夜雨聆风我桌上有一份 4 年前的诊断调查表。
涵盖 BMS / VCU / MCU 三类控制器。
纸张已经发黄,封面右下角还沾着上次故障复现场留下的油渍。
我重新翻它的时候,发现了一个让所有 BMS 工程师都脸红的事实 —— 4 年没更新过。
一、诊断调查表的 3 个真实痛点
在我们公司,做过 BMS 售后支持的工程师都知道这 3 件事:
痛点 1:调查表是死的,FMEA / FTA 是僵的
现场工程师拿到的"诊断 checklist"是设计阶段冻结的。
一个 4 年前的项目,当时用的是 NMC 523 电芯,产线故障率是 0.3%。
现在换成 NMC 811,产线故障模式变了(主要是热失控前兆信号不同),但调查表还是 4 年前那一份。
→ 工程师拿着过时 checklist,连问什么信号都问错。
痛点 2:数据闭环是断的
现场工程师填完调查表 → 拍照上传 → 归档 → 没人看。
我们部门 2025 年收了 12,847 份诊断表,归档文件夹 4.2 GB。
其中被复盘过的不到 80 份。
→ 97% 的现场经验被浪费。
痛点 3:FMEA 越改越僵,反成开发阻力
我们的 FMEA 库从 2019 年到现在,累积了 1,200 多条故障模式。
每一条都有 RPN(风险优先级)评分,但没人再回看过这些分数是否合理。
新来的同事翻 FMEA,只敢照搬旧条目,不敢删也不敢加。
→ FMEA 从"风险清单"变成"开发束缚"。
二、AI 怎么破局:从"被动调查表"到"主动诊断助理"
这不是"AI 替代工程师"的科幻故事。
这是一个已经落地的工具架构 —— 我把它叫 "BMS 智能诊断四件套"。
下面我把这套架构完整拆给你看,以及它怎么把 FMEA / FTA / checklist / 数据闭环真正串起来。
架构图
下面 5 个环节的 checklist,你可以直接照搬。
三、5 步落地 checklist(可直接抄)
步骤 1:把现有诊断调查表数字化 → checklist 数据结构
做什么:把 47 页 Word 调查表,拆成结构化的 checklist。
关键产出:每个故障码一份 checklist,问题之间有依赖(Q2 答否就跳过 Q3)。
步骤 2:把 FMEA / FTA 库对齐 checklist
做什么:把现有 FMEA / FTA 的故障模式,跟 checklist 的 symptom 字段双向映射。
不是 FMEA 在一边,checklist 在另一边,而是每个 FMEA 条目都链接到一个 checklist。
好处:工程师改 FMEA 时,自动跳到对应的 checklist;诊断结论落地时,自动回写到 FMEA 的 RPN 评分。
步骤 3:AI 诊断助理(LLM + 检索增强)
做什么:做一个内部 AI 助理,3 件事:
a) 实时匹配故障模式
工程师输入"V/I/T 信号正常但 SOC 跳变",AI 助理从 checklist 库里找到前 3 个最可能的故障码(基于症状相似度)。
b) 自动推送下一步问题
不是让工程师自己看 checklist,而是AI 像苏格拉底一样反问:
c) 自动关联 FMEA / FTA 节点
每推一步,AI 把"当前已收集的证据"映射到 FTA 树,自动定位到最可能的顶层事件。
步骤 4:数据闭环 — 每次诊断都喂回去
做什么:每次诊断结束,自动回写 3 类数据:
这 3 类数据,直接喂给一个"checklist 优化器":
步骤 5:FMEA / FTA 自迭代 — 季度审查自动化
做什么:每个季度,AI 自动跑一遍 FMEA 库的"健康度检查":
人工 review 30 分钟,而不是过去手工 review 2 周。
四、为什么这套架构真的能跑通?(而不是 PPT)
2 个关键设计:
1) Checklist 是真相之源,不是 AI 的对手
我见过太多失败的 AI 诊断项目 —— 让 AI "自己判断"。
这是错的。AI 容易幻觉,checklist 是 ground truth。
AI 做的事是:根据当前证据,从 checklist 里挑出最可能的几条路径,不是"自己创造"。
2) 数据闭环必须自动化,不能靠人
数据闭环的关键不在"收集",在"自动回写 FMEA"。
如果回写还要工程师手工操作,一定执行不下去。90% 的项目死在这。
我们项目的做法:AI 助理诊断结束,自动弹窗"确认本次诊断回写到 FMEA-FMEA-P153900, RPN 评分从 135 → 118",工程师点"同意"即可。
单次操作 3 秒。所以我们跑了 6 个月,回写率达到 91%。
五、给你的具体建议(分角色)
如果你是 BMS 工程师:
- 别再让 FMEA 库"长胖"。先跑一遍清理 — 把 12 个月没回看过的条目删一半
- 把现有诊断调查表全部数字化成 yaml / json,这一步 1-2 个月做完,价值 5 年
如果你是研发工具链 owner:
- 做"checklist 管理后台",让 FMEA / FTA / Checklist 三者双向链接
- 把 AI 助理的 prompt 设计成"checklist 检索 + 苏格拉底反问 + FTA 节点定位"3 件套
- 别让 AI 自己判断,AI 只做"挑路径"和"反问"
如果你是团队 lead:
- 设立"诊断数据闭环率"KPI,目标 90%+
- 每季度让 AI 跑一次 FMEA 自查,人工 review 30 分钟搞定
- 警惕"AI 替代工程师"的 PPT,真问题是流程自动化,不是 AI 神化
写在最后
回到桌上那 47 页发黄的调查表。
它不是问题,它是资产。
只是过去 4 年没人把它"激活"。
AI 驱动的 BMS 智能诊断,本质不是 AI 多聪明,是 checklist + FMEA + FTA + 数据闭环这套"老基础设施"被激活。
老基础设施 + 新工具 = 10 倍效率。
这就是 2026 年工具牛马的活。
我是豪哥,做了 8 年汽车研发工具链。
下期我会写怎么用 Claude Code + Skill 把这套架构 1 个人 2 周搭起来(实操版,带代码)。
如果你的团队正在做 BMS / VCU / MCU 智能诊断,或者你想了解这套 checklist 数据结构怎么工程化落地,评论区告诉我,我挑场景回复。
关键词:BMS / 智能诊断 / FMEA / FTA / Checklist / 数据闭环 / 研发工具链 / 汽车电子