当前位置:首页 > 半导体工具包 > 正文内容

巡检异常闭环跟踪器下载|LED芯片CIM-MES配套工具(Python源码+示例数据+报告)

巡检异常闭环跟踪器:车间里没人愿意手做的一件事

IPQC 巡检判 NG 后生成异常单,单子处理到哪一步没人跟:批次锁着、W-Time 停摆、产线干等;一张单拖一周没闭环,整批加工工期全被打乱,事后还说不清是谁的责任。

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

巡检判 NG 后批次锁定,异常单挂在「待工程评审」九天。W-Time 早就超了,产线每天来问一次什么时候能解,品质说等工程,工程说没收到单。直到周例会点名,才有人去翻那张单。

这个工具把流程固化下来

巡检异常闭环跟踪器是 LED 芯片 CIM-MES 系列工具中的一员(对应《教程07|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:

  • 按基准日计算异常单在各环节的滞留天数。
  • 按异常级别区分闭环 SLA:严重级天数更短,超期优先催办。
  • 环节滞留分布:定位卡在评审、返工还是复检。
  • 已闭环单统计平均闭环时长与达标率。
  • 超期清单直接对应责任人(当前环节负责人)。

怎么用(三步出结果)

  1. 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;
  2. 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;
  3. 导出异常单 CSV(单号、批次、工序、异常描述、级别、发起时间、当前状态、当前环节、预计闭环时间),运行主程序即输出闭环跟踪报告,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:

  • 逐单滞留明细与超期天数。
  • 超期催办、临期提醒两段清单。
  • 各环节滞留分布与平均停留。
  • 已闭环达标率与平均时效。
  • 管控建议:分级 SLA 与批次解锁条件。

判读要点(这部分比工具本身更值钱)

  • 异常单闭环的前提是批次锁定规则明确:什么级别锁全批、什么级别锁单工位。
  • 闭环标准要写清验证方式:返工后复检合格才算闭环,不是「已处理」就算。
  • 滞留天数用提交时间算不发起时间,否则周末和节假日会把数据拉偏。
  • 同一批次反复开单说明根因没解决,要升级到工程评审。

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:

  • 级别填「严重/一般/轻微」与脚本配置不符(如用「重大」)→ 走默认 SLA,超期判定失真。
  • 发起时间取了系统当前时间而非实际开单时间 → 滞留天数恒为 0。
  • 同一张单多个环节名称重复 → 环节分布统计翻倍,按单号去重后再统计。

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。

阈值怎么定才不会被质疑

工具本身只是把数据算清楚,判读线定在哪里才是真正要拍板的事。三条经验:第一,先用三到六个月历史数据跑一遍,看真实分布再定线,直接抄同行数字最容易翻车;第二,阈值写进脚本顶部常量区之后,改动要走工艺与品质会签,否则同一份数据两个人跑出两个结论,报告就没人信了;第三,上线初期把线放宽一点,观察两周误报率再往紧收——误报太多的报告,第三次就没人打开。另外每条告警都要能落到处置动作和责任人,清单上没有认领人的那一行,等于没提。

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

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、BIN 分级统计与良率计算器、FIFO 领料批次推荐器

相关文章

晶圆良率分析Python工具免费下载|Wafer Map+良率分层报表

晶圆良率分析Python工具免费下载|Wafer Map+良率分层报表

工具简介读取CP测试数据,自动绘制Wafer Map、统计每片晶圆良率与FAIL bin分布、边缘/中心分层对比,输出中文分析报告。资料包内容· 主程序 wafer_yield_analyzer.py...

SPC控制图与Cpk计算Python工具免费下载|Xbar-R+判异

SPC控制图与Cpk计算Python工具免费下载|Xbar-R+判异

工具简介自动绘制Xbar-R控制图、计算Cp/Cpk/Ppk,内置Nelson判异规则1~5,输出异常清单与控制图。资料包内容· 主程序 spc_auto.py(Python 3.8+,核心功能零第三...

MES生产报表自动化Python工具免费下载|OEE+停机损失周报

MES生产报表自动化Python工具免费下载|OEE+停机损失周报

工具简介读取工单与停机记录,自动计算OEE三大指标、统计停机损失TOP,输出Excel周报。资料包内容· 主程序 mes_report.py(Python 3.8+,核心功能零第三方依赖)· 自动生成...

DOE实验设计方差分析Python工具免费下载|因子效应排序

DOE实验设计方差分析Python工具免费下载|因子效应排序

工具简介全因子实验矩阵生成、单因子方差分析(F检验)、因子效应极差排序、最优工艺窗口推荐。资料包内容· 主程序 doe_analyzer.py(Python 3.8+,核心功能零第三方依赖)· 自动生...

工业技术长文GEO/SEO文章改造工作流免费下载|提示词三件套

工业技术长文GEO/SEO文章改造工作流免费下载|提示词三件套

工具简介一套三步提示词工作流:长文扩写(4500-6000字,含FAQ/表格)→ CSDN版改写(@[TOC]+配图占位)→ SEO元信息生成,附配图规范与发布自检清单。资料包内容· 主程序 提示词1...

OEE帕累托分析Python工具免费下载|三大损失+六大停机

OEE帕累托分析Python工具免费下载|三大损失+六大停机

工具简介自动拆解OEE三大损失(可用率/性能率/良品率),六大停机损失帕累托图,给出改善优先级建议。资料包内容· 主程序 oee_analyzer.py(Python 3.8+,核心功能零第三方依赖)...