1 设备数据管理(EDM)与维修管理决策
设备数据管理是设备管理与维修不可缺少的内容。设备数据管理要求支持设备的整个生命周期。要达到信息的共享，就必然要求建立内容广泛的信息管理系统。而手工管理模式已远远不能满足要求，因此建立以计算机为基础的设备信息系统就显得非常重要和必要了。

设备数据管理主要内容：
1)设备结构管理。设备结构是一种树形结构，即设备一总成一大部件一小部件一零件。要对其进行管理，首先将设备分解至零件，然后对其进行编码管理，名称及其代码具有唯一性。每一个零部件都是树形结构上的一个接点，每一个接点均有唯一的编码。同时还赋予诸如数量、材料、版本号等属性以及生效失效期、相互借用关系、在设备中的级别以及相应的统计信息等。以此结构建立设备数据表(BOM)，并作为设备管理与维修物料需求计划的数据来源。

2)设计数据管理。CAD数据，各种图、模型数据(三维、二维等)，计算及说明书，码管理，数据信息归挡，收发借阅的权限与时限， 日志及备忘录等。

3)备件管理。备件的加工工艺数据、若备件为部件则部件的装配工艺数据、外购备件要将供应商的情况及该备件供应状态、库存等信息均包括进来。

4)维修资料管理。安装维修手册、拆装简图、技术条件；维修标准、法规；进厂检验与试验测试数据；设备维修历史及演变信息；维修工作流程：维修装配数据信息等。

5)维修计划管理。概预算、成本及费用、材料消耗、维修能力、维修设备、曾经用过的维修方法与技巧；人力资源、软硬件资源、实验资源、社会可借用资源等的管理。 6)其他：数据备份、数据接口及其标准的管理。
 

2 知识工程(knowledge engineering—KE)与维修管理决策

知识工程与IDSS相结合是一个崭新的研究内容，已经应用于许多实际工作领域。只要知识库系统的知识足够完备，系统就能通过推理得出正确合理的决策结论。

设备管理与维修是继承与创新相结合的一项活动，是知识的组合与重用。近年来，由于计算机及其相关技术的发展，追求管理与维修决策自动化、智能化，构建专家系统的设想被提了出来。如基于黑板推理、模糊推理、神经网络推理等方法。希望通过大量的计算和复杂的推理来达到只需输入要求与边界条件就能得到与维修相关的所有结果的目的，逐渐引起学术界的广泛探讨。这里讲的KE不仅有推理过程而且强调广义知识的归纳、整理及应用。广义知识是指：理论知识、标准、规范、经验、基础数据(结构数据、工艺数据、方案、成本、销售等)等。这些知识有的可以量化，有的则不能。KE的重点是知识的重用。其基本步骤为：获取知识～ 知识处理(对大量各类信息的分类、归纳、整理)? 知识表达(数据库的建立、量化、描述)? 知识重用(查询、搜索、决策、推荐可能方案、统计、汇总、评价等)。对“知识”站在更高的角度来讲，将知识加以综合运用就是“知识管理”。知识来源于设备的整个生命周期，然后又将知识应用与设备使用、管理与维修的各个环节。

3 基于EDM和KE的维修管理IDSS

3.1企业维修管理决策过程
企业的设备管理与维修部门利用设备现场运行数据，根据管理记录、情报资料、维修建议、备件状况和企业的实际情况作出诊断意见、制订维修方案和作出维修决策意见。并根据生产计划执行情况，经主管厂长核准进行维修安排与计划。

3.2维修方案的形成方法

维修方案的形成有两种方法，即工程方法和数学方法。工程方法强调为维修计划活动建立规则和指导方针，因此维修方案是由工作计划、维修约束、设备的行为构成(失效率、MT，rR平均失效时间、MTBF平均故障间隔时间等)。是目前最成熟用得最普遍和成功的方法。而数学方法则更多的强调对设备失效行为进行统计建模分析，从而建立晟优维修方案。建模的实质是通过统计分析找到关键的维修活动，以解决各种不同类型的失效形式。

