DMS 异常检测技能

用途

将清洗后的DMS数据中各关键指标与标准阈值进行比对，识别超出上限/下限的异常记录，生成结构化异常清单供根因分析使用。

触发条件

用户说"检测异常"、"比对标准"、"找出超限"、"异常报警"等
作为DMS完整分析流程的第三步（数据清洗之后）被调用

执行流程

Step 1 - 加载标准参数

从 references/standard_thresholds.md 读取各指标的标准值定义：

每个指标包含：upper_limit（上限）、lower_limit（下限）、target（目标值）
指标与DMS列名的映射关系在 references/dms_schema.md 中定义

Step 2 - 执行比对脚本

运行 scripts/detect_anomalies.py：

python scripts/detect_anomalies.py --input clean_data.json --thresholds references/standard_thresholds.json --output anomalies.json

比对逻辑：

value > upper_limit → 标记 HIGH
value < lower_limit → 标记 LOW
lower_limit <= value <= upper_limit → 标记 NORMAL
偏差率：deviation_pct = (value - target) / target * 100

Step 3 - 生成异常清单

脚本输出结构化异常清单，包含字段： | 字段 | 说明 | |------|------| | date | 数据日期 | | equipment_id | 设备编号 | | process | 工序 | | metric | 指标名称 | | value | 实测值 | | target | 目标值 | | upper_limit | 上限 | | lower_limit | 下限 | | status | HIGH / LOW / NORMAL | | deviation_pct | 偏差率(%) | | severity | 严重等级：CRITICAL(>20%偏差) / WARNING(10-20%) / MINOR(<10%) |

Step 4 - 统计汇总

生成异常统计摘要：

总异常条数（按 severity 分类）
异常最多的设备/工序 TOP5
各指标超限频率排行

Step 5 - 交付结果

输出异常清单摘要，说明 CRITICAL 级别异常优先处理，并提示可继续执行根因分析（dms-root-cause-analysis）。

严重等级定义

| 等级 | 偏差范围 | 处理优先级 | |------|----------|-----------| | CRITICAL | >±20% | 立即处理，当班通知 | | WARNING | ±10%~±20% | 本日内处理 | | MINOR | <±10% | 记录追踪 |

dms-anomaly-detection