|
|
9cf422ef0d
|
feat(plan): 计划详细面板 + 来料重量/外径/分卷重量 + 在线/生产中状态机 + 入口移动 + 上次模板回填
- backend: plan 增加 incoming_weight/incoming_od/split_weights(JSON) 字段及迁移
- backend: GET /plan/last-template 返回最近一条计划的工艺字段用于新增回填（多端共享）
- backend: PATCH /plan/{id}/start 设为 producing，强制单卷在产（其他 producing 回退 online）
- backend: 生成实绩时按卷号自动把对应计划状态置为 produced
- frontend: 新增计划默认状态 online；新增时调用 last-template 自动回填
- frontend: Plan 表格行点击展开 计划详细 面板（按截图布局）
- frontend: Plan 行操作增加「移动」（ready/online → producing）
- frontend: 物料跟踪页加 在线计划队列 + 入口移动按钮，显示当前生产中卷
- frontend: 计划弹窗新增 轧制模式/来料重量/来料外径/1-6#分卷重量
|
2026-06-21 23:42:22 +08:00 |
|
|
|
db3945c263
|
feat: 同步本地未提交的前后端更新（plan/quality/material/inspection/production 等模块）
|
2026-06-20 18:19:06 +08:00 |
|
|
|
970afe10b4
|
fix(auth): pin bcrypt==4.0.1 to fix passlib 1.7.4 incompat (login 500)
|
2026-06-18 23:08:30 +08:00 |
|
|
|
f5c59db92b
|
feat(prediction): 三层校准体系 + 按钢种分组 + 数据飞轮
1. 按钢种分组 K_cal：cal_coeffs.json 升级为嵌套结构，
{kcal: {model: {_default, Q235, ...}}, phys: {...}}，
旧平铺格式首次加载时自动迁移。
2. 物理参数自适应：EA_R/K0/N_CONC 按钢种网格拟合
(7×5×3=105 组合)，每次校准追加样本到
production_samples.jsonl，≥10 条后自动触发拟合。
3. 数据飞轮：新增 POST /retrain 端点，后台子进程跑
train_models.py --use-real-data 混入实绩重训
(10× 权重)，完成后 ONNX 热重载，无需重启服务。
新增端点：
GET /calibration/samples 样本数统计
GET /calibration/phys-params 物理参数查询
POST /calibration/fit-phys/{key} 手动触发物理参数拟合
POST /retrain 启动重训
GET /retrain/status 重训进度
模型类签名变更：
TensionModel / QualityPredictionModel 新增 steel_grade 参数
AcidConsumptionModel 新增 fe_conc_avg 参数
Co-Authored-By: Claude Opus 4.7 <noreply@anthropic.com>
|
2026-06-01 16:13:39 +08:00 |
|
|
|
b461f0d2f8
|
feat: 重构质量管理和设备巡检模块
质量管理: 由平铺记录改为任务制工作流(qc_task/qc_task_item/qc_defect三表)
设备巡检: 由点位+记录改为巡检模板制(eqp_checklist/item/record/detail四表)
前端: Quality.vue 支持任务列表+检验项详情+缺陷记录双Tab
前端: Inspection.vue 支持模板管理+项目维护+巡检记录+明细查看
Co-Authored-By: Claude Sonnet 4.6 <noreply@anthropic.com>
|
2026-05-28 16:29:02 +08:00 |
|
|
|
6ae24cb14d
|
Add PyTorch/ONNX prediction models with physics fallback
- Train 3 MLP networks (acid speed 14→1, tension 4→10, quality 6→2)
on 12,000 synthetic samples generated from physics models + noise
- Export pre-trained ONNX models to pt_models/ directory
- Rewrite prediction.py: ONNX inference first, physics fallback if unavailable
- Add onnxruntime + numpy to requirements.txt (Aliyun mirror for Docker)
- Use Tsinghua mirror in Dockerfile for pip installs
Co-Authored-By: Claude Sonnet 4.6 <noreply@anthropic.com>
|
2026-05-27 17:31:25 +08:00 |
|
|
|
62599b9c40
|
fix: quality.py 移除未定义的 _parse_dt 调用
|
2026-05-27 17:07:22 +08:00 |
|
|
|
193da0018f
|
feat: 移除PDI和订单号字段，新增设备巡检模块
- 从物料跟踪页面移除订单号列和表单字段
- 从导航菜单移除PDI管理，添加设备巡检
- 新增InspectionLocation和InspectionRecord后端模型和API
- 新增设备巡检前端页面（左侧点位列表，右侧设备和历史记录）
|
2026-05-27 16:38:40 +08:00 |
|
