CN113222185A - 联网车队中的车辆动力传动系统分析 - Google Patents
联网车队中的车辆动力传动系统分析 Download PDFInfo
- Publication number
- CN113222185A CN113222185A CN202110136997.3A CN202110136997A CN113222185A CN 113222185 A CN113222185 A CN 113222185A CN 202110136997 A CN202110136997 A CN 202110136997A CN 113222185 A CN113222185 A CN 113222185A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- data
- ownership
- fleet
- powertrain
- 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.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/04—Inference or reasoning models
-
- 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
- G06Q10/20—Administration of product repair or maintenance
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/02—Knowledge representation; Symbolic representation
-
- 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
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- 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
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0283—Price estimation or determination
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07B—TICKET-ISSUING APPARATUS; FARE-REGISTERING APPARATUS; FRANKING APPARATUS
- G07B15/00—Arrangements or apparatus for collecting fares, tolls or entrance fees at one or more control points
-
- 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
- G07C5/006—Indicating maintenance
-
- 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
-
- 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
- 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
- G07C5/0816—Indicating performance data, e.g. occurrence of a malfunction
-
- 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
- G07C5/0841—Registering performance data
- G07C5/085—Registering performance data using electronic data carriers
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
Abstract
本公开提供了“联网车队中的车辆动力传动系统分析”。本文描述了一种用于生成针对车辆动力传动系统变化的推荐的计算机实现的方法。所公开的系统和方法包括接收与联网车辆的车队中的一个或多个车辆相关联的操作数据,以及接收与车辆相关联的维护数据。维护数据可包括与一个或多个车队车辆零件相关联的车辆零件历史。描述了一种机器学习分析模型,该机器学习分析模型部分地基于操作数据和维护数据来确定车辆的总拥有成本,并且至少部分地基于车辆的总拥有成本来生成指示车队中的车辆的动力传动系统变化的车辆推荐。本公开的各方面可提供众包车辆车队信息的自动化源,车辆车队管理者可利用自动化源来做出针对车队动力传动系统升级的可行决定。
Description
技术领域
本公开涉及车辆动力传动系统分析,并且更具体地,涉及用于优化车辆动力传动系统配置的系统和方法。
背景技术
当对作为联网车辆车队的一部分操作的车辆群组做出决定时,影响动力传动系统配置的成本和益处的因素可能差异很大,并且可能需要表示车队中的车辆的实际推荐使用的大量数据输入。使用常规车队管理技术和系统,获得可靠且准确代表性数据所需的时间和工作可能效率低下。当前技术可能不考虑与每个车辆相关联的生命周期操作数据,诸如例如环境状况、工况(例如,山地驾驶、城市驾驶、驾驶时间计算、发动机转速、怠速时间、损坏事件记录、天气等)。鉴于特定的动力传动系统选项,此类信息可用于评估和预测车队车辆总生命周期拥有成本。
虽然一些已知方法可跟踪车辆车队中的车辆的生命周期拥有成本,但常规方法可能无法跟踪操作和维护状况,跟踪费用或无法提供认证功能来验证对车队中的车辆执行的工作的类型和质量。此外,已知技术可能无法在车辆生命周期内预测和量化客户特定总拥有成本在预定精度范围内的不确定性。
发明内容
本文公开的系统和方法被配置为跟踪与联网车辆车队中的车辆相关联的众包拥有成本数据,并且使用机器学习分析模型来提供车辆动力传动系统推荐。在一些方面,所述系统可包括基于云的部分,所述基于云的部分被配置和/或编程为跟踪车辆级和车队级工况,跟踪车辆维护信息并且跟踪与拥有车辆相关联的相关费用。所述系统还可包括基于车辆的部分,所述基于车辆的部分跟踪维护事件、工况以及与特定车辆相关联的其他方面。所述基于车辆的部分可使用一个或多个车辆远程信息处理系统(以及其他工具)来监测维护和其他事件,使与所述一个或多个车辆相关联的信息情景化,并且将所述情景化信息报告给一个或多个基于云的集中式服务器。所述一个或多个系统可在一个或多个车辆与基于云的基础设施之间进行交替,使得从制造到退出停用跟踪车辆以及在一些实施例中跟踪特定车辆零件,以便捕获对所述车辆在其生命周期内在所述车队中的拥有成本的准确估计。
