數據分析的案例
數據分析與AI丨產品全生命周期的數據分析與AI提效案例
“從產品誕生到報廢的整個生命周期，決策方式正逐漸從依賴經驗轉向以數據為依據。在產品構思階段，過去主要依靠設計師的判斷，而如今，我們可以借助 AI 加速研發流程。”
—— Altair 數據分析工程師 楊國宇
在2025 Altair 區域技術大會·華南站的精彩演講
眾多周知，Altair 是計算智能領域的全球領導者之一，在仿真、高性能計算 (HPC) 和人工智能等領域提供軟件和云解決方案，今天想與大家分享Altair三大產品線之一——數據分析與人工智能平臺RapidMiner。
本次分享主題是“產品全生命周期的數據分析與AI提效”，希望與大家探討在產研、營銷、服務以及人機料法環測等環節中，數據分析與人工智能如何發揮價值。將從以下幾個方面詳細講解：
1、 產品&產線
2、 工業中的 AI 應用
3、 LLM 在工業中有什么用
4、 Altair 能提供什么
以下為全文內容：
01產品&產線
首先，我想談談產品與產線的關聯。大家或許已多次見過我們展示的這張產品生命周期圖，實際上，從產品誕生到報廢的整個生命周期，決策方式正逐漸從依賴經驗轉向以數據為依據。在產品構思階段，過去主要依靠設計師的判斷，而如今，我們可以借助AI加速研發流程。
例如，在評估設計可行性時，傳統做法需要制作樣品或反復試驗，而仿真技術的出現顯著降低了成本與時間。我們可以通過仿真測試手機的抗摔性能，無需真的將新手機從高樓拋下；也可以在客戶尚未反饋前，通過冷水機的實時數據掌握其運行狀況。
可以說，在產品生命周期的每個階段，數據分析和AI都有廣泛的應用空間。
那么，這些數據未來將如何進一步被利用？以白車身產線為例，其蘊含了大量隱性信息。
展開 ViCANdo — 智能駕駛數據采集及數據分析平臺
經緯恒潤基于ViCANdo軟件，為智能駕駛測試提供從數據采集到數據分析全流程的解決方案，幫助智能駕駛研發測試人員快速了解產品性能，提升產品可靠性。
產品介紹
?ViCANdo是瑞典Zuragon公司研制的一款針對智能駕駛功能的開發和測試平臺軟件，具備如下特性:
?兼容性好，能運行在Windows、Linux、MacOS等操作系統，支持x86、ARM等平臺
?能夠完成車載總線全量數據的采集和同步
?具備數據實時分析和后處理能力
?提供靈活的API接口，方便后續二次開發
產品功能
?智能駕駛數據采集分析
? 全量數據采集，CAN、LIN、Ethernet和GPS串口數據等
? 定制化傳感器接入
? 遠程事件監控/數據傳輸
? 數據同步
? 數據可視化
?ViCANdo擴展工具組(ICVT)
ViCANdo軟件搭配有多種擴展組件，用于智能駕駛的測試和數據分析。
展開 科技前沿 | 什么是大數據中的實時分析？
大數據并不是一個新概念，它一直在整個數字時代發展，所以要充分理解這個概念，讓我們先了解一下大數據發展的前期。
自數字時代開始以來，組織一直在收集數據并嘗試對其進行分析以指導決策過程。隨著數字環境的發展，數字系統的廣泛使用導致海量數據呈指數級增長。
隨著數據集變得越來越龐大和復雜，它們最終取代了處理和分析數據的傳統方法。這些計算挑戰推動了分析的發展，這些分析使用強大的計算機處理能力從龐大的可變數據集中獲取準確的見解。
這個過程稱為大數據分析，意味著組織可以分析以前由于規模龐大而無法訪問的數據集。分析越來越大的數據集已經解鎖了對業務流程、客戶、市場等的新的、重要的洞察力。
大數據分析是一個廣義的術語，可以細分為幾個不同的子類型。
適用于不同的場景
描述性分析是指其描述和理解一組數據的能力。
診斷分析可以解釋已識別趨勢或事件發生背后的原因。
