设备PM按期完成率与漏检预警管理器｜OEE与设备效能工具
这个工具解决什么问题
设备台账维护得好不好，直接决定分析能走多远。这工具对输入字段做了最小要求。
设备 PM（预防性维护）台账通常是一张 Excel：设备、项目、周期、上次完成日期。
输入数据格式
数据文件 pm_plan.csv，列顺序为：equipment、pm_item、cycle_days、last_done、owner、std_minutes、criticality。
示例首行：ETCH-01,腔体湿洗,30,2026-08-19,张工,180,高
示例输出（真实运行结果节选）
============================================================================== 设备 PM 按期完成率与漏检预警报告 基准日期：2026-09-29 PM 台账项数：18 历史完成记录：24 条 ============================================================================== 【一、总体状态】 ------------------------------------------------------------------------------ 已逾期（含漏检）: 2 项 未来 7 天内到期 : 8 项 无 PM 记录的漏检项 : 2 项（到期但查不到完成记录） 按时完成率 : 62.5%（15/24） 逾期项合计工作量 : 165 分钟（约 2.8 人时） 【二、逾期待补做清单（按逾期天数降序）】 ------------------------------------------------------------------------------ 设备 PM项目 周期d 应完成日 逾期d 关键 状态 CMP-04 抛光垫更换 7 2026-09-27 2 高 已逾期 IMPL-05 剂量校准 30 2026-09-28 1 高 已逾期 【三、漏检项核查（到期但无完成记录）】 ------------------------------------------------------------------------------ ● CMP-04 / 抛光垫更换（高关键度 责任人：周工，应于 2026-09-27 前完成） ● IMPL-05 / 剂量校准（高关键度 责任人：郑工，应于 2026-09-28 前完成） 【四、未来排程（7 天内到期）】 ------------------------------------------------------------------------------ 到期日 设备 PM项目 标
1. 总体状态：逾期项数、未来 7 天到期数、漏检项数、按时完成率、逾期项合计工作量 2. 逾期待补做清单：按逾期天数降序 3. 漏检项核查：到期但查不到完成记录的项目 4. 未来排程：7 天内到期项目，带标准工时与责任人 5. 按设备汇总：项数、逾期数、完成记录数、准时率 6. 行动建议：高关键度逾期项 24 小时补做、准时率低的设备重设周期、双触发器、漏检闭环
· 高关键度逾期项（湿洗/颗粒/校准/剂量类）直接关联良率与安全，必须立即处理。 · 准时率 <80% 通常不是执行力问题，而是周期设定不合理或人力不足—— 应重新按实际工况（片数/运行小时）折算周期，而不是一刀切按自然日。 · 「无记录 ≠ 未做」：漏检项先核实纸质/系统记录，再补录并追责。
设备 PM 按期完成率与漏检预警管理器
> 半导体/制造业设备工程师 Python 实战工具 · 核心功能零第三方依赖
问题出在三处
1. 到期日靠人脑算——几十台设备几百个项目，谁今天到期没人说得清； 2. 「无记录」和「没做」分不清——审核时才发现某个项目三个月没记录； 3. 准时率算不出来——只知道做了，不知道是提前做、按时做还是拖了半个月才做。
本工具读入 PM 台账与历史完成记录，自动计算到期日、逾期天数、漏检项、准时率， 并输出未来排程与按设备汇总的执行质量。
会生成哪些文件
· pm_tracker.py：主程序（Python 3.8+，零第三方依赖） · pm_plan.csv：示例 PM 台账（6 台设备 18 个项目） · pm_records.csv：示例历史完成记录（24 条） · pm_report.txt：运行后自动生成的中文分析报告 · 附赠提示词.txt：同主题 AI 提示词 1 套
> 示例数据相对「今天」动态生成，所以任何时候运行都有一批逾期项、临近项和正常项，效果稳定可复现。
运行后除控制台输出外，还会生成：pm_plan.csv、pm_records.csv、pm_report.txt。
运行方法
python pm_tracker.py # 首次运行自动生成示例数据 python pm_tracker.py --demo # 删除示例数据重新生成
可调参数与计算口径
脚本顶部集中了主要阈值与常量：PLAN=os.path.join(BASE, "pm_plan.csv")、RECS=os.path.join(BASE, "pm_records.csv")、REPORT=os.path.join(BASE, "pm_report.txt")、TODAY=date.today()、SAMPLE_PLAN=[、SAMPLE_RECS=[。改完直接重跑即可，不必改动计算逻辑。
工具中出现的字段与提示
- 腔体湿洗
- 电极更换检查
- 真空泵油检查
- 腔体颗粒擦拭
- 气体管路泄漏检测
- 温控器校准
- 光刻镜头清洁
- 载台平整度检查
- 光源强度校准
- 抛光垫更换
- 研磨液管路清洗
- 承载头压力校准
- 离子源灯丝检查
- 剂量校准
- 真空度点检
- 药液槽排空清洗
- 纯水电阻率点检
- 排风系统检查
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：pm_tracker.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 7 列：equipment、pm_item、cycle_days、last_done、owner、std_minutes、criticality。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、总体状态、二、逾期待补做清单（按逾期天数降序）、三、漏检项核查（到期但无完成记录）、四、未来排程（%d 天内到期）、五、按设备汇总 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
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。
