CN102799606A - 用于根本原因分析的结构相关性与交叉功能相关性的结合 - Google Patents
用于根本原因分析的结构相关性与交叉功能相关性的结合 Download PDFInfo
- Publication number
- CN102799606A CN102799606A CN2012101634734A CN201210163473A CN102799606A CN 102799606 A CN102799606 A CN 102799606A CN 2012101634734 A CN2012101634734 A CN 2012101634734A CN 201210163473 A CN201210163473 A CN 201210163473A CN 102799606 A CN102799606 A CN 102799606A
- Authority
- CN
- China
- Prior art keywords
- combination
- classification database
- vehicle
- maintenance
- database
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/10—Office automation; Time management
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Human Resources & Organizations (AREA)
- Operations Research (AREA)
- Economics (AREA)
- Marketing (AREA)
- Data Mining & Analysis (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及用于根本原因分析的结构相关性与交叉功能相关性的结合。提供一种增强维修诊断的方法,所述维修诊断是用于对车辆中的识别问题的根本原因分析。从记忆存储器件中获得以前维修车辆的维护修理数据。根据各车辆的维护修理历史来编译维修数据。识别在编译的维修数据内的在预定时段内进行至少两次维护修理的各车辆。识别在各次维护修理期间被维修零件的组合。确定表示各组合在编译的维修数据中出现次数的计数。识别具有大于预定阈值的计数的组合。作出具有大于预定阈值的计数的任何组合是否存在于结构分类数据库中的判断。通过将不存在于结构分类数据库中的所选的组合赋予给功能分类数据库,更新功能分类数据库。
Description
技术领域
本发明的实施例总体上涉及研发和增强维修程序及诊断。
背景技术
维护修理由维修提供商(例如经销商的维修部门)所执行。问题或与该问题有关的症状被报告给维修技术员,然后维修技术员尝试诊断并且修理车辆。维修技术员将利用维修诊断、维修手册、知识、和以往经验来正确地识别问题的根本原因。
说明各部件之间的结构关系的结构分类数据库中可提供零件、部件和模块的结构列表;但是依然取决于技术员从详尽的列表中识别导致问题的具体零件。然而,过多的可能选择对于技术员而言会是烦累的。此外,有可能存在结构分类数据库中不存在的关系,因为各零件之间有可能存在与零件结构列表中未确定的结构关系相对的功能关系。
发明内容
一个实施例的优点是:利用用于识别零件之间的联系关系的功能分类数据库来诊断对于维修车辆的问题的根本原因,所述零件之间的联系关系可能不能容易地通过它们的结构关系而明确。例行程序利用维修车辆的维护修理历史并识别各车辆的被维修零件的组合。考虑在车辆的不同修理期间被维修但相互接近的零件。结果,考虑时间间隔不长于预定时间的各个车辆的两次相继修理中的零件。所有车辆的每个各自组合的计数被计数,并且将该计数与阈值计数进行核对。如果该计数达到阈值,那么检查结构分类数据库以查看该组合是否存在于结构分类数据库中。如果该组合并不存在于结构分类数据库中,那么将该组合加到功能分类数据库中。因此,结构分类数据库与功能分类数据库之间的零件的功能联系提供了否则对于维修技术员可能从结构观点不显而易见地作为可能的根本原因的额外候选者。
一个实施例构想一种方法,该方法通过生成与结构分类数据库合作使用的功能分类数据库,增强用于车辆中被识别问题的根本原因分析的维修诊断。结构分类数据库标识出车辆各零件之间的结构关系,功能分类数据库标识出车辆各零件之间的功能关系。从记忆存储器件中获得以前维修车辆的维护修理数据。维修数据标识出在各次维护修理期间的车辆上的被维修零件。根据各车辆的维护修理历史来编译维修数据。识别在编译维修数据内具有在预定时段内进行的至少两次维护修理的各车辆。识别各车辆的被维修零件的组合。对于具有至少两次维护修理的被识别车辆,确定表示各组合在编译的维修数据中出现次数的计数。识别具有大于预定阈值的计数的组合。作出具有大于预定阈值的计数的任何组合是否存在于结构分类数据库中的判断。仅选择不存在于结构分类数据库中且具有大于预定阈值的计数的组合。通过将所选组合赋予给功能分类数据库来更新功能分类数据库。功能分类数据库和结构分类数据库对于维修技术员通过计算机可获得,以便辅助维修技术员诊断根本原因。
