Root Cause Analysis

• 如果该供应商在其他SKU上也有大量不良 → 支持"供应商系统性问题"假设
• 如果其他SKU没问题 → 可能不是供应商问题，需考虑装配/设计因素

阶段4：NG 数据深层验证（按需）

11. 假设指向供应商来料 → 查 iqc_ng 表，按供应商过滤，看来料抽检不合格明细
12. 假设指向制程问题 → 查 pqc_ng 表，按 SN/SKU 过滤，看故障现象和维修记录
13. 假设指向出货质量 → 查 oqc_ng 表，按 SKU 过滤，看出货抽检判定

阶段5：综合归因

14. 汇总正向证据和反向验证结果，给出根因判定
15. 读取 knowledge/质量基线标准.md 对比指标
16. 给出改善建议

领域知识

• 复测OK（NTF）的业务规则（非常重要）：
  • 复测OK表示工厂测试未复现故障（NTF = No Trouble Found）
  • 复测OK的客退机，责任归属默认归智米，这是流程规则，不代表是智米的设计问题，仅表示排除了供应商和代工厂
  • 复测OK的客退机不需要填写不良原因和不良物料，字段为空是正常业务流程，不是追溯体系缺口
  • 分析时应区分复测OK和复测NG的数据，不要将复测OK的空值误判为数据缺失
• 关联键：sn_no 贯穿 return_data → sn_quality_data → sn_quality_key_material → maintain_consume_material
• supplier_name 从 sn_quality_key_material 关联到 supplier_quality_iqc 和 supplier_performance_comparison
• material_code 从 sn_quality_key_material 关联到 supplier_performance_comparison 做同物料多供应商对比
• defect_material、defect_material_supplier、defect_cause 字段可能包含多个值（逗号分隔），需拆分后统计
• defect_material_batch 仅存在于 return_data 表，是追溯批次问题的关键字段
• maintain_consume_material 记录维修实际更换的物料，是确认根因的强信号
• 当单一不良原因占比超过 40% 时，存在集中性不良，应重点追溯
• NG 数据可提供深层验证证据：
  • iqc_ng：嫌疑供应商的来料抽检不合格明细（检验时间、不合格数量、检验明细）
  • pqc_ng：嫌疑SN/SKU的制程维修记录（故障现象、故障原因、维修方法）
  • oqc_ng：嫌疑SKU的出货抽检不合格记录（判定结果、不合格处置）

推理模式参考

输出格式要求

一、问题概述

简述客退异常现象

二、不良集中度分析

展示 TOP 不良原因和 TOP 不良物料的占比

三、初步假设

列出1-2个根因假设及推理依据

四、正向追溯证据

物料追溯表格 + 供应商 IQC 数据 + 维修物料确认

五、反向验证结果

展示对比分析结果，逐个验证或排除假设：

• 跨SKU对比结果 → 支持/排除供应商假设
• 跨供应商对比结果 → 支持/排除物料设计假设
• 跨时间对比结果 → 判断突发/慢性

六、根因判定

用完整证据链输出，标注哪些假设被验证、哪些被排除：

初步假设：供应商A的XX物料有来料不良
正向证据：不良物料60%指向供应商A，IQC合格率仅92%
反向验证：供应商A在其他3个SKU上也有不良记录（跨SKU验证通过）
         同物料其他供应商无明显不良（跨供应商验证通过）
根因确认：供应商A的XX物料存在系统性来料不良

七、改善建议

紧急措施、短期措施、长期措施各1-2条