大數據結構化與數據驅動的複雜系統維修決策是指：針對現代大型複雜機電系統的組成和運行的複雜性情況，在規定安全可靠性要求條件下，通過系統建模、數據處理、計算方法等手段得到系列數據，依據數據驅動並確定維修維護方法、快速恢復系統功能、保障系統正常運行工作或服務的決策能力。
大數據是大型複雜機電系統研究領域的一個重要發展方向。目前，大多數複雜機電系統都採用了分佈式集散系統DCS的方式，對系統關鍵環節和部件進行了數據採集和監控。然而，隨着這類複雜系統的不斷髮展，特別是企業安全穩定運行的需求，現有的維護方法已經無法滿足新的任務要求。例如：
1）系統規模化：分佈地域廣泛、體積大、運行環境複雜；
2）產品高品質：用户的安全性、及時性與可靠性要求高；
3）高度集成化：組成多模塊、覆蓋多領域、融合多學科。
……
面對這些任務，常規維護難以滿足實時性和安全性要求，因此亟需提升大型複雜機電系統的安全自主運行能力，這是支撐大型系統維護的預估和定位技術。
圖1 大型系統事故現象
要實現安全平穩運行，系統必須具備快速恢復運行的能力。維修維護是系統恢復到安全狀態、正常運行的重要因素，如果系統不能得到及時有效的維護，其可靠性水平會急劇下降，進而導致系統的故障發生。由於大系統的特性，其故障造成後果大多是損失慘重，事故案例屢見不鮮，這些事故不僅僅給經營單位帶來了嚴重的經濟損失，而且可能造成人員傷亡、環境破壞等社會問題、環境破壞問題。複雜機電系統分佈地域廣泛，很多時候都處在非常規狀態下工作，系統單元眾多，相互之間存在着千絲萬縷的級聯關係，一個很小異常或狀態抖動都有可能給系統帶來致命的傷害。此外，隨着功能的多樣化，系統的規模複雜度日益增加，這也大大提高了故障發生的概率。因此，必須提高複雜系統的維護方法和維護決策能力。
圖2 大型通信系統
圖3 複雜製造系統
圖4 智能製造系統
圖5 複雜化工系統
圖6 電力能源系統
如何提高複雜機電系統的維護決策能力？本文主要通過大數據結構化與數據驅動的方法來實現。現有維護診斷技術的特點: 針對性強、面向系統的關鍵設備, 故障特徵明顯、週期性的卡頓等, 使用範圍比較具體、大型迴旋轉子設備; 主要採用的是信號處理技術，像傅里葉變換、小波變換、信號擬合等處理方法; 數據來源於同一對象, 且為連續的同一類型數據; 此診斷技術涉及的學科相對比較專一。另外技術還存在: 只能對已發送故障進行診斷, 不能預測將要發現的故障，對引起故障的外部因素不能做診斷, 因其針對性強, 對於認知不足的現象, 無法診斷。因此，需要對系統維護水平和維護範圍進行拓展，診斷不僅關注關鍵設備，也不忽略產品零件，不僅要考慮系統故障的本身的狀態變化，也考慮相關設備、以及環境因素對設備造成的影響，診斷方法除傳統的信號處理之外，還引入邏輯推理，智能診斷等手段。那麼，基於大數據格式化與數據驅動方法優勢可以歸結為:
1）應用範圍廣泛：維護定位可以從單一設備到系統層級到單元級、甚至部件級, 注重環境因素對設備造成的影響;
2）方法技術全面：不僅能進行信號處理, 還可以進行邏輯推理、最優求解等智能技術;
3）數據來源廣泛：能夠和大數據技術進行緊密結合，實現多種數據的融合，數據不僅來源於某些關鍵設備數據，也來源於相關的動力數據、環境數據等多個源頭;
4）多專業多學科：問題涉及信息科學，物流學，能源動力，材料科學等，還設計到基礎的基礎高等數學、概率統計學、運籌學等多專業、多學科的知識。
目前多數據科學剛剛起步，許多內容尚處在一個發展完善的過程中。鑑於此，本文結合複雜系統的固有特點，從複雜系統建模、大數據結構化、數據驅動計算方法等相關內容出發進行深入的研究，提供對複雜系統維護決策的數據支撐。最後對其研究進行了歸納總結，並對其中存在的一些問題以及未來可能的發展方向進行了深入探討。