【学习工作赛道】CementLab —— AI水泥基材料实验智能助手
1. 创意名称 + 创意介绍
创意名称：CementLab —— AI水泥基材料实验智能助手
想解决什么问题： 全国500余所高校的土木工程专业学生，每年有超过10万人需要完成水泥胶砂强度实验。然而，传统实验数据处理流程极其低效：一个配比6个试件，学生需要查表、公式换算、单位转换，手动计算平均耗时2-3小时，且错误率高达30%。从原始数据到规范的实验报告，完整流程需要约一周时间。学生面对数据不知道哪些是异常值、该不该剔除、数据质量如何，缺乏即时反馈机制。
为什么会想到做这个： 我在宁波大学土木工程与未来城市学院从事建筑材料实验教学，每一学期都要面对200余名学生的实验数据处理难题。看到学生们把大量时间花在重复计算上而非理解材料科学原理，我深感需要一款工具来解放他们的生产力。同时，机器学习在混凝土强度预测领域已有丰富研究成果，但尚未被有效整合到实验教学中。CementLab的初衷就是打通科研与教学之间的壁垒。
大概是什么产品： 一个集成传统强度计算、机器学习预测和智能教学三大模块的Web应用。支持浏览器直接访问，也可通过Coze Bot进行对话式交互。
2. 目标用户及痛点
面向哪些用户：
-
土木工程本科生：建筑材料实验课程，每学期约200人
-
土木工程研究生：科研实验数据处理与配合比优化
-
实验教师/技术员：批量处理学生数据，生成质量评估报告
-
建材检测机构：标准化强度检测与报告生成
在什么场景下使用：
-
实验课后，学生需要快速计算强度、检测异常值、生成报告
-
科研实验中，需要从配合比参数预测混凝土强度
-
教学中，教师需要演示不同因素对强度的影响规律
当前痛点：
-
计算繁琐：需查表、公式换算、单位转换，耗时2-3小时
-
错误率高：人为疏忽导致约30%的计算错误
-
缺乏反馈：学生不知道数据对错，无法即时判断数据质量
-
报告耗时：从数据到报告需一周时间
-
教学断层：传统教学无法展示AI/ML在材料科学中的应用
3. 价值与意义
效率价值： 将实验数据处理时间从一周压缩到一分钟，效率提升超过1000倍。全国开设土木工程专业的院校超过500所，每年受益学生可达10万人以上。
教育价值： 通过四阶段分层教学设计（物理直觉建立→统计模型理解→机器学习比较→双驱动融合），既帮助学生掌握基础知识，又引导理解AI方法，实现从传统实验到AI辅助实验的认知升级，培养AI时代的新型工程人才。已基于宁波大学288名研究生进行前测-后测对照实验，实验数据处理能力（Cohen’s d=0.73）、数据质量判断能力（d=0.85）、AI工具应用能力（d=0.92）均有显著提升。
技术价值： 独创理论-数据双驱动融合框架，将Abrams定律和Bolomey公式等物理模型与RandomForest、XGBoost、LightGBM、CatBoost等10种机器学习模型融合，既保证预测精度又保持物理可解释性。SHAP分析揭示各配合比参数对强度的贡献方向和大小。
4. 创意产物 HTML
（见附件 CementLab_创意方案.html，由TRAE Work生成）
CementLab_创意方案.html (30.3 KB)
CementLab_Demo.html (29.1 KB)