1 設備數據管理(EDM)與維修管理決策
設備數據管理是設備管理與維修不可缺少的內容。設備數據管理要求支持設備的整個生命周期。要達到信息的共享，就必然要求建立內容廣泛的信息管理系統。而手工管理模式已遠遠不能滿足要求，因此建立以計算機為基礎的設備信息系統就顯得非常重要和必要了。

設備數據管理主要內容：
1)設備結構管理。設備結構是一種樹形結構，即設備一總成一大部件一小部件一零件。要對其進行管理，首先將設備分解至零件，然后對其進行編碼管理，名稱及其代碼具有唯一性。每一個零部件都是樹形結構上的一個接點，每一個接點均有唯一的編碼。同時還賦予諸如數量、材料、版本號等屬性以及生效失效期、相互借用關系、在設備中的級別以及相應的統計信息等。以此結構建立設備數據表(BOM)，并作為設備管理與維修物料需求計劃的數據來源。

2)設計數據管理。CAD數據，各種圖、模型數據(三維、二維等)，計算及說明書，碼管理，數據信息歸擋，收發借閱的權限與時限， 日志及備忘錄等。

3)備件管理。備件的加工工藝數據、若備件為部件則部件的裝配工藝數據、外購備件要將供應商的情況及該備件供應狀態、庫存等信息均包括進來。

4)維修資料管理。安裝維修手冊、拆裝簡圖、技術條件；維修標準、法規；進廠檢驗與試驗測試數據；設備維修歷史及演變信息；維修工作流程：維修裝配數據信息等。

5)維修計劃管理。概預算、成本及費用、材料消耗、維修能力、維修設備、曾經用過的維修方法與技巧；人力資源、軟硬件資源、實驗資源、社會可借用資源等的管理。 6)其他：數據備份、數據接口及其標準的管理。
 

2 知識工程(knowledge engineering—KE)與維修管理決策

知識工程與IDSS相結合是一個嶄新的研究內容，已經應用于許多實際工作領域。只要知識庫系統的知識足夠完備，系統就能通過推理得出正確合理的決策結論。

設備管理與維修是繼承與創新相結合的一項活動，是知識的組合與重用。近年來，由于計算機及其相關技術的發展，追求管理與維修決策自動化、智能化，構建專家系統的設想被提了出來。如基于黑板推理、模糊推理、神經網絡推理等方法。希望通過大量的計算和復雜的推理來達到只需輸入要求與邊界條件就能得到與維修相關的所有結果的目的，逐漸引起學術界的廣泛探討。這里講的KE不僅有推理過程而且強調廣義知識的歸納、整理及應用。廣義知識是指：理論知識、標準、規范、經驗、基礎數據(結構數據、工藝數據、方案、成本、銷售等)等。這些知識有的可以量化，有的則不能。KE的重點是知識的重用。其基本步驟為：獲取知識～ 知識處理(對大量各類信息的分類、歸納、整理)? 知識表達(數據庫的建立、量化、描述)? 知識重用(查詢、搜索、決策、推薦可能方案、統計、匯總、評價等)。對“知識”站在更高的角度來講，將知識加以綜合運用就是“知識管理”。知識來源于設備的整個生命周期，然后又將知識應用與設備使用、管理與維修的各個環節。

3 基于EDM和KE的維修管理IDSS

3.1企業維修管理決策過程
企業的設備管理與維修部門利用設備現場運行數據，根據管理記錄、情報資料、維修建議、備件狀況和企業的實際情況作出診斷意見、制訂維修方案和作出維修決策意見。并根據生產計劃執行情況，經主管廠長核準進行維修安排與計劃。

3.2維修方案的形成方法

維修方案的形成有兩種方法，即工程方法和數學方法。工程方法強調為維修計劃活動建立規則和指導方針，因此維修方案是由工作計劃、維修約束、設備的行為構成(失效率、MT，rR平均失效時間、MTBF平均故障間隔時間等)。是目前最成熟用得最普遍和成功的方法。而數學方法則更多的強調對設備失效行為進行統計建模分析，從而建立晟優維修方案。建模的實質是通過統計分析找到關鍵的維修活動，以解決各種不同類型的失效形式。

