CN103477366A - 用于诊断服务中设备的方法和设备 - Google Patents
用于诊断服务中设备的方法和设备 Download PDFInfo
- Publication number
- CN103477366A CN103477366A CN2012800190467A CN201280019046A CN103477366A CN 103477366 A CN103477366 A CN 103477366A CN 2012800190467 A CN2012800190467 A CN 2012800190467A CN 201280019046 A CN201280019046 A CN 201280019046A CN 103477366 A CN103477366 A CN 103477366A
- Authority
- CN
- China
- Prior art keywords
- data
- dus
- test
- aggregated
- related data
- 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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/30—Monitoring
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
- G07C5/00—Registering or indicating the working of vehicles
- G07C5/08—Registering or indicating performance data other than driving, working, idle, or waiting time, with or without registering driving, working, idle or waiting time
- G07C5/0808—Diagnosing performance data
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M17/00—Testing of vehicles
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B23/00—Testing or monitoring of control systems or parts thereof
- G05B23/02—Electric testing or monitoring
- G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
- G05B23/0259—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterized by the response to fault detection
- G05B23/0275—Fault isolation and identification, e.g. classify fault; estimate cause or root of failure
- G05B23/0281—Quantitative, e.g. mathematical distance; Clustering; Neural networks; Statistical analysis
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Pure & Applied Mathematics (AREA)
- Evolutionary Computation (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Mathematical Physics (AREA)
- Probability & Statistics with Applications (AREA)
- Artificial Intelligence (AREA)
- Automation & Control Theory (AREA)
- Algebra (AREA)
- General Engineering & Computer Science (AREA)
- Quality & Reliability (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Automatic Analysis And Handling Materials Therefor (AREA)
- Vehicle Cleaning, Maintenance, Repair, Refitting, And Outriggers (AREA)
- Tests Of Electronic Circuits (AREA)
- Prostheses (AREA)
- Materials For Medical Uses (AREA)
- Control And Other Processes For Unpacking Of Materials (AREA)
Abstract
本发明公开了与诊断服务中设备(DUS)有关的方法和设备。接收DUS相关数据。基于所确定的DUS相关数据的分类,确定DUS相关数据被聚合到聚合数据中。生成DUS相关数据和聚合数据的聚合数据比较。聚合数据比较可以包括在DUS在两种或更多的操作状态下操作的同时所进行的DUS相关数据的统计分析和/或DUS相关数据的差别分析。基于所述聚合数据比较来生成DUS报告。DUS报告可以包括一个或多个子策略。一个或多个子策略中的至少一个可以包括子策略成功估计。能够发送DUS报告,并且能够基于DUS报告来生成DUS报告显示。
Description
相关申请
本申请要求享有于2011年2月21日递交的、名称为“DiagnosticBaselining(诊断基线)”的美国专利申请No.13/031,565的优先权,该专利申请以引用方式为所有目的全部并入本文。
背景技术
诸如汽车、轻型卡车和重型卡车的车辆在许多人的生活中扮演着重要的角色。为了保持车辆运转,一些人依赖于车辆技术人员来诊断和维修他们的车辆。
车辆技术人员使用各种工具,以便诊断和/或维修车辆。那些工具可以包括诸如扳钳、锤子、剪钳、螺丝刀和全套套筒扳手等常见的手工工具,或诸如汽缸珩磨头、活塞环压缩机和车辆制动工具的更多的车辆专用工具。车辆技术人员所使用的工具还可以包括诸如车辆扫描工具或数字电压欧姆计(DVOM)的电子工具,以用于诊断和/或维修车辆。
车辆扫描工具和/或DVOM能够经由有线和/或无线链路与其它设备链接,可能传送与车辆有关的数据。车辆扫描工具和/或DVOM能够提供大量的数据以辅助车辆的诊断和维修。典型地,数据不包括上下文数据,诸如历史信息。此外,数据通常被格式化以使得能够在对车辆的问题进行识别、诊断和/或维修之前需要诸如车辆技术人员的技术人员进行数据解释。
发明内容
在本说明书中描述了各个示例实施例。在一个方面中,示例实施例能够呈现为方法的形式。在服务器设备处,对于服务中设备(DUS)接收DUS相关数据。在服务器设备处确定DUS相关数据被聚合到聚合数据中。要聚合DUS相关数据的确定基于DUS相关数据的分类。在服务器设备处生成DUS相关数据和聚合数据的聚合数据比较。然后,在服务器设备处基于聚合数据比较来生成DUS报告。所述DUS报告包括一个或多个子策略。一个或多个子策略中的至少一个包括子测量成功估计。然后,从服务器设备发送DUS报告。
在第二方面中,示例性实施例能够呈现为客户端设备的形式,其包括存储器、处理器和指令。指令存储在存储器中。响应于处理器的执行,指令使得客户端设备执行功能。所述功能能够包括:(a)接收用于DUS的诊断请求,(b)将DUS测试请求发送到DUS以执行与诊断请求相关的测试,(c)从DUS接收基于测试的DUS相关数据,(d)发送DUS相关数据,(e)接收基于DUS相关数据的DUS报告,以及(f)生成DUS报告的DUS报告显示。
在第三方面中,示例性实施例能够呈现为方法的形式。设备接收诊断DUS的诊断请求。在设备处确定基于诊断请求的测试。测试与DUS的第一操作状态有关。设备请求在DUS的第一操作状态下执行测试。在设备处接收DUS的第一操作状态数据。第一操作状态数据基于测试。客户端设备请求在DUS的第二操作状态下测试的执行。
设备验证第一操作状态数据是否与第一操作状态有关。响应于验证出第一操作状态数据与第一操作状态有关,设备(a)基于第一操作状态数据生成差别分析,(b)基于差别分析生成DUS报告显示,以及(c)发送DUS报告显示。
通过适当地参照附图来阅读下面的详细说明,这些以及其它的方案和优点对于本领域普通技术人员而言将变得显而易见。此外,应当理解的是,在概述以及其它地方描述的实施例仅意在示例,而不必限制本发明的范围。
附图说明
在本文中参照附图描述了示例性实施例,其中相似的标记表示相似的实体,其中:
图1为示例性系统的框图;
图2为示例性计算设备的框图;
图3为示例性客户端设备的框图;
图4为示例性服务器设备的框图;
图5示出了示例性的数据收集显示;
图6A示出了用于处理诊断请求、响应性地生成DUS报告显示以及接收成功相关数据的示例方案;
图6B示出了用于处理DUS相关数据以及响应性地生成诊断请求的示例方案;
图6C示出了用于处理DUS相关数据以及响应性地生成DUS报告的示例方案;
图6D示出了用于处理DUS相关数据以及响应性地生成DUS报告的另一示例方案;
图7A示出了用于处理诊断请求、响应性地生成DUS报告显示以及接收成功相关数据的示例方案;
图7B示出了用于处理诊断请求以及响应性地生成DUS测试请求的示例方案;
图7C示出了用于处理DUS相关数据以及响应性地生成DUS报告显示的示例方案;
图8A示出了示例性流程图,其图示出用于生成差别分析的功能;
图8B示出了具有对应于第一操作状态的网格单元和对应于第二操作状态的网格单元的示例性网格;
图9示出了示例性流程图,其图示出能够依照示例实施例实施的功能;
图10为示出了能够依照示例实施例实施的功能的另一流程图;以及
图11为示出了能够依照示例实施例实施的功能的又一流程图。
具体实施方式
I.引言
该说明书阐述了包括多个设备的系统。所述系统的每个设备能够独立地操作(例如,作为独立式设备)以及能够与系统的其它设备结合。所述系统的每个设备能够被称为装置。
所述系统的每个设备可操作以实施用于检修DUS(DUS)的功能。DUS能够包括车辆、制冷单元、个人计算机、或一些其它的可服务设备。除此之外或可选地,DUS能够包括诸如加热、通风和空调(HVAC)系统、安全系统、计算机系统(例如,网络)、或一些其它可检修系统的系统。用于检修DUS的功能可以包括但不限于诊断功能、测量功能和扫描功能。
为了彼此结合工作,所描述系统的设备被配置为经由通信网络与另一设备通信。通信网络能够包括无线网络、有线网络、或无线网络和有线网络两者。通过来自DUS的设备获得的数据或者以其它方式包含在该设备中的数据能够经由那些设备之间的通信网络传输到另一设备。
所描述的系统中的设备能够经由有线和/或无线连接来连接。有线和无线连接能够使用根据诸如SAE国际、国际标准化组织(ISO)或电气电子工程师学会(IEEE)802标准的一个或多个标准布置的一个或多个通信协议。能够利用诸如车载诊断II(“OBD-II”)系列协议(例如,SAE J1850、SAE J2284、ISO9141-2、ISO14230、ISO15765)、IEEE802.3(“以太网”)或IEEE802.5(“令牌环”)的一个或多个有线通信协议来建立有线连接。能够利用诸如蓝牙(Bluetooth)、IEEE802.11(“Wi-Fi”)或IEEE802.16(“WiMax”)的一个或多个无线通信协议来建立无线连接。
部分地通过发送用于诊断信息的测试请求以及接收作为响应的测试相关数据,所描述系统的客户端设备被配置为与DUS直接通信。在一些实施例中,根据OBD-II协议将测试请求和/或测试相关数据格式化。
客户端设备能够提示DUS在各种操作状态下的操作,以收集测试相关数据。能够利用客户端设备基于用户的类型(例如,检修技术人员、外行、工程师等)来调整所收集的数据的状态和量。客户端设备还能够收集与DUS有关的“投诉”,其可以包括与DUS的操作状态有关的文本。在一些实施例中,投诉能够被具体化为“投诉代码”,诸如字母数字代码。
所描述系统的服务器设备被配置为接收用于DUS的测试相关数据以及可能的“设备相关数据”,并且响应性地生成“DUS报告”。DUS报告能够包括用于诊断和/或维修DUS以解决投诉的“策略”。策略可以包括所接收到的测试相关数据的“统计分析”和/或一个或多个“子策略”(例如,推荐、指导、建议的行动和/或附加测试)。设备相关数据可以包括但不限于:设备制造数据、设备制造商标识、设备型号、设备制造时间(例如,型号年)、里程、设备控制单元信息(例如,对于车辆而言,是发动机控制单元(ECU)类型和发布信息)、操作时间数据、设备标识信息、设备所有者标识信息、检修提供商、检修地点、检修技术人员和/或设备地点。在一些实施例中,客户端设备能够生成DUS报告。
服务器设备和/或客户端设备能够为DUS创建“简档”。所述简档能够配置为存储与DUS相关的设备相关数据、投诉、DUS报告和/或在DUS的寿命期间在各个时间取得的测试相关数据。
在一些实施例中,可能通过简档来存储“参考点”或“参考数据”。能够在DUS的无投诉操作间隔期间取得参考数据。参考数据可以包括由原始装备制造商(OEM)所提供的关于理想的/推荐的操作的数据。
在一些实施例中,“数据记录器(data logger)”能够安装在DUS上以收集参考数据。在这些实施例中,一旦收集到参考数据,则参考数据能够从数据记录器传送到负责DUS的诊断、维护和/或维修的“服务提供商”。在其它实施例中,检修提供商收集位于服务设施处的基线数据。
能够将参考数据与响应于关于DUS的投诉而取得的测试相关数据进行比较。此外,来自多个服务中设备的参考数据和/或测试相关数据能够组合和/或聚合成一组“聚合数据”。聚合过程可以包括确定聚合数据的分类和/或可靠性。
测试相关数据能够在被添加到聚合数据中之前被“分类”。聚合数据的示例分类可以包括参考数据分类以及一个或多个诊断分类。例如,如果DUS正在没有投诉的情况下操作,则从DUS获得的测试相关数据能够在聚合到聚合数据中时被分类为参考数据。然而,如果DUS在制动系统故障的情况下操作,则来自DUS的测试相关数据能够在聚合到聚合数据中时被分类为“故障制动”数据。同样,许多其它类型的分类是可能的。
用于DUS的参考数据以及可能的其它数据能够用于DUS的“基线数据”的生成。基线数据可以包括对于共享“核心设备信息”(例如,年、型号、制造、和/或ECU类型/发布信息)的设备所取得的数据进行的统计汇总。基线数据能够随时间而聚合和/或更新。例如,随着对于共享核心设备信息的服务中设备聚合更多的测试相关数据,基线数据能够具有更高的置信值和/或随时间聚合的基线数据的间隔。
同样能够聚合除了基线数据之外的共享共同分类的其它数据。例如,“故障制动”数据能够被聚合,并且随着随时间聚合更多的故障制动数据,故障制动数据能够具有逐渐变高的置信值和/或随时间聚合故障制动数据的间隔。同样,其它分类的数据聚合是可能的。
能够基于测试相关数据和聚合数据的比较来生成DUS报告。例如,服务器设备能够存储聚合数据,聚合数据可能包括核心设备信息和/或DUS的基线数据。在接收到测试相关数据和投诉时,服务器设备能够基于DUS的设备相关数据来确定聚合数据的子集。然后,能够将测试相关数据和所确定的聚合数据的子集进行比较以确定DUS报告的统计分析,包括测试相关数据的多种统计。
在一些实施例中,能够基于“差别分析”或在一个或多个“操作状态”下操作的DUS的比较来生成统计分析。车辆的发动机(充当DUS)的示例操作状态包括无负载/轻负载操作状态(例如,“怠速”操作状态)、在正常负载下的各种操作状态(例如,“巡航”操作状态、“曲柄启动”操作状态)、以及在最大负载或接近最大负载下的操作状态(例如,“高速”操作状态)。其它操作状态也是可能的。然后,能够基于测试相关数据的差别来将统计分析确定为DUS在两个以上不同时间和/或两个以上不同测量之间的操作状态下操作。
“规则引擎”能够取得统计分析和与投诉有关的信息,根据与DUS有关的一个或多个规则和投诉数据来评估统计分析,并且提供调查投诉的策略。在一些实施例中,规则引擎可以包括推理引擎,诸如专家系统或问题解决系统,具有至少与DUS的评估、诊断、操作和/或维修相关的知识库。
规则引擎可以通过将统计分析与解决投诉的策略相结合而能够生成DUS报告。客户端设备和/或服务器设备能够包括规则引擎。在一些实施例中,客户端设备的规则引擎不同于服务器设备的规则引擎。
DUS报告能够显示,可能显示在客户端设备上,可能容许实施DUS报告的策略。关于策略的子策略的反馈能够被提供且用于调节“子策略成功估计”或者子策略能够解决在投诉数据中提及的问题的可能性。能够为DUS报告提供这种子策略成功估计。
