CN111882183A - 车辆失效估算方法、装置、服务器以及存储介质 - Google Patents

车辆失效估算方法、装置、服务器以及存储介质 Download PDF

Info

Publication number
CN111882183A
CN111882183A CN202010675455.9A CN202010675455A CN111882183A CN 111882183 A CN111882183 A CN 111882183A CN 202010675455 A CN202010675455 A CN 202010675455A CN 111882183 A CN111882183 A CN 111882183A
Authority
CN
China
Prior art keywords
vehicle
interval
historical
mileage
failure
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
Application number
CN202010675455.9A
Other languages
English (en)
Other versions
CN111882183B (zh
Inventor
夏范昌
邓音龙
王光宇
翁浩宇
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Guangzhou Xiaopeng Motors Technology Co Ltd
Original Assignee
Zhaoqing Xiaopeng Automobile Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Zhaoqing Xiaopeng Automobile Co Ltd filed Critical Zhaoqing Xiaopeng Automobile Co Ltd
Priority to CN202010675455.9A priority Critical patent/CN111882183B/zh
Publication of CN111882183A publication Critical patent/CN111882183A/zh
Application granted granted Critical
Publication of CN111882183B publication Critical patent/CN111882183B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24—Querying
    • G06F16/245—Query processing
    • G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
    • G06F16/2462—Approximate or statistical queries
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24—Querying
    • G06F16/245—Query processing
    • G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
    • G06F16/2465—Query processing support for facilitating data mining operations in structured databases
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24—Querying
    • G06F16/245—Query processing
    • G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
    • G06F16/2477—Temporal data queries

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Databases & Information Systems (AREA)
  • Human Resources & Organizations (AREA)
  • Probability & Statistics with Applications (AREA)
  • Software Systems (AREA)
  • Fuzzy Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Computational Linguistics (AREA)
  • Mathematical Physics (AREA)
  • General Engineering & Computer Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Educational Administration (AREA)
  • Economics (AREA)
  • Development Economics (AREA)
  • Strategic Management (AREA)
  • Game Theory and Decision Science (AREA)
  • Marketing (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Vehicle Cleaning, Maintenance, Repair, Refitting, And Outriggers (AREA)

Abstract

本申请实施例提供了一种车辆失效估算方法、装置、服务器以及存储介质，该车辆失效估算方法包括包括基于所获取的车辆数据库中的历史数据，确定每个里程区间的区间历史失效车辆数；其中，车辆数据库中的历史数据包括：车辆的历史行驶数据以及车辆的失效数据；根据每个里程区间的区间历史失效车辆数确定每个里程区间的区间历史车辆失效率；根据区间历史车辆失效率以及区间历史车辆总数，估算待监控车辆在未来的每个里程区间的未来失效车辆数；以及在未来失效车辆数大于区间失效阈值时，制定异常排查策略。本申请实施例提供的车辆失效估算方法能够提前针对异常失效情况进行准备和处理，保证用户的安全。

Description

车辆失效估算方法、装置、服务器以及存储介质
技术领域
本申请涉及车辆技术领域，具体涉及一种车辆失效估算方法、装置、服务器以及存储介质。
背景技术
功率模块是电动汽车主驱电机控制器的关键器件，例如IGBT(Insulated GateBipolar Transistor,绝缘栅双极型晶体管)功率模块、MOSFET(Metal OxideSemiconductor Field Effect Transistor,金属氧化物半导体场效应管)功率模块等。功率模块的安全可靠性直接决定车辆是否能够正常行驶。
但是，目前从晶圆、功率模块封装、主驱电机控制器的生产测试都无法保证完全检测出功率模块的缺陷件。如果功率模块失效，会导致车辆失效、动力丢失，对用户造成安全风险。因此，功率模块的失效预测对本领域技术人员来说至关重要。
发明内容
鉴于以上问题，本申请实施例提供一种车辆失效估算方法、装置、服务器以及存储介质，以解决上述技术问题。
本申请实施例是采用以下技术方案实现的：
第一方面，本申请一些实施例提供一种车辆失效估算方法，包括基于所获取的车辆数据库中的历史数据，确定每个里程区间的区间历史失效车辆数；其中，车辆数据库中的历史数据包括：车辆的历史行驶数据以及车辆的失效数据；根据每个里程区间的区间历史失效车辆数确定每个里程区间的区间历史车辆失效率；根据区间历史车辆失效率以及区间历史车辆总数，估算待监控车辆在未来的每个里程区间的未来失效车辆数；以及在未来失效车辆数大于区间失效阈值时，制定异常排查策略。
第二方面，本申请一些实施例还提供一种车失效估算装置，该装置包括第一确定模块、第二确定模块、估算模块以及排查模块；第一确定模块用于基于所获取的车辆数据库中的历史数据，确定每个里程区间的区间历史失效车辆数；其中，车辆数据库中的历史数据包括车辆的历史行驶数据以及车辆的失效数据；第二确定模块用于根据每个里程区间的区间历史失效车辆数确定每个里程区间的区间历史车辆失效率；估算模块用于根据区间历史车辆失效率以及区间历史车辆总数，估算待监控车辆在未来的每个里程区间的未来失效车辆数；以及
排查模块用于在未来失效车辆数大于区间失效阈值时，制定异常排查策略。
第三方面，本申请一些实施例还提供一种服务器，包括处理器以及存储器，存储器存储有程序指令，程序指令被处理器执行时实施上述的车辆失效估算方法。
第四方面，本申请实施例还提供一种计算机可读存储介质，计算机可读存储介质存储有程序代码，其中，在程序代码被处理器运行时执行上述的车辆失效估算方法。
本申请实施例提供的车辆失效估算方法、装置、服务器以及存储介质，车辆失效估算方法包括基于所获取的车辆数据库中的历史数据，确定每个里程区间的区间历史失效车辆数；其中，车辆数据库中的历史数据包括：车辆的历史行驶数据以及车辆的失效数据；根据多个里程区间的区间历史失效车辆数确定每个里程区间的区间历史车辆失效率；根据区间历史车辆失效率以及区间历史车辆总数，估算待监控车辆在未来的每个里程区间的未来失效车辆数；以及在未来失效车辆数大于区间失效阈值时，制定异常排查策略。本申请实施例提供的车辆失效估算方法通过对未来失效车辆数的估算，并在未来失效车辆数大于区间失效阈值时，制定异常排查策略，进而能够预测待监控车辆的未来失效情况，并提前针对异常失效情况进行准备和处理，保证用户的安全。
本申请的这些方面或其他方面在以下实施例的描述中会更加简明易懂。
附图说明
为了更清楚地说明本申请实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1示出了功率模块的失效曲线示意图。
图2示出了本申请实施例提供的一种车俩失效估算方法的流程示意图。
图3示出了本申请实施例提供的另一种车辆失效估算方法的流程示意图。
图4示出了本申请实施例提供的各个里程区间的历史车辆失效率与的对应的车辆标准失效阈值的雷达示意图。
图5示出了本申请实施例提供的一种车辆失效估算装置的模块框图。
图6示出了本申请实施例提供的一种服务器的模块框图。
图7示出了本申请实施例提供的一种计算机可读存储介质的模块框图。
具体实施方式
下面详细描述本申请的实施方式，实施方式的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施方式是示例性地，仅用于解释本申请，而不能理解为对本申请的限制。
如图1所示，图1示出了功率模块的失效曲线图。功率模块的失效遵循浴盆失效曲线，其失效率随时间变化分为三个阶段：早期失效期a、偶然失效期b以及耗损失效期c。早期失效期a一般是在车辆出厂之前，该失效期的失效率很高，但随着车辆工作时间的增加，失效率迅速降低，属于零公里故障。偶然失效期等b的失效率较低，车辆可靠性指标所描述的就是这个时期。耗损失效期c的失效率随时间的延长而急速增加，已达到设计要求，并且该失效期车辆已达到使用寿命，无需对车辆的失效情况进行排查。
如图2所示，图2示出了本申请实施例提供的一种车辆失效估算方法100，可以预测偶然失效期内车辆的失效情况。该车辆失效估算方法100可以包括以下步骤S110～步骤S140。
步骤S110：基于所获取的车辆数据库中的历史数据，确定每个里程区间的区间历史失效车辆数。
本实施例中，从车辆数据库中可以获取已交付至用户的多个已交付车辆的历史数据。该历史数据包括但不限于已交付车辆的历史行驶数据以及已交付车辆的失效数据。数据库可以存储在服务器或云端服务器，不做具体限定。在一些实施方式中，从车辆数据库中可以获取全部或部分已生产的车辆的历史数据，其可以包括车辆在出厂之间的历史测试数据，也可以包括在出厂后由用户所使用的历史数据，不做具体限定。
由于用户的不同使用情况以及车辆不同的交付时间，已交付车辆的行驶里程不全相同。本实施例中，根据已交付车辆的历史数据，确定每个里程区间的区间历史失效车辆数。其中，某个里程区间的区间历史失效车辆为已交付车辆中行驶里程在该里程区间即失效的车辆，且每个里程区间均对应一个区间历史失效车辆数。例如，在0～500km的里程区间可以对应的区间历史失效车辆数为J0、在501～2000km的里程区间可以对应的区间历史失效车辆数为J1、在2001～3500km的里程区间可以对应的区间历史失效车辆数为J2。也就是说，已交付车辆中，有J0辆车仅行驶0～500km里程即失效、有J1辆车行驶了501～2000km里程即失效、有J2辆车行驶了2001～3500km里程即失效。
步骤S120：根据每个里程区间的区间历史失效车辆数确定每个里程区间的区间历史车辆失效率。
本实施例中，根据已交付车辆的历史数据，可以确定在已交付车辆中，每个里程区间对应的历史有效车辆总数。某个里程区间的历史有效车辆为已交付车辆中行驶里程达到该里程区间还未失效的车辆。例如，在0～500km的里程区间可以对应的历史有效车辆总数为X0、在501～2000km的里程区间可以对应的历史有效车辆总数为X1、在2001～3500km的里程区间可以对应的历史有效车辆总数为X2。也就是说，已交付车辆中，有X0辆车的行驶里程超过了500km，其没有在0～500km的里程区间内失效；有X1辆车的行驶里程超过了500km，其没有在501～2000km的里程区间内失效；有X2辆车的行驶里程超过了2000km，其没有在2001～3500km的里程区间内失效。
进一步地，根据每个里程区间内的区间历史失效车辆和历史有效车辆总数即可计算出每个里程区间的区间历史车辆失效率。区间历史失效车辆率也即为已交付车辆在该里程区间内的失效率。
步骤S130：根据区间历史车辆失效率以及区间历史车辆总数，估算待监控车辆在未来的每个里程区间的未来失效车辆数。
本实施例中，待监控车辆即未交付至用户的未交付车辆。根据区间历史车辆失效率以及区间历史车辆总数，可以估算未交付车辆在未来的每个里程区间的未来失效车辆数。
具体地，可以基于车辆数据库中的历史数据确定每个里程区间的区间历史车辆总数。其中，某个里程区间的区间历史车辆为已交付车辆中小于或等于该里程区间的车辆。例如，在0～500km的里程区间可以对应的区间历史车辆总数为Y0、在501～2000km的里程区间可以对应的区间历史车辆总数为Y1、在2001～3500km的里程区间可以对应的区间历史车辆总数为Y2。也就是说，已交付车辆中，有Y0辆车的行驶里程未超过500km；有Y1辆车的行驶里程未超过2000km；有Y2辆车的行驶里程未超过3500km。
进一步地，根据每个里程区间的区间历史失效率与区间历史车辆总数即可计算出每个里程区间的未来失效车辆数，也即计算出未交付车辆在未来的每个里程区间的未来失效车辆数。
步骤S140；在未来失效车辆数大于区间失效阈值时，制定异常排查策略。
每一个里程区间均可以对应一个区间失效阈值，且每个里程区间的区间失效阈值可以不同。具体地，区间失效阈值可以根据对应于该区间的车辆标准失效率与区间历史车辆总数来计算。本实施例中，可以在任意一个里程区间的未来失效车辆大于该里程区间对应的区间失效阈值时，可以制定异常排查策略。
例如，假设0～500km里程区间对应的区间失效阈值为Z0、501～2000km里程区间对应的区间失效阈值为Z1、2001～3500km里程区间对应的区间失效阈值为Z2，且Z0、Z1、Z2之间可以不相等。若估算的0～500km里程区间对应的未来失效车辆数大于Z0、或501～2000km里区间对应的未来失效车辆数大于Z1、或2001～3500km里程区间对应的未来失效车辆数大于Z2，则可以制定异常排查策略，以对异常原因排查，进而提前对未交付车辆可以出现的异常失效进行准备和处理，保证未交付车辆后续交付至用户时用户的安全。
本申请实施例提供的车辆失效估算方法，包括基于所获取的车辆数据库中的历史数据，确定每个里程区间的区间历史失效车辆数；其中，车辆数据库中的历史数据包括：车辆的历史行驶数据以及车辆的失效数据；根据多个里程区间的区间历史失效车辆数确定每个里程区间的区间历史车辆失效率；根据区间历史车辆失效率以及区间历史车辆总数，估算待监控车辆在未来的每个里程区间的未来失效车辆数；以及在未来失效车辆数大于区间失效阈值时，制定异常排查策略。本申请实施例提供的车辆失效估算方法通过对未来失效车辆数的估算，并在未来失效车辆数大于区间失效阈值时，制定异常排查策略，进而能够预测待监控车辆的未来失效情况，并提前针对异常失效情况进行准备和处理，保证用户的安全。
如图3所示，图3示出了本申请实施例提供的另一种车辆失效估算方法200，该车辆失效估算方法200可以包括以下步骤S210～步骤S280。
步骤S210：基于所获取的车辆数据库中的历史数据确定每个车辆在单位时间段内的历史单位里程数。
本实施例中，可以基于车辆数据库中的历史数据，确定已交付车辆在指定时间段内所行驶的总历史里程数。再根据在指定时间段内已交付车辆的数量，计算得到每辆车在指定时间段内的历史里程数。其中，每辆车在指定时间段内的历史里程数＝指定时间段内所行驶的总历史里程数/已交付车辆的数量。
进一步地，再根据指定时间段与单位时间段的关系，计算得到每辆车在单位时间段内的历史单位里程数。其中，每辆车在单位时间段内的历史单位里程数＝(每辆车在指定时间段内的历史里程数×单位时间段)/指定时间段。
在一些实施方式中，还可以根据多个指定时间段内行驶的不同总历史里程数，计算得到多个指定时间段内每辆车在单位时间段内的历史单位里程数。再计算该多个指定时间段内每辆车在单位时间段内的历史单位里程数的平均值，得到每辆车在单位时间段内的历史平均单位里程数。其中多个指定时间段可以不相同。
在一些具体地实施例中，可以基于车辆数据库中的历史数据，确定已交付的5000辆车在3.5个月内的里程数据M。其中，指定时间段可以为1个月或0.5个月(其中1个月记为30天，0.5个月记为15天)。假设0～第1个月内已交付车辆所行驶的总历史里程数为M1、第1个月～第2个月内已交付车辆所行驶的总历史里程数为M2、第3个月～第4个月内已交付车辆所行驶的总历史里程数为M3、第3个月～第3.5个月内已交付车辆所行驶的总历史里程数为M4，且单位时间为1天。则在0～第1个月内：每辆车在指定时间段内的历史里程数Q1＝M1/5000；每辆车在单位时间段内的历史单位里程数Z1＝Q1/30。在第1个月～第2个月内：每辆车在指定时间段内的历史里程数Q2＝M2/5000；每辆车在单位时间段内的历史单位里程数Z2＝Q2/30。在第2个月～第3个月内：每辆车在指定时间段内的历史里程数Q3＝M3/5000；每辆车在单位时间段内的历史单位里程数Z3＝Q3/30。在第3个月～第3.5个月内：每辆车在指定时间段内的历史里程数Q3＝M3/5000；每辆车在单位时间段内的历史单位里程数Z3＝Q2/15。该3.5个月内每辆车在单位时间段内的历史平均单位里程数Z＝(Z1+Z2+Z2+Z4)/4。进一步地，具体可参照下表1。
Figure BDA0002583867770000061
表1
步骤S220：基于历史单位里程数以及时间段，确定与每个时间段对应的里程区间。
本实施例中，该时间段可以按照月份划分。在一些实施方式中，该时间段也可不按照月份划分。
进一步地，根据历史单位里程数以及时间段，确定里程区间的区间跨度。再根据首次已交付车辆的基准里程区间与区间跨度，确定后续的里程区间。
在一些具体地实施例中，假设按照月份划分时间段且历史单位里程数表示为每辆车每天的里程数＝50km，则里程区间的区间跨度＝历史单位里程数×时间段＝50km×30＝1500km。首次交付的车辆由于用户还未使用，可以确定首次交付的车辆的基准里程区间为0～500km。随着时间的推移，已交付车辆的行驶的里程数会随之提高。因此，根据区间跨度可以确定第1个月对应的里程区间为501～2000km、第2个月对应的里程区间为2001～3500km···依次类推。具体可如下表2所示。
月份 里程区间
0 0～500km
1 501～2000km
2 2001～3500km
3 3501～5000km
... ...
12 17001～18500km
13 大于18500km
表2
在一些实施方式中，也可以基于历史平均单位里程数以及时间段，确定与每个时间段对应的里程区间。
本实施例通过历史单位里程数，确定与每个时间段对应的里程区间，进而能够更加契合车辆的实际使用情况，使得后续的预测结果的准确度更高。
步骤S230：基于历史数据确定每个时间段对应的里程区间的区间历史失效车辆数和区间历史车辆数。
本实施例中，区间历史失效车辆数也即区间历史失效车辆的数量；同理，区间历史车辆数也即区间历史车辆的数量。
本实施例中，某个区间历史车辆为在该时间段内、行驶里程在与该时间段对应的里程区间内的已交付车辆。某个区间历史失效车辆为在该时间段内、在与该时间段对应的里程区间内的的失效车辆。本里程区间的区间历史车辆可以包括在本里程区间内的区间历史失效车辆，而不包括在本里程区间之前的里程区间所对应的区间历史失效车辆。
例如，假设在首次交付车辆时，对应的里程区间为0～500km，行驶里程在0～500km里程区间内的已交付车辆的数量为J0，在0～500km里程区间内的失效车辆数为S0；此时0～500km里程区间内的区间历史车辆数即为J0，在0～500km里程区间内的区间历史失效车辆数即为S0；由于在该0～500km里程区间内失效的车辆的行驶里程也位于0～500km，因此实际上0～500km里程区间内的区间历史车辆包括了0～500km里程区间内的区间历史失效车辆。一个月后，已交付车辆的里程区间进入501～2000km，此时对应的里程区间为501～2000km；假设此时行驶里程在501～2000km里程区间内的已交付车辆的数量为J1，在501～2000km里程区间内的失效车辆数为S1；那501～2000km里程区间内的区间历史车辆数即为J1，在501～2000km里程区间内的区间历史失效车辆数即为S0；由于在这个一个月内可能会持续交付至用户车辆，且由于用户的使用情况，后续的已交付车辆的行驶里程也可能达到501～2000km里程区间，因此实际上在501～2000km里程区间内的区间历史车辆可以包括首次的已交付车辆、也可能包括后续的已交付车辆。且由于在501～2000km里程区间失效的车辆的行驶里程不会继续增加、且在501～2000km里程区间内失效的车辆的行驶里程也位于501～2000km，因此501～2000km里程区间的区间历史车辆包括在501～2000km里程区间内的区间历史失效车辆，而不包括在0～500km里程区间的区间历史失效车辆。进一步地，具体可参考下表3。
月份 里程区间 已交付车辆 失效车辆
0 0～500km J0 S0
1 501～2000km J1 S1
2 2001～3500km J2 S2
3 3501～5000km J3 S3
... ... ... ...
12 17001～18500km J12 S12
13 大于18500km J13 S13
表3
进一步地，在确定区间历史失效车辆数和区间历史车辆数后，可以根据该区间历史失效车辆数和该区间历史车辆，确定每个里程区间的区间历史车辆失效率。具体地，可以继续执行步骤S240。
步骤S240：根据每个里程区间的区间历史车辆数，确定每个里程区间对应的历史有效车辆总数。
本实施例中，历史有效车辆总数为大于当前里程区间的所有区间历史车辆数之和。也即，某个里程区间的历史有效车辆为行驶里程超过本里程区间的其他所有已交付车辆。可以理解的是，行驶里程超过本里程区间的车辆认为在本里程区间内不失效。
在一些具体地实施例中，假设一共划分3个区间，0～500km里程区间内的区间历史车辆数为J0、501～2000km里程区间内的区间历史车辆数为J1、2001～3500km里程区间内的区间历史车辆数为J2。因此，此时0～500km里程区间对应的历史有效车辆总数即为J1+J2；501～2000km里程区间对应的历史有效车辆总数即为J2。
步骤S250：根据区间历史失效车辆数以及对应的历史有效车辆总数，确定每个里程区间的区间历史车辆失效率。
本实施例中，区间历史车辆失效率＝区间历史失效车辆数/历史有效车辆总数。
在一些具体地实施例中，假设一共划分3个区间，0～500km里程区间内的区间历史车辆数为J0、区间历史失效车辆数为S0；501～2000km里程区间内的区间历史车辆数为J1、区间历史失效车辆数为S1；2001～3500km里程区间内的区间历史车辆数为J2、区间历史失效车辆数为S2。此时0～500km里程区间对应的历史有效车辆总数即为J1+J2；501～2000km里程区间对应的历史有效车辆总数即为J2。因此0～500km里程区间的区间历史车辆失效率即为S0/(J1+J2)；501～2000km里程区间的区间历史车辆失效率即为S1/(J2)；2001km～3500km里程区间的区间历史车辆失效率即为S2/(J2)。需要说明的是，最高的里程区间由于是划分的最后一个里程区间，因此可以将该里程区间的区间历史车辆数作为历史有效车辆数。
进一步地，区间历史车辆失效率可以由PPM(parts per million，百万分之一)表示。因此，此时区间历史车辆失效率可表示为车辆的失效PPM，也即失效PPM＝(106×区间历史失效车辆数)/历史有效车辆总数。
在一些具体地实施例中，具体可参考下表4，不再赘述。
月份 里程区间 已交付车辆 失效车辆 PPM
0 0～500km J0 S0 P0＝106*S0/∑(J1～J13)
1 501～2000km J1 S1 P1＝106*S1/∑(J2～J13)
2 2001～3500km J2 S2 P2＝106*S2/∑(J3～J13)
3 3501～5000km J3 S3 P3＝106*S3/∑(J4～J13)
... ... ... ... ...
12 17001～18500km J12 S12 P12＝106*S12/∑(J13)
13 大于18500km J13 S13 P13＝106*S13/∑(J13)
表4
步骤S260：根据每个区间的历史车辆失效率以及区间历史车辆总数，估算待监控车辆在未来的每个里程区间的未来失效车辆数。
本实施例中，待监控车辆即未交付至用户的未交付车辆。区间历史车辆总数为小于或等于当前里程区间的区间历史车辆数之和。也即，某个里程区间的区间历史总车辆为行驶里程小于该里程区间最大里程的所有已交付车辆。
进一步地，可以基于所获取的车辆数据库中的历史数据，确定所述区间历史车辆总数。具体地，将本里程区间与里程数不超过本里程区间的里程区间所对应的区间历史车辆数进行求和，即可得到本里程区间对应的区间历史车辆总数。
在一些具体地实施例中，假设一共划分3个区间，0～500km里程区间内的区间历史车辆数为J0、501～2000km里程区间内的区间历史车辆数为J1、2001～3500km里程区间内的区间历史车辆数为J2。因此，此时0～500km里程区间的区间历史车辆总数为J0；501～2000km里程区间的区间历史车辆总数为J0+J1；2001～3500km里程区间的区间历史车辆总数为J0+J1+J2。
进一步地，未来失效车辆数＝区间历史车辆总数×区间历史车辆失效率。
在一些具体地实施例中，假设0～500km里程区间内的区间历史车辆数为J0、区间历史车辆失效率为P0；501～2000km里程区间内的区间历史车辆数为J1、区间历史车辆失效率为P1；2001～3500km里程区间内的区间历史车辆数为J2、区间历史车辆失效率为P2。则此时0～500km里程区间的未来失效车辆数即为J0×P0；501～2000km里程区间的未来失效车辆数即为J1×P1；2001～3500km里程区间的未来失效车辆数即为J2×P2。进一步地，具体可参考下表5。
月份 里程区间 交付车辆 失效率 未来失效车辆数
0 0～500km J0 P0 Y0＝∑(J0)*P0
1 501～2000km J1 P1 Y1＝∑(J0～J1)*P1
2 2001～3500km J2 P2 Y2＝∑(J0～J2)*P2
3 3501～5000km J3 P3 Y3＝∑(J0～J3)*P3
... ... ... ... ...
12 1700～18500km J12 P12 Y12＝∑(J0～J12)*P12
13 大于18500km J13 P13 Y13＝∑(J0～J13)*P13
表5
进一步地，若以PPM表示历史车辆失效率，则未来失效车辆数＝(区间历史车辆总数×失效PPM)/106。
步骤S270：判断未来失效车辆总数是否大于失效总阈值。
通过上述步骤260可以估算出每个里程区间的未来失效车辆数。未来失效车辆总数即为每个里程区间的未来失效车辆数之和。
本实施例中，每个里程区间均可以对应一个区间失效阈值，且每个里程区间的区间失效阈值可以不同。进一步地，失效总阈值为每个里程区间的区间失效阈值之和。区间失效阈值可以根据对应于该区间的车辆标准失效率与区间历史车辆总数来计算。本实施例中，车辆标准失效率可以为预设的标准失效PPM，也即区间失效阈值可以由下式进行确定：区间失效阈值＝(标准失效PPM×区间历史车辆总数)/106。
当未来失效车辆总数小于或等于失效总阈值时，可以认为待监控车辆未来的失效情况属于正常，则可以返回执行步骤S210。需要说明的是，在未来失效车辆总数小于或等于失效总阈值的情况下，此时若部分里程区间的未来失效车辆数大于其对应的区间失效阈值，可认为该部分里程区间的失效异常情况属于偶然现象。
当未来失效车辆总数大于失效总阈值时，则可认为待监控车辆的未来的失效情况属于异常，此时可以执行以下步骤S280。
在一些实施方式中，由于未来失效车辆数可以通过区间历史车辆失效率估算而来，因此每个未来失效车辆数可以对应一个历史车辆失效率。与上述类似的是，当每个里程区间的历史车辆失效率之和大于车辆标准失效率总阈值时，可以认为待监控车辆的失效情况属于异常。其中，车辆标准失效率总阈值为每个里程区间所对应的车辆标准失效率阈值之和。
在一些具体地实施例中，当车辆的失效率以PPM表示时，以车辆标准失效率总阈值为200PPM为例，各个里程区间对应的车辆标准失效阈值可以如下表6所示。同时，各个里程区间的历史车辆失效率与的对应的车辆标准失效阈值也可以如图4所示，其中，虚线A为车辆的失效PPM；虚线B为车辆的标准失效PPM。
Figure BDA0002583867770000111
Figure BDA0002583867770000121
表6
步骤S280：制定异常排查策略。
本实施例中，在待监控车辆的未来的失效情况异常的情况下，可以制定异常排查。其中异常排查策略包括对未来车辆数异常原因的排查制定的策略，也即待监控车辆未来的失效情况异常原因的排查制定的策略。
本实施例中，该策略可以是：首先排查是否是车辆零部件批量故障或零部件单件故障；如果是，则排查出故障零部件的数量，并按照质量流程处理，其可以对零部件进行更换；如果不是，则再排查是否是车辆设计问题，若为车辆设计问题，则变更车辆设计并同步处理已交付车辆。通过该策略，能够提前对相关零部件备件和人员准备，进而更好地响应车辆故障处理，保证用户安全。同时，还可以完善整车的安全和可靠性设计。
在一些实施方式中，本实施例提供的车辆估算方法还可以包括以下步骤：根据车辆数据库中更新的历史数据更新未来失效车辆数。
可以理解的是，车辆数据库中的历史数据随着已交付车辆的数量以及时间会不断更新。基于更新的历史数据可以同时对上述各个步骤进行重复执行，进而动态更新每个里程区间的区间历史车辆失效率以及未来失效车辆数，从而能够动态地对待监控车辆进行失效预测和预警准备。
本实施例提供的车辆失效估算方法，包括基于所获取的车辆数据库中的历史数据，确定每个里程区间的区间历史失效车辆数；其中，车辆数据库中的历史数据包括：车辆的历史行驶数据以及车辆的失效数据；根据多个里程区间的区间历史失效车辆数确定每个里程区间的区间历史车辆失效率；根据区间历史车辆失效率以及区间历史车辆总数，估算待监控车辆在未来的每个里程区间的未来失效车辆数；以及在未来失效车辆数大于区间失效阈值时，制定异常排查策略。本申请实施例提供的车辆失效估算方法通过对未来失效车辆数的估算，并在未来失效车辆数大于区间失效阈值时，制定异常排查策略，进而能够预测待监控车辆的未来失效情况，并提前针对异常失效情况进行准备和处理，保证用户的安全。
如图5所示，图5示出了本申请实施例提供的一种车辆失效估算装置300，该车辆失效估算装置300包括第一确定模块310、第二确定模块320、估算模块330以及排查模块340。其中，第一确定模块310用于基于所获取的车辆数据库中的历史数据，确定每个里程区间的区间历史失效车辆数；第二确定模块320用于根据每个里程区间的区间历史失效车辆数确定每个里程区间的区间历史车辆失效率；估算模块330用于根据区间历史车辆失效率以及区间历史车辆总数，估算待监控车辆在未来的每个里程区间的未来失效车辆数；排查模块340用于在未来失效车辆数大于区间失效阈值时，制定异常排查策略。
进一步地，第一确定模块310包括里程数确定单元311、里程区间确定单元312以及车辆数确定单元313。其中，里程数确定单元311用于基于所获取的车辆数据库中的历史数据确定每个车辆在单位时间段内的历史单位里程数；里程区间确定单元312用于基于历史单位里程数以及时间段，确定与每个时间段对应的里程区间；车辆数确定单元313用于基于历史数据确定每个时间段对应的里程区间的区间历史失效车辆数和区间历史车辆数。
进一步地，第二确定模块320包括有效确定单元321以及失效率确定单元322。其中，有效确定单元321用于根据每个里程区间的区间历史车辆数，确定每个里程区间对应的历史有效车辆总数；失效率确定单元322用于根据区间历史失效车辆数以及对应的历史有效车辆总数，确定每个里程区间的区间历史车辆失效率。
进一步地，估算模块330包括子估算单元331。子估算单元331用于根据每个区间历史车辆失效率以及区间历史车辆总数，估算待监控车辆在未来的每个里程区间的未来失效车辆数。
进一步地，排查模块340包括判断单元341以及制定单元342。其中，判断单元341用于判断未来失效车辆总数是否大于失效总阈值；制定单元342用于制定异常排查策略。
本申请实施例提供的车辆失效估算装置，包括基于所获取的车辆数据库中的历史数据，确定每个里程区间的区间历史失效车辆数；其中，车辆数据库中的历史数据包括：车辆的历史行驶数据以及车辆的失效数据；根据多个里程区间的区间历史失效车辆数确定每个里程区间的区间历史车辆失效率；根据区间历史车辆失效率以及区间历史车辆总数，估算待监控车辆在未来的每个里程区间的未来失效车辆数；以及在未来失效车辆数大于区间失效阈值时，制定异常排查策略。本申请实施例提供的车辆失效估算装置通过对未来失效车辆数的估算，并在未来失效车辆数大于区间失效阈值时，制定异常排查策略，进而能够预测待监控车辆的未来失效情况，并提前针对异常失效情况进行准备和处理，保证用户的安全。
如图6所示，本申请实施例还提供一种服务器400，包括处理器410以及存储器420，存储器420存储有程序指令，程序指令被所述处理器410执行时实施上述的车辆失效估算方法。
处理器410可以包括一个或者多个处理核。处理器410利用各种接口和线路连接整个电池管理系统内的各个部分，通过运行或执行存储在存储器420内的指令、程序、代码集或指令集，以及调用存储在存储器420内的数据，执行电池管理系统的各种功能和处理数据。可选地，处理器410可以采用数字信号处理(Digital Signal Processing，DSP)、现场可编程门阵列(Field－Programmable Gate Array，FPGA)、可编程逻辑阵列(ProgrammableLogic Array，PLA)中的至少一种硬件形式来实现。处理器410可集成中央处理器410(Central Processing Unit，CPU)、图像处理器410(Graphics Processing Unit，GPU)和调制解调器等中的一种或几种的组合。其中，CPU主要处理操作系统、用户界面和应用程序等；GPU用于负责显示内容的渲染和绘制；调制解调器用于处理无线通信。可以理解的是，上述调制解调器也可以不集成到处理器410中，单独通过一块通信芯片进行实现。
存储器420可以包括随机存储器420(Random Access Memory，RAM)，也可以包括只读存储器420(Read-Only Memory)。存储器420图可用于存储指令、程序、代码、代码集或指令集。存储器420图可包括存储程序区和存储数据区，其中，存储程序区可存储用于实现操作系统的指令、用于实现至少一个功能的指令(比如触控功能、声音播放功能、图像播放功能等)、用于实现下述各个方法实施例的指令等。存储数据区还可以存储电子设备图在使用中所创建的数据(比如电话本、音视频数据、聊天记录数据)等。
如图7所示，本申请实施例还提供一种计算机可读存储介质500，该计算机可读取存储介质500中存储有计算机程序指令510，计算机程序指令510可被处理器调用以执行上述实施例中所描述的方法。
计算机可读取存储介质可以是诸如闪存、EEPROM(电可擦除可编程只读存储器)、EPROM、硬盘或者ROM之类的电子存储器。可选地，计算机可读取存储介质包括非易失性计算机可读取存储介质(non-transitory computer-readable storage medium)。计算机可读取存储介质600具有执行上述方法中的任何方法步骤的程序代码的存储空间。这些程序代码可以从一个或者多个计算机程序产品中读出或者写入到这一个或者多个计算机程序产品中。程序代码可以例如以适当形式进行压缩。
以上，仅是本申请的较佳实施例而已，并非对本申请作任何形式上的限制，虽然本申请已以较佳实施例揭示如上，然而并非用以限定本申请，任何本领域技术人员，在不脱离本申请技术方案范围内，当可利用上述揭示的技术内容做出些许更动或修饰为等同变化的等效实施例，但凡是未脱离本申请技术方案内容，依据本申请的技术实质对以上实施例所作的任何简介修改、等同变化与修饰，均仍属于本申请技术方案的范围内。

Claims (10)

1.一种车辆失效估算方法，其特征在于，包括；
基于所获取的车辆数据库中的历史数据，确定每个里程区间的区间历史失效车辆数；其中，所述车辆数据库中的历史数据包括车辆的历史行驶数据以及车辆的失效数据；
根据每个所述里程区间的所述区间历史失效车辆数确定每个所述里程区间的区间历史车辆失效率；
根据所述区间历史车辆失效率以及区间历史车辆总数，估算待监控车辆在未来的每个里程区间的未来失效车辆数；以及
在所述未来失效车辆数大于区间失效阈值时，制定异常排查策略。
2.如权利要求1所述的车辆失效估算方法，其特征在于，所述基于所获取的车辆数据库中的历史数据，确定每个里程区间的区间历史失效车辆数，包括：
基于所获取的车辆数据库中的所述历史数据确定每个时间段对应的所述里程区间；以及
基于所述历史数据确定每个所述时间段对应的所述里程区间的区间历史失效车辆数和区间历史车辆数；
所述根据每个所述里程区间的所述历史失效车辆数确定每个所述里程区间的区间历史车辆失效率，包括：
根据所述区间历史失效车辆数和所述区间历史车辆数，确定每个所述里程区间的区间历史车辆失效率。
3.如权利要求2所述的车辆失效估算方法，其特征在于，所述根据所述区间历史失效车辆数和所述区间历史车辆数，确定每个所述里程区间的区间历史车辆失效率，包括：
根据每个所述里程区间的所述区间历史车辆数，确定每个所述里程区间对应的历史有效车辆总数，其中所述历史有效车辆总数为大于当前里程区间的所述区间历史车辆数之和；以及
根据所述区间历史失效车辆数以及对应的所述历史有效车辆总数，确定每个所述里程区间的所述区间历史车辆失效率。
4.如权利要求1～3任一项所述的车辆失效估算方法，其特征在于，所述根据所述区间历史车辆失效率以及区间历史车辆总数，估算待监控车辆在未来的每个里程区间的未来失效车辆数，包括：
基于所获取的车辆数据库中的历史数据，确定所述区间历史车辆总数；以及
根据每个所述区间历史车辆失效率以及区间历史车辆总数，估算所述待监控车辆在未来的每个里程区间的所述未来失效车辆数；其中所述区间历史车辆总数为所述小于或等于当前里程区间的所述区间历史车辆数之和。
5.如权利要求2或3所述的车辆失效估算方法，其特征在于，所述基于所述历史数据确定每个时间段对应的所述里程区间，包括：
基于所获取的车辆数据库中的所述历史数据确定每个车辆在单位时间段内的历史单位里程数；以及
基于所述历史单位里程数以及时间段，确定与每个所述时间段对应的所述里程区间。
6.如权利要求1～3任一项所述的车辆失效估算方法，其特征在于，所述方法还包括：
根据所述车辆数据库中更新的历史数据更新所述未来失效车辆数。
7.如权利要求1～3任一项所述的车辆失效估算方法，其特征在于，所述在所述未来失效车辆数大于区间失效阈值时，制定异常排查策略，包括：
在未来失效车辆总数大于失效总阈值时，制定所述异常排查策略；其中所述失效总阈值为每个所述里程区间对应的所述区间失效阈值之和，所述异常排查策略包括对未来失效车辆数异常原因的排查制定的策略。
8.一种车辆失效估算装置，其特征在于，所述车辆失效估算装置包括：
第一确定模块，用于基于所获取的车辆数据库中的历史数据，确定每个里程区间的区间历史失效车辆数；其中，所述车辆数据库中的历史数据包括：车辆的历史行驶数据以及车辆的失效数据；
第二确定模块，用于根据每个所述里程区间的所述区间历史失效车辆数确定每个所述里程区间的区间历史车辆失效率；
估算模块，用于根据所述区间历史车辆失效率以及区间历史车辆总数，估算待监控车辆在未来的每个里程区间的未来失效车辆数；以及
排查模块，用于在所述未来失效车辆数大于区间失效阈值时，制定异常排查策略。
9.一种服务器，其特征在于，包括处理器以及存储器，所述存储器存储有程序指令，所述程序指令被所述处理器执行时实施上述权利要求1～7任一项所述的车辆失效估算方法。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有程序代码，其中，在所述程序代码被处理器运行时执行权利要求1～7任一项所述的车辆失效估算方法。
CN202010675455.9A 2020-07-14 2020-07-14 车辆失效估算方法、装置、服务器以及存储介质 Active CN111882183B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010675455.9A CN111882183B (zh) 2020-07-14 2020-07-14 车辆失效估算方法、装置、服务器以及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010675455.9A CN111882183B (zh) 2020-07-14 2020-07-14 车辆失效估算方法、装置、服务器以及存储介质

