現状の課題構造:
├── 実装データ (YASM系テーブル)  ← 基盤SN情報
├── 組立データ (NAABA系テーブル)  ← 製品ラベル
├── 検査データ (N0ABC系テーブル)  ← 検査結果
├── 梱包データ (ZKONPO)           ← 箱番号・梱包順序
├── 倉入れデータ (ZKURAIRE)       ← パレット番号
└── 出荷データ (ZSYUKKA)          ← 出荷状況
    → これらを手動で追跡する必要がある

製造トレーサビリティシステム（統合検索プラットフォーム）
└── 製造番号（M_SERIAL）またはロット番号（S_SERIAL03）で検索
    ├── 親→子検索: 製品から部品・工程履歴を追跡
    │   ├── 実装工程（YASM04基盤SN）
    │   ├── 組立工程（製品ラベル）
    │   ├── 検査工程（検査結果）
    │   └── 出荷工程（箱番号・出荷日）
    │
    ├── 子→親検索: 部品ロットから製品を逆引き
    │   ├── 実装モード: 基盤SNから製品を特定
    │   ├── 組立モード: 部品PNから組立製品を特定
    │   └── 9ステップ自動検索で出荷状況まで判定
    │
    ├── 変化点調査: タイムライン・ロット・トラブル分析
    │   ├── 生産タイムライングラフ
    │   ├── ロット別集計テーブル
    │   └── 工程別NG発生状況
    │
    └── 生産モニタリング: リアルタイム品質監視
        ├── 検査項目の時系列グラフ
        ├── 類似パターン検索（DTW）
        └── AI異常検知（Autoencoder）

┌──────────────┐    ┌──────────────┐    ┌──────────────┐    ┌──────────────┐
│ ユーザー入力  │ ─→ │ 検索エンジン  │ ─→ │ データ分析    │ ─→ │ 結果表示      │
│ 製造番号     │    │ 5ステップ検索 │    │ 工程分類      │    │ テーブル      │
│ ロット番号   │    │ 9ステップ検索 │    │ 翻訳辞書適用  │    │ グラフ        │
│ 機種名       │    │ 並行処理      │    │ AI分析        │    │ CSV出力       │
└──────────────┘    └──────────────┘    └──────────────┘    └──────────────┘
        ↓                   ↓                   ↓                   ↓
    入力画面          バックグラウンド        キャッシュ          レスポンシブUI
   (Bootstrap)        (ThreadPool)          (Memcached)         (Chart.js)

入力: M_SERIAL = S82202000403
  ↓
処理: 5ステップ検索アルゴリズム
  ステップ1: 初回検索（M_SERIALで基本検索）
  ステップ2: 関連データ検索（S_SERIAL00をM_SERIALとして検索）
  ステップ2.5: 20桁シリアル検索（基盤データ取得）
  ステップ3: S_SERIAL00検索（逆方向の関連データ）
  ステップ4: S_SERIAL02検索（最終関連データ）
  ↓
出力: 全工程データを分類表示
  ├── 組立系データ (NAABA010, NBABA010...)
  ├── 検査系データ (N0ABC010, WCGBC010...)
  ├── 梱包系データ (ZKONPO, ZKURAIRE, ZSYUKKA)
  ├── 実装/その他データ
  └── YASM04基盤SN情報（C面/S面別）

入力: lot_number = LOT12345
  ↓
処理: 9ステップ検索アルゴリズム
  ステップ④: 絞り込み検索（ロット+YASM系優先）
  ステップ⑤: C面・S面分類
  ステップ⑥: 組立系データ検索
  ステップ⑦: 製品ラベル検索（場合分け1/2）
  ステップ⑧: 箱番号検索（ZKONPO）
  ステップ⑨: 出荷状況検索（優先順位判定）
    1. ZSYUKKA → 出荷済み（出荷日表示）
    2. ZKURAIRE → 倉入れ済み
    3. 箱あり → 梱包中
    4. 箱なし → 組立中
  ↓
出力: 製品ラベル / 箱番号 / 出荷状況