通过执行聚合数据(包括基线数据)测试相关数据的统计分析,该系统能够在较大数据群的背景下评估测试相关数据。通过将测试相关数据与分类的聚合数据和/或基线数据进行比较,如统计分析中所示的分类的聚合数据和/或基线数据与测试相关数据之间的任何差异能够更易于识别,且因此加快DUS的诊断和维修。通过利用仅在操作状态下和/或两个(或以上)不同时间/源(例如,聚合/基线数据与测试相关数据)操作DUS的测试程序来执行差别分析,能够简化初始的诊断程序。DUS报告所提供的策略可以包括用于DUS的诊断和/或维修的子策略,进一步减少维修时间。通过基于数据群来提供统计分析和/或差别分析,连同用于诊断和维修的策略一起,维修中设备报告大幅减少(如果未消除)与测试相关数据有关的猜测工作,并且减少了维修中设备的停机时间。
II.示例架构
图1为示例性系统100的框图。系统100包括服务中设备(DUS)102以及设备104和106。为了该说明书的目的,设备104被称为客户端设备,并且设备106被称为服务器设备。
图1的框图以及该说明书所附的其它图和流程图仅为示例而提供,而不是意在限制。图中所图示和/或本文所描述的许多元件为可以实现为离散的或分布式的部件或与其它部件相结合以及以任何适合的组合和处于任何位置的功能元件。本领域技术人员将理解,同样能够使用其它布置和元件(例如,机器、接口、功能、次序和功能分组等)。特别地,本文中描述为客户端设备功能性(和/或客户端设备的部件的功能性)中的一些或全部的功能可以由服务器设备来实现,并且本文中描述为服务器设备功能性(和/或服务器设备的部件的功能性)中的一些或全部的功能性可由客户端设备实现。
此外,由一个或多个元件执行的本文描述的各种功能、技术和功能性能够由执行计算机可读程序指令的处理器和/或由硬件、固件和软件的任意组合来实施。
DUS102能够包括车辆,诸如汽车、摩托车、半牵引车、农业机械、或一些其它车辆。系统100能够操作以实施各种功能,包括用于检修DUS102的功能。示例性实施例能够包括或者使用任何适当的电压源或电流源,诸如电池、交流发电机、燃料电池等,提供任何适当的电流和/或电压,诸如大约12伏特、大约42伏特等。示例性实施例能够用于任何期望的系统或发动机。那些系统或发动机能够包括使用诸如汽油、天然气、丙烷等化石燃料,诸如由电池、磁发电机、燃料电池、太阳能电池等产生的电,风力及其混合物或组合物的项目。那些系统或发动机能够合并到其它系统中,诸如汽车、卡车、小艇或船、摩托车、发电机、飞机等。
客户端设备104和/或服务器设备106可以是计算设备,诸如下文在图2的背景下描述的示例性的计算设备200。在一些实施例中,客户端设备104包括数字伏特计(DVM)、数字伏特欧姆计(DVOM)、和/或一些其它类型的测量设备。
网络110能够被建立以通信地链接设备104和106。一旦设备与网络110建立了连接或链接,这些设备中的任一个就能够经由网络110进行通信。作为示例,图1示出了网络110,其经由链路114与客户端设备104连接且经由链路116与设备106连接。在图1中未示出的实施例中,DUS102也能够与网络110连接。
网络110可以包括数据网络和/或连接至数据网络,所述数据网络例如是广域网(WAN)、局域网(LAN)、诸如因特网的一个或多个公共通信网络、一个或多个私人通信网络、或者这些网络的任意组合。网络110可以包括有线和/或无线链路和/或使用根据一个或多个标准(诸如SAE国际、国际标准化组织(ISO)或电气电子工程师(IEEE)标准机构)布置的一个或多个通信协议的设备。
网络110能够被布置为根据相应的空中接口协议来实施通信。能够根据诸如电气与电子工程师协会(IEEE)802标准的工业标准来设置每个空中接口协议。IEEE802标准可以包括用于无线局域网的IEEE802.11标准(例如,IEEE802.11a,b,g,或n)、用于无线个人局域网的IEEE802.15标准、用于无线个人局域网的IEEE802.15.1标准--任务组1、用于无线个人局域网的IEEE802.15.4标准--任务组4、用于宽带无线城域网的IEEE802.16标准、或其它一些IEEE802标准。为了该说明书的目的,设置为根据IEEE802.11标准实施通信的无线网络(或链路)被称为Wi-Fi网络(或链路),设置为根据IEEE802.15.1标准实施通信的无线网络(或链路)被称为蓝牙网络(或链路),设置为根据IEEE802.15.4标准实施通信的无线网络(或链接)被称为紫蜂网络(Zigbee)网络(或链路),并且设置为根据IEEE802.16标准实施通信的无线网络(或链路)被称为Wi-Max网络(或链路)。
网络110能够被设置为根据有线通信协议来实施通信。能够根据诸如IEEE802.3(“以太网”)或IEEE802.5(“令牌环”)的工业标准来设置每个有线通信协议。为了该说明书的目的,设置为根据OBD-II协议实施通信的有线网络(或链路)被称为OBD-II网络(或链路),设置为根据IEEE802.3标准实施通信的有线网络(或链路)被称为以太网网络(或链路),并且设置为根据IEEE802.5标准实施通信的有线网络(或链路)被称为令牌环网络(或链路)。
因此,能够利用例如但不限于蓝牙、Wi-Fi、紫蜂和/或WiMax的一种或多种无线空中接口通信协议来建立到网络110的无线链路。类似地,能够利用例如但不限于以太网和/或令牌环的一种或多种有线通信协议来建立到网络110的有线链路。因此,链路114和116可以是到网络110的有线和/或无线链路。目前已知或后来开发的另外的有线和/或无线链路和/或协议同样能够在网络110中使用。
在图1未示出的一些实施例中,能够在客户端设备104和服务器设备106之间建立点对点有线和/或无线链路。在这些实施例中,能够通过这些点对点链路来执行网络110的此处描述的功能。在图1未示出的其它实施例中,图1未显示的附加设备(例如,计算设备、智能电话、个人数字助理、电话等)能够经由网络110与DUS102、客户端设备104、服务器设备106和/或其它设备进行通信。客户端设备104和/或服务器设备106能够操作以将此处描述的数据、报告、请求、查询、简档、显示、分析和/或其它数据(例如,汽车维修数据和/或指令数据)传送到图1中未显示的这些附加设备中的一个或多个。
客户端设备104能够经由链路112与DUS102连接。在一些实施例中,链路112是与DUS102的有线连接,可能是OBD-II链路或以太网链路。在其它实施例中,链路112是无线链路。在这些实施例中的一些实施例中,无线链路被配置为至少传达依照OBD-II协议格式化的数据。例如,“OBD-II扫描仪”能够用于经由无线链路来传达OBD-II数据。OBD-II扫描仪是一种具有到DUS102的有线OBD-II链路和无线发送器的设备。OBD-II扫描仪能够从DUS102取回依照OBD-II协议格式化的数据,并且经由利用无线发送器建立的无线链路(例如,蓝牙、Wi-Fi或紫蜂链路)来传送经OBD-II格式化的数据。示例的OBD-II扫描仪是由Snap-on Incorporated of Kenosha,WI制造的VERDICT S3无线扫描仪模块。在一些实施例中,目前已知或后来开发的除了OBD-II协议之外的协议能够规定数据格式和/或传送。
在另一示例中,数据记录器(图1中未显示)能够用于在操作的同时收集来自DUS102的数据。一旦连接到DUS102的链路,则数据记录器能够将收集到的数据传送到客户端设备104以及可能传送到服务器设备106。
图2是示例性计算设备200的框图。如图2所示,计算设备200包括用户接口210、网络通信接口212、处理器214和数据存储装置216,所有这些部件可经由系统总线、网络或其它连接机构220链接在一起。
用户接口210可操作以将数据呈现给计算设备200的用户和/或接收来自计算设备200的用户的数据。用户接口200可以包括输入单元230和/或输出单元232。输入单元230能够接收可能来自计算设备200的用户的输入。输入单元230可以包括能够在计算设备200处接收输入的目前已知或后来开发的键盘、键区、触摸屏、计算机鼠标、跟踪球、控制杆和/或其它类似的设备。
输出单元232能够将输出可能提供给计算设备200的用户。输出单元232能够包括用于生成可视化输出的可视输出设备,诸如一个或多个阴极射线管(CRT)、液晶显示器(LCD)、发光二极管(LED)、使用数字光处理(DLP)技术的显示器、打印机、灯泡、和/或能够显示图形、文本和/或数字信息的目前已知或后来开发的其它类似的设备。输出单元232能够交替地或另外地包括用于生成可听输出的一个或多个听觉输出设备,诸如扬声器、扬声器插孔、音频输出端口、音频输出设备、耳机、和/或能够传达声音和/或可听信息的目前已知或后来开发的其它类似设备。
网络通信接口212可以包括无线接口240和/或有线接口242,可能经由网络110和/或经由点对点链路进行通信。无线接口240可以包括蓝牙收发器、紫蜂收发器、Wi-Fi收发器、WiMAX收发器和/或一些其它类型的无线收发器。无线接口240能够与设备102、104、106、网络110和/或配置为无线通信的其它设备进行通信。
有线接口242能够被配置为根据有线通信协议(例如,以太网、OBD-II令牌环)与设备102、104和/或106、网络110、和/或配置为经由有线链路通信的其它设备进行通信。有线接口242可以包括端口、线缆、电缆、光纤链路或与设备102、104、106、网络110和/或配置为经由线缆通信的其它设备的类似的物理连接。
在一些实施例中,有线接口242包括通用串行总线(USB)端口。USB端口能够与USB电缆的第一端通信地连接,而USB电缆的第二端能够与连接至网络110或某一其它设备的另一设备的USB端口通信地连接。在其它实施例中,有线接口242包括以太网端口。以太网端口能够通信地连接到以太网电缆的第一端,而以太网电缆的第二端能够通信地连接到与网络110或某一其它设备连接的另一设备的以太网端口。
在一些实施例中,网络通信接口212能够提供可靠的、安全的和/或经认证的通信。对于此处描述的每种通信,能够提供用于确保可靠通信(例如,有保证的消息传递)的信息,可能作为消息报头和/或页脚的部分(例如,分组/消息排序信息、封装的报头和/或页脚、尺寸/时间信息、和诸如周期冗余校验(CRC)和/或奇偶校验值)的传送验证信息)。能够利用例如但不限于DES、AES、RSA、Diffie-Hellman和/或DSA的一种或多种加密协议和/或算法来使通信安全(例如,被编码或加密)和/或进行解密/解码。其它加密协议和/或算法同样可以使用或与本文所列的那些一起使用以使通信安全(然后进行解密/解码)。
处理器214可以包括一个或多个通用处理器(例如,由Intel或AdvancedMicro Devices制造的微处理器)和/或一个或多个专用处理器(例如,数字信号处理器)。处理器214可以执行包含于数据存储装置216中的计算机可读程序指令250和/或如本文所描述的其它指令。
数据存储装置216可以包括能够至少由处理器214可读的一个或多个计算机可读存储介质。一个或多个计算机可读存储介质可以包括易失性和/或非易失性存储部件,例如光的、磁的、有机的或其它存储器或磁盘存储装置,这些能够整体地或部分地与处理器214集成。在一些实施例中,数据存储装置216是利用一种物理设备(例如一种光的、磁的、有机的或其它存储器或磁盘存储单元)来实现的,而在其它实施例中,数据存储装置216是利用两种或更多种物理设备来实现的。
数据存储装置216可以包括计算机可读程序指令250以及可能的数据。计算机可读程序指令250可以包括能够由处理器214和任何所要求的存储装置执行的指令,分别实现本文所描述的技术的至少部分和/或本文所描述的设备和网络的功能的至少部分。
图3是示例性客户端设备104的框图。客户端设备104可以包括通信接口310、用户接口320、反馈收集器330、规则引擎340、数据收集器350、文本分析器360、数据分析器370、和数据存储接口380,这些均经由互连390连接。
如图3所示的客户端设备104的部件的布置是示例性布置。在其它实施例中,客户端设备104能够使用比图3所示的更多或更少的部件来执行客户端设备104的此处所述的功能。
通信接口310被配置为使得能够在客户端设备104和其它设备之间进行通信,可能包括使得能够进行可靠的、安全的和/或经认证的通信。示例的通信接口310是上文在图2的背景下描述的网络通信接口212。用户接口320被配置为使得能够在客户端设备104和客户端设备104的用户之间进行通信,包括但不限于传送本文中所描述的报告(包括数据分析、策略和/或子策略)、请求、消息、反馈、信息和/或指令。示例的用户接口320是上文在图2的背景下描述的用户接口210。
反馈收集器330被配置为请求、接收、存储和/或取回对于如本文所描述的报告、策略和/或子策略的“反馈”或输入。
规则引擎340被配置为接收数据,分析接收到的数据,并且生成对应的DUS报告。接收到的数据可以包括但不限于投诉数据、未经处理的测试相关数据、经处理的测试相关数据(例如,测试相关数据的统计或差别分析)、参考数据、接收到的数据的分类/可靠性确定、预定数据值(例如,硬编码数据)、和/或其它数据。
能够通过将接收到的数据与一个或多个规则和/或现有的数据群进行匹配来分析接收到的数据。一个或多个规则能够存储在诊断规则和策略数据库中。对规则和策略数据库进行的关于接收到的数据(例如,投诉)的查询能够返回一个或多个规则以及可能的与投诉有关的一个或多个子策略。
有关的一个或多个规则中的每个均能够基于接收到的数据和/或现有的数据群来“激发”(例如,变得可应用)。例如,对规则和策略数据库的查询可以包括关于“运转不稳发动机表现(rough engine performance)”的投诉。返回的规则可以包括与能够基于接收到的燃料流数据和/或与关于燃料流的DUS性能有关的附加接收数据来激发的燃料流有关的第一规则。作为另一示例,能够基于接收到的燃料流数据与“聚合的”(例如,之前存储的)燃料流数据群的比较激发与燃料流有关的第二规则。同样,许多其它规则和/或示例是可能的。
基于接收到的数据,规则引擎340能够确定哪个(哪些)规则应当激发并且确定与激发的规则相关联的一个或多个响应。一种可能的响应包括用于DUS102的诊断和/或维修的一个或多个子策略的集合。示例的子策略包括对“更换燃料流传感器”或“检查燃料过滤器”的建议。其它示例的子策略包括在DUS102上执行一项或多项附加测试的请求;例如,“测试电池电压”或者“使发动机在2500-3000每分钟转数(RPM)下运转”。用于附加测试的请求可以包括用于在DUS上执行附加测试的指令(即,对技术人员、测试参数和/或计算机语言指令/命令的指令)。
一个或多个响应可以包括诊断数据,例如但不限于接收到的数据、聚合数据和/或基线数据的一个或多个值、在接收到的数据、聚合数据和/或基线数据之间的一个或多个比较,以及先前接收到的数据、聚合数据和/或基线数据中的一个或多个值和/或相似数据值的比较。同样,其它响应、子策略、诊断数据和/或示例是可能的。
子策略能够与子策略成功估计相关联,子策略成功估计表达为百分比(例如,“建议2是28%的成功可能性”)、子策略排序列表(例如,更高级别的子策略将比更低级别的子策略具有更佳的子策略成功估计)、数值和/或文本值(例如,“动作1具有95分,其为‘A’子策略”)、和/或一些其它类型的表达。
能够基于对于既定子策略的反馈(诸如由反馈收集器330收集的反馈)来调整对于既定子策略的子策略成功估计。作为示例:假设响应包括三个子策略:SS1、SS2和SS3。进一步假设:接收到SS1未成功、SS2成功且未使用SS3的反馈。作为响应,可以降低对SS1的子策略成功估计(即,处理为未成功),可以提高对SS2的子策略成功估计(即,处理为成功),并且可以保持对SS3的子策略成功估计。同样,基于反馈的其它调整是可能的。在一些实施例中,能够确定、存储和/或调整子策略失败估计,而不是(或连同一起)子策略成功估计;例如,在这些实施例中,当对应的子策略被成功使用时,能够向下调整子策略失败估计,并且当对应的子策略未成功使用时,向上调整子策略失败估计。
在另外的实施例中,能够从DUS报告中排除在一个或多个子策略集合中的一个或多个既定子策略。作为一个示例,能够提供最大数量的子策略MaxSS,并且可以排除超过最大数量子策略MaxSS的子策略。然后,可以基于各种标准来选择子策略;例如,由规则引擎340生成第一个(或最后一个)MaxSS子策略、随机选择MaxSS子策略、基于子策略成功估计、和/或基于子策略失败估计。作为另一示例,可以排除其子策略成功估计不超过阈值成功估计值(或未能超过阈值失败估计值)的子策略。能够使用这些标准的组合;例如,选择超过阈值成功估计值的第一个MaxSS子策略,或者选择超过阈值成功估计值且在所有子策略中具有最高子策略成功估计的MaxSS子策略。
DUS报告可以包括DUS102的统计分析、诊断数据和一些或全部子策略中的部分或全部。DUS报告能够提供其它信息,诸如与DUS102有关的信息和/或投诉数据。
在下面的表1中示出了DUS报告的示例显示:
表1
