以發動機產品為中心的智能維修系統的研究

閆玉

摘要：發動機維修系統作為售后服務系統中核心的管理系統，長期以來只是針對發動機的維修過程及費用核算進行記錄，數據錄入未規范化、細致化要求，且保存的數據未經過數據分析，不能挖掘數據深層的內容為售后科學性維修提供依據。另外未有成套的維修知識庫指導維修過程，所形成的維修報告的真實度及有效性也不能保證。

關鍵詞：車用發動機;智能維修;數據分析

0 ?引言

傳統的發動機售后服務系統是以事后維修為主要的管理目標，即企業的售后服務中心接受到客戶的報修反饋后，確認需要進行現場維修時則下發派工單給服務站維修人員進行處理，而維修人員完成維修過程后需形成維修報告，上傳售后服務系統進行審核、核價并存檔。存在的問題主要為：

①系統只針對派工單及維修報告進行管理，維修數據相互間關聯性不大，形成孤島信息，故也很難從系統數據本身獲取到對維修指導有價值的信息。

②由于維修報告是維修人員手動錄入，則其本身的真實性與維修過程操作正確性有待核實，從而影響到服務費用的真實性。

③維修服務系統與配件管理系統未集成，配件信息不一致，同樣會導致配件費用的結算正確性。

④單個發動機的運行狀態無法從系統中直觀的看到，更不能對發動機的狀態制定預測性維修/保養，維修成本高。

為解決以上問題，本論文研究以發動機為中心的智能維修系統，達到全生命周期服務目的的同時，也能實現維修服務費用最低化、客戶滿意與服務成本比例的最佳狀態。

1 ?智能維修系統總體架構

智能診斷與維修是在狀態檢測系統、故障診斷系統、故障維修決策系統功能集成基礎上引用知識工程、人工智能專家等技術進行實現新型的診斷與維修的系統[1]。以產品為中心的發動機智能維修系統的核心是單臺發動機數據，將發動機基本信息、故障診斷設備、發動機保養信息、維修過程指導、專用維修工具、配件庫存信息進行集成，且發動機的故障信息進行留存，對數據進行全方位分析，為故障診斷優化及下一步維修保養計劃提供依據。其整體架構為圖1。

智能維修系統的管理目標主線為單臺發動機，對發動機的運行狀態進行監控，監控數據收集后對整個發動機的預測性維護做分析，分析結果形成知識庫，應用于本發動機的維護計劃指導及將來的監控過程優化，最終實現發動機的全生命周期維護。

2 ?智能維修系統整體運行策略

如圖2所示。本系統通過對發動機信息的狀態監控、故障診斷及處理以及最優化的維護方案，能提高發動機的可靠性及壽命，降低售后維修費用，減少故障帶來的服務成本。具體目標為：

①對發動機的基本知識信息進行管理，如零部件信息、維修拆裝及保養過程指導、維修專用工具、輔料信息、維護計劃、故障處理流程指導等，用于發動機的維修過程使用。其中維修拆裝及保養過程指導可以是文字、圖片、動畫或AR等多種形式結合，使得維修過程更省時且準確。

②客戶服務中心收到報修信息后，向報修地點附近的維修站進行派工，形成派工單。維修人員現場根據故障診斷儀的故障碼、系統提供的故障分析及維修方式的推薦（此推薦是由企業內部專家形成的知識庫信息）進行維修或保養。如需更改零部件可在系統中拉取本發動機故障處零部件清單及裝配工藝及所使用的專用工具、輔料明細。此外維修人員可針對實際情況對系統的推薦提出優化建議，經內部審核后更新系統知識庫內容，從而實現知識庫不斷完善和全面性。

③維修人員完成維修過程中形成維修報告。此維修報告需包含產品類型、使用環境、季節、故障類型、故障件、維修過程詳細描述等基本信息，便于后續進行不同維度的數據分析，進而細化發動機的維護保養或拆裝過程。如針對冬季或寒區易出現起動困難的故障，在發動機的起動中需增加輔助起動的一些建議。不同季節、不同環境的發動機出現的故障類型不盡相同，設計之處未能考慮的內容需進一步優化。

