數字化加速電池產業(yè)鏈全鏈路業(yè)務閉環(huán)
筆者團隊深耕電池、材料研發(fā)測試全鏈數字化運營服務領域多年，在與多個行業(yè)頭部企業(yè)深入合作的過程中，從3個層級深挖出電池測試研發(fā)領域6大痛點并“對癥下藥”，打造出一個集大數據采集與處理、實驗室智能管理、自動化報告、計算分析、材料參數庫等應用服務于一體的定制化數智平臺，為電池材料開發(fā)、電池研發(fā)企業(yè)排憂解難！
業(yè)務系統(tǒng)層面
▲ 痛點1：實驗室管理工作的復雜性和艱巨性與日俱增
目前很多實驗室仍然采用線下統(tǒng)計設備通道狀態(tài)，手動導出數據來進行分析處理的工作模式，龐大的業(yè)務數據零散分布在多個文件/系統(tǒng)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。
……
傳統(tǒng)lims工作流程示意
▲ 解決方案：強化業(yè)務管理、打通數據壁壘
為此，平臺擴展了傳統(tǒng)lims系統(tǒng)的功能，完成了全要素考慮（人機料法環(huán)），全場景覆蓋（下單、審批、領樣、檢測等），全成員參與（研發(fā)人員、檢測人員、管理者）的深度閉環(huán)。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(huán)節(jié)可追蹤，快速查閱，快速調用。
dlims工作流程示意
數據處理層面
▲痛點2：檢測設備多、雜，需要大量人力操作
在當前的實驗室檢測業(yè)務中，通常會遇到大量不同廠商、不同類型的檢測設備，從而面臨設備接口不統(tǒng)一、數據協議不兼容、數據格式不一致等問題，導致數據采集的成本高、周期長、整合難，系統(tǒng)間數據傳輸難度與成本更是成倍提高。
多樣設備
▲解決方案：構建完善、共享、統(tǒng)一管理的數據環(huán)境
一體化平臺集成了大量常用的數據介質通信協議，可以與各類別測試廠商設備高效對接，支持多源異構數據介質采集，實時/歷史數據采集、多類別數據底座及存儲平臺等功能，日均數據處理量超1T，為實現現場設備信息的實時采集、處理和上傳，為數據的真實有效、實時可用提供保證。
設備采集與邊緣計算方案
▲痛點3：數據處理費時、費力、易出錯
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，進行分發(fā)和報告匯報。工程師每日需處理200-500GB不同來源及類型的數據，不僅耗費人力、出錯率高、且數據未做深度挖掘，利用率低。
多源數據
▲解決方案：搭建專用算法，自動分析操作
dCore（數據存儲與處理平臺）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）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），以T+1的方式處理每日產生的大量數據，分布式計算解決數據清洗及分析統(tǒng)計，最終的少量數據進入高性能數據庫Clickhouse滿足業(yè)務靈活的展示需求。多維度呈現可視化信息，時刻監(jiān)控測試數據及時發(fā)現異常，避免長期浪費資源！
平臺內嵌獨立的數據分析功能，覆蓋9大測試項，提供150余種專業(yè)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(huán)壽命分析等操作。
部分分析模板
▲痛點4：報告格式、形式各異，出具效率低
電池測試需要經過大量復雜而重復的驗證工作，期間產生的數據量遠超我們的想象，而工程師往往需要通過excel收集計算大量的信息與數據，再使用word制作成各類分析報告，如理化測試報告、安全測試報告、電性能測試報告等。面對巨大的工作量，軟件卡頓、格式變形、數據不同步、人工操作易失誤等問題常常讓工程師頭疼不已。倘若繼續(xù)采用傳統(tǒng)的出具報告方法，不僅浪費大量的時間、人力成本，產出的報告數據圖標也不夠直觀，并且很難實現數據共享和管理。
