仿真秀‑CAE仿真知识服务平台

【一季度总体情况】：一季度处于恢复态势中，营收恢复情况符合预期。虽然绝对金额增长不大，但去年业务出售，若去除这个影响，营收同比较大幅度增长。1、利润：一季度同比环比均改善，整合费用发生情况同比环比明显减少，整合费用为5000万多。去年已完成主要整合，今年收尾。2、毛利：毛利下降主要是会计准则要求，将运输费用从管理费用调整到成本中。因此成本增加并不是公司主观原因。但同时，去年年底到今年一季度，因半导体供应链波动，使运费增加。3、现金流：公司经营活动现金流下降。最主要原始是存货有较大增长。增加存货原因是半导体产业链波动，所以公司冗余备货是有必要的。4、订单：一季度新获订单比预期好，有200多亿订单总量，一半以上来自汽车电子业务（电子业务发展态势积极向上）。5、业务与新产品：上海车展产品发布了很多智能产品，均胜在该领域未曾落后，一直处于前瞻位置。该领域主要分为两块，智能驾驶、智能座舱、新能源。智能驾驶：均胜一直有明确的发展路线，比如激光雷达、传感器融合等等。智能座舱：之前大家有所忽视，自动驾驶智能解决外部驾驶的问题。目前我们的客户提出智能座舱的想法，比如大众、宝马、新势力（蔚来、理想、百度、小米）。未来在HMI（人机交互）之前只在中控这一块，但现在对智能座舱定义更进一步，要重新定义HMI产品（控制面板、车机系统、智能内饰、安全产品）需根据新定义重新设计。例如以后的智能HMI产品，都带感应、自适应。公司目前在该领域保持领先。去年公司与微软合作officeincar应用落地，提出将座舱作为工作空间。当时大家不理解这个想法，现在大家有很多共鸣点。总结：在智能驾驶领域公司已经有明确的路线，在智能座舱领域公司致力于打造不同应用场景的移动智能空间。预计今年与传统、新势力厂商有合作的落地。6、其他：公司在进行组织变革、成立研究院、在前瞻领域做项目落地。【小结】：一季度保持四季度以来恢复态势，各项经营指标，如现金流、资本负债率等持续改善中，公司整体在继续恢复的通道上。【Q&A】：1、全球芯电短缺对汽车产量的影响预期？这个问题是整个行业关注的重点，从下游来看今年二季度仍蛮有挑战。但积极的一面，我觉得三季度这个问题有所缓解。公司作为供应商，会通过各种渠道做各种储备；并且不成为拖累客户的短板。2、2021年均胜安全新货订单落地情况？2021年均胜安全预算的销售结构，2021新订单订单占比20%，按新产品逐步交付来逐步实现。但具体落地过程数据无详细统计。2019年重整成新事业部，迭代产品量产，毛利率提升显著。主要原因是：1、重组中的规模效益2、新产品量产迭代。3、新订单情况？在手、意向订单150亿。订单放量一年半到两年的趋势不会发生较大变化，但新势力产品开发周期会短一些。4、公司对福特野马销售预期？这个是客户数据，公司不是特别清楚，但福特本身对该车期望挺高，我们在逐季观察。5、拆分三个事业部一季度收入毛利？合并报表123亿，其中90亿均胜安全、23亿普瑞、8亿均联智行。安全、普瑞毛利同比一季度下滑。安全的原因是北美暴风雪停产，芯片短缺运输超额运费，安全毛利率-2pct。普瑞的原因是芯片、原材料成本增长，普瑞毛利率-4pct。均联智行因为2019年国内外的整合，德国提升同步研发效率，新产品迭代，产品毛利明显上升。毛利率5pct。6、芯片，塑料粒子等材料上涨对成本的影响？如何与主机厂做成本分摊？我们在与主机厂商、供应商进行成本分摊的协商，弥补损失。一季度并没有体现这部分成本补偿。因芯片导致的隐形成本在2000多万人民币，但很难估测。因芯片，中国区销售没到预算水平，若二季度芯片环节。7、在智能座舱领域，单车价值可以达到多少，与华为HMI是否有合作？