278 lines
13 KiB
Markdown
278 lines
13 KiB
Markdown
# batch_gxerp.py 批次统计计算规则
|
||
|
||
`apps/wpm/scripts/batch_gxerp.py` 用于按 **批次号 (batch)** 汇总该批次在各工序组下的生产/检验数据，写入 `BatchSt.data` (JSON)，同时维护 `first_time` / `last_time`。
|
||
|
||
---
|
||
|
||
## 一、入参与前置条件
|
||
|
||
| 参数 | 说明 |
|
||
| --- | --- |
|
||
| `batch` | 批次号 |
|
||
| `mgroup_obj` | 工序组对象（当前实现未直接使用，仅作为入口签名） |
|
||
|
||
- 必须存在 `BatchSt.objects.get(batch=batch, version=1)`，否则报错并退出。
|
||
- 遍历 `Mgroup.objects.all().order_by("sort")`，对每个工序组分别统计。
|
||
- 仅统计已提交且已出库的报工单：`mlog.submit_time__isnull=False` 且 `material_out__isnull=False`，并要求 `need_inout=True`。
|
||
|
||
---
|
||
|
||
## 二、字段命名约定
|
||
|
||
输出 JSON `data` 的 key 形式如下（`<G>` 代表工序组名）：
|
||
|
||
| Key 模式 | 含义 |
|
||
| --- | --- |
|
||
| `批次号` | 批次号 |
|
||
| `<G>_日期` | 该工序组所有报工日期，去重后 `;` 拼接 |
|
||
| `<G>_小日期` / `<G>_大日期` | 该工序组最早 / 最晚日期（`YYYY-MM-DD`） |
|
||
| `<G>_操作人` | 操作人姓名去重后 `;` 拼接 |
|
||
| `<G>_班次` | 班次名去重后 `;` 拼接 |
|
||
| `<G>_count_use` | 领用数（来自上游 `mlogb_from`） |
|
||
| `<G>_count_real` | 实际生产数 |
|
||
| `<G>_count_ok` | 合格数 |
|
||
| `<G>_count_notok` | 不合格数 |
|
||
| `<G>_count_ok_full` | 完全合格数 |
|
||
| `<G>_count_pn_jgqbl` | 加工前不良数（来自上游 `mlogb_from`） |
|
||
| `<G>_合格率` | 合格率（%） |
|
||
| `<G>_完全合格率` | 完全合格率（%） |
|
||
| `<G>_缺陷_<缺陷名>` | 该工序组的缺陷数量（按缺陷名汇总） |
|
||
| `<G>_缺陷_<缺陷名>_比例` | 缺陷数 / `count_real` × 100，单位 % |
|
||
| `<G>_加工前_缺陷_<缺陷名>` | 上游 `mlogb_from` 上的缺陷数量 |
|
||
| `<G>_加工前_缺陷_<缺陷名>_比例` | 加工前缺陷数 / `count_use` × 100，单位 % |
|
||
|
||
---
|
||
|
||
## 三、主流程：按工序组汇总（普通报工，`is_fix=False`）
|
||
|
||
数据源 `mlogb1_qs`：
|
||
|
||
```
|
||
Mlogb where mlog.submit_time IS NOT NULL
|
||
and material_out IS NOT NULL
|
||
and mlog.mgroup = <G>
|
||
and mlog.is_fix = False
|
||
and batch = <batch>
|
||
and need_inout = True
|
||
```
|
||
|
||
### 1. 累加规则
|
||
|
||
对每条 `Mlogb`：
|
||
|
||
| 字段 | 累加来源 |
|
||
| --- | --- |
|
||
| `count_use` | `mlogb_from.count_use`（上游报工子项；若无 `mlogb_from` 则跳过） |
|
||
| `count_pn_jgqbl` | `mlogb_from.count_pn_jgqbl` |
|
||
| `count_real` | 当前 `item.count_real` |
|
||
| `count_ok` | 当前 `item.count_ok` |
|
||
| `count_ok_full` | 当前 `item.count_ok_full or 0` |
|
||
| `count_notok` | 当前 `item.count_notok or 0` |
|
||
| `操作人` | `mlog.handle_user`（最终去重，按 `name` 拼接） |
|
||
| `日期` | `mlog.handle_date`（最终去重排序） |
|
||
| `班次` | `mlog.shift.name` |
|
||
|
||
并记录所有上游 `mlogb_from.id` 到 `mlogb_q_ids`，用于"加工前缺陷"统计。
|
||
|
||
### 2. 合格率计算
|
