🍀FT Loader（ftldr.py）如何同時支援 BIN / SBIN 欄位、只寫入 >0 的 Bin，並確認是否載入成功（新手也看得懂）

-

前言：為什麼你會遇到 BIN / SBIN 的坑？

在製造業測試資料（FT/CP/ATE）世界裡，「Bin」常用來分類測試結果：

  • BIN1 可能代表 Pass

  • BIN2~BINn 代表不同失敗原因或分類

但實務上，各家供應商或不同版本報表，欄位命名不一定一致：

  • 有的報表用 BIN2

  • 有的報表用 SBIN2

  • 還可能出現大小寫混用 item_No / ITEM_NO、或 sbin10 等

如果 Loader 沒有做「欄位正規化（Normalization）」，就會出現：

  • 程式找不到 BIN1，直接報錯

  • 或把 SBIN2 當成奇怪字串，轉數字時爆炸

  • 或 0 的 Bin（沒有任何數量）也被寫進資料庫，造成報表顯示一堆不必要的欄位

這篇文章用「完全新手能懂」的方式，解釋：

  1. Loader 什麼時候會產生 SBIN/BIN

  2. 如何同時支援 BINx 與 SBINx

  3. 如何做到「只記錄數值 > 0 的 Bin」

  4. 如何判斷檔案到底跑成功了沒（不用猜）

一、你要解決的需求其實是兩件事

需求 A：BIN / SBIN 欄位都能讀

意思是：Excel 欄位可能叫 BIN4 或 SBIN4，你希望都能被 Loader 視為同一個「第 4 號 bin」。

需求 B：只有 Bin 數量 > 0 才寫進資料庫

意思是：如果 BIN2 = 0，就不要 insert 到 FT_SITE_SUMMARY 或 BIN_DEF，避免後續報表出現一堆「永遠為 0」的 bin。

二、SBIN / BIN 的數值到底「在哪裡被記錄」？

以常見 Loader 架構來說（不管你是 STDF、CSV/SPD、或 Excel Summary），大方向都是：

  1. 解析檔案（把欄位/記錄讀進來）

  2. 組成一份 Bin 清單（每個 bin 的編號、名稱、數量、是否 Pass）

  3. 寫入資料庫（常見表：站點統計、bin 定義、die 資料…）

其中「SBIN/BIN 的值」通常會在第 2 步形成，然後在第 3 步寫入：

  • FT_SITE_SUMMARY：通常只需要 BIN 與 COUNT（依 site 彙總）

  • BIN_DEF：通常會存 SBIN、HBIN、BIN_NAME、GOOD（Pass/Fail）

如果你的 Loader 是「Excel Summary 模式」，更常見的做法是：

  • 用 Excel 欄位名稱推導 bin 編號（從 BIN4 推到 4、從 SBIN4 推到 4）

三、做欄位正規化：讓 BINx / SBINx 都能變成數字

核心思路：不要只 replace BIN，要同時處理 SBIN

下面是一個「完全通用」的寫法：

  • 先把欄位名變大寫

  • 再從欄位名中抓出數字（比只 replace 字串更耐用）

✅ 範例：把欄位名轉成 bin 編號（支援 BIN、SBIN、BIN_01 等） 

import pandas as pd

def parse_bin_no(col_name: str) -> int | None:
    s = str(col_name).upper()
    # 抓出第一段連續數字，例如 "SBIN10" -> "10", "BIN_03" -> "03"
    m = pd.Series([s]).str.extract(r'(\d+)')[0].iloc[0]
    return int(m) if pd.notna(m) else None

你可以把這個邏輯套在一組欄位上，形成 bin 編號欄： 

def build_bin_table(row: pd.Series, bin_columns: list[str]) -> pd.DataFrame:
    tmp = pd.DataFrame({
        "COL": bin_columns,
        "COUNT": [row.get(c) for c in bin_columns]
    })

    # 轉數值（非數值就變 NaN），避免 " " 或 "N/A" 造成錯誤
    tmp["COUNT"] = pd.to_numeric(tmp["COUNT"], errors="coerce")

    # 只保留 COUNT > 0 的 bin（這就是需求 B）
    tmp = tmp[tmp["COUNT"] > 0].copy()

    # 從欄位名推導 bin 編號（需求 A）
    tmp["BIN_NO"] = tmp["COL"].apply(parse_bin_no)

    # 你也可以決定：BIN_NO 無法解析就丟掉
    tmp = tmp.dropna(subset=["BIN_NO"])
    tmp["BIN_NO"] = tmp["BIN_NO"].astype(int)

    # 最終統一欄位命名：SBIN/HBIN/BIN 都用同一個號碼
    tmp["SBIN"] = tmp["BIN_NO"]
    tmp["HBIN"] = tmp["BIN_NO"]
    tmp["BIN"]  = tmp["BIN_NO"]

    return tmp.reset_index(drop=True)