尽管该示例性DUS报告显示为仅文本报告,但附加类型的数据能够在此处描述的报告(包括但不限于DUS报告)中使用,例如但不限于可视化/图形/图像数据、视频数据、音频数据、链路和/或其它地址信息(例如,统一资源定位符(URL)、统一资源指示符(URI)、因特网协议(IP)地址、介质访问层(MAC)地址、和/或其它地址信息)、和/或计算机指令(例如,超文本传输协议(HTTP)、可扩展标记语言(XML)、JavaTM、JavaScriptTM、和/或其它计算机语言指令)。
数据收集器350能够协调用于在DUS102的测试的“数据收集会话”期间运行的一项或多项测试的测试活动。为了实施数据收集会话的测试,数据收集器350能够发出“DUS测试请求”或对于与DUS102有关的数据的请求并且作为响应接收“DUS测试相关数据”。DUS测试请求能够与用于DUS102的一项或多项“测试”有关。在该背景下,DUS102的测试可以包括:在DUS102处执行一项或多项活动(例如,维修、诊断),收集来自DUS102的数据(例如,从DUS102的一个或多个传感器获得数据),和/或接收用于DUS102的设备相关数据(即,经由用户接口或经由网络通信接口来接收设备相关数据)。用于在数据收集会话期间运行的每项测试的DUS测试相关数据能够组合到在整个数据收集会话期间收集的“DUS相关数据”中。DUS相关数据可以包括经由操作以在DUS102操作期间收集数据的数据记录器获得的数据。
可能经由使用OBD-II消息格式的通信依照OBD-II协议来进行一些DUS测试请求。OBD-II消息格式可以包括:帧起始数据和帧结束数据、消息标识符、与远程消息发送有关的标识符、确认标记、循环冗余校验(CRC)数据和OBD-II有效负载数据。OBD-II有效负载数据可以包括指示OBD-II有效负载字段中的字节数量的控制域以及OBD-II有效负载字段。OBD-II有效负载字段能够指定OBD-II模式、OBD-II参数ID(PID)和附加有效负载数据。示例性OBD-II模式包括但不限于以下模式:显示当前数据,显示冷冻帧数据,显示之前记录数据(例如,OBD-II数据的电影)的一个或多个帧,显示存储的诊断故障码(DTC),清除DTC和存储值,用于氧气传感器监控的测试结果,用于其他部件的测试结果,显示在当前或上次驱动循环期间检测到的DTC,车载部件/系统的控制操作,请求车辆信息模式,和永久/清除DTC模式。示例性OBD-II PID包括但不限于冷冻DTC、燃料系统状况、发动机冷却剂温度、燃料调节、燃料压力、发动机转数/分钟(RPM)、车速、定时提前量和进气温度。同样,许多其它OBD-II模式和OBD-II PID是可能的。
随着与DUS测试请求有关的数据被收集,数据收集器350能够更新数据收集显示以示出数据收集和测试的进展。下面参考图5更详细地描述了示例的数据收集显示。数据收集的完成能够通过规则引擎(例如,规则引擎340和/或规则引擎440)来确定。
数据收集器350能够接收并存储测试相关数据,可能存储在与DUS102相关联的“DUS简档”中。通过数据收集器350能够创建、更新和/或删除DUS简档。
连同测试相关数据,DUS简档能够被配置为更新和/或创建以存储设备相关数据、投诉数据、DUS报告、和/或在DUS的生命期间内在各时刻取得的测试相关数据(例如,基线数据)。这样,存储在DUS简档中的数据可以是DUS102的检修历史。在一些实施例中,数据收集器350能够生成检修历史的DUS简档报告。
在表2中示出了示例性DUS简档报告。
表2
如上所述,DUS简档报告可以包括在与DUS102有关的各时刻所获得的测试相关数据的引用。在其它实施例中,所获得的测试相关数据的一些或全部可以直接地包含在DUS简档报告中。在另外的实施例中,DUS简档报告不包含对测试相关数据的引用。
文本分析器360能够执行投诉数据的“文本分析”;也就是,文本分析器360能够解析或以其它方式查验投诉数据以找到与DUS102的检修有关的关键字和/或短语(即,测试、诊断和/或维修)。例如,假设投诉数据包含“我的汽车在怠速时行驶不稳,但是在巡航时行驶平滑”的陈述。能够对投诉数据进行解析以获得诸如“行驶不稳”、“怠速”、“行驶平滑”和“巡航”的关键字/短语,从而请求在“怠速”条件和“巡航”条件这两种条件下对发动机总体性能进行一项或多项测试(例如,基于术语“行驶不稳”和“行驶平滑”)。同样,关键字/短语、投诉数据、投诉数据的解析/查验、和/或测试请求的许多其它示例是可能的。
在一些实施例中,利用“投诉代码”来指定投诉。例如,可以使用字母数字代码来指定投诉;例如,代码E0001表示一般的发动机故障,代码E0002表示怠速不稳发动机,等等。在这些实施例中,投诉数据可以包括投诉代码。在一些实施例中,文本分析器360能够生成作为投诉的文本分析结果的一个或多个投诉代码。
数据分析器370能够分析与DUS102有关的数据。特别地,数据分析器能够生成将接收到的与DUS102有关的数据和现有的数据群进行比较的“统计分析”。现有的数据群可以包括但不限于聚合数据、参考数据和/或与DUS102有关的存储数据。参考数据可以包括来自制造商、部件供应商和/或其它源的指示当DUS102正常地运转时用于DUS102的期望数据值的数据。与DUS102有关的存储数据可以包括在接收所接收到的数据之前的时刻捕获和存储的用于测试中设备102的数据。该存储数据可以包括用于DUS102的基线数据。该基线数据随后能够被存储以及可能用于与在关于投诉的操作期间取得的数据(例如,伴随着投诉数据的测试相关数据)进行比较。在一些实施例中,聚合数据可以包括参考数据和与DUS102有关的存储数据中的一些或全部。因此,聚合数据能够被处理为现有的数据群。
统计分析可以包括将接收到的数据与现有数据群的子集进行匹配,例如通过将用于既定DUS的接收到的数据和用于与既定DUS共享相同核心设备信息(例如,年限、型号、制造、ECU信息)的设备的现有数据群进行匹配。同样,许多其它类型的现有数据群的子集匹配是可能的,诸如使用除了核心设备信息之外的缩窄数据子集和/或扩展数据子集的其它信息。
缩窄数据子集的示例包括:过滤数据子集,用于ECU的特定释放。扩展数据子集的示例包括:添加共享核心设备信息的车辆的相似型号,添加较早和/或较晚年度的数据,和/或添加已知由共同制造商制造的不同制造的数据。同样,子集匹配、缩窄数据子集和扩展数据子集的许多其它示例是可能的。
统计分析可以包括在接收到的数据和现有数据群之间的匹配值的指示、现有数据群的值的范围、以及接收到的数据相对于范围的比较(例如,确定用于现有数据群的冷却剂温度在155F°和175F°之间并且接收到的160F°的冷却剂温度在该范围之内),和/或确定用于接收到的数据和/或现有数据群的统计(例如,均值、中值、模式、方差和/或标准偏差)。统计分析可以包括来自一个或多个传感器的数据和/或一种或多种类型的数据的分析(例如,燃料调节和燃料压力数据这两者的分析)。
统计分析可以包括在一段时间内从DUS102接收到的数据的比较。例如,接收到的数据能够与用于DUS102的基线数据进行比较,以生成统计分析和/或基线数据与接收到的数据之间的差别分析。在生成统计分析和/或差别分析时,数据分析器370能够使用如下文在图4的背景下讨论的用于对测试相关数据进行分类的一种或多种技术。例如,数据分析器370能够将一个或多个数据值分类成基线数据。
另外地或作为替代,能够对在测试时间间隔内生成的接收到的数据(例如,接收到的数据包括在测试时间间隔期间内各个时刻收集到的多个数据样本)进行统计分析;例如,确定测试间隔内的统计,去除或确定位于外面的数据点,和/或用于其它类型的统计分析。在一些实施例中,参考数据和/或聚合数据能够用作基线数据。在其它的实施例中,能够在测试时间间隔内对现有数据群中的数据进行统计分析。
数据存储接口380被配置为存储和/或取回由客户端设备104使用的数据和/或指令。示例的数据存储接口380是数据存储装置216,上文在图2的背景下进行了描述。
图4是示例性服务器设备106的框图。服务器设备106可以包括通信接口410、数据聚合器420、数据分析器430、规则引擎440、文本分析器450、数据收集器460、反馈收集器470、和数据存储接口480,这些都经由互连490连接。
如图4所示的服务器设备106的部件的布置是示例性布置。在其它实施例中,服务器设备106能够使用比图4中所示的更多或更少的部件以执行服务器设备106的此处描述的功能。
通信接口410被配置为使得能够在服务器设备106和其它设备之间进行通信。示例性通信接口410是上文在图2的背景下描述的网络通信接口212。
数据聚合器420能够创建、更新和/或删除与DUS102相关联的DUS简档,并且可能利用上文参照图3描述的技术来生成相关的DUS简档报告。这样,客户端设备104和/或服务器设备106能够维护DUS简档并且生成DUS简档报告。
数据聚合器420能够基于投诉对数据进行分类。例如,与关于DUS启动失败的投诉有关的所有测试相关数据能够被分类为与“启动失败”投诉有关的数据。在聚合到共享共同分类的数据集中时,一部分数据能够被保持为聚合数据。例如,可以聚合在与启动器、电池和电气系统有关的“启动失败”分类中的数据。同样,其它数据能够被聚合,聚合到另一分类中,和/或被抛弃。例如,可能与投诉无关的数据能够被重新分类且基于重新分类而被聚合。在该背景下,与作为“启动失败”测试相关数据的一部分传送的轮胎压力有关的数据可被重新分类为“轮胎压力数据”且这样被聚合。同样,基于面向投诉的分类的许多其它类型的聚合是可能的。
数据聚合器420能够基于可靠性对测试相关数据进行分类。针对可靠性对测试相关数据进行分类可以包括:将测试相关数据的数据值与参考值和/或基线数据进行比较。用于将数据值与参考值/基线数据进行比较的一些示例技术要确定:
●数据值与一个或多个参考/基线值相同(例如,轮胎压力读数TPR为每平方英寸(PSI)32磅;制造商名称为“Tuftrux”),
●数据值在数据值的范围之内(例如,TPR在28和34PSI之间),
●数据值在参考/基线值的阈值之上和/或之下(例如,TPR在31±t PSI的范围内,其中t=阈值/基线值),
●数据值以参考/基线值开始、以参考/基线值结束或包含参考/基线值(例如,车辆标识号(VIN)以“1”开始或包含字符串“1GT”),
●多个数据值中的每个均相同、在一范围内、和/或在参考/基线值的阈值内(例如,用于四个轮胎的轮胎压力读数均在28-34PSI内),
●对可能包含参考和/或基线值的数据值的运算被计算且可能与参考和/或基线值进行比较(例如,取多个数据值的平均值,将英制测量数据值转换成米制单位等同量并且将转换后的值与米制单位参考值进行比较,使用公式中的数据值并且将公式的结果与参考值进行比较),和/或
●这些条件的否定(例如,温度不在110-130°F的范围内)。
同样,基于参考和/或基线数据来确定数据值是可靠的许多其它技术是可能的。
参考和/或基线数据可以包括预定值(例如,28PSI)、范围(例如,28-34PSI)、阈值(例如,3PSI阈值)、公式(例如,C=1.8*F)、和/或匹配模式(例如,“1*2”作为与以“1”开始且以“2”结束的字符串匹配的模式)。
参考和/或基线数据还能够基于之前被分类为可靠的数据值。例如,假设三个设备各自具有98、99和103度的温度读数,并且所有三个温度读数都是可靠的。然后,这三个值的平均值A(100度)和/或这三个值的范围R(5度)能够用作参考值:例如,温度数据值能够与A、A+R、A-R、A±R、A±cR、c1A±c2R进行比较,其中c为常数值,c1、c2为常数值)。同样,可靠数据值用作参考和/或基线数据的许多其它基础是可能的。
参考和/或基线数据能够基于数据的统计筛选。统计筛选可涉及对于聚合到参考和/或基线数据中的数据生成一项或多项统计,然后基于生成的统计来聚合数据。
例如,假设测试相关数据包含利用传感器Sens1取得的测量值Meas1。还假设与来自传感器Sens1的测量值有关的聚合数据指示具有标准偏差SDMeas1的平均测量值MeanMeas1。然后,可以利用公式来确定来自Meas1的均值MeanMeas1的多个标准偏差NSD。
然后,当标准偏差NSD的数量小于或等于标准偏差的阈值数量NSD_Threshold时,测量值Meas1可被聚合到与传感器Sens1有关的聚合数据中。例如,如果NSD_Threshold=2,则如果Meas1在均值MeanMeas1的2个标准偏差之内则Meas1将被聚合到聚合数据中。
在一些实施例中,可以仅当预定数量的数据值N已被聚合到数据值集合中时才执行对于数据值集合的统计筛选。在这些实施例中,如果聚合数据值的数量小于N,则数据值能够被聚合而不进行统计筛选,直至已经聚合了至少N个数据值。在一些实施例中,N能够足够大以采集数据而无需进行相当长时间段(例如,一个月或多个月)的筛选。然后,在相当大的时间量之后,能够进行筛选,从而允许在所述相当大的时间量期间内采集数据,而不集中于平均良好值或失败值。
同样,许多其它类型的统计筛选是可能的。
数据聚合器420能够结合规则引擎440对测试相关数据进行分类。在一些实施例中,规则引擎440能够指示数据聚合器420使用用于对测试相关数据中的一个或多个数据值进行分类的一种或多种技术。在其它实施例中,数据聚合器420能够将测试相关数据中的一些或全部和/或基线值中的一些或全部传送到规则引擎440,规则引擎440能够对测试相关数据进行分类并且随后将测试相关数据的分类传送到数据聚合器420。在这些其它实施例中的一些实施例中,数据聚合器420能够执行测试相关数据的初步分类;并且在测试相关数据是可靠的初步分类时,将测试相关数据中的一些或全部和/或基线值中的一些或全部传送到规则引擎440,以用于可靠性的最终确定。然后,最终确定的可靠数据能够被添加到基线数据,如上文所述。在其它的实施例中,数据聚合器420能够确定测试相关数据是可靠的,而无需与规则引擎440进行通信。
通过数据聚合器420能够将这种分类的数据值和/或参考数据组合或聚合到聚合数据中。能够随着时间对聚合数据进行更新;例如,能够基于数据值的分类将分类的数据值添加或以其它方式与聚合数据组合。在一些实施例中,聚合数据可以包括尚未进行分类的数据值;例如,总数据群,或用于具体DUS的所有数据。聚合数据能够被存储,可能存储在数据库中,并且后来被取回且用于分类和/或用于其它用途。
数据分析器430能够分析与DUS102有关的数据,诸如上文在图3的背景下针对数据分析器370所描述的。
规则引擎440能够接收数据(可能包含投诉数据),分析接收到的数据,并且生成对应的DUS报告,诸如上文在图3的背景下针对规则引擎340所描述的。
文本分析器450能够解析或以其它方式查验投诉数据,以找到与DUS102的检修有关的关键字和/或短语,诸如上文在图3的背景下针对文本分析器360所描述的。
数据收集器460能够协调在DUS102的测试的数据收集会话期间运行的用于一项或多项测试的测试活动,诸如上文在图3的背景下针对数据收集器450所描述的。
反馈收集器470被配置为请求、接收、存储和/或取回对报告和/或子策略的“反馈”或输入,诸如上文在图3的背景下针对反馈收集器330所描述的。
数据存储接口480被配置为存储和/或取回由服务器设备106所使用的数据和/或指令。数据存储接口460的示例为上文在图2的背景下描述的数据存储装置216。
图5示出了示例性数据收集显示500,包括DUS标识510、总体状况条520、详细诊断状况530和测试状况条540、542、544和546。
DUS标识510可以包括指定DUS的设备相关数据。总体状况条520能够以可视形式、数字形式和/或文本形式显示出数据收集会话的状况。如图5所示,总体状况条520以图形方式、文本方式和数字形式显示出数据收集会话的完成百分比;在该示例中,数据收集会话完成了63%。
详细诊断状况530能够提供关于数据收集会话的附加进展信息,诸如但不限于通信状况(例如,图5所示的“通信建立”和“通信中”指示符)、数据输入状况(例如,图5所示的“投诉捕获”指示符)、测试相关数据捕获状况(例如,图5中所示的“校验码”、“监控器”和“收集数据”指示符)、和分析状况(例如,图5中所示的“分析数据”指示符)。
测试状况条540、542、544和546能够提供在数据收集会话期间进行的一项或多项测试的状况。如图5所示,测试状况条540、542、544和546的每个以图形方式、以文本方式和以数字形式分别显示出测试的完成百分比;例如,图5的测试状况条540显示出“曲柄启动测试”完成了80%。
在一些实施例中,能够通过使用可听指令和/或音调来增强数据收集显示500。例如,音调和/或可听指令能够用于通知车辆技术人员改变操作状态和/或执行服务中设备的另一测试;例如,“现在请提高加速度以使车辆在2500RPM下运转”的音调或指示。作为另一示例,音调和/或可听指令能够用于通知该操作超出期望范围;例如,对于2500RPM测试,音调和/或可听指令能够指示技术人员在RPM率处于期望的2500RPM率之下时提高加速度。另外,对应于这种可听指令的文本能够显示在数据收集显示500上。III.示例性通信
可以经由网络110实施各种通信。在图6A、图6B、图6C、图6D、图7A、图7B和图7C中示出了那些通信的示例。图6A、图6B、图6C、图6D、图7A、图7B和图7C中所示的通信可以是消息、信号、分组、协议数据单元(PDU)、帧、片段和/或配置为在设备之间通信的任何其它适当类型的通信的形式。
