AI在电线电缆制造技术中的应用

20XX/XX/XXAI在电线电缆制造技术中的应用汇报人:XXXCONTENTS目录01

行业背景与AI赋能趋势02

生产流程优化与工艺参数智能调控03

智能质量检测与缺陷识别技术04

设备预测性维护与故障诊断CONTENTS目录05

研发设计与数字孪生应用06

智能仓储物流与供应链协同07

AI智能化MES系统与运营管理08

挑战、趋势与未来展望行业背景与AI赋能趋势01电线电缆行业发展现状与挑战市场规模与增长态势2019年全球电线电缆市场规模已达近1.5万亿美元，预计到2025年将增长至2万亿美元以上，年复合增长率约为5%。产品结构与区域竞争格局电力电缆为主要产品，约占总市场的60%；亚洲地区占据全球市场主导地位，前十大企业市场份额超40%，行业集中度较高。核心发展趋势行业正加速向绿色低碳转型，预计2025年绿色低碳电缆产品市场占比将超60%；智能化升级持续推进，2025年智能化生产线比例预计提升至40%。面临的主要挑战环保压力加大，合规成本占比逐年上升；原材料价格波动显著，对铜、铝等依赖度高；市场竞争加剧，国内外同行及新兴市场低价竞争冲击明显。AI技术驱动制造业智能化转型生产流程优化：从经验依赖到数据驱动AI技术通过对挤塑、成缆等关键工序的温度、压力、速度等参数进行实时建模与动态调整，实现精细化控制。例如，某企业应用AI智能调控系统，使绝缘层厚度偏差从±0.05mm缩小至±0.015mm，偏心度控制在3%以内，废品率降低至0.7%，生产效率提升28%。质量管控升级：AI视觉检测的“火眼金睛”基于AI的机器视觉检测技术实现了电缆表面缺陷的高速、高精度识别。如宜兴中超电缆部署的AI质检一体机，缺陷检出率超99%，误报率低于3%，检测速度达毫秒级，远超人工目检的92%准确率，有效提升产品质量稳定性。设备维护革新：预测性维护减少停机风险AI通过分析设备振动、电流、温度等传感器数据，构建预测性维护模型。江苏某工厂应用后，设备非计划停机时间减少40%，年节省维护成本200万元，实现从被动维修到主动预警的转变，提升设备综合效率。研发设计加速：AI赋能产品创新与性能提升利用深度学习模型对电缆结构、材料配方进行仿真优化，缩短研发周期。某企业基于AI模型开发的Cat8.2数据电缆，在100m传输距离下实现40GHz带宽传输，性能提升18%，新品研发周期从传统2-3个月缩短至3-4周。AI在电缆制造中的应用价值与意义

01提升生产效率，降低运营成本AI通过优化生产排程、动态调整工艺参数，如某企业部署AI智能调控系统使生产效率提升28%，单位运营成本下降28%。AI驱动的AGV小车替代传统叉车运输，效率提升3倍，误差率接近于零。

02提高产品质量，降低废品率AI质检技术实现毫秒级高速、高精度缺陷检测，如中超电缆AI质检一体机缺陷检出率超99%，误报率低于3%。AI优化挤出工艺参数，使绝缘层厚度偏差从±0.05mm缩小至±0.015mm，废品率降低至0.7%。

03推动研发创新，加速产品升级AI缩短新品研发周期，如基于深度学习模型将新品研发周期从传统2-3个月缩短至3-4周。助力开发高端产品，如某企业基于AI模型开发的Cat8.2数据电缆，在100m传输距离下实现40GHz带宽传输，性能提升18%。

04赋能智能决策，优化资源配置AI经营分析系统集成ERP、MES等数据，为管理者提供智能决策支持。如远东控股构建可视化决策支持系统，提升企业竞争力，其AI大语言平台提升内部制度解读和流程规范效率。

