闫玉

摘要：发动机维修系统作为售后服务系统中核心的管理系统，长期以来只是针对发动机的维修过程及费用核算进行记录，数据录入未规范化、细致化要求，且保存的数据未经过数据分析，不能挖掘数据深层的内容为售后科学性维修提供依据。另外未有成套的维修知识库指导维修过程，所形成的维修报告的真实度及有效性也不能保证。

关键词：车用发动机;智能维修;数据分析

0  引言

传统的发动机售后服务系统是以事后维修为主要的管理目标，即企业的售后服务中心接受到客户的报修反馈后，确认需要进行现场维修时则下发派工单给服务站维修人员进行处理，而维修人员完成维修过程后需形成维修报告，上传售后服务系统进行审核、核价并存档。存在的问题主要为：

①系统只针对派工单及维修报告进行管理，维修数据相互间关联性不大，形成孤岛信息，故也很难从系统数据本身获取到对维修指导有价值的信息。

②由于维修报告是维修人员手动录入，则其本身的真实性与维修过程操作正确性有待核实，从而影响到服务费用的真实性。

③维修服务系统与配件管理系统未集成，配件信息不一致，同样会导致配件费用的结算正确性。

④单个发动机的运行状态无法从系统中直观的看到，更不能对发动机的状态制定预测性维修/保养，维修成本高。

为解决以上问题，本论文研究以发动机为中心的智能维修系统，达到全生命周期服务目的的同时，也能实现维修服务费用最低化、客户满意与服务成本比例的最佳状态。

1  智能维修系统总体架构

智能诊断与维修是在状态检测系统、故障诊断系统、故障维修决策系统功能集成基础上引用知识工程、人工智能专家等技术进行实现新型的诊断与维修的系统[1]。以产品为中心的发动机智能维修系统的核心是单台发动机数据，将发动机基本信息、故障诊断设备、发动机保养信息、维修过程指导、专用维修工具、配件库存信息进行集成，且发动机的故障信息进行留存，对数据进行全方位分析，为故障诊断优化及下一步维修保养计划提供依据。其整体架构为图1。

智能维修系统的管理目标主线为单台发动机，对发动机的运行状态进行监控，监控数据收集后对整个发动机的预测性维护做分析，分析结果形成知识库，应用于本发动机的维护计划指导及将来的监控过程优化，最终实现发动机的全生命周期维护。

2  智能维修系统整体运行策略

如图2所示。本系统通过对发动机信息的状态监控、故障诊断及处理以及最优化的维护方案，能提高发动机的可靠性及寿命，降低售后维修费用，减少故障带来的服务成本。具体目标为：

①对发动机的基本知识信息进行管理，如零部件信息、维修拆装及保养过程指导、维修专用工具、辅料信息、维护计划、故障处理流程指导等，用于发动机的维修过程使用。其中维修拆装及保养过程指导可以是文字、图片、动画或AR等多种形式结合，使得维修过程更省时且准确。

②客户服务中心收到报修信息后，向报修地点附近的维修站进行派工，形成派工单。维修人员现场根据故障诊断仪的故障码、系统提供的故障分析及维修方式的推荐（此推荐是由企业内部专家形成的知识库信息）进行维修或保养。如需更改零部件可在系统中拉取本发动机故障处零部件清单及装配工艺及所使用的专用工具、辅料明细。此外维修人员可针对实际情况对系统的推荐提出优化建议，经内部审核后更新系统知识库内容，从而实现知识库不断完善和全面性。

③维修人员完成维修过程中形成维修报告。此维修报告需包含产品类型、使用环境、季节、故障类型、故障件、维修过程详细描述等基本信息，便于后续进行不同维度的数据分析，进而细化发动机的维护保养或拆装过程。如针对冬季或寒区易出现起动困难的故障，在发动机的起动中需增加辅助起动的一些建议。不同季节、不同环境的发动机出现的故障类型不尽相同，设计之处未能考虑的内容需进一步优化。