||
|
||
```
|
||
完全合格率 = round(count_ok_full / count_real * 100, 2)
|
||
合格率 = round(count_ok / count_real * 100, 2)
|
||
```
|
||
|
||
`decimal.InvalidOperation` 异常时（如分母为 0）记 `0`。
|
||
|
||
### 3. 缺陷统计
|
||
|
||
- 当前工序缺陷：`MlogbDefect.filter(mlogb__in=mlogb1_qs, count__gt=0).values('defect__name').annotate(total=Sum('count'))`
|
||
- `<G>_缺陷_<name>` = total
|
||
- `<G>_缺陷_<name>_比例` = `round(total / count_real * 100, 2)`
|
||
- 加工前（上游）缺陷：`MlogbDefect.filter(mlogb__id__in=mlogb_q_ids, count__gt=0)...`
|
||
- `<G>_加工前_缺陷_<name>` = total
|
||
- `<G>_加工前_缺陷_<name>_比例` = `round(total / count_use * 100, 2)`
|
||
|
||
### 4. 日期字段
|
||
|
||
```python
|
||
data[f"{G}_小日期"] = min(日期列表).strftime("%Y-%m-%d") # 最早日期
|
||
data[f"{G}_大日期"] = max(日期列表).strftime("%Y-%m-%d") # 最晚日期
|
||
```
|
||
|
||
最终 `<G>_日期` 被覆写为去重排序后的字符串（`;` 拼接）。
|
||
|
||
---
|
||
|
||
## 四、外观检验返修（`is_fix=True`）
|
||
|
||
数据源 `mlogb2_qs`：
|
||
|
||
```
|
||
Mlogb where mlog.submit_time IS NOT NULL
|
||
and material_out IS NOT NULL
|
||
and mlog.mgroup.name = '外观检验'
|
||
and mlog.is_fix = True
|
||
and batch = <batch>
|
||
and need_inout = True
|
||
```
|
||
|
||
输出字段：
|
||
|
||
| Key | 计算 |
|
||
| --- | --- |
|
||
| `外观检验_返修_日期` | 报工日期，去重 `;` 拼接 |
|
||
| `外观检验_返修_操作人` | 操作人姓名，去重 `;` 拼接 |
|
||
| `外观检验_返修_count_real` | Σ `count_real` |
|
||
| `外观检验_返修_count_ok` | Σ `count_ok` |
|
||
| `外观检验_返修_count_ok_full` | Σ `count_ok_full or 0` |
|
||
| `外观检验_返修_缺陷_<name>` | `MlogbDefect` 按缺陷名汇总 |
|
||
| `外观检验_返修_缺陷_<name>_比例` | `round(total / 外观检验_返修_count_real * 100, 2)` |
|
||
|
||
---
|
||
|
||
## 五、外观检验车间库存抽检
|
||
|
||
数据源 `ft_qs`：
|
||
|
||
```
|
||
FtestWork where type2 = TYPE2_SOME
|
||
and wm.mgroup.name = '外观检验'
|
||
and batch = <batch>
|
||
and submit_time IS NOT NULL
|
||
```
|
||
|
||
输出字段：
|
||
|
||
| Key | 计算 |
|
||
| --- | --- |
|
||
| `外观检验_车间库存抽检_日期` | `test_date` 去重 `;` 拼接 |
|
||
| `外观检验_车间库存抽检_操作人` | `test_user.name` 去重 `;` 拼接 |
|
||
| `外观检验_车间库存抽检_count_notok` | Σ `count_notok or 0` |
|
||
| `外观检验_车间库存抽检_缺陷_<name>` | `FtestworkDefect` 按缺陷名汇总（无比例字段） |
|
||
|
||
---
|
||
|
||
## 六、外观检验汇总指标（仅当存在 `外观检验_count_ok` 时计算）
|
||
|
||
| Key | 公式 |
|
||
| --- | --- |
|
||
| `外观检验_总合格数` | `外观检验_count_ok + 外观检验_返修_count_ok（默认0）` |
|
||
| `外观检验_总合格率` | `round(外观检验_总合格数 / 外观检验_count_real * 100, 2)` |
|
||
| `外观检验_完全总合格数` | `外观检验_count_ok_full + 外观检验_返修_count_ok_full（默认0）` |
|
||
