下载文档原格式
SMT焊膏厚度测量系统的偏倚分析摘要SPC技术因其能够做到“全程监控、事前预警”，已在现代电子生产中得到了广泛应用，成为提升质量的重要手段。
本文以SMT生产的首道工序，焊膏印刷为SPC的推进试点，并选择了焊膏厚度为关键工序参数。
为保证采集数據的有效性，本文选择“偏倚（Bias）分析”对测量系统进行了评估。
重点介绍了在偏倚分析的过程中，数据分析和计算的步骤和方法。
关键词焊膏印刷；SPC；偏倚分析前言表面贴装技术（SMT，Surface Mount Technology）是目前电子界应用规模最大的一种新型技术。
焊膏印刷是SMT生产中的首道工序，该道工序是否可靠，对最终的产品质量是否稳定，起着至关重要的作用。
有数据表明，SMT生产中70﹪以上的缺陷是在焊膏印刷过程中产生的。
为了保证SMT过程的整体可靠性，需要使用一种行之有效的先进质量管理技术来对焊膏印刷环节进行质量控制。
然而传统意义上的过程检验和测试，均属于“事后判断”。
而统计过程控制（SPC，Statistical Process Control）是一种全新的技术和方法，它以数理统计的方法为基础，能够对产品的整个生产过程或服务过程进行全程预防，即“全程监控、事前预警”。
1 焊膏印刷的数据测量系统SPC技术是建立在对大量数据进行收集、统计、分析基础上的应用，因此在对焊膏印刷过程进行控制之前，必须确定该过程的数据测量办法。
焊膏印刷环节的各种缺陷均表现为焊膏体积的变化。
在进行焊膏印刷质量检测时，通常选择焊膏体积为关键的工序参数。
在实际生产过程中，每种封装的贴装元器件焊盘大小都是一定的。
因此，在测试时，只要对焊膏的厚度进行测量，根据测量结果，即可判断焊膏印刷的质量。
CYBERSCAN V50型激光测厚仪是一种新型的厚度测试仪，测量时将被测产品至于大理石台面，通过激光扫描的方式进行测量，避免了人工持取测量设备或产品而引入的误差。
测试结果的在软件中显示，形成一条曲线，通过读取，可直接得到焊膏厚度。
/ 表面贴装质量/ 过程品质控制:通往零缺陷制造旳途径过程品质控制: 通往零缺陷制造旳途径－12-21Thomas Eskrｉｄｇe 点击: 219７过程品质控制:通往零缺陷制造旳途径采用ＡOI旳最后目旳将决定生产线上哪里放置AＯI,并将产生什么过程控制信息。
随着印刷电路装配变得更小和更密,自动光学检查(AOI, ａutoｍａted opticａl ｉnｓpectioｎ）设备越来越多地用来监视和保证印刷电路板（PＣB, prｉｎteｄcｉｒｃuit board)旳品质。
此外,带有专门目旳旳有效使用AOＩ可以产生不同类型和具体限度旳过程控制信息。
1.有四类实行AOＩ旳检查目旳:2.最后品质(Enｄqｕality)。
把注意力重要集中在最后品质旳制造商对产品走下生产线时旳状态感爱好。
当生产问题非常清晰、产品混合度高、和数量和速度为核心因素旳时候,优先采用这个目旳。
ＡOI一般将放置在生产线最尾端附进。
在这个位置,设备可以产生大范畴旳过程控制信息。
3.过程跟踪(Prｏｃeｓs tracｋing)使用检查设备来监视生产过程。
典型地,涉及具体旳缺陷分类和元件贴放偏移信息。
当产品可靠性很重要、低混合度旳大批量制造、和元件供应稳定期, 制造商优先采用这个目旳。
这常常规定把检查设备移动到几种地方,在线地监视具体旳体现。
过程控制信息一般比采用最后品质目旳少, 但是它可以直接地找到特殊旳过程问题。
支持特殊过程环节旳过程控制信息也许比采用其他目旳更定量化。
4.在线测试(ICT,ｉｎ-cｉrcuiｔtest)第一次通过率(ＦPＹ,firｓｔ-pass yｉeldｓ)反映过程能力和ICT环节旳任何难点。
AOI设备通过发现缺陷板和在第一次ＩCT之前把缺陷板发送到修理, 来改善ICＴ旳通过率。
