油料装备维修管理信息化研究

周庆忠　曾慧娥

［摘要］ 本文在分析油料装备维修管理信息化研究背景的基础上，从发展模式、维修能力和维修流程3个方面论述油料装备维修管理信息化特征，提出了相应的研究策略与目标。叙述了油料装备维修管理信息化研究内容，主要包括基础理论与关键技术研究、油料装备故障智能诊断系统、油料装备维修决策系统、油料装备维修管理绩效评价系统和油料装备维修管理信息集成平台研究。阐明油料装备维修管理信息化研究，对于加强油料保障力度具有重要意义。

［关键词］ 油料装备； 维修决策； 智能管理； 信息化

［中图分类号］E233； TE978［文献标识码］A［文章编号］1673 - 0194（2012）15- 0070- 02

１研究背景

油料保障是应对突发事件时的制胜关键，它取决于油料装备可靠的效能。随着科学技术发展，复合型油料装备不断问世，功能日趋复杂多样，其性能对油料保障的作用日益增强，对油料装备维修提出更高要求。为以较少费用和消耗，确保油料装备可靠性，实施油料装备维修管理自动化（Ｍａｉｎｔｅｎａｎｃｅ Ｍａｎａｇｅｍｅｎｔ Ｉｎｆｏｒｍａｔｉｚａｔｉｏｎ ｆｏｒ Ｏｉｌ Ｅｑｕｉｐｍｅｎｔ， ＭＭＩＯＥ）势在必行。

ＭＭＩＯＥ以油料专业理论、信息工程、技术管理工程、系统科学和可靠性理论等为理论基础，以计算机网络远程监控为实现平台，以故障智能诊断、自动控制、远程监控等为技术手段，以油料装备维修方式、维修策略的优化为内容，实现油料装备维修管理信息与技术信息集成，在信息技术平台上将油料装备维修保障的物质流、信息流、资金流集成为一体，利用维修保障信息资源，实现油料装备全寿命周期内可靠使用的最优控制。

应急油料保障要求具有高适应性以及持续油料补给能力，必须具备优质、高效和经济的油料装备维修保障。实现ＭＭＩＯＥ，是缩短维修时间、提高维修效率、节约维修资源的关键。实践表明，能否实现ＭＭＩＯＥ，已成为制约油料装备维修保障有效性的“瓶颈”，其研究对于加强油料保障力度具有重要意义。

２油料装备维修管理信息化特征

２．１油料装备维修管理信息化发展模式

随着信息技术的广泛应用，油料装备维修模式发生突变。高效能现代油料装备，其维修过程或活动的重点已由传统的以修复技术为主，转变为以信息获取（装备状态监控，故障检测、隔离和预测，维修资源信息获取）、处理和传输并做出维修管理决策为主。

ＭＭＩＯＥ的发展可概括为由信息技术映射出来的“三化”发展模式，即数字化、网络化和智能化，“三化”相辅相成、协调发展。“数字化”：一是数字化技术的应用，使得维修信息的获取、存储、处理以及实际维修工作，更加实时快捷、精确可靠。二是维修单元的数字化，即为各维修单元配备数字化维修装备，使维修人员与维修体系融为一体。“网络化”是指油料装备维修体系网络化。“智能化”是指将人工智能技术应用于油料装备状态监测、故障诊断和维修决策等方面，实现维修过程的智能化。

２．２信息成为油料装备维修能力的重要影响因素

ＭＭＩＯＥ维修能力要素主要有信息、物质、人员等。信息成为维修能力的重要影响因素，主要体现为3种能力：一是油料装备故障信息（故障检测、故障定位、故障隔离等）获取、传输和处理能力。二是油料装备故障诊断信息的获取、传输和处理能力，包括远程技术支援和故障诊断专家系统等关于故障诊断信息的获取、传输和处理的能力。三是油料装备使用信息、电子化技术资料、油料装备保障系统信息的获取、传输和处理能力 。

