車輛EOL智能檢測技術研究

袁瑞澤，吳發勇，鄭海濤，溫德龍，劉亞川，顧 軒

（一汽-大眾汽車有限公司，吉林 長春 130011）

1 引言

EOL（End Of Line，下線）檢測是汽車行業在車輛出廠前重要的電器及整車質量把控環節，其基本工作原理為總裝車間上位機系統向生產線現場診斷設備發送診斷指令，通過診斷設備連接車輛OBD（On-Board Diagnostics，車載診斷）接口將診斷指令傳輸至車輛各控制器并執行，診斷設備接收控制器響應結果并反饋至上位機進行結果評價并完成檢測。

以一汽-大眾車輛生產過程為例，EOL檢測主要負責整車所有控制器的數據檢查和功能檢測，具體內容包含：①控制器的軟硬件版本核查，②控制器的配置參數寫入，③控制器軟件版本的在線刷新升級，④控制器的自學習及功能標定，⑤協同車間加注設備完成燃料、剎車液等加注流程，⑥車輛在線防盜匹配，⑦前束轉轂測試，⑨輔助及自動駕駛功能標定，⑩生產過程關鍵工藝參數及控制器裝配版本信息報交上傳。

近些年，汽車行業在電動化、智能化及網聯化上的進程不斷向前推進，車輛在自動駕駛、智能座艙、車聯網及動力驅動領域的電器控制功能需求逐漸增多和豐富，從而需要增加更多控制器來實現這些功能，控制器之間的信息傳遞和交互邏輯日趨復雜，導致整車的電器架構復雜度大幅增加。為了應對這種電器架構上的復雜性提升，需對底層電器架構進行顛覆性的技術升級和更新。目前行業的共識是博世的電器架構演進趨勢[1]，即從傳統分布式電器架構經域集中電器架構最終向車輛中央電器架構發展。

在新的電器架構下，車輛應用及控制器軟件逐漸成為未來體現各車企差異化競爭力的核心領域，即軟件定義汽車理念（SDV，Software Defined Vehicles）。通過硬件預置，快速迭代開發升級軟件功能及配置，并基于OTA（Over-the-air Technology，空中下載技術）對車輛的軟件遠程更新，從而實現車輛功能的常用常新，也推動汽車產業的業務模式發生根本上的改變[2]。

在上述技術發展背景下，傳統的車輛EOL檢測系統難以應對新的技術變化，主要體現在以下幾個方面：①檢測內容隨著車輛功能的增加及新增的新能源檢測項而成比例上升，車型生產階段的電器檢測方案設計過程愈加復雜；②電器檢測方案需根據車輛及控制器軟件版本變化快速迭代，版本管理難度增大，驗證釋放周期縮短；③傳統診斷模式為離線，難以快速應對檢測方案的快速迭代并實施檢測，且設備成本較高；④檢測過程生成的大量結果數據價值挖掘不足；⑤全流程數字化程度不足，工作效率較低。

為解決上述EOL檢測領域面臨的問題，一汽-大眾推進EOL智能檢測技術研究，下面章節將對智能檢測的當前現狀和實施方案進行闡述，并對未來技術的發展方向進行展望。

2 EOL重點環節現狀及痛點

當前車輛EOL檢測閉環流程的關鍵環節的業務模式和技術水平均存在局限，難以適應車輛電器技術的高速發展。

2.1 電器檢測方案設計

在方案設計環節，需定義車型所有控制器的檢測內容，并需根據生產階段的質量及技術要求持續集成新檢測項，形成車型級檢測方案。最終，需將車型檢測內容根據控制器依賴邏輯及裝配工序合理排布至總裝車間各EOL檢測點，如圖1所示。

圖1 電器檢測方案設計流程

實際執行過程中，由于缺少標準化的診斷數據格式定義，且為PDF或者Excel等線下形式，電器檢測數據傳遞和方案的設計效率低且容易出錯，并難以應對頻繁的檢測方案調整和調整。以ID.4車型為例，涉及80余個控制器、600余個檢測模塊和3 000余條檢測序列，且項目期間檢測方案更新超過30版，傳統線下的檢測方案設計方式復雜度呈指數上升。

2.2 檢測實施及診斷

現場專用檢測實施設備在檢測前需將經過程序化編譯的檢測方案和全部所需相關數據下載至設備本地，檢測設備的計算能力則限制了診斷系統的擴展。此外，檢測過程需專職操作人員照管設備，效率低下。難以應對SDV背景下的頻繁線下軟件刷新及快速車輛返修電檢場景[3]。因此，診斷技術核心計算功能亟待向云端轉移和升級。

