一、一个让人挠头的问题
皇榜科技的压合车间，最近遇到一个怪事。
工艺工程师老何发现，同一款FPC、同一台压机、同一个操作员，压合出来的板子剥离强度时高时低。高的有1.2N/mm，低的只有0.6N/mm，而客户要求不低于0.8N/mm。
老何翻遍了记录：温度设定185℃，实际温度曲线也都在182-188℃之间，没有超差。压力、时间、真空度都在规格内。材料是同一批覆盖膜，储存条件也没问题。
“参数都合格，为什么结果不一样？”老何百思不得其解。
这时候，品质部的小李说：“你把最近50炉的压合温度和对应的剥离强度数据给我，我画一张图看看。”
老何把数据给了小李。小李在Excel里选中两列数据，插入了一个散点图。横轴是压合温度（实际平均值），纵轴是剥离强度。
图出来的一瞬间，大家围过来看。所有人都沉默了，然后异口同声地说：“原来如此！”
那张图，就是今天我们要讲的主角——散布图（Scatter Plot）。
二、散布图是什么？一张图看出“两个东西有没有关系”
散布图，也叫散点图。它的作用很简单：判断两个变量之间有没有关系、有什么关系。
横轴放一个变量（比如压合温度）
纵轴放另一个变量（比如剥离强度）
把每一组数据（温度，强度）在图上点一个点
当你有几十个点的时候，这些点会组成一个“云团”。看这个云团的形状，你就能知道：
温度越高，强度也越高？→正相关
温度越高，强度反而越低？→负相关
点乱七八糟，像个圆球？→不相关
散布图把“感觉”变成“看见”。你可能觉得温度和强度有关系，但不敢确定。画一张图，一目了然。
三、实战案例：压合温度 vs 剥离强度
回到老何的问题。小李画出的散布图是这样的：
横轴：压合实际温度（℃），从180到190。
纵轴：剥离强度（N/mm），从0.5到1.3。
50个点画上去，云团的形状是：从左下角向右上角斜着延伸。温度低的点（182℃左右），剥离强度普遍偏低（0.6-0.8）；温度高的点（187℃以上），剥离强度明显升高（1.0-1.2）。
这是一个明显的正相关关系：温度越高，剥离强度越高。
老何恍然大悟：虽然所有温度都在规格范围（182-188℃）内，但在这个范围内，剥离强度仍然随温度变化而显著变化。客户要求不低于0.8，而182℃时有些点已经掉到0.7以下。不是温度超差，而是温度偏低导致的不合格。
于是老何修改了SOP：将压合温度控制范围从182-188℃收窄到185-188℃，并且把目标值从185℃提高到186.5℃。同时要求操作员每炉监控实际温度曲线，一旦低于185℃就要调整。
结果：剥离强度全部稳定在0.9以上，再也没有出现客诉。
如果没有那张散布图，老何可能还在纠结“材料问题”或“操作问题”。一张图，直接指明了方向。
四、散布图的四种常见形态
在皇榜科技的日常质量分析中，散布图能帮我们看清很多隐藏的关系。常见的有四种形态：
第一种：强正相关——点密集地向右上角倾斜。
例子：压合温度↑ → 剥离强度↑
例子：钻孔转速↑ → 孔壁粗糙度↓（负相关其实是反向的正相关）
意义：两个变量同向变化，关系紧密。你可以通过调整一个来控制另一个。
第二种：强负相关——点密集地向右下角倾斜。
例子：钻针打孔数量↑ → 孔径↑（钻针磨损导致孔变大）
例子：电镀电流密度↑ → 镀铜厚度↑
意义：一个变大，另一个变小。同样可以用来预测和控制。
第三种：弱相关或不相关——点乱七八糟，像个圆或随机分布。
例子：车间湿度 vs 钻孔孔径（通常没有关系）
意义：两个变量没有因果关系，别在上面浪费时间。
第四种：非线性相关——点呈曲线状，比如先升后降。
例子：压合温度过高时，胶粘剂老化，剥离强度反而下降（抛物线）
意义：存在最佳值，过高过低都不好。这种关系更复杂，但散布图同样能揭示。
五、散布图在FPC工厂的其他应用
散布图不只用在压合工序。在皇榜科技，它几乎可以用于任何两个变量之间的关系分析。
应用一：钻孔转速 vs 孔壁粗糙度
操作员怀疑转速越高，孔壁越光滑。工程师收集了不同转速下的孔壁粗糙度数据，画散布图。结果发现：转速从20krpm升到30krpm，粗糙度下降明显；但超过30krpm后，粗糙度不再下降，反而因为振动增大而上升。找到了最佳转速点。
应用二：电镀药水温度 vs 镀铜均匀性
工艺员想确认温度对均匀性的影响。画散布图发现：温度在32-34℃时均匀性最好，低于32℃或高于34℃都会变差。于是将控温范围从30-36℃收窄到32-34℃。
应用三：覆盖膜储存时间 vs 气泡率
贴合工序发现，覆盖膜在仓库放得越久，贴合后气泡越多。画散布图验证：储存时间超过7天的膜，气泡率明显上升。于是规定覆盖膜开封后必须在7天内用完，超期必须重新烘烤。
应用四：测试针使用次数 vs 误判率
测试工序发现，测试针用久了会磨损，导致误判。收集数据画散布图：使用次数超过5000次后，误判率开始明显上升。于是规定测试针每4000次强制更换。
在这些案例中，散布图都扮演了同一个角色：把“我觉得有关系”变成“数据证明有关系”。
转速从20krpm升到30krpm，粗糙度下降明显；但超过30krpm后，粗糙度不再下降，反而因为振动增大而上升。找到了最佳转速点。 |
六、画散布图的两大误区
散布图很简单，但用错了也会掉坑。
误区一：样本量太少。只有5个点，画出来什么也看不出来。即使有趋势，也可能是偶然。一般至少30个点，最好50个以上。点越多，趋势越可靠。
误区二：只看相关，不验证因果。散布图只能告诉你“两个变量一起变化”，不能告诉你“谁导致了谁”。比如，你可能发现压合温度和剥离强度正相关，但真正的原因可能是：温度高的那几炉用了不同批次的覆盖膜。所以，发现相关后，还要设计实验验证因果关系——固定其他变量，只改变温度，看剥离强度是否跟着变。
在皇榜科技，散布图用于“线索发现”，真正的根因验证还要靠实验。
七、用散布图讲故事
老何后来在质量例会上，把那张散布图投到了大屏幕上。
他说：“大家看，这些点像不像一排上台阶的脚印？温度每升高1℃，剥离强度平均提高0.05N/mm。我们以前觉得182℃和188℃都在规格内，应该差不多。但图告诉我们：差很多。”
“所以，我建议把压合温度控制范围改成185-188℃，并且把目标值设为187℃。这样剥离强度就能稳稳地站在0.9以上。”
大家看着那张图，没有人反对。因为数据摆在那里，图形摆在那里，谁也反驳不了。
这就是散布图的力量——它让决策不再靠争吵，而是靠事实。
八、你也可以用散布图
不需要高深的统计知识，不需要昂贵的软件。Excel就能画散布图。
步骤：
- 准备两列数据：一列是X（比如温度），一列是Y（比如剥离强度）。
- 选中数据，插入“散点图”。
- 看点的分布趋势。
如果点从左上到右下斜着排，说明负相关。
如果点乱七八糟，说明没关系。
就这么简单。
在皇榜科技，每个班组长都应该学会画散布图。当你想知道“这个参数和那个结果有没有关系”时，别猜，画一张图。
九、从“猜测”到“看见”
以前，皇榜科技的工程师解决问题靠经验、靠直觉、靠“我觉得”。经验丰富的人猜得准一些，经验少的人容易走弯路。
有了散布图，我们不再依赖个人经验。我们把数据画出来，让图形说话。
温度与剥离强度有关系吗？看图。
钻针寿命与孔径有关系吗？看图。
储存时间与气泡率有关系吗？看图。
一张图，胜过一千句争论。
十、结语：压合温度不是“差不多就行”
回到压合车间。老何修改SOP后，剥离强度的稳定性大幅提升。他还在压机旁边贴了一张散布图，旁边写了一行字：
“温度差1℃，强度差0.05。没有差不多，只有刚刚好。”
每一个压合操作员路过都能看到。他们知道，自己设定的温度，不是“在规格内就行”，而是“越接近目标越好”。
因为那张图已经告诉了他们：温度，真的会影响结果。
（特别声明：本文为皇榜科技原创，转载请注明出处。）