质量成本分析 Skill

任务目标

• 本 Skill 用于：自动化质量成本分析全流程，从数据读取到报告生成
• 能力包含：多格式数据读取、智能数据清洗、四大分类计算、自动图表选择、HTML 报告生成
• 触发条件：用户需要分析质量成本、生成质量成本报告、识别质量成本结构或趋势时

前置准备

• 依赖说明：脚本所需的依赖包

  pandas>=2.0.0
  openpyxl>=3.1.0
  plotly>=5.14.0
  jinja2>=3.1.0
  

操作步骤

• 标准流程：

  1. 数据读取与预处理

     • 调用 scripts/data_processor.py 读取 Excel/CSV 文件，自动扫描所有 sheet
     • 脚本将智能识别金额、日期、分类等关键列，并自动清洗空值和异常值
     • 返回清洗后的数据框和列类型标注

  2. 质量成本计算

     • 调用 scripts/calculator.py 基于清洗后的数据计算质量成本四大分类
     • 脚本将智能识别预防成本、鉴定成本、内部损失成本、外部损失成本
     • 返回分类汇总、占比分析、趋势数据等计算结果

  3. 图表生成

     • 调用 scripts/chart_generator.py 根据计算结果自动选择图表类型
     • 脚本将生成交互式图表（饼图、折线图、柱状图等）
     • 返回图表 HTML 代码

  4. 报告生成

     • 调用 scripts/report_generator.py 生成 HTML 报告
     • 报告包含数据摘要、分类分析、趋势分析、图表展示
     • 返回报告文件路径

  5. 智能分析建议

     • 根据 references/quality_cost_framework.md 中的框架
     • 分析质量成本结构，识别异常点
     • 基于分析结果生成优化建议

• 可选分支：

  • 当数据为单时期：生成结构分析报告，重点展示四大分类占比
  • 当数据为多时期：生成趋势分析报告，展示质量成本变化趋势
  • 当数据异常值较多：在报告中标注异常数据并提供解读

资源索引

• 必要脚本：
  • scripts/data_processor.py - 数据读取与智能清洗
  • scripts/calculator.py - 质量成本计算与分类
  • scripts/chart_generator.py - 自动图表生成
  • scripts/report_generator.py - HTML 报告生成
• 领域参考：
  • references/quality_cost_framework.md - 质量成本分析框架与四大分类定义
  • references/chart_selection_rules.md - 图表类型选择规则
• 输出资产：
  • assets/report_template.html - HTML 报告模板

注意事项

• 脚本会自动处理多 sheet Excel 文件，无需手动指定 sheet 名称
• 脚本会智能识别列类型，即使列名不规范也能处理
• 生成的 HTML 报告为单文件，内嵌 CSS 和图表代码，直接用浏览器打开即可
• 图表选择基于数据特征自动完成，无需手动指定图表类型

使用示例

示例 1：单时期质量成本分析

python scripts/data_processor.py --file ./data/quality_cost_2024.xlsx
python scripts/calculator.py --data ./output/cleaned_data.pkl
python scripts/chart_generator.py --result ./output/calculation_result.json
python scripts/report_generator.py --result ./output/calculation_result.json --charts ./output/charts.html --output ./reports/quality_cost_report.html

示例 2：多时期趋势分析

python scripts/data_processor.py --file ./data/quality_cost_multi_year.xlsx
python scripts/calculator.py --data ./output/cleaned_data.pkl --multi-period
python scripts/chart_generator.py --result ./output/calculation_result.json --type trend
python scripts/report_generator.py --result ./output/calculation_result.json --charts ./output/charts.html --output ./reports/trend_report.html