入力: 検索結果の選択アイテム
  ↓
処理: 3軸分析
  ├── タイムライン分析: 時系列の生産タイミング・シフト判定
  ├── ロット分析: ロット変化点検出・ロット別集計
  └── トラブル分析: 工程別NG発生状況・類似パターン検索
  ↓
出力: 
  ├── タイムライングラフ（Chart.js）
  ├── ロット集計テーブル（HTML）
  └── トラブルグラフ（棒グラフ）

入力: 工程・検査項目・期間
  ↓
処理: AI/ML分析
  ├── 時系列データ取得（5000件以下: フル、超過: サンプリング）
  ├── DTW（Dynamic Time Warping）による類似パターン検索
  └── Autoencoder（ニューラルネットワーク）による特徴抽出
  ↓
出力:
  ├── 検査項目グラフ（上限値・下限値表示）
  ├── 類似パターンランキング（トラブル履歴付き）
  └── リスクアセスメント（LOW/MEDIUM/HIGH）

入力: 製造番号 or ロット番号（通常モードと同じ）
  ↓
処理: カテゴリ別分類ロジック
  ├── 動的フィルタリング
  │   ├── ライン候補取得（get_line_candidates）
  │   ├── 工程候補取得（get_process_candidates）
  │   └── 部品候補取得（get_parts_candidates）
  │
  ├── 工程の細分化分類
  │   ├── 組立A系（NAプレフィックス）
  │   ├── 組立B系（NBプレフィックス）
  │   ├── 検査系（N0プレフィックス）
  │   ├── 実装系（YASMプレフィックス）
  │   └── 梱包・出荷系（ZKONPOなど）
  │
  └── KJSA特殊工程対応
  ↓
出力: カテゴリ別に詳細分類された検索結果
  └── フィルター条件の動的更新が可能

SnowflakeConnectionManager（シングルトンパターン）
├── 接続プーリング
├── タイムアウト制御（300秒）
├── 接続有効期限管理（3時間）
└── 自動再接続（リトライ機能）

# 認証エラー、タイムアウトエラーを自動リトライ
fetch_snowflake_rows_with_retry(sql, params, 
                               timeout_seconds=300, 
                               max_retries=3)

レベル1: マスター翻訳辞書（TTL: 30分）
  └── STA_NO1 → 工場名、STA_NO2 → ライン名

レベル2: 検索結果（TTL: 20分）
  └── task_id別の検索結果、複数検索のグループ化結果

レベル3: 進捗情報（TTL: 10分）
  └── バックグラウンドジョブの進捗状況

[ERPシステム]          [PLMシステム]          [IoT機器]
    （生産計画・在庫）      （設計情報・BOM）     （設備稼働データ）
           ↓                     ↓                     ↓
      REST API              REST API              MQTT/HTTP
           ↓                     ↓                     ↓
    ┌──────────────────────────────────────────────────────┐
    │       製造トレーサビリティシステム（Django）          │
    │  ┌────────────────────────────────────────────────┐  │
    │  │  統合検索エンジン                              │  │
    │  │  ├── 親→子検索（5ステップ）                   │  │
    │  │  ├── 子→親検索（9ステップ）                   │  │
    │  │  ├── 変化点調査                                │  │
    │  │  └── 生産モニタリング（AI/ML）                 │  │
    │  └────────────────────────────────────────────────┘  │
    │                           ↓                            │
    │  ┌────────────────────────────────────────────────┐  │
    │  │  Snowflake クラウドDWH                         │  │
    │  │  └── 製造・検査・出荷データ（過去2年分）       │  │
    │  └────────────────────────────────────────────────┘  │
    └──────────────────────────────────────────────────────┘
                           ↓
                   ┌──────────────┐
                   │  ユーザー     │
                   │ （Web UI）    │
                   └──────────────┘

