基于RTM 数据的电动汽车预测式维修服务

王国庆、林耿涛、陆佳峰

（一汽奥迪销售有限责任公司，杭州 310020）

0 引言

为了满足人们对新鲜度、体验感的持续追求，保持市场竞争力，电动汽车产品更新迭代以及新品研发的周期被持续压缩，功能日益加强的同时故障发生的可能性也在同步增大。传统的售后维修场景必须等故障发生和用户感知后，被动地等待用户反馈抱怨，且要求专业维修人员必须接触到车辆后，才能对车辆的故障信息进行收集和分析。如此一来，无论在用车体验还是维修周期方面都难以满足当下用户的需求。而随着电动汽车智能化、网联化和共享化发展，车辆的各项数据变得更加透明和易获取，外加大数据时代的背景，用户对电动汽车管理和售后服务模式也有了崭新的认知和期望，特别是在故障预防、安全性保障和维修便捷性方面。因此，亟需开发一种新的智能化、管家式和便捷型的售后服务模式。

针对以上需求，本文将介绍一种基于实时监控（RTM，Real Time Monitoring）数据的电动汽车新售后服务模式，即预测式维修服务，主要内容包含RTM 系统简介、预警模型开发、围绕预警线索的业务开展方式以及未来展望等。通过这种服务模式，整车厂商能够利用RTM 数据实时监控并精准找出具有潜在问题的车辆，及时组织经销商或400 客服电话联系用户，从而有效防止故障形成，极大提升用户体验和品牌忠诚度。

1 电动汽车RTM 系统简介

想要实现预测式的维修，必须要有维修线索，对于电动汽车而言，可以利用RTM 系统提供的大数据作为线索源。RTM 是实时监控电动汽车工作数据的一套系统，通过车端硬件与车辆的2条CAN 总线连接，采集并分析处理有关的数据并通过自身的通讯模块，将数据经由OTA 协议，发送至后台数据库。

根据GB/T 32960《电动汽车远程服务与管理系统技术规范》，RTM 数据涉及车辆基本信息、动力电池系统、电机驱动系统和车辆控制系统等多个方面[1]。其中有27 项静态数据和84 项动态数据，静态数据如车辆底盘号、电机额定功率和电池型号等，动态数据如电池电量、绝缘性和电机温度等。这些数据将以特定的频率采集并上传企业和国家政府平台（图1）。

按照国标GB/T 32960 要求，电动汽车必须上报行驶和充电过程中的所有数据，客户端平台向服务端平台上报信息的时间周期应可调整。车辆正常运行状态下，信息采集和上报的时间周期最大应不超过30 s。当车辆出现三级报警时，应上报故障发生时间点前后30 s 的数据，且信息采样周期不大于1 s。其中故障发生前数据应以补发的形式进行传输。

2 故障预警模型的开发

预测式维修服务的开展需要维修线索，仅仅拥有RTM 数据还无法自动为预测式维修提供维修线索，需要创建一定的算法规则来实现故障的自动预警。

RTM 系统本身就已经携带了19 种故障识别算法，包含在上文所提到的84 项动态数据中，如电池压差、电池温差和单体电池过压等。但是这些规则有2 方面不足：其一是单阈值的算法规则太过简单，虽然能够识别异常数据，但是没有综合考虑车辆的其他参数容易出现误报警；其二就是只能识别已经成形的故障，无法做到故障预警。因此，想要实现精准的故障预警，需要对RTM 数据进行更深度的发掘，搭建更高阶的故障预警模型来为预测式维修提供线索。

每个预警模型其实都是由组成该系统的关键零部件或所有零部件的失效模型组成。每个零部件失效模型以该零部件对应的特征参数（包括输出信号特征参数、零部件老化特征参数和工作效率特征参数等重要信息）以及故障信息为输入，根据参数的数目、各参数的重要程度以及故障信息等因素而构成。系统失效模型则根据各零部件的相关关系以及重要程度，再基于各零部件的失效模型而构成[2]。

以电池压差预警模型的开发为例（图2），压差是电池电压一致性变差的直接表现。造成压差过大的原因体现在2 个主要方面：一是电芯工艺引起的问题，比如有个别电芯容量衰减太快、内阻增加太快或者异常自放电；二是电池控制单元均衡功能失效，无法消除正常自放电差异导致的电芯间的SOC 差异或错误均衡[3]。

