小弟是一個Failure analysis工程師 最近公司委託的封裝廠出了一批貨 有比平常高的failure rate 取量大的來看大約可以到99.90%的assembly yield 意即我們委量1000pcs 可以拿到999pcs完好的產品 1pcs是由他們內部檢測,發現封裝有明顯缺陷的產品 之後這999pcs會開始做封測的動作,沒有通過的產品記為failure 我們之前的總量大約有到60000pcs, failure rate不到0.05% 但是近日有兩批貨failure rate高達2% 進行failure analysis之後,目前雙方都認定是電路燒毀 以下是封裝廠的說法 我們以前也遇過相同的問題 但是這個是電路設計不良 發生問題的客戶換過電路設計之後再也沒有發生過了 電路燒毀有可能是靜電放電造成 我們的封裝儀器所有安規檢驗都合格 所以你們應該檢查一下你們的電路是不是靜電防護沒有做好 事實上我們這段時間並沒有改變什麼設計 只是相同的產品再增量出產, 照理說應該維持原本的良率 如果我手邊有這段時間產量的row data 如下例 DBQty SHQty AssYield Defect failure rate 1. 2010/1/30 10000 9900 99.90% 0 0% 2. 2010/2/15 5000 5000 100.00% 0 0% ...... 15. 2010/6/15 3000 3000 100.00% 60 2% 就封裝廠的說法,認定他們的製程沒什麼問題AssYield變率不大 如果我們想進行檢定 因為電路沒有改, 所以failure rate應該是差不多的水準 我想說是不是可以用統計來否定封裝廠的說法 就假定平常會有0.05%的failure rate是正常好了 剛好就這一批貨3000顆裡面一堆落在那0.05%裡,所以它failure rate變2% 即3000顆應該會有1.5顆的failure, 出現了60顆算不算顯著 (這樣解釋對嗎?) (fr=failure rate) H0: fr15!=fr1=fr2=fr3=fr4=....=0.05% 逐筆比對 H1: fr15=fr1=fr2=fr3=fr4=0.05% H0: fr15!=fr(1+2+3+...+14)=0.05% 把其他的量(相同電路設計)全部合起來比對 H1: fr15=fr(1+2+....+14)=0.05% 這兩者在意義上不曉得有沒有差別? --------------------------------------- 我本身沒有唸過統計, 最近翻了一些書來看 如果觀念有錯 還請板友不吝指教 或者是這種量的分析有其他較好的方式? 請板友可以提一下該方式的名稱, 我再去翻找相關的資訊 --

※ 發信站: 批踢踢實業坊(ptt.cc) ◆ From: 61.66.243.96 ※ 編輯: cpusf 來自: 61.66.243.96 (06/24 15:44)