当生产批量很大而需求时间短, 要使测试和发运产品成为核心问题旳时候,制造商优先采用这个目旳。
由于AOＩ是放置在生产线旳最后端点附近, 因此过程控制信息典型地是定性旳。
表面贴装的统计过程控制面对今天竞争激烈的市场，质量既是确定的又是有差异的。
说它是确定的，因为任何人不能为客户提供质量好的产品将很快从业界消失。
但是，质量同样能够让你从竞争对手区分开。
结构良好和实施质量管理系统可降低返修量和废品，达到节约成本和得到更低报价或零售价格。
对许多公司来说，这就需要重新考虑现行的质量和实现质量的最佳方法。
旧的质量与新的质量对许多公司来说，质量可简单地用以下方式表示:1）按工序制造产品；2）检查产品缺陷；3）需要时返工；4）检验返工产品；5）进入下一工序；6）回到第一步，重复操作第1到第5步。
这种方式可认为是质量控制的“检验法”，简单流程图如图1所示。
对于利用这种最基本的质量控制系统的公司来说，它们以昂贵的费用：“检验”产品质量，但无助于改正引起产品缺陷的根本原因。
某些公司会采用收集基本缺陷数据的方式，这是一种主要将缺陷的产生推回到工作人员的做法。
这种错误概念来自认为工作人员通常是产生质量问题的起因。
它不能找到产生缺陷的真正原因，而只在缺陷已经产生之后才检验出质量不好的产品。
这种方式同样非常依赖于本身就缺少一致性和准确性的视觉检查。
视沉检查经常会让漏检的缺陷进入各个装配过程，如果在测试中或检验时发现缺陷，则返修成本更可观，此时电路板可能要额处的拆卸才能找到有缺陷的子部件。
更糟糕的是不合格的产品可能引起产品使用寿命缩短，及其返修成成本增加，并失去良好的客户信誉。
无论在哪里检验出缺陷，返修和报废的材料都增加了产品的生产成本。
更好的方法是采用统计过程控制（SPC）法实时监控在装配过程中最容易产生产品缺陷的关键部位。
这里含有于用预防代替检验的概念，并且减少对视觉检查的依赖。
视觉检查仍然在总体质量方法中起作用，以及经常有助于先行确定由现有过程导致的一贯性缺陷。
这使得过程控制首先注意到最能够实施“防犯于未然”的区域，最终检验员不再是查找缺陷的“警察”，而变为帮助工作人员防止缺陷发生的同事。
焊装质量控制的方法在制造业中，质量控制是确保产品或组件质量的关键环节。
对于焊装过程来说，质量控制尤为重要，因为它直接影响到产品的结构强度和外观质量。
本文将探讨焊装质量控制的方法。
一、焊接人员的培训和资格认证焊接人员的技能和经验是影响焊装质量的关键因素。
因此，对焊接人员进行专业的培训和资格认证是至关重要的。
焊接人员不仅需要具备基本的焊接技能，还需要理解焊接原理、材料特性、焊接缺陷和质量控制等方面的知识。
通过定期的培训和资格认证，可以确保焊接人员在操作过程中遵循最佳实践，提高焊装质量。
二、焊接设备的维护和校准焊接设备是执行焊接操作的关键工具，因此，确保设备的良好状态是保证焊装质量的基础。
应定期对焊接设备进行维护和校准，包括检查设备的运行状态、电极的磨损情况、电源的稳定性等。
还应定期对焊接设备进行性能测试，以确保其性能符合生产要求。
三、材料的质量控制材料的质量直接影响到焊装的质量。
因此，对材料进行严格的质量控制是必要的。
应从材料的采购、存储、使用等各个环节进行严格把关，确保材料的质量符合生产要求。
还应定期对材料进行质量检查，包括材料的化学成分、物理性能等。
四、工艺过程的控制焊装过程是一个复杂的工艺流程，任何一个环节的失误都可能导致质量问题的出现。
因此，对工艺过程进行严格的控制是必要的。
应制定详细的工艺流程和操作规程，并在生产过程中严格执行。
还应定期对工艺流程进行检查和优化，以提高生产效率和产品质量。
五、质量检查和验收质量检查和验收是保证焊装质量的最后一道防线。
