引言
在电子制造车间里，一块PCBA从贴片完成到成品出货，要经过无数道“考试”：ICT考电路通断、FCT考功能逻辑、老化考长期稳定性……这些测试不仅是质量的“守门员”，更是IoT设备数据采集的“富矿”，以及SPC统计过程控制的“原料”。
然而，很多企业只关注测试的“合格/不合格”结果，却忽略了同一组测试数据在不同管理视角下的价值差异。质量工程师关心不良代码和批次追溯；IoT工程师关心数据怎么传、格式是否标准；工艺工程师关心过程参数的波动和Cpk。
本文从测试类型出发，系统梳理电子行业通用的功能测试，并深度解析质量管理、IoT对接、SPC控制三个模块分别关注什么数据类型、数据结构有何不同，帮助企业真正用好每一笔测试数据。
一、电子行业通用的功能测试类型
测试类型
英文全称
测试对象
核心目的
典型设备
ICT
In-Circuit Test（在线测试）
PCBA裸板（未上电）
检测元器件焊接问题：短路、开路、缺件、错件、反向
德律、Teradyne、SPEA
FCT
Functional Circuit Test（功能测试）
PCBA/整机（上电）
验证产品功能是否符合设计：电压/电流/输出信号/通信
重庆雄旭、Keysight
FVT
Final Verification Test（最终验证测试）
整机成品
全功能、全参数验证，通常比FCT更全面
定制测试台
BFT
Boundary Scan Test（边界扫描测试）
高密度IC（BGA、QFP）
通过JTAG接口测试芯片间互连，无需物理探针
JTAG控制器
老化测试
Burn-in / Aging Test
整机/模块
高温、高湿、满载下长时间运行，剔除早期失效
老化房、老化柜
烧录验证
Program Verification
已烧录芯片
校验程序是否正确写入，Checksum/CRC比对
烧录器、编程器
耐压/绝缘测试
Hi-pot / Insulation Test
电源类产品
验证绝缘强度，防止漏电
耐压测试仪
安规测试
Safety Test
整机
接地电阻、泄漏电流等安全项
安规综合测试仪
RF测试
Radio Frequency Test
无线通信模块
发射功率、灵敏度、频率误差
频谱仪、信号源
视觉检测
AOI/AVI
PCB/外观
元件缺失、极性反、桥接、划痕
AOI设备
注：本文重点讨论电气功能类测试（ICT、FCT、老化等），AOI等光学检测已在其他文章中详述。
二、三种管理视角下的数据关注点差异
同一个测试工位产生的数据，质量、IoT、SPC三个模块“各取所需”，关注的数据维度和数据结构截然不同。
2.1 质量管理视角：关注“结果”与“归因”
关注点
说明
判定结论
PASS / FAIL，是入库或流转的依据
不良代码
具体故障类型：短路、开路、功能异常、参数超差
不良位置
哪个元件、哪个引脚、哪个测试点
测试时间
精确到秒，用于追溯时效
工单/批次/SN
关联生产订单、物料批次、产品序列号
操作人/设备
谁测的、用哪台设备
统计指标
良率、直通率、不良TOP排名
数据结构特点：以二维表为主，一行一条测试记录，包含上述字段。数据量适中，主要用于报表和追溯。
典型查询：SELECT 工单, 不良代码, COUNT(*) FROM FCT_Result WHERE 判定='FAIL' GROUP BY 工单, 不良代码
2.2 IoT对接视角：关注“采集”与“传输”
关注点
说明
数据采集方式
HTTP API主动推送、日志文件解析（CSV/XML）、数据库读写、OPC UA订阅
数据格式
JSON、XML、二进制、CSV
通信协议
TCP/IP、RS232/485、Modbus、MQTT
实时性要求
秒级、分钟级还是批次级
设备状态
在线/离线、测试中/空闲/故障
原始测量值
电压、电流、功率、温度等连续数值
设备元数据
设备ID、软件版本、校准日期
数据结构特点：以时序数据或消息队列为主，每条消息带时间戳和设备标识。重点关注完整性（不能丢包）和顺序性。
典型消息体（JSON格式）：
{
"设备ID": "FCT_01",
"时间戳": "2025-05-18 10:23:45",
"产品SN": "SN123456",
"工单号": "WO240501",
"判定": "PASS",
"测量值": {"电压": 12.05, "电流": 1.23, "功率": 14.8},
"原始日志路径": "//server/logs/fct_01.log"
}