这是一个非常大的项目，包括实体物理的零部件系统，软件的系统，应用服务。公司在三个方面有不同产品去对应。如果把公司覆盖的所有产品用于一款车，单车价值可达1w以上。（包括安全、HMI、车机、互联、软件等）。在该领域，并且座舱设计会发生很大的改变，例如排座可以变成对坐、家庭影院等，因此衍生价值会很大。关于华为：一，这是一个很大的市场，一个厂商不能把事情干完，因此我们不担心新的竞争。二，我们与华为有合作的空间和机会。华为主要重点是自动驾驶，智能座舱不是重点。我们在若干整车厂项目已经与华为有接触，比如一些自主品牌操作系统可能会想试一试鸿蒙。大家都有不同的解决方案，最后交由市场客户决定。8、普瑞产能负荷？85%以上，除去年疫情的特殊原因外，负荷水平一直趋平。产能是根据订单设计的。9、MEB平台销售情况？销量蛮不错，在欧洲国内都如预期。10、新能源定增募投投产进度、项目进展？新产品：针对国内新能源发展特别快的情况，成立了新能源研究院。以前是全球统一，但国内市场特别旺盛，从PPT造车进入了实际落地的情况，因此单独新建新能源研究院，针对国内市场和品牌。新业务、技术规划：国内更激进。国内向更高集成度的系统去发展。未来会集成热管理系统，动力控制域纳入模块。国内要求更大的系统。客户：本土客户合作在如期展开，除吉利、奇瑞，正切入造车新势力。今年会看到具体与造车新势力走向深度合作的。普瑞产品内涵外延都已经达到极大扩充，国外继续沿着大众等传统外资的做法去做，国内技术产品人员等都同步更新。11、均联智行有什么亮点，营收利润增速，缺芯是否有应对？缺芯：加大储备、用客户去push供应商。公司和半导体公司有长期合作关系，今年希望把合作关系进一步推进，进行更深程度的绑定。业务亮点：大家制作的产品类似，我们将与国内科技企业进一步合作。各个公司比拼的是执行力，我们与上下游有实际的合作，保持在行业中是最领先。我们在欧洲中国获得大众、蔚来等的认可，优势在行业内是认可的。财务：希望三季度供应链回到正常情况50亿的规模，净利润1.5亿体量。相比2020、2019销售体量盈利能力上新台阶，与友商到同一个水平。今年加大以客户为导向的销售结构的转型，建立全球销售团队。遵循本土业务国际化，国际业务本土化。且今年新增较多客户，原来主要为大众体系，现在客户群体新增到14家，表现客户对公司产品的认可，涉及到新技术产品方向。13、缺原材料情况下公司是否有优势？大众新总裁是供应链总裁，我们与他谈论取得了他的认可，尽量满足了我们的合作。我们的优势在于高力度深度沟通。目前外部环境恶劣，主机厂产品交付不到客户，不管是我们还是友商问题都会对供应链有影响，大家都是要同进。14、均胜安全整合？均胜安全在整合上的费用过去三年已经20亿。在场地规划上我们已经完成整合，收尾部分北美有几个搬迁，今年一季度在主机厂需求不旺的情况下我们完成北美整合，整合费用为5000w，相比之前大幅减少态势。如果按预期（芯片解决无疫情），整合完成没有大问题。15、印度疫情全面崩溃、日本小爆发，对供应链是否有影响？印度是合资公司的方式营收比例非常小，影响不大。棉织物在印度无交易。16、奥托立夫在疫情表现很不错，如何看待？奥托立夫做的重组计划，一季度恢复态势已经超出19年的最高水平，三费用降到4.%。这是一个是非常好的状态，我们会学习在经营上的优化，缩小与其差距。我们前进动力很强，改善空间也非常大。17、200亿订单拆分？电子业务一半以上，安全业务一小半，客户端和营收情况差不多，德系客户比较多。15%来自中国本土（包括新势力），新势力在合作开发设计阶段。18、净利率追上奥托立夫需要多久？