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:
- 日缺陷率 X-bar 控制图 (UCL/LCL/UWL/LWL/CL 五线)
- 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)
- 趋势结论输出 (改善中/恶化中/稳定 + 斜率)
- 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 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)
- 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)
- 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:
- 侧边栏上传CSV入口 (数据源切换: 内置/上传)
- 数据格式模板下载
- 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:
- 每块面板的模式评分：边缘型、角落型、中心型、随机型、线条型
- 模式占比统计 + 模式-根因映射表
- 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:
- 选中异常批次后自动分析共性 (设备/时段/座号)
- 设备健康分 0-100 (基于缺陷率趋势/座号集中度/严重度)
- 可视化排名

Phase 11: 多层叠加分析

Status: complete
Key Deliverables:
- 自定义区域划分 (边缘区/中心区/FPC区/角落区) + 分区缺陷统计
- 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)
- 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:
- 角色视图切换 (操作员: 5Tab / 工程师: 11Tab全开 / 管理者: 5Tab核心)
- 一键导出综合报告 (MD格式: KPI+类型+设备+趋势+异常+建议)
- 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)