JP2020535573A - 機械分析 - Google Patents
機械分析 Download PDFInfo
- Publication number
- JP2020535573A JP2020535573A JP2020539673A JP2020539673A JP2020535573A JP 2020535573 A JP2020535573 A JP 2020535573A JP 2020539673 A JP2020539673 A JP 2020539673A JP 2020539673 A JP2020539673 A JP 2020539673A JP 2020535573 A JP2020535573 A JP 2020535573A
- Authority
- JP
- Japan
- Prior art keywords
- vehicle
- repair
- value
- records
- repair work
- 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.)
- Granted
Links
- 238000004458 analytical method Methods 0.000 title claims description 121
- 230000008439 repair process Effects 0.000 claims abstract description 394
- 238000000034 method Methods 0.000 claims abstract description 144
- 238000012545 processing Methods 0.000 claims abstract description 38
- 230000032683 aging Effects 0.000 claims abstract description 36
- 238000001914 filtration Methods 0.000 claims description 138
- 230000000007 visual effect Effects 0.000 claims description 118
- 230000005540 biological transmission Effects 0.000 claims description 82
- 238000004519 manufacturing process Methods 0.000 claims description 69
- 230000002776 aggregation Effects 0.000 claims description 19
- 238000004220 aggregation Methods 0.000 claims description 19
- 230000008569 process Effects 0.000 claims description 10
- 241001354471 Pseudobahia Species 0.000 claims description 8
- 230000003190 augmentative effect Effects 0.000 claims description 7
- 230000001186 cumulative effect Effects 0.000 claims description 5
- 230000001419 dependent effect Effects 0.000 claims 4
- 238000004364 calculation method Methods 0.000 claims 1
- 239000000047 product Substances 0.000 description 212
- 238000011161 development Methods 0.000 description 38
- 230000018109 developmental process Effects 0.000 description 38
- 230000015556 catabolic process Effects 0.000 description 23
- 239000010410 layer Substances 0.000 description 22
- 230000000694 effects Effects 0.000 description 12
- 239000012467 final product Substances 0.000 description 10
- 230000006870 function Effects 0.000 description 10
- 238000013459 approach Methods 0.000 description 9
- 230000008859 change Effects 0.000 description 8
- 239000002245 particle Substances 0.000 description 8
- 230000004931 aggregating effect Effects 0.000 description 6
- 238000009877 rendering Methods 0.000 description 6
- 230000004044 response Effects 0.000 description 6
- 230000003442 weekly effect Effects 0.000 description 6
- 238000009826 distribution Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 5
- 230000007547 defect Effects 0.000 description 4
- 238000001514 detection method Methods 0.000 description 3
- 230000001788 irregular Effects 0.000 description 3
- 230000007246 mechanism Effects 0.000 description 3
- 230000009897 systematic effect Effects 0.000 description 3
- 230000001934 delay Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 238000003860 storage Methods 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 238000003339 best practice Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 239000013256 coordination polymer Substances 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000006378 damage Effects 0.000 description 1
- 239000000446 fuel Substances 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000002347 injection Methods 0.000 description 1
- 239000007924 injection Substances 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 239000002346 layers by function Substances 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 239000000725 suspension Substances 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
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
- G05B23/0259—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterized by the response to fault detection
- G05B23/0267—Fault communication, e.g. human machine interface [HMI]
- G05B23/0272—Presentation of monitored results, e.g. selection of status reports to be displayed; Filtering information to the user
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60S—SERVICING, CLEANING, REPAIRING, SUPPORTING, LIFTING, OR MANOEUVRING OF VEHICLES, NOT OTHERWISE PROVIDED FOR
- B60S5/00—Servicing, maintaining, repairing, or refitting of vehicles
-
- 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
- G05B23/0283—Predictive maintenance, e.g. involving the monitoring of a system and, based on the monitoring results, taking decisions on the maintenance schedule of the monitored system; Estimating remaining useful life [RUL]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
- G07C5/00—Registering or indicating the working of vehicles
- G07C5/08—Registering or indicating performance data other than driving, working, idle, or waiting time, with or without registering driving, working, idle or waiting time
- G07C5/0808—Diagnosing performance data
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
- G07C5/00—Registering or indicating the working of vehicles
- G07C5/08—Registering or indicating performance data other than driving, working, idle, or waiting time, with or without registering driving, working, idle or waiting time
- G07C5/0816—Indicating performance data, e.g. occurrence of a malfunction
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
- G07C5/00—Registering or indicating the working of vehicles
- G07C5/08—Registering or indicating performance data other than driving, working, idle, or waiting time, with or without registering driving, working, idle or waiting time
- G07C5/0841—Registering performance data
- G07C5/085—Registering performance data using electronic data carriers
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Business, Economics & Management (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Mechanical Engineering (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Human Computer Interaction (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Vehicle Cleaning, Maintenance, Repair, Refitting, And Outriggers (AREA)
Abstract
車両修理作業または車両コンポーネント故障を予測する方法は、データ処理段で実行された予測アルゴリズムが、予測を行う際に使用するための車両修理記録のセットを選択するステップであって、車両修理記録の各々が車両が実際に使用され始めた後に行われた車両修理の記録であり、車両修理記録の各々が履歴車両経年値または履歴使用量値を含むかまたは指示し、修理作業または車両コンポーネント故障を記録している、ステップ、を含む。予測アルゴリズムは、車両修理記録の選択されたセットを使用して、車両記録のセットに記録された車両の台数と、記録された車両の各々の現在の経年または使用量とに基づいて、車両記録のセットについての修理作業または車両コンポーネント故障の件数またはリソース値を予測し、車両記録の各々は実際に使用され始める車両の記録である。
Description
本開示は、車両その他の機械の予測分析、特に車両コンポーネント故障および車両修理作業に関連する予測分析に関する。
車両などの複雑な機械のコンポーネント障害は重大な問題である。問題の規模を例示するために、図１に、個別に見えるようにレイアウトされた普通の車１のある特定のコンポーネント２を示す。コンポーネント２のうちの最小もの１つにでも課題があれば、車両１の修理が必要となり得る。多くのコンポーネント２のうちのどれに課題があるかを理解することは、きわめて困難な作業であるが、コンポーネントレベルの課題を早く特定できるほど、より迅速に予防措置を講じることができるので、非常に重要である。そのような措置には、例えば、その製造ラインから生産される将来の車両が同じコンポーネントレベルの課題に悩まされないようにするために特定の車両モデルなどを再設計することや、そのような課題がエスカレートするのを防ぐために、すでに実際に使用され始めている車両に先制的な修理措置を講じることが含まれ得る。
問題のある車両コンポーネントを特定するための１つの方法は、毎月のコンポーネントタイプごとの修理の件数またはコストを単純に追跡し、当該の値が任意の所与の月にある所定の閾値に達した場合に問題ありとして特定のタイプのコンポーネントにフラグを立てることである。このアプローチの問題は、多くのコンポーネントレベルの課題が、実際に特定され修理されるまで、かなりの期間が、数年にさえもわたって存続する可能性があることである。いくつかの要因が絡み、例えば、ある特定のコンポーネントレベルの課題は、それらが修理を必要とする故障を実際に生じさせるまでしばらくの間存続する可能性があり、またはユーザがある特定の課題を重大と見なさないとそれらの課題を処理するのを後回しにする場合もある。その結果、そのようなアプローチでは、例えば、特定のコンポーネントレベルの課題を有する特定の車両モデルが最初に工場から出荷され始める時点および当該の課題の問題が実際に特定される時点から数年を要することになり得る。この時点までには、その課題が早期に特定され修正されていた場合よりも著しく多くの、同じコンポーネントレベルに悩まされている車両が製造されており、実際に使用され始めていることになる。
本発明の一態様は、車両を生産する方法であって、車両生産工程で、異なるタイプの車両コンポーネントを製造し、車両を形成するためにそれらの車両コンポーネントを組み立てるステップと、各々が実際に使用され始める車両のうちの１台の記録である、車両記録のセットを作成するステップと、車両が実際に使用され始めた後で車両のサブセットに対して車両修理を行うステップと、各々が車両経年値または使用量値を含むかまたは指示し、車両修理で特定された車両コンポーネント故障を記録する、車両修理の各々のそれぞれの記録を作成するステップと、データ処理段で、車両記録および車両修理記録を受け取るステップであって、データ処理段で実行された予測アルゴリズムが受け取られた記録を、車両コンポーネントのタイプごとに、１）当該のタイプの車両コンポーネントに関連する車両修理記録のそれぞれのセットを特定し、２）車両修理記録のそれぞれのセットを使用して、車両記録のセットに記録された車両の台数と、記録された車両の各々の現在の経年または使用量とに基づいて、車両記録のセットについての当該のタイプの車両コンポーネント故障のそれぞれの件数またはリソース値を予測するように処理する、ステップと、車両コンポーネントタイプのうちの特定の１つに関する問題を特定するために異なる車両コンポーネントタイプについての予測を比較するステップと、車両生産工程を、適応させた車両生産工程で生産されるその後の車両のために特定された問題を是正するように、適応させるステップと、を含む方法を提供する。
本発明の別の態様は、車両修理作業または車両コンポーネント故障を予測する方法を提供し、本方法は、処理段（processing stage）で、データ処理段で実行された予測アルゴリズムが、予測を行う際に使用するための車両修理記録のセットを選択するステップであって、車両修理記録の各々が車両が実際に使用され始めた後に行われた車両修理の記録であり、車両修理記録の各々が履歴車両経年値または履歴使用量値を含むかまたは指示し、修理作業または車両コンポーネント故障を記録している、ステップ、を含み、予測アルゴリズムは、車両修理記録の選択されたセットを使用して、車両記録のセットに記録された車両の台数と、記録された車両の各々の現在の経年または使用量とに基づいて、車両記録のセットについての修理作業または車両コンポーネント故障の件数またはリソース値を予測し、車両記録の各々は実際に使用され始める車両の記録である。
実施形態では、車両修理記録のセットは、選択されたセットの各修理記録が、特定のタイプの修理作業／車両コンポーネントに関連し、予測件数またはリソース値が特定のタイプの修理作業／車両コンポーネント故障の予測件数またはリソース値になるように、特定のタイプの修理作業または特定のタイプの車両コンポーネントに基づいて利用可能な車両修理記録のより大きいセットをフィルタリングすることによって選択され得る。
車両修理記録のセットは、選択されたセットの各修理記録が特定の（セットの）（１つまたは複数の）車両属性に関連し、車両記録のセット内の車両記録の各々が特定の（セットの）（１つまたは複数の）車両属性または同様の（セットの）（１つまたは複数の）車両属性に関連し、予測件数またはリソース値が、特定の車両属性を有する車両についての修理作業／車両コンポーネント故障の予測件数またはリソース値になるように、特定の車両属性または車両属性のセットに基づいて利用可能な車両修理記録のより大きいセットをフィルタリングすることによって選択され得る。
より大きいセットは、選択されたセットの各修理記録が、特定の（セットの）（１つまたは複数の）車両属性と特定のタイプの修理作業／車両コンポーネントとに関連し、予測件数またはリソース値が、特定の車両属性を有する車両についての特定のタイプの修理作業／車両コンポーネント故障の予測件数またはリソース値になるように、特定の（セットの）（１つまたは複数の）車両属性と特定のタイプの修理作業／車両コンポーネントとに基づいてフィルタリングされ得る。
本方法は、異なる履歴車両経年値または履歴使用量値についての車両修理記録のセットに記録された修理作業または車両コンポーネント故障の件数またはリソース値に基づいて、車両修理記録のセットのプロファイルを決定するステップであって、プロファイルが予測を行うために使用される、ステップ、を含み得る。
プロファイルは、セットの履歴車両経年値または履歴使用量値の各々について、修理記録のセットから計算された対応するリソース値または件数値を含み得る。
リソース値または件数値は、当該の履歴車両経年値または履歴使用量値までの車両修理記録のセットに記録された修理作業／車両コンポーネント故障の件数またはリソース値の総和として計算された累積値であり得る。
予測は、車両記録のセットに記録された車両の台数と、車両の各々の現在の経年または使用量と、プロファイルのリソース値または件数値とに基づいてノンパラメトリック分析を行うことによって行われ得る。
プロファイルを決定するステップは、車両修理記録のフィルタリング済みセットに記録された修理作業／車両コンポーネント故障のリソース値の総数を決定するステップであって、各リソース値または件数値が総数の割合として計算される、ステップを含み得る。
本方法は、プロファイルの対応するリソース値または件数値と、その現在の経年または使用量がプロファイルの当該の履歴車両経年値または履歴使用量値と一致する車両記録のセットに記録された車両の台数とに基づいて、プロファイルの履歴車両経年値または履歴使用量値の各々の獲得値（ｅａｒｎｉｎｇ）を計算するステップを含み得る。
プロファイルの履歴車両経年値または履歴使用量値の各々の獲得値は、プロファイルの対応するリソース値または件数値を、その現在の経年または使用量がプロファイルの当該の履歴車両経年値または履歴使用量値と一致する車両記録のセットに記録された車両の台数で乗算することによって計算され得る。
本方法は、獲得値から車両記録のセットの成熟度（ｍａｔｕｒｉｔｙ）値を計算するステップを含み得る。
本方法は、車両記録のセットに記録された車両の総台数を決定するステップであって、成熟度値が、車両の総台数の割合として獲得値から総獲得値を計算することによって計算され得る、ステップを含み得る。
本方法は、車両記録のセットに対応する１つまたは複数の既存の車両修理記録を特定するステップと、既存の車両修理記録に記録された修理作業または車両コンポーネント故障の件数またはリソース値を決定するステップと、を含み得る。
車両記録のセットについての修理作業または車両コンポーネント故障の予測件数またはリソース値は、車両記録のセットに記録された車両の台数と、車両の各々の現在の経年または使用量とに基づいて、既存の車両修理記録について決定された、修理作業または車両コンポーネント故障の件数またはリソース値から算出され得る。
プロファイルは、予測件数を算出するために使用され得る。
車両記録のセットについての修理作業または車両コンポーネント故障の予測件数またはリソース値は、車両記録のセットについて計算された成熟度値と、既存の車両修理記録に記録された修理作業／車両コンポーネント故障の件数またはリソース値とに基づいて決定され得る。
予測件数またはリソース値は、既存の車両修理記録に記録された修理作業／車両コンポーネント故障の件数またはリソース値を成熟度で除算することによって決定され得る。
車両修理記録のセットは、選択されたセットの車両修理記録ごとに決定された現在の車両経年または使用量が予測持続期間または使用量閾値をそれぞれ超え、予測件数またはリソース値が、予測持続期間内にまたは使用量閾値未満で発生する修理作業または車両コンポーネント故障の件数またはリソース値になるように選択され得る。
既存の車両修理記録のうちの少なくとも１つは、予測持続期間または使用量閾値をそれぞれ超えない現在の車両経年または使用量を有し得る。
車両修理記録の各々は、修理記録を一致する車両記録にリンクする車両識別子を含み得る。
車両修理記録のうちの少なくとも１つは、一致する車両記録のデータで増補され得る。
車両修理記録のうちの少なくとも１つは、一致する車両記録からの車両属性の指標で増補され得る。
履歴車両経年値または履歴使用量値は、車両修理記録の請求日、故障日、または支払日および一致する車両記録の使用開始日からの車両修理記録のうちの少なくとも１つについて計算され得る。
車両修理記録の少なくとも２つのセットが、各々、修理作業または車両コンポーネントのそれぞれのタイプに基づいてより大きいセットをフィルタリングすることによって選択されてもよく、予測アルゴリズムは、車両修理記録の選択されたセットの各々を使用して、その車両記録のセットについて、それぞれのタイプの修理作業／車両コンポーネント故障のそれぞれの件数またはリソース値を予測し得る。
車両修理記録の前記少なくとも２つのセットを使用して決定された予測件数またはリソース値は、車両記録のセットの組み合わせの集約予測件数またはリソース値を決定するために集約され得る。
履歴車両経年値は、修理作業が行われたかまたは車両コンポーネントが修理もしくは交換された車両の経年、または修理記録が処理された車両の経年であり得る。
現在の車両経年は、対応する車両記録の日付から車両のうちの少なくとも１台について決定され得る。
現在の車両経年は、対応する車両記録の日付と修理請求記録に記録された最も新しい日付とから決定され得る。
車両のうちの少なくとも１台の現在の使用量は、現在の車両経年から推測され得る。
現在の車両使用量は、車両の少なくとも１つの属性に基づいて推測され得る。
履歴車両使用経年値は、車両修理の一部として取得された走行距離または時間齢の読み取り値であり得る。
本発明の別の態様は、車両修理作業または車両コンポーネント故障を予測する方法を提供し、本方法は、処理段で、予測を行う際に使用するための車両修理記録のセットを選択するステップであって、車両修理記録の各々が履歴車両経年値または履歴使用量値を含むかまたは指示し、修理作業または車両コンポーネント故障を記録しており、修理記録のセットが、特定のタイプの修理作業と特定のタイプの車両コンポーネントとに基づいて利用可能な車両修理記録のより大きいセットをフィルタリングすることによって選択される、ステップと、修理記録の選択されたセットを使用して、車両の母集団について、母集団内の車両の台数とそれらの車両の各々の現在の経年または使用量とに基づいて、特定のタイプの修理作業／車両コンポーネント故障の件数またはリソース値を予測するステップと、を含む。
本発明の別の態様は、車両修理作業または車両コンポーネント故障を予測する方法を提供し、本方法は、処理段で、各々が履歴車両経年値または履歴使用量値を含むかまたは指示し、修理作業または車両コンポーネント故障を記録している、プロファイルを決定するための車両修理記録のセットを選択するステップと、修理記録のセットのプロファイルを決定するステップであって、プロファイルが、セットの履歴車両経年値または履歴使用量値の各々について、修理記録のセットから計算された対応するリソース値または件数値を含む、ステップと、修理記録の選択されたセットを使用して、車両記録の母集団についての修理作業または車両コンポーネント故障の件数またはリソース値を、母集団内の番号車両と、それらの車両の各々の現在の経年または使用量と、プロファイルのリソース値または件数値とに基づいてノンパラメトリック分析を行うことによって予測するステップと、を含む。
本明細書で開示される方法のいずれも、修理作業／車両コンポーネント故障の予測件数またはリソース値を使用して、特定の車両属性、特定のタイプの車両コンポーネント、または特定のタイプの修理作業に関連する問題を特定するステップを含み得る。
本方法は、予測を使用して、利用可能な車両修理記録のより大きいセットをフィルタリングするために使用された特定のタイプの車両コンポーネントまたは修理作業の問題を特定するステップを含み得る。
本方法は、予測を使用して、車両修理記録のより大きいセットをフィルタリングするために使用された特定の車両属性に関連する問題を特定するステップを含み得る。
本方法は、予測を使用して、特定の車両属性を有する車両に固有の特定のタイプの車両コンポーネントまたは修理作業の問題を特定するステップを含み得る。
問題は、予測件数またはリソース値を、修理作業／車両コンポーネント故障の少なくとも１つの他の予測件数またはリソース値と比較することによって特定され得る。
予測アルゴリズムは、複数の修理作業または車両コンポーネントタイプの各々について、当該のタイプの修理作業／車両コンポーネントに関連する車両修理記録のそれぞれのセットを選択するステップと、車両修理記録のそれぞれのセットを使用して、車両記録のそのセットについて、記録された車両の台数とそれらの現在の経年または使用量とに基づいて当該のタイプの修理作業または車両コンポーネント故障の件数またはリソース値を予測するステップと、を実施し得る。
車両修理記録のセットの各々は、上述した実施形態のいずれかに従って選択され得る。
本方法は、修理作業／車両コンポーネントタイプの特定の１つに関する問題を特定するために、予測修理作業／車両コンポーネントタイプを比較するステップを含み得る。
比較は、問題を自動的に特定するためにデータ処理段で実行される比較アルゴリズムによって行われ得る。
本方法は、特定された問題を是正するステップを含み得る。
件数またはリソース値は、記録された車両当たりの件数またはリソース値であり得る。
件数またはリソースは、絶対数またはリソース値であり得る。
失効日が車両記録ごとに含まれるか、または決定されてもよく、予測閾値を超える失効日を有する車両記録は、車両記録のセットから除外される。
プロファイルは、特定の車両属性または車両属性のセットおよび特定の修理作業／車両コンポーネントタイプについて決定された修理作業プロファイルであり得る。
プロファイルは、すべての修理作業／車両コンポーネントタイプにわたって特定の車両属性または車両属性のセットについて決定された概要プロファイルであり得る。
同じ車両属性または同じ車両属性のセットに別々の修理作業およびカテゴリのプロファイルが決定され得る。
当該プロファイルまたは各プロファイルは、特定の車両モデルについて決定され得る。
プロファイルは、プロファイルが一次照合基準により車両記録のセットと一致するという点で、好ましいプロファイルであり得る。例えば、本方法は、好ましいプロファイルを決定するために利用可能な十分な数の車両記録があると判断するステップを含み得る。
プロファイルは、プロファイルが二次照合基準により車両記録のセットと一致するという点で、バックアッププロファイルであってもよく、その場合本方法は、一次照合基準により車両記録のセットと一致する好ましいプロファイルが利用できないと判断するステップを含み得る。例えば、本方法は、そのようなプロファイルを決定するために利用可能な十分な数の車両修理記録がないと判断するステップを含み得る。
車両記録のセットはすべて同じ車両モデルに関連していてもよく、バックアッププロファイルは、異なる車両モデル、またはその車両モデルと少なくとも１つの他の車両モデルとを含むモデルグループのプロファイルであり得る。
プロファイルは、少なくとも２つの特定のタイプの修理作業をカバーする修理作業のカテゴリ、または特定のタイプの修理作業について決定され得る。
予測は、特定のタイプの修理作業について行われてもよく、バックアッププロファイルは、複数のタイプの修理作業をカバーする修理作業の特定のカテゴリのプロファイル、またはすべての修理作業にわたるプロファイルであり得る。
車両記録のセットはすべて同じ車両モデルに関連していてもよく、予測は特定のタイプの修理作業について行われ、その場合決定するステップは、当該の特定のタイプの修理作業および当該のモデルのプロファイルが利用できないと判断するステップを含んでいてもよく、バックアッププロファイルは、以下のプロファイル階層に従って選択され得る：
１．特定のタイプの修理作業およびその車両モデルと少なくとも１つの他の車両モデルとを含むモデルグループのプロファイル、
２．類似した車両モデルおよび特定のタイプの修理作業のプロファイル、
３．同じ車両モデルおよび特定のタイプの修理作業と少なくとも１つの他の特定のタイプの修理作業とをカバーする修理作業カテゴリのプロファイル、
４．類似した車両モデルおよび前記修理作業カテゴリのプロファイル、
５．すべての修理作業にわたる同じ車両モデルのプロファイル、
６．すべての修理作業にわたる前記モデルグループのプロファイル、
７．すべての修理作業にわたる類似した車両モデルのプロファイル。
１．特定のタイプの修理作業およびその車両モデルと少なくとも１つの他の車両モデルとを含むモデルグループのプロファイル、
２．類似した車両モデルおよび特定のタイプの修理作業のプロファイル、
３．同じ車両モデルおよび特定のタイプの修理作業と少なくとも１つの他の特定のタイプの修理作業とをカバーする修理作業カテゴリのプロファイル、
４．類似した車両モデルおよび前記修理作業カテゴリのプロファイル、
５．すべての修理作業にわたる同じ車両モデルのプロファイル、
６．すべての修理作業にわたる前記モデルグループのプロファイル、
７．すべての修理作業にわたる類似した車両モデルのプロファイル。
見積件数／リソース値を決定する際に、タイムラグが、最近の修理記録を受け取る際の遅延によって生じるタイムラグのモデルを使用して考慮され得る。
モデルは、獲得値を適応させるために使用され得る。
本発明の別の態様は、車両修理作業または車両コンポーネント故障を予測するためのシステムを提供し、本システムは、予測アルゴリズムを実行するためのコンピュータ可読命令を保持するように構成された電子記憶と、電子記憶に結合され、コンピュータ可読命令を実行するように構成された処理段であって、コンピュータ可読命令が、実行されると、本明細書で開示される機能の任意の方法を実施するように構成されている、処理段と、を含む。
本開示が特定された問題の是正に言及する場合、特定された問題は、例えば、
特定のタイプの車両コンポーネントを再設計すること、
特定の属性もしくは特定のタイプの車両コンポーネントを有する車両モデルを再設計すること、
特定のタイプの車両コンポーネントが製造される製造工程を適応させること、
特定の属性もしくは特定のタイプの車両コンポーネントを有する車両モデルが組み立てられる組立て工程を適応させること、または
特定のタイプの修理作業を行う際に従う手順を適応させること
によって是正され得る。
特定のタイプの車両コンポーネントを再設計すること、
特定の属性もしくは特定のタイプの車両コンポーネントを有する車両モデルを再設計すること、
特定のタイプの車両コンポーネントが製造される製造工程を適応させること、
特定の属性もしくは特定のタイプの車両コンポーネントを有する車両モデルが組み立てられる組立て工程を適応させること、または
特定のタイプの修理作業を行う際に従う手順を適応させること
によって是正され得る。
本発明の別の態様は、機械修理作業または機械コンポーネント故障を予測する方法を提供し、本方法は、処理段で、データ処理段で実行された予測アルゴリズムが、予測を行う際に使用するための機械修理記録のセットを選択するステップであって、機械修理記録の各々が、機械が実際に使用され始めた後に行われた機械修理の記録であり、機械修理記録の各々が履歴機械経年値または履歴使用量値を含むかまたは指示し、修理作業または機械コンポーネント故障を記録している、ステップ、を含み、予測アルゴリズムは、機械修理記録の選択されたセットを使用して、機械記録のセットに記録された機械の台数と、記録された機械の各々の現在の経年または使用量とに基づいて、機械記録のセットについての修理作業または機械コンポーネント故障の件数またはリソース値を予測し、機械記録の各々は実際に使用され始める機械の記録である。
