何為“千人千（qiān）麵”?

過去的發動（dòng）機設計是通過一套設（shè）計來覆蓋大部分應用場景及（jí）應用工況(牽引、平板、專用車及（jí）自卸（xiè）車，高速、城市、郊區工況等)。在不同應用場景及工況下，發動機某些性能可能會有局限性，而客戶則希望發動機能適應不同應用場景及實際應用（yòng）工況，盡可能優（yōu）化性能。

康明斯基於大數據算法（fǎ），開發了（le）一（yī）套“運行（háng）畫像”，來指導發動機的定製（zhì）化設（shè）計，為每（měi）一位客戶進行“私人定製”。通過了解發動機關鍵信息、大數據分析及（jí）算（suàn）法評（píng）估發動機運行工況，運用OTA技（jì）術動態調整軟件標（biāo）定來適配不同運行（háng）工況，優化性（xìng）能表現和油耗（hào），提升出（chū）勤率。

接下來，讓我（wǒ）們一起圍觀如（rú）何實現定製化開發吧!

在車聯網及數字化時代，通過網聯（lián）大數據可以獲取更多洞察，更加深入了解用戶如何使用發動機產品，從而為定製化產品開發及優化提供無限（xiàn）可能。為了實現這個目標，車輛（liàng）使用場景的細分尤為重要。車輛使用場景細分的關鍵是羅列出有意義的特（tè）征標簽，將特征標簽類（lèi）型按照業務含義來進行不同維度劃（huá）分。基於這些標簽在發動機標定設計、硬件選（xuǎn）型及試驗驗證方麵實現定製化：

定製化標定設計

1.大數據模型分析

工程師基於大數據梳（shū）理出細分市場分類（lèi），分析出不同細分市場的（de）實際運行工況。對（duì）發動機標定（dìng）庫中幾萬個參數進行（háng）特征分析（xī），開發出用於發動機標定的（de）推薦係統方法，從而更好地指導工（gōng）程團隊對標定進行定製及發放。

該推（tuī）薦係統方（fāng）法是通（tōng）過對比分類回歸樹和主成分分析法，以現有市場（chǎng）運行中的標定數據（jù）庫為訓練集，將（jiāng）客（kè）戶需求轉化（huà）為各個（gè）參數特征，並通過機器學習模型的建立，預測出每個參數取值，從而為不（bú）同細分（fèn）市場客戶定製最優標定。這個方法不（bú）僅提高了基礎標定質量和開發效率，也讓（ràng）不同客戶體驗差異化的（de）發動機性能。

2.標定定製及發放

完成標定定製後，通過車（chē）聯網OTA功能，對不同細分市（shì）場的車輛進行定向標定下發（fā），使各細分市場有適（shì）合自（zì）己的標定，使發（fā）動機（jī）性能達到更優。

定製化硬件選（xuǎn）型優化

1.大數據模型分析

在確立細分（fèn）市場分類後，使用大數據模型來梳理發動機運行工況（kuàng），利用這些實際運行工況數據，作為發動機開發中的輸入，從而指導工程（chéng）師更好地進行發（fā）動機關鍵部件的選型及設計優化，比如空壓機、後處理係統（tǒng）、增壓器係統。

2.定製化硬件選型優化

通過車聯網及大數（shù）據分析後，為發動機開發提供設計邊界條件，更好地指導（dǎo）工程師進行發（fā）動機硬件（jiàn）選型及優化，為客戶提供更優性能、更可靠及更低碳化的發動機。

定製化試驗驗證優化（huà）

1.大數據模型分析

針對細分市（shì）場分類，結（jié）合大數據分析（xī）出的實際工況（kuàng）及運行（háng）數據，與發（fā）動機設計驗證標準(ESW)及失（shī）效模（mó）式分析(FMEA)相結（jié）合，從而更好地（dì）指導工程師（shī）來進行（háng）發動機設計驗證規劃及優化發（fā）動機道路（lù）試驗。

比如多選擇發動機高失效的區域或典型運行工況（kuàng）場景來測試，而不是對（duì）所有工況進行平均（jun1）化測試。另外（wài），通過（guò）結合車聯網（wǎng）數（shù）據及大數據分析（xī），結合軟件模擬來輔助或替代（dài）發動（dòng）機開發中（zhōng）的部分台架及實際道路驗證。

2.定製化道路試驗優化

采用車聯（lián）網及大數據分析（xī），為發動機開發驗證提供實際運行的邊界條件，更好地指導發動機設計驗證及道路試驗。通過（guò）識別發動機運行的（de）實際工（gōng）況（kuàng），有效的實驗可以提升產品可靠性及（jí）質量，保障客戶在各種（zhǒng）工況下的可靠應用。