储慧智能助力电池高效研发 可直接节省30%工作量
众所周知，电池研发是个“烧钱”的领域，动辄数亿元的先期投入可能只是“开胃菜”。然而市场竞争越来越激烈，要保持领先、可持续的技术竞争优势，就意味着电池研发必将投入更多的资源，慢一步可能就是“你死我活”的差距。因此，如何提升研发投入的有效性就成了所有玩家必须面对的重要课题。
于是，高效的实验室研发工具软件和平台就成为了电池企业参与市场竞逐的重要砝码。利用工具解放研发人力，把人才和智慧用在关键的技术突破和思考上，而非浪费在繁杂的数据和报告中，无疑是提升研发有效性的一大方向。
为此我们专门向业内专家史耀亮团队进行约稿，请其依据多年的工业软件实践及电池企业真实的数字化案例，为我们分享经验。
【作者简介】 史耀亮，拥有15年以上工业软件及数字化转型经验，近年来专门研究新能源电池行业数字化转型，服务的客户包括宁德、蜂巢等多家电池大厂，团队为江苏省工信厅动力电池行业“智改数转”实施指南编纂者之一。
近年来，本人及团队深感电池研发数字化转型的迫切性，在对头部电池大厂的现场调研中，我们团队发现了行业面临的诸多共性需求与挑战，如海量数据的存储与管理问题，耗费大量时间精力手动整理报表/报告问题等，今天主要以实验室几个典型需求用真实的案例讲解一下数字化实施前后的对比情况，供大家参考。
01 海量资源管理
通常电池实验室占地规模较大、流程工序繁杂、设备种类和数量繁多。而对样品、人员、仪器设备、试剂耗材等资源的管理是否科学直接影响产品的研发效率。
（1）设备使用状态和预约情况等信息不透明，预约困难；
（2）非标测试的业务转交和推进通过邮件和线下沟通，资源分配不透明，出现测试单大量堆积现象，时间过长申请人容易忘记提交样品；
（3）设备使用费用记录不规范，容易遗漏且不便于查询，需人工核算汇总。
除了资源管理外，电池一体化平台还在项目管理、安全管控、CNAS实验室认证、电子实验笔记等其他重要的基础功能需求方面提供相应的数字化解决方案，在此就不一一列举了。（如果希望了解更多信息，欢迎添加微信：18151090023详细沟通）
02 设备数据采集与存储
调研发现，电池企业的实验室设备种类非常多，但各种设备接口不统一、数据协议不兼容、数据格式不一致，因此电池企业很难高效完成海量的数据采集、处理和共享等。
客户案例：某动力电池“黑马”企业——试验数据平台
该企业的试验中心有来自至少9家设备厂商的上千台设备，每日新增200G以上的试验数据，包括Excel、Word、PDF文件以及视频、图片等数据形式。这些海量数据的存储与管理成为企业的一大难题。
导入前：
（1）测试设备产生的原始数据由人工下载，试验数据由人工计算、结果数据由人工制表；
（2）数据存放在共享网盘，数据标准不统一，存储及分析空间不足；
（3）数据查询及应用不便利，数据二次利用率低，无法做海量数据分析。
导入后：
（1）通过平台自动采集设备原始数据、自动进行数据治理和清洗、自动生成试验报表；（2）自动转换数据文档格式，建立理化、性能、安全、原材料、机理仿真等数据库，实现数据结构化存储及测试数据拉通；
（3）数据平台集成了设备数据、LIMS等系统数据，支持数据在线查询，异地查询，同时为数据的深度挖掘和数据分析夯实基础。
03 报表生成与分析
获取到需要的数据之后，工程师需要对数据进行统计分析。能将各种复杂的数据直观易懂地呈现，才是真正有用的分析报表。因此，高效、直观、灵活度高的报表生成工具就成为工程师们的一大救星。
客户案例：动力电池某头部公司——电性能测试数据分析
测试设备上获取的测试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，工程师根据分析结果判断图表是否有意义，进行分发和报告汇报。该公司期望通过搭建数据分析平台，将每周数据分析的频率提高60%。
导入前：
（1）电性能测试项的测试数据分析手动以“宏程序”的方式进行，数据的作图分析不够智能化，无法根据工程师的需要调整图表格式，无法通过图表实现数据之间的关联，无法实现三维立体的分析效果等；
（2）分析的图表无法共享，工程师需要线下沟通获取表格数据后才能对其他人的图表图片进行进一步分析，沟通成本高、效率低。
导入后：
（1）内置python编译器，可自动对数据进行计算、渗透、清洗、过滤等处理，为分析模式提供拟合、平均值、求和、归一化等函数调用计算操作；
（2）支持根据数据图表的类型编写分析脚本：将指定的数据项和数据值计算后调用指定的图表类型展示；
（3）分析的图表可以线上直接分享给其他工程师，其他工程师可复制到个人名下进行分析操作。
