何為“千人千麵”?

過去的發動機（jī）設計是通過一套設計來覆蓋大部分應用場景及應用工（gōng）況(牽引、平板、專用車及自卸車，高速、城市、郊區工況等)。在不同應用場景及工況（kuàng）下，發動機（jī）某（mǒu）些性能可能（néng）會有局限性，而客戶則希望發（fā）動機能適應（yīng）不同應用場景及實際應用工況，盡可能優化性能。

康明斯基於大數據算法（fǎ），開發了一套“運行畫像”，來（lái）指導發動機的定製化設計（jì），為每一（yī）位（wèi）客戶進行“私人定製”。通過了解發動機關鍵信（xìn）息、大數據分析及算法評估發動機運行工況，運用OTA技術動態調整軟件標定來適配不同運（yùn）行工況，優化性能表現和油耗，提升（shēng）出勤率。

接下來（lái），讓我們一起圍觀（guān）如何實（shí）現定製化開發吧!

在車聯網及數字化時代，通過網聯大數據（jù）可以獲取更多洞察（chá），更加深入（rù）了解用戶如何使用發動機產品（pǐn），從而為定製化產品開發及優化提供無限可能。為了（le）實現這個目標，車輛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（qiān）類型按照業務含義來進（jìn）行不同維度劃分。基於這些標簽在發動機標定（dìng）設計、硬件選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理出細分市場分類，分析（xī）出不同細分市場的實際運（yùn）行工況。對發動機標定庫中幾萬個參（cān）數進行特征分析，開發出（chū）用於發（fā）動機標定的推薦係統方法，從而更好地指導工程團隊對標定進行定製及發放（fàng）。

該推薦係統（tǒng）方法是通過（guò）對比分類回歸樹和主（zhǔ）成分分析法，以（yǐ）現有市場運（yùn）行中的標定數據庫為訓練集，將客戶需求轉化為各（gè）個參數特征，並通過機器學習模（mó）型（xíng）的建（jiàn）立，預測出每個參數取值，從而為不（bú）同細分市場客戶定製最優標定。這個方（fāng）法不僅提高（gāo）了（le）基（jī）礎標定質（zhì）量和開發（fā）效率，也讓不（bú）同客戶體驗差異化的發動機性能。

2.標定定製及發放

完成標定定製後，通過車聯網（wǎng）OTA功能，對不同細分市場的車輛進行定向標定下發，使各（gè）細分市場（chǎng）有適合自己的標定，使發動機性能達到更優。

定製化硬件選（xuǎn）型優化

1.大數（shù）據模型（xíng）分析

在確立細（xì）分市場分類（lèi）後，使用大（dà）數據模型來梳理發動（dòng）機運行工況，利用這些實際運行（háng）工況數據，作為發動機開發中的輸入，從而指導工程師（shī）更好地進行發動機關鍵部件的選型及設計優化，比（bǐ）如空壓機、後處理係統、增壓（yā）器係統（tǒng）。

2.定製化硬件選型（xíng）優（yōu）化

通過車聯網及大數據分（fèn）析（xī）後，為發動機開發提供設計邊界條件，更好地指導工程（chéng）師（shī）進行發動機硬件選型及優化，為客戶提供（gòng）更優性能、更可靠及更低碳化的發動機。

定（dìng）製化試驗驗證優化

1.大數據模型分析

針對細分（fèn）市場分類，結合大數據分析出的實（shí）際工況及運行數據，與發動（dòng）機設（shè）計（jì）驗證標準（zhǔn）(ESW)及失效模（mó）式分析(FMEA)相結合，從而更好地指導工（gōng）程師來進行發動機設計驗（yàn）證規劃及優化發動機道路試驗。

比如多（duō）選擇發動機高失效的區域（yù）或典（diǎn）型運行工況場景來測試，而不是對所（suǒ）有工況進行（háng）平均化測試。另外，通過結（jié）合車聯網數據及大數（shù）據分析，結合軟件模擬來輔助或替代發動（dòng）機開發中（zhōng）的部分台（tái）架及實際道路驗證（zhèng）。

2.定製化（huà）道路試驗優化

采用車聯網及大數據分析（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（dǎo）發動機設計驗證及道路試驗。通（tōng）過識別發動機運行的實（shí）際（jì）工況，有效（xiào）的實驗可以提升產品（pǐn）可靠（kào）性及質量，保障客戶在各種工（gōng）況下的可靠應（yīng）用。