设备报警关联规则挖掘器｜OEE与设备效能工具
这个工具解决什么问题
稼动率的分母不一致，是设备报表最常见的争议来源。这工具把分母定义显式写出来。
> 用 Apriori 挖报警之间的共现规则，把「一串连锁报警」收敛成一条 FDC 规则。
输入数据格式
数据文件 alarm_events.csv，列顺序为：设备、报警、时间。
示例首行：ETCH-01,ALM-101 腔体压力异常,2026-09-28 08:00
示例输出（真实运行结果节选）
========================================================================
设备报警关联规则挖掘报告（时间窗 15 分钟）
========================================================================
【一、数据概况】
报警条数 32 → 聚合为 12 笔「报警事件组」
涉及报警类型 9 种 最小支持度 3% 最小置信度 35%
高频报警 Top 6: ALM-205(5次)、ALM-101(5次)、ALM-330(4次)、ALM-402(4次)、ALM-451(4次)、ALM-118(2次)
【二、关联规则（按提升度排序）】
判读：支持度=出现频率；置信度=A 出现时 B 也出现的概率；
提升度 >1 表示两者同现远超随机（>2 值得当作连锁反应处理）。
前项 A 后项 B 支持度 置信度 提升度
ALM-701 ALM-733 16.7% 100.0% 6.00
ALM-733 ALM-701 16.7% 100.0% 6.00
ALM-402 ALM-451 33.3% 100.0% 3.00
ALM-451 ALM-402 33.3% 100.0% 3.00
ALM-402 ALM-488 16.7% 50.0% 3.00
ALM-488 ALM-402 16.7% 100.0% 3.00
ALM-451 ALM-488 16.7% 50.0% 3.00
ALM-488 ALM-451 16.7% 100.0% 3.00
ALM-101 ALM-205 41.7% 100.0% 2.40
ALM-205 ALM-101 41.7% 100.0% 2.40
ALM-101 ALM-118 16.7% 40.0% 2.40
ALM-118
适用场景
· 设备工程师、FDC 规则维护、值班报警收敛 · 夜班报警条数通常能降三成以上，先做提升度 Top3 即可见效
怎么用
python alarm_association_miner.py
首次运行会自动生成示例数据并输出一份完整报告； 把示例 CSV 换成你自己的数据（保持列名一致）后重新运行即可。
输入数据
alarm_events.csv：设备 / 报警 / 时间（脚本自带示例）
输出内容
· 报警事件组聚合（时间窗可调，默认 15 分钟） · 关联规则表：支持度 / 置信度 / 提升度 · 三项连锁组合与疑似根因侧报警
依赖
无。仅使用 Python 标准库（csv / math / os / datetime 等）， 不需要 pip 安装任何包，Windows / Linux / macOS 均可运行。
实用提示
可调参数与计算口径
脚本顶部集中了主要阈值与常量：CSV_NAME="alarm_events.csv"、REPORT_NAME="alarm_rules_report.txt"、FMT="%Y-%m-%d %H:%M"。改完直接重跑即可，不必改动计算逻辑。
会生成哪些文件
运行后除控制台输出外，还会生成：alarm_events.csv、alarm_rules_report.txt。
脚本里的主要处理步骤
short()：报警短名：取编号部分，便于表内显示。build_transactions()：同一设备、窗口内共现的报警 → 一笔交易（去重）
以上步骤在脚本中是分开的函数，可以单独调用或按需替换其中一段，不必整体重写。
工具中出现的字段与提示
- ALM-101 腔体压力异常
- ALM-205 气流不稳
- ALM-330 终点检测超时
- ALM-118 RF 反射功率高
- ALM-402 温区偏差
- ALM-451 前驱体流量低
- ALM-488 尾气压力高
- ALM-701 液位低
- ALM-733 加热超时
- 已生成示例数据:
- 已读取数据:
- 报警短名：取编号部分，便于表内显示。
- 同一设备、窗口内共现的报警 → 一笔交易（去重）
- 未形成有效交易，请检查时间格式与数据。
- 设备报警关联规则挖掘报告（时间窗 %d 分钟）
- 【一、数据概况】
- 报警条数 %d → 聚合为 %d 笔「报警事件组」
- 高频报警 Top 6:
其余字段以界面与示例报告为准。
下载与文件清单
压缩包内包含：主程序脚本、示例数据文件、示例输出报告、中文说明文档，以及同主题 AI 提示词一套。解压后按说明运行即可，示例数据可直接试跑。
主程序文件：alarm_association_miner.py。
本站工具免费下载，无需注册。工具为 Python 脚本，Python 3.8 及以上环境可直接运行，核心功能尽量不依赖第三方库。
常见问题
输入数据要准备成什么样？
按 示例首行中的列顺序准备即可，共 3 列：设备、报警、时间。列为空或格式不符时结果会失真，建议先用示例数据试跑一遍。
跑完最该关注哪几项？
报告按 一、数据概况、二、关联规则（按提升度排序）、三、三项连锁组合、四、行动建议 等部分组织，其中判定结论与建议部分直接对应下一步动作。
阈值可以改成我们自己的标准吗？
可以，脚本顶部已把主要阈值与常量集中声明，按自己产线的标准修改后重跑即可，不需要改计算逻辑。
附赠的提示词怎么用？
把提示词与自己的数据一起交给大模型，可以让它按同一套口径帮你改写分析流程或扩展报告字段。
同分类的其它工具
本工具归在 OEE与设备效能工具包，全部工具见 工具资源包下载页。
