# 缺陷集中性分析 - 任务计划 ## Goal Statement 基于机器视觉分析检测出的缺陷数据,实现不良集中性分析功能,帮助发现缺陷在空间、时间、类型等维度的分布规律,为质量改进提供数据支撑。 ## Metadata - **Created**: 2026-05-14 - **Status**: complete - **Owner**: LeoD - **Last Updated**: 2026-05-15 ## Phases ### Phase 1: 需求确认与方案设计 - **Status**: complete ### Phase 2: 模拟数据生成 - **Status**: complete ### Phase 3: 集中性分析算法 - **Status**: complete ### Phase 4: 静态图表输出 - **Status**: complete (集成在 Streamlit 中) ### Phase 5: Streamlit 交互页面 - **Status**: complete ### Phase 6: SPC 控制图与趋势预警 - **Status**: complete - **Key Deliverables**: - [x] 日缺陷率 X-bar 控制图 (UCL/LCL/UWL/LWL/CL 五线) - [x] Western Electric 规则告警 (Rule 1: 3σ越限, Rule 2: 7点连升/连降, Rule 3: 7点在CL同侧) - [x] 趋势结论输出 (改善中/恶化中/稳定 + 斜率) - [x] 4 个 SPC KPI + 告警清单 + 过程能力结论 ### Phase 7: 重复缺陷坐标检测 - **Status**: complete - **Key Deliverables**: - [x] (x,y) 坐标分桶,找出跨面板重复出现的缺陷点 (分桶大小/阈值可调) - [x] 在面板图上标注重复点 (红色气泡, 大小=重复次数, 中间显示数量) - [x] 输出疑似硬损伤清单 (涉及面板/缺陷总数/中心坐标/主要类型/严重度) ### Phase 8: CSV 数据上传 - **Status**: complete - **Key Deliverables**: - [x] 侧边栏上传CSV入口 (数据源切换: 内置/上传) - [x] 数据格式模板下载 - [x] 自动检测 16 字段完整性 (缺字段报错) ### Phase 9: 缺陷空间模式自动识别 - **Status**: complete - **Key Deliverables**: - [x] 每块面板的模式评分:边缘型、角落型、中心型、随机型、线条型 - [x] 模式占比统计 + 模式-根因映射表 - [x] 新增 Tab: "缺陷模式识别" ### Phase 10: 共性分析 + 设备健康评分 - **Status**: complete - **Key Deliverables**: - [x] 选中异常批次后自动分析共性 (设备/时段/座号) - [x] 设备健康分 0-100 (基于缺陷率趋势/座号集中度/严重度) - [x] 可视化排名 ### Phase 11: 多层叠加分析 - **Status**: complete - **Key Deliverables**: - [x] 自定义区域划分 (边缘区/中心区/FPC区/角落区) + 分区缺陷统计 - [x] 跨批次同座号面板对比 (同一座号在不同批次的面板标注图对比) - [x] 缺陷传播追踪 (同一坐标随时间恶化趋势) ### Phase 12: 系统架构升级 - **Status**: complete - **Key Deliverables**: - [x] 角色视图切换 (操作员: 5Tab / 工程师: 11Tab全开 / 管理者: 5Tab核心) - [x] 一键导出综合报告 (MD格式: KPI+类型+设备+趋势+异常+建议) - [x] 三档导出: 综合报告(MD) / 筛选数据(CSV) / 精简报告(TXT) ## Errors Encountered | Error | Resolution | |-------|-----------| | Streamlit 缓存旧数据导致 KeyError | 使用 taskkill 清理进程 + cache_data(ttl=300) | | 多个 Streamlit 进程互相干扰 | taskkill //F //IM python.exe 清理后单进程启动 | | 面板标注图尺寸过大 | figsize 从 (6,8) 调整为 (3.5,5) |