▲解決方案：報告一鍵生成
dreport（智能報告）內含200+通用模板，自動生成測試報告，出具單份報告可從原先的8小時縮減至2小時，大大提升工作效率。
平臺支持測試數據的多元化輸入手段，包括手動輸入、設備數據導入、數倉接入，數據輸入后再通過模板自動化生成報告，研究人員可以根據自身需求和測試要求、報告格式，靈活地設置模板，以滿足特定的應用場景和要求。并且可以用自己習慣的方呈現，如表格、圖表、圖像等，這樣可以大大提高報告的可讀性和實用性，幫助研究人員更好地理解和利用測試結果。
智能報告頁面
數據驅動層面
▲痛點5：材料查找困難、準確性無法保證
在鋰電池的研究和開發(fā)中，材料的選擇和優(yōu)化是提高工作效率的關鍵因素之一，研究人員或工程師查找材料的詳細數據需要查找多個網站，效率很低且準確性難以保障，在不同材料之間的選型則需要查看大量的數據進行對比，非常繁瑣。
▲解決方案：知識庫沉淀，隨時查詢及對比分析
dMaterial（電池材料庫）提供正極材料庫、負極材料庫、電解液材料庫、導電材料庫、PACK材料庫、隔膜材料庫、粘結材料庫、失效材料庫等各種材料的詳細、精準信息，包括其物理和化學特性、性能參數以及相關的研究和應用數據，深度挖掘材料各項數據，縱向、橫向刨析材料之間的差異指標，幫助電池研究人員、工程師和制造商進行材料、測試樣品、供應商樣品之間的對比，快速化篩選成百上千材料，找到最優(yōu)候選材料，達到事半功倍的效果，減少研發(fā)測試頻次，為企業(yè)有效降本增效。
電池材料庫界面
▲痛點6： 海量數據沉沒，無法深入挖掘
在數據密集的電池行業(yè)，測試分析數據無法利用越來越成為瓶頸，然而，電池的材料創(chuàng)新、結構創(chuàng)新與系統(tǒng)集成創(chuàng)新都離不開信息技術的運用，愈發(fā)需要通過計算與數據來整合、驅動整個研發(fā)體系。
▲解決方案：將數據沉淀、復用和高效應用
該平臺可以通過數據沉淀，協助研發(fā)團隊形成知識庫積累，在電池壽命、充放電性能、失效、克容比、能效比等各種分析場景中使用。同時，具有對材料和成品在試制、測試過程中產生的大量原始數據進行高效處理計算的能力。如：
電芯體積變化分析：基于設備+數據的一體化解決方案
材料測試預測：通過測量分析粉末、極片等電阻，快速預測電池性能
通過機理模型、老化衰減數據庫、參數辨識算法三大手段降低測試周期
測試數據異常智能分析：接入性能試驗設備數據→創(chuàng)建異常監(jiān)控項目范圍和指標模型→創(chuàng)建異常監(jiān)控自動作業(yè)程序→調用監(jiān)控程序→輸出異常數據結果
壽命預測分析：基于第一性原理老化分析流程，建立電池結構數據庫和材料屬性數據庫，通過機器學習方法進行訓練老化模型，再通過計算和實際測試數據不斷完善模型，形成現有配方或相似配方的預測分析能力
數字孿生技術：將實驗室一比一還原，結合數采和數控技術，讓遠程操作所見即所得
壽命計算
當產業(yè)環(huán)境變化、技術演化趨勢變革、核心競爭要素改變時，企業(yè)只有與時俱進地圍繞新的核心能力構建高效的研發(fā)體系，才能以比競爭對手更快的速度來實現新產品研發(fā)，從而在新一輪的競爭格局中占據先機！
目前，該平臺已經在蜂巢、欣旺達、遠航錦鯉等頭部企業(yè)使用，歡迎掃描文末二維碼，詳細了解案例詳情，以及平臺各項功能亮點，預約演示！
福利環(huán)節(jié)
筆者團隊一直在新能源數字化領域深耕力拓，依據大量項目案例整理出了多個電池行業(yè)前沿數字化解決方案（包括電芯智能研發(fā)、電池研發(fā)仿真及數據平臺、MES、成本管理系統(tǒng)、數字孿生實驗室、數字孿生工廠、電池材料計算等）,可有效提升仿真準確性實現未造先知、提高檢驗檢測標準化與檢測效率、加強失效分析、降低電池研發(fā)制造成本等。