维修能力中的物质要素，包括自检设备、检测设备、便携式辅助维修设备、互联网络、技术资料和备件等。对应于ＭＭＩＯＥ“三化”发展模式，这些数字化维修设备、维修资料和作为维修对象的油料装备本身，在网络化维修体系中，处于智能化维修过程之中。维修能力中的人员要素，包括油料装备维修体系中的各级各类维修机构中的人员、油料装备资源保障供应链中相关部门的人员。所有人员应具备不同程度的信息技术专业知识和操作能力。

２．３油料装备维修流程非线性化

ＭＭＩＯＥ在油料装备维修各环节建立了非线性化的维修工作流程，取代了传统维修“检查与检测—分析与诊断—制订维修计划—实施维修—评定维修结果”单一线性维修流程，打破维修时间顺序、维修工艺顺序、维修设备限制。

装备维修按不同故障的特性，实行有针对性的维修流程，各维修环节可协同或并行工作，节省维修时间和费用。结合维修实际情况，提供灵活多样的维修方案，从维修时间、维修成本、维修人力资源、维修质量、维修工作流程设计等方面进行管理和约束，以便实现油料装备资源优化调度配置。

同一时间线上、多个维修点间，实现分时间段多人、多工种的协同维修。同一维修点、不同工种并行工作，如组件检测、故障诊断、拆修、更换等维修活动的协同。完成一个维修活动后，通过消息机制，通告维修进程，及时进入装备调试阶段，实施维修评估，以便得到维修反馈信息，进行沟通协调。油料装备维修流程的整体非线性化，将促进油料装备保障信息化进程，利用各种先进技术的优势，发挥出“１ ＋ １ ＞ ２”的集聚效应。

３研究策略与目标

ＭＭＩＯＥ采用面向未来的全新的维修策略：将众多油料装备维修信息源整合集成为一体，以系统为实现平台，利用信息交互能力的优越性，针对不同的油料装备维修需求，提供相应信息，优化配置油料装备维修资源，实现油料装备维修的诊断、监控、决策与保障的高度一体化。ＭＭＩＯＥ研究目标为：

（１） ＭＭＩＯＥ综合油料装备所有功能体的信息，利用信息系统平台，实现各种油料装备维修信息的实时传递、处理、存储、传输与共享，提高整体维修能力，增强维修决策能力。

（２） 将油料保障相关单位，如总后油料部门、军区联勤油料部门、联勤分部油料部门、作战部队、油库、加油站、管线队、生产厂家、供应商等，构成油料装备资源保障供应链，通过维修保障信息共享，增强协作能力。

（３） 通过更新油料装备使用过程中的动态信息，及时掌握油料装备运行状态，从而减少油料装备维修与保障延误和决策失误，达到以较少的维修资源投入获得最佳的保障效果。

４研究内容

４．１基础理论与关键技术研究

从理论、方法和应用三方面协同进行研究，对ＭＭＩＯＥ基础理论进行研究。基础理论主要有装备工程、管理科学理论、系统科学原理、运筹学和人工智能理论等。关键技术主要涉及数字化技术、网络化技术、融合技术等信息技术。着重研究：① 油料装备维修的数字化定量表述和可视化表达；② 面向维修的油料装备数字化设计与制造技术；③ 便携式油料装备维修辅助装置；④ 油料装备维修交互式电子技术手册；⑤ 油料装备智能维修系统基础技术。信息技术能提高油料装备维修效能，增强获取、传输、处理和应用维修信息能力，提高油料装备故障诊断、状态感知能力，动态更新维修信息，共享维修信息。但ＭＭＩＯＥ也带来安全隐患，易受攻击，有被干扰的脆弱性，应强调ＭＭＩＯＥ安全性研究。