应制定严格的质量检查和验收标准，并对每一批产品进行抽样检查。
对于关键部件或结构，应进行100%的检查。
还应定期对产品质量进行统计和分析，以便及时发现并解决问题。
六、持续改进持续改进是提高产品质量的重要手段。
通过对生产过程和质量检查结果的分析，可以发现潜在的问题和改进点。
应制定相应的改进计划并付诸实施，以提高产品的质量和生产效率。
焊装质量控制需要从人员、设备、材料、工艺过程、质量检查和持续改进等多个方面进行综合管理和控制。
smt质量控制计划SMT质量控制计划。
一、引言。
SMT（Surface Mount Technology，表面贴装技术）在电子制造领域广泛应用，其质量直接影响最终电子产品的性能与可靠性。
本质量控制计划旨在确保SMT生产过程中的各个环节都处于严格的质量管控之下，从而生产出符合质量标准的产品。
二、质量目标。
1. 焊接质量。
- 焊点不良率控制在千分之三以内，包括虚焊、短路、少锡等典型焊接缺陷。
2. 元器件贴装精度。
- 贴装位置偏差在±0.1mm范围内的比例达到99%以上。
3. 产品功能合格率。
- 经过SMT工序后的产品，功能测试一次性合格率达到98%以上。
三、生产流程与质量控制点。
（一）原材料检验。
1. 进货检验。
- 对每批进入的PCB（印刷电路板）、元器件进行抽检。
- 检验项目包括PCB的尺寸、平整度、线路完整性；元器件的规格、型号、外观（引脚是否变形、氧化等）。
- 抽样比例按照GB/T 2828.1 - 2012标准，一般为II级水平，特殊关键元器件可提高到I级水平。
- 对于不合格的原材料，出具详细的检验报告，并及时通知供应商进行处理，严禁不合格原材料进入生产线。
（二）锡膏印刷。
1. 锡膏管理。
- 锡膏储存温度控制在0 - 10℃，使用前需提前2 - 4小时回温至室温。
- 记录锡膏的开封时间、使用期限，超过使用期限的锡膏必须报废处理。
2. 印刷设备参数设定与校准。
- 刮刀压力设定在合适范围，根据PCB的尺寸和锡膏类型进行调整，一般为3 - 5kg/cm²。
- 印刷速度控制在20 - 30mm/s，确保锡膏均匀、完整地转移到PCB焊盘上。
- 定期（每班开始时和每4小时）对印刷机进行校准，检查印刷精度，偏差超过±0.05mm时需重新校准。
3. 印刷质量检查。
- 采用首件检验、巡检和末件检验相结合的方式。
- 首件检验时，对印刷的锡膏形状、厚度（使用厚度测试仪测量，厚度偏差控制在±0.02mm以内）、位置精度等进行全面检查。
3 短 文 ２００４年第２期广东自动化与信息工程 45表面贴装设备的运动控制分析＊ 杜 娟（华南理工大学自动化科学与工程学院）摘要：针对现代化表面贴装设备对运动控制各方面的要求，对运动轴的种类、等级、模式等各方面进行了系统的分析，并给出了进行有效控制的方法，为实现贴片机的高速高精度控制奠定了基础。
关键词：贴片机；运动；控制 １ 引言 全自动贴片机的关键技术是采用先进的视觉检测和定位技术，配合多贴片头和多吸嘴等机械装置达到快速准确贴装的目的。
此外，视觉检测、运动规划和优化、运动控制以及贴片质量检测等各任务间的协调处理及机械部分的精度等都会直接影响到贴片的速度和精度，因此它是一非常复杂的高速高精度机电一体化和计算机集成制造系统。
贴片机的发展经历了手动、半自动、全自动贴片机三个时期，目前绝大多数正在使用的贴片机都属于全自动贴片机类型。
全自动贴片机是机-电-光及自动控制、计算机技术的综合应用。
它通过拾取、移动、定位、贴装等功能，将表面贴装器件（SMD ）快速而准确地贴装到PCB 板指定的焊盘位置上。
贴片机对所有元件的贴装是按顺序进行的：拾取/贴装头先移动到指定的喂料器位置上拾取要贴装的元件，再通过视觉处理系统对贴装元件进行检测和对中，最后移动到PCB 板上的指定焊盘位置上贴装元件；在这一过程结束后，拾取/贴装头又移动到喂料器拾取下一批元件、再进行识别、贴装操作，如此周而复始，直到所有元件都贴装完。
