import type { ReactNode } from 'react'; import { AlertTriangle, ChevronRight } from 'lucide-react'; import { useTheme } from '../../context/ThemeContext'; import type { ThemeTokens } from '../../context/ThemeContext'; import type { MetricLink, MetricNode } from '../../data/sqlite'; import { DEFECT_COLUMNS, DEFAULT_METRIC, METRICS, SEVERITY_WEIGHT, defectByProcess, defectPareto, driftRows, duplicateHits, masterModel, methodCompareRows, predictionRows, riskChecklistRows, riskPoints, rootCauseGroups, severityCount, watchList, type DetailTable, type QualityMetric, type Status, } from '../../lib/qualityMetrics'; import { abnormalModelsAt, cockpitTilesAt, coverageModelAt, doeModelAt, featureModelsAt, lineModelsAt, metricAt, overallDefectRateAt, radarModelAt, REPLAY_DETAIL_NOTE, stationModelsAt, trendModelAt, yieldPctAt, defectPctAt, } from '../../lib/replayQuality'; import { CURRENT_PERIOD, periodLabel } from '../../lib/oeeTime'; import { replayTag } from '../../lib/replay'; import { QAP_CALIBER, calc } from '../../data/qap'; import { alertKindLabel, type AlertKind } from '../../lib/qualityAlerts'; import { HBarChart, RadarChart, RiskMatrix, StackedBarChart, TrendChart, VBarChart } from './charts'; /** 保留给 App / 图谱 / 时间轴的旧指标树契约,六个可视化页签不再消费它 */ export interface ViewProps { selected: string; byCode: Map; flat: MetricNode[]; links: MetricLink[]; onSelect: (code: string) => void; } /** 可视化页签的契约:当前主体(品质指标编码)+ 下钻回调+全局回放游标 */ export interface VizProps { subject: string; onOpen: (code: string) => void; /** 0-11:2025-11 → 2026-10;11 为源表当期 */ period: number; } /** 期次标记:当期显示源表快照,历史期显示回放推算 */ function PeriodTag({ period }: { period: number }) { return ; } /* ══════════════════ 公共小块 ══════════════════ */ export const statusColor = (s: Status, tk: ThemeTokens): string => s === 'red' ? tk.danger : s === 'yellow' ? tk.warning : s === 'green' ? tk.success : tk.textMuted; const STATUS_LABEL: Record = { red: '红档', yellow: '黄档', green: '达标', na: '源表未设判定线' }; function StatusChip({ status }: { status: Status }) { const { tokens } = useTheme(); const c = statusColor(status, tokens); return ( {STATUS_LABEL[status]} ); } /** 源表快照标记:本页读数由数据集现算,与底部时间轴无关 */ function SnapshotTag({ label = '源表现算快照' }: { label?: string }) { const { tokens } = useTheme(); return ( {label} ); } export function Card({ title, right, children, tone, full }: { title: string; right?: ReactNode; children: ReactNode; tone?: string; full?: boolean; }) { const { tokens } = useTheme(); return (
{title} {right}
{children}
