船舶装备维修信息系统的设计与研究

王 萍,张朋坤

(海军青岛雷达声纳修理厂,山东 青岛 266100)

伴随着信息技术的飞速发展，大量现代化、信息化装备逐渐被应用，船舶装备信息化建设稳步推进。在装备维修过程中产生了大量的业务、维修数据，这些数据能够真实地反映装备特点与维修保障规律。但目前针对船舶装备维修数据管理的相关研究工作仍然比较落后，存在数据独立分散、系统结构设计混乱、数据分析方法简单等一系列问题，既浪费了珍贵的一手保障数据和珍贵的保障资源，又影响整体信息化建设水平[1]。因此，建设一套以信息技术为核心的船舶装备维修信息系统，高效、精确地管理船舶装备维修数据，探索分析保障规律，实现保障资源向待维修装备聚集，已经成为目前船舶装备维修保障的一项重要研究课题。

1 国内研究现状

目前，国内关于船舶装备维修信息系统的相关技术研究正逐步发展。李文俊总结分析了装备保障信息系统的现状与存在的问题，并对未来发展方向进行了综述与展望[2]；代冬升与王跃利等对装备保障信息系统集成框架进行了设计与研究[3]；李振举等对基于信息系统的装备保障体系结构进行规划与设计，提出了体系建设的相关措施[4]；张居可与魏海平以B/S模式作为数据实现基础框架，采用三层数据体系结构，分别实现了后勤装备维修信息系统与装备保障信息系统的设计与建设[5-6]；吴国富[7]研究设计装备维修管理信息系统，实现了装备维修信息管理、维修工具管理和维修人员管理等功能。但从总体来看，目前维修信息系统存在以下3点不足。

1)船舶各专业装备维修信息系统之间缺乏互用、连通与数据共享。由于缺乏统一的建设标准和规范，导致各信息系统相互独立，技术体制、技术标准、数据格式等不能统一，形成了很多信息化系统“烟囱”，并且由于技术体制不一致，增大了后期维护难度，导致大多数船舶装备维修信息系统由于缺乏相应的及时更新与维护而被停止使用。

3)数据分析方法简单，与前沿科技理论的融合不够紧密。随着大数据分析技术、云计算和智能AI等先进技术得到充分发展，已经成功运用在生产、生活的众多领域，但在船舶装备维修信息系统领域的应用研究还处于起步阶段。因此，促进船舶装备维修信息系统与先进数据分析技术及人工智能AI的融合与发展，是实现船舶装备维修实力跨越式发展的重要途径[8]。

2 船舶装备维修信息系统体系结构

船舶装备维修信息系统体系结构包含数据标准规范、数据采集以及数据管理与智能辅助决策平台等模块。船舶装备维修信息系统体系结构见图1。

图1 船舶装备维修信息系统体系结构

其中，维修业务系统主要实现维修流程的优化、信息系统的集成与完善。通过改进传统手工填报方式和单一简单的维修保障管理模式，提高船舶装备维修效率。维修流程的优化应当聚焦对船舶装备维修各项业务顶层结构的梳理与规划，发挥船舶装备维修信息化系统的特点与优势，优化重建维修业务流程，明确各部门职责分工，规范单据等文件填报格式，将手工作业与智能终端辅助作业进行技术整合。同时，维修信息系统的集成与完善应当按照统一的数据规范标准，按照新的业务需求梳理现有专业的信息系统功能，对各类系统进行综合集成、升级改造或配套研发，实现维修信息系统数据链路顺畅衔接维修单位、修理工间、故障单位以及各级业务机关等各主体，使其功能范围涵盖各类装备、设施设备、器材物资、维修人员等信息的自动化采集数据对接，以及计划拟制、报批审核、维修保养、装备送修、器材筹储供等各环节，实现船舶装备维修全程动态跟踪和逆向追溯[9]。

