制造业质量现场数据分析

任务目标

• 本 Skill 用于：分析车间巡检、现场勘查、制程不良、成品检验台账的轻量化数据
• 能力包含：自动解析 Excel/CSV/Word/PDF、数据清洗、不良类型分类统计、TOP3 高频不良分析、生成 HTML 可视化图表
• 触发条件：用户上传质量数据表格文件或粘贴表格数据，要求分析现场不合格、制程不良、巡检勘查记录

场景边界

• 支持场景：车间巡检、现场勘查、制程不良、成品检验台账
• 禁止场景：供应商质量、客诉分析、SPC 控制图、CPK 计算、成本核算、月报汇总、8D 报告

前置准备

• 无需特殊准备，确保提供的数据文件为 Excel（.xlsx/.xls）、CSV、Word 或 PDF 格式

操作步骤

1. 数据输入与宏观分析

• 用户上传文件或粘贴数据后，使用脚本解析文件结构
• 脚本调用示例：
  • Excel 文件：python scripts/parse_data.py --file_path /path/to/file.xlsx
  • CSV 文件：python scripts/parse_data.py --file_path /path/to/file.csv
  • Word/PDF 文件：python scripts/parse_data.py --file_path /path/to/file.docx
• 宏观分析 Excel 结构：识别 Sheet 数量、表头位置、关键字段

2. 字段确认与数据关联

• 自动识别关键字段：产品、工序、班次、不良类型、不良数量、日期
• 多 Sheet 数据自动关联：根据字段含义跨 Sheet 关联数据
• 关键交互：当字段含义不清楚、数据缺失或数据量不足时，必须先向用户反馈确认
  • 示例确认问题："检测到只有'合格/不合格'标记，无'不良数量'字段，是否按 1 条记录 = 1 个不良数计算？"

3. 数据清洗

• 使用脚本自动处理：
  • 合并单元格展开
  • 空行/空值处理
  • 重复数据去重
  • 格式标准化
• 脚本调用示例：python scripts/clean_data.py --input_file /path/to/parsed_data.json

4. 数据分析

• 脚本执行固定分析维度：
  • 不良类型分类统计（数量、占比）
  • 按工序/班次/产品型号拆分不良分布
  • 自动筛选 TOP3 高频不良问题（遵循二八原则）

  发现更多技能插件，请访问7w4.net。

• 脚本调用示例：python scripts/analyze_data.py --input_file /path/to/clean_data.json

5. 报告大纲确认

• 生成分析大纲和摘要，先提交给用户确认
• 等待用户确认是否有补充或调整

6. 生成分析报告

• 确认后生成完整报告，包含：
  • 数据概览（总检验量、不良总数、整体不良率）
  • Markdown 格式分类统计表格
  • HTML 完整分析报告（包含数据概览、统计表格、可视化图表、质量分析结论、整改优先级建议）
  • 质量分析结论与整改优先级建议
• 报告按时间命名，方便区分不同时期分析
• HTML 报告生成脚本：python scripts/generate_charts.py --input_file /path/to/analysis_data.json --output_file /path/to/report.html

使用示例

示例 1：Excel 多 Sheet 制程不良分析

• 场景/输入：用户上传包含 3 个 Sheet 的 Excel 文件（Sheet1：巡检记录、Sheet2：制程不良、Sheet3：成品检验）
• 预期产出：自动跨 Sheet 关联数据，输出包含 Markdown 表格和完整 HTML 报告的分析结果
• 关键要点：
  • 脚本先宏观分析 Sheet 结构，识别关键字段
  • 跨 Sheet 关联"不良类型"和"不良数量"
  • 如发现字段缺失，主动询问用户确认计算规则
  • HTML 报告包含数据概览、统计表格、图表、分析结论、整改建议

示例 2：CSV 单表巡检记录分析

• 场景/输入：用户上传单表 CSV 文件，包含日期、工序、检验结果、不良描述
• 预期产出：清洗数据后输出 TOP3 不良类型、按工序分布的统计结果和完整 HTML 报告
• 关键要点：
  • 自动解析 CSV，识别表头
  • 将"检验结果"字段转化为"不良类型"和"不良数量"
  • 如数据量过少（少于 3 条），提示用户补充数据
  • HTML 报告包含完整分析内容，可直接查看或分享

示例 3：Word 文档检验台账分析

• 场景/输入：用户上传 Word 文档，包含表格形式的检验记录
• 预期产出：解析表格内容，清洗后输出分析报告
• 关键要点：
  • 使用 python-docx 解析 Word 中的表格
  • 处理表格合并单元格和格式混乱
  • 确认报告大纲后再生成最终报告

资源索引

• 脚本：

  • scripts/parse_data.py（用途：解析 Excel/CSV/Word/PDF 文件，输出结构化 JSON 数据）
  • scripts/clean_data.py（用途：数据清洗，处理合并单元格、空值、重复数据）
  • scripts/analyze_data.py（用途：执行不良类型统计、TOP3 分析、维度拆分）
  • scripts/generate_charts.py（用途：生成完整 HTML 分析报告，包含数据概览、统计表格、图表、分析结论、整改建议，参数：input_file、output_file）

• 参考：

  • references/field_mapping.md（何时读取：字段识别与映射时，包含关键字段定义和同义词规则）
  • references/cleaning_rules.md（何时读取：数据清洗规则参考，包含合并单元格处理、空值处理策略）

• 资产：

  • assets/chart_template.html（直接用于生成 HTML 图表：图表模板和样式）

注意事项

• 单一垂直场景：仅处理现场不合格、制程不良、巡检勘查记录，拒绝跨场景分析
• 禁止复杂算法：不使用 SPC 控制图、CPK 计算、复杂统计算法
• 交互优先：数据不明确时必须主动询问用户，禁止自作主张计算
• 输出简洁：不生成长篇大报告，内容可直接复制到飞书、WPS 文档使用
• 用语规范：贴合生产现场品质管理，客观、量化、不主观夸大
• 命名规范：报告按时间命名，方便区分不同时期分析

TRACE 测评

这个 Skill 质量很好，文档规范、示例丰富、说明详细，能清晰告诉用户什么时候用它、怎么用它、有什么限制。它专注于制造业现场不良数据分析，能力覆盖完整，从数据解析到清洗分析再到生成可视化报告全流程都有支撑。优点是场景边界清晰、输出格式明确；不足是遇到复杂问题时的异常处理还有提升空间。总体适合需要分析车间质量数据的用户使用。