“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，一家全球闻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。关注Altair微信立即获取，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。

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微信，申请免费试用

关于 Altair RapidMiner

Altair RapidMiner 数据分析与人工智能平台，是数据分析领域发展初期就实现将自动化数据科学、文本分析、自动特征工程和深度学习等多种功能同时集成的企业级一站式数据科学平台，帮助用户解决从数据清洗、准备、数据科学建模到模型管理和部署的全流程需求，同时支持数据和流数据的实时分析可视化，适用于从学术研究到企业级应用的广泛场景。

欲了解更多信息，欢迎关注：Altair 澳汰尔