本発明の別の態様は、機械を生産する方法であって、機械生産工程で、異なるタイプの機械コンポーネントを製造し、機械を形成するためにそれらの機械コンポーネントを組み立てるステップと、各々がその使用が開始される機械のうちの１台の記録である、機械記録のセットを作成するステップと、機械が実際に使用され始めた後で機械のサブセットに対して車両修理を行うステップと、各々が機械経年値または使用量値を含むかまたは指示し、機械修理で特定された機械コンポーネント故障を記録する、機械修理の各々のそれぞれの記録を作成するステップと、データ処理段で、機械記録および機械修理記録を受け取るステップであって、データ処理段で実行された予測アルゴリズムが受け取られた記録を、機械コンポーネントのタイプごとに、１）当該のタイプの機械コンポーネントに関連する機械修理記録のそれぞれのセットを特定し、２）それぞれの機械修理記録のセットを使用して、機械記録のセットに記録された機械の台数と、記録された機械の各々の現在の経年または使用量とに基づいて、機械記録のセットについての当該のタイプの機械コンポーネント故障のそれぞれの件数またはリソース値を予測するように処理する、ステップと、機械コンポーネントタイプのうちの特定の１つの問題を特定するために異なる機械コンポーネントタイプについての予測を比較するステップと、機械生産工程を、適応させた機械生産工程で生産されるその後の機械のために特定された問題を是正するように、適応させるステップと、を含む方法を提供する。
本発明の別の態様は、車両予測を集約するためのコンピュータシステムであって、少なくとも１つの修理作業、車両コンポーネントまたは車両属性の指標と、指示された修理作業、車両コンポーネントまたは車両属性の個別の予測値とを各々含む、車両予測を保持するように構成されたデータベースと、車両予測をフィルタリングするためのフィルタリング基準を受け取り、データベース内の車両予測の修理作業、車両コンポーネントまたは車両属性の指標をフィルタリング基準と比較することによってフィルタリング基準に従って車両予測をフィルタリングして、フィルタリング基準を満たす車両予測のフィルタリング済みセットを決定するように構成されたフィルタリングコンポーネントと、ユーザインターフェースを、ユーザに、フィルタリング済みセットから決定された予測値を出力するよう制御するように構成されたコントローラと、を含むコンピュータシステムを対象とする。
本コンピュータシステムは、フィルタリング基準を満たす車両予測のフィルタリング済みセットの個別の予測値から集約予測値を算出し、出力される予測値が集約予測値である、ように構成された集約コンポーネントを含み得る。
出力される予測値は、フィルタリング済みセットの個別の予測値であり得る。
出力される予測値は、フィルタリング済みセットから決定され、コントローラによって出力される複数の予測値のうちの１つであり得る。
データベースに保持された車両予測の各々は、修理作業または車両コンポーネントの指標と、少なくとも１つの車両属性指標とを含んでいてもよく、個別の予測値は、指示された車両属性と指示された修理作業／車両コンポーネントとの個別の予測値である。
フィルタリング基準は、フィルタリング済みセットの各車両予測が、以下のうちの１つに関連するというものであり得る。
フィルタリング済みセットが製造者の車両製品グループまたは少なくとも２つの異なる車両製品グループの車両予測を含むような、同じ製造者、
フィルタリング済みセットが当該の製品グループ内の少なくとも２つの異なる車両製品についての車両予測を含むような、同じ車両製品グループ、
フィルタリング済みセットが当該の車両製品の少なくとも２つの異なるモデルの車両予測を含むような、同じ車両製品、
フィルタリング済みセットが当該のモデルの少なくとも２つの異なる年式の車両予測を含むような、同じ車両モデル、
同じ車両モデルおよび同じ年式、
同じ車両エンジン、
同じ車両変速機、
同じタイプの修理作業、または
同じタイプの車両コンポーネント。
フィルタリング済みセットが当該の製品グループ内の少なくとも２つの異なる車両製品についての車両予測を含むような、同じ車両製品グループ、
フィルタリング済みセットが当該の車両製品の少なくとも２つの異なるモデルの車両予測を含むような、同じ車両製品、
フィルタリング済みセットが当該のモデルの少なくとも２つの異なる年式の車両予測を含むような、同じ車両モデル、
同じ車両モデルおよび同じ年式、
同じ車両エンジン、
同じ車両変速機、
同じタイプの修理作業、または
同じタイプの車両コンポーネント。
フィルタリングコンポーネントは、第２のフィルタリング基準を受け取り、第２のフィルタリング基準に従ってデータベース内の車両予測をフィルタリングして、第２のフィルタリング基準を満たす車両予測の第２のフィルタリング済みセットを決定するように構成されてもよく、コントローラは、ユーザインターフェースを、ユーザに、第２のフィルタリング済みセットから決定された第２の予測値を出力するよう制御するように構成され得る。
集約コンポーネントは、第２のフィルタリング済みセットの個別の予測値から第２の集約予測値を算出し、第２の出力される予測値が第２の集約予測値である、ように構成され得る。
第２の予測値は、第２のフィルタリング済みセットから決定され、コントローラによって出力される複数の第２の予測値のうちの１つであり得る。
フィルタリングコンポーネントは、第３のフィルタリング基準を受け取り、第３のフィルタリング基準に従ってデータベース内の車両予測をフィルタリングして、第３のフィルタリング基準を満たす車両予測の第３のフィルタリング済みセットを決定するように構成されてもよく、コントローラは、ユーザインターフェースを、ユーザに、第３のフィルタリング済みセットから決定された第３の予測値を出力するよう制御するように構成され得る。
フィルタリングコンポーネントは、第４のフィルタリング基準を受け取り、第４のフィルタリング基準に従ってデータベース内の車両予測をフィルタリングして、第４のフィルタリング基準を満たす車両予測の第４のフィルタリング済みセットを決定するように構成されてもよく、コントローラは、ユーザインターフェースを、ユーザに、第４のフィルタリング済みセットから決定された第４の予測値を出力するよう制御するように構成され得る。
フィルタリングコンポーネントは、第５のフィルタリング基準を受け取り、第５のフィルタリング基準に従ってデータベース内の車両予測をフィルタリングして、第５のフィルタリング基準を満たす車両予測の第５のフィルタリング済みセットを決定するように構成されてもよく、コントローラは、ユーザインターフェースを、ユーザに、第５のフィルタリング済みセットから決定された第５の予測値を出力するよう制御するように構成され得る。
フィルタリングコンポーネントは、フィルタリング基準に従って、少なくとも修理作業／車両コンポーネントの指標をフィルタリング基準と比較することによって車両予測をフィルタリングし、第２のフィルタリング基準に従って、少なくともデータベース内の車両予測の車両属性指標を第２のフィルタリング基準と比較することによって車両予測をフィルタリングする、ように構成され得る。
コントローラは、ユーザインターフェースを、前記予測値の各々を同時に表示するよう制御するように構成され得る。
フィルタリングコンポーネントによって決定されたフィルタリング済みセットの各々は、予測階層のそれぞれのレベルに関連し得る。
予測階層は少なくとも以下のレベルを有し得る。
製造者、
製品グループ、
製品、
モデル（もしくはカーライン）またはモデルプラス年式。
製品グループ、
製品、
モデル（もしくはカーライン）またはモデルプラス年式。
予測階層はまた以下のレベルも有し得る。
モデル―エンジンまたはモデル―変速機。
予測階層はまた以下のレベルも有し得る。
モデル―エンジン―変速機またはモデル―変速機―エンジン。
予測階層はまた少なくとも以下のレベルも有し得る。
年式
予測階層は少なくとも以下のレベルを有し得る。
エンジンまたは変速機、
エンジン―製品または変速機―製品、
エンジン―モデルまたは変速機―モデル。
エンジン―製品または変速機―製品、
エンジン―モデルまたは変速機―モデル。
予測階層はまた以下のレベルも有し得る。
エンジン―製品グループまたは変速機―製品グループ。
フィルタリング済みセットのうちの少なくとも１つは、予測階層のそれぞれのレベルのエンティティについての特定のタイプの修理作業に関連し得る。
フィルタリング済みセットのうちの少なくとも１つは、予測階層のそれぞれのレベルのエンティティについてのすべてのタイプの修理作業に関連し得る。
フィルタリング済みセットのうちの少なくとも２つは同じエンティティに関連していてもよく、それらのセットのうちの１つはそのそれぞれのエンティティについての特定のタイプの修理作業に関連し、フィルタリング済みセットのその他は当該のエンティティについてのすべてのタイプの修理作業に関連する。
コントローラは、ユーザインターフェースでのモード切り替え命令に応答して、ｉ）車両予測のセットの各々が予測階層のそれぞれのレベルのそれぞれのエンティティについてのすべてのタイプの修理作業に関連する、車両予測のセットについて予測値が表示される、概要モードと、ｉｉ）車両予測のセットの各々が予測階層のそれぞれのレベルのそれぞれのエンティティについての特定のタイプの修理作業に関連する、車両予測のセットについて予測値が表示される、特定のタイプの修理作業についての詳細モードと、を切り替えるように構成され得る。
フィルタリング基準と第２のフィルタリング基準とは、車両予測のフィルタリング済みセットと車両予測の第２のフィルタリング済みセットとが異なるレベルの予測階層に関連するというものであり得る。
フィルタリング基準と第２のフィルタリング基準とは、車両予測のフィルタリング済みセットと車両予測の第２のフィルタリング済みセットとが同じレベルの予測階層に関連するというものであり得る。
第３のフィルタリング基準は、第３のフィルタリング済みセットがフィルタリング済みセットおよび第２のフィルタリング済みセットと同じレベルの予測階層に関連するというものであり得る。
第３のフィルタリング基準は、第３のフィルタリング済みセットがフィルタリング済みセットおよび第２のフィルタリング済みセットとは異なるレベルの予測階層に関連するというものであり得る。
車両予測の第３のフィルタリング済みセットは、車両予測のフィルタリング済みセットおよび第２のフィルタリング済みセットよりも上位レベルの予測階層のエンティティに関連し得る。
コントローラは、同じレベルの予測階層に関連するフィルタリング済みセットの表示順序を、それらのセットについて決定された予測値に基づいて決定し、ユーザインターフェースを、それらの予測値を決定された表示順序で表示するよう制御するように構成され得る。
コントローラは、車両予測の当該セットまたは各セットの表示位置を、当該セットが関連する予測階層のレベルに基づいて決定し、ユーザインターフェースを、当該セットの予測値を決定された表示位置に表示するよう制御するように構成され得る。
コントローラは、予測値、第２の予測値、および第３の予測値の表示位置を、予測値と第２の予測値の表示位置が、第３の予測値の表示位置とは別の表示領域に一緒にグループ化されるように決定するように構成され得る。
第４のセットおよび第５のセットは、車両予測のフィルタリング済みセットおよび第２のフィルタリング済みセットが関連するレベルよりも下位の、互いに同じレベルの予測階層に関連し得る。
第４のセットおよび第５のセットは、両方が第３のフィルタリング済みセットが関連するレベルよりも上位の、互いに異なるレベルの予測階層に関連し得る。
第２のフィルタリング基準は、フィルタリング済みセットの各車両予測が、以下のうちの異なる１つに関連するというものであり得る。
フィルタリング済みセットが製造者の車両製品グループまたは少なくとも２つの異なる車両製品グループの車両予測を含むような、同じ製造者、
フィルタリング済みセットが少なくとも２つの異なる車両製品についての車両予測を含むような、同じ車両製品グループ、
フィルタリング済みセットが少なくとも２つの異なる車両モデルの車両予測を含むような、同じ車両製品、
フィルタリング済みセットが当該のモデルの少なくとも２つの異なる年式の車両予測を含むような、同じ車両モデル、
同じ車両モデルおよび同じ年式、
同じ車両エンジン、
同じ車両変速機、
同じタイプの修理作業、または
同じタイプの車両コンポーネント。
フィルタリング済みセットが少なくとも２つの異なる車両製品についての車両予測を含むような、同じ車両製品グループ、
フィルタリング済みセットが少なくとも２つの異なる車両モデルの車両予測を含むような、同じ車両製品、
フィルタリング済みセットが当該のモデルの少なくとも２つの異なる年式の車両予測を含むような、同じ車両モデル、
同じ車両モデルおよび同じ年式、
同じ車両エンジン、
同じ車両変速機、
同じタイプの修理作業、または
同じタイプの車両コンポーネント。
コントローラは、車両予測の当該セットまたは各セットについて、当該セットの予測値に基づいて少なくとも１つの視覚特性を決定し、ユーザインターフェースを、決定された視覚特性を有する視覚表現を表示するよう制御して、決定された視覚特性を有する視覚表現の表示として予測値を出力するように構成され得る。
フィルタリング済みセットから決定される予測値は、予測される修理作業または車両コンポーネント故障のみをカバーする将来の予測値であり得る。
フィルタリング済みセットから決定される予測値は、予測される修理作業または車両コンポーネント故障とすでに発生した修理作業または車両コンポーネント故障の両方をカバーする将来プラス履歴予測値であり得る。
本システムは、車両予測の当該セットまたは各セットについて、ｉ）予測される修理作業または車両コンポーネント故障とすでに発生した修理作業または車両コンポーネント故障の両方をカバーする将来プラス履歴予測値と、ｉｉ）予測される修理作業または車両コンポーネント故障のみをカバーする将来の予測値と、を算出するように構成されてもよく、コントローラは、ユーザインターフェースを、ユーザに、将来の予測値と関連付けた全体の予測値を出力するよう制御するように構成され得る。
本コンピュータシステムはまた、車両予測の当該セットまたは各セットについて、すでに発生した修理作業または車両コンポーネント故障のみをカバーする履歴値を決定するように構成されてもよく、コントローラは、ユーザインターフェースを、ユーザに、履歴値と関連付けた予測値を出力するよう制御するように構成され得る。
履歴値は、集約予測値に対応する集約履歴値であり得る。
履歴値は、フィルタリング済みセットから決定された個別の予測値に対応する個別の履歴値であり得る。
コントローラは、当該セットの将来の予測値と、履歴値と、将来プラス履歴予測値のうちの１つに基づく視覚表現の第１の視覚特性と、異なる１つに基づく視覚表現の第２の視覚特性とを決定するように構成され得る。
当該の（または各）視覚特性は、視覚表現のサイズまたは色の（異なる）一方であり得る。
予測値は、予測される修理作業または車両コンポーネント故障のみをカバーする将来の予測値であってもよく、その場合コントローラは、ユーザインターフェースを、予測される修理作業または車両コンポーネント故障とすでに発生した修理作業または車両コンポーネント故障の両方をカバーする当該セットの将来プラス履歴予測値の視覚表現を表示するよう制御し、視覚表現が２つの視覚的に異なる部分を有し、その第１の部分が履歴値を表し、その第２の部分が将来の予測値を表す、ように構成され得る。
第１の部分と第２の部分とは、それぞれ、履歴値と将来の予測値とに基づいてコントローラによって決定されたそれぞれのサイズを有し得る。
車両予測の各々は見積長さを含んでいてもよく、その場合フィルタリングは、車両予測の当該セットまたは各セットが同じ見積長さに関連するというものであり得る。
車両予測のうちの少なくとも２つは、異なる見積長さに関連し得る。
集約コンポーネントは、当該セットまたは各セットのフィルタリング基準を、少なくとも一部は、ユーザインターフェースでユーザによって設定されたフィルタ選択パラメータに従って決定するように構成され得る。
予測階層は、事前に決定されるかまたはユーザ定義され得る。
当該セットまたは各セットについて算出された当該集約値または各集約値は、当該セットについての車両ごとの修理作業もしくは車両コンポーネント故障の件数もしくはリソース値、または当該セットについての修理作業もしくは車両コンポーネント故障の絶対件数もしくはリソース値を含み得る。
コントローラは、フィルタリング済みセットの各々を使用して、ユーザインターフェースに表示される多要素オブジェクトのそれぞれの要素をレンダリングするように構成され得る。
多要素オブジェクトは、ノードツリー、柱状グラフ、動的グリッド、マップ、サンバーストチャート、または時系列、であり得る、
車両予測の各々は、車両生産タイミング指標または使用時間指標を含んでいてもよく、その場合フィルタリング済みセットの各々は異なる車両生産タイミングまたは異なる使用時間に関連する。
車両予測の各々は、車両生産タイミング指標または使用時間指標を含んでいてもよく、その場合フィルタリング済みセットの各々は異なる車両生産タイミングまたは異なる使用時間に関連する。
車両予測の各々は、車両生産タイミング指標と使用時間指標とを含み得る。
コントローラは、集約予測値を、生産タイミングまたは使用時間の順序の時系列として表示するように構成され得る。
コントローラは、ユーザインターフェースを、予測値の各々を予測階層に従って構造化されたノードツリーのノードとして表示するよう制御するように構成され得る。
コントローラは、ユーザインターフェースを、ノードツリー内の予測値および第２の予測値を表すノードを第３の予測値を表すノードの子として表示するよう制御するように構成され得る。
コントローラは、ユーザインターフェースを、フィルタリング済みセットから決定された各予測値を予測階層に従って構造化されたサンバーストチャートの要素として表示するよう制御するように構成され得る。
コントローラは、ユーザインターフェースを、フィルタリング済みセットから決定された予測値の各々を柱状グラフの柱として表示するよう制御するように構成され得る。
車両予測の各々は、モデルおよび年式指標を含んでいてもよく、フィルタリング済みセットの各々は異なる年式に関連する。
コントローラは、（１つまたは複数の）フィルタリング済みセットから決定された当該予測値または各予測値をグリッドの要素として表示するように構成され得る。
コントローラは、ユーザインターフェースを、予測階層のレベルごとに別々のグリッドを表示するよう制御するように構成され得る。
修理作業タイプ指標は、修理作業のカテゴリまたは特定の修理作業を指示し得る。
本発明の別の態様は、車両または車両修理記録を保持するように構成された少なくとも１つの記録データベースと、予測が導出する元になった車両または車両修理記録のそれぞれのセットから導出された予測値と、当該記録の各々についての、記録が保持されている記録データベース内で当該記録を探し出すための対応するデータベースキーと、を各々含む、車両予測を保持するように構成された予測データベースと、ユーザインターフェースを、ユーザに対して、車両予測のうちの１つの予測値、または車両予測のうちの少なくとも２つの予測値から導出された集約予測値を表示するよう制御するように構成されたコントローラであって、車両記録または車両識別記録のうちの少なくとも１つを、それが保持されている記録データベース内で、予測データベースに保持されている対応するデータベースキーを使用して探し出し、探し出された車両または車両修理記録のデータを表示された予測値と関連付けて表示するように構成されている、コントローラと、を含むコンピュータシステムを提供する。
本コンピュータシステムは、車両記録を保持するように構成された車両記録データベースと、車両修理記録を保持するように構成された修理記録データベースと、を含み得る。
コントローラは、車両記録データベースで少なくとも１つの車両記録を探し出し、修理記録データベースで少なくとも１つの車両修理記録を探し出し、それらの記録の両方のデータを表示された予測値と関連付けて表示するように構成され得る。
コントローラは、予測データベースに保持されたそれぞれの対応するデータベースキーを使用して少なくとも１つの車両記録および少なくとも１つの車両修理記録を探し出すように構成され得る。
コントローラは、予測データベースに保持された対応するデータベースキーを使用して少なくとも１つの車両記録を探し出し、車両記録内の識別子を車両修理記録内の識別子と照合することによって少なくとも１つの車両修理記録を探し出すように構成され得る。
コントローラは、車両または車両修理記録のデータを、データが表示された予測値と同時に表示されるか、またはデータが、予測値が表示されている間に受け取ったユーザ入力に応答して表示される、という点で表示された予測値と関連付けて表示するように構成され得る。
コントローラは、フィルタリング基準のセットを受け取り、受け取られたフィルタリング基準を満たす車両予測のフィルタリング済みセットを決定するように構成されたフィルタリングコンポーネントを含んでいてもよく、その場合コントローラは、記録データベース内で、車両予測のフィルタリング済みセットのデータベースキーを使用して、同じフィルタリング基準と一致する車両または車両修理記録の対応するセットを探し出し、記録の対応するセットのデータを、車両予測のフィルタリング済みセットから導出された少なくとも１つの個別の予測値または集約予測値と関連付けて表示するように構成され得る。
上記で言及した実施形態のいずれにおいても、視覚要素を有する視覚表現がユーザインターフェースのページにレンダリングされ得る。視覚要素の各々は、フィルタリング済み予測のそれぞれのセットを表し得る（すなわち、フィルタリング基準の特定のセットを満足させる１つまたは複数の予測のセット。各視覚要素は、集約予測値または個別の予測値を表すことができる）。視覚要素の各々は、ユーザが選択の要素によって表されたフィルタリング済み予測のセットに対応するユーザインターフェースの別のページにナビゲートできるように、選択可能であり得る。
本発明の別の態様は、少なくとも１つの修理作業、機械コンポーネントまたは機械属性の指標と、指示された修理作業、機械コンポーネントまたは機械属性の個別の予測値とを各々含む、機械予測を保持するように構成されたデータベースと、機械予測をフィルタリングするためのフィルタリング基準を受け取り、データベース内の機械予測の修理作業、機械コンポーネントまたは機械属性の指標をフィルタリング基準と比較することによってフィルタリング基準に従って機械予測をフィルタリングして、フィルタリング基準を満たす機械予測のフィルタリング済みセットを決定するように構成されたフィルタリングコンポーネントと、ユーザインターフェースを、ユーザに、フィルタリング済みセットから決定された少なくとも１つの予測値を出力するよう制御するように構成されたコントローラと、を含む、機械予測を集約するためのコンピュータシステムを提供する。
本発明の別の態様は、機械または機械修理記録を保持するように構成された少なくとも１つの記録データベースと、予測を導出する元になった機械または機械修理記録のそれぞれのセットから導出された予測値と、当該記録の各々についての、記録が保持されている記録データベース内で当該記録を探し出すための対応するデータベースキーと、を各々含む、機械予測を保持するように構成された叙述データベースと、ユーザインターフェースを、ユーザに対して、機械予測のうちの１つの予測値、または機械叙述のうちの少なくとも２つの予測値から導出された集約予測値を表示するよう制御するように構成されたコントローラであって、機械または機械識別記録のうちの少なくとも１つを、それが保持されている記録データベース内で、予測データベースに保持されている対応するデータベースキーを使用して探し出し、探し出された機械または機械修理記録のデータを表示された予測値と関連付けて表示するように構成されている、コントローラと、を含むコンピュータシステムを提供する。
本発明の別の態様は、実行されると、本明細書に開示される任意の方法または機能を実施するように構成された、コンピュータ可読命令を有する非一時的コンピュータ可読媒体を提供する。
本発明のよりよい理解を目的として、本発明の実施形態がどのように実施され得るかを示すために、以下の図を参照する。
次に、本発明の例示的な実施形態を単なる例として説明する。
本明細書で「Ｗｅ Ｐｒｅｄｉｃｔ」また「Ｉｎｄｉｃｏ」とも呼ばれる予測分析システムは、予測分析サービスを提供し、このサービスは、各車両の寿命の最初の１から３年間など、ある特定の持続期間を有する見積期間（見積持続期間）内の、車両の母集団についての修理作業（労働作業）もしくは車両コンポーネント障害／他の故障（またはその両方）の件数またはリソース値に関する正確な予測を行うことができる。以下の説明では、「予測（ｐｒｅｄｉｃｔｉｏｎ）」、「見積（ｐｒｏｊｅｃｔｉｏｎ）」、および「予想（ｆｏｒｅｃａｓｔ）」という用語は区別なく使用されることに留意されたい。
予測分析サービスは、実際に使用され始める車両と、すべての関連製品の車両修理記録とを記録する車両記録のコアデータセットを使用する。このデータは、将来の挙動を予想するために、現在保証期間中のすべての製品、モデル／カーラインおよび労働作業に系統的に大規模に適用される予測モデルを構築するために使用される。
予想に使用される４つのメトリックは以下のとおりである。
１．請求件数（Ｄ）、
２．単位当たりの欠陥数（ＤＰＵ）、すなわち「請求頻度」
３．リソース値（Ｃ）、および
４．単位当たりのリソース値（ＣＰＵ）。
２．単位当たりの欠陥数（ＤＰＵ）、すなわち「請求頻度」
３．リソース値（Ｃ）、および
４．単位当たりのリソース値（ＣＰＵ）。
Ｗｅ Ｐｒｅｄｉｃｔによって使用されるモデルおよび方法は、業界で類を見ないものであり、ユーザに、最終的には非常に早期の課題検出および課題の正しい優先順位付けを可能にする、ユーザのデータへの重要な洞察を可能にする。
生成された中核情報は、以下のような、選択の権力者（ｈｉｅｒａｒｃｈ）（「見積階層」）による分析を可能にするいくつかの異なるやり方で集約される。
１．製造者または「ＯＥＭ」（１つまたは複数）
２．ブランド（製品グループ）
３．製品（事業単位）、
４．カーライン／販売モデル（機械タイプ）、
５．エンジン世代、
６．労働作業（サービスコード）、および
７．部品コード（部品番号）。
２．ブランド（製品グループ）
３．製品（事業単位）、
４．カーライン／販売モデル（機械タイプ）、
５．エンジン世代、
６．労働作業（サービスコード）、および
７．部品コード（部品番号）。
システムの柔軟性により、いくつかの用途で使用される共通のコンポーネントの課題を検出およびより良く理解するために、各製品内および各カーライン内と、製品とカーラインとを横断した容易な分析が可能になる。
例えば、年式、生産月および／または使用時間による、よりきめ細かい内訳を提供することもできる。後で例を示す。
情報は、トップダウン方式の質問を可能にする一連のインタラクティブチャートおよびオブジェクトを含むダッシュボードの形態のユーザインターフェース（ＵＩ）を介して、または特定の製品、カーライン／モデル、労働作業またはコンポーネントの探索機能調査を使用して、ユーザに提示される。
ダッシュボードを介して、許可されたユーザは、様々なレベルの見積階層をナビゲートすることができる。
ユーザが特定の見積からその見積の基礎となる個別の車両修理記録にナビゲートできるようにするために、個別の見積をそれらを導出する元になった車両修理記録に逆にリンクするためにデータベースキーイングも使用される。これは、見積階層と組み合わさると、きわめて強力なツールであり、ユーザが、例えば、階層を下にナビゲートしてますます明確な見積に到達し、そこから問題のある車両やコンポーネントに関連する車両修理記録の個別のセットまでナビゲートすることによって、課題を非常に正確に突き止めることを可能にする。記録がこのように探し出された後、それらの記録の直感的（遡及的）な分析を可能にするツールも提供される。
よってＵＩは、見積ベースと遡及的両方の分析を可能にし、ユーザインターフェースの重要なコンポーネントは、ユーザがそれら２つをナビゲートするための機構である。
システムは、専用のサーバでホストすることができ、例えばウェブポータルを介して許可されたユーザに配信される。
記載のシステムを支える重要なイノベーションが、予測分析に、実際に使用され始める車両の記録と組み合わせて車両修理記録を使用することである。これらのデータを組み合わせることによって、特定の製造者によって提供された車両の母集団についての、必要となる将来の修理作業、または発生することになる将来の車両コンポーネント障害に関する強力で正確な予測を行うことができる。これはこのデータの組み合わせの、前例のないレベルの洞察を提供することが判明している新規の用途を表すものである。
システムは、様々なレベルおよびクラスの「バリアント（ｖａｒｉａｎｔ）」に作用することができる。「バリアント」とは、この文脈では、車両属性または車両属性のセットを指し、（１つまたは複数の）当該属性を有するすべての車両が当該バリアントのものであると見なされる。すなわち、バリアントとは、１つまたは複数の車両属性によって定義された車両のタイプである。バリアントは、例えば、特定のブランド、製品、モデル（任意の年式）、モデルおよび特定の１つもしくは複数の年式などすべての車両、または特定のモデルもしくはクラスもしくはエンジンもしくは変速システムなどを備えたすべての車両とすることができよう。
車両属性と車両コンポーネントとは区別される。車両属性は、製造者、ブランド、製品もしくはモデルＩＤ、またはエンジンや変速機などのサブシステム全体などといった、車両の大規模な（高レベルの）特性に対応する。対照的に、車両コンポーネントは、エンジン、変速機、破壊システム、サスペンション、シャーシ、台車本体、制御システム、搭載コンピュータシステムまたは他の車両サブシステムの特定のコンポーネント（機械的またはソフトウェア）などの、車両サブシステムの特定の（低レベルの）コンポーネントに対応する。さらに説明の助けとなるように車両コンポーネント、および関連付けられた労働作業の例を後で示す。
車両属性の他の例には、油圧系統や特定のタイプの車両／機械用の運転台が含まれる。
以下で説明される固有の方法を使用して生成される、「アトミック」予測と、アトミック予測を集約することによって生成される集約予測とは区別される。
アトミック予測は個別の労働作業および／または車両コンポーネントのレベルで、特定のクラスのバリアントまたは限られた数のバリアントクラスについて生成される。後述する例では、以下の３クラスまでのバリアントがアトミック予測の基礎として使用される。
１．カーライン（モデル）
２．エンジン
３．変速機
２．エンジン
３．変速機
したがって、３つすべてのバリアントクラスが使用される場合、ある範囲のカーライン、ある範囲のエンジン、およびある範囲の変速システムにわたって別々の予測が生成される。これは、（例えば）異なるエンジンが特定のカーラインで見られる場合があり、同じエンジンまたは変速システムが複数のカーラインにわたって使用される場合があるという点で、若干のオーバーラップを許容する。
大まかに言うと、これら３クラスのバリアントは、アトミック予測の十分な基礎を提供することが判明している。実装に応じて、これらの各クラス内のバリアントを、広く定義することも（例えば、年式と無関係なカーライン）、狭く定義することも（例えば、カーラインと年式の一意の組み合わせごとに別々の予測、よってカーラインＡ、２０１７、カーラインＡ、２０１６、カーラインＡ、２０１５、カーラインＢ、２０１７、カーラインＢ、２０１７、カーラインＣ、２０１６などについての別々の見積）できる。バリアントクラスと、それらのクラス内のバリアントの特異性とを、特定の製造者の必要に適するように柔軟に選択することができる。
ＵＩを介して、システムのユーザは、アトミック予測のみならず、工学的観点から直感的に課題を見つけるように設計されている、選択の階層に従ってアトミック予測を集約することによって生成された集約予測にもアクセスすることができる。ＵＩは、ユーザが階層を迅速かつ効率的に下にナビゲートすることを可能にする。階層がどのように選択されるかにはある程度の柔軟性があり、様々な製造者の必要に適するように多少調整することができる。しかしながら、ＵＩがエンジニアの観点から見て引き続き直感的であるようにするために、階層を選択する際に従うある特定の指針がある。
これについては後述するが、差し当たりは、エンジニアは（例えば）階層の最上部から開始し、課題があり得る領域を非常に迅速に特定し、階層を非常に迅速に掘り下げて、ますます具体的な予測によって、課題を突き止めることができると言っておけば十分である。これは例えば、各々が１０，０００を超えるコンポーネントを有する何百ものカーラインのうちの、特定の年式の１つのカーラインにおける、コンポーネントを故障させるか通常よりも早く修理を必要とさせる、１つのコンポーネントの課題であり得る。
システムは予測に基づくものであるので、具体的な課題を、純粋に遡及的な分析から可能な場合よりも早期に特定することができる。これにより、特に有意性の尺度が付きものの既存の分析技術を使用して特定することが難しいはずの車両の膨大な母集団において具体的な課題を探し出すことが可能になる。
そのような課題が特定されると、エンジニアは、その課題が将来の車両を発生させるのを防止し、または製造もしくは組立て工程を適応させ、または課題が重大である場合には修理／交換のために車両をリコールさえするために、コンポーネントまたはカーライン（例えば）を再設計できる立場にある。
上記のように、基礎となる記録に予測をリンクして、エンジニアが自分の分析の一部としてそれらの予測に容易にアクセスできるようにすることもできる。
Ｗｅ Ｐｒｅｄｉｃｔシステムは、１つまたは複数の処理装置（ＣＰＵなど）の形態のデータ処理段を有する。データ処理段はデータ処理コードを実行し、データ処理コードはシステムの記載の機能を実施する。例えば、本明細書に開示される機能を効率的に実行するために並列データ処理操作を行うことができる、相互接続された協働するサーバのセットによって分散コンピューティング環境が提供されてもよい。
例示の助けとなるよう、図１に、Ｗｅ Ｐｒｅｄｉｃｔシステムの高度に図式的な概要を示す。概念的に、システムを図１に示される機能層に分割することができ、各層はシステムの機能の一部を表す。この機能のすべてを後で詳細に説明するが、まず簡単な概要を示す。
各層はシステムの機能コンポーネントを構成し、機能コンポーネントはデータ処理段で実行されるコードとして実施することができる。
以下の例では、車両記録と車両修理記録とは、それぞれ、車両販売記録と保証請求記録の形態である。しかしながら、説明は、実際に使用され始める車両に対して行われる修理に関してそれらの車両をそれぞれ記録する他の形態の車両記録および車両修理記録にも等しく当てはまる。
システムは、定期的更新サイクルで動作し、更新は通常、月単位で顧客から受け取られる。各更新は、最後の更新以来の新しい販売記録４Ｎと新しい保証請求記録６Ｎとを含む新しい顧客データ２Ｎを提供する。前処理層１２は販売記録４Ｎおよび保証請求記録６Ｎを処理して、予測層１４で使用するのに適した形態にする。これは、新しい販売記録１０４Ｎおよび保証請求記録１０４Ｎを、販売データベース４Ｄと保証請求データベース６Ｄとにおいてそれぞれその顧客のために保持された任意の既存の販売記録および保証請求記録と組み合わせ、必要に応じて重複を除去することを含む。新しい保証請求記録６Ｎはまた、一致する販売記録、すなわち、新しい販売記録４Ｎまたは販売データベース４Ｄに保持された既存の販売記録からのデータで増補され、増補された保証請求記録は保証請求データベース６Ｄに格納される。販売記録と保証記録には、対応する保証請求記録と販売記録とを照合できるように、車両識別番号（ＶＩＮ）の形態の一意の車両識別子（ＩＤ）が提供される。データベース４Ｄに保持された販売記録は４とラベル付けされており、新旧の販売記録の混合とすることができる。同様に、データベース６Ｄに保持された保証請求記録６Ｄは増補された保証請求記録であり、新旧の保証請求記録の混合とすることができる。
予測層１４は、販売データベース４Ｄおよび保証請求データベース６Ｄにアクセスすることができ、それらの記録を使用して、後述する方法に従ってアトミック予測を生成する。上述したように、アトミック予測は、それぞれ、予測層１４のブロック１４ａ、ブロック１４ｂ、およびブロック１４ｃの３つのバリアントクラス、カーライン、エンジン、および変速機について生成される。カーライン、エンジン、および変速機についてそれぞれ２０ａ、２０ｂ、および２０ｃとラベル付けされた、アトミック予測２０は、アトミック予測データベース１４Ｄに格納される。