); } function Th({ children, right }: { children: ReactNode; right?: boolean }) { const { tokens } = useTheme(); return ( {children} ); } function Td({ children, right, mono, color }: { children: ReactNode; right?: boolean; mono?: boolean; color?: string }) { const { tokens } = useTheme(); return ( {children} ); } /** 一句口径说明,放在卡片底部,避免图上数字与原表口径各说各话 */ function Note({ children }: { children: ReactNode }) { const { tokens } = useTheme(); return
{children}
; } const cellText = (v: unknown) => (v === null || v === undefined || v === '' ? '—' : String(v)); /** * 明细表:列名里带「现算」的表头标出来,提醒这不是源表原有列; * focus 命中的行高亮,作为从柱子下钻过来的落点。 */ function DataTable({ table, max = 99 }: { table: DetailTable; max?: number }) { const { tokens } = useTheme(); const rows = table.rows.slice(0, max); return (
{table.columns.map(c => ( ))} {rows.map((r, i) => { const focused = !!table.focus && cellText(r[table.focus.column]) === table.focus.value; return ( {table.columns.map(c => { const raw = r[c]; const numeric = typeof raw === 'number'; return ( ); })} ); })}
{c} {c.includes('现算') && ◆}
{cellText(raw)}
{table.rows.length > rows.length && ( 共 {table.rows.length} 行,此处显示前 {rows.length} 行。 )}
); } /** 严重度 → 展示色(字典与检查表共用) */ const severityColor = (s: string, tk: ThemeTokens) => s === '致命' ? tk.danger : s === '严重' ? tk.warning : tk.info; /** 缺陷四类配色:与 DS-09 列序一致,堆叠条与图例复用 */ const DEFECT_COLORS = (tk: ThemeTokens) => [tk.accent, tk.danger, tk.warning, tk.info]; /* ══════════════════ 1. 全景驾驶舱 ══════════════════ */ /** 告警类型 → 品质指标脊里的对应读数,点关注清单就落到那张明细卡 */ const KIND_TO_METRIC: Record = { abnormal: 'ALERT-POOL', drift: 'DRIFT-CURD', bottleneck: 'LOAD-MAX', gap: 'STD-GAP', }; export function CockpitView({ onOpen, period }: VizProps) { const { tokens } = useTheme(); const radar = radarModelAt(period); const tiles = cockpitTilesAt(period); const watch = watchList(); const levelColor = (l: string) => (l === 'red' ? tokens.danger : l === 'orange' ? tokens.warning : tokens.info); return (
} tone={tokens.accent} > 六轴=DS-09 六类结构特征的综合良率(100 − 四类缺陷率之和,现算);虚线=基准轴 {radar.baselineLabel}。 多边形越瘪的那一角就是当下最该防的结构。
}>
{tiles.map((tile, i) => { const c = statusColor(tile.status, tokens); return ( ); })}
八块读数随底部回放同轴:当期取源表快照,历史期由 2026-10 快照按统一质量曲线回推,切换时点可见缺陷率、良率、负荷与告警量的时空迁移。 每块读数各自回到自己的数据集;点任意一块 → 「指标明细」页签看判定线、口径与源表明细。
}> {watch.map((a, i) => { const c = levelColor(a.level); return (
onOpen(KIND_TO_METRIC[a.kind])} className="ghost-btn" style={{ display: 'flex', alignItems: 'center', gap: 8, padding: '4px 6px', borderRadius: 6, cursor: 'pointer' }} > {alertKindLabel(a.kind)} {a.title} {a.subject} · {a.action} {a.metric.label} {a.metric.value} {a.owner || a.role} {i === 0 && TOP}
); })} 队列按「先分档再分类型」排:滞留天数、偏移率、负荷率三个量纲不跨类型硬比,避免排出假次序。
