文章评论区即将上线，敬请期待 💬
去看看最新文章 →
70 篇文章
之前我写过一篇呼吁重视锂电数据分析的文章【AI锂电】同样的失效问题，她查了1个月，他只要3分钟，引起了不少锂电人的共鸣；也在星球里放过一些数据分析的培训视频和资料JMP公开课学习资源整理（含锂电案例），在公众号分享过AI锂电方面的知识AI 锂电学习笔记。很多人问我有没有数据分析方面的学习资料。对有基
开通星球半年来，大家提问的兴趣始终很浓厚。目前累计了600+的现场问题，涵盖设备、设计、质量、工艺、失效分析、材料机理等方面。但我发现一个现象：大家进行问题解决时，更多是依赖FTA（故障树）的思维，从宏观拆解现象去倒推内部失效原因，或者借助SEM、ICP、EIS等手段排查。但从通道集中性、时序推移、
上个月星球里有问，我之前分享的JMP Discovery Summit上的案例具体是什么意思。 这个案例的数据和具体做法在某社，我当然拿不到，也不用去猜。我按照自己的理解，重写了一下这个方法的底层逻辑，然后用Python写了一个可以拖动参数的交互Demo，放在了星球里。今天这篇文章，就把拆解过程分享
AI锂电·寿命预测01：迟到的作业，带你硬核跑通全流程AI锂电·寿命预测02：避开开源陷阱，找到你的第一个高质量数据集AI锂电·寿命预测03：为什么JMP和阿伦尼乌斯都搞不定LFP电池？AI锂电·寿命预测04：提前300圈预判“死刑”！揭秘LFP寿命预测的“上帝视角”AI锂电·寿命预测05：从0.0
AI锂电·寿命预测01：迟到的作业，带你硬核跑通全流程AI锂电·寿命预测02：避开开源陷阱，找到你的第一个高质量数据集AI锂电·寿命预测03：为什么JMP和阿伦尼乌斯都搞不定LFP电池？AI锂电·寿命预测04：提前300圈预判“死刑”！揭秘LFP寿命预测的“上帝视角”大家好，我是晓风。在上一篇《AI
AI锂电·寿命预测01：迟到的作业，带你硬核跑通全流程AI锂电·寿命预测02：避开开源陷阱，找到你的第一个高质量数据集AI锂电·寿命预测03：为什么JMP和阿伦尼乌斯都搞不定LFP电池？上一回，我们用 JMP 和阿伦尼乌斯模型进行了LFP的寿命预测，结果全部失败。文章发出后，有的同学私信我：“晓风老
AI锂电·寿命预测01：迟到的作业，带你硬核跑通全流程AI锂电·寿命预测02：避开开源陷阱，找到你的第一个高质量数据集上回，我们一起找到了用于预测的数据集：2017-05-12_batchdata我们先用常规的寿命预测方法来看看，为什么常规的预测方法失效了。首先，我还是利用h5py对mat进行读取：
上一篇AI锂电·寿命预测01：迟到的作业，带你硬核跑通全流程今天第一个课题就是找一个开源数据库。一个好的数据集就等于成功了一半。我还算有点经验，知道一般ML相关的数据库在kaggle、Github上面比较多。我想起来自己有个注册好几年的kaggle账号，于是我去上面搜了一下。我的目标就是，数据要全，
大家好，我是晓风。原本在 12 月计划中就要跑通的寿命预测（RUL）模型，因为《锂电设计手册》&《锂电工艺手册》的高密度创作，整整推迟了一个月。虽然鸽了很久，但我一直没忘，现在来交作业了。关于锂电池寿命预测，在我的公众号上也分享过几十篇独家的文章，阅读量和转发量都相当高。可见我的粉丝群有很多人都是很
01 写在前面：一个“尴尬”的小插曲发工具之前，先给大家看个乐子。为了把星球里的独家资料（JMP在工业大数据分析中的应用）保护起来，我写了个批量加水印的小工具。代码写完，本地运行完美，打包成 EXE 准备分享给大家时，Windows Defender 给我弹了这个：Trojan:Win32/Bear
翻看公众号后台，发现了一篇两年前写的关于 JMP 的旧文。当时写得比较随性，后来觉得不够严谨就删了。今天决定重写并重发，是因为环境变了。2023年的时候，我们讨论的是“如何用好 JMP”；到了2025年的今天，随着 JMP 正式退出中国市场，摆在大家面前的变成了一个更现实的问题：当趁手的工具变得难以
大家好，今天，我必须和大家分享一个刚刚被证实的、非常突然且沉重的消息。JMP的母公司SAS（赛仕软件）已确认将全面退出中国市场。这意味着，我们所熟知并深度依赖的统计分析软件 JMP，也将随之停止在中国的全部业务。【我们目前知道的】根据我得到的确切消息，这个决策非常突然。目前中国区的员工已经接到了通知
华为DOE基础知识
谢宁DOE（121~176）
谢宁DOE（81~120）
谢宁DOE（41~80）
谢宁DOE（1~40）
前言锂离子电池作为现代能源存储的核心技术，其性能优化与安全性提升面临多尺度、多物理场耦合的复杂挑战。传统实验方法受限于高成本与长周期，而基于物理模型的仿真手段难以全面捕捉电池内部的非线性动力学行为。机器学习凭借其强大的数据挖掘与模式识别能力，为锂离子电池研究提供了革命性的技术路径：在材料层面，通过高
固体电解质研究现状和前景预测
你已经了解了假设检验和统计决策的语言，现在让我们来回顾一下我们在上一课中做过的假设检验吧。本案例中我们一直在努力提高某个小金属零件的尺寸合格率。我们的目标是让厚度尽量接近目标，即40.0（单位不限）。在实施工程变更之前，你想确定变更后平均值会朝目标偏移。因此你在试做期间对进行了统计检验，并收集了 2
AI赋能的智能BMS通过多维度数据感知与算法协同，重构了电池健康管理的底层逻辑。传统BMS仅能依赖电压、电流、温度等基础参数的阈值判断，而AI技术通过集成高频传感器与边缘计算能力，可实时捕捉电芯级微观参数，包括极化特性、析锂倾向、内阻变化等隐性失效因子。例如，弘正储能的BMS 2.0系统采用“7M多
之前我已经介绍了如何对单个均值执行等价性检验。另外还可以对两个均值的差异执行等价性检验。这些数据同样存储在 Tablets.jmp 文件中。对于药片场景，如果两个设备的平均目标重量差异小于 0.5 mg，就认为平均重量实际上是等价的。1.请你对两个设备的药片重量差异执行等价性检验。答案：依次选择分析
神经网络算法的适用面越来越广了。而人工神经网络的算法原理其实并不难理解。由于计算过程都是由计算机进行，所以我们重点是掌握参数的意义和调参的方法。下面是我学习过程中的笔记，分享给大家。
来源：电力干货特别声明：晓风数据锂航转载其他网站内容，出于传递更多信息而非盈利之目的，同时并不代表赞成其观点或证实其描述，内容仅供参考。版权归原作者所有，若有侵权，请联系我们删除。
数据分析-实验设计(DOE)与Minitab实操案例
下面这张图被称为条件Matrix图，现在很少有公司会使用它。它是对两个因子的各水准进行两两组合并进行实验得到的一张非常复杂的表格，有些人把它称为“全因子实验”。但这种说法其实是错误的。全因子实验是 DOE 方法的一种，它也是使用了正交设计和考虑交互作用的方法，因此它可以同时评价很多个因子。而上图只涉
基于弛豫电压的锂离子电池的非线性衰减转折点和剩余使用寿命预测No.1研究概述锂离子电池在长期使用过程中会出现非线性衰减，预测非线性衰减趋势对积极采取措施延长电池寿命和确保电池安全具有指导意义。在本研究中，提出了一种以弛豫电压为特征序列的非线性衰减转折点预测方法。并且，这是首次尝试对转折点和剩余使用寿
最近有小朋友问我，为什么JMP、Minitab里面的CPK和自己用Excel计算的不一样？其实，一直以来，大家用的CPK和PPK的公式都是错的。举个例子：五个样本：1，2，3，2，2规格上限：4；规格下限：2网上计算CPK公式如下：Excel的计算结果是：CPK=0.94我们用Minitab和JMP
New Year2025 学术热点锂离子电池作为现代能源存储的核心技术，其性能优化与安全性提升面临多尺度、多物理场耦合的复杂挑战。传统实验方法受限于高成本与长周期，而基于物理模型的仿真手段难以全面捕捉电池内部的非线性动力学行为。机器学习凭借其强大的数据挖掘与模式识别能力，为锂离子电池研究提供了革命性
从 1 月 3 日开始 Deepseek 被境外持续攻击，后台服务器没有响应，据说已经被暴力破解用户的账号密码。于是决定本地私有化部署一个。今后既不用怕隐私泄露，也可以用于公司训练自己的知识库，可以看到DeepSeek各项性能指标和OpenAI-o1 模型不相上下，小部分有超越，关键是开源的，太香了
磷酸铁锂电池具有较长的循环寿命､较高的安全性､较低的成本等优势,近年来得以规模化应用｡数据显示,2022年我国锂离子电池正极材料产量分别为:三元锂正极材料产量65.6万t,同比上一年增幅约48.8%;磷酸铁锂产量119.6万t,同比上一年增幅约160.6%;钴酸锂产量7.8万t,同比上一年下降约22
培训-DOE案例分享
电池寿命预测系列-案例22
在当前全球能源结构转型和电动汽车市场快速增长的背景下，锂离子电池作为关键储能技术的研究和应用正迅速发展。据调查，目前行业内研究背景和进展主要如下：1、安全性问题：电池安全性问题，如热失控、短路和枝晶生长等，成为研究和工业界的焦点，需要通过先进的模拟和设计方法进行预防和控制。2、材料科学的研究：新型电
本期受文章作者投稿给大家分享一个电池退化数据集。如果有故障诊断相关方向研究人员希望宣传自己研究成果，欢迎大家在公众号后台与小编联系投稿，大家一起交流学习。最近，由温州大学的向家伟和吕东祯团队，与南卡罗来纳大学的Bin Zhang团队以及巴黎矿校的Enrico Zio团队在《Cell》子刊上发表了一项
【免责声明】文章为作者个人观点，不代表晓风数据锂航立场。如因作品内容、版权等存在问题，请于本文布30日内联系管理员进行删除
尽管经济的波动导致许多行业面临裁员的压力，但电池仿真工程领域却呈现出逆势增长的趋势。这一趋势的背后，是电动汽车市场的蓬勃发展以及公众对高效、环保能源解决方案的日益增长的需求。在这样的背景下，电池仿真工程师的专业技能变得尤为宝贵。工程师运用最前沿的仿真技术和算法，对电池在各种使用环境下的性能进行模拟，
前沿背景锂离子电池，作为现代科技领域的核心能源存储设备，其性能提升与技术创新一直是科研人员关注的焦点。随着新能源汽车的普及和高能量密度电子设备的广泛应用，对锂离子电池的能量密度、循环寿命、安全性和充电速度等性能提出了更高要求。在这一背景下，机器学习技术的引入为锂离子电池研究注入了新的活力。机器学习凭
锂离子电池，作为能源转型与电动车市场崛起的基石，正迎来研发与应用的飞跃。面对繁杂设计参数与实验盲点，电池仿真技术，尤以COMSOL为代表的多物理场仿真，精准解析电池内部机理，从微观行为到宏观性能，搭建完整模型，显著提升开发效率与成果质量。人工智能与电池管理技术的深度融合，催生了电池科技的智能革命。状
电池寿命预测系列-案例19
锂离子电池由于其能量密度高、无记忆效应、自放电小且循环寿命长而在各个领域得到广泛使用，如电子产品、电动工具、电动汽车以及储能领域等。电池的性能总体可分为电性能和可靠性两大类，寿命是衡量其电性能的重要指标之一。对于能量型电池，一般认为电池的可用容量衰减到初始容量的80%时，即为寿命终止。电池的寿命包括
上周参加了JMP 2024年的数据峰会。在上午的专家组圆桌会议上，各位嘉宾的见解和策略让我深受启发。本次峰会汇聚了来自微软的首席工程师张磊、ATL 6σ负责人乔亨、药明生物工艺主任宿宇宁、大中华区JMP数据分析负责人徐湛等行业翘楚。他们围绕企业数字化转型的推进，深入探讨了复合型人才的稀缺性及其培养策
