汽车可靠性数据追踪方法研究

刘 源，廖 雷，王丽萍

(1.郑州航空工业管理学院 机电工程学院，河南 郑州 450015;2.中原工学院 电子信息学院，河南郑州 450000)

0 引言

汽车可靠性是是汽车“在规定的条件下和规定的时间内完成规定功能的能力”［1］。汽车可靠性是汽车产品质量的重要指标，是决定汽车效能和寿命周期费用的重要因素。如何提高汽车产品可靠性一直是汽车行业研究的热点之一。

可靠性数据的收集是开展可靠性研究的基础，反映了不同寿命阶段的可靠性状况以及各种有关因素对产品可靠性的影响及其变化规律，只有当收集到一定数量和质量的数据，才能为可靠性评估提供有效样本，使得评估结果更接近产品真实可靠性状态。以往研究发现，可靠性数据产生于寿命周期的各个阶段，数据量很大且具有分散性，但各个阶段数据之间又存在着关联和影响;其次，在全寿命周期中故障产生具有随机性，并且与使用环境、时间、次数以及操作方法等因素相关;第三，可靠性数据的积累是新产品设计改进的依据，具有继承性，同时，故障信息的及时反馈至关重要，在产品的研发阶段，可以大大减少设计缺陷，提高产品质量。可靠性数据的上述特点和要求使其在追踪收集上存在困难，传统的数据收集方法以试验场、维修部门的故障维修报告和定期保养报告为基础，存在样本数据量小、故障信息反馈不及时、基础数据缺乏积累等问题，获得数据不能有效支持可靠性分析研究需要。目前，对于数据采集方法的研究多集中在利用传感器技术与计算机技术结合收集可靠性试验产生数据。例如，叶舸［2］等提出了基于XidML文件对数据采集系统动态数据帧格式进行解析的方法，实现了农业装备可靠性试验的实时数据监测，但不能用于场外非试验状态的数据实时监测采集。开展以物联网为技术支持的可靠性数据追踪收集的研究还较少。

物联网是近年来兴起的信息领域热点，利用物联网可实现对物体动态的全面感知，并将感知信息实时、准确、可靠地传递出去，利用云计算等智能计算技术对海量数据和信息进行分析和处理［3-5］。采用物联网技术能很好的解决汽车全寿命周期内可靠性数据实时采集、传递和海量数据处理问题，而且还能根据反馈信息及时制定维修策略实现对汽车可靠性的智能化控制。

因此，笔者从探讨物联网在汽车可靠性数据追踪体系中的应用价值入手，构建一种基于物联网的可靠性数据追踪方法，并研究全寿命周期可靠性数据产生途径、设计数据统计模型、规范数据收集流程、制定数据筛选判据，从而建立起汽车可靠性数据追踪模型。在此基础上开发相关的数据分析软件，通过对汽车状态的实时监控、故障数据的及时上报以及相关策略的制定和执行，实现企业对汽车可靠性的有效监控和可靠性设计的持续改进。

1 物联网技术在数据追踪中的应用方法

1.1 汽车可靠性数据追踪涉及的物联网技术

数据追踪过程中涉及数据采集、数据传输、数据处理三个层次。数据采集要求对信息对象的状态、事件等及时、准确采集;数据的可靠传输要求保证数据从感知节点可靠地传输到汇聚节点，并由汇聚节点可靠地传输到应用终端;数据处理是对感知数据中存在的异常、错误和噪声数据进行清洗，获得一致有效的感知信息［6］。

在这三个层次中主要应用到的物联网技术有RFID技术、传感器网络技术、GPS技术、无线通信技术、云计算技术等。表1列出了各项技术的特点及其在数据追踪中的应用价值。

表1 物联网技术在数据追踪中应用分析

1.2 汽车可靠性数据追踪通信网络架构

引入物联网技术来构建汽车可靠性数据追踪的通信网络架构，分为感知层、互联网层和应用层。感知层利用RFID及无线传感器网络技术，通过分布于被检测汽车内的传感器及电子标签实现对汽车运行状态的实时监测;互联网层利用运营商提供的无线公网或自行建立无线专网将采集的信息传输到互联网存储服务器中，构成统一的数据平台，并且利用云计算等技术实现对数据的清洗和整合，将筛选后高质量数据提供给各应用软件系统;应用层利用统一数据平台的数据为相关试验、研究、使用部门提供专业的汽车全寿命周期可靠性评估和检测、汽车救援、监控等多种应用服务。其通信网络架构如图1所示。