); } /** 雷达:良率刻度从 60% 起才看得出差异,直接 0 起会让六边形糊成一团 */ function RadarBlock({ radar, onOpen }: { radar: ReturnType; onOpen: (code: string) => void }) { const { tokens } = useTheme(); const min = 60; const scaled = radar.values.map(v => Math.max(0, ((v - min) / (100 - min)) * 100)); const compare = radar.compare.map(v => Math.max(0, ((v - min) / (100 - min)) * 100)); return (
六类特征综合良率 基准平板拼焊
{radar.axes.map((axis, i) => ( ))}
刻度自 {min}% 起放大差异;点任一轴签看该特征的四类缺陷拆分与样本数。
); } /* ══════════════════ 2. 趋势分析 ══════════════════ */ export function TrendView({ onOpen, period }: VizProps) { const { tokens } = useTheme(); const trend = trendModelAt(period); const main = trend.main; const singles = trend.all.filter(s => s.values.length === 1); return (
{main && ( }>
状态「{main.latestStatus}」· 处理动作「{main.latestAction}」
{period === CURRENT_PERIOD ? '' : `回放期 ${periodLabel(period)}:日期窗随游标平移到该月,偏移量与同步缺陷率按统一曲线回推。`} 五日实测 {main.values[0]} → {main.values[main.values.length - 1]}{main.unit},允差带({main.tolLow}–{main.tolHigh}),状态按回放后的偏移率重新判定。 偏移率 =(实测均值 − 标准值)÷ 标准值,现算 {main.driftLatest === null ? '—' : `${main.driftLatest.toFixed(2)}%`}。
)}
{main && ( }>
功率 −{Math.abs(main.values[0] - main.values[main.values.length - 1]).toFixed(1)}W 的同时缺陷率 {main.defects[0]}% → {main.defects[main.defects.length - 1]}%; 两条序列的皮尔逊相关系数 {trend.corr ?? '—'}
相关系数为负即「功率越低、缺陷越多」,这条曲线是把参数漂移翻译成质量后果的那一环。
)} c.n > 0).map(c => ({ label: c.label, value: c.n, color: c.label === '超差' ? tokens.danger : c.label === '预警' ? tokens.warning : c.label === '正常' ? tokens.success : tokens.info, display: `${c.n} 条`, }))} />
{singles.map(s => (
{s.device} {s.param} {s.values[0]}{s.unit} /标准 {s.stdText}{/^-?\d/.test(s.stdText) ? s.unit : ''} {s.latestStatus}
))}
{trend.sequenceCount} 条参数配到多日监控,其余 {singles.length} 条为单日快照;单日快照不构成趋势,列在下方明细表里。
偏移率现算 · 明细为源表 2026-10 当期}>
); } /* ══════════════════ 3. 结构动因 ══════════════════ */ export function StructureView({ onOpen, period }: VizProps) { const { tokens } = useTheme(); const feats = featureModelsAt(period); const pareto = defectPareto(); const causes = rootCauseGroups(); const dup = duplicateHits(); const doe = doeModelAt(period); const factors = [...doe.factors].sort((a, b) => b.spread - a.spread); /** 焊速是极差最弱那根:推荐组合与按极差挑出的最优水平不一致,要在文案里点明 */ const speed = doe.factors.find(f => f.column === '焊速(mm/s)') ?? factors[factors.length - 1]; const speedBest = speed.levels.reduce((bi, l, li) => (l.meanYield > speed.levels[bi].meanYield ? li : bi), 0); const sev = severityCount(); const byProcess = defectByProcess(); const colors = DEFECT_COLORS(tokens); return (
