यदि त्यहाँ एक उत्पादन को विश्वसनीयता सुनिश्चित गर्न को लागी एक तरीका हो, तब यसको predictability सुनिश्चित पीसीबी उत्पादन को एक महत्वपूर्ण भाग हो। वास्तव मा, पीसीबी अब लगभग हरेक इलेक्ट्रोनिक उपकरण को एक मुख्य भाग हो, फोन बाट कम्प्यूटर सिस्टम सम्म। वास्तव मा, मोटर वाहन बाट रक्षा, उड्डयन देखि टेक्नोलोजी सम्म, कुनै उद्योग सर्वव्यापी पीसीबी छैन।

यी सबै उद्योगहरु मा, उत्पादन विश्वसनीयता महत्वपूर्ण छ। चाहे यो चिकित्सा टेक्नोलोजी हो वा उड्डयन, कुनै गल्ती महंगा साबित हुन सक्छ। त्यस्तै गरी, चिकित्सा क्षेत्र मा, उपकरण को विफलता को डरलाग्दो परिणाम हुन सक्छ, जीवन को हानि को परिणामस्वरूप।

के यो आवश्यक छ कि पूर्वानुमान को परम्परागत विधि recasting छ। परम्परागत predictability विधिहरु सामान्यतया शारीरिक जाँच मा आधारित छन्। जे होस्, निरीक्षण मात्र बाह्य दोष को लागी जाँच को निहित हानि छ। यसबाहेक, भौतिक निरीक्षण द्वारा सामना गरीएको अर्को समस्या यो हो कि microslicing र निरीक्षण एक रसद दुःस्वप्न बन्छ जब PCBS जटिल हुन्छन् र धेरै को माध्यम बाट छेद छ। यदि केवल केहि छेद जाँच गरीएको छ, प्रक्रिया मूर्ख हुन सक्छ। उच्च उत्पादन विविधता को कारण, परम्परागत सांख्यिकीय उपकरण दोष को पहिचान गर्न अपर्याप्त छन्

निरीक्षण प्रक्रिया को अर्को प्रमुख हानि यो हो कि यो विनिर्माण प्रक्रिया समाप्त भए पछि ठाउँ लिन सक्छ। पहिलो, प्रक्रिया महँगो छ। दोस्रो, दोष अन्यथा interrelated हुन सक्छ, त्यसैले अन्य ब्याचहरु पनि प्रभावित हुन सक्छ।

उच्च जटिलता र उत्पादन विविधता संग पीसीबीएस को लागी, परम्परागत परीक्षण को predictability ग्यारेन्टी गर्न सकिदैन अधिक महत्त्वपूर्ण छ।

यस समस्या को समाधान को लागी अत्यन्त व्यापक डाटा विश्लेषण, परीक्षण स्वचालन र डिजिटलीकरण को उपयोग गर्न को लागी छ। यो व्यापक तथ्या्क हो कि विश्वसनीयता र traceability को लागी नेतृत्व गर्दछ। विश्वसनीय डाटा भविष्यवाणी संग, सही भविष्यवाणी गर्न सकिन्छ। कुनै पनि असामान्य व्यवहार लाई बोलाउन सकिन्छ, र atypical उत्पादनहरु लाई हटाउन सकिन्छ।

यो मूलतः आवश्यक छ कि सबै उपलब्ध डाटा एक केन्द्रीकृत तरीका मा भण्डारण गरिनेछ। वस्तुतः हरेक मेसिन एक केन्द्रीकृत भण्डार मा सबै डाटा लोड गर्न इन्टरफेस संग प्रोग्राम गर्न को लागी आवश्यक छ। यो बारी मा गहन डाटा विश्लेषण को लागी अनुमति दिन्छ। यो पनी सुनिश्चित गर्दछ कि, भौतिक निरीक्षण प्रक्रिया को विपरीत, एक प्रासंगिक सम्बन्ध एक असफलता को घटना मा हुन्छ। जे होस्, यहाँ पनी त्यहाँ चुनौतीहरु छन् किनकि डाटा धेरै स्रोतहरु बाट आउँछ र धेरै डाटा बिन्दुहरुमा अनुवाद गरीन्छ। यो समस्या एक दुई चरण डाटा प्रशोधन ढाँचा को औपचारिक रूप बाट हटाउन सकिन्छ। पहिलो चरण डाटा सामान्यीकरण गर्न को लागी हो, र दोस्रो चरण सामान्यीकृत डाटा को विश्लेषण गर्न को लागी हो। वैज्ञानिक डाटा विश्लेषण को मतलब छ कि तपाइँ विनिर्माण प्रक्रिया को अन्त्य मा समस्याहरु लाई खोज्न र त्यसपछि एक प्रतिक्रियाशील आधारमा उनीहरुलाई प्रतिक्रिया मा भरोसा गर्न को लागी छैन। यसको सट्टामा, यो तपाइँलाई सक्रिय रूप बाट समस्याहरु को पूर्वानुमान गर्न को लागी अनुमति दिन्छ र सुनिश्चित गर्दछ कि असफलता को संभावना कम से कम छ। यो गर्न सकिन्छ जब प्रक्रिया इनपुट चर नियन्त्रण। बारी मा, यो ढिलाइ नियन्त्रण, जो अत्यन्त महंगा हुन सक्छ।

जबकि पूर्वानुमान उच्च हुन सक्छ, सत्य यो हो कि असफलताको लागत धेरै टाढा छ।