| `外观检验_完全总合格率` | `round(外观检验_完全总合格数 / 外观检验_count_real * 100, 2)` |
|
||
| `外观检验_直通合格数` | `外观检验_总合格数 - 外观检验_车间库存抽检_count_notok（默认0）` |
|
||
|
||
### 直通合格率（依赖尺寸检验）
|
||
|
||
仅当 `尺寸检验_合格率` 存在时：
|
||
|
||
```
|
||
外观检验_直通合格率 = round(外观检验_总合格率 * 尺寸检验_合格率 / 100, 2)
|
||
外观检验_直通合格率2 = round(外观检验_直通合格数 / 尺寸检验_count_use * 100, 2)
|
||
```
|
||
|
||
仅当 `尺寸检验_完全合格率` 存在时：
|
||
|
||
```
|
||
外观检验_完全直通合格率 = round(外观检验_完全总合格率 * 尺寸检验_完全合格率 / 100, 2)
|
||
```
|
||
|
||
异常（`InvalidOperation` / `ZeroDivisionError`）回退为 `0`。
|
||
|
||
---
|
||
|
||
## 七、写回 BatchSt
|
||
|
||
1. `data` 经 `MyJSONEncoder` 序列化后回填 `batchst.data`。
|
||
2. 调 `get_f_l_date(data)`：扫描所有以 `_日期` 结尾的字段，按 `;` 拆开后逐个 `datetime.strptime("%Y-%m-%d")` 解析为 `date` 对象，再取最小/最大并转成上海时区的 `00:00:00` / `23:59:59`，得到 `first_time` / `last_time`。无法解析的片段会写日志并跳过。
|
||
3. 仅当现有 `first_time` 为空或新值更早时更新；`last_time` 反之。
|
||
4. 调用 `batchst.save()` 持久化。
|
||
|
||
---
|
||
|
||
## 八、关键依赖与字段含义速查
|
||
|
||
| 模型字段 | 中文释义 | 来源 |
|
||
| --- | --- | --- |
|
||
| `Mlogb.count_use` | 领用数 | 报工子项（来自 `mlogb_from`） |
|
||
| `Mlogb.count_real` | 实际生产数 | 报工子项 |
|
||
| `Mlogb.count_ok` | 合格数 | `count_real - count_notok` |
|
||
| `Mlogb.count_ok_full` | 完全合格数 | `count_real - count_notok_full` |
|
||
| `Mlogb.count_notok` | 不合格数 | 缺陷 `okcate=30` 求和 |
|
||
| `Mlogb.count_pn_jgqbl` | 加工前不良 | `MlogbDefect` 中加工前不良求和 |
|
||
| `Mlogb.need_inout` | 是否需出入库 | 仅 `True` 参与统计 |
|
||
| `Mlogb.mlogb_from` | 上游报工子项 | 用于追溯领用与加工前缺陷 |
|
||
|
||
---
|
||
|
||
## 九、已知潜在问题
|
||
|
||
1. **`mgroup_obj` 入参未使用**：当前实现忽略该参数，对所有 `Mgroup` 全量遍历。
|
||
|
||
---
|
||
|
||
## 十、大批直通良率（`main` 末尾自动触发）
|
||
|
||
### 定义
|
||
|
||
- **大批** = 拆出检验小批的那个批（如 `2605-BJ-0023`，退火后合批改名产生；外购半成品则为采购入库批）。由 `BatchLog` 拆合批关系确定，不依赖批次号命名和工艺路线。
|
||
- **直通良率** = 大批下所有子批次 `外观检验_直通合格数` 之和 ÷ 大批白料数（进炉前数量）× 100。
|
||
|
||
### 归属锁定（`BatchSt.zt_batch`）
|
||
|
||
批次统计完成后（`handle_zt`）：
|
||
|
||
1. 当前批 `data` 含 `尺寸检验_count_real` / `外观检验_count_real` 时解析归属（`resolve_zt_big`）：
|
||
- 唯一拆批来源（handover split）→ 该来源即大批；
|
||
- 合批复检批（如 `大批-A-1`）→ 所有合批来源归属同一大批时继承；不一致则记日志不归属；
|
||
- 无任何拆合批上游 → 自身即大批（未拆批直接检验、外购直检）。
|
||
2. 归属写入 `zt_batch`（锁定，已锁定的直接复用）；随后重算大批（`cal_zt_big`）。
|
||
3. 大批自身重算时（有子批 `zt_batch` 指向它）也会触发重算。
|
||
4. **提交时纯继承**（`services.inherit_zt_batch`）：拆批交接、报工改号提交时，目标批直接继承来源批已有的 `zt_batch`（来源料子集式流转，永远安全）；**合批不继承**——不良集中批（如 `黑检片-00`）等共享池会汇入多个大批的料，继承会造成错误归属，合批复检批（`-A-1`）的归属仍由统计侧"所有来源同大批"判定。已有归属冲突时不覆盖并记日志。
|
||
|
||
### 分子
|
||
|
||