規范性分析能夠分析趨勢或事件，并提出有助于決策過程的行動。
預測分析采用人工智能和機器學習，根據當前和過去的數據預測未來可能出現的情況。
將實時數據分析應用于大數據已將以前的追溯流程轉變為如今的立即行動。一旦信息進入大數據基礎設施，企業現在就可以獲得（并采取行動）有價值的見解。
組織可以在系統處理實時信息時了解為什么會發生某些事情，并準確預測事件的結果，同時獲得即時的規范性建議—即使數據量巨大。
展開 數據分析與AI丨F1賽車級數據智能：Altair Panopticon如何助力Prodrive領跑賽事工程？
</p><p><br></p><p>“我們擁有龐大的賽車日志數據庫，但海量數據幾乎令人無從下手。Altair Panopticon正是理想的解決方案，它既能挖掘歷史數據中隱藏的模式，又能實時解析賽車傳輸的數據流。</p><p class="ql-align-right"><strong>—— Prodrive高級數據分析工程師 </strong></p><p class="ql-align-right"><strong>Alistair Grimshaw</strong>”</p><p><br></p><p><strong>數據挑戰：TB級賽事數據的智能困局</strong></p><p><br></p><p>Prodrive原有的分析系統雖然能夠采集賽車傳感器數據，<strong>但與大多數賽車數據分析系統一樣，難以有效處理長期積累的大規模數據集</strong>。然而，對賽車全生命周期發動機數據的分析，能夠為設計和制造工藝的優化提供關鍵洞察，從而提升車輛性能。此外，準確預測關鍵部件的潛在故障時間，有助于車隊在比賽中優化進站策略。</p><p><br></p><p>由于Prodrive賽車搭載的傳感器數量眾多且采樣頻率高，單車全生命周期產生的數據量極為龐大。在常規比賽周末，每輛賽車可生成約0.5 TB數據；而在測試期間，每周數據量可達5至10 TB。因此，Prodrive需要一套能夠高效管理海量數據、提供更強大分析能力，并支持快速開發和部署周期的數據分析軟件。</p><p><br></p><p><strong>Altair 解決方案：實時數據智能平臺</strong></p><p><br></p><p>Prodrive工程團隊不僅需要處理高頻實時數據流并實現可視化，還希望提升關鍵發現向管理層的傳達效率。
展開 
大數據建模、分析、挖掘技術
隨著《關于印發促進大數據發展行動綱要的通知》發布，各類型數據呈現出了指數級增長，數據成了每個組織的命脈。今天所產生的數據比過去幾年所產生的數據大好幾個數量級，企業有了能夠輕松訪問和分析數據以提高性能的新機會，如何從數據中獲取價值顯得尤為重要，也是大數據相關技術急需要解決的問題。大數據是需要新處理模式才能具有更強的決策力、洞察發現力和流程優化能力來適應海量、高增長率和多樣化的信息資產。數據建模不僅僅是任意組織數據結構和關系，還必須與最終用戶的需求和問題聯系起來，并提供指導，幫助確保正確的數據正確使用正確的方法獲得正確的結果。
為響應科研及工作人員需求，根據《國務院關于推行終身職業技能培訓制度的意見》提出的“緊跟新技術、新職業發展變化，建立職業分類動態調整機制，加快職業標準開發工作”要求，中國管理科學研究院現代教育研究所（http://www.pdhb.org.cn）聯合北京龍騰亞太教育咨詢有限公司特舉辦“大數據建模、分析、挖掘技術應用研修班”。本次培訓采用實戰培訓模式。
本次培訓由北京龍騰亞太教育咨詢有限公司承辦并進行相關費用收取及發票開具。具體通知如下：