} > ({ key: f.code, label: f.label, total: f.defect, display: `${f.defect.toFixed(1)}%`, sub: `n=${f.samples.toLocaleString('en-US')}`, segs: f.parts.map((p, i) => ({ label: DEFECT_COLUMNS[i], value: p, color: colors[i] })), }))} onClick={code => onOpen(code)} /> {period === CURRENT_PERIOD ? '' : `${periodLabel(period)} 回放:四类缺陷率按统一质量曲线回推,条长仍由四段累加。`} 全厂样本加权综合不良率 {overallDefectRateAt(period, feats).toFixed(1)}%; 基准平板拼焊 {feats.find(f => /基准/.test(f.conclusion))?.defect.toFixed(1) ?? '—'}% 是这六类里最稳的一档。 点任意一条 → 该结构的明细与结论。 {/* Pareto 独占左列;右侧两张小卡上下堆叠,并把图表各拉高一点补齐到 Pareto 的高度 */}
}> ({ label: d.name, value: d.share, color: severityColor(d.severity, tokens), display: `${d.share.toFixed(1)}%`, sub: `累计${d.cum.toFixed(0)}%`, }))} />
{sev.map(s => ( ))}
占比取原表「近3月占比」列(比率 ×100),合计为字典内 11 个缺陷码之和,不是全数;累计列按降序现算。点档位药签看该档最高频缺陷码的明细。
({ label: p.label, value: p.share, color: tokens.accent, display: `${p.share.toFixed(1)}%`, sub: `${p.codes} 个码`, }))} /> 同一本字典按「所属工序」汇总,看得出不合格集中在哪一段工艺:焊接段码数最多。 重复拦截命中 {dup.length}/6}> ({ label: g.label, value: g.n, color: i === 0 ? tokens.danger : tokens.accent, display: `${g.n} 件`, sub: g.items.join(' '), }))} /> 拦截口径:相似度 > 0.85 判为重复问题(原表列值)。命中 {dup.length} 件里最高 {dup[0].相似度}({dup[0]['8D编号']}), 说明根因没有沉淀成标准,同一类问题在不同客户重复开单。
}>
({ label: `${f.label}(${f.unit})`, value: f.spread, color: i === 0 ? tokens.danger : tokens.accent, display: `${f.spread.toFixed(2)}pt`, sub: `${f.levels.length} 水平`, }))} /> 极差=该因子各水平均值良率的最高 − 最低,就是它对良率的动因强度;红色是最强那根。
{[0, 1, 2].map(i => )} {factors.map((f, i) => { const best = f.levels.reduce((bi, l, li) => (l.meanYield > f.levels[bi].meanYield ? li : bi), 0); return ( {f.levels.map(l => )} {f.levels.length < 3 && [0, 1, 2].slice(f.levels.length).map(k => )} ); })}
因子水平{i + 1}极差(pt)推荐
{f.label}{l.meanYield.toFixed(1)}—{f.spread.toFixed(2)} {f.levels[best].level}{f.unit}
三水平均值良率同表对照;最优组合落在试验 {doe.best.试验号}(综合良率 {yieldPctAt(+((calc.yieldRate(doe.best) || 0) * 100).toFixed(1), period).toFixed(1)}%, 功率 {doe.best['激光功率(W)']}W/保护气 {doe.best['保护气(L/min)']}L/焊速 {doe.best['焊速(mm/s)']}mm·s⁻¹), 最差试验 {doe.worst.试验号}({yieldPctAt(+((calc.yieldRate(doe.worst) || 0) * 100).toFixed(1), period).toFixed(1)}%,功率降到 {doe.worst['激光功率(W)']}W 时未焊透率抬到 {(doe.worst.未焊透率 * 100).toFixed(0)}%)。 原表「标记」列把试验 {doe.marked[0]?.试验号 ?? doe.best.试验号} 定为推荐组合。 有一处不一致要说清楚:按极差挑出的最优焊速是 {speed.levels[speedBest].level}mm/s,而推荐那组用的是 {doe.best['焊速(mm/s)']}mm/s—— 焊速极差只有 {speed.spread.toFixed(2)}pt,是四个因子里最弱的一根,落在试验 {doe.best.试验号} 的参数窗口内即可,不必为它另开一轮。