`BatchSt.filter(zt_batch=大批)` 各批 `外观检验_直通合格数` 之和（+大批自身若有）。子批发现从大批侧沿拆批边/同大批合批边展开（`cal_zt_big`，支持 `-A-1` 复检批、多级拆分）。检验前合并的子批无检验数据，天然不重复计数。
|
||
|
||
### 分母（白料数，`_zt_white_count` 回溯）
|
||
|
||
从大批沿 `BatchLog` 向上回溯（限深 `ZT_MAX_DEPTH=12`，按路径防环，跳过合并回自身的整理性边）：
|
||
|
||
- **锚点**：批次存在锚点工段（`ZT_ANCHOR_MGROUPS=["黑化"]`）产出报工时停止，白料数 = 该批锚点工段 `mlogb_from.count_use`（进炉前领用数）。多次黑化的链取离大批最近的一次。
|
||
- **分摊**（`_zt_source_out_ratio`）：来源批有多条**生产主线**流出边（报工改号/拆批/汇入大批格式 `ZT_BIG_BATCH_RE` 的合批）时，按各去向数量占比分摊；汇入不良集中批（如 `黑检片-00`）的旁路不占白料份额，使炉后不良计入生产主线分母。单一去向全额传递。
|
||
- **边数量**：拆批取 `Handoverb(batch=目标批)`，合批取 `Handoverb(batch=来源批)`，报工改号取目标产出行的 `mlogb_from.count_use`；无明细时兜底整单数量。
|
||
- **外购兜底**：无上游谱系且由入库创建 → 白料数 = 入库数量（`MIOItem.count`），口径记 `入库数量`。
|
||
- **老数据兜底**（`_zt_white_legacy`）：BatchLog 上线前的批次无边，沿 `BatchSt.handover/mlog` 创建来源续上回溯，口径记 `谱系兜底`。
|
||
|
||
### 缓存与隔离
|
||
|
||
- 白料数算出后缓存在大批 `data`（含算不出的负缓存）；子批触发的重算直接复用、只重聚合分子。大批自身重算时 `data` 重建、缓存失效并重新回溯。上游补改报工后需大批重算或全量回刷才会刷新。
|
||
- 总合格数 > 白料数（如白料池循环整理导致回溯不全）→ `直通_良率` 置空并在口径标注 `谱系异常`，记错误日志（2026-06 抽样 120 个大批：116 正常 / 2 异常隔离 / 2 谱系断头不可得）。
|
||
|
||
### 输出字段（写入大批 `data`）
|
||
|
||
| Key | 含义 |
|
||
| --- | --- |
|
||
| `直通_子批次` | 归属本大批的子批号 `;` 拼接 |
|
||
| `直通_总合格数` | 分子 |
|
||
| `直通_白料数` | 分母（不可得为 null） |
|
||
| `直通_良率` | 百分比（不可得/异常为 null） |
|
||
| `直通_口径` | 白料来源口径：`黑化领用` / `入库数量` / `谱系兜底` 及异常标注 |
|
||
|
||
### 接口（`/wpm/batchst/`）
|
||
|
||
- 响应自带 `zt_batch`（所属大批号）；`?with_zt_big=yes` 时每行附 `zt_big` = 所属大批的完整 BatchSt（含 `直通_*`），自身即大批时为 null（直通字段就在本行 data 里）。
|
||
- 过滤：`?zt_batch=<大批号>` 查某大批全部子批；`with_source_near=yes` 仍可附 BatchLog 直接来源批。
|
||
|
||
### 部署
|
||
|
||
1. `python manage.py migrate wpm`（新增 `BatchSt.zt_batch`，迁移 `0133_batchst_zt_batch`）。
|
||
2. 历史回刷：`python scripts/correct_zt_gxerp.py [起始日期] [--fresh]`——只解析归属并重算各大批 `直通_*` 字段（每个大批仅算一次），不重建批次其他统计；`--fresh` 强制清缓存重新回溯白料。全量重建统计仍用 `scripts/correct_batchst.py`（其 `main` 末尾也会触发直通计算）。
|
||
|
||
## 十一、修订记录
|
||
|
||
- 修复 `小日期 / 大日期` 命名与含义反向，`小日期` 取最早日期、`大日期` 取最晚日期；同步修正 `batch_bxerp.py`、`batch_gzerp.py` 中所有同类字段。
|
||
- `get_f_l_date` 改为先 `datetime.strptime` 解析为 `date` 对象再比较，移除对字符串字典序的隐式依赖；非法日期片段记录日志后跳过。
|
||
- 所有合格率/直通率计算的兜底 `except` 同时捕获 `decimal.InvalidOperation` 与 `ZeroDivisionError`，以兼容 `Decimal` 与原生数值的除零场景；`batch_bxerp.py` 与 `batch_gzerp.py` 中仅捕获 `decimal.InvalidOperation` 的合格率分支也同步扩展。
|
||
- 新增大批直通良率统计（见第十节）：`BatchSt` 加 `zt_batch` 归属锁定字段，`main` 末尾自动解析归属并重算大批的 `直通_白料数 / 直通_总合格数 / 直通_良率 / 直通_口径`。
|