name: 現場不良資料分析助手 slug: manufacturing-quality-data-analysis displayName: 現場不良資料分析助手 description: 製造業質量現場資料分析；當用戶需要分析車間巡檢、製程不良、成品檢驗臺賬資料或處理現場不合格記錄時使用；覆蓋資料清洗、統計分析、圖表視覺化 version: 1.1.0 category: quality author: org-jaxjwo0r

製造業質量現場資料分析

任務目標

• 本 Skill 用於：分析車間巡檢、現場勘查、製程不良、成品檢驗臺賬的輕量化資料
• 能力包含：自動解析 Excel/CSV/Word/PDF、資料清洗、不良型別分類統計、TOP3 高頻不良分析、生成 HTML 視覺化圖表
• 觸發條件：使用者上傳質量資料表格檔案或貼上表格資料，要求分析現場不合格、製程不良、巡檢勘查記錄

場景邊界

• 支援場景：車間巡檢、現場勘查、製程不良、成品檢驗臺賬
• 禁止場景：供應商質量、客訴分析、SPC 控制圖、CPK 計算、成本核算、月報彙總、8D 報告

前置準備

• 無需特殊準備，確保提供的資料檔案為 Excel（.xlsx/.xls）、CSV、Word 或 PDF 格式

操作步驟

1. 資料輸入與宏觀分析

• 使用者上傳檔案或貼上資料後，使用指令碼解析檔案結構
• 指令碼呼叫示例：
• Excel 檔案：python scripts/parse_data.py --file_path /path/to/file.xlsx
• CSV 檔案：python scripts/parse_data.py --file_path /path/to/file.csv
• Word/PDF 檔案：python scripts/parse_data.py --file_path /path/to/file.docx
• 宏觀分析 Excel 結構：識別 Sheet 數量、表頭位置、關鍵欄位

2. 欄位確認與資料關聯

• 自動識別關鍵欄位：產品、工序、班次、不良型別、不良數量、日期
• 多 Sheet 資料自動關聯：根據欄位含義跨 Sheet 關聯資料
• 關鍵互動：當欄位含義不清楚、資料缺失或資料量不足時，必須先向使用者反饋確認
• 示例確認問題："檢測到只有'合格/不合格'標記，無'不良數量'欄位，是否按 1 條記錄 = 1 個不良數計算？"

3. 資料清洗

• 使用指令碼自動處理：
• 合併單元格展開
• 空行/空值處理
• 重複資料去重
• 格式標準化
• 指令碼呼叫示例：python scripts/clean_data.py --input_file /path/to/parsed_data.json

4. 資料分析

• 指令碼執行固定分析維度：
• 不良型別分類統計（數量、佔比）
• 按工序/班次/產品型號拆分不良分佈
• 自動篩選 TOP3 高頻不良問題（遵循二八原則）
• 指令碼呼叫示例：python scripts/analyze_data.py --input_file /path/to/clean_data.json

5. 報告大綱確認

• 生成分析大綱和摘要，先提交給使用者確認
• 等待使用者確認是否有補充或調整

6. 生成分析報告

• 確認後生成完整報告，包含：
• 資料概覽（總檢驗量、不良總數、整體不良率）
• Markdown 格式分類統計表格
• HTML 完整分析報告（包含資料概覽、統計表格、視覺化圖表、質量分析結論、整改優先順序建議）
• 質量分析結論與整改優先順序建議
• 報告按時間命名，方便區分不同時期分析
• HTML 報告生成指令碼：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 製程不良分析

• 場景/輸入：使用者上傳包含 3 個 Sheet 的 Excel 檔案（Sheet1：巡檢記錄、Sheet2：製程不良、Sheet3：成品檢驗）
• 預期產出：自動跨 Sheet 關聯資料，輸出包含 Markdown 表格和完整 HTML 報告的分析結果
• 關鍵要點：
• 指令碼先宏觀分析 Sheet 結構，識別關鍵欄位
• 跨 Sheet 關聯"不良型別"和"不良數量"
• 如發現欄位缺失，主動詢問使用者確認計算規則
• HTML 報告包含資料概覽、統計表格、圖表、分析結論、整改建議

示例 2：CSV 單表巡檢記錄分析

• 場景/輸入：使用者上傳單表 CSV 檔案，包含日期、工序、檢驗結果、不良描述
• 預期產出：清洗資料後輸出 TOP3 不良型別、按工序分佈的統計結果和完整 HTML 報告
• 關鍵要點：
• 自動解析 CSV，識別表頭
• 將"檢驗結果"欄位轉化為"不良型別"和"不良數量"
• 如資料量過少（少於 3 條），提示使用者補充資料
• HTML 報告包含完整分析內容，可直接檢視或分享

示例 3：Word 文件檢驗臺賬分析

• 場景/輸入：使用者上傳 Word 文件，包含表格形式的檢驗記錄
• 預期產出：解析表格內容，清洗後輸出分析報告
• 關鍵要點：
• 使用 python-docx 解析 Word 中的表格
• 處理表格合併單元格和格式混亂
• 確認報告大綱後再生成最終報告

資源索引

• 指令碼：
• scripts/parse_data.py（用途：解析 Excel/CSV/Word/PDF 檔案，輸出結構化 JSON 資料）
• scripts/clean_data.py（用途：資料清洗，處理合併單元格、空值、重複資料）
• scripts/analyze_data.py（用途：執行不良型別統計、TOP3 分析、維度拆分）

• scripts/generate_charts.py（用途：生成完整 HTML 分析報告，包含資料概覽、統計表格、圖表、分析結論、整改建議，引數：input_file、output_file）

• 參考：

• references/field_mapping.md（何時讀取：欄位識別與對映時，包含關鍵欄位定義和同義詞規則）

  7w4.net小蔥技能。

• references/cleaning_rules.md（何時讀取：資料清洗規則參考，包含合併單元格處理、空值處理策略）

• 資產：

• assets/chart_template.html（直接用於生成 HTML 圖表：圖表模板和樣式）

注意事項

• 單一垂直場景：僅處理現場不合格、製程不良、巡檢勘查記錄，拒絕跨場景分析
• 禁止複雜演算法：不使用 SPC 控制圖、CPK 計算、複雜統計算法
• 互動優先：資料不明確時必須主動詢問使用者，禁止自作主張計算
• 輸出簡潔：不生成長篇大報告，內容可直接複製到飛書、WPS 文件使用
• 用語規範：貼合生產現場品質管理，客觀、量化、不主觀誇大
• 命名規範：報告按時間命名，方便區分不同時期分析

TRACE 測評

這個 Skill 質量很好，文件規範、示例豐富、說明詳細，能清晰告訴使用者什麼時候用它、怎麼用它、有什麼限制。它專注於製造業現場不良資料分析，能力覆蓋完整，從資料解析到清洗分析再到生成視覺化報告全流程都有支撐。優點是場景邊界清晰、輸出格式明確；不足是遇到複雜問題時的異常處理還有提升空間。總體適合需要分析車間質量資料的使用者使用。