目前经过这么多年叶片运维工作的发展，然后通过两个案例讲一下目前咱们维修的能力，第一个案例是带气泵刹车的，可以这么说那时候小机种的运维工作，更换刹车是这个运维工作一个明珠，这个里面相对难度较高，一百斤的叶片人拉肩抗，这是比较复杂的一项工作，经过这么多年的发展，这么多同行里面有很多家初步形成了叶片的更换能力，当然是早期的叶片。跟大家沟通一下第二个案例，这是去年发生的一个案例，这个案例我个人认为，因为我也跑了上百个风场，处理过数百起各种叶片的故障，个人认为这个叶片的修复工作代表着整个目前国内叶片维修工作的最高难度，甚至不是之一，是我经历过的一个最大难度，它有两大特点，一个是缺陷大，另外一个是多种耦合。壳体剥离、脱落，二十多米长，后面是后缘开裂，十多米，然后后缘UD折断、失效，然后壳体开裂贯通。这个叶片如果按照常规来说99.9%应该直接报废，由于其他各种原因，我们派人员给客户进行了维修，这是整个修复的过程，历时整整两个月，我们明阳那边派出整体设计团队，还有维修方案团队，跟北京一家同行进行合作，得这个叶片进行了修复，历时两个月，经过了长期的运行，经历了寒冬的考验，目前来讲恢复了整体叶片原有的设计强度。这是两个案例，分别代表两个不同时期的两个特征，一个是07年以前的，占比10%的装机量。
最后跟各位同行交流一下关于叶片运维的发展建议，包括规范、整合叶片维修行业，包括潜心、细致开发维修新技术、新材料，对威胁行业进行认证、分级，制定叶片维修标准，最后我想跟大家谈一下主动运维。主动运维分为两个层次，第一个是预防，定期检查是按月度、季度、年度执行，不定期检查是在季节之后进行预防检查。重点说一下主动运维的高层次，预测和改善。主动运维的目标，如果我们所有风场里面每一台风机，每一个机组在任何一个时间的风险值，这个时候我们可以有针对性的有的放矢的对它进行一些维护，一些检查，甚至做提前的更换，这一块工作主要用了一些大数据方法，然后趋势分析法，然后加一些计算，加一些实证。大数据法，我们有一个天时地利，明阳直接做主机，同时也做叶片，我们可以从主机的后台读瞬时功放，我们可以进行评估，通过对比叶片的设计安全系数，甚至记住每个原材料，各种原材料的性能其实有些差异，达到合格性，但是有差异。包括生产模具有生产线，同时也是有差异，包括制造当中，严格来讲其实我们所有叶片下线的时候都是带有缺陷的，缺陷里面有不同等级，甚至包括吊装运输的损伤，你的健康程度通过系统分析出来，然后得出一个风险值，提前进行主动运维。同时还有一个预防改进，我们对风场所有这些缺陷进行汇总分析之后，反过来指导咱们的设计工作、原材料开发工作、生产工作，针对里面一些问题进行正向反馈跟改进改善。这一块工作已经开展了将近三年时间，我亲自带了几个人，甚至专门招募了几个数学系毕业的学生，就是数学系毕业的研究生，专门做这些数学模型，我们不仅仅是只做数学模型，同时我们还是计算+实证。比如说缺陷，我们叶片生产当中最容易出现的一个褶皱，褶皱究竟对叶片的安全性有多大，我们不仅做了分析，还做了大量的实证分析，做了大量对比实验之后，形成一个数据，最后用到模型里面去，通过历史每年产生的这些运维工作不断进行修正，包括它后期的预测越来越精准。结果以目前三年工作做的一个案例说明，从目前来讲，三年工作逐步积累下来，预测成功率越来越高，现在已经接近70%叶片的重大事故都是可预测，当然还包括了不可预测的雷击。13年的时候我们甚至预测到一个叶片的重大事故，也是从侧面佐证了预测可行性。
这个是运维的工作，也带来了很大的成效，从目前来讲我们整体装机量四千套，包括每年的售后成本，包括更换、维护跟维修，不到三百万，远低于同行。从12年之后，随着装机量越来越多，质量成本越来越下降。我跟大家探讨一下运维工作，我们存在着天时地利，我们既有风场，也有主机生产，也有叶片，也有运维，所有的一套，整个行业我们还要思考怎么样避免各种运维工作，避免各种故障的产生，谢谢。