今年可以见到，今年整合基本完成，费用较大幅度下降。去年耽搁了一些进度。总体23年前完成这个目标充满目标。19、公司A股德国布局最大？德国疫情对公司的影响？去年三季度德国疫情开始反复，经过去年一整年的了解和熟悉，我们比较有应对经验。公司生产场所主要在罗马尼亚、波兰、匈牙利，并没有因为疫情停工停产。德国形成电话电视交流习惯，每个工厂有个小总部保持轮班制，进行有效空间有效人数的保障。总体可保证交货，但成本端有不可避免地损失。现在欧洲员工可以申请到疫苗注射，希望今年圣诞节前所有工厂可以恢复正常。

导读：仿真秀平台认证机构-国家高新技术企业，国内材料计算模拟工具软件研发创新的领导者龙讯旷腾又更新内容。7月29日-8月19日，每周五14时30分将在仿真秀官网和APP公开直播《4小时玩转分子原子材料建模DFT计算》，8月19日迎来第四期讲座《吸附体系计算》，感兴趣的朋友记得提前报名，支持回看。“4小时玩转建模DFT计算”实操教学活动以周会的形式举办，每周五下午14:30开始，每期不超过1小时的时长，搭配Mcloud全新的Q-Flow（在线可视化提交任务功能）以及Q-Studio（在线建模功能），一键拖拽完成准备工作、在线格式转换直接生成可视化模型——解绑跨学科、解绑软硬件部署、无门槛、无费用、无下载安装需求、无经验要求，将理论计算的门槛降到最低限度，4小时即可“华山论剑”。一、授课嘉宾龙讯旷腾金牌讲师，龙讯旷腾核心团队具备丰富的行业履历，具有“材料物理理论计算科学先进制造”等学科交叉、理论与应用并重、软硬件并行的硬核背景，成为中国第一性原理计算软件开发团队领跑者。二、本期授课内容吸附位点选择吸附能计算零点能计算吸附体系态密度计算电荷布局分析三、适合谁看材料科学、物理、化学等相关专业学生及高校教师、实验组人员；生物制药、半导体、新能源、高分子等相关领域的科研工作者；人工智能、工业设计、材料研发、药物结构等相关领域的开发人员四、如果观看识别下方二维码，扫码观看，支持反复回看（完）作者：直播助手声明：本文首发仿真秀App，部分图片和内容转自网络，如有不当请联系我们，欢迎分享，禁止私自转载，转载请联系我们。来源：仿真秀App

我一直在谈，做数据分析应该有些“原则”。如先奠定分析基础，人机结合、用简单方法做等。但更重要的是，这些原则的内涵是什么，如何落实？下面是几点简单的笔记，是个思考的“结构”。 数据分析的基础 我经常谈到，决定工业数据分析工作成败的客观条件是“数据质量”。只有客观条件合适时，算法才有价值；过去，“客观条件”不理想是一种常态。而工业大数据时代的本质优势是数据质量的提升。 那么，什么是数据质量？ 美国专家曾经给出定义，数据质量好就是适合特定应用。那么，我们又要问一下：什么要“适合”呢？如何判定呢？这个问题很重要：收集工业大数据时，应该按照什么样的要求进行，才能满足后续分析过程的需要？ 我想了一下，数据质量大概可以分成四个方面： 存在性，关键数据是存在的。完整性，范围要覆盖足够大。因果性，避免导致分析错误。准确性，数据精度等。 其中，“因果性”是比较抽象的。我又想到用四个指标来框定它： 空间对应性：自变量和因变量的数值要对应好；时间一致性：要用统一的时钟频度合理性：“原因”的采样频度不能低于“结果”数据���确性：数据不要出现系统性的错误。 现实中如何操作，才能满足以上要求？关键是要防止干扰和错误。对此，要从数据定义和数据采集两个方面入手。 数据定义关心的是类似、相关、公用数据的定义，避免用错数据。数据采集包括两个部分：状态数据和传感器数据。传感器数据的质量关注四个环节的干扰： 1、传感器特点、布置和维护活动2、软测量或滤波等技术3、过程干扰4、传输问题 数据如何分析？ 