回顧2023，國內電芯廠商、車企相繼發布了近20款電池產品：寧德時代的凝聚態電池、比亞迪的刀片電池、蜂巢能源的龍鱗甲電池、億偉鋰能的π電池、欣旺達的閃充電池、廣汽埃安的彈匣電池2.0......

鋰電企業的競爭早已不僅是規模和數量的較量，更是關于技術、品質和戰略眼光的角逐，而其中，數字化和智能化技術能力將起到關鍵性的支撐作用。 大數據量的處理和分析的質量和效率，更是逐漸成為制約研發迭代效率的重要因素！

在日常工作中，研發人員對于實驗數據分析往往有如下的困擾

測試數據龐大、格式雜亂，處理非常繁瑣

大部分時間都浪費在了數據收集和處理等瑣碎事務上

數據整理時出了錯沒檢查出來，設計方向直接偏了

有些測試既有溫度變化、又有倍率變化、又有SOC變化，對比起來非常累

測試有異常總是事后才知道，電芯早已起火爆炸

……

有沒有一種方案能夠同時解決數據的采、算、用三大問題呢？

筆者在與多個頭部電池企業交流的過程中，逐漸發現一個共識，必須要從流程的規范、數據的高效采集、存儲、分析、使用全鏈條上構建數據閉環，建立全流程追溯體系，才能幫助企業提升其數據管理能力，充分挖掘數據背后蘊藏的價值。

01 第一，打破數據孤島，全流程可追溯

目前很多實驗室仍然采用線下統計設備通道狀態，手動導出數據來進行分析處理的工作模式，龐大的業務數據零散分布在多個文件/系統中，彼此之間難以關聯打通，產生大量的數據孤島，類型多樣的實驗數據以數據文檔、掃描件形式傳遞，測試報告高度分散在郵件、文件夾中，難以集中管理，出現差錯之后，無法追溯，且共享性和復用性非常低下……不僅浪費資源且無法保證數據的真實性、時效性。

人工傳遞：真實性 時效性差

測試任務難追蹤 出現問題難追溯

為此，我們擴展了傳統lims的功能，完成了全要素考慮（人機料法環），全場景覆蓋（下單、審批、領樣、檢測等），全成員參與（研發人員、檢測人員、管理者）的深度閉環。通過線上快速提單，自動流轉審核等，實現全流程電子化，數據記錄全留存，錯誤數據及環節可追蹤，快速查閱，快速調用。

02 第二，搭建專用算法，自動分析操作

各電池企業的實驗室每年都在不斷累計測試數據，從測試2w通道到4w多通道，數據也從幾十TB到幾百TB甚至更多，海量的測試信息，使得鋰電工程師們被淹沒在數據的海洋中，找不到方向。

從測試設備上獲取的數據需要經過人工計算、展示、對比、篩選、擬合等操作，得出差異性，分析結果判斷圖表是否有意義，再進行報告匯報，不僅耗費人力、出錯率高、且數據未做深度挖掘，利用率低。

為幫助企業更好地克服上述挑戰，我們團隊搭建了一套完整的數據采集? 清洗? 分析?展示平臺，讓測試數據不再霧里看花。

1）數據采集：采集來自各個環節的數據，包括不同廠商、不同測點標識、異構數據介質等，建設HIVE數據倉庫加OLAP分析型數據庫集群的混合架構方式完成數據存儲。

2）數據異常監控及預警：通過規則初篩、變點檢測、多工況過濾、集成分類器預測等步驟，對采集的數據進行異常監控與分析，保證入庫質量。

3）數據治理：搭建了56個數據腳本（設備數據標準化、數據倉庫處理、數據質量探查等）和3個數據處理模型（預處理模型、溫度通道模型、工步序號模型），工步序號模型，重啟測試可自動關聯數據；溫度通道模型,差異溫度測試可快速解析數據；跨天處理模型，可快速接續不同時間、不同設備測試數據。

4）數據分析：平臺內嵌獨立的數據分析開發功能，覆蓋9大測試項，提供150余種專業分析模板，為5大分析場景服務，工程師可以在平臺上進行dQ/dV曲線分析、HPPC分析、放電速率分析、GITT分析、循環壽命分析等。

同時，支持對短期測試測試結果的不同設計方案性能優劣自動分析，輔助設計人員確定迭代方向，避免由于數據分析不到位導致的不必要實驗，減少研發成本；支持長循環數據的日更新以及測試截止條件的監控；測試過程異常自動識別，指導異常電芯及時下機、避免資源浪費，同時提供分析工具，支持數據分析。

5）智能報告：提供了超200個模板，只需要簡單的拖拽配置即可智能生成報告，單份報告制作時間可從8小時縮短至 2小時，同時杜絕了人為因素造成的偏差，保障了檢測數據的準確性。

這樣一套平臺就完成了數據的采-算-用貫通，幫助工程師更快、更準確地分析電池測試數據，及時發現問題，大大節省工作時間。

03 第三，數據沉淀AI智能預測 賦能研發

大量的測試化數據經過標準化分析之后，結合鋰電池材料數據資源，可沉淀下來形成企業知識庫，如材料數據庫、電池表征庫、電化學參數庫等，將極大地有利于企業知識復用，加快產品的研發迭代。

比如一些工程師由于經驗不足，在不同材料之間的選型需要查看大量的數據進行對比，并且有時候查到的內容還是不是準確信息，浪費很多時間。這時候，通過電池材料庫功能就可以直接在線查詢正極、負極、電解液、PACK、隔膜、粘結等各種材料的詳細精準信息，快速篩選成百上千種材料，在線對比找到最優候選材料。

?

隨著應用的進一步深化，我們還將面臨一個關鍵問題，那就是如何將這些數據與AI進行有機結合，從而為我們的下一步研發計劃提供有力指導。比如綜合多項測試數據進行智能化預測計算，如電芯內阻/DCR預測、電芯體積變化預測等，結合電化學反應機理模型進行AI算法開發，最終實現指數級賦能電池研發工作，幫助管理者更快速、準確地進行科學決策。

當前，筆者團隊最新研發智能電芯平臺即將發布，為電芯研發工程師提供電芯快速設計工具、需求管理和材料數據庫等功能，可進行智能選材、單人一鍵生成設計方案、電芯成本仿真等，實現電芯開發從基于經驗的設計到基于材料數據庫和人工智能的智能輔助設計。

審核編輯：劉清