工贸业库存动态预警问数垂类大模型语料数据

数据来源于质量检测数据，涵盖IQC来料检验、FQC过程检验、OQC出货检验等多阶别质量数据，包含检验阶别、送检数量、应抽数量、实抽数量、缺陷类型、风险等级等多维度核心字段。 通过对数据进行清洗、脱敏、结构化处理，构建"自然语言问数需求-SQL语句生成-执行结果输出"三元组语料体系，将质量管控人员的业务问句精准转换为可执行的SQL查询语句，覆盖缺陷统计、趋势分析、阈值判断、占比计算等核心问数场景。 该数据集解决工贸业企业质量管控中质量分析依赖专业SQL技能导致普通质检人员无法自主查询、多检验阶别（IQC/FQC/OQC）数据分散导致跨阶别对比困难、缺陷追溯与趋势分析响应慢影响异常及时处置等核心痛点，帮助质量管理人员从"依赖技术人员编写SQL"转向"自然语言自主查询"。 同时，该数据集可为工贸业领域的垂类大模型NL2SQL能力训练提供结构化语料支撑，推动行业从"人工编写SQL查询"向"自然语言智能问数"演进。该语料体系可横向复用至PCBA加工、半导体封装、汽车零部件制造等领域的质量管控场景。

搜集汇总

背景与挑战

背景概述

该数据集源于质量检测数据，整合IQC来料检验、FQC过程检验及OQC出货检验等多阶段信息，包含检验阶别、送检数量、抽检数量、缺陷类型与风险等级等关键字段。经数据清洗、脱敏和结构化处理后，构建“自然语言问数需求-SQL生成-执行结果”三元组语料，覆盖缺陷统计、趋势分析、阈值判断和占比计算等核心问数场景。该数据集有助于质检人员以自然语言自助查询，解决质量数据跨阶别对比难、异常追溯响应慢等痛点，并可为工贸业垂类大模型NL2SQL能力训练提供语料支撑，推动行业向自然语言智能问数演进，且相关语料可复用至PCBA加工、半导体封装及汽车零部件制造等质量管控场景。