4. 良率数据可视化：使用Python/Pandas进行良率趋势图、Pareto图、箱线图绘制
数据可视化是良率改善中沟通分析结果、发现异常模式、驱动决策的核心手段。本章聚焦于三种最常用的良率分析图表：趋势图（监控良率随时间的变化）、Pareto图（识别关键缺陷类型）和箱线图（比较不同批次/机台的良率分布）。我们将使用Python的Pandas和Matplotlib/Seaborn库，结合实战案例进行绘制与解读。
核心工具链： Pandas用于数据清洗与聚合，Matplotlib/Seaborn用于图表绘制。确保已安装：
pip install pandas matplotlib seaborn。
4.1 良率趋势图：监控过程稳定性
趋势图（Run Chart）将良率按时间顺序（如批次号、日期）绘制，用于识别长期趋势、周期性波动或突发偏移。它是过程控制的基础。
4.1.1 数据准备与基础折线图
假设我们有一个包含每日良率的数据集 daily_yield.csv，包含列：date、lot_id、yield_rate。
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
# 设置中文字体（避免乱码）
plt.rcParams['font.sans-serif'] = ['SimHei', 'DejaVu Sans']
plt.rcParams['axes.unicode_minus'] = False
# 读取数据
df = pd.read_csv('daily_yield.csv')
df['date'] = pd.to_datetime(df['date'])
# 按日期聚合，计算每日平均良率
daily_avg = df.groupby('date')['yield_rate'].mean().reset_index()
# 绘制趋势图
plt.figure(figsize=(12, 5))
plt.plot(daily_avg['date'], daily_avg['yield_rate'],
marker='o', linestyle='-', color='#3498db', linewidth=2, markersize=4)
plt.axhline(y=daily_avg['yield_rate'].mean(), color='#e74c3c',
linestyle='--', linewidth=1.5, label=f'均值: {daily_avg["yield_rate"].mean():.2f}%')
plt.title('每日良率趋势图', fontsize=14, fontweight='bold')
plt.xlabel('日期')
plt.ylabel('良率 (%)')
plt.legend()
plt.grid(True, alpha=0.3)
plt.tight_layout()
plt.show()
关键解读： 若良率连续7点落在均值同侧，或出现明显的上升/下降趋势，应触发工程调查。上图中红色虚线为整体均值，用于快速判断偏移。
4.1.2 添加控制限：SPC趋势图
在良率管理中，更常用的是包含控制限（Upper/Lower Control Limit）的SPC图。控制限通常基于均值 ± 3σ 计算。
# 计算控制限
mean_yield = daily_avg['yield_rate'].mean()
std_yield = daily_avg['yield_rate'].std()
ucl = mean_yield + 3 * std_yield
lcl = mean_yield - 3 * std_yield
plt.figure(figsize=(12, 5))
plt.plot(daily_avg['date'], daily_avg['yield_rate'],
marker='s', linestyle='-', color='#2ecc71', linewidth=2, markersize=4)
plt.axhline(y=mean_yield, color='#2c3e50', linestyle='-', linewidth=1.5, label=f'CL: {mean_yield:.2f}%')
plt.axhline(y=ucl, color='#e74c3c', linestyle='--', linewidth=1.5, label=f'UCL: {ucl:.2f}%')
plt.axhline(y=lcl, color='#e74c3c', linestyle='--', linewidth=1.5, label=f'LCL: {lcl:.2f}%')
plt.fill_between(daily_avg['date'], lcl, ucl, alpha=0.1, color='#3498db')
plt.title('良率SPC控制图（均值±3σ）', fontsize=14, fontweight='bold')
plt.xlabel('日期')
plt.ylabel('良率 (%)')
plt.legend()
plt.grid(True, alpha=0.3)
plt.tight_layout()
plt.show()
注意： 控制限不是规格限。控制限基于过程自身变异计算，用于判断过程是否受控；规格限由客户或设计决定。切勿混淆两者。
4.2 Pareto图：聚焦关键少数缺陷
Pareto图基于“80/20法则”，将缺陷类型按频次从高到低排列，并叠加累积百分比曲线，帮助团队优先解决贡献最大的少数缺陷。
4.2.1 数据聚合与排序
假设缺陷数据 defect_data.csv 包含列：defect_type、count。
# 读取缺陷数据
df_defect = pd.read_csv('defect_data.csv')
# 按缺陷数量降序排列
df_defect_sorted = df_defect.sort_values('count', ascending=False).reset_index(drop=True)
# 计算累积百分比
df_defect_sorted['cumulative_pct'] = df_defect_sorted['count'].cumsum() / df_defect_sorted['count'].sum() * 100