フィルタリング層１５は、アトミック予測データベース１４Ｄにアクセスすることができ、フィルタリング基準の様々なセットに従ってアトミック予測データベース１４Ｄに格納されたアトミック予測２０をフィルタリングする。フィルタリング基準の各セットは１つまたは複数のフィルタリングパラメータの形態であり、システムは、システムに電子的に格納された、システムパラメータの形態として見える、事前定義のフィルタリング基準２１Ｐと、後述するように、ＵＩを介してユーザによって、例えば、画面上のフィルタリングオプションを選択することによって動的に（「オンザフライで」）設定され得る、ユーザ定義のフィルタリング基準２１Ｕの両方を処理するように構築される。
フィルタリング基準の受け取られたセットに応答して、フィルタリング層１５は、フィルタリング基準を満たす（すなわち、１つまたは複数のフィルタリングパラメータと一致する）アトミック予測２０のいずれかを求めてアトミック予測データベース２０を探索する。アトミック予測２０のうちの１つまたは複数が問題になっているフィルタリング基準のセットを満たさないと仮定すると、結果は、それらのフィルタリング基準を満たすアトミック予測２０のうちの１つまたは複数の決定されたセット（フィルタリング済みセット）になる。コンテキストに応じて、フィルタリング基準のセットを、完全に事前定義とすることもでき、完全にユーザ定義とすることもでき、またはその両方の組み合わせとすることもできる（例えば、ユーザが、必要に応じて絞り込むフィルタリング基準の事前定義のセットを使用してもよい）。アトミック予測を柔軟にフィルタリングできることがシステムの重要な構成要素である。これにより、ユーザがＵＩをナビゲートし、適用される設定を変更する際に、画面上オブジェクトを動的に読み込み、リフレッシュすることが可能になる。事前定義のフィルタにより、フィルタリングを動的に、または後で使用するために格納されているフィルタリングの結果を用いて事前に行うことができる。
誤解を避けるために、フィルタリング基準（のセット）に従って決定される「車両予測のフィルタリング済みセット」という用語は、そのフィルタリング基準に１つの車両予測だけが一致する場合には、１つの車両予測のみをカバーできることに留意されたい。よって、例えば、本開示は、問題になっているフィルタリング基準と一致する任意の数の予測であり得る車両予測（または同様のもの）のフィルタリング済みセットに言及している。
集約層１６は、明確に定義された見積階層に従って、複数のアトミック予測２０のセットを集約するように動作する。特に、集約層１６の機能は、複数のアトミック予測を含むフィルタリング済みセットを集約することである。これは、集約がＵＩ入力に応答して動的に「オンザフライで」生成される動的プロセスであることが可能であり、または事前に、例えば、更新サイクルごとに、集約のうちの少なくともいくつかを生成することがより実際的な場合もある。例えば、集約は、事前に事前定義のフィルタについて行われ得る。一般には、コンテキストに応じて、どちらかのアプローチ、または両方のアプローチの組み合わせが使用され得る。集約予測は２２とラベル付けされており、データベースに事前に格納するか、または適宜電子記憶で動的に生成することができる。
ユーザインターフェース層１８は、アトミック予測２０と集約予測２２の両方にアクセスすることができ、ユーザが必要に応じて階層を上下に移動しながら予測をナビゲートするためのユーザインターフェースをレンダリングするように表示装置を制御する。ユーザインターフェースは、例えば、ウェブインターフェースの形態とすることができ、その場合ユーザインターフェース層１８はユーザ機器にＵＩをレンダリングするための命令を提供し、またはＵＩ層１６を、基礎となる予測データ２０、２２にアクセスできるユーザ機器上で実行されたアプリケーションの一部とすることもできる。出力されるべきアトミック見積２０および集約見積２２は、ＵＩを介してユーザから受け取られたナビゲーション入力２４と、ＵＩでユーザによって設定された任意のユーザ定義のフィルタリング基準１２１Ｕとに基づいて選択される。それぞれフィルタリング層１５と集約層１６による、フィルタリングと（該当する場合は）集約は、ＵＩをレンダリングするための、特に、ユーザのナビゲーション入力２４と（１つまたは複数の）ユーザ定義のフィルタリングパラメータ２１Ｕとに応答してＵＩに適切な予測を読み込むための基礎として使用される。
図２に、販売記録４および保証請求記録６の構造と、カーラインおよびエンジンのバリアントクラスについて生成されたアトミック予測２０ａおよび２０ｂとを示す。変速機クラスは簡略にするために図２から省かれているが、この説明は変速機バリアントクラスにも、また実際には他の形態のバリアントクラスにも等しく当てはまることが理解されよう。
各アトミック予測は、問題になっているバリアントクラスの特定のバリアント（例えば、特定のカーラインモデルまたは特定のカーラインモデルと年式、特定のエンジンタイプまたはクラスなど）に関連し、個別の労働作業または個別の車両コンポーネントのレベルにある。以下の例では、各アトミック予測は特定のバリアントと特定の労働作業に関連し、以下の４つのメトリックを含む。
１．「欠陥」（Ｄ）と呼ばれる、当該バリアントの当該タイプの労働作業の総予測件数、これは保証請求の総件数として計算または推定することができる；
２．当該バリアントの単位（車両）当たりの当該タイプの労働作業（欠陥）（ＤＰＵ）の総数
３．当該バリアントの労働作業の当該タイプの総予測リソース値（すなわちコスト）（Ｃ）；および
４．当該バリアントの単位当たりの労働作業の当該タイプの総予測リソース値（すなわちコスト）（ＣＰＵ）。
２．当該バリアントの単位（車両）当たりの当該タイプの労働作業（欠陥）（ＤＰＵ）の総数
３．当該バリアントの労働作業の当該タイプの総予測リソース値（すなわちコスト）（Ｃ）；および
４．当該バリアントの単位当たりの労働作業の当該タイプの総予測リソース値（すなわちコスト）（ＣＰＵ）。
「リソース値」および「コスト」という用語は、本明細書では同義である。コストは、当該の問題の重大度に関する合理的に信頼できる指標であるので、このコンテキストでは有用なメトリックである。
これらの各々は、各車両の寿命の最初の１〜３年間などの、問題になっている見積期間にわたって計算される。また予測の異なるセットを、異なる見積期間について算出することもできる。各メトリックは、すでに行われた労働作業ならびに予測される労働作業（すなわち、行われた労働作業と予期される労働作業の合計コスト／件数）を提供することもでき、または予測される労働作業のみ、または別々の値を、最大で合計８メトリックまで、各々について提供することもできる。
例は労働作業について記載されているが、この説明は労働作業の代わりに車両コンポーネントにも等しく当てはまる。保証請求記録は、１つの労働作業に、ただしその労働作業を施される複数の車両コンポーネントに関連し得る。これは、後述するように、保証請求記録を「分割すること」によって処理することができる。
図２には、予測層の動作のさらなる詳細が示されている。特定の、図２には、カーラインブロック１４ａとエンジンブロック１４ｂとでそれぞれ生成されたアトミック予測の高度に概略的な例が示されている。
販売記録４および増補された請求記録６が予測層１４で受け取られる。各販売記録４は、実際に使用され始める（すなわち、所有者が車両の使用を開始し、製造者が保証期間中の修理に責任を負うようになるときの）車両の記録、および問題になっている車両の詳細を記録する。この例では、販売記録４の各々が以下を含むように示されている。
車両識別番号（ＶＩＮ）５２、
使用開始日５４、
カーライン指標５６、および
エンジン指標５８。
使用開始日５４、
カーライン指標５６、および
エンジン指標５８。
増補された保証請求記録６の各々は、通常、一般に、故障したコンポーネントを特定および修理または交換するために、車両が実際に使用され始めた後に車両に対して行われた修理の記録を構成する（ただし、保証請求記録の数パーセントは、修理が実際には行われなかった作業に関連し得る）。各請求記録６は以下を含むものとして示されている。
対応する販売記録と照合できるようにする、車両識別番号（ＶＩＮ）６２、
労働作業のタイプの指標８０、
（例えば）労働作業が行われた日付、記録が作成された日付、または請求が処理された日付とすることができる、問題になっている保証請求に関連するデータ７４、
カーライン指標７６、
エンジン指標７８、および
保証請求の結果として課されたコストを表す、コスト値７２。
労働作業のタイプの指標８０、
（例えば）労働作業が行われた日付、記録が作成された日付、または請求が処理された日付とすることができる、問題になっている保証請求に関連するデータ７４、
カーライン指標７６、
エンジン指標７８、および
保証請求の結果として課されたコストを表す、コスト値７２。
車両コンポーネント障害または修理の問題の１つは、予想の基礎として使用すべきデータの利用の可否である。記載の技術を支える重要な認識の１つは、車両の「寿命」（保証期間）の所定の時間枠内で、当該時間枠内のコンポーネント故障／障害に関する包括的データを製造者が利用できることである（このコンテキストでの「寿命」は、車両が実際に使用され始めるとき（使用開始日）から始まる）。これは、車両が依然として保証期間中である、当該時間枠の間、そのような障害／修理の責任を負うのは製造者だからである。予想の基礎として使用すべき信頼できるデータセットを保証するために、必要なのは、保証期間中に車両修理が行われるときに製造者に返送された請求記録が車両に対して行われが作業に関する十分な情報を含んでいること、最初の販売記録が車両自体に関する十分な情報を含んでいること、および各請求記録を問題になっている車両の対応する販売記録と照合できることを確実にすることである。これにより、通常は車両寿命の最初の１〜３年程度である、見積時間枠の持続期間（見積期間）にわたって正確な予測を行うことが可能になる。また使用量閾値により修理作業を削減することもできる。見積時間枠は、製造者が責任を負い、したがって、修理に関する包括的データを有する全時間枠に対応するように選択することができ、またはより短い時間枠とすることもできる。
本明細書では保証請求が例として使用されているが、この技術はこれに限定されないことに留意されたい。他の用途は、ある特定の状況において製造者が提供し得る保証期間の延長および「無料の」修理を含む。一般に、重要なのは、どんな理由であれ、包括的な予想を可能にするために、その後の車両／機械に関する工学的判断を行うために使用することができる、包括的な修理データが車両製造者にある程度伝えられることが保証される寿命の時間枠が存在することである。
この例では、それぞれ販売記録と保証記録とのＶＩＮ５２、６２を、必要に応じて、請求記録を、増補された保証請求記録６のカーラインデータ７６やエンジンデータ７８などの販売記録のデータで増補するために使用することができる。
カーライン予測ブロック１４ａの出力はアトミックカーライン予測２０ａである。この例では、アトミックカーライン予測は、カーラインと労働作業のすべての可能な組み合わせについて生成される。アトミックカーライン予測２０ａの各々は、それが関連するカーラインの指標８２と労働作業タイプの指標８４、ならびに当該カーライン―労働作業組み合わせの個別の予測値を含むものとして示されている。上述のように、各個別予測は労働作業の当該タイプの、絶対または車両当たりの、予測件数またはコストに対応する（Ｄ、ＤＰＵ、Ｃ、ＣＰＵ）。これは、全体予測値とする、すなわち、予期される将来の件数／コストのみならず、すでに記録された履歴件数／コストも含むこともでき、または将来の予測値のみとする、すなわち、予期される将来の件数／コストのみを含むこともできる。また対応する履歴メトリック、すなわち、当該労働作業―カーライン組み合わせのみについて記録された、絶対または車両当たりの、履歴件数／コストを予測１２０ａごとに提供することもできる。
エンジン予測ブロック１４ｂの出力はアトミックエンジン予測である。この例では、アトミックエンジン予測２０ｂは、エンジン指標９２と労働作業指標９４とによってそれぞれ指示されたエンジンと労働作業のすべての可能な組み合わせについて生成される。予測値、および任意選択で対応する履歴値が、アトミック車両予測２０ａと同じ様に提供されるが、各エンジン予測２０ｂにおいてそれらの値は、問題になっている特定のエンジンと労働作業の組み合わせのコスト／件数に対応する。
図２には示されていないが、アトミック予測を、すべての可能な労働作業と変速機の組み合わせについて、または実際には労働作業と、車両コンポーネントと、車両属性の任意の所望の組み合わせについて同じ様に生成することもできる。
特定の年式の予測（すなわち、特定のモデルの年ごと、可能な労働作業ごとに別々の予測）や、カーライン―エンジン組み合わせの予測（すなわち、カーライン、エンジンおよび労働作業のすべての可能な組み合わせについての別々の予測、値はその場合、当該エンジンと当該カーラインとの労働作業の当該タイプの件数／コストに対応する）などといった、よりきめ細かいアトミック予測を生成することも可能である。コンテキストに応じて適切なレベルの粒度を選択することができる。
すべての労働作業にわたる所与のモデルまたはモデルプラス年式の予測など、よりきめの粗いアトミック予測を生成することも可能である。この場合、各予測は、問題になっているモデルのすべての労働作業に適用されるので、労働作業指標を省く。
後述する例では、予測は複数のレベルの粒度で生成される。特に、
「概要」モード（概要予測）で使用するための、個別モデルのすべての労働作業にわたるアトミック予測が生成され、
「詳細」モード（詳細予測）で使用するための個別のモデルおよび労働作業のアトミック予測が生成される。
「概要」モード（概要予測）で使用するための、個別モデルのすべての労働作業にわたるアトミック予測が生成され、
「詳細」モード（詳細予測）で使用するための個別のモデルおよび労働作業のアトミック予測が生成される。
各予測を、保証請求記録の関連するセットから、適切なレベルの粒度で決定された予測モデル（プロファイル）から生成することができる。よって下記の例では、すべての労働作業にわたって車両モデルごとに、また個別の労働作業ごとに、別々のプロファイルが決定される。より一般的には、１つまたは複数のレベルの粒度（詳細および概要など）を有するＵＩについて、当該の、または各対応するレベルの粒度で別々のプロファイルが生成される。これは、各レベルの粒度のモデルが利用可能な修理データを十分に利用することを保証するので、好ましい。
Ｉｎｄｉｃｏシステムは、系統的なノンパラメトリックアプローチを使用して、後述するその予測を行う。
請求率およびコストの系統的な分析および予想を、地域、国、および考慮される請求の日付の天気さえも含む気候に基づいて提供することができる。
セクション１ 概要
ユーザインターフェース―概要
複雑なＵＩでは、フィルタリング基準の多数のセットが、様々な時点で以下のために適用され得る。
ユーザインターフェース―概要
複雑なＵＩでは、フィルタリング基準の多数のセットが、様々な時点で以下のために適用され得る。
ＵＩの特定のページに読み込むために使用されるべきアトミック予測のセットを探し出し、必要に応じて、集約する；
特定のページの予測のサブセットを、そのページの画面上オブジェクトに読み込むために探し出し、必要に応じて、集約する。
特定のページの予測のサブセットを、そのページの画面上オブジェクトに読み込むために探し出し、必要に応じて、集約する。
ＵＩをレンダリングする際に、様々な予測階層が様々なレベルのＵＩで使用され、それらは広く以下の２つのカテゴリに分類される。
ページ間の直感的ナビゲーションを可能にするために、異なるページを生成する際に従うページ間階層；
ノードツリー、ツリーマップ、サンバーストチャートなどの、特定のページ上の階層オブジェクトを生成するために使用される、ページ内階層。所与のページにはそのページ上の異なるオブジェクトに対応する複数のページ内階層があり得る。
ノードツリー、ツリーマップ、サンバーストチャートなどの、特定のページ上の階層オブジェクトを生成するために使用される、ページ内階層。所与のページにはそのページ上の異なるオブジェクトに対応する複数のページ内階層があり得る。
このコンテキストでのオブジェクトとは、フィルタリング済み予測の１つまたは複数のセットの画面上表現を指す。すなわち、オブジェクトに読み込む際に従う制約条件のセットを伴うチャート、表またはデータの他の視覚表現。オブジェクトには、予測のフィルタリングと、該当する場合は、集約とに基づいて、ユーザがユーザインターフェースをナビゲートする際に動的に読み込むことができる。これは動的（オンザフライ）フィルタリング／集約とすることもでき、または、別の箇所で述べているように、フィルタリング／集約を必要に応じて事前に行うこともできる。
記載のシステムでは、ページ間階層は所定のものである。所定の階層は、特定の製造者の必要を考慮に入れることができる。
いくつかの所定のページ内階層が設けられ得るが、ユーザは、独自の階層を決定するために、または所定の「デフォルト」もしくは「テンプレート」の階層を変更するために、これらをより一層制御することができる。ユーザ構成可能な階層を有する画面上オブジェクトでは、ユーザが階層を変更する際にオブジェクトを動的にリフレッシュすることができる。これは、例えば、ユーザ指定の階層に従ってアトミック予測を再度フィルタリングし、該当する場合は集約し、画面上オブジェクトにその結果を再度読み込むことによって達成することができる。結果を、事前定義またはユーザ指定の順序付け基準に従って順序付けすることができる。大多数の場合には、予測値に従って結果を順序付け、例えば、最高の見積コスト／件数（絶対または車両当たり）を先頭に置いて、どこで問題が予想されるかを直感的に示すことが望ましいであろうことが予期される。
ページ間階層
後述するように、ページ間階層は、詳細と概要の２つのモードで動作することができる。どちらのモードでも、車両属性に基づく、ページレベルの車両階層が、ページをレンダリングしページ間をナビゲートするための基礎として使用される。車両ベースの階層、エンジンベースの階層、変速機ベースの階層のうちの１つまたは複数など、１つまたは複数のページ間階層があり得る。
後述するように、ページ間階層は、詳細と概要の２つのモードで動作することができる。どちらのモードでも、車両属性に基づく、ページレベルの車両階層が、ページをレンダリングしページ間をナビゲートするための基礎として使用される。車両ベースの階層、エンジンベースの階層、変速機ベースの階層のうちの１つまたは複数など、１つまたは複数のページ間階層があり得る。
直感的な車両ベースのページ間階層を、例えば、以下のように定義することができる。
製造者
ブランド
製品
モデル／カーライン
ブランド
製品
モデル／カーライン
車両階層の各レベルでエンティティごとに利用できる階層の別個のページ、よって通常は１つの（ただし潜在的には複数の）製造者ページ、次いで、車両のすべてのブランドのページ（通常は製造者当たり複数のブランドページ）、すべての車両製品のページ（通常はブランド当たり複数の車両製品ページ）、およびすべての車両モデルのページ（通常は製品当たり複数のモデルページ）。
直感的なエンジンのページ間を以下のように定義することができる。
エンジン；
エンジン―製品；
エンジン―モデル。
エンジン―製品；
エンジン―モデル。
よって、すべてのエンジンに１ページ（それがどの車両モデルで使用されていても）、車両製品とエンジンとの可能な組み合わせごとに１ページ、および可能な車両モデル―エンジン組み合わせごとに１ページ。
同様に、変速機階層もエンジンの代わりに変速機を用いて、同じ様に構成することができる。
直感的な変速機のページ間を以下のように定義することができる。
変速機；
変速機―製品；
変速機―モデル。
変速機―製品；
変速機―モデル。
エンジン―ブランドレベルまたは変速機―ブランドレベルも必要に応じて設けられ得る。
詳細モードでは、特定の労働作業が選択され、当該労働作業の予測のみが各ページに示される。
ユーザは、例えば、ブランド、製品、モデル、エンジンなどの特定の選択に焦点を当てるために、ページ上のフィルタリングオプションを指定することもできる。ページ間階層は同じ様に適用されるが、ユーザの選択基準を満たす予測１２０に限定される。
両方の詳細モードで、適切な粒度のアトミック予測（概要アトミック予測または詳細アトミック予測）が、最低レベルの階層でアトミック結果を提供し、画面上オブジェクトに読み込むために使用される。それらのアトミック予測は、詳細モードの個別の労働作業についてと概要モードのすべての労働作業にわたって、階層をさらに上がって結果を提供し、画面上オブジェクトに読み込むために集約される。
ページ内階層
ノードツリー
ノードツリーまたはツリーマップとは、その視覚構造が、それを生成する際に従う予測階層と一致するように設定された樹形図である。ノードツリーの各ノードは、当該ノードに読み込むために予測１２０をフィルタリングする際に従うフィルタリング基準の特定のセットに対応する。ノードツリーの各レベルは、そのレベルを生成する際に従う予測階層のレベルに対応する。
ノードツリー
ノードツリーまたはツリーマップとは、その視覚構造が、それを生成する際に従う予測階層と一致するように設定された樹形図である。ノードツリーの各ノードは、当該ノードに読み込むために予測１２０をフィルタリングする際に従うフィルタリング基準の特定のセットに対応する。ノードツリーの各レベルは、そのレベルを生成する際に従う予測階層のレベルに対応する。
異なるレベルのページ間をナビゲートする手段を提供するために、ページ間階層のうちの１つと一致する予測階層に従ってノードツリーを生成することができる。よって、例えば、上記の車両ベースの階層に従って生成されたノードツリーは以下を有するはずである。
特定の製造者を表すルートノード；
異なるブランドを表すルートノードの子ノード；
当該ブランド内の様々な製品を表す各ブランドノードの子；
当該製品のモデルを表す製品ノードの子。
異なるブランドを表すルートノードの子ノード；
当該ブランド内の様々な製品を表す各ブランドノードの子；
当該製品のモデルを表す製品ノードの子。
ページ間階層に対応するノードは対応するページにナビゲートするために選択可能とすることができる。（同じことがエンジン階層と変速機階層にも当てはまる）。
（例えば）ノードツリー内の車両モデルの下の追加の粒度を設けるために、階層を拡張することもでき、かつ／または追加の粒度を与えるために、後述するような、他の形態のページ上のオブジェクトを設けることもできる。あるいは、ページに、一方は問題になっているページの（固定された）ページ間階層と一致し、他方はユーザ構成可能な階層に従う、別々のノードツリーを設けることもできる。例えば、２番目のノードツリーについて、ユーザは少なくとも以下の２つの階層を切り替えることができる。
モデル、
モデル―エンジン、
モデル―エンジン―変速機；
および
モデル、
モデル―変速機、
モデル―変速機―エンジン。
モデル―エンジン、
モデル―エンジン―変速機；
および
モデル、
モデル―変速機、
モデル―変速機―エンジン。
動的グリッド
動的グリッド（パレートグリッド）とは、アトミック予測２０または集約予測２２のセットを表す構成可能なグリッドである。グリッドの順序付けをユーザが設定することができ、予測値の順序付けのオプションが提供される。パレートグリッドは構成可能であり、著しい柔軟性を提供する。
動的グリッド（パレートグリッド）とは、アトミック予測２０または集約予測２２のセットを表す構成可能なグリッドである。グリッドの順序付けをユーザが設定することができ、予測値の順序付けのオプションが提供される。パレートグリッドは構成可能であり、著しい柔軟性を提供する。
後述する例では、１つのオプションは、労働作業に従って現在のページの見積の内訳を提供するものである。すなわち、現在のページが関連するどのエンティティ（製造者、ブランド、製品、モデル、エンジン、エンジン―製品など）についても、パレートグリッドが当該エンティティの可能な労働作業ごとに少なくとも１つの予測値を提供することができる。現在のページがページ間階層のどこに位置しているかに応じて、個別の労働作業についてパレートグリッドで提供される予測値は、集約予測（例えば、労働作業ごとに、特定の製造者、ブランドもしくは製品に関連する図Ｂの予測１２０のすべての個別の予測値Ｄ／ＤＰＵ／Ｃ／ＣＰＵ１２０を集約する）または特定のモデルもしくはエンジンについて生成された個別の予測値Ｄ／ＤＰＵ／Ｃ／ＣＰＵであり得る。所与のページのパレートグリッドは、何であれ、グリッドに読み込むために使用される基準に従って予測１２０をフィルタリングし、必要に応じてフィルタリング済み予測を、例えば、所与のページがあるページ間階層のレベルと一致するように集約することによって生成される。
柱状グラフ
フィルタリング／集約の別の使用事例は、グラフの各柱がやはり、予測のフィルタリング済みのおそらくは集約されたセットに対応する柱状グラフを提供するものである。後述する例では、柱状グラフは、異なる年式の予測を比較するための基礎として使用される。柱のセットが表示され、その各々が同じモデルの、ただし異なる年式に対応する。各柱は、年式に従って予測２０をフィルタリングすることによって生成される（図２Ｂの例には示されていないが、上記のように、このレベルの粒度を可能にするために固有のモデルと年式の組み合わせごとに予測を生成することができることに留意されたい）。
フィルタリング／集約の別の使用事例は、グラフの各柱がやはり、予測のフィルタリング済みのおそらくは集約されたセットに対応する柱状グラフを提供するものである。後述する例では、柱状グラフは、異なる年式の予測を比較するための基礎として使用される。柱のセットが表示され、その各々が同じモデルの、ただし異なる年式に対応する。各柱は、年式に従って予測２０をフィルタリングすることによって生成される（図２Ｂの例には示されていないが、上記のように、このレベルの粒度を可能にするために固有のモデルと年式の組み合わせごとに予測を生成することができることに留意されたい）。
また、年式内訳は階層のモデルレベルに制限されないことにも留意されたい。例えば、後述するように、ブランド、製品または製造者に対してさえも集約された結果を、予測１２０の適切なフィルタリングおよび集約を使用して、年式ごとに細分することができる。
時系列―生産月、使用時間（ＴＩＳ）
柱状グラフと多少類似した、任意のレベルのページ間階層で提供できる別の内訳が、生産月と使用時間に従った時系列である。
柱状グラフと多少類似した、任意のレベルのページ間階層で提供できる別の内訳が、生産月と使用時間に従った時系列である。
データベースキーイング
指示されるように、予測データベース１４Ｄ内の予測２０は、データベース４Ｄとデータベース６Ｄとでそれぞれ対応する販売記録１０４と保証記録１０６とを探し出すための、それぞれのデータベースキーを含む。これにより、ＵＩが、ユーザが見積もしくは見積のセット（アトミックおよび集約）と対応する記録とを容易に切り替えられるようにレンダリングすることが可能になる。予測２０に適用される、ページ固有のフィルタやユーザ定義のフィルタなどの任意のフィルタも対応する記録４、６に適用される。
指示されるように、予測データベース１４Ｄ内の予測２０は、データベース４Ｄとデータベース６Ｄとでそれぞれ対応する販売記録１０４と保証記録１０６とを探し出すための、それぞれのデータベースキーを含む。これにより、ＵＩが、ユーザが見積もしくは見積のセット（アトミックおよび集約）と対応する記録とを容易に切り替えられるようにレンダリングすることが可能になる。予測２０に適用される、ページ固有のフィルタやユーザ定義のフィルタなどの任意のフィルタも対応する記録４、６に適用される。
セクション２：予測の生成
このセクションでは、コンポーネント、カテゴリおよびカーラインのレベルでの車両保証頻度およびコストの予想を生成するためにＩｎｄｉｃｏによって行われる方法を詳述する。すなわち、システムの予測層１４でアトミック予測１２０を算出するためのプロセス。
このセクションでは、コンポーネント、カテゴリおよびカーラインのレベルでの車両保証頻度およびコストの予想を生成するためにＩｎｄｉｃｏによって行われる方法を詳述する。すなわち、システムの予測層１４でアトミック予測１２０を算出するためのプロセス。
データ
このセクションでは、見積結果を生成するためのデータ要素を説明する。２つの重要なデータソースが、母集団内のすべての車両の生産および販売を文書化した、車両販売データ１４と、車両の母集団と関連付けられたすべての保証請求に関する詳細情報を提供する、保証請求データ６である。
このセクションでは、見積結果を生成するためのデータ要素を説明する。２つの重要なデータソースが、母集団内のすべての車両の生産および販売を文書化した、車両販売データ１４と、車両の母集団と関連付けられたすべての保証請求に関する詳細情報を提供する、保証請求データ６である。
以下の各セクションでは、予想を構築するためにデータがどのように使用されるかを説明する前に、前処理層１２でのデータ処理の要素を説明する。
車両販売
車両販売データが使用されるのは、実際に使用され始める車両の記録と各車両の詳細を提供するからであるが、この情報を取り込んだ他の形態の車両記録を使用することもできる。
車両販売データが使用されるのは、実際に使用され始める車両の記録と各車両の詳細を提供するからであるが、この情報を取り込んだ他の形態の車両記録を使用することもできる。
車両に関する情報は通常、１つの表に取り込まれ、多くの場合、車両内装詳細や発行ディーラなどの、以下の表で与えられるようなもっと多くの情報フィールドを含むが、この情報は見積の作成に不可欠ではない。
保証期間の長さなどのいくつかの情報フィールドが別個のデータセットで供給される場合もある。この場合、それらは単に、ＶＩＮなどの適切な列、またはカーラインと年式の組み合わせでリンクされさえすればよい。
車両年式が車両販売データセットで提供されない場合、これはＶＩＮの１０番目の文字から導出され得る。この方法が使用される場合には、年式コード辞書が必要である。
保証請求
保証請求データが使用されるのは、それが、中央点、すなわち、製造者において照合される車両の寿命の初期期間内の包括的な車両修理データソースだからである。しかしながら、この説明は他の形態の車両修理記録にも等しく当てはまる。
保証請求データが使用されるのは、それが、中央点、すなわち、製造者において照合される車両の寿命の初期期間内の包括的な車両修理データソースだからである。しかしながら、この説明は他の形態の車両修理記録にも等しく当てはまる。
保証請求データは、保証期間中の車両に対して行われた修理に関する情報を含む。このデータセットに取り込まれるデータの量は製造者ごとに異なるが、以下の表に示されるキーフィールドが常に存在する。このデータセットはＶＩＮを介して車両販売データセットにリンクされている。車両の中には保証請求がないものがある可能性が高いが、すべての保証請求記録に車両販売データセット内の関連付けられた車両記録があるはずであることに留意されたい。
保証請求データに取り込まれることの多い他の情報には、修理を行ったディーラ、修理がカバーされる保証のタイプ、他の関連付けられる日付（障害日や請求提出日など）、他の支払いフィールド、および任意の関連記述（説明）フィールドに関するデータが含まれる。
労働作業、カテゴリおよび部品番号についての記述は、コンテキストを提供し、多くの場合、これらの大規模なデータセットをより効率よく質問できるようにするために別々の辞書データセットとして供給される。
データクレンジング
以下のセクションでは、分析用の生のデータセットを用意するために取られるステップを概説する。
以下のセクションでは、分析用の生のデータセットを用意するために取られるステップを概説する。
車両失効日
車両失効日は一般に、それが生のデータセットにすでに含まれているのでない限り、導出され、車両販売データセットに追加される。車両失効日は単に、車両の対象となる期間が満了する、すなわち、車両が（この日付以後）分析で考慮されなくなる日付である。対象となる期間は通常、保証期間と同じ長さであるが、単なる保証期間ではなく、必要な予想期間に関して考慮することがより重要である。例えば、３年保証の車両が２０１５年１月１日に販売される場合には、その失効日は通常、３年の予想が一般に対象となるため、２０１８年１月１日になるはずである。しかしながら、たとえ３年保証を有していても、使用開始から最初の１２ヵ月に関する予想を行うことに関心を有するだけである場合には、車両の失効日は２０１６年１月１日になるはずである。対象となる期間は一般に、製造者全体にわたって、または少なくともカーライン―年式レベルで固定される。
車両失効日は一般に、それが生のデータセットにすでに含まれているのでない限り、導出され、車両販売データセットに追加される。車両失効日は単に、車両の対象となる期間が満了する、すなわち、車両が（この日付以後）分析で考慮されなくなる日付である。対象となる期間は通常、保証期間と同じ長さであるが、単なる保証期間ではなく、必要な予想期間に関して考慮することがより重要である。例えば、３年保証の車両が２０１５年１月１日に販売される場合には、その失効日は通常、３年の予想が一般に対象となるため、２０１８年１月１日になるはずである。しかしながら、たとえ３年保証を有していても、使用開始から最初の１２ヵ月に関する予想を行うことに関心を有するだけである場合には、車両の失効日は２０１６年１月１日になるはずである。対象となる期間は一般に、製造者全体にわたって、または少なくともカーライン―年式レベルで固定される。
複製
提供される車両販売および保証請求データセットは一般に、毎週や毎月など、定期的に更新される。複製は共通であり、例えば、請求が処理され解決されるにしたがって支払いが更新され得る。通常は、最新版が最新の情報を含むと想定して、任意のそのような複製を記録の最新版で置き換ることがベストプラクティスである。
提供される車両販売および保証請求データセットは一般に、毎週や毎月など、定期的に更新される。複製は共通であり、例えば、請求が処理され解決されるにしたがって支払いが更新され得る。通常は、最新版が最新の情報を含むと想定して、任意のそのような複製を記録の最新版で置き換ることがベストプラクティスである。
請求時の車両経年
保証請求が行われるかまたは処理される時点での車両経年は、まだ存在していない場合に計算される情報である。この情報は、ＶＩＮを介して保証請求データセットを車両販売データセットとリンクし、報告日（または支払日）と車両使用開始日との間の日数を計算することによって導出される。請求時の経年がマイナスである、すなわち、車両の使用が開始される前に発生した修理である場合には、請求時の経年は代わりに０に設定される。
保証請求が行われるかまたは処理される時点での車両経年は、まだ存在していない場合に計算される情報である。この情報は、ＶＩＮを介して保証請求データセットを車両販売データセットとリンクし、報告日（または支払日）と車両使用開始日との間の日数を計算することによって導出される。請求時の経年がマイナスである、すなわち、車両の使用が開始される前に発生した修理である場合には、請求時の経年は代わりに０に設定される。
保証請求データセットからの報告日または支払日を使用して請求時の経年を計算するという選択肢は、頻度またはコストの観点からの予想が必要であるかどうかに依存する。支払いは処理に時間を要する可能性があり、製造者にこれらのコストがいつ発生するかに影響を及ぼすことになる。
これは時間ベースの分析には適するが、使用量ベースの分析には車両経年の代わりに使用量（走行距離または時間齢）を使用することができる。したがって、車両経年に関するすべての記述は、そのコンテキストでの現在の使用量にも等しく当てはまる。
保証請求データ処理
保証請求データの処理は、製造者が保証請求を記録するための方法と、見積結果がどのように提示されることを製造者が望むかに応じて製造者ごとに異なる。
保証請求データの処理は、製造者が保証請求を記録するための方法と、見積結果がどのように提示されることを製造者が望むかに応じて製造者ごとに異なる。
２つの異なる製造者の保証請求処理の例を以下に示す。
１．製造者Ａは、部品番号レベルの予想を見たいと思い、したがって、請求と関連付けられた部品が別々の請求と見なされ、総請求コストがそれら各部品にわたって比例して割り振られる。