本发明提供以下技术方案:
1. 一种通过生成与结构分类数据库合作使用的功能分类数据库而增强用于车辆中识别问题的根本原因分析的维修诊断的方法,所述结构分类数据库确认车辆各零件之间的结构关系,所述功能分类数据库确认所述车辆各零件之间的功能关系,所述方法包括下列步骤:
从记忆存储器件中获得以前维修车辆的维护修理数据,所述维修数据识别在各次维护修理期间的在所述车辆上的维修零件;
根据各车辆的维护修理历史来编译所述维修数据;
识别在所述编译维修数据内的在预定时段内进行至少两次维护修理的各车辆;
识别各车辆的维修零件的组合;
确定表示对于具有至少两次维护修理的被识别车辆中的各组合在所述编译维修数据中出现次数的计数;
识别具有大于预定阈值的计数的组合;
判断具有大于预定阈值的计数的任何组合是否存在于所述结构分类数据库中;
仅选择不存在于所述结构分类数据库中且具有大于预定阈值的计数的组合;以及
通过将所述选择的组合赋予给所述功能分类数据库来更新功能分类数据库,其中所述功能分类数据库和所述结构分类数据库对于维修技术员通过计算机可获得,以辅助所述维修技术员诊断所述根本原因。
2.如方案1所述的方法,其中,识别具有大于预定阈值的计数的组合的步骤还包括下列步骤:
判断各识别的组合是否为满足所述预定阈值的较大组合的亚组合,其中如果所述较大组合满足所述计数,那么查询结构分类数据库以判断所述较大组合是否存在于结构分类数据库中。
3.如方案2所述的方法,其中,响应于所述较大组合不存在于所述结构分类数据库中,在所述功能分类数据库中更新所述较大组合。
4.如方案1所述的方法,其中,主题专家在将所述组合加到功能分类数据库之前对所述组合进行再检查,以证实所述组合的子部件之间的可接受关系。
5.如方案4所述的方法,其中,查明具有大于预定阈值的计数且存在于结构分类数据库中的组合。
6.如方案1所述的方法,其中,利用所述功能分类数据库和所述结构分类数据库来诊断识别问题的根本原因,还包括下列步骤:
所述维修技术员利用计算机上的所述结构分类数据库启动对结构相关性的搜索;
生成在结构上取决于可搜索零件的零件的列表;
从所述零件的列表中选择零件;
在所述功能分类数据库中生成在功能上与所述结构分类数据库的所选零件相关的零件的列表;以及
所述维修技术员在功能分类数据库中识别是识别问题的潜在候选者的零件。
7.如方案1所述的方法,其中,所述预定时段为小于90天。
8.如方案1所述的方法,其中,所述预定时段为小于60天。
9.如方案1所述的方法,其中,所述预定时段为小于30天。
10.如方案1所述的方法,其中,识别的组合是基于更换零件中的特定修理顺序。
11.如方案1所述的方法,其中,所述预定阈值至少为5次。
12.如方案1所述的方法,其中,所述组合包括至少两个零件。
13.如方案1所述的方法,其中,从所述结构分类数据库中选择的零件的组合具有等级关系。
附图说明
图1是维修和保修报告的流程图。
图2是生成功能分类数据库的流程图。
图3是使用用于诊断问题根本原因的功能分类数据库的流程图。
具体实施方式
图1中示出了维修和保修报告的流程图。车辆10代表会经历需要维护修理的问题的任何类型的运输车辆。车辆10利用维护修理站12,例如经销商的维修部门。维护修理站的维修技术员将根据所报告的问题来诊断车辆问题的根本原因。车辆驾驶员将车辆所呈现的症状告知维修技术员,或者维修技术员可通过诊断故障代码(DTC)来识别潜在问题。
DTC是由车载诊断处理器生成,车载诊断处理器可以协助技术员识别车辆中的问题。DTC是当问题被检测出时由车载诊断处理器生成的5位字母数字代码。当车载诊断处理器基于来自一个或多个传感器的传感器输入来检测错误时,诊断算法对感测到的输入进行分析并且输出由诊断算法确定的DTC。DTC与可以随后被用来诊断问题的故障相对应。DTC提供诊断问题的起点。
维修技术员可使用维修诊断修理手册14或者通过计算机16而使用其它帮助。当修理完成时,维修技术员将该修理输入保修报告数据库18。保修报告数据库存储了所有车辆的修理历史,该维修历史不仅用于提供该维修的维修站,而且用于是保修报告系统的一部分的所有车辆维修站。
维修技术员也可利用结构分类数据库20和功能分类数据库22来协助确定问题的根本原因。结构分类数据库20是利用它们相互间的结构关系而识别的车辆系统、子系统、部件、和子部件的结构列表。结构分类数据库20的分级例子示于下表中。
表1
结构分类 |
1 动力系 |
2 底盘 |
3 HVAC(供暖、通风与空气调节)和动力系的冷却 |
31 HVAC和动力系冷却发动机舱 |
