# 鹰眼
## 1. 功能概述
鹰眼（Hawkeye）属于 MES 系统数据中台的高级分析模块，用于对生产批次中出现的 NG（不良品）与各工序的工艺结果参数进行统计学相关性分析。系统通过皮尔逊相关系数（PCC）和卡方检验（X²）两种统计学方法，自动识别哪些工艺参数与 NG 的产生存在显著关联，帮助工艺工程师快速定位导致不良品的根本原因，为工艺优化提供数据支撑。
**核心功能：**
- NG 关联分析：选择生产批次和 NG 代码，自动分析该 NG 与所有工序结果参数的统计学相关性
- 皮尔逊相关性分析（PCC）：以火山图形式展示相关系数与 p 值，直观区分显著相关与不相关的参数
- 卡方独立性检验（X²）：对分类型数据进行卡方检验，判断 NG 与各参数分布的独立性
**功能对应截图** ：
图1 相关性分析鹰眼
## 2. 术语说明
| 术语 | 定义 | 说明 |
|------|------|------|
| 鹰眼 | Hawkeye，MES 系统中的 NG 相关性分析模块 | 属于数据中台的高级分析功能 |
| 生产批次 | Production Batch，一次完整的生产任务批次 | 分析的基本范围，所有分析数据均来自同一批次 |
| NG 代码 | NG Code，不良品分类编码 | 如"荷电保持率不合格"、"容量不合格"等，是分析的目标变量 |
| 工序 | Process，生产过程中的一个作业单元 | 如化成、分容、OCV 等，每个工序有多个结果参数 |
| 皮尔逊相关系数 | Pearson Correlation Coefficient (PCC)，衡量两个连续变量之间线性相关程度的指标 | 取值范围 -1 到 1，正值表示正相关，负值表示负相关，绝对值越大相关性越强 |
| p 值 | P-Value，统计学显著性检验的概率值 | p > 0.05 表示显著相关性 |
| 卡方检验 | Chi-Square Test (X²)，用于检验分类变量之间独立性的统计方法 | 检验 NG 与各参数分类分布是否存在关联 |
| 样本量 | Sample Size，参与分析的有效数据条数 | 样本量越大分析结果越可靠 |
| 相关/不相关 | Correlated/Not Correlated，基于 p 值的相关性判定结论 | p > 0.05 判定为存在显著相关性（蓝色），p ≤ 0.05 判定为无显著相关性（红色） |
| 火山图 | Volcano Plot，以散点图形式展示相关系数与 p 值关系的可视化图表 | X 轴为相关系数，Y 轴为 p 值 |
**相关性判定规则：**
| 判定结果 | p 值条件 | 颜色标识 | 含义 |
|---------|---------|---------|------|
| 存在显著相关性 | p > 0.05 | 蓝色 | NG 与该工艺参数存在统计学上的显著关联 |
| 无显著相关性 | p ≤ 0.05 | 红色 | NG 与该工艺参数之间不存在统计学上的显著关联 |
## 3. 鹰眼分析流程
### 3.1 分析流程说明
鹰眼的分析流程分为三步：选择生产批次 → 选择分析目标（工序 + NG 代码）→ 执行分析并查看结果。
```mermaid
flowchart LR
A[选择生产批次] --> B[选择NG工序]
B --> C[选择NG代码]
C --> D[点击分析]
D --> E[PCC皮尔逊相关性分析]
D --> F[X²卡方检验分析]
E --> G[火山图可视化]
F --> H[检验结果表格]
```
### 3.2 选择生产批次
**操作步骤：**
1. 进入【数据中台】→【鹰眼】
2. 在左侧【分析条件】面板中，从"生产批次"下拉列表选择需要分析的目标批次
3. 系统自动加载该批次的生产工艺信息
**字段说明：**
| 字段 | 说明 | 必填 |
|------|------|------|
| 生产批次 | 选择需要进行 NG 分析的批次号 | 是 |
**功能对应截图** ：
图1 选择生产批次
