基于RTM數(shù)據(jù)的電動汽車預測式維修服務(wù)

王國慶　林耿濤　陸佳峰

關(guān)鍵詞：RTM ；預測式維修；預警模型；邀約；遠程診斷

中圖分類號：U472.3 文獻標識碼：A

0 引言

為了滿足人們對新鮮度、體驗感的持續(xù)追求，保持市場競爭力，電動汽車產(chǎn)品更新迭代以及新品研發(fā)的周期被持續(xù)壓縮，功能日益加強的同時故障發(fā)生的可能性也在同步增大。傳統(tǒng)的售后維修場景必須等故障發(fā)生和用戶感知后，被動地等待用戶反饋抱怨，且要求專業(yè)維修人員必須接觸到車輛后，才能對車輛的故障信息進行收集和分析。如此一來，無論在用車體驗還是維修周期方面都難以滿足當下用戶的需求。而隨著電動汽車智能化、網(wǎng)聯(lián)化和共享化發(fā)展，車輛的各項數(shù)據(jù)變得更加透明和易獲取，外加大數(shù)據(jù)時代的背景，用戶對電動汽車管理和售后服務(wù)模式也有了嶄新的認知和期望，特別是在故障預防、安全性保障和維修便捷性方面。因此，亟需開發(fā)一種新的智能化、管家式和便捷型的售后服務(wù)模式。

針對以上需求，本文將介紹一種基于實時監(jiān)控（RTM，RealTime Monitoring）數(shù)據(jù)的電動汽車新售后服務(wù)模式，即預測式維修服務(wù)，主要內(nèi)容包含RTM 系統(tǒng)簡介、預警模型開發(fā)、圍繞預警線索的業(yè)務(wù)開展方式以及未來展望等。通過這種服務(wù)模式，整車廠商能夠利用RTM 數(shù)據(jù)實時監(jiān)控并精準找出具有潛在問題的車輛，及時組織經(jīng)銷商或400 客服電話聯(lián)系用戶，從而有效防止故障形成，極大提升用戶體驗和品牌忠誠度。

1 電動汽車RTM系統(tǒng)簡介

想要實現(xiàn)預測式的維修，必須要有維修線索，對于電動汽車而言，可以利用RTM 系統(tǒng)提供的大數(shù)據(jù)作為線索源。RTM是實時監(jiān)控電動汽車工作數(shù)據(jù)的一套系統(tǒng)，通過車端硬件與車輛的2條CAN 總線連接，采集并分析處理有關(guān)的數(shù)據(jù)并通過自身的通訊模塊，將數(shù)據(jù)經(jīng)由OTA 協(xié)議，發(fā)送至后臺數(shù)據(jù)庫。

根據(jù)GB/T 32960《電動汽車遠程服務(wù)與管理系統(tǒng)技術(shù)規(guī)范》，RTM 數(shù)據(jù)涉及車輛基本信息、動力電池系統(tǒng)、電機驅(qū)動系統(tǒng)和車輛控制系統(tǒng)等多個方面[1]。其中有27 項靜態(tài)數(shù)據(jù)和84 項動態(tài)數(shù)據(jù)，靜態(tài)數(shù)據(jù)如車輛底盤號、電機額定功率和電池型號等，動態(tài)數(shù)據(jù)如電池電量、絕緣性和電機溫度等。這些數(shù)據(jù)將以特定的頻率采集并上傳企業(yè)和國家政府平臺（圖1）。

按照國標GB/T 32960 要求，電動汽車必須上報行駛和充電過程中的所有數(shù)據(jù)，客戶端平臺向服務(wù)端平臺上報信息的時間周期應(yīng)可調(diào)整。車輛正常運行狀態(tài)下，信息采集和上報的時間周期最大應(yīng)不超過30 s。當車輛出現(xiàn)三級報警時，應(yīng)上報故障發(fā)生時間點前后30 s 的數(shù)據(jù)，且信息采樣周期不大于1 s。其中故障發(fā)生前數(shù)據(jù)應(yīng)以補發(fā)的形式進行傳輸。還無法自動為預測式維修提供維修線索，需要創(chuàng)建一定的算法規(guī)則來實現(xiàn)故障的自動預警。

RTM 系統(tǒng)本身就已經(jīng)攜帶了19 種故障識別算法，包含在上文所提到的84 項動態(tài)數(shù)據(jù)中，如電池壓差、電池溫差和單體電池過壓等。但是這些規(guī)則有2 方面不足：其一是單閾值的算法規(guī)則太過簡單，雖然能夠識別異常數(shù)據(jù)，但是沒有綜合考慮車輛的其他參數(shù)容易出現(xiàn)誤報警；其二就是只能識別已經(jīng)成形的故障，無法做到故障預警。因此，想要實現(xiàn)精準的故障預警，需要對RTM 數(shù)據(jù)進行更深度的發(fā)掘，搭建更高階的故障預警模型來為預測式維修提供線索。

