DE102007045255A1

DE102007045255A1 - Verfahren zur Herstellung eines Diagnosesystems, insbesondere für ein Kraftfahrzeug

Info

Publication number: DE102007045255A1
Application number: DE102007045255A
Authority: DE
Inventors: Tobias Müller; Andreas Breuer; Olaf Krieger
Original assignee: Volkswagen AG
Current assignee: Volkswagen AG
Priority date: 2007-09-21
Filing date: 2007-09-21
Publication date: 2009-04-02
Anticipated expiration: 2027-09-22
Also published as: DE102007045255B4

Abstract

Die Erfindung betrifft ein Verfahren zur Herstellung eines Diagnosesystems (1), insbesondere für ein Kraftfahrzeug, wobei eine Datenbasis erstellt wird, in der für eine Mehrzahl (5) von Kraftfahrzeugen (5.1, 5.2, 5.3) oder zu diagnostizierender Einrichtungen Symptome (S1, S2, S3, S4, ...) und aufgrund dieser Symptome (S1, S2, S3, S4, ...) durchgeführte Reparaturmaßnahmen (M1, M2, M3, M4, ...) gespeichert sind, und wobei für zumindest ein Symptom (S1, S2, S3, S4, ...) und eine Reparaturmaßnahme (M1, M2, M3, M4, ...) ein statistischer Zusammenhaner Reparaturmaßnahme (M1, M2, M3, M4, ...) bestimmt wird, oder wobei für zumindest ein Symptom (S1, S2, S3, S4, ...) und eine Reparaturmaßnahme (M1, M2, M3, M4, ...) bestimmt wird, mit welcher Irrtums.) Einfluss auf die Reparaturmaßnahme (M1, M2, M3, M4, ...) oder mit welcher Häufigkeit das Symptom (S1, S2, S3, S4, ...) zu der Reparaturmaßnahme (M1, M2, M3, M4, ...) geführt hat.

