吹膜产品客户良品率分级评价与质量预警数据

适用于吹膜流延压延薄膜制造企业面向多客户持续供货的量产场景。整合原始数据，依托自主搭建的客户质量量化分级评估框架，输出客户质量分级标签，支撑客户质量横向对标、供应商准入评审、质检人力与检测频次动态调配三类管理工作。适用于多客户分批次供货的薄膜连续产线；需采集客户编号、生产批次、产量数据、成品质检记录、交付台账等企业内部生产经营数据；仅服务单一固定客户的专线产线不适用，使用主体为质量管控、生产计划、供应商管理岗位。解决传统管理模式下不同客户供货质量差异无法量化可视化、单客户内部多批次波动缺少统一衡量标准、质检人力与检测频次盲目分配造成资源浪费三大管理难题。核心数据加工能力：以自研CV\_batch变异系数计算规则衡量同一客户不同批次产量稳定性（CV数值越小代表客户供货一致性越高），依托量化指标将客户划分为优级、良级两类标准化等级，形成可在薄膜行业复用的客户质量分级与质检资源调配量化体系，分级结果直接落地生产与质检执行。生成分级配套标准化管控方案；应用价值：精准区分客户质量水平，减少无效质检投入，降低批次质量异常带来的客户投诉风险，统一客户准入与质量对标判定标准，实现质检资源精细化最优配置（一）数据采集数据来源于企业生产质检系统的日度产量与质量记录，为自行采集产生的吹膜产线批次生产数据，提取数据字段包括：日期、产品名称、客户名称（编号）、吹膜批号、良品数、不良品数。 （二）处理规则：数据预处理：以Python Pandas剔除吹膜批号为空或良品数为0的无效记录；批号聚合：以Python Pandas groupby按吹膜批号分组，对组内良品数求和得批号产量(kg)，对不良品数求和得批号不良品总量，批次良品率=良品数÷(良品数+不良品数)×100，保留两位小数；客户维度聚合：以Python Pandas groupby按客户名称（编号）分组，综合良品率=该客户所有批次的良品总量÷(良品总量+不良品总量)×100，保留两位小数；批号产量变异系数：以Python Pandas按客户分组，CV_batch=该客户所有批号产量的标准差÷该客户批号产量均值×100，保留两位小数。当客户仅1个批号时，CV_batch=0；分级判定：优级（免检级）：综合良品率≥99.5%且CV_batch≤10%，良级（维持级）：综合良品率≥95%或CV_batch≤30%（注：当所有客户均为优级或良级时，本数据集不包含更低等级）分级配套标准化管控方案（1）优级客户：降低常规质检抽检频次，排产环节给予优先安排；（2）良级客户：按月开展客户供货质量复核，针对波动批次推动工艺持续改善。

搜集汇总

背景与挑战

背景概述

该数据集面向吹膜流延压延薄膜制造企业，整合客户编号、生产批次、产量及质检记录等内部数据，基于自研的客户质量量化分级框架，通过计算综合良品率和批号产量变异系数（CV_batch），将客户划分为优级（免检级）和良级（维持级）两类标准等级，并配套生成差异化的质检与生产管控方案。数据集包含1171条记录，旨在解决多客户供货质量差异无法量化、批次波动缺乏统一衡量标准以及质检资源分配不均等问题，支撑客户质量对标、供应商准入评审及质检资源动态调配等应用场景。