32 前面内部HVAC气流 |
321 前面内部气流 |
321.01 前面供暖通风A/C模块 |
321.02 吸气器 |
321.03 模块壳体/外壳/壳盖 |
321.04 阀门 |
321.05 鼓风机速度控制 |
321.06 鼓风机移动和滚动 |
321.07 蒸发器 |
321.08 蒸发器传感器 |
321.09 加热器芯 |
321.10 冷却器 |
322 前面内部控制 |
33 后面内部HVAC气流 |
34 前端外部气流 |
4 内部 |
5 体结构 |
6 外部 |
7 信息和控制 |
表中示出的各系统与至少一个子系统具有母子关系(例如,HVAC和动力系冷却——前面内部HVAC控制)。一些子系统可与至少另一个子系统具有母子关系(例如,前面内部HVAC控制——前面内部控制)。各子系统与至少一个部件具有母子关系(例如,前面内部控制——蒸发器)。此外,各部件可与至少一个子部件具有母子关系。因此,可通过查看系统或零件的结构分类而容易地确定各联系关系。
功能分类数据库22确认与结构分类数据库20中的系统或部件具有功能关系的零件。更重要地,功能分类数据库22通过确认不能在结构分类数据库20中容易地确认的各零件之间的关系来补充结构分类数据库20。功能分类数据库22的一个例子示于下面的表2中。表2确认在功能上与表1中列出的蒸发器有关的部件。
表2
功能分类 |
1 密封元件 C11.06 |
2 车门内饰组件 432.10 |
3 门框装饰 C11.07.08 |
如表2中所示,与蒸发器321.07相比,表中列出了来自完全不同分类的零件(例如,密封元件C11.06)。利用功能分类数据库22来识别不能利用结构分类数据库20而联系的这种零件。因此,维修技术员可以合作地利用结构分类数据库20与功能分类数据库22来识别从结构观点分析零件时不易明确的问题的潜在根本原因。
图2示出了生成功能分类数据库的流程图。在方框30中提供结构分类数据库。结构分类数据库包括利用各零件相互间的结构关系进行分组的零件。
在方框31中,访问保修数据库。
在方框32中,将维修数据编辑入各车辆的维护修理历史。
在方框33中,识别出在预定时段内进行至少两次维护修理的车辆。优选地,被识别为在预定时段内在至少两个不同时机维修的车辆要求车辆的维修日期是不同的。考虑在车辆的不同修理期间被维修但修理在时间上相互接近的零件。因此,考虑对于各自车辆的由不长于预定时间间隔开的两次相继维修中的零件。车辆在预定时段内进行多个修理暗示了这些修理是相关的。例如,预定时段可以是在相互间隔90天、60天或者甚至30天进行修理。可替代地,可以考虑在同一维修日进行至少两次维护修理的车辆。
在方框34中,对在方框33中所识别的在各个车辆的各次维护修理期间被维修的零件组合进行编辑。优选地,对于识别该组合而言,更换零件的顺序(例如,总是在零件B之前更换零件A)是强制性的。可替代地,只要这两个零件同时存在于组合中,则顺序是不必要的。
在方框35中,确定顺序计数,其确认每个组合在方框34中所识别的编译数据出现的次数。
在方框36中,对各个组合进行选择和分析,用于判断该计数是否满足预定的阈值。
在方框37中,作出所选组合的计数是否大于预定阈值的判断。如果该计数大于预定阈值,那么存储该组合以便在方框38中进一步处理。如果作出所选组合的计数不大于预定阈值的判断,那么在方框39中废除该组合。
在方框40中,作出是否所有所识别的组合已将计数与预定阈值进行了核对的判断。如果一个组合仍然未被检查,那么例行程序进入方框41,否则例行程序进入方框42。
在方框41中,选择下一个组合,并且例行程序返回到方框37将该计数与预定阈值进行核对。将反复地重复方框37、39、40、和41,直到所有组合被选择和检查。
在已检查完所有计数后,作出任何存储的组合是否为满足方框42中的预定阈值的较大组合的亚组合的判断。例如,识别包括电池和交流发电机的组合。作出电池与交流发电机的组合是否为较大组合(例如电池、交流发电机和附件传动带)的亚组合的判断。该判断是基于较大的组合(即,电池、交流发电机、传动带)是否存在、以及该较大组合是否满足预定阈值。如果该组合是较大组合的亚组合并且满足阈值,那么采用较大组合进行进一步处理。如果较大组合不存在或者较大组合未满足预定的阈值,那么采用原来识别的组合进行进一步处理。
在方框43中,选择各个组合来判断在结构分类数据库中该组合是否被识别出。
在方框44中,作出所选组合是否已经列在结构分类数据库中的判断。如果该组合没有被列在结构分类数据库中,那么存储该组合以便在方框45中进一步处理。如果作出该组合已列在结构分类数据库中的判断,那么在方框46中废除该组合。
在方框47中,作出是否已检查完所有识别的组合、以确定它们存在于结构分类数据库中的判断。如果有任何组合仍然未被检查,那么例行程序进入方框48,否则例行程序进入方框49。