2.3 檢測方案閉環驗證

現有的檢測方案驗證需在車輛完成檢測后，下載檢測報告人工逐項比對實際執行內容與方案內容的匹配性，從而評估檢測方案的正確與合理性。

但從方案設計、現場檢測實施再到人工比對整個流程周期可長達7天，且局限于檢測報告的顆粒度無法深入診斷總線底層邏輯，導致驗證的效率和正確率都存在局限。

2.4 檢測結果數據分析

檢測結果數據分析是快速定位檢測過程中出現的電器問題原因的重要手段，確定電器問題是來自于檢測數據、軟件版本、產品設計、工藝布置和程序編寫等具體領域，從而針對性制定解決方案。

但當前檢測結果數據是以檢測車輛為標準劃分離散分布的，沒有統一入湖管理，對問題的解決難以形成趨勢化的大數據監控和問題解決方案知識庫，導致數據價值利用率較低。且整個分析過程由人工逐步比對進行，分析效率較低。

3 系統方案及應用實施

基于當前EOL檢測各重點環節的現狀，通過數字化、云端計算、數字孿生和智能算法等技術研究和方案，進行針對性地逐項技術升級，以實現EOL檢測領域全流程的智能化。

3.1 數字化檢測方案設計

針對檢測數據格式不統一問題，自2017年起大眾康采恩集團進行檢測規范數據的標準化進程，實現了控制器檢測規范源數據標準格式的定義和推廣，累計定義標準字段300余個，且采用計算機可識別和批量處理的XML（eXtensible Markup Language，可擴展標記語言）數據格式。

以數據化標準為基礎，建立數字化檢測方案設計系統，實現：

1）建立控制器檢測規范數據庫，將不同平臺及車型的檢測數據統一管理，對檢測數據結構化用戶交互展示，并實時在線進行檢測方案的編輯和發布，下一層自動引用和集成。同時針對PDX（Package of ODX data，診斷描述文件）進行解析，可在檢測方案設計過程中直接調取診斷序列碼流參數，進一步保障檢測方案的設計質量[4]。數字化檢測方案設計如圖2所示。

圖2 數字化檢測方案設計

2）基于動態節點的比對算法，系統自動核查版本變動信息，提示技術人員對變動點進行及時的調用和發布。應對檢測源數據的頻繁更新，僅對變動點進行關注和處理，而無需人工核對整個新的檢測方案，檢測方案設計和發布效率得到大幅提升和改善。

3）引入圖形化引擎，實現工藝流程方案的拖拽化生成，即將車間檢測工位的工藝流程直觀地以圖形化形式編輯和展現，且各圖形節點背后由數據模型支撐，通過點擊可查看該節點具體的上層級控制檢測內容和步驟。

通過數字化的檢測方案設計實施，一汽大眾在多個車型實現了從產品檢測源數據到工藝檢測流程全體系線上化，電器工藝設計效率提升2倍以上，單車型節省工時925 h以上。下一步計劃逐步打通該系統同產品研發數據系統的接口，進一步提升研發與生產的協同效率。

3.2 云端診斷及數字孿生

在檢測實施診斷環節，智能檢測方案引入云端計算和物聯網技術，將整車電器診斷的復雜計算過程的內核和數據向云端轉移。該模塊方案主要涉及三個方面：

1）云計算平臺開發。在云平臺依據ISO 14229的UDS（Unified Diagnostic Services，統一診斷服務）汽車診斷標準協議，對診斷中安裝檢測、參數寫入、DTC讀取、軟件刷新、例程控制和功能標定等基礎模塊檢測流程進行定義和封裝，并依照控制器安全訪問及保護等策略，與車輛控制器建立安全連接。這些基礎檢測模塊可進行任意組合形成診斷實施流程以適應返修、刷新等應用場景。通過內置PDX的解析模塊，可將該流程解析為OBD插頭及車輛可識別及執行的十六進制診斷序列，由云平臺通過Wi-Fi或藍牙無線數據傳輸方式下發給OBD插頭。此外，云平臺通過多線程設計，實現多個診斷任務的同時進行，并在診斷實施進行過程中實時記錄執行狀態，并生成診斷檢測報告。