這樣你就能同時支援：

  • BIN1、BIN2

  • SBIN2、sbin10

  • BIN_03、S_BIN04（只要欄位裡有數字就行）

四、只記錄「數量 > 0」的 Bin：放對位置很重要

很多人會犯一個錯：

先算 SBIN，再過濾 COUNT

建議順序應該是：

  1. 先把數量轉成數值

  2. 先過濾 COUNT > 0

  3. 再去推導 BIN_NO / SBIN（避免無效欄位引發後續錯誤或垃圾資料）

也就是像剛剛範例那樣先做：

tmp["COUNT"] = pd.to_numeric(tmp["COUNT"], errors="coerce")
tmp = tmp[tmp["COUNT"] > 0].copy()

這一步做完，後面不管要寫 FT_SITE_SUMMARY 或 BIN_DEF，都只會包含「真的有數量」的 bin。

五、如果同時存在 BIN2 和 SBIN2，要不要合併？

有些報表可能同時出現 BIN2 與 SBIN2 兩個欄位，代表同一個概念。
這時最保險做法是：用 BIN_NO groupby 合併 COUNT： 

bins = build_bin_table(row, bin_columns)

bins = (
    bins.groupby("BIN_NO", as_index=False)
        .agg({
            "COUNT": "sum",
            "SBIN": "first",
            "HBIN": "first",
            "BIN": "first"
        })
)

如果你能確定永遠只會有一套（只有 BIN 或只有 SBIN），那不一定要做合併。
但如果你遇過多版本報表混在一起，做合併可以省掉很多後續報表混亂。

六、如何判斷 ftldr.py 是否「跑成功」？（不用猜）

以下提供 3 層驗證，照「最直覺」到「最可靠」排序。

方法 1：看檔案是否被移到 success / error / duplicate

多數 Loader 會在處理結束後把檔案移動到不同資料夾：

  • success/：成功載入

  • error/：失敗（通常會留 log 或錯誤訊息）

  • duplicate/：判定重複載入

你看到檔案出現在 success/，通常就很接近「成功」。

方法 2：看 log 是否有「結尾成功訊號」或 Exception 堆疊

建議你在批次執行時把 stdout/stderr 都導到 log：
（以下是概念示範） 

python loader_main.py --mode summary --vendor XAHT > loader_run.log 2>&1

判斷方式：

  • ✅ 成功：log 最後會看到「完成/寫入成功」等訊息

  • ❌ 失敗：會看到 Traceback、ValueError、KeyError、資料庫連線錯誤等

方法 3：直接查資料庫是否真的寫入（最硬核、最準）

最終要以 DB 為準。你可以查「這個 LOT 是否存在」或「這次寫入的筆數」。

範例（示意用 SQL Server）：

-- 1) 查 LOT 是否進 FT_LOT_INFO
SELECT TOP (5) *
FROM dbo.FT_LOT_INFO
WHERE LOT_ID = '你的LotId'
ORDER BY CREATE_TIME DESC;

-- 2) 查站點/ bin 統計是否進 FT_SITE_SUMMARY
SELECT BIN, SUM([COUNT]) AS TOTAL_CNT
FROM dbo.FT_SITE_SUMMARY
WHERE OBJECT_ID = 123456 -- 對應你的 TEST OBJECT_ID
GROUP BY BIN
ORDER BY BIN;

-- 3) 查 BIN_DEF 是否建立（若你有建立/更新 bin 定義）
SELECT TOP (50) *
FROM dbo.BIN_DEF
WHERE BIN_DEF_NAME = '你的BinDefId'
ORDER BY OBJECT_ID DESC;

如果 FT_LOT_INFO、FT_SITE_SUMMARY 都能查到這次 lot 的資料，基本上就能確定 Loader 成功。

七、常見錯誤與快速排查

1) 找不到 BIN1（KeyError / 起點欄位不存在）

原因：報表用 SBIN1 或 bin 欄位不是從 BIN1 開始。
解法：不要硬寫死 BIN1 作起點，改成「找到第一個符合 BIN/SBIN 的欄位」。

2) astype(int) 失敗（ValueError）

原因：欄位名轉換後不是純數字，例如 SBIN2 被處理成 S2。
解法：改成「抓數字」的做法（extract r'(\d+)'），或先處理 SBIN 再處理 BIN。