２．製造者Ｂは、労働作業レベルの予想を見たいと思い、関連する各労働作業とコストとが請求ごとに別々の行に分割されるので、保証請求データのそれ以上の操作は不要である。
２．製造者Ｂは、労働作業レベルの予想を見たいと思い、関連する各労働作業とコストとが請求ごとに別々の行に分割されるので、保証請求データのそれ以上の操作は不要である。
方法
このセクションでは、カーラインレベル、カテゴリレベル、または労働作業レベルでの頻度見積およびコスト見積を作成するために必要なステップを詳述する。履歴保証請求データを使用して請求パターンのプロファイルが生成され、現在の車両母集団および請求件数またはコストと組み合わされた場合の見積の基礎を形成するために使用される。
このセクションでは、カーラインレベル、カテゴリレベル、または労働作業レベルでの頻度見積およびコスト見積を作成するために必要なステップを詳述する。履歴保証請求データを使用して請求パターンのプロファイルが生成され、現在の車両母集団および請求件数またはコストと組み合わされた場合の見積の基礎を形成するために使用される。
データ日付
データ日付は、導出されるべき最初の情報である。データ日付は、保証請求データセット内の任意の請求の最新の日付として定義され、見積、および任意の分析が有効である日付と見なすことができる。データ日付は、どの保証請求がプロファイルを構築するために使用するのに適格であるかを判断し、また母集団内のすべての車両の現在の経年を計算するためにも使用される。
データ日付は、導出されるべき最初の情報である。データ日付は、保証請求データセット内の任意の請求の最新の日付として定義され、見積、および任意の分析が有効である日付と見なすことができる。データ日付は、どの保証請求がプロファイルを構築するために使用するのに適格であるかを判断し、また母集団内のすべての車両の現在の経年を計算するためにも使用される。
プロファイリング
プロファイルは、予測層１４におけるすべての見積の基礎である。プロファイルは、修理の特定のタイプについて保証データで見られる一貫したパターンを反映するために使用される。例えば、あるコンポーネントは保証期間全体を通してほぼ一定の割合で故障することになるが、他のコンポーネントは保証の終了近くにより大きな割合で故障する可能性がある。修理の各タイプには独自の特性があり、これは固有のプロファイルが必要であることを意味する。プロファイルがどのように作成されるかを明示するために、カーライン‘コンパクトＡ’に対する労働作業‘Ｅ０１２３’を考察する説明例を以下に示す。予測層１４はこの方法を使用して、カーラインとカテゴリと労働作業とのすべての必要な組み合わせのプロファイルを作成する。
プロファイルは、予測層１４におけるすべての見積の基礎である。プロファイルは、修理の特定のタイプについて保証データで見られる一貫したパターンを反映するために使用される。例えば、あるコンポーネントは保証期間全体を通してほぼ一定の割合で故障することになるが、他のコンポーネントは保証の終了近くにより大きな割合で故障する可能性がある。修理の各タイプには独自の特性があり、これは固有のプロファイルが必要であることを意味する。プロファイルがどのように作成されるかを明示するために、カーライン‘コンパクトＡ’に対する労働作業‘Ｅ０１２３’を考察する説明例を以下に示す。予測層１４はこの方法を使用して、カーラインとカテゴリと労働作業とのすべての必要な組み合わせのプロファイルを作成する。
最初のステップは、プロファイルを形成するために使用できるすべての保証請求を特定することである。その失効日を過ぎた車両に発生した請求のみが分析対象として考察される。これは、プロファイルが低使用時間で発生する保証請求に対して不当に重み付けされないようにするためである。以下の表に、労働作業Ｅ０１２３のこの基準を満たす３０請求についての請求時の経年と支払額とを示す。
請求は次いで、カーライン、労働作業、および請求時の経年ごとにグループ化され、請求合計の件数および総額がグループごとに取られる。これは以下の表に示されている。
この表はすべての使用日をカバーするように記入されており、請求件数および支払総額の累計が導出される。本例には、３年の保証期間内の日数を表す１０９５ポイントがある。１年のプロファイルを作成するには、３６５ポイントがあることになり、以下同様である。以下の表に、結果として得られるプロファイルテーブルの最初の２０行と最後の１０行とを示す。
請求パーセンテージ（ＣＰ）列と支払いパーセンテージ（ＰＰ）列とは、それぞれ、頻度プロファイルとコストプロファイルである。コストプロファイルは、ＣＰＰを使用日数の関数としてプロットする図２Ｃのグラフにプロットされている。
実際には、予測層１４は、１００請求未満のプロファイルの構築を回避する。これは、（図２Ｃのプロファイルにはっきりと見ることができる）大きな急増の発生を最小限にするためであり、というのは急増がプロファイルを使用して計算された見積の一貫性に影響を及ぼし得るからである。
プロファイルクレンジング
保証アクティビティは、２つのやり方、すなわち、定期的な保証アクティビティと不定期の保証アクティビティとに分類されることがある。定期的な保証アクティビティは、例えば、車両の初期段階におけるコンポーネント欠陥に起因する、または通常のコンポーネント摩耗に起因する、予測通りに発生する請求をカバーする。このタイプの保証が、履歴請求アクティビティに基づくプロファイルの使用がこのシナリオにおけるそのような有効なモデルであることの主な理由である。不定期の請求アクティビティは、コンポーネントが生産ラインでの特定の課題または誤りに起因して故障する場合に発生する。このタイプの障害は、通常の保証の予測可能なパターン外に相当し、したがって、有効にモデル化することが難しい。重大な課題については技術サービス速報、キャンペーンまたはリコールがしばしば発生し、通常は保証データにおいてそうしたものとしてラベル付けされる。しかしながら、特別な措置を必要としないコンポーネント課題またはバッチ課題は多くの場合、保証データにおいて手付かずのままとされ、定期的な保証アクティビティと同等に分類される可能性がある。その結果、不定期の保証アクティビティが、結果として見積の品質に影響を及ぼすプロファイルを生じることになり得る。
保証アクティビティは、２つのやり方、すなわち、定期的な保証アクティビティと不定期の保証アクティビティとに分類されることがある。定期的な保証アクティビティは、例えば、車両の初期段階におけるコンポーネント欠陥に起因する、または通常のコンポーネント摩耗に起因する、予測通りに発生する請求をカバーする。このタイプの保証が、履歴請求アクティビティに基づくプロファイルの使用がこのシナリオにおけるそのような有効なモデルであることの主な理由である。不定期の請求アクティビティは、コンポーネントが生産ラインでの特定の課題または誤りに起因して故障する場合に発生する。このタイプの障害は、通常の保証の予測可能なパターン外に相当し、したがって、有効にモデル化することが難しい。重大な課題については技術サービス速報、キャンペーンまたはリコールがしばしば発生し、通常は保証データにおいてそうしたものとしてラベル付けされる。しかしながら、特別な措置を必要としないコンポーネント課題またはバッチ課題は多くの場合、保証データにおいて手付かずのままとされ、定期的な保証アクティビティと同等に分類される可能性がある。その結果、不定期の保証アクティビティが、結果として見積の品質に影響を及ぼすプロファイルを生じることになり得る。
不定期の保証アクティビティは、可能な場合には、プロファイルを生成するために使用されるデータから除外されるべきであるが、それを特定することは必ずしも容易ではない。１つの簡単な方法は、年式ごとにコンポーネントプロファイルを構築し、一貫性を試す。明らかに異なる、すなわち、潜在的に通常ではない保証を含む年があれば、除外することができる。
バックアッププロファイル
Ｉｎｄｉｃｏは、特定のプロファイルを構築するために十分な履歴保証請求が存在しない場合に、労働作業、カテゴリまたはカーラインが別の適切なプロファイルにマップされることを可能にする規則セットを含む。このプロファイルの階層が以下に示されており、一致する最初のプロファイルが見積に使用される。
Ｉｎｄｉｃｏは、特定のプロファイルを構築するために十分な履歴保証請求が存在しない場合に、労働作業、カテゴリまたはカーラインが別の適切なプロファイルにマップされることを可能にする規則セットを含む。このプロファイルの階層が以下に示されており、一致する最初のプロファイルが見積に使用される。
自己カーライン労働作業プロファイル
自己カーライングループ労働作業プロファイル
バックアップカーライン労働作業プロファイル
自己カーライン・カテゴリ・プロファイル
バックアップ・カーライン・カテゴリ・プロファイル
自己カーラインプロファイル
自己カーライン・グループ・プロファイル
バックアップ・カーライン・プロファイル
自己カーライングループ労働作業プロファイル
バックアップカーライン労働作業プロファイル
自己カーライン・カテゴリ・プロファイル
バックアップ・カーライン・カテゴリ・プロファイル
自己カーラインプロファイル
自己カーライン・グループ・プロファイル
バックアップ・カーライン・プロファイル
カーライングループとは、製造者カーラインポートフォリオで類似と見なされているカーラインの集合を指す。これらのグループはセットアップ時に製造者によって合意されている。
バックアップカーラインはすべてのカーラインに設定される。バックアップカーラインは最も類似したものと見なすことができ、多くの場合、より多くの履歴データを有するカーラインの旧版であり、よって実用的なプロファイルである。
現在の車両経年
母集団内の各車両の現在の経年は、車両使用開始日とデータ日付との間の日数として定義される。データ日付より大きい生産日または使用開始日を有する車両が、その車両の関連付けられた保証請求と一緒に分析から除外される。
母集団内の各車両の現在の経年は、車両使用開始日とデータ日付との間の日数として定義される。データ日付より大きい生産日または使用開始日を有する車両が、その車両の関連付けられた保証請求と一緒に分析から除外される。
車両獲得値および成熟度
このセクションでは、「車両獲得値」メトリックおよび「成熟度」メトリックがプロファイルに対してどのように計算されるかを説明する。これは、すべての関連する車両をプロファイルと比較して、プロファイルに対する全母集団の成熟度を決定する重要なプロセスである。成熟度値は、問題になっている労働作業の見積を計算するために直接計算される。
このセクションでは、「車両獲得値」メトリックおよび「成熟度」メトリックがプロファイルに対してどのように計算されるかを説明する。これは、すべての関連する車両をプロファイルと比較して、プロファイルに対する全母集団の成熟度を決定する重要なプロセスである。成熟度値は、問題になっている労働作業の見積を計算するために直接計算される。
プロファイリングセクションに記載されている例では引き続き、１０００台のコンパクトＡ―年式２０１７の車両の母集団を考察する。データ日付は、２０１７年２月１０日であり、これらの車両にはこれまで５件の請求が発生しており、その目的は、単位当たりのコストの３年（保証の終了）見積を計算することである。車両はそれらの現在の経年ごとにグループ化され、現在の経年とプロファイル請求時の経年とによってプロファイルにリンクされる。経年グループごとの獲得値は、プロファイル支払いパーセンテージとグループ内の車両の台数との積である。以下の表にこれらすべてのステップを表示する。
成熟度は、総獲得値を母集団内の車両の台数で除算することによって計算される。この例の成熟度はしたがって、１０５．４９／１０００＝０．１０５４９である。
この場合の成熟度は、分析の時点で認められた責任の割合を言う。すなわち、これまでに行われたと推定される修理の総件数またはコストの割合。
理解されるように、予測頻度（単位当たりの請求件数）を算出するために、厳密に同じステップを、支払いパーセンテージの代わりにプロファイル請求パーセンテージを用いて適用することができる。
保証請求の遅れ
多くの場合、保証請求が履歴保証請求表に追加されるまでにタイムラグがあり、すなわち、請求記録はデータ日付までに完了せず、請求記録が不完全である割合は一貫している。このタイムラグは多くの場合何ヵ月もの長さになり得る。この遅れは製造者ごとに異なるが、通常は、製造者内で一貫している。タイムラグがモデル化され、理解されると、請求の遅れを考慮に入れて、獲得値を調整するために追加ステップを加えることができる。このステップを実施するためにいくつかの値が導出される必要がある。
多くの場合、保証請求が履歴保証請求表に追加されるまでにタイムラグがあり、すなわち、請求記録はデータ日付までに完了せず、請求記録が不完全である割合は一貫している。このタイムラグは多くの場合何ヵ月もの長さになり得る。この遅れは製造者ごとに異なるが、通常は、製造者内で一貫している。タイムラグがモデル化され、理解されると、請求の遅れを考慮に入れて、獲得値を調整するために追加ステップを加えることができる。このステップを実施するためにいくつかの値が導出される必要がある。
ＤＤ―データ日付。最新の請求の日付。
ＦＰＤＤ―完全に処理されたデータ日付。これは、請求データが完全に認められた日付である。ＦＰＤＤ≦ＤＤ。
ＡＦ―経年の調整係数。車両経年同等期間中に処理された請求の割合に基づいて計算されるべき値。ＰＰを経年ごとの請求の遅れ分布で乗算することによって計算される。
ＰＰ―処理済みの割合。ＦＰＤＤとＤＤとの間に処理された請求の割合。これは、計算された請求分布から導出される。
車両経年がＤＤとＦＰＤＤとの間の日数以下である場合には、
新しい獲得値＝獲得値×ＡＦ
車両経年がＤＤとＦＰＤＤとの間の日数より大きい場合には、
ＦＰＤＤまで完全に獲得する
ＤＤまで完全に獲得する
新しい獲得値＝ＦＰＤＤ＋［（ＤＤ−ＦＰＤＤ）×ＰＰ］
新しい獲得値＝獲得値×ＡＦ
車両経年がＤＤとＦＰＤＤとの間の日数より大きい場合には、
ＦＰＤＤまで完全に獲得する
ＤＤまで完全に獲得する
新しい獲得値＝ＦＰＤＤ＋［（ＤＤ−ＦＰＤＤ）×ＰＰ］
見積
成熟度値が計算されれば、見積は簡単である。見積もられる支払い（それぞれの請求）額は、請求のグループ（請求のそれぞれの総数）の総コストを成熟度で除算することによって計算することができる。次いで単位当たりのコスト値が、母集団内の車両の台数を考慮することによって導出される。
成熟度値が計算されれば、見積は簡単である。見積もられる支払い（それぞれの請求）額は、請求のグループ（請求のそれぞれの総数）の総コストを成熟度で除算することによって計算することができる。次いで単位当たりのコスト値が、母集団内の車両の台数を考慮することによって導出される。
以下の表に、コンパクトＡ―２０１７に対する労働作業Ｅ０１２３の５件の請求に関する詳細を示す。
最後のステップでは、車両および請求の概要を導出された成熟度値と組み合わせて、６，３２３．１３ドルの見積支払額と、６．３２ドルの単位当たりのコスト額とを与える。
この方法は、データセット全体にわたりカーラインと労働作業とのすべての組み合わせについて繰り返される。異なる労働作業タイプのいくつかの例を以下の表に示す。１つまたは複数のプロファイルを、記載の方法を使用してそのような労働作業ごとに適宜構築することができる。カーラインおよびカテゴリの見積は同じ方法を使用して作成される。
修理作業の例
セクション３：他の方法との比較
本明細書で開示される予測分析技術の利益のいくつかを例示するために、例として他の方法との比較を示す。
本明細書で開示される予測分析技術の利益のいくつかを例示するために、例として他の方法との比較を示す。
ワイブルとの比較：
図１２４Ａと図１２４Ｂとを参照すると、本開示では、多くのコンポーネントは保証の終了近くにその大部分の請求アクティビティを有することを認める。例として、図１２４Ａのグラフに、累積請求数（滑らかな単調に増加する曲線）と１日当たりの請求数（ギザギザした曲線）を、特定の車両コンポーネントに対応する特定の労働作業についての、１０００日間にわたる、使用日数の関数としてプロットする。図から分かるように、１日当たりの請求件数は車両経年とともに全体として増加し（累積曲線の増加勾配においても反映されている）、新しい車両では比較的少数の１日当たりの請求件数が発生しており、古い車両では比較的多数の請求件数が発生している。この低い初期請求アクティビティは、現在の分析論を使用した早期の課題検出を提示している。
図１２４Ａと図１２４Ｂとを参照すると、本開示では、多くのコンポーネントは保証の終了近くにその大部分の請求アクティビティを有することを認める。例として、図１２４Ａのグラフに、累積請求数（滑らかな単調に増加する曲線）と１日当たりの請求数（ギザギザした曲線）を、特定の車両コンポーネントに対応する特定の労働作業についての、１０００日間にわたる、使用日数の関数としてプロットする。図から分かるように、１日当たりの請求件数は車両経年とともに全体として増加し（累積曲線の増加勾配においても反映されている）、新しい車両では比較的少数の１日当たりの請求件数が発生しており、古い車両では比較的多数の請求件数が発生している。この低い初期請求アクティビティは、現在の分析論を使用した早期の課題検出を提示している。
ワイブルのような既存のパラメトリック予想ツールも、図１２４Ｂに示されるように、比較的新しい車両に限られたデータセットしかない場合、この挙動を予想することができない。当分野で公知のように、ワイブル分析は、多くの当業者に一般に好まれ、任意の予測分析のためのちょっとした「頼りになる」ツールとして受け取られている予測のための周知のパラメトリックモデルである。
図１２４Ｂに、予想の基礎となる母集団内の最も古い車両の経年に対応する、Ｔとラベル付けされた間隔内の図１２４Ａのデータのサブセットに対応する、成熟度が比較的低い比較的新しい車両の母集団に基づく、本明細書で教示された方法を使用して算出される、ＷＰ予想と、同じデータにワイブルパラメトリック分析を適用することによって算出される、ワイブル予想とそれぞれラベル付けされた２つのプロットを示す。図から分かるように、データのこの限られたサブセットに対して決定されたワイブル予想は、図１２４Ａの実際のデータでは明らかな使用日数での請求（修理）アクティビティの著しい増加を予測することに失敗しているのに対し、ＷＰ予想はこれを限られたデータセットから正確に予測している。
この改善をさらに例示するために、図１２５に、ワイブル分析（棒グラフの右側の棒）と比較したＩｎｄｉｃｏ分析（棒グラフの左側の棒）の結果を示す。分析に使用された受け取り請求件数も示されている。ワイブル分析は２０１１年３月にようやく開始し、３．２％の障害率を予測している。この時点で、Ｉｎｄｉｃｏ予測は安定化しており、１８．４％を示している。ワイブル予測はそれから月ごとに増加して、ほぼ２０１２年１月に安定している（このデータセットの前の分析は、ワイブル技術が０日の請求を容易に処理できないために、ワイブル技術の約２５％の過少予測を示している）。Ｉｎｄｉｃｏ分析がワイブル法より少なくとも１０ヵ月早く安定した信頼できる予測を生成することが明らかである。
月次のコストベースのアプローチ：
図１２６を参照すると、本方法は、所与の労働作業／車両コンポーネントの月次の総支出または頻度が所定の閾値を超えたときに課題にフラグが立てられる、簡単に上述した単純な月次コストベースのアプローチと比較して著しく良好に機能する。例として、図１２５に、所定の閾値（例えば１００，０００ポンド）を有する特定の労働作業の月次支出のグラフを示す。特定の付きの当該作業の総コストが閾値に達したときにようやく潜在的な課題にフラグが立てられ、調査し、これはこの例では、問題になっている車両の最初のものが実際に使用され始めてからほぼ３年である。この例では、縦軸は１００，０００ポンド単位の月次支出に対応する。このアプローチでは、統計的に有意でない事象が結果を過度に非対称にしないよう、十分に高い閾値を使用する必要があるが、これにより早期の課題検出の可能性が著しく制限される。
図１２６を参照すると、本方法は、所与の労働作業／車両コンポーネントの月次の総支出または頻度が所定の閾値を超えたときに課題にフラグが立てられる、簡単に上述した単純な月次コストベースのアプローチと比較して著しく良好に機能する。例として、図１２５に、所定の閾値（例えば１００，０００ポンド）を有する特定の労働作業の月次支出のグラフを示す。特定の付きの当該作業の総コストが閾値に達したときにようやく潜在的な課題にフラグが立てられ、調査し、これはこの例では、問題になっている車両の最初のものが実際に使用され始めてからほぼ３年である。この例では、縦軸は１００，０００ポンド単位の月次支出に対応する。このアプローチでは、統計的に有意でない事象が結果を過度に非対称にしないよう、十分に高い閾値を使用する必要があるが、これにより早期の課題検出の可能性が著しく制限される。
比較のために図１２７Ａと図１２７Ｂとに、それぞれ、２つの異なる車両コンポーネント、燃料噴射キットとＣＣＣＣ計器パネルの毎月のコストを（ｙ軸上に）示す。これらの事例では、本開示のノンパラメトリック予想法を使用して課題を検出することが可能な時点は、適切に選択の閾値での単純な閾値処理法での場合よりも、それぞれ、４３ヵ月と３１ヵ月早い。
Ｉｎｄｉｃｏの安定性
図１２８に、２０１２年３月から２０１０年１２月までのデータに対して遡及的に実行されたＩｎｄｉｃｏ分析の結果のグラフを示す。保証の終了時の予測障害率を再実行ごとに計算された。これらの障害率は図１２８において各再実行に対してプロットされており、データ成熟度と比較されている。
図１２８に、２０１２年３月から２０１０年１２月までのデータに対して遡及的に実行されたＩｎｄｉｃｏ分析の結果のグラフを示す。保証の終了時の予測障害率を再実行ごとに計算された。これらの障害率は図１２８において各再実行に対してプロットされており、データ成熟度と比較されている。
２０１０年１２月の最初の再実行は、２５．３％の予測障害率を生成した。分析は、データセットが４．９％しか成熟していないところで実行された。予測は、成熟度が低いために慎重に処理されるはずである。
後続の予測は２０１１年２月に１８．８％までの低減を生成した。この時点から先、予測値は非常に一貫したままであり、２０１２年３月に至るまで、１８．８％から１５．０％までの間で変動している。
この分析は、２０１１年２月から、比較的低い成熟度（＜１０％）でさえも、信頼できる予測が生成されたことを示している。予測件数の小さい変動はごく普通であり、成熟度が増加するにつれて減少する。
セクション４：システム概要
次にＩｎｄｉｃｏユーザインターフェースのさらなる詳細を説明する。
次にＩｎｄｉｃｏユーザインターフェースのさらなる詳細を説明する。
図３に、Ｉｎｄｉｃｏシステムのユーザインターフェースによって提供されるページのネットワークの図式的概要を示す。図３の各ブロックは、個別のページを表しており、ブロック間の矢印はページ間のナビゲーション関係を指示している。特に、あるページを表すブロックから別のページを表すブロックまでの矢印は、そのページから他方のページに直接ナビゲートすることが可能であることを表している。このナビゲーションは、各ページに表示された、以下で「チャーム」と呼ばれるナビゲーション要素によって実施される。
概要ページ１０２と詳細ページ１０４とが上述したページ間階層に従って設けられている。指示されるように、すべての労働作業にわたる結果から利用可能な労働作業のうちの任意の特定の１つの結果に切り替わるように、ブランド、製品、およびカーラインの概要ページから対応するレベルの階層の詳細ページに直接ナビゲートすることが可能である。
概要の製造者ページ１０２ａ、ブランドページ１０２ｂ、製品ページ１０２ｃ、およびカーラインページ１０２ｄは上記に従って設けられている。同様に詳細の製造者ページ１０４ａ、ブランドページ１０４ｂ、製品ページ１０４ｃ、およびカーラインページ１０４ｄも上記に従って設けられている。概要のブランドページ１０２ｂ、製品ページ１０２ｃ、およびカーラインページ１０２ｄから、階層の同じレベルの対応する詳細ページ１０４ｂ、１０４ｃ、１０４ｄに直接ナビゲートすることが可能である。概要ページ１０２と詳細ページ１０４の両方で、階層内の次の下位レベルの概要または詳細ページにそれぞれナビゲートすることが可能である。概要ブランドページ１０２ｂと概要製品ページ１０２ｃとから、上記に従ってそれぞれ、最終ブランドページ１０６ｂと最終製品ページ１０６ｃとにそれぞれナビゲートすることが可能である。概要カーラインページ１０２ｄから、上記に従って対応する最終バリアントページ１０６ｄに直接ナビゲートすることが可能である。最終のブランド、製品、およびバリアントのページ１０６は、それらが特定の労働作業に固有のものではないという意味で概要ページでもある。対照的に、特定の労働作業について、詳細のブランドページ１０４ｂ、製品ページ１０４ｃ、およびカーラインページ１０４ｄから最終ブランド労働作業ページ１０８ｂ、最終製品労働作業ページ１０８ｃ、および最終労働作業ページ１０８ｄにそれぞれ直接ナビゲートすることが可能である。
最終ブランドページ１０６ｂと最終製品ページ１０６ｃとは、個別の労働作業に固有ではない集約予測を提供する。最終バリアントページ１０６ｄは、やはり労働作業固有ではない予測を提供する。最終ブランド労働作業ページ１０８ｂと最終製品労働作業ページ１０８ｃとは、特定の労働作業に固有の集約予測を提供する。最終労働作業ページ１０８ｄは、やはり労働作業固有の予測を提供する。
概要のエンジン、エンジン―製品、およびエンジン―カーラインのページ１１０も設けられ、詳細のエンジン、エンジン―製品、およびエンジン―カーラインのページ１１２も同様である。これらのページのページ間階層は図１に矢印で示されており、図示のようにこれらは、最終バリアントページ１０６ｄと最終労働作業ページ１０８ｄとへの別の経路も提供する。結果トラッカ・カーライン・ページ１１４および結果トラッカ製品ページ１１６も、上記に従って設けられている。ソースデータ概要１１８、請求詳細グリッド１２０、および部品コード内訳ページ１２２も上記に従って設けることができる。
より詳細には、図３には、システム内で報告ページの各々がどのように連結されるかが示されている。次の２つの主要なトラック、（１）要素１０２と要素１１０とに対応する概要の予想、および（２）ユーザが異なるレベルの焦点を横断した上位課題を分析および特定するために探索できる要素１０４と要素１１２とに対応する詳細の予想、がある。各焦点レベルは、工学的視点から直感的に課題を見つけるように設計された系統的階層の一部を形成する。
図３の各報告ページ間の矢印は、各報告間のナビゲーション関係を示している。ナビゲーションは、ユーザが課題を迅速にトレースして特定の問題／影響を受ける領域に至ることを可能にする。一般に、階層を下がるほど、報告はより詳細になる。
あるいは、ユーザは、予想に関する詳細情報、生産情報、ならびに選択の課題を理解するのに役立つ他の補足的分析を見つけるために、任意のページから最終報告１０６／１０８ｂ〜ｄにナビゲートしてもよい。
サイトマップに表示されたその他の領域は結果トラッカページ１１４、１１６であり、予想の相対ランクが前の２４ヵ月にわたってどのように変化したかを示すために使用される。独立したソースデータ概要ページ１１８も設けられている。
最後に、システム内のすべての予想に利用可能な２つのデータグリッド、請求詳細グリッド１２０および部品コード内訳１１２があり、ユーザはこれらをその他のどのページでも要求することができる。
次に様々なページの内容を説明する。以下では、所与の階層内の所与のエンティティ（製造者、ブランド、製品、カーライン、エンジン、エンジン―カーラインなど）についてのメトリック（Ｃ／ＣＰＵ／Ｄ／ＤＰＵ）のうちの１つを表す視覚要素を有する様々な視覚表現を説明する。特に指示しない限り、これらのいずれについても、ユーザはいつでもどのメトリック（Ｃ／ＣＰＵ／Ｄ／ＤＰＵ）にも切り替えることができ、視覚表現は新しく選択されたメトリックを表すように動的に適応する。
５：ソースデータ概要
システムのこの領域は、ユーザに、システム内で予想結果を生成するために使用されたデータの概要を提供する。
システムのこの領域は、ユーザに、システム内で予想結果を生成するために使用されたデータの概要を提供する。
５．１ カーラインページ
フィルタ：ユーザがフィルタ：ページに示されたデータをフィルタリングすることができる。フィルタリングできるフィールドは以下のとおりである：
単一選択
カーライン
ナビゲーション：このページからのナビゲーションターゲットはない。
フィルタ：ユーザがフィルタ：ページに示されたデータをフィルタリングすることができる。フィルタリングできるフィールドは以下のとおりである：
単一選択
カーライン
ナビゲーション：このページからのナビゲーションターゲットはない。
５．１．１ 年式ごとの販売および請求
選択のカーラインについての年式ごとの販売および請求件数は、図４６に示されるように、データグリッドで示される。
選択のカーラインについての年式ごとの販売および請求件数は、図４６に示されるように、データグリッドで示される。
５．１．２ 月ごとの販売数量
選択のカーラインについての月ごとの販売件数は、図４７Ａに示されるように、柱状グラフで示される。
選択のカーラインについての月ごとの販売件数は、図４７Ａに示されるように、柱状グラフで示される。
５．１．３ 月ごとの請求数量
選択のカーラインについての月ごとの請求件数は、図４７Ｂに示されるように、柱状グラフで示される。
選択のカーラインについての月ごとの請求件数は、図４７Ｂに示されるように、柱状グラフで示される。
セクション６：予想―概要
この報告トラックは、以下の階層内の各レベルでの予想を表示する７ページを含む。
この報告トラックは、以下の階層内の各レベルでの予想を表示する７ページを含む。
製造者→ブランド→製品→カーライン
エンジン→エンジン―製品→エンジン―カーライン
これを、上述した階層のいずれかなど他の階層まで延ばすことができる。
エンジン→エンジン―製品→エンジン―カーライン
これを、上述した階層のいずれかなど他の階層まで延ばすことができる。
６．１ 製造者ページ
このページは、製造者レベルでの予想を示す。
このページは、製造者レベルでの予想を示す。
フィルタ：ユーザがフィルタ：ページに示されたデータをフィルタリングすることができる。フィルタリングできるフィールドは以下のとおりである：
単一選択
年式１
１年式フィルタは年式展開には適用されない。
単一選択
年式１
１年式フィルタは年式展開には適用されない。
見積長さ
ナビゲーション：ユーザはブランド概要（６．２参照）または製造者詳細（７．１参照）にナビゲートすることができる。
ナビゲーション：ユーザはブランド概要（６．２参照）または製造者詳細（７．１参照）にナビゲートすることができる。
選択の年式および見積月がパラメータとして渡される。
報告オブジェクト：このページは、製造者の年式予想を表示する単一の報告オブジェクトを含む。
６．１．１ 年式展開
これは、各年式全体にわたる製造者の予想の比較を示す。
これは、各年式全体にわたる製造者の予想の比較を示す。
これは、図４８に示されるように、年式ごとの現在の成績と予想成績との関係を示す積み上げ柱状グラフ内に提示される。
図４８では、各予測が、この例では年ごとの、柱状グラフの柱の形態の視覚表現として表示されている。年式２０１６の積み上げ柱は４８００とラベル付けされており、２つの視覚的に別個の部分４８０２、４８０４を有する。第１の部分４００２は、当該年の問題になっているメトリック（Ｃ／ＣＰＵ／Ｄ／ＤＰＵ）の履歴コンポーネント（すでに行われたかまたは負担された労働作業のコストの件数）を表し、第２の部分４８０４は、残りの将来のコンポーネント（すなわち、これから行われる／負担される予測修理作業の予測件数またはコスト）を表し、積み上げ柱全体４８００は履歴労働作業と将来の労働作業の組み合わせに対応する。明らかなように、将来値対履歴値の比は新しい車両ではより大きく、予期されるように、古いモデルでは０に接近または到達する。図４８では、選択のメトリックは見積請求頻度であるが、その他のメトリックのいずれも同じ様に提示することができる。ユーザがメトリックを切り替えるために使用できるドロップダウンメニューの形態の選択可能な要素４０８６が設けられている。
６．２ ブランドページ
このページはブランド予想全体を示す。
このページはブランド予想全体を示す。
フィルタ：ユーザがフィルタ：ページに示されたデータをフィルタリングすることができる。フィルタリングできるフィールドは以下のとおりである：
複数選択：単一選択：
年式２
ブランド 見積長さ
ナビゲーション：ユーザは製品概要（６．３参照）、最終ブランド報告（セクション１０参照）、またはブランド詳細（７．２参照）にナビゲートすることができる。
複数選択：単一選択：
年式２
ブランド 見積長さ
ナビゲーション：ユーザは製品概要（６．３参照）、最終ブランド報告（セクション１０参照）、またはブランド詳細（７．２参照）にナビゲートすることができる。
選択のブランド、年式および見積月がパラメータとして渡される。
報告オブジェクト：このページは、選択の年式および見積長さについての互いに対するブランド予想の比較を表示する３つの報告オブジェクトを含む。
６．２．１ 見積ノードツリー
これは、すべてのブランドに関する予想の比較を示し、図４９に示されるように、ノードツリー５７００内に提示される。ノードツリー５７００の構造は、図５７を参照して以下でさらに詳細に説明され、さらなる例がセクション１７に示される。図４９のノードツリー５７００は第１の状態で示されており、現在のページ（ブランドページ）が位置しているページ間階層の点を反映するために、ページ間製造者―ブランド―製品―カーライン階層の製造者―ブランド部分のみを表している。
これは、すべてのブランドに関する予想の比較を示し、図４９に示されるように、ノードツリー５７００内に提示される。ノードツリー５７００の構造は、図５７を参照して以下でさらに詳細に説明され、さらなる例がセクション１７に示される。図４９のノードツリー５７００は第１の状態で示されており、現在のページ（ブランドページ）が位置しているページ間階層の点を反映するために、ページ間製造者―ブランド―製品―カーライン階層の製造者―ブランド部分のみを表している。
図５０に示されるように、ノードツリーの背後にはブランドを相互に比較するツリーマップも切り替わって提示される。すなわち、ユーザはＵＩを介してノードツリーとツリーマップとを切り替えることができる。
ノードツリーとツリーマップの両方で、問題になっている各予測値が、それが表す値（Ｃ／ＣＰＵ／Ｄ／ＤＰＵ）に応じたサイズを有する（すなわち、表示領域を占める）視覚表現によって表される。特に、各視覚表現のサイズは値自体の関数として増加する。
６．２．２ 見積パレートグリッド（動的グリッド）
ブランド予想は、図５１に示されるように、動的データグリッド内にも示される。動的グリッドの例はセクション１７で後述する。
ブランド予想は、図５１に示されるように、動的データグリッド内にも示される。動的グリッドの例はセクション１７で後述する。
６．２．３ グループ化年式展開
これは、年式を横断したブランド予想の展開を示す。
これは、年式を横断したブランド予想の展開を示す。
データは、図５２に示されるように、年式ごとの現在の成績と予想成績との関係を示すグループ化積み上げ柱状グラフに提示される。
６．３ 製品ページ
このページは製品予想全体を示す。
このページは製品予想全体を示す。
フィルタ：ユーザがフィルタ：ページに示されたデータをフィルタリングすることができる。フィルタリングできるフィールドは以下のとおりである：
複数選択 単一選択
ブランド 年式２
２年式フィルタはグループ化年式展開には適用されない。
複数選択 単一選択
ブランド 年式２
２年式フィルタはグループ化年式展開には適用されない。
製品 見積長さ
ナビゲーション：ユーザはカーライン概要（６．４参照）、最終製品報告（セクション１１参照）、または製品詳細（７．３参照）にナビゲートすることができる。
ナビゲーション：ユーザはカーライン概要（６．４参照）、最終製品報告（セクション１１参照）、または製品詳細（７．３参照）にナビゲートすることができる。
選択の製品、年式および見積月がパラメータとして渡される。
報告オブジェクト：このページは、選択の年式および見積長さについての互いに対する製品予想の比較を表示する３つの報告オブジェクトを含む。