05促进绿色制造，实现可持续发展AI优化生产流程和能耗管理，助力企业节能降碳，如某企业通过智能化改造实现能源利用率提升16%，大幅减少碳排放。AI驱动的预测性维护可降低设备非计划停机时间42%，减少资源浪费。生产流程优化与工艺参数智能调控02关键参数动态调控AI实时分析挤出过程中的温度、压力、速度等18项参数，通过模糊逻辑算法动态调整螺杆转速、牵引速度，将绝缘层厚度偏差从±0.05mm缩小至±0.015mm，偏心度控制在3%以内。材料特性自适应匹配基于强化学习的材料配方优化系统，建立材料配方-工艺参数-性能指标三维关联模型，动态调整聚乙烯、添加剂配比，提升绝缘材料高频传输性能，降低废品率至0.7%。生产效能显著提升某企业部署AI智能调控系统后，生产效率大幅提升28%，能耗降低5%-10%，实现了挤出工艺从经验依赖到数据驱动的转变，确保产品尺寸精度和质量稳定性。电缆挤出工艺的AI参数优化成缆工艺的AI算法优化与性能提升AI驱动的成缆工艺参数智能优化

利用AI算法分析电缆结构和材料特性，动态确定合理的绞合方式与参数。某企业部署AI智能调控系统，实时采集线速度、张力等18项参数，通过模糊逻辑算法动态调整，使绝缘层厚度偏差从±0.05mm缩小至±0.015mm，偏心度控制在3%以内。基于深度学习的导体绞合节距优化

构建基于深度学习的电缆结构优化模型，输入导体绞合节距、屏蔽层编织密度等20余项参数，输出传输损耗、回波损耗等12项性能指标。模型预测精度达92%以上，助力某企业开发的Cat8.2数据电缆在100m传输距离下实现40GHz带宽传输，性能提升18%。成缆过程张力动态平衡与机械强度提升

AI技术实时监测并动态调整成缆过程中的张力分布，确保各绝缘导体绞合均匀。通过优化工艺参数，有效提升电缆的电气性能和机械强度，降低因张力不均导致的产品缺陷，某案例中废品率降低至0.7%，生产效率提升28%。护套工艺的材料选择与参数智能匹配01AI驱动的护套材料性能预测与筛选基于强化学习的材料配方优化系统，通过建立材料配方-工艺参数-性能指标的三维关联模型，动态调整聚乙烯、添加剂的配比方案，有效提升绝缘材料的耐候性、耐腐蚀性和绝缘性能。02工艺参数智能优化与动态调整AI实时分析生产数据，动态调整设备参数。在绝缘层挤出等关键工序中，基于模糊PID控制的智能系统可将厚度偏差控制在±0.015mm以内，确保电缆护套质量稳定性。03材料与工艺参数的智能匹配模型AI算法根据电缆使用环境、性能要求等，智能匹配最合适的护套材料与挤出温度、压力、速度等工艺参数，实现材料特性与工艺参数的最优组合，提升护套综合性能。智能排产算法：多约束条件下的最优解AI排产Agent综合考虑订单交期、设备状态、物料供应、换模换色时间、能源成本等多重约束，通过模拟和优化排产方案，实现设备利用率和订单交付率最大化。异常响应与动态调整：快速应对生产扰动在急单插入、设备故障等异常情况发生时，AI系统能瞬间重新计算最优排产计划，避免传统人工调度耗时数小时的弊端，保障生产连续性。能耗与成本优化：智能决策的多目标平衡能源管理Agent根据实时电价（峰谷平）、生产计划、天气预报，自动优化大型设备的启停时间与运行负荷，在确保生产的同时实现整体能耗成本最低。基于AI的动态生产排程与调度优化智能质量检测与缺陷识别技术03机器视觉在电缆表面缺陷检测中的应用

传统人工检测的局限性传统人工目检在产线速度超过120米/分钟后难以应对，漏检率超15%，且检测效果严重依赖经验，主观性误差大。

AI视觉检测技术的核心优势AI视觉检测系统采用高分辨率工业相机和深度学习算法，可在毫秒级时间内完成20多类常见缺陷的精准识别，准确率普遍超过99%，误报率低于3%。

典型缺陷类型与检测能力可识别凹坑、凸起、划痕、孔洞、脱料、划伤破裂、露铜、叠接、半导电带缺陷、线芯交联缺陷等10余种至20余种复杂缺陷，实现全工序覆盖。

实际应用案例与成效宜兴中超电缆部署AI质检一体机，缺陷检出率超99%；浪潮软件星耀系列产品在多家龙头企业落地，检测延时达毫秒级，有效提升产品合格率并降低质量成本。多模态数据采集与处理层采用定制光学成像系统，针对不同线径（5-40mm）、颜色（黑、白、红等12种）线缆自动调焦，确保图像清晰无畸变，为后续AI分析提供高质量数据输入。AI算法与模型层融合深度学习算法与机器视觉技术，构建“视觉检测眼睛和大脑”，已学习数十万组线缆合格/缺陷样本，可快速分析并识别凹坑、凸起、划痕等20余种复杂缺陷。边端-云端协同架构构建“边端实时检测+5G-A+云端智能复检”协同架构，边端嵌入式视觉分析算法实现毫秒级实时检测，云端基于元景视觉大模型进行高精度复检与全局数据管理。核心性能指标缺陷检出率超99%，误报率低于3%，检测速度可达每秒200米，500毫秒内完成20多类常见缺陷的精准识别，显著优于人工目检的92%准确率。AI质检一体机的技术架构与性能指标全工序缺陷检测覆盖与实时质量监控

AI视觉检测技术实现全品类产线覆盖浪潮软件星耀系列质检设备，依托先进AI与视觉技术，实现高压、中压、低压及特种电缆等全品类产线的全工序缺陷精准识别，检测准确率≥99%，检测延时达毫秒级。

关键参数在线高精度量测与工艺优化在线量测类产品可高精度捕捉搭盖、间隙、节距等关键参数，为工艺优化提供数据支撑，如某企业通过AI智能调控系统，使绝缘层厚度偏差从±0.05mm缩小至±0.015mm。

毫秒级实时检测与异常自动报警机制联通数智元景“AI线缆质检一体机”构建“边端实时检测+5G+云端智能复检”协同架构，实现线缆外护套表面缺陷毫秒级实时检测，瑕疵识别准确率＞99%，从源头杜绝批量废品产生。

质量数据可视化与趋势分析驾驶舱云端复检平台提供全局视角的生产线数据大屏，支持按日、周、月维度查看护套合格率变化趋势，识别质量波动规律，推动质量管控从依赖“老师傅经验”转向依靠“全链路数据”。质量异常的智能分析与工艺闭环优化

实时质量异常监测与预警基于机器视觉和深度学习算法，AI质检系统可实现毫秒级高速检测，如中超电缆AI质检一体机缺陷检出率超99%，误报率低于3%，实时捕捉线缆表面细微瑕疵并触发预警。

质量异常根因智能诊断AI通过关联分析多工序数据，快速定位质量问题根本原因。例如当漆包线出现针孔缺陷时，AI可在5秒内诊断出温区温度波动等关键因素，将排查时间从几小时缩短到几分钟。

工艺参数动态优化与自动调整AI算法分析实时生产数据，动态调整工艺参数。如在绝缘层挤出工序中，基于模糊PID控制的智能系统可将厚度偏差控制在±0.015mm以内，实现质量管控闭环，降低废品率。

质量数据驱动的持续改进AI对历史质量数据和工艺参数进行深度挖掘，构建质量预测模型，识别生产过程潜在问题，优化质量控制流程。应用AI后，产品合格率可提升10%，不良品率降低8%。设备预测性维护与故障诊断04多源传感器数据采集通过部署振动、电流、温度等多种传感器，实时采集拉丝机、挤塑机、绞合机等关键设备的运行数据，构建设备状态感知网络。实时数据传输与边缘计算利用5G或工业以太网将传感器数据实时传输至边缘计算节点，实现数据的快速预处理和初步分析，降低云端计算压力与延迟。基于LSTM的故障预测模型采用长短期记忆网络（LSTM）算法分析设备时序运行数据，提前预测潜在故障风险，如江苏某工厂应用后降低停机时间40%，年节省维护成本200万元。异常检测与智能告警通过机器学习算法建立设备正常运行基线，实时监测数据偏离情况，当检测到异常时自动触发告警，通知维护人员及时处理，避免故障扩大。基于传感器数据的设备状态监测AI预测性维护模型的构建与应用预测性维护模型的核心技术AI预测性维护模型通过分析设备振动、电流、温度等实时传感器数据，运用LSTM等深度学习算法，构建设备健康状态评估与故障预警模型。模型构建的数据基础模型训练依赖海量历史运行数据与故障记录，如江苏某工厂通过积累的设备振动数据，成功训练出故障预警模型，实现对潜在故障的精准预测。预测性维护的实施成效应用AI预测性维护系统可降低设备非计划停机时间42%，维护成本降低35%，显著提升设备综合效率（OEE），避免因突发故障造成的生产中断。典型应用场景在电缆生产关键设备如绞合机、张力控制器、挤塑机螺杆等场景，AI模型能提前预警故障风险，生成智能维护工单，将故障排查时间从几小时缩短到几分钟。故障根因分析与智能维护工单生成

AI驱动的多维度根因定位当质量异常（如偏芯度超差）发生时，AI能自动关联分析不同工序的多维度数据，快速定位根本原因，将排查时间从几小时缩短到几分钟。例如，某漆包线生产中，AI可在5秒内诊断出“3号温区温度波动超过±1.5℃是导致针孔增多的主因（置信度92%）”。

基于预测性维护的智能工单通过分析设备振动、电流、温度等实时传感器数据，AI模型能预测关键设备（如拉丝机涡轮箱、挤塑机螺杆）的潜在故障，自动提前生成维护工单，推荐维护措施，并将维护窗口安排在计划性停机期间，避免非计划停机带来的损失。

维护知识沉淀与持续优化AI系统在完成故障诊断和维护后，会将“知识”存入知识库，不断学习和优化。例如，在处理漆包线针孔缺陷后，系统会记录温度波动与缺陷的关联关系，用于后续类似问题的快速诊断和参数调整建议。预测性维护：降低非计划停机时间通过AI分析设备振动、电流、温度等实时传感器数据，可预测关键设备（如拉丝机涡轮箱、挤塑机螺杆）的潜在故障，使设备非计划停机时间减少42%，维护成本降低35%。智能排产与调度：提升设备利用率AI排产Agent考虑订单交期、设备状态、物料供应等多重约束，在急单插入或设备故障时瞬间重新计算最优排产计划，最大化设备利用率和订单交付率，生产效率大幅提升28%。工艺参数优化：减少设备调整时间AI通过分析海量历史生产数据，动态调整挤出、成缆等工序的温度、压力、速度等参数，如在绝缘层挤出中，基于模糊PID控制的智能系统可将厚度偏差控制在±0.015mm以内，减少因参数调试不当导致的停机与废品。设备综合效率提升与停机时间减少研发设计与数字孪生应用05AI驱动的电缆结构与材料设计优化基于深度学习的电缆结构参数优化AI通过构建深度学习模型，输入导体绞合节距、绝缘层厚度等20余项结构参数，预测传输损耗、回波损耗等12项关键性能指标，模型预测精度可达92%以上，有效缩短新产品研发周期。强化学习赋能绝缘材料配方优化利用强化学习建立材料配方-工艺参数-性能指标的三维关联模型，动态调整聚乙烯、添加剂的配比方案，提升绝缘材料性能，进而优化电缆的高频传输性能。数字孪生技术助力虚拟试产与结构验证通过数字孪生技术构建电缆三维结构数字化仿真模型，在虚拟空间中模拟新规格产品的生产过程，预测可能的质量问题，如依据不同海况优化海缆结构设计，提升研发效率和质量。AI加速高性能特种电缆研发AI技术将新品研发周期从传统的2-3个月缩短至3-4周，成功开发出支持800G以太网传输等高端产品，如某企业基于AI模型开发的Cat8.2数据电缆，在100m传输距离下实现40GHz带宽传输，性能提升18%。数字孪生工厂的构建与生产仿真

数字孪生工厂的构建流程通过5G模组采集生产数据，上传至边缘云平台，构建电缆生产数字孪生模型，实现物理工厂与虚拟工厂的实时数据交互与状态可视化。

产能预测与转产调度优化基于数字孪生模型进行仿真分析，优化产能预测精度，动态调整生产计划。在多品种小批量订单场景下，转产调度效率提升，缩短生产准备时间。

设备故障预警与维护优化数字孪生模型整合设备运行数据，通过AI算法分析预测潜在故障风险，提前生成维护工单，将非计划停机时间减少，维护成本降低。

能耗动态调节与绿色生产结合实时生产数据与能源消耗模型，数字孪生工厂可动态调节设备运行参数与生产节奏，在保证生产效率的同时，实现能源利用率提升，助力绿色制造。研发周期缩短与产品性能提升案例