每個預警模型其實都是由組成該系統(tǒng)的關(guān)鍵零部件或所有零部件的失效模型組成。每個零部件失效模型以該零部件對應(yīng)的特征參數(shù)（包括輸出信號特征參數(shù)、零部件老化特征參數(shù)和工作效率特征參數(shù)等重要信息）以及故障信息為輸入，根據(jù)參數(shù)的數(shù)目、各參數(shù)的重要程度以及故障信息等因素而構(gòu)成。系統(tǒng)失效模型則根據(jù)各零部件的相關(guān)關(guān)系以及重要程度，再基于各零部件的失效模型而構(gòu)成[2]。

以電池壓差預警模型的開發(fā)為例（圖2），壓差是電池電壓一致性變差的直接表現(xiàn)。造成壓差過大的原因體現(xiàn)在2 個主要方面：一是電芯工藝引起的問題，比如有個別電芯容量衰減太快、內(nèi)阻增加太快或者異常自放電；二是電池控制單元均衡功能失效，無法消除正常自放電差異導致的電芯間的SOC 差異或錯誤均衡[3]。

根據(jù)以上理論分析并結(jié)合實際維修經(jīng)驗，壓差預警模型搭建方案可以如下：通過計算電池總成內(nèi)最高電芯電壓Umax 與最低電芯電壓Umin 的差值ΔU 和持續(xù)時間tdur 來判斷是否需要預警，并通過壓差隨時間t 的變化規(guī)律及其他相關(guān)參數(shù)來確認故障件。若某電芯電壓隨時間持續(xù)降低而形成的壓差，且放電速度超過控制單元最大均衡速度，則判斷為電芯自放電，需要更換模組或電芯。若電壓隨時間持續(xù)降低但不超過控制單元最大均衡速度，則判斷為控制單元均衡回路故障，需要更換控制單元。若某電芯電壓隨時間大幅波動而形成的壓差，則判斷為控制單元采樣電路損壞，也是需要更換控制單元。

除了壓差問題以外，根據(jù)售后市場數(shù)據(jù)，電動汽車典型故障還包括電池包過壓欠壓、電池包內(nèi)模組間溫差、電池健康度、高壓回路絕緣故障及電機高溫等，可以以此建立更多的預警模型。需要注意的是，RTM 系統(tǒng)可能存在數(shù)據(jù)上傳丟失而產(chǎn)生異常值的情況。如某一幀數(shù)據(jù)中的某些電芯電壓沒有數(shù)據(jù)，則這些電芯電壓在RTM 后臺可能會以“65 534 mV”這種異常值來表示。如果不進行處理，則會被預警模型判斷為壓差故障中的控制單元采樣異常，但實際零件可能沒有問題。因此，為了確保預警的準確性，需要對這些異常數(shù)據(jù)記錄進行篩選過濾。

此外，由于問題的嚴重程度不同，后續(xù)采取的措施也不同，因此每個預警模型需要設(shè)定不同級別的閾值條件來劃分預警等級。一般定義成3 個等級，偏差值越大，持續(xù)時間越長，預警級別越高。

3 預測式維修業(yè)務(wù)的開展方式

維修線索來源的問題解決之后，想要基于這些線索批量、高效地邀約用戶并實現(xiàn)閉環(huán)管理，還需要流程機制和IT 系統(tǒng)的支撐。

3.1 預測式維修業(yè)務(wù)IT 系統(tǒng)建設(shè)

邀約工作的開展，通過手動記錄的方式低效且容易出錯。設(shè)想一下，此時有一條預警信息，但是在邀約前無法確定針對該底盤號車輛是否就這個問題已經(jīng)邀約過用戶。如果邀約過，在上次邀約中用戶是否已明確表示不想維修；如果再聯(lián)系用戶，是否會對用戶造成打擾等。由此不難發(fā)現(xiàn)，預測式維修由于是主動發(fā)起的維修，如果對信息的掌握有偏差，反而會弄巧成拙。

因此，預測式維修需要搭建IT 系統(tǒng)，實現(xiàn)各方數(shù)據(jù)的互通。結(jié)合傳統(tǒng)售后維修業(yè)務(wù)方式，預測式維修IT 系統(tǒng)需要4 大模塊：線索生成模塊、線索處理模塊、用戶激活模塊和維修服務(wù)模塊。各模塊功能如下。

