模组下线前，你把 96 只电芯按电压和内阻配完组，测试却发现循环几百圈后整组性能明显分化。
拆包排查，问题落在一只"电压内阻都正常"的电芯上——它的界面状态早就变了，只是两把常规尺子量不出来。
这是电池行业的老问题：电压和内阻只能看见电芯"今天长什么样"，看不见它"里面正在发生什么"。 早期析锂、界面副反应、浸润不均，在电压内阻上几乎没有痕迹，等露头时往往已经是售后问题；批次间的缓慢漂移更难抓——每批单看都合格，和三个月前的基准比却悄悄偏了一截。
对做分选和品控的人来说，手里缺的是一把更细的尺子。
先说清楚：这是什么东西、谁家的
上海智源算能（AI-EIS）在用户管理系统里新上线了「EIS 应用」模块，目前第一个上线的应用是「电池一致性筛选」。
它是一个在线验证平台：把你的 EIS 阻抗数据传上去，平台在线完成分析、直接给结论，不用装软件、不用自己写算法。三种能力：
-
在线验证——浏览器里手动上传数据，传完自动分析； -
API 接口上传——用我们的示例脚本在本地跑，把数据直接推到平台，结果和 AI 诊断结论也能通过接口取回； -
AI 诊断——对异常电芯一键生成失效分析参考。
边界先说清楚：这是一个纯软件分析工具。 数据来自任意品牌阻抗测量设备测出的阻抗谱文件，软件只做分析、不参与测量，也不改变你的测试设备。
EIS（电化学阻抗谱）可以理解为给电芯做一次"全频段体检"，扫出来是一条 Nyquist 曲线。健康电芯的曲线形状几乎一样；内部状态有差异的电芯，曲线会在不同位置"鼓包"或"歪掉"。它对界面状态变化的敏感度，远高于一次性的内阻读数——这正是它适合做一致性筛选的原因。
图 1｜同一批电芯的 Nyquist 曲线叠图：15 条曲线高度重合，其中 1 条明显偏离批次基线（红色，半圆变大）
它能帮你做什么
场景一：来料检验与出厂分档
以前：电压内阻两参数分档，档内其实藏着"表面合格、内部有差异"的电芯，流出去就是隐患。
现在：整批 EIS 数据上传，自动分成合格/复检/剔除三档，还能看出"差在哪一段"——欧姆类、界面类、极化类的偏离各有指向。
差别：分选依据从 2 个点变成一整条曲线，每条结论都能拿原始数据复算。
场景二：配组前剔劣与成组前批次筛查
以前：配组看电压、内阻、容量，一致性靠"参数别差太多"，个体隐患靠运气。
现在：配组前先跑一遍筛选，剔除档直接拿掉、复检档单独复测，再进配组。
差别：一致性从"事后发现"变成"事前筛掉"。
场景三：供应商 / 批次对比与实验室批次分析
以前：这批和上批比什么？电压均值？内阻均值？细微的批次间漂移看不出来。
现在：每个批次单独建数据集各跑一遍，系统性偏移落在曲线形态上，趋势早发现；研发做配方、工艺、供应商横向对比也有可留档的量化记录。
差别：有了可纵向对比的"批次指纹"。
两种用法：网页上传，或者 API 调用
同一套算法，两种用法。想先看看效果，用网页；要跑批量、接产线，用 API。
方式一：浏览器手动上传（先试、单批分析）
登录后在左侧导航点「EIS应用」，页面顶部有应用切换标签：一致性筛选（现行），离群检测（即将上线，后续新应用都会在这里增加）。
图 2｜整批筛选的完整链路：准备数据 → 上传数据集 → 自动分档 → 看结论出报告
第 1 步，准备数据。 每只电池一条全频阻抗谱，按编号整理成 CSV。数据用哪台设备测的都行。
第 2 步，上传数据集。 点「手动上传数据集」，把同批电芯的文件传上去，系统自动归为一个数据集。上传完就自动开始分析，不需要再点任何按钮，秒出结果。
手上没数据也能先看效果：数据集列表里预置了一份示例数据（20 只电芯，18 合格、1 复检、1 剔除），点「查看」就能看到完整结论；也可以「下载示例数据」拿 CSV 研究格式。
第 3 步，看结果。 结果页从上到下就四块，从粗到细：
-
分档占比：电芯总数 + 合格/复检/剔除各几只、各占多少 -
数据集内电芯评分：每只电芯一个 0~100 分（评分越高越一致），点条形直接看它的 Nyquist -
阻抗特征散点：X 欧姆 · Y 界面 · Z 极化，点的颜色就是档位 -
单芯 Nyquist 对照：选中某只电芯，看它和数据集内中位谱的偏移，可「上一芯／下一芯」逐只翻
图 3｜真实结果页（示例数据 · 20 只电芯）：分档占比、数据集明细、逐只评分与单芯 Nyquist 对照
第 4 步，出报告。 点「下载报告」，图表 + 异常归因 + 原始数据（raw_data.csv）一起打包，留档或发同事都方便。
数据量有个门槛：单个数据集 ≥10 只、每只 ≥3 个频点是能跑起来的下限；到 20 只以上判定才具备统计功效，样本太少异常识别能力会明显下降。
复测不用重建数据集：同一数据集内相同编号的新数据会覆盖旧的，传完自动重新分析。
方式二：API 调用（批量、自动化、产线对接）
如果数据在自己电脑或产线服务器上、一次要跑很多批，就别在网页里手工点了——用 API，浏览器可以完全不开。
-
在应用页里生成 API Key（可生成、复制、吊销）； -
页面里有一节专门的「API 操作说明」，点开是详细的接口说明页，附带示例脚本 + 说明文档的压缩包下载； -
把示例脚本放到本地，装上 Python 环境，改成你自己的数据路径，运行即可：上传数据 → 平台在线分析 → 返回分档结果、每只电芯评分与归因，AI 诊断结论也能通过接口取回。
图 5｜应用页里的「API 操作说明」：三步上手、接口约定、两种上传方式与 API Key 管理
接口本身是标准的 HTTP 调用，所以不只是"本地电脑跑脚本"这一种用法：在 BMS、边缘计算平台、产线工控机上同样可以直接实现——这些设备本来就在现场采集数据，把我们的接口集成进它们的固件或平台程序里，就能做到"边采边传、传完取结论"，不需要有人再打开电脑、导出文件、手动上传。适合算法验证、批量复测、和 MES/LIMS/云平台对接这些场景；对做系统集成的人来说，这条路比网页稳定得多。
结果怎么看：看结论就够了
不用懂 EIS，也能把结果用起来。
先看分档占比——这一批多少只合格、多少只复检、多少只剔除，一眼就知道这批货能不能放。
再看分析结论。 结论区只列复检和剔除的电芯（合格的不逐条列出，数量看占比就行），每只给出编号、0~100 评分和主要偏离来源，例如：
复检（1 只）：#CELL-17（评分 20）——欧姆阻抗较数据集内中位偏高约 18%
剔除（1 只）：#CELL-18（评分 17）——极化阻抗较数据集内中位偏高约 47%
图 4｜分析结论：逐档列出编号、评分与归因（欧姆 / 极化阻抗偏离百分比），并给出可复算的核对方法
要不要处理、怎么处理，由你定。需要核实的话，结论下面给了验证方法，原始数据就在报告里，可以自己复算——它不是黑箱。
对于复检和剔除，还可以点「AI 诊断」，让模型给一份失效分析参考（可能的方向、建议的复测动作）。AI 只解释、不改变判定，最终怎么处置仍由你决定。
用之前，请注意这几点
一个数据集里必须"同批同类"：同体系、同型号、同测试条件。混着放，差异里就掺了条件差异。
样本量要够：少于 10 只能算出结果，但可信度有限；建议单组 20 只以上。
结论是"筛选参考"，不是"终审判决"：工具的价值是把可疑对象从几百只里捞出来，最终处置留给你。
想试试？三步就能上手
-
打开网站：浏览器访问 www.ai-eis.com。 -
注册或登录：首次使用点「注册」，用手机号或邮箱创建账号；已有账号直接「登录」，支持用户名 / 手机 / 邮箱三种方式。 -
进入应用：登录后进入用户管理系统，左侧导航点「EIS应用」→「电池一致性筛选」。示例数据已经在列表里，点「查看」就能看到一份完整的 20 只电芯筛选结论。
✉️ 使用中遇到问题，发邮件到 support@ai-eis.com，我们工程师会看每一条。
智源算能 · 专注电池阻抗谱分析与健康评估
www.ai-eis.com