该网络架构可实现汽车整车及其零部件的实时追溯，确立共同建设数据平台、集中管理、按需使用的数据应用方法，使得对汽车产品全寿周期数据采集、跨部门协作成为可能。

图1 汽车可靠性数据追踪通信网络架构

2 物联网技术下的汽车可靠性数据追踪模型建立

2.1 可靠性数据产生途径

汽车全寿命周期的可靠性数据采集必须涵盖汽车从设计、研制、生产到使用阶段的全部信息，如图2所示。

图2 数据产生途径及报告

设计阶段主要是根据汽车使用要求、在以往经验的基础上完成汽车的结构设计，对其进行动力匹配，然后利用仿真技术实现对虚拟样机的性能测试，由此可以获得固有可靠性的相关数据。

研制阶段则是通过对制造出的样机进行特定环境下开展的分项和整车可靠性试验来获得数据，并且通过可靠性分析获得样机的可靠性指标，找出试验中出现的可靠性薄弱环节，将分析结果反馈给设计部门，对薄弱环节进行改进。

生产阶段要对汽车进行投产前的定型试验，通常该类试验在规定试验场进行，试验产生的数据用以验证汽车的可靠性水平是否达到设计标准，分析结果为进一步改进设计提供参考，同时为指定维修保障方案提供依据。

行驶使用阶段主要通过对目标汽车行驶数据、故障记录和维修记录等收集、分析，获得可靠性评估数据，为汽车设计的改进提供参考。

2.2 数据统计模型

为了打通各部门间的信息孤岛，必须建立统一、标准的数据统计模型。汽车可靠性数据主要来源于可靠性试验、预防性维修、故障维修等作业，每次作业都需要对汽车进行电子系统的测试及机械系统的检修，从而发现故障、维修故障，获得相关的故障信息及维修信息，如图3所示。

通过研究可靠性分析中所涉及的数据类型以及各部门采集数据的技术特点，对统一数据平台的数据收集做出了如下规定。

(1)汽车出厂报告主要提供汽车整车参数及其零部件基本信息，包括产品名称、型号、性能参数、零部件编号、生产批次等产品信息，使用环境和使用条件等使用信息。

(2)故障信息记录主要提供汽车型号、车架号、故障发生的时间、运行里程、检测方法、故障模式、故障原因、故障类型、故障影响后果以及处理情况等信息。

(3)维修作业记录主要提供汽车型号、车架号、维修日期、故障模式、作业内容、作业工具、维修人数、有效维修开始时间、有效维修停止时间等信息。

(4)保养记录主要提供汽车型号、车架号、保养日期、里程表读数、保养类型、作业内容、备件/耗材、保养工具、保养人数、有效保养开始时间、有效保养停止时间等。

(5)拆装记录主要提供汽车型号、车架号、拆装日期、里程表读数、拆装总成/零部件名称、作业内容、拆装工具、拆装人数、有效拆装开始时间、有效拆装停止时间等。

在获得一定数量故障及维修数据后，就可以统计得出某型号汽车平均故障间隔时间、平均维修时间、最大修复时间、平均保养时间等定量可靠性指标;通过产品故障模式、影响及危害度分析(FMECA)分析将定性指标定量化，可以找出汽车关键故障模式、故障危害度等级以及解决措施等。此外，根据获得的故障分析结果，制定相关的预防性维修策略以及备件策略。

图3 故障及维修数据收集流程

2.3 虚拟化的数据库资源池

可靠性数据来源于汽车全寿命周期的各个阶段，由相关部门分别收集，因此，其数据存储呈现分布式特征，为了构建统一的数据库管理平台，笔者采用SQL Server数据库集群技术将存储在数据库中的数据资源虚拟化，实现对分布式数据库存储的统一管理和调度，构成一个存储虚拟化池为应用提供服务。

SQL Server数据库集群技术将SQL Server实例和数据库虚拟地合并到一个中心的地点，通过中间层实现对SQL语句解析和引擎调度，将访问均衡地分配到所有数据库服务器上。这种集群技术通过“一写二读”模式，即一个写入服务器提供数据库写入服务，两台阅读服务器对写入服务器信息进行订阅，实现不同工作服务器数据同步。

