资深锂电工程师都头疼的问题，用这个方法轻松拿捏！
锂电那些事今日头条2024年01月09日 星期二
走过跑马圈地的上半场，锂电行业逐渐回归到控成本，提效益的正常经营轨道。通过数字化技术，提升产品品质、创新工艺、生产效率，降低缺陷率，已经成为电池企业的迫切需求，也是电池企业在新一轮周期下适应市场变化的必要出路。
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。
测试数据庞大且处理繁琐
电池研发过程中需要进行大量测试，包括电池的容量、电压、内阻等参数，以及充放电循环性能、高低温性能等。这些测试会产生海量数据，处理起来十分繁琐，需要耗费大量时间和人力。同时，对于不同批次、不同型号的电池测试数据，需要进行比较和分析，找出共性和差异，这需要更加复杂的数据处理和解析。
缺乏有效的数据分析工具
目前很多电池企业和检测机构主要依赖人工处理和分析测试数据，不仅效率低下，而且难以保证数据的准确性和完整性。同时，由于缺乏有效的数据分析工具，难以从中提取有价值的信息，对于一些潜在的问题和风险难以发现和预警。
电池老化分析建模困难
建立准确的电池老化分析模型需要深入理解电化学反应机理和电池老化的影响因素，难度较大。电池老化是一个复杂的过程，受到多种因素的影响，如充放电循环次数、充放电电压和电流、温度、湿度等。这些因素之间的关系和影响机制较为复杂，难以准确建模和分析。
那么有没有一种方案
能够帮助企业一次性同时解决
庞杂数据采集处理、高效分析和计算三大问题呢？
笔者在与多个头部电池企业交流的过程中发现，必须要从流程的规范、数据的高效采集、存储、分析、使用全链条上构建数据闭环，建立全流程追溯体系，才能帮助企业提升其数据管理能力，充分挖掘数据背后蕴藏的价值。
通过以下三步就能得到有效解决。
目前很多实验室仍然采用线下统计设备通道状态，手动导出数据来进行分析处理的工作模式，庞大的业务数据零散分布在多个文件/系统中，彼此之间难以关联打通，产生大量的数据孤岛，类型多样的实验数据以数据文档、扫描件形式传递，测试报告高度分散在邮件、文件夹中，难以集中管理，出现差错之后，无法追溯，且共享性和复用性非常低下……不仅浪费资源且无法保证数据的真实性、时效性。
人工传递：真实性 时效性差
为此，我们扩展了传统lims的功能，完成了全要素考虑（人机料法环），全场景覆盖（下单、审批、领样、检测等），全成员参与（研发人员、检测人员、管理者）的深度闭环。通过线上快速提单，自动流转审核等，实现全流程电子化，数据记录全留存，错误数据及环节可追踪，快速查阅，快速调用。
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！
吴叶超，中国科学技术大学博士，电芯研发专家，主要研究方向为锂离子扩散的仿真模拟和固态电池传导材料的理论设计，同时有着多年锂电厂商数字化转型实施经验，服务的客户包括宁德、蜂巢、欣旺达等多家电池大厂，为企业提供痛点诊断、转型路径规划等建议，让企业在数字转型中少走弯路。
来源：锂电那些事
