ES2317267T3 - Procedimiento de ensayo priorizado y visualizacion en etapas usando realimentacion estadistica. - Google Patents
Procedimiento de ensayo priorizado y visualizacion en etapas usando realimentacion estadistica. Download PDFInfo
- Publication number
- ES2317267T3 ES2317267T3 ES05760206T ES05760206T ES2317267T3 ES 2317267 T3 ES2317267 T3 ES 2317267T3 ES 05760206 T ES05760206 T ES 05760206T ES 05760206 T ES05760206 T ES 05760206T ES 2317267 T3 ES2317267 T3 ES 2317267T3
- Authority
- ES
- Spain
- Prior art keywords
- defective
- tree
- test
- score
- module
- 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.)
- Active
Links
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B23/00—Testing or monitoring of control systems or parts thereof
- G05B23/02—Electric testing or monitoring
- G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
- G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
- G05B23/0243—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults model based detection method, e.g. first-principles knowledge model
- G05B23/0245—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults model based detection method, e.g. first-principles knowledge model based on a qualitative model, e.g. rule based; if-then decisions
- G05B23/0248—Causal models, e.g. fault tree; digraphs; qualitative physics
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B23/00—Testing or monitoring of control systems or parts thereof
- G05B23/02—Electric testing or monitoring
- G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
- G05B23/0259—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterized by the response to fault detection
- G05B23/0297—Reconfiguration of monitoring system, e.g. use of virtual sensors; change monitoring method as a response to monitoring results
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B2219/00—Program-control systems
- G05B2219/20—Pc systems
- G05B2219/24—Pc safety
- G05B2219/24053—Diagnostic of controlled machine
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B2219/00—Program-control systems
- G05B2219/20—Pc systems
- G05B2219/24—Pc safety
- G05B2219/24085—Analyze, trace fault signals according to tree, table
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B2219/00—Program-control systems
- G05B2219/20—Pc systems
- G05B2219/26—Pc applications
- G05B2219/2637—Vehicle, car, auto, wheelchair
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- General Factory Administration (AREA)
Abstract
Un método para actualizar un árbol defectuoso (50) usado en el diagnóstico de una condición de una máquina, comprendiendo el árbol defectuoso (50) una secuencia de módulos (52, 58, 66, 74, 76) de ensayo, estando cada uno de los módulos de ensayo asignado a una puntuación de confianza, comprendiendo el método las etapas de: obtener datos de servicio de una pluralidad de ocasiones de servicio para máquinas semejantes; revisar la puntuación de confianza para al menos uno de los módulos de ensayo en el árbol defectuoso (50) basándose en los datos de servicio; caracterizado por revisar la secuencia de los módulos de ensayo en el árbol defectuoso basándose en la(s) puntuación(es) de confianza revisada(s).
Description
Procedimiento de ensayo priorizado y
visualización en etapas usando realimentación estadística.
Esta descripción se refiere en general a la
técnica de diagnósticos y reparaciones de máquinas y también al
diseño de ayudas de diagnóstico tales como árboles defectuosos. Más
particularmente, la descripción se refiere a un método y un sistema
de asignación de prioridades a módulos de ensayo individuales en un
árbol defectuoso basados en una realimentación estadística de
personas que usan el árbol defectuoso en el campo. Un método y un
sistema según los preámbulos de las reivindicaciones 1 y 13
respectivamente, se describen en la E.P. 0 424 869 A. Un beneficio
de la descripción es que permite que el árbol defectuoso sea
revisado, en base a la realimentación estadística, y permite a los
futuros usuarios del árbol defectuoso revisado diagnosticar
correctamente un problema con la máquina más rápidamente.
Hablando en general, un árbol defectuoso es un
gráfico de circulación en la forma de una serie de procedimientos o
etapas de ensayo que un técnico utiliza para diagnosticar la causa
de un mal funcionamiento u otra condición en una máquina. La
máquina puede ser cualquier clase de máquina, por ejemplo, una
máquina copiadora, una prensa de impresión, un refrigerador, un
instrumento de diagnóstico médico, un componente o subsistema de una
aeronave, o un motor de automóvil. El árbol defectuoso es preparado
típicamente por técnicos de servicio por el fabricante de la
máquina, pero también puede ser autorizado en el emplazamiento por
la propia compañía propietaria o que usa la máquina. Los árboles
defectuosos se publican típicamente en manuales de reparación o
servicio para la máquina. Estos pueden estar disponibles
directamente en línea y acceder a ellos a través de un técnico, o a
través de Internet usando un ordenador. Los árboles defectuosos
pueden también estar almacenados sobre sistemas de diagnóstico de
máquinas basados en ordenadores, tales como, por ejemplo, el Sistema
de Información de Diagnóstico Modular (MODIS) para la reparación de
vehículos, disponible de "Snap-On Technologies
Inc" (Tecnologías de Acción Rápida).
Los árboles defectuosos son típicamente
preparados por técnicos y diseñadores empleados por el fabricante
de la máquina, e impresos y distribuidos en el momento en que la
máquina es primero fabricada y vendida comercialmente para el
beneficio de los técnicos de servicio de campo. Los árboles
defectuosos representan típicamente la mejor estimación del
diseñador de la máquina de la secuencia óptima del procedimiento de
ensayo para llegar a un diagnóstico del defecto o error de la
máquina, con un mínimo de ensayos y errores. No obstante, la
experiencia mundial real de los técnicos en el campo es algunas
veces muy diferente de las predicciones y estimaciones de los
diseñadores de la máquina. En cuanto a estas, sobre la vida de la
máquina los árboles defectuosos pueden quedarse anticuados y fallar
al reflejar la experiencia mundial real de los técnicos de servicio
en el campo. Aunque los árboles defectuosos son a menudo
anticuados, las actualizaciones están basadas en la realimentación
proporcionada personalmente por el autor, por ejemplo, mediante el
teléfono, correo electrónico o entradas de expertos.
Por ejemplo, el diseñador de la máquina
efectuará típicamente la primera etapa de ensayo en el árbol
calculada para descubrir la predicción del diseñador del fallo o
defecto más probable debido a ciertos síntomas, la segunda etapa de
ensayo para descubrir el segundo defecto más probable, etc. No
obstante, los técnicos en el campo pueden descubrir que la cuarta
etapa de ensayo en el árbol defectuoso es más probable que revele
el defecto de la máquina mejor que las etapas primera o segunda, o
que las dos primeras etapas en el procedimiento no revelen la
fuente del problema la mayoría de las veces por lo que las etapas
tercera a quinta es más probable que revelen la fuente del
problema. Consecuentemente, en esta situación el árbol defectuoso se
corrige gracias a la experiencia de los técnicos. Si los técnicos
hubiesen tratado el árbol defectuoso en el orden originalmente
especificado por el fabricante, como se les enseñó a hacer y fueron
entrenados, habrían consumido un tiempo valioso efectuando etapas
de diagnóstico que no significaban progreso alguno hacia la
reparación.
Esta descripción proporciona un modo más
automatizado de examinar las etapas que se han de efectuar en el
árbol defectuoso y como conducen estas a menudo a un diagnóstico
correcto, y como usar esa información para mejorar los árboles
defectuosos.
Un método y un sistema se describen para
actualizar y priorizar una secuencia de procedimientos de ensayo
tales como un árbol defectuoso que usan realimentación estadística
de técnicos en el campo. Siguiendo las características del presente
método, pueden desarrollarse árboles con los defectos corregidos. Un
beneficio es que los técnicos trabajan más eficientemente y con más
probabilidades de llegar al diagnóstico correcto de un defecto de
la máquina con mayor rapidez que usando las soluciones de la técnica
anterior.
Aunque se describe una realización ilustrativa
más adelante en el contexto del servicio del automóvil, los métodos
y sistemas son extensamente aplicables a cualquier máquina o sistema
que use un árbol defectuoso para guiar a un técnico en el
descubrimiento de un defecto u otra condición de la máquina.