图6A示出了用于处理诊断请求610、响应地生成DUS报告显示632、以及接收成功相关数据640的示例方案600。方案600开始于在客户端设备104处接收诊断请求610。客户端设备104检查诊断请求610以确定与DUS102有关的一项或多项测试,并且响应地生成用于执行一项或多项测试的DUS测试请求612,且将DUS测试请求612传送到DUS102。在一些实施例中,客户端设备104的数据收集器350生成DUS测试请求612。在一些实施例中,依照OBD-II协议将DUS测试请求612格式化。
客户端设备104还检查用于投诉的诊断请求610(图6A中显示为与诊断请求610一起的“C1”)。在一些实施例中,在客户端设备104处不进一步检查投诉C1;而在其它实施例中,文本分析器360能够执行投诉C1的文本分析。投诉C1能够由用户提供作为文本和/或作为投诉代码,如上文所提到的。
在DUS102处接收到DUS测试请求612时,执行一项或多项测试。由一项或多项测试得到的数据被采集并作为DUS相关数据614从DUS102传送到客户端设备104。然后,客户端设备104利用DUS相关数据616将DUS相关数据和投诉C1传送到服务器设备106。
图6A示出了,响应于DUS相关数据616,服务器设备生成具有用于一项或多项附加测试的请求(描绘为T1)的诊断请求620。下面参考图6B来描述诊断请求620的生成细节。
在接收到诊断请求620时,客户端设备104传送DUS测试请求622以实施附加测试T1。在DUS102处接收到DUS测试请求622时,执行一项或多项附加测试T1。来自一项或多项附加测试的数据被采集并且作为DUS相关数据624从DUS102传送到客户端设备104。然后,客户端设备104利用DUS相关数据626将DUS相关数据和投诉C1传送到服务器设备106。在图6A中未示出的一些方案中,DUS相关数据626不包含投诉C1,因为C1已经传送给服务器设备106(经由DUS相关数据616),并且因此C1可由服务器设备106存储。
图6A示出了,响应于DUS相关数据626,服务器设备106生成具有策略S1的DUS报告630并且将DUS报告630传送到客户端设备104。在一些实施例中,策略S1包括一个或多个子策略SS1、SS2等以解决投诉C1。上文参考图3更加详细地讨论了解决投诉的子策略。下文参考图6C对DUS报告630的生成的细节进行说明。
响应于接收DUS报告630,客户端设备104生成并传送DUS报告显示632。在上文的表1中示出了示例性DUS报告显示。在传送DUS报告显示632之后,方案600继续使客户端设备104接收成功相关数据640。图6A示出了带有作为策略S1的子策略SS1的反馈F的F(SS1)的成功相关数据640。上文参考图3对子策略的反馈进行了更加详细的讨论。响应于成功相关数据640,客户端设备104将带有F(SS1)的对应的成功相关数据642传送到服务器设备106。
在图6A中未显示的一些方案中,服务器设备106能够响应于DUS相关数据616而发送DUS报告(即,服务器设备106不请求附加的测试/数据)。在图6A中未示出的其它方案中,服务器设备106能够发送两个或更多诊断请求以请求更多的附加测试。在图6A中未示出的其它方案中,客户端设备104能够接收并分析DUS相关数据616和626以生成DUS报告630,诸如下文参考图7A、图7B和图7C更加详细描述的。也就是说,在方案600、650和/或680中,客户端设备104能够执行本文参考服务器设备106描述的功能中的一些或全部。在图6A中未示出的另外的方案中,响应于DUS报告显示632而不接收成功相关数据(即,没有策略S1的反馈提供给客户端设备104和/或服务器设备106)。
图6B示出了用于处理DUS相关数据616以及响应地生成诊断请求620的示例方案650。在服务器设备106的通信接口410处接收带有投诉C1的DUS相关数据616。图6B示出了文本分析器450响应于投诉C1660生成投诉查询662。投诉查询662可以包括基于投诉C1的文本分析确定的关键字/短语,诸如上文参考图3所描述的。
DUS相关数据670从通信接口410传送到数据聚合器420和数据分析器430两者。图6B示出了不包括有投诉C1的DUS相关数据670;但是在图6B中未示出的一些实施例中,DUS相关数据670包括C1(即,作为DUS相关数据616的副本)。
在接收DUS相关数据670时,数据聚合器420和/或规则引擎440能够利用上文在图4的背景下描述的技术对DUS相关数据进行分类。作为分类的一部分,数据聚合器420能够查询或以其它方式访问聚合数据672,以确定用于DUS相关数据670的基线数据674(图6B中显示为“基础数据674”)。在对DUS相关数据670进行分类时,分类676(图6B中显示为“类别676”)能够由数据聚合器420和/或规则引擎440来生成。一旦生成,分类676能够传送到规则引擎440。另外,DUS相关数据670能够通过数据聚合器420可能根据分类670和/或连同分类670一起存储在聚合数据672中。
在接收到DUS相关数据670时,数据分析器430能够利用上文在图3和图4的背景下描述的技术,可能基于基线数据674,来生成DUS相关数据670的统计分析(SA)678。数据分析器430能够将统计分析678传送到规则引擎440。
在接收到投诉查询662、分类676和统计分析672时,规则引擎440能够利用上文在图3和图4的背景下描述的技术将带有投诉数据(图6B中显示为“Comp”)和统计分析SA的查询666传送到诊断规则和策略数据库664(图6B中显示为“诊断规则/策略664”)。作为响应,诊断规则和策略数据库664能够将包含一个或多个规则和相关联的子策略的策略668(图6B中显示为“S0”)传送到规则引擎440。利用上文在图3和图4的背景下描述的技术,规则引擎440能够确定激发策略668的哪个(哪些)规则,并且因此确定激发的规则的相关联的一个子策略/多个子策略。在方案650中,规则引擎640基于激发的规则和相关联的一个子策略/多个子策略来确定需要附加数据。规则引擎640能够生成诊断请求620以执行测试T1,从而获得附加数据,并且将诊断请求620传送到通信接口410。通信接口410随后能够发送诊断请求620。
图6C示出了用于处理DUS相关数据626以及响应地生成DUS报告630的示例方案680。在服务器设备106的通信接口410处接收带有投诉C1626的DUS相关数据。在图6C中未示出的方案中,能够通过文本分析器来分析投诉C1以确定投诉查询。相反,方案680假设C1已经由文本分析器分析,诸如上文参考图3和图6B所描述的。
DUS相关数据682从通信接口410传送到数据分析器430。在图6C中未示出的方案中,DUS相关数据626被提供给数据聚合器,以可能地与聚合数据组合,例如上文在图4和图6B中所描述的。图6C示出了投诉C1未包含于DUS相关数据682;但是在图6C中未示出的一些实施例中,DUS相关数据682包含C1(即,是DUS相关数据626的副本)。
在接收到DUS相关数据682时,数据分析器430能够利用上文在图3、图4和图6B的背景下描述的技术来生成DUS相关数据682的统计分析686(图6C中显示为“SA2”)。数据分析器430能够将统计分析2686传送到规则引擎440。
在接收到统计分析686时,规则引擎440能够利用上文在图3和图4的背景下描述的技术,将带有之前确定的投诉数据(图6C中显示为“Comp”)和统计分析686的查询688传送到诊断规则和策略数据库664(图6C中显示为“诊断规则/策略664”)。作为响应,诊断规则和策略数据库664能够将包含一个或多个规则和相关联的一个子策略/多个子策略的策略690(图6B中显示为“S1+”)传送到规则引擎440。利用上文在图3和图4的背景下描述的技术,规则引擎440能够确定应当激发哪个(哪些)规则及其相关联的一个子策略/多个子策略。在方案680中,规则引擎640生成可以包括统计分析686中的一些或全部和/或策略690的子策略中的一些或全部(在图6C中统一显示为“S1”)的DUS报告630,并且将DUS报告630传送到通信接口410。通信接口410随后能够发送DUS报告630。
图6D示出了用于处理诊断请求610、响应地生成DUS报告显示632、以及接收成功相关数据640的另一示例方案600a。方案600a是方案600的替代方案,其中服务器设备106而不是客户端设备104引导DUS102的测试。
方案600a开始于在客户端设备104处接收诊断请求610。客户端设备104将诊断请求610作为诊断请求610a转发到服务器设备106。服务器设备106能够查验诊断请求610a以确定与DUS102有关的一项或多项测试,并且响应地生成用于执行一项或多项测试的DUS测试请求612,并且将DUS测试请求612传送到DUS102。
服务器设备106能够检查用于投诉(图6C中显示为伴随诊断请求610a的“C1”)的诊断请求610。在一些实施例中,在服务器设备106处不对投诉C1进行进一步检查;而在其它实施例中,文本分析器450能够执行投诉C1的文本分析。投诉C1能够由用户提供作为文本和/或投诉代码,如上文所提到的。
在DUS102处接收到DUS测试请求612a时,执行一项或多项测试。从一项或多项测试得到的数据被采集并且作为DUS相关数据614a从DUS102传送到服务器设备106。
图6D示出了,响应于DUS相关数据614a,服务器设备106生成DUS测试请求622a以实施一项或多项附加测试(描绘为T1)。服务器设备106利用与在图6B中描述的用于生成诊断请求620的技术相似的技术来生成DUS测试请求622a。
在DUS102处接收到DUS测试请求622a时,执行一项或多项附加测试T1。来自一项或多项附加测试的数据被采集并且作为DUS相关数据624a从DUS102传送到服务器设备106。
图6D示出了,响应于DUS相关数据624a,服务器设备106生成带有策略S1的DUS报告630,并且将DUS报告630传送到客户端设备630。生成DUS报告630的细节已在上文参考图6C进行了描述。
方案600a的关于DUS报告显示632、成功相关数据640和带有F(SS1)的成功相关数据642的其余部分与上文针对方案600在图6A的背景下讨论的相同。
在图6D中未示出的一些方案中,服务器设备106能够响应于DUS相关数据614a来发送DUS报告(即,服务器设备106不请求附加测试/数据)。在图6D中未示出的其它方案中,服务器设备106能够发送两个或更多的DUS测试请求以请求附加测试。在图6D中未示出的另外的方案中,响应于DUS报告显示632未接收到成功相关数据(即,没有关于策略S1的反馈被提供给各客户端设备104和/或服务器设备106)。
图7A示出了用于处理诊断请求710、响应地生成DUS报告显示730、以及在客户端设备104处接收用于DUS报告显示732的成功相关数据的示例方案700。在图7A中未示出的一些实施例中,能够通过服务器设备106来执行涉及客户端设备104的技术和通信的一些或全部。
客户端设备104能够基于接收到的诊断请求710来确定与DUS102有关的一项或多项测试,并且响应地生成用于执行一项或多项测试的对DUS102的DUS测试请求720。在一些实施例中,数据收集器350生成DUS测试请求720。在一些实施例中,依照OBD-II协议将DUS测试请求720格式化。
DUS测试请求720中的测试涉及DUS102的第一操作状态(在图7A中显示为“State1”)。DUS102的示例性操作状态包括无负载/轻负载操作状态(例如,“怠速”操作状态)、在正常负载下的各种操作状态(例如,“巡航”操作状态、“曲柄启动”操作状态)、以及在最大负载下或接近最大负载的操作状态(例如,“高速”操作状态)。同样,其它操作状态是可能的。
客户端设备104能够检查用于投诉(图7A中显示为伴随诊断请求710的“C2”)的诊断请求710。投诉C2能够由用户提供作为文本和/或投诉代码,如上文所提到的。在方案700中,客户端设备104(例如,文本分析器360)能够执行投诉C2的文本分析。
在DUS102处接收到DUS测试请求720时,执行与第一操作状态State1相关联的一项或多项测试。来自一项或多项测试的数据被采集并且作为DUS相关数据722传送到客户端设备104。
在图7A中未示出的方案中,DUS测试请求和DUS相关数据的一个或多个附加序列能够在客户端设备104和DUS102之间传送;例如,在DUS102在任一第一操作状态State1下操作的同时传送所需要的附加数据,或者在DUS102在除了第一操作状态State1之外的其它操作状态下操作的同时传送数据。
图7A示出了,响应于接收DUS相关数据722,客户端设备104生成并传送与策略S2有关的DUS报告显示730。在上面的表1中示出了示例的DUS报告显示。在传送DUS报告显示730之后,方案700继续使客户端设备104接收成功相关数据732。图6A示出了带有作为策略S2的子策略SS3和SS4的反馈F的F(SS3,SS4)的成功相关数据730。上文参考图3和图6A非常详细地讨论了对子策略的反馈。在图7A中未示出的其它方案中,响应于DUS报告显示730未接收到成功相关数据(即,没有关于策略S2的反馈被提供给客户端设备104)。
图7B示出了用于处理诊断请求710以及响应地生成DUS测试请求720的示例方案750。在客户端设备104的通信接口310处接收到带有投诉C2710的诊断请求。图7B显示出,文本分析器360响应于投诉C2760生成投诉查询762。投诉查询762可以包括基于投诉C2的文本分析确定的关键字/短语,如上文参考图3和图6B所描述的。
诊断请求710从通信接口310传送到规则引擎340和数据收集器350两者。图6B示出了投诉C2包含于诊断请求710;但是在图7B中未示出的一些实施例中,能够将不带有投诉C2的诊断请求提供给规则引擎340和/或数据收集器350。
在接收到投诉查询762和诊断请求710时,规则引擎340能够利用上文在图3、图4和图6B的背景下描述的技术将带有投诉数据(图7B中显示为“Comp2”)的查询764传送到诊断规则和策略数据库770(图7B中显示为“诊断规则/策略770”)。作为响应,诊断规则和策略数据库770能够传送与DUS102的操作状态(在图7B中显示为“State1”)有关的差别测试请求766。规则引擎640能够生成DUS测试请求720以执行测试,从而获得与第一操作状态State1有关的数据,并且将DUS测试请求720传送到通信接口310。通信接口310随后能够发送DUS测试请求720。
在接收到诊断请求710时,数据收集器350能够利用上文在图3的背景下描述的技术来创建或更新DUS简档776。DUS简档776能够存储在DUS简档的数据库中,如图7B中所示的简档数据772。能够基于诸如上文在图3的背景下描述的简档相关标准来查询简档数据772以创建、更新和取回DUS简档。
图7C示出了用于处理DUS相关数据722以及响应地生成DUS报告显示730的示例方案780。在通信接口310处接收与DUS102的第一操作状态State1有关的DUS相关数据722。在图7C中未示出的方案中,DUS相关数据732能够包括投诉C2,反过来投诉C2可由文本分析器(例如,文本分析器360)进行分析以确定投诉查询。相反,方案780假设C2已经由文本分析器进行分析,如上文参考图3和图7B中所描述的。
在接收到DUS相关数据722时,数据收集器350能够根据需要利用上文在图3的背景下描述的技术来更新DUS简档776以包括与第一操作状态State1有关的数据。图7C描绘了被更新以存储用于第一操作状态State1的数据的DUS简档776(图7C中显示为“State1数据”)。
数据分析器370能够通过使DUS102在一种或多种“操作状态”下操作的同时比较DUS102的数据来生成差别分析。图7C示出了数据分析器370将State1数据请求786传送到简档数据772以请求与第一操作状态State1DUS102有关的数据。作为响应,简档数据772从DUS简档776取回与第一操作状态State1有关的数据,并且经由State1数据响应788将取回的数据传送到数据分析器370。
数据分析器370能够将与第一操作状态State1有关的数据与聚合数据796进行比较。在一些实施例中,聚合数据796能够等同于上文在图6B和图6C的背景下讨论的聚合数据672。尤其在图7C中未示出的那些实施例中,聚合数据796中的一些或全部不存储在客户端设备104中;相反,经由通信接口310来发送用于聚合数据的查询以用于远程处理。
数据分析器370能够查询聚合数据796以确定用于操作状态State1798的聚合数据(图7C中显示为“State1聚合数据”)。在接收到与第一操作状态State1有关的数据和聚合数据798时,数据分析器370能够生成差别分析(DA)790。
图8A描绘了图示用于生成差别分析790的功能800的示例性流程图。在块810处,操作状态值n被设定为1。在块820处,对于与操作状态n有关的数据确定网格单元n。