Description

Die Erfindung betrifft ein Verfahren zur Herstellung eines Diagnosesystems, insbesondere für ein Kraftfahrzeug, wobei eine Datenbasis erstellt wird, in der für eine Mehrzahl von Fahrzeugen oder zu diagnostizierender Einrichtungen Symptome und aufgrund dieser Symptome durchgeführte Reparaturmaßnahmen (einander zugeordnet) gespeichert sind.
Die meisten heute in Kraftfahrzeugen eingesetzten Steuergeräte sind eigendiagnosefähig. Das bedeutet, sie besitzen Diagnoseroutinen innerhalb der Steuergerätesoftware, welche die Sensoren und Aktoren gegeneinander plausibilisieren. Dazu werden zum Beispiel Verfahren eingesetzt, wie sie in "Modellgestützte Steuerung, Regelung und Diagnose von Verbrennungsmotoren", Isermann, R., Springer, 2003, beschrieben sind. Wird von einem System eine Störung erkannt, so wird ein Ereignisspeichereintrag hinterlegt, der über eine Diagnoseschnittstelle aus dem Kraftfahrzeug ausgelesen werden kann (vgl. ISO 15031).
Im Gegensatz zur Eigendiagnose (On-Board-Diagnose), wie sie zum Beispiel in der DE 102 22 072 A1 offenbart ist, wird unter Off-Board-Diagnosesystemen, wie sie zum Beispiel in der DE 199 59 526 A1 , der DE 10 2005 015 664 A1 und der DE 10 2005 014 308 A1 offenbart sind, eine Klasse von Systemen verstanden, die in der Werkstatt an ein Kraftfahrzeug angeschlossen werden können und von außen auf die Systeme im Kraftfahrzeug zugreifen. Sie haben die Möglichkeit, Energiespeichereinträge aller vorhandenen Fahrzeugsysteme auszulesen und dem Kundendienstmitarbeiter in einer lesbaren Form anzuzeigen.
Leistungsfähige Diagnosesysteme sollen dem Kundendienstmitarbeiter nicht nur alle Informationen aus den einzelnen Steuergeräten anzeigen, sondern ihn zusätzlich bei der Fehlersuche aktiv unterstützen, wie zum Beispiel bei der so genannten geführten Fehlersuche GFS. Die GFS verwendet Fehlersuchprogramme auf Basis von Entscheidungsbäumen, welche von Experten erstellt, in verschiedene Sprachen übersetzt und weltweit an die Anwender verteilt werden. Hier wird für jeden Fehlercode, der in einem Fahrzeug auftreten kann, ein Fehlersuchprogramm erstellt. Eine besondere Schwierigkeit besteht hierbei in der Abdeckung aller Varianten eines Kraftfahrzeuges, welche sich durch die zahlreichen Ausstattungsmöglichkeiten ergeben. So kann sich derselbe Fehler in unterschiedlichen Kraftfahrzeugvarianten in unterschiedlicher Art äußern. Zudem können entsprechende Prüf- oder Reparaturanweisungen stark variieren. Darüber hinaus ist es schwierig, alle Fehlerquellen zu erkennen und abzudecken.
Es ist Aufgabe der Erfindung, vorgenannte Nachteile zu vermeiden. Dabei ist es insbesondere eine Aufgabe bzw. eine alternative oder weitere Aufgabe der Erfindung, ein verbessertes Diagnosesystem, insbesondere für ein Kraftfahrzeug, anzugeben.
Vorgenannte Aufgabe wird durch ein Verfahren zur Herstellung eines, insbesondere Off-Board, Diagnosesystems, insbesondere für ein Kraftfahrzeug, gelöst, wobei eine Datenbasis erstellt wird, in der für eine Mehrzahl von Fahrzeugen oder zu diagnostizierender Einrichtungen Symptome und aufgrund dieser Symptome durchgeführte Reparaturmaßnahmen (einander zugeordnet) gespeichert sind, und wobei für zumindest ein Symptom und eine Reparaturmaßnahme ein statistischer Zusammenhang zwischen dem Symptom und der Reparaturmaßnahme bestimmt wird, oder wobei für zumindest ein Symptom und eine Reparaturmaßnahme bestimmt wird, mit welcher Irrtumswahrscheinlichkeit das Symptom Einfluss auf die Reparaturmaßnahme oder mit welcher Häufigkeit das Symptom zu der Reparaturmaßnahme geführt hat. Zur Bestimmung der Irrtumswahrscheinlichkeit ist besonders der x2-Test geeignet, wie er zum Beispiel auf Seite 475 in "DTV-Atlas zur Mathematik", Band 2, 6. Aufl., März 1987, ISBN 3-423-03008-9, offenbart ist.