En un aspecto de esta descripción, se
proporciona un método para actualizar un árbol defectuoso usado en
el diagnóstico de una máquina. El árbol defectuoso comprende una
secuencia de módulos de ensayo o etapas. Cada uno de los módulos es
asignado. A cada uno de los módulos de ensayo se le asigna una
puntuación de confianza. Un valor numérico puede ser asignado a la
puntuación de confianza (por ejemplo de 1 a 100), que es un valor o
un índice que representa un rango o una probabilidad de que el
módulo de ensayo asociado conduzca al diagnóstico correcto del
defecto o condición de la máquina. Por ejemplo, un módulo de ensayo
con una puntuación de confianza más alta entre todos los módulos en
el árbol defectuoso es el que es más probable que origine un
diagnóstico satisfactorio, y por tanto será listado el primero en
la secuencia de módulos que constituyen el árbol defectuoso. Un
módulo de ensayo con una puntuación de confianza más baja, por
ejemplo, 10 en vez de 100, deberá ser uno que sea muy improbable
que conduzca a un diagnóstico correcto, y por tanto deberá ser
listado en la secuencia de ensayos después de los módulos de ensayo
con puntuaciones de confianza más altas, o, si tiene la puntuación
más baja de todos los módulos, el último.
El método incluye la etapa de obtener datos de
servicio de una pluralidad de ocasiones de servicio para máquinas
similares. Los datos de servicio podrían ser obtenidos a partir de
una pluralidad de técnicos distribuidos geográficamente que sirvan
todos ellos un tipo similar de máquina. Alternativamente, los datos
de servicio podrían ser obtenidos de múltiples técnicos en el mismo
taller de reparaciones. Los datos de servicio podrían incluir
información sobre como fabricar y modelar la máquina, los síntomas
indicados con ocasión del servicio, el árbol defectuoso que fue
usado, los módulos del árbol defectuoso a los que se había accedido,
el resultado del ensayo de cada modelo, el diagnóstico estimado,
las condiciones de máquina que fueron registradas durante el
servicio (por ejemplo, los códigos de los fallos, temperaturas,
lecturas de desgaste, etc.), las reparaciones hechas, notas o
comentarios de los técnicos; otras reparaciones hechas, etc. Los
datos de servicio pueden ser adquiridos manualmente, introducidos
en un ordenador y transmitidos al sistema anfitrión en el que se
ejecuta el método; alternativamente los datos de servicio podrían
ser obtenidos mediante una herramienta o sistema de diagnóstico tal
como el sistema MODIS o el sistema descrito en la Patente de EE.UU.
Núm. 6.714.846, "Director de Diagnóstico", de Trsar y
otros.
El método incluye además la etapa de revisar la
puntuación de la confianza para al menos un modelo de ensayo en el
árbol de defectuoso, basándose en los datos de servicio. Esta etapa
podría ser realizada por una persona basándose en su evaluación
como experto en los datos de servicio, o automáticamente por un
ordenador programado que ejecuta un algoritmo que procesa los
campos en los datos de servicio. Por ejemplo, el ordenador podría
determinar que, durante un periodo dado de tiempo, tal como seis
meses, (proporcionado de modo que haya un número adecuado de
ocasiones de servicio que sea estadísticamente significativo,
digamos 100), el número 3 de módulo en el árbol defectuoso XYZ fue
conducido más probablemente a un diagnóstico satisfactorio que el
módulo 2, pero el módulo 3 tiene una puntuación de confianza
inferior. Consecuentemente, el ordenador reasigna niveles de
confianza de modo que el módulo 3 sea ordenado o clasificado más
alto que el módulo 2.
El método incluye además una etapa de revisar la
secuencia de los modelos de ensayo en el árbol defectuoso basada en
el nivel o niveles de confianza revisados. Continuando el ejemplo
hipotético anterior, el ordenador podría revisar el árbol
defectuoso de modo que el módulo 3 estuviese listado en el árbol
defectuoso delante del módulo 2. Suponiendo que un muestreo
significativamente estadístico de los datos de servicio está
disponible y pueda usarse para revisar las puntuaciones de
confianza, un técnico que examine el árbol defectuoso revisado es
más probable que llegue a un diagnóstico correcto en un periodo de
tiempo más corto que si de otra manera hubiese tenido que usar el
árbol defectuoso anterior. Por tanto, en general y como un tema de
probabilidad estadística, el árbol defectuoso revisado permite que
el técnico trabaje más eficientemente.
En una realización, el árbol defectuoso se
revisa en un sistema principal que genera árboles defectuosos para
una pluralidad de técnicos distribuidos geográficamente. El sistema
principal podría ser una entidad o división de diseño y servicio
del fabricante de la máquina. Alternativamente, el sistema anfitrión
podría ser una entidad de servicio o negocio que genere árboles
defectuosos y otras herramientas de diagnóstico para los productos
de diversos fabricantes. El sistema anfitrión incluye un sistema de
ordenador que se usa para almacenar y revisar el árbol defectuoso.
El sistema anfitrión incluye también una base de datos que almacena
datos de servicio de campo para las máquinas.
El sistema principal puede tener también una o
más personas expertas que sean usadas en diversas funciones, tales
como creando los árboles defectuosos inicialmente, revisando datos
de ensayos, interpretando las notas de los técnicos y, revisando el
árbol defectuoso consecuentemente y asignando puntuaciones de
confianza ya sea inicialmente, o puntuaciones de confianza
revisadas basadas en los datos de servicio. En una realización
alternativa, el sistema anfitrión incluye instrucciones legibles de
ordenador que ejecutan un algoritmo que procesa los datos de
servicio y genera puntuaciones de confianza revisadas (o de modo
equivalente, categorías) para los módulos en el árbol defectuoso, y
crea árboles defectuosos revisados actualizados basados
automáticamente en las puntuaciones de confianza revisadas.
Los módulos individuales en el árbol defectuoso
pueden tener otros atributos en adición a las puntuaciones de
confianza, tales como un valor numérico que indique el número de
veces que un árbol defectuoso fue introducido o accedió a un módulo
de ensayo. Este número puede ser útil en una fábrica en la que se
indica o no se indica un cambio en el nivel de confianza. Por
ejemplo, si un módulo particular en un árbol defectuoso fue
raramente introducido pero otros módulos fueron introducidos con
una frecuencia mucho mayor, el módulo con el valor numérico más
bajo para las entradas no deberá tener una puntuación alta de
confianza y puede incluso ser omitido completamente del árbol
defectuoso.
Como otro ejemplo, un módulo de ensayo puede
tener un atributo adicional asignado al mismo en la forma de un
índice o valor numérico que indique al técnico el nivel numérico con
el que el módulo debería ser presentado. Por ejemplo, si el técnico
es un experto, entonces algunos módulos en el árbol defectuoso
podrían ser omitidos del árbol defectuoso puesto que los expertos y
deberán ejecutar instintivamente el procedimiento de ensayo sin
indicación previa alguna. Estos atributos, tales como el número de
entradas, y el índice de nivel técnico, deberían típicamente ser
presentados a los expertos en el sistema principal mientras ellos
editan el árbol defectuoso. Los atributos pueden o no pueden ser
proporcionados a usuarios finales que accedan al árbol
defectuoso.
Los árboles defectuosos revisados pueden ser
distribuidos a los técnicos en el campo de cualquier número de
modos, incluyendo copias impresas de los manuales de reparación,
discos de ordenador que contengan información sobre reparaciones y
árboles defectuosos actualizados como aditamentos al correo
electrónico, o como un archivo remitido por un servidor central que
tiene acceso a la red de ordenadores (por ejemplo, a una red de área
local o extensa, por ejemplo a Internet), una línea telefónica, o
técnica de red inalámbrica.
Además, aunque la realización ilustrada más
adelante muestra un procedimiento para revisar un árbol defectuoso,
se apreciará que, para cualquier máquina dada, el procedimiento
puede ser continuado en paralelo para todos los árboles defectuosos
que existan para la máquina. En el ejemplo de una entidad que
proporciona el diagnóstico de árboles defectuosos a talleres de
reparación de automóviles en los Estados Unidos, este procedimiento
puede continuar en paralelo para literalmente miles de árboles
defectuosos, cubriendo los años, marcas y modelos de diversos
fabricantes de coches desde 1980 y los diversos procedimientos de
reparación y disposición para cada uno de los modelos individuales.