图8B示出了具有与第一操作状态State1对应的网格单元872以及与第二操作状态State2对应的网格单元874的示例性网格870。网格870是两维网格,网格870的水平轴上为每分钟转数(RPM),网格870的垂直轴上为负载。
在一些实施例中,能够基于真空读数(例如,用作DUS102的车辆的歧管真空)来确定负载。同样,用于水平轴和/或垂直轴的其它值是可能的。因此,每个网格单元均包括每分钟转数范围和负载范围。能够查验与操作状态有关的数据以确定每分钟转数数据和负载数据。对于既定的操作状态,每分钟转数数据能够与网格的每分钟转数数据的范围进行比较以确定用于既定操作状态的网格行,并且负载数据能够与网格的负载数据范围进行比较以确定用于既定操作状态的网格列。用于既定操作状态的网格单元由所确定出的网格行/网格列对来指定。用于确定用于与操作状态有关的数据的网格单元的其它技术也是可能的。
如图8B所示,网格单元872和874能够指示操作状态State1为“怠速”或类似的无负载/低负载状态,并且操作状态State2为“巡航”或类似的正常负载下操作状态。许多其它示例也是可能的,其包括但不限于具有更少或更多的网格单元的网格和/或非方形网格。
通过确定网格单元n与操作状态n有关,数据能够被验证为与具体操作状态有关(或无关)。例如,假设数据D1被接收为与“怠速”操作状态有关并且G1是对于D1所确定的网格单元。通过确定G1是与“怠速”操作状态有关的网格单元,能够验证D1是取自具体的“怠速”操作状态。
作为另一示例,利用上述技术,使D2是来自从“巡航”操作状态请求的测试的数据,使G2是对于D2确定的网格单元,并且假设G2与“巡航”操作状态无关(例如,G2反而与怠速操作状态有关)。由于D2与对于具体的“巡航”操作状态的网格单元无关,所以D1未被验证为处于具体的“巡航”操作状态。
如果数据未被验证是既定操作状态,则能够生成请求以便在适当的操作状态下重新执行测试。继续上述示例,由于D2未被验证为来自“巡航”操作状态,所以能够请求另一项测试以从“巡航”操作状态生成数据。
在一些情况下,能够通过除了使用网格单元之外的其它技术来验证数据。例如,可能通过直接观察和/或通过未用于分配网格单元的数据,能够得知车辆在既定操作状态下操作。例如,在“巡航”操作状态下操作的车辆的驾驶员可以陈述“我知道在整个测试中我持续在30和35MPH之间驾驶”。在那时,数据能够被验证为来自既定的“巡航”操作状态。因此,用于将数据分配到网格单元以及未能指示车辆处于“巡航”操作状态的随后的操作状态的错误数据表明存在问题。校正错误数据的原因的继起维修策略能够用于解决该问题。
返回图8A,在块830处,基于网格单元n来确定聚合数据n。例如,数据分析器370能够查询聚合数据796以取回与DUS有关且用于网格单元内的数据(即,用于网格单元n的每分钟转数和负载数据范围内所取的数据)的数据。可选地,数据分析器370能够查询聚合数据796以取回与DUS有关的数据,并且将取回的数据过滤以用于网格单元n内的数据,从而确定聚合数据n。用于确定聚合数据n的其它技术也是可能的。
在块840处,基于与操作状态n和聚合数据n有关的数据的比较来生成差别分析列表(DA列表)n。能够基于不同的与操作状态n和聚合数据n有关的数据来生成差别分析列表。用于确定与操作状态n有关的数据值和聚合数据n的值之间的差别的示例技术包括确定:数据值与聚合数据的值不相同,数据值不在聚合数据的数据值的范围内,数据值在聚合数据的值的阈值之上或之下,数据值与聚合数据的一个或多个值不匹配,多个数据值中的每一个均与聚合数据值不相同,均在聚合数据值的范围内,和/或均在聚合数据值的阈值之内,关于可能包括参考值的数据值与参考值进行比较的运算,和/或这些条件的否定。
与操作状态n和/或聚合数据n有关的数据的统计分析能够用于生成差别分析列表n。例如,上文在图3的背景下讨论的统计筛选技术能够应用于与操作状态n和/或聚合数据n有关的数据。统计筛选会涉及生成聚合数据n的一种或多种统计,以及随后基于所生成的统计对与操作状态n有关的数据进行比较。
例如,假设与操作状态n有关的数据包括利用传感器Sens1取得的测量值Mn。进一步假设来自传感器Sens1的聚合数据n指示具有标准偏差AggSDMn的平均测量值AggMeanMn。然后,可利用公式来确定Meas1的与均值AggMeanMn的多个标准偏差NSDMn。
然后,可以基于多个标准偏差NSDMn和一个或多个阈值来评估测量值Meas1。例如,假设下文表3中的评估用于评价多个标准偏差NSDMn:
NSDMn的下限阈值 | NSDMn的上限阈值 | 评估 |
0 | 1.999… | 可接受 |
2 | 3.999… | 临界 |
4 | 最大值 | 失败 |
表3
如果NSDMn在下限阈值0和上限阈值1.999之间,则测量Mn能够被评估为可接受的。类似地,如果NSDMn在下限阈值2和上限阈值3.999之间,则测量Mn能够被评估为临界。如果NSDMn大于4,则测量Mn能够被评估为失败。
上文对于示例的测量Mn所描述的技术以及包括方差、相关性和/或主成分分析的更加先进的统计分析技术能够应用于多个变量(例如,测量Mn和其它测量Mn1,Mn2…)以执行与操作状态n和聚合数据有关的数据的“多变量分析”。此外,能够在多变量分析期间查验与操作状态n和聚合数据有关的数据的两个或更多变量之间的关系。
能够选择(a)与操作状态n和/或聚合数据有关的以及(b)将与操作状态n和/或聚合数据有关的分成不同类别的数据的一个或多个变量或者主要贡献量。能够通过利用识别主基向量以及最有可能失败的向量的精简集的技术对聚合数据库的操作来确定主要贡献量。所述技术包括但不限于:奇异值分解(SVD)、相关性和/或方差。将这些向量投影到实际车辆参数和变量的空间上将生成用于车辆的诊断策略和预兆。
作为简化的示例,假设如果两个测量Mn和Mn1失败,则暗示传感器Sens1的失败,但是当Mn失败而Mn1不失败时不暗示Sens1失败。将该示例调整到更高的维度,考虑存在大数量LN(例如,LN≥30)的车辆监控参数的情形。在精简数据集内可能存在暗示故障的模式,并且在这些LN个参数内展现的不同模式将指示不同的车辆故障。通过奇异值分解分析以及投影到实向量空间上,能够识别参数的子集以考虑作为主基向量。对于不同的故障,能够对参数的子集进行分组和监控。当参数的子集展现出能够利用规则引擎中的规则来监控的一些条件时,能够确定恰当的维修策略。
多变量相关性分析能够用于对与操作状态n和聚合数据n有关的数据进行比较。例如,假设向量VAD包含数量为SN个的与特定投诉有关的聚合数据的传感器值,包括用于一个或多个主成分的值,并且还假设与操作状态n有关的数据包括来自带有特定投诉的服务中设备的非聚合数据的SN个传感器值的向量VNAD,也包括用于一个或多个主成分的值。
然后,能够在向量VAD和VNAD中的数据之间运行相关性分析。例如,能够在VAD和VNAD之间计算“模式相关性”或皮尔逊积矩相关系数。用于向量VAD和VNAD的皮尔逊积矩相关系数ρ能够被确定为其中-1≤ρ≤+1,cov(X,Y)为X和Y的协方差,并且σ(X)为X的标准偏差。ρ表示两个向量之间的相关性,即线性相依性,当向量之间的线性关系存在时,ρ=+1,当值VAD和VNAD位于一条线上使得当VNAD减小时VAD增大时,ρ=-1,并且当VAD和VNAD之间不存在线性相关时,ρ=0。
因此,当ρ接近或等于1时,在聚合数据VAD和来自测试中车辆的对应输入数据VNAD之间可能存在近似或实际的线性关系。然而,如果ρ比小于1的预定阈值量大(例如,对于0.15的预定阈值量,则ρ<=0.85),则能够做出在VAD和VNAD之间可能不存在线性相关性的推导。基于该推导,VAD和VNAD中的数据能够被视为不相关的。当VAD和VNAD被确定为不相关的时,因为VAD中的数据是聚合的或有效/基线数据,所以能够得出VNAD具有无效数据的另一推导。因此,当ρ比小于1的预定阈值量大时,能够建议一种或多种维修策略以得到较接近于VAD中的数据的VNAD的数据,包括主成分的值。
多变量分析的另一简化示例能够涉及:对于一个或多个测试中设备,根据诸如聚合数据、基线数据和/或参考数据的数据集来生成n维空间。n维空间中的每一维能够表示测试中设备的兴趣值,例如但不限于设备相关数据的值、来自测试中设备的传感器数据的值、参考和/或基线数据值,以及基于这些值的统计。
能够确定用于n维空间的n个向量的基底;也就是,基底的每个向量Vbasis(i)(n≥i≥1)线性独立于基底中的其它n-1个Vbasis向量。在一些实施例中,规则引擎340和/或规则引擎440能够使用n维空间。例如,规则引擎340和/或规则引擎440能够接收与从一项或多项测试取得的一个或多个测量值对应的n维输入向量,并且执行向量和/或其它操作以将输入的n维向量与和输入的n维向量共享基底的基线数据的一个或多个n维向量进行比较。特别地,测试数据能够作为n维向量被映射到n维向量空间中,并且规则引擎340和/或规则引擎440能够处理基线数据的n维向量和/或输入的n维向量。
例如,在诊断轮胎时,用于既定制造商/型号对的轮胎的示例性n=4维空间可以包括:轮胎压力tp(以PSI为单位)、轮胎里程tm(以英里为单位)、轮胎温度tt(以华氏度为单位)、以及轮胎年限ta(以年为单位)。然后对于该示例,用于该空间的Vbasis向量的基底集可以为 继续该示例,使用指示3年用龄的轮胎具有针对3年用龄轮胎的每平方英寸30磅的压力的测试结果的向量的示例基底集的4维向量为:[30 0 0 3]T。
能够对n向量空间中的维度进行分类。例如,一些维度能够分类为“静态”维度,而其它维度能够被分类为“动态”维度。如果有的话,静态维度是指在DUS的维修会话期间不易于改变的维度。例如,轮胎年限ta维度,当以年表达时,该维度在一天维修会话期间不易于改变。相反,动态维度在维修会话期间能够容易地改变。例如,轮胎压力tp维度能够通过技术人员接近空气软管而改变,增加空气且因此增加tp,通过螺丝刀释放空气且因此减小tp。这样,与静态维度有关的测量能够用于对DUS的一个或多个部件进行分类,并且在维护和/或维修过程期间能够调节与动态维度有关的测量。
一旦对于n维向量空间已确定一组兴趣值和对应的基向量,则在n维空间中能够确定基线值,并且能够对与兴趣值对应的测试中设备进行调节以将测试相关数据与基线值对准。继续4维轮胎值,假设在70华氏度下3年用龄轮胎的基线数据为:[28 tm 70 3]T,其中tm在10000*ta和20000*ta的范围内;也就是,在40,000和80,000英里之间,并且测试相关数据的示例性输入向量为:[37 50000 70 3]T。取基线数据向量和输入向量之间的差将得到示例性差向量[-9 tm 0 0]T;因此,为得到具有基线数据的轮胎,轮胎压力必须减小9个PSI,如在示例性差向量中的tp条目的-9值所示。规则引擎340和/或规则引擎440随后能够激发规则以提供降低轮胎压力的策略或子策略。例如,一种策略或子策略可以是:通过将螺丝刀按压到阀杆的销上、允许空气逸出并且因此降低空气压力,能够降低轮胎压力。
在一些实施例中,规则引擎340和/或规则引擎440能够确定tp维度为动态维度,并且因此,子策略能够用于调整用于DUT的tp值的值。基于该确定,规则引擎340和/或规则引擎440能够识别上述子策略以降低轮胎压力。
其它阈值、评估、评估方案、单变量分析和多变量分析、向量、基底、数据差、和/或其技术也是可能的。
在块850处,在操作状态值n和操作状态的最大数量(在图8B中为“MaxOS”)之间进行比较。对于图7A-7C所示的示例,操作状态的最大数量为两个。如果操作状态值n大于或等于操作状态的最大数量,则功能800在块860处继续;否则,功能800在块852处继续。
在块852处,操作状态值n增加1,并且功能800在块820处继续。
在块860处,通过组合差别分析列表n来确定差别分析790,其中n的范围从1到操作状态的最大数量。通过联结所有列表,取差别分析列表的并集,从每个差别分析列表中选择一些而不是全部数据,或者选择一些而不是全部的差别分析列表,和/或对于共同差别过滤每个列表,能够组合差别分析列表。作为对于共同差别进行过滤的示例,假设n=2,差别分析列表1包括来自三个传感器S1、S3和S6的数据差别,并且差别分析列表2包括来自四个传感器S2、S3、S6和S8的数据差别。然后,两个示例列表的共同差别将是来自传感器S3和S6的数据。用于组合差别分析列表的其它技术也是可能的。
在一些方案中,操作状态的最大数量可以等于一。在这些方案中,差别分析将涉及:在与操作状态1有关的数据和用于操作状态1的聚合数据之间的块840的比较,以及块860的组合操作将返回用于操作状态1的差别分析列表。因此,仅用于一种操作状态的差别分析涉及对与操作状态有关的数据和用于操作状态的聚合数据进行比较。
这样,通过利用操作状态的网格将与一种或多种操作状态有关的数据和用于那些一种或多种操作状态的聚合数据进行比较,功能800能够用于生成差别分析。
返回图7C,数据分析器370能够将差别分析790传送到规则引擎340。在接收到差别分析790时,规则引擎340能够利用上文在图3和图4的背景下描述的技术将带有先前确定的投诉数据(图7C中显示为“Comp2”)的查询792和差别分析790传送到诊断规则和策略数据库770(图7C中显示为“诊断规则/策略770”)。
作为响应,诊断规则和策略数据库770能够将包括一个或多个规则以及相关联的子策略的策略794(在图6B中显示为“S2+”)传送到规则引擎340。利用上文在图3、图4和图6C的背景下描述的技术,规则引擎340能够确定激发哪个(哪些)规则及其相关联的一个子策略/多个子策略。在方案780中,规则引擎740生成可包括一些或全部差别分析790和/或策略794的一些或全部子策略(在图7C中统一显示为“S2”)的DUS报告显示740,并且将DUS报告显示740传送到通信接口310。通信接口310随后能够发送DUS报告显示740。
IV.示例的操作
图9描绘了图示出能够依照示例的实施例实施的功能900的示例流程图。例如,功能900能够通过一个或多个设备来实施,例如上文在图1-7C的背景下详细描述的服务器设备106和/或客户端设备104。
块910包括接收用于服务中设备的DUS相关数据。例如,可以在DUS相关数据通信中接收DUS相关数据,例如上文至少参考图6A-7C所详细描述的。在一些实施例中,DUS相关数据包括从在DUS上执行的DUS测试获得的DUS测试数据。
块920包括确定DUS相关数据要聚合到聚合数据中。在一些实施例中,聚合DUS相关数据的确定可以基于DUS相关数据的分类。上文至少参照图4、图6A、图6B和图6C详细描述了聚合DUS相关数据的确定。
在一些实施例中,确定DUS相关数据包括:确定来自DUS相关数据的一个或多个DUS属性,基于一个或多个DUS属性来从聚合数据中选择基线数据,生成DUS测试数据和基线数据之间的基线比较,基于基线比较来确定用于DUS相关数据的分类,以及基于该分类将DUS相关数据聚合到聚合数据中。
块930包括:生成DUS相关数据和聚合数据的聚合数据比较。上文至少参考图3、图4和图6A-8B详细描述了DUS相关数据和聚合数据的比较。
在一些实施例中,生成DUS相关数据和聚合数据的聚合数据比较包括:(i)确定表示聚合数据的至少一部分的一个或多个向量的基底,(ii)确定基线数据的基线数据向量,基线数据向量使用所述基底,(iii)确定DUS相关数据的DUS数据向量,所述DUS数据向量使用所述基底,以及(iv)确定基线数据向量和DUS数据向量之间的向量差。上文至少在图8A的背景下更加详细地讨论了使用向量基底、库的使用以及向量差的使用来生成聚合数据比较。
在一些实施例中,生成DUS相关数据和聚合数据的聚合数据比较包括:生成在至少一些DUS相关数据和至少一些聚合数据之间的模式相关性。上文至少在图8A的背景下更加详细地讨论了模式相关性。
块940包括基于聚合数据比较来生成DUS报告。在一些实施例中,DUS报告可以包括一个或多个子策略;以及尤其在这些实施例中,一个或多个子策略中的至少一个可以包括子策略成功估计。上文至少参考图3、图4和图6A-8B详细地描述了DUS报告、子策略和子策略成功估计。
在其它实施例中,DUS相关数据包括投诉数据;在这些实施例中,生成DUS报告包括基于投诉数据来生成DUS报告。尤其在这些实施例中,生成DUS报告包括:基于所述投诉数据来确定至少一个投诉,基于至少一个投诉来生成查询,利用所述查询来查询设备的规则引擎;以及响应于所述查询,接收一个或多个子策略。在特定实施例的一些实施例中,投诉数据包括投诉文本;在这些实施例中,确定至少一个投诉包括:生成投诉文本的文本分析,以及基于文本分析来确定至少一个投诉。在特定实施例中的其它实施例中,DUS相关数据包括从在DUS上执行的第一项测试获得的DUS测试数据;在这些实施例中,生成聚合数据比较包括执行DUS测试数据和聚合数据的统计分析,并且生成DUS报告包括基于统计分析和至少一个投诉来生成查询。在其它特定实施例中的一些实施例中,DUS相关数据和聚合数据各自包括用于多个变量的数据,并且其中执行统计分析包括对于多个变量中的至少两个变量,执行数据的多变量分析。
在另外其它的实施例中,基于聚合数据比较来生成DUS报告可以包括:基于向量差来确定一个或多个子策略中的至少一个。上文至少在图8A的背景下更加详细地讨论了使用向量差来确定子策略。
