1. 课程导入
在电源产品从样机走向量产的过程中，研发工程师最常遇到的一类困境是：实验室里性能优异的样机，一旦进入批量生产，良率却始终卡在 85%～92% 之间无法突破；或者客户现场偶发失效，返修品回到实验室却"怎么测都是好的"。这类问题既不是单纯的设计缺陷，也不是纯粹的制造事故，而是设计、工艺、物料、测试、环境多因素耦合的结果。本课程要解决的，正是如何用工程化的方法把这类"说不清、复现难、改不动"的问题变成可定位、可验证、可闭环的良率提升动作。
一、学习目标：从"救火"到"控火"
完成本课程后，学员应能达成以下四类能力目标：
- 量化诊断能力：能读懂量产良率数据（直通率 FPY、一次通过率、DPPM、Cpk），并判断问题属于设计裕量不足、工艺漂移还是测试误判。
- 故障复现能力：能针对间歇性失效设计复现方案，包括边界条件扫描、应力加速、时序触发与温湿度组合激励。
- 根因定位能力：能运用故障树、批次对比、参数相关性分析，把"某批次不良"收敛到具体器件、工序或设计参数。
- 闭环改善能力：能输出可执行的改善措施，并通过小批量验证与 SPC 监控确认良率提升的稳定性。
二、核心概念：良率、故障复现与失效边界
理解本课程需要先建立三个基础概念。
量产良率通常指一次通过率（First Pass Yield, FPY），即产品在首次完整测试流程中无需返修即通过的比例。它与"最终良率"不同，后者允许返修后复测通过。量产关注 FPY，因为返修本身消耗工时、增加物料损耗并引入二次损伤风险。
故障复现是指在受控条件下，使原本偶发或现场出现的失效现象稳定重现。复现是根因分析的前提——不能复现的故障，只能靠推测，而推测无法支撑量产改善。
失效边界是产品从正常到异常之间的参数或环境临界点。例如某电源在输入 90V 时输出正常，在 85V 时启动失败，则 85V 附近即为启动失效边界。量产良率问题往往不是"产品坏了"，而是"工作点离边界太近"。
三、方法流程：从良率异常到闭环改善
本课程贯穿一条主线流程，可概括为"看数据—定现象—做复现—找根因—改设计/工艺—验效果"六步。
- 看数据：拉取近 3～5 个批次的测试记录，按工位、时段、设备、操作员分组，确认不良是集中还是分散。
- 定现象：明确失效模式，如"启动不良""输出纹波超标""高温保护误触发"，并记录发生比例与条件。
- 做复现：在实验室构造边界条件，使失效稳定出现。常用手段包括输入电压拉偏、负载阶跃、温度循环、时序抖动。
- 找根因：结合故障树与参数测量，定位到具体器件、焊点、参数或软件逻辑。
- 改设计/工艺：调整裕量、更换物料、优化工艺窗口或修正测试判定。
- 验效果：小批量试产并监控 FPY 与 Cpk，确认改善有效且未引入新问题。
以下是一段典型的良率数据提取与分组脚本示例，用于快速判断不良是否与批次相关：
# 按批次统计一次通过率
import pandas as pd
df = pd.read_csv("production_test_log.csv")
summary = df.groupby("lot_id").agg(
total=("sn", "count"),
fail=("result", lambda x: (x == "FAIL").sum())
)
summary["FPY"] = (1 - summary["fail"] / summary["total"]) * 100
print(summary.sort_values("FPY"))
四、案例场景：一个典型的量产良率卡壳问题
某 65W 反激电源在试产阶段 FPY 为 96%，进入量产第三批后骤降至 88%。测试数据显示不良集中在"空载启动失败"，且同一批次内不同时段差异明显。初步排查发现：
- 失效板在常温下可正常启动，但在 0℃ 环境下启动失败率超过 40%；
- 更换启动电阻后失效消失，但原电阻阻值实测仍在规格范围内；
- 对比批次发现，失效批次的启动电容来自不同供应商，容值偏低约 8%。
最终根因是：启动电阻与启动电容构成的时间常数在低温下裕量不足，电容容值偏低叠加低温容量衰减，导致启动能量不足。改善措施为收紧电容来料公差并调整启动电阻取值，同时把低温启动纳入量产抽检项。该案例说明，量产良率问题常常是"多个合格件组合出不合格系统"。
| 阶段 | 关键动作 | 输出物 | 常见误区 |
|---|---|---|---|
| 数据诊断 | 按批次/工位/时段分组统计 | 不良分布图、FPY 趋势 | 只看总良率，不拆维度 |
| 故障复现 | 边界条件扫描与应力加速 | 稳定复现方案、失效波形 | 常温测一遍就下结论 |
| 根因定位 | 故障树 + 参数相关性分析 | 根因报告、责任工序 | 把现象当根因 |
| 闭环改善 | 设计/工艺/测试三端联动 | 改善措施、验证数据 | 改完不验证、不监控 |
五、工程价值与常见误区
良率提升的工程价值体现在三个层面：成本层面，FPY 每提升 1 个百分点，返修工时与物料损耗同步下降；交付层面，稳定的良率意味着可预测的产能与交期；品牌层面，量产一致性直接决定客户现场失效率与售后成本。
初学者常见的误区包括：
- 把复现等同于"再测一次"：复现需要主动构造边界条件，而不是被动等待失效出现。
- 只盯失效件，不看合格件：合格件中接近边界的"亚健康"产品，往往才是下一批失效的来源。
- 忽视测试系统本身：测试误判、探针接触不良、判定阈值过严，都会伪装成"产品不良"。
- 改善后不做 SPC：没有统计过程控制，改善效果无法确认，也无法预警漂移。
本课程后续将围绕上述框架逐层展开：从良率数据的读取与拆解，到故障复现的实验设计，再到根因定位工具与闭环改善方法，最终形成一套可复用的电源量产良率提升工作流。