DE102015205720A1 - System zum Analysieren nichtklassifizierter Kraftfahrzeugfehlerdaten - Google Patents

System zum Analysieren nichtklassifizierter Kraftfahrzeugfehlerdaten Download PDF

Info

Publication number
DE102015205720A1
DE102015205720A1 DE102015205720.8A DE102015205720A DE102015205720A1 DE 102015205720 A1 DE102015205720 A1 DE 102015205720A1 DE 102015205720 A DE102015205720 A DE 102015205720A DE 102015205720 A1 DE102015205720 A1 DE 102015205720A1
Authority
DE
Germany
Prior art keywords
data
error
unknown
fault
vehicle
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
Application number
DE102015205720.8A
Other languages
English (en)
Inventor
c/o DENSO CORPORATION Int Hitomi Kentarou
c/o DENSO CORPORATION Int. Egawa Masumi
c/o DENSO CORPORATION Int. Sakai Utsushi
c/o DENSO CORPORATION Int. Bando Takashi
c/o DENSO CORPORATION Int. Shinohara Yuki
c/o DENSO CORPORATION Int Takenaka Kazuhito
c/o DENSO CORPORATION Int. Shinoda Kokichi
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.)
Denso Corp
Original Assignee
Denso Corp
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 Denso Corp filed Critical Denso Corp
Publication of DE102015205720A1 publication Critical patent/DE102015205720A1/de
Pending legal-status Critical Current

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION 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
    • G06Q10/00Administration; Management
    • G06Q10/04Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION 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
    • G06Q10/00Administration; Management
    • G06Q10/08Logistics, e.g. warehousing, loading or distribution; Inventory or stock management

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Marketing (AREA)
  • Game Theory and Decision Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Development Economics (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Vehicle Cleaning, Maintenance, Repair, Refitting, And Outriggers (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

Ein Datenanalysesystem analysiert Fehlerdaten, die von jedem von jeweiligen Fahrzeugen empfangen werden. Entsprechen die Fehlerdaten nicht irgendeinem Fehlertyp, der dem System bekannt ist (das heißt, für welche Informationen, die die Ursache des Fehlers und entsprechende Reparaturinformationen spezifizieren, vorab in dem System gespeichert wurden), werden die empfangenen Daten als unbekannte Fehlerdaten gespeichert. Eine Datenbank unbekannter Fehlerdaten von einer Anzahl unterschiedlicher Fahrzeuge wird dabei angesammelt, die zum Erfassen neuer Typen eines Fahrzeugfehlers und zum Bestimmen einer entsprechenden Fehlerursache und von Reparaturinformationen analysiert werden.