利用SQL Server数据库集群技术虚拟化后的汽车可靠性数据库群涵盖了汽车全寿命周期信息，包括由上游厂家及试验场提供的基本技术信息(包括汽车技术参数、部件结构信息、试验规程信息、故障模式、故障原因等);由决策部门提供的规则信息(包括评价指标信息、评价规则信息、评价结果、维修保障规则、备件保障度指标、备件初始信息等);由使用单位产生的运行记录信息(包括故障记录、行车记录等);由保障部门提供的保障信息(包括预防性维修记录、故障维修记录、保障人员信息、备件更换记录、可修复备件信息、不可修复备件信息等)，构建了如图4所示的统一数据库管理平台。

图4 虚拟化的汽车可靠性数据库资源池

3 统一数据库管理平台的上层应用

针对某汽车试验场对可靠性数据管理分析的需要，笔者在汽车可靠性数据管理平台上开发了一套汽车可靠性分析系统。该系统为数据库管理平台实时提供汽车可靠性行驶试验数据，并将采集到的汽车故障信息、维修信息、试验环境信息等作为可靠性定量及定性评定的输入项，完成相关定量评定指标的计算和定性评定指标的分析，最后将评定结果发布出来，找出影响可靠性的设计薄弱环节，为用户指定维修保障策略、厂家改进设计提供依据。图5为基于该思想的软件系统整体框图。

图5 汽车可靠性分析系统整体系统框图

该系统为汽车实时运行状态数据及故障、维修信息数据提供了标准化的数据录入界面，且可通过查询界面查询历史记录、删除已有记录及输出已有记录。

可靠性分析系统的核心功能是实现对试验数据的定量和定性评定。以定量评定为例，要验证被测样车“平均修复时间”这一定量参数是否符合要求。假设采集到的试验数据“分布未知，方差未知”，系统将自动判断应选用的试验方法为试验方法1。然后，系统将自动进入相应的录入规定指标窗口，采用试验方法1来验证平均修复时间，在检验前要规定订购方风险β=0.05和平均修复时间的不可接受值=45 min。

录入规定指标后，就要确定样本量并读取参与评定的样本。本系统验证样本量取定值30个，为了保证评定结果更加符合实际，一般来说优先选用自然故障样本。在某次试验后获得的自然故障样本为42、26、16、30、70、69、18、20、65、26、35、19、13、26、40、46、40、28、42、33、19、19、54、12、18，总量为 25 个。自然故障样本数量不足30个，读取从模拟故障样本中抽取出的5个样本补足总量，模拟故障的选择与分配方法按照按比例分层抽样原理进行，抽取的模拟故障样本值为 26、69、31、50、33。

该系统的定性评价采用AHP方法实现对定性评价指标的定量化，将8大项定性评价指标细分为若干子项，评定人员根据实际维修情况对每个子项打分，分值在下拉菜单中选择，最后由系统综合获得评分结果。

4 结论

通过分析得出，物联网技术在汽车可靠性数据追踪的感知、传输及处理环节均得到了很好的应用。

(1)采用RFID和无线传感器技术实现对汽车整车运行状态信息及关键零部件技术状态信息的实时采集和上报，从技术上提高了数据采集的准确性、及时性、完整性。

(2)采用无线公网或无线专网传输信息，由互联网存储服务器存储信息，构成一个公共、开放的数据库群，并且利用云计算等技术实现对数据的清洗和整合。

(3)采用虚拟化技术将分布式数据库整合为统一的数据管理平台，解决了数据分散性的问题，基于云的数据使用模式，大大增加了数据信息的共享性，为评定汽车可靠性以及寻找故障分布统计规律提供了充足样本信息。

(4)在统一数据平台上开发了可靠性分析应用软件，软件能有效的为相关试验部门提供便捷、可靠的分析手段。

［1］ 杨为民.可靠性、维修性、保障性总论［M］.北京:国防工业出版社，1995.

［2］ 叶 舸，张书明，李树君，等.基于XidML的农业装备可靠性试验数据实时监测方法［J］.农业机械学报，2011，42(2):212-215.

［3］ http://www.autoidlabs.org/page.html［DB/OL］.

［4］ International Telecommunication Union UIT.ITU Internet Reports 2005:The Internet of Things［R］.2005.

［5］ 孙其博，刘杰，黎 羴，等.物联网:概念、架构与关键技术研究综述［J］.北京邮电大学学报，2010，33(3):1-9.

［6］ 胡永利，孙艳丰，尹宝才.物联网信息感知与交互技术［J］.计算机学报，2012，35(6):1147-1163.

［7］ 国防科学技术委员会，GJB2072-94，维修性试验与评定［M］.北京:国防工业出版社，1994.

［8］ 杨为民.可靠性、维修性、保障性总论［M］.北京:国防工业出版社，1995.