４．２油料装备故障诊断系统研究

分析油料装备故障模式与机制，将模糊故障树方法、二级模糊综合评判方法、智能模糊诊断技术和模糊神经网络应用于油料装备故障诊断，构建故障诊断模型。掌握油料装备运行状态，预测故障发展趋势。根据油料装备故障现象，利用维修领域专家知识和经验建立专家系统，包括建立故障特征信息库、知识库、维修策略信息库等，或采用基于安全推理的方式进行故障检测与诊断，为油料装备管理人员或维修人员提供故障检测与诊断的智能决策支持，实现基于网络的远程油料装备故障诊断。

４．３油料装备维修决策系统研究

分析油料装备维修策略决策影响因素，构建油料装备检测周期决策模型、基于微粒群优化算法的油料装备维修策略模型，对油料装备维修计划制订、维修任务协调与控制、维修备件储备与购置、维修实施与检验等环节做出决策。

将灰色预测理论和神经网络应用于装备维修领域，建立油料装备维修备件储备策略模型。将维修人员思维能力、油料装备工作规律和维修决策模型有机结合，以专家系统、数据仓库技术以及可视化技术等为实现技术，力图在维修专家知识的基础上，依靠优化和学习，调整专家知识，完善推理机制，融合人工智能技术，采用分布式并行运行方式、快捷推理及优化分析，使之达到较高智能化水平，具有通用性、适应性。

４．４油料装备维修管理绩效评价系统研究

分析影响油料装备维修管理绩效因素，构建油料装备维修管理绩效评价指标体系，指标体系由若干评价指标参数组合而成，呈多层次结构。分析评价指标的不确定性和模糊性，研究以层次分析方法为基础、以模糊数学为工具的、基于微粒群算法的维修绩效模糊综合评价模型。

针对评价指标归一化处理及其权重确定这两大模糊综合评价难点，采用模糊隶属函数对评价指标进行归一化处理，运用微粒群优化算法ＰＳＯ确定评价指标的权重。

４．５油料装备维修管理信息集成平台研究

根据油料装备非线性维修流程特点，在油料装备维修管理信息集成平台架构设计上，引入 ＳＯＡ（Ｓｅｒｖｉｃｅ－Ｏｒｉｅｎｔｅｄ Ａｒｃｈｉｔｅｃｔｕｒｅ）设计理念，将ＭＭＩＯＥ不同功能单元的服务，以组件形式加入。对油料装备维修知识库构建、维修知识获取途径、知识库组织方法、知识库修改与扩充等方面进行研究。分析油料装备故障诊断与维修决策推理机制，探讨模糊推理机和人工神经网络推理机设计方法。用模块化设计思想进行ＭＭＩＯＥ相关系统和维修功能单元设计，增强其独立性，降低其耦合度。采用多专家协作系统、综合知识库、自组织解题机制与并行推理、人工神经网络学习机制等人工智能技术来实现系统研究与设计，并通过油料装备维修管理信息集成平台将其集成为一体。

５结语

油料装备维修管理信息化的研究，对于实现油料装备资源的敏捷、有效保障，提高应对突发事件的油料保障能力，加强油料保障力度具有重要的实际意义。因ＭＭＩＯＥ受众多因素制约影响，涉及面广，形式复杂，过程多变，随着科学技术的发展，ＭＭＩＯＥ研究将得到进一步完善和扩展，油料装备维修管理信息化应用范围将更为广泛。

主要参考文献

［1］ 周庆忠． 军队油料勤务［Ｍ］． 北京：国防工业出版社，２００８：２０－９６．

［2］ Paul M Ｆrank． Ｎｅｗ Dｅｖｅｌｏｐｍｅｎｔｓ Uｓｉｎｇ ＡＩ ｉｎ Fａｕｌｔ Dｉａｇｎｏｓｉｓ［Ｊ］． Ｅｎｇｉｎｅｅｒｉｎｇ Ａｐｐｌｉｃａｔｉｏｎ ｏｆ Ａｒｔｉｆｉｃｉａｌ Ｉｎｔｅｌｌｉｇｅｎｃｅ，1997，１０（１）：３－１４．

［3］ 陈学楚． 现代维修理论［Ｍ］． 北京：国防工业出版社，２００3：５２－１６０．