过去的发动机设计是通过一套设计来覆盖大部分应用场景及应用工况(牵引、平板、专用车及自卸车，高速、城市、郊区工况等)。在不同应用场景及工况下，发动机某些性能可能会有局限性，而客户则希望发动机能适应不同应用场景及实际应用工况，尽可能优化性能。

　　康明斯基于大数据算法，开发了一套“运行画像”，来指导发动机的定制化设计，为每一位客户进行“私人定制”。通过了解发动机关键信息、大数据分析及算法评估发动机运行工况，运用OTA技术动态调整软件标定来适配不同运行工况，优化性能表现和油耗，提升出勤率。

　　接下来，让我们一起围观如何实现定制化开发吧!

　　在车联网及数字化时代，通过网联大数据可以获取更多洞察，更加深入了解用户如何使用发动机产品，从而为定制化产品开发及优化提供无限可能。为了实现这个目标，车辆使用场景的细分尤为重要。车辆使用场景细分的关键是罗列出有意义的特征标签，将特征标签类型按照业务含义来进行不同维度划分。基于这些标签在发动机标定设计、硬件选型及试验验证方面实现定制化：

　　定制化标定设计

　　1.大数据模型分析

　　工程师基于大数据梳理出细分市场分类，分析出不同细分市场的实际运行工况。对发动机标定库中几万个参数进行特征分析，开发出用于发动机标定的推荐系统方法，从而更好地指导工程团队对标定进行定制及发放。

　　该推荐系统方法是通过对比分类回归树和主成分分析法，以现有市场运行中的标定数据库为训练集，将客户需求转化为各个参数特征，并通过机器学习模型的建立，预测出每个参数取值，从而为不同细分市场客户定制最优标定。这个方法不仅提高了基础标定质量和开发效率，也让不同客户体验差异化的发动机性能。

　　2.标定定制及发放

　　完成标定定制后，通过车联网OTA功能，对不同细分市场的车辆进行定向标定下发，使各细分市场有适合自己的标定，使发动机性能达到更优。

　　定制化硬件选型优化

　　1.大数据模型分析

　　在确立细分市场分类后，使用大数据模型来梳理发动机运行工况，利用这些实际运行工况数据，作为发动机开发中的输入，从而指导工程师更好地进行发动机关键部件的选型及设计优化，比如空压机、后处理系统、增压器系统。

　　2.定制化硬件选型优化

　　通过车联网及大数据分析后，为发动机开发提供设计边界条件，更好地指导工程师进行发动机硬件选型及优化，为客户提供更优性能、更可靠及更低碳化的发动机。

　　定制化试验验证优化

　　1.大数据模型分析

　　针对细分市场分类，结合大数据分析出的实际工况及运行数据，与发动机设计验证标准(ESW)及失效模式分析(FMEA)相结合，从而更好地指导工程师来进行发动机设计验证规划及优化发动机道路试验。

　　比如多选择发动机高失效的区域或典型运行工况场景来测试，而不是对所有工况进行平均化测试。另外，通过结合车联网数据及大数据分析，结合软件模拟来辅助或替代发动机开发中的部分台架及实际道路验证。

　　2.定制化道路试验优化

　　采用车联网及大数据分析，为发动机开发验证提供实际运行的边界条件，更好地指导发动机设计验证及道路试验。通过识别发动机运行的实际工况，有效的实验可以提升产品可靠性及质量，保障客户在各种工况下的可靠应用。