螺栓扭矩质量预测系统

数据采集：使用 Python 定时任务，每小时从生产 MySQL 数据库抽取螺栓拧紧记录和扭矩曲线明细，写入中间表。

特征工程：使用 NumPy、Pandas 清洗数据，提取曲线波动次数、掉底异常、拧紧状态和扭矩类别等业务特征。

训练数据：完成特征编码、归一化和统一训练数据集构建，保证训练与线上推理使用一致的数据处理流程。

模型训练：对比多种机器学习方法，并使用 TensorFlow 构建多层感知机，完成四类质量风险分级预测。

在线推理：模型部署后对小时级扭矩数据自动推理，输出质量风险类别和对应的异常记录。

预警闭环：筛选预测为 Risk 的记录，自动发送邮件给工程师，支撑异常追溯和质量闭环管理。