６．３．１ 見積ノードツリー
これは、すべてのブランドの下にネスト化されたすべての製品に関する予想の比較を示し、図５３に示されるように、ノードツリー５７００内に提示される。図５３のノードツリー５７００は第２の状態で示されており、製造者―ブランド―製品―カーライン階層の製造者―ブランド―製品部分のみを表している。
これは、すべてのブランドの下にネスト化されたすべての製品に関する予想の比較を示し、図５３に示されるように、ノードツリー５７００内に提示される。図５３のノードツリー５７００は第２の状態で示されており、製造者―ブランド―製品―カーライン階層の製造者―ブランド―製品部分のみを表している。
図５４に示されるように、ノードツリーの背後にはブランドとは無関係に製品を相互に比較するツリーマップも切り替わって提示される。
６．３．２ 見積パレートグリッド
製品予想は、図５５に示されるように、データグリッド内にも示される。
製品予想は、図５５に示されるように、データグリッド内にも示される。
６．３．３ グループ化年式展開
これは、年式を横断した製品予想の展開を示す。
これは、年式を横断した製品予想の展開を示す。
データは、図５６に示されるように、年式ごとの現在の成績と予想成績との関係を示すグループ化積み上げ柱状グラフに提示される。
６．４ カーラインページ
このページはカーライン予想全体を示す。
このページはカーライン予想全体を示す。
フィルタ：ユーザがフィルタ：ページに示されたデータをフィルタリングすることができる。フィルタリングできるフィールドは以下のとおりである：
複数選択 単一選択
ブランド 年式３
３年式フィルタはグループ化年式展開には適用されない。
複数選択 単一選択
ブランド 年式３
３年式フィルタはグループ化年式展開には適用されない。
製品
カーライン 見積長さ
ナビゲーション：ユーザは、最終バリアント報告（セクション９参照）、またはカーライン詳細（７．４参照）にナビゲートすることができる。
カーライン 見積長さ
ナビゲーション：ユーザは、最終バリアント報告（セクション９参照）、またはカーライン詳細（７．４参照）にナビゲートすることができる。
選択のカーライン、年式および見積月がパラメータとして渡される。
報告オブジェクト：このページは、選択の年式および見積長さについての互いに対するカーライン予想の比較を表示する３つの報告オブジェクトを含む。
６．４．１ 見積ノードツリー
これは、すべてのブランドおよび製品の下にネスト化されたすべてのカーラインに関する予想の比較を示し、図５７に示されるように、ノードツリー５７００内に提示される。
これは、すべてのブランドおよび製品の下にネスト化されたすべてのカーラインに関する予想の比較を示し、図５７に示されるように、ノードツリー５７００内に提示される。
カーラインページでは、ノードツリー５７００は、階層として配置された、すべてのレベルの製造者→ブランド→製品→カーライン階層に１つまたは複数のノードを有する。すなわち、製造者ノード５７０２の各子ノードは、当該製造者の特定のブランドを表すブランドノード５７０４であり、ブランドノード５７０４の各子ノードは、当該ブランド内の製品を表す製品ノード５７０６であり、製品ノード５７０６の各子ノードは、当該製品内の特定のカーラインを表すカーラインノード５７０８である。上述のように、各ノードのサイズは、それが対応する階層内のエンティティ（製造者、ブランド、製品、カーライン）のメトリック（Ｃ、ＣＰＵ、Ｄ、ＤＰＵ）の関数として変動する。階層のさらに上のページでは、図５３および図４９から分かるように、ノードツリーは階層内の当該の点まで延びているだけである。この説明は、図６１、図６５、図６９、図８１、および図９７を参照して以下で説明されるものを含む他のページ間階層にも等しく関連している。
図５８に示されるように、ノードツリーの背後にはブランドおよび製品の階層とは無関係にカーラインを相互に比較するツリーマップも切り替わって提示される。
６．４．２ 見積パレートグリッド
カーライン予想は、図５９に示されるように、データグリッド内にも示される。
カーライン予想は、図５９に示されるように、データグリッド内にも示される。
６．４．３ グループ化年式展開
これは、年式を横断したカーライン予想の展開を示す。
これは、年式を横断したカーライン予想の展開を示す。
データは、図６０に示されるように、年式ごとの現在の成績と予想成績との関係を示すグループ化積み上げ柱状グラフに提示される。
６．５ エンジンページ
このページはエンジン予想全体を示す。
このページはエンジン予想全体を示す。
フィルタ：ユーザがフィルタ：ページに示されたデータをフィルタリングすることができる。フィルタリングできるフィールドは以下のとおりである：
複数選択 単一選択
年式４
４年式フィルタはグループ化年式展開には適用されない。
複数選択 単一選択
年式４
４年式フィルタはグループ化年式展開には適用されない。
エンジン 見積長さ
ナビゲーション：ユーザはエンジン―製品概要（６．６参照）、エンジン―カーライン概要（６．７参照）、最終バリアント報告（セクション９参照）、またはエンジン詳細（７．５参照）にナビゲートすることができる。
ナビゲーション：ユーザはエンジン―製品概要（６．６参照）、エンジン―カーライン概要（６．７参照）、最終バリアント報告（セクション９参照）、またはエンジン詳細（７．５参照）にナビゲートすることができる。
選択のエンジン、年式および見積月がパラメータとして渡される。
報告オブジェクト：このページは、選択の年式および見積長さについての互いに対するエンジン予想の比較を表示する３つの報告オブジェクトを含む。
６．５．１ 見積ノードツリー
これは、すべてのエンジンに関する予想の比較を示し、図６１に示されるように、ノードツリー内に提示される。
これは、すべてのエンジンに関する予想の比較を示し、図６１に示されるように、ノードツリー内に提示される。
図６２に示されるように、ノードツリーの背後にはエンジンを相互に比較するツリーマップも切り替わって提示される。
６．５．２ 見積パレートグリッド
エンジン予想は、図６３に示されるように、データグリッド内にも示される。
エンジン予想は、図６３に示されるように、データグリッド内にも示される。
６．５．３ グループ化年式展開
これは、年式を横断したエンジン予想の展開を示す。
これは、年式を横断したエンジン予想の展開を示す。
データは、図６４に示されるように、年式ごとの現在の成績と予想成績との関係を示すグループ化積み上げ柱状グラフに提示される。
６．６ エンジン―製品ページ
このページはエンジン―製品予想全体を示す。
このページはエンジン―製品予想全体を示す。
フィルタ：ユーザがフィルタ：ページに示されたデータをフィルタリングすることができる。フィルタリングできるフィールドは以下のとおりである：
複数選択 単一選択
エンジン
年式５
５年式フィルタはグループ化年式展開には適用されない。
複数選択 単一選択
エンジン
年式５
５年式フィルタはグループ化年式展開には適用されない。
ブランド
製品 見積長さ
ナビゲーション：ユーザはエンジン―カーライン概要（６．７参照）またはエンジン―製品詳細（７．６参照）にナビゲートすることができる。
製品 見積長さ
ナビゲーション：ユーザはエンジン―カーライン概要（６．７参照）またはエンジン―製品詳細（７．６参照）にナビゲートすることができる。
選択のエンジン、製品、年式および見積月がパラメータとして渡される。
報告オブジェクト：このページは、選択の年式および見積長さについての互いに対するエンジン―製品予想の比較を表示する３つの報告オブジェクトを含む。
６．６．１ 見積ノードツリー
これは、製品が適合している各エンジンの下にネスト化されたすべての製品に関する予想の比較を示し、図６５に示されるように、ノードツリー内に提示される。
これは、製品が適合している各エンジンの下にネスト化されたすべての製品に関する予想の比較を示し、図６５に示されるように、ノードツリー内に提示される。
図６９のノードツリーが対応する。
図６６に示されるように、ノードツリーの背後には、エンジン内でグループ化された、製品を相互に比較するツリーマップも切り替わって提示される。
６．６．２ 見積パレートグリッド
エンジン―製品予想は、図６７に示されるように、データグリッド内にも示される。
エンジン―製品予想は、図６７に示されるように、データグリッド内にも示される。
６．６．３ グループ化年式展開
これは、年式を横断したエンジン―製品予想の展開を示す。
これは、年式を横断したエンジン―製品予想の展開を示す。
データは、図６８に示されるように、年式ごとの現在の成績と予想成績との関係を示すグループ化積み上げ柱状グラフに提示される。
６．７ エンジン―カーラインページ
このページはエンジン―カーライン予想全体を示す。
このページはエンジン―カーライン予想全体を示す。
フィルタ：ユーザがフィルタ：ページに示されたデータをフィルタリングすることができる。フィルタリングできるフィールドは以下のとおりである：
複数選択 単一選択
エンジン 年式６
６年式フィルタはグループ化年式展開には適用されない。
複数選択 単一選択
エンジン 年式６
６年式フィルタはグループ化年式展開には適用されない。
ブランド 見積長さ
製品
カーライン
ナビゲーション：ユーザは、最終バリアント報告（セクション９参照）、またはエンジン―カーライン詳細（７．７参照）にナビゲートすることができる。
製品
カーライン
ナビゲーション：ユーザは、最終バリアント報告（セクション９参照）、またはエンジン―カーライン詳細（７．７参照）にナビゲートすることができる。
選択のエンジン、カーライン、年式および見積月がパラメータとして渡される。
報告オブジェクト：このページは、選択の年式および見積長さについての互いに対するエンジン―カーライン予想の比較を表示する３つの報告オブジェクトを含む。
６．７．１ 見積ノードツリー
これは、カーラインが適合している各エンジンとカーラインが配置される製品との下にネスト化されたすべてのカーラインに関する予想の比較を示す。これは、図６９に示されるように、ノードツリー内に提示される。
これは、カーラインが適合している各エンジンとカーラインが配置される製品との下にネスト化されたすべてのカーラインに関する予想の比較を示す。これは、図６９に示されるように、ノードツリー内に提示される。
図７０に示されるように、ノードツリーの背後には、エンジン内でグループ化された、カーラインを相互に比較するツリーマップも切り替わって提示される。
６．７．２ 見積パレートグリッド
エンジン―カーライン予想は、図７１に示されるように、データグリッド内にも示される。
エンジン―カーライン予想は、図７１に示されるように、データグリッド内にも示される。
６．７．３ グループ化年式展開
これは、年式を横断したエンジン―カーライン予想の展開を示す。
これは、年式を横断したエンジン―カーライン予想の展開を示す。
データは、図７２に示されるように、年式ごとの現在の成績と予想成績との関係を示すグループ化積み上げ柱状グラフに提示される。
セクション７：予想―詳細
この報告トラックは、労働作業レベルでの予想を表示する７ページを含む。
この報告トラックは、労働作業レベルでの予想を表示する７ページを含む。
各ページは、以下の階層からの単一の集約レベルでの労働作業予想を示す。
製造者→ブランド→製品→カーライン
エンジン→エンジン―製品→エンジン―カーライン
エンジン→エンジン―製品→エンジン―カーライン
７．１ 製造者ページ
このページは、製造者レベルでの労働作業予想を示す。
このページは、製造者レベルでの労働作業予想を示す。
フィルタ：ユーザがフィルタ：ページに示されたデータをフィルタリングすることができる。フィルタリングできるフィールドは以下のとおりである：
複数選択 単一選択
カテゴリ 年式７
７年式フィルタは年式展開または積み上げ／選択ＴＩＳには適用されない。
複数選択 単一選択
カテゴリ 年式７
７年式フィルタは年式展開または積み上げ／選択ＴＩＳには適用されない。
労働作業 見積長さ８
８見積長さフィルタは積み上げ／選択ＴＩＳには適用されない。
８見積長さフィルタは積み上げ／選択ＴＩＳには適用されない。
ナビゲーション：ユーザは、予想を選択すると、ブランド詳細報告にナビゲートすることができる。
ユーザは、予想を選択すると、製品詳細報告にナビゲートすることができる。
選択の労働作業、年式および見積月がパラメータとして渡される。
報告オブジェクト：このページには２つに部分があり、第１の部分は製造者労働作業予想を含み、第２の部分は選択の予想に関するコンテキストを示す。
ユーザが第１の部分で予想を選択すると、ユーザの選択に基づいて第２の部分内のオブジェクトがデータをロードする。
見積パレートグリッドは予想を示し、年式展開および積み上げ／選択ＴＩＳオブジェクトはコンテキストを示す。
７．１．１ 見積パレートグリッド
図７３に示されるように、製造者労働作業予想がデータグリッドに示される。
図７３に示されるように、製造者労働作業予想がデータグリッドに示される。
７．１．２ 年式展開
これは、各年式全体にわたる選択の製造者労働作業に関する予想の比較を示す。
これは、各年式全体にわたる選択の製造者労働作業に関する予想の比較を示す。
これは、図４８に示されるように、年式ごとの現在の成績と予想成績との関係を示す積み上げ柱状グラフ内に提示される。
７．１．３ 積み上げ／選択ＴＩＳ
これは、選択の労働作業についての生産月、使用時間（ＴＩＳ）成績を示す。
これは、選択の労働作業についての生産月、使用時間（ＴＩＳ）成績を示す。
データは２つの異なるやり方で表示され、各々にその独自のグラフがある。
積み上げＴＩＳグラフは、図７４に示されるように、選択の製造者労働作業の各ＴＩＳ期間の成績を示す。
選択ＴＩＳグラフは、図７５に示されるように、単一選択のＴＩＳ期間の選択の労働作業に関する製造者成績を示す。
７．２ ブランドページ
このページは、ブランドレベルでの労働作業予想を示す。
このページは、ブランドレベルでの労働作業予想を示す。
フィルタ：ユーザがフィルタ：ページに示されたデータをフィルタリングすることができる。フィルタリングできるフィールドは以下のとおりである：
複数選択 単一選択
ブランド
年式９
９年式フィルタは年式展開または積み上げ／選択ＴＩＳには適用されない。
複数選択 単一選択
ブランド
年式９
９年式フィルタは年式展開または積み上げ／選択ＴＩＳには適用されない。
カテゴリ
労働作業 見積長さ１０
１０見積長さフィルタは積み上げ／選択ＴＩＳには適用されない。
労働作業 見積長さ１０
１０見積長さフィルタは積み上げ／選択ＴＩＳには適用されない。
ナビゲーション：ユーザは、予想を選択すると、最終ブランド報告にナビゲートすることができる。
ユーザは、予想を選択すると、製品詳細にナビゲートすることができる。
選択のブランド、労働作業、年式および見積月がパラメータとして渡される。
報告オブジェクト：このページには２つに部分があり、第１の部分はブランド労働作業予想を含み、第２の部分は選択の予想に関するコンテキストを示す。
ユーザが第１の部分で予想を選択すると、ユーザの選択に基づいて第２の部分内のオブジェクトがデータをロードする。
見積パレートグリッドは予想を示し、見積ノードツリー、年式展開および積み上げ／選択ＴＩＳオブジェクトはコンテキストを示す。
７．２．１ 見積パレートグリッド
図７６に示されるように、ブランド労働作業予想がデータグリッドに示される。
図７６に示されるように、ブランド労働作業予想がデータグリッドに示される。
７．２．２ 見積ノードツリー
これは、すべての他のブランドにわたる同じ労働作業に関する予想の比較を示し、図４９に示されるように、ノードツリー内に提示される。
これは、すべての他のブランドにわたる同じ労働作業に関する予想の比較を示し、図４９に示されるように、ノードツリー内に提示される。
７．２．３ 年式展開
これは、各年式全体にわたる選択のブランド労働作業に関する予想の比較を示す。
これは、各年式全体にわたる選択のブランド労働作業に関する予想の比較を示す。
これは、図４８に示されるように、年式ごとの現在の成績と予想成績との関係を示す積み上げ柱状グラフ内に提示される。
７．２．４ 積み上げ／選択ＴＩＳ
これは、選択の労働作業についての生産月、使用時間（ＴＩＳ）成績を示す。
これは、選択の労働作業についての生産月、使用時間（ＴＩＳ）成績を示す。
データは２つの異なるやり方で表示され、各々にその独自のグラフがある。
積み上げＴＩＳグラフは、図７４に示されるように、選択のブランドおよび労働作業の各ＴＩＳ期間の成績を示す。
選択ＴＩＳグラフは、図７７に示されるように、単一選択のＴＩＳ期間の選択の労働作業に関するすべてのブランドの比較を示す。
７．３ 製品ページ
このページは、製品レベルでの労働作業予想を示す。
このページは、製品レベルでの労働作業予想を示す。
フィルタ：ユーザがフィルタ：ページに示されたデータをフィルタリングすることができる。フィルタリングできるフィールドは以下のとおりである：
複数選択 単一選択
ブランド 年式１１
１１年式フィルタは年式展開または積み上げ／選択ＴＩＳには適用されない。
複数選択 単一選択
ブランド 年式１１
１１年式フィルタは年式展開または積み上げ／選択ＴＩＳには適用されない。
製品 見積長さ１２
１２見積長さフィルタは積み上げ／選択ＴＩＳには適用されない。
１２見積長さフィルタは積み上げ／選択ＴＩＳには適用されない。
カテゴリ
労働作業
ナビゲーション：ユーザは、予想を選択すると、最終製品報告（セクション１１参照）にナビゲートすることができる。
労働作業
ナビゲーション：ユーザは、予想を選択すると、最終製品報告（セクション１１参照）にナビゲートすることができる。
ユーザは、予想を選択すると、カーライン詳細（７．４参照）にナビゲートすることができる。
選択の製品、労働作業、年式および見積月がパラメータとして渡される。
報告オブジェクト：このページには２つに部分があり、第１の部分は製品労働作業予想を含み、第２の部分は選択の予想に関するコンテキストを示す。
ユーザが第１の部分で予想を選択すると、ユーザの選択に基づいて第２の部分内のオブジェクトがデータをロードする。
見積パレートグリッドは予想を示し、見積ノードツリー、年式展開および積み上げ／選択ＴＩＳオブジェクトはコンテキストを示す。
７．３．１ 見積パレートグリッド
図７８に示されるように、製品労働作業予想がデータグリッドに示される。
図７８に示されるように、製品労働作業予想がデータグリッドに示される。
７．３．２ 見積ノードツリー
これは、すべての他のブランドおよび製品にわたる同じ労働作業に関する予想の比較を示し、図５３に示されるように、ノードツリー内に提示される。
これは、すべての他のブランドおよび製品にわたる同じ労働作業に関する予想の比較を示し、図５３に示されるように、ノードツリー内に提示される。
７．３．３ 年式展開
これは、各年式全体にわたる選択の製品労働作業に関する予想の比較を示す。
これは、各年式全体にわたる選択の製品労働作業に関する予想の比較を示す。
これは、図４８に示されるように、年式ごとの現在の成績と予想成績との関係を示す積み上げ柱状グラフ内に提示される。
７．３．４ 積み上げ／選択ＴＩＳ
これは、選択の労働作業についての生産月、使用時間（ＴＩＳ）成績を示す。
これは、選択の労働作業についての生産月、使用時間（ＴＩＳ）成績を示す。
データは２つの異なるやり方で表示され、各々にその独自のグラフがある。
積み上げＴＩＳグラフは、図７４に示されるように、選択の製品および労働作業の各ＴＩＳ期間の成績を示す。
選択ＴＩＳグラフは、図７９に示されるように、単一選択のＴＩＳ期間の選択の労働作業に関するすべての製品の比較を示す。
７．４ カーラインページ
このページは、カーラインレベルでの労働作業予想を示す。
このページは、カーラインレベルでの労働作業予想を示す。
フィルタ：ユーザがフィルタ：ページに示されたデータをフィルタリングすることができる。フィルタリングできるフィールドは以下のとおりである：
複数選択 単一選択
ブランド 年式１３
１３年式フィルタは年式展開または積み上げ／選択ＴＩＳには適用されない。
複数選択 単一選択
ブランド 年式１３
１３年式フィルタは年式展開または積み上げ／選択ＴＩＳには適用されない。
製品 見積長さ１４
１４見積長さフィルタは積み上げ／選択ＴＩＳには適用されない。
１４見積長さフィルタは積み上げ／選択ＴＩＳには適用されない。
カーライン
カテゴリ
労働作業
ナビゲーション：ユーザは、予想を選択すると、最終労働作業報告にナビゲートすることができる。
カテゴリ
労働作業
ナビゲーション：ユーザは、予想を選択すると、最終労働作業報告にナビゲートすることができる。
選択のカーライン、労働作業、年式および見積月がパラメータとして渡される。
報告オブジェクト：このページには２つに部分があり、第１の部分はカーライン労働作業予想を含み、第２の部分は選択の予想に関するコンテキストを示す。
ユーザが第１の部分で予想を選択すると、ユーザの選択に基づいて第２の部分内のオブジェクトがデータをロードする。
見積パレートグリッドは予想を示し、見積ノードツリー、年式展開、見積ノードツリー（エンジン／変速機）、および積み上げ／選択ＴＩＳオブジェクトはコンテキストを示す。
７．４．１ 見積パレートグリッド
図８０に示されるように、カーライン労働作業予想がデータグリッドに示される。
図８０に示されるように、カーライン労働作業予想がデータグリッドに示される。
７．４．２ 見積ノードツリー
これは、すべての他のブランド、製品、およびカーラインにわたる同じ労働作業に関する予想の比較を示し、図５７に示されるように、ノードツリー内に提示される。
これは、すべての他のブランド、製品、およびカーラインにわたる同じ労働作業に関する予想の比較を示し、図５７に示されるように、ノードツリー内に提示される。
７．４．３ 年式展開
これは、各年式全体にわたる選択のカーライン労働作業に関する予想の比較を示す。
これは、各年式全体にわたる選択のカーライン労働作業に関する予想の比較を示す。
これは、図４８に示されるように、年式ごとの現在の成績と予想成績との関係を示す積み上げ柱状グラフ内に提示される。
７．４．４ 見積ノードツリー（エンジン／変速機）
これは、当該カーラインに適合するエンジンと変速機の異なる組み合わせおよび順列に関する予想を有する選択のカーライン労働作業に関する予想の比較を示す。
これは、当該カーラインに適合するエンジンと変速機の異なる組み合わせおよび順列に関する予想を有する選択のカーライン労働作業に関する予想の比較を示す。
これは、図８１に示されるように、第２のノードツリー内に提示される。
７．４．５ 積み上げ／選択ＴＩＳ
これは、選択の労働作業についての生産月、使用時間（ＴＩＳ）成績を示す。
これは、選択の労働作業についての生産月、使用時間（ＴＩＳ）成績を示す。
データは２つの異なるやり方で表示され、各々にその独自のグラフがある。
積み上げＴＩＳグラフは、図７４に示されるように、選択のカーラインおよび労働作業の各ＴＩＳ期間の成績を示す。
選択ＴＩＳグラフは、図８２に示されるように、単一選択のＴＩＳ期間の選択の労働作業に関するすべてのカーラインの比較を示す。
７．５ エンジンページ
このページは、エンジンレベルでの労働作業予想を示す。
このページは、エンジンレベルでの労働作業予想を示す。
フィルタ：ユーザがフィルタ：ページに示されたデータをフィルタリングすることができる。フィルタリングできるフィールドは以下のとおりである：
複数選択 単一選択
エンジン
年式１５
１５年式フィルタは年式展開または積み上げ／選択ＴＩＳには適用されない。
複数選択 単一選択
エンジン
年式１５
１５年式フィルタは年式展開または積み上げ／選択ＴＩＳには適用されない。
カテゴリ
労働作業 見積長さ１６
１６見積長さフィルタは積み上げ／選択ＴＩＳには適用されない。
労働作業 見積長さ１６
１６見積長さフィルタは積み上げ／選択ＴＩＳには適用されない。
ナビゲーション：ユーザは、予想を選択すると、最終労働作業報告にナビゲートすることができる。
ユーザは、予想を選択すると、エンジン―製品詳細報告にナビゲートすることができる。
ユーザは、予想を選択すると、エンジン―カーライン詳細報告にナビゲートすることができる。
選択のエンジン、労働作業、年式および見積月がパラメータとして渡される。
報告オブジェクト：このページには２つに部分があり、第１の部分はエンジン労働作業予想を含み、第２の部分は選択の予想に関するコンテキストを示す。
ユーザが第１の部分で予想を選択すると、ユーザの選択に基づいて第２の部分内のオブジェクトがデータをロードする。
見積パレートグリッドは予想を示し、見積ノードツリー、年式展開および積み上げ／選択ＴＩＳオブジェクトはコンテキストを示す。
７．５．１ 見積パレートグリッド
図８３に示されるように、エンジン労働作業予想がデータグリッドに示される。
図８３に示されるように、エンジン労働作業予想がデータグリッドに示される。
７．５．２ 見積ノードツリー
これは、すべての他のエンジンにわたる同じ労働作業に関する予想の比較を示し、図６１に示されるように、ノードツリー内に提示される。
これは、すべての他のエンジンにわたる同じ労働作業に関する予想の比較を示し、図６１に示されるように、ノードツリー内に提示される。
７．５．３ 年式展開
これは、各年式全体にわたる選択のエンジン労働作業に関する予想の比較を示す。
これは、各年式全体にわたる選択のエンジン労働作業に関する予想の比較を示す。
これは、図４８に示されるように、年式ごとの現在の成績と予想成績との関係を示す積み上げ柱状グラフ内に提示される。
７．５．４ 積み上げ／選択ＴＩＳ
これは、選択の労働作業についての生産月、使用時間（ＴＩＳ）成績を示す。
これは、選択の労働作業についての生産月、使用時間（ＴＩＳ）成績を示す。
データは２つの異なるやり方で表示され、各々にその独自のグラフがある。
積み上げＴＩＳグラフは、図７４に示されるように、選択のエンジンおよび労働作業の各ＴＩＳ期間の成績を示す。
選択ＴＩＳグラフは、図８４に示されるように、単一選択のＴＩＳ期間の選択の労働作業に関するすべてのエンジンの比較を示す。
７．６ エンジン―製品ページ
このページは、エンジン―製品レベルでの労働作業予想を示す。
このページは、エンジン―製品レベルでの労働作業予想を示す。
フィルタ：ユーザがフィルタ：ページに示されたデータをフィルタリングすることができる。フィルタリングできるフィールドは以下のとおりである：
複数選択 単一選択
エンジン 年式１７
１７年式フィルタは年式展開または積み上げ／選択ＴＩＳには適用されない。
複数選択 単一選択
エンジン 年式１７
１７年式フィルタは年式展開または積み上げ／選択ＴＩＳには適用されない。
ブランド 見積長さ１８
１８見積長さフィルタは積み上げ／選択ＴＩＳには適用されない。
１８見積長さフィルタは積み上げ／選択ＴＩＳには適用されない。
製品
カテゴリ
労働作業
ナビゲーション：ユーザは、予想を選択すると、エンジン―カーライン詳細報告にナビゲートすることができる。
カテゴリ
労働作業
ナビゲーション：ユーザは、予想を選択すると、エンジン―カーライン詳細報告にナビゲートすることができる。
選択のエンジン、製品、労働作業、年式および見積月がパラメータとして渡される。
報告オブジェクト：このページには２つに部分があり、第１の部分はエンジン―製品労働作業予想を含み、第２の部分は選択の予想に関するコンテキストを示す。
ユーザが第１の部分で予想を選択すると、ユーザの選択に基づいて第２の部分内のオブジェクトがデータをロードする。
見積パレートグリッドは予想を示し、見積ノードツリー、年式展開および積み上げ／選択ＴＩＳオブジェクトはコンテキストを示す。
７．６．１ 見積パレートグリッド
図８５に示されるように、エンジン―製品労働作業予想がデータグリッドに示される。
図８５に示されるように、エンジン―製品労働作業予想がデータグリッドに示される。
７．６．２ 見積ノードツリー
これは、すべての他のエンジンおよび製品にわたる同じ労働作業に関する予想の比較を示し、図６５に示されるように、ノードツリー内に提示される。
これは、すべての他のエンジンおよび製品にわたる同じ労働作業に関する予想の比較を示し、図６５に示されるように、ノードツリー内に提示される。
７．６．３ 年式展開
これは、各年式全体にわたる選択のエンジン―製品労働作業に関する予想の比較を示す。
これは、各年式全体にわたる選択のエンジン―製品労働作業に関する予想の比較を示す。
これは、図４８に示されるように、年式ごとの現在の成績と予想成績との関係を示す積み上げ柱状グラフ内に提示される。
７．６．４ 積み上げ／選択ＴＩＳ
これは、選択の労働作業についての生産月、使用時間（ＴＩＳ）成績を示す。
これは、選択の労働作業についての生産月、使用時間（ＴＩＳ）成績を示す。
データは２つの異なるやり方で表示され、各々にその独自のグラフがある。
積み上げＴＩＳグラフは、図７４に示されるように、選択のエンジン―製品および労働作業の各ＴＩＳ期間の成績を示す。
選択ＴＩＳグラフは、図８６に示されるように、単一選択のＴＩＳ期間の選択の労働作業に関するすべてのエンジン―製品の比較を示す。
７．７ エンジン―カーラインページ
このページは、エンジン―カーラインレベルでの労働作業予想を示す。
このページは、エンジン―カーラインレベルでの労働作業予想を示す。
フィルタ：ユーザがフィルタ：ページに示されたデータをフィルタリングすることができる。フィルタリングできるフィールドは以下のとおりである：
複数選択 単一選択
エンジン 年式１９
１９年式フィルタは年式展開または積み上げ／選択ＴＩＳには適用されない。
複数選択 単一選択
エンジン 年式１９
１９年式フィルタは年式展開または積み上げ／選択ＴＩＳには適用されない。
ブランド 見積長さ２０
２０見積長さフィルタは積み上げ／選択ＴＩＳには適用されない。
２０見積長さフィルタは積み上げ／選択ＴＩＳには適用されない。
製品
カーライン
カテゴリ労働
作業
ナビゲーション：ユーザは、予想を選択すると、最終労働作業報告にナビゲートすることができる。
カーライン
カテゴリ労働
作業
ナビゲーション：ユーザは、予想を選択すると、最終労働作業報告にナビゲートすることができる。
選択のエンジン、カーライン、労働作業、年式および見積月がパラメータとして渡される。
報告オブジェクト：このページには２つに部分があり、第１の部分はエンジン―カーライン労働作業予想を含み、第２の部分は選択の予想に関するコンテキストを示す。
ユーザが第１の部分で予想を選択すると、ユーザの選択に基づいて第２の部分内のオブジェクトがデータをロードする。
見積パレートグリッドは予想を示し、見積ノードツリー、年式展開および積み上げ／選択ＴＩＳオブジェクトはコンテキストを示す。
７．７．１ 見積パレートグリッド
図８７に示されるように、エンジン―カーライン労働作業予想がデータグリッドに示される。
図８７に示されるように、エンジン―カーライン労働作業予想がデータグリッドに示される。
７．７．２ 見積ノードツリー
これは、すべての他のエンジン、製品、およびカーラインにわたる同じ労働作業に関する予想の比較を示し、図６９に示されるように、ノードツリー内に提示される。
これは、すべての他のエンジン、製品、およびカーラインにわたる同じ労働作業に関する予想の比較を示し、図６９に示されるように、ノードツリー内に提示される。
７．７．３ 年式展開
これは、各年式全体にわたる選択のエンジン―カーライン労働作業に関する予想の比較を示す。
これは、各年式全体にわたる選択のエンジン―カーライン労働作業に関する予想の比較を示す。
これは、図４８に示されるように、年式ごとの現在の成績と予想成績との関係を示す積み上げ柱状グラフ内に提示される。
７．７．４ 積み上げ／選択ＴＩＳ
これは、選択の労働作業についての生産月、使用時間（ＴＩＳ）成績を示す。
これは、選択の労働作業についての生産月、使用時間（ＴＩＳ）成績を示す。
データは２つの異なるやり方で表示され、各々にその独自のグラフがある。
積み上げＴＩＳグラフは、図７４に示されるように、選択のエンジン―カーラインおよび労働作業の各ＴＩＳ期間の成績を示す。
選択ＴＩＳグラフは、図８８に示されるように、単一選択のＴＩＳ期間の選択の労働作業に関するすべてのエンジン―カーラインの比較を示す。
セクション８：結果トラッカ
この報告トラックは、労働作業レベルでの予想の、経時的な、相対ランクの展開を表示する２ページを含む。
この報告トラックは、労働作業レベルでの予想の、経時的な、相対ランクの展開を表示する２ページを含む。
各ページは、以下の階層からの単一の集約レベルでの相対ランクの展開を示す。
製品→カーライン
８．１ 製品ページ
このページは、製品レベルでの労働作業予想の、経時的な、相対ランクの展開を示す。
このページは、製品レベルでの労働作業予想の、経時的な、相対ランクの展開を示す。
フィルタ：ユーザがフィルタ：ページに示されたデータをフィルタリングすることができる。フィルタリングできるフィールドは以下のとおりである：
単一選択
製品
年式２１
２１年式フィルタは、積み上げ／選択ＴＩＳ、履歴見積展開または年式展開には適用されない。
単一選択
製品
年式２１
２１年式フィルタは、積み上げ／選択ＴＩＳ、履歴見積展開または年式展開には適用されない。
見積長さ２２
２２見積長さフィルタは積み上げ／選択ＴＩＳには適用されない。
２２見積長さフィルタは積み上げ／選択ＴＩＳには適用されない。
ナビゲーション：ユーザは、予想を選択すると、最終製品労働作業報告（セクション１４参照）にナビゲートすることができる。
選択の製品、労働作業、年式および見積月がパラメータとして渡される。
報告オブジェクト：このページには２つに部分があり、第１の部分は製品労働作業予想のランク展開を含み、第２の部分は選択の予想に関するコンテキストを示す。
ユーザが第１の部分で予想を選択すると、ユーザの選択に基づいて第２の部分内のオブジェクトがデータをロードする。
見積パレートグリッドは予想を示し、積み上げ／選択ＴＩＳオブジェクト、履歴見積展開オブジェクト、および年式展開オブジェクトはコンテキストを示す。
８．１．１ 見積パレートグリッド
製品労働作業予想のランク展開がデータグリッドに示され、現在のランク、履歴における最高ランク、および直前の２４ヵ月間の中間時点からそのランクへの変化を詳述する。このデータグリッドは図８９に示されている。
製品労働作業予想のランク展開がデータグリッドに示され、現在のランク、履歴における最高ランク、および直前の２４ヵ月間の中間時点からそのランクへの変化を詳述する。このデータグリッドは図８９に示されている。
８．１．２ 積み上げ／選択ＴＩＳ
これは、選択の労働作業についての生産月、使用時間（ＴＩＳ）成績を示す。
これは、選択の労働作業についての生産月、使用時間（ＴＩＳ）成績を示す。
データは２つの異なるやり方で表示され、各々にその独自のグラフがある。
積み上げＴＩＳグラフは、図７４に示されるように、選択の製品労働作業の各ＴＩＳ期間の成績を示す。
選択ＴＩＳグラフは、図９０に示されるように、単一選択のＴＩＳ期間の選択の労働作業に関するすべての製品の比較を示す。
８．１．３ 履歴見積展開
これは、選択の労働作業に関する予想が年式ごとに経時的にどのように展開したかの比較を示す。
これは、選択の労働作業に関する予想が年式ごとに経時的にどのように展開したかの比較を示す。
このデータは、複数系列折れ線グラフに表示され、図９１に示されるように、年式ごとに別個の線系列を有する。
８．１．４ 年式展開
これは、各年式全体にわたる選択の製品労働作業に関する予想の比較を示す。
これは、各年式全体にわたる選択の製品労働作業に関する予想の比較を示す。
これは、図４８に示されるように、年式ごとの現在の成績と予想成績との関係を示す積み上げ柱状グラフ内に提示される。
８．２ カーラインページ
このページは、カーラインレベルでの労働作業予想の、経時的な、相対ランクの展開を示す。
このページは、カーラインレベルでの労働作業予想の、経時的な、相対ランクの展開を示す。
フィルタ：ユーザがフィルタ：ページに示されたデータをフィルタリングすることができる。フィルタリングできるフィールドは以下のとおりである：
単一選択
カーライン
年式２３
２３年式フィルタは、積み上げ／選択ＴＩＳ、履歴見積展開または年式展開には適用されない。
単一選択
カーライン
年式２３
２３年式フィルタは、積み上げ／選択ＴＩＳ、履歴見積展開または年式展開には適用されない。
見積長さ２４
２４見積長さフィルタは積み上げ／選択ＴＩＳには適用されない。
