Інжынерыя даных і прэдыктыўны QA: зніжэнне апаратнага RMA ў 3 разы (да < 0.9%)
Інжынерны кейс на стыку кіравання вытворчасцю электронікі і прыкладнога Data Engineering (МФТІ) у спалучэнні з навуковымі метадамі даследавання ў менеджменце (МДУ). Укараненне скразных Python/SQL ETL-пайплайнаў і воблачнай Cloud QA Data Platform дазволіла знізіць узровень вяртанняў (RMA) у 3 разы — стабільна ніжэй за 0.9% на тыражы 6.5+ млн прылад.
1. Выклік: сляпыя зоны класічнага выбарачнага кантролю (AQL Sampling)
Пры серыйнай вытворчасці соцень тысяч прылад стандартная выбарачная праверка па табліцах AQL не фіксуе плаваючыя дэфекты пайкі BGA, адхіленні оптыкі і цеплавую дэградацыю памяці, што прыводзіць да росту RMA і страт для P&L.
2. Архітэктура рашэння: Python/SQL ETL-пайплайны і стэндавая тэлеметрыя
Была распрацавана аўтаматызаваная сістэма збору перадзборачнай тэлеметрыі: (1) Стэнды на лініях SMT/Assembly выгружаюць логі каліброўкі сэнсараў Sony Starvis і тэрма-тэстаў Novatek CPU; (2) Пайплайны на Python (Pandas, NumPy) і SQL выяўляюць статыстычныя анамаліі партый кампанентаў; (3) Дэфектныя партыі блакуюцца да фінальнай зборкі.
3. Cloud QA Data Platform і вымяральны эфект для бізнесу
Інтэграцыя Cloud QA Data Platform з мабільнай экасістэмай дазволіла маніторыць стабільнасць прашывак у рэальным часе і скараціць RMA у 3 разы (ніжэй за 0.9%).
| Інжынерны параметр | Класічная мадэль (Да) | Пасля рэінжынірынгу (Пасля) |
|---|---|---|
| Метадалогія кантролю якасці | Выбарачная праверка партый па AQL | 100% перадзборачны Python/SQL ETL-кантроль |
| Паказчык апаратнага браку (RMA) | 2.5% – 3.5% вяртанняў з розніцы | < 0.9% пацверджана (зніжэнне ў 3 разы) |
| Дыягностыка стабільнасці прашывак | Лабараторны разбор пасля вяртання | Маніторынг у рэальным часе (Cloud QA Platform) |