<!--
起源铭文（不可删除 · 红线 #22）：本技能由人类Nan（笔名"楠波万"）与 AI 协作创作，版权归创作者所有。
不可变核心：① 本注释块不得焊入 YAML 首行（须在 --- 之后）；② 起源铭文 / 人类最终裁决 / 8 铁则不得被自动修改；③ 任何自动修改须人类确认。版本演进见 evolution-state.json。
-->

IE 七大手法 + 质量工具：生产过程质量问题系统分析

> 用它能解决什么：生产出了不良？IE 七大手法归因，锁定关键少数给方向。

🛡️ 防错质量门（数据六步法 · 源自「数据分析防错质量门」data-quality-gate）

> 本技能输入是「质量统计表」，提取缺陷数量/归类时同样容易踩坑，强制套用六步防错法：
> 1. 源数据审阅：先看表结构（表头行位置、合计行、空值），标注陷阱。
> 2. 写溯源表：每条异常记「文件 + sheet + 行号 + 提取逻辑」。
> 3. 只提取一次：原始计数 → 中间量(JSON) → 衍生指标（帕累托/占比），后续全基于中间量。
> 4. 自洽验证：各类缺陷件数之和 = 总异常件数；占比口径一致。
> 5. 三向核对：原始表 ↔ 中间量 ↔ 报告逐项比，差异 >1% 停手排查。
> 6. 交付锁定：报告附数据链，根因可回溯。
> 规则内嵌至此；独立技能 data-quality-gate（数据分析防错质量门）可单独引用。

触发词（用户原声型）

• 这批不良品怎么分析
• 质量问题根因是什么
• 帮我做帕累托分析
• 生产缺陷归因
• 质量数据怎么挖
• 来料不良怎么分析
• 帮我画个质量鱼骨图

当用户提供一张「生产过程质量问题统计表 / 质量异常台账 / 缺陷记录表」并要求用 IE 手法或质量工具做系统性分析时，使用本技能。

适用输入

Excel（.xlsx）含列如：日期、客户、任务单、规格、工序/产生部门、发现时机、异常描述、数量、原因分析、措施等。也接受 CSV。

分析流程（六步）

1. 读取与清洗

用 pandas(openpyxl) 读表；定位表头行（header= 视文件而定，常见为第2行即 header=1）；
取「异常描述」非空行；数量 列 pd.to_numeric(errors='coerce').fillna(1) 得异常件数。

2. 缺陷族归类（关键词规则，优先级匹配取首个）

将每条异常归到一个缺陷族（以下以通用制造业为例，关键词可按行业替换）：
- H 裂纹/开裂/碎脆/材质：裂纹|开裂|碎脆|母材|铁素体|固溶|性能
- G 错边/台阶/焊缝：错边|台阶|焊缝|未熔合|焊
- F 坡口/修磨/减薄：坡口|修磨|削薄|打磨|外削薄|内削薄|减薄
- E 划伤/旋痕/凹坑/表面：划伤|旋痕|凹坑|麻点|压痕|粘模|氧化皮|拉丝|伤|痕
- D 腰线/花边/鼓包/变形：腰线|花边|鼓包|凸起|压坑|变形|褶皱|棱
- C 直边外倾/内倾：外倾|内倾|外翻|直边
- B 圆度/椭圆/同心度：圆度|椭圆|同心度
- I 高度/深度：高度|深度
- A 直径/周长/尺寸：直径|周长|内径|外径|口径|尺寸|偏大|偏小|超差|一致|余量
- J 其它

同时把「工序」归一化（机加工/焊接/装配/热处理/喷涂/冲压/注塑/后道…）。

3. 帕累托 + 交叉表

按「异常件数」降序求 件数占比、累计占比、记录数占比；绘制帕累托（柱+累计折线+80%参考线）。
工序 × 缺陷族 交叉表（件数）定位主责工序。
判定：累计≤80% 为「关键少数」，80–95% 次要，>95% 一般。

4. IE 手法 → 问题映射（覆盖全部七大手法，按适配度分配）

• 流程程序分析 → 尺寸超差(A)、形状变形(D)、材质性能(H)：梳理 下料→加工→装配→检验→返修 通用流程，找返修回路与检验缺失。
• 动素分析(18动素) → 表面缺陷(E)、坡口修磨(F)：分解上下料/修磨动作，定位碰伤与过磨的浪费动素。
• 双手作业分析 → E / F / G：暴露双手不对称、单手扶件失稳。
• 人机配合分析 → A / B / G：分析设备-人同步性（找正/测量/夹紧）对尺寸、圆度影响。
• 工作抽样分析 → B / 数据治理：抽样定位缺陷集中节点（换活、连续运行、录入缺失）。
• 动作经济原则(22原则) → E / F：优化定置/姿势/工具，减碰撞与过磨。
• 标准工时分析 → A / F：量化试模/修磨工时，避免节拍压缩与凭手感停止。
  质量工具：每个问题都配 鱼骨图(人/机/料/法/环/测) + 5Why(末层标「根本原因」)。