２４見積長さフィルタは積み上げ／選択ＴＩＳには適用されない。
ナビゲーション：ユーザは、予想を選択すると、最終労働作業報告（セクション１２参照）にナビゲートすることができる。
選択のカーライン、労働作業、年式および見積月がパラメータとして渡される。
報告オブジェクト：このページには２つに部分があり、第１の部分はカーライン労働作業予想のランク展開を含み、第２の部分は選択の予想に関するコンテキストを示す。
ユーザが第１の部分で予想を選択すると、ユーザの選択に基づいて第２の部分内のオブジェクトがデータをロードする。
見積パレートグリッドは予想を示し、積み上げ／選択ＴＩＳオブジェクト、履歴見積展開オブジェクト、および年式展開オブジェクトはコンテキストを示す。
８．２．１ 見積パレートグリッド
カーライン労働作業予想のランク展開がデータグリッドに示され、現在のランク、履歴における最高ランク、および直前の２４ヵ月間の中間時点からそのランクへの変化を詳述する。このデータグリッドは図９２に示されている。
カーライン労働作業予想のランク展開がデータグリッドに示され、現在のランク、履歴における最高ランク、および直前の２４ヵ月間の中間時点からそのランクへの変化を詳述する。このデータグリッドは図９２に示されている。
８．２．２ 積み上げ／選択ＴＩＳ
これは、選択の労働作業についての生産月、使用時間（ＴＩＳ）成績を示す。
これは、選択の労働作業についての生産月、使用時間（ＴＩＳ）成績を示す。
データは２つの異なるやり方で表示され、各々にその独自のグラフがある。
積み上げＴＩＳグラフは、図７４に示されるように、選択のカーライン労働作業の各ＴＩＳ期間の成績を示す。
選択ＴＩＳグラフは、図９３に示されるように、単一選択のＴＩＳ期間の選択の労働作業に関するすべてのカーラインの比較を示す。
８．２．３ 履歴見積展開
これは、選択の労働作業に関する予想が年式ごとに経時的にどのように展開したかの比較を示す。
これは、選択の労働作業に関する予想が年式ごとに経時的にどのように展開したかの比較を示す。
このデータは、複数系列折れ線グラフに表示され、図９１に示されるように、年式ごとに別個の線系列を有する。
８．２．４ 年式展開
これは、各年式全体にわたる選択のカーライン労働作業に関する予想の比較を示す。
これは、各年式全体にわたる選択のカーライン労働作業に関する予想の比較を示す。
これは、図４８に示されるように、年式ごとの現在の成績と予想成績との関係を示す積み上げ柱状グラフ内に提示される。
セクション９：最終バリアント報告
この報告は、単一の年式、単一の見積長さについての全地域／単一地域／カーライン／エンジン／変速機の選択の組み合わせでの予想を裏付ける詳細な情報を表示する３ページを含む。
この報告は、単一の年式、単一の見積長さについての全地域／単一地域／カーライン／エンジン／変速機の選択の組み合わせでの予想を裏付ける詳細な情報を表示する３ページを含む。
報告内のページの各々は報告の最上部にあるタブを介してアクセスされる。
９．１ 予想タブ
このページは、全地域／単一地域／カーライン／エンジン／変速機、年式および見積月についての予想を示す。
このページは、全地域／単一地域／カーライン／エンジン／変速機、年式および見積月についての予想を示す。
フィルタ：ユーザがフィルタ：ページに示されたデータをフィルタリングすることができる。フィルタリングできるフィールドは以下のとおりである：
単一選択
地域
カーライン
エンジン
変速機
年式２５
２５年式フィルタは、年式展開または履歴見積展開には適用されない。
単一選択
地域
カーライン
エンジン
変速機
年式２５
２５年式フィルタは、年式展開または履歴見積展開には適用されない。
見積長さ
地域フィルタ、カーラインフィルタ、エンジンフィルタ、および変速機フィルタの各々に、それらのリストの最上部に添付された「全部」項目がある。
地域フィルタ、カーラインフィルタ、エンジンフィルタ、および変速機フィルタの各々に、それらのリストの最上部に添付された「全部」項目がある。
「全部」項目はデフォルト値であるが、少なくとも１つのカーライン／エンジン／変速機に「全部」項目ではない選択がなければならない。
ナビゲーション：このページからのナビゲーションターゲットはない。
報告オブジェクト：このページは、予想を裏付ける情報を各々示す３つの報告オブジェクトを含む。それらのオブジェクトは、年式展開、履歴見積展開、および労働作業見積である。
９．１．１ 年式展開
これは、各年式全体にわたる選択の労働作業に関する予想の比較を示す。
これは、各年式全体にわたる選択の労働作業に関する予想の比較を示す。
これは、図４８に示されるように、年式ごとの現在の成績と予想成績との関係を示す積み上げ柱状グラフ内に提示される。
９．１．２ 履歴見積展開
これは、選択の予想が年式ごとに経時的にどのように展開したかの比較を示す。
これは、選択の予想が年式ごとに経時的にどのように展開したかの比較を示す。
このデータは、複数系列折れ線グラフに表示され、図９１に示されるように、年式ごとに別個の線系列を有する。
９．１．３ 労働作業見積
これは、フィルタリングされた地域、カーライン、エンジン、変速機、年式、および見積長さについての２００件の最も重大な労働作業を示す。
これは、フィルタリングされた地域、カーライン、エンジン、変速機、年式、および見積長さについての２００件の最も重大な労働作業を示す。
労働作業ごとの年式を横断した予想の展開も表示される。選択の年式についての最も重大な予想が最初に表示される。
このデータは、図９４に示されるように、年式ごとの現在の成績と予想成績との関係を示すグループ化積み上げ柱状グラフに提示される。
９．２ 生産タブ
このページは、全地域／単一地域／カーライン／エンジン／変速機、年式および見積月についての予想を示す。
このページは、全地域／単一地域／カーライン／エンジン／変速機、年式および見積月についての予想を示す。
フィルタ：ユーザがフィルタ：ページに示されたデータをフィルタリングすることができる。フィルタリングできるフィールドは以下のとおりである：
単一選択
地域
カーライン
エンジン
変速機
年式２６
２６年式フィルタはＴＩＳ年式比較または積み上げＴＩＳには適用されない。
単一選択
地域
カーライン
エンジン
変速機
年式２６
２６年式フィルタはＴＩＳ年式比較または積み上げＴＩＳには適用されない。
見積長さ２７
２７見積長さフィルタは、ＴＩＳ年式比較、積み上げＴＩＳまたは週ごとの請求支払いには適用されない。
２７見積長さフィルタは、ＴＩＳ年式比較、積み上げＴＩＳまたは週ごとの請求支払いには適用されない。
地域フィルタ、カーラインフィルタ、エンジンフィルタ、および変速機フィルタの各々に、それらのリストの最上部に添付された「全部」項目がある。
「全部」項目はデフォルト値であるが、少なくとも１つのカーライン／エンジン／変速機に「全部」項目ではない選択がなければならない。
ナビゲーション：このページからのナビゲーションターゲットはない。
報告オブジェクト：このページは、予想を裏付ける生産データに関する情報を各々示す３つの報告オブジェクトを含む。これらのオブジェクトは、ＴＩＳ年式比較、積み上げＴＩＳ、および請求支払いである。
９．２．１ ＴＩＳ年式比較
これは、年式ごとに、選択の予想の使用時間（ＴＩＳ）成績の展開を示す。
これは、年式ごとに、選択の予想の使用時間（ＴＩＳ）成績の展開を示す。
データは、複数系列折れ線グラフに表示され、図９５に示されるように、年式ごとの系列を有する。
９．２．２ 積み上げＴＩＳ
これは、選択のカーライン／エンジン／変速機組み合わせについての生産月、使用時間（ＴＩＳ）成績を示す。
これは、選択のカーライン／エンジン／変速機組み合わせについての生産月、使用時間（ＴＩＳ）成績を示す。
積み上げＴＩＳグラフは、図７４に示されるように、選択のカーライン／エンジン／変速機組み合わせの各ＴＩＳ期間の成績を示す。
９．２．３ 週ごとの請求支払い
これは、選択のカーライン／エンジン／変速機組み合わせおよび年式についての暦週ごとの請求件数および支払額を示す。
これは、選択のカーライン／エンジン／変速機組み合わせおよび年式についての暦週ごとの請求件数および支払額を示す。
データは、図９６に示されるように、請求件数の線系列を有する支払額の柱状グラフに示される。
９．３ 比較タブ
このページは、全地域／単一地域／カーライン／エンジン／変速機、年式および見積月についての予想を示す。
このページは、全地域／単一地域／カーライン／エンジン／変速機、年式および見積月についての予想を示す。
フィルタ：ユーザがフィルタ：ページに示されたデータをフィルタリングすることができる。フィルタリングできるフィールドは以下のとおりである：
単一選択
地域
カーライン
エンジン
変速機
年式２８
２８年式フィルタはグループ化年式展開または選択ＴＩＳには適用されない。
単一選択
地域
カーライン
エンジン
変速機
年式２８
２８年式フィルタはグループ化年式展開または選択ＴＩＳには適用されない。
見積長さ２９
２９見積長さフィルタは選択ＴＩＳには適用されない。
２９見積長さフィルタは選択ＴＩＳには適用されない。
地域フィルタ、カーラインフィルタ、エンジンフィルタ、および変速機フィルタの各々に、それらのリストの最上部に添付された「全部」項目がある。
「全部」項目はデフォルト値であるが、少なくとも１つのカーライン／エンジン／変速機に「全部」項目ではない選択がなければならない。
ナビゲーション：このページからのナビゲーションターゲットはない。
報告オブジェクト：このページは、選択のカーライン／エンジン／変速機予想を同じレベルの集約の他の予想と比較する情報を各々示す３つの報告オブジェクトを含む。
それらのオブジェクトは、見積ノードツリー、グループ化年式展開、および選択ＴＩＳである。
９．３．１ 見積ノードツリー
これは、選択のカーライン／エンジン／変速機に関する予想の比較を示す。
これは、選択のカーライン／エンジン／変速機に関する予想の比較を示す。
これは、図９７に示されるように、動的にグループ化されるノードツリー内に提示され、ユーザがカーライン／エンジン／変速機階層におけるレベルの順序を変更することを可能にする。
９．３．２ グループ化年式展開
これは、ユーザがどれを選択するかに応じて、すべてのカーライン、エンジン、または変速機の、年式を横断した、予想の展開を示す。
これは、ユーザがどれを選択するかに応じて、すべてのカーライン、エンジン、または変速機の、年式を横断した、予想の展開を示す。
このデータは、図９８に示されるように、年式ごとの現在の成績と予想成績との関係を示すグループ化積み上げ柱状グラフに提示される。
９．３．３ 選択ＴＩＳ
これは、ユーザによって選択された、カーライン、エンジン、または変速機のいずれかにわたって比較された生産月、使用時間（ＴＩＳ）成績を示す。
これは、ユーザによって選択された、カーライン、エンジン、または変速機のいずれかにわたって比較された生産月、使用時間（ＴＩＳ）成績を示す。
データは複数系列折れ線グラフに示され、選択ＴＩＳ値についての、カーライン、エンジン、または変速機ごとに別個の線系列を有する。これは図９９に示されている。
セクション１０：最終ブランド報告
この報告は、単一の年式、単一の見積長さ、および任意選択の地域についての選択のブランドでの予想を裏付ける詳細な情報を表示する３ページを含む。
この報告は、単一の年式、単一の見積長さ、および任意選択の地域についての選択のブランドでの予想を裏付ける詳細な情報を表示する３ページを含む。
報告内のページの各々は報告の最上部にあるタブを介してアクセスされる。
１０．１ 予想タブ
このページは、所与の地域全体（任意選択）、ブランド、年式、および見積月についての予想を示す。
このページは、所与の地域全体（任意選択）、ブランド、年式、および見積月についての予想を示す。
フィルタ：ユーザがフィルタ：ページに示されたデータをフィルタリングすることができる。フィルタリングできるフィールドは以下のとおりである：
単一選択
地域
ブランド
モデル
年３０
３０年式フィルタは、年式展開または履歴見積展開には適用されない。
単一選択
地域
ブランド
モデル
年３０
３０年式フィルタは、年式展開または履歴見積展開には適用されない。
見積長さ
地域フィルタには、リストの最上部に添付された「全部」項目がある。「全部」項目は地域のデフォルト値である。
地域フィルタには、リストの最上部に添付された「全部」項目がある。「全部」項目は地域のデフォルト値である。
ナビゲーション：このページからのナビゲーションターゲットはない。
報告オブジェクト：このページは、予想を裏付ける情報を各々示す３つの報告オブジェクトを含む。それらのオブジェクトは、年式展開、履歴見積展開、および労働作業見積である。
１０．１．１ 年式展開
これは、各年式全体にわたる選択のブランドに関する予想の比較を示す。
これは、各年式全体にわたる選択のブランドに関する予想の比較を示す。
これは、図４８に示されるように、年式ごとの現在の成績と予想成績との関係を示す積み上げ柱状グラフ内に提示される。
１０．１．２ 履歴見積展開
これは、選択の予想が年式ごとに経時的にどのように展開したかの比較を示す。
これは、選択の予想が年式ごとに経時的にどのように展開したかの比較を示す。
このデータは、複数系列折れ線グラフに表示され、図９１に示されるように、年式ごとに別個の線系列を有する。
１０．１．３ 労働作業見積
これは、フィルタリングされた地域、ブランド、年式、および見積長さについての２００件の最も重大な労働作業を示す。
これは、フィルタリングされた地域、ブランド、年式、および見積長さについての２００件の最も重大な労働作業を示す。
労働作業ごとの年式を横断した予想の展開も表示される。選択の年式についての最も重大な予想が最初に表示される。
このデータは、図１００に示されるように、年式ごとの現在の成績と予想成績との関係を示すグループ化積み上げ柱状グラフに提示される。
１０．２ 生産タブ
このページは、所与の地域全体（任意選択）、ブランド、年式、および見積月についての予想を示す。
このページは、所与の地域全体（任意選択）、ブランド、年式、および見積月についての予想を示す。
フィルタ：ユーザがフィルタ：ページに示されたデータをフィルタリングすることができる。フィルタリングできるフィールドは以下のとおりである：
単一選択
地域
ブランド
年式３１
３１年式フィルタはＴＩＳモデル比較または積み上げＴＩＳには適用されない。
単一選択
地域
ブランド
年式３１
３１年式フィルタはＴＩＳモデル比較または積み上げＴＩＳには適用されない。
見積長さ３２
３２見積長さフィルタは、ＴＩＳ年式比較、積み上げＴＩＳまたは週ごとの請求支払いには適用されない。
３２見積長さフィルタは、ＴＩＳ年式比較、積み上げＴＩＳまたは週ごとの請求支払いには適用されない。
地域フィルタには、リストの最上部に添付された「全部」項目がある。
「全部」項目は地域のデフォルト値である。
ナビゲーション：このページからのナビゲーションターゲットはない。
報告オブジェクト：このページは、予想を裏付ける生産データに関する情報を各々示す３つの報告オブジェクトを含む。これらのオブジェクトは、ＴＩＳ年式比較、積み上げＴＩＳ、および請求支払いである。
１０．２．１ ＴＩＳ年式比較
これは、年式ごとに、選択の予想の使用時間（ＴＩＳ）成績の展開を示す。
これは、年式ごとに、選択の予想の使用時間（ＴＩＳ）成績の展開を示す。
データは、複数系列折れ線グラフに表示され、図９５に示されるように、年式ごとの系列を有する。
１０．２．２ 積み上げＴＩＳ
これは、選択のブランドについての生産月、使用時間（ＴＩＳ）成績を示す。
これは、選択のブランドについての生産月、使用時間（ＴＩＳ）成績を示す。
積み上げＴＩＳグラフは、図７４に示されるように、選択のブランドの各ＴＩＳ期間の成績を示す。
１０．２．３ 週ごとの請求支払い
これは、選択のブランドおよび年式についての暦週ごとの請求件数および支払額を示す。
これは、選択のブランドおよび年式についての暦週ごとの請求件数および支払額を示す。
データは、図９６に示されるように、請求件数の線系列を有する支払額の柱状グラフに示される。
１０．３ 比較タブ
このページは、所与の地域全体（任意選択）、ブランド、年式、および見積月についての予想を示す。
このページは、所与の地域全体（任意選択）、ブランド、年式、および見積月についての予想を示す。
このページは、所与の地域全体（任意選択）、ブランド、年式、および見積月についての予想を示す。
フィルタ：ユーザがフィルタ：ページに示されたデータをフィルタリングすることができる。フィルタリングできるフィールドは以下のとおりである：
単一選択
地域
ブランド
年式３３
３３年式フィルタはグループ化年式展開または選択ＴＩＳには適用されない。
単一選択
地域
ブランド
年式３３
３３年式フィルタはグループ化年式展開または選択ＴＩＳには適用されない。
見積長さ３４
３４見積長さフィルタは選択ＴＩＳには適用されない。
３４見積長さフィルタは選択ＴＩＳには適用されない。
地域フィルタには、リストの最上部に添付された「全部」項目がある。
「全部」項目は地域のデフォルト値である。
ナビゲーション：このページからのナビゲーションターゲットはない。
報告オブジェクト：このページは、選択のブランド予想を同じレベルの集約の他の予想と比較する情報を各々示す３つの報告オブジェクトを含む。
それらのオブジェクトは、見積ノードツリー、グループ化年式展開、および選択ＴＩＳである。
１０．３．１ 見積ノードツリー
これは、選択のブランドに関する予想の比較を示す。
これは、選択のブランドに関する予想の比較を示す。
これは、図４９に示されるように、ノードツリー内に提示される。
１０．３．２ グループ化年式展開
これは、すべてのブランドの年式を横断した予想の展開を示す。
これは、すべてのブランドの年式を横断した予想の展開を示す。
このデータは、図１０１に示されるように、年式ごとの現在の成績と予想成績との関係を示すグループ化積み上げ柱状グラフに提示される。
１０．３．３ 選択ＴＩＳ
これは、ブランドを横断して比較された生産月、使用時間（ＴＩＳ）成績を示す。
これは、ブランドを横断して比較された生産月、使用時間（ＴＩＳ）成績を示す。
データは複数系列折れ線グラフに示され、選択ＴＩＳ値についての、ブランドごとに別個の線系列を有する。これは図１０２に示されている。
セクション１１：最終製品報告
この報告は、単一の年式、単一の見積長さ、および任意選択の地域についての選択の製品での予想を裏付ける詳細な情報を表示する３ページを含む。
この報告は、単一の年式、単一の見積長さ、および任意選択の地域についての選択の製品での予想を裏付ける詳細な情報を表示する３ページを含む。
報告内のページの各々は報告の最上部にあるタブを介してアクセスされる。
１１．１ 予想タブ
このページは、所与の地域全体（任意選択）、製品、年式、および見積月についての予想を示す。
このページは、所与の地域全体（任意選択）、製品、年式、および見積月についての予想を示す。
フィルタ：ユーザがフィルタ：ページに示されたデータをフィルタリングすることができる。フィルタリングできるフィールドは以下のとおりである：
単一選択
地域
製品
年式３５
３５年式フィルタは、年式展開または履歴見積展開には適用されない。
単一選択
地域
製品
年式３５
３５年式フィルタは、年式展開または履歴見積展開には適用されない。
見積長さ
地域フィルタには、リストの最上部に添付された「全部」項目がある。
地域フィルタには、リストの最上部に添付された「全部」項目がある。
「全部」項目は地域のデフォルト値である。
ナビゲーション：このページからのナビゲーションターゲットはない。
報告オブジェクト：このページは、予想を裏付ける情報を各々示す３つの報告オブジェクトを含む。それらのオブジェクトは、年式展開、履歴見積展開、および労働作業見積である。
１１．１．１ 年式展開
これは、各年式全体にわたる選択の製品に関する予想の比較を示す。
これは、各年式全体にわたる選択の製品に関する予想の比較を示す。
これは、図４８に示されるように、年式ごとの現在の成績と予想成績との関係を示す積み上げ柱状グラフ内に提示される。
１１．１．２ 履歴見積展開
これは、選択の予想が年式ごとに経時的にどのように展開したかの比較を示す。
これは、選択の予想が年式ごとに経時的にどのように展開したかの比較を示す。
このデータは、複数系列折れ線グラフに表示され、図９１に示されるように、年式ごとに別個の線系列を有する。
１１．１．３ 労働作業見積
これは、フィルタリングされた地域、製品、年式、および見積長さについての２００件の最も重大な労働作業を示す。
これは、フィルタリングされた地域、製品、年式、および見積長さについての２００件の最も重大な労働作業を示す。
労働作業ごとの年式を横断した予想の展開も表示される。選択の年式についての最も重大な予想が最初に表示される。
このデータは、図１０３に示されるように、年式ごとの現在の成績と予想成績との関係を示すグループ化積み上げ柱状グラフに提示される。
１１．２ 生産タブ
このページは、所与の地域全体（任意選択）、製品、年式、および見積月についての予想を示す。
このページは、所与の地域全体（任意選択）、製品、年式、および見積月についての予想を示す。
フィルタ：ユーザがフィルタ：ページに示されたデータをフィルタリングすることができる。フィルタリングできるフィールドは以下のとおりである：
単一選択
地域
製品
年式３６
３６年式フィルタはＴＩＳ年式比較または積み上げＴＩＳには適用されない。
単一選択
地域
製品
年式３６
３６年式フィルタはＴＩＳ年式比較または積み上げＴＩＳには適用されない。
見積長さ３７
３７見積長さフィルタは、ＴＩＳ年式比較、積み上げＴＩＳまたは週ごとの請求支払いには適用されない。
３７見積長さフィルタは、ＴＩＳ年式比較、積み上げＴＩＳまたは週ごとの請求支払いには適用されない。
地域フィルタには、リストの最上部に添付された「全部」項目がある。
「全部」項目は地域のデフォルト値である。
ナビゲーション：このページからのナビゲーションターゲットはない。
報告オブジェクト：このページは、予想を裏付ける生産データに関する情報を各々示す３つの報告オブジェクトを含む。これらのオブジェクトは、ＴＩＳ年式比較、積み上げＴＩＳ、および請求支払いである。
１１．２．１ ＴＩＳ年式比較
これは、年式ごとに、選択の予想の使用時間（ＴＩＳ）成績の展開を示す。
これは、年式ごとに、選択の予想の使用時間（ＴＩＳ）成績の展開を示す。
データは、複数系列折れ線グラフに表示され、図９５に示されるように、年式ごとの系列を有する。
１１．２．２ 積み上げＴＩＳ
これは、選択の製品についての生産月、使用時間（ＴＩＳ）成績を示す。
これは、選択の製品についての生産月、使用時間（ＴＩＳ）成績を示す。
積み上げＴＩＳグラフは、図７４に示されるように、選択の製品の各ＴＩＳ期間の成績を示す。
１１．２．３ 週ごとの請求支払い
これは、選択の製品および年式についての暦週ごとの請求件数および支払額を示す。
これは、選択の製品および年式についての暦週ごとの請求件数および支払額を示す。
データは、図９６に示されるように、請求件数の線系列を有する支払額の柱状グラフに示される。
１１．３ 比較タブ
このページは、所与の地域全体（任意選択）、製品、年式、および見積月についての予想を示す。
このページは、所与の地域全体（任意選択）、製品、年式、および見積月についての予想を示す。
フィルタ：ユーザがフィルタ：ページに示されたデータをフィルタリングすることができる。フィルタリングできるフィールドは以下のとおりである：
単一選択
地域
製品
年式３８
３８年式フィルタはグループ化年式展開または選択ＴＩＳには適用されない。
単一選択
地域
製品
年式３８
３８年式フィルタはグループ化年式展開または選択ＴＩＳには適用されない。
見積長さ３９
３９見積長さフィルタは選択ＴＩＳには適用されない。
３９見積長さフィルタは選択ＴＩＳには適用されない。
地域フィルタには、リストの最上部に添付された「全部」項目がある。
「全部」項目は地域のデフォルト値である。
ナビゲーション：このページからのナビゲーションターゲットはない。
報告オブジェクト：このページは、選択の製品予想を同じレベルの集約の他の予想と比較する情報を各々示す３つの報告オブジェクトを含む。
それらのオブジェクトは、見積ノードツリー、グループ化年式展開、および選択ＴＩＳである。
１１．３．１ 見積ノードツリー
これは、選択の製品に関する予想の比較を示す。
これは、選択の製品に関する予想の比較を示す。
これは、図１０４に示されるように、ノードツリー内に提示される。
１１．３．２ グループ化年式展開
これは、すべての製品の年式を横断した予想の展開を示す。
これは、すべての製品の年式を横断した予想の展開を示す。
このデータは、図１０５に示されるように、年式ごとの現在の成績と予想成績との関係を示すグループ化積み上げ柱状グラフに提示される。
１１．３．３ 選択ＴＩＳ
これは、製品を横断して比較された生産月、使用時間（ＴＩＳ）成績を示す。
これは、製品を横断して比較された生産月、使用時間（ＴＩＳ）成績を示す。
データは複数系列折れ線グラフに示され、選択ＴＩＳ値についての、製品ごとに別個の線系列を有する。これは図１０６に示されている。
セクション１２：最終労働作業報告
この報告は、単一の年式、単一の見積長さ、および任意選択の地域についてのカーライン／エンジン／変速機の選択の組み合わせでの労働作業予想を裏付ける詳細な情報を表示する５ページを含む。
この報告は、単一の年式、単一の見積長さ、および任意選択の地域についてのカーライン／エンジン／変速機の選択の組み合わせでの労働作業予想を裏付ける詳細な情報を表示する５ページを含む。
報告内のページの各々は報告の最上部にあるタブを介してアクセスされる。
１２．１ 予想タブ
このページは、全地域／単一地域／カーライン／エンジン／変速機、年式および見積月レベルについての労働作業予想を示す。
このページは、全地域／単一地域／カーライン／エンジン／変速機、年式および見積月レベルについての労働作業予想を示す。
フィルタ：ユーザがフィルタ：ページに示されたデータをフィルタリングすることができる。フィルタリングできるフィールドは以下のとおりである：
単一選択
地域
カーライン
エンジン
変速機
年式４０
４０年式フィルタは、年式展開または履歴見積展開には適用されない。
単一選択
地域
カーライン
エンジン
変速機
年式４０
４０年式フィルタは、年式展開または履歴見積展開には適用されない。
カテゴリ労働作業
見積長さ４１
４１見積長さフィルタは関連付けられた労働作業には適用されない。
見積長さ４１
４１見積長さフィルタは関連付けられた労働作業には適用されない。
地域フィルタ、カーラインフィルタ、エンジンフィルタ、および変速機フィルタの各々に、それらのリストの最上部に添付された「全部」項目がある。
「全部」項目はデフォルト値であるが、少なくとも１つのカーライン／エンジン／変速機に「全部」項目ではない選択がなければならない。
ナビゲーション：このページからのナビゲーションターゲットはない。
報告オブジェクト：このページは、予想を裏付ける情報を各々示す４つの報告オブジェクトを含む。これらのオブジェクトは、年式展開、履歴見積展開、関連付けられた労働作業、および走行距離帯請求である。
１２．１．１ 年式展開
これは、各年式全体にわたる選択の労働作業に関する予想の比較を示す。
これは、各年式全体にわたる選択の労働作業に関する予想の比較を示す。
これは、図４８に示されるように、年式ごとの現在の成績と予想成績との関係を示す積み上げ柱状グラフ内に提示される。
１２．１．２ 履歴見積展開
これは、選択の労働作業に関する予想が年式ごとに経時的にどのように展開したかの比較を示す。
これは、選択の労働作業に関する予想が年式ごとに経時的にどのように展開したかの比較を示す。
このデータは、複数系列折れ線グラフに表示され、図９１に示されるように、年式ごとに別個の線系列を有する。
１２．１．３ 関連付けられた労働作業
これは、選択の労働作業が行われた前後の３０日間に他のどの労働作業が請求されているかの分析を示す。
これは、選択の労働作業が行われた前後の３０日間に他のどの労働作業が請求されているかの分析を示す。
データは、ｙ軸が時間枠内に各関連付けられた労働作業に関して何件の請求が発生しているかを示し、各柱が、選択の労働作業と関連付けられた労働作業との間の平均時間が０未満かそれとも０以上かに応じて着色された柱状グラフに表示される。これは図１０７に示されている。
１２．１．４ 走行距離帯請求
これは、どの走行距離帯内で選択の労働作業に関する請求が発生したかの基本的な集約を示す。
これは、どの走行距離帯内で選択の労働作業に関する請求が発生したかの基本的な集約を示す。
データは、図１０８に示されるように、走行距離帯ごとの柱を有する柱状グラフに示される。
１２．２ 生産タブ
このページは、全地域／単一地域／カーライン／エンジン／変速機、年式および見積月レベルについての労働作業予想を示す。
このページは、全地域／単一地域／カーライン／エンジン／変速機、年式および見積月レベルについての労働作業予想を示す。
フィルタ：ユーザがフィルタ：ページに示されたデータをフィルタリングすることができる。フィルタリングできるフィールドは以下のとおりである：
単一選択
地域４２
４２地域フィルタは積み上げＴＩＳには適用されない。
単一選択
地域４２
４２地域フィルタは積み上げＴＩＳには適用されない。
カーライン
エンジン
変速機
年式４３
４３年式フィルタはＴＩＳ年式比較または積み上げＴＩＳには適用されない。
エンジン
変速機
年式４３
４３年式フィルタはＴＩＳ年式比較または積み上げＴＩＳには適用されない。
カテゴリ
労働作業
見積長さ４４
４４見積長さフィルタは、ＴＩＳ年式比較、積み上げＴＩＳまたは週ごとの請求支払いには適用されない。
労働作業
見積長さ４４
４４見積長さフィルタは、ＴＩＳ年式比較、積み上げＴＩＳまたは週ごとの請求支払いには適用されない。
地域フィルタ、カーラインフィルタ、エンジンフィルタ、および変速機フィルタの各々に、それらのリストの最上部に添付された「全部」項目がある。
「全部」項目はデフォルト値であるが、少なくとも１つのカーライン／エンジン／変速機に「全部」項目ではない選択がなければならない。
ナビゲーション：このページからのナビゲーションターゲットはない。
報告オブジェクト：このページは、予想を裏付ける生産データに関する情報を各々示す３つの報告オブジェクトを含む。これらのオブジェクトは、ＴＩＳ年式比較、積み上げＴＩＳ、および週ごとの請求支払いである。
１２．２．１ ＴＩＳ年式比較
これは、年式ごとに、選択の労働作業の使用時間（ＴＩＳ）成績の展開を示す。
これは、年式ごとに、選択の労働作業の使用時間（ＴＩＳ）成績の展開を示す。
データは、複数系列折れ線グラフに表示され、図９５に示されるように、年式ごとの系列を有する。
１２．２．２ 積み上げＴＩＳ
これは、選択の労働作業についての生産月、使用時間（ＴＩＳ）成績を示す。
これは、選択の労働作業についての生産月、使用時間（ＴＩＳ）成績を示す。
積み上げＴＩＳグラフは、図７４に示されるように、選択のカーライン／エンジン／変速機労働作業の各ＴＩＳ期間の成績を示す。
１２．２．３ 週ごとの請求支払い
これは、選択の労働作業についての暦週ごとの請求件数および支払額を示す。
これは、選択の労働作業についての暦週ごとの請求件数および支払額を示す。
データは、図９６に示されるように、請求件数の線系列を有する支払額の柱状グラフに示される。
１２．３ 比較タブ
このページは、全地域／単一地域／カーライン／エンジン／変速機、年式および見積月レベルについての労働作業予想を示す。
このページは、全地域／単一地域／カーライン／エンジン／変速機、年式および見積月レベルについての労働作業予想を示す。
フィルタ：ユーザがフィルタ：ページに示されたデータをフィルタリングすることができる。フィルタリングできるフィールドは以下のとおりである：
単一選択：
地域４５
４５地域フィルタは選択ＴＩＳには適用されない。
単一選択：
地域４５
４５地域フィルタは選択ＴＩＳには適用されない。
カーラインエンジン変速機
年式４６
４６年式フィルタはグループ化年式展開または選択ＴＩＳには適用されない。
年式４６
４６年式フィルタはグループ化年式展開または選択ＴＩＳには適用されない。
カテゴリ
労働作業
見積長さ４７
４７見積長さフィルタは選択ＴＩＳには適用されない。
労働作業
見積長さ４７
４７見積長さフィルタは選択ＴＩＳには適用されない。
地域フィルタ、カーラインフィルタ、エンジンフィルタ、および変速機フィルタの各々に、それらのリストの最上部に添付された「全部」項目がある。
「全部」項目はデフォルト値であるが、少なくとも１つのカーライン／エンジン／変速機に「全部」項目ではない選択がなければならない。
ナビゲーション：このページからのナビゲーションターゲットはない。
報告オブジェクト：このページは、選択の予想を同じレベルの集約の他の労働作業予想と比較する情報を各々示す４つの報告オブジェクトを含む。
それらのオブジェクトは、見積ノードツリー、グループ化年式展開、選択ＴＩＳ、および部品コード内訳である。
１２．３．１ 見積ノードツリー
これは、カーライン、エンジン、および変速機の異なる組み合わせおよび順列に関する予想を有する選択の労働作業に関する予想の比較を示す。
これは、カーライン、エンジン、および変速機の異なる組み合わせおよび順列に関する予想を有する選択の労働作業に関する予想の比較を示す。
これは、図９７に示されるように、動的にグループ化されるノードツリー内に提示され、ユーザがカーライン／エンジン／変速機階層におけるレベルの順序を変更することを可能にする。
１２．３．２ グループ化年式展開
これは、年式を横断した選択の労働作業に関する予想の展開を示す。
これは、年式を横断した選択の労働作業に関する予想の展開を示す。
ユーザは、表示すべき労働作業についての予想が、カーラインに関してか、エンジンに関してか、それとも変速機に関してかを選択することができる。
このデータは、図１０９に示されるように、年式ごとの現在の成績と予想成績との関係を示すグループ化積み上げ柱状グラフに提示される。
１２．３．３ 選択ＴＩＳ
これは、ユーザによって選択された、カーライン、エンジン、または変速機を横断して比較された選択の労働作業についての生産月、使用時間（ＴＩＳ）成績を示す。
これは、ユーザによって選択された、カーライン、エンジン、または変速機を横断して比較された選択の労働作業についての生産月、使用時間（ＴＩＳ）成績を示す。
データは複数系列折れ線グラフに示され、選択ＴＩＳ値についての、カーライン、エンジン、または変速機ごとに別個の線系列を有する。これは図１１０に示されている。
１２．３．４ 部品コード内訳
これは、ユーザによって選択された、カーライン、エンジン、または変速機ごとにグループ化された選択の労働作業についての請求された部品コードの分布を示す。
これは、ユーザによって選択された、カーライン、エンジン、または変速機ごとにグループ化された選択の労働作業についての請求された部品コードの分布を示す。
データは、図１１１に示されるように、部品名、部品コード、そしてカーライン、エンジン、または変速機ごとにグループ化された、マルチレベル・サンバースト・チャートに表示される。
１２．４ 地理タブ
このページは、全地域／単一地域／カーライン／エンジン／変速機、年式および見積月レベルについての労働作業予想を示す。
このページは、全地域／単一地域／カーライン／エンジン／変速機、年式および見積月レベルについての労働作業予想を示す。
フィルタ：ユーザがフィルタ：ページに示されたデータをフィルタリングすることができる。フィルタリングできるフィールドは以下のとおりである：
単一選択
地域４８
４８地域フィルタは地域見積地図またはグラフには適用されない。
単一選択
地域４８
４８地域フィルタは地域見積地図またはグラフには適用されない。
カーライン
エンジン
変速機
年式
カテゴリ
労働作業
見積長さ
地域フィルタ、カーラインフィルタ、エンジンフィルタ、および変速機フィルタの各々に、それらのリストの最上部に添付された「全部」項目がある。
エンジン
変速機
年式
カテゴリ
労働作業
見積長さ
地域フィルタ、カーラインフィルタ、エンジンフィルタ、および変速機フィルタの各々に、それらのリストの最上部に添付された「全部」項目がある。
「全部」項目はデフォルト値であるが、少なくとも１つのカーライン／エンジン／変速機に「全部」項目ではない選択がなければならない。
