3、数据可视化入门：折线图、散点图、箱线图在异常检测中的应用

做工艺这么多年，我越来越觉得——数据不会骗人，但前提是你得看得懂它。

刚入行那会儿，我对着Excel里密密麻麻的数字，眼睛都快看瞎了，愣是没发现异常。后来老工程师甩给我一张图，我一眼就看出问题在哪。嗯，这就是可视化的力量。

说白了，一张好图胜过千行数据。今天我就带你看看三种最实用的图：折线图、散点图、箱线图。它们怎么帮我们抓异常？我一个个讲。

3.1 折线图：盯住趋势，抓住漂移

折线图，我最常用的图，没有之一。

它的逻辑很简单：横轴是时间（或者批次号），纵轴是工艺参数值。点连成线，趋势一目了然。

折线图能发现什么异常？

• 趋势性漂移：比如炉管温度随着使用时间慢慢升高。单看每个点都在规格内，但连起来看，它一直在往上走。这就是隐患。
• 突发性跳变：某个点突然窜高或跌低，明显偏离正常范围。这种往往是设备故障或操作失误。
• 周期性波动：比如每隔几批就出现一个波峰。我遇到过这种情况，后来查出来是冷却水循环泵的间歇性工作导致的。

代码示例（Python + Matplotlib）：

import matplotlib.pyplot as plt
import pandas as pd

# 假设你有一列温度数据
data = pd.read_csv('furnace_temp.csv')
plt.figure(figsize=(12, 6))
plt.plot(data['batch'], data['temperature'], marker='o', linestyle='-', color='b')
plt.axhline(y=150, color='r', linestyle='--', label='规格上限')
plt.axhline(y=145, color='r', linestyle='--', label='规格下限')
plt.axhline(y=147.5, color='g', linestyle='-', label='目标值')
plt.xlabel('批次号')
plt.ylabel('温度 (°C)')
plt.title('炉管温度趋势图')
plt.legend()
plt.grid(True)
plt.show()

你看，代码不复杂。但加上了上下限和目标线，这张图就活了。

3.2 散点图：发现关联，揪出根因

折线图看时间趋势，散点图看变量关系。

我经常用散点图来回答一个问题：「这个异常是不是跟那个参数有关？」

散点图能发现什么异常？

• 离群点：大部分点聚在一起，突然有个点孤零零地飘在外面。这个点就是异常样本。
• 非线性关系：比如压力增大到某个值后，膜厚突然下降。这种拐点往往是工艺窗口的边界。
• 聚类分离：数据分成两团，说明可能存在两种不同的工艺状态。我遇到过刻蚀速率分成两簇的情况，后来发现是不同腔室之间的差异。

代码示例：

plt.figure(figsize=(8, 6))
plt.scatter(data['pressure'], data['thickness'], alpha=0.6, c='orange')
plt.xlabel('压力 (mTorr)')
plt.ylabel('膜厚 (Å)')
plt.title('压力 vs 膜厚散点图')
plt.grid(True)
plt.show()

alpha=0.6 这个参数我建议加上。数据点多了会重叠，调低透明度能看出密度分布。

3.3 箱线图：看分布，抓离群

箱线图，我愿称之为「异常检测的照妖镜」。

它不看你随时间怎么变，也不看变量之间的关系。它只看一件事：这批数据的分布长什么样，有没有「野孩子」。

箱线图怎么看？

• 箱子：中间那条线是中位数。箱子的上下边是四分位数（Q1和Q3）。箱子越窄，数据越集中。
• 须：从箱子伸出去的线，通常到1.5倍四分位距（IQR）为止。
• 点：须之外的点，就是离群点。这些就是我们要抓的异常。

箱线图能发现什么异常？

• 离群点：一目了然。我习惯把离群点标红，然后去查对应的批次记录。
• 分布偏移：比如两个班次的数据，箱子的位置差了一大截。这说明工艺条件变了，或者操作手法不一致。
• 分布变宽：箱子变大了，说明工艺波动在增大。这是设备老化的信号。

代码示例：

import seaborn as sns

plt.figure(figsize=(10, 6))
sns.boxplot(x='machine_id', y='etch_rate', data=data, palette='Set2')
plt.xlabel('机台编号')
plt.ylabel('刻蚀速率 (Å/min)')
plt.title('不同机台刻蚀速率分布对比')
plt.grid(axis='y')
plt.show()

Seaborn 的 boxplot 用起来比 Matplotlib 方便，颜色也好看。我一般用 Set2 或 Pastel1 调色板，不刺眼。

3.4 三种图怎么选？一张表说清楚

你可能会问：那我到底该用哪种图？

嗯，我整理了一个小表格，你照着选就行。

你想看什么	用什么图	典型异常
参数随时间的变化趋势	折线图	漂移、跳变、周期性波动
两个参数之间的关系	散点图	离群点、非线性、聚类分离
数据分布特征及离群点	箱线图	离群点、分布偏移、波动变大
多组数据对比	箱线图（分组）	机台差异、班次差异、操作员差异

说白了，折线图看「过程」，散点图看「关系」，箱线图看「分布」。三者结合，异常基本无处可逃。

3.5 实战案例：一次刻蚀异常的快速定位

讲个真事。

有一次产线反馈，某批产品的刻蚀深度偏浅。我拿到数据后，先画了折线图——发现最近10批的刻蚀速率在缓慢下降。嗯，有漂移。

然后我画了散点图，把刻蚀速率和射频功率做关联——发现功率没变，但速率在降。这说明问题不在功率上。

最后我画了箱线图，按腔室分组——发现A腔室的速率分布明显低于B腔室，而且A腔室的箱子更宽。

结果呢？打开A腔室一看，电极上有沉积物。清理之后，速率恢复正常。

整个过程不到一小时。如果没有这三张图，我可能还在翻数据表。