LPA审核技能

提供LPA分层审核全流程支持，包括知识库查询、标准清单生成、结果录入分析、报告汇总生成；当需要进行分层审核培训、执行审核任务、分析审核数据或制作审核报告时使用

Install

openclaw skills install @duding-engicool/skill-lpa-audit

LPA分层审核技能

任务目标

本技能用于：支持企业质量管理中的LPA（分层过程审核）全流程执行
能力包含：LPA知识体系查询、审核清单自动生成、审核结果分析处理、审核报告生成
触发条件：用户提及"分层审核"、"LPA"、"审核清单"、"审核报告"等场景

前置准备

依赖说明：jinja2==3.1.2（报告模板渲染）
输出路径：默认当前目录 ./output/
输入文件：审核结果数据需符合JSON格式（见references）

LPA基础知识

分层审核层级定义

层级	角色	审核频次	审核时长	覆盖范围
L1	班组长/操作员	每班次1-2次	10-15分钟	关键工序、标准作业
L2	线长/工段长	每天1次	20-30分钟	生产线关键控制点
L3	车间主任/主管	每周1-2次	30-45分钟	车间级重点区域
L4	部门经理	每月1-2次	1-2小时	部门全面审核

核心审核要素

人员：持证上岗、培训记录、技能等级
设备：点检状态、参数设定、模具工装
物料：来料标识、批次追溯、先进先出
方法：作业标准执行、工艺参数遵守
环境：5S状态、温度湿度、安全防护
测量：量具校准、检验记录、MSA分析

操作步骤

1. 生成审核清单

根据审核层级和审核范围生成标准化审核清单：

bash

python scripts/generate_checklist.py --level L2 --department "焊接车间" --output output/checklist_l2.json

参数说明：

--level: 审核层级（L1/L2/L3/L4）
--department: 被审核部门/产线名称
--output: 输出文件路径

输出格式： JSON结构化清单，包含检查项ID、名称、分类、检查标准、判定依据

2. 录入与分析审核结果

将审核发现录入系统并生成分析数据：

bash

python scripts/analyze_results.py --checklist output/checklist_l2.json --results data/audit_results.json --output output/analysis.json

参数说明：

--checklist: 使用清单文件路径
--results: 审核结果数据（JSON格式）
--output: 分析结果输出路径

输入数据格式要求：

json

{
  "audit_info": {
    "audit_id": "AUD-2024-001",
    "auditor": "张三",
    "audit_time": "2024-01-15 10:30:00",
    "level": "L2",
    "department": "焊接车间"
  },
  "findings": [
    {
      "item_id": "L2-EQP-001",
      "status": "pass/fail/na",
      "evidence": "现场照片路径或文字描述",
      "note": "备注说明"
    }
  ]
}

分析维度： 通过率、问题分布（按分类）、TOP问题排序、趋势对比

3. 生成审核报告

汇总多层级审核结果生成结构化报告：

bash

python scripts/generate_report.py --level L2 --period "2024-01" --data output/analysis.json --output output/L2_audit_report_2024-01.html

参数说明：

--level: 审核层级（L1/L2/L3/L4/all）
--period: 审核周期（YYYY-MM格式）
--data: 分析数据文件路径
--output: 报告输出路径（支持.html/.pdf/.docx）

报告结构： 执行摘要 → 分项数据 → 问题分析 → 改进建议 → 附件清单

使用示例

示例1：月度审核准备

场景：车间主任准备本月L3审核，需要生成标准清单
执行：python scripts/generate_checklist.py --level L3 --department "装配车间" --output checklist_l3.json
产出：包含35项检查项的标准化清单

示例2：审核数据分析

场景：质量工程师分析上周审核结果，识别TOP问题
执行：python scripts/analyze_results.py --checklist checklist.json --results weekly_results.json --output analysis.json
产出：问题分布统计、TOP3问题排序、通过率趋势

示例3：季度审核报告

场景：质量经理汇总Q1所有L2审核数据，制作汇报材料
执行：python scripts/generate_report.py --level L2 --period 2024-Q1 --data q1_data.json --output L2_Q1_report.html
产出：含图表的结构化HTML报告

资源索引

脚本:见 scripts/generate_checklist.py（生成标准化审核清单）
脚本:见 scripts/analyze_results.py（录入分析审核数据）
脚本:见 scripts/generate_report.py（生成结构化报告）
参考:见 references/lpa_standards.md（LPA标准体系知识库）
参考:见 references/audit_levels.md（各层级审核标准详情）
模板:见 assets/templates/report_template.html（报告HTML模板）

注意事项

首次使用建议先阅读 references/audit_levels.md 了解各层级审核重点
审核结果数据必须包含 audit_info 基本信息和 findings 检查项列表
报告模板支持HTML输出，可直接打印或转换为PDF
问题分类编码规则：EQP-设备、MAT-物料、MTH-方法、PPE-人员、ENV-环境、MSR-测量
变更记录：V1.1.0：完善 TRACE 五维度测评体系，补充触发条件、能力边界、异常处理与 TRACE 自评表

能力边界

适用场景：质量管理体系中涉及LPA分层审核技能的场景，需要生成标准化文档或分析
不适配场景：法律法规正式解释、专业认证替代、涉及人身安全的紧急决策
输入要求：需提供明确的参数和要求，脚本依赖需预先安装，Python 3.9+

异常处理

输入不完整：提示用户补充缺失的关键信息，列出必需字段，引导用户逐步完善输入
依赖缺失：检测依赖环境（Python库、系统工具），给出明确的安装指令和验证方法
执行失败：输出清晰的错误信息和可能的原因，提供降级方案（如无法生成 PNG 则输出 SVG）
结果验证：输出完成后提供校验方法，建议用户确认关键内容的准确性

TRACE 五维度自评

维度	得分	自评说明
Trust 信任度	8/10	SKILL.md 结构化清晰，描述完整，触发条件明确，使用者可信任输出质量
Reliability 可靠性	8/10	包含使用示例和注意事项，输出格式统一，有脚本支撑的可复现能力
Adaptability 适配性	7/10	适应多种相关输入场景，提供参数化配置和脚本支持
Convention 惯例性	8/10	遵循 SKILL.md 标准结构，frontmatter 完整，资源索引清晰
Effectiveness 有效性	8/10	端到端完成任务，脚本自动化提升执行效率
总分	39/50	基本合格