3 船舶装备维修信息系统的设计与研究

3.1 数据基础与标准化模块

数据基础与标准规范的配套建设是船舶装备维修信息化建设的基础工作，只有建立标准的基础规范，才能保证船舶装备维修信息系统得到有效准确的数据信息，并实现数据共享与流通。通过完善各类技术标准、物资编目等基础性工作，梳理分类基础数据，并建立基础数据更新机制；完善各类数据编写、数据接口、数据标识、交互协议等标准规范，为后续各项建设提供基础规范支撑。

各类基础数据主要包括各类物资编码、技术资料目录、专业人员目录、单位目录、承修资质目录、故障目录、故障模块目录等。各类标准规范包括船舶装备信息数据规范(规范各类基础数据的结构、要素、属性等内容)、数据交互接口规范、自动识别规范、修理标准以及库存标准等。

3.2 数据采集模块

3.2.1 维修信息原始数据的采集途径

数据是信息化的关键要素，而数据采集则是实现船舶装备维修信息化建设的重要前提。寿命周期各阶段的一切活动都是维修性数据的产生源，所以，维修性数据的来源贯穿于船舶装备制造、试验、使用、维护、维修的整个过程。但最重要的是使用中的故障数据、维护、修理纪录及故障排除纪录等。

老贾来之前本来就是想着要做生意。古董这行宜早不宜迟，机会稍纵即逝。所以他身上现金票据一应俱全。两人也不拖泥带水，当桌就一手交钱一手交货，老贾再开出单据，交易不一会儿就完成了。之后，老贾打开盒子把钱币倒在饭桌上，让孟导自己挑五枚带走，自己则从包里拿出各种卡尺和工具，也趁着功夫测量起钱的尺寸。

维修原始信息的来源和途径主要有：①维修活动的原始纪录；②积累的文件档案和资料；③在维修工作现场直接了解的情况；④相关单位提供或查询到的材料。

3.2.2 维修信息原始数据的采集手段

数据采集是在船舶装备维修数据库模型的基础上，具备为用户提供维修数据的自动导入、手工维护等手段。主要通过以下2种方式实现。

一种是自动化数据采集模式，通过船舶装备维修各环节原始数据的自动化高效采集，大大提高采集的效率和质量。主要运用图形码、射频识别装置(电子标签)、存储卡、智能卡、机内检测系统等物联网技术，将维修器材、维修设备、技术资料等信息，以及器材在储在运信息、业务单据信息等各类原始数据快速、标准、动态地采集上来。

另一种是手动维护采集方式。主要是对船舶装备技术状态检查、故障修理要素(故障项目、故障现象、故障原因、故障模块、维修人员、工时等)、器材消耗种类数量等作业信息，以及维修实力、承修资质等数据进行人工录入采集。

为便于录入，使收集更方便、精准、有序，需将收集到的维修信息制成表格。

3.3 数据管理与智能辅助决策平台

数据管理与智能辅助决策平台采用先进的数据库管理技术与人工智能算法，实现维修数据的维护、浏览、检索查询、导入导出以及数据分析、故障智能研判等功能，完成维修资源可视化管理和智能优化调控，达到精确维修的效果。数据管理与智能辅助决策平台组成结构如图2所示。

图2 数据管理与智能辅助决策平台组成结构

3.3.1 维修信息数据管理模块

维修信息数据管理模块的用途是支持系统维修信息数据管理的扩充性和灵活性，主要实现维护审核、查询浏览、导入导出功能。

维修信息数据审核是数据汇总之前必须采取的措施之一，对保持维修信息数据整体上的有效性，具有很大帮助。数据审核模块主要实现维修信息数据的日常检查、对将要入库或已入库的数据提供专项或整体的合法性、完整性和一致性检查，并给出报告提示，同时具备清理非法数据的功能。