2.3 SPC控制视角：关注“趋势”与“能力”
关注点
说明
关键工艺参数
连续型数据：锡膏厚度、回流焊峰值温度、FCT输出电压、ICT电阻值
控制图类型
Xbar-R图（均值-极差）、P图（不良率）、U图（单位缺陷数）
过程能力指数
Cpk、Ppk，评估过程是否稳定
判异规则
超出控制限、连续7点上升/下降、链等
预警阈值
提前于规格限的报警值
分层维度
按线体、按班次、按设备、按物料批次
数据结构特点：以时间序列为主，每个关键参数每隔一定时间（如每30分钟、每批次）采集一个统计量（均值、极差、标准差）。需要保留长期历史数据用于趋势分析。
典型数据表：
时间
线体
参数名
均值
极差
样本量
是否超限
10:00
SMT-01
锡膏厚度
125μm
8μm
5
否
10:30
SMT-01
锡膏厚度
132μm
12μm
5
是（超上限）
三、以典型测试为例：三类视角数据字段对比
以 FCT功能测试 为例，列出三个模块分别关注的数据字段：
字段
质量模块
IoT模块
SPC模块
说明
产品SN
✅ 必须
✅ 必须
❌ 不需要
质量追溯核心，IoT传输标识
判定结论（PASS/FAIL）
✅ 必须
✅ 需要
✅ 汇总统计
质量放行依据；SPC计算不良率
不良代码
✅ 必须
✅ 可选
❌ 不需要
质量归因分析
测试时间
✅ 需要
✅ 必须
✅ 需要
时间戳，SPC按时间序列
工单号/批次
✅ 必须
✅ 可选
✅ 分层维度
质量追溯，SPC分层
操作员/设备ID
✅ 需要
✅ 必须
✅ 分层维度
质量责任，SPC分设备
详细测量值（电压/电流等）
❌ 不需要（除非超差）
✅ 必须
✅ 必须
IoT负责采集原始值；SPC分析波动
测试程序版本
✅ 需要
✅ 需要
❌ 不需要
质量防错，IoT确保调用正确
原始日志文件路径
❌ 不需要
✅ 必须
❌ 不需要
IoT用于归档和回溯
Cpk值
❌ 不需要
❌ 不需要
✅ 计算得到
SPC产出指标
控制图判异标记
❌ 不需要
❌ 不需要
✅ 必须
SPC报警依据
关键结论：
- 质量模块：只关心“结果”和“分类”，不关心连续数值（除非超差）。
- IoT模块：关心“原始数据”和“传输”，是质量和SPC的数据源头。
- SPC模块：关心“过程参数”的“波动趋势”，需要大量连续测量值。
四、MOM如何整合三重视角？
一个成熟的MOM系统，不会让这三个模块各自为政，而是通过统一的数据中台实现“一处采集，多处使用”。
4.1 数据流架构
4.2 关键设计要点
- 统一设备模型：在MOM中定义每台测试设备的元数据（设备ID、型号、协议、采集参数列表），供三个模块共享。
- 分层存储：
- 判定结果、不良代码、工单关联存入关系型数据库（如MySQL），用于质量追溯和报表。
- 连续测量值（电压、电流、温度等）存入时序数据库（如InfluxDB、TDengine），用于SPC趋势分析和IoT监控。
- 实时分发：设备上报的一条消息，经过解析后同时写入质量表和时序库，并触发SPC规则引擎。
- SPC规则引擎：独立运行，定时从时序库读取最近一批数据，计算控制界限、Cpk，发现异常生成报警记录。
- 统一数据服务：提供API，质量看板从关系库查不良率排名，设备看板从时序库查实时数值，SPC看板从规则引擎查控制图数据。
4.3 典型配置示例
测试类型
质量模块存储字段
IoT采集字段
SPC监控参数
ICT
判定、不良代码（短路/开路）、测试时间、工单
每条测试点的电阻/电容值
关键测试点的电阻均值与极差
FCT
判定、不良代码、测试时间、SN
电压、电流、功率、频率
输出电压的Cpk
老化
判定、老化时长、温度
实时温度曲线、电压电流曲线
老化房温度波动
耐压
判定、泄漏电流值
泄漏电流、测试电压
泄漏电流的稳定性
五、总结：三类视角，一个源头
视角
核心问题
关注数据类型
存储介质
典型应用
质量管理
这批产品合格吗？不良是什么？
判定结果、不良代码、批次
关系数据库
良率报表、追溯查询、8D报告
IoT对接
数据传上来了吗？格式对吗？
原始测量值、设备状态、日志
消息队列、对象存储
设备监控、数据归档、断点续传
SPC控制
过程稳定吗？能力够吗？
过程参数均值、极差、标准差
时序数据库
控制图、Cpk分析、异常预警
电子行业MOM的价值，不仅在于“测”出不良，更在于让每一笔测试数据同时服务于质量判定、设备互联和过程控制。 只有打通这三个视角的数据孤岛，企业才能真正从“检验级”质量走向“过程级”质量，从“事后追溯”走向“实时预警”。