趋势与突变点检测器｜工业AI分析工具
这个工具解决什么问题
过拟合的典型症状是训练集完美、验证集平庸。这工具会同时给出两边指标。
> 分清「慢慢漂移」和「某天跳了一台阶」——趋势要改机理，突变要查那天发生了什么。
输入数据格式
数据文件 trend_series.csv，列顺序为：日期、指标值。
示例首行：2026-07-01,99.629
示例输出（真实运行结果节选）
趋势与突变点检测报告 序列长度 90（2026-07-01 ~ 2026-09-28） ====================================================================== 一、Mann-Kendall 趋势检验（非参数，不要求正态分布） ---------------------------------------------------------------------- 统计量 S = 2097，标准化 Z = 7.305，双侧 p = 0.0000 结论：趋势极显著（p < 0.01），方向：上升。 二、Pettitt 突变点检验（定位阶跃） ---------------------------------------------------------------------- 突变点：自第 61 个数据点起（2026-08-30）水平改变，统计量 K = 1800，近似 p = 0.0000 结论：突变极显著（p < 0.01）——存在真实的水平跃迁。 三、突变前后分段统计 ---------------------------------------------------------------------- 突变前（2026-07-01 ~ 2026-08-29，60 点）：均值 99.984，标准差 0.318 突变后（2026-08-30 ~ 2026-09-28，30 点）：均值 102.859，标准差 0.381 水平差异 +2.875（35.59 倍分段标准误），相对变化 +2.88% 突变后段漂移速度：0.0225 / 天（近 30 点最小二乘斜率） 四、结论与建议 ---------------------------------------------------------------------- 1. 本序列是「阶跃 + 缓慢漂移」叠加形态：2026-08-30 起水平直接抬高 2.875，之后每天继续 +0.0225。趋势检验的显著性掩盖了突变——只看趋势会判断错处理方向。 2. 阶跃必须先查「2026-08-30 那天发生了什么」：换料批次、换设备、程序/配方下发、工程师手动调整、量测机台更换。 3. 漂移（+0.0225/天 折合每月 +0.68）属于渐变机理问题，按趋势项做长期整改。 4. 提醒：突变点位置依赖单序列，建议与设备履历、物料批次表交叉验证后再定性。
适用场景
· 工艺工程师、良率分析、设备履历复盘 · 别只看趋势显著性就下结论——阶跃会被趋势掩盖，处理方向完全不同
怎么用
python trend_changepoint.py
首次运行会自动生成示例数据并输出一份完整报告； 把示例 CSV 换成你自己的数据（保持列名一致）后重新运行即可。
输入数据
trend_series.csv：日期 / 指标值（脚本自带 90 天示例，含阶跃 + 漂移）
输出内容
· Mann-Kendall 非参数趋势检验（S、Z、p 值，不要求正态分布） · Pettitt 突变点检验（定位第几个点开始变level，含近似 p 值） · 突变前后分段均值/标准差、水平差异、突变后段漂移速度
依赖
无。仅使用 Python 标准库（csv / math / os / datetime 等）， 不需要 pip 安装任何包，Windows / Linux / macOS 均可运行。
实用提示
· 报告里的判读阈值都写在脚本顶部常量区，可按自己厂内标准调整。 · 建议按周/按月滚动运行，看趋势比看单次结果更有意义。 · 换数据时保持 CSV 列名不变，脚本无需改动即可复用。
可调参数与计算口径
脚本顶部集中了主要阈值与常量：CSV_NAME="trend_series.csv"、REPORT_NAME="trend_changepoint_report.txt"、START_DATE=date(2026, 7, 1)。改完直接重跑即可，不必改动计算逻辑。
会生成哪些文件
运行后除控制台输出外，还会生成：trend_series.csv、trend_changepoint_report.txt。
工具中出现的字段与提示
- 趋势与突变点检测报告
- 序列长度 %d（%s ~ %s）
- 一、Mann-Kendall 趋势检验（非参数，不要求正态分布）
- 统计量 S = %d，标准化 Z = %.3f，双侧 p = %.4f
- 趋势极显著（p < 0.01）
- 趋势显著（p < 0.05）
- 趋势不显著（p ≥ 0.05）
- 结论：%s，方向：%s。
- 二、Pettitt 突变点检验（定位阶跃）
- 结论：突变极显著（p < 0.01）——存在真实的水平跃迁。
- 结论：突变显著（p < 0.05）。
- 结论：未检出显著突变点。
- 三、突变前后分段统计
- 突变前（%s ~ %s，%d 点）：均值 %.3f，标准差 %.3f
- 突变后（%s ~ %s，%d 点）：均值 %.3f，标准差 %.3f
- 水平差异 %+.3f（%.2f 倍分段标准误），相对变化 %+.2f%%
- 突变后段漂移速度：%.4f / 天（近 30 点最小二乘斜率）
- 四、结论与建议
其余字段以界面与示例报告为准。
下载与文件清单
压缩包内包含：主程序脚本、示例数据文件、示例输出报告、中文说明文档，以及同主题 AI 提示词一套。解压后按说明运行即可，示例数据可直接试跑。
主程序文件：trend_changepoint.py。
本站工具免费下载，无需注册。工具为 Python 脚本，Python 3.8 及以上环境可直接运行，核心功能尽量不依赖第三方库。
常见问题
输入数据要准备成什么样？
按 示例首行中的列顺序准备即可，共 2 列：日期、指标值。列为空或格式不符时结果会失真，建议先用示例数据试跑一遍。
阈值可以改成我们自己的标准吗？
可以，脚本顶部已把主要阈值与常量集中声明，按自己产线的标准修改后重跑即可，不需要改计算逻辑。
附赠的提示词怎么用？
把提示词与自己的数据一起交给大模型，可以让它按同一套口径帮你改写分析流程或扩展报告字段。
示例数据能直接跑吗？
可以。示例数据与主程序在同一压缩包内，解压后直接运行即可看到完整输出，确认无误再替换成自己的台账。
同分类的其它工具
本工具归在 工业AI与智能分析工具包，全部工具见 工具资源包下载页。
