如果你能测量出你所谈论事物的大小，并且用具体的数值来表示，说明你对它有相当的了解；但如果你不能测量，也不能用具体数值来表示，那你所知道的就只能算是一些皮毛、不能令人满意。这只是认知的开始，不要以为自己已经登上了科学的舞台。这是一百多年前著名物理学家开尔文勋爵说过的话。我的好友 Rick Short提出一种更先进的观点：“凡是能够测量出来的都是可以控制的”。
 
我曾经尝试着把数据分析的概念用到日常生活中，而不只是局限于技术领域。我希望能够充分发挥数据分析的作用，我还想把高尔夫球打得更远。作为一名中等水平的高尔夫球手（在天气不错的情况下我能打出80杆），我对自己击球的距离一直都感到很不满意——一般都不到230码。击出远距离的球的一个关键因素是高尔夫球棒头的速度。最近市场上出现一种廉价的雷达设备，它能够在击球时准确地测量高尔夫球棒头的速度。我用这个设备测量了自己的击球速度，一般只有每小时80英里。按照雷达提供的数据，我反复试了很多次，击球速度很快就提高到每小时100英里了。我可以根据连续不断的反馈信息做出调整，改进击球动作，提高击球速度。顺便说一下，高尔夫王子Tiger Woods不必担心，他的击球速度在每小时125英里以上，我是赶不上的。

与此类似，科学的数据分析方法是建立世界水平SMT组装工艺的关键。我所能想到的最好的SMT例子是监测模板焊膏印刷工艺。众所周知，大约有三分之二的缺陷都与模板印刷工艺有关。因此，最能决定成品率的因素是均匀涂布在印制电路板（PWB）焊盘上体积一致的焊膏。制定数据分析SMT工艺优化计划至关重要的一步是，有一个能够测量印刷在焊盘上焊膏体积的系统性方法。制定这个方法究竟有哪些步骤呢？显然，这些步骤可能会随着你的预算和SMT工艺的复杂性而变化。

 制定一个合理的方法通常包含以下步骤：

    1、选择一个工具来测量印刷在焊盘上焊膏的体积。这个工具要像立体显微镜一样简单，或者要像价格高达250,000美元的激光扫描测量系统一样复杂。

    2、根 根据测量系统的重复精度和生产性分析来决定你典型的印制电路板组装件测量工具的精度。

    3、建立前后一致的数据采集程序（例如，每隔一百块印制电路板测量一块电路板上十个焊盘上的焊膏体积）。

    4、收集一些适合通过软件来转换和分析的数据。人们通常把这类数据称为统计工艺控制（SPC）数据。

    5、当你在收集这些统计工艺控制数据时，把生产线最终的失效数据制成Pareto表（例如，由大到小的次序是短路、开路、元件丢失等的数量）。人们把统计工艺控制数据视为“变化数据”，把失效模式数据称为 “特征数据”。

    6、根据你的统计工艺控制数据，使用失效模式和后果分析（FMEA）来了解失效模式（使用统计工艺控制数据来理解Pareto数据）。
我们来看一个例子，你经过几个月“监测”收集到前后一致的统计工艺控制数据，而且第一次合格率（FPY）很高，达到95%。在分析失效Pareto 表时，发现与统计工艺控制表中的数据没有关联作用。这个信息和低失效率表明，只有少量的失效属于“常见的原因”，或者是在控制良好的工艺中偶尔出现的随机变化。

突然间，第一次合格率下降到85%。Pareto分析表明基本上所有的新故障都是由短路造成。只要看一下统计工艺控制数据就会明白一切——用模板印刷到焊盘上的焊膏体积增加了20%。后续的分析表明，焊膏的粘度低于技术规范的要求。粘度下降会增加印刷上去的焊膏体积，引起短路。尽管这个例子相当简单，但是能够说明基本原理是正确的。

对大多数打算制定这种数据分析方法的人来说，接受六西格玛培训可能是一种行之有效的办法。一个成功的六西格玛计划的基石是不断提高和改进数据分析。所以，无论是高尔夫球、适当的计划或者是SMT工艺，最好的办法是进行数据分析。