（如果希望了解更多信息，欢迎添加微信：18151090023详细沟通）
04 报告自动生成
电池从研发到应用的整个过程要进行大量复杂的测试验证工作，期间会产生大量检测报告，如电池性能测试、电池理化测试、循环测试、DCR测试、OCV测试等报告。不得不说，报告出具周期长、效率低，已成为工程师们常常吐槽的一大问题。
客户案例：国内动力电池某知名企业——数字实验室dLIMS
该企业实验室已部署某LIMS系统，但由于该LIMS系统无法根据电池实验室的业务需求灵活生成检测报告，经常需要手动制作报告，耗费大量人力，所以急需升级LIMS系统来解决报告自动生成问题。
导入前：
（1）手工检测、抄录、人工计算终值结果、填写制作报告的模式，报告编制时间长，且人为因素容易造成偏差，影响检测数据的准确性；
（2）报告制作交付周期长，响应不及时。
导入后：
（1）设备产生的数据自动嵌入报告，人工完成校验，确保检测结果的准确性，报告产出效率提升90%；
（2）报告模板标准化，支持200+试验报告，根据配置自动生成报告，缩短报告制作周期。
05 行业数据库
电池企业积累的数据资源是十分丰富的，基于对数据的筛选和加工获得的信息资源，形成行业数据库，如材料数据库、电池表征库、电化学参数库等等，将极大地有利于企业知识复用，加强企业知识积累，强化企业人才培养。在电池研发环节，一个好的电池行业数据平台甚至可以在产业链条上带来行业价值，如正极、负极、隔膜、电解质等专业材料库，形成电池企业和材料供应商之间的链接。
客户案例：动力电池某头部公司——电化学参数库
该企业的电化学参数库是包含各种材料热力学、动力学、基础属性等仿真数据的数据库，例如根据EIS和OCV分析得出的某种PN材料package正负极维度的性能参数，由工程师手动评分后将有价值的数据保存到参数库中供其他部门研发使用。如何高效实现对仿真数据的有效复用和借鉴，成为该企业关心的重点。
导入前：工程师在做参数分析时经验不足，多条参数并行分析时无法挑选出最合适的一套数据录入到参数库，且仿真参数库的更新速度不能满足白箱模型的需求。
导入后：
（1）开发“算法程序”内核，抽取数据源中的数据，经过筛选、计算，自动挑选最优的一套数据录入参数库；
（2）一个PN材料由多套参数在库时，经人工操作标识指定一个唯一的推荐参数，对外部人员查询时仅推送该推荐参数；
（3）在参数库中，以材料体系的维度进行仿真参数的检索，展示材料的相关参数信息，反向分析所有相关平行样的测试数据，进而查看相关的设计信息、制程工艺。
06 仿真分析
在电池研发阶段引入仿真技术，替代传统的物理样品验证方法，可以减少制样测试的次数，避免盲目试错，有助于缩短产品开发周期。
客户案例：某锂离子电池头部企业旗下全资子公司——数字化研发平台
该公司目前使用的是一款市面上成熟的某仿真软件。该软件功能繁琐、上手难、操作不友好，在电池研发领域适配性低，该公司仅使用了其中1%的功能。该公司期望通过搭建一个数字化研发平台，对现有仿真软件进行集成，帮助提高仿真精度。
导入前：
（1）海量仿真实验数据未结构化到数据库中，数据价值难以有效释放；
（2）仿真结果准确率低，仍依赖人工经验或以前的相同化学体系的值去推算结果；
（3）仿真结果需手动附到报告中。
导入后：
（1）数据平台将仿真、材料/体系方案、实验设计DOE等数据打通，形成性能、理化、材料等专业库；
（2）运用算法对仿真模型进行修正、优化，提高仿真精度；
（3）仿真结果自动嵌入报告中，且可以根据客户要求，自动输出数值型仿真结果或动态图仿真结果。
随着大数据应用的进一步深化，数据平台会愈来愈智能化、人性化，会支撑更多的应用场景，让数据发挥最大价值。例如提供多种电化学分析功能，工程师可以在平台上进行HPPC分析、放电速率分析、dQ/dV曲线分析、GITT分析、循环寿命分析等；内嵌电池性能验证模型、电芯研发全周期数据模型、材料研发全周期数据模型、电池机理模型、工艺模型等各种电池数据模型，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；具备电芯设计一键生成功能等等。
做了10多年的咨询顾问，接触了众多新能源公司，笔者越发地感受到电池技术的博大精深，最深刻的一个感受就是只有深入地了解电池开发流程及相关技术，才能真正用科技手段帮助企业提升竞争力。近些年笔者团队一直在新能源数字化领域深耕力拓，打造了业界领先的新能源行业电池一体化数智平台，该平台集成了电池实验室管理系统dLIMS、电池智能制造系统dMES、电池成本管理系统dCost等工业软件和电池大数据解决方案，加速电池材料开发、电池研发与高质量制造。