在方框48中,选择下一个组合,并且例行程序返回到方框44并且检查所选组合是否已列在结构分类数据库中。将反复地重复方框44、46、47和48,直到所有组合被选择和检查。
在方框49中,将方框45中每个存储的组合提供给主题专家。主题专家具有车辆及其系统和部件的专家领域知识并且具有车辆中可能发生故障的知识。这种维修领域专家可包括工程师、技术专家、维修和保养人员、统计师、以及对车辆的系统和部件具有深入了解的任何其他人。通常,计数是零件之间相互关系是否正确的决定因素;然而,在某些情况下组合的高计数可能仅仅是“偶然”出现。亦即,恰好该组合具有大于预定阈值的计数。因此,主题专家进行最后的分析以证实该组合的各零件之间存在合理关系。例如,主题专家将对一个组合进行再检查,将其通过过程,如压缩机与清洗器储液罐。主题专家将确定这两个零件之间是否存在合理关系。主题专家将对主题专家认识到的结构关系和功能关系进行评估。从外行的观点来看,压缩机与清洗器储液罐相互之间可能没有任何结构上或功能上的依赖关系。然而,主题专家具有对该车辆的深入了解,主题专家可识别出该组合的两个零件之间的间接关系,这样的两个零件均使用相同的线束。因此,主题专家在把一个组合加到功能分类数据库中之前提供“最后检查”。
如果主题专家确定出组合是“偶然的相关性”,那么在方框50中忽略该组合。“偶然的相关性”是指主题专家确定零件之间没有合理关系时的情形。如果主题专家确定该组合是可指定的相关性,那么例行程序进入方框51。
在方框51中,将该组合加到功能分类数据库中。
图3示出了利用功能分类数据库来诊断识别出的问题的根本原因的流程图。
在方框60中,维修技术员通过计算机访问结构分类数据库和功能分类数据库。这两个数据库可存在于计算机的硬盘驱动器中,所述数据库被定期地更新或者可通过在线通信链路进行访问。
在方框61中,维修技术员通过计算机访问结构分类数据库。
在方框62中,维修技术员通过计算机进入系统或部件从而启动在结构分类数据库中对结构相关性的搜索。
在方框63中,向维修技术员呈现与通过计算机进入的系统或部件相关的结构相关性的列表。
在方框64中,维修技术员选择维修技术员判断可能是问题的根本原因或者有可能与问题原因有关的候选零件。
在方框65中,向维修技术员呈现在功能上与所选的候选者相关的零件的功能分类列表。通过在结构分类数据库中选择候选者而生成的、在功能分类数据库中所列出的零件对于维修技术员是可获得的,以帮助诊断问题的根本原因。因此,结构分类数据库与功能分类数据库之间的零件的功能联系,提供了否则对于维修技术员可能不显而易见地作为可能的根本原因的额外候选者。
虽然已详细描述了本发明的某些实施例,但本发明相关领域的技术人员将认识到各种替代的设计和实施例以便实施由所附权利要求限定的本发明。
Claims (10)
1.一种通过生成与结构分类数据库合作使用的功能分类数据库而增强用于车辆中识别问题的根本原因分析的维修诊断的方法,所述结构分类数据库确认车辆各零件之间的结构关系,所述功能分类数据库确认所述车辆各零件之间的功能关系,所述方法包括下列步骤:
从记忆存储器件中获得以前维修车辆的维护修理数据,所述维修数据识别在各次维护修理期间的在所述车辆上的维修零件;
根据各车辆的维护修理历史来编译所述维修数据;
识别在所述编译维修数据内的在预定时段内进行至少两次维护修理的各车辆;
识别各车辆的维修零件的组合;
确定表示对于具有至少两次维护修理的被识别车辆中的各组合在所述编译维修数据中出现次数的计数;
识别具有大于预定阈值的计数的组合;
判断具有大于预定阈值的计数的任何组合是否存在于所述结构分类数据库中;
仅选择不存在于所述结构分类数据库中且具有大于预定阈值的计数的组合;以及
通过将所述选择的组合赋予给所述功能分类数据库来更新功能分类数据库,其中所述功能分类数据库和所述结构分类数据库对于维修技术员通过计算机可获得,以辅助所述维修技术员诊断所述根本原因。
2.如权利要求1所述的方法,其中,识别具有大于预定阈值的计数的组合的步骤还包括下列步骤:
判断各识别的组合是否为满足所述预定阈值的较大组合的亚组合,其中如果所述较大组合满足所述计数,那么查询结构分类数据库以判断所述较大组合是否存在于结构分类数据库中。
3.如权利要求2所述的方法,其中,响应于所述较大组合不存在于所述结构分类数据库中,在所述功能分类数据库中更新所述较大组合。
4.如权利要求1所述的方法,其中,主题专家在将所述组合加到功能分类数据库之前对所述组合进行再检查,以证实所述组合的子部件之间的可接受关系。
5.如权利要求4所述的方法,其中,查明具有大于预定阈值的计数且存在于结构分类数据库中的组合。
6.如权利要求1所述的方法,其中,利用所述功能分类数据库和所述结构分类数据库来诊断识别问题的根本原因,还包括下列步骤:
所述维修技术员利用计算机上的所述结构分类数据库启动对结构相关性的搜索;
生成在结构上取决于可搜索零件的零件的列表;