2）設計研發OBD診斷插頭。由于診斷的核心計算功能移至云平臺，診斷插頭則作為數據傳輸的中轉和路由，集成了無線傳輸模塊接收云平臺數據，并依照CAN、CAN-FD和DoIP等診斷協議開發相應的診斷數據處理模塊[3]，將云平臺下發的十六進制診斷序列解析成為車輛控制器能夠識別和執行的二進制底層程序，控制器執行完畢后則通過診斷插頭回傳診斷狀態及結果。

3）數字孿生。基于云平臺和診斷插頭的診斷實施實體基礎，建立檢測方案與實施方案的數字孿生模式。數字化檢測方案設計系統輸出的診斷任務作為虛實映射的數字端完成虛擬方案的設計，通過基于ISO 13209的OTX（Open Test Sequence eXchange Format，開路測試序列交換格式）協議開發，完成標準檢測序列的定義，向云平臺可映射出可下發執行的任務并在生產端實施。

通過云端診斷技術在預批量生產、下線返修及軟件刷新等場景的實際應用，實現了試制車診斷效率提升10倍，軟件刷新效率提升1.5倍。未來基于系統的穩定性檢驗，將該診斷實施方案向批量生產過程及售后診斷場景繼續擴展。

3.3 虛擬工藝仿真驗證

在檢測方案方案驗證環節，增加檢測實施前的前期驗證流程，靠前建立工藝驗證能力，提升生產過程中的過程質量和效率。針對車輛控制器的檢測過程和生產線的運行流程，依托虛擬仿真技術，設計數據模型，對檢測方案運行情況進行仿真和驗證[5]。

1）單車仿真，首先對控制器的檢測內容進行解析和流程化，轉換成十六進制檢測序列。依照控制器的輸入輸出響應算法，對檢測序列的執行過程進行實時仿真，如圖3所示，從而實現不合格檢測及風險項的自動提醒，并對控制器執行檢測時長進行監控。在檢測工位及車間檢測方案層面，依據工位的規劃工時，實時計算工位符合率及車輛各條總線的占用情況，并完成對檢測內容覆蓋度的自動檢測和重復檢測項的監控。最后對仿真輸出的問題建立問題庫。

圖3 工藝仿真案例

2）產線仿真，通過設置不同車輛配置及控制器檢測內容的隨機合格率，結合生產線的生產節拍和裝配順序數據輸入，模擬在各種變量情況下的生產線運行狀態，驗證生產線的節拍負荷及超時擁堵情況。

通過工藝虛擬仿真方案的引入，實現了檢測方案的快速驗證，預先檢驗發現檢測方案的沖突項和不合理設置，降低了檢測方案設計問題在批量生產中出現的概率，并大幅縮短了檢測方案的優化時間。工藝仿真案例如圖3所示。

3.4 電檢數據智能分析

針對檢測結果數據離散化分布的問題，在電檢數據的管理上建立統一數據湖，由中央數據接口實時接收來自不同產地和車間的檢測結果數據，并進行結構化解析存儲至該數據湖。

基于大量入湖的生產檢測數據，首先可實現對車間生產狀態實時監控，包含EOL檢測的合格率及重點電器問題。

在電器問題解決方面，實現檢測方案數據、生產物流數據和檢測結果數據的一鍵協同獲取，通過開發智能算法及模型，對電器問題進行智能的分析和定位，并計算給出可能的解決方案。將經技術人員最終確定的問題原因和解決措施動態充實至專家問題庫，不斷優化訓練算法的分析準確性。

4 結束語

車輛EOL檢測智能檢測方案依據汽車行業在電器領域的技術發展更新和工藝特點，以及結合EOL檢測的關鍵環節現狀，充分考慮汽車企業在數字化及診斷技術升級上的實際需求，通過針對性地設計數字化檢測方案設計、云端診斷、虛擬仿真驗證及智能數據分析關鍵功能模塊，并完成相應地硬件及數字化系統開發。從而實現了從EOL方案設計、檢測實施、方案驗證到方案優化整個閉環流程的數字化和技術升級，提升在生產過程中針對車輛電器檢測的工作效率和整車交付質量，較好地應對電動化、智能化及網聯化趨勢下車輛電器架構復雜度提升在EOL檢測領域帶來的挑戰。

方案中所包含的檢測方案設計、云端檢測平臺建設、OBD插頭、車間生產狀態監控及專家知識庫等內容，具有顯著的汽車行業特色，具備在各主流主機廠商推廣的價值。