原则上讲，工业大数据分析要与专业人士结合、与领域知识结合、与管理相结合。 这话好说，怎么落实？具体地说：要与流程和标准结合。 流程就是说清楚是怎么做的、把过程定下来。标准就是对流程中的每一步用数字进行规范。数据分析、尤其是根因分析往往就是对比流程的标准；而优化，就是挑出一个好的做法；深度的优化和分析，则是给流程和标准挑毛病——但也是以流程和标准为基础的。这种做法当然是特别简单的。但是，如果数据足够多，就可以交给计算机去做；而交给计算机做，会有极大的意义。 所以，我主张的数据分析，都是围绕流程做的。为什么？因为流程和标准是人做的。结合流程做，就是利用人的长处；优化流程，就是寻找人的短处。两者都是围绕人。 数据分析与数据基础 数据分析的数据基础，是流程和标准决定的。这就是数据分析的边界。这个边界是人来定的。前面讲到的数据质量，也与此挂钩。 当然，数据和标准是可以优化的。但这个优化也应该基于人类的知识：要知道人类不确定的地方，有针对性的分析与优化。否则，同样会面临“大海捞针”的困难。 许多数据分析问题，涉及到成百上千的参数。如果设想着建立一个具有成千上万自变量的复杂函数，多数情况下是不靠谱的。如果想写论文，可以试试。如果是做实事，就不能依赖“大海捞针”的办法了。因为成功的概率太低。当然，可以先“捞捞试试”，万一捞到了呢？即便捞不到，也可以再结合前面谈到的分析方法，可能提高整体的工作效率。但迷恋和依赖这种方法，往往就不靠谱了。 ---------------------------------------------------------------------------------------------版权声明：原创文章，作者郭朝晖，来源蝈蝈创新随笔，本文已经授权，欢迎分享，如需转载请联系作者。

有了上一篇文章的差分解调算法，那就针对MSK扩频信号采用这种差分解调算法看看误码性能吧！在之前程序基础上进行相关改动，主要是加入伪随机序列。首先改写信号源，加入序列生成及扩频内容。公众号以前发布过多个扩频类系列文章，如何产生扩频码及生成扩频信号的过程早已写的清清楚楚。不过在这次仿真中，我想通过使用MATLAB自带函数来完成直接序列扩频过程，多元化展示可以帮助到处于不同阶段学习的通信同行。调用MATLAB自带函数可以加速写仿真的过程，对于整体通信概念的消化肯定有帮助。但是当你涉及算法具体实现的时候，这些函数都要能够转化为用乘加运算来完成的内容，这才真正转化成了可实现的代码。我在多个文章里强调了这个转换过程，所以希望同学们在看文章的过程中，能够熟练的去使用每个阶段仿真时可借助的力量，特别是早期的时候，琢磨每一个过程的实现会特别的耗时间，反而耽误了学习的进度。在指导学生进行毕业设计方面的时候，就特别注重这方面概念的灌输。因为有时候尤其是在早期，他们如果把过多的时间停留在某一个模块的实现过程中，一来有可能大大超出了他们学习的范围，二来有可能耽误整个仿真进程。等整个系统仿真完成之后，再回过来看这些模块仿真内容的时候，你反而会觉得容易理解了。对于系统级仿真而言，早期不需要用自编的函数来完成，等到算法确定之后，再进行细化工作。来看程序全貌吧！提醒：本文写作时间超过一个月，内容超过三千字，从差分解调、解扩讲到捕获，期间涉及到的专业概念非常多，还会涉及部分产品知识，非专业人士莫入。本科生看懂本文难度非常大，至少在读研究生起步。本文含有大量的仿真程序，消化时间至少一周以上时间，还需要反复阅读。早期仿真无需考虑捕获内容，但解调算法一旦成形，这部分内容就要加入，不然成为不了产品级算法。来源：通信工程师专辑