何為“千人千麵（miàn）”?

過去的發動機設計（jì）是（shì）通（tōng）過一套設計來覆蓋（gài）大部（bù）分應用場景及應用工況（kuàng）(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（jí）工況下，發動（dòng）機某些性能可能會有局限性，而客戶（hù）則希望（wàng）發動機能適應不同應用場景（jǐng）及實際應用工況，盡可能優化性能。

康明（míng）斯基於大（dà）數據算法，開發了一套“運行畫像”，來指導發（fā）動機的定製化設計，為每一（yī）位客戶進行“私人定製”。通過（guò）了解發動機關鍵信息、大數據（jù）分析及算法（fǎ）評估發（fā）動機運行工況，運用OTA技術動態調整（zhěng）軟件標定來適配不同運行工況，優化性能表（biǎo）現和油耗，提升出（chū）勤率（lǜ）。

接下來，讓我們一起圍觀如何實現定製（zhì）化開發吧!

在車聯網及數字化（huà）時代，通過（guò）網聯大數據可以獲（huò）取更多洞（dòng）察，更加深（shēn）入了解用戶如何使用發動機產（chǎn）品，從而為（wéi）定製化產品開發及（jí）優（yōu）化提供無限（xiàn）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（chū）有意義的特征標簽，將特征標簽（qiān）類型按（àn）照業務含義來進行不同維度劃分（fèn）。基於這些標簽在發動機標定設計、硬件選型（xíng）及試驗驗證方麵實現定（dìng）製化：

定製化標定設計

1.大數據模型分析

工程（chéng）師基於大數據梳理出細分市場分類，分析出不同細分市場的實際運行工況。對發動機標定庫中（zhōng）幾萬個參數進行特征分析，開發出用於發動機標定的推薦係統方法，從而更好地指導（dǎo）工程團隊對標定進行定製及發（fā）放。

該（gāi）推薦係統方法是通過對比分類回歸樹和主成分分析法，以現有市場運行中的標定（dìng）數據庫為訓練集，將客戶需求轉化（huà）為各（gè）個參數特征（zhēng），並通過機器學習模型的建（jiàn）立，預測（cè）出每個參數取值，從而為不同（tóng）細分市場（chǎng）客戶定製最優標定。這個方法不僅提高了基礎標定質量和開發效率，也（yě）讓不同（tóng）客（kè）戶體驗差（chà）異化的（de）發動機性能。

2.標（biāo）定定製及（jí）發放

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

定製化硬件選型優化

1.大數據模型分（fèn）析

在確立（lì）細（xì）分市場分類後，使用大數據模型來梳理發動機（jī）運行工況，利用這些實際運行工況數據，作為發（fā）動機開（kāi）發中的輸入，從而指導工程師（shī）更好地進行發動機（jī）關鍵部（bù）件的選型及設計優（yōu）化，比如空壓機、後處理係統、增壓器係統。

2.定製化硬件選型優（yōu）化

通過（guò）車聯網及大數據分析後，為發動機開發提供設（shè）計邊界條件，更好地指導工程師進行發動機硬件選型及優化，為客戶提（tí）供更優性能、更可靠及更低（dī）碳化的發動（dòng）機。

定製化試（shì）驗驗證（zhèng）優化

1.大數據模型分析

針對細分市場分類，結合大（dà）數據分析出的實際工況及運行數據，與發動（dòng）機設計驗證標（biāo）準(ESW)及失效模式分析(FMEA)相結合，從而更好地指導工程師來進行發動機設計驗證規劃及優化發動機道路試驗。

比如多選擇發（fā）動機高失（shī）效的區域或（huò）典型運行工況場景來測（cè）試，而不是對所有工況進行（háng）平均化測試。另外，通過結合車聯網數據及大數據分析，結合軟件模擬來輔助或替代發動機開發中的部分台架及（jí）實際道路驗證。

2.定（dìng）製化道路試驗優化

采用（yòng）車聯網及大數據分析，為發動機開發驗證提供實際運（yùn）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（bié）發動機運行的實際工況，有效的實驗可以提升產品（pǐn）可靠性及質量，保障客戶在各種工況下（xià）的可（kě）靠應用。