制造业质量现场数据分析

任务目标

用户上传文件或粘贴数据后，使用脚本解析文件结构
脚本调用示例：
- Excel 文件：python scripts/parse_data.py --file_path /path/to/file.xlsx
- CSV 文件：python scripts/parse_data.py --file_path /path/to/file.csv
- Word/PDF 文件：python scripts/parse_data.py --file_path /path/to/file.docx
宏观分析 Excel 结构：识别 Sheet 数量、表头位置、关键字段

自动识别关键字段：产品、工序、班次、不良类型、不良数量、日期
多 Sheet 数据自动关联：根据字段含义跨 Sheet 关联数据
关键交互：当字段含义不清楚、数据缺失或数据量不足时，必须先向用户反馈确认
- 示例确认问题："检测到只有'合格/不合格'标记，无'不良数量'字段，是否按 1 条记录 = 1 个不良数计算？"

确认后生成完整报告，包含：
- 数据概览（总检验量、不良总数、整体不良率）
- Markdown 格式分类统计表格
- HTML 完整分析报告（包含数据概览、统计表格、可视化图表、质量分析结论、整改优先级建议）
- 质量分析结论与整改优先级建议
报告按时间命名，方便区分不同时期分析
HTML 报告生成脚本：python scripts/generate_charts.py --input_file /path/to/analysis_data.json --output_file /path/to/report.html

场景/输入：用户上传包含 3 个 Sheet 的 Excel 文件（Sheet1：巡检记录、Sheet2：制程不良、Sheet3：成品检验）
预期产出：自动跨 Sheet 关联数据，输出包含 Markdown 表格和完整 HTML 报告的分析结果
关键要点：
- 脚本先宏观分析 Sheet 结构，识别关键字段
- 跨 Sheet 关联"不良类型"和"不良数量"
- 如发现字段缺失，主动询问用户确认计算规则
- HTML 报告包含数据概览、统计表格、图表、分析结论、整改建议

场景/输入：用户上传单表 CSV 文件，包含日期、工序、检验结果、不良描述
预期产出：清洗数据后输出 TOP3 不良类型、按工序分布的统计结果和完整 HTML 报告
关键要点：
- 自动解析 CSV，识别表头
- 将"检验结果"字段转化为"不良类型"和"不良数量"
- 如数据量过少（少于 3 条），提示用户补充数据
- HTML 报告包含完整分析内容，可直接查看或分享

脚本：
- scripts/parse_data.py（用途：解析 Excel/CSV/Word/PDF 文件，输出结构化 JSON 数据）
- scripts/clean_data.py（用途：数据清洗，处理合并单元格、空值、重复数据）
- scripts/analyze_data.py（用途：执行不良类型统计、TOP3 分析、维度拆分）
- scripts/generate_charts.py（用途：生成完整 HTML 分析报告，包含数据概览、统计表格、图表、分析结论、整改建议，参数：input_file、output_file）
参考：
- references/field_mapping.md（何时读取：字段识别与映射时，包含关键字段定义和同义词规则）
- references/cleaning_rules.md（何时读取：数据清洗规则参考，包含合并单元格处理、空值处理策略）
资产：
- assets/chart_template.html（直接用于生成 HTML 图表：图表模板和样式）