从所述零件的列表中选择零件;
在所述功能分类数据库中生成在功能上与所述结构分类数据库的所选零件相关的零件的列表;以及
所述维修技术员在功能分类数据库中识别是识别问题的潜在候选者的零件。
7.如权利要求1所述的方法,其中,所述预定时段为小于90天。
8.如权利要求1所述的方法,其中,所述预定时段为小于60天。
9.如权利要求1所述的方法,其中,所述预定时段为小于30天。
10.如权利要求1所述的方法,其中,识别的组合是基于更换零件中的特定修理顺序。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US13/114,092 US8645419B2 (en) | 2011-05-24 | 2011-05-24 | Fusion of structural and cross-functional dependencies for root cause analysis |
US13/114092 | 2011-05-24 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102799606A true CN102799606A (zh) | 2012-11-28 |
CN102799606B CN102799606B (zh) | 2015-04-01 |
Family
ID=47140597
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201210163473.4A Active CN102799606B (zh) | 2011-05-24 | 2012-05-24 | 用于根本原因分析的结构相关性与交叉功能相关性的结合 |
Country Status (3)
Country | Link |
---|---|
US (1) | US8645419B2 (zh) |
CN (1) | CN102799606B (zh) |
DE (1) | DE102012208420A1 (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105321228A (zh) * | 2014-07-31 | 2016-02-10 | 福特全球技术公司 | 用于车辆数据采集和分析的方法和装置 |
CN106056222A (zh) * | 2016-05-27 | 2016-10-26 | 大连楼兰科技股份有限公司 | 基于FP‑Tree序列模式挖掘的故障诊断与估价的方法 |
CN106096736A (zh) * | 2016-05-27 | 2016-11-09 | 大连楼兰科技股份有限公司 | 基于FP‑Tree序列模式挖掘的故障诊断与估价的平台 |
CN108700873A (zh) * | 2016-03-09 | 2018-10-23 | 西门子股份公司 | 用于自动化系统的现场设备的智能嵌入式控制系统 |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10635856B2 (en) | 2013-06-28 | 2020-04-28 | Honeywell International Inc. | Cross tab editor with reverse editing capability |
US9715658B2 (en) | 2014-02-28 | 2017-07-25 | Honeywell International Inc. | Methods for producing customer configurable technical manuals |
US9201930B1 (en) * | 2014-05-06 | 2015-12-01 | Snap-On Incorporated | Methods and systems for providing an auto-generated repair-hint to a vehicle repair tool |
US10380557B2 (en) * | 2015-07-31 | 2019-08-13 | Snap-On Incorporated | Methods and systems for clustering of repair orders based on alternative repair indicators |
