知其然，知其所以然，解决起生产中的实际问题才能得心应手。而在产品更新换代频率高，生产过程节奏快的电子组装企业中，生产管理者想要在有限时间内，顺利完成发现问题、检查问题、处理问题的工作是非常不容易的。其中最大的阻碍往往发生在检查问题环节，即缺乏足够的历史数据做出问题的判定。
   
    例如在主板元器件的表面贴装工艺中，总是周期性出现半成品的某类性能问题，但是由于即没有随工单记录产品的加工设备、使用原料、加工时间等详细信息，也没有对这些周期性的性能问题做出汇总，而只是每天都对当天所有问题采取件件盘查的方法。这样做需要花费大量资源和时间在很大范围内逐一检查，如设备零件、人员、历史环境等，结果往往是即花了时间，问题处理工作也做不到位。
   
    以上仅是从一个小的点折射出如果电子组装企业不能做好追溯管理，有限的问题处理及改善能力，将为生产管理带来难度。而更进一步说，如果这些问题产品出货后引起客诉，做好RMA避免问题再次发生是挽回客户信心的重要手段，这时更加需要高效准确的问题判定体系。因此做好电子组装企业的追溯管理也是整个制造管理中的重要一环。
   
    生产追溯三大重点提升过程分析能力
   
    从生产问题分析和检查所需要的历史数据类别来看，要做好生产追溯，需要采集的数据可以分为三大类，分别是：过程数据、产品数据、物料(原材料)数据。
   
    过程数据是从生产的四大要素人、机、法、环的角度来对产品全生产过程的数据进行采集。其包含的内容比较广泛，如设备的运转、检修、抛料状况等，操作人员和生产相关的信息，制造车间的温度、湿度、净化度，QA人员定期抽检项目所产生的数据等。这些数据在电子制造行业中工程和制造分析中的典型应用可能包括：通过检索操作员的历史作业信息，了解一批不合格的产品是否由某个操作员导致；察看某台设备历史的制造记录，了解某些周期性的不良是由于设备零部件异常损耗所造成的等；
   
    而产品数据是指产品从原材料到成品的生产过程中，在加工、检测等工艺中产生的品质相关数据。这类数据从统计学的角度可以划分为计量值(ParameterDate)与计数值(NumericalData)，比较直观的看，如由测试设备产生的产品电器性能测试数据则可以归属为计量型数据，而在同一工序中产生的对产品良或者不良的判定型数据可以归类为计数型数据。这些产品数据在生产的现场监控及工程分析中是非常有用的。例如实时SPC(统计过程控制)监控，就必须依靠这些数据才能对现场的产品性能波动、产出良率变化进行实时报告，并对异常做出预警。而历史的产品性能测试数据，往往是在对重大产品质量问题进行工程分析的重要依据。
   
    物料数据即指成品所使用原材料相关的所有数据。而之所以把物料数据和其他四大生产要素分开单独来看，不仅是因为物料数据贯穿了采购与制造业务，更加是因为从应用角度来说，物料既是电子组装业成本的巨大组成部分，也是导致品质问题的多发根源。制造企业的物料数据，所需要收集的内容不仅来源于采购与存储过程，在制造过程也有很多内容需要收集。最简单的来说，制造者必须掌握原物料的基本信息，如供应商、物料类别(编号)、原料批次、特性数据等。而当材料从库房或者线边仓输送到产线后，原物料变身成为一个产品组成部分的历程就开始，在这个过程中，原物料被发到了哪个工位，什么时候被组装到哪个产品上了，何时被维修过等详细信息都应该被记录下来，这些数据在做品质分析的时候也会被经常用到。
   
    在实际的电子组装过程中，由于生产节奏非常紧凑，一道手工加工工序可能10秒钟左右就结束了，而如AOI测试等自动检测工序虽然自动执行，但是产生的检测数据是海量的，寄望于人工详细记录以上所述的三大类数据是不现实的，同时靠设备自带的自动控制系统来记录数据，往往有着不全面、不直观、需要人工再处理等特点。因此在以手工或者半自动的方式来记录生产数据的企业，往往面临着检查生产问题时可供分析的生产数据量不足，或者有原始数据，但是检查一个小问题都要需要花大量人工和时间从原始数据里打捞出有用的信息的局面。