一、時間安排:
2023年8月18日 — 2023年8月22日 上海（同時轉線上直播）
（18日報到發放上課材料，19日-22日上課）
二、培訓目標
1.掌握大數據建模分析與使用方法。
2.掌握大數據平臺技術架構。
3.掌握國內外主流的大數據分析與BI商業智能分析解決方案。
4.掌握大數據分析在搜索引擎、廣告服務推薦、電商數據分析、金融客戶分析方面的應用。
5.掌握主流的基于大數據Hadoop和Spark、R的大數據分析平臺架構和實際應用。
展開 零基礎數據分析師技能：SQL、R、Python、Power BI ￥10
零基礎數據分析師技能：SQL、R、Python、Power BI
Data Analyst Skills for beginners - (SQL,R,Python,Power BI )
更新于2026年
MP4 | 視頻：h264，1920x1080 | 音頻：AAC，44.1kHz，雙聲道
語言：英語 | 時長：9小時 | 大小：2.9GB
掌握成為數據分析師所需的核心技能。
學習內容
- 連接各類數據源
- 數據清洗與轉換
- 探索性數據分析
- 使用數據框進行數據操作
- 數據可視化制作
- 使用SQL進行數據分析
- 使用Python進行數據分析
- 使用Power BI進行數據分析
- 使用R語言進行數據分析
學習要求
無需任何編程基礎。
課程介紹
數據分析是對數據進行檢查、清洗、轉換與建模的過程，旨在挖掘有效信息、得出結論并輔助決策。數據分析師通過收集、整理、研究數據，為業務提供洞察。本課程講解主流分析工具與方法：
- R語言：用于統計計算與可視化，支持各類統計模型與圖形展示。
- SQL：關系數據庫標準語言，用于讀取、處理與修改數據。
- Python：通用編程語言，常用于數據分析與可視化。
- Power BI：微軟云商業分析工具，支持多數據源連接與高效分析。
課程從零開始教學，無基礎也可輕松掌握數據分析師必備技能。
展開 DEFORM Data Analytics數據分析工具案例應用
在工藝開發和實際生產當中，通常都會積累大量的工藝數據，這些數據量龐大且無明顯規律，但在工藝人員的大腦中形成了模糊的相互關系，變成了工藝人員的生產經驗。如果將這些數據整理出來變為智能的確定性的專家系統，將會為企業帶來更多經濟價值，成為企業和個人的技術積累。
DEFORM專題4講3月29日-4月1日
2022年3月29日-4月1日，安世亞太大咖慧推出DEFORM工藝仿真專題培訓，內容包含：成形加工工藝DOE/OPT優化及數據分析、擠型工藝仿真及模具壽命分析、金屬表面處理工藝、密封及緊固件制造、安裝工藝仿真等技術。（報名方式見上圖）
DEFORM DOE/OPT試驗設計與優化模塊是非常成熟并得到廣泛應用的設計工具，計算過程中產生的多組模擬結果也等同于現實當中的多次試驗，不但能夠對輸入的所有參數（包括工藝參數和材料參數）在一定范圍內自動優化，而且能夠對工件和模具的復雜幾何結構、擺放位置參數化建模并優化。DOE post后處理界面自動生成了各輸入變量對輸出變量的影響規律，可視化圖形顯示。隨著DOE技術應用的不斷深入，為了能夠對大量的模擬結果數據更深層次的分析處理，SFTC公司開發了新的數據分析工具DEFORM Data Analytics。
Data Analytics用戶界面
DEFORM Data Analytics為用戶提供了一種分析、比較和建模數據的方法。數據可以來自實驗和生產，也可以來自DEFORM計算結果的輸出。數據可以以簡單的方式提供.txt文件和.csv文件。
數據窗口
