转载自看我哒 — www.kanwoda.com，并提供原文链接地址: 数据会说话-怎么看直方图

由于工作需要，我们经常会接触到大量的测试数据，怎样从海量的测试数据中，找到我们想要的信息，或是找到可能存在的问题呢？在今天的分享中，注意针对直方图和CPK，我提供几种思路供大家参考。

常规情况下，测试数据，特别是模拟量的测试数据，往往是呈现正态分布的，也基于此，常用的一些数据分析软件，往往使用数据统计的方法，用正态分布的 分析方法，对测试数据进行分析。如下图1所示，是常见的正态分布直方图。（备注：以下所有图片，都是采用MFGdream系统生成）

图1

从直方图上，我们可以看到什么信息呢？

第一，我们可以看到测试参数的平均值，大约在200uA左右。这个测试值，可以与产品设计和应用的期望值进行比较，是否一致。如果出现异常，就需要检查并排除测试异常。

第二，我们可以看到测试参数的分布范围，分布在180uA~220uA之间；这个分布大小的结果，会影响测试规范及良率的大小。

第三，我们可以比较各个SITE之间的差异，从上图来看，基本是相似或一致的。如果各个SITE出现不同的特性，则表明测试数据是有问题的。这个时 候，我们就需要检查出现异常的那个SITE。从图1可以看出，SITE3的测试都偏小一些，其实是可以判定，该SITE的测试源是偏小的，这个时候就要判 断该差别是否可以接受。

第四，我们可以看出，数据呈现标准的正态分布，没有出现缺失，或者是多出一条尾巴的情况。如果出现这类情况，往往测试就存在一些问题。比如，如果设置的电流量程有问题，则电流的最大值会被限制住，数据就会大量堆积，无法呈现正态分布状态。

第五，通过直方图，我们可以确认所设定的测试规范是否满足要求。此时，借助工具，我们可以通过设定不同的测试规范来计算CPK，以此来判定测试规范 是否是否满足要求。一般情况下，需要设定合适的测试规范来满足CPK>2。如果CPK过小，测试中就容易出现低良率。如下图，可以看到，当设置不同 的测试规范时，在不同的CPK下，测试良率出现很大的变化。如图2，CPK>2，测试良率基本接近100%；如图3，CPK=1左右，开始有良率损 失；如图4，CPK=0.5，测试良率只有90%左右。此时大家可以发现，SITE3的问题被进一步论证，因为SITE3的测试值整体偏低，良率只有 86%左右。

这个时候不难发现，当不同的SITE之间CPK差异较大，我们是可以知道，其实测试机不同的SITE之间测试结果是存在一些差异的，这就是可能存在的测试误差造成的。

图2

图3

图4

第六，有的时候，有些参数并不呈现标准的正态分布，如下图5所示，其实，它是多个正态分布的数据叠加的结果。为什么会出现这样的数据呢？我们下次讨论Trimming参数的时候会讲到。

图5

第七，上面的数据，都是同一个产品的测试数据，图5的数据，其实是通过测量trimming前后的结果计算出来的，是一个相对值，所以大家可以看出 来，SITE之间差异非常小，它可以反应测试机的稳定性，但是，依然不能保证测试机的准确性。所以，大家在看这个数据的时候，要结合测试参数的测试方法来 进行判定可能存在的问题。

第八，发现可能存在的问题以后，要做好风险评估，其实我们发现SITE之间有差异，并不代表说这批数据就一定有问题，需要采取措施重测或者召回。测试机测试，本身就存在误差，关键是这个误差要可控。

通过直方图，可以比较直观的看到测试数据的分布情况，通过CPK的计算，还可以用来控制良率及判断、设定合理的测试规范。这是分析测试数据的基本方法之一。请尊重原创：转载自看我哒 — www.kanwoda.com，原文链接地址: 数据会说话-怎么看直方图