所跟踪信息可包括与所述车辆相关联的维护数据,所述维护数据可提供与所述车队中的车辆的维护方式相关联的特定且可测量信息,并且还包括量化车队中使用的车辆的操作信息。例如,所述维护数据可包括单个车辆级维护信息,所述单个车辆级维护信息包括对已经服务于所述一个或多个车辆的服务人员和组织的标识,并且包括日期、时间和与车辆维修相关联的其他详细信息。所公开一个或多个系统可利用安装在所述车队中的所述车辆上并且能够在所述车辆上操作的视觉识别系统来确定所执行的维护,并且确定与所述维护相关联的定性信息,使得可量化所述车辆的总体维护并将其与其他信息进行比较以确定相对于动力传动系统变化的前进路径。在一些方面,此定性信息包括和/或并入维护细节,诸如(例如)在每个相应车辆上安装和/或更换的特定零件的零件历史。所述定性信息还可包括车辆使用信息,诸如例如车辆位置跟踪、天气信息、车辆使用和其他因素。所述操作数据可包括来自车载远程信息处理系统和/或基于云的基础设施的信息,所述信息详述特定车辆使用和信息。
所述车辆还可跟踪使用、排放和环境状况的传感器信息以评估所预测零件劣化。所公开系统可使用区块链和/或其他技术来认证车辆和零件数据,并且分配与特定车辆维护相关联的发票。车载传感器可检测并验证所执行维护的类型和位置。例如,燃料补给站可自动地传输与所述车辆有关的发票。车辆传感器可进一步验证所接收的燃料量。
使用基于云和基于车辆的基础设施实时地(和/或基本上实时地)从所述车辆车队获得众包信息可节省宝贵的时间并显著提高所述数据的准确性。由所公开系统获得的数据可具有提高的准确性和可靠性水平,因为所述车辆和认证网络可为所述数据提供不可变的源,同时解决与常规系统相关联的报告不一致。机器学习技术可用于生成推荐动力传动系统变化的可行车辆推荐,所述动力传动系统变化优化特定于所考虑的车队车辆的现实世界因素。
在本文中更详细地提供本公开的这些和其他优点。
附图说明
参考附图阐述具体实施方式。使用相同的附图标记可指示类似或相同项。各种实施例可利用除了在附图中示出的元件和/或部件之外的元件和/或部件,并且一些元件和/或部件可能不存在于各种实施例中。附图中的元件和/或部件不一定按比例绘制。在整个本公开中,根据上下文,可以可互换地使用单数和复数术语。
图1描绘可实施用于提供本文所公开系统和方法的技术和结构的说明性架构。
图2是根据本公开利用的示例性车辆计算机的功能示意图。
图3是根据本公开利用的示例性计算机的框图。
图4是根据本公开的用于生成指示车辆的动力传动系统变化的车辆推荐的示例性方法的流程图。
图5描绘根据本公开利用的数据库中的示例性数据结构。
具体实施方式
下文将参考附图更全面地描述本公开,在附图中示出本公开的示例性实施例,并且所述实施例不意图为限制性的。
如图1所示,描绘了可实施用于提供本文所公开系统和方法的技术和结构的计算环境100。图1所示的操作环境100包括一个或多个车辆105A和105B。虽然在图1中描绘了两个车辆105A、105B,但应理解,操作环境100可包括任何数量的车辆,其中车辆105A和105B(下文统称为车辆105)可表示单个车辆,和/或车队110中的任何数量的车辆。总的来说,一个或多个车辆105可作为单车辆或多车辆车队来操作,所述单车辆或多车辆车队可(在多车辆实施例中)经由一个或多个网络120通信地耦接到一个或多个服务器125。一个或多个网络120可以是和/或包括车辆对车辆通信系统、私有网络、公共网络和/或下文更详细描述的其他已知通信基础设施。
一个或多个服务器125可以是和/或包括一个或多个主机、一个或多个精简指令集计算机(RISC)和/或基于架构的服务器、一个或多个刀片服务器或其他基于云的计算基础设施。一个或多个服务器125可包括一个或多个存储装置130和/或与其通信地耦接。在一个或多个示例性实施例中,一个或多个服务器125可从车队110中的一个或多个车辆105接收车队操作数据和维护数据115(下文统称为“车辆数据115”),并且至少部分地基于车辆数据115来确定车队110中的车辆的总生命周期拥有成本。车辆数据115可包括例如与已服务于一个或多个车辆105的一个或多个服务技术人员160相关联的识别信息。
一个或多个服务器125可被配置为单独地并且结合安装在一个或多个车辆105上的汽车计算装置来执行本公开的各方面。一个这样的示例是下文关于图2描述的汽车计算机210。换句话说,一个或多个服务器125可包括计算机可执行指令,所述计算机可执行指令在由处理器执行时执行本公开的各方面。例如,一个或多个服务器125的一个或多个处理器305(图3)可结合与一个或多个车辆105中的一个或多个相关联的汽车计算机的一个或多个处理器工作,以对车辆数据115进行编译、分类和/或情景化。
一个或多个服务器125和/或车队管理器计算系统135可使用一个或多个车队预测最小化的分析模型和管理140(下文称为“分析模型140”)来执行这些步骤。因此,一个或多个服务器125可至少部分地基于一个或多个车辆105的总生命周期拥有成本分析145来生成一个或多个车辆动力传动系统配置推荐150。一个或多个服务器125还可至少部分地基于一个或多个推荐150来生成包括一个或多个购买推荐155的一个或多个消息。
图2示出根据本公开的可包括汽车计算机210的示例性汽车计算系统200,所述汽车计算机210可作为系统200的一部分设置在一个或多个车辆205的发动机舱或其他位置(或一个或多个车辆205中的其他地方)中。
一个或多个车辆205可以是汽车、卡车或其他类型的乘用车辆、公共汽车或其他类型的多乘用车辆、工作车辆、工作机器或本文未示出或明确论述的其他车辆。一个或多个车辆205可基本上类似于关于图1描述的一个或多个车辆105,并且可包括发动机215(其可以是电动的、汽油的、混合动力的等)、一个或多个驾驶员控制部件220、车辆硬件225以及一个或多个传感器230。
在一些情况下,发动机215可以是可定制的以允许如关于本文所描述的实施例所描述的操作车辆205,并且可使用发动机控制器235(在一些方面,其可以是自主车辆控制器、半自主车辆控制器和/或另一种类型的车辆控制模块)来控制。
在一些方面,一个或多个传感器230可包括可被配置用于接收指示车辆工况的信息、维护数据、车辆损坏事件数据以及其他信息的一个或多个音频和/或视频输入装置,诸如相机或其他感测机构。例如,一个或多个接近传感器、压电传感器或一个或多个其他类型的传感器可被配置为产生指示损坏事件是否已损坏一个或多个零件的信号反馈信息。另外,一个或多个传感器230可包括一个或多个导航接收器,诸如例如全球定位系统(GPS)。
一个或多个传感器230可包括具有相机、传声器和一个或多个接近传感器的视觉识别系统,所述一个或多个接近传感器被配置为识别人类活动和与车辆的交互。例如,视觉识别系统可识别服务于车辆的个人,并且识别在车辆的日常使用期间的事件,诸如例如燃料补给和驾驶。在另一实施例中,一个或多个传感器230可包括被配置为确定服务于车辆的个人(例如,图1中所描绘的一个或多个服务技术人员160)的一个或多个身份的面部识别系统。视觉识别系统还可确定与车辆服务相关联的企业,诸如维护或机械设施等。在一个实施例中,视觉识别系统可至少部分地基于企业的一个或多个服务技术人员160位置的标志或其他标识特征来确定位置。
在一个实施例中,一个或多个传感器230可接收诸如燃料补给信息的数据和本文描述的其他信息。例如,一个或多个传感器230可用作一个或多个车辆远程信息处理系统的一部分,所述一个或多个车辆远程信息处理系统可结合监测维护和其他事件的一个或多个车载视觉识别系统工作。一个或多个传感器230可包括可确定用于车辆的燃料质量和/或数量的各种类型的燃料传感器。例如,在一个实施例中,一个或多个传感器230可包括被配置为评估燃料质量、燃料类型和/或与燃料补给事件相关联的其他信息的一个或多个燃料类型传感器。在一个非限制性示例中,一个或多个传感器230可提供包括零件特定信息(诸如例如与安装在一个或多个车辆205上的机械或电气零件相关联的射频识别装置(RFID)标签)的车辆维护信息。在另一方面,维护数据可包括指示与一个或多个车辆205相关联的零件维修或零件更换的零件数据。
汽车计算机210还可包括车辆维护分析跟踪240和车辆操作分析跟踪系统250。一个或多个移动装置245可被配置为使用本文描述的一种或多种无线和/或有线通信协议向和从汽车计算机210传送数据。例如,一个或多个无线收发器255可经由一个或多个网络120(在图1中描绘)向和从汽车计算机210传送信息。
图3示出在实践本文描述的实施例时使用的示例性基于云的计算系统300(下文称为“计算机300”)的框图。如本文描述的计算机300可以硬件、软件(例如,固件)或它们的组合实现。
如图3所示,计算机300可包括一个或多个处理器305、通信地耦接到一个或多个处理器305的存储器310,以及可与外部装置通信地连接的一个或多个输入/输出适配器315。示例性外部装置可包括例如汽车计算机210、移动装置245等。计算机300可经由存储接口320操作性地连接到存储一个或多个数据库的一个或多个内部和/或外部存储器装置并与其传送信息。在一个示例性实施例中,一个或多个数据库可包括一个或多个车队级数据库400,如下文关于图4所描述的。
计算机300可包括被启用以将计算机300与一个或多个网络120通信地连接的一个或多个网络通信适配器325。在一些示例性实施例中,一个或多个网络120可以是或可包括可将移动装置245与一个或多个服务器125连接的远程通信网络基础设施。在此类实施例中,计算机300还可包括一个或多个远程通信适配器340。计算机300还可包括一个或多个输入装置345和/或一个或多个输出装置350和/或通过一个或多个I/O适配器315与它们连接。
一个或多个处理器305共同地是用于执行存储在计算机可读存储器(例如,存储器310)中的程序指令(又名软件)的硬件装置。一个或多个处理器305可以是定制的或可商购获得的处理器、中央处理单元(CPU)、多个CPU、与一个或多个服务器125相关联的若干其他处理器之中的辅助处理器、基于半导体的微处理器(呈微芯片或芯片组的形式),或者一般来说用于执行指令的任何装置。
一个或多个处理器305可被设置成经由存储装置接口320与一个或多个存储器装置(例如,存储器310和/或一个或多个外部数据库330等)进行通信。存储接口320还可采用诸如串行高级技术附件(SATA)、集成驱动电子器件(IDE)、通用串行总线(USB)、光纤信道、小型计算机系统接口(SCSI)等连接协议连接到一个或多个存储器装置,包括但不限于一个或多个数据库330和/或一个或多个其他存储器驱动器(图2中未示出),包括例如可移除磁盘驱动器、车辆计算系统存储器、云存储装置等。
存储器310可包括易失性存储器元件(例如,动态随机存取存储器(DRAM)、同步动态随机存取存储器(SDRAM)等)中的任一者或它们的组合,并且可包括任一个或多个非易失性存储器元件(例如,可擦除可编程只读存储器(EPROM)、快闪存储器、电子可擦除可编程只读存储器(EEPROM)、可编程只读存储器(PROM)等)。
存储器310中的指令可包括一个或多个单独的程序,所述程序中的每个可包括用于实施逻辑功能的计算机可执行指令的有序列表。在图3的示例中,存储器310中的指令可包括操作系统355。操作系统355可控制诸如例如拥有成本分析145的其他计算机程序的执行,所述程序可被配置和/或编程为生成一个或多个动力传动系统配置推荐150,和/或提供日程安排、输入-输出控制、文件和数据管理、存储器管理以及通信控制和相关服务。
在一个示例中,存储器310可包括用于生成指示车队110中的车辆的动力传动系统变化的一个或多个车辆推荐的指令。例如,一个或多个处理器305可执行存储器310中的指令以执行本文描述的各种动作,所述动作生成可指示一个或多个车辆105、205等的一个或多个动力传动系统变化的一个或多个车辆推荐。例如,一个或多个处理器305可使用分析方法(下文更详细地描述)确定生命周期拥有成本,所述分析方法可基于车队操作和维护数据115(在图1中描绘)。
在一个示例性实施例中,一个或多个处理器305可使用一个或多个拥有成本值来执行分析步骤,包括确定车辆数据的一个或多个平均值。一个或多个处理器305可使用存储器310中的指令(诸如例如动力传动系统选择约束)来生成一组或多组加权信息。例如,指令在由一个或多个处理器305执行时可致使一个或多个处理器执行包括以下各项的动作:确定与第一动力传动系统设计选项相关联的第一标准偏差值;确定与第二动力传动系统设计选项相关联的第二标准偏差值;以及用一组预定操作约束值中的一个或多个操作约束值对第一标准偏差值和第二标准偏差值进行加权。
因此,一个或多个处理器305可将信息存储在与一个或多个服务器125通信地耦接的一个或多个数据存储装置中。在一个方面,一个或多个服务器125可访问一个或多个数据库330以检索本文描述的一个或多个计算所需的信息,诸如例如作为一个或多个数据库330的一部分存储的一组预定操作约束值(其可以是与传动系工作负荷、特定电动和/或混合动力传动系统配置的驾驶续航里程等相关联的已知值和/或通过实验确定的值)。
存储在存储器310中的程序指令还可包括应用程序数据360,以及用于控制计算机300和/或与其交互的指令。
I/O适配器315可将多个输入装置345连接到一个或多个服务器125。输入装置可包括例如键盘、鼠标、传声器、传感器等。输出装置350可包括例如显示器、扬声器、触摸屏等。