④历史维修记录及发动机实时状态检测数据的存储。此数据可用于对整个发动机运行趋势进行分析及预测，对存在异常状态的发动机进行提前干预，避免事后维修。同时，能合理优化维修资源，避免維修过程和维修不足，降低维修费用[2]。此外，对于历史维修记录的分析结果进行判断，是否通过维修最终避免故障发生还是要通过改变设计才能实现零故障。这一点尤为重要，否则在发动机的全生命周期中此故障将会重复性的出现。

3  智能维修系统各数据模块内容

本系统所包含的各数据模块内容及相互间的数据流传递见图3，各内容模块包含内容如下：

3.1 发动机诊断仪数据

包括快速定位发动机故障点各传感器（温度、压力、位置、位移等）所记录的数据及故障表现形式，此数据可为故障临时解决措施提供故障解决方向。底层逻辑来自于设计过程中的DFMEA分析，DFMEA分析过程维度越精细，诊断仪数据将会越精确。

3.2 发动机实时监测数据

本系统中包含频次较高且维修费用较高的发动机重要零部件的实时监测数据，进行以可靠性为中心的维修分析，主要考虑安全性、服务水平、维修费用、故障频率四个方面作为选择准则[3]。如发动机连杆瓦异常磨损、喷油器故障等。通过数据分析，对潜在性故障进行提前维修站，同时用户也会得到相应信息，去发动机专业维修站进行预防性维护保养。

3.3 发动机知识库信息

包含发动机的所有的可购买的配件目录信息、零部件的维修更换/保养操作过程指导、发动机各零部件性能参数、故障专家解决过程指导、电路图、专用工具等。鉴于维修人员对于发动机结构（尤其是新产品），可考虑可视化的维修保养操作指导，如可借鉴三维零件目录、三维拆装动画等。故障专家解决过程指导是集合所有维修专家的意见形成的故障解决知识库，维修人员可针对具体问题，搜索相应的维修知识，并严格按照故障解决指导过程进行维修作业[4]。

3.4 发动机配件数据管理

包括配件的价格及各中心库配件库存量，在发动机维修过程中建立关联关系，实现价格统一，库存冲减，及时补充中心库库存量。

3.5 发动机维修过程数据

包括维修工单记录，维修报告记录、历史维修报告数据等，且维修报告记录又包含故障类型、故障及处理过程描述、更换的配件信息、维修项目及维修的各费用清单。其中维修故障及处理过程描述要求清晰，故障描述可从故障数据库中进行选择， 便于后台进行统计分析。故障处理过程描述需根据知识库中的故障处理流程一致，允许无某一故障原因时处理结果为“No”，但需要触发专家知识库管理人员组织评审是否需要维护知识库内容（新增）。

3.6 系统数据的统计分析报表

依据维修/运行历史数据和实时数据，对发动机的工作状态进行长期的实时监测和分析管理，通过数学算法和数据挖掘等方式，不断修正权重系数，可高效利用状态参数并进行发动机健康状态的评估[5]。如某一产品系列的所有发动机在夏季与冬季的故障点高的零部件分析，进而判断是针对季节性做定期维护保养还是需要重新设计。另外对同一系列的发动机做非道路与道路工况的分析，可对不同工况的定期保养有指导意义，避免过度维护保养，从而降低企业的服务费用。

4  结束语

以发动机为中心的智能维修系统借助于预测性诊断技术、在线诊断仪器、专业的诊断知识，形成发动机全生命周期服务的智能维修系统，且通过数据处理手段，能实现发动机最优维修策略的形成，最终实现客户满意、企业服务成本降低的终端目标。

参考文献：

[1]晓东，皮敏.智能诊断与智能维修[J].职业技术教育，1999.

[2]冯廷敏.基于状态监测的以可靠性为中心的智能维修系统[D].北京化工大学，2008：20.

[3]刘述芳，徐永能，乔侨.大型装备健康诊断和智能维护管理系统概述[J].兵器装备工程学报，2017.

[4]张宇.基于大数据技术在飞机维修中的应用分析[J].内燃机与配件，2019.

[5]旷典，付尧明，房丽瑶.大数据挖掘分析在航空发动机状态监控与故障诊断中的应用[J].西安航空学院学报，2017.