En esta situación, y en otras situaciones análogas, la
automatización de ordenadores de los procedimientos de
actualización de las puntuaciones de confianza basadas en los datos
de servicio y la preparación de los árboles defectuosos revisados
como se ha descrito en esa memoria es particularmente
ventajosa.
Más detalles con respecto a estas y a otras
características de la descripción se hallarán haciendo referencia a
la descripción detallada siguiente y con referencia a las figuras de
los dibujos que se adjuntan.
\vskip1.000000\baselineskip
La Figura 1 es una ilustración de un sistema que
usa una realimentación estadística para mejorar árboles defectuosos,
que incluyen un sistema principal que genera el árbol defectuoso y
un taller en el que el árbol defectuoso se usa para diagnosticar un
mal funcionamiento en una máquina, siendo la máquina un motor de
automóvil o componente del mismo.
La Figura 2 es una ilustración de un árbol
defectuoso típico representativo, para diagnosticar un tipo
particular de defecto para la máquina de la Figura 1, que muestra
tres conjuntos de números asignados a cada módulo o nodo de ensayo
en el árbol defectuoso.
La Figura 3 es una ilustración más detallada del
bloque de memoria que representa un procedimiento o módulo de
ensayo arbitrario en el árbol defectuoso de la Figura 2, que muestra
los campos que pueden completar un módulo de ensayo dado en un
árbol defectuoso.
La Figura 4 muestra una revisión en el árbol
defectuoso de la Figura 2, que sería el resultado de la utilización
de las características de realimentación estadísticas de esta
publicación.
\vskip1.000000\baselineskip
Esta descripción proporciona un método y un
sistema para actualizar y priorizar procedimientos de ensayo tales
como un árbol defectuoso que usa realimentación estadística de
técnicos en el campo. Siguiendo las características del presente
método, se pueden desarrollar árboles defectuosos mejorados. Un
beneficio es que los técnicos trabajan más eficientemente y pueden
llegar a la diagnosis correcta de un defecto de la máquina más
rápidamente.
Aunque se describe una realización en la que en
el contexto de la reparación y diagnosis de automóviles, los
métodos y el sistema son extensamente aplicables a cualquier máquina
o sistema que use un árbol defectuoso para guiar a un técnico en el
descubrimiento del origen de una condición defectuosa o
diferente.
Haciendo referencia ahora a la Figura 1, en ella
se muestra un sistema 10 para recibir datos de servicio, que genera
registros de confianza revisados para los módulos en árboles
defectuosos, y actualiza árboles defectuosos para que reflejen las
marcas de confianza revisadas sobre una realimentación estadística
de las ocasiones de servicio. El sistema 10 se muestra como un
sistema anfitrión que está típicamente presente en cualquiera de
los lugares del fabricante de la máquina o alternativamente como una
entidad que está en el negocio de compilar datos de servicio y
generar árboles defectuosos para ayudar en el diagnostico de las
condiciones de la máquina para una base distribuida de técnicos de
servicio. El sistema 10 incluye una base 12 de datos central que
recibe datos de servicio de los técnicos 20 de servicio en el campo.
La base 12 de datos central puede tener la forma de una base de
datos comercialmente disponible y de software y estaciones de
trabajo asociadas, tales como las proporcionadas por la Corporación
Oracle u otro proveedor de bases de datos. Los datos de servicio
almacenados en la base de datos podrían incluir información tal como
para fabricar y modelar la máquina, el síntoma que emite la ocasión
de servicio, el árbol defectuoso que fue usado, los módulos del
árbol defectuoso a los que se accedió, el resultado del ensayo sobre
cada módulo, el último diagnóstico, las condiciones de la máquina
que fueron registradas durante el servicio (por ejemplo, códigos de
fallo, temperaturas, lecturas de desgaste, etc.), hechas las
reparaciones, notas o comentarios del técnico; otras reparaciones
efectuadas, etc.
El sistema principal 10 incluye también una o
más estaciones 14 de trabajo de ordenador de propósito general que
acceden a los datos de reparación en la base 12 de datos. La
estación 14 de trabajo incluye una memoria que almacena el árbol
defectuoso de la Figura 2. Las estaciones de trabajo son utilizadas
por uno o más expertos 16 de servicio que pueden estar empleados
para crear y revisar árboles defectuosos para la máquina. Los
expertos de servicio pueden, por ejemplo, acceder a los datos de
servicio y ejecutar aplicaciones de análisis estadístico sobre los
datos para determinar a que módulos se han accedido, y los
resultados que se obtienen de los técnicos que usan los módulos.
Los expertos 16 pueden crear también puntuaciones de confianza
iniciales para los módulos, revisar los núcleos de confianza, y
crear nuevos árboles defectuosos basados en las puntuaciones de
confianza revisadas.
Alternativamente, estas funciones pueden ser
automatizadas mediante algoritmos de software apropiados que se
ejecutan en las estaciones 14 de trabajo. Estos algoritmos que
pueden ser desarrollados por personas expertas en la técnica a
partir de la presente descripción, podrían determinar que, durante
un periodo dado de tiempo tal como de seis meses, se ha producido
un número adecuado de ocasiones de servicio que es estadísticamente
significativo, digamos 100, y que los datos de servicio para estas
ocasiones están presentes en la base 12 de datos. El algoritmo
comprueba entonces viendo a que módulos se ha accedido en estas
ocasiones de servicio y el resultado del uso de los módulos. El
algoritmo ordena entonces los módulos de acuerdo con el número de
veces que el módulo resultó con el diagnóstico correcto. Por
ejemplo, para un árbol XYZ de defectos dado, este puede determinar
que sea más probable que número 3 de módulos en el árbol XYZ de
defectos conduzca a un diagnóstico satisfactorio para el módulo 2,
pero el módulo 3 tiene una puntuación de la confianza más baja.
Consecuentemente, el ordenador reasigna las puntuaciones de
confianza de modo que el módulo 3 es clasificado más alto que el
módulo 2. El algoritmo podría registrar entonces la secuencia de los
módulos en el árbol de defectos desde el número más alto de sucesos
satisfactorios hasta el número más bajo, y generar entonces un
nuevo árbol de faltas basado en la secuencia revisada. Los datos de
la creación del árbol de defectos revisado son registrados, los
números de identificación para las ocasiones de servicio usados para
crear el árbol de defectos revisado son registrados, y el algoritmo
continúa entonces el procedimiento para los datos asociados con
otro árbol de defectos. En un escenario típico, este procedimiento
tiene lugar en paralelo, sobre una base periódica, para todos los
árboles de defectos que pueden ser pertinentes para la máquina o
máquinas dadas que sean de interés en el sistema principal 10.
En la situación de la Figura 1, los datos de
servicio son obtenidos de un conjunto de instalaciones de servicio
distribuidas, en el ejemplo presente los talleres 20 de servicio y
reparación que mantienen los automóviles. Los técnicos 22 son
máquinas de mantenimiento, que en el ejemplo presente son motores 24
en los coches 26 de pasajeros, camiones ligeros y otros vehículos.
Los técnicos tienen herramientas 28 de diagnostico y reparación
disponibles para ellos, las cuales pueden incluir un diagnóstico
basado en el ordenador y el instrumento 30 de reparación que
engancha a los ordenadores en el motor 24. El instrumento 30 incluye
una pantalla 32 de presentación que proporciona una presentación
gráfica de las condiciones de la máquina, medidores para comprobar
componentes individuales, y una presentación de un árbol de defectos
y de fotografías o ilustraciones para ayudar al técnico en la
realización de un diagnóstico de árbol de defectos de un defecto u
otra condición en el motor 24.
Aunque los datos de servicio pueden ser
adquiridos manualmente por el técnico, introducidos en un ordenador
y transmitidos al sistema principal 10, en otras realizaciones los
datos de servicio son obtenidos mediante la herramienta 30 de
diagnóstico basada en el ordenador. Un sistema tal como el sistema
MODIS o el sistema descrito en la Patente de EE.UU. Núm. 6.714.846,
de Trsar y otros, "Director de Diagnóstico", son ejemplos de
un sistema de diagnóstico basado en un ordenador adecuado. Se
apreciará que en otras industrias pueden ser usados otros tipos de
dispositivos de diagnóstico de ordenador y que la manera en la cual
los datos de servicio son capturados y transmitidos al sistema
principal 10 no es particularmente importante. Ejemplos de otros
dispositivos que podrían ser usados en el contexto del automóvil son
el ordenador de técnico de servicio portátil descrito en la Patente
de EE.UU. Núm. 5.533.093, el ordenador basado en el terminal técnico
descrito en la Patente de EE.UU. Núm. 4.796.206, el analizador del
motor descrito en la Patente de EE.UU. Núm. 5.250.935, la
plataforma de ordenador de diagnóstico descrita en la Patente de
EE.UU. Núm. 6.141.608, y el sistema para diagnosticar e informar
del fallo de las pruebas de emisiones en la Patente de EE.UU. Núm.
5.835.871.
En el ejemplo de la Figura 1, los datos de
servicio para el mantenimiento del motor 24 de coche son
transmitidos sobre una red de ordenadores o teléfonos que usa
técnicas de comunicaciones conocidas al sistema principal 10, en el
que son almacenados en la base 12 de datos. Una ocasión de servicio
dada para la máquina 24 podría implicar la utilización de de más de
un árbol de defectos, dependiendo de los síntomas de la máquina y
los resultados de usar un árbol defectuoso dado. El árbol
defectuoso usado por el técnico podría tener también la forma de un
manual de reparaciones impreso o un boletín de servicio, o alguna
otra forma.
Se ha de entender también que el medio 20 de
taller puede ser uno de los muy diferentes lugares o talleres en
los cuales son obtenidos los datos de servicio. Los otros lugares o
tiendas son representados por la referencia 36 en la Figura 1.
Asimismo, el sistema 10 podría estar acoplado al fabricante 38 del
motor 24 para obtener otros datos (por ejemplo, boletines de
servicio, nuevos árboles defectuosos, información de la reparación,
información de rellamada, etc.) del fabricante.
La Figura 2 es un ejemplo de un árbol 50 de
defectos, con el título GM 2.0L XYZ. Se supone para los propósitos
de este ejemplo que el árbol defectuoso es un árbol defectuoso del
sistema de encendido para un motor de 2.0 litros de la General
Motors. El árbol defectuoso 50 es un gráfico de circulación con la
forma de una serie de etapas o procedimientos 52, 58, 66, 74, 76 de
ensayo que un técnico usa para diagnosticar la causa de un mal
funcionamiento o de otra condición en una máquina. La máquina podría
ser cualquier clase de máquina, por ejemplo una máquina copiadora,
una prensa de impresión, un refrigerador, un instrumento de
diagnóstico médico, un componente de una aeronave, o un motor de
automóvil en el eje de la Figura 2. El árbol defectuoso 50 es
preparado típicamente mediante técnicos del servicio por el
fabricante de la máquina. Los árboles defectuosos son publicados
típicamente en los manuales de reparación o servicio para la
máquina. Estos se pueden obtener también directamente a través de
Internet usando un ordenador.
En el ejemplo de la Figura 2, el primer módulo
52 incluye una serie de acciones o etapas y el módulo pregunta si
ciertas condiciones se satisfacen "¿Está establecido el código
42?"). Si la respuesta es "Sí" como se indica en 54, el
árbol defectuoso continúa en la etapa 58. Si es "No" (Bloque
56), hay un diagnóstico presentado en el bloque 60. El segundo
módulo 58 continúa entonces a otra serie de acciones o etapas y hace
una pregunta al técnico - es una lectura de la resistencia
particular menor que 1.000 ohmios. Si lo es (bloque 62) se invoca
el siguiente procedimiento 66 de ensayo. Si no lo es (Bloque 64) se
efectúa un diagnóstico en el bloque 68 (módulo de encendido
defectuoso). Como es evidente en la Figura 2, el árbol defectuoso
incluye otras etapas mostradas como 70, 72, 73, un cuarto
procedimiento 74 de ensayo, otro conjunto de bloques si/no 75 y 76,
otro diagnóstico posible 79, y todavía más etapas 76. Los detalles
del curso no son importantes.
A cada uno de los módulos 52, 58, 66, 74 de
ensayo se asigna un conjunto de tres números o atributos 80 en la
realización ilustrada. El primer número en el conjunto de tres
números es el número de veces que los módulos de ensayo
particulares han sido introducidos. El primer número (82, 88 en la
Figura 2) podría ser sobre una base por tienda, una base por
técnico, una base amplia de sistema, u otra base. El segundo número
(84, 89 en la Figura 2) es un índice de nivel de técnico. Este
número indica el nivel del técnico que presenta el procedimiento,
módulo el procedimiento o módulo. Por ejemplo, un índice de 01 está
asociado con un nivel de técnico experto. Un índice de 02 podría
estar asociado con un aprendiz o técnico de nivel de entrada. Si el
técnico es un experto, entonces algunos módulos en el árbol de
defectos pueden ser omitidos del árbol de los defectos puesto que
los expertos deberán ejecutar instintivamente el procedimiento de
ensayo sin ayuda alguna. Estos atributos, tales como el número de
entradas, y el índice de nivel del técnico, deberán ser típicamente
presentados a los expertos 16 en el sistema principal 10 mientras
ellos están editando un árbol defectuoso. Los atributos pueden ser
proporcionados o no a los usuarios finales que acceden al árbol de
defectos.
El tercer número (86, 90 en la Figura 2) es una
puntuación de confianza que se asigna al módulo de ensayo. La
puntuación de confianza, a la que puede ser asignado un valor
numérico (por ejemplo, de 1 a 100), es un valor o índice que
representa una ordenación o probabilidad de que el módulo de ensayo
asociado conducirá a un diagnóstico correcto del defecto o
condición de la máquina. Por ejemplo, un módulo de ensayo con la
puntuación más alta de confianza entre todos los módulos en el
árbol de los defectos es uno en el que existe la máxima
probabilidad de que resulte un diagnóstico satisfactorio, y por
tanto deberá ser listado el primero en la secuencia de módulos que
forman el árbol de defectos. Un módulo de ensayo con una puntuación
de confianza baja deberá ser uno que es bastante improbable que
conduzca a un diagnóstico correcto, y por tanto deberá ser listado
en la secuencia de ensayos después de los módulos de ensayo con
puntuaciones de confianza más altas.
En el ejemplo de la Figura 2, el primer módulo
52 tiene una puntuación de confianza de 50. El segundo módulo 58
tiene una puntuación de confianza de 48. El tercer módulo 66 tiene
una puntuación de confianza de 45. El cuarto módulo 74 tiene una
puntuación de confianza de 30. Por tanto, los módulos están
dispuestos en una secuencia con el primer módulo teniendo la
puntuación de confianza más alta, con el segundo módulo teniendo la
segunda puntuación más alta, etc.
El árbol 50 de defectos GM 2.0L XYZ puede ser
almacenado en la base 12 de datos de la Figura 1 o de modo
equivalente en la memoria de la estación 14 de trabajo. Como se
muestra en la Figura 3, cada módulo de ensayo en un árbol
defectuoso incluye un número de campos diferente, que incluyen un
campo 112 de la descripción, un campo 114 que identifica el módulo
anterior en la secuencia del árbol defectuoso, un campo 116 que
identifica el módulo siguiente en la secuencia, un campo 118 que
contiene un número que indica el número de veces que se ha accedido
al módulo (el primer conjunto de números en el conjunto 80 de la
Figura 2), un campo 120 que indica un nivel del técnico en el que
el módulo es presentado en el árbol de defectos, un campo 122 que
contiene un nivel de confianza para el módulo, un campo 124 que
contiene ilustraciones o fotografías asociadas con el módulo (o
enlaces con tales ilustraciones o fotografías), y otros campos 126,
que podrían contener otros datos tales como notas de los técnicos o
expertos del servicio, salidas del módulo, diagnósticos, u otra
información. Evidentemente, el contenido y la naturaleza de los
campos variarán dependiendo de la naturaleza de la máquina en
cuestión y del árbol defectuoso particular. El árbol defectuoso
puede estar representado en la memoria de cualquier forma
adecuada.
Una de las características de esta descripción
es que el árbol defectuoso de la Figura 2 se actualiza y prioriza
usando la realimentación estadística de los técnicos en el campo.
Siguiendo las características del presente método, pueden
desarrollarse árboles defectuosos mejorados. Un beneficio es que los
técnicos trabajan más eficazmente y es más probable que lleguen al
diagnóstico correcto de una máquina defectuosa con mayor rapidez
que de cualquier otra manera.
Como se ha indicado anteriormente, los datos de
servicio son obtenidos a partir de una pluralidad de ocasiones de
servicio para máquinas similares. Los datos de servicio podrían ser
obtenidos de una pluralidad de técnicos distribuidos
geográficamente que sirven todos ellos el mismo tipo de máquina.
Alternativamente, los datos de servicio podrían ser obtenidos de
múltiples técnicos en la misma instalación que efectúa la
reparación. Los datos de servicio podrían incluir información tal
como el fabricante y el modelo de la máquina, el síntoma que en la
ocasión de servicio fue detectado, al árbol defectuoso que fue
usado, los módulos del árbol defectuoso a los que se accedió, el
resultado del ensayo sobre cada módulo, el último diagnóstico, las
condiciones de la máquina que fueron registradas durante el
servicio (por ejemplo, códigos de fallo, temperaturas, lecturas de
desgastes, etc.), las reparaciones efectuadas, notas y comentarios
de los técnicos; otras reparaciones efectuadas, etc. Los datos de
servicio pueden ser adquiridos manualmente e introducidos en un
ordenador y transmitidos al sistema principal 10 en el que el
método es ejecutado; alternativamente los datos de servicio podrían
ser obtenidos mediante una herramienta o sistema de diagnóstico tal
como el sistema MODIS o el sistema descrito en la Patente de EE.UU.
Núm. 6.714.846, de Trsar y otros.
El método incluye además la etapa de revisar las
puntuaciones 86 y 90 para al menos un módulo de ensayo en el árbol
de defectos, basado en los datos de servicio. Esta etapa podría ser
realizada por un operador basándose en su evaluación experta de los
datos de servicio, o automáticamente mediante un ordenador
programado que ejecuta un algoritmo que procesa campos en los datos
de servicio. Por ejemplo, el ordenador podría determinar que,
durante un periodo de tiempo dado tal como seis meses (siempre que
haya habido un número adecuado de ocasiones de servicio que sea
estadísticamente significativo, digamos 100), que el módulo número
4(74) en el árbol defectuoso (GM 2.0 L XYZ (50) fue más
probablemente el que condujo a un diagnóstico más satisfactorio que
el módulo 3(66) pero que el módulo 4 tiene una puntuación
inferior de confianza, la situación mostrada en la Figura 2.
Consecuentemente, el ordenador reasigna las puntuaciones de
confianza de modo que el módulo 4(74) es clasificado más
alto que el módulo 3. Por tanto, como se muestra en la Figura 4,
después de procesar los datos de servicio de la base 12 de datos,
ha sido asignada una puntuación 40 de confianza al módulo
4(74) (incrementando esta a partir de 30 en la Figura 2), y
al módulo 3(66) le ha sido asignada una puntuación 25 de
confianza (disminuyendo esta desde 45 en la Figura 2).
El método incluye además una etapa de revisar la
secuencia de los módulos de ensayo en el árbol defectuoso basándose
en las puntuaciones de confianza revisadas. Eso se muestra en la
Figura 4. El algoritmo continúa procesando cada uno de los bloques
de memoria mostrados en la Figura 3, cambia el campo 122 de la
puntuación de confianza, y cambia el orden o secuencia cambiando
los campos 114 y 116 para reordenar la secuencia de los módulos en
el árbol defectuoso. El resultado es presentado en la estación 14 de
trabajo de la Figura 1. Continuando el ejemplo hipotético anterior,
el ordenador revisa el árbol defectuoso de modo que el módulo
4(74) es listado en el árbol defectuoso antes que el módulo
3(66). Suponiendo que una muestra estadísticamente
significativa de los datos de servicio está disponible y se usa para
revisar las puntuaciones de confianza (una situación que puede ser
controlada solamente permitiendo que el algoritmo se ejecute cuando
hay un número suficientemente grande de ocasiones de servicio
cargadas en la base de datos), y suponiendo que el técnico tiene
acceso a, y usa, el árbol defectuoso revisado de la Figura 5, un
técnico que sigue el árbol defectuoso revisado es más probable que
llegue a un diagnóstico correcto en una cantidad de tiempo más corta
que si de otra manera hubiese tenido que usar el árbol de faltas
anterior. Por tanto, en general y como un tema de probabilidad
estadística, el árbol defectuoso revisado permite que el técnico
trabaje más eficientemente.
Como una realización alternativa, el árbol
defectuoso podría ser revisado de una manera automatizada como se
describe en esta memoria y luego presentada la revisión a los
expertos 16 del tema que se trata en la Figura 1 como propuesta de
nuevos árboles defectuosos para posterior revisión, edición o
aprobación.
Los árboles defectuosos revisados pueden ser
distribuidos a técnicos en el campo, de cualquier número de maneras,
incluyendo el suministro de copias impresas de manuales de
reparación que contengan los árboles defectuosos, suministrando
discos de ordenador que contengan información sobre la reparación y
la actualización de árboles defectuosos, enviando los árboles
defectuosos revisados como aditamentos al correo electrónico, o
enviando por correo los árboles defectuosos revisados como un
archivo sobre un servidor central al que los técnicos acceden sobre
una red de ordenadores (por ejemplo, una red de de área extensa o
local, por ejemplo, Internet), una línea telefónica, o técnica de
red inalámbrica.
Además, aunque la realización ilustrada más
adelante muestra un procedimiento para revisar un árbol defectuoso,
se apreciará que, para cualquier máquina dada (tal como el motor GM
2.0L), el procedimiento puede ser seguir en paralelo a todos los
árboles defectuosos que existan en la máquina. En el ejemplo de una
entidad de servicio o sistema anfitrión 10 que proporciona ayudas
de herramientas y diagnóstico para la industria de reparación de
automóviles en los Estados Unidos, este procedimiento puede
funcionar en paralelo para literalmente miles de árboles
defectuosos, cubriendo el año, fabricación y modelo de diversos
fabricantes de coches desde 1980 y las diversas indisposiciones y
procedimientos de reparación para cada uno de los modelos
individuales. En esta situación, y en otras situaciones análogas,
la automatización de los ordenadores en los procedimientos de
actualización de los datos de servicio, basada en puntuaciones
confidenciales, y la preparación de árboles defectuosos revisados
como se describe en esta memoria son particularmente ventajosos.
Adicionalmente, la estación 14 de trabajo podría ser programada
para que realizase el procedimiento de actualización como se
describe en esta memoria periódicamente, tal como anualmente, o
periódicamente basándose en el número de ocasiones de servicio, tal
como cada 100 ocasiones de servicio.
En cuanto a las realizaciones descritas en esta
memoria pueden incluir o ser utilizadas en máquinas que tengan la
forma de vehículos o motores de vehículos, estas pueden ser usadas
con cualquier tensión o fuente de corriente apropiadas, tales como
una batería, un alternador, una celda de combustible, y similares,
que proporcionan cualquier corriente y/o tensión apropiadas, tales
como 12 voltios, alrededor de 42 voltios y similares. Las
realizaciones descritas en esta memoria pueden ser usadas con
cualquier sistema o motor deseado. Esos sistemas o motores pueden
estar compuestos de artículos que utilicen combustibles fósiles,
tales como gasolina, gas natural, propano y similares,
electricidad, tal como generada por baterías, magnetos, celdas de
combustible, celdas solares y similares, viento e híbridos o
combinaciones de los mismos. Esos sistemas o motores pueden ser
incorporados dentro de otros sistemas, tales como un automóvil, un
camión, un bote o barco, una motocicleta, un generador, un
aeroplano y similares.
