progress.md 4.9 KB

进度日志

Session 5 - 2026-05-15

开始时间: 凌晨

当前阶段: Phase 12 全部完成

状态: complete

完成的动作:

  1. Phase 12: 系统架构升级
    • 侧边栏视图模式选择器 (操作员/工程师/管理者)
    • 操作员视图: 5 Tab (空间/类型/时间/设备座号/模式识别)
    • 工程师视图: 11 Tab 全开
    • 管理者视图: 5 Tab (SPC/模式识别/健康共性/类型/时间)
    • 综合报告导出: MD 格式 (KPI摘要+类型分布+设备座号+趋势+异常检测+建议)
    • 三档导出: 综合报告(MD) / 筛选数据(CSV) / 精简报告(TXT)
    • 动态 Tab 容器系统 (tab_map + get_tab 函数)

总计: 11 个 Tab + 3 种角色视图 + 3 档导出

Session 4 - 2026-05-15

开始时间: 凌晨

当前阶段: Phase 11 全部完成

状态: complete

完成的动作:

  1. Phase 11: 多层叠加分析 (新增 Tab 11)
    • 自定义区域划分 (边缘区/中心区/角落区/FPC区/上半区/下半区)
    • 区域缺陷统计 + 叠加可视化图 (虚线区域边界 + 着色散点)
    • 跨批次同座号面板对比 (3列网格并排对比)
    • 同座号跨批次趋势判断 (斜率上升/下降/平稳)
    • 缺陷坐标传播追踪 (同一坐标桶按时间演变 + 类型演变矩阵)

总计: 11 个 Tab, 覆盖描述/诊断/预测/叠加四层分析

Session 2 - 2026-05-15

开始时间: 凌晨

当前阶段: Phase 6/7/8 全部完成

状态: complete

完成的动作:

  1. Phase 6: SPC 控制图与趋势预警 (新增 Tab 8)
    • X-bar 控制图 (CL/UCL/LCL/UWL/LWL 五线)
    • Western Electric 规则检测 (Rule 1: 3σ越限, Rule 2: 7点连升/连降, Rule 3: 7点在CL同侧)
    • 线性回归趋势判断 (改善中/恶化中/稳定 + 斜率)
    • 4 个 KPI 指标 + 告警清单 + 过程能力结论
  2. Phase 7: 重复缺陷坐标检测 (嵌入 Tab 1 底部)
    • (x,y) 坐标分桶算法,可调整分桶大小 (5-50mm)
    • 跨面板重复阈值检测 (2-10 块面板可调)
    • 面板图上用红色气泡标注重复桶,大小=涉及面板数,中间显示数量
    • 输出清单:涉及面板数、缺陷总数、中心坐标、主要类型/严重度
  3. Phase 8: CSV 数据上传
    • 侧边栏数据源切换 (内置模拟数据 / 上传CSV文件)
    • 16 字段自动校验 (缺字段报错)
    • 数据格式模板下载
    • 上传后自动替代数据源,所有 Tab 即时生效

总计: 10 个 Tab, 数据源支持双模式, 覆盖描述/诊断/预测三层分析

Session 3 - 2026-05-15

开始时间: 凌晨

当前阶段: Phase 9/10 全部完成

状态: complete

完成的动作:

  1. Phase 9: 缺陷空间模式自动识别 (新增 Tab 9)
    • 每块面板 5 种模式评分:边缘型、角落型、中心型、线条型、随机型
    • 边缘型 → 缺陷到四边距离 < 12% 占比
    • 角落型 → 四角 15% 区域内缺陷占比
    • 中心型 → 距中心 18% 半径内缺陷占比
    • 线条型 → PCA 第一主成分占比
    • 随机型 → 5x5 网格变异系数的倒数
    • 模式占比统计柱状图 + 模式-根因映射表
    • 面板模式评分明细表
  2. Phase 10: 设备健康与共性分析 (新增 Tab 10)
    • 设备健康评分 0-100 (缺陷率40% + 座号集中度30% + 严重度30%)
    • 水平条形图可视化排名 (绿/橙/红)
    • 异常批次自动检测 (缺陷率 > mean + 1σ)
    • 共性分析: 设备共用性/时段共性/座号共性 (异常 vs 正常相对偏差)
    • 异常批次缺陷类型偏差表

总计: 10 个 Tab, 数据源支持双模式, 覆盖描述/诊断/预测三层分析

Session 1 - 2026-05-14

开始时间: 下午

当前阶段: 全部完成

状态: complete

完成的动作:

  1. 创建规划文件 (task_plan.md / findings.md / progress.md)
  2. 完成数据生成脚本 generate_data.py
    • 1193 条缺陷记录,447 块面板,30 批次
    • 8 种缺陷类型 + 3 级严重度
    • 3 台前贴附设备,24 个座号,含座号缺陷偏差模拟
  3. 完成 Streamlit 应用 app.py (7 个 Tab)
    • 顶部 KPI 看板(9 个指标)
    • 侧边栏多维筛选(7 个维度)
    • Tab1: 空间集中性(热力图+散点+9宫格+面板标注图)
    • Tab2: 类型集中性(帕累托图+严重度分布)
    • Tab3: 时间集中性(日趋势+小时分布+星期分布+班次对比)
    • Tab4: 批次集中性(缺陷数/率+异常检测)
    • Tab5: 设备座号集中性(设备对比+座号网格热力图+1σ/2σ异常检测+交叉分析)
    • Tab6: 关联分析(类型×严重度+类型×班次+TOP10面板)
    • Tab7: DBSCAN 智能聚类(空间聚类+PCA降维+簇特征表)
  4. 数据导出(CSV + TXT 报告)
  5. 修复: 空面板无缺陷时标注图报错(加空值检查)
  6. 修复: 侧边栏座号默认全选(不再只选前 5 个)
  7. 修复: 面板标注图尺寸从 (6,8) 缩为 (3.5,5)
  8. 更新 task_plan.md 状态为 complete

待确认:

  • 老板的具体需求细节
  • 现有机器视觉系统的数据格式
  • 期望的输出形式