DE102016203648A1 (de) | 2016-03-07 | 2017-09-07 | Zumtobel Lighting Gmbh | Drahtlose Datenübertragung mittels Transponder in einem Beleuchtungssystem |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060136104A1 (en) * | 2004-12-22 | 2006-06-22 | Snap-On Incorporated | Distributed diagnostic system |
US20080004764A1 (en) * | 2006-06-30 | 2008-01-03 | Manokar Chinnadurai | Diagnostics data collection and analysis method and apparatus to diagnose vehicle component failures |
US20090006476A1 (en) * | 2007-06-28 | 2009-01-01 | Innova Electronics Corporation | Automotive diagnostic and remedial process |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8543280B2 (en) * | 2011-04-29 | 2013-09-24 | Toyota Motor Engineering & Manufacturing North America, Inc. | Collaborative multi-agent vehicle fault diagnostic system and associated methodology |
-
2011
- 2011-05-24 US US13/114,092 patent/US8645419B2/en active Active
-
2012
- 2012-05-21 DE DE102012208420A patent/DE102012208420A1/de active Pending
- 2012-05-24 CN CN201210163473.4A patent/CN102799606B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060136104A1 (en) * | 2004-12-22 | 2006-06-22 | Snap-On Incorporated | Distributed diagnostic system |
US20080004764A1 (en) * | 2006-06-30 | 2008-01-03 | Manokar Chinnadurai | Diagnostics data collection and analysis method and apparatus to diagnose vehicle component failures |
US20090006476A1 (en) * | 2007-06-28 | 2009-01-01 | Innova Electronics Corporation | Automotive diagnostic and remedial process |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105321228A (zh) * | 2014-07-31 | 2016-02-10 | 福特全球技术公司 | 用于车辆数据采集和分析的方法和装置 |
CN108700873A (zh) * | 2016-03-09 | 2018-10-23 | 西门子股份公司 | 用于自动化系统的现场设备的智能嵌入式控制系统 |
US11347212B2 (en) | 2016-03-09 | 2022-05-31 | Siemens Aktiengesellschaft | Smart embedded control system for a field device of an automation system |
CN106056222A (zh) * | 2016-05-27 | 2016-10-26 | 大连楼兰科技股份有限公司 | 基于FP‑Tree序列模式挖掘的故障诊断与估价的方法 |
CN106096736A (zh) * | 2016-05-27 | 2016-11-09 | 大连楼兰科技股份有限公司 | 基于FP‑Tree序列模式挖掘的故障诊断与估价的平台 |
CN106056222B (zh) * | 2016-05-27 | 2020-03-24 | 大连楼兰科技股份有限公司 | 基于FP-Tree序列模式挖掘的故障诊断与估价的方法 |