整个流程完全由计算机控制自动完成，无需人力介入。
所以，对运动控制部分的速度、精度等都提出了很高的要求。
本课题组所研究的贴片机的运动性能指标为：⑴ 贴装头数：8个；⑵最大运动速度：1.3m/s ；⑶Chip 贴装精度：0.1mm ；⑷旋转角度精度：0.1度；⑸贴装速度：4片/秒；⑹SOIC ，QFP ，BGA ：贴装精度：0.05mm ；⑺旋转角度精度：0.05度；⑻贴装速度：1片/秒。
完成这些指标的前提是要对各个运动轴进行全面的运动分析，以达到设备的各种控制要求。
表面贴装的统计过程控制 Ｍｉｋｅ ＭｃＭｏｎａｇｌｅ Ｔｅｌｘｏｎ Ｃｏｒｐｏｒａｔｉｏｎ Ｈｏｕｓｔｏｎ ，Ｔｅｘａｓ ｍｍｃｍｏ＠ｔｅｌｘｏｎ．ｃｏｍ 摘 要：本文讨论统计过程控制和数据收集带来的好处，它们能够提高各种印制电路装配件的质量和降低成本。
许多公司，特别是小型制造商往往以为ＳＰＣ只适用于“大户”，他们会错误地认为ＳＰＣ实施困难和费用昂贵，既费时、费力和费钱又回报得益不多。
实际情况并非如此，ＳＰＣ和数据收集的实施很容易，而且回报远远超过投资。
本文将提供视觉检查对质量的影响，并与采用统计方法作比较。
我们将回顾ＳＰＣ的历史和基本原理，数据收集的必要性，以及如何确定最适合每个个别运作的方法。
本文还探索可用的简单有效的实施方法，以及提高数据收集过程自动化和效率的基本途径。
本文将介绍在我们公司内部实施ＳＰＣ和数据收集的特殊区域，并援引实际文件的图表和样本、程序、工艺规程和公司使用的设备。
由此对一个有效的ＳＰＣ计划的简易性有一个真实观感。
最后还提供几本建议阅读的书籍和其它资料，为需要引用ＳＰＣ、ＤＯＥ概念和数据收集并应用于电子产品制造的读者提供基础教材参考。
关键词：ＳＰＣ，过程控制，质量，数据收集 前言 面对今天竞争激烈的市场，质量既是确定的又是有差异的。
说它是确定的，因为任何人不能为客户提供质量好的产品将很快从业界消失。
但是，质量同样能够让你从竞争对手区分开。
结构良好和实施质量管理系统可降低返修量和废品，达到节约成本和得到更低报价或零售价格。
对许多公司来说，这就需要重新考虑现行的质量和实现质量的最佳方法。
旧的质量与新的质量 对许多公司来说，质量可简单地用以下方式表示： １） 按工序制造产品； ２） 检查产品缺陷； ３） 需要时返工； ４） 检验返工产品； ５） 进入下一工序； ６） 回到第一步，重复操作第１到第５步。
这种方式可认为是质量控制的“检验法”，简单流程图如图１所示。
对于利用这种最基本的质量控制系统的公司来说，它们以昂贵的费用：“检验”产品质量，但无助于改正引起产品缺陷的根本原因。
某些公司会采用收集基本缺陷数据的方式，这是一种主要将缺陷的产生推回到工作人员的做法。
这种错误概念来自认为工作人员通常是产生质量问题的起因。
它不能找到产生缺陷的真正原因，而只在缺陷已经产生之后才检验出质量不好的产品。
这种方式同样非常依赖于本身就缺少一致性和准确性的视觉检查。
视沉检查经常会让漏检的缺陷进入各个装配过程，如果在测试中或检验时发现缺陷，则返修成本更可观，此时电路板可能要额处的拆卸才能找到有缺陷的子部件。
更糟糕的是不合格的产品可能引起产品使用寿命缩短，及其返修成成本增加，并失去良好的客户信誉。
无论在哪里检验出缺陷，返修和报废的材料都增加了产品的生产成本。
更好的方法是采用统计过程控制（ＳＰＣ）法实时监控在装配过程中最容易产生产品缺陷的关键部位。
这里含有于用预防代替检验的概念，并且减少对视觉检查的依赖。
视觉检查仍然在总体质量方法中起作用，以及经常有助于先行确定由现有过程导致的一贯性缺陷。
这使得过程控制首先注意到最能够实施“防犯于未然”的区域，最终检验员不再是查找缺陷的“警察”，而变为帮助工作人员防止缺陷发生的同事。
这种方法同样考虑到装配过程的各个方面，包括人力、机器、方法和工作环境，并且清楚地认识到人只是装配过程中众多资源之一。
这个方法把防止不良质量放在首位，以便减少废品和浪费，最终达到生产率和收益的增加。
（流程见图２） 工业与质量历史回顾 １９世纪初期，美国工业正在寻找提高生产率的方法来降低成本和增加收益，但没有想到质量对这种关系的冲击力。
此时最广泛采用的是１９１１年泰勒（Ｆｒｅｄｒｉｃｋ Ｔａｙｌｏｒ）在他的著作《科学管理的原理》中提及的技巧。
作为一名工业工程师和顾回，他以顾回身份服务于早期的工业家，如亨利・福特等人。
他不断寻求提高机器和工人工作效率的方法，他使用的基本假定是大部分工人又笨又懒，金钱是他们主要的动力来源，因而在工人与管理之间应有严格的区分。
他观察到工人会放慢他们的作业，害怕工作太有效而变成失业。
他相信可以利用工人以金钱作为工作的动力来克服他们的惧怕和提高生产率。
基于这种信念，他创立了“计件”工资制，对工人支付定量生产件数的基本工资，对超过定量的生产件数付给额外奖金。
现今还有一部分行业使用这种体制。
工人被当作机器，他们很快变得疏远和不满足。
产品的生产主要根据数据量而不是质量，管理采用“胡萝卜加大棒”的办法来降低成本和增加利润。
到１９世纪２０年代，得益于休哈特（Ｗａｌｔｅｒ Ｓｃｈｅｗａｒｔ）博士的工作和努力，质量变成公司降低成本的整体计划的组成部分。
他作为西方电气公司工程部的著名科学家，被誉为统计过程控制之父。
在１９２４年他计划了一种抽样图表，“设计用来指示在给定类型的缺陷部件中观察到的变化百分比，这是很有意义的，亦即指出对产品是否满意”。
他认为产生缺陷的原因可分为“偶然原因”（生产过程中固有的可预测的变化，现在经常称为“普遍原因”）和“异常原因”（由特殊的不可预测的原因或事件引起的变化，现在经常称为“特殊原因”）。
据此应该着重研究和消除异常原因，以便改进质量，但不必浪费资源去解决对整个过程和生产质量影响不大的偶然原因。
这种方法亦可用来确定某一工序的固有能力，此时“控制界限”可作为一个工序的合格率的控制线。
当贝尔实验室科学家将休哈特的概念付诸实施时，他的方法使几项废品降低了５０％，和节省西方电气公司几百万美元的开销和材料。
利用他的统计技术证明通过质量改进能够节约成本和增加利润，并且引起许多大型工业公司的注意。
管理部门开始认识到人不能生产出工序所允许的更多的产品和更好的质量。
在他１９３１年的著作《控制产品质量的经济检验》中全文述他的统计抽样方法的研究结果，并且这个结果仍然是现代统计过程控制的基础。
一位西方电气公司的同事戴明（Ｅｄｗａｒｅ Ｄｅｍｉｎｇ）在参加美国作战部和后来在日本讲授质量基本原理时，将休哈特的成果加以扩展。
戴明在他的“管量的１４项职责”中将统计过程控制和质量论述为管理哲学，并把它作为一种工具使工人参与搞好机构的活动。
他采用这种统计工具和管理哲学去鼓励工人负责在他们控制下的工序的质量。
休哈特的实践和戴明的哲学相结合至今还在不断提高美国工业的质量和生产率。
ＳＰＣ的基础—各种控制图 过程控制图可分为两大类别：用于测量变量的图表和用于测量属性的图表。
根据监控的过程和收集数据的来源，它们的用途各不相同。
变量图的实例：是监控焊膏的高度。
板与板之间通常会出现高度的少量变化。
比照控制允许值来跟踪这种变化可以确定工序是否在合格范围之内，或者在有缺陷的产品出现能迅速指出那些需要检查或改正的，因“特殊原因”而产生的事件。
变量图如图３所示。
属性图的实例：在测试操作中跟踪有缺陷的单元数目，计算在一个给定装配中的首轮通过的成品率。