3.3基于EDM和KE的維修管理IDSS

人機界面：是IDSS中不可缺少的部分，是連接人與系統的紐帶。

智能故障診斷子系統：獲取實時信息，全面監測、分析設備所處的狀態。完成回答維修什么，修哪里，怎樣修，什么時候修，維修目的是什么等問題。 維修管理IDS子系統：
處理器：是系統的核心部分，它與其他模塊建立通訊聯系，要求其他模塊作出相應的某種功能。
推理機及控制系統：對系統的工作進行控制與管理。推理機完成解釋知識庫中的知識，作出邏輯推理和對知識庫進行修改與完善。控制機完成組織并控制著維修方案生成的方法。

知識庫：表示一個特定問題領域的事實、信息、判斷、直覺和經驗 主要完成建模、選模專家的作用。能夠向維修工程師提出有關問題，如國家標準、決策的準則判據、所需的數據等，并建議選擇合適的模型。
設備數據庫：其功能是從數據庫中提取歷史維修數據，并以合適的方式分組、排序。

模型庫：包含了用于分析的數學模型和數據、模型參數估計、模型證實的統計分析工具。如：RCM分析模型，維修級別分析模型、FMEA分析模型等。

3.4決定模型選擇的基本要素
這些要素可以解釋為：

1)額外信息：系統向診斷子系統獲得的診斷結論和維修建議：向用戶對話獲得的知識；專家所提供的知識或系統自動推導的信息和判據。
2)維修準則：維修費用最小原則：設備可用度最大原則：設備使用可靠性最大原則。

3)當前修理策略：檢查并進行相應級別的故障隔離：修復發生故障的設備；替換發生故障的零部件。
4)歷史數據：設備的種類、模型、維修費用、停機時間；失效模式的數據及數據的分布。

以上要素在維修模型選擇中起著重要作用，在決定使用哪一個分析模型時維修準則特別重要。如果以費用最少或費用有限控制準則來確定維修策略時，可以以：

1)解決維修基本問題時的費用最少；

2)在費用控制范圍內，解決最多問題；

3)費用在受限范圍內但不定具體數值，將問題按重要程度排隊，以解決問題與所花費用的效率最高三種準則進行細分后加以選擇。

如果以最小的失效即最大可用度來評價和改善現有維修策略時，可以以：

1)沒有失效；

2)很少失效；

3)計劃維修幾乎不介入的一些失效三種準則來進行細分后加以選擇。模型的選擇分類都是按準則來細分的。

3.5維修管理IDSS的功能與特點

維修管理的IDSS具有以下主要功能：

1)從數據庫中獲取設備的歷史維修數據。

2)數據模式識別。
3)能夠向用戶查詢信息、判據、準則。

4)選擇合適的分析模型。

5)估計模型參數。
6)用表格向用戶闡明分析的結果，包括評估當前維修方案和建議新的維修方案。

7)當用戶詢問時作出回應和特定的分析。

8)自學習和知識庫自行完備與優化。
基于知識的維修管理支持決策系統的特點：具有經知識庫自動推理完成選擇合適模型進行分析問題的能力。
 

4 結論
智能推理技術可以解決大型復雜設備系統的使用與維修問題。基于管理數據與知識的維修管理IDSS可以很好的用于評價和完善大型系統的維修方案，能夠輔助維修人員在未完全掌握各種評價模型和管理知識的前提下作出經濟有效的維修方案。但是模型的使用在一定程度上依賴于歷史的維修數據，而這些模型的數據是從數據庫中得來的。因此在以企業為重心培養維修管理與診斷人才的基礎上，由設備使用企業來完備維修系統的“知識”庫，建立完備的數據庫是維修管理重要的基礎工作。維修管理的下一步發展應是利用網絡技術，爭取企業的廣泛參與，建立完善的智能化維修管理平臺并與企業ERP、PDM等其它管理系統進行有機集成。