In vorteilhafter Ausgestaltung der Erfindung wird die Irrtumswahrscheinlichkeit mit einem Signifikanzniveau oder Signifikanz-Grenzwert verglichen. In weiterhin vorteilhafter Ausgestaltung der Erfindung werden einer Reparaturmaßnahme die Symptome zugeordnet, bei denen die Irrtumswahrscheinlichkeit in Bezug auf die Reparaturmaßnahme das Signifikanzniveau oder den Signifikanz-Grenzwert nicht überschreitet. Es kann dabei auch sein, dass einer Reparaturmaßnahme nur ein einziges Symptom zugeordnet wird. In weiterhin vorteilhafter Ausgestaltung der Erfindung beträgt das Signifikanzniveau oder der Signifikanz-Grenzwert in etwa 5%.
In weiterhin vorteilhafter Ausgestaltung der Erfindung werden die Reparaturmaßnahmen, denen zumindest ein gemeinsames Symptom zugeordnet ist, mit ihren zugeordneten Symptomen zu einem Cluster zusammengefasst. Ein Cluster im Sinne der Erfindung kann auch als Gruppe bezeichnet werden. Die Zusammenfassung erfolgt jedoch vorteilhafterweise nur sofern die Anzahl der Reparaturmaßnahmen, denen zumindest ein gemeinsames Symptom zugeordnet ist, einen Cluster-Grenzwert nicht überschreitet. Das heißt, dass die Zusammenfassung mehrerer Zusammenhänge zwischen Reparaturmaßnahmen und Symptomen nicht erfolgt, wenn ein Symptom Teil einer Vielzahl (mehr als der Cluster-Grenzwert) derartiger Zusammenhänge ist. In weiterhin vorteilhafter Ausgestaltung der Erfindung liegt der Cluster Grenzwert zwischen 5 und 20, insbesondere zwischen 5 und 10.
In weiterhin vorteilhafter Ausgestaltung der Erfindung wird mit den Reparaturmaßnahmen eines Clusters und den ihnen zugeordneten Symptomen ein Diagnose-Netz trainiert. Ein derartiges Diagnose-Netz kann zum Beispiel ein neuronales Netz oder ein Bayessches Netz sein. In weiterhin vorteilhafter Ausgestaltung der Erfindung werden die Diagnose-Netze zumindest zweier Cluster in ein Diagnosesystem, insbesondere für ein Kraftfahrzeug, integriert.
Vorgenannte Aufgabe wird zudem durch ein Diagnosesystem, insbesondere für ein Kraftfahrzeug, insbesondere durch ein gemäß einem einen oder mehrere der vorgenannten Schritte umfassenden Verfahren hergestelltes Diagnosesystem, gelöst, wobei das Diagnosesystem zumindest ein Diagnose-Netz mit einer Mehrzahl von Knoten und Verbindungen zwischen zumindest je zwei Knoten umfasst, und wobei die Verbindungen des Diagnose-Netzes zu einem Anteil von weniger als 70% unrelevante Verbindungen sind. In vorteilhafter Ausgestaltung der Erfindung sind die Verbindungen des Diagnose-Netzes zu einem Anteil von weniger als 50%, insbesondere weniger als 20%, unrelevante Verbindungen. Eine unrelevante Verbindung im Sinne der Erfindung ist insbesondere eine Verbindung mit einem Gewicht von weniger als 5%, insbesondere von weniger als 1%, des Gewichts der Verbindung mit dem größten Gewicht.
Kraftfahrzeug im Sinne der Erfindung ist insbesondere ein individuell im Straßenverkehr benutzbares Landfahrzeug. Kraftfahrzeuge im Sinne der Erfindung sind insbesondere nicht auf Landfahrzeuge mit Verbrennungsmotor beschränkt.
Weitere Vorteile und Einzelheiten ergeben sich aus der nachfolgenden Beschreibung von Ausführungsbeispielen am Beispiel eines Diagnosesystems für ein Kraftfahrzeug. Dabei zeigen:
1 ein Ausführungsbeispiel eines Diagnosebereitstellungssystems,
2 ein Ausführungsbeispiel eines Diagnosesystems,
3 ein Ausführungsbeispiel eines Verfahrens zur Herstellung eines Diagnosesystems für ein Kraftfahrzeug,
4 eine Datenbasis in einer vereinfachten Darstellung,
5 eine Signifikanzmatrix in einer vereinfachten Darstellung,
6 aus einer Signifikanzmatrix abgeleitete Cluster in einer vereinfachten Darstellung,
7 zusammengefasste Cluster in einer vereinfachten Darstellung,
8 ein neuronales Netz und
9 eine Trainingsumgebung zum Trainieren zusammengefasster Einzelnetze.
1 zeigt ein Diagnosesystem 1, wie es zum Beispiel in einer Werkstatt 2 zum Einsatz kommt.