I/O适配器315还可包括耦接到一个或多个显示器的显示器适配器。I/O适配器315可被配置为将一个或多个输入/输出(I/O)装置350操作性地连接到一个或多个服务器125。例如,I/O适配器315可连接键盘和鼠标、触摸屏、扬声器、触觉输出装置或其他输出装置。输出装置350可包括但不限于打印机、扫描仪等。也可包括其他输出装置,但图3中未示出。最后,可连接到I/O适配器315的I/O装置还可包括传送输入和输出两者的装置,例如但不限于网络接口卡(NIC)或调制器/解调器(用于访问其他文件、装置、系统或网络)、射频(RF)或其他收发器、电话接口、桥接器、路由器等。
根据一些示例性实施例,一个或多个服务器125可包括移动通信适配器340。移动通信适配器340可包括全球定位系统(GPS)、蜂窝、移动和/或用于无线通信的其他通信协议。
在一些实施例中,一个或多个服务器125还可包括用于耦接到一个或多个网络120的通信适配器340。
一个或多个网络120可以是和/或包括用于一个或多个服务器125与任何外部装置之间的通信的基于互联网协议(IP)的网络。一个或多个网络120可在一个或多个服务器125与一个或多个服务器125外部的装置和/或系统之间传输和接收数据。在示例性实施例中,一个或多个网络120可以是由服务提供商管理的托管IP网络。一个或多个网络120可以无线方式(例如,使用无线协议和技术,诸如Wi-Fi、WiMAX等)实现。一个或多个网络120还可与具有任何有线连接(包括例如RS232连接等)的有线网络(例如,以太网网络、控制器局域网(CAN)等)连接和/或包括它们。一个或多个网络120还可以是和/或包括分组交换网络,诸如局域网、广域网、城域网、互联网或其他类似类型的网络环境。一个或多个网络120可以是固定无线网络、无线局域网(LAN)、无线广域网(WAN)、个人局域网(PAN)、虚拟专用网(VPN)、内部网或另一合适的网络系统。
图4是根据本公开的用于生成指示车辆(例如,一个或多个车辆105、205等)的动力传动系统变化的车辆推荐的示例性方法400的流程图。可继续参考包括图1至图3的先前附图来描述图4和图5。以下过程是示例性的,并且不限于下文描述的步骤。此外,替代实施例可包括本文示出或描述的更多或更少的步骤,并且可以与以下示例性实施例中描述的顺序不同的顺序包括这些步骤。
首先参考图4,在步骤405处,方法400可开始于接收与一个或多个车辆105相关联的操作数据。在步骤410处,方法可包括接收与一个或多个车辆105相关联的维护数据,其中维护数据包括与车辆105相关联的一个或多个零件的零件历史。操作数据(步骤405)和维护数据(步骤410)可统称为关于图1描述的车辆数据115。例如,一个或多个服务器125的一个或多个处理器305可经由一个或多个网络120接收车辆数据115,其中车辆数据115包括通过一个或多个车辆105A的一个或多个车辆远程信息处理系统获得的天气信息、GPS信息、里程、传感器数据等。
在另一示例性实施例中,与一个或多个车辆105B的维护相关联的信息可包括服务量化数据,所述服务量化数据可量化服务质量与使用一个或多个车辆105B上的一个或多个传感器观察和记录的事件(使它们在数值上相关联)。例如,车辆数据115可包括具有一个或多个服务技术人员160的标识、服务地址、经销商、机械师店等的标识的维护技术数据;指示与一个或多个车辆105B相关联的一个或多个零件的零件级数据。应理解,虽然未详细描述,但在本领域中车辆跟踪和维护数据库结构内的相关联的零件级数据以从制造到退休(即,一个或多个车辆105B内零件因更换、损毁、故障等而超出其使用寿命的日期)跟踪产品的寿命。维护数据可包括指示与一个或多个车辆105相关联的一个或多个零件更换的零件数据。
当零件损毁或更换时,车辆数据115也可提供这种指示。例如,操作和/或维护数据(统称为车辆数据115)可包括指示与一个或多个车辆105相关联的一个或多个损坏事件的损坏事件数据。车辆数据115还可包括指示与车辆相关联的一个或多个车辆使用度量的车辆远程信息处理数据。车辆使用度量可包括例如驾驶时间、驾驶距离、日期信息、发动机信息(RPM等)、制动信息、能量使用、电池寿命信息等。
在另一示例中,操作数据可包括与一个或多个车辆105相关联的排放跟踪数据。在另一方面,维护数据包括指示与一个或多个车辆105相关联的车辆服务质量的服务量化值。
在步骤415处,方法400还可包括至少部分地基于操作数据和维护数据来确定一个或多个车辆105的总生命周期拥有成本。拥有成本分析145可以是所执行的一个或多个分析工具(诸如例如车辆维护分析跟踪240(如图2所示)和/或车辆操作分析跟踪系统250(也在图2中示出))的函数。例如,机器学习领域技术人员理解,机器学习模型可使用车辆数据115来训练,以对拥有成本和与车队110相关联的一个或多个传动系配置之间的关系进行表示和建模。机器学习技术可区分不同车队配置(其可在实验上被量化为数据库(诸如关于图5描述的一个或多个车队级数据库)的一部分),同时识别它们的相似性,但也可以是“随机的”,使得分析模型可给出标识多个值的预测间隔,然后从多个值中选择最佳值。可设想用于建模的各种技术,包括直接建模和模型校准方法。
关于直接建模方法,确定总拥有成本可至少部分地基于高斯过程(GP)模型
y(x)=y’(x)+ε,
其中y是指示与一个或多个车队配置x相关联的拥有成本的值,y'是操作可变性值,并且ε是指示与未知方差λ相关联的零均值高斯随机变量的值,使得λ与实验可变性相关联。更详细地考虑此方法,yt(x)的GP模型由以下表示,
yt(x)~GP(m(x),V(x,x′)),
其中m(x)和V(x,x')分别是GP模型的均值函数和协方差函数。
均值函数和协方差函数的常用形式可以表示为,
m(x)=h(x)Tβ,
其中p是x的维数,即x=(x1,x2,…,xp)T。h(x)是用于表示现有均值的用户预定义多项式函数的向量,β是与h(x)相关联的用于均值的多项式回归的系数的向量,σ是随机过程中单个随机变量的现有标准偏差,并且ω=[ω1,ω2,...,ωp]T是可用于量化过程的非线性的粗糙度参数的向量。
构造观察到的响应y(x)的GP模型可类似于通过最大似然估计(MLE)方法估计GP的未知参数,即,φ={β,σ,ω,λ},并且因此可使用数值优化策略来求解。
在确定了φ的最可能值之后,GP模型完全确定并且随后可用于在其他设计下预测这些值。使用GPR的一个益处在于GPR可量化尚未被测试的位置处的内插不确定性以及实验可变性。
关于校准建模方法,确定总拥有成本可至少部分地基于模型校准过程,使得
y(x)=ym(x)+δ(x)+ε,
其中y是与一个或多个车队配置x相关联的拥有成本值,y'是操作可变性值,δ(x)是与至少一个预定实验值相关联的偏差函数,并且ε是指示与未知方差λ相关联的零均值高斯随机变量的值,使得λ是与实验可变性相关联的未知方差。
使用均值和协方差函数方程,
m(x)=h(x)Tβ,
GP建模的概念可通过按以下方式参数化δ(x)来应用:{βδ,σδ,ωδ}。在用于跟踪等式的一个示例性方法中,可能有益的是,通过以下方式生成现有模型ym(x)(“模型的模型”,有时称为“元模型”)的GP模型:{βm,σm,ωm}。因此,针对此选项要评估的一组未知参数φ是{βδ,σδ,ωδ,βm,σm,ωm,λ}。在一些方面,其可能在计算上比在直接建模方法中估计较小参数集更昂贵,但作为回报,准确度可能更高,因为校准模型使用来自ym(x)的信息,所述信息是从过去的经验和知识导出的。
在使用上述一个或多个过程和/或模型确定车辆的总拥有成本之后,在步骤420处,方法400可包括至少部分地基于一个或多个车辆105的总拥有成本,生成指示一个或多个车辆105的动力传动系统变化的车辆推荐(例如,图1中的一个或多个推荐150和/或155中的一者或多者)。在一个方面,生成指示车辆的动力传动系统变化的车辆推荐可包括:确定与总拥有成本相关联的平均值(例如,步骤415的输出);确定与总拥有成本相关联的标准偏差值;以及生成一组加权动力传动系统选择约束,其中所述生成包括:确定与第一动力传动系统设计选项相关联的第一标准偏差值、确定与第二动力传动系统设计选项相关联的第二标准偏差值以及用一组预定操作约束值中的一个或多个操作约束值对所述第一标准偏差和所述第二标准偏差值进行加权。在其他方面,生成推荐可包括:至少部分地基于所述一组加权动力传动系统选择约束和与总拥有成本相关联的平均值来选择选定的动力传动系统变化选项,所述选定的动力传动系统变化选项包括与所述第一动力传动系统设计选项和所述第二动力传动系统设计选项中的一者相关联的最小预测拥有成本;至少部分地基于所述选定的动力传动系统改变选项来生成包括所述车辆推荐的动力传动系统消息;以及经由输出装置输出指示所述车辆的所述动力传动系统变化的所述车辆推荐。示例性输出装置可以是例如与车队管理器计算系统135(图1中示出)相关联的输出装置。
图5描绘可以是一个或多个车队级数据库500的一部分的示例性数据结构。一个或多个数据库500仅是代表性数据库,其描述可与本公开的实施例一起使用的数据结构的一个示例。参考图5,一个或多个车队级数据库500可包括与车辆车队(例如,图1中的车队110)中的车辆(例如,图1中的车辆105)的维护和修理数据以及操作数据相关联的一个或多个车辆级记录502。一个或多个车队级数据库500(在图1中也示出为135)可包括与车队110中的一个或多个车辆相关联的多个记录。例如,一个或多个车辆级记录502、504、506……等表示可与车辆车队相关联的任何数量的多个车辆记录。一个或多个车辆级记录502可包括例如维护和维修数据508以及操作数据510。维护和维修数据508可包括与服务质量相关联的信息,诸如例如服务资格数据516、维护技术人员数据514和/或零件级数据512。指示维护和修理的其他类型的数据是可能的,并且是可设想的。
操作数据510可包括任一种或多种操作数据类型,包括例如损坏事件数据518、远程信息处理数据520、车辆使用数据522、排放跟踪数据528和/或燃料补给数据530。车辆使用数据522可包括诸如例如GPS数据524和/或其他数据526(表示可指示车辆的操作方面的开放式信息类别)的信息。
应理解,虽然本公开包括关于云计算的详细描述,但本文叙述的教导的实施方式不限于云计算环境。而是,本发明的实施例能够结合现在已知或后续开发的任何其他类型的计算环境来实现。
在以上公开内容中,已经参考形成本公开的一部分的附图,附图示出其中可实践本公开的具体实施方式。应理解,在不脱离本公开的范围的情况下,可利用其他实现方式,并且可进行结构改变。本说明书中对“一个实施例”、“实施例”、“示例性实施例”等的引用指示所描述的实施例可包括特定特征、结构或特性,但并非每个实施例一定包括所述特定特征、结构或特性。此外,此类短语不一定是指同一实施例。此外,当结合实施例描述特征、结构或特性时,无论是否明确描述,本领域技术人员应认识到结合其他实施例的此类特征、结构或特性。
还应理解,如本文所使用的词语“示例”意图在本质上是非排他性的和非限制性的。更具体地,如本文所用的词语“示例性”指示若干示例中的一者,并且应理解,对所描述的特定示例并没有过分的强调或偏好。
计算机可读介质(也称为处理器可读介质)包括参与提供可由计算机(例如,由计算机的处理器)读取的数据(例如,指令)的任何非暂时性(例如,有形)介质。此种介质可采取许多形式,包括但不限于非易失性介质和易失性介质。计算装置可包括计算机可执行指令,其中所述指令可能够由一个或多个计算装置(诸如以上列出的那些)执行并且存储在计算机可读介质上。
关于本文所描述的过程、系统、方法、启发法等,应理解,虽然已经将此类过程等的步骤描述为根据某个有序顺序发生,但此类过程可用以与本文所描述的次序不同的次序执行的所描述的步骤来实践。还应理解,可同时执行某些步骤,可添加其他步骤,或者可省略本文所描述的某些步骤。换句话说,本文中对过程的描述是出于说明各种实施例的目的而提供的,并且绝不应被解释为限制权利要求。
因此,应理解,以上描述意图是说明性的而非限制性的。在阅读以上描述时,除所提供的示例之外的许多实施例和应用将为明显的。所述范围不应参考以上描述来确定,而是应参考所附权利要求以及享有此类权利要求的权利的等效物的整个范围来确定。预计并预期本文所讨论的技术未来将有所发展,并且所公开的系统和方法将并入到此类未来实施例中。总而言之,应理解,本申请能够进行修改和变化。
权利要求书中所使用的所有术语意图被赋予其如本文所描述的领域中的技术人员所理解的普通含义,除非在本文中做出明确的相反指示。特别地,诸如“一个”、“该”、“所述”等单数冠词的使用应被解读为叙述所指示要素中的一个或多个,除非权利要求叙述相反的明确限制。除非另有特别说明或在使用时在上下文内以其他方式理解,否则诸如尤其是“能够”、“可能”、“可以”或“可”的条件语言通常意图表达某些实施例可包括某些特征、元件和/或步骤,而其他实施例可不包括某些特征、元件和/或步骤。因此,此类条件语言通常并不意图暗示一个或多个实施例无论如何都需要所述特征、元件和/或步骤。
根据本发明的一个实施例,所述操作数据和所述维护数据包括与车辆车队相关联的信息,并且还包括确定所述车辆车队中的多个一个或多个车辆的所述总拥有成本。
根据一个实施例,所述操作数据包括以下中的一者或多者:损坏事件数据,所述损坏事件数据指示与所述车辆相关联的一个或多个损坏事件;远程信息处理数据,所述远程信息处理数据指示与所述车辆相关联的一个或多个车辆使用度量;以及车辆使用数据,所述车辆使用数据包括全球定位系统(GPS)信息。
根据一个实施例,所述维护数据包括以下中的一者或多者:与所述车辆相关联的排放跟踪数据;燃料补给数据,所述燃料补给数据指示与所述车辆相关联的燃料补给事件;服务量化值,所述服务量化值指示与所述车辆相关联的车辆服务的质量;维护技术人员数据,所述维护技术人员数据指示与已经对所述车辆执行工作的维护技术人员相关联的技术人员标识符;以及零件数据,所述零件数据指示与所述车辆相关联的零件维修或零件更换。
根据一个实施例,确定总拥有成本是至少部分地基于高斯过程模型y(x)=y’(x)+ε,其中y是指示与一个或多个车队配置x相关联的拥有成本的值,其中y'是操作可变性,并且其中ε是与未知方差λ相关联的零均值高斯随机变量,使得λ与实验可变性相关联。
根据本发明,提供了一种包括程序指令的非暂时性计算机可读存储介质,所述所述程序指令在由处理器执行时致使所述处理器执行动作,所述动作具有:接收与车辆相关联的操作数据;接收与所述车辆相关联的维护数据,所述维护数据包括与所述车辆相关联的一个或多个零件的零件历史;至少部分地基于所述操作数据和所述维护数据来确定所述车辆的总拥有成本;以及至少部分地基于所述车辆的所述总拥有成本而生成指示所述车辆的动力传动系统变化的车辆推荐。
Claims (15)
1.一种计算机实现的方法,其包括:
接收与车辆相关联的操作数据;
接收与所述车辆相关联的维护数据,所述维护数据包括与所述车辆相关联的一个或多个零件的零件历史;
至少部分地基于所述操作数据和所述维护数据来确定所述车辆的总拥有成本;以及
至少部分地基于所述车辆的所述总拥有成本来生成指示所述车辆的动力传动系统变化的车辆推荐。
2.根据权利要求1所述的计算机实现的方法,其中所述车辆是作为车辆车队中的一个车辆来操作。
3.根据权利要求2所述的计算机实现的方法,其还包括确定所述车辆车队的所述总拥有成本。
4.根据权利要求1所述的计算机实现的方法,其中所述操作数据包括指示与所述车辆相关联的一个或多个损坏事件的损坏事件数据。
5.根据权利要求1所述的计算机实现的方法,其中所述操作数据包括指示与所述车辆相关联的一个或多个车辆使用度量的远程信息处理数据。
6.根据权利要求1所述的计算机实现的方法,其中所述操作数据包括车辆使用数据,所述车辆使用数据包括全球定位系统(GPS)信息。
7.根据权利要求1所述的计算机实现的方法,其中所述操作数据包括与所述车辆相关联的排放跟踪数据。
8.根据权利要求1所述的计算机实现的方法,其中所述操作数据包括指示与所述车辆相关联的燃料补给事件的燃料补给数据。
9.根据权利要求1所述的计算机实现的方法,其中所述维护数据包括指示与所述车辆相关联的车辆服务质量的服务量化值。
10.根据权利要求1所述的计算机实现的方法,其中所述维护数据包括维护技术人员数据,所述维护技术员数据指示与已对所述车辆执行工作的维护技术员相关联的技术人员标识符。
11.根据权利要求1所述的计算机实现的方法,其中所述维护数据包括指示与所述车辆相关联的零件维修或零件更换的零件数据。
12.根据权利要求1所述的方法,其中确定所述总拥有成本至少部分地基于高斯过程模型y(x)=y'(x)+ε,
其中y是指示与一个或多个车队配置x相关联的拥有成本的值,
其中y'是操作可变性值,并且
其中ε是与未知方差λ相关联的零均值高斯随机变量,使得λ与实验可变性相关联。
13.根据权利要求1所述的方法,其中确定所述总拥有成本至少部分地基于模型校准过程y(x)=ym(x)+δ(x)+ε,
其中y是与一个或多个车队配置x相关联的拥有成本值,
其中y'是操作可变性值,
其中δ(x)是与实验值相关联的偏差函数,并且
其中ε是指示与未知方差λ相关联的零均值高斯随机变量的值,使得λ与实验可变性相关联。
14.根据权利要求1所述的方法,其中生成指示所述车辆的所述动力传动系统变化的所述车辆推荐包括:
确定与所述总拥有成本相关联的平均值;
确定与所述总拥有成本相关联的标准偏差值;
生成一组加权动力传动系统选择约束,所述生成包括:
确定与第一动力传动系统设计选项相关联的第一标准偏差值;
确定与第二动力传动系统设计选项相关联的第二标准偏差值;以及
用一组操作约束值中的一个或多个操作约束值对所述第一标准偏差值和所述第二标准偏差值进行加权;
至少部分地基于所述一组加权动力传动系统选择约束和与所述总拥有成本相关联的所述平均值来选择选定的动力传动系统变化选项,所述选定的动力传动系统变化选项包括与所述第一动力传动系统设计选项和所述第二动力传动系统设计选项中的一者相关联的最小预测拥有成本;
至少部分地基于所述选定的动力传动系统变化选项来生成包括所述车辆推荐的动力传动系统消息;以及
经由输出装置输出指示所述车辆的所述动力传动系统变化的所述车辆推荐。
15.一种系统,其包括:
处理器;以及
存储器,所述存储器用于存储可执行指令,所述处理器被配置为执行所述指令以:
接收与车辆相关联的操作数据;
接收与所述车辆相关联的维护数据,所述维护数据包括与所述车辆相关联的一个或多个零件的零件历史;
至少部分地基于所述操作数据和所述维护数据来确定所述车辆的总拥有成本;并且
至少部分地基于所述车辆的所述总拥有成本来生成指示所述车辆的动力传动系统变化的车辆推荐。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US16/781,698 | 2020-02-04 | ||
US16/781,698 US20210241138A1 (en) | 2020-02-04 | 2020-02-04 | Vehicle powertrain analysis in networked fleets |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113222185A true CN113222185A (zh) | 2021-08-06 |
Family
ID=76853716
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110136997.3A Pending CN113222185A (zh) | 2020-02-04 | 2021-02-01 | 联网车队中的车辆动力传动系统分析 |
Country Status (3)
Country | Link |
---|---|
US (1) | US20210241138A1 (zh) |
CN (1) | CN113222185A (zh) |
DE (1) | DE102021102146A1 (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11798055B1 (en) * | 2021-01-12 | 2023-10-24 | State Farm Mutual Automobile Insurance Company | Vehicle telematics systems and methods |
US20240013581A1 (en) * | 2022-07-07 | 2024-01-11 | Caterpillar Inc. | Planned maintenance schedule synchronization with onboard display device |
Family Cites Families (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6434458B1 (en) * | 1999-10-28 | 2002-08-13 | General Electric Company | Method and apparatus for vehicle data transfer optimization |
US8312118B2 (en) * | 2003-03-24 | 2012-11-13 | Siemens Aktiengesellschaft | Method for remote maintenance of technical devices |
US8428810B2 (en) * | 2004-08-04 | 2013-04-23 | Verifacts Automotive, Llc | Data management systems for collision repair coaching |
US7487018B2 (en) * | 2004-08-04 | 2009-02-03 | Verifacts Automotive, Llc | Data management systems for collision repair coaching |
US20090055091A1 (en) * | 2007-08-24 | 2009-02-26 | Jeffery Scott Hines | Method, Apparatus, and Computer Program Product for Intelligently Selecting Between the Utilization of Geo-Fencing and Map Matching in a Telematics System |
US20130232027A1 (en) * | 2012-03-01 | 2013-09-05 | Ford Global Technologies, Llc | Fleet Purchase Planner |
US8977423B2 (en) * | 2012-05-23 | 2015-03-10 | Snap-On Incorporated | Methods and systems for providing vehicle repair information |
US9477950B2 (en) * | 2014-09-04 | 2016-10-25 | Snap-On Incorporated | Prognostics-based estimator |
US20150149218A1 (en) * | 2013-11-22 | 2015-05-28 | Gulfstream Telematics LLC | Detection System for Analyzing Crash Events and Methods of the Same |
US9881428B2 (en) * | 2014-07-30 | 2018-01-30 | Verizon Patent And Licensing Inc. | Analysis of vehicle data to predict component failure |
US20190251759A1 (en) * | 2016-06-30 | 2019-08-15 | The Car Force Inc. | Vehicle data aggregation and analysis platform providing dealership service provider dashboard |
US20180082342A1 (en) * | 2016-09-21 | 2018-03-22 | International Business Machines Corporation | Predicting automobile future value and operational costs from automobile and driver information for service and ownership decision optimization |
US20180229744A1 (en) * | 2017-02-10 | 2018-08-16 | Slick Technologies, LLC | Engine monitoring and maintenance dispatch system |
US10798104B2 (en) * | 2018-01-15 | 2020-10-06 | Ford Global Technologies, Llc | Networked communications control for vehicles |
US10928803B2 (en) * | 2018-05-02 | 2021-02-23 | Rockwell Automation Technologies, Inc. | Managing blockchains for multiple components in an industrial facility |
JP2022527429A (ja) * | 2019-02-07 | 2022-06-02 | ボルボトラックコーポレーション | 車両のフリートを運用する方法及びシステム |
US11780609B2 (en) * | 2019-06-12 | 2023-10-10 | Honeywell International Inc. | Maintenance recommendations using lifecycle clustering |
US10972900B2 (en) * | 2019-08-09 | 2021-04-06 | Here Global B.V. | Method and apparatus for providing selected access to user mobility data based on a quality of service |
US11299142B2 (en) * | 2019-08-20 | 2022-04-12 | GM Global Technology Operations LLC | Hybrid electric powertrain architectures and control logic for vehicle response management |
US20210110480A1 (en) * | 2019-10-13 | 2021-04-15 | TrueLite Trace, Inc. | Intelligent machine sensing and machine learning-based commercial vehicle insurance risk scoring system |
-
2020
- 2020-02-04 US US16/781,698 patent/US20210241138A1/en not_active Abandoned
-
2021
- 2021-01-29 DE DE102021102146.4A patent/DE102021102146A1/de active Pending
- 2021-02-01 CN CN202110136997.3A patent/CN113222185A/zh active Pending
Also Published As
Publication number | Publication date |
---|---|
US20210241138A1 (en) | 2021-08-05 |
DE102021102146A1 (de) | 2021-08-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11756126B1 (en) | Method and system for automatically streamlining the vehicle claims process | |
US10062219B2 (en) | Method for determining the cause of failure in a vehicle | |
US9286736B2 (en) | Methods and systems of vehicle telematics enabled customer experience | |
US20170221069A1 (en) | Real time failure analysis and accurate warranty claim assesment | |
US20140129080A1 (en) | System and method for recording driving patterns and suggesting purchasable vehicles | |
KR101664034B1 (ko) | 중고차 예상 가격 제공 시스템 및 방법 | |
KR20160040209A (ko) | 차량 진단 및 수리 비용 추정을 미리 평가하기 위한 방법 및 시스템 | |
US20160225198A1 (en) | Methods and systems of vehicle telematics enabled customer experience | |
US20140052499A1 (en) | Telenostics performance logic | |
US20200013237A1 (en) | Maintenance notification system and method for controlling same, and non-transitory computer readable medium | |
US20180197354A1 (en) | Service improvement by better incoming diagnosis data, problem specific training and technician feedback | |
CN104488004A (zh) | 用于提供车辆维修信息的方法和系统 | |
US11543250B2 (en) | Securitized and encrypted data for vehicle service scheduling and dispatch devices (SSDD) and systems that provide improved operations and outcomes | |
CN113222185A (zh) | 联网车队中的车辆动力传动系统分析 | |
US11948161B2 (en) | System and method for providing disposal recommendation for a vehicle owner | |
US20180082342A1 (en) | Predicting automobile future value and operational costs from automobile and driver information for service and ownership decision optimization | |
US20220027963A1 (en) | Vehicle Valuation Engine to Determine Valuation Based on Usage and Fault History | |
US20240095686A1 (en) | Autonomous car repair | |
CN105469147B (zh) | 用于诊断故障和/或诊断维修和/或维护需求的方法 | |
US20210201274A1 (en) | Vehicle repair material prediction and verification system | |
US20230289744A1 (en) | Vehicle repair guide system | |
JP7317874B2 (ja) | 情報処理装置、プログラム及び情報処理方法 | |
Ing et al. | Approach for integrating condition monitoring information and forecasting methods to enhance spare parts supply chain planning | |
US20230377387A1 (en) | Systems and Methods for Using Sensors to Determine a Holistic Vehicle Characteristic and/or to Generate Parameters for a Vehicle Service | |
US20230334913A1 (en) | Vehicle fleet management |
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 |