┌──────────────────────────┐
  │ 品質異常・不具合発生     │
  └────────┬─────────────────┘
           ↓
  ┌──────────────────────────┐
  │ システムに製造番号を入力  │
  └────────┬─────────────────┘
           ↓
  ┌─────────┐ ┌─────────┐ ┌─────────┐
  │ 全工程  │ │ 影響範囲 │ │ 類似事例│  ← すべて瞬時にアクセス可能
  │ 履歴    │ │ 特定     │ │ 検索    │
  └─────────┘ └─────────┘ └─────────┘

Phase 1: コア検索機能 [DONE]     Phase 2: 拡張機能 [NEXT]          Phase 3: AI高度化 [FUTURE]
───────────────────────────      ───────────────────────────      ───────────────────────────
✓ 親→子検索（5ステップ）         □ ユーザー権限管理               □ 予測分析機能
✓ 子→親検索（9ステップ）         □ 検索履歴保存機能強化           □ リアルタイム監視
✓ 検査項目検索                   □ グラフのインタラクティブ操作   □ 自動レポート生成
✓ 出荷サーチ                     □ モバイル対応                   □ ERP/PLM連携API
✓ 変化点調査                     □ 機械学習モデル精度向上         □ IoT機器連携
✓ 生産モニタリング（基本）       □ リアルタイム監視機能           □ 異常予測アラート
✓ AI基盤（Autoencoder/DTW）      □ 他システムAPI連携              □ デジタルツイン化
✓ CSV出力                        □ バッチ検索機能強化             □ 音声入力対応
✓ 複数検索                       □ ダッシュボード機能             □ AR活用（現場支援）
✓ 進捗管理・非同期処理           □ パフォーマンス最適化           □ 全社横断データ統合

# 3階層キャッシュ（TTL: 10分～30分）
cache_key = f"translation_{table_name}_{code_col}_{name_col}"
cache.set(cache_key, result, 1800)  # 30分

# ThreadPoolExecutorで最大4スレッド並行検索
with ThreadPoolExecutor(max_workers=4) as executor:
    futures = {executor.submit(search_func, inp): inp for inp in inputs}

# 5000件超過時は100ポイントにサンプリング
if len(data) > 5000:
    sampled_data = sample_pattern_data(data, target_points=100)

# 時系列データの類似度計算（時間軸の伸縮を考慮）
distance = dtw.distance(pattern1, pattern2)

# 180次元 → 32次元の特徴抽出
encoder = Sequential([...])
similarity = cosine_similarity(encoded_pattern1, encoded_pattern2)

# パラメータ化クエリの使用
sql = "SELECT * FROM table WHERE col = %(param)s"
params = {'param': user_input}

<!-- POSTフォームに必須 -->
<form method="post">
    {% csrf_token %}
</form>

sample(sf)/
├── find/                         # メインアプリケーション
│   ├── chain.py                  # 親→子検索（通常モード）
│   ├── chain_cm.py               # 親→子検索（CMモード）
│   ├── r_search.py               # 子→親検索（通常モード）
│   ├── r_search_cm.py            # 子→親検索（CMモード）
│   ├── ins_view.py               # 検査項目検索
│   ├── s_kon.py                  # 出荷サーチ
│   ├── change_point_chain.py     # 変化点調査
│   ├── moni.py                   # 生産モニタリング
│   ├── monitoring_services.py    # AI/MLサービス
│   ├── multi_search_utils.py     # 複数検索ユーティリティ
│   └── urls.py                   # URLルーティング
│
├── .tmp/                         # 仕様ドキュメント
│   ├── requirements.md           # 機能要件仕様書
│   └── design.md                 # 詳細設計書
│
├── agents/                       # エージェント定義
│   ├── report_template.md        # レポートテンプレート
│   └── agents/                   # エージェントファイル群
│
├── config/                       # Django設定
│   ├── settings.py               # 設定ファイル
│   └── urls.py                   # ルートURL設定
│
├── static/                       # 静的ファイル
├── templates/                    # HTMLテンプレート
├── .clinerules                   # Clineルール定義
├── requirements.txt              # Python依存パッケージ
└── manage.py                     # Django管理スクリプト