挤出机数据分析模块开发计划

项目概述

基于现有分拣磅秤数据分析系统，开发一个独立的挤出机数据分析模块，用于分析public.aics_extruder_data数据表中的生产数据，实现换批分析、参数趋势展示和异常报警等功能。

技术实现计划

1. 项目结构设计

新增文件：
- app/services/extruder_service.py：挤出机数据处理服务
- app/dashboard/extruder_dashboard.py：挤出机仪表盘
- 修改 dashboard.py：添加挤出机模块入口

2. 数据服务实现

开发文件：app/services/extruder_service.py

实现功能：
- get_extruder_data：从数据库查询挤出机数据
- detect_batch_changes：基于SPEC编号变更检测换批事件
- calculate_batch_duration：计算每个批次的持续时长
- calculate_batch_production：统计各批次的生产数量
- analyze_parameter_trends：分析参数变化趋势
- detect_anomalies：检测数据异常

3. 可视化仪表盘开发

开发文件：app/dashboard/extruder_dashboard.py

实现功能：
- 时间范围选择器
- SPEC编号筛选器
- 时间序列图表（螺杆转速、电流、压力、重量）
- 换批事件标记
- 批次分析表格
- 数据导出功能
- 异常报警显示

4. 系统集成

修改文件：dashboard.py

实现功能：
- 添加挤出机模块导航
- 保持与现有分拣磅秤模块一致的设计风格
- 实现模块间的无缝切换

核心功能实现

1. 换批分析算法

• 基于spec_name字段的变更检测换批事件
• 计算每次换批的开始时间、结束时间及持续时长
• 统计各批次的生产数量（基于metered_weight）
• 建立SPEC编号与产量的对应关系

2. 数据可视化

• 使用Plotly创建交互式时间序列图表
• 实现多参数叠加显示
• 添加换批事件的可视化标记
• 支持图表缩放和数据钻取

3. 异常检测

• 基于compound_ratio、die_ratio等字段检测比对不匹配项
• 突出显示异常数据
• 提供异常统计和分析

4. 性能优化

• 实现数据缓存机制
• 优化数据库查询
• 支持3个月历史数据的高效查询

开发步骤

1. 创建项目结构：建立挤出机模块的文件结构
2. 实现数据服务：开发挤出机数据处理服务
3. 开发仪表盘：创建挤出机数据分析仪表盘
4. 系统集成：将新模块集成到现有系统
5. 功能测试：测试各功能模块的正确性
6. 性能优化：确保系统响应迅速
7. 文档完善：添加模块说明和使用指南

预期成果

• 功能完整的挤出机数据分析模块
• 精确的换批分析和产量统计
• 直观的参数趋势可视化
• 与现有系统一致的用户体验
• 高性能的数据处理和查询能力