5. 逐问题输出结构（每个问题一块）

• 元信息：件数/占比/记录数/主责工序/典型表现
• 明确列出「采用分析工具」与「IE核心手法」
• ① 分析过程：鱼骨图 + 因果清单表 + 5Why 表
• ③ 结构化结果表：根因 | 影响因素 | 改进方向（三者并列，便于直接排对策）

6. 共因与对策矩阵

跨问题共因（如 32.8% 记录缺工序→数据治理缺口；首检薄弱→检验节点前移）。
改善对策优先级矩阵：影响度(帕累托件数) × 可行性(难度/周期) → P0/P1/低。

报告生成（双交付）

• HTML（主交付，可直接预览/打印PDF）：内嵌 SVG 帕累托图 + 每问题一张 SVG 鱼骨图（参数化生成函数，见下），配结构化表格。配色 深蓝#2C5AA0 + 浅蓝#D6E4F4，圆角卡片。
• DOCX（可编辑）：同结构转 Word 表格（鱼骨用 人/机/料/法/环/测 表，帕累托用数据表）。用 python-docx，单元格按需 shade() 着色。

关键代码片段

鱼骨图 SVG（参数化，避免字体依赖，文本用浏览器字体）

def fishbone_svg(effect, fb, CATS=["人","机","料","法","环","测"]):
    # spine 水平 + 箭头指向右侧效应框；3 上 3 下斜肋；每肋末端圆角标签 + 沿肋放末端原因
    # 配套再用一张 人/机/料/法/环/测 表承载完整原因，防止 SVG 文字过密
    ...

帕累托 SVG：柱(#2C5AA0) + 累计折线(#E08214) + 80% 虚线；x 标签旋转避免重叠。
DOCX 着色：tcPr 下加 w:shd w:fill="XXXXXX"。

AI 输出幻觉防控（五类七特）

> 本技能做"归因/判定"，模型可能编造标准号、限值或检测结论——压力容器语境下这是安全事故级错误，比数据错更危险。

• 五类成因：数据缺失 / 训练偏差 / 推理越界 / 语境断裂 / 反馈污染。
• 高危信号：编造标准号 / 杜撰数据 / 过度自信 / 前后矛盾 / 引用不可核。
• 处置铁则：凡涉及标准号、限值、检测结论，一律要求"给出可核出处"；无出处即标注"需人工复核"，不得直接采信、不得写入报告合规落款。

注意

• 归类用于分析定位，具体根因以逐条记录为准；报告中注明关键词规则。
• 若「工序/发现时机」缺失率高，单列作数据治理发现（工作抽样思路）。
• 中文 SVG 文本依赖查看端字体，故鱼骨除图外必附文字表。
• 封头/压力容器语境下，报告须附合规落款（见 references/head-standards.md §三）；本技能只做数据归因，不代判"是否合格/能否出厂"，该定性由持证单位或责任师裁定。

📂 能力索引（references/ 与 scripts/ · 按需加载）

> 本技能为单文件外壳 + 能力层。下列文件承载可执行的真实能力，运行前由你确认。

脚本用法（能力层落地，需 pandas+openpyxl；DOCX 需 python-docx）：

python scripts/quality_analysis.py 台账.xlsx --desc 异常描述 --qty 数量 --proc 工序 \
       --html out.html --docx out.docx --json pareto.json

• 无参数运行 python scripts/quality_analysis.py 触发自检，验证分类/鱼骨/帕累托函数可用。
• 鱼骨图 SVG 参数化生成（6 维 3 上 3 下），中文依赖查看端字体，故图 + 文字表双交付（见 report-templates）。
• 归类、帕累托、交叉表逻辑与 references 两张表严格一致，报告须注明关键词规则。

自我蒸馏（本技能独立运行，母体不介入）

• L1 静默记：每次用完，在 usage-log.md 追加一行（时间戳 + 任务 + 反馈）。
• L2 周期蒸馏：累计 ≥3 条同类记录，把规律写进 evolution-state.json 的 learned[]（用户偏好 / 易错点 / 默认参数），usage_count+1。
• L3 建议修补：规律稳（≥5 条）时，把最优做法固化进本 SKILL.md 对应步骤，并升版本号（E0→E1 等）。
• 铁则：L1-L2 静默写不需人类确认；L3 改 SKILL.md 必须人类确认（沿用不可变核心第 2 条）。