维修信息数据查询模块主要作用：①实现对维修对象的基本情况、船舶装备实力和状况等相关信息的查询；②实现对维修单位、维修人员、维修设备和资质等基本情况的查询；③实现对维修资料和相关维修信息的查询；④实现对当前故障装备、维修进度等相关情况的查询；⑤实现对历史故障、维修纪录、消耗器材等相关情况的查询。

维修信息导入导出模块主要实现船舶装备维修信息数据库内数据以及数据库外数据的导入、汇总、导出，包括船舶装备维修资料收集导入、资料汇总和资料导出等功能。其中：船舶装备维修资料导入是将查询到的信息导入、保存；资料汇总是将提供资料汇总、合并；资料导出是将资料内容导出为标准格式文件(word、excel)或打印输出。

3.3.2 维修信息数据分析模块

运用云计算、人工智能等技术进行数据深入挖掘分析，探索船舶装备维修内在规律，实现故障预测功能，指导完善船舶装备维修业务系统，使之更加贴合实际需求，提高船舶装备维修效率。

船舶装备维修信息数据分析主要实现以下功能：①通过对维修单位情况、承修资质级别、维修人才队伍技术能力、维修设施配套建设等数据的研究与分析，可辅助维修单位全面掌握实际装备维修能力，明确船舶装备维修能力建设发展方向；②通过对装备型号、整体结构、性能状态等数据的整理与分析，辅助修理人员快速掌握装备特点与性能状态，提升修理效率；③通过对故障类型、故障发生频率、排故进度与方法以及消耗器材种类、数量与金额等数据的整理与研究，可实现船舶装备故障数据的可视化分析，实现故障预测与分析、关重件寿命周期监控与管理等功能。

3.3.3 智能辅助决策模块

智能辅助决策模块主要依托神经网络深度学习算法，对船舶装备维修信息进行分析与解算，实现故障智能分类、智能诊断等功能，能够为维修人员提供准确、高效的决策辅助，是船舶装备维修数据分析的重要算法。

神经网络深度学习算法是从信息处理角度对人脑神经元网络进行抽象，建立某种简单模型，按不同的连接方式组成不同的网络，是20世纪80年代以来人工智能领域兴起的研究热点。随着对人工神经网络的深入研究，已经广泛应用于模式识别、智能机器人、自动控制、生物、医学、经济等领域。神经网络算法具有以下特点：①广泛连接的巨型系统；②分布式存储信息；③并行处理功能；④自学习、自组织和自适应功能。

由于基于解析模型的故障诊断方法面临难以建立系统模型的实际困难，基于知识的故障诊断方法成了重要的、也是实际可行的一种方法，由于神经算法有良好的学习适应特点，因此，采用神经网络深度学习算法进行故障诊断具有较大优势。

围绕船舶装备维修数据分析功能需求，对国内外人工智能算法进行查阅与分析，研究比较各类算法优缺点，并结合维修实际需求，对神经网络深度学习算法进行设计与应用。其中由D.E.Rumelhart 等多人组成的并行分布处理研究小组提出的BP网络是目前应用最为广泛的神经网络。BP算法整个处理过程可以分为2个阶段。第1个阶段：从BP网络的输入层开始逐层向前计算，根据输入样本计算出各层的输出，最终求出网络输出层的输出，这是前向传播过程。第2个阶段：对权值的修正，从网络的输出层开始逐层向后进行计算和修正，这是反向传播过程。这2个过程反复交替，直到收敛为止[10]。利用算法，实现故障分类和故障诊断功能，快速定位故障部位，从而实现辅助决策，提高船舶装备维修效率。

4 结束语

在深入分析国内船舶装备维修信息系统的研究现状后，结合船舶装备维修实际特点，立足整体规划设计需求，建立船舶装备维修信息系统体系架构，阐述各结构功能，并对其中采用的神经网络深度学习算法进行进一步研究与分析。通过对维修信息系统的探讨与分析，研究梳理工作思路，明确研究重点与方向，对下一步船舶装备维修信息系统的建设具有指导意义。