电池寿命预测系列-案例18
电池寿命预测系列-案例16
1 研究概述精准估计健康状态(state of health, SOH)是保证锂离子电池安全、可靠、高效运行的关键之一。内部动力学过程的时间尺度信息与电池健康密切相关，可通过弛豫时间分布 (distribution of relaxation times, DRT) 有效地从宽频阻抗中辨识出。基于此
比亚迪实验设计（DOE）培训教材
数据分析-minitab-最经典最全面的操作教程（含案例解析）
基于物理的锂离子电池充电状态估计电化学模型由于电化学模型可以准确模拟整个充电状态（SOC）范围内的电池行为，因此在 BMS 中非常有吸引力。然而，求解偏微分方程的计算成本较高，限制了其实际应用。由于计算成本低，简化的电化学模型更为合适。我们建立了一个简化的电化学热耦合模型，对模型参数进行了缩减和重组
*01、定义Cmk 是指机器（设备）的能力指数（m是指机器或设备）。研究的对象是设备，表现为某设备加工某零件，在某公差情况下的加工一致性。Cmk是德国汽车行业常采用的参数，也称为临界机器能力指数，它仅考虑设备本身的影响，同时考虑分布的平均值与规范中心值的偏移；由于仅考虑设备本身的影响，因此在采样时对
中国目前众所周知，制造业是一个相对的优势。现在正是制造业转型升级的关键时期，从传统制造走向先进制造，标志物有新能源、创新药和AI大模型。新能源和创新药本身就是创新的载体，而AI大模型目前的应用趋势是嵌入到具体的载体中，提高效率。它的实现本质是通过指数级算力对数量级数据的计算。AI大模型作为工程师助手
这周滨口老师特地从日本过来给我们进行为期一周的统计学授课。滨口老师在统计学方面是非常专业和博学的。在日本出版过很多书籍。本次我作为助教参加。他在解释中值极限定理时，用了一个掷骰子的案例。骰子的点数分布，1-6出现的概率相同(均匀分布）考虑投出n个骰子后出现的点数的平均值。n 越大，平均值的分布越接近
有时候上级要求统计所有文件夹的权限。通常我们会选择文件夹右键→属性→安全，进入权限查看器，对每个成员的权限进行确认。但是如果有10个文件夹，每个文件夹20个成员就要统计200次。如果有100个文件夹，就要统计2000次。人力有时而穷，不要用有限去对抗无限。可以使用PowerShell脚本，获取指定路
有些公司规模比较大。数据库是由IT部门管理，而数据分析是由业务部门自己进行。那么数据清洗就是这两个部门的交接地带。一次数据分析通常由IT部门负责将原始数据取出交给业务部门，然后业务部门负责数据的清洗和分析。但是，有时候，受限于IT部门的能力或者某种政策（要求数据库的表头以英文/日文形式存储），会导致
大公司的文件夹路径比较深，很多人会用Excel 手动去汇总这些快捷方式。如何快速生成某个大路径下的自定义层数的地址呢？（如下图）之前的案例是因为需要用到机器学习或者自定义图形生成，所以用python比较方便。但这回的需求仅仅需要和Office进行快捷交互，没有什么比VBA更合适的了。步骤如下：在B1
摘 要 预测电池健康状态(state of health，SOH)的传统方法，一般以历史数据为依据，既难以预测电池实时状态，也无法估计锂电池剩余使用寿命。针对实时预测电池SOH的问题，文章依据采集的大量实车电池数据，结合机器学习与安时积分法对其进行建模预测，处理特征并训练数据。基...
今天有同事课题遇到瓶颈，他们想用图来表示 100 组 OCV 数据的分布情况，但是只知道平均值和标准差。于是求助于我。一种共同的想法是将这100个分布在一张图里面表示出来。问有没有好的办法。我以前做过Excel的分布图工具，但是只能针对2个及以下。JMP方面，有分布图的做成工具，但是没有针对几十上百