图2 单车电池压差监控图

根据以上理论分析并结合实际维修经验，压差预警模型搭建方案可以如下：通过计算电池总成内最高电芯电压Umax 与最低电芯电压Umin 的差值ΔU 和持续时间tdur来判断是否需要预警，并通过压差随时间t 的变化规律及其他相关参数来确认故障件。若某电芯电压随时间持续降低而形成的压差，且放电速度超过控制单元最大均衡速度，则判断为电芯自放电，需要更换模组或电芯。若电压随时间持续降低但不超过控制单元最大均衡速度，则判断为控制单元均衡回路故障，需要更换控制单元。若某电芯电压随时间大幅波动而形成的压差，则判断为控制单元采样电路损坏，也是需要更换控制单元。

除了压差问题以外，根据售后市场数据，电动汽车典型故障还包括电池包过压欠压、电池包内模组间温差、电池健康度、高压回路绝缘故障及电机高温等，可以以此建立更多的预警模型。需要注意的是，RTM 系统可能存在数据上传丢失而产生异常值的情况。如某一帧数据中的某些电芯电压没有数据，则这些电芯电压在RTM 后台可能会以“65 534 mV”这种异常值来表示。如果不进行处理，则会被预警模型判断为压差故障中的控制单元采样异常，但实际零件可能没有问题。因此，为了确保预警的准确性，需要对这些异常数据记录进行筛选过滤。

此外，由于问题的严重程度不同，后续采取的措施也不同，因此每个预警模型需要设定不同级别的阈值条件来划分预警等级。一般定义成3 个等级，偏差值越大，持续时间越长，预警级别越高。

3 预测式维修业务的开展方式

维修线索来源的问题解决之后，想要基于这些线索批量、高效地邀约用户并实现闭环管理，还需要流程机制和IT 系统的支撑。

3.1 预测式维修业务IT 系统建设

邀约工作的开展，通过手动记录的方式低效且容易出错。设想一下，此时有一条预警信息，但是在邀约前无法确定针对该底盘号车辆是否就这个问题已经邀约过用户。如果邀约过，在上次邀约中用户是否已明确表示不想维修；如果再联系用户，是否会对用户造成打扰等。由此不难发现，预测式维修由于是主动发起的维修，如果对信息的掌握有偏差，反而会弄巧成拙。

因此，预测式维修需要搭建IT 系统，实现各方数据的互通。结合传统售后维修业务方式，预测式维修IT 系统需要4 大模块：线索生成模块、线索处理模块、用户激活模块和维修服务模块。各模块功能如下。

线索生成模块：该模块搭载着预警模型，能实时计算分析RTM 数据，产生维修线索并传递给线索处理模块。

线索处理模块：线索处理模块前端呈现来自线索生成模块的线索。厂家审核人员通过点击线索详情查看每条线索的详细信息，审核线索的准确性，修正错误信息，并进行线索包装，如添加维修指导建议。

用户激活模块：对于厂家端而言，用户激活模块一般可集成在400 客服系统或经销商业务平台。该模块用于接收维修线索，匹配用户信息，预约用户并跟进。对于车主用户而言，一般是企业微信或手机APP。

维修服务模块：与传统的用户主动进店维修一样，维修服务模块对邀约进店的车辆进行维修信息的流转与记录，并将维修结果和用户评价回传给线索处理模块，实现问题的闭环。

3.2 预测式维修业务流程机制建设

完成IT 系统铺垫后，业务开展流程可以大致概括为：线索生成—线索审核—用户激活—进店维修—结果反馈（图3）。

图3 预测式维修业务开展示意图

线索生成：线索生成模块会不断产生各类维修线索，每条线索字段包括唯一编号、车辆底盘号、问题类型、可能的故障表现、可能的故障件、数据详情以及问题优先级等，并推送至线索处理模块。

线索审核：线索处理模块收到线索后，先后由技术开发和售后人员对每条线索进行审核，以确保线索的准确性和推送价值。审核时可以补充维修指导建议等信息，方便后续经销商的维修。

用户激活：每条线索审核完成后，会由系统自动推送至用户激活模块进行用户激活，即通过400 客服或经销商主动邀约用户进站检查和维修。如故障件已被预警模型锁定，则在此环节还可以提前为用户订购备件。另外，紧急时还需要为用户协调拖车、消防等救援服务。

进店维修：用户应邀进店后的流程则与传统主动进店基本相同，在维修服务模块（经销商业务平台）进行，包括开具任务委托书、维修工单和收集索赔凭证（若车辆在质保期内）等。需要注意的是，考虑维修的及时性，线索审核和用户激活环节应尽快处理。