線索生成模塊：該模塊搭載著預警模型，能實時計算分析RTM 數(shù)據(jù)，產(chǎn)生維修線索并傳遞給線索處理模塊。

線索處理模塊：線索處理模塊前端呈現(xiàn)來自線索生成模塊的線索。廠家審核人員通過點擊線索詳情查看每條線索的詳細信息，審核線索的準確性，修正錯誤信息，并進行線索包裝，如添加維修指導建議。

用戶激活模塊：對于廠家端而言，用戶激活模塊一般可集成在400 客服系統(tǒng)或經(jīng)銷商業(yè)務(wù)平臺。該模塊用于接收維修線索，匹配用戶信息，預約用戶并跟進。對于車主用戶而言，一般是企業(yè)微信或手機APP。

維修服務(wù)模塊：與傳統(tǒng)的用戶主動進店維修一樣，維修服務(wù)模塊對邀約進店的車輛進行維修信息的流轉(zhuǎn)與記錄，并將維修結(jié)果和用戶評價回傳給線索處理模塊，實現(xiàn)問題的閉環(huán)。

3.2 預測式維修業(yè)務(wù)流程機制建設(shè)

完成IT 系統(tǒng)鋪墊后，業(yè)務(wù)開展流程可以大致概括為：線索生成—線索審核—用戶激活—進店維修—結(jié)果反饋（圖3）。

線索生成：線索生成模塊會不斷產(chǎn)生各類維修線索，每條線索字段包括唯一編號、車輛底盤號、問題類型、可能的故障表現(xiàn)、可能的故障件、數(shù)據(jù)詳情以及問題優(yōu)先級等，并推送至線索處理模塊。

線索審核：線索處理模塊收到線索后，先后由技術(shù)開發(fā)和售后人員對每條線索進行審核，以確保線索的準確性和推送價值。審核時可以補充維修指導建議等信息，方便后續(xù)經(jīng)銷商的維修。

用戶激活：每條線索審核完成后，會由系統(tǒng)自動推送至用戶激活模塊進行用戶激活，即通過400 客服或經(jīng)銷商主動邀約用戶進站檢查和維修。如故障件已被預警模型鎖定，則在此環(huán)節(jié)還可以提前為用戶訂購備件。另外，緊急時還需要為用戶協(xié)調(diào)拖車、消防等救援服務(wù)。

進店維修：用戶應(yīng)邀進店后的流程則與傳統(tǒng)主動進店基本相同，在維修服務(wù)模塊（經(jīng)銷商業(yè)務(wù)平臺）進行，包括開具任務(wù)委托書、維修工單和收集索賠憑證（若車輛在質(zhì)保期內(nèi)）等。需要注意的是，考慮維修的及時性，線索審核和用戶激活環(huán)節(jié)應(yīng)盡快處理。

結(jié)果反饋：為了方便廠家對預測式維修業(yè)務(wù)的跟蹤管理，也為了對于緊急問題能夠有效促進，IT 系統(tǒng)設(shè)計了一個信息反饋的功能，即流程每進行到一個關(guān)鍵節(jié)點，可以利用系統(tǒng)對該線索狀態(tài)進行自動更新。例如每條線索的初始狀態(tài)都是“未處理”。當經(jīng)銷商嘗試與用戶聯(lián)系，創(chuàng)建好預約單時，狀態(tài)變?yōu)椤耙烟幚怼?；當?jīng)銷商與用戶達成約定，預約單狀態(tài)改變時，該條線索的狀態(tài)也相應(yīng)地更新為“待進店”；用戶進店后創(chuàng)建任務(wù)委托書時則更新為“已進店”；創(chuàng)建備件訂單時則更新為“已訂件”，備件到貨簽收則為“備件已到貨”，完成維修并交車結(jié)算則為“已修復”。

此外，還需要有“特殊關(guān)閉”及“不需要維修”等選項?！疤厥怅P(guān)閉”是為了涵蓋無法聯(lián)系用戶、過保車拒絕回店、故障不明顯拒絕回店、用戶已主動回店以及用戶去其他店維修等特殊情況。“不需要維修”則是指用戶雖然進店了，但是決定放棄維修。如此一來，通過線索狀態(tài)的變化，廠家和用戶便可以通過PC 系統(tǒng)或手機APP 清晰地掌控整個事件的進程。

維修完成后， 維修結(jié)果也將由系統(tǒng)自動關(guān)聯(lián)至該條線索，實現(xiàn)問題閉環(huán)。最后，可以讓經(jīng)銷商和用戶分別對線索和服務(wù)質(zhì)量進行評價，并將評價信息回傳至線索審核模塊，從而不斷完善預警模型和線索推送質(zhì)量。