DEFORM數據分析還可用于對工藝的輸入參數進行靈敏度分析，或將有限元計算結果與實驗數據進行比較。
展開 無人機用發動機連桿檢測與數據分析系統
為了解決此問題，設計并制造了一套發動機連桿檢測裝置，通過該裝置可以實現快速檢測發動機連桿尺寸，并能實現數據分析功能。
關鍵詞：連桿；發動機；檢測
0 引言
無人機用發動機連桿相對一般地面用發動機在強度、精度、尺寸一致性、重量、可靠性等諸多方面有更高的要求。傳統檢測與控制方法中對連桿孔的尺寸公差、形位公差、位置公差[1，2]分別用多種通用量具或多個檢測工裝進行測量[3]，過程復雜，周期長、工作效率低。已有的一些采用相對測量方式的檢測裝置，由于只提供了工具末端，檢測結果只能由人工判斷出圓度、同軸度和圓孔的垂直度各個獨立的單項值是否落在公差帶范圍內，雖集成了圓度、同軸度和垂直度規的功能，但不能檢測出具體數值。同時也不能檢測各個孔具體直徑、兩個圓孔中心距和兩個圓孔平行度等重要數據。而且檢測結果不能有效的進行閉環回饋指導后續生產制造過程的改進與提高。
為了克服現有檢測工作存在的上述技術問題，采用自動測量多個尺寸方式[4]，設計一種小型無人機用發動機連桿檢測與數據分析系統[5]。該系統采用自動機械定位與壓緊方式，利用多個觸電側頭采集數據傳輸給計算機處理，計算出所需的測量數據，并進行統計分析[6]。
1 檢測與數據分析系統的設計
整套檢測裝置和數據分析功能模塊包括控制和數據處理單元[7]、機械運動單元[8-10]、測量及數據采集單元和數據顯示單元。可編程控制器通過電磁閥控制氣缸運動，測量基塊上設有多組電感傳感器測頭，電感側頭采集檢測數據，并傳輸給可編程控制器處理，檢測結果通過觸摸屏顯示器顯示。整套檢測與數據分析系統原理圖如圖1 所示。
展開 淺析什么是數據分析的特征提取
此處的觀察不僅是“可感知的”視覺、觸覺、聽覺的感官觀察，還包括“數據”的觀察。尤其在引用數據分析技術之后，即便是對視覺、觸覺、聽覺得觀察也最終需要轉化成數據來進行所謂的“觀察”。
這種將“狀態”轉化為“數據”的過程就是特征提取的過程。這種通過數據進行的“觀察”過程就是數據分析。
在分析中，目標是某個設備的“狀態”。
因此，將設備狀態進行數據描述的過程，就是設備建模的一部分。之所以說是一個部分，是因為這個建模具有清楚的目標指向“故障診斷”和“壽命預測”。
因為對設備的建模，還有出于其他分析目的更多方式。將所有不同分析目的的設備建模進行綜合，就完成了整個“物理設備”映射到虛擬空間的“數字設備”，這就是“數字孿生”。
題外話：這只是一個通俗的解釋，方便大家理解。更加學術上的定義，還請大家查詢相關的專業文章和標準。
02
PART
那么到底應該“觀察”哪些“狀態”呢？從數據分析專業的術語來說，就是“要提取哪些特征”呢？
這就是一個設備故障診斷與壽命預測中的特征選擇的問題。
對于數據工程師而言，可以通過各種數據特征比對的工具，例如：相關性分析等，在眾多數據中尋找與診斷目標具有最大相關性的參數作為特征。
注意：“數據特征”和“設備故障特征”不是一回事兒。在工業領域中，對故障的特征參數選擇更加依賴于“機理”本身而非數據的特征。
用一個通俗的比方來說，就是工業機理可以指明與故障狀態相關或者可能相關的數據有哪些，而數據工程師可以以此找到最相關的參數，對“故障狀態”和“數據特征”的相關性進行研究。
展開 祝賀數字化學會?第三屆數據分析應用大賽圓滿落幕
*第三屆數據分析應用大賽決賽現場合照