结果反馈：为了方便厂家对预测式维修业务的跟踪管理，也为了对于紧急问题能够有效促进，IT 系统设计了一个信息反馈的功能，即流程每进行到一个关键节点，可以利用系统对该线索状态进行自动更新。例如每条线索的初始状态都是“未处理”。当经销商尝试与用户联系，创建好预约单时，状态变为“已处理”；当经销商与用户达成约定，预约单状态改变时，该条线索的状态也相应地更新为“待进店”；用户进店后创建任务委托书时则更新为“已进店”；创建备件订单时则更新为“已订件”，备件到货签收则为“备件已到货”，完成维修并交车结算则为“已修复”。

此外，还需要有“特殊关闭”及“不需要维修”等选项。“特殊关闭”是为了涵盖无法联系用户、过保车拒绝回店、故障不明显拒绝回店、用户已主动回店以及用户去其他店维修等特殊情况。“不需要维修”则是指用户虽然进店了，但是决定放弃维修。如此一来，通过线索状态的变化，厂家和用户便可以通过PC 系统或手机APP 清晰地掌控整个事件的进程。

维修完成后，维修结果也将由系统自动关联至该条线索，实现问题闭环。最后，可以让经销商和用户分别对线索和服务质量进行评价，并将评价信息回传至线索审核模块，从而不断完善预警模型和线索推送质量。

4 预测式维修的未来构想

4.1 远程诊断的辅助支持

预测式维修虽然能为用户带来不少的方便，但还有诸多可以改进的地方。比如目前绝大多数预警模型暂时无法锁定故障件；即使能锁定故障件，用户至少需要进一次店，能否不用进店就能解决故障。对于这些问题，远程诊断技术可以帮助预测式维修达到另一个高度。

远程诊断功能主要涉及诊断电脑、车辆手机 APP 系统、远程诊断云平台系统和车联网终端。可以利用安装在车内与车辆总线相连接的车联网终端T-BOX，执行车辆诊断命令，获取车辆电子系统的各种数据，并通过无线通信手段，将数据传送至远程诊断云平台进行信息处理[4]。远程诊断的功能包括读取或删除车辆的故障码、采集和上传车辆实时数据以及读取或更改控制单元的软件配置等。远程诊断的使用流程如下（图4）。

图4 远程诊断功能流程

（1）专业维修人员通过诊断电脑和车辆底盘号发起远程诊断请求，用户通过手机APP 接受请求。

（2）远程诊断云平台进行诊断配置，包括配置车型，设置诊断参数。

（3）远程诊断云平台向车联网终端发布诊断请求。

（4）车联网终端进行车辆诊断，收集并上传车辆诊断数据，并通过远程诊断云平台，与远程诊断电脑进行交互[5]。

与传统的现场诊断一样，远程诊断过程中也涉及车辆的上下电和防盗解除。因此，车端方面还需满足2 个条件：第一，钥匙系统需要监控并实时向车联网输出整车电源状态信息，并能够响应远程上电或下电动作；第二，车身防盗及门锁系统需要监测并实时向车联网终端输出整车设防状态[6]。

预测式维修如果有了远程诊断技术的融入，还能具备2 方面的优势：一方面，对于难以确认故障原因的预警，可以通过远程诊断的方式进一步确认，方便维修人员提前订购备件；另一方面，在预测式维修中诸如软件问题引起的故障预警，都可以通过远程升级的方式进行修复，用户甚至都不需要进店。

4.2 拓展应用

除了上述所提到的故障预警、一次进站维修和远程维修等，在未来，预测式维修甚至还可以为用户提供主动的故障查询服务。用户可以通过手机APP 主动向预测式维修的相关IT 平台发起主动查询车辆健康状况的请求，特别是在出远门前，可以借此方式提前了解车辆的健康状态。如有问题，用户可主动联系附近维修站进行维修，有效防止车辆半路出现故障，实现用户端的预测式维修。

5 结束语

基于RTM 数据的预测式维修服务不仅能为用户和车辆保驾护航，也能满足经销商迫切的业务拓展需求，更是为车企创造了绝佳的发展机遇，使其更加全面地融入汽车“新四化”的趋势及更高阶的远程诊断技术发展中去。而围绕RTM数据进行业务拓展，正是考验其大数据挖掘与智能诊断应用相结合的能力，想要在激烈的汽车市场竞争中脱颖而出，这方面的能力不可或缺。在未来，通过对数据源的不断拓展、对预警模型的不断优化以及对服务流程的不断完善，外加“互联网+”概念的融入，预测式维修服务有望大大降低电动汽车故障发生率和抛锚率，提高电动汽车安全性，降低自燃车事故，同时也能为车主节省大量的维修时间，为用户带来更省心、便捷的管家式售后服务体验。