YMS多因子良率透视器下载｜LED芯片CIM-MES配套工具（Python源码+示例数据+报告）
（复制到编辑器，段落间距保持一致）
YMS多因子良率透视器：车间里没人愿意手做的一件事
良率突然跌了两个点，是机台腔室的问题、配方版本的问题、MO 源原料批次的问题，还是操作员的问题？翻表逐个切片对比要几个小时，等定位出来，异常批次又多跑了好几炉。
这件事的典型特点是重复、琐碎、容错率低：换一批数据就要重做一遍，做十次就可能错十次，而且做的人永远提不起劲。等哪天真出了问题往回追，才发现当时的记录要么没留、要么口径对不上。
一个真实感的现场
良率从 92% 跌到 88%，产线排查了三天机台，没结果。后来把 MO 源批次拉出来切片，发现问题批次的原料全部来自同一个 MO 源批次——供应商换了一批封装桶。这个对比如果第一天做，三天宕机可以缩短成半天。
这个工具把流程固化下来
YMS多因子良率透视器是 LED 芯片 CIM-MES 系列工具中的一员（对应《教程教程20｜LED 芯片 CIM-MES 系统》配套），用 Python 标准库写成，专门解决上面这件事。
它的核心能力包括：
- 良率按机台、配方版本、原料批次、操作员四因子逐一切片。
- 因子内组间良率极差自动计算，超阈值判可疑因子。
- 可疑因子按极差降序排序，排查顺序直接给出。
- 最差组与最好组对照，锁定重点怀疑对象。
- 样本不足的组自动提示，避免小样本误判。
怎么用（三步出结果）
- 解压下载包，任意一台装了 Python 3.8+ 的电脑直接运行主程序，不需要 pip 安装任何包；
- 首次运行会自动生成一份带典型问题的示例数据（CSV），先跑一遍看懂报告结构；
- 导出批次良率明细 CSV（批次、机台、配方版本、原料批次、操作员、投入与良品数量），运行主程序即输出多因子透视报告，重新运行即得到你自己数据的分析结果。
输出什么
所有结果输出为一份中文分析报告（txt），可以直接贴进改善报告、复盘纪要或审厂资料：
- 整体良率与各因子透视表。
- 可疑因子排序：极差最大的因子与最差组。
- 各组样本量与良率，样本不足标记。
- 交叉切片与排查顺序建议。
判读要点（这部分比工具本身更值钱）
- 单因子极差超阈值只说明相关，确认因果要交叉切片。
- 原料批次异常先冻结同批 MO 源，评估在制批次影响。
- 配方切换点前后良率跳变，先核对 ECN 生效时间。
常见报错与排查
用真实数据替换示例数据后，最容易遇到的三类问题：
- 透视表某组只有一两条数据：样本不足，结论仅供参考，补数据再判断。
- 各因子极差都不大但良率确实跌了：换时间段切片，可能是时间维度的问题。
- 最差组反复横跳：检查配方版本切换点，可能混了 ECN 生效前后的批次。
和 CIM-MES 系统怎么配合
这个工具不替代 CIM-MES，而是补系统覆盖不到的「事后分析与事前检查」：系统负责采数据和硬拦截，这个工具负责把导出的数据变成能看、能判、能追责的报告。推荐节奏是按班或按日滚动跑一遍，把每次的报告存档——趋势比单次结果有价值得多，而且历史报告本身就是审厂时最受欢迎的过程管控证据。
落地节奏建议
第一周先用示例数据把报告结构看懂，确认阈值口径和厂内标准一致；第二周开始用真实数据按班滚动运行，重点看问题项的变化趋势；第三周把报告纳入班组晨会或周质量例会的固定材料，让发现的问题有去处。工具只有接上管理动作才会产生价值——跑出来的清单没人认领，再准的判定也只是多了一份数字。另外建议把脚本顶部常量区的阈值固化成厂内标准，改动走评审，避免每个人跑出来的结论口径不一致。
为什么用纯标准库
工厂电脑装不了第三方包是常态：没有管理员权限、内网不通 pip 源、IT 审批流程比产线换型还慢。这个系列所有工具只用 Python 内置模块（csv / os / datetime / collections / math），拷过去就能跑。判读阈值全部写在脚本顶部常量区，按你厂内的标准改几个数字就能用，不用动主逻辑。
使用边界
本工具基于仿真示例数据开发，可直接用于教学、方案验证与流程预演；接入真实工厂数据前请核对字段口径与判读阈值，商用授权请联系作者。
下载入口
⬇ 下载完整工具包：YMS多因子良率透视器.zip（Python 源码 + 示例数据 + 中文报告 + README）
解压后先跑内置示例数据确认输出正常，再替换成真实数据。字段口径对不上时，优先改脚本顶部的常量区与列名映射，不要在 Excel 里硬凑。
相关工具（站内）
- LED 芯片 CIM-MES 实操教程系列（20 篇，付费专栏）
- 同系列配套工具：IQC来料抽样判定器、W-Time五点时序分析器、BIN分级统计与良率计算器