跟踪与控制范围有关的数据可以保证前面各工序的总体质量，或者在下一个缺陷产品产生之前指出需要检查和改正的不合的质量。
属性图表如图４所示。
变量控制图 最常用的变量控制图表是Ｘ控制图和Ｒ控制图，它们经常一起使用。
Ｘ控制图用来监控工序的位置或者工序的计量值，而Ｒ控制图用来监控工序的范围或者分布。
在正常运用中，获取一个样本的多个读数，然后相加及求平均值后产生绘在图上的数据点。
任何落在上控制限（ＵＣＬ）或下控制限（ＬＣＬ）之外的数据点表示由于特殊原因引起的不合格的工序变化，在进行下一步生产之前需要检查和改正。
除了数据点超出ＵＣＬ或ＬＣＬ表示有特殊原因之外，还有其他规律可指出在没有超出ＵＣＬ或ＬＣＬ时存在的特殊原因。
这些规律的依据是变量的统计概率，并可以对很快失控的工艺过程作出预先提示。
这样就能够在生产出有缺陷产品之前进行检查和改正。
一些常用的实例包括： ●２个以上接近ＵＣＬ或ＬＣＬ的连接续点 ●６个增加或降低的连续点 ●８个在中间值一边的连续点 ●１４中间值两边交替出现的连续点 还有其他限制更多的规律，由控制图的特殊区域来决定，而且对于刚开始ＳＰＣ计划的公司还不需要这些规律。
这些规律随公司的不同而有差别，与他们对于ＳＰＣ计划的要求和原则而定。
应该记住，过多规律可能产生大量的“伪报警”，但规律太少又可能在生产过程中漏检有关的问题。
当第一次建立一个生产工序的Ｘ控制图或Ｒ控制图时，ＵＣＬ、ＬＣＬ和中值数据线必须确定下来而不是随意规定。
这就需要实时运行和测量，然后采用测量值计算出ＵＣＬ、ＬＣＬ和中间值。
为确保计算值为有效性，工序的生产过程必须是稳定的和可重复的，否则所提数据有偏移，在以后可能对生产过程产生错误的反馈。
采用著名的平方律可从读数值来验证生产过程的稳定性，具有“钟形曲线”的正态分布即表明生产过程是稳定的。
用于生产过程控制的步聚和计算在本文提及的参考书中有许多介绍，当首次建立图表时必须遵守这些文献。
属性控制图 属性图用于不可计量的特性的控制。
这些特性通常用“好”或“不好”等来表达，正如在化妆品检验或测试运行中所遇到的情况那样。
这种特性称为属性，用简单的计数数据来制表。
属性图表有三种主要类型： ●Ｐ图，测量某批产品中缺陷部件的百分比 ●ｎｐ图，测量某批产品中缺陷部件的数目 ●Ｃ图，监控某批产品中缺陷部件的总数 对于Ｘ直方图和Ｒ曲线图的控制界限要建立在对稳定运行的工艺过程的初始计算上。
这是一个连续生产产品的过程，所有的缺陷来自工艺过程内部的固有的普遍原因，而不是由需要检查和改正的特殊原因所引起来。
在某些例子中，例如测试运行，可以规定一个任意的控制下限，当产品缺陷达到不可接受的水平生产时过程必须中断。
同样在上例中，控制上限任意设定为１００％，因为这是在测试运行中的最佳的质量级别。
测定象化妆品特性时，图表通常通过对给定批量产品的测定完成的，而不象Ｘ直方图和Ｒ曲线图那样在产品生产的过程中测定完成的，而对测试单元制图表经常是在产品生产过程中按装配线或按每班的基础上完成的。
其他数据收集方法 虽然统计过程管理可用来减少，甚至可能取消中间视觉检查的操作，但是所有实施的检觉检查应尽量收集和编制最有意义的数据。
如前所述，当有次建立ＳＰＣ计划时，这些数据对首先应在何处加强控制提供了巨大的帮助。
同时它也提供了与ＳＰＣ图表、数据相关的反馈，使管理层确信ＳＰＣ计划正在改进质量和降低成本。
缺陷记录可用来收集视觉检查的数据，还可以提供与ＳＰＣ实施无关的有用数据。
合理使用缺陷记录，并配合对过程的周密计划，则缺陷记录可以指明改进过程的方向。
记录应设计成易于单块板缺陷输入，以便减少对总体工作流程的影响，但又能涵盖过程中所能出现的各个缺陷。
手工输入缺陷的实例如图５所示。
缺陷记录中的数据可以一天为单位计算，将结果制成排列图（Ｐａｒｅｔｏ图）格式制成图表。
