数据与 AI · 制造质量分析 MVP · 原名 Interm
制造质量分析助手自然语言驱动的质量分析
输入日期范围、产线或车型等自然语言问题，系统先整理筛选条件，再从生产记录中计算不良率、比较工位与班次等候选因素，并检索知识库，形成带数据证据和来源引用的分析报告。
关键差异是“模型编排，工具计算”。LangGraph Agent 串联解析、统计与知识检索，指标交给 Python 分析工具计算。报告保留筛选条件、执行记录、引用来源和人工确认状态；网站演示使用模拟数据，候选因素帮助安排排查优先级，不代表已证实的因果关系。
项目看点
- 01计算有据
关键指标由分析工具执行，不让模型估算数值。
- 02过程可查
保留筛选条件、执行轨迹与知识来源。
- 03人工判断
候选因素是排查线索，结论仍需结合现场确认。
- 项目形态
- 制造质量分析 MVP
- 主要输出
- 指标 · 候选因素 · 引用报告
技术栈与分工
- 流程编排
- Python · LangGraph解析问题并组织分析步骤
- 统计分析
- Pandas · DuckDB处理记录、计算指标与候选排序
- 分析界面
- Streamlit提供数据源配置与分析交互
- 知识检索
- RAG检索知识库并为分析结论保留来源
从问题到报告
- 01描述问题
输入时间范围、产线或车型
- 02解析条件
语言解析失败时回退规则
- 03分析与检索
计算指标并查找知识证据
- 04生成报告
附来源与人工确认标记
分析范围与数据说明
- 工具范围
- Pareto、Cpk 与 SPC 作为独立分析模块；自然语言主流程聚焦不良率计算与候选因素排序。
- 演示口径
- 网站页面使用模拟生产记录，报告中的数字用于展示分析过程，不代表真实产线结果。
演示视频准备中
输入质量问题，查看分析过程与结果证据。质量分析助手 · 演示视频
从质量问题到可追溯的分析报告。
操作演示待补充。