3) Bin 全部變成 0 仍寫入、報表顯示一堆 bin

原因：只 dropna 沒有過濾 0。
解法：在寫入前加 COUNT > 0 过滤。

結語：把 Loader 做得「耐髒」才是王道

你真正想要的是：

  • 報表欄位亂命名也不怕

  • 0 的 Bin 不要污染資料庫

  • 跑完能快速知道成功或失敗

做到這三點，Loader 就能更穩、更省時間，也更不容易被不同供應商格式搞到爆炸。

留言

張貼留言

這個網誌中的熱門文章

🔍Vue.js 專案錯誤排查：解決 numericFields is not defined 與合併儲存格邏輯最佳化

-
  前言 在前端開發專案中，處理表格數據與 Excel 匯出是常見的需求。 最近在專案中，遇到一個常見但讓人頭痛的錯誤訊息： Uncaught ReferenceError: numericFields is not defined 本文將用簡單的方式，帶你了解這個錯誤的成因、如何修改程式碼，以及如何最佳化「合併儲存格」與「數值加總」的邏輯。 問題場景：表格合併與數值加總 專案中需要達成以下功能： 同一個 APS_PLAN_NO 下，若 TFT4 相同，則 TFT5 欄位要合併。 數值欄位要加總，並以千分位格式輸出。 匯出到 Excel 時，也要套用相同邏輯。 在 Vue 的 rowSpans 計算邏輯中，初始版本如下： const rowSpans = computed ( () => { const rows = filteredData. value const spans = rows. map ( () => { const obj = {} tableHeaders. value . forEach ( key => obj[key] = 0 ) return obj }) ... return spans }) 但是，當我們在 exportToExcel() 使用時，出現了以下錯誤： Uncaught ReferenceError: numericFields is not defined 錯誤原因 這個錯誤訊息代表： 👉 numericFields 在程式中根本沒有宣告，所以瀏覽器不知道它是什麼。 舉例來說，假設我們在程式裡寫了這樣的判斷： if (numericFields. includes (key)) { // 處理數值欄位 } 但其實 numericFields 沒有定義，程式就會直接報錯。 解決方案：定義 numericFields ...
閱讀完整內容

🖥️遠端桌面連線完整新手指南：Windows RDP、Chrome Remote Desktop、AnyDesk、TeamViewer 一次搞懂

-
目錄 什麼是遠端桌面？我為什麼需要？ 方法一：Windows 10/11 內建遠端桌面（RDP） 方法二：Chrome Remote Desktop（免固定 IP） 方法三：AnyDesk / TeamViewer（跨平台、穿透 NAT） 安全性最佳實務 常見問題與故障排除（速查） 工具比較表 選擇流程圖（工程師的懶人決策） 出門前最後檢查清單 FAQ 常見問答 什麼是遠端桌面？我為什麼需要？ 「遠端桌面連線」讓你在 A 電腦上，直接操作 B 電腦的桌面與程式，就像坐在 B 電腦前一樣。 常見情境：出差連回公司電腦、在家存取辦公室檔案、協助同事排錯、或在手機/平板臨時控管主機。 方法一：Windows 10/11 內建遠端桌面（RDP） 前置條件 被連線的電腦版本需為 Windows 10/11 專業版或企業版。 兩台電腦彼此能網路互通（同網段、VPN、或正確路由）。 被連線端設定（只需做一次） 打開： 設定 → 系統 → 遠端桌面 → 啟用。 記下「此電腦名稱」或 IP。 確保 Windows 防火牆允許「遠端桌面」。 連線端操作 按 Win + R → 輸入 mstsc → Enter。 在「電腦」欄位輸入對方電腦名稱或 IP → 連線 → 輸入該電腦的帳號密碼。 跨外網的正確姿勢 首選 VPN ：先連公司/家裡的 VPN，再用 RDP，安全又穩。 不建議直接把 3389 埠對外曝光；若不得已，請做好強密碼、改連接埠、IP 白名單與入侵偵測。 方法二：Chrome Remote Desktop（免固定 IP） 優點是跨平台、穿透 NAT、用 Google 帳號配對，對新手友善。 在被連線與連線端都安裝 Chrome 與 Chrome Remote Desktop 擴充。 以同一 Google 帳號登入，為「被連線」電腦設定 PIN。...
閱讀完整內容

🔎EF Core 連 Oracle 出現 ORA-00600 [kpp_concatq:2] 的完整排錯指南（含 EF Core ToString/CultureInfo 錯誤）

-
  摘要（Meta Description） 在 .NET EF Core 對 Oracle 查詢時，若遭遇 ORA-00600 [kpp_concatq:2] ，多半是查詢優化器在字串型別轉換或重寫（Query Transformation）時踩到版本 Bug。本文以實戰日誌形式，示範如何用 FromSqlRaw + 參數型別/長度對齊 + CAST + Hint 立即止血，並處理 EF Core 另一個常見錯誤：「 CultureInfo 常值被傳進 ToString 造成可能記憶體外洩 」。附可直接套用的程式碼。 目錄 錯誤現象 根因分析 三步驟「立即止血」 安全重構：可直接貼用的程式碼 進階避雷：CTE/MATERIALIZE 與 View 包裝 EF Core ToString / CultureInfo 錯誤的正確處理 版本與長期解法（根治） 效能與穩定性小技巧 檢查清單（Checklist） FAQ 結語 錯誤現象 常見堆疊片段如下（節錄）： Oracle .ManagedDataAccess .Client .OracleException ( 0 x80004005): ORA-00600 : 內部錯誤代碼, 引數: [kpp_concatq:2] , [4] , [3] ...
閱讀完整內容