在其它实施例中,DUS相关数据包括投诉数据,并且生成DUS相关数据和聚合数据的聚合数据比较包括:(i)基于投诉数据来确定聚合数据的精简数据集,(ii)基于精简数据集来确定一组基向量,以及(iii)基于基向量到DUS相关数据上的投影,来识别用于投诉数据中的投诉的一个或多个主参数成分。在这些实施例中,基于聚合数据比较生成DUS报告包括:(iv)应用关于主参数成分的一个或多个规则,以及(v)基于所应用的一个或多个规则来确定子策略。上文至少在图8A的背景下更加详细地讨论了主参数成分的使用。
块950包括发送DUS报告。至少参考图3、图4、图6A、图6C、图7A和图7C更加详细地描述了发送DUS报告。
在一些实施例中,功能900能够进一步包括:基于在设备处的聚合数据比较来生成诊断请求,其中诊断请求用于请求与在DUS上执行的第二DUS测试有关的数据。尤其在这些实施例中,诊断请求包括用于执行第二DUS测试的指令。
在另外其它的实施例中,功能900能够进一步包括:在设备处接收关于一个或多个子策略中的第一子策略的成功相关数据,以及在设备处基于成功相关数据来调整至少第一子策略的子策略成功估计。
图10描绘了图示出够依照示例实施例实施的功能1000的示例流程图。例如,功能1000能够由一个或多个设备来实施,如上文在图1-7C的背景下详细描述的服务器设备106和/或客户端设备104。
块1010包括接收用于DUS的诊断请求。上文至少参考图3-7C详细地说明了用于服务中设备的诊断请求。
块1020包括:发送DUS测试请求以执行与诊断请求有关的测试。上文至少参考图3、图4和图6A-7C详细地描述了DUS测试请求和DUS的测试。
块1030包括接收基于测试的DUS相关数据。上文至少参考图3、图4和图6A-7C详细地说明了接收DUS相关数据。
块1040包括发送DUS相关数据。上文至少参考图3、图4和图6A-7C详细地说明了发送DUS相关数据。在一些实施例中,经由网络通信接口来发送DUS相关数据。
块1050包括接收基于DUS相关数据的DUS报告。上文至少参考图3、图4和图6A-7C详细地说明了DUS报告。在一些实施例中,经由网络通信接口来接收DUS报告。
块1060包括:生成DUS报告的DUS报告显示。至少参考图3、图6A、图7A和图7C更加详细地说明了生成DUS报告显示。在一些实施例中,经由用户接口来显示DUS报告显示。
图11描绘了图示出能够依照示例实施例实施的功能1100的示例流程图。例如,功能1100能够通过一个或多个设备来实施,如上文在图1-7C的背景下详细说明的服务器设备106和/或客户端设备104。
块1110包括:接收诊断DUS的诊断请求。上文至少参考图3-7C详细地说明了服务中设备的诊断请求。
块1120包括:基于诊断请求来确定测试。测试能够与DUS的第一操作状态有关。上文至少参考图3、图4和图7A-7C详细地讨论了服务中设备的操作状态和与那些操作状态有关的测试。在一些实施例中,测试包括用于DUS的多项测试。
块1130包括:在DUS的第一操作状态下请求执行测试。上文至少参考图3、图4和图7A-7C详细地讨论了服务中设备的操作状态以及在那些操作状态下的测试。
块1140包括:基于测试来接收用于DUS的第一操作状态数据。上文至少参考图3、图4和图7A-7C详细地讨论了服务中设备的操作状态以及来自在那些操作状态下的测试的数据。在一些实施例中,第一操作状态数据包括来自与DUS相关联的至少两个传感器的数据。
块1150包括:验证第一操作状态数据与第一操作状态有关还是无关。在一些实施例中,验证第一操作状态与第一操作状态有关包括:确定用于第一操作状态数据的第一网格单元,确定与第一网格单元有关的操作状态,以及确定与第一网格单元有关的操作状态是第一操作状态。在这些实施例中的一些实施例中,验证第一操作状态与第一操作状态无关包括:确定用于第一操作状态数据的第一网格单元,确定与第一网格单元有关的操作状态,以及确定与第一网格单元有关的操作状态不是第一操作状态。上文至少参考图8更加详细地讨论了验证数据与操作状态有关或无关。
在块1160中,对第一操作状态数据是否与第一操作状态有关做出决策。如果第一操作状态数据与第一操作状态有关,则控制进行到块1170。然而,如果第一操作状态数据与第一操作状态无关,则控制进行到块1130。
块1170包括:生成第一操作状态数据的差别分析。上文至少参考图3、图4和图7A-8B详细地讨论了来自服务中设备的数据的差别分析。在一些实施例中,生成差别分析包括:确定用于第一网格单元的第一聚合数据,以及基于第一操作状态数据和第一聚合数据的比较来生成用于第一操作状态的第一差别分析列表。
块1180包括生成DUS报告显示。DUS报告显示能够基于差别分析。上文至少参考图3、图4和图6A-7C详细地讨论了生成DUS报告显示。
块1190包括发送DUS报告显示。上文至少参考图3、图4和图6A-7C详细地讨论了发送DUS报告显示。
V.结论
上文已经描述了本发明的示例实施例。本领域技术人员将理解,可以对所描述的实施例进行改变和改进,而不偏离由权利要求书限定的本发明的真正的范围和精神。
Claims (24)
1.一种方法,包括:
在设备处接收用于服务中设备(DUS)的DUS相关数据;
在所述设备处,基于所述DUS相关数据的分类来确定所述DUS相关数据要被聚合到聚合数据中;
在所述设备处,生成所述DUS相关数据和所述聚合数据的聚合数据比较;
在所述设备处,基于所述聚合数据比较来生成DUS报告,所述DUS报告包括一个或多个子策略,其中所述一个或多个子策略中的至少一个包括子策略成功估计;以
从所述设备发送所述DUS报告。
2.如权利要求1所述的方法,其中,所述DUS相关数据包括从在所述DUS上执行的第一DUS测试获得的DUS测试数据。
3.如权利要求2所述的方法,其中,确定所述DUS相关数据要被聚合包括:
根据所述DUS相关数据来确定一个或多个DUS属性;
基于所述一个或多个DUS属性来从所述聚合数据中选择基线数据;
生成所述DUS测试数据和基线数据之间的基线比较;
基于所述基线比较来确定用于所述DUS相关数据的所述分类;以及
基于所述分类将所述DUS相关数据聚合到所述聚合数据中。
4.如权利要求2所述的方法,还包括:
在所述设备处,基于所述聚合数据比较来生成诊断请求,所述诊断请求用于请求与在所述DUS处执行的第二DUS测试有关的数据。
5.如权利要求4所述的方法,其中,所述诊断请求包括用于执行所述第二DUS测试的指令。
6.如权利要求1所述的方法,其中,所述DUS相关数据包括投诉数据,并且其中生成所述DUS报告包括基于所述投诉数据来生成所述DUS报告。
7.如权利要求6所述的方法,其中,生成所述DUS报告包括:
基于所述投诉数据来确定至少一个投诉;
基于所述至少一个投诉来生成查询;
利用所述查询来查询所述设备的规则引擎;以及
响应于所述查询,接收所述一个或多个子策略。
8.如权利要求7所述的方法,其中,所述投诉数据包括投诉文本,并且其中确定所述至少一个投诉包括:
生成所述投诉文本的文本分析;以及
基于所述文本分析来确定所述至少一个投诉。
9.如权利要求7所述的方法,其中,所述DUS相关数据包括从在所述DUS上执行的第一测试获得的DUS测试数据,
其中生成所述聚合数据比较包括执行所述DUS测试数据和所述聚合数据的统计分析,并且
其中生成所述DUS报告包括基于所述统计分析和所述至少一个投诉来生成所述查询。
10.如权利要求9所述的方法,其中,所述DUS相关数据和所述聚合数据各自包括用于多个变量的数据,并且其中执行所述统计分析包括对于所述多个变量中的至少两个变量来执行所述数据的多变量分析。
11.如权利要求1所述的方法,还包括:
在所述设备处,接收关于所述一个或多个子策略中的第一子策略的成功相关数据;以及
在所述设备处,基于所述成功相关数据来调整至少所述第一子策略的子策略成功估计。
12.如权利要求1所述的方法,其中,生成所述DUS相关数据和所述聚合数据的所述聚合数据比较包括:
确定表示所述聚合数据的至少一部分的一个或多个向量的基底;
确定所述基线数据的基线数据向量,所述基线数据向量使用所述基底;
确定所述DUS相关数据的DUS数据向量,所述DUS数据向量使用所述基底;以及
确定所述基线数据向量和所述DUS数据向量之间的向量差。
13.如权利要求12所述的方法,其中,基于所述聚合数据比较生成所述DUS报告包括:基于所述向量差来确定所述一个或多个子策略中的至少一个。
14.如权利要求1所述的方法,其中,所述DUS相关数据包括投诉数据,并且其中生成所述DUS相关数据和所述聚合数据的所述聚合数据比较包括:
基于所述投诉数据来确定所述聚合数据的精简数据集;
基于所述精简数据集来确定一组基向量;以及
基于所述基向量到所述DUS相关数据的投影来识别用于所述投诉数据中的投诉的一个或多个主要参数部分;并且其中基于所述聚合数据比较生成所述DUS报告包括:
应用关于所述主要参数部分的一个或多个规则;以及
基于所应用的一个或多个规则来确定子策略。
15.如权利要求1所述的方法,其中,生成所述DUS相关数据和所述聚合数据的所述聚合数据比较包括生成在至少一些所述DUS相关数据和至少一些所述聚合数据之间的模式相关性。
16.一种客户端设备,包括:
存储器;
处理器;以及
存在所述存储器中的指令,响应于所述处理器的执行,所述指令使所述客户端设备执行包括以下的功能:
接收用于服务中设备(DUS)的诊断请求,
将执行与所述诊断请求有关的测试的DUS测试请求发送到所述DUS,
从所述DUS接收基于所述测试的DUS相关数据,
发送所述DUS相关数据,
接收基于所述DUS相关数据的DUS报告,以及
生成所述DUS报告的DUS报告显示。
17.如权利要求16所述的客户端设备,其中,所述客户端设备还包括网络通信接口,其中发送所述DUS相关数据包括经由所述网络通信接口来发送所述DUS相关数据,并且其中接收所述DUS报告包括经由所述网络通信接口来接收所述DUS报告。
18.如权利要求16所述的客户端设备,其中,所述客户端设备还包括用户接口,并且其中所述功能还包括:
经由所述用户接口来显示所述DUS报告显示。
19.一种方法,包括:
在设备处接收诊断服务中设备(DUS)的诊断请求;
在所述设备处,确定基于所述诊断请求的测试,所述测试至少与所述DUS的第一操作状态有关;
通过所述设备来请求在所述DUS的所述第一操作状态下的所述测试的执行;
在所述设备处,接收基于所述测试的用于所述DUS的第一操作状态数据;
在所述设备处,验证所述第一操作状态数据与所述第一操作状态有关或无关;以及
响应于验证所述第一操作状态数据与所述第一操作状态有关:
通过所述设备基于所述第一操作状态数据来生成差别分析,
通过所述设备基于所述差别分析来生成DUS报告显示,以及
从所述设备发送所述DUS报告显示。
20.如权利要求19所述的方法,其中,所述第一操作状态数据包括来自与所述DUS相关联的至少两个传感器的数据。
21.如权利要求19所述的方法,其中,所述测试包括用于所述DUS的多项测试。
22.如权利要求19所述的方法,其中,验证所述第一操作状态数据与所述第一操作状态有关包括:
确定用于所述第一操作状态数据的第一网格单元;
确定与所述第一网格单元有关的操作状态;以及
确定与所述第一网格单元有关的操作状态是所述第一操作状态。
23.如权利要求22所述的方法,其中,通过所述设备基于所述第一操作状态数据来生成所述差别分析包括:
确定用于所述第一网格单元的第一聚合数据;以及
基于所述第一操作状态数据和所述第一聚合数据的比较来生成用于所述第一操作状态的第一差别分析列表。
24.如权利要求19所述的方法,还包括:
响应于验证所述第一操作状态数据与所述第一操作状态无关:
通过所述设备请求在所述DUS的所述第一操作状态下的所述测试的另一执行;
在所述设备处接收基于所述测试的用于所述DUS的第二操作状态数据。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US13/031,565 US20120215491A1 (en) | 2011-02-21 | 2011-02-21 | Diagnostic Baselining |
US13/031,565 | 2011-02-21 | ||
PCT/US2012/025802 WO2012115899A2 (en) | 2011-02-21 | 2012-02-20 | Diagnostic baselining |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103477366A true CN103477366A (zh) | 2013-12-25 |
CN103477366B CN103477366B (zh) | 2017-03-08 |
Family
ID=46001707
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201280019046.7A Active CN103477366B (zh) | 2011-02-21 | 2012-02-20 | 用于诊断服务中设备的方法和设备 |
Country Status (6)
Country | Link |
---|---|
US (3) | US20120215491A1 (zh) |
EP (1) | EP2678832B1 (zh) |
CN (1) | CN103477366B (zh) |
BR (1) | BR112013020413B1 (zh) |
CA (2) | CA3171201A1 (zh) |
WO (1) | WO2012115899A2 (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105740086A (zh) * | 2016-01-20 | 2016-07-06 | 北京京东尚科信息技术有限公司 | 一种故障智能诊断维修的方法及装置 |
CN107450507A (zh) * | 2016-05-31 | 2017-12-08 | 优信拍(北京)信息科技有限公司 | 一种信息处理中间系统及方法 |
CN107526350A (zh) * | 2016-06-20 | 2017-12-29 | 福特环球技术公司 | 用于车载诊断投影的车辆地面照明灯 |
CN108351988A (zh) * | 2015-11-05 | 2018-07-31 | 实耐宝公司 | 维修后数据比较 |
CN114465719A (zh) * | 2017-01-05 | 2022-05-10 | 伽德诺克斯信息技术有限公司 | 被配置成基于面向服务的体系结构实施集中式服务ecu的专门编程的计算系统及其方法 |
Families Citing this family (40)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20120215491A1 (en) | 2011-02-21 | 2012-08-23 | Snap-On Incorporated | Diagnostic Baselining |
US9299201B2 (en) * | 2011-10-06 | 2016-03-29 | GM Global Technology Operations LLC | Acquisition of in-vehicle sensor data and rendering of aggregate average performance indicators |
US20130198217A1 (en) * | 2012-01-27 | 2013-08-01 | Microsoft Corporation | Techniques for testing rule-based query transformation and generation |
US9002554B2 (en) * | 2012-05-09 | 2015-04-07 | Innova Electronics, Inc. | Smart phone app-based remote vehicle diagnostic system and method |
US9390240B1 (en) * | 2012-06-11 | 2016-07-12 | Dell Software Inc. | System and method for querying data |
US9501744B1 (en) | 2012-06-11 | 2016-11-22 | Dell Software Inc. | System and method for classifying data |
US9578060B1 (en) | 2012-06-11 | 2017-02-21 | Dell Software Inc. | System and method for data loss prevention across heterogeneous communications platforms |