數字化學會始終引領在數字化轉型的前沿，每年學會舉辦的數據分析應用大賽，就是與時俱進的標志。今年我們一如既往地舉辦第三屆數據分析應用大賽，希望通過該大賽能為國內大數據發展添磚加瓦，為數據分析人才提供展示的平臺，為企業輸出更多優秀的數據分析人才，加快推動各學科領域同仁基于數據進行創新研究，助力國家大數據發展戰略，提高開放科學、開放數據意識，促進研究數據的管理、保存和開放共享。而未來，數字化學會將與國內外更多優秀企業，攜手更多數據分析人才探索屬于我們中國用戶的數據創新，繼續為推動大數據發展不懈努力，奮斗前行。
讓我們共同相約，明年
第四屆數據分析應用大賽，再見！
展開 智能駕駛數據后處理分析利器—INTEWORK-VDA
隨著智能駕駛技術在新車上逐步普及，車輛研發階段需要做大量的實車測試工作，當前的測試方式主要是路采實車數據后，按標準和法規進行測試場景提取和測試數據分析。調查顯示絕大部分智能駕駛研發廠商以傳統的手動分析或借助非專業工具進行半自動處理數據為主，測試分析工作效率極低。 由于路試并非按照預定工況進行順序駕駛，各種場景往往是在采集過程中無規律地出現，因此給數據篩選和分析工作帶來了許多困難。數據分析的步驟一般是通過回放數據進行特定場景的提取，之后再進行數據評價，而往往數據提取和分析所耗的時間與實車采集時間相當，甚至更多。 為解決上述問題，經緯恒潤基于并行和科學計算平臺自主開發了數據分析的利器INTEWORK-VDA工具，通過此工具可以實現實車錄制數據中測試場景的快速篩選和科學評價。VDA包含如下主要功能模塊： 使用VDA工具可大幅提高采集數據的分析效率，快速自動生成分析結果和報告。如下為基于傳統方式和使用VDA軟件進行ACC跟停和起步數據分析的耗時對比（實車3小時采集的數據，其中報文文件1G、視頻文件4.5G）：
VDA典型功能
? 場景快速篩選 基于VDA可實現場景的快速篩選和可視化分析，如下為輸入LDW壓線報警篩選的條件，軟件可將符合條件的數據以數據段的形式列出，用戶可查看任何一段符合LDW報警場景的數據，支持總線信號和視頻數據的同步回放。 ? 關鍵評價指標自動提取 支持上百項智能駕駛場地法規測試和開放道路測試關鍵指標自動提取、數據統計和測試報告自動生成。 ? 數據可視化 VDA的曲線分析模塊提供了多種曲線查看功能，可進行信號的標注、放大、縮小并可顯示常規的統計結果如：標準差和平均值等。
展開 
Origin繪圖和數據分析
Origin繪圖和數據分析.part1.rar
Origin繪圖和數據分析.part2.rar
Origin繪圖和數據分析.part3.rar
數據分析與AI丨AI+數據，助力企業實現全生命周期智能運營
在當今快節奏且競爭激烈的制造業環境中，數據已成為企業保持領先地位的核心要素。充分挖掘數據潛力，能夠助力工程師做出更明智的決策、預測未來趨勢、并快速響應不斷變化的市場需求。通過實時洞察優化生產流程、減少停機時間、提升生產效率，是制造行業維持敏捷性與競爭力的關鍵所在。
Altair 的制造行業分析解決方案致力于簡化企業運營，強化預測性維護能力，并協助團隊獲取實時洞察，從而推動創新，加速智能制造轉型進程。
01
實現數據驅動的智能運營
40 年來，Altair 始終致力于通過在產品全生命周期中應用仿真、數據分析等技術，助力客戶實現產品設計與決策模式的革新。
我們深諳企業制造運營與數據分析的復雜性。依托在制造行業人工智能（AI）與機器學習領域的專業積累，我們推出的低代碼/無代碼分析解決方案，讓不同技能水平的用戶都能輕松構建應用程序，支持更快速、高效的決策。
通過全面的自助式數據分析與機器學習平臺，Altair 助力企業在從車間到管理層的全數據生命周期中充分利用運營數據，實現價值提升，并降低風險。
（視頻）
02
增強制造業運營分析能力
數字孿生