Dabei bezeichnet Bezugszeichen 3 einen Service- oder Kundendienstmitarbeiter mit seinem entsprechenden Werkzeug. Die Werkstatt 2 durchläuft eine Mehrzahl 5 von Kraftfahrzeugen 5.1, 5.2, 5.3, deren Zustand Z, zum Beispiel elektronisch oder durch Sichtung, aufgenommen wird. Entsprechend werden die einzelnen Kraftfahrzeuge 5.1, 5.2, 5.3 mittels geeigneter Reparaturmaßnahmen M repariert.
Zur Unterstützung der Reparaturmaßnahmen ist das Diagnosesystem 1 vorgesehen, das in 2 detailliert dargestellt ist. Dem Diagnosesystem werden Symptome S zugeführt, die bei einem Kraftfahrzeug 5.1, 5.2, 5.3 ermittelt werden. Diese Symptome S werden insbesondere über eine entsprechende Schnittstelle 12 elektronisch eingelesen. Es kann jedoch auch vorgesehen sein, dass bestimmte Symptome über eine entsprechende Schnittstelle 13, die zum Beispiel als Eingabemaske ausgestattet sein kann, manuell eingegeben werden. Die Symptome S werden einem Diagnosemodul 11 zugeführt, das einen Vorschlag M* für eine Reparaturmaßnahme über eine Schnittstelle 14 ausgibt, die identisch mit der durchgeführten Reparaturmaßnahme M sein kann bzw. meistens ist.
Bezugszeichen 6 in 1 bezeichnet ein Diagnosebereitstellungssystem, dem die durchgeführten Reparaturmaßnahmen M sowie die zu dem Reparaturfall gehörenden Symptome S übermittelt werden. Dabei ist insbesondere vorgesehen, dass nicht nur die Reparaturmaßnahmen M und die zugehörigen Symptome S für Reparaturen einer Werkstatt 2 dem Diagnosebereitstellungssystem 6 zugeleitet werden, sondern entsprechende Reparaturmaßnahmen und Symptome vieler Werkstätten. In Abhängigkeit der Symptome S und der zugeordneten Reparaturmaßnahmen M erzeugt das Diagnosebereitstellungssystem einen neuen Code D für das Diagnosemodul 11, der dem Diagnosesystem 1 in bestimmten Zeitabschnitten übertragen wird. Es kann auch vorgesehen werden, dass das Diagnosesystem 1 durch ein neues Diagnosesystem mit dem entsprechenden Code D ersetzt wird.
Das Diagnosesystem 1 kann auch an einem anderen Ort angeordnet sein. So kann das Diagnosesystem 1 bei dem Diagnosebereitstellungsmodul 6 angeordnet oder in dieses integriert sein. Ist das Diagnosesystem 1 nicht am Ort seiner Nutzung angeordnet, so kann an diesem Ort eine Mensch-Maschine-Schnittstelle und/oder einer Maschine-Maschine- Schnittstelle vorgesehen sein, mittels denen mit dem Diagnosesystem 1, z. B. via Internet o. ä., kommuniziert werden kann.
3 zeigt ein in dem Diagnosebereitstellungsmodul 6 implementiertes (automatisiert ablaufendes) Verfahren. Dabei wird in einem Schritt 21 eine Datenbasis erstellt, wie sie in 4 beispielhaft dargestellt ist. In dieser Datenbasis werden einzelne Symptome S zusammen mit den entsprechenden Reparaturmaßnahmen M abgespeichert. Dem Schritt 21 folgt ein Schritt 22, in dem für jede Kombination eines Symptoms S und einer Reparaturmaßnahme M ein statistischer Zusammenhang zwischen dem Symptom S und der Reparaturmaßnahme M, vorteilhafterweise eine Irrtumswahrscheinlichkeit, gebildet wird. Zur Bildung dieser Irrtumswahrscheinlichkeit ist insbesondere der χ²-Test geeignet. Das Ergebnis des Schritts 22 ist eine in 5 beispielhaft dargestellte als Signifikanzmatrix bezeichnete Matrix. Eine reale Signifikanzmatrix umfasst mehrere tausend Spalten und Reihen. Der statistische Zusammenhang zwischen dem Symptom S und der Reparaturmaßnahme M kann auch eine Häufigkeit sein, jedoch ist eine Irrtumswahrscheinlichkeit als Zusammenhang zwischen dem Symptom S und der Reparaturmaßnahme M zu bevorzugen.
