Si existe una forma de garantizar la confiabilidad de un producto, entonces garantizar la previsibilidad de su PCB es una parte importante del producto. De hecho, los PCB son ahora una parte fundamental de casi todos los dispositivos electrónicos, desde teléfonos hasta sistemas informáticos. De hecho, desde la automoción hasta la defensa, desde la aviación hasta la tecnología, ninguna industria es ubicua de PCB.

En todas estas industrias, la confiabilidad del producto es fundamental. Ya sea en tecnología médica o en aviación, cualquier error puede resultar costoso. De manera similar, en el campo médico, las fallas de los equipos pueden tener consecuencias nefastas, resultando en la pérdida de vidas.

Lo que esto requiere es que el método tradicional de previsibilidad sea la refundición. Los métodos tradicionales de previsibilidad se basan generalmente en controles físicos. Sin embargo, las inspecciones tienen la desventaja inherente de solo verificar defectos externos. Además, otro problema al que se enfrenta la inspección física es que el micro-corte y la inspección se convierten en una pesadilla logística cuando los PCBS son complejos y tienen numerosos orificios pasantes. Si solo se revisan unos pocos agujeros, el proceso puede ser infalible. Debido a la gran diversidad de productos, las herramientas estadísticas tradicionales son insuficientes para identificar defectos.

Otra gran desventaja del proceso de inspección es que puede tener lugar una vez finalizado el proceso de fabricación. Primero, el proceso es caro. En segundo lugar, el defecto puede estar relacionado entre sí, por lo que también pueden verse afectados otros lotes.

Para PCBS con alta complejidad y diversidad de productos, la predictibilidad de las pruebas tradicionales no se puede garantizar es más importante.

La solución a este problema es utilizar análisis de datos, automatización de pruebas y digitalización extremadamente completos. Son estadísticas completas las que conducen a la fiabilidad y la trazabilidad. Con una predicción de datos confiable, se pueden realizar predicciones precisas. Se puede llamar a cualquier comportamiento anormal y se pueden eliminar los productos atípicos.

Básicamente, esto requiere que todos los datos disponibles se almacenen de manera centralizada. Prácticamente todas las máquinas deben programarse con interfaces para cargar todos los datos en un repositorio centralizado. Esto, a su vez, permite un análisis de datos en profundidad. También asegura que, a diferencia del proceso de inspección física, se produce una correlación relevante en caso de falla. Sin embargo, incluso aquí existen desafíos ya que los datos provienen de múltiples fuentes y se traducen en numerosos puntos de datos. Este problema puede superarse formalizando un formato de procesamiento de datos de dos etapas. La primera etapa es normalizar los datos y la segunda etapa es analizar los datos normalizados. El análisis de datos científicos significa que no tiene que depender de encontrar problemas al final del proceso de fabricación y luego responder a ellos de forma reactiva. En cambio, le permite anticipar problemas de manera proactiva y garantizar que se minimice la probabilidad de fallas. Esto se puede hacer al controlar las variables de entrada del proceso. A su vez, controla los retrasos, que pueden resultar sumamente costosos.

Si bien la previsibilidad puede ser alta, la verdad es que el costo de la falla lo supera con creces.