电子元件缺陷检测主要关注以下四类核心数据，它们共同构成了从“发现缺陷”到“根因锁定”的完整证据链：

一、形态几何类数据：直接描述物理偏差

这是最直观的缺陷数据来源，通过AOI（自动光学检测）或X-ray设备获取：

尺寸数据：元件本体长宽高、引脚间距、共面性、焊盘偏移量。例如，0201电阻贴装角度偏差超过3°，就可能导致立碑或虚焊。

面积与体积数据：针对BGA（球栅阵列）锡球，检测其体积、投影面积、空洞率。空洞率若高于25%，焊点热循环可靠性会显著下降。

位置坐标：缺陷在PCB板上的精确X/Y坐标，以及相对于焊盘的中心偏移矢量。同一坐标反复出现缺陷，往往指向贴片机该吸嘴或该位置供料器异常。

二、电性能测试类数据：验证功能是否失效

形态合格不代表电气导通，因此必须纳入电测数据：

连续性：开路/短路（OS）判断，以及具体哪一对网络之间短路。例如，相邻引脚间阻值小于10Ω即为短路。

阻抗/电容值：对于射频模块、高速连接器，其特性阻抗偏差超出±10%即视为缺陷。电容实际容值低于标称80%可能引发电源滤波不足。

I/V特性曲线：二极管、MOSFET的拐点电压、漏电流。反向漏电增加10μA对低功耗蓝牙芯片可能就是致命的。

三、工艺关联参数数据：追溯缺陷产生根源

这是现代缺陷检测系统区别于肉眼的最关键数据维度——将缺陷与生产过程参数绑定：

过程特征值：回流焊峰值温度、保温时间、贴片压力、点胶量。例如，发现“锡珠飞溅”缺陷时，系统会回查该板通过回流焊炉时的预热斜率是否超过了2.0℃/秒。

设备指纹数据：贴片机对应吸嘴编号、供料器站位、轨道夹板宽度。若某供料器站位上的所有元件都呈现“共面性不良”，则可判定为该供料器变形。

四、分类统计与时空分布数据：驱动持续改善

以上三类均为“单板级”数据，而第四类是“批量化”的管理数据：

缺陷分类计数：按类型（少锡、移位、立碑、缺件）统计每百万机会缺陷数（DPMO）。DPMO陡增往往是工艺失控的早期信号。

空间热力图：在PCB地图上叠加所有缺陷坐标，形成红色高密度区域。若BGA四角空洞率明显高于中心，说明回流焊温度不均匀。

时间序列：按生产时刻排列缺陷密度，结合当时的温湿度、锡膏批次。单一时间点集中爆发通常指向操作失误或物料异常；缓慢漂移则提示设备磨损。

总结：电子元件缺陷检测早已超越“看得到”层面，而是形态数据+电性数据+工艺溯源数据+统计分布数据四位一体的分析。其中，将缺陷与具体机台、参数、坐标强关联的溯源数据最为宝贵——它能直接回答“这个缺陷为什么产生”，而不是仅仅报告“有一个缺陷”。