AI加速材料与结构设计利用深度学习模型对导体结构、绝缘材料配方等进行快速仿真和优化，将新品研发周期从传统的2-3个月缩短至3-4周，并成功开发出支持800G以太网传输等高端产品。

结构优化提升传输性能某企业基于深度学习的电缆结构优化模型，输入20余项结构参数，输出12项关键性能指标，模型预测精度达92%以上。开发的Cat8.2数据电缆在100m传输距离下实现40GHz带宽传输，较传统产品性能提升18%。

材料配方优化增强绝缘性能基于强化学习的材料配方优化系统，通过建立材料配方-工艺参数-性能指标的三维关联模型，动态调整聚乙烯、添加剂的配比方案，有效提升了绝缘材料的性能，进而提升电缆的高频传输性能。

数字化虚拟工厂提升研发效率江南电缆依托工业互联网，搭建研发设计协同平台，开发线缆结构工艺辅助设计系统，通过计算机辅助设计构建电缆三维结构数字化仿真模型，运用智能算法开展导体力学、热力学分析，产品研发效率提升15%，平均缩短产品上市时间10天。AI在高速通信电缆与特种电缆研发中的应用

高速通信电缆智能建模与参数优化使用AI对挤塑、成缆、屏蔽等工序中的温度、压力、拉力进行建模，动态调整制造参数以最小化性能偏差，提升产品一致性与良率。

高速通信线缆AI视觉检测技术对Cat8线缆屏蔽层缠绕、AOC接头焊接等工艺进行AI视觉检测，实现微米级瑕疵识别，检测准确率可达99%以上，误报率低于3%。

特种电缆结构与材料智能设计构建基于深度学习的电缆结构优化模型，输入导体绞合节距、绝缘层厚度等参数，输出传输损耗等关键性能指标，模型预测精度超92%，缩短研发周期。

船舶电缆AI自动布线系统基于AI的船舶电缆自动布线方法，通过处理船舶三维设计模型，构建障碍与布置空间，生成学习样本训练AI模型，自动预测并生成电缆路径，提升设计效率。智能仓储物流与供应链协同06智能仓储系统架构设计建立低压电缆立体仓库和智能仓储管理系统，集成扫码自动出入库、生产线拉动式叫料投料功能，实现仓储作业流程自动化与信息化。生产进度与物料输送协同模型通过统一架构的生产进度管理模型、产品物料输送模型分析，动态调整生产计划进度，实现生产与仓储的高效协同，节约库存资源。库存优化与物流交付提升构建智能仓储物流体系，实现基于数据驱动的库存优化管理，提升物流交付准确率至95%以上，显著降低库存成本和物料周转时间。立体智能仓储系统的构建与管理AGV小车与物流调度的AI优化

AGV小车的智能化应用AGV小车替代传统叉车运输，效率提升3倍，误差率接近于零，有效降低了人工成本并提高了物料运输的准确性和及时性。

AI驱动的动态调度算法AI排产Agent能够模拟和优化排产方案，在发生急单插入、设备故障等异常时，瞬间重新计算最优排产计划，最大化设备利用率和订单交付率。

智能仓储与物流协同建立立体仓库和智能管理系统，实现基于扫码的自动出入库和拉动式叫料投料，提升物流交付准确率至95%以上，显著优化库存管理。物料管理与库存优化的智能算法智能排产与物料需求预测AI排产Agent综合订单交期、设备状态、物料供应、换模换色时间、能源成本等多重约束，模拟优化排产方案，在急单插入或设备故障时瞬间重新计算最优计划，最大化设备利用率和订单交付率。实时物料追踪与精准定位通过AI算法实现铜/铝米重的毫厘级损耗监控，任何质量点可精准定位于某个订单的某段米数，实现精准切除，避免整轴报废，有效杜绝物料浪费和管理漏洞。智能仓储与拉动式叫料建立立体仓库和智能仓储管理系统，基于扫码实现自动出入库和生产线拉动式叫料投料，通过生产进度管理模型和物料输送模型分析，动态调整生产计划进度，节约库存资源，提升物流交付准确率至95%以上。供应链协同与透明度提升策略

构建智能仓储物流体系建立低压电缆立体仓库和智能仓储管理系统，实现基于扫码的自动出入库和生产线拉动式叫料投料，提升物流交付准确率至95%以上，优化库存管理。

推动产业链数据共享与集成运用AI智能感知与控制、边缘计算、大数据分析等技术，统一数据模型，实现ERP、MES等系统集成应用与OT系统数据融合，构建生产、营销、财务、采供等多域融合一体化经营管控平台。

优化供应链动态调度与响应通过AI排产Agent考虑订单交期、设备状态、物料供应、换模换色时间、能源成本等多重约束，在发生急单插入、设备故障等异常时，瞬间重新计算最优排产计划，最大化设备利用率和订单交付率。

强化供应链风险预警与管控利用AI技术分析供应链各环节数据，建立风险预警模型，对原材料价格波动、物流延迟、供应商质量异常等潜在风险进行提前识别和预警，提升供应链韧性。AI智能化MES系统与运营管理07AI智能化MES的核心功能与架构

智能质量过程控制（AISPC）实时分析工艺参数，利用机器学习模型判断过程稳定性；当质量异常发生时，AI能自动关联分析不同工序数据，快速定位根本原因，将排查时间从几小时缩短到几分钟。

AI驱动的预测性维护通过分析设备振动、电流、温度等实时传感器数据，预测关键设备潜在故障；自动生成维护工单，推荐维护措施，并将维护窗口安排在计划性停机期间，避免非计划停机损失。

动态智能排产与调度（APS+AI）考虑订单交期、设备状态、物料供应、换模换色时间、能源成本等多重约束；AI排产Agent能模拟优化排产方案，异常时瞬间重新计算最优计划，最大化设备利用率和订单交付率。

全流程物料追溯与损耗优化通过AI算法精准计算每米线缆的导体和绝缘材料重量，实现毫厘级损耗监控；任何质量点都可精准定位于某个订单的某段米数，实现精准切除，避免整轴报废。

智能工艺优化与数字孪生AI分析海量历史数据，寻找最佳质量和最低能耗的最优工艺参数组合；在数字孪生体中模拟新规格产品生产过程，预测可能的质量问题，在真实生产前完成工艺调试。生产过程数据的实时分析与决策支持

多源异构数据实时采集与融合通过5G模组、传感器等设备，实时采集挤出温度、压力、线速度、设备振动、电流等18项以上过程参数，以及视觉检测图像数据，实现OT系统与IT系统数据融合。AI驱动的工艺参数动态优化基于模糊PID控制、深度学习等算法，分析实时生产数据，动态调整挤出机螺杆转速、牵引速度等控制参数，例如使绝缘层厚度偏差从±0.05mm缩小至±0.015mm，偏心度控制在3%以内。智能质量过程监控与异常预警利用机器学习模型（如统计过程控制SPC、异常检测算法）实时监控生产过程稳定性，当检测数据超出设定阈值时，自动触发工艺参数调整指令或告警，形成质量管控闭环。数据可视化决策支持平台构建生产数据看板（驾驶舱），集成3D模型与系统数据，实现生产状态、设备效率、质量指标等多维度数据可视化，为管理者提供实时洞察和智能决策支持，提升运营效率。能耗优化与绿色制造的AI应用

智能能耗管理与优化AI能源管理Agent根据实时电价（峰谷平）、生产计划、天气预报，自动优化大型设备（如空压机、冷却系统）的启停时间，在电价高峰时段适当降低非关键设备的运行负荷，实现整体能耗成本最低。

绿色生产工艺参数优化AI通过分析海量历史生产数据，寻找达到最佳质量和最低能耗的最优工艺参数组合，例如在绝缘层挤出工艺中，基于模糊PID控制的智能系统可有效提升产品一致性并降低废品率，间接减少能耗。

助力节能降碳与可持续发展AI通过优化生产流程和能耗管理，有效助力企业节能降碳。例如，有企业通过智能化改造实现单位运营成本下降28%，能源利用率提升16%，并大幅减少碳排放，推动行业向绿色化方向发展。AI大语言平台赋能业务数字人远东控股集团对接AI大语言通用模型，部署远东AI大语言应用平台，打造业务数字人，提升企业内部制度解读和流程规范等工作的效率。构建可视化决策支持系统通过构建数据驱动的可视化决策支持系统，赋予用户高效分析、理解和利用数据的能力，进一步增强企业的竞争力，辅助经营决策。多系统集成与OT数据融合运用AI智能感知与控制、边缘计算、大数据分析等技术，统一