3.3基于EDM和KE的维修管理IDSS

人机界面：是IDSS中不可缺少的部分，是连接人与系统的纽带。

智能故障诊断子系统：获取实时信息，全面监测、分析设备所处的状态。完成回答维修什么，修哪里，怎样修，什么时候修，维修目的是什么等问题。 维修管理IDS子系统：
处理器：是系统的核心部分，它与其他模块建立通讯联系，要求其他模块作出相应的某种功能。
推理机及控制系统：对系统的工作进行控制与管理。推理机完成解释知识库中的知识，作出逻辑推理和对知识库进行修改与完善。控制机完成组织并控制着维修方案生成的方法。

知识库：表示一个特定问题领域的事实、信息、判断、直觉和经验 主要完成建模、选模专家的作用。能够向维修工程师提出有关问题，如国家标准、决策的准则判据、所需的数据等，并建议选择合适的模型。
设备数据库：其功能是从数据库中提取历史维修数据，并以合适的方式分组、排序。

模型库：包含了用于分析的数学模型和数据、模型参数估计、模型证实的统计分析工具。如：RCM分析模型，维修级别分析模型、FMEA分析模型等。

3.4决定模型选择的基本要素
这些要素可以解释为：

1)额外信息：系统向诊断子系统获得的诊断结论和维修建议：向用户对话获得的知识；专家所提供的知识或系统自动推导的信息和判据。
2)维修准则：维修费用最小原则：设备可用度最大原则：设备使用可靠性最大原则。

3)当前修理策略：检查并进行相应级别的故障隔离：修复发生故障的设备；替换发生故障的零部件。
4)历史数据：设备的种类、模型、维修费用、停机时间；失效模式的数据及数据的分布。

以上要素在维修模型选择中起着重要作用，在决定使用哪一个分析模型时维修准则特别重要。如果以费用最少或费用有限控制准则来确定维修策略时，可以以：

1)解决维修基本问题时的费用最少；

2)在费用控制范围内，解决最多问题；

3)费用在受限范围内但不定具体数值，将问题按重要程度排队，以解决问题与所花费用的效率最高三种准则进行细分后加以选择。

如果以最小的失效即最大可用度来评价和改善现有维修策略时，可以以：

1)没有失效；

2)很少失效；

3)计划维修几乎不介入的一些失效三种准则来进行细分后加以选择。模型的选择分类都是按准则来细分的。

3.5维修管理IDSS的功能与特点

维修管理的IDSS具有以下主要功能：

1)从数据库中获取设备的历史维修数据。

2)数据模式识别。
3)能够向用户查询信息、判据、准则。

4)选择合适的分析模型。

5)估计模型参数。
6)用表格向用户阐明分析的结果，包括评估当前维修方案和建议新的维修方案。

7)当用户询问时作出回应和特定的分析。

8)自学习和知识库自行完备与优化。
基于知识的维修管理支持决策系统的特点：具有经知识库自动推理完成选择合适模型进行分析问题的能力。
 

4 结论
智能推理技术可以解决大型复杂设备系统的使用与维修问题。基于管理数据与知识的维修管理IDSS可以很好的用于评价和完善大型系统的维修方案，能够辅助维修人员在未完全掌握各种评价模型和管理知识的前提下作出经济有效的维修方案。但是模型的使用在一定程度上依赖于历史的维修数据，而这些模型的数据是从数据库中得来的。因此在以企业为重心培养维修管理与诊断人才的基础上，由设备使用企业来完备维修系统的“知识”库，建立完备的数据库是维修管理重要的基础工作。维修管理的下一步发展应是利用网络技术，争取企业的广泛参与，建立完善的智能化维修管理平台并与企业ERP、PDM等其它管理系统进行有机集成。