); } /* ══════════════════ 4. 工序 · 工位对比 ══════════════════ */ export function RegionView({ onOpen, period }: VizProps) { const { tokens } = useTheme(); const lines = lineModelsAt(period); const stations = stationModelsAt(period); const master = masterModel(); const methods = methodCompareRows(); const bottleneckStations = stations.filter(s => s.bottleneck !== '否'); /** DS-02 与 DS-14 对「最大瓶颈」各说各话:一个按标准工时最长,一个按负荷率最高 */ const slowest = stations.reduce((mi, s) => (s.hours > mi.hours ? s : mi), stations[0]); const busiest = lines.reduce((mi, l) => (l.load > mi.load ? l : mi), lines[0]); /** DS-10 是一张「对比项 × 三种方式」的横表,按指标名取出三根柱子(比率已在视图层 ×100) */ const methodSeries = (item: string) => { const row = methods.find(m => m.对比项 === item); const raw = [numCell(row?.手工氩弧焊), numCell(row?.机器人弧焊), numCell(row?.['激光焊(设备)'])]; if (/一次良率/.test(item)) return raw.map(v => yieldPctAt(v, period)); if (/未焊透率/.test(item)) return raw.map(v => +defectPctAt(v, period).toFixed(1)); return raw; }; return (
}> ({ label: l.label, value: l.load, color: statusColor(l.status, tokens), display: `${l.load.toFixed(1)}%`, sub: `WIP ${l.wip.toLocaleString('en-US')}`, }))} />
{lines.map(l => ( ))}
负荷率 = 需求节拍 ÷ 实际产能(现算)。需求节拍按订单口径折到班次: 月需求 {QAP_CALIBER.monthlyDemand.toLocaleString('en-US')} 件 ÷({QAP_CALIBER.workDays} 工作日 × {QAP_CALIBER.shifts} 班), 当前有 {lines.filter(l => l.load > 100).length} 道工序 >100%;档位沿用原表「预警」列(最大瓶颈/严重瓶颈红,超负荷黄)。 {period === CURRENT_PERIOD ? '' : ` 当前为 ${periodLabel(period)} 回放:负荷按年末放行的季节曲线回推。`}
{/* 两栏各自纵向堆叠,而不是按行对齐: 按行放时 DS-02 比 DS-10 矮 300px,左列会空出一大块; 改成一列「DS-02 + DS-01」对一列「DS-10」,卡片间距仍然一致,但不再留洞。 */}
}> s.process)} groups={[stations.map(s => s.rate)]} colors={[tokens.accent]} names={['产能达成率(班次产能 ÷ 理论产能,现算)']} />
{stations.map(s => ( ))}
理论产能 = ROUND(480 ÷ 标准工时)(现算)。{bottleneckStations.length} 个瓶颈工位全落在焊接段({bottleneckStations.map(s => s.process).join('/')}),与 DS-14 的负荷率红档同段互证。 两张表的「最大瓶颈」不同名,这里不强行统一:DS-02 按标准工时把 {slowest.station} {slowest.process}({slowest.hours} min/件)标为最大瓶颈, DS-14 按负荷率把 {busiest.label}({busiest.load.toFixed(1)}%)排为最大瓶颈——前者看单件耗时,后者看需求÷实际产能,两列各按源表原话显示。
({ label: `${m.label}(${m.items} 料号)`, value: m.annual, color: tokens.accent, display: m.annual.toLocaleString('en-US'), sub: `${m.welded} 涉焊`, }))} /> {/* 左列比右列矮一截,把留白换成四个源表读数:既能补齐高度,也把「共几个料号/机型」从文字里提出来 */}
{([ ['机型', `${master.models} 个`], ['料号', `${master.items} 个`], ['年用量', `${master.annual.toLocaleString('en-US')} 件`], ['涉焊料号', `${master.welded} 个`], ] as const).map(([k, v]) => (
{k}
{v}
))}
条长=年用量,右侧标该机型里涉焊接的料号数——特征码(材质 × 结构特征 × 工艺方法)就挂在这张表上。
}> 同料号 SRV2U-FANW-01、同批次板材对照;原表结论:设备化把一次良率抬 14~20pt(68.5 → 88.9%), 返修/补焊工时从 3.2 压到 0.6 min/件,换型时间反而从 5 涨到 15 min——柔性是小批量手工的强项,这张表也照着原表列全了代价。
