数据分析与 AI 丨产品全生命周期的数据分析与 AI 提效案例

“从产品诞生到报废的整个生命周期，决策方式正逐渐从依赖经验转向以数据为依据。在产品构思阶段，过去主要依靠设计师的判断，而如今，我们可以借助 AI 加速研发流程。

—— Altair 数据分析工程师 杨国宇

在 2025 Altair 区域技术大会·华南站的精彩演讲 ”

众多周知，Altair 是计算智能领域的全球指引者之一，在仿真、高性能计算 (HPC) 和人工智能等领域提供软件和云解决方案，今天想与大家分享 Altair 三大产品线之一——数据分析与人工智能平台 RapidMiner。

本次分享主题是“产品全生命周期的数据分析与 AI 提效”，希望与大家探讨在产研、营销、服务以及人机料法环测等环节中，数据分析与人工智能如何发挥价值。将从以下几个方面详细讲解：

1、 产品 &产线

2、 工业中的 AI 应用

3、 LLM 在工业中有什么用

4、 Altair 能提供什么

以下为全文内容：

01、产品 &产线

首先，我想谈谈产品与产线的关联。大家或许已多次见过我们展示的这张产品生命周期图，实际上，从产品诞生到报废的整个生命周期，决策方式正逐渐从依赖经验转向以数据为依据。在产品构思阶段，过去主要依靠设计师的判断，而如今，我们可以借助 AI 加速研发流程。

例如，在评估设计可行性时，传统做法需要制作样品或反复试验，而仿真技术的出现显著降低了成本与时间。我们可以通过仿真测试手机的抗摔性能，无需真的将新手机从高楼抛下；也可以在客户尚未反馈前，通过冷水机的实时数据掌握其运行状况。

可以说，在产品生命周期的每个阶段，数据分析和 AI 都有广泛的应用空间。

那么，这些数据未来将如何进一步被利用？以白车身产线为例，其蕴含了大量隐性信息。在生产过程中，每把焊枪会记录电流、电压，并同时采集环境温度、湿度等信息。这些数据可用于构建数字孪生系统，开展应用分析。

若某个焊点出现异常，可能引发一系列连锁反应。比如，焊点开裂会削弱车身刚度，最多可能降低 15%，进而引发异响甚至客户投诉，严重时需召回车辆，带来巨额成本。相比之下，若将这笔成本投入到 AI 基础设施和软件系统的建设中，不仅能实现焊点实时监测和预警，还能辅助质量检测和传感器监控。

一家车企在应对焊接问题时，在焊枪中安装了高精度传感器，采集焊接时的各项参数，并基于历史数据建立焊点分类模型。模型部署在焊枪中，能迅速判断焊点是否合格，并输出不合格图示，及时提示人工补焊，有效避免了问题产品流入市场。

02、工业中的 AI 应用

除了上述案例，AI 也在其他领域发挥着关键作用。

在材料研发方面，AI 同样能够提供强大助力。以一家专注高性能汽车粘合剂研发的企业为例，其研发过程需频繁调整材料种类及工艺参数，如温度、湿度、混合速度等。

借助 RapidMiner，我们可以基于历史实验数据构建机器学习模型，实现反向优化。企业只需设定目标，例如粘合剂拉伸强度需达到 100 兆帕，系统即可输出相应的材料配比及工艺参数，且仅需两次试验即可验证结果，大大缩短研发周期。

在测试方面，一家全球知名的刹车片制造商也尝试利用 AI 优化实验流程。原本需进行九种工况测试，耗时长达一个月。我们基于其历史数据建立了预测模型，通过部分工况下的磨损数据，预测其余情境下的表现，偏差控制在 3%以内，客户完全可接受，且测试时间节省了 66%。

在产线提速方面，某铝箔制造企业因担忧高速运转带来产品瑕疵与破损，一直以较低速度运行，严重影响产能，企业希望借助 AI 判断提速时机。

我们使用 RapidMiner 建立了提速预测模型，使用了实时监测铝箔厚度、距离上次破损的间隔时间和当前速度等数据，建立的模型可准确判断产线是否适合提速。实际应用中，模型推荐的提速点比人工判断提前了 50 分钟，有效提升了产能，且准确率达到 100%。