Dem Schritt 22 folgt ein Schritt 23, in dem einer Reparaturmaßnahme M die Symptome S zugeordnet werden, bei denen die Irrtumswahrscheinlichkeit in Bezug auf die Reparaturmaßnahme einen Signifikanzgrenzwert nicht überschreitet (bzw. gegebenenfalls bei denen die Häufigkeit in Bezug auf die Reparaturmaßnahme und das entsprechende Symptom einen Häufigkeitsgrenzwert nicht unterschreitet). Dieser Signifikanzgrenzwert liegt vorteilhafterweise in etwa bei 5%. Die Zuordnung von Symptomen S zu einer Reparaturmaßnahme M wird im Folgenden als Cluster bezeichnet, wie sie beispielhaft in 6 dargestellt sind.
In dem in 5 dargestellten Beispiel beträgt die Irrtumswahrscheinlichkeit dafür, dass bei Symptom S1 die Reparaturmaßnahme M2 die richtige Reparaturmaßnahme ist, 0,01. 0,01 ist kleiner als 5%. Daher werden Symptom S1 und Reparaturmaßnahme M2 zu einem Cluster 31 zusammengefasst. Die Irrtumswahrscheinlichkeit dafür, dass die Reparaturmaßnahme M1 bei Symptom S2 die richtige Reparaturmaßnahme ist, beträgt 0,02. 0,02 ist kleiner als 5%. Daher werden auch Symptom S2 und Reparaturmaßnahme M1 zu einem Cluster 32 zusammengefasst. Die Irrtumswahrscheinlichkeit dafür, dass die Reparaturmaßnahme M3 bei Symptom S3 sowie Symptom S4 die richtige Reparaturmaßnahme ist, beträgt jeweils 0,01. 0,01 ist kleiner als 5%. Daher werden die Symptome S3 und S4 in einem Cluster 33 der Reparaturmaßnahme M3 zugeordnet. Die Irrtumswahrscheinlichkeit dafür, dass bei Symptom S4 die Reparaturmaßnahme M4 die richtige ist, beträgt ebenfalls 0,01 und ist kleiner als 5%. Daher werden das Symptom S4 und die Reparaturmaßnahme M4 in einem Cluster 34 zusammengefasst.
Dem Schritt 23 folgt ein Schritt 24, in dem die Cluster zusammengefasst werden, die gemeinsame Symptome umfassen. Dies erfolgt jedoch nur, wenn die Anzahl der Reparaturmaßnahmen, denen zumindest ein gemeinsames Symptom zugeordnet ist, einen Cluster-Grenzwert nicht überschreitet. Dieser Cluster-Grenzwert beträgt z. B. 20, vorteilhafterweise 10, insbesondere 5. Dadurch wird vermieden, dass bei sehr häufig auftretenden Symptomen diese Symptome benutzt werden, um Cluster zusammenzufassen. Tritt also ein Symptom besonders häufig auf, wird es nicht dazu benutzt, Cluster zusammenzufassen. Die Zusammenfassung von Clustern ist beispielsweise in 7 am Beispiel der in 6 dargestellten Cluster dargestellt. Wie in 6 ersichtlich, umfasst sowohl das Cluster 33, das Symptom S4 als auch das Cluster 34. Da das Symptom S4 weniger häufig in Clustern vorhanden ist als dies durch den Cluster-Grenzwert begrenzt wird, werden die Cluster 33 und 34, wie in 7 dargestellt, zu einem neuen Cluster 35 zusammengefasst.
Dem Schritt 24 folgt ein Schritt 25, in dem zu jedem Cluster 31, 32, 33, 34, 35 ein Netz (Ausführungsbeispiel für ein Diagnose-Netz im Sinne der Ansprüche), zum Beispiel ein neuronales Netz, wie dies in 8 beispielhaft für Cluster 35 dargestellt ist, erzeugt wird. Dabei entspricht die Anzahl der Eingangsknoten 51, 52 der Anzahl der Symptome S3, S4 des Clusters 35 und die Anzahl der Ausgangsknoten 61, 62 der Anzahl der Reparaturmaßnahmen M3, M4 des Clusters 35. Anschließend werden die derart erzeugten Netze mit der in 4 dargestellten Datenbasis trainiert.
Dem Schritt 25 folgt ein Schritt 26, in dem die einzelnen Netze (die im übrigen eine oder mehr Zwischenschichten (hidden layer) umfassen können) schließlich zu einem Gesamtnetz zusammengefasst werden, dass dem Diagnosemodul 11 bzw. dessen Code entspricht. Es kann auch vorgesehen werden, die Schritte 25 und 26 dergestalt auszuführen, dass die untrainierten Netze, wie in 9 dargestellt, zu einem Gesamtnetz 110 mit der Struktur des Diagnosemoduls 11 bzw. dessen Codes zusammengefasst werden und anschließend mittels der in 4 dargestellten Datenbasis trainiert werden, wobei
sind. Dabei sind S1, S2, Si, Si + 1, Si + 2, Sj, Sk, Sk + 1 und Sn die Daten (0 oder 1) einzelner Symptome und M1, Mx, Mx + 1, My, Mz, Mm die Daten (0 oder 1) einzelner Reparaturmaßnahmen. Nach dem Training bildet das trainierte Gesamtnetz 110 das Diagnosemodul 11 bzw. dessen Code.

1: Diagnosesystem
2: Werkstatt
3: Service- oder Kundendienstmitarbeiter mit seinem entsprechenden Werkzeug
5: Mehrzahl von Kraftfahrzeugen
5.1, 5.2, 5.3: Kraftfahrzeuge
6: Diagnosebereitstellungssystem
11: Diagnosemodul
12, 13, 14: Schnittstelle
21, 22, 23, 24
25, 26: Schritt
31, 32, 33, 34
35: Cluster
51, 52: Eingangsknoten
61, 62: Ausgangsknoten
110: Gesamtnetz
D: Code
M: Reparaturmaßnahme
M*: Vorschlag für eine Reparaturmaßnahme
M1, Mx,
Mx + 1, My,
Mz, Mm: Daten einzelner Reparaturmaßnahmen
S: Symptom
S1, S2, Si,
Si + 1, Si + 2, Sj,
Sk, Sk + 1, Sn: Daten einzelner Symptome
Z: Zustand eines Kraftfahrzeuges

ZITATE ENTHALTEN IN DER BESCHREIBUNG
Diese Liste der vom Anmelder aufgeführten Dokumente wurde automatisiert erzeugt und ist ausschließlich zur besseren Information des Lesers aufgenommen. Die Liste ist nicht Bestandteil der deutschen Patent- bzw. Gebrauchsmusteranmeldung. Das DPMA übernimmt keinerlei Haftung für etwaige Fehler oder Auslassungen.
Zitierte Patentliteratur