); } /* ══════════════════ 5. 风险矩阵 ══════════════════ */ export function RiskView({ onOpen, period }: VizProps) { const { tokens } = useTheme(); const rp = riskPoints(); const maxCount = Math.max(...rp.map(r => r.count), 1); const items = rp.map(r => ({ label: r.label.length > 9 ? `${r.label.slice(0, 9)}…` : r.label, x: r.count / maxCount, y: SEVERITY_WEIGHT[r.severity] ?? 0.3, status: r.severity, color: severityColor(r.severity, tokens), })); const abn = abnormalModelsAt(period); /** 平均值只按未闭环那几单算:把已闭环的 11 天混进去会凭空抬高一倍 */ const openAbn = abn.filter(a => !a.closed); const overdueAbn = openAbn.filter(a => a.overdue); const avgOpenDwell = openAbn.length ? openAbn.reduce((s, a) => s + a.dwell, 0) / openAbn.length : 0; const cov = coverageModelAt(period); return (
}> 横轴直接取原表「历史发生次数」,纵轴用严重度做展示映射(致命 0.9/严重 0.6/一般 0.3)—— 这是坐标摆放,不是源表判定线。右上=高频且致命,是最该先补标准的那格。 同严重度的几点会挤在同一横线上,图里只把它们上下错开、标签让位,次数与严重度的读数以下方明细为准。 }> Number(a.closed) - Number(b.closed) || b.dwell - a.dwell).map(a => ({ label: `${a.order} ${a.defect}`, value: a.dwell, color: statusColor(a.status, tokens), display: `${a.dwell} 天`, sub: a.closed ? '已闭环' : a.escalation, }))} /> 滞留天数 = 回放基准日 {period === CURRENT_PERIOD ? QAP_CALIBER.warningPoolBaseDate : periodLabel(period) + '-16'} − 发生日(现算);原表口径超 3 天必须升级, 当前超期未闭环 {overdueAbn.length} 单({overdueAbn.map(a => `${a.order} ${a.dwell} 天`).join('、') || '无'}), 未闭环 {openAbn.length} 单平均滞留 {avgOpenDwell.toFixed(1)} 天(已闭环那单不计入)。 相似度按材质 × 板厚 × 结构特征 × 焊接方式加权;标「无相似件」的行就是模型盲区——高亮那行没有可比历史,预测区间为空,只能靠首件验证补。 }>
{cov.rate} % 覆盖率
{cov.pending.map(p => ( ))}
状态=「待 QE 确认」即标准缺口(原表口径),确认后转「已覆盖」;AI 提示直接引用相似件历史 8D,把 QE 段最依赖个人经验的那一步补上。 {period === CURRENT_PERIOD ? '' : ` ${periodLabel(period)} 回放:缺口数以源表待确认项为基数按质量曲线回推,下列明细仍为 2026-10 当期。`}
); } /* ══════════════════ 6. 指标明细 ══════════════════ */ export function DetailView({ subject, onOpen, period }: VizProps) { const { tokens } = useTheme(); const m: QualityMetric = metricAt(subject, period) ?? metricAt(DEFAULT_METRIC, period)!; const groups = [...new Set(METRICS.map(x => x.group))]; return (
{/* 指标脊导航:四组读数横排,点一个换主体 */}
{groups.map(g => (
{g}
{METRICS.filter(x => x.group === g).map(x => { const xm = metricAt(x.code, period) ?? x; const on = x.code === m.code; const c = statusColor(xm.status, tokens); return ( ); })}
))}
{/* Hero + 判定 */}
{m.name}
{m.value || '—'} {m.unit}
{m.code} {m.ds} {m.dsName} {period !== CURRENT_PERIOD && }
读数
{m.reading}
判定依据
{m.rule}
{/* 元信息 */}
{[ ['归属分组', m.group], ['责任角色', m.role], ['计算式', m.formula], ['数据集口径', m.caliber], ].map(([k, v]) => (
{k}
{v}
))}
带 ◆ 的列是现算,不在原表里}>
{METRICS.filter(x => x.group === m.group && x.code !== m.code).map(x => { const xm = metricAt(x.code, period) ?? x; return ( ); })}
全部读数只出自这本 Excel 的 16 个数据集;比率类字段按原表存小数、页面 ×100 展示,计算列一律现算。 {period === CURRENT_PERIOD ? '' : ` ${REPLAY_DETAIL_NOTE}`}
); } /* 局部小工具 */ function numCell(v: unknown): number { const n = Number(v); return Number.isFinite(n) ? n : 0; }