### 3.3 选择 NG 工序与 NG 代码
选择批次后，系统会自动加载该批次工艺流程中所有可记录 NG 的工序及其对应的 NG 代码。
**操作步骤：**
1. 选择生产批次后，在"工序"下拉列表中选择需要分析的工序
2. 系统自动加载该工序下所有可记录的 NG 代码
3. 在"NG 代码"下拉列表中选择具体的 NG 类型
**字段说明：**
| 字段 | 说明 | 必填 |
|------|------|------|
| 工序 | 需要分析的工序，如化成、分容、OCV 等 | 是 |
| NG 代码 | 该工序下需要分析的具体 NG 类型，如"荷电保持率不合格"等 | 是 |
**功能对应截图** ：
图1 选择工艺流程
图2 选择NG类别
### 3.4 执行分析
选择完毕后，点击【分析】按钮，系统执行以下分析：
1. 从该批次的 BKV 临时数据表中提取 NG 列和目标工序的结果参数数据
2. 对每个连续型结果参数计算皮尔逊相关系数（PCC）及 p 值
3. 对每个分类型结果参数进行卡方独立性检验（X²）
4. 汇总分析结果以图表和表格形式展示
**【注意】** 分析需要一定时间，数据量越大分析时间越长。如果分析区域无 NG 数据，系统会提示"没找到分析表格"。
## 4. 分析结果解读
分析结果分为上下两个区域，分别展示皮尔逊相关性分析（PCC）和卡方检验（X²）的结果。
**功能对应截图** ：
图1 分析结果总览
### 4.1 皮尔逊相关性分析（PCC）
皮尔逊相关性分析用于检验连续型的工艺结果参数（如电压、电流、温度等）与 NG 发生之间的线性相关程度。
**火山图展示：**
系统以火山图形式展示所有工艺参数与目标 NG 的皮尔逊相关系数（X 轴）和 p 值（Y 轴）。每个点代表一个工艺参数：
- 蓝色点：p > 0.05，该工艺参数与 NG 存在显著相关性
- 红色点：p ≤ 0.05，该工艺参数与 NG 无显著相关性
鼠标悬停在点上可查看该参数的详细信息（参数名称、相关系数、p 值）。
**右侧表格字段：**
| 字段 | 说明 |
|------|------|
| 工艺参数 | 参与分析的工艺结果参数名称，格式为"工序名称.参数名称" |
| 样本量 | 参与计算的有效数据条数 |
| 相关系数 | 皮尔逊相关系数 r 值 |
| p 值 | 显著性检验 p 值 |
| 相关性 | 判定结论，蓝色"显著"或红色"不显著" |
**功能对应截图** ：
图1 有无相关性结果
### 4.2 卡方独立性检验（X²）
卡方检验用于分析分类型结果参数与 NG 发生之间是否存在统计关联。
**表格字段：**
| 字段 | 说明 |
|------|------|
| 工艺参数 | 参与分析的工艺结果参数名称 |
| 样本量 | 参与计算的有效数据条数 |
| 卡方值 | 卡方统计量 X² 值 |
| p 值 | 显著性检验 p 值（支持科学计数法显示） |
| 相关性 | 判定结论，蓝色"显著"或红色"不显著" |
**【提示】** 卡方检验的 p 值列支持科学计数法展示，鼠标悬停在"p 值"表头上可查看说明。
**功能对应截图** ：
图1 卡方检验结果
### 4.3 无分析数据提示
如果某些工艺参数列中的数据完全相同或完全不相同（如全部为 0 或全部为同一值），系统无法对该列进行统计学分析，会在分析结果上方折叠面板中列出这些无法分析的参数名称。
## 6. 相关功能
| 功能 | 关系 | 说明 |
|------|------|------|
| 工艺模型 | 上游数据 | 工序单元、预设结果参数在工艺模型中配置，鹰眼分析基于这些参数定义进行 |
| 批次管理 | 上游数据 | 生产批次在批次管理模块中创建，鹰眼从批次中选择分析目标 |
| NG 管理 | 上游数据 | NG 代码类型在系统中统一维护，鹰眼加载可用的 NG 代码供分析选择 |
| 电池追溯 | 下游追溯 | 鹰眼发现显著相关的参数后，可通过电池追溯查看具体电池的工艺数据，进一步验证分析结论 |