print(df_defect_sorted.head(10))4.2.2 绘制Pareto图
fig, ax1 = plt.subplots(figsize=(12, 6))
# 柱状图（主坐标轴）
bars = ax1.bar(df_defect_sorted['defect_type'], df_defect_sorted['count'],
color='#3498db', edgecolor='#2980b9', linewidth=0.8)
ax1.set_xlabel('缺陷类型')
ax1.set_ylabel('缺陷数量', color='#3498db')
ax1.tick_params(axis='y', labelcolor='#3498db')
ax1.set_xticklabels(df_defect_sorted['defect_type'], rotation=45, ha='right')
# 累积百分比曲线（次坐标轴）
ax2 = ax1.twinx()
ax2.plot(df_defect_sorted['defect_type'], df_defect_sorted['cumulative_pct'],
marker='D', color='#e74c3c', linewidth=2.5, markersize=6)
ax2.axhline(y=80, color='#f39c12', linestyle='--', linewidth=1.5, label='80% 线')
ax2.set_ylabel('累积百分比 (%)', color='#e74c3c')
ax2.tick_params(axis='y', labelcolor='#e74c3c')
ax2.legend(loc='lower right')
plt.title('缺陷类型Pareto分析', fontsize=14, fontweight='bold')
plt.tight_layout()
plt.show()
实战要点： 通常前3-5种缺陷类型会贡献80%以上的不良。将改善资源集中在这几类缺陷上，可以最快提升整体良率。注意：Pareto图应定期更新，因为改善行动会改变缺陷分布。
4.3 箱线图：比较组间良率分布
箱线图（Box Plot）用于展示数据分布的五数概括（最小值、Q1、中位数、Q3、最大值），特别适合比较不同机台、不同产品型号或不同班次的良率分布差异。
4.3.1 数据准备与分组
假设数据 equipment_yield.csv 包含列：equipment_id、yield_rate。
# 读取数据
df_eq = pd.read_csv('equipment_yield.csv')
# 查看各机台数据量
print(df_eq.groupby('equipment_id')['yield_rate'].describe())4.3.2 绘制箱线图
plt.figure(figsize=(10, 6))
# 使用Seaborn绘制箱线图
sns.boxplot(x='equipment_id', y='yield_rate', data=df_eq,
palette='Set2', linewidth=1.5, fliersize=5)
# 叠加散点图（显示所有数据点）
sns.stripplot(x='equipment_id', y='yield_rate', data=df_eq,
color='#2c3e50', alpha=0.4, size=4, jitter=True)
plt.title('不同机台良率分布箱线图', fontsize=14, fontweight='bold')
plt.xlabel('机台编号')
plt.ylabel('良率 (%)')
plt.grid(True, axis='y', alpha=0.3)
plt.tight_layout()
plt.show()
箱线图解读技巧：
- 中位数线：若偏离箱体中心，表示分布偏斜。
- 箱体高度（IQR）：高度越大，数据越分散，过程一致性差。
- 异常点（离群值）：超出1.5倍IQR的点，需重点关注。
- 组间比较：若不同机台的中位数和IQR差异显著，说明机台间存在系统性差异。
4.4 综合实战案例：多维度良率分析
以下是一个综合案例，结合趋势图、Pareto图和箱线图，对一个月的生产数据进行全面分析。
| 分析维度 | 图表类型 | 发现的问题 | 改善行动 |
|---|---|---|---|
| 时间趋势 | SPC趋势图 | 第3周良率连续下降，超出下控制限 | 调查该周工艺参数变更记录 |
| 缺陷分布 | Pareto图 | “划伤”和“颗粒污染”占不良的72% | 成立专项小组，优化清洗工艺 |
| 机台差异 | 箱线图 | 机台#05的中位数显著低于其他机台 | 对机台#05进行预防性维护 |
分析流程总结：
- 先看趋势：确认过程是否稳定，是否存在时间相关的异常。
- 再看分布：用Pareto图找出主要矛盾，确定改善优先级。
- 最后比较：用箱线图对比不同分组（机台/班次/产品），定位变异来源。
三种图表互为补充，形成完整的良率数据分析闭环。
4.5 图表美化与输出规范
在工程报告中，图表的美观度和可读性直接影响沟通效果。以下是一些实用建议：
- 颜色使用：主色不超过3种，使用公司或行业标准色系。
- 字体大小：标题14-16pt，轴标签12pt，图例10pt。
- 网格线：使用浅灰色（alpha=0.3），避免干扰数据。
- 输出格式：保存为高分辨率PNG（300dpi）或矢量PDF，便于插入报告。
# 保存高质量图表
plt.savefig('yield_trend.png', dpi=300, bbox_inches='tight')
plt.savefig('yield_trend.pdf', format='pdf', bbox_inches='tight')
常见错误：
- 在Pareto图上使用过多颜色，导致视觉混乱。
- 箱线图中未标注异常点，遗漏关键信息。
- 趋势图纵坐标不从0开始，放大微小波动造成误导。
通过本章的学习，您应能独立使用Python/Pandas完成良率趋势图、Pareto图和箱线图的绘制与解读。这些可视化工具是良率改善工程师日常分析中不可或缺的技能，能够帮助您快速从数据中发现模式、定位问题、验证改善效果。