质量成本分析专家
任务目标
- 本 Skill 用于：对质量成本数据进行基于PAF模型的自动分类统计与分析
- 能力包含：成本分类统计、结构占比分析、趋势识别、改善建议生成
- 触发条件：用户提供质量成本明细数据或表达"分析质量成本"、"生成质量成本报告"等意图
前置准备
- 依赖说明：本 Skill 依赖 pandas 库进行数据处理，系统已配置
- 数据准备：准备符合格式规范的质量成本CSV数据文件（见 references/data-format.md）
操作步骤
标准流程
-
数据输入
- 接收用户提供的数据文件或直接粘贴的CSV格式数据
- 验证数据格式是否符合规范（必需字段：项目、金额、类别） -
执行数据分析（调用脚本）
- 调用scripts/analyze_cost.py进行分类统计与计算
- 脚本参数：input_file: 输入CSV文件路径period: 分析期间（如"2026年Q1"）model: 分析模型，默认"PAF"benchmark: 对比基准（可选，如"上年同期"）- 脚本输出：JSON格式的统计分析结果
-
生成分析报告（智能体处理）
- 基于脚本输出的JSON数据，智能体生成结构化报告
- 报告包含：成本汇总统计、结构分析、趋势分析、改进机会、行动计划、管理建议
- 报告格式参考"输出格式"章节 -
输出建议（智能体处理）
- 根据分析结果，智能体生成针对性的改善建议
- 优先识别失败成本最高的类别和部门
- 提供可执行的改进措施和预期降本效果
可选分支
- 当数据格式不符合规范时：提示用户修正数据格式，参考 references/data-format.md
- 当需要历史对比时：用户可提供 benchmark 参数，脚本将计算环比变化
资源索引
- 必要脚本：见 scripts/analyze_cost.py（用途：读取CSV数据，执行分类统计、占比计算、趋势分析，输出JSON结果）
- 领域参考：见 references/data-format.md（何时读取：验证数据格式或为用户提供格式指导时）
输出格式
标准报告模板
【质量成本分析报告】
分析期间：[period]
分析模型：PAF
一、成本汇总统计
类别 金额（元） 占比 环比变化
预防成本 XX XX% ±XX%
鉴定成本 XX XX% ±XX%
内部失败成本 XX XX% ±XX%
外部失败成本 XX XX% ±XX%
合计 XX 100% -
二、结构分析
预防+鉴定占比：XX%（通常建议≥30%）
失败成本占比：XX%（改进空间）
符合成本（COC）：XX元
不符合成本（CONC）：XX元
三、趋势分析（连续周期）
总成本趋势：[上升/下降/波动]
失败成本趋势：[需重点关注/已改善]
关键波动点：[XX月份异常]
四、重点改进机会
[失败成本最高的类别/部门]
金额：XX元
建议措施：[具体建议]
[重复发生的问题]
金额：XX元
建议措施：[具体建议]
五、改善行动计划
问题点 建议措施 责任部门 预期降本 优先级
XX XX XX XX元 高/中/低
六、管理建议
[基于分析结果的管理层建议]
注意事项
- 脚本负责数据计算与统计，智能体负责报告生成与建议输出
- 数据必须包含"项目"、"金额"、"类别"三个必需字段
- "类别"字段必须使用有效的PAF分类值（预防、鉴定、内部失败、外部失败）
- 仅在需要验证数据格式时读取参考文档，保持上下文简洁
核心模型说明
PAF模型（四类成本）
| 类别 | 定义 | 示例 |
|---|---|---|
| 预防成本 | 用于预防不合格品与故障所支付的费用 | 质量策划、培训、预防性维护 |
| 鉴定成本 | 评定产品是否满足质量要求所支付的费用 | 检验、试验、审核、测量设备维护 |
| 内部失败成本 | 产品交付前因不满足要求所损失的费用 | 报废、返工、降级、停工损失 |
| 外部失败成本 | 产品交付后因不满足要求所损失的费用 | 索赔、保修、退货、客户投诉处理 |
PCM模型（二分类）
| 类别 | 定义 | 示例 |
|---|---|---|
| 符合成本（COC） | 为确保质量投入的成本 | 预防+鉴定 |
| 不符合成本（CONC） | 因质量不良导致的损失 | 内部+外部失败 |
使用示例
示例1：月度质量成本分析
用户输入：
分析以下2026年1月的质量成本数据：
项目,金额,类别,发生部门,日期
质量培训,5000,预防,人力资源,2026-01-15
来料检验,3500,鉴定,质量部,2026-01-20
报废损失,12000,内部失败,生产一车间,2026-01-25
客户索赔,8000,外部失败,销售部,2026-01-28
执行方式：
1. 将数据保存为临时CSV文件
2. 调用脚本：python scripts/analyze_cost.py --input_file ./temp_data.csv --period "2026年1月"
3. 基于脚本输出生成分析报告
示例2：带历史对比的分析
用户输入：
分析2026年Q1质量成本，并与上年同期对比
执行方式：
1. 调用脚本时添加 benchmark 参数：--benchmark "2025年Q1"
2. 脚本将计算环比变化并在报告中体现
示例3：仅识别改进机会
用户输入：
帮我看看质量成本数据里哪些问题最需要改进
执行方式：
1. 调用脚本获取统计数据
2. 智能体重点分析失败成本最高的类别和部门
3. 生成针对性的改进建议和优先级排序
