• 锂电测试研发过程中面临的数据处理分析挑战。

• 一个平台如何完成大数据的采-算-用贯通。

• 文末更多锂电企业数字化方案免费领取。

各电池企业的实验室每年都在不断累计测试数据，从测试2w通道到4w多通道，数据也从几十TB到几百TB甚至更多，海量的测试信息，使得锂电工程师们被淹没在数据的海洋中，找不到方向。

从测试设备上获取的数据需要经过人工计算、展示、对比、筛选、拟合等操作，得出差异性，分析结果判断图表是否有意义，再进行报告汇报，不仅耗费人力、出错率高、且数据未做深度挖掘，利用率低。

为帮助企业更好地克服上述挑战，我们团队搭建了一套完整的数据采集-清洗-分析-展示平台，让测试数据不再雾里看花。

1）数据采集：采集来自各个环节的数据，包括各类厂商、不同测点标识、异构数据介质等，建设HIVE数据仓库加OLAP分析型数据库集群的混合架构方式完成数据存储。

2）数据异常监控及预警：通过历史经验，设定各参数阈值，初步筛选异常数据点。若有误差范围要求的参数（如6σ质量管理），也会在算法的第一步进行初步筛选，同时在采集过程中进行预警。

3）数据处理：搭建了56个数据脚本（设备数据标准化、数据仓库处理、数据质量探查）和3个数据处理模型（预处理模型、温度通道模型、工步序号模型），采用大数据技术以T+1的方式处理每日产生的大量数据，将这些数据进行数仓分层分级建设，最终少量数据进入高性能数据库Clickhouse满足业务灵活的展示需求。

4）数据分析：数据经过语境化处理，转化为有意义的信息，例如，电性能测试、材料理化测试、安全测试等数据，降低使用者理解数据意义的成本。提供了超200个模板，只需要简单的拖拽配置即可智能生成报告，单份报告制作时间可从8小时缩短至 2小时，同时杜绝了人为因素造成的偏差，保障了检测数据的准确性。

5）数据可视化展示：使用React集成Echarts，渲染表现各种形式的测试数据，提供直观、交互丰富、可高度个性化定制的数据可视化图表。在立体视图下即时切换XYZ轴数据对象拉取数据进行渲染，提供更加丰富的观察分析维度。

大量的测试化数据经过标准化分析之后，结合锂电池材料数据资源，可沉淀下来形成企业知识库，如材料数据库、电池表征库、电化学参数库等，将极大地有利于企业知识复用，加快产品的研发迭代。

比如一些工程师由于经验不足，在不同材料之间的选型需要查看大量的数据进行对比，并且有时候查到的内容还是不是准确信息，浪费很多时间。这时候，通过电池材料库功能就可以直接在线查询正极、负极、电解质、PACK、隔膜、粘结等各种材料的详细精准信息，快速筛选成百上千种材料，在线对比找到最优候选材料。

比如提供多种电化学分析功能，工程师可以在平台上进行dQ/dV曲线分析、HPPC分析、放电速率分析、GITT分析、循环寿命分析等；再比如自带机器学习算法和电池数据模型，如电池性能验证模型、电芯研发全周期数据模型、材料研发全周期数据模型、寿命预测模型、电池机理模型、工艺模型等，通过实验大数据与模型的结合，进行失败实验的智能参数定位，加速失效分析过程，甚至可以实现电芯设计的一键生成等，最终实现指数级赋能电池研发工作，帮助管理者更快速、准确地进行科学决策。

目前该测试分析一体化平台已经免费为大家开放了相关试用、演示机会，大家不妨尝试一下！一定会有收获的哦！