US9779260B1 (en) | 2012-06-11 | 2017-10-03 | Dell Software Inc. | Aggregation and classification of secure data |
US9336244B2 (en) | 2013-08-09 | 2016-05-10 | Snap-On Incorporated | Methods and systems for generating baselines regarding vehicle service request data |
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 |
EP3142288B1 (en) * | 2014-05-08 | 2018-12-26 | Panasonic Intellectual Property Corporation of America | In-car network system, electronic control unit and update processing method |
US9813308B2 (en) * | 2014-06-04 | 2017-11-07 | Verizon Patent And Licensing Inc. | Statistical monitoring of customer devices |
US9349016B1 (en) | 2014-06-06 | 2016-05-24 | Dell Software Inc. | System and method for user-context-based data loss prevention |
DE102014219407A1 (de) * | 2014-09-25 | 2016-03-31 | Volkswagen Aktiengesellschaft | Diagnoseverfahren und Erhebungsverfahren für Fahrzeuge |
US9639995B2 (en) * | 2015-02-25 | 2017-05-02 | Snap-On Incorporated | Methods and systems for generating and outputting test drive scripts for vehicles |
US10326748B1 (en) | 2015-02-25 | 2019-06-18 | Quest Software Inc. | Systems and methods for event-based authentication |
US10417613B1 (en) | 2015-03-17 | 2019-09-17 | Quest Software Inc. | Systems and methods of patternizing logged user-initiated events for scheduling functions |
US9990506B1 (en) | 2015-03-30 | 2018-06-05 | Quest Software Inc. | Systems and methods of securing network-accessible peripheral devices |
US9842220B1 (en) | 2015-04-10 | 2017-12-12 | Dell Software Inc. | Systems and methods of secure self-service access to content |
US9842218B1 (en) | 2015-04-10 | 2017-12-12 | Dell Software Inc. | Systems and methods of secure self-service access to content |
US9563782B1 (en) | 2015-04-10 | 2017-02-07 | Dell Software Inc. | Systems and methods of secure self-service access to content |
US9569626B1 (en) | 2015-04-10 | 2017-02-14 | Dell Software Inc. | Systems and methods of reporting content-exposure events |
US9641555B1 (en) | 2015-04-10 | 2017-05-02 | Dell Software Inc. | Systems and methods of tracking content-exposure events |
US11210871B2 (en) * | 2015-08-05 | 2021-12-28 | EZ Lynk SEZC | System and method for remote emissions control unit monitoring and reprogramming |
US10536352B1 (en) | 2015-08-05 | 2020-01-14 | Quest Software Inc. | Systems and methods for tuning cross-platform data collection |
EP3347845B1 (en) * | 2015-09-11 | 2023-08-02 | Curtail, Inc. | Implementation comparison-based security system |
US10218588B1 (en) | 2015-10-05 | 2019-02-26 | Quest Software Inc. | Systems and methods for multi-stream performance patternization and optimization of virtual meetings |
US10157358B1 (en) | 2015-10-05 | 2018-12-18 | Quest Software Inc. | Systems and methods for multi-stream performance patternization and interval-based prediction |
US10516768B2 (en) | 2015-11-11 | 2019-12-24 | Snap-On Incorporated | Methods and systems for switching vehicle data transmission modes based on detecting a trigger and a request for a vehicle data message |
RU2626168C2 (ru) * | 2015-12-30 | 2017-07-21 | Общество с ограниченной ответственностью "ТМХ-Сервис" | Способ технического диагностирования оборудования локомотива и устройство для его осуществления |
EP3414683B1 (en) | 2016-02-10 | 2021-07-28 | Curtail Security, Inc. | Comparison of behavioral populations for security and compliance monitoring |
US10706645B1 (en) * | 2016-03-09 | 2020-07-07 | Drew Technologies, Inc. | Remote diagnostic system and method |
US10142391B1 (en) | 2016-03-25 | 2018-11-27 | Quest Software Inc. | Systems and methods of diagnosing down-layer performance problems via multi-stream performance patternization |
US20180017608A1 (en) * | 2016-07-12 | 2018-01-18 | Ford Motor Company Of Canada, Limited | Electrical in-system process control tester |
US10692035B2 (en) * | 2016-07-26 | 2020-06-23 | Mitchell Repair Information Company, Llc | Methods and systems for tracking labor efficiency |
US11222379B2 (en) * | 2016-12-15 | 2022-01-11 | Snap-On Incorporated | Methods and systems for automatically generating repair orders |
CN106758945A (zh) * | 2017-01-12 | 2017-05-31 | 中山市易达号信息技术有限公司 | 一种车位锁智能诊断方法 |
US10628496B2 (en) * | 2017-03-27 | 2020-04-21 | Dell Products, L.P. | Validating and correlating content |
US11842149B2 (en) | 2018-03-02 | 2023-12-12 | General Electric Company | System and method for maintenance of a fleet of machines |
TWI719786B (zh) | 2019-12-30 | 2021-02-21 | 財團法人工業技術研究院 | 資料處理系統與方法 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPS6225234A (ja) * | 1985-07-26 | 1987-02-03 | Nissan Motor Co Ltd | 車両用故障診断装置 |
US20020007237A1 (en) * | 2000-06-14 | 2002-01-17 | Phung Tam A. | Method and system for the diagnosis of vehicles |
CN1627286A (zh) * | 2003-10-31 | 2005-06-15 | 国际商业机器公司 | 用于生命科学发现、设计和开发的系统、方法和制造品 |
CN1661352A (zh) * | 2004-02-27 | 2005-08-31 | 富士重工业株式会社 | 操作员端系统以及模式文件识别方法 |
US20060095230A1 (en) * | 2004-11-02 | 2006-05-04 | Jeff Grier | Method and system for enhancing machine diagnostics aids using statistical feedback |
CN101027617A (zh) * | 2004-08-13 | 2007-08-29 | 新卡特彼勒三菱株式会社 | 数据处理方法,数据处理设备,诊断方法和诊断设备 |
US20080004764A1 (en) * | 2006-06-30 | 2008-01-03 | Manokar Chinnadurai | Diagnostics data collection and analysis method and apparatus to diagnose vehicle component failures |
CN101660974A (zh) * | 2008-08-29 | 2010-03-03 | 丰田自动车株式会社 | 用于车辆的异常分析系统和用于车辆的异常分析方法 |
CN101826135A (zh) * | 2009-03-05 | 2010-09-08 | 通用汽车环球科技运作公司 | 用于增强车辆诊断、预测和维护实践的综合信息融合 |
Family Cites Families (31)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH05280395A (ja) | 1992-03-30 | 1993-10-26 | Fuji Heavy Ind Ltd | 空燃比制御系の異常検出方法 |
US5520160A (en) | 1993-08-26 | 1996-05-28 | Nippondenso Co., Ltd. | Fuel evaporative gas and air-fuel ratio control system |
US5574828A (en) * | 1994-04-28 | 1996-11-12 | Tmrc | Expert system for generating guideline-based information tools |
US6301531B1 (en) | 1999-08-23 | 2001-10-09 | General Electric Company | Vehicle maintenance management system and method |
US6513025B1 (en) * | 1999-12-09 | 2003-01-28 | Teradyne, Inc. | Multistage machine learning process |
US20020007289A1 (en) | 2000-07-11 | 2002-01-17 | Malin Mark Elliott | Method and apparatus for processing automobile repair data and statistics |
US20020016655A1 (en) * | 2000-08-01 | 2002-02-07 | Joao Raymond Anthony | Apparatus and method for processing and/or for providing vehicle information and/or vehicle maintenance information |
US6687596B2 (en) * | 2001-08-31 | 2004-02-03 | General Electric Company | Diagnostic method and system for turbine engines |
KR100497128B1 (ko) * | 2001-12-08 | 2005-06-29 | 한국전자통신연구원 | 차량 성능의 진단 시스템 및 그 방법 |
US6760659B1 (en) * | 2002-11-26 | 2004-07-06 | Controls, Inc. | Device and method for engine control |
US6850071B1 (en) | 2003-08-28 | 2005-02-01 | Automotive Test Solutions, Inc. | Spark monitor and kill circuit |
US7509538B2 (en) * | 2004-04-21 | 2009-03-24 | Microsoft Corporation | Systems and methods for automated classification and analysis of large volumes of test result data |
US6955097B1 (en) | 2004-05-11 | 2005-10-18 | Bei Sensors & Systems Company, Inc. | Radial movement capacitive torque sensor |
US8412401B2 (en) * | 2004-12-30 | 2013-04-02 | Service Solutions U.S. Llc | Method and system for retrieving diagnostic information from a vehicle |
