机台产能爬坡曲线与达标预测器｜OEE与设备效能工具
这个工具解决什么问题
设备类分析最怕「指标漂了但没人发现」，因此阈值判定会明确给出。
> 新机台投产每周涨多少？按现在的爬坡速度，第几周才能真正达标 —— 甚至能不能达标。
输入数据格式
数据文件 rampup_data.csv，列顺序为：week、week_end、output、plan_output、target、theoretical_cap。
示例首行：1,2026-08-08,240,300,1100,1400
示例输出（真实运行结果节选）
============================================================================== 机台产能爬坡曲线与达标预测报告 ============================================================================== 观测周数：10（2026-08-08 ~ 2026-10-10） 目标产能：1100 设备理论极限：1400 模型：y(t) = A·(1 - exp(-k·t))，t 为投产周次 【一】拟合结果 ------------------------------------------------------------------------------ 产能上限 A = 1210（当前条件下能稳定达到的产出） 爬坡速率 k = 0.2167 /周（每周吃掉剩余差距的 19.5%） 拟合优度 R² = 0.9973（越接近 1 说明曲线形态越符合饱和增长） 上限占理论极限：86.4% 上限对目标的余量：+10.0% 【二】逐周实绩、计划与拟合值 ------------------------------------------------------------------------------ 周次 周末日期 实际产出 计划产出 拟合产出 对计划偏差 1 2026-08-08 240 300 235.7 -20.0% 2 2026-08-15 435 520 425.4 -16.3% 3 2026-08-22 562 700 578.2 -19.7% 4 2026-08-29 718 840 701.3 -14.5% 5 2026-09-05 782 930 800.3 -15.9% 6 2026-09-12 902 990 880.1 -8.9% 7 2026-09-19 928 1030
适用场景
· 新机台导入、新线量产爬坡、设备大修后复产、产能规划评审 · 若拟合上限低于目标，再怎么等也等不到达标，必须动设备或拆瓶颈
怎么用
python rampup_forecast.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
rampup_data.csv：周次 / 周末日期 / 实际产出 / 计划产出 / 目标产能 / 设备理论极限（脚本自带 10 周示例）
输出内容
· 指数饱和模型拟合：产能上限 A、爬坡速率 k、拟合优度 R² · 当前完成率、周环比增量、与计划产出的逐周偏差 · 达标周次与日期预测、后续 6 周外推排期、上限够不到目标时的明确告警
依赖
无。仅使用 Python 标准库（csv / math / os / datetime / random 等）， 不需要 pip 安装任何包，Windows / Linux / macOS 均可运行。
实用提示
· 报告里的判读阈值都写在脚本顶部常量区，可按自己厂内标准调整。 · 建议按周/按月滚动运行，看趋势比看单次结果更有意义。 · 换数据时保持 CSV 列名不变，脚本无需改动即可复用。
可调参数与计算口径
脚本顶部集中了主要阈值与常量：CSV_FILE="rampup_data.csv"、REPORT_FILE="rampup_report.txt"、SAMPLE_ROWS=[。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：rampup_data.csv、rampup_report.txt。
脚本里的主要处理步骤
fit_exp_sat()：网格搜索 (A, k) 最小化 SSE；t 取周次（从 1 开始）。
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
- 已生成示例数据：%s
- 至少需要 5 周数据才能拟合爬坡曲线
- 网格搜索 (A, k) 最小化 SSE；t 取周次（从 1 开始）。
- 机台产能爬坡曲线与达标预测报告
- 观测周数：%d（%s ~ %s） 目标产能：%.0f 设备理论极限：%.0f
- 模型：y(t) = A·(1 - exp(-k·t))，t 为投产周次
- 【一】拟合结果
- 产能上限 A = %.0f（当前条件下能稳定达到的产出）
- 爬坡速率 k = %.4f /周（每周吃掉剩余差距的 %.1f%%）
- 拟合优度 R² = %.4f（越接近 1 说明曲线形态越符合饱和增长）
- 上限占理论极限：%.1f%% 上限对目标的余量：%+.1f%%
- 【二】逐周实绩、计划与拟合值
- 周末日期
- 实际产出
- 计划产出
- 拟合产出
- 对计划偏差
- 【三】当前状态
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：rampup_forecast.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 6 列：week、week_end、output、plan_output、target、theoretical_cap。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。
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。
示例数据能直接跑吗？
可以。示例数据与主程序在同一压缩包内，解压后直接运行即可看到完整输出，确认无误再替换成自己的台账。
同分类的其它工具
分类归属：OEE与设备效能工具包；完整清单在 工具资源包下载页。