Además, la descripción es aplicable a árboles y
máquinas defectuosas generalmente y no está limitada a campo de
aplicación particular alguno.
La variación de las realizaciones descritas
particulares se contempla. Por ejemplo, la forma del árbol
defectuoso no es particularmente importante. La naturaleza de las
ocasiones de servicio, los datos almacenados en la base de datos,
el sistema anfitrión y la naturaleza de la máquina, el servicio o la
reparación en cuestión (escape, frenos, encendido, alineación de
ruedas, etc.) dependerá en la máquina de cómo está diseñado el árbol
defectuoso y los detalles no son críticos. El diseño del sistema
anfitrión (y la posible incorporación de la base 12 de datos dentro
de la estación 14 de trabajo) no es importante. Las puntuaciones de
confianza podrían tener la forma de un índice tal como "alta",
"muy alta", "media", o de alguna otra escala numérica tal
como de 1 a 10, 1 a 5, 0 a 1, o diferente. Las cuestiones de
alcance de esta patente han de ser determinadas con referencia a
las reivindicaciones adjuntas.
Claims (34)
-
\global\parskip0.930000\baselineskip
1. Un método para actualizar un árbol defectuoso (50) usado en el diagnóstico de una condición de una máquina, comprendiendo el árbol defectuoso (50) una secuencia de módulos (52, 58, 66, 74, 76) de ensayo, estando cada uno de los módulos de ensayo asignado a una puntuación de confianza, comprendiendo el método las etapas de:obtener datos de servicio de una pluralidad de ocasiones de servicio para máquinas semejantes;revisar la puntuación de confianza para al menos uno de los módulos de ensayo en el árbol defectuoso (50) basándose en los datos de servicio; caracterizado porrevisar la secuencia de los módulos de ensayo en el árbol defectuoso basándose en la(s) puntuación(es) de confianza revisada(s). - 2. El método de la reivindicación 1, en el que los datos de servicio son obtenidos de una pluralidad de instalaciones de servicio distribuidas geográficamente.
- 3. El método de la reivindicación 1, en el que las puntuaciones de confianza son revisadas por un operador (persona).
- 4. El método de la reivindicación 1, en el que las puntuaciones de confianza son revisadas mediante un dispositivo de cálculo que procesa los datos de servicio usando un algoritmo incorporado como una serie de instrucciones legibles de máquina.
- 5. El método de la reivindicación 1, en el que la etapa de revisar comprende la etapa de redisponer los módulos de ensayo dentro de un orden en el que la secuencia de los módulos de ensayo es del módulo con la máxima puntuación de confianza al de la puntuación mínima de confianza.
- 6. El método de la reivindicación 1, en el que se asigna al menos a un módulo de ensayo en el árbol defectuoso una puntuación de nivel técnica en adición a la puntuación de confianza.
- 7. El método de la reivindicación 6, en el que se asigna a cada módulo de ensayo en el árbol defectuoso una puntuación de nivel técnico en adición a la puntuación de confianza.
- 8. El método de la reivindicación 1, en el que al menos se asigna a un módulo de ensayo en el árbol defectuoso un número de acceso en adición a la puntuación de confianza, indicando el número de acceso el número de veces que un técnico accedió al módulo de ensayo.
- 9. El método de la reivindicación 8, en el que a cada módulo de ensayo en el árbol defectuoso se asigna un número de accesos en adición a la puntuación de confianza, indicando el número de accesos el número de veces que un técnico accedió al módulo de ensayo.
- 10. El método de la reivindicación 1, que comprende además la etapa de distribuir el árbol defectuoso revisado a una pluralidad de técnicos de servicio distribuidos geográficamente para la máquina.
- 11. El método de la reivindicación 1, en el que la máquina comprende un componente de un vehículo motorizado.
- 12. El método de la reivindicación 1, en el que la máquina comprende un motor de combustión interna o componentes del mismo.
- 13. Un sistema (10) para generar un árbol defectuoso (50) revisado para una máquina que usa una realimentación estadística, que comprende:un sistema (30) de ordenador que tiene una memoria que almacena un árbol defectuoso;una base (12) de datos que contiene datos de servicio de una pluralidad de ocasiones de servicio para máquinas similares, estando asociadas las ocasiones de servicio con el árbol defectuoso;un terminal (32) para proporcionar acceso humano al árbol defectuoso y la base de datos;en el que el árbol defectuoso (50) comprende una pluralidad de módulos (52, 58, 66, 74, 76) de ensayo teniendo asignada cada uno una puntuación de confianza, caracterizado porque la puntuación de confianza es revisada para al menos un módulo de ensayo en el árbol defectuoso en base a los datos de servicio y en donde la secuencia de los módulos de ensayo en el árbol defectuoso es revisada en base a la puntuación(es) de confianza revisadas.
- 14. El sistema de la reivindicación 13, en el que el árbol defectuoso (50) es revisado mediante la redisposición de los módulos (52, 58, 66, 74, 76) de ensayo dentro de un orden en el que la secuencia de los módulos (52, 58, 66, 74, 76) de ensayo es desde el módulo con la puntuación de confianza más alta al de la puntuación de confianza más baja.
\global\parskip1.000000\baselineskip
- 15. El sistema de la reivindicación 13, en el que al menos a un módulo de ensayo en el árbol defectuoso está asignada una puntuación de nivel del técnico en adición a la puntuación de confianza.
- 16. El sistema de la reivindicación 15, en el que a cada módulo de ensayo en el árbol defectuoso está asignada una puntuación de nivel del técnico en adición a la puntuación de confianza.
- 17. El sistema de la reivindicación 13, en el que al menos a un módulo de ensayo en el árbol defectuoso está asignado un número de accesos en adición a la puntuación de confianza, indicando el número de accesos el número de veces que un técnico ha accedido al módulo de ensayo.
- 18. El sistema de la reivindicación 17, en el que a cada módulo de ensayo en el árbol defectuoso está asignado un número de accesos en adición al número de confianza, indicando el número de accesos el número de veces que un técnico ha accedido al módulo de ensayo.
- 19. El sistema de la reivindicación 13, en el que el sistema distribuye el árbol defectuoso revisado a una pluralidad de técnicos de servicio distribuidos geográficamente por la máquina.
- 20. El sistema de la reivindicación 19, en el que la distribución del árbol defectuoso revisado se realiza electrónicamente.
- 21. El sistema de la reivindicación 13, en el que el sistema realiza una revisión del árbol defectuoso sobre una base periódica.
- 22. El sistema de la reivindicación 13, en el que la máquina comprende un componente de un vehículo motorizado.
- 23. El sistema de la reivindicación 13, en el que la máquina comprende un motor de combustión interna o componentes del mismo.
- 24. El sistema de la reivindicación 13, que comprende además:un conjunto de instrucciones de máquina ejecutadas por un sistema de ordenador en el que las instrucciones acceden a los datos de servicio y revisan la puntuación de confianza para al menos un módulo de ensayo en el árbol defectuoso basado en los datos de servicio;comprendiendo además las instrucciones la revisión de la secuencia de los módulos de ensayo en el árbol defectuoso basada en la puntuación(es) de confianza revisada(s).
- 25. El sistema de la reivindicación 24, en el que el árbol defectuoso es revisado redisponiendo los módulos de ensayo en un orden en el que la secuencia de los módulos de ensayo es desde el módulo con la puntuación de confianza más alta al de la puntuación de confianza más baja.
- 26. El sistema de la reivindicación 24, en el que al menos a un módulo de ensayo en el árbol defectuoso se asigna una puntuación de nivel del técnico en adición a la puntuación de confianza.
- 27. El sistema de la reivindicación 26, en el que a cada módulo de ensayo en el árbol defectuoso se asigna una puntuación de nivel del técnico en adición a la puntuación de confianza.
- 28. El sistema de la reivindicación 24, en el que al menos a un modulo de ensayo en el árbol defectuoso se asigna un número de acceso en adición a la puntuación de confianza, indicando el número de acceso el número de veces que un técnico ha accedido al módulo de ensayo.
- 29. El sistema de la reivindicación 28, en el que a cada módulo de texto en el árbol defectuoso se asigna un número de acceso en adición a la puntuación de confianza, indicando el número de acceso el número de veces que un técnico accedió al módulo de ensayo.
- 30. El sistema de la reivindicación 24, en el que el sistema distribuye el árbol defectuoso revisado a una pluralidad de técnicos de servicio distribuidos geográficamente por la máquina.
- 31. El sistema de la reivindicación 24, en el que la distribución del árbol defectuoso revisado se realiza electrónicamente.
- 32. El sistema de la reivindicación 24, en el que el sistema efectúa una revisión del árbol defectuoso sobre una base periódica.
- 33. El sistema de la reivindicación 24, en el que la máquina comprende un componente de un vehículo motorizado.
- 34. El sistema de la reivindicación 24, en el que la máquina comprende un motor de combustión interna o componentes del mismo.
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| US10/966,578 US7142960B2 (en) | 2004-10-14 | 2004-10-14 | Prioritized test procedure and step display using statistical feedback |
| US966578 | 2004-10-14 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| ES2317267T3 true ES2317267T3 (es) | 2009-04-16 |
Family
ID=35311655
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| ES05760206T Active ES2317267T3 (es) | 2004-10-14 | 2005-06-10 | Procedimiento de ensayo priorizado y visualizacion en etapas usando realimentacion estadistica. |
Country Status (5)
| Country | Link |
|---|---|
| US (1) | US7142960B2 (es) |
| EP (1) | EP1800195B1 (es) |
| DE (1) | DE602005010889D1 (es) |
| ES (1) | ES2317267T3 (es) |
| WO (1) | WO2006043993A1 (es) |
Families Citing this family (46)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP1611413B1 (en) * | 2003-04-04 | 2009-01-28 | Snap-on Incorporated | Sensing steering axis inclination and camber with an accelerometer |
| US20060142907A1 (en) * | 2004-12-28 | 2006-06-29 | Snap-On Incorporated | Method and system for enhanced vehicle diagnostics using statistical feedback |
| US7444216B2 (en) * | 2005-01-14 | 2008-10-28 | Mobile Productivity, Inc. | User interface for display of task specific information |
| US20060184383A1 (en) * | 2005-02-14 | 2006-08-17 | Domestic Auto Experts | Methods and systems for pricing parts and components |
| US7536600B2 (en) * | 2006-05-26 | 2009-05-19 | Agilent Technologies, Inc. | Methods and apparatus for eliminating lower value tests for a unit under test, and for developing a plurality of different and synchronized test execution orders for testing a plurality of units under test |
| US7643916B2 (en) | 2006-06-14 | 2010-01-05 | Spx Corporation | Vehicle state tracking method and apparatus for diagnostic testing |
| US8428813B2 (en) | 2006-06-14 | 2013-04-23 | Service Solutions Us Llc | Dynamic decision sequencing method and apparatus for optimizing a diagnostic test plan |
| US9081883B2 (en) | 2006-06-14 | 2015-07-14 | Bosch Automotive Service Solutions Inc. | Dynamic decision sequencing method and apparatus for optimizing a diagnostic test plan |
| US8762165B2 (en) | 2006-06-14 | 2014-06-24 | Bosch Automotive Service Solutions Llc | Optimizing test procedures for a subject under test |
| US8423226B2 (en) | 2006-06-14 | 2013-04-16 | Service Solutions U.S. Llc | Dynamic decision sequencing method and apparatus for optimizing a diagnostic test plan |
| US7751955B2 (en) * | 2006-06-30 | 2010-07-06 | Spx Corporation | Diagnostics data collection and analysis method and apparatus to diagnose vehicle component failures |
| US7873873B2 (en) * | 2007-03-05 | 2011-01-18 | Acterna Llc | Remote access integrated tester |
| US8667332B2 (en) * | 2007-04-24 | 2014-03-04 | Honeywell International Inc. | Methods for optimizing diagnostics reasoner models |
| US8146136B1 (en) * | 2007-06-15 | 2012-03-27 | Amazon Technologies, Inc. | Automated acceptance or rejection of consumer correction submissions |
| US8688508B1 (en) | 2007-06-15 | 2014-04-01 | Amazon Technologies, Inc. | System and method for evaluating correction submissions with supporting evidence |
| US20090216401A1 (en) * | 2008-02-27 | 2009-08-27 | Underdal Olav M | Feedback loop on diagnostic procedure |
| US8239094B2 (en) | 2008-04-23 | 2012-08-07 | Spx Corporation | Test requirement list for diagnostic tests |
| US20090313506A1 (en) * | 2008-06-12 | 2009-12-17 | Microsoft Corporation | Test Result Aggregation and Analysis Using Text Expressions |
| US8315760B2 (en) * | 2008-12-03 | 2012-11-20 | Mitchell Repair Information Company LLC | Method and system for retrieving diagnostic information |
| US8533544B2 (en) * | 2009-03-31 | 2013-09-10 | Freescale Semiconductor, Inc. | System for tree sequence testing of a device and method for tree sequence testing of a device in a test framework architecture |
| JP4803278B2 (ja) * | 2009-04-07 | 2011-10-26 | 株式会社デンソー | 検査システム、及び車載装置 |
| US8209080B2 (en) * | 2009-04-27 | 2012-06-26 | Toyota Motor Engineering & Manufacturing North America, Inc. | System for determining most probable cause of a problem in a plant |
| US20100318396A1 (en) * | 2009-06-15 | 2010-12-16 | Infosys Technologies Limited | Framework for supporting repair processes of aircraft |
| FR2947080A1 (fr) * | 2009-06-22 | 2010-12-24 | Peugeot Citroen Automobiles Sa | Procede pour controler la surete de fonctionnement d'un systeme |
| US8648700B2 (en) | 2009-06-23 | 2014-02-11 | Bosch Automotive Service Solutions Llc | Alerts issued upon component detection failure |
| US20110077817A1 (en) * | 2009-09-29 | 2011-03-31 | Chin-Yang Sun | Vehicle Diagnostic System And Method Thereof |
| US20170069146A1 (en) * | 2009-09-29 | 2017-03-09 | Auto E-Diagnostics Services, Inc. | Vehicle diagnostic systems and methods therefor |
| US8943364B2 (en) * | 2010-04-30 | 2015-01-27 | International Business Machines Corporation | Appliance for storing, managing and analyzing problem determination artifacts |
| US8766794B2 (en) * | 2010-07-28 | 2014-07-01 | Fisher-Rosemount Systems, Inc. | Handheld field maintenance tool with improved locational awareness functionality |
| US8972804B2 (en) * | 2010-09-16 | 2015-03-03 | Xerox Corporation | Point of need access to an electronic maintenance manual utilizing current machine status |
| DE102011101505A1 (de) * | 2011-05-13 | 2012-11-15 | Still Gmbh | Verfahren zur Verwaltung von Flurförderzeugen und Flurförderzeug |
| DE102011076378A1 (de) | 2011-05-24 | 2012-11-29 | Robert Bosch Gmbh | Diagnosevorrichtung für Kraftfahrzeuge und Diagnoseverfahren |
| US8831901B2 (en) | 2011-06-15 | 2014-09-09 | Honeywell International Inc. | Methods systems and apparatus for ranking tests used to identify faults in a system |
| US9405664B2 (en) * | 2011-08-31 | 2016-08-02 | Hewlett Packard Enterprise Development Lp | Automating software testing |
| US9494492B2 (en) * | 2013-03-15 | 2016-11-15 | United Technologies Corporation | Use of SS data trends in fault resolution process |
| US10102195B2 (en) | 2014-06-25 | 2018-10-16 | Amazon Technologies, Inc. | Attribute fill using text extraction |
| US10796315B2 (en) * | 2014-12-15 | 2020-10-06 | Siemens Aktiengesellschaft | Automated recertification of a safety critical system |
| US10216796B2 (en) | 2015-07-29 | 2019-02-26 | Snap-On Incorporated | Systems and methods for predictive augmentation of vehicle service procedures |
| US9665994B1 (en) | 2015-11-11 | 2017-05-30 | Snap-On Incorporated | Methods and systems for providing a vehicle repair tip |
| GB2546253B (en) * | 2016-01-06 | 2020-04-22 | Ge Aviat Systems Ltd | Fusion of aviation-related data for comprehensive aircraft system health monitoring |
| US10643158B2 (en) | 2016-04-01 | 2020-05-05 | Snap-On Incorporated | Technician timer |
| US10068207B2 (en) | 2016-06-17 | 2018-09-04 | Snap-On Incorporated | Systems and methods to generate repair orders using a taxonomy and an ontology |
| US10438264B1 (en) | 2016-08-31 | 2019-10-08 | Amazon Technologies, Inc. | Artificial intelligence feature extraction service for products |
| US10733548B2 (en) | 2017-06-16 | 2020-08-04 | Snap-On Incorporated | Technician assignment interface |
| CN110728013B (zh) * | 2018-06-29 | 2022-04-15 | 比亚迪股份有限公司 | V2x通信模组的故障检测建模方法、装置及存储介质 |
| CN109062088A (zh) * | 2018-07-10 | 2018-12-21 | 长沙国通电力科技有限公司 | 一种低压余热余压发电机组控制系统 |
Family Cites Families (20)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US4649515A (en) * | 1984-04-30 | 1987-03-10 | Westinghouse Electric Corp. | Methods and apparatus for system fault diagnosis and control |
| US4633467A (en) * | 1984-07-26 | 1986-12-30 | At&T Bell Laboratories | Computer system fault recovery based on historical analysis |
| US4796206A (en) | 1986-06-02 | 1989-01-03 | International Business Machines Corporation | Computer assisted vehicle service featuring signature analysis and artificial intelligence |
| JPH0820284B2 (ja) | 1989-10-23 | 1996-03-04 | 株式会社小松製作所 | 故障診断装置 |
| JPH03154846A (ja) | 1989-11-13 | 1991-07-02 | Komatsu Ltd | 故障診断装置 |
| US5250935A (en) | 1990-09-24 | 1993-10-05 | Snap-On Tools Corporation | Waveform peak capture circuit for digital engine analyzer |
| US5253184A (en) * | 1991-06-19 | 1993-10-12 | Storage Technology Corporation | Failure and performance tracking system |
| US5537644A (en) * | 1994-04-26 | 1996-07-16 | United Technologies Corporation | Machine failure isolation in multiple machine configurations using qualitative physics |
| US5533093A (en) | 1994-04-29 | 1996-07-02 | Harris Corporation | Automated trouble-shooting mechanism resident in craftsperson's portable test and communications device |
| US5729452A (en) * | 1995-03-31 | 1998-03-17 | Envirotest Acquisition Co. | Method and system for diagnosing and reporting failure of a vehicle emission test |
| US6141608A (en) | 1997-10-28 | 2000-10-31 | Snap-On Tools Company | System for dynamic diagnosis of apparatus operating conditions |
| US6336065B1 (en) * | 1999-10-28 | 2002-01-01 | General Electric Company | Method and system for analyzing fault and snapshot operational parameter data for diagnostics of machine malfunctions |
| EP1192543B1 (de) | 1999-06-02 | 2002-11-13 | Siemens Aktiengesellschaft | Verfahren und anordnung zur ermittlung eines fehlerbaums eines technischen systems, computerprogramm-erzeugnis und computerlesbares speichermedium dafür |
| US6757668B1 (en) * | 1999-11-05 | 2004-06-29 | General Electric Company | Information fusion of classifiers in systems with partial redundant information |
| US20020007237A1 (en) * | 2000-06-14 | 2002-01-17 | Phung Tam A. | Method and system for the diagnosis of vehicles |
| US6874680B1 (en) * | 2000-10-17 | 2005-04-05 | Spx Corporation | Remote updating method and apparatus |
| MXPA03008482A (es) | 2001-03-20 | 2004-01-27 | Snap On Tech Inc | Director de diagnostico. |
| GB0127553D0 (en) * | 2001-11-16 | 2002-01-09 | Abb Ab | Provision of data for analysis |
| GB0127552D0 (en) * | 2001-11-16 | 2002-01-09 | Abb Ab | Analysing events |
| US6834256B2 (en) * | 2002-08-30 | 2004-12-21 | General Electric Company | Method and system for determining motor reliability |
-
2004
- 2004-10-14 US US10/966,578 patent/US7142960B2/en active Active
-
2005
- 2005-06-10 WO PCT/US2005/020524 patent/WO2006043993A1/en active Application Filing
- 2005-06-10 DE DE602005010889T patent/DE602005010889D1/de active Active
- 2005-06-10 EP EP05760206A patent/EP1800195B1/en active Active
- 2005-06-10 ES ES05760206T patent/ES2317267T3/es active Active
Also Published As
| Publication number | Publication date |
|---|---|
| US7142960B2 (en) | 2006-11-28 |
| EP1800195B1 (en) | 2008-11-05 |
| DE602005010889D1 (de) | 2008-12-18 |
| US20060085108A1 (en) | 2006-04-20 |
| EP1800195A1 (en) | 2007-06-27 |
| WO2006043993A1 (en) | 2006-04-27 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| ES2317267T3 (es) | Procedimiento de ensayo priorizado y visualizacion en etapas usando realimentacion estadistica. | |
| US20060095230A1 (en) | Method and system for enhancing machine diagnostics aids using statistical feedback | |
| US5572424A (en) | Diagnostic system for an engine employing collection of exhaust gases | |
| US7373226B1 (en) | System and method for optimizing vehicle diagnostic tress using similar templates | |
| US7373225B1 (en) | Method and system for optimizing vehicle diagnostic trees using similar templates | |
| CN108351988B (zh) | 维修后数据比较 | |
| US7706936B2 (en) | Method and system for adaptively modifying diagnostic vehicle information | |
| CN108351995B (zh) | 用于提供车辆维修提示的方法和系统 | |
| US11915206B2 (en) | Methods and systems for clustering of repair orders based on inferences gathered from repair orders | |
| US7551993B1 (en) | Diagnostic tree substitution system and method | |
| CN101986124B (zh) | 对先占症状的支持 | |
| SE510029C2 (sv) | Diagnossystem i ett driftsystem för motorer jämte en diagnosfunktionsmodul (DF-modul) i ett driftsystem för motorer | |
| US20070061109A1 (en) | Automated damage assessment, report, and disposition | |
| US20060136104A1 (en) | Distributed diagnostic system | |
| US20190130668A1 (en) | System and method for generating augmented checklist | |
| US11481737B2 (en) | Systems and methods to generate repair orders using a taxonomy and an ontology | |
| US20170132576A1 (en) | Methods and Systems for Clustering of Repair Orders Based on Multiple Repair Indicators | |
| WO2017023729A1 (en) | Methods and systems for clustering of repair orders based on alternative repair indicators | |
| US10909132B2 (en) | Analyzing vehicles based on common circuit elements | |
| US11594078B2 (en) | System and method for scheduling based on vehicle condition reported by vehicle | |
| OKOLO | CHALLENGES FOR EFFECTIVE UTILIZATION OF COMPUTERIZED DIAGNOSTICS EGUIPMENT BY MOTOR VEHICLE MECHANICS FOR TROUBLESHOOTING MODERN CARS IN FCT, ABUJA | |
| CN117150637A (zh) | 车辆的健康诊断系统及车辆的健康诊断方法 | |
| Thiebault et al. | Emergency in-service air fleet data analysis | |
| US20180032942A1 (en) | Methods and Systems for Tracking Labor Efficiency | |
| Gomes et al. | Off Board diagnosis using analytical system for Diesel powered vehicles |