乡亲们
最近，一家大型电子组装企业邀请我做一场演讲，并对一条装配线进行审核，以减少被动元件的“墓碑效应”。
正如我在演讲中指出的，墓碑现象可能由多种因素引起：回流曲线 、焊料金属成分（对于无铅焊料，SAC387比SAC305更容易出现墓碑现象）、元件放置偏心、氮气回流气氛、埋孔等。经过两小时的演讲后，我视察了这条“存在墓碑现象问题”的生产线。
当我开始询问时，很明显没有人知道问题的严重程度。“每块电路板上有多少个被动元件？”我问道。没人知道。 “最近‘墓碑’现象的DPMO（每百万次机会的缺陷 ）是多少？”这个指标同样无人知晓。当大家忙着去查找数据时，情况逐渐明朗：‘墓碑’现象可能并没有大家想象的那么严重，它更像是一个地方传说。
终于，我们获得了一些数据。每块电路板大约有1000个被动元件，过去两小时内生产了100块电路板，总共出现了两块“墓碑板”。“墓碑板”是唯一的缺陷 。嗯……100块电路板中有两块不合格，也就是说首次通过 良率为98%，还不错！从DPMO的角度来看，每10万次机会中仅有2个缺陷 ，即20DPMO，这属于世界级水平。若不进行大规模的工程投入，要进一步改善这一DPMO水平将非常困难。该数值已处于“噪声范围”内，很可能是由“共同原因”变异所致。随后我询问修复一个“墓碑”需要多少成本，不出所料，没人知道。 我估计不到2美元。这种情况实属罕见：良率已高到如此程度，为进一步提升良率而进行工程投入可能并不划算。
不过，这并不是故事的重点。无论在这种情况下采取什么措施，都必须“以数据为依据”。只有将准确的故障率数据绘制在帕累托图上，并了解相关成本，才能制定出适当的行动方案。
始终以数据为导向！
祝好。
罗恩博士