4 預測式維修的未來構(gòu)想

4.1 遠程診斷的輔助支持

預測式維修雖然能為用戶帶來不少的方便，但還有諸多可以改進的地方。比如目前絕大多數(shù)預警模型暫時無法鎖定故障件；即使能鎖定故障件，用戶至少需要進一次店，能否不用進店就能解決故障。對于這些問題，遠程診斷技術(shù)可以幫助預測式維修達到另一個高度。

遠程診斷功能主要涉及診斷電腦、車輛手機 APP 系統(tǒng)、遠程診斷云平臺系統(tǒng)和車聯(lián)網(wǎng)終端?？梢岳冒惭b在車內(nèi)與車輛總線相連接的車聯(lián)網(wǎng)終端T-BOX，執(zhí)行車輛診斷命令，獲取車輛電子系統(tǒng)的各種數(shù)據(jù)，并通過無線通信手段，將數(shù)據(jù)傳送至遠程診斷云平臺進行信息處理[4]。遠程診斷的功能包括讀取或刪除車輛的故障碼、采集和上傳車輛實時數(shù)據(jù)以及讀取或更改控制單元的軟件配置等。遠程診斷的使用流程如下（圖4）。

（1）專業(yè)維修人員通過診斷電腦和車輛底盤號發(fā)起遠程診斷請求，用戶通過手機APP 接受請求。

（ 2）遠程診斷云平臺進行診斷配置，包括配置車型，設(shè)置診斷參數(shù)。

（3）遠程診斷云平臺向車聯(lián)網(wǎng)終端發(fā)布診斷請求。

（4）車聯(lián)網(wǎng)終端進行車輛診斷，收集并上傳車輛診斷數(shù)據(jù)，并通過遠程診斷云平臺，與遠程診斷電腦進行交互[5]。

與傳統(tǒng)的現(xiàn)場診斷一樣，遠程診斷過程中也涉及車輛的上下電和防盜解除。因此，車端方面還需滿足2 個條件：第一，鑰匙系統(tǒng)需要監(jiān)控并實時向車聯(lián)網(wǎng)輸出整車電源狀態(tài)信息，并能夠響應(yīng)遠程上電或下電動作；第二，車身防盜及門鎖系統(tǒng)需要監(jiān)測并實時向車聯(lián)網(wǎng)終端輸出整車設(shè)防狀態(tài)[6]。

預測式維修如果有了遠程診斷技術(shù)的融入，還能具備2 方面的優(yōu)勢：一方面，對于難以確認故障原因的預警，可以通過遠程診斷的方式進一步確認，方便維修人員提前訂購備件；另一方面，在預測式維修中諸如軟件問題引起的故障預警，都可以通過遠程升級的方式進行修復，用戶甚至都不需要進店。

4.2 拓展應(yīng)用

除了上述所提到的故障預警、一次進站維修和遠程維修等，在未來，預測式維修甚至還可以為用戶提供主動的故障查詢服務(wù)。用戶可以通過手機APP 主動向預測式維修的相關(guān)IT 平臺發(fā)起主動查詢車輛健康狀況的請求，特別是在出遠門前，可以借此方式提前了解車輛的健康狀態(tài)。如有問題，用戶可主動聯(lián)系附近維修站進行維修，有效防止車輛半路出現(xiàn)故障，實現(xiàn)用戶端的預測式維修。

5 結(jié)束語

基于RTM 數(shù)據(jù)的預測式維修服務(wù)不僅能為用戶和車輛保駕護航，也能滿足經(jīng)銷商迫切的業(yè)務(wù)拓展需求，更是為車企創(chuàng)造了絕佳的發(fā)展機遇，使其更加全面地融入汽車“新四化”的趨勢及更高階的遠程診斷技術(shù)發(fā)展中去。而圍繞RTM 數(shù)據(jù)進行業(yè)務(wù)拓展，正是考驗其大數(shù)據(jù)挖掘與智能診斷應(yīng)用相結(jié)合的能力，想要在激烈的汽車市場競爭中脫穎而出，這方面的能力不可或缺。在未來，通過對數(shù)據(jù)源的不斷拓展、對預警模型的不斷優(yōu)化以及對服務(wù)流程的不斷完善，外加“互聯(lián)網(wǎng)+”概念的融入，預測式維修服務(wù)有望大大降低電動汽車故障發(fā)生率和拋錨率，提高電動汽車安全性，降低自燃車事故，同時也能為車主節(jié)省大量的維修時間，為用戶帶來更省心、便捷的管家式售后服務(wù)體驗。

作者簡介：

王國慶，碩士，經(jīng)濟師，研究方向為汽車銷售售后服務(wù)。