质量功能展开技能

QFD质量管理技能

任务目标

• 本Skill用于：系统性地将客户需求转化为产品设计规范和质量目标
• 能力包含：VOC分析、QFD流程指导、质量屋构建、权重计算、迭代优化
• 触发条件：用户提出产品质量规划、需求优先级排序、技术指标确定等需求

前置准备

• 依赖说明：numpy==1.24.0（数值计算）
• 输入文件准备：
  • VOC数据：JSON格式，包含客户需求列表及原始描述
  • 历史项目数据：CSV格式（可选），包含历史需求权重和技术实现结果

操作步骤

阶段一：VOC分析（智能体执行）

1. 需求收集

   • 引导用户列出所有客户声音（原始表述）
   • 识别需求类别：功能需求、性能需求、体验需求、服务需求
   • 避免需求重叠和矛盾

2. 需求结构化

   • 将模糊需求转化为可量化指标
   • 格式要求：见 references/hoq_template.md 的 VOC表格规范

3. 需求优先级排序

   • 评估维度：重要性、紧迫性、市场竞争力影响
   • 建议使用1-5分制评分

阶段二：质量屋构建（脚本执行）

1. 输入准备
   • 生成或用户提供需求列表和技术指标列表
   • 按以下JSON格式准备输入：

{
  "customer_requirements": [
    {"id": "CR1", "name": "易用性", "weight": 5, "category": "体验"},
    {"id": "CR2", "name": "可靠性", "weight": 4, "category": "功能"}
  ],
  "technical_requirements": [
    {"id": "TR1", "name": "响应时间", "unit": "ms"},
    {"id": "TR2", "name": "MTBF", "unit": "小时"}
  ]
}

1. 构建质量屋矩阵

   • 调用脚本：python scripts/qfd_matrix.py build --input voc_data.json --output hoq_matrix.json
   • 脚本输出：完整质量屋矩阵（含屋顶相关性矩阵）

2. 评估关系强度

   • 在生成矩阵中填写关系：强(9)、中(3)、弱(1)、无(0)
   • 或使用脚本自动生成模板：python scripts/qfd_matrix.py template --cr 5 --tr 8 --output template.json

3. 计算技术权重

   • 调用脚本：python scripts/qfd_matrix.py weight --matrix hoq_matrix.json --output weights.json
   • 输出：各技术指标的目标值和优先级排序

阶段三：数据分析与优化（脚本执行）

1. 历史数据参考分析

   • 准备CSV格式历史数据：python scripts/data_analysis.py analyze --history data.csv --current current_requirements.json
   • 输出：优先级调整建议、技术可行性评估

2. 迭代优化

   • 根据分析结果调整需求权重
   • 重新计算质量屋
   • 脚本支持增量更新：python scripts/qfd_matrix.py update --base hoq_matrix.json --changes changes.json

使用示例

示例1：新建QFD分析

• 场景/输入：用户需要为新产品的触摸屏功能进行质量规划
• 预期产出：完整质量屋矩阵、技术权重排序表
• 关键要点：先收集5-8条核心客户需求，再识别8-12个技术指标

示例2：优先级优化

• 场景/输入：用户已有初步质量屋，需根据历史项目数据优化
• 预期产出：调整后的需求权重、技术指标优先级
• 关键要点：历史数据需包含至少3个相关项目的完成数据

示例3：VOC分析指导

• 场景/输入：用户有大量客户反馈文本需转化为技术需求
• 预期产出：结构化的需求列表和技术指标映射
• 关键要点：智能体协助提取关键词并量化表达

资源索引

• 脚本：见 scripts/qfd_matrix.py（用途：质量屋矩阵构建、权重计算；参数：build/template/weight/update子命令）
• 脚本：见 scripts/data_analysis.py（用途：历史数据分析、优先级建议；参数：--history, --current, --output）
• 参考：见 references/hoq_template.md（何时读取：准备VOC数据或构建质量屋时）

注意事项

• 质量屋构建建议不超过12个技术指标，避免矩阵过于复杂
• 关系强度评估需结合业务专家判断，脚本仅做数值计算
• 迭代优化建议不超过3轮，避免过度优化导致失真
• 历史数据分析需确保数据质量和相关性

TRACE 测评