在电池寿命预测方面，我们基于电池前 100 次充放电的关键数据，包括容量、电阻、充电时间和温度等，构建自动机器学习模型。最终模型的相对误差为 2.37%，R² 达 0.802。通过该模型，电池在使用初期就能预测其剩余寿命，原理类似于智能手机的电池健康评估。

在节能减碳方面，一家大型包装企业以四台冷水机为试点，提供了进出水温度、能耗、气象条件及产能等数据。我们据此构建热负荷预测模型，并结合冷水机 COP 曲线，在排班前预测次日负载水平，指导冷水机运行策略，实现节能降耗目标。

在价格预测场景中，客户希望能提前判断聚乙烯等原材料价格，以便低价采购。

我们将原油、黄金价格及多个相关指数作为输入特征，经过特征变换构建预测模型，达到 7 天价格预测误差率降至 8%以内，较传统方法提升 32%准确率。而通过预测价格拐点，企业可锁定低价原料窗口，帮助企业实现年均采购成本降低 8%～12%。

03、LLM 在工业中有什么用

接下来，我想简单介绍一下大模型在工业领域的应用。

相比日常中用于文档撰写的 Kimi、GPT、DeepSeek 等大家常用的模型，工业领域对大模型的应用要求其实更高。结合知识图谱与机器学习，大模型可用于智能故障排查、技术问答助手、质量缺陷分析和预测性维护等。

例如，将大模型接入无代码平台，通过图谱与文档的结合（GRAPH RAG），可实现更精准的文档理解与知识检索。比如，在注塑工艺优化场景中，系统可抽取参数、缺陷、案例等信息构建图网络，支持智能问答和技术决策。

再举一个供应链的例子。如果消费者在饼干中发现异物，传统方式是让数据分析师在各类生产与库存表中逐一排查，耗时费力。

若使用图模型将所有数据源进行语义串联，通过 Altair Graph Studio 即可快速溯源。此外，Graph Studio 中的中心性算法等图计算工具，能快速识别高风险供应商，实现毫秒级风险预警。

04、Altair 能提供什么

最后，我想简要介绍 Altair RapidMiner 平台。

RapidMiner 具备完整的数据科学体系，支持预测性维护、质量检测、根因分析与工艺优化等任务。其中：

• Altair Monarch 是通用的数据准备工具，能连接多种数据源，将半结构化数据转换为结构化数据，并自动清洗同类数据；

• Altair Graph Studio 可用于语义建模与图计算，适用于构建知识图谱与因果分析；

• Altair AI Studio 与 AI Hub 是无代码建模与部署平台，支持自动建模、API 部署与本地化运行，特别适用于对数据保密性有要求的企业；

• Altair Panopticon 是实时流数据可视化工具，支持连接机床、设备等数据源，进行实时监控、异常分析与决策辅助等，界面对业务工程师十分友好。

值得一提的是，RapidMiner 已连续两年被 Gartner 评为数据科学与机器学习平台领域的指引者。与其他平台不同，RapidMiner 支持本地化部署，可以帮助企业在保障数据安全的前提下实现智能化升级。

以上就是我今天的分享内容，感谢大家的聆听！

全球 100 个 AI 应用案例电子书下载

△Altair 正式发布全球 100 个 AI 应用案例电子书，内容覆盖 10+行业的 100 个 AI 应用场景。点击以下链接立即获取，了解全球 AI 驱动工程设计应用成功案例，以及 AI 技术如何为工业制造业的产品全生命周期带来赋能与革新。

立即获取《全球100个AI应用案例电子书》

申请免费试用

如您对 Altair 软件及解决方案感兴趣

欢迎关注 Altair 公众号，申请免费试用

Altair 是计算智能领域的全球指引者之一，在仿真、高性能计算 (HPC) 和人工智能等领域提供软件和云解决方案，服务于 16000 多家全球企业，应用行业包括汽车、消费电子、航空航天、能源、机车车辆、造船、国防军工、金融、零售等。

近期，Altair 被全球工业软件指引者西门子收购，成为西门子数字化工业软件(Siemens Digital Industries Software)旗下成员，进一步巩固西门子在仿真和工业人工智能领域的全球指引者地位，其技术正与西门子 Xcelerator 解决方案进行深度整合。

更多内容欢迎关注 AltairChina 公众号