行业痛点
精密电子良率提升的三大瓶颈
测试不良率高、过程能力不足、根因分析缺工具，是精密电子企业良率改善的核心困境
10.7%
改善前天线测试不良率
测试不良率高，大量产品需返测
天线性能测试不良率高达 10.7%，超出客户要求的 1% 目标逾 10 倍，导致大量产品反复返测，交付风险持续升高，客户满意度下降。
Cpk 0.54
改善前 RX 灵敏度过程能力
过程能力严重不足，Cpk 低于 0.6
TX 天线功率 Cpk = 0.59，RX 灵敏度 Cpk = 0.56，均远低于过程能力基准值 1.33，过程不受控状态下质量波动无法预测，良率改善缺乏数据依据。
17项
初始识别潜在影响因子数
影响因素复杂，根因难以锁定
天线组装涉及 FPCB、连接器、线缆、压合工装等多个工序，初始筛查识别出 17 个潜在输入因子，缺乏系统性根因分析工具，改善方向不明确。
某精密电子元器件企业天线性能测试良率提升项目
某全球精密声学与电子元器件制造企业，其 G20 产品天线性能测试不良率高达 10.7%，远超客户要求的 1% 上限。通过 AiDAS PRO 支持的六西格玛绿带 DMAIC 项目，系统筛查 17 个潜在因子、锁定 4 个核心根因，经假设检验与 DoE 双重验证后实施改善，不良率最终降至 0.5%，年化收益 206.5 万元。
改善前状态
- 天线测试不良率 10.7%，超出客户目标 10 倍以上，大量产品需反复返测
- Y1（TX 功率）Cpk = 0.59，Y2（RX 灵敏度）Cpk = 0.56，过程严重失控
- 测量系统未经验证，%SV、SV/T、分辨力等参数真实性存疑
- 组装工序涉及 17 个潜在因子，无系统工具筛查，改善方向不清
- 连接器压接、FPCB 尺寸、卡槽公差等关键参数无明确控制规范
解决方案
- 使用 MSA 工具系统验证测量系统，确认量具满足测量要求，为后续分析奠定可信数据基础
- 通过双样本 T 检验分析组装工序各潜在因子的显著性，精准挖掘对天线性能影响最大的关键因子
- FPCB 电路图形公差收紧后，过程能力分析确认 Cpk = 1.37，过程能力达到规范要求
- 通过 DoE 实验设计验证并确认连接器压接宽度与压接高度的最优规范值
- 建立含 7 个控制点的标准控制计划，配套 SPC 控制图实时监控，持续防止改善反弹
分析方法论
DMAIC 全链路工具覆盖
AiDAS PRO 在项目每个阶段提供配套分析工具，确保方法论落地而非停留于纸面
定义 — 明确项目范围与改善目标
绘制帕累托图定位天线测试不良的关键因素，对齐 VOC（现场故障率 <7500 DPPM）与 VOB（FPY ≥ 92%，不良率 <1%）要求，测算年化改善收益约 206.5 万元，获得管理层立项支持。
测量 — 验证测量系统，建立能力基线
对 Y1（TX 功率）和 Y2（RX 灵敏度）分别开展 MSA：%SV = 22.42%（<30% ✓），SV/T = 15.83%（<30% ✓），分辨力 = 6（>5 ✓），测量系统可信。过程能力分析：Y1 Cpk = 0.56，Y2 Cpk = 0.54，过程严重失控。
分析 — 系统筛查根本原因
经因果矩阵与 FMEA 协同识别潜在失效模式并完成快赢改善后，锁定剩余 4 个核心 X 因子进行假设检验，结果均为 P < 0.05，统计显著，根因定位有据可查。
改进 — 公差收紧 + DoE 优化参数
第一步：FPCB 电路图形公差从 ±0.1 收紧至 ±0.05mm，Cpk 从 0.53 提升至 1.37，过程能力显著改善。第二步：对连接器压接宽度、压接高度、卡槽尺寸开展三因子两水平全因子 DoE，ANOVA 显著（P<0.05），最优参数：宽 1.60mm / 高 1.09mm / 卡槽 0.36mm。
控制 — 建立控制计划，锁定改善成果
制定包含 7 个关键控制点的控制计划，覆盖 FPCB 制造、连接器压接、卡槽尺寸、线缆压接、压合工装五大工序；部署 SPC 控制图持续监控：TX Cpk = 1.45，RX Cpk = 1.68，控制图无异常信号。
项目成果
数据说话的改善结果
改善成果经统计假设检验与 SPC 控制图持续验证，非仅凭单点数据
0.5%
天线测试不良率
目标 <1%，超额完成
206.5万
年化节省（元）
废品 + 返测人工综合收益
1.45 / 1.68
TX / RX Cpk
改善前均低于 0.6
+0.8分
客户 QBR 评分
8.5 → 9.3（满分 10）
统计显著性验证
项目中对 4 个核心 X 因子（连接器压接宽度、压接高度、卡槽尺寸、FPCB 图形尺寸）分别进行假设检验，结果均 P<0.05，统计显著。DoE 三因子全因子实验 ANOVA 分析同样显著（P<0.05），无曲率、无失拟，最优参数经验证后方实施。所有改善决策均有统计检验背书。
适用场景
这些情形适合使用 AiDAS PRO
测试不良率居高不下
产品最终测试不良率长期超标，返测量大，需通过系统根因分析锁定影响测试结果的关键工艺变量。
过程能力 Cpk 不达标
关键特性 Cpk 持续低于 1.33，SPC 控制图频繁报警，需要从设计公差与工艺参数双维度系统优化。
多工序多因子，根因复杂
组装工序长、输入变量多，经验排查效率低，需要因果矩阵与 FMEA 系统筛查，再用假设检验锁定显著因子。
新产品导入（NPI）良率爬坡
新产品量产初期良率低于目标，需快速完成 MSA → 基线分析 → 根因定位 → DoE 参数优化的完整流程。
供应商来料质量波动
关键零部件（FPCB、连接器等）来料尺寸离散度大，需通过量具 R&R 和过程能力分析建立供应商质量管控体系。
客户 QBR 评分压力
季度质量回顾评分偏低，需通过有数据支撑的改善项目向客户展示质量管控能力，提升战略合作信任度。