Description

  • QUERVERWEIS AUF ZUGEHÖRIGE ANMELDUNGEN
  • Diese Anmeldung basiert auf der am 31. März 2014 eingereichten japanischen Patentanmeldung mit der Nr. 2014-71296 , auf deren Inhalt vollumfänglich Bezug genommen wird.
  • HINTERGRUND DER ERFINDUNG
  • Gebiet der Anmeldung
  • Die vorliegende Erfindung betrifft ein Verfahren zum Analysieren von Fehlerdaten, die von Kraftfahrzeugen empfangen werden.
  • Hintergrundtechnologie
  • Es ist beispielsweise ein Verfahren, wie es in der japanischen Patentveröffentlichung mit der Nr. 2010-64654 (im Nachfolgenden als Dokument 1 bezeichnet) beschrieben ist, für ein System bekannt, wobei eine Kraftfahrzeugreparatureinrichtung wie beispielsweise eine Fahrzeugservicestation usw. schnell Reparaturinformationen zur Verwendung beim Wiederherstellen eines Kraftfahrzeugs (nachfolgend einfach als ein Fahrzeug bezeichnet) ausgehend von einer Fehlerbedingung erlangen kann. Die Reparaturinformationen können eine Fahrzeugkomponente, die beispielsweise ersetzt werden muss, und/oder Informationen spezifizieren, die die Ursache des Fehlers identifizieren. Mit einem derartigen System erlangt das Personal der Fahrzeugservicestation usw. als Erstes Fehlerdaten (beispielsweise gespeicherte Daten, die von einem Diagnosesystem des Fahrzeugs ausgelesen werden), die jeweilige Bedingungen unterschiedlicher Erfassungssignale des Fahrzeugs ausdrücken, wenn der Fehler aufgetreten ist. Diese Daten werden zu einer zentralen Einrichtung übertragen, um mit gespeicherten Informationen verglichen zu werden, die zur Fehleridentifizierung verwendet werden. Reparaturinformationen können dadurch schnell erlangt und zur Fahrzeugservicestation usw. übertragen werden.
  • Die neuen Merkmale von Dokument 1 betreffen eine Erhöhung der Genauigkeit der gespeicherten Informationen, die bei der zentralen Einrichtung zum Identifizieren von Fehlerdaten und zum Bereitstellen entsprechender Reparaturinformationen verwendet werden. Nachdem eine Datenbank derartiger Informationen (als „Lehrdaten”-Datenbank bezeichnet) eingangs eingerichtet wurde, werden Informationen, die von Fahrzeugservicestationen usw. empfangen werden, verwendet, um erhöhte Genauigkeit zu erreichen. Insbesondere wenn Fehlerdaten, die von einem Fahrzeug erlangt werden, an der zentralen Einrichtung von einer Servicestation empfangen werden und ein „Lehrdaten”-Element, das den empfangenen Fehlerdaten entspricht, bestimmt wird, werden die entsprechenden Reparaturinformationen zurück zur Servicestation übertragen. Wird herausgefunden, dass die empfangenen Reparaturinformationen der Reparaturoperation entsprechen, die tatsächlich erforderlich ist, wird diese Tatsache der zentralen Einrichtung ausgehend von der Servicestation mitgeteilt, wodurch bestätigt wird, dass das betreffende „Lehrdaten”-Element für weitere Verwendung gespeichert werden soll.
  • Jedoch ist es bei diesem System des Stands der Technik nur möglich, ein bekanntes Fehlermuster zu identifizieren. Der Ausdruck „Fehlermuster” wird in der folgenden Beschreibung und den Ansprüchen verwendet, um eine Fehlerbedingung eines Fahrzeugs zu bezeichnen, und insbesondere bezeichnet „bekanntes Fehlermuster” eine Fehlerbedingung, die eine bekannte Ursache und eine bekannte Reparaturprozedur aufweist. In dem Fall eines unbekannten Fehlermusters ist es für Techniker notwendig, jedes Mal, wenn ein derartiger Fehler auftritt, separat zu versuchen, die Ursache zu analysieren. Das heißt, sogar wenn dasselbe Fehlermuster in mehreren Fahrzeugen auftritt, muss jedes individuelle Auftreten separat analysiert werden, bevor Reparaturen ausgeführt werden können. Dies ist ineffizient.
  • ÜBERBLICK
  • Somit ist es gewünscht, das vorstehende Problem zu überwinden, indem ein Fehlerdatenanalysesystem bereitgestellt wird, das ein Erfassen bisher unbekannter Ursachen eines Fahrzeugfehlers ermöglicht. Um dies zu erreichen, werden jedes Mal, wenn Fehlerdaten durch das System von einem Fahrzeug empfangen werden, die Fehlerdaten analysiert, um zu versuchen, sie als einem bekannten Fehlermuster entsprechend zu identifizieren. Können die Fehlerdaten nicht identifiziert werden, werden die Daten als „unbekannte Fehlerdaten” gespeichert. Auf diese Weise werden unbekannte Fehlerdaten, die von mehreren unterschiedlichen Fahrzeugen erlangt werden, sukzessive akkumuliert. Wenn eine ausreichende Menge akkumuliert wurde, werden die gespeicherten unbekannten Fehlerdaten analysiert, um neue Ursachen des Fahrzeugfehlers zu erfassen.
  • Insbesondere weist das Fehlerdatenanalysesystem ein Analysemittel zum Analysieren von Sätzen von Fehlerdaten auf, die von jeweiligen Fahrzeugen erlangt werden. Das Analysemittel beurteilt, ob die erlangten Fehlerdaten irgendeinem bekannten Fehlermuster entsprechen, wobei entsprechende Ursachen-/Reparaturinformationen in dem System gespeichert sind. Jegliche Fehlerdaten, die nicht als einem bekannten Fehlermuster entsprechend identifiziert werden können, werden als unbekannte Fehlerdaten gespeichert.
  • Das Analysemittel weist bevorzugt ein Gruppierungsmittel zum Analysieren der unbekannten Fehlerdaten zum Extrahieren von Datengruppen auf. Periodisch oder wenn die akkumulierte Menge unbekannter Fehlerdaten, die von unterschiedlichen Fahrzeugen stammen, eine vorbestimmte Stufe erreicht hat, werden die unbekannten Fehlerdaten einer Gruppierungsverarbeitung durch das Gruppierungsmittel unterworfen. Jede der jeweiligen Gruppen, die dadurch extrahiert werden, wird evaluiert, um einen entsprechenden Glaubwürdigkeitswert zu erlangen. Dies drückt die Glaubwürdigkeit aus, dass die Daten der Gruppe Fehlerdaten entsprechend einem neu erfassten Fehlermuster bilden. Jede Gruppe, die eine Glaubwürdigkeit aufweist, die oberhalb eines vorbestimmten Werts liegt, wird als ein Fehlermusterkandidat bezeichnet.
  • Eine Analyse der unbekannten Fehlerdaten zum Erfassen neuer Fehlermuster kann dadurch schnell und effizient ausgeführt werden, indem die Fehlermusterkandidaten untersucht werden. Auf diese Weise wird es möglich, die Anzahl bekannter Fehlermuster beliebig zu erhöhen.
  • Zusätzlich kann das System derart betrieben werden, dass, wenn Fehlerdaten von einem Fahrzeug übertragen werden, die Daten mit Informationen verknüpft werden, die den Fahrzeugtyp (beispielsweise das Fahrzeugmodell usw.) spezifizieren. In diesem Fall kann das Analysemittel ein Proportionsinformationserzeugungsmittel aufweisen, das Informationen erzeugt, die für jede als ein Fehlermusterkandidat identifizierte Datengruppe die jeweiligen Proportionen entsprechender Fahrzeugtypen ausdrücken.
  • Durch Analysieren und Verwenden der unbekannten Fehlerdaten auf diese Weise können die Zeit und die Ressourcen, die zum Identifizieren neuer Typen eines Fahrzeugfehlers benötigt werden, reduziert werden und entsprechende Reparaturinformationen können einfach bestimmt werden.
  • KURZBESCHREIBUNG DER ZEICHNUNGEN
  • 1 ist ein Blockschaltbild, das die Gesamtkonfiguration einer Ausführungsform eines Fehlerinformationsbereitstellungssystems darstellt;
  • 2 ist ein Ablaufdiagramm von Inhalten einer Fehlerdiagnoseverarbeitung, die mit der Ausführungsform ausgeführt wird;
  • 3A, 3B, 3C sind Diagramme zur Verwendung beim Beschreiben von Fehlerdaten, die durch die Fehlerdiagnoseverarbeitung behandelt werden;
  • 4 ist ein Ablaufdiagramm einer Fehlerkandidatenerfassungsverarbeitung, die mit der Ausführungsform ausgeführt wird;
  • 5A zeigt Diagramme zur Verwendung beim Beschreiben des Konzepts einer Gruppierung von Fehlerdaten, und 5B ist eine Tabelle, die Beispiele von Informationen darstellt, die aus der Gruppierung erlangt werden;
  • 6A ist eine Tabelle, die Beispiele von Glaubwürdigkeitswerten darstellt, die für jeweilige Gruppen erlangt werden, und
  • 6B ist ein Diagramm, das ein Beispiel von fahrzeugtypbildenden Information darstellt, die für eine Gruppe erlangt werden können.
  • BESCHREIBUNG BEVORZUGTER AUSFÜHRUNGSFORMEN
  • Eine Ausführungsform eines Fehlerinformationsbereitstellungssystems wird nachfolgend mit Bezug auf die Zeichnungen beschrieben.
  • Gesamtkonfiguration
  • 1 zeigt die Gesamtkonfiguration einer Ausführungsform eines Fehlerinformationsbereitstellungssystems, das mit Bezugszeichen 1 bezeichnet ist. Das System ist auf mehrere Fahrzeuge anwendbar, wobei jedes Fahrzeug mit einer Fahrzeugvorrichtungsgruppe 10 ausgestattet ist. Das System beinhaltet ferner ein Fehlerdatenzentrum 20, das Fehlerdaten, die von jeweiligen Fahrzeugen übertragen werden, empfängt und dessen Funktionen nachfolgend beschrieben sind.
  • Fahrzeuggebundene Vorrichtungsgruppe
  • Die Fahrzeugvorrichtungsgruppe 10 eines Fahrzeugs beinhaltet mehrere Fahrzeugsensoren 11, eine HMI(Mensch-Maschine-Schnittstelle)-Vorrichtung 12, eine Informationssammelvorrichtung 13, eine Fehlerdatenspeichervorrichtung 14 und eine fahrzeugseitige Schnittstellenvorrichtung 15, die gegenseitig Informationen mittels eines fahrzeuggebundenen Datenkommunikationsnetzwerks wie beispielsweise eines CAN (Controller Area Network) austauschen. Die Fahrzeugsensoren 11 erfassen jeweilige Bedingungen unterschiedlicher Ausstattung des Fahrzeugs einschließlich (jedoch nicht darauf beschränkt) des Öffnungsgrads der Drosselklappe, der Motordrehzahl, der Einlassluftrate, der Fahrzeuggeschwindigkeit usw. und erzeugen entsprechende Erfassungssignale. Die Fahrzeugsensoren 11 können ebenso Einrichtungen (außer Sensoren) beinhalten, die Signale erzeugen, die manche Fehlerbedingungen des Fahrzeugs angeben können.
  • Die HMI-Vorrichtung 12 beinhaltet einen Eingabeabschnitt, der durch Schalter, berührungsempfindliche Felder usw. aufgebaut ist, die sich an Positionen befinden, wo sie durch den Fahrzeugfahrer bedient werden können, um unterschiedliche Befehle in die Informationssammelvorrichtung 13 einzugeben, und beinhaltet ebenso einen Informationsbereitstellungsabschnitt, der durch Anzeigeeinrichtungen, Lampen usw. aufgebaut ist, um dem Fahrer visuell unterschiedliche Informationen bereitzustellen.
  • Die Fehlerdatenspeichervorrichtung 14 ist ein nichtflüchtiger Speicher, der Fehlerdaten speichert, die durch die Informationssammelvorrichtung 13 gesammelt werden. Die fahrzeugseitige Schnittstellenvorrichtung 15 ist eine drahtlose Kommunikationsvorrichtung zum Kommunizieren mittels Funk mit dem Fehlerdatenzentrum 20.
  • Die Informationssammelvorrichtung 13 basiert auf einem Mikrocomputer, der eine CPU, einen ROM, einen RAM usw. aufweist, wobei die CPU Programmanweisungen ausführt, die vorab beispielsweise in dem ROM gespeichert wurden. Während Betriebsenergie der Fahrzeugvorrichtungsgruppe 10 bereitgestellt wird, führt die Informationssammelvorrichtung 13 kontinuierlich eine Verarbeitung zum Sammeln von Informationen aus. In der Informationssammelverarbeitung werden Messdatensätze periodisch von den Fahrzeugsensoren 11 erlangt und sukzessive in der Fehlerdatenspeichervorrichtung 14 gespeichert. Hierbei kennzeichnet „Messdatensatz” eine Kombination von Werten jeweiliger Erfassungssignale, die bei einem Messzeitpunkt von jeweiligen Sensoren usw. des Fahrzeugs erlangt werden. Nur die Messdaten, die sukzessive während eines Intervalls vorbestimmter Dauer, das sich bis zum gegenwärtigen Zeitpunkt erstreckt, erlangt wurden, werden in der Fehlerdatenspeichervorrichtung 14 gehalten, so dass die gespeicherten Daten kontinuierlich aktualisiert werden.
  • Wenn eine Abnormalität der Messdaten erfasst wird (beispielsweise eines oder mehrere der Erfassungssignale einen erlaubten Bereich von Werten überschreiten), werden die Messdatensätze, die bei jeweiligen sukzessiven Zeitpunkten während eines Intervalls mit fester Dauer (erstreckt sich von vor bis nach der Zeit der Erfassung des Fehlers) erlangt wurden, in die Fehlerdatenspeichervorrichtung 14 als jeweilige Fehlerdatensätze geschrieben. Die Fehlerdatensätze werden separat von den Messdaten zusammen mit entsprechenden Attributinformationen (die die Zeit und den geografischen Ort entsprechend der Fehlererfassung ausdrücken) gespeichert.
  • Anschließend werden, wenn eine Kommunikation mit dem Fehlerdatenzentrum 20 mittels der fahrzeugseitigen Schnittstellenvorrichtung 15 möglich wird, die Fehlerdatensätze und ihre Attributinformationen ausgelesen und an das Fehlerdatenzentrum 20 ausgehend vom Fahrzeug zusammen mit fahrzeugbezogenen Informationen, die den Fahrzeugtyp (beispielsweise Fahrzeugmodell, Herstellungsjahr), Ausrüstung, die in dem Fahrzeug installiert ist, usw. übertragen.
  • Jeder Fehlerdatensatz kann an das Fehlerdatenzentrum 20 unverändert (d. h. direkt jeweilige Werte ausdrückend, die von Sensoren des Fahrzeugs erzeugt werden) oder nachdem er in irgendeine Form charakteristischer Quantität konvertiert wurde, beispielsweise mit Erfassungswerten, die in 1 oder 0 Werte konvertiert werden, die normale bzw. abnormale Werte ausdrücken, übertragen werden. Wird herausgefunden, dass ein bekanntes Fehlermuster mit den übertragenen Fehlerdaten übereinstimmt, werden Informationen, die die Fehlerursache und angemessene Reparaturinformationen spezifizieren, an die Fahrzeugvorrichtungsgruppe 10 ausgehend vom Fehlerdatenzentrum 20 mittels der fahrzeugseitigen Schnittstellenvorrichtung 15 übertragen.
  • Mit dieser Ausführungsform bestehen die von einem Fahrzeug übertragenen Fehlerdaten aus mehreren Fehlerdatensätzen, die wie vorstehend beschrieben bei jeweiligen sukzessiven Zeitpunkten erlangt wurden.
  • Das Fehlerdatenzentrum 20 ist durch eine zentrumsseitige Schnittstellenvorrichtung 21, eine Informationsverarbeitungsvorrichtung 22, eine Identifiziererdatenbank 23, eine Fehlermusterinformationsdatenbank 24 und eine Datenbank 25 für unbekannte Fehler aufgebaut.
  • Die zentrumsseitige Schnittstellenvorrichtung 21 ist eine Drahtloskommunikationsvorrichtung zur Kommunikation mit der Fahrzeugvorrichtungsgruppe 10 jedes der jeweiligen Fahrzeuge. Die Fehleridentifiziererdatenbank 23 ist ein nichtflüchtiger Speicher, der mehrere Fehleridentifizierer entsprechend jeweiligen bekannten Fehlermustern speichert. Hierbei bezeichnet „Fehleridentifizierer” Informationen, die als Referenz zum Beurteilen eines empfangenen Fehlerdatensatzes verwendet werden, um zu bestimmen, ob der Fehlerdatensatz einem spezifischen bekannten Fehlermuster entspricht. Jeder Fehleridentifizierer ist mit einem entsprechenden Fehlerursachen-/Reparaturdatensatz verbunden, der in der Fehlermusterinformationsdatenbank 24 gehalten wird. Werden empfangene Fehlerdaten unter Verwendung eines Fehleridentifizierers verarbeitet, wird ein „1”- oder „0”-Ergebnis abhängig davon erlangt, ob oder nicht die Fehlerdaten als dem Fehlermuster dieses Fehleridentifizierers entsprechend identifiziert werden.
  • Die Fehlermusterinformationsdatenbank 24 ist ein nichtflüchtiger Speicher, der Sätze von Fehlerursachen/Reparaturdaten (jeder mit einem entsprechenden Fehleridentifizierer verknüpft, wie vorstehend beschrieben) speichert, von denen jeder die Ursache einer spezifischen Fehlerbedingung und Reparaturinformationen für die Fehlerbedingung (beispielsweise Informationen, die eine Fahrzeugkomponente spezifizieren, die repariert oder ersetzt werden muss) angibt.
  • Die Datenbank 25 für unbekannte Fehler ist ein nichtflüchtiger Speicher, der unbekannte Fehlerdaten, die von mehreren unterschiedlichen Fahrzeugen akkumuliert werden, d. h. Fehlerdaten, für die nicht herausgefunden wurde, dass sie irgendeinem bekannten Fehlermuster entsprechen, speichert. Wenn Fehlerdaten durch das Fehlerdatenzentrum 20 von der Fahrzeugvorrichtungsgruppe 10 eines Fahrzeugs empfangen werden und nicht durch irgendeinen der Fehleridentifizierer, die in der Fehleridentifiziererdatenbank 23 gehalten werden, identifiziert werden können, werden die empfangenen Daten dann in der Datenbank 25 für unbekannte Fehler in Verbindung mit den vorstehend beschriebenen Attributinformationen und zugehörigen Informationen (Fahrzeugmodellname usw.) gespeichert.
  • Die Informationsverarbeitungsvorrichtung 22 ist ein bekannter Typ eines Mikrocomputers mit einer CPU, einem ROM und einem RAM, der durch Ausführen von Programmanweisungen operiert, die vorab beispielsweise in dem ROM gespeichert wurden. Die Informationsverarbeitungsvorrichtung 22 führt unterschiedliche Verarbeitungen und Steuerfunktionen einschließlich Fehlerdiagnoseverarbeitung und Verarbeitung zum Extrahieren von Fehlermusterkandidaten wie nachfolgend beschrieben aus. Die Basisinhalte der Fehlerdiagnoseverarbeitung sind in dem Ablaufdiagramm von 2 dargestellt. Diese Verarbeitung wird jedes Mal initiiert, wenn eine Kommunikation mit einem Fahrzeug mittels der zentrumsseitigen Schnittstellenvorrichtung 21 möglich wird und Fehlerdaten von dem Fahrzeug übertragen werden.
  • Wird die Verarbeitung initiiert, erlangt die CPU der Informationsverarbeitungsvorrichtung 22 als Erstes (Schritt S110) Fehlerdaten von der Fahrzeugvorrichtungsgruppe 10 des betreffenden Fahrzeugs zusammen mit den entsprechenden Attributinformationen und zugehörigen Informationen (Fahrzeugmodelname usw.), die in der Fehlerdatenspeichervorrichtung 14 der Fahrzeugvorrichtungsgruppe 10 gespeichert wurden.
  • Als Nächstes (Schritt S120) werden die in der Fehleridentifiziererdatenbank 23 gehaltenen Fehleridentifizierer sukzessive zum Identifizieren irgendeines bekannten Fehlermusters, das mit den empfangenen Fehlerdaten übereinstimmt, abgerufen.
  • Dann wird entschieden (Schritt S130), ob ein „1”-Identifikationsergebnis für irgendeinen Fehleridentifizierer bei Schritt S120, d. h. eine JA-Entscheidung, erlangt wurde. Wird ein „0”-Ergebnis für alle Fehleridentifizierer erlangt, wird eine NEIN-Entscheidung erreicht.
  • Wird bei Schritt S130 eine JA-Entscheidung für einen Fehleridentifizierer erreicht, dann (S140) wird der entsprechende Fehlerursachen-/Reparaturdatensatz von der Fehlermusterinformationsdatenbank 24 erlangt und mittels der zentrumsseitigen Schnittstellenvorrichtung 21 zur Fahrzeugvorrichtungsgruppe 10 des betreffenden Fahrzeugs übertragen. Die Fehlerdiagnoseverarbeitung ist dann beendet.
  • Werden derartige Fehlerursachen/Reparaturdaten durch die Fahrzeugvorrichtungsgruppe 10 des betreffenden Fahrzeugs empfangen, zeigt der Anzeigeabschnitt der HMI-Vorrichtung 12 die Inhalte der empfangenen Informationen an. Wird das Fahrzeug an einer Servicestation usw. repariert, kann die Reparaturarbeit basierend auf einer Bezugnahme auf die Fehlerursachen/Reparaturdaten effizient ausgeführt werden.
  • Wenn jedoch bei Schritt S130 beurteilt wird, dass es kein bekanntes Fehlermuster gibt, das den empfangenen Fehlerdaten entspricht, dann (Schritt S150) werden die Fehlerdaten in der Datenbank 25 für unbekannte Fehler zusammen mit den entsprechenden Attributinformationen und zugehörigen Fahrzeuginformationen als unbekannte Fehlerdaten gespeichert. Die Fehlerdiagnoseverarbeitung wird dann beendet. Wird nur für einen Teil der Fehlerdaten herausgefunden, dass sie mit einem bekannten Fehlermuster übereinstimmen, werden die verbleibenden Fehlerdaten in der Datenbank 25 für unbekannte Fehler als unbekannte Fehlerdaten gespeichert. Insbesondere mit dieser Ausführungsform werden, wenn mehrere Fehlerdatensätze von einem Fahrzeug empfangen werden und nur manche dieser Fehlerdatensätze als einer bekannten Fehlerbedingung entsprechend durch einen Fehleridentifizierer identifiziert werden, die verbleibenden Fehlerdatensätze in der Datenbank für unbekannte Fehler gespeichert.
  • 3A ist ein Beispiel eines Verteilungsdiagramms von Fehlerdaten, die von der Fahrzeugvorrichtungsgruppe 10 eines Fahrzeugs zum Fehlerdatenzentrum 20 übertragen werden. Die Fehlerdatenverteilung ist hier in zweidimensionaler Form für einfachere Beschreibung dargestellt, wobei jedoch die tatsächlichen Fehlerdaten in einem Verteilungsraum mit drei oder mehr Dimensionen ausgedrückt werden, das heißt, jeder Fehlerdatensatz wird durch einen entsprechenden mehrdimensionalen Vektor ausgedrückt.
  • 3B zeigt einen Fall, in dem zwei der Fehleridentifizierer Fehlerdaten entsprechend zwei bekannten Fehlermustern F1 und F2 identifiziert haben.
  • 3C zeigt den Teil der Fehlerdaten, der durch keinen der Fehleridentifizierer identifiziert werden konnte und der demnach in der Datenbank 25 für unbekannte Fehler als unbekannte Fehlerdaten gespeichert wird. Neue Fehlermuster werden durch Analysieren einer Akkumulation unbekannter Fehlerdaten erfasst, wie nachfolgend beschrieben wird.
  • Fehlermusterkandidatenextrahierungsverarbeitung
  • Die Informationsverarbeitungsvorrichtung 22 führt eine Verarbeitung zum Extrahieren von Fehlermusterkandidaten aus. Diese Verarbeitung wird jedes Mal begonnen, wenn die in der Datenbank 25 für unbekannte Fehler gehaltenen unbekannten Fehlerdaten eine vorbestimmte Menge erreichen. Wird die Verarbeitung begonnen, führt die Informationsverarbeitungsvorrichtung als Erstes (Schritt S210) eine Gruppierung der in der Datenbank 25 für unbekannte Fehler gehaltenen unbekannten Fehlerdaten aus. Die Gruppierung wird bevorzugt unter Verwendung eines Algorithmus wie beispielsweise des GMM (sogenanntes Gaussian Mixture Model) oder einer modifizierten Form eines derartigen Algorithmus ausgeführt, wodurch eine sequenzielle Verarbeitung ausgeführt wird. Ein derartiger Algorithmus spezifiziert Gruppen als jeweilige Regionen (in einem mehrdimensionalen Verteilungsraum wie vorstehend beschrieben), in denen Daten konzentriert sind, d. h. jeweilige Regionen, in denen Fehlerdaten, die einen hohen Ähnlichkeitsgrad zueinander aufweisen, konzentriert sind. Jedoch wäre es möglich, ein anderes Verfahren wie beispielsweise das sogenannte k-means-Verfahren usw. zu verwenden. Da derartige Gruppierungsverfahren allgemein bekannt sind, wird eine detaillierte Beschreibung hier weggelassen. 5A zeigt ein Beispiel von Verarbeitungsergebnissen, die unter Verwendung des GMM erlangt werden. Durch Verwenden dieser Ergebnisse, wie in 5B illustriert ist, werden Daten erzeugt, die die Übereinstimmungsbeziehungen zwischen jeweiligen Elementen der unbekannten Fehlerdaten und der Gruppen, zu denen diese gehören, ausdrücken.
  • Als Nächstes (Schritt S220) werden jeweilige Glaubwürdigkeitsgrade für die bei Schritt S210 erzeugten Gruppen berechnet. Der Glaubwürdigkeitsgrad Sc einer Gruppe c wird zum Evaluieren der Glaubwürdigkeit, dass die Daten der Gruppe dem gleichen Fehler entsprechen (gleiche Fehlerursache), verwendet. Insbesondere wird, wenn die Anzahl von Datenelementen in der Gruppe c als Nc und die Größe der Gruppe c als Vc bezeichnet wird, die Dichte der Daten innerhalb der Gruppe als der Glaubwürdigkeitsgrad Sc unter Verwendung der folgenden Gleichung (1) erlangt. Auf diese Weise werden, wie in 6A dargestellt ist, Daten erzeugt, die die Übereinstimmungsbeziehung zwischen einer Gruppe c und dem Glaubwürdigkeitsgrad Sc der Gruppe ausdrücken.
  • Figure DE102015205720A1_0002
  • Wird M als die Anzahl von Dimensionen der Fehlerdaten (d. h. Anzahl von Elementen eines mehrdimensionalen Vektors, der einen Fehlerdatensatz ausdrückt) bezeichnet und die Standardabweichung in m-ter Dimension der Gruppe c als σc,m (1 ≤ m ≤ M) bezeichnet, kann die Gruppengröße Vc der Gruppe c als eine Summe von Variationen ausgedrückt durch die folgende Gleichung (2) erlangt werden. Alternativ kann, wenn der Maximalwert der Anzahl von Dimensionen m einer Gruppe c als xc,m,max bezeichnet wird und der Minimalwert der Anzahl von Dimensionen m als xc,m,min bezeichnet wird, die Gruppengröße Vc der Gruppe c als die Breite einer Datenregion unter Verwendung von nachfolgender Gleichung (3) erlangt werden.
  • Figure DE102015205720A1_0003
  • Als Nächstes werden bei Schritt S230 die Fehlermusterkandidaten extrahiert. Insbesondere wird jede Gruppe, für die der entsprechende Glaubwürdigkeitsgrad Sc (erlangt bei Schritt S220) einen vorbestimmten Grenzwert Sth überschreitet, als ein Fehlermusterkandidat extrahiert. Jedoch ist die Erfindung auf ein derartiges Verfahren beschränkt, und es wäre gleichfalls möglich, jeweilige Fehlermusterkandidaten als eine vorbestimmte Anzahl von Gruppen (einschließlich der Gruppe mit der höchsten Glaubwürdigkeit) zu extrahieren, deren jeweilige Glaubwürdigkeitsgrade Sc bezüglich ihres Betrags ausgehend vom höchsten Wert sukzessive abnehmen.
  • Als Nächstes werden bei Schritt S240 fahrzeugtypbildende Informationen für jede Gruppe erzeugt, die als ein Fehlermusterkandidat extrahiert wurde. Dies wird basierend auf den Fahrzeuginformationen, die mit den jeweiligen Fehlerdatensätzen verknüpft sind, die den Fehlermusterkandidat bilden, erzeugt. Die fahrzeugtypbildenden Informationen drücken die jeweiligen Proportionen der unterschiedlichen Fahrzeugtypen entsprechend den Daten dieser Gruppe aus. Die fahrzeugtypbildenden Informationen können beispielsweise wie in 6B illustriert ausgedrückt werden.
  • Bei Schritt S250 werden die Fehlermusterkandidaten, die bei Schritt S230 extrahiert wurden, und ihre jeweiligen Glaubwürdigkeitswerte Sc in der Datenbank 25 für unbekannte Fehler zusammen mit den fahrzeugtypbildenden Informationen entsprechend den Fehlermusterkandidaten gespeichert.
  • Betrieb
  • Mit dem wie vorstehend beschriebenen Fehlerinformationsbereitstellungssystem 1 werden, wenn eine Fehlerbedingung eines Fahrzeugs auftritt, die eine Abnormalität in den Messdaten verursacht, die durch die Fahrzeugvorrichtungsgruppe 10 des Fahrzeugs erlangt werden, Messdatensätze (Sätze aus Erfassungswerten von jeweiligen Sensoren des Fahrzeugs), die während eines Messintervalls mit fester Dauer (erstreckt sich von einem Zeitpunkt vor Erfassung der Abnormalität bis zu einem Zeitpunkt nach der Erfassung) sukzessive erlangt wurden, temporär gespeichert und werden anschließend an das Fehlerdatenzentrum 20 als Fehlerdatensätze übertragen. Das Fehlerdatenzentrum 20 führt dann eine Identifikationsverarbeitung zum Bestimmen aus, ob die empfangenen Fehlerdaten irgendeinem bekannten Fehlertyp entsprechen. Insbesondere wird mit dieser Ausführungsform bei jedem Ausführen der Schritte S120 und S130 von 2 ein empfangener Fehlerdatensatz unter Verwendung der Fehleridentifizierer analysiert, um zu beurteilen, ob er einem bekannten Fehlermuster entspricht.
  • Ist dies der Fall, werden Reparaturinformationen und/oder Fehlerursacheninformationen (verknüpft mit einem spezifischen Fehleridentifizierer) gelesen und zurück an die Fahrzeugvorrichtungsgruppe 10 des Fahrzeugs übertragen. Die Informationen werden hierdurch für persönliche Verwendung beim Wiederherstellen des Fahrzeugs ausgehend von der Fehlerbedingung bereitgestellt.
  • Wenn jedoch die empfangenen Fehlerdaten nicht identifiziert werden, werden die Daten in der Datenbank 25 für unbekannte Fehler als unbekannte Fehlerdaten gespeichert. Überschreitet die Menge unbekannter Fehlerdaten, die in der Datenbank 25 für unbekannte Fehler gehalten werden, eine vorbestimmte Menge, wird eine Fehlermusterkandidatenextrahierungsverarbeitung für die unbekannten Fehlerdaten ausgeführt. Jegliche Fehlermusterkandidaten, die somit extrahiert werden (jeweilige Datengruppen wie vorstehend beschrieben), werden in der Datenbank 25 für unbekannte Fehler gespeichert.
  • Die unbekannten Fehlerdaten und die Fehlermusterkandidateninformationen, die in der Datenbank 25 für unbekannte Fehler gehalten werden, werden beispielsweise Ingenieuren eines Fahrzeugherstellers bereitgestellt, damit sie zum Erfassen neuer Fehlermuster analysiert werden können. Wurde ein derartiges neues Fehlermuster erfasst, wird eine Untersuchung ausgeführt, um entsprechende Ursachen-/Reparaturinformationen bereitzustellen. Ein Fehlerursachen-/Reparaturdatensatz entsprechend dem neu erfassten Fehlermuster wird dann in der Fehlermusterinformationsdatenbank 24 gespeichert und ein neuer Fehleridentifizierer (verknüpft mit dem neuen Fehlerursachen-/Reparaturdatensatz) wird in der Fehleridentifiziererdatenbank 23 gespeichert.
  • Ergebnisse
  • Somit werden bei der vorstehenden Ausführungsform, nachdem eine Fehlerbedingung für ein mit einer Fahrzeugvorrichtungsgruppe 10 ausgestattetes Fahrzeug aufgetreten ist, Fehlerdaten, die zur Zeit des Fehlerauftretens erlangt werden, anschließend an das Fehlerdatenzentrum 20 übertragen. Stimmt die Fehlerbedingung mit einem bekannten Fehlermuster überein, werden entsprechende Fehlerursachen/Reparaturinformationen dann von dem Fehlerdatenzentrum 20 übertragen und durch die HI-Vorrichtung 12 des Fahrzeugs angezeigt. Basierend auf den bereitgestellten Informationen kann eine Reparatur effizient ausgeführt werden.
  • Wenn jedoch die empfangenen Fehlerdaten nicht als einem bekannten Fehlermuster entsprechend identifiziert werden können, werden die Daten als unbekannte Fehlerdaten gespeichert. Unbekannte Fehlerdaten von mehreren unterschiedlichen Fahrzeugen werden dadurch akkumuliert und anschließend zum Extrahieren von Fehlermusterkandidaten (potenziellen neuen Fehlermustern) analysiert. Neue Fehlermuster und entsprechende Fehlerursachen und Reparaturinformationen können dadurch durch Analysieren der akkumulierten unbekannten Fehlerdaten und der Fehlermusterkandidaten abgeleitet werden.
  • Durch Verwenden der akkumulierten unbekannten Fehlerdaten und der Fehlermusterkandidateninformationen auf diese Weise können die Zeit und die Ressourcen, die erforderlich sind, um neue Fahrzeugfehlertypen zu erfassen, stark reduziert werden, und die Anzahl von Fehleridentifizierern entsprechend jeweiligen Fehlermustern kann beliebig erhöht werden.
  • Ferner können die fahrzeugtypbildenden Informationen, die in den Fehlermusterkandidateninformationen enthalten sind, wie folgt verwendet werden. Wenn jeweilige Fahrzeugtypen entsprechend einem Fehlermusterkandidaten hin zu einem spezifischen Fahrzeugtyp gewichtet werden, kann daraus geschlossen werden, dass die Ursache des Fehlers in einer Komponente liegt, die für diesen Fahrzeugtyp spezifisch ist. Wenn andererseits die Proportionen entsprechender Fahrzeugtypen nicht hin zu irgendeinem spezifischen Fahrzeugtyp gewichtet werden, kann daraus geschlossen werden, dass der Fehlermusterkandidat (neu erfasstes Fehlermuster) durch eine allgemein verwendete Komponente verursacht wird, die in unterschiedlichen Fahrzeugtypen installiert ist. Auf diese Weise kann die Fehlerursache effizient ermittelt werden.
  • Ferner ist es, nachdem ein neuer Fehleridentifizierer entsprechend einem neu erfassten Fehlermuster dem System hinzugefügt wurde, unnötig, danach jedes einzelne Auftreten des entsprechenden Fehlermusters separat zu untersuchen, so dass jedes Fehlerauftreten schnell behandelt werden kann.
  • Bezüglich der Ansprüche ist das Analysemittel, das in den Ansprüchen rezitiert ist, durch die Informationsverarbeitungsvorrichtung 22 des Fehlerdatenzentrums 20 der vorstehenden Ausführungsform beim Ausführen der Verarbeitung der Schritte S130 und S150 von 2 beispielhaft dargestellt. Das Glaubwürdigkeitsberechnungsmittel ist durch die Informationsverarbeitungsvorrichtung 22 beim Ausführen der Verarbeitung der Schritte S210 und S220 von 4 beispielhaft dargestellt. Das Fehleridentifizierermittel ist durch die Informationsverarbeitungsvorrichtung 22 beim Ausführen der Verarbeitung der Schritte S120 und 130 von 2 beispielhaft dargestellt.
  • Alternative Ausführungsformen
  • Obwohl die Erfindung vorstehend mit Bezug auf eine spezifische Ausführungsform beschrieben wurde, ist die Erfindung nicht auf diese Ausführungsform beschränkt, und unterschiedliche Modifikationen oder alternative Ausführungsformen sind vorstellbar, beispielsweise:
    • (1) Bei der vorstehenden Ausführungsform basiert die fahrzeugseitige Schnittstellenvorrichtung 15 auf einer Drahtloskommunikationsvorrichtung. Jedoch wäre es ebenso möglich, die fahrzeugseitige Schnittstellenvorrichtung 14 durch einen Verbinder zu ersetzen, um zu ermöglichen, dass die Fahrzeugvorrichtungsgruppe 10 zur Kommunikation mit einer externen Vorrichtung, die ähnliche Funktionen wie die des Fehlerdatenzentrums 20 aufweist, elektrisch verbunden ist.
    • (2) Anstatt Fehleridentifizierer zum Verarbeiten von Fehlerdaten auf Diagnosefehlerbedingungen anzuwenden, wie für die vorstehende Ausführungsform beschrieben ist, wäre es möglich, von Fahrzeugen übertragene Messdaten zu verarbeiten und zu beurteilen, ob spezifische Messdaten innerhalb eines erlaubten Bereichs von Werten sind.
    • (3) Bei der vorstehenden Ausführungsform wird eine Verarbeitung zum Extrahieren von Fehlermusterkandidaten gestartet, wenn die Fehlerdaten, die in der Datenbank 25 für unbekannte Fehler gehalten werden, eine vorbestimmte Menge überschreiten. Jedoch wäre es ebenso möglich, periodisch die Verarbeitung zum Extrahieren von Fehlermusterkandidaten mit einer festen Periode zu initiieren oder die Verarbeitung zu einer Zeit zu initiieren, die durch einen Systembenutzer spezifiziert wird.
    • (4) Bei der vorstehenden Ausführungsform werden, wenn Fehlerdaten in der Fehlerdatenspeichervorrichtung 14 einer Fahrzeugvorrichtungsgruppe 10 gespeichert wurden, diese Daten anschließend zu einer Zeit, zu der eine Kommunikation mit dem Fehlerdatenzentrum 20 ermöglicht wird, automatisch an das Fehlerdatenzentrum 20 übertragen. Jedoch wäre es ebenso möglich, dass das System derart konfiguriert ist, dass die gespeicherten Fehlerdaten an das Fehlerdatenzentrum 20 übertragen werden, wenn ein Übertragungsbefehl durch einen Benutzer mittels der HMI-Vorrichtung 12 ausgegeben wird.
    • (5) Bei der vorstehenden Ausführungsform wird die Glaubwürdigkeit Sc einer Gruppe c als die Dichte der Daten innerhalb der Gruppe erlangt. Jedoch wäre es ebenso möglich, die Inverse 1/Vc der Größe Vc der Gruppe c (berechnet unter Verwendung von Gleichung (2) oder Gleichung (3)) als die Glaubwürdigkeit Sc zu verwenden oder die Anzahl von Daten Nc in der Gruppe c als die Glaubwürdigkeit Sc zu verwenden.
  • Als weitere Alternative kann basierend auf einer Berücksichtigung des Grads der Bestimmtheit, von anderen Gruppen separiert zu sein, ein finaler Glaubwürdigkeitsgrad für eine Gruppe c durch Multiplizieren des Glaubwürdigkeitswerts Sc, der unter Verwendung von Gleichung (1) berechnet wird, mit der Mittelwerttrennung wc erlangt werden. In diesem Fall wird, wenn die Gesamtanzahl von Gruppen als C bezeichnet und der Durchschnittspositionswert der Gruppe c als μc bezeichnet wird, die Mittelwerttrennung wc aus nachfolgender Gleichung (4) erlangt. Das heißt, umso größer die Gesamtmenge einer Trennung der Durchschnittsposition der Gruppe c von anderen Gruppen ist, umso höher wird der Glaubwürdigkeitsgrad für die Gruppe c.
  • Figure DE102015205720A1_0004
  • Ferner kann durch Erlangen der Standardabweichung σc einer Gruppe c unter Verwendung nachfolgender Gleichung (5) die Mittelwerttrennung wc dann durch Anwenden nachfolgender Gleichung (6) erlangt werden. In diesem Fall gilt, umso höher die Summe der Fisher-Scores der Gruppe c bezüglich anderer Gruppen ist (d. h. ...), umso höher wird der Glaubwürdigkeitsgrad.
    Figure DE102015205720A1_0005
    • (6) Mit der vorstehenden Ausführungsform wird eine Gruppierung ungeachtet der Fahrzeugtypen, von denen die Fehlerdaten stammen, ausgeführt. Jedoch wäre es ebenso möglich, eine Gruppierung jeweils separat für Fehlerdaten auszuführen, die von unterschiedlichen Fahrzeugtypen stammen.
    • (7) Bei der vorstehenden Ausführungsform werden, wenn Fehlerdaten an das Fehlerdatenzentrum 20 ausgehend von einer Fahrzeugvorrichtungsgruppe 10 übertragen werden, die Fehlerdaten durch Verwenden von Fehleridentifizierern, die im Fehlerdatenzentrum 20 gespeichert sind, diagnostiziert (zum Erlangen der entsprechenden Fehlerursachen/Reparaturinformationen). Jedoch wäre die Erfindung ebenso auf ein System anwendbar, in dem, wenn Fehlerdaten am Fehlerdatenzentrum 20 empfangen werden, die Daten direkt durch Ingenieure analysiert werden, die versuchen, die Fehlerursache zu diagnostizieren, und die die Fehlerdaten in der Datenbank 25 für unbekannte Fehler als unbekannte Fehlerdaten speichern, wenn die Fehlerursache zu dieser Zeit nicht diagnostiziert werden kann.
    • (8) Bei der vorstehenden Ausführungsform werden Fehlerdaten durch das Fehlerdatenzentrum 20 identifiziert. Jedoch wäre die Erfindung ebenso auf ein System anwendbar, in dem Fehlerdaten von einem Fahrzeug durch Personal einer Servicestation usw. analysiert werden, wo das Fahrzeug zur Reparatur angenommen wurde, und wobei die Fehlerdaten zum Fehlerdatenzentrum 20 übertragen werden und als unbekannte Fehlerdaten in der Datenbank 25 für unbekannte Fehler gespeichert werden, wenn die Fehlerursache durch das Personal der Servicestation usw. nicht diagnostiziert werden kann.
  • Die vorstehende Ausführungsform wurde konzeptionell in der Form eines spezifischen Satzes bildender Elemente beschrieben. Jedoch ist die Erfindung nicht auf diese Form beschränkt. Beispielsweise wäre es möglich, die Funktionen eines einzelnen bildenden Elements unter mehreren bildenden Elementen aufzuteilen oder die Funktionen mehrerer bildender Elemente in einem einzelnen bildenden Element zu vereinen. Ferner könnte mindestens ein Teil der Ausführungsform durch eine bekannte Konfiguration ersetzt werden, die dieselbe Funktion ausführt. Ferner kann mindestens ein Teil der vorstehenden Ausführungsform durch einen Teil der Konfiguration einer anderen Ausführungsform vergrößert oder ersetzt werden.
  • 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
    • JP 2014-71296 [0001]
    • JP 2010-64654 [0003]

Claims (8)

  1. Analysesystem für unbekannte Fehlerdaten, aufweisend ein Analysemittel, das konfiguriert ist, um von einem Fahrzeug empfangene Fehlerdaten zu analysieren, um Fehlerdaten entsprechend einem von mehreren bekannten Fehlermustern zu identifizieren; wobei das Analysemittel konfiguriert ist, um die empfangenen Fehlerdaten als unbekannte Fehlerdaten zu klassifizieren, wenn die empfangenen Fehlerdaten nicht als einem der bekannten Fehlermuster entsprechend identifiziert werden können.
  2. Analysesystem für unbekannte Fehlerdaten gemäß Anspruch 1, wobei Sätze unbekannter Fehlerdaten, die von jeweils unterschiedlichen Fahrzeugen erlangt werden, sukzessive akkumuliert werden und wobei das Analysemittel ein Gruppierungsmittel aufweist, das konfiguriert ist, um eine Gruppierung der akkumulierten unbekannten Fehlerdaten auszuführen, um eine oder mehrere Datengruppen abzuleiten.
  3. Analysesystem für unbekannte Fehlerdaten gemäß Anspruch 2, wobei das Analysemittel ein Glaubwürdigkeitsberechnungsmittel aufweist, das zum Berechnen eines Glaubwürdigkeitswerts für jede der Datengruppen konfiguriert ist, die durch das Gruppierungsmittel erzeugt werden, und wobei der Glaubwürdigkeitswert eine Glaubwürdigkeit ausdrückt, dass die Fehlerdaten, die die Datengruppe bilden, mit einem identischen Fehlermuster übereinstimmen.
  4. Analysesystem für unbekannte Fehlerdaten gemäß Anspruch 3, wobei das Glaubwürdigkeitsberechnungsmittel konfiguriert ist, um den Glaubwürdigkeitswert entsprechend einer Datengruppe als die Dichte der Gruppe zu erlangen.
  5. Analysesystem für unbekannte Fehlerdaten gemäß Anspruch 2, wobei Übereinstimmungen zwischen den unbekannten Fehlerdaten und den jeweiligen Ursprungsfahrzeugen, die die Fehlerdaten hervorbringen, registriert werden, und das Analysemittel ein Proportionsinformationserzeugungsmittel aufweist, das zum Erzeugen von Informationen konfiguriert ist, die für jede von jeweiligen Datengruppen Proportionen jeweiliger Typen der Ursprungsfahrzeuge entsprechend der Datengruppe ausdrücken.
  6. Analysesystem für unbekannte Fehlerdaten gemäß Anspruch 2, wobei Übereinstimmungen zwischen den unbekannten Fehlerdaten und jeweiligen Typen von Fahrzeugen, die die unbekannten Fehlerdaten hervorbringen, registriert werden, und das Analysemittel konfiguriert ist, um die Gruppierung jeweils separat für Fehlerdaten, die von jedem der mehreren Fahrzeugtypen stammen, auszuführen.
  7. Analysesystem für unbekannte Fehlerdaten gemäß Anspruch 1, aufweisend ein Fehleridentifizierungsmittel, das konfiguriert ist, um bekannte Fehlermuster entsprechend Fehlerdaten, die von einem Fahrzeug empfangen werden, zu identifizieren und alle oder einen Teil der empfangenen Fehlerdaten, für die ein entsprechendes bekanntes Fehlermuster nicht identifiziert werden kann, als unbekannte Fehlerdaten zu extrahieren.
  8. Analysesystem für unbekannte Fehlerdaten gemäß Anspruch 7, aufweisend eine Datenspeichervorrichtung zum Speichern der unbekannten Fehlerdaten, die durch das Fehleridentifizierungsmittel extrahiert werden.
DE102015205720.8A 2014-03-31 2015-03-30 System zum Analysieren nichtklassifizierter Kraftfahrzeugfehlerdaten Pending DE102015205720A1 (de)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2014-071296 2014-03-31
JP2014071296A JP6323121B2 (ja) 2014-03-31 2014-03-31 未知データ分析装置

Publications (1)

Publication Number Publication Date
DE102015205720A1 true DE102015205720A1 (de) 2015-10-01

Family

ID=54067182

Family Applications (1)

Application Number Title Priority Date Filing Date
DE102015205720.8A Pending DE102015205720A1 (de) 2014-03-31 2015-03-30 System zum Analysieren nichtklassifizierter Kraftfahrzeugfehlerdaten

Country Status (2)

Country Link
JP (1) JP6323121B2 (de)
DE (1) DE102015205720A1 (de)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102018201933A1 (de) 2018-02-07 2019-08-08 Avl List Gmbh Verfahren und System zur Analyse wenigstens einer Einrichtung einer Einheit, welche eine Mehrzahl an verschiedenen Einrichtungen aufweist
EP4064054A1 (de) * 2021-03-24 2022-09-28 Fujifilm Business Innovation Corp. Informationsverarbeitungsvorrichtung, programm und informationsverarbeitungsverfahren

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2021032115A (ja) * 2019-08-22 2021-03-01 トヨタ自動車株式会社 車両用学習制御システム、車両用制御装置、および車両用学習装置

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2010064654A (ja) 2008-09-11 2010-03-25 Toyota Motor Corp 車両の修理交換情報管理システム、及び車両の異常原因情報管理システム
JP2014071296A (ja) 2012-09-28 2014-04-21 Toppan Printing Co Ltd カラーフィルタ

Family Cites Families (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP3241818B2 (ja) * 1992-09-22 2001-12-25 株式会社ザナヴィ・インフォマティクス 車両故障診断装置
JP3179387B2 (ja) * 1997-09-30 2001-06-25 日本電気移動通信株式会社 車両管理用データ伝送システム
JP2003075300A (ja) * 2001-08-31 2003-03-12 Tsubasa System Co Ltd 車輌の診断項目表作成装置
JP4306349B2 (ja) * 2003-07-25 2009-07-29 株式会社日立製作所 車両情報端末装置
JP4315073B2 (ja) * 2004-07-14 2009-08-19 トヨタ自動車株式会社 故障解析システム
JP4661381B2 (ja) * 2005-06-14 2011-03-30 トヨタ自動車株式会社 故障診断装置、故障診断システム、故障診断方法、及び車載装置
US7519458B2 (en) * 2005-07-08 2009-04-14 Snap-On Incorporated Vehicle diagnostics
JP2009294004A (ja) * 2008-06-03 2009-12-17 Fujitsu Ten Ltd 異常解析装置及び異常解析方法
JP2010030404A (ja) * 2008-07-28 2010-02-12 Visteon Global Technologies Inc 先行車両の位置検出方法及び位置検出装置並びにデータフィルタリング方法
JP5633262B2 (ja) * 2010-01-07 2014-12-03 株式会社デンソー 車両用情報記憶装置、車両診断システム、プログラム

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2010064654A (ja) 2008-09-11 2010-03-25 Toyota Motor Corp 車両の修理交換情報管理システム、及び車両の異常原因情報管理システム
JP2014071296A (ja) 2012-09-28 2014-04-21 Toppan Printing Co Ltd カラーフィルタ

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102018201933A1 (de) 2018-02-07 2019-08-08 Avl List Gmbh Verfahren und System zur Analyse wenigstens einer Einrichtung einer Einheit, welche eine Mehrzahl an verschiedenen Einrichtungen aufweist
WO2019153026A1 (de) 2018-02-07 2019-08-15 Avl List Gmbh Verfahren und system zur analyse wenigstens einer einrichtung einer einheit, welche eine mehrzahl an verschiedenen einrichtungen aufweist
EP4064054A1 (de) * 2021-03-24 2022-09-28 Fujifilm Business Innovation Corp. Informationsverarbeitungsvorrichtung, programm und informationsverarbeitungsverfahren

Also Published As

Publication number Publication date
JP6323121B2 (ja) 2018-05-16
JP2015194355A (ja) 2015-11-05

Similar Documents

Publication Publication Date Title
DE102015212349A1 (de) Fehlererfassungsvorrichtung und fehlererfassungsprogramm
DE102015203213A1 (de) Vorrichtung und programm zum erzeugen von korrekturparametern für diagnosedaten
DE102015208895A1 (de) Diagnostische-Daten-Extraktionsvorrichtung und Fahrzeugdiagnostikvorrichtung
DE102018109195A1 (de) Diagnosesystem und Verfahren zum Verarbeiten von Daten eines Kraftfahrzeugs
DE102015225472A1 (de) Verfahren und Vorrichtung zum Erstellen einer Karte
DE102014109594A1 (de) Prüfsystem für ein Fahrzeug und Steuerverfahren dafür
DE102015205720A1 (de) System zum Analysieren nichtklassifizierter Kraftfahrzeugfehlerdaten
DE102014113817A1 (de) Vorrichtung und Verfahren zur Erkennung eines Objekts in Einem Bild
DE102015212075A1 (de) Objekterfassungsvorrichtung
DE102021204550A1 (de) Verfahren zum Erzeugen wenigstens eines Datensatzes zum Trainieren eines Algorithmus maschinellen Lernens
EP3460727A1 (de) Verfahren zur untersuchung eines funktionsverhaltens eines technischen systems und auswerteeinheit
DE112018007277T5 (de) Vorrichtung und verfahren zur automatischen fehlerschwellenwerterkennung für bilder
DE102018211257A1 (de) Verfahren und System zur Datenerfassung in Fahrzeugen
DE102020207449A1 (de) Verfahren, Computerprogramm und Vorrichtung zum Verarbeiten von Signalen
DE102020208474A1 (de) Messung der Empfindlichkeit von Klassifikatoren anhand zusammenwirkender Störungen
DE102021204040A1 (de) Verfahren, Vorrichtung und Computerprogramm zur Erstellung von Trainingsdaten im Fahrzeug
DE102020133626A1 (de) Verfahren zum Erkennen von für ein neuronales Netz schwierig korrekt zu klassifizierenden Szenen, Assistenzeinrichtung und Kraftfahrzeug
DE102019123763A1 (de) Verifizierungsvorrichtung
DE102019219927A1 (de) Verfahren und Vorrichtung zum Erkennen einer Entfremdung einer Sensordatendomäne von einer Referenzdatendomäne
DE102020202795A1 (de) Verfahren und Vorrichtung zum Komprimieren eines Neuronalen Netzes
DE102018009451A1 (de) Verfahren zum Überprüfen wenigstens eines Fahrzeugs sowie elektronische Recheneinrichtung
DE102017217596A1 (de) Verfahren zum Überprüfen eines elektronischen Bauelements, Verfahren zum Erzeugen eines Modells und Vorrichtung
EP3759644B1 (de) Identifizieren unbesetzter sitzplätze auf basis der detektion einer sich wiederholenden textur
DE102020212005B4 (de) Verfahren zur Bestimmung der für einen Bildklassifikator entscheidungsrelevanten Bildanteile
DE202021103699U1 (de) Vorrichtung zum Trainieren eines neuronalen Netz-Ensembles

Legal Events

Date Code Title Description
R012 Request for examination validly filed
R084 Declaration of willingness to licence