Python日报自动化：MES数据一键生成Excel报告（附完整源码）

1. 我的血泪史：每天2小时的日报工作

2018年，我在FAB做整合工程师的时候，每天早上第一件事不是分析数据，而是做日报。从MES系统导出Excel、复制粘贴数据、调整格式、画图表、排版、发送到邮箱——每天早上9点到11点，整整2个小时就耗在这上面了。

而且这不是我一个人的问题。整个整合部门8个工程师，每个人每天早上都要花2小时做日报。部门每天花16个小时在重复性的日报工作上，每个月就是480个小时。

我试过用Excel的VBA来自动化，但VBA的语法太老了，写出来的代码自己都看不懂。后来学了Python，第一个项目就是做日报自动化。花了1周写脚本，现在每天早上7点50脚本自动运行，8点整邮件就发到邮箱了。

这就是我写这篇文章的原因：日报自动化是FAB工程师学Python最有价值的第一个项目。投入1周，回报是每天2小时，终身受益。

2. 整体架构：5个模块

模块1：MES数据采集。用Python requests库自动登录MES系统，带Token认证、分页拉取。关键是处理Token过期的情况——大多数MES的Token有效期只有2-4小时，需要实现自动刷新机制。

模块2：数据处理和统计。用Pandas做数据清洗、空值处理、格式统一、分组统计。核心是定义好日报的计算逻辑：批次总数、良率均值、设备稼动率、异常批次列表。

模块3：Excel报告生成。用openpyxl库生成格式化的Excel文件，支持多Sheet、合并单元格、单元格颜色、字体大小。关键是写一个样式模板函数，给每个Sheet套用统一的格式。

模块4：邮件自动发送。用Python smtplib库连接公司邮件服务器（SMTP协议），自动添加附件（Excel报告）、HTML格式正文、多个收件人。这个功能让我彻底从「手动发邮件」中解放出来。

模块5：定时调度。用Python Schedule库（或Windows任务计划程序）设置每天定时运行。整个流程：早上7:50自动触发 → 8:00报告发送到邮箱 → 8:05到公司直接看结论。这就是我说的「早上到公司，报告已经生成好了」的体验。

3. 核心代码：MES采集和Excel生成（约80行）

MES采集代码（约40行）：先从环境变量读取账号密码（不要硬编码在代码里），然后用requests.get()带Token请求MES API。分页处理：每次请求500条数据，循环直到所有数据拉完。响应数据是JSON格式，直接用pd.DataFrame()转成DataFrame。关键是做好异常处理——MES接口不稳定，网络超时、接口报错都需要处理。

Excel生成代码（约40行）：用openpyxl.Workbook()创建工作簿，add_worksheet()添加Sheet。表头行用蓝色背景（fill=solid）、白色粗体字。每列数据按类型格式化：数值型保留2位小数、百分比显示为百分比格式、日期显示为yyyy-mm-dd格式。生成完成后用save()方法保存。

邮件发送代码（约15行）：smtplib.SMTP()连接邮件服务器（通常是公司邮箱的SMTP地址），login()登录，sendmail()发送。最重要的是设置好邮件格式——用email.mime.multipart.MIMEMultipart()支持HTML正文和附件。

定时调度代码（约5行）：用schedule.every().day.at("07:50").do(main_function)设置每天7:50运行，然后用while True: schedule.run_pending(); time.sleep(60)保持脚本持续运行。这个脚本部署在服务器上，24小时不间断运行。

4. 报告应该包含哪些内容

日报第一部分：生产汇总。今日批次总数、加工晶圆数、平均良率、设备稼动率。这部分用1-2张表格+1张柱状图呈现，数据一目了然。领导看这部分，30秒就能了解今日生产概况。

日报第二部分：异常批次清单。所有良率低于阈值的批次，按严重程度排序。标注：批次号、产品类型、良率数值、偏离均值多少σ、超标原因（如果已知）、负责人。异常批次是日报的核心，是领导最关注的部分。

日报第三部分：设备状态摘要。所有设备的稼动率和良率排名，标注稼动率低于90%的设备（需要关注）和良率排名最低的Top3设备（需要PM）。这部分可以避免设备问题演变成良率问题。

日报第四部分：SPC报警汇总。今日所有SPC报警记录，按设备分组。标注：报警类型（Rule1/Rule2等）、发生时间、当前状态（已关闭/处理中）。SPC报警是FAB质量的早期预警信号，需要持续关注。

周报和月报的扩展：周报在此基础上增加趋势图（本周vs上周vs上月）、Top问题清单（本周处理了哪些问题）、改善计划。月报增加统计分析（良率的均值/标准差/Cpk）、设备故障汇总。

5. 邮件发送的细节配置

收件人设置：日报发到整合部全员+生产主管+设备主管+质量主管。抄送：厂长。这个配置确保所有相关人员都能看到日报，但不会收到大量回复邮件（回复只发回发送者和整合部门）。

邮件标题格式：「FAB日报 | 2026-06-29 | 良率97.3% | 异常批次2」。这种格式让领导在邮箱列表里一眼就能看到关键信息，不需要打开邮件。

附件命名格式：「FAB日报_20260629_v1.xlsx」。日期在文件名里，方便归档检索。v1表示当日第一个版本，如果有修正版本用v2、v3标注。

发送失败处理：脚本要处理SMTP发送失败的情况（比如邮件服务器维护）。发送失败时自动重试3次，每次间隔5分钟。重试3次仍失败时，发送微信/短信通知到管理员手机。

6. 效果对比和ROI计算

手动做日报：每天2小时，每月20个工作日 = 40小时/月 = 480小时/年。按工程师月薪1万元算，每年的价值约2.5万元的人力成本浪费在重复性日报工作上。

Python自动化：首次开发1周（约40小时），后续维护每月2小时 = 全年约64小时。按同样的薪资标准，每年成本约3200元。ROI = 节省416小时，节省成本约2.2万元/年。

更重要的是：Python日报的数据准确性比人工高很多。人工做日报，复制粘贴的时候容易出错，尤其是数字多了之后。Python脚本每次运行结果一致，不存在人为失误。

还有：日报的时效性大大提升。人工日报9点才能发（要等MES系统开放数据），Python脚本7:50自动运行，8:00就能发出去。提前1小时看到数据，意味着可以提前1小时采取行动。

7. 避坑经验

坑1：MES接口不稳定，脚本运行失败。解决：加入重试机制（最多重试3次），每次请求间隔2秒。同时写日志文件，脚本运行失败的时候方便排查原因。日志是运维的基础，没有日志的脚本是不可维护的。

坑2：数据量大了之后脚本运行很慢（超过10分钟）。解决：用批量查询代替逐条查询（每次查500条而不是50条），用NumPy向量化计算代替Pandas循环，用to_csv()而不是Excel格式存储中间结果。

坑3：Excel格式在手机上看不清楚。解决：在Excel里设置「打印区域」和「页面布局」，确保打印出来的报告宽度合适。在邮件正文里同时附上HTML格式的摘要（文字+数字，不需要打开Excel）。

坑4：日报发出后发现数据有误。解决：在脚本里加入数据校验步骤（良率范围检查、设备编号格式检查），发现异常数据时自动报警，不发送错误的日报。同时在日报里标注「数据更新时间」，让读者知道数据的时效性。

---

📝 觉得有帮助的话，点个收藏不迷路！

💬 评论区聊一聊：你们FAB的良率分析目前用什么工具？Excel还是Python？遇到过什么坑？

👉 关注后私信"VIP工具"，获取配套Python源码+数据文件！