Publications (2)

Publication Number Publication Date
CN111882183A true CN111882183A (zh) 2020-11-03
CN111882183B CN111882183B (zh) 2024-03-22

Family

ID=73150267

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010675455.9A Active CN111882183B (zh) 2020-07-14 2020-07-14 车辆失效估算方法、装置、服务器以及存储介质

Country Status (1)

Country Link
CN (1) CN111882183B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114136342A (zh) * 2021-11-30 2022-03-04 深圳市明睿数据科技有限公司 里程篡改判断方法及系统
CN115526369A (zh) * 2021-06-25 2022-12-27 东风本田发动机有限公司 汽车零件的失效预测方法、装置、计算机设备和存储介质

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103678101A (zh) * 2012-09-10 2014-03-26 中国科学院软件研究所 高速列车网络控制系统的软件可靠性检测方法
US20170031997A1 (en) * 2015-07-29 2017-02-02 Snap-On Incorporated Systems and Methods for Predictive Augmentation of Vehicle Service Procedures
CN107103400A (zh) * 2016-02-19 2017-08-29 富士施乐株式会社 质量管理装置以及质量管理方法
US9892568B2 (en) * 2012-08-20 2018-02-13 Innova Electronics Corporation Method and system for determining the likely operating cost for a particular type of vehicle over a defined period
CN108693868A (zh) * 2018-05-25 2018-10-23 深圳市轱辘车联数据技术有限公司 故障预测模型训练的方法、车辆故障预测的方法及装置

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9892568B2 (en) * 2012-08-20 2018-02-13 Innova Electronics Corporation Method and system for determining the likely operating cost for a particular type of vehicle over a defined period
CN103678101A (zh) * 2012-09-10 2014-03-26 中国科学院软件研究所 高速列车网络控制系统的软件可靠性检测方法
US20170031997A1 (en) * 2015-07-29 2017-02-02 Snap-On Incorporated Systems and Methods for Predictive Augmentation of Vehicle Service Procedures
CN107103400A (zh) * 2016-02-19 2017-08-29 富士施乐株式会社 质量管理装置以及质量管理方法
CN108693868A (zh) * 2018-05-25 2018-10-23 深圳市轱辘车联数据技术有限公司 故障预测模型训练的方法、车辆故障预测的方法及装置

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
张浩;高朝晖;: "基于汽车故障统计分析的备件需求预测", 煤炭技术, no. 12 *
霍炜, 赵红: "国产汽车可靠性管理的探讨", 青岛大学学报(工程技术版), no. 04 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115526369A (zh) * 2021-06-25 2022-12-27 东风本田发动机有限公司 汽车零件的失效预测方法、装置、计算机设备和存储介质
CN114136342A (zh) * 2021-11-30 2022-03-04 深圳市明睿数据科技有限公司 里程篡改判断方法及系统
CN114136342B (zh) * 2021-11-30 2024-03-22 深圳市明睿数据科技有限公司 里程篡改判断方法及系统

Also Published As

Publication number Publication date
CN111882183B (zh) 2024-03-22

Similar Documents

Publication Publication Date Title
CN111882183B (zh) 车辆失效估算方法、装置、服务器以及存储介质
US20110040719A1 (en) Failure detection system risk reduction assessment
MXPA04004897A (es) Sistema y metodo para procesar un nuevo caso de diagnostico con relacion a datos historicos de caso y determinar una clasificacion de posibles reparaciones.
CN111997880B (zh) 空压机控制方法、终端设备及存储介质
CN108492150B (zh) 实体热度的确定方法及系统
CN114514141A (zh) 充电站监测方法和设备
CN114429250B (zh) 应用于工业互联网的故障预测方法、装置及电子设备
CN116502166A (zh) 一种基于其他设备数据的预测方法、装置、设备和介质
CN110264055B (zh) 部件危害性评估方法、装置、设备及计算机可读存储介质
CN113835626B (zh) 一种确定磁盘可使用时长的方法及装置
CN115858311A (zh) 运维监控的方法、装置、电子设备及可读存储介质
US20130275812A1 (en) Determining root cause
CN114610961A (zh) 上车点推荐方法、装置、计算机设备和存储介质
JP7262000B2 (ja) 優先度判定システム、優先度判定方法及びプログラム
CN111553491A (zh) 一种车辆维修记录的生成方法及相关装置
CN116187510A (zh) 电表箱故障预测方法、装置、计算机设备和存储介质
CN111045875B (zh) 车辆事故检测方法及相关设备
CN110633810B (zh) 一种确定装备维修间隔时间的方法、系统及电子设备
CN112052147A (zh) 监控方法、电子设备及存储介质
CN117033160B (zh) 一种数据采集设备故障时间的预测方法
CN113312758B (zh) 风力发电机组的健康状态评估方法和装置
CN109900484B (zh) 气门横臂的检测方法、装置、设备以及存储介质
CN113093702B (zh) 故障数据的预测方法和装置、电子设备和存储介质
CN108693842A (zh) 管理系统
US20220322108A1 (en) Information processing apparatus, vehicle and information processing method

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
TA01 Transfer of patent application right
TA01 Transfer of patent application right

Effective date of registration: 20240226

Address after: 510000 No.8 Songgang street, Cencun, Tianhe District, Guangzhou City, Guangdong Province

Applicant after: GUANGZHOU XIAOPENG MOTORS TECHNOLOGY Co.,Ltd.

Country or region after: China

Address before: Room 0811 and 0812, north wing of Fumin Building, No.18 Beijiang Avenue, high tech Zone, Zhaoqing City, Guangdong Province, 526238

Applicant before: ZHAOQING XIAOPENG AUTOMOBILE Co.,Ltd.

Country or region before: China

GR01 Patent grant
GR01 Patent grant