借助數據構建產品與流程的數字孿生模型，實現對生產系統的預測與優化。通過融合 AI、機器學習和知識圖譜技術，構建高價值模型，為團隊提供深度洞察，輔助制定更優決策，提升運營效果。
可持續性
跟蹤整條生產線的能源使用情況，是提升效率與實現可持續發展的重要環節。通過測量與報告多維度環境數據，企業能夠精準定位需改進的領域，如及早發現效率瓶頸、減少資源浪費與能源消耗、優化產量、最大限度降低廢料產生等。Altair 的專業工具將助力企業實現經濟效益與環境效益的雙重突破。
展開 科技前沿 | 物聯網與大數據分析有何關聯？
這些解決方案會獲取收集到的大量非結構化數據，并確定將其組織成更小的數據集的方法，這些數據集可以讓公司深入了解其流程的運作方式，并改善決策制定。
與物聯網一起使用時，大數據分析可以提供不同類型的見解；即描述性分析、診斷性分析、預測性分析和規范性分析。描述性分析可以深入了解互聯設備的實時性能。
描述性分析可以用于任何事情，從定位互聯的設備到了解客戶如何使用該設備，以及識別異常情況。
診斷分析可以深入了解描述性分析背后的“原因”。對于特定的互聯設備，它可以幫助組織了解為什么它以某種方式運行或為什么它會產生某些輸出。
大數據在物聯網中的一個尤為適用的用途是預測性分析。這種類型的分析會用到機器學習，它會分析過去的數據并給出設備未來運行方式的概率。這對于物聯網設備的服務尤其有益。使用這項技術，組織可以在設備停止工作之前預測故障或服務需求。
最后，大數據在物聯網中用于規范分析。這種類型的分析可以深入了解如何影響已觀察或預測的事物。
物聯網和大數據分析結合使用的挑戰
數據可視化
數據可視化是物聯網分析的一個重要方面，有助于識別關鍵趨勢。需要數據可視化來正確識別和傳達可用于推動業務決策的卓越數據洞察力。物聯網設備生成的數據是異構的，這意味著它有多種格式：結構化、非結構化和半結構化。雖然理論上數據的可視化應該更容易理解趨勢，但當數據以多種不同的格式出現時，可視化方法變得力不從心了。
數據存儲和管理
大數據繼續以指數級的高速度增長。
展開 應用案例分享 | 智駕路試數據分析及 SiL/HiL 回灌案例介紹
概述
為有效利用海量的路試數據并發揮其價值，經緯恒潤推出了OrienLink路試數據分析及開環/閉環回灌測試系統。該系統采用統一的數據存儲標準平臺，基于云計算技術提供的大規模存儲、高帶寬和高算力，能夠對路試數據進行深入的場景挖掘。通過軟件在環（SiL）和硬件在環（HiL）回灌驗證，該系統能夠充分評估和優化算法性能，發揮數據價值。可解決智能駕駛測試過程中的幾類問題：
實車測試效率低，無法有效閉環驗證
場景挖掘速度慢，數據堆積無價值
部分工況危險性高，且無法重復測試
實車測試成本高，工況無法復現
本文將通過實際應用案例進行講解，例如圖1展示了一個典型的路試數據分析及SiL/HiL回灌方案。
圖1 典型路試數據分析和SiL/HiL回灌方案
路試項目數據分析案例簡介
智能駕駛測試數據通常來源于汽車廠商在新車發布前進行的實際道路測試、場地測試以及量產車的數據。其主要特點包括：數據覆蓋廣，經過精心規劃和錄制，包含車載總線和傳感器數據，能夠充分反映系統狀態；數據量龐大，每次路試的持續時間可能為幾周或幾個月；團隊分工明確，包括路測工程師、數據分析工程師和算法工程師等。圖2展示了某自動駕駛研發項目中，使用OrienLink進行數據分析和回灌測試的流程。
圖2 OrienLink測試分析流程
方案解讀
通過云端協同，多個業務團隊可以在平臺上共同完成所有測試任務。路試團隊根據測試需求，采集大量原始數據，并通過互聯網或磁盤郵寄的方式將數據上傳至云端。同時，團隊會提前進行數據架構設置、解析協議配置（如圖3），同步準備數據。
展開 