US7444216B2 (en) * | 2005-01-14 | 2008-10-28 | Mobile Productivity, Inc. | User interface for display of task specific information |
KR100764399B1 (ko) | 2005-08-23 | 2007-10-05 | 주식회사 현대오토넷 | 텔레매틱스 시스템의 차량 관리 시스템 및 그 방법 |
JP4701977B2 (ja) * | 2005-10-06 | 2011-06-15 | 株式会社デンソー | 車載ネットワークの診断システム及び車載制御装置 |
US20070156311A1 (en) * | 2005-12-29 | 2007-07-05 | Elcock Albert F | Communication of automotive diagnostic data |
US7739007B2 (en) * | 2006-03-29 | 2010-06-15 | Snap-On Incorporated | Vehicle diagnostic method and system with intelligent data collection |
US7801671B1 (en) | 2006-09-05 | 2010-09-21 | Pederson Neal R | Methods and apparatus for detecting misfires |
US7765040B2 (en) * | 2006-06-14 | 2010-07-27 | Spx Corporation | Reverse failure analysis method and apparatus for diagnostic testing |
JP2008121534A (ja) | 2006-11-10 | 2008-05-29 | Denso Corp | 内燃機関の異常診断装置 |
US7487035B2 (en) | 2006-11-15 | 2009-02-03 | Denso Corporation | Cylinder abnormality diagnosis unit of internal combustion engine and controller of internal combustion engine |
US7529974B2 (en) * | 2006-11-30 | 2009-05-05 | Microsoft Corporation | Grouping failures to infer common causes |
US7945438B2 (en) | 2007-04-02 | 2011-05-17 | International Business Machines Corporation | Automated glossary creation |
US8441484B2 (en) * | 2007-09-04 | 2013-05-14 | Cisco Technology, Inc. | Network trouble-tickets displayed as dynamic multi-dimensional graph |
US8315760B2 (en) * | 2008-12-03 | 2012-11-20 | Mitchell Repair Information Company LLC | Method and system for retrieving diagnostic information |
US20110077817A1 (en) * | 2009-09-29 | 2011-03-31 | Chin-Yang Sun | Vehicle Diagnostic System And Method Thereof |
US10665040B2 (en) * | 2010-08-27 | 2020-05-26 | Zonar Systems, Inc. | Method and apparatus for remote vehicle diagnosis |
US20120136802A1 (en) * | 2010-11-30 | 2012-05-31 | Zonar Systems, Inc. | System and method for vehicle maintenance including remote diagnosis and reverse auction for identified repairs |
US20120215491A1 (en) | 2011-02-21 | 2012-08-23 | Snap-On Incorporated | Diagnostic Baselining |
-
2011
- 2011-02-21 US US13/031,565 patent/US20120215491A1/en not_active Abandoned
-
2012
- 2012-02-20 EP EP12716731.0A patent/EP2678832B1/en active Active
- 2012-02-20 CA CA3171201A patent/CA3171201A1/en active Pending
- 2012-02-20 BR BR112013020413-3A patent/BR112013020413B1/pt active IP Right Grant
- 2012-02-20 CA CA2827893A patent/CA2827893C/en active Active
- 2012-02-20 WO PCT/US2012/025802 patent/WO2012115899A2/en active Application Filing
- 2012-02-20 CN CN201280019046.7A patent/CN103477366B/zh active Active
-
2014
- 2014-04-24 US US14/260,929 patent/US11048604B2/en active Active
-
2021
- 2021-05-19 US US17/325,184 patent/US20210279155A1/en active Pending
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPS6225234A (ja) * | 1985-07-26 | 1987-02-03 | Nissan Motor Co Ltd | 車両用故障診断装置 |
US20020007237A1 (en) * | 2000-06-14 | 2002-01-17 | Phung Tam A. | Method and system for the diagnosis of vehicles |
CN1627286A (zh) * | 2003-10-31 | 2005-06-15 | 国际商业机器公司 | 用于生命科学发现、设计和开发的系统、方法和制造品 |
CN1661352A (zh) * | 2004-02-27 | 2005-08-31 | 富士重工业株式会社 | 操作员端系统以及模式文件识别方法 |
CN101027617A (zh) * | 2004-08-13 | 2007-08-29 | 新卡特彼勒三菱株式会社 | 数据处理方法,数据处理设备,诊断方法和诊断设备 |
US20060095230A1 (en) * | 2004-11-02 | 2006-05-04 | Jeff Grier | Method and system for enhancing machine diagnostics aids using statistical feedback |
US20080004764A1 (en) * | 2006-06-30 | 2008-01-03 | Manokar Chinnadurai | Diagnostics data collection and analysis method and apparatus to diagnose vehicle component failures |
CN101660974A (zh) * | 2008-08-29 | 2010-03-03 | 丰田自动车株式会社 | 用于车辆的异常分析系统和用于车辆的异常分析方法 |
CN101826135A (zh) * | 2009-03-05 | 2010-09-08 | 通用汽车环球科技运作公司 | 用于增强车辆诊断、预测和维护实践的综合信息融合 |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108351988A (zh) * | 2015-11-05 | 2018-07-31 | 实耐宝公司 | 维修后数据比较 |
CN105740086A (zh) * | 2016-01-20 | 2016-07-06 | 北京京东尚科信息技术有限公司 | 一种故障智能诊断维修的方法及装置 |
CN105740086B (zh) * | 2016-01-20 | 2019-01-08 | 北京京东尚科信息技术有限公司 | 一种故障智能诊断维修的方法及装置 |
CN107450507A (zh) * | 2016-05-31 | 2017-12-08 | 优信拍(北京)信息科技有限公司 | 一种信息处理中间系统及方法 |
CN107450507B (zh) * | 2016-05-31 | 2021-03-09 | 优信拍(北京)信息科技有限公司 | 一种信息处理中间系统及方法 |
CN107526350A (zh) * | 2016-06-20 | 2017-12-29 | 福特环球技术公司 | 用于车载诊断投影的车辆地面照明灯 |
CN114465719A (zh) * | 2017-01-05 | 2022-05-10 | 伽德诺克斯信息技术有限公司 | 被配置成基于面向服务的体系结构实施集中式服务ecu的专门编程的计算系统及其方法 |
Also Published As
Publication number | Publication date |
---|---|
WO2012115899A3 (en) | 2013-05-02 |
WO2012115899A2 (en) | 2012-08-30 |
CN103477366B (zh) | 2017-03-08 |
EP2678832A2 (en) | 2014-01-01 |
CA2827893C (en) | 2022-11-22 |
BR112013020413A2 (pt) | 2017-08-08 |
EP2678832B1 (en) | 2019-04-10 |
US20120215491A1 (en) | 2012-08-23 |
US20140244213A1 (en) | 2014-08-28 |
CA2827893A1 (en) | 2012-08-30 |
US11048604B2 (en) | 2021-06-29 |
CA3171201A1 (en) | 2012-08-30 |
US20210279155A1 (en) | 2021-09-09 |
BR112013020413B1 (pt) | 2021-02-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103477366A (zh) | 用于诊断服务中设备的方法和设备 | |
JP4369825B2 (ja) | 車両故障診断装置および車載端末 | |
US8954222B2 (en) | Method and system for retrieving diagnostic information | |
EP3267400B1 (en) | Vehicle-diagnostic client-server system | |
US8732112B2 (en) | Method and system for root cause analysis and quality monitoring of system-level faults | |
US20160335816A1 (en) | Automotive Inspection System using Network-Based Computing Infrastructure | |
TWI322104B (en) | Method and system for processing and transmitting automotive emission data | |
US9740993B2 (en) | Detecting anomalies in field failure data | |
US20170024943A1 (en) | System and Method for Service Assessment | |
US9704141B2 (en) | Post-repair data comparison | |
US20080236141A1 (en) | Method and system for automatically inspecting and registering automotive exhaust emission data | |
CN101438238A (zh) | 用于异常检测的方法和系统 | |
CN114595847A (zh) | 用于提供车辆维修提示的方法和系统 | |
WO2021243075A1 (en) | Analytics platform for remote vehicle onboard diagnostics (obd) and inspection maintenance (i/m) | |
Singh et al. | Data-driven framework for detecting anomalies in field failure data | |
US20210365309A1 (en) | Method and System of Performing Diagnostic Flowchart | |
Panda et al. | ML-based vehicle downtime reduction: A case of air compressor failure detection | |
US20150046021A1 (en) | System and method for diagnosing vehicle using learning value | |
EP4167040A1 (en) | Fault model editor and diagnostic tool | |
Zorin et al. | Reliability and risk assessment of machine building items according to diagnostics results | |
Yadav et al. | On Board Diagnostics (OBD): A Review On Monitoring Vehicle Operations | |
Kumar et al. | Monitoring and remote data logging of engine operation via on board diagnostic port | |
CN115373369B (zh) | 车辆故障诊断系统及方法 | |
Рибіцький et al. | Using OBD-2 technology for vehicle diagnostic and using it in the information system | |
Cloudin | Enhanced System for the Prediction of Vehicle Condition. |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
CB03 | Change of inventor or designer information |
Inventor after: Theriot Mark Inventor after: Merg Patrick S. Inventor after: Brozovich Steve Inventor after: B R Lewis Inventor before: Theriot Mark Inventor before: Merg Patrick S. Inventor before: Brozovich Steve |
|
COR | Change of bibliographic data | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |