DE102012208537B4 - Verfahren zum Identifizieren einer Grundursache eines Fehlers in einem gewarteten Fahrzeug und zum Durchführen von Korrekturhandlungen - Google Patents

Abstract

Verfahren zum Identifizieren einer Grundursache eines Fehlers in einem gewarteten Fahrzeug auf der Basis von Anomalien, die in Parameteridentifikationsdaten identifiziert werden, und zum Durchführen von Korrekturhandlungen, wobei das Verfahren die Schritte umfasst:
Ausführen einer Diagnosesoftwareroutine zum Abrufen von Diagnosefehlercodes, die verwendet werden, um Fehler in einem Betrieb des gewarteten Fahrzeugs zu identifizieren;
Abrufen von Parameteridentifikationsdaten, die den Diagnosefehlercodes zugeordnet sind, die mit einem detektierten Fehler identifiziert werden;
Sammeln von Parameteridentifikationsdaten von mehreren Fahrzeugen, die die Diagnosefehlercodes erfahren, auf einem Computer;
Erzeugen eines ersten Satzes von Diagnoseregeln (30), wobei der erste Satz von Diagnoseregeln Fahrzeugbetriebsparameter zum Ausführen eines Diagnosefehlercode-Algorithmus oder zum Auslösen eines Diagnosefehlercodes identifiziert;
Erzeugen eines zweiten Satzes von Diagnoseregeln (32), wobei der zweite Satz von Diagnoseregeln Fahrzeugbetriebsparameter identifiziert, die zum Auswählen von Einsatzausfalldaten verwendet werden, die erhalten werden, wenn der Diagnosefehlercode ausgelöst wird;
Gewinnen von statistisch signifikanten Regeln aus dem zweiten Satz von Diagnoseregeln (34);
Anwenden von jeder des ersten Satzes von Regeln und der statistisch signifikanten Regeln gemeinsam auf die Parameteridentifikationsdaten zum Identifizieren einer Teilmenge der Parameteridentifikationsdaten, die Anomalien darstellen (38);
wobei ein Fachmann die Anomalien zum Identifizieren einer Grundursache des Fehlers analysiert (40); und
Durchführen von Korrekturhandlungen auf der Basis der Analyse der identifizierten Grundursache (42).

Description

• HINTERGRUND DER ERFINDUNG
• Die vorliegende Erfindung bezieht sich auf ein Verfahren zum Identifizieren einer Grundursache eines Fehlers in einem gewarteten Fahrzeug auf der Basis von Anomalien, die in Parameteridentifikationsdaten identifiziert werden, und zum Durchführen von Korrekturhandlungen.
• Zum besseren Verständnis sei an dieser Stelle auf den Stand der Technik gemäß den Druckschriften DE 10 2007 045 255 A1 , US 2006 / 0 095 230 A1 , DE 10 2005 027 378 B3 und DE 10 2005 040 142 A1 verwiesen.
• Diagnosesoftwarealgorithmen verwenden Fehlercodes oder Diagnosefehlercodes (DTCs) zum Unterstützen von Technikern beim Warten einer Maschinerie wie z. B. eines Fahrzeugs in einer Kundendienstabteilung in einer Verkaufsvertretung. Diagnosefehlercodes (DTCs) werden in dem Fahrzeug auf der Basis von Diagnosesoftwarealgorithmen ausgelöst. Ein Kundendienstdiagnosewerkzeug, das von einem Kundendienst oder dergleichen verwendet wird, ruft DTCs aus einem Fahrzeugprozessorspeicher ab, die verwendet werden, um den Fehler in einer spezifischen Komponente des Fahrzeugs zu bestimmen. Jeder der Prozessoren im Fahrzeug umfasst einen Speicher, der DTCs speichert, wenn das Fahrzeug einen elektrischen Fehler erfährt. Der Kundendiensttechniker kann den gegenwärtigen ausgelösten DTC oder eine Entwicklung von beliebigen DTCs zum Bestimmen der Grundursache im Fahrzeug durchsehen. DTCs sind alphanumerische Codes, die verwendet werden, um einen Fehler zu identifizieren, der in verschiedenen Komponenten, Schaltungen oder der Software innerhalb des Fahrzeugs auftritt. Solche DTCs stehen mit verschiedenen elektrischen Fahrzeugfunktionen in Beziehung, die den Motorbetrieb, Emissionen, Bremsen, Antriebsstrang, Sicherheit und Lenkung umfassen, aber nicht darauf begrenzt sind. Jedes Untersystem kann seinen eigenen Bordprozessor zum Überwachen von Fehlern des Untersystembetriebs aufweisen oder ein Prozessor kann für die Überwachung von Fehlern für mehrere Untersysteme verantwortlich sein. Wenn der Untersystemprozessor einen Fehler detektiert, werden ein oder mehrere DTCs erzeugt.
• Die DTCs unterstützen das Kundendienstpersonal beim genauen Feststellen des Problembereichs. DTCs werden vom Kundendienstpersonal mit Hilfe eines Abtastwerkzeugs abgerufen. Obwohl der DTC eine Unterstützung für das Kundendienstpersonal beim genauen Feststellen des Problembereichs schafft, liefert der DTC keine eindeutigen Informationen hinsichtlich dessen, was exakt das Problem verursacht hat. Gewöhnlich gibt ein DTC einen Fehler entweder in einer spezifischen Komponente, einer Schaltung, die eine Komponente mit dem Steuermodul verbindet, oder im Steuermodul selbst an. Nun liegt es immer noch am Techniker, die Grundursache durch Durchführen von weiteren Tests von elektrischen Schaltungen unter Verwendung einer analytischen Schlussfolgerung, einer früheren Erfahrung oder einer besten Vermutung zu identifizieren. Daher schaffen DTCs nur eine Diagnose bis zu einem gewissen Umfang. Eine zusätzliche Diagnoseauflösung könnte nur durch Durchführen von zusätzlichen Praxistests und Sammeln von zusätzlichen Betriebsparameterdaten vom Fahrzeug erhalten werden. Manchmal kann der Algorithmus, der den DTC erzeugt, einen Fehler aufweisen oder die im Algorithmus festgelegten Kalibrierungen sind gegen Fahrzeugbetriebsbedingungen empfindlich, was zum Auslösen eines falschen DTC führt. Außerdem können die DTCs ein intermittierendes Verhalten aufweisen, das aufgrund der Abwesenheit der Betriebsparameterdaten, unter denen intermittierende DTCs ausgelöst wurden, schwierig festzustellen ist. Das intermittierende Verhalten von Fehlern sind diejenigen Fälle, in denen ein Fehler ausgelöst und aufgezeichnet wird; die Fehlerbedingungen jedoch im Kundendienstreparaturzentrum nicht wiederholt werden können.
• Das Abtastwerkzeug kann ferner Standbild-Betriebsparameteridentifizierer (PIDs) abrufen, die aufgezeichnet werden, wenn ein spezifischer DTC ausgelöst wird. Ein PID-Code ist ein Betriebsparameter einer Komponente oder eine Ausgabe eines Diagnosealgorithmus, der/die über das Abtastwerkzeug aufgezeichnet wird und durch Lesen vom Kommunikationsbus des Fahrzeugs übertragen wird. Eine der Vorrichtungen am Kommunikationsbus erkennt den PID-Code, für den sie verantwortlich ist, und gibt Informationen in Bezug auf den PID-Code zurück, um weitere Details hinsichtlich einer oder mehrerer der Vorrichtungen bereitzustellen, die Daten in Bezug auf den detektierten Fehler erfassen. Die Anzahl von PIDs in Bezug auf einen DTC kann jedoch ziemlich zahlreich und mühselig für Kundendienstpersonal sein, das die PID-Codes analysieren muss.
• In vielen Fällen sind Fehler im DTC-Algorithmus vorhanden und DTCs werden unter ungeeigneten Voraussetzungen ausgelöst (z. B. sind die Bedingungen zum Auslösen des DTC falsch). Überdies können Kalibrierungen auf der Basis von Betriebsbedingungen empfindlich sein und die Betriebsparameter erfordern eine Neukalibrierung. Mit der ungeheuren Anzahl von PID-Codes, die gesammelt und analysiert werden, können Anomalien, die in den DTC-Daten vorhanden sind, mit Hilfe von statistischen und Datengewinnungstechniken identifizierbar sein. Anomalien werden typischerweise identifiziert, wenn Garantieanspruchsdaten analysiert werden. Garantiedaten werden jedoch nur erhalten, nachdem ein Fahrzeug in der Produktion ist und Ansprüche an die Reparatur gestellt wurden. Folglich kann eine ungeheure Anzahl von Fahrzeugen, die die Anomalie in DTCs aufweisen, bereits gewartet worden sein. Was wünschenswert wäre, wäre das Identifizieren einer Anomalie in den DTCs während der Entwicklungsstufen oder frühen Produktionsstufen, so dass Korrekturhandlungen während der Entwicklungsstufe oder frühen Produktionsstufe durchgeführt werden können.
• Der Erfindung liegt daher die Aufgabe zu Grunde, diesem Wunsch gerecht zu werden.
• ZUSAMMENFASSUNG DER ERFINDUNG
• Diese Aufgabe wird mit einem Verfahren mit den Merkmalen des Anspruchs 1 gelöst.
• Ein Vorteil einer Ausführungsform ist die Identifikation von Anomalien in DTC-Einstellungen. Anomalien können während einer Entwicklungsstufe eines Fahrzeugs detektiert werden, um die Anzahl von Garantiereparaturen zu minimieren, wenn das Fahrzeug in Produktion geht. Das System verwendet Regeln auf der Basis der Entwurfsdokumente und Spezifikationen sowie statistisch signifikante Regeln über Datengewinnung der Einsatzausfalldaten, um informative PIDs zu identifizieren, die dem ausgelösten DTC zugeordnet sind, um eine Anomalie zu detektieren. Die Anomalie kann das Ergebnis von falschen Voraussetzungen des DTC oder von empfindlichen Kalibrierungen sein. Folglich werden analytische Symptome identifiziert und die Grundursache des Fehlers wird durch einen Prozess außerhalb des Fahrzeugs zum Verbessern von Kundendienstprozeduren bestimmt. Einstellungen an der Komponente, an der Software oder an den Kundendienstdokumenten werden vorzugsweise während der Entwicklungsstufen des Fahrzeugs oder früh in der Produktion des Fahrzeugs durchgeführt. Verringern der Rate von keinen Fehler gefunden (NTF) durch Korrigieren der Einstellungsbedingungen des Fehlercodes (z. B. DTC) anstatt Hinzufügen von neuen Fehlercodes.
• Bei dem erfindungsgemäßen Verfahren wird eine Diagnosesoftwareroutine zum Abrufen von Diagnosefehlercodes ausgeführt, die verwendet werden, um Fehler in einem Betrieb des gewarteten Fahrzeugs zu identifizieren. Parameteridentifikationsdaten, die den Diagnosefehlercodes zugeordnet sind, die mit einem detektierten Fehler identifiziert werden, werden abgerufen. Parameteridentifikationsdaten von mehreren Fahrzeugen, die die Diagnosefehlercode erfahren, werden auf einem Computer gesammelt. Ein erster Satz von Diagnoseregeln wird erzeugt. Der erste Satz von Diagnoseregeln identifiziert Fahrzeugbetriebsparameter zum Ausführen eines Diagnosefehlercode-Algorithmus oder zum Auslösen eines Diagnosefehlercodes. Ein zweiter Satz von Diagnoseregeln wird erzeugt. Der zweite Satz von Diagnoseregeln identifiziert Fahrzeugbetriebsparameter, die zum Auswählen von Einsatzausfalldaten verwendet werden, die erhalten werden, wenn der Diagnosefehlercode ausgelöst wird. Statistisch signifikante Regeln werden aus dem zweiten Satz von Diagnoseregeln gewonnen. Jede des ersten Satzes von Regeln und der statistisch signifikanten Regeln werden gemeinsam auf die Parameteridentifikationsdaten zum Identifizieren einer Teilmenge der Parameteridentifikationsdaten, die Anomalien darstellen, angewendet. Ein Fachmann analysiert die Anomalien zum Identifizieren einer Grundursache des Fehlers. Korrekturhandlungen werden auf der Basis der Analyse der identifizierten Grundursache durchgeführt.
• Figurenliste
• 1 ist ein Blockdiagramm eines Diagnosereparaturberichtssystems.
• 2 ist ein Blockablaufdiagramm zum Detektieren von Anomalien aus DTC- und PIDs-Daten.
• 3 stellt beispielhafte Datensätze von Eingangsattributen zum Erzeugen eines Entscheidungsbaums dar.
• 4 ist eine beispielhafte Darstellung eines rekursiv erzeugten Entscheidungsbaums.
• 5 sind beispielhafte Graph-Teilmengen-Parameteridentifikationsdaten, die durch Anwenden der statistisch signifikanten Regeln identifiziert werden.
• AUSFÜHRLICHE BESCHREIBUNG
• In 1 ist ein Diagnosereparaturberichtssystem 10 gezeigt. Das Diagnosereparaturberichtssystem 10 umfasst mehrere Kundendienstzentren 12 zum Melden von Diagnosefehlercodes (DTCs), die von der Wartung von Fahrzeugen erhalten werden. Selbstverständlich können die Daten von Flottenfahrzeugen und Testfahrzeugen während sowohl der Entwicklungsstufen des Fahrzeugs als auch der frühen Produktionsstufen des Fahrzeugs abgerufen werden. Das Erhalten von DTC-Daten und das Analysieren der DTC-Daten auf Anomalien während der Entwicklungsstufen oder frühen Produktionsstufen unterstützt beim Verringern der Anzahl von Kundendienst- und Garantieansprüchen, die beim Fahrzeug gestellt werden.
• Um festzustellen, ob eine Fehldiagnose für eine spezifische Kundendienstreparatur aufgetreten ist, werden Reparaturdaten von den Kundendienstwerkstätten abgerufen. Erstausrüster (OEMs) wie z. B. Kraftfahrzeugfirmen, unterhalten ein Online-Reparaturberichtssystem. Überdies sammeln die OEMs Daten von Testfahrzeugen und Flottenfahrzeugen. In diesem Beispiel werden die Fahrzeuge zu einer Kundendienstwerkstatt wie z. B. einer Kundendienstabteilung bei einer Verkaufsvertretung gebracht. Die Techniker führen eine Diagnoseprüfung an dem Fahrzeug unter Verwendung eines Abtastwerkzeugs 14 durch, das mit einem oder mehreren Prozessoren im Fahrzeug (z. B. Motorsteuermodul) kommuniziert. Jeder der Prozessoren im Fahrzeug umfasst einen Speicher oder verwendet einen entfernten Speicher zum Speichern von DTCs 16, wenn das Fahrzeug ein Problem erfährt und ein Fehlercode aufgezeichnet wird. Das Speichern der DTCs 16 im Fahrzeugprozessorspeicher erleichtert dem Kundendiensttechniker den Versuch, das Problem mit dem Fahrzeug wieder zu erlangen, insbesondere wenn das Fahrzeug gegenwärtig nicht für das Problem symptomatisch ist; vielmehr kann der Kundendiensttechniker die aktuelle oder vergangene Entwicklung von irgendwelchen DTCs durchsehen, die im Speicher des Fahrzeugs gespeichert wurden, um festzustellen, welche Probleme bei dem Fahrzeug vorhanden waren, als das Problem aufgetreten ist. DTCs 16 sind alphanumerische Codes, die verwendet werden, um ein Problem zu identifizieren, das in verschiedenen Komponenten im Fahrzeug auftritt. Solche DTCs 16 können mit verschiedenen Fahrzeugfunktionen in Beziehung stehen, die Motorbetrieb, Emissionen, Bremsen, Antriebsstrang und Lenkung umfassen, aber nicht darauf begrenzt sind. Jedes Untersystem kann seinen eigenen Bordprozessor zum Überwachen von Fehlern des Untersystembetriebs aufweisen oder ein Prozessor kann für die Überwachung von Fehlern für mehrere Untersysteme verantwortlich sein. Wenn der Untersystemprozessor einen Fehler detektiert, werden ein oder mehrere DTCs 16 erzeugt. Die DTCs 16 werden im Speicher des Prozessors gespeichert und werden später vom Kundendiensttechniker abgerufen, wenn sie getestet werden. Die DTCs 16 unterstützen den Kundendiensttechniker beim genauen Feststellen des Problembereichs.
• Um einen DTC 16 abzurufen, gibt der Kundendiensttechniker einen Modus am Abtastwerkzeug 14 ein, der den Abruf von DTCs 16 anfordert, die für einen gegenwärtigen oder vergangenen Fahrzyklus gespeichert wurden. Die Anzahl von DTCs 16 ist jedoch in einem Fahrzeug begrenzt und das Finden der Grundursache wird sehr schwierig, wenn mehrere DTCs 16 gleichzeitig ausgelöst werden.
• Das Abtastwerkzeug 14 kann auch verwendet werden, um die Betriebsparameteridentifizierer (PIDs) 18 abzurufen, die zu dem Zeitpunkt aufgezeichnet werden, zu dem der DTC ausgelöst und durch die Bordprozessoren aufgezeichnet wird. Die Funktionstüchtigkeit der Untersysteme wird typischerweise durch mehrere (z. B. tausende) Betriebs-PIDs 18 überwacht, die kontinuierlich unter Verwendung von verschiedenen Sensoren und Diagnosesoftwareroutinen gesammelt werden, die in den Bordprozessoren enthalten sind. Die PIDs 18 werden von Standbilddaten gesammelt, die ein Satz einer begrenzten Anzahl von Instanzen sind, in denen der DTC aufgetreten ist.
• Die Informationen in den PIDs 18 können Daten hinsichtlich ihres Betriebszustandes umfassen (z. B. wird das Verhältnis des Luft/KraftstoffGemisches vorgesehen, so dass eine Feststellung durchgeführt werden kann, ob das Verhältnis innerhalb eines minimalen und maximalen Werts liegt). Die DTCs 16 und PIDs 18 werden gesammelt und in mehreren Speichervorrichtungen 20 gespeichert, wobei sie für die spätere Analyse abgerufen werden können.
• Ein Analysewerkzeug 22 steht mit den Speichervorrichtungen 20 zum Abrufen von allen oder eines Teils der Kundendienstdaten in Kommunikation, die die DTCs 16 und PIDs 18 von vorher gewarteten Fahrzeugen enthalten, um die Identifikation von Grundursachen eines gegenwärtig gewarteten Fahrzeugs zu unterstützen. Das Analysewerkzeug 22 kann einen Computer, ein Laptop, eine in der Hand gehaltene drahtlose Verarbeitungsvorrichtung oder eine ähnliche Vorrichtung umfassen, die Daten speichern und die Diagnoseroutinen ausführen, wie hier beschrieben.
• 2 stellt ein Blockablaufdiagramm zum Detektieren von Anomalien aus DTC- und PID-Daten dar. Eine entwurfsbezogene Quelle 30 umfasst eine oder mehrere Datenbanken und/oder gedruckte Dokumente in Bezug auf Entwurfsspezifikationen und Regeln eines Fachmanns (SME). Die Entwurfsspezifikationen und SME-Regeln können Kundendienstprozeduren, Kalibrierungsdokumente, Betriebsrichtlinien, Konstruktionsspezifikationen und eine andere Dokumentation umfassen, die Details hinsichtlich der Betriebsparameter einer Komponente, einer Schaltung, eines Algorithmus oder einer anderen Bedingung, die sich auf einen DTC bezieht, vorsehen.
• Regeln werden aus der entwurfsbezogenen Quelle 30 gewonnen, wenn sie sich auf einen jeweiligen DTC bezieht, und können Regeln zum Abarbeiten eines DTC, Regeln zum Auslösen eines DTC umfassen.
• Beispielhafte Regeln zum Abarbeiten eines DTC wie z. B. eines beispielhaften Kraftstoffverdunstungs-Entlüftungssystems, können (1) eine Zündspannung zwischen 11 und 18 Volt; einen Luftdruck von größer als 74 kPa; einen Kraftstofffüllstand zwischen 15 und 85 %; eine Motorkühlmitteltemperatur von weniger als 35 °C (95 °F); und eine Einlasslufttemperatur zwischen 4 und 30 °C (39 und 86 °F) umfassen.
• Beispiele von Regeln zum Festlegen des DTC können (1) den Kraftstofftank von größer als 12 Zoll H₂O Unterdruck für 5 Sekunden; und (2) den Kraftstofftankdruck von weniger als -2,5 Zoll H₂O oder mehr als 5 Zoll für 60 Sekunden nach einem Kaltstart umfassen.
• Eine Einsatzausfalldatenquelle 32 umfasst eine oder mehrere Datenbanken oder andere Speichervorrichtungen, die Einsatzausfalldaten unterhalten. Beispiele von Einsatzausfalldaten können Fehlercodes, Standbild-PID-Daten oder Garantieansprüche umfassen, sind jedoch nicht darauf begrenzt. Standbild-PID-Daten sind ein Schnappschuss von Betriebsparametern, die gesammelt werden, wenn ein DTC ausgelöst wird. Die PIDs geben verschiedene Betriebsbedingungen an, wie z. B. Motorlast, Motordrehzahl, Fahrzeuggeschwindigkeit, Spannung, Strom, Temperatur und Druck, die durch einen Kundendiensttechniker über ein Abtastwerkzeug abgerufen werden, sind jedoch nicht darauf begrenzt.
• Regeln werden aus der Einsatzausfalldatenquelle 32 unter Verwendung eines Klassifikators oder eines Entscheidungsbaums 34 gewonnen. Der Klassifikator oder Entscheidungsbaum 34 wird verwendet, um automatisch Regeln aus der Einsatzausfalldatenquelle 32 abzuleiten, wenn sie sich auf den DTC bezieht. Der Klassifikator oder Entscheidungsbaum 34 erzeugt eine Regel für DTC-Klassen auf der Basis einer Regel, die einen Teil der PID-Daten erfüllt.
• Daten zum Konstruieren eines Entscheidungsbaums sind in der nachstehend gezeigten Tabelle dargestellt.

  PID1	PID2	PID3	PID4	Gesetzter DTC
  2	85	85	0	DTC1
  2	80	90	1	DTC1
  1	83	86	0	DTC2
  0	70	96	0	DTC2
  0	68	80	0	DTC2
  0	65	70	1	DTC1
  1	64	65	1	DTC2
  2	72	95	0	DTC1
  2	69	70	0	DTC2
  0	75	80	0	DTC2
  2	75	70	1	DTC2
  1	72	90	1	DTC2
  1	81	75	0	DTC2
  0	71	91	1	DTC1

• Das Konstruieren des Entscheidungsbaums wird rekursiv ausgedrückt. In dem in der Tabelle gegebenen Datensatz sind die PIDs die Eingangsattribute und jeder Datensatz stellt ein Beispiel dar. Es gibt zwei verschiedene DTC-Klassen „DTC1“ und „DTC2“. Es gibt vier Eingangsattribute, und daher gibt es vier Möglichkeiten für jede Verzweigung und auf der oberen Ebene wird ein Baum erzeugt, wie in 3 dargestellt. Die Anzahl von DTC 1-Klassen und DTC2-Klassen ist an den Blättern des Baums 40, 41, 42 gezeigt. Irgendein jeweiliges Blatt mit nur einer Klasse (z. B. entweder DTC1 oder DTC2) erfordert keine weitere Verzweigung und daher endet der rekursive Prozess diesen Zweig hinab. Das Bestimmen derjenigen jeweiligen Klassen, die keine weitere Verzweigung erfordern, wird zuerst identifiziert. Um zu bestimmen, welches jeweilige Knotenblatt die geringste Menge an Verzweigung erfordert, wird eine Pseudo-„Reinheitsmessung“ erhalten, die das Attribut erhält, das die reinsten Knoten erzeugt. Das Maß der Reinheit wird als „Information“ bezeichnet und wird in Einheiten von „Bits“ gemessen. Das Bit stellt die erwartete Menge an Informationen dar, die erforderlich wären, um festzulegen, ob eine neue Instanz als „ja“ oder „nein“ klassifiziert werden sollte, vorausgesetzt, dass das Beispiel diesen Knoten erreicht hat. Im Gegensatz zur herkömmlichen Definition von Bits, die im Computerspeicher verwendet werden, beinhaltet eine erwartete Menge an Informationen gewöhnlich Bruchteile eines Bits und ist für den hier beschriebenen Zweck typischerweise geringer als eins. Das Bit wird auf der Basis der Anzahl von DTC1- und DTC2-Klassen am Knoten berechnet.
• Wenn der erste Baum in 3 ausgewertet wird, sind die Zahlen von DTC1- und DTC2-Klassen an den Blattknoten [3,2], [0,4] bzw. [2,3]. Im ersten Blatt 40 stellt beispielsweise „3“ die Anzahl von Malen dar, die DTC1 vorliegt, und „2“ stellt die Anzahl von Malen vor, die DTC2 vorliegt; im zweiten Blatt 41 stellt „0“ die Anzahl von Malen dar, die DTC1 vorliegt, und „4“ stellt die Anzahl von Malen vor, die DTC2 vorliegt, im dritten Blatt 42 stellt „2“ die Anzahl von Malen dar, die DTC1 vorliegt, und „4“ stellt die Anzahl von Malen dar, die DTC2 vorliegt. Die Informationswerte dieser jeweiligen Knoten sind: $$\text{Info}\left(\left[\mathrm{3,2}\right]\right)=-\left(3/5\right)\times \text{log}\left(3/5\right)-\left(2/5\right)\times \text{log}\left(2/5\right)=\mathrm{0,971}\text{ Bits;}$$

  

  $$\text{Info}\left(\left[\mathrm{0,4}\right]\right)=-\left(0/4\right)\times \text{log}\left(0/4\right)-\left(4/4\right)\times \text{log}\left(4/4\right)=\mathrm{0,0}\text{ Bits;}$$

  

  $$\text{Info}\left(\left[\mathrm{2,3}\right]\right)=-\left(2/5\right)\times \text{log}\left(2/5\right)-\left(3/5\right)\times \text{log}\left(3/5\right)=\mathrm{0,971}\text{ Bits;}$$

  
• Der mittlere Informationswert von diesen wird unter Berücksichtigung der Anzahl von Instanzen, die jeden Zweig hinab verlaufen (z. B. fünf den ersten hinab, vier den zweiten hinab und fünf den dritten hinab), berechnet. Die mittlere Information wird wie folgt berechnet: $$\text{Info}\left(\left[\mathrm{3,2}\right],\left[\mathrm{0,4}\right],\left[\mathrm{2,3}\right]\right)=\left(5/14\right)\times \mathrm{0,971}+\left(4/14\right)\times \mathrm{0,0}+\left(5/14\right)\times \mathrm{0,971}=\mathrm{0,693}\text{ Bits}\text{.}$$

  
• Der Mittelwert stellt die Menge an Informationen dar, die in Anbetracht der Baumstruktur für PID1 erwartet werden würden, um die Klasse einer neuen Instanz festzulegen. Vor dem Erzeugen der Baumstrukturen in 3 umfassten Trainingsabtastwerte an der Wurzel neun DTC2-Knoten und fünf DTC1-Knoten entsprechend einem Informationswert von 0,940 Bits (d. h. Info([5,9]) = 0,940 Bits). Als Ergebnis des analysierten ersten Baums wird der Informationsgewinn aus der ursprünglichen Wurzel durch die folgende Formel dargestellt: $$\text{Gewinn}\left(\text{PID1}\right)=\text{Info}\left(\left[\mathrm{5,9}\right]\right)-\text{Info}\left(\left[\mathrm{3,2}\right],\left[\mathrm{0,4}\right],\left[\mathrm{2,3}\right]\right)=\mathrm{0,940}-\mathrm{0,693}=\mathrm{0,247}\text{ Bits}\text{.}$$

  
• Dies wird als Informationswert zum Erzeugen eines Zweigs am Eingangsattribut PID1 interpretiert.
• Der Informationsgewinn wird dann für jedes Attribut berechnet und der jeweilige Gewinn wird ausgewählt, der die meisten Informationen zur Verzweigung bereitstellt. Für alle in 4 gezeigten Bäume wurden die Gewinne jedes Baums wie folgt berechnet:
• Gewinn(PID1) = 0,247 Bits
• Gewinn(PID2) = 0,029 Bits
• Gewinn(PID3) = 0,152 Bits
• Gewinn(PID4) = 0,048 Bits
• PID 1 wird als Verzweigungsattribut an der Wurzel des Baums ausgewählt. Die Analyse wird rekursiv fortgesetzt. Eine weitere Verzweigung bei PID 1 erzeugt keine neuen Ergebnisse, so dass die anderen drei Attribute (d. h. PID1, PID2, PID3) für die Verzweigung des am weitesten links liegenden Zweigs des oberen linken Teils von PID1 in 4 betrachtet werden. Der Informationsgewinn für die neue Verzweigung ist wie folgt:
• Gewinn(PID2) = 0,571 Bits
• Gewinn(PID3) = 0,971 Bits
• Gewinn(PID4) = 0,020 Bits
• In Ansprechen auf die Gewinninformationen wird PID3 für die Verzweigung des Attributs an diesem Punkt ausgewählt. Keine weitere Verzweigung war von dem Zweig erforderlich, so dass dieser Zweig vollständig ist. Die Technik wird für die restlichen Zweige fortgesetzt. Der endgültige Entscheidungsbaum ist in 4 gezeigt. Es wird angemerkt, dass die PID2-Informationen nicht so informativ waren, um PID2 als Datensatz zu klassifizieren.
• Mit erneutem Bezug auf 2 werden statistisch signifikante Regeln aus den aus dem Klassifikator oder Entscheidungsbaum 34 erhaltenen Regeln gewonnen. Eine statistisch signifikante Regel ist eine Regel, die einen vorbestimmten Teil der Parameteridentifikationsdaten erfüllt. Zwei Faktoren werden betrachtet, um Vertrauen in Bezug auf die Regel zu erlangen, die als statistisch signifikant identifiziert wird. Der erste Faktor ist die Klassifikationsgenauigkeit und der zweite Faktor ist der Prozentsatz der Population.
• Bei der Klassifikationsgenauigkeit wird eine Feststellung durchgeführt, ob die Anzahl von falsch klassifizierten Fällen unter einem Klassifikationsschwellenwert liegt, um anzugeben, dass die Regel zu einer speziellen Klasse gehört. Wenn eine spezielle Regel die Anzahl von Vorfällen innerhalb einer einzelnen Klasse einen vorbestimmten Prozentsatz der Zeit korrekt klassifiziert, dann ist ein erster Faktor erfüllt. Ein erster ausgelöster DTC weist beispielsweise 60 Instanzvorkommnisse auf und ein zweiter DTC weist 40 Instanzvorkommnisse auf, insgesamt 100 Vorkommnisse. Wenn die Regel auf beide DTCs angewendet wird, wird festgestellt, dass die Regel sechzig Instanzen des ersten DTC und sechs Instanzen des zweiten DTC klassifiziert. Eine Prüfung wird durchgeführt, um festzustellen, ob die Regel den ersten DTC mehr als einen vorbestimmten Prozentsatz der Zeit klassifiziert. Die Feststellung wird durch die folgende Formel dargestellt: $$\left(\frac{N_{DT{C}_1}}{N_{DT{C}_n}}\right)>classification\_threshold$$

  

  wobei N_{DTC 1} die Anzahl von klassifizierten Instanzen für DTC₁ ist, die unter Verwendung der Regel 1 identifiziert werden, N_{DTC n} die Anzahl von klassifizierten Instanzen aller DTCs ist, die unter Verwendung der Regel 1 identifiziert werden, und classification_threshold ein vorbestimmter Prozentsatz ist. Unter Verwendung der Zahlen vom obigen Beispiel und eines Schwellenwerts von 0,75 ist die Feststellung (60/66) > 0,75, was gilt. Folglich klassifiziert die Regel diese einzelne DTC-Klasse mehr als 75 % der Zeit korrekt, was den ersten Faktor erfüllt.
• Der zweite Faktor ist, ob die Regel einen Prozentsatz eines Populationsschwellenwerts erfüllt. Der Prozentsatz der Population bestimmt, ob die Anzahl von Instanzen einer einzelnen DTC-Klasse, wie durch die Regel klassifiziert, im Vergleich zur Gesamtzahl von Instanzen dieser Klasse signifikant ist. Die Bestimmung des zweiten Faktors wird durch die folgende Formel dargestellt: $$\left(\frac{N_{DT{C}_1}}{Nt}\right)>population\_threshold$$

  

  wobei N_{DTC 1} die Anzahl von klassifizierten Instanzen für DTC₁ ist, die unter Verwendung der Regel 1 identifiziert werden, Nt die Gesamtzahl aller klassifizierten Instanzen aller DTCs ist, die unter Verwendung aller Regeln identifiziert werden, und population_threshold ein vorbestimmter Prozentsatz ist. Unter Verwendung der Zahlen vom obigen Beispiel und eines Schwellenwerts von 0,5 ist die Bestimmung (60/100) > 0,5, was gilt. Folglich ist die zweite Bedingung erfüllt. Die Gewinnung von statistisch signifikanten Regeln kann einen oder beide der Faktoren verwenden oder kann andere Faktoren zum Identifizieren und Gewinnen von robusten Regeln verwenden.
• Die gewonnenen Regeln von der entwurfsbezogenen Quelle 30 und die statistisch signifikanten Regeln aus dem Klassifikator oder Entscheidungsbaum 34 werden im Block 36 kombiniert.
• Im Block 38 werden die kombinierten Regeln gemeinsam auf die PIDs angewendet, die dem ausgelösten DTC zugeordnet sind, um eine Teilmenge der PIDs zu identifizieren. Die identifizierte Teilmenge erfüllt jede der statistisch signifikanten Regeln. 5 zeigt einen Graphen, in dem eine Teilmenge der PIDs durch gemeinsames Anwenden der statistisch signifikanten Regeln identifiziert ist. Selbstverständlich ist das Umgekehrte der Regeln das, was die PIDs isoliert und identifiziert. Die erste Regel kann beispielsweise eine EVAP-Systembefehlsspülung sein, die größer sein muss als 25 %. Daher isoliert die Routine an PIDs, an denen die EVAP-Systembefehlsspülung geringer als 25 % ist. Die zweite Regel kann ein EVAP-Systemdampfdruck sein, der größer sein muss als 0 Pa. Daher isoliert die Routine an PIDs, an denen der EVAP-Dampfdruck geringer ist als 0 Pa. Eine Teilmenge von PIDs 52, die Kandidatenanomalien darstellt, wird als Ergebnis des Satzes von Regeln, die gemeinsam auf die PIDs 50 angewendet werden, identifiziert.
• Mit erneutem Bezug auf 2 werden im Block 40, nachdem die Teilmenge von PIDs identifiziert ist, die Daten durch SMEs analysiert, um Anomalien zu bestimmen, die dem ausgelösten DTC zugeordnet sind. Anomalien werden durch einen SME, anderes qualifiziertes Personal oder ein automatisiertes System detektiert. Die SMEs können die DTC-Anomalie in zwei Kategorien einteilen. Die erste Kategorie ist eine ungeeignete Voraussetzung der DTC-Kategorie und die zweite Kategorie ist eine Kategorie empfindlicher Kalibrierungen.
• Für die Kategorie der ungeeigneten Voraussetzung des DTC werden die DTCs auf der Basis von spezifischen Diagnosealgorithmen ausgelöst, die unter spezifischen Voraussetzungen laufen. Ein Beispiel ist ein DTC-Diagnosealgorithmus zum Detektieren eines großen Lecks in einem EVAP-System, der vorgesehen ist, nach einem Einschaltmodus, aber vor einem Abschaltmodus zu laufen. Außerdem müssen andere Bedingungen vorliegen, wie z. B.: der Kraftstofffüllstand liegt zwischen 15 und 85 %, die Motorkühlmitteltemperatur ist geringer als 35 °C und die Einlasslufttemperatur ist 4-30 °C. Wenn Fehler im DTC-Entwurfsalgorithmus vorliegen, dann werden die DTCs unter ungeeigneten Voraussetzungen ausgelöst. Wenn der DTC-Diagnosealgorithmus beispielsweise läuft, wenn sich der Motor entweder in einem Einschaltmodus oder einem Ausschaltmodus befindet, dann wäre es ungeeignet, den DTC während dieser Perioden auszulösen. Unter Verwendung der hier beschriebenen PID-Analyse können die SMEs ungeeignete Einstellungen durch Analysieren der DTC-Anomalien anvisieren und identifizieren.
• Anomalien, die empfindliche Kalibrierungen beinhalten, treten auf, wenn die DTC-Software Fehler aufweist aufgrund entweder einer falschen Implementierung der Entwurfsbedingungen oder da einige der Kalibrierungen an den Betriebsparametern empfindlich sind. Wenn beispielsweise Flex-Fuel-Fahrzeuge (Ethanolgemisch-Fahrzeuge), die so ausgelegt sind, dass sie unter Verwendung eines spezifischen Prozentsatzes von mit Ethanol gemischtem Kraftstoff arbeiten, entweder einen sehr niedrigen oder sehr hohen Prozentsatz an Ethanol enthalten, dann kann der DTC in Abhängigkeit von einer Empfindlichkeit in Bezug auf den Ethanolprozentsatz im Kraftstoff ausgelöst werden. Solche Typen von empfindlichen Kalibrierungen könnten durch die Isolation der DTCs unter Verwendung der hier beschriebenen Technik und Analysieren der DTC-Anomalien identifiziert werden. Folglich können Reparaturen, die schließlich als Fehler nicht identifiziert (TNF) klassifiziert werden und anschließend durch Hinzufügen eines neuen Fehlercodes klassifiziert werden, korrekt mit dem jeweiligen Fehlercode klassifiziert werden, wie durch die hier beschriebene Technik identifiziert.
• Im Block 42 werden Korrekturhandlungen durchgeführt, um das die Anomalie verursachende Problem zu korrigieren. Die Korrekturen können eine Entwurfskorrektur an einer Schaltung, einer Komponente, einem Untersystem, einem System oder einem Softwareprogramm des Fahrzeugs umfassen. Korrekturen können auch an der Diagnosesoftware durchgeführt werden, die den DTC abarbeitet und ausführt. Überdies können Korrekturen an Kundendienstreparaturprozeduren und einer anderen Kundendiensttrainingsdokumentation durchgeführt werden, die einen Techniker beim Analysieren des Problems und Identifizieren der Grundursache des Fehlers unterstützt. Folglich werden analytische Symptome auf der Basis der Identifikation von Parameteridentifikationsdaten, die nicht die gewonnenen Regeln erfüllen, bestimmt und analysiert. Die Symptome sind in der Hinsicht analytisch/virtuell, als keine zusätzliche Hardware oder Software zum Fahrzeug hinzugefügt wird, um die Grundursache des Fehlers zu detektieren. Vielmehr wird die Identifikation der Anomalie und Grundursache des Fehlers durch einen Prozess außerhalb des Fahrzeugs bestimmt.

Claims (10)

1. Verfahren zum Identifizieren einer Grundursache eines Fehlers in einem gewarteten Fahrzeug auf der Basis von Anomalien, die in Parameteridentifikationsdaten identifiziert werden, und zum Durchführen von Korrekturhandlungen, wobei das Verfahren die Schritte umfasst: Ausführen einer Diagnosesoftwareroutine zum Abrufen von Diagnosefehlercodes, die verwendet werden, um Fehler in einem Betrieb des gewarteten Fahrzeugs zu identifizieren; Abrufen von Parameteridentifikationsdaten, die den Diagnosefehlercodes zugeordnet sind, die mit einem detektierten Fehler identifiziert werden; Sammeln von Parameteridentifikationsdaten von mehreren Fahrzeugen, die die Diagnosefehlercodes erfahren, auf einem Computer; Erzeugen eines ersten Satzes von Diagnoseregeln (30), wobei der erste Satz von Diagnoseregeln Fahrzeugbetriebsparameter zum Ausführen eines Diagnosefehlercode-Algorithmus oder zum Auslösen eines Diagnosefehlercodes identifiziert; Erzeugen eines zweiten Satzes von Diagnoseregeln (32), wobei der zweite Satz von Diagnoseregeln Fahrzeugbetriebsparameter identifiziert, die zum Auswählen von Einsatzausfalldaten verwendet werden, die erhalten werden, wenn der Diagnosefehlercode ausgelöst wird; Gewinnen von statistisch signifikanten Regeln aus dem zweiten Satz von Diagnoseregeln (34); Anwenden von jeder des ersten Satzes von Regeln und der statistisch signifikanten Regeln gemeinsam auf die Parameteridentifikationsdaten zum Identifizieren einer Teilmenge der Parameteridentifikationsdaten, die Anomalien darstellen (38); wobei ein Fachmann die Anomalien zum Identifizieren einer Grundursache des Fehlers analysiert (40); und Durchführen von Korrekturhandlungen auf der Basis der Analyse der identifizierten Grundursache (42).
2. Verfahren nach Anspruch 1, wobei der erste Satz von Diagnoseregeln von mindestens einer entwurfsbezogenen Dokumentenquelle abgeleitet wird.
3. Verfahren nach Anspruch 1, wobei der zweite Satz von Diagnoseregeln von einem Klassifikator abgeleitet wird.
4. Verfahren nach Anspruch 1, wobei der zweite Satz von Diagnoseregeln von einem Entscheidungsbaum abgeleitet wird.
5. Verfahren nach Anspruch 1, wobei die statistisch signifikanten Regeln unter Verwendung einer Klassifikationsgenauigkeitstechnik gewonnen werden, wobei die Klassifikationsgenauigkeitstechnik feststellt, ob eine jeweilige Regel eine Anzahl von Vorfällen in Bezug auf einen einzelnen Diagnosefehlercode klassifiziert, die größer ist als ein Klassifikationsschwellenwert.
6. Verfahren nach Anspruch 5, wobei die Bestimmung zum Identifizieren, ob eine statistisch signifikante Regel eine jeweilige Klasse erfüllt, durch die folgende Gleichung dargestellt wird: $$\left(\frac{N_{DT{C}_1}}{N_{DT{C}_n}}\right)>classification\_threshold$$

   

   wobei N_{DTC 1} die Anzahl von klassifizierten Instanzen für einen Diagnosefehlercode ist, die unter Verwendung der jeweiligen Regel identifiziert werden, N_{DTC n} die Anzahl von klassifizierten Instanzen aller Diagnosefehlercodes ist, die unter Verwendung der jeweiligen Regel identifiziert werden, und classification_threshold ein vorbestimmter Prozentsatz ist.
7. Verfahren nach Anspruch 1, wobei die statistisch signifikanten Regeln unter Verwendung einer Populationsprozentsatztechnik gewonnen werden, wobei die Populationsprozentsatztechnik feststellt, ob eine Anzahl von Instanzen einer einzelnen Diagnosefehlercodeklasse, wie durch eine jeweilige Regel klassifiziert, einen Populationsschwellenwert im Vergleich zur Gesamtzahl von Instanzen der Diagnosefehlercodeklasse erfüllt.
8. Verfahren nach Anspruch 7, wobei die Bestimmung zum Identifizieren, ob eine statistisch signifikante Regel einen Populationsschwellenwert erfüllt, durch die folgende Gleichung dargestellt wird: $$\left(\frac{N_{DT{C}_1}}{Nt}\right)>population\_threshold$$

   

   wobei N_{DTC 1} die Anzahl von klassifizierten Instanzen für einen Diagnosefehlercode ist, die unter Verwendung der statistisch signifikanten Regel identifiziert werden, Nt die Gesamtzahl aller klassifizierten Instanzen aller Diagnosefehlercodes ist und population_threshold ein vorbestimmter Prozentsatz ist.
9. Verfahren nach Anspruch 1, wobei der Schritt des Durchführens einer Korrekturhandlung das Modifizieren von mindestens einer der Diagnosesoftwareroutine zum Bewerten von Diagnosefehlercodes umfasst.
10. Verfahren nach Anspruch 1, wobei der Schritt des Durchführens einer Korrekturhandlung das Modifizieren einer Diagnosesoftwareroutine zum Auslösen des Diagnosefehlercodes umfasst.

Images