推荐阅读
最新留言
文章评论区即将上线，敬请期待 💬
前两天在我的知识星球里，有位资深工程师提了一个非常典型的问题（见下图）：
这是一个非常经典且棘手的制造工程问题：设备能力不足，但资源受限，试图用数据处理（算法）来弥补硬件缺陷。
有热心的星友给出了建议：是设备硬件的问题，不该用软件去补偿弥补，而要找主要原因。
**
**
说的非常对，这是做质量的底线思维，如果MSA有问题应该先修设备。 但作为现场的设备工程师就比较难了，现在的老板批钱都比较难，逼着下面人给办法。所以大家只能想歪点子。 其实如果一定要算法补偿，也不是不行，但是逻辑相对比较复杂。
从补偿原理方面考虑，肯定不能直接按照固定值补偿。需要建立一个基于相关性分析的分级补偿模型。寻找“容量损失”与“物理特征”的函数关系。机理方面：通道差异导致容量偏低，通常是因为Tab接触方式、夹具压力分布等因素造成接触电阻或线路阻抗过大，放电时电压提前下降，提前触碰截止电压，从而导致放出的容量比实际少。
**
**
以下是一套分步骤的算法补偿方案及防漏杀策略：
首先，你需要量化每个通道的“系统误差”。**
**
方法：
一、建立基准
1.选取一批（如50-100只）性能极其稳定的“金样”电芯，或者同一批次、同一档位的量产电芯，随机打乱后分布到不同通道测试。
2.计算所有通道测得容量的中位数Cglobal
3.计算每个通道的平均测量值 Ci 与 Cglobal的差值 ΔCi
如果 ΔCi 是正态分布且范围很窄，说明设备正常。
如果某些通道ΔCi显著为负，这些就是由于夹具/接触差导致的“假性低容”。
二、算法补偿模型
方法1：基于接触内阻的动态补偿（最推荐）
软包电芯的接触好坏直接反应在DCR（直流内阻）或测试开始瞬间的电压降（IR Drop）上
原理：接触电阻大-> IR Drop大-> 有效放电时间缩短 -> 容量测低
算法：
建立回归方程 y = ax + b。
x = 测试过程中测得的接触阻抗（或放电瞬间压降）
y = 容量损失量（Golden Sample标准容量 - 实测容量）。
注意：必须设定 Rcontact 的阈值，超过阈值直接报错，不予补偿。
方法2：如果测不到准确的接触内阻，可以分析放电末端的曲线
- 原理： 接触差的通道，在接近截止电压时，电压下降斜率（dV/dt）会异常陡峭，或者回弹电压（Recovery Voltage）异常高。
- 算法： 测量放电停止后 1秒或10秒内的电压回弹值ΔV。回弹越大，说明欧姆极化（包含接触电阻）越大。建立 ΔV 与容量补偿量的函数关系。原理是一样的。
3. 关键：如何确保“不漏杀” (防呆机制)
这是你最关心的问题。算法补偿本质上是在“美化”数据，如果边界控制不好，就会把真正的低容电池（B品）强行补成合格品（A品）。
必须设置以下三道熔断机制：
1：设定一个最大允许补偿值（例如：设计容量的 1% 或 2%）。
- 逻辑： 如果算法计算出需要补偿 50mAh 才能合格，而上限只有 20mAh，则禁止补偿，直接判定为NG。
- 理由： 需要大幅度补偿通常意味着硬件连接极其恶劣，或者电芯本身内部极耳焊接不良。这时候不能通过算法“救”回来。
2：设定一个“硬下限”。
- 假设合格线是 3000mAh。
- 设定硬下限为 2950mAh。
- 逻辑： 实测值低于 2950mAh 的，无论算法算出接触电阻有多大，一律不进行补偿，直接判NG。只有在 2950mAh~3000mAh 之间的“灰色地带”才允许启动算法。
3：一致性校验（Z-Score 异常剔除）
在一个Tray（托盘）或一个批次中，监控某个通道的补偿频率。
- 逻辑： 如果某一个通道连续 10 次都需要进行正向补偿，说明该通道夹具已经严重磨损。
- 动作： 算法自动锁死该通道，并报警提示人工维修，不再进行自动计算。
看起来完成了，一般也最多想到这里。但我是搞机器学习、深度学习的。所以脑子里始终装着：“模型退化”的问题。啥叫“模型退化”呢？
**
**
简单的说：一旦出现“变异点”，比如：
- 来料变异：某批次电芯本身的内阻突然整体偏大（电解液问题或极耳焊接虚焊）。
- 新缺陷模式：出现了一种新的“微短路”，导致电压下降快，算法误以为是接触阻抗大，结果“强行奶了一口”，把坏品放过了。
如果无法区分“是夹具接触差”还是“是电芯本身烂”，这个算法就是一颗定时炸弹。
下面的方案是我独有的，本来是打算放星球的，但为了让大家看得爽，这次我也不藏私了。
针对“未知的变异点”，我们需要引入动态参考系和模式识别来升级防御。
1.用“相对值”算法来代替“绝对值”
用当前这一盘（或这一批）电芯的平均表现做基准。
**
**
1.计算当前 Tray 中所有电芯的阻抗中位数记为Rtray
2.计算单体电芯偏离度：Δ R = Rcell - Rtray。
- 如果 **Δ R很小，但电芯容量低 **->真低容（不补，杀掉）。
- 如果 Rtray整体都很高 ->制程/来料异常（报警，整盘扣留，不补）。
- 只有当 Rtray 正常，且某几只电芯的 Δ R显著偏高，且该通道历史表现一直偏高时 ->判定为夹具个案，执行补偿
2.区分“系统性误差”与“随机性误差”
夹具问题： 是位置相关的。
产品问题：是****随机分布的。
**
**
建立“通道健康度档案” (注意之前的是Tray别）
算法不能只看“这一次”测试，要看“过去10次”该通道的表现
- 如果通道5在过去 10 次测试中，有 8 次阻抗都比平均值高 5mΩ ->认定为通道故障。
- 动作： 对通道5的数据启动补偿算法。
- 反之： 如果通道6平时都很准，突然这一次测出来阻抗大、容量低 ->认定为产品突发变异（如极耳虚焊）。
- **动作：**严禁补偿，直接判 NG。
只有被标记为“长期表现差”的通道，才配享用补偿算法；表现好的通道突然测出坏品，一律当真坏品杀掉。
- 策略三：CUSUM（累积和）监控算法的算法（这玩意黑带必考）
你需要一个“监控算法的算法”。
在你的质量看板上监控一个指标：平均补偿量
- 正常情况： 每天的平均补偿量应该是一个稳定的波动值（比如平均每只补 2mAh）。
- **异常触发：**如果某天平均补偿量突然飙升到 10mAh ->说明设备整体气源压力不足，或者探针批量磨损。如果某天补偿量突然降为 0 ->说明来料变好了，或者传感器坏了。
- 措施： 一旦该指标触发 SPC 的控制限，立刻停机报警，人工介入。
所以这位ME，如果要进行算法检证，你的逻辑应该是这样的：
- 输入数据：电压、电流、容量、阻抗、通道号。
- 第一层过滤（大数法则）：计算整盘平均阻抗。如果整盘异常 ->整盘报警（防来料变异）。
- 第二层过滤（通道指纹）：查该通道的历史阻抗。如果历史正常，今日异常 ->判为产品缺陷，不补偿（防虚焊漏杀）。
- 第三层过滤（算法执行）：如果是由于通道历史差导致的，计算 Cadj = C + f(ΔR)。
- 第四层过滤（熔断机制）：如果计算出的补偿值 > XmAh ->不补偿（防严重短路）。
- 输出结果：输出最终容量。
4. 写在最后
道理都懂，但真要在 Excel 里实现这套“四层过滤漏斗”，工作量巨大且容易出错。
作为一个“偷懒”的算法工程师，我用 Python 写了一个《通道动态补偿模拟器 (Demo)》。
它包含以上所有的逻辑：
- ✅ 自动计算 Tray 中位数
- ✅ 建立通道健康档案
- ✅ CUSUM 异常监控
**为了验证这套逻辑的安全性，我还在代码里做了一个“蒙特卡洛模拟”：**我设定了 1% 的虚焊电芯和 5% 的坏通道，跑了 10 万条数据。结果证明，这套逻辑能精准拦截 99.9% 的坏品，同时把误杀率降低到 0.1%。
**这份带注释的 Python 源码和模拟结果（核心算法都在里面），我已经上传到【知识星球】。**感兴趣的兄弟可以下载下来，把你们产线的历史数据喂进去跑一下，看看能“救回”多少误杀的电池。
这两天星球支付升级，想加入星球的可以在公众号后台私信我。