④歷史維修記錄及發動機實時狀態檢測數據的存儲。此數據可用于對整個發動機運行趨勢進行分析及預測，對存在異常狀態的發動機進行提前干預，避免事后維修。同時，能合理優化維修資源，避免維修過程和維修不足，降低維修費用[2]。此外，對于歷史維修記錄的分析結果進行判斷，是否通過維修最終避免故障發生還是要通過改變設計才能實現零故障。這一點尤為重要，否則在發動機的全生命周期中此故障將會重復性的出現。

3 ?智能維修系統各數據模塊內容

本系統所包含的各數據模塊內容及相互間的數據流傳遞見圖3，各內容模塊包含內容如下：

3.1 發動機診斷儀數據

包括快速定位發動機故障點各傳感器（溫度、壓力、位置、位移等）所記錄的數據及故障表現形式，此數據可為故障臨時解決措施提供故障解決方向。底層邏輯來自于設計過程中的DFMEA分析，DFMEA分析過程維度越精細，診斷儀數據將會越精確。

3.2 發動機實時監測數據

本系統中包含頻次較高且維修費用較高的發動機重要零部件的實時監測數據，進行以可靠性為中心的維修分析，主要考慮安全性、服務水平、維修費用、故障頻率四個方面作為選擇準則[3]。如發動機連桿瓦異常磨損、噴油器故障等。通過數據分析，對潛在性故障進行提前維修站，同時用戶也會得到相應信息，去發動機專業維修站進行預防性維護保養。

3.3 發動機知識庫信息

包含發動機的所有的可購買的配件目錄信息、零部件的維修更換/保養操作過程指導、發動機各零部件性能參數、故障專家解決過程指導、電路圖、專用工具等。鑒于維修人員對于發動機結構（尤其是新產品），可考慮可視化的維修保養操作指導，如可借鑒三維零件目錄、三維拆裝動畫等。故障專家解決過程指導是集合所有維修專家的意見形成的故障解決知識庫，維修人員可針對具體問題，搜索相應的維修知識，并嚴格按照故障解決指導過程進行維修作業[4]。

3.4 發動機配件數據管理

包括配件的價格及各中心庫配件庫存量，在發動機維修過程中建立關聯關系，實現價格統一，庫存沖減，及時補充中心庫庫存量。

3.5 發動機維修過程數據

包括維修工單記錄，維修報告記錄、歷史維修報告數據等，且維修報告記錄又包含故障類型、故障及處理過程描述、更換的配件信息、維修項目及維修的各費用清單。其中維修故障及處理過程描述要求清晰，故障描述可從故障數據庫中進行選擇， 便于后臺進行統計分析。故障處理過程描述需根據知識庫中的故障處理流程一致，允許無某一故障原因時處理結果為“No”，但需要觸發專家知識庫管理人員組織評審是否需要維護知識庫內容（新增）。

3.6 系統數據的統計分析報表

依據維修/運行歷史數據和實時數據，對發動機的工作狀態進行長期的實時監測和分析管理，通過數學算法和數據挖掘等方式，不斷修正權重系數，可高效利用狀態參數并進行發動機健康狀態的評估[5]。如某一產品系列的所有發動機在夏季與冬季的故障點高的零部件分析，進而判斷是針對季節性做定期維護保養還是需要重新設計。另外對同一系列的發動機做非道路與道路工況的分析，可對不同工況的定期保養有指導意義，避免過度維護保養，從而降低企業的服務費用。

4 ?結束語

以發動機為中心的智能維修系統借助于預測性診斷技術、在線診斷儀器、專業的診斷知識，形成發動機全生命周期服務的智能維修系統，且通過數據處理手段，能實現發動機最優維修策略的形成，最終實現客戶滿意、企業服務成本降低的終端目標。

參考文獻：

[1]曉東，皮敏.智能診斷與智能維修[J].職業技術教育，1999.

[2]馮廷敏.基于狀態監測的以可靠性為中心的智能維修系統[D].北京化工大學，2008：20.

[3]劉述芳，徐永能，喬僑.大型裝備健康診斷和智能維護管理系統概述[J].兵器裝備工程學報，2017.

[4]張宇.基于大數據技術在飛機維修中的應用分析[J].內燃機與配件，2019.

[5]曠典，付堯明，房麗瑤.大數據挖掘分析在航空發動機狀態監控與故障診斷中的應用[J].西安航空學院學報，2017.