ナビゲーション：このページからのナビゲーションターゲットはない。
報告オブジェクト：このページには、選択の労働作業予想が世界中でどのように異なるかを示す２つの報告オブジェクトがある。
それらのオブジェクトは、地域見積地図および地域見積グラフである。
１２．４．１ 地域見積地図
これは、選択の労働作業が実行された世界中の地域ごとのその労働作業に関する予想の値を示す。
これは、選択の労働作業が実行された世界中の地域ごとのその労働作業に関する予想の値を示す。
データは世界地図内に示され、図１１２に示されるように、各地域は予想の重大度に従って色分けされる。
１２．４．２ 地域見積グラフ
これは、地域見積地図と同じデータを示すが、図１１３に示されるように、今度は柱状グラフにプロットされ、地域ごとの柱を有する。
これは、地域見積地図と同じデータを示すが、図１１３に示されるように、今度は柱状グラフにプロットされ、地域ごとの柱を有する。
１２．５ ディーラタブ
このページは、全地域／単一地域／カーライン／エンジン／変速機、年式および見積月レベルについての労働作業予想を示す。
このページは、全地域／単一地域／カーライン／エンジン／変速機、年式および見積月レベルについての労働作業予想を示す。
フィルタ：ユーザがフィルタ：ページに示されたデータをフィルタリングすることができる。フィルタリングできるフィールドは以下のとおりである：
単一選択
地域
カーライン
エンジン
変速機
年式４９
４９年式フィルタは最高コストディーラには適用されない。
単一選択
地域
カーライン
エンジン
変速機
年式４９
４９年式フィルタは最高コストディーラには適用されない。
カテゴリ
労働作業
見積長さ５０
５０見積長さフィルタは最高コストディーラには適用されない。
労働作業
見積長さ５０
５０見積長さフィルタは最高コストディーラには適用されない。
地域フィルタ、カーラインフィルタ、エンジンフィルタ、および変速機フィルタの各々に、それらのリストの最上部に添付された「全部」項目がある。
「全部」項目はデフォルト値であるが、少なくとも１つのカーライン／エンジン／変速機に「全部」項目ではない選択がなければならない。
ナビゲーション：このページからのナビゲーションターゲットはない。
報告オブジェクト：このページには、選択の労働作業についての最高支出ディーラを示す１つの報告オブジェクトがある。
１２．５．１ 最高コストディーラ
これは、年式ごとに分割された、選択の労働作業に対して最も多く支出したディーラのリストを示す。
これは、年式ごとに分割された、選択の労働作業に対して最も多く支出したディーラのリストを示す。
データはグループ化柱状グラフに示され、図１１４に示されるように、年式ごとに別個の柱を有する。
セクション１３：最終ブランド労働作業報告
この報告は、単一の年式、単一の見積長さ、および任意選択の地域についてのブランド労働作業予想を裏付ける詳細な情報を有する３ページを含む。
この報告は、単一の年式、単一の見積長さ、および任意選択の地域についてのブランド労働作業予想を裏付ける詳細な情報を有する３ページを含む。
報告内のページの各々は報告の最上部にあるタブを介してアクセスされる。
１３．１ 予想タブ
このページは、所与の地域（任意選択）、年式、および見積月についてブランドレベルまで集約された労働作業予想を示す。
このページは、所与の地域（任意選択）、年式、および見積月についてブランドレベルまで集約された労働作業予想を示す。
フィルタ：ユーザがフィルタ：ページに示されたデータをフィルタリングすることができる。フィルタリングできるフィールドは以下のとおりである：
単一選択
地域
ブランド
年式５１
５１年式フィルタは、年式展開または履歴見積展開には適用されない。
単一選択
地域
ブランド
年式５１
５１年式フィルタは、年式展開または履歴見積展開には適用されない。
労働作業
見積長さ
地域フィルタには、これを任意選択にできるように、リストの最上部に添付された「全部」項目がある。
見積長さ
地域フィルタには、これを任意選択にできるように、リストの最上部に添付された「全部」項目がある。
ナビゲーション：このページからのナビゲーションターゲットはない。
報告オブジェクト：このページは、予想を裏付ける情報を各々示す２つの報告オブジェクトを含む。それらのオブジェクトは、年式展開および履歴見積展開である。
１３．１．１ 年式展開
これは、各年式全体にわたる選択のブランド労働作業に関する予想の比較を示す。
これは、各年式全体にわたる選択のブランド労働作業に関する予想の比較を示す。
これは、図４８に示されるように、年式ごとの現在の成績と予想成績との関係を示す積み上げ柱状グラフ内に提示される。
１３．１．２ 履歴見積展開
これは、選択のブランド労働作業に関する予想が年式ごとに経時的にどのように展開したかの比較を示す。
これは、選択のブランド労働作業に関する予想が年式ごとに経時的にどのように展開したかの比較を示す。
このデータは、複数系列折れ線グラフに表示され、図９１に示されるように、年式ごとに別個の線系列を有する。
１３．２ 生産タブ
このページは、所与の地域（任意選択）、年式、および見積月についてブランドレベルまで集約された労働作業予想を示す。
このページは、所与の地域（任意選択）、年式、および見積月についてブランドレベルまで集約された労働作業予想を示す。
フィルタ：ユーザがフィルタ：ページに示されたデータをフィルタリングすることができる。フィルタリングできるフィールドは以下のとおりである：
単一選択
地域５２
５２地域フィルタは積み上げＴＩＳには適用されない。
単一選択
地域５２
５２地域フィルタは積み上げＴＩＳには適用されない。
ブランド
年式５３
５３年式フィルタはＴＩＳ年式比較または積み上げＴＩＳには適用されない。
年式５３
５３年式フィルタはＴＩＳ年式比較または積み上げＴＩＳには適用されない。
労働作業
見積長さ５４
５４見積長さフィルタは、ＴＩＳ年式比較または積み上げＴＩＳには適用されない。
見積長さ５４
５４見積長さフィルタは、ＴＩＳ年式比較または積み上げＴＩＳには適用されない。
地域フィルタには、これを任意選択にできるように、リストの最上部に添付された「全部」項目がある。
ナビゲーション：このページからのナビゲーションターゲットはない。
報告オブジェクト：このページは、予想を裏付ける生産データに関する情報を各々示す２つの報告オブジェクトを含む。これらのオブジェクトは、ＴＩＳ年式比較および積み上げＴＩＳである。
１３．２．１ ＴＩＳ年式比較
これは、年式ごとに、選択のブランド労働作業の使用時間（ＴＩＳ）成績の展開を示す。
これは、年式ごとに、選択のブランド労働作業の使用時間（ＴＩＳ）成績の展開を示す。
データは、複数系列折れ線グラフに表示され、図９５に示されるように、年式ごとの系列を有する。
１３．２．２ 積み上げＴＩＳ
これは、選択のブランド労働作業についての生産月、使用時間（ＴＩＳ）成績を示す。
これは、選択のブランド労働作業についての生産月、使用時間（ＴＩＳ）成績を示す。
積み上げＴＩＳグラフは、図７４に示されるように、選択のブランド労働作業の各ＴＩＳ期間の成績を示す。
１３．３ 比較タブ
このページは、所与の地域（任意選択）、年式、および見積月についてブランドレベルまで集約された労働作業予想を示す。
このページは、所与の地域（任意選択）、年式、および見積月についてブランドレベルまで集約された労働作業予想を示す。
フィルタ：ユーザがフィルタ：ページに示されたデータをフィルタリングすることができる。フィルタリングできるフィールドは以下のとおりである：
単一選択
地域５５
５５地域フィルタは選択ＴＩＳには適用されない。
単一選択
地域５５
５５地域フィルタは選択ＴＩＳには適用されない。
ブランド５６
５６ブランドフィルタはグループ化年式比較には適用されない。
５６ブランドフィルタはグループ化年式比較には適用されない。
年式５７
５７年式フィルタはグループ化年式展開または選択ＴＩＳには適用されない。
５７年式フィルタはグループ化年式展開または選択ＴＩＳには適用されない。
労働作業
見積長さ５８
５８見積長さフィルタは選択ＴＩＳには適用されない。
見積長さ５８
５８見積長さフィルタは選択ＴＩＳには適用されない。
地域フィルタには、これを任意選択にできるように、リストの最上部に添付された「全部」項目がある。
ナビゲーション：このページからのナビゲーションターゲットはない。
報告オブジェクト：このページは、選択の予想を他のブランド労働作業予想と比較する詳細な情報を各々示す３つの報告オブジェクトを含む。
それらのオブジェクトは、グループ化年式展開、選択ＴＩＳ、および部品コード内訳である。
１３．３．１ グループ化年式展開
これは、年式を横断した労働作業の、すべてのブランドについての予想の展開を示す。
これは、年式を横断した労働作業の、すべてのブランドについての予想の展開を示す。
このデータは、図１１５に示されるように、年式ごとの現在の成績と予想成績との関係を示すグループ化積み上げ柱状グラフに提示される。
１３．３．２ 選択ＴＩＳ
これは、ブランドを横断して比較された選択の労働作業についての生産月、使用時間（ＴＩＳ）成績を示す。
これは、ブランドを横断して比較された選択の労働作業についての生産月、使用時間（ＴＩＳ）成績を示す。
データは複数系列折れ線グラフに示され、選択ＴＩＳ値についての、ブランドごとに別個の線系列を有する。これは図１１６に示されている。
１３．３．３ 部品コード内訳
これは、選択のブランド労働作業についての請求された部品コードの分布を示す。
これは、選択のブランド労働作業についての請求された部品コードの分布を示す。
データは、図１１７に示されるように、部品名、部品コード、そしてブランドごとにグループ化された、マルチレベル・サンバースト・チャートに表示される。
セクション１４：最終製品労働作業報告
この報告は、単一の年式、単一の見積長さ、および任意選択の地域についての製品労働作業予想を裏付ける詳細な情報を有する３ページを含む。
この報告は、単一の年式、単一の見積長さ、および任意選択の地域についての製品労働作業予想を裏付ける詳細な情報を有する３ページを含む。
報告内のページの各々は報告の最上部にあるタブを介してアクセスされる。
１４．１ 予想タブ
このページは、所与の地域（任意選択）、年式、および見積月について製品レベルまで集約された労働作業予想を示す。
このページは、所与の地域（任意選択）、年式、および見積月について製品レベルまで集約された労働作業予想を示す。
フィルタ：ユーザがフィルタ：ページに示されたデータをフィルタリングすることができる。フィルタリングできるフィールドは以下のとおりである：
単一選択
地域
製品
年式５９
５９年式フィルタは、年式展開または履歴見積展開には適用されない。
単一選択
地域
製品
年式５９
５９年式フィルタは、年式展開または履歴見積展開には適用されない。
労働作業
見積長さ
地域フィルタには、これを任意選択にできるように、リストの最上部に添付された「全部」項目がある。
見積長さ
地域フィルタには、これを任意選択にできるように、リストの最上部に添付された「全部」項目がある。
ナビゲーション：このページからのナビゲーションターゲットはない。
報告オブジェクト：このページは、予想を裏付ける情報を各々示す２つの報告オブジェクトを含む。それらのオブジェクトは、年式展開および履歴見積展開である。
１４．１．１ 年式展開
これは、各年式全体にわたる選択の製品労働作業に関する予想の比較を示す。
これは、各年式全体にわたる選択の製品労働作業に関する予想の比較を示す。
これは、図４８に示されるように、年式ごとの現在の成績と予想成績との関係を示す積み上げ柱状グラフ内に提示される。
１４．１．２ 履歴見積展開
これは、選択の製品労働作業に関する予想が年式ごとに経時的にどのように展開したかの比較を示す。
これは、選択の製品労働作業に関する予想が年式ごとに経時的にどのように展開したかの比較を示す。
このデータは、複数系列折れ線グラフに表示され、図９１に示されるように、年式ごとに別個の線系列を有する。
１４．２ 生産タブ
このページは、所与の地域（任意選択）、年式、および見積月について製品レベルまで集約された労働作業予想を示す。
このページは、所与の地域（任意選択）、年式、および見積月について製品レベルまで集約された労働作業予想を示す。
フィルタ：ユーザがフィルタ：ページに示されたデータをフィルタリングすることができる。フィルタリングできるフィールドは以下のとおりである：
単一選択
地域６０
６０地域フィルタは積み上げＴＩＳには適用されない。
単一選択
地域６０
６０地域フィルタは積み上げＴＩＳには適用されない。
製品
年式６１
６１年式フィルタはＴＩＳ年式比較または積み上げＴＩＳには適用されない。
年式６１
６１年式フィルタはＴＩＳ年式比較または積み上げＴＩＳには適用されない。
労働作業
見積長さ６２
６２見積長さフィルタは、ＴＩＳ年式比較または積み上げＴＩＳには適用されない。
見積長さ６２
６２見積長さフィルタは、ＴＩＳ年式比較または積み上げＴＩＳには適用されない。
地域フィルタには、これを任意選択にできるように、リストの最上部に添付された「全部」項目がある。
ナビゲーション：このページからのナビゲーションターゲットはない。
報告オブジェクト：このページは、予想を裏付ける生産データに関する情報を各々示す２つの報告オブジェクトを含む。これらのオブジェクトは、ＴＩＳ年式比較および積み上げＴＩＳである。
１４．２．１ ＴＩＳ年式比較
これは、年式ごとに、選択の製品労働作業の使用時間（ＴＩＳ）成績の展開を示す。
これは、年式ごとに、選択の製品労働作業の使用時間（ＴＩＳ）成績の展開を示す。
データは、複数系列折れ線グラフに表示され、図９５に示されるように、年式ごとの系列を有する。
１４．２．２ 積み上げＴＩＳ
これは、選択の製品労働作業についての生産月、使用時間（ＴＩＳ）成績を示す。
これは、選択の製品労働作業についての生産月、使用時間（ＴＩＳ）成績を示す。
積み上げＴＩＳグラフは、図７４に示されるように、選択の製品労働作業の各ＴＩＳ期間の成績を示す。
１４．３ 比較タブ
このページは、所与の地域（任意選択）、年式、および見積月について製品レベルまで集約された労働作業予想を示す。
このページは、所与の地域（任意選択）、年式、および見積月について製品レベルまで集約された労働作業予想を示す。
フィルタ：ユーザがフィルタ：ページに示されたデータをフィルタリングすることができる。フィルタリングできるフィールドは以下のとおりである：
単一選択
地域
地域フィルタは選択ＴＩＳには適用されない。６３
６３ 地域フィルタは選択ＴＩＳには適用されない。
単一選択
地域
地域フィルタは選択ＴＩＳには適用されない。６３
６３ 地域フィルタは選択ＴＩＳには適用されない。
製品６４
６４製品フィルタはグループ化年式比較には適用されない。
６４製品フィルタはグループ化年式比較には適用されない。
年式６５
６５年式フィルタはグループ化年式展開または選択ＴＩＳには適用されない。
６５年式フィルタはグループ化年式展開または選択ＴＩＳには適用されない。
労働作業
見積長さ６６
６６見積長さフィルタは選択ＴＩＳには適用されない。
見積長さ６６
６６見積長さフィルタは選択ＴＩＳには適用されない。
地域フィルタには、これを任意選択にできるように、リストの最上部に添付された「全部」項目がある。
ナビゲーション：このページからのナビゲーションターゲットはない。
報告オブジェクト：このページは、選択の予想を他の製品労働作業予想と比較する詳細な情報を各々示す３つの報告オブジェクトを含む。
それらのオブジェクトは、グループ化年式展開、選択ＴＩＳ、および部品コード内訳である。
１４．３．１ グループ化年式展開
これは、年式を横断した労働作業の、すべての製品についての予想の展開を示す。
これは、年式を横断した労働作業の、すべての製品についての予想の展開を示す。
このデータは、図１１８に示されるように、年式ごとの現在の成績と予想成績との関係を示すグループ化積み上げ柱状グラフに提示される。
これは、製品を横断して比較された選択の労働作業についての生産月、使用時間（ＴＩＳ）成績を示す。
データは複数系列折れ線グラフに示され、選択ＴＩＳ値についての、製品ごとに別個の線系列を有する。これは図１１９に示されている。
１４．３．３ 部品コード内訳
これは、選択の製品労働作業についての請求された部品コードの分布を示す。
これは、選択の製品労働作業についての請求された部品コードの分布を示す。
データは、図１２０に示されるように、部品名、部品コード、そして製品ごとにグループ化された、マルチレベル・サンバースト・チャートに表示される。
セクション１５：請求詳細
このページは、選択の予想または生産月使用時間（ＴＩＳ）値の基礎となる生の請求記録の詳細を示す。
このページは、選択の予想または生産月使用時間（ＴＩＳ）値の基礎となる生の請求記録の詳細を示す。
フィルタ：ユーザがフィルタ：ページに示されたデータをフィルタリングすることができる。フィルタリングできるフィールドは以下のとおりである：
単一選択
ブランド（任意選択）
製品（任意選択）
地域（任意選択）
カーライン（任意選択）
エンジン（任意選択）
変速機（任意選択）
年式（任意選択）
労働作業（任意選択）
カテゴリ（任意選択）
部品（任意選択）
生産月（任意選択）
ＴＩＳ（任意選択）
見積月（任意選択）
構築場所（任意選択）
障害モード（任意選択）
単一選択
ブランド（任意選択）
製品（任意選択）
地域（任意選択）
カーライン（任意選択）
エンジン（任意選択）
変速機（任意選択）
年式（任意選択）
労働作業（任意選択）
カテゴリ（任意選択）
部品（任意選択）
生産月（任意選択）
ＴＩＳ（任意選択）
見積月（任意選択）
構築場所（任意選択）
障害モード（任意選択）
ナビゲーション：ユーザがこのページから／にナビゲートするためのナビゲーションターゲットはない。
報告オブジェクト：このページは、請求記録を示す単一の報告オブジェクトを含む。
１５．０．１ 請求詳細グリッド
これは、ユーザが切り替えられる２つの異なるモードを使用して請求記録を示す。
これは、ユーザが切り替えられる２つの異なるモードを使用して請求記録を示す。
第１のモードは、図１２１に示されるように、請求記録をその生のフォーマットで示すデータグリッドである。
第２のモードは、グリッドに表示されたデータ行の要約である。これは、記録をグループ化して、データセット内からの任意のフィールドを含むことができるユーザによって指定された階層にする。
階層は次いで、請求の件数のうちの請求のコストの総額についてのサンバーストチャートを表示するために使用される。これは図１２２に示されている。
セクション１６：部品コード内訳
このページは、システム内に示される任意の予想の下でどの部品コードが請求されたかの詳細を示す。
このページは、システム内に示される任意の予想の下でどの部品コードが請求されたかの詳細を示す。
フィルタ：ユーザがフィルタ：ページに示されたデータをフィルタリングすることができる。フィルタリングできるフィールドは以下のとおりである：
単一選択
ブランド（任意選択）
製品（任意選択）
地域（任意選択）
カーライン（任意選択）
エンジン（任意選択）
変速機（任意選択）
年式（任意選択）
労働作業（任意選択）
カテゴリ（任意選択）
見積月（任意選択）
単一選択
ブランド（任意選択）
製品（任意選択）
地域（任意選択）
カーライン（任意選択）
エンジン（任意選択）
変速機（任意選択）
年式（任意選択）
労働作業（任意選択）
カテゴリ（任意選択）
見積月（任意選択）
ナビゲーション：ユーザがこのページから／にナビゲートするためのナビゲーションターゲットはない。
報告オブジェクト：このページは、部品コード請求概要を示す単一の報告オブジェクトを含む。
１６．０．１ 部品コード内訳グリッド
選択の予想について請求された部品コードのリストは、その部品が請求された回数降順で提示される。
選択の予想について請求された部品コードのリストは、その部品が請求された回数降順で提示される。
これは図１２３に示されるように、データグリッドとして示される。
セクション１７―例示的な使用事例
次に、残りの図を参照して例示的なワークフローを説明する。
次に、残りの図を参照して例示的なワークフローを説明する。
例示的なワークフローは、実際のコンテキストにおいて上記のユーザインターフェースの様々な態様を例示するために使用される。以下では、Ｉｎｄｉｃｏシステムが課題の特定をどのようにして可能にするかを明示するために、定義された階層に従った、ページ間のナビゲーションが強調されている。
後述するワークフローの重要な態様は、ユーザが製造者レベルから開始し、階層を迅速に下に移動して階層を下がって問題を探し出すことができることである。
ノードツリーや動的グリッドなどの以下で言及する画面上オブジェクトは、上記で説明したようにレンダリングされる。特に、各オブジェクト内で、階層の現在のレベルでの問題のある領域が容易に見つけられるように、見積が、現在選択されているいずれかのメトリックに従って順序付けられる。ユーザは次いで、階層内の次の下位レベルでの問題のあるエンティティ（例えば、ブランド、製品、カーライン）を選択するために、ノードツリーのノード、行、グリッドなどといった、特定のページに予測をレンダリングするために使用される（１つまたは複数の）画面上オブジェクトのうちの１つの要素を選択することができる。ナビゲーションチャームを使用すれば、ユーザは（中でも特に）次いで、選択のエンティティの階層内の次の下位のページにナビゲートするか、または概要モードの場合には、詳細モードに切り替えて対応する詳細ページを取得することができる。予測をレンダリングするために使用される画面上オブジェクトの中からターゲットエンティティを選択することによって、階層を論理的に移動できるとともに、焦点を個別の労働作業にたまたまするために概要モードから詳細モードに切り替えることもできることは、工学的観点から見て高度に直感的なきわめて強力なツールである。
図５に、ユーザがそこから図３に示されるページのネットワーク内の異なるページにナビゲートすることができる、ユーザインターフェースのホームページを示す。特に、ユーザは、階層の任意の所望のレベルで概要ページ１０２または詳細ページ１０４のいずれか１つにナビゲートすることができる。
図５から図１０に、特定の製造者についての概要製造者ページ１０２ａの一例を示す。年式に従って製造者レベルで集約された見積の内訳を示すために柱状グラフ３０２が提供されている。この柱状グラフの個別の柱上にカーソルを重ねることによって、ユーザは、各図に示されるように年式に関連する追加情報３０４を取得することができる。
ナビゲーション要素Ｃは、「チャーム」と呼ばれ、各ページに概要モードと詳細モードの両方で階層のすべてのレベルで表示されている。チャームＣは、ユーザが図５の構造に従って現在のページから別のページに直接ナビゲートするための機構である。製造概要ページ１０２ａ上のチャームＣを選択することによって、概要ブランドページ１０２ｂと詳細製造者ページ１０４ａとにそれぞれナビゲートするために選択可能な、選択可能オプション８０２および８０４が表示される（製造者概要ページ１０２ａから詳細製造者ページ１０４ａに直接ナビゲートするオプションは図３には示されていないことに留意されたい）。
図１１に、ユーザが図１０で要素８０２を選択することによってナビゲートした先の、概要ブランドページ１０２ｂの例を示す。問題になっている製造者９０４についてブランドレベルまでのみ下ったノードツリー９０２が表示されている。この例では、ノードツリーには、製造者９０４の２つのブランドに対応する２つのノード９０６ａ、９０６ｂがある。理解されるように、これは簡略化した例であり、実際には製造者にはもっと多くのブランドがあり得る。問題になっているブランドについての動的グリッド９１２も表示されており、ブランドレベルで集約され、ただし年式に従って細分された見積請求の内訳９１４も表示されている（これは図１１から図１２では一部しか見えてないが、そのような柱状グラフの例が上記で示されていることに留意されたい）。図１２、図１３、および図１４に示されるように、ユーザは、ノードツリー９０２の対応するノードまたは動的グリッド９１２の対応する行を選択することによって、ブランド概要ページ１０２ｂ上の個別のブランドから選択することができる。ユーザがこのようにして特定のブランドを選択すると、ページ１０２ｂ上の情報、および特に見積値は、それらが選択のブランドに対応するように更新される。
図１３に示されるように、概要ブランドページ１０２ｂ上でナビゲーションチャームを選択すると、それぞれ、階層内の次の下位レベルにある対応する詳細ブランドページ１０４ｂ、最終ブランド報告ページ１０６ｂ、および製品概要ページ１０２Ｃにナビゲートするために選択可能な、選択可能オプション１１０２、１１０４、および１１０６が表示される。これらのページのコンテンツは、オプション１１０２、１１０４、および１１０６のうちの１つが選択されるときに、ブランドのうちのどの１つがブランド概要ページ１０２ｂ上で選択されるかに依存する。よって、図１３の例では、ユーザはページ１０２ｂで「ブランド２」を選択しており、したがって、オプション１１０２、１１０４、または１１０６を選択することにより、ユーザインターフェースは、「ブランド２」の詳細ブランドページ１０４ｂ、最終ブランド報告１０６ｂ、または概要製品ページ１０２Ｃにナビゲートする。ユーザが特定の年式（この例では２０１６）を選択している場合、ユーザがナビゲーション・チャーム・オプションのうちの１つを介してナビゲートするときに、この年式選択も維持される。これにより、図３に示されるページのネットワークを介したシームレスで直感的なナビゲーションが可能になる。
図１４には、ユーザが概要ブランドページ１０２ｂで製品概要オプション１１０６を選択することを示しており、これによりユーザインターフェースは、選択のブランド（「ブランド２」）についての概要製品ページ１０２ｃにナビゲートし、その一例が図１５に示されている。概要製品ページ１０２ｃに、ノードツリー９０２の修正版が表示さている。製品概要ページ１０２ｃでは、ノードツリー９０２は今や、製造者レベルから製品レベルまで伸びている。ブランドレベルでは、前に選択された「ブランド２」」のノード９０６ａのみが表示されている。製品レベルでは、当該ブランド内の製品ごとにノード９０８が表示されている。この例では、ノード９０８Ａ、９０８Ｂ、および９０８Ｃが当該ブランド内の３つの製品について表示されているが、理解されるように、これは一例にすぎず、ブランド内には異なる数の製品があり得る。
前は、動的グリッド９１２がブランドレベルでブランド概要ページ１０２ｂにレンダリングされていたが、製品概要ページ１０２ｃでは、動的グリッド１３１２が製品レベルでレンダリングされて表示されている。すなわち、動的グリッド１３１２の各柱は選択のブランド「ブランド２」内の製品のうちの１つに、よって、製品レベルのノードツリー９０２のノード９０８のうちの１つに対応する。
前と同様に、ユーザは、ノードツリー９０２のノード９０８のうちの対応する１つを選択することによって、または動的グリッド１３１２の行のうちの対応する１つを選択することによって、選択のブランド内の異なる製品から選択することができる。この例が図１６から図１８に示されている。前と同様に、新しい製品が選択されると、製品概要ページ１０２ｃ上の情報、特に請求見積が、選択の製品に対応するように更新される。図１９に、製品概要ページ１０２ｃでナビゲーションチャームＣを選択した結果を示す。ナビゲーションチャームＣを選択したことに応答して、それぞれ、階層内で１レベル下にある対応する製品詳細ページ１０４ｃ、対応する最終製品報告１０６Ｃ、および対応する概要カーラインページ１０２ｄにナビゲートするために選択可能な選択可能オプション１７０２、１７０４、および１７０６が表示される。この場合もやはり、これらのページの各々が概要製品ページ１０２ｃでどの製品が現在選択されているか（この例では「製品３」）、また該当する場合は、どの年式が現在選択されているかに対応するという点で、概要製品ページ１０２ｃ上での選択が順守される。図１９の例では、ユーザが、ユーザインターフェースを対応する概要カーラインページ１０２ｄにナビゲートする、カーライン概要オプション１７０６を選択していることが示されており、その例が図２０に示されている。図には示されていないが、概要カーラインページ１０２ｄの挙動は階層の上位レベルのページと同じであり、ただしブランドまたは製品レベルではなくカーラインレベルでのものである。この場合もやはり、ノードツリー９０２が、今度は製造者レベルからカーラインレベルまでにわたって表示されている。ブランドおよび製品レベルでは、概要ブランドページ１０２ｂで選択されたブランド（「ブランド２」）と概要製品ページ１０２ｃで前に選択された製品（「製品３」）とについてのノード９０６ａ、９０８ｃのみが示されており、当該製品のカーラインごとのノード９１０が示されている。この単純な例では、「製品３」についてただ１つのカーラインが示されているが、理解されるように、特定の製品に複数のカーラインがあってもよい。カーラインレベルでレンダリングされた動的グリッド１８１２が表示されている。すなわち、個別のカーラインに関する見積。
図２１には、図３のホーム画面が示されており、ただし今回は、ユーザが、概要製造者ページ１０２ａではなく詳細製造者ページ１０４ａのオプションを選択しているのが示されている。特定の製造者の詳細製造者ページ１０４ａの一例が図２２に示されている。この例では、製造者レベルで集約された、ただし個別の労働作業についての予測を示す動的グリッド２０１２が表示されている。すなわち、グリッド２０１２内の各予測は個別の労働作業に対応するが、問題になっている製造者のすべての車両を横断して集約されている。図２３に労働作業「ＬＯＰ ｎａｍｅ １１５８」について示されるように、特定の労働作業に対応するグリッド２０１２の要素を選択することによって、当該の特定の労働作業について製造者レベルで集約された情報が、図２４の例に示されるように表示される。特に図２４には、問題になっている労働作業および製造者についての、生産期間による、見積の時系列が示されている。問題になっている製造者と特定の労働作業とについての年式２２１２による内訳を提供する柱状グラフも表示されている。これは図２４では見えていないが、図２５では見えている。生産期間による時系列２２０２と詳細製造者ページ１０４ａの年式による内訳２２１２の両方が、どちらも、製造者レベルで集約された、ただし特定の労働作業についての見積の内訳であることに留意されたい。上記で説明されており、以下の例に示されているように、問題になっている労働作業についての詳細ブランドページ１０４ｂ、詳細製品ページ１０４ｃ、および詳細カーラインページページ１０４ｄにも同じの時系列および柱状グラフが示されているが、それらの場合には、それぞれ、特定のブランド、特定の製品、および特定のカーラインについての見積の内訳を提供する。
図２５に示されるように、詳細製造者ページ１０４ａのチャームナビゲーションＣを選択することにより、２つの選択可能オプション２３０２および２３０４が表示されて、それぞれの、特定の労働作業についての詳細製品ページ１０４ｃと詳細ブランドページ１０４ｂとにナビゲートする（詳細製造者ページ１０４ａから詳細製品ページ１０４ｃに直接ナビゲートするオプションは図３には示されていないことに留意されたい）。
図２６に、ユーザが図２５でオプション２３０４を選択することによってナビゲートした、一例での詳細ブランドページ１０４ｂを示す。この例では、特定の労働作業についての、ただしブランドレベルで集約された見積をやはり提供する動的グリッド２４１２が示されている。図２７に示されるように、ユーザが特定のブランド（この例では「ブランド１」）に対応する動的グリッド２４１２の行を選択すると、当該ブランドについての見積請求情報がそれに応答して表示される。動的グリッド２４１２だけでなく、図２６には示されていないが、図２７には示されているノードツリー２５０２も提供される。ユーザは動的グリッド２４１２から、またはノードツリー２５０２から異なるブランドを選択することができる。年式による見積の内訳を提供する柱状グラフ２５１２と生産期間による内訳を提供する時系列２５１４（図２８参照）も表示される。これらは図２５の柱状グラフ２２１２および時系列２２０２に対応するが、詳細ブランドページ１０４ｂでは、これらのグラフ上にレンダリングされた見積が製造者レベルではなくブランドレベルで集約されている。
図２９および図３０に、詳細製造者ページ１０４ａのチャームナビゲーションの選択により、階層内の次の下位レベルの対応する最終ブランド労働作業報告１０８ｂと対応する詳細製品ページ１０４ｃとにそれぞれナビゲートするように選択可能な、オプション２８０２とオプション２８０４とがどのように表示されるかを示す。
図３１から図３３に一例における詳細製品ページ１０４ｃを示し、図３２から図３６に一例における詳細カーラインページ１０４ｄを示す。これらは、対応する画面上オブジェクトとともに、詳細製造者ページ１０４ａおよび詳細ブランドページ１０４ｂと同じ様にレンダリングされるが、詳細製品ページ１０４ｃに表示される見積は製品レベルで集約されており、詳細カーラインページ１０４ｄの見積はカーラインレベルで集約されている。図で明確に分かるように、これらのページ間のナビゲーション関係は、図３に示される構造に従ってまったく同じやり方で実現される。図３６から図３８に、カーライン詳細ページ１０４ｄで提供される追加の画面上オブジェクト、すなわち、エンジンと変速機とによる内訳を提供する第２のノードツリーを示す。上記で説明したように、このノードツリーをレンダリングする際に従う階層を、この例では図３６に示されるノードツリーレンダリング要素３２０４を再配置することによって、ユーザが変更することができる。例えば、「エンジン名」要素と「変速機名」要素を入れ替えることによって、ユーザは第２のノードツリー３２０２の階層を変更することができる。
図３８を例に取ると、フィルタリングオプションＦが表示されており、この中からユーザは、現在のページのフィルタリング設定を変更するために選択することができる。ユーザがフィルタリングセクションを、例えば、ブランド、製品、カーライン、カテゴリ労働作業、年式または予想ウィノウ（「見積月」）のうちの１つまたは複数を変更することによって変更すると、ページは新しい設定に従って動的に更新される。これの実現するための機構は上記で広範囲にわたって説明されている。フィルタリングオプションＦはすべての詳細ページ１０４およびすべての概要ページ１０２に示されている（が、より多くのフィルタリングオプションが当然ながら階層を下がると利用可能になる）ことに留意されたい。ユーザのフィルタセクションはユーザがページ間をナビゲートする際に維持される。すなわち、ユーザが別のページに切り替わるときにあるページで行われたフィルタ選択が維持される。
図３９には、図３のホーム画面が示されており、ただし今回は、ユーザは結果トラッカページ１１４、１１６または１つにナビゲートしている（例示的な結果トラッカ製品ページ１１６が図４０から図４５に示されている）。結果追跡は、上記の「結果トラッカ」セクションで広範囲にわたって説明されている。結果追跡ページ１１４、１１６は、経時的な見積を、それぞれ、カーラインレベルと製品レベルとで、個別の労働作業について相互にランク付けすることを可能にすると言っておけば十分であろう。
これを可能にするために、図４２から図４５に示されるように、使用時間プロット４００２、見積請求頻度プロット４００４、および年式展開グラフ４００６が提供される。各図には、製品結果トラッカページ１１６が、そのように製品レベルで集約された結果とともに示されている。これらのオブジェクトに上述したように読み込まれる。図示されていないが、カーラインレベルでカーライントラッカページ１１４に同じオブジェクトを表示することができる。
その他の機械
この技術を車両の内容で説明したが、その他の機械に適用することもできる。記載の技術のコンテキストで重要なことは、機械製造者が機械に対する修理に責任を負う、機械が実際に使用され始めた後の（すなわち、機械がユーザによる使用に供されるようになるときの）時間枠、そこから予測を行うことができる修理データの包括的なセットが利用可能になり、その予測をその後の機械に関する工学的判断を行うためにさらに使用することができるような時間枠が存在することである。したがって、車両に関する本明細書のすべての記述は、他のタイプの機械にも等しく当てはまる。
