工艺参数漂移 AI 诊断助手｜工业AI分析工具
这个工具解决什么问题
这类工具面向想让分析往前走一步、但不想从头搭环境的场景。
> 参数慢慢漂，等超规格时已经出了几十批 —— 用回归算出「还有多少批触限」。
输入数据格式
数据文件 process_params.csv，列顺序为：批号、日期、参数、实测值、下限、上限。
示例首行：B01,2026-09-01,温度,442.0,430.0,470.0
示例输出（真实运行结果节选）
============================================================================== 工艺参数漂移 AI 诊断报告 2026-10-07 23:00:29 ============================================================================== 一、漂移总览（按紧急度排序） ------------------------------------------------------------------------------ 参数 当前值 漂移/批 斜率t R² 距限余量 判定 流量 57.420 0.2799 56.94 0.994 -2.420 已越限 温度 458.720 0.8927 73.35 0.997 11.280 显著漂移且 30 批内触限 压力 2.010 0.0002 0.88 0.041 0.040 稳定（趋势不显著） （距限余量为负 = 当前值已在规格外；t 为斜率显著性检验统计量，|t| 大于临界值才算真漂移） 斜率 t 的临界值（5% 双尾，按各自自由度查表）：流量 2.10、温度 2.10、压力 2.10 二、逐参数明细 ------------------------------------------------------------------------------ ■ 流量 样本 20 批 ｜ 规格 45.000 ~ 55.000 ｜ 当前值 57.420 ｜ 均值 54.662 ｜ 标准差 1.6607 回归：每批变化 +0.2799（截距 51.722），R² = 0.994，t = 56.94（临界 2.10）→ 趋势显著 ⚠ 已越限批次：B13（55.360）、B14（55.780）、B15（55.832）、B16（56.392）、B17（56.316）、B18（56.808）、B19（56.920）、B20（57.420） 能力 Cpk（用整体标准差）= 0.07（低于 1.0，需整改） ■ 温度 样本 20 批 ｜ 规格 430.000 ~ 470.000 ｜ 当前值 458.720 ｜ 均值 450.
适用场景
· 每周工艺巡检、设备劣化跟踪、配方调整前的风险评估 · 别用配方补偿去追漂移：补偿用完那天会一次性跳变，反而更难查
怎么用
python process_drift_ai.py
首次运行会自动生成示例数据并输出完整报告。 把示例数据换成你自己的（保持列名一致）后重新运行即可。
方式二：环境变量
set DEEPSEEK_API_KEY=你的密钥 # Windows export DEEPSEEK_API_KEY=你的密钥 # Linux / macOS
方式三：命令行临时指定（不落盘，适合共用电脑）
python process_drift_ai.py --token 你的密钥
接口根地址与模型名也可用 DEEPSEEK_BASE_URL / DEEPSEEK_MODEL 覆盖， 换供应商时只改根地址即可 —— 请求体会话结构是 OpenAI 兼容格式。
输入数据
process_params.csv：批号 / 日期 / 参数 / 实测值 / 下限 / 上限（脚本自带 20 批三个参数示例）
输出内容
· 逐参数线性回归：每批漂移量、R²、斜率显著性 t 值与 5% 临界值（按自由度查表） · 按当前速率外推「还有多少批触上限/下限」，并列出已越限批次 · 能力 Cpk 与距限余量（负值 = 已在规格外） · AI 段：漂移定性（硬件劣化 / 耗材老化 / 控制回路）、调机顺序、风险窗口、验证判据
没有 Token 也能用（离线模式）
离线也能跑：斜率、显著性、外推批次与明细全部可用
配置 Token 后，报告里的 AI 段落会自动补全；调用失败时也不会中断， 本地计算部分照常输出，只是在报告里标注 AI 段失败原因。
依赖
无。仅使用 Python 标准库（urllib / json / csv / math / re 等）， 不需要 pip 安装任何包，Windows / Linux / macOS 均可运行。
可调参数与计算口径
脚本顶部集中了主要阈值与常量：DATA_CSV="process_params.csv"、REPORT_TXT="process_drift_report.txt"、USAGE_CSV="ai_usage_log.csv"、TEMPLATE_JSON="deepseek_config.json"、DEFAULT_BASE="https://api.deepseek.com"、DEFAULT_MODEL="deepseek-reasoner"。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：process_params.csv、process_drift_report.txt、ai_usage_log.csv、deepseek_config.json。
脚本里的主要处理步骤
t_crit()：5% 双尾 t 临界值（小样本查表，大样本退回 1.96）。gen_sample()：20 批示例。已知真值：
以上步骤在脚本中是分开的函数，可以单独调用或按需替换其中一段，不必整体重写。
工具中出现的字段与提示
- 5% 双尾 t 临界值（小样本查表，大样本退回 1.96）。
- 内置默认值
- 配置文件 %s
- 配置读取失败 %s：%s
- 环境变量 DEEPSEEK_API_KEY
- 输入token
- 输出token
- 合计token
- 估算费用
- 显著漂移且 30 批内触限
- 显著漂移但距触限尚远
- 稳定（趋势不显著）
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：process_drift_ai.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 6 列：批号、日期、参数、实测值、下限、上限。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。
跑完最该关注哪几项？
报告按 漂移诊断 等部分组织，其中判定结论与建议部分直接对应下一步动作。
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。
同分类的其它工具
所属分类 工业AI与智能分析工具包，也可回到 工具资源包下载页 按分类查找。