- DE 10222072 A1 [0003]
- DE 19959526 A1 [0003]
- DE 102005015664 A1 [0003]
- DE 102005014308 A1 [0003]

Zitierte Nicht-Patentliteratur

- "Modellgestützte Steuerung, Regelung und Diagnose von Verbrennungsmotoren", Isermann, R., Springer, 2003 [0002]
- ISO 15031 [0002]
- "DTV-Atlas zur Mathematik", Band 2, 6. Aufl., März 1987, ISBN 3-423-03008-9 [0006]

Claims

Verfahren zur Herstellung eines Diagnosesystems (1), insbesondere für ein Kraftfahrzeug, wobei eine Datenbasis erstellt wird, in der für eine Mehrzahl (5) von Kraftfahrzeugen (5.1, 5.2, 5.3) oder zu diagnostizierender Einrichtungen Symptome (S1, S2, S3, S4, ...) und aufgrund dieser Symptome (S1, S2, S3, S4, ...) durchgeführte Reparaturmaßnahmen (M1, M2, M3, M4, ...) gespeichert sind, dadurch gekennzeichnet, dass für zumindest ein Symptom (S1, S2, S3, S4, ...) und eine Reparaturmaßnahme (M1, M2, M3, M4, ...) ein statistischer Zusammenhang zwischen dem Symptom (S1, S2, S3, S4, ...) und der Reparaturmaßnahme (M1, M2, M3, M4, ...) bestimmt wird, oder dass für zumindest ein Symptom (S1, S2, S3, S4, ...) und eine Reparaturmaßnahme (M1, M2, M3, M4, ...) bestimmt wird, mit welcher Irrtumswahrscheinlichkeit das Symptom (S1, S2, S3, S4, ...) Einfluss auf die Reparaturmaßnahme (M1, M2, M3, M4, ...) oder mit welcher Häufigkeit das Symptom (S1, S2, S3, S4, ...) zu der Reparaturmaßnahme (M1, M2, M3, M4, ...) geführt hat.
Verfahren nach Anspruch 1, dadurch gekennzeichnet, dass die Irrtumswahrscheinlichkeit mit einem Signifikanzniveau oder Signifikanz-Grenzwert verglichen wird.
Verfahren nach Anspruch 1 oder 2, dadurch gekennzeichnet, dass einer Reparaturmaßnahme (M3) die Symptome (S3, S4) zugeordnet werden, bei denen die Irrtumswahrscheinlichkeit in Bezug auf die Reparaturmaßnahme (M1, M2, M3, M4, ...) das Signifikanzniveau oder den Signifikanz-Grenzwert nicht überschreitet.
Verfahren nach Anspruch 3, dadurch gekennzeichnet, dass das Signifikanzniveau oder der Signifikanz-Grenzwert in etwa 5% beträgt.
Verfahren nach Anspruch 3 oder 4, dadurch gekennzeichnet, dass die Reparaturmaßnahmen (M3, M4), denen zumindest ein gemeinsames Symptom (S4) zugeordnet ist, mit ihren zugeordneten Symptomen (S3, S4) zu einem Cluster (35) zusammengefasst werden.
Verfahren nach Anspruch 3 oder 4, dadurch gekennzeichnet, dass die Reparaturmaßnahmen (M3, M4), denen zumindest ein gemeinsames Symptom (S4) zugeordnet ist, mit ihren zugeordneten Symptomen (S3, S4) zu einem Cluster (35) zusammengefasst werden, sofern die Anzahl der Reparaturmaßnahmen, denen zumindest ein gemeinsames Symptom zugeordnet ist, einen Cluster-Grenzwert nicht überschreitet.
Verfahren nach Anspruch 6, dadurch gekennzeichnet, dass der Cluster-Grenzwert zwischen 5 und 20 liegt.
Verfahren nach Anspruch 6 oder 7, dadurch gekennzeichnet, dass mit den Reparaturmaßnahmen (M3, M4) eines Clusters (35) und den ihnen zugeordneten Symptomen (S3, S4) ein Diagnose-Netz trainiert wird.
Verfahren nach Anspruch 8, dadurch gekennzeichnet, dass die Diagnose-Netze zumindest zweier Cluster in ein Diagnosesystem (1), insbesondere für ein Kraftfahrzeug, integriert werden.
Diagnosesystem (1), insbesondere für ein Kraftfahrzeug, insbesondere gemäß einem Verfahren nach einem der vorhergehenden Ansprüche hergestelltes Diagnosesystem (1), wobei das Diagnosesystem (1) zumindest ein Diagnose-Netz mit einer Mehrzahl von Knoten und Verbindungen zwischen zumindest je zwei Knoten umfasst, dadurch gekennzeichnet, dass die Verbindungen des Diagnose-Netzes zu einem Anteil von weniger als 70% unrelevante Verbindungen sind.
Verfahren nach Anspruch 10, dadurch gekennzeichnet, dass die Verbindungen des Diagnose-Netzes zu einem Anteil von weniger als 50%, insbesondere weniger als 20%, unrelevante Verbindungen sind.