CN106096736B (zh) * | 2016-05-27 | 2020-03-24 | 大连楼兰科技股份有限公司 | 基于FP-Tree序列模式挖掘的故障诊断与估价的平台 |
Also Published As
Publication number | Publication date |
---|---|
DE102012208420A1 (de) | 2012-11-29 |
CN102799606B (zh) | 2015-04-01 |
US8645419B2 (en) | 2014-02-04 |
US20120303662A1 (en) | 2012-11-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102799606B (zh) | 用于根本原因分析的结构相关性与交叉功能相关性的结合 | |
US8374745B2 (en) | Telematics-enabled aggregated vehicle diagnosis and prognosis | |
CN102591318B (zh) | 用于维护诊断及维护程序加强的方法 | |
US10062219B2 (en) | Method for determining the cause of failure in a vehicle | |
US8996235B2 (en) | Repair assist system for vehicle servicing | |
US8732112B2 (en) | Method and system for root cause analysis and quality monitoring of system-level faults | |
US8473330B2 (en) | Software-centric methodology for verification and validation of fault models | |
EP2803048B1 (en) | System and method for providing diagnostic fault information | |
EP2064106A1 (en) | Diagnostic system and method for monitoring a rail system | |
CN107168285A (zh) | 一种结合主客观信息和云模型的汽车智能故障诊断与维修辅助方法及系统 | |
CN107085768A (zh) | 一种用于评价汽车使用可靠性的系统及方法 | |
WO2004092918A2 (en) | Vehicle diagnostic knowledge delivery | |
US20190228322A1 (en) | Vehicle repair guidance system | |
CN111284426B (zh) | 车辆故障根本原因诊断 | |
Singh et al. | Data-driven framework for detecting anomalies in field failure data | |
WO2017081985A1 (ja) | 車両制御装置 | |
CN105469147B (zh) | 用于诊断故障和/或诊断维修和/或维护需求的方法 | |
MXPA02004270A (es) | Aparato y metodo para analisis de datos de funcionamiento y de fallas. | |
US8170743B2 (en) | Integrated diagnosis and prognosis system as part of the corporate value chain | |
KR20200141239A (ko) | 차량 고장 진단 서비스 제공 시스템 및 방법 | |
CN114582043A (zh) | 提供最不可能和最有可能的原因信息的包括集成诊断模型的选择性健康信息报告系统 | |
EP4167040A1 (en) | Fault model editor and diagnostic tool | |
CN116736825A (zh) | 用于验证由车辆的车载诊断系统生成的诊断故障代码的系统和方法 | |
Pana et al. | Vehicle Engine Faults | |
EP2175424B1 (de) | Verfahren zur Steigerung der Effizienz von Fahrzeugen bzw. Fahrzeugsystemen mit und ohne Waffensysteme |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |