新能源电池在装配过程中，每个电池包要经历气密性、IL和EOL测试等，过程中将产生海量的工艺数据，从数据分析的角度获取有意义的信息和知识来解决制造缺陷问题，对降低生产成本、提高生产效率具有重要的现实意义。目前企业对新能源电池装配过程中的数据分析与排故方案推理多依赖人工，分析不够全面准确、排故经验无法充分利用等问题亟待解决。因此，需要一套数据诊断系统以准确分析故障模式、快速定位故障环节与采取有效排故措施，从而提高生产率与良品率。

总体目标是形成一个可以自动读取生产线测试数据的专家系统，完成异常检测、溯源与措施推荐，具体包括：1、对异常模式进行时序聚类分析，并通过基于滑动时间窗的算法对数据进行突变检测与异常检测，形成相应的新能源电池测试数据分析诊断系统，为后续推理模型提供支持；2、构建制造过程质量特性传递链，通过上下工序质量特性间的关联关系矩阵及质量特性与影响因素间的关联关系矩阵为制造过程工序质量溯源提供有效的技术支持；3、根据企业排故案例，利用多种机器学习方法，智能地推理出推荐的排故措施，并能够智能地处理新出现的故障及其组合。

建立了基于时序聚类的时序异常模式识别模型和基于自适应滑动时间窗的突变检测模型；建立了基于故障传递链的质量问题溯源模型；分别基于朴素贝叶斯-决策树和BP神经网络建立了装配气密测试和EOL测试的智能排故模型；完成了最终系统的前后端开发任务，形成了新能源电池测试数据分析诊断专家系统。