この技術を車両の内容で説明したが、その他の機械に適用することもできる。記載の技術のコンテキストで重要なことは、機械製造者が機械に対する修理に責任を負う、機械が実際に使用され始めた後の（すなわち、機械がユーザによる使用に供されるようになるときの）時間枠、そこから予測を行うことができる修理データの包括的なセットが利用可能になり、その予測をその後の機械に関する工学的判断を行うためにさらに使用することができるような時間枠が存在することである。したがって、車両に関する本明細書のすべての記述は、他のタイプの機械にも等しく当てはまる。
本発明の特定の実施形態が記載されているが、記載の実施形態の変形も明らかであろう。その範囲は、記載の実施形態によってではなく、添付の特許請求の範囲によってのみ定義される。
Claims (129)
- 車両修理作業または車両コンポーネント故障を予測する方法であって、前記方法が、処理段で、
前記データ処理段で実行された予測アルゴリズムが、予測を行う際に使用するための車両修理記録のセットを選択するステップであって、前記車両修理記録の各々が、前記車両が実際に使用され始めた後に行われた車両修理の記録であり、前記車両修理記録の各々が、履歴車両経年値または履歴使用量値を含むかまたは指示し、修理作業または車両コンポーネント故障を記録している、ステップ
を含み、
前記予測アルゴリズムが、車両修理記録の前記選択されたセットを使用して、車両記録のセットに記録された車両の台数と、前記記録された車両の各々の現在の経年または使用量とに基づいて、車両記録の前記セットについての修理作業または車両コンポーネント故障の件数またはリソース値を予測し、前記車両記録の各々が、実際に使用され始める車両の記録である、方法。 - 車両修理記録の前記セットが、選択されたセットの各修理記録が、特定のタイプの修理作業／車両コンポーネントに関連し、前記予測件数またはリソース値が前記特定のタイプの修理作業／車両コンポーネント故障の予測件数またはリソース値になるように、前記特定のタイプの修理作業または前記特定のタイプの車両コンポーネントに基づいて利用可能な車両修理記録のより大きいセットをフィルタリングすることによって選択される、請求項１に記載の方法。
- 車両修理記録の前記セットが、選択されたセットの各修理記録が特定の（セットの）（１つまたは複数の）車両属性に関連し、車両記録の前記セット内の前記車両記録の各々が前記特定の（セットの）（１つまたは複数の）車両属性または同様の（セットの）（１つまたは複数の）車両属性に関連し、前記予測件数またはリソース値が、前記特定の車両属性を有する車両についての修理作業／車両コンポーネント故障の予測件数またはリソース値になるように、前記特定の車両属性または車両属性のセットに基づいて利用可能な車両修理記録のより大きいセットをフィルタリングすることによって選択される、請求項１または２に記載の方法。
- 前記より大きいセットが、前記選択されたセットの各修理記録が、前記特定の（セットの）（１つまたは複数の）車両属性と前記特定のタイプの修理作業／車両コンポーネントとに関連し、前記予測件数またはリソース値が、前記特定の車両属性を有する車両についての前記特定のタイプの修理作業／車両コンポーネント故障の予測件数またはリソース値になるように、前記特定の（セットの）（１つまたは複数の）車両属性と前記特定のタイプの修理作業／車両コンポーネントとに基づいてフィルタリングされる、請求項２および３に記載の方法。
- 異なる履歴車両経年値または履歴使用量値についての車両修理記録の前記セットに記録された修理作業または車両コンポーネント故障の件数またはリソース値に基づいて車両修理記録の前記セットのプロファイルを決定するステップであって、前記プロファイルが前記予測を行うために使用される、ステップ
を含む、請求項１から４のいずれか一項に記載の方法。 - 前記プロファイルが、セットの履歴車両経年値または履歴使用量値の各々について、修理記録の前記セットから計算された対応するリソース値または件数値を含む、請求項１から５のいずれか一項に記載の方法。
- 前記リソース値または件数値が、当該の履歴車両経年値または履歴使用量値までの車両修理記録の前記セットに記録された修理作業／車両コンポーネント故障の前記件数またはリソース値の総和として計算された累積値である、請求項６に記載の方法。
- 前記予測が、車両記録の前記セットに記録された車両の前記台数と、前記車両の各々の前記現在の経年または使用量と、前記プロファイルの前記リソース値または件数値とに基づいてノンパラメトリック分析を行うことによって行われる、請求項６または７に記載の方法。
- 前記プロファイルを決定する前記ステップが、車両修理記録の前記フィルタリング済みセットに記録された修理作業／車両コンポーネント故障のリソース値の総数を決定するステップであって、各リソース値または件数値が前記総数の割合として計算される、ステップを含む、請求項５から８のいずれか一項に記載の方法。
- 前記プロファイルの前記対応するリソース値または件数値と、その現在の経年または使用量が前記プロファイルの履歴車両経年値または履歴使用量値と一致する車両記録の前記セットに記録された車両の前記台数とに基づいて、前記プロファイルの前記履歴車両経年値または履歴使用量値の各々の獲得値を計算するステップを含む、請求項６に従属する場合の請求項９に記載の方法。
- 前記プロファイルの前記履歴車両経年値または履歴使用量値の各々の前記獲得値が、前記プロファイルの前記対応するリソース値または件数値を、その現在の経年または使用量が前記プロファイルの当該の履歴車両経年値または履歴使用量値と一致する車両記録の前記セットに記録された車両の前記台数で乗算することによって計算される、請求項１０に記載の方法。
- 前記獲得値から車両記録の前記セットの成熟度値を計算するステップを含む、請求項１０または１１に記載の方法。
- 車両記録の前記セットに記録された車両の総台数を決定するステップであって、前記成熟度値が、車両の総台数の割合として前記獲得値から総獲得値を計算することによって計算される、ステップを含む、請求項１２に記載の方法。
- 車両記録の前記セットに対応する１つまたは複数の既存の車両修理記録を特定するステップと、
前記既存の車両修理記録に記録された修理作業または車両コンポーネント故障の件数またはリソース値を決定するステップと
を含む、請求項１から１３のいずれか一項に記載の方法。 - 車両記録の前記セットについての修理作業または車両コンポーネント故障の前記予測件数またはリソース値が、車両記録の前記セットに記録された車両の前記台数と、前記車両の各々の前記現在の経年または使用量とに基づいて、前記既存の車両修理記録について決定された、修理作業または車両コンポーネント故障の前記件数またはリソース値から算出される、請求項１４に記載の方法。
- 前記プロファイルが、前記予測件数を算出するために使用される、請求項５に従属する場合の請求項１５に記載の方法。
- 車両記録の前記セットについての修理作業または車両コンポーネント故障の前記予測件数またはリソース値が、車両記録の前記セットについて計算された前記成熟度値と、前記既存の車両修理記録に記録された修理作業／車両コンポーネント故障の前記件数またはリソース値とに基づいて決定される、請求項１２および１４に記載の方法。
- 前記予測件数またはリソース値が、前記既存の車両修理記録に記録された修理作業／車両コンポーネント故障の前記件数またはリソース値を前記成熟度で除算することによって決定される、請求項１７に記載の方法。
- 車両修理記録の前記セットが、前記選択されたセットの車両修理記録ごとに決定された現在の車両経年または使用量が予測持続期間または使用量閾値をそれぞれ超え、前記予測件数またはリソース値が、前記予測持続期間内にまたは前記使用量閾値未満で発生する修理作業または車両コンポーネント故障の件数またはリソース値になるように選択される、請求項１から１８のいずれか一項に記載の方法。
- 前記既存の車両修理記録のうちの少なくとも１つが、前記予測持続期間または使用量閾値をそれぞれ超えない現在の車両経年または使用量を有する、請求項１４および１９に記載の方法。
- 前記車両修理記録の各々が、前記修理記録を一致する車両記録にリンクする車両識別子を含む、請求項１から２０のいずれか一項に記載の方法。
- 前記車両修理記録のうちの少なくとも１つが、前記一致する車両記録のデータで増補される、請求項２１に記載の方法。
- 前記車両修理記録のうちの少なくとも１つが、前記一致する車両記録からの車両属性の指標で増補される、請求項２２に記載の方法。
- 前記履歴車両経年値または履歴使用量値が、前記車両修理記録の請求日、故障日、または支払日および前記一致する車両記録の使用開始日からの前記車両修理記録のうちの少なくとも１つについて計算される、請求項２１、２２または２３に記載の方法。
- 車両修理記録の少なくとも２つのセットが、各々、修理作業または車両コンポーネントのそれぞれのタイプに基づいて前記より大きいセットをフィルタリングすることによって選択され、
前記予測アルゴリズムが、車両修理記録の前記選択されたセットの各々を使用して、車両記録の前記セットについて、前記それぞれのタイプの修理作業／車両コンポーネント故障のそれぞれの件数またはリソース値を予測する、請求項２または請求項２に従属する請求項のいずれか一項に記載の方法。 - 車両修理記録の前記少なくとも２つのセットを使用して決定された前記予測件数またはリソース値が、前記車両記録のセットの組み合わせの集約予測件数またはリソース値を決定するために集約される、請求項２５に記載の方法。
- 前記履歴車両経年値が、前記修理作業が行われたかまたは前記車両コンポーネントが修理もしくは交換された前記車両の経年、または前記修理記録が処理された前記車両の経年である、請求項１から２６のいずれか一項に記載の方法。
- 現在の車両経年が、前記対応する車両記録の日付から前記車両のうちの少なくとも１台について決定される、請求項１から２７のいずれか一項に記載の方法。
- 前記現在の車両経年が、前記対応する車両記録の前記日付と前記修理請求記録に記録された最も新しい日付とから決定される、請求項２８に記載の方法。
- 前記車両のうちの前記少なくとも１台の現在の使用量が、前記現在の車両経年から推測される、請求項２８または２９に記載の方法。
- 前記現在の車両使用量が、前記車両の少なくとも１つの属性に基づいて推測される、請求項３０に記載の方法。
- 前記履歴車両使用経年値が、前記車両修理の一部として取得された走行距離または時間齢の読み取り値である、請求項１から３１のいずれか一項に記載の方法。
- 車両修理作業または車両コンポーネント故障を予測する方法であって、前記方法が、処理段で、
予測を行う際に使用するための車両修理記録のセットを選択するステップであって、前記車両修理記録の各々が履歴車両経年値または履歴使用量値を含むかまたは指示し、修理作業または車両コンポーネント故障を記録しており、修理記録の前記セットが、特定のタイプの修理作業と特定のタイプの車両コンポーネントとに基づいて利用可能な車両修理記録のより大きいセットをフィルタリングすることによって選択される、ステップと、
修理記録の前記選択されたセットを使用して、車両の母集団について、前記母集団内の車両の台数と当該の車両の各々の現在の経年または使用量とに基づいて、前記特定のタイプの修理作業／車両コンポーネント故障のリソース値の件数を予測するステップと
を含む、方法。 - 車両修理作業または車両コンポーネント故障を予測する方法であって、前記方法が、処理段で、
各々が履歴車両経年値または履歴使用量値を含むかまたは指示し、修理作業または車両コンポーネント故障を記録している、プロファイルを決定するための車両修理記録のセットを選択するステップと、
修理記録の前記セットのプロファイルを決定するステップであって、前記プロファイルが、セットの履歴車両経年値または履歴使用量値の各々について、修理記録の前記セットから計算された対応するリソース値または件数値を含む、ステップと、
修理記録の前記選択されたセットを使用して、車両記録の母集団についての修理作業または車両コンポーネント故障の件数またはリソース値を、前記母集団内の前記番号車両と、当該の車両の各々の現在の経年または使用量と、前記プロファイルの前記リソース値または件数値とに基づいてノンパラメトリック分析を行うことによって予測するステップと
を含む、方法。 - 修理作業／車両コンポーネント故障の前記予測件数またはリソース値を使用して、特定の車両属性、特定のタイプの車両コンポーネント、または特定のタイプの修理作業に関連する問題を特定するステップを含む、請求項１から３４のいずれか一項に記載の方法。
- 前記予測を使用して、利用可能な車両修理記録の前記より大きいセットをフィルタリングするために使用された前記特定のタイプの車両コンポーネントまたは修理作業の問題を特定するステップを含む、請求項２または請求項３２に従属する場合の請求項３５に記載の方法。
- 前記予測を使用して、車両修理記録のセットの前記より大きいセットをフィルタリングするために使用された前記特定の車両属性に関連する問題を特定するステップを含む、請求項３に従属する場合の請求項３５に記載の方法。
- 前記予測を使用して、前記特定の車両属性を有する車両に固有の前記特定のタイプの車両コンポーネントまたは修理作業の問題を特定するステップを含む、請求項４に従属する場合の請求項３５に記載の方法。
- 前記問題が、前記予測件数またはリソース値を、修理作業／車両コンポーネント故障の少なくとも１つの他の予測件数またはリソース値と比較することによって特定される、請求項３５から３８のいずれか一項に記載の方法。
- 前記予測アルゴリズムが、複数の修理作業タイプまたは車両コンポーネントタイプの各々について、
修理作業／車両コンポーネントの当該タイプに関連する車両修理記録のそれぞれのセットを選択するステップと、
車両修理記録の前記それぞれのセットを使用して、車両記録の前記セットについて、記録された車両の台数と前記車両の現在の経年または使用量とに基づいて当該タイプの修理作業または車両コンポーネント故障の件数またはリソース値を予測するステップと
を実施する、請求項１から３９のいずれか一項に記載の方法。 - 車両修理記録の前記セットの各々が請求項２、請求項３、または請求項４に従って選択される、請求項４０に記載の方法。
- 前記修理作業／車両コンポーネントタイプの特定の１つに関する問題を特定するために、前記修理作業／車両コンポーネントタイプについての前記予測を比較するステップを含む、請求項４１に記載の方法。
- 前記比較が、前記問題を自動的に特定するために前記データ処理段で実行される比較アルゴリズムによって行われる、請求項４２に記載の方法。
- 前記特定された問題を是正するステップを含む、請求項３５から３９、４２、または４３のいずれか一項に記載の方法。
- 前記件数またはリソース値が、記録された車両当たりの件数リソース値である、請求項１から４４のいずれか一項に記載の方法。
- 前記件数またはリソースが、絶対数またはリソース値である、請求項１から４４のいずれか一項に記載の方法。
- 失効日が車両記録ごとに含まれるかまたは決定され、前記予測閾値を超える失効日を有する車両記録が、車両記録の前記セットから除外される、請求項１９に記載の方法。
- 前記プロファイルが、特定の車両属性または車両属性のセットおよび特定の修理作業／車両コンポーネントタイプについて決定された修理作業プロファイルである、請求項５に記載の方法。
- 前記プロファイルが、すべての修理作業／車両コンポーネントタイプにわたって特定の車両属性または車両属性のセットについて決定された概要プロファイルである、請求項５に記載の方法。
- 同じ車両属性または同じ車両属性のセットに別々の修理作業およびカテゴリのプロファイルが決定される、請求項４８および４９に記載の方法。
- 前記プロファイルまたは各プロファイルが、特定の車両モデルについて決定される、請求項４８から５０のいずれか一項に記載の方法。
- 前記プロファイルが、前記プロファイルが一次照合基準により車両記録の前記セットと一致するという点で、好ましいプロファイルである、請求項５に記載の方法。
- 前記方法が、前記好ましいプロファイルを決定するために利用可能な十分な数の車両記録があると判断するステップを含む、請求項５２に記載の方法。
- 前記プロファイルが、プロファイルが二次照合基準により車両記録の前記セットと一致するという点で、バックアッププロファイルであり、前記方法が、一次照合基準により車両記録の前記セットと一致する好ましいプロファイルが利用できないと判断するステップを含む、請求項５に記載の方法。
- 前記決定するステップが、そのようなプロファイルを決定するために利用可能な十分な数の車両修理記録がないと判断するステップを含む、請求項５４に記載の方法。
- 車両記録の前記セットがすべて同じ車両モデルに関連し、前記バックアッププロファイルが、異なる車両モデル、または前記車両モデルと少なくとも１つの他の車両モデルとを含むモデルグループのプロファイルである、請求項５４または５５に記載の方法。
- 前記プロファイルが、少なくとも２つの特定のタイプの修理作業をカバーする修理作業のカテゴリ、または特定のタイプの修理作業について決定される、請求項５に記載の方法。
- 前記予測が特定のタイプの修理作業について行われ、前記バックアッププロファイルが、複数のタイプの修理作業をカバーする修理作業の特定のカテゴリのプロファイル、またはすべての修理作業にわたるプロファイルである、請求項５３および４８に記載の方法。
- 車両記録の前記セットがすべて同じ車両モデルに関連し、前記予測が特定のタイプの修理作業について行われ、前記決定するステップが、当該の特定のタイプの修理作業および当該のモデルのプロファイルが利用できないと判断するステップを含み、前記バックアッププロファイルが、以下のプロファイル階層：
１．前記のタイプの修理作業および前記車両モデルと少なくとも１つの他の車両モデルとを含むモデルグループのプロファイル、
２．類似した車両モデルおよび前記特定のタイプの修理作業のプロファイル、
３．前記同じ車両モデル、および前記特定のタイプの修理作業と少なくとも１つの他の特定のタイプの修理作業とをカバーする修理作業カテゴリのプロファイル、
４．類似した車両モデルおよび前記修理作業カテゴリのプロファイル、
５．すべての修理作業にわたる同じ車両モデルのプロファイル、
６．すべての修理作業にわたる前記モデルグループのプロファイル、
７．すべての修理作業にわたる類似した車両モデルのプロファイル
に従って選択される、請求項５８に記載の方法。 - 前記予測件数／リソース値を決定する際に、タイムラグが、最近の修理記録を受け取る際の遅延によって生じる前記タイムラグのモデルを使用して考慮される、請求項１から５９のいずれか一項に記載の方法。
- 前記モデルが、前記獲得値を適応させるために使用される、請求項６０および１０に記載の方法。
- 車両修理作業または車両コンポーネント故障を予測するためのシステムであって、前記システムが、
予測アルゴリズムを実行するためのコンピュータ可読命令を保持するように構成された電子記憶と、
前記電子記憶に結合され、コンピュータ可読命令を実行するように構成された処理段であって、前記コンピュータ可読命令が、実行されると、請求項１から６１のいずれか一項に記載の方法を実施するように構成されている、処理段と
を含む、システム。 - 実行されると、請求項１から６２のいずれか一項に記載の方法または請求項６８から１４３のいずれか一項に記載のコンピュータシステムを実施するように構成されたコンピュータ可読命令を有する非一時的コンピュータ可読媒体。
- 車両を生産する方法であって、
車両生産工程で、異なるタイプの車両コンポーネントを製造し、車両を形成するために前記車両コンポーネントを組み立てるステップと、
各々が実際に使用され始める前記車両のうちの１台の記録である、車両記録のセットを作成するステップと、
前記車両が実際に使用され始めた後で前記車両のサブセットに対して車両修理を行うステップと、
各々が車両経年値または使用量値を含むかまたは指示し、前記車両修理で特定された車両コンポーネント故障を記録する、前記車両修理の各々のそれぞれの記録を作成するステップと、
データ処理段で、前記車両記録と車両修理記録とを受け取るステップであって、前記データ処理段で実行された予測アルゴリズムが、前記受け取られた記録を、車両コンポーネントのタイプごとに、
１）当該タイプの車両コンポーネントに関連する前記車両修理記録のそれぞれのセットを特定し、
２）車両修理記録の前記それぞれのセットを使用して、車両記録の前記セットに記録された車両の台数と、前記記録された車両の各々の現在の経年または使用量とに基づいて、車両記録の前記セットについての当該タイプの車両コンポーネント故障のそれぞれの件数またはリソース値を予測する
ように処理する、ステップと、
前記車両コンポーネントタイプのうちの特定の１つに関する問題を特定するために前記異なる車両コンポーネントタイプについての予測を比較するステップと、
前記車両生産工程を、適応させた車両生産工程で生産されるその後の車両のために前記特定された問題を是正するように、適応させるステップと
を含む、方法。 - 前記特定された問題が、
前記特定のタイプの車両コンポーネントを再設計すること、
前記特定の属性もしくは前記特定のタイプの車両コンポーネントを有する車両モデルを再設計すること、
前記特定のタイプの車両コンポーネントが製造される製造工程を適応させること、
前記特定の属性もしくは前記特定のタイプの車両コンポーネントを有する車両モデルが組み立てられる組立て工程を適応させること、または
前記特定のタイプの修理作業を行う際に従う手順を適応させること
によって是正される、請求項４４または６４に記載の方法。 - 機械修理作業または機械コンポーネント故障を予測する方法であって、前記方法が、処理段で、
前記データ処理段で実行された予測アルゴリズムが、予測を行う際に使用するための機械修理記録のセットを選択するステップであって、前記機械修理記録の各々が、前記機械が実際に使用され始めた後に行われた機械修理の記録であり、前記機械修理記録の各々が、履歴機械経年値または履歴使用量値を含むかまたは指示し、修理作業または機械コンポーネント故障を記録している、ステップ
を含み、
前記予測アルゴリズムが、機械修理記録の前記選択されたセットを使用して、機械記録のセットに記録された機械の台数と、前記記録された機械の各々の現在の経年または使用量とに基づいて、機械記録の前記セットについての修理作業または機械コンポーネント故障の件数またはリソース値を予測し、前記機械記録の各々が、実際に使用され始める機械の記録である、方法。 - 車両予測をフィルタリングするためのコンピュータシステムであって、
少なくとも１つの修理作業、車両コンポーネントまたは車両属性の指標と、前記指示された修理作業、車両コンポーネントまたは車両属性の個別の予測値とを各々含む、車両予測を保持するように構成されたデータベースと、
前記車両予測をフィルタリングするためのフィルタリング基準を受け取り、前記データベース内の前記車両予測の前記修理作業、車両コンポーネントまたは車両属性の指標を前記フィルタリング基準と比較することによって前記フィルタリング基準に従って前記車両予測をフィルタリングして、前記フィルタリング基準を満たす前記車両予測のフィルタリング済みセットを決定するように構成されたフィルタリングコンポーネントと、
ユーザインターフェースを、ユーザに、前記フィルタリング済みセットから決定された予測値を出力するよう制御するように構成されたコントローラと
を含む、コンピュータシステム。 - 前記フィルタリング基準を満たす車両予測のフィルタリング済みセットの前記個別の予測値から集約予測値を算出し、前記出力される予測値が前記集約予測値である、ように構成された集約コンポーネントを含む、請求項６７に記載のコンピュータシステム。
- 前記出力される予測値が、前記フィルタリング済みセットの個別の予測値である、請求項７０に記載のコンピュータシステム。
- 前記出力される予測値が、前記フィルタリング済みセットから決定され、前記コントローラによって出力される複数の予測値のうちの１つである、請求項６７、６８、または６９に記載のコンピュータシステム。
- 前記データベースに保持された前記車両予測の各々が、修理作業または車両コンポーネントの指標と、少なくとも１つの車両属性指標とを含み、前記個別の予測値が、前記指示された車両属性と前記指示された修理作業／車両コンポーネントとの個別の予測値である、請求項６７、６８、または６９に記載のコンピュータシステム。
- 前記フィルタリング基準が、前記フィルタリング済みセットの各車両予測が、
前記フィルタリング済みセットが前記製造者の車両製品グループまたは少なくとも２つの異なる車両製品グループの車両予測を含むような、同じ製造者、
前記フィルタリング済みセットが当該の製品グループ内の少なくとも２つの異なる車両製品についての車両予測を含むような、同じ車両製品グループ、
前記フィルタリング済みセットが当該の車両製品の少なくとも２つの異なるモデルの車両予測を含むような、同じ車両製品、
前記フィルタリング済みセットが当該のモデルの少なくとも２つの異なる年式の車両予測を含むような、同じ車両モデル、
同じ車両モデルおよび同じ年式、
同じ車両エンジン、
同じ車両変速機、
同じタイプの修理作業、または
同じタイプの車両コンポーネント
のうちの１つに関連するというものである、請求項７１に記載のコンピュータシステム。 - 前記フィルタリングコンポーネントが、第２のフィルタリング基準を受け取り、前記第２のフィルタリング基準に従って前記データベース内の前記車両予測をフィルタリングして、前記第２のフィルタリング基準を満たす前記車両予測の第２のフィルタリング済みセットを決定するように構成され、前記コントローラが、前記ユーザインターフェースを、前記ユーザに、前記第２のフィルタリング済みセットから決定された第２の予測値を出力するよう制御するように構成される、請求項６７から７２のいずれか一項に記載のコンピュータシステム。
- 前記集約コンポーネントが、前記第２のフィルタリング済みセットの前記個別の予測値から第２の集約予測値を算出し、前記第２の出力される予測値が前記第２の集約予測値である、ように構成される、請求項７１に従属する場合の請求項７３に記載のコンピュータシステム。
- 前記第２の予測値が、前記第２のフィルタリング済みセットから決定され、前記コントローラによって出力される複数の第２の予測値のうちの１つである、請求項７３または７４に記載のコンピュータシステム。
- 前記フィルタリングコンポーネントが、第３のフィルタリング基準を受け取り、前記第３のフィルタリング基準に従って前記データベース内の前記車両予測をフィルタリングして、前記第３のフィルタリング基準を満たす前記車両予測の第３のフィルタリング済みセットを決定するように構成され、前記コントローラが、前記ユーザインターフェースを、前記ユーザに、前記第３のフィルタリング済みセットから決定された第３の予測値を出力するよう制御するように構成される、請求項７３または７４に記載のコンピュータシステム。
- 前記フィルタリングコンポーネントが、第４のフィルタリング基準を受け取り、前記第４のフィルタリング基準に従って前記データベース内の前記車両予測をフィルタリングして、前記第４のフィルタリング基準を満たす前記車両予測の第４のフィルタリング済みセットを決定するように構成され、前記コントローラが、前記ユーザインターフェースを、前記ユーザに、前記第４のフィルタリング済みセットから決定された第４の予測値を出力するよう制御するように構成される、請求項７６に記載のコンピュータシステム。
- 前記フィルタリングコンポーネントが、第５のフィルタリング基準を受け取り、前記第５のフィルタリング基準に従って前記データベース内の前記車両予測をフィルタリングして、前記第５のフィルタリング基準を満たす前記車両予測の第５のフィルタリング済みセットを決定するように構成され、前記コントローラが、前記ユーザインターフェースを、前記ユーザに、前記第５のフィルタリング済みセットから決定された第５の予測値を出力するよう制御するように構成される、請求項７７に記載のコンピュータシステム。
- 前記フィルタリングコンポーネントが、
前記フィルタリング基準に従って、少なくとも前記修理作業／車両コンポーネントを前記フィルタリング基準と比較することによって前記車両予測をフィルタリングし、
前記第２のフィルタリング基準に従って、少なくとも前記データベース内の前記車両予測の前記車両属性指標を前記第２のフィルタリング基準と比較することによって前記車両予測をフィルタリングする、
ように構成される、請求項７３および７１に記載のコンピュータシステム。 - 前記コントローラが、前記ユーザインターフェースを、前記予測値の各々を同時に表示するよう制御するように構成される、請求項７３から７９のいずれか一項に記載のコンピュータシステム。
- 前記フィルタリングコンポーネントによって決定された前記フィルタリング済みセットの各々が、予測階層のそれぞれのレベルに関連する、請求項７３から８０のいずれか一項に記載のコンピュータシステム。
- 前記予測階層が少なくとも、
製造者、
製品グループ、
製品、
モデル（もしくはカーライン）またはモデルプラス年式
の各レベルを有する、請求項８１に記載のコンピュータシステム。 - 前記予測階層が、
モデル―エンジンまたはモデル―変速機
のレベルも有する、請求項８２に記載のコンピュータシステム。 - 前記予測階層が、
モデル―エンジン―変速機またはモデル―変速機―エンジン
のレベルも有する、請求項８３に記載のコンピュータシステム。 - 前記予測階層が少なくとも、
年式
のレベルも有する、請求項８２から８４のいずれか一項に記載のコンピュータシステム。 - 前記予測階層が少なくとも、
エンジンまたは変速機、
エンジン―製品または変速機―製品、
エンジン―モデルまたは変速機―モデル
の各レベルを有する、請求項８１から８５のいずれか一項に記載のコンピュータシステム。 - 前記予測階層が、
エンジン―製品グループまたは変速機―製品グループ
のレベルも有する、請求項８６に記載のコンピュータシステム。 - 前記フィルタリング済みセットのうちの少なくとも１つが、前記予測階層の前記それぞれのレベルのエンティティについての特定のタイプの修理作業に関連する、請求項８１から８７のいずれか一項に記載のコンピュータシステム。
- 前記フィルタリング済みセットのうちの少なくとも１つが、前記予測階層の前記それぞれのレベルのエンティティについてのすべてのタイプの修理作業に関連する、請求項８１から８８のいずれか一項に記載のコンピュータシステム。
- 前記フィルタリング済みセットのうちの少なくとも２つが同じエンティティに関連し、当該のセットのうちの１つが当該のそれぞれのエンティティについての特定のタイプの修理作業に関連し、前記フィルタリング済みセットのその他が当該エンティティについてのすべてのタイプの修理作業に関連する、請求項８８および８９に記載のコンピュータシステム。
- 前記コントローラが、前記ユーザインターフェースでのモード切り替え命令に応答して、
ｉ）前記車両予測のセットの各々が前記予測階層のそれぞれのレベルのそれぞれのエンティティについてのすべてのタイプの修理作業に関連する、車両予測のセットについて予測値が表示される、概要モードと、
ｉｉ）前記車両予測のセットの各々が前記予測階層のそれぞれのレベルのそれぞれのエンティティについての特定のタイプの修理作業に関連する、前記車両予測のセットについて予測値が表示される、特定のタイプの修理作業についての詳細モードと、
を切り替えるように構成される、請求項８８および８９に記載の方法。 - 前記フィルタリング基準と前記第２のフィルタリング基準とが、車両予測の前記フィルタリング済みセットと車両予測の前記第２のフィルタリング済みセットとが異なるレベルの前記予測階層に関連するというものである、請求項８１から９１のいずれか一項に記載のコンピュータシステム。
- 前記フィルタリング基準と前記第２のフィルタリング基準とが、車両予測の前記フィルタリング済みセットと車両予測の前記第２のフィルタリング済みセットとが同じレベルの前記予測階層に関連するというものである、請求項８１から９１のいずれか一項に記載のコンピュータシステム。
- 前記第３のフィルタリング基準が、前記第３のフィルタリング済みセットが前記フィルタリング済みセットおよび前記第２のフィルタリング済みセットと同じレベルの前記予測階層に関連するというものである、請求項７６に従属する場合の請求項９３に記載のコンピュータシステム。
- 前記第３のフィルタリング基準が、前記第３のフィルタリング済みセットが前記フィルタリング済みセットおよび前記第２のフィルタリング済みセットとは異なるレベルの前記予測階層に関連するというものである、請求項７６に従属する場合の請求項９３に記載のコンピュータシステム。
- 車両予測の前記第３のフィルタリング済みセットが、車両予測の前記フィルタリング済みセットおよび前記第２のフィルタリング済みセットよりも上位レベルの前記予測階層のエンティティに関連する、請求項９５に記載のコンピュータシステム。
- 前記コントローラが、同じレベルの前記予測階層に関連する前記フィルタリング済みセットの表示順序を、当該のセットについて決定された前記予測値に基づいて決定し、前記ユーザインターフェースを、当該の予測値を前記決定された表示順序で表示するよう制御するように構成される、請求項９３から９６のいずれか一項に記載のコンピュータシステム。
- 前記コントローラが、車両予測の前記セットまたは各セットの表示位置を、当該セットが関連する前記予測階層の前記レベルに基づいて決定し、前記ユーザインターフェースを、当該セットの予測値を前記決定された表示位置に表示するよう制御するように構成される、請求項８１から９７のいずれか一項に記載のコンピュータシステム。
- 前記コントローラが、前記予測値、前記第２の予測値、および前記第３の予測値の前記表示位置を、前記予測値と前記第２の予測値の前記表示位置が、前記第３の予測値の前記表示位置とは別の表示領域に一緒にグループ化されるように決定するように構成される、請求項９６に従属する場合の請求項９８に記載のコンピュータシステム。
- 前記第４のセットおよび前記第５のセットが、車両予測の前記フィルタリング済みセットおよび前記第２のフィルタリング済みセットが関連する前記レベルよりも下位の、互いに同じレベルの前記予測階層に関連する、請求項７９に従属する場合の請求項８１から９９のいずれか一項に記載のコンピュータシステム。
- 前記第４のセットおよび前記第５のセットが、両方が前記第３のフィルタリング済みセットが関連するレベルよりも上位の、互いに異なるレベルの予測階層に関連する、請求項７９に従属する場合の請求項８１から９９のいずれか一項に記載のコンピュータシステム。
- 前記第２のフィルタリング基準が、前記フィルタリング済みセットの各車両予測が、
前記フィルタリング済みセットが前記製造者の車両製品グループまたは少なくとも２つの異なる車両製品グループの車両予測を含むような、同じ製造者、
前記フィルタリング済みセットが少なくとも２つの異なる車両製品についての車両予測を含むような、同じ車両製品グループ、
前記フィルタリング済みセットが少なくとも２つの異なる車両モデルの車両予測を含むような、同じ車両製品、
前記フィルタリング済みセットが当該のモデルの少なくとも２つの異なる年式の車両予測を含むような、同じ車両モデル、
同じ車両モデルおよび同じ年式、
同じ車両エンジン、
同じ車両変速機、
同じタイプの修理作業、または
同じタイプの車両コンポーネント
のうちの異なる１つに関連するというものである、請求項７３または７９に記載のコンピュータシステム。 - 前記コントローラが、車両予測の前記セットまたは各セットについて、当該セットの前記予測値に基づいて少なくとも１つの視覚特性を決定し、前記ユーザインターフェースを、前記決定された視覚特性を有する視覚表現を表示するよう制御して、前記決定された視覚特性を有する前記視覚表現の表示として前記予測値を出力するように構成される、請求項６７から１０２のいずれか一項に記載のコンピュータシステム。
- 前記フィルタリング済みセットから決定される前記予測値が、予測される修理作業または車両コンポーネント故障のみをカバーする将来の予測値である、請求項６７から１０３のいずれか一項に記載のコンピュータシステム。
- 前記フィルタリング済みセットから決定される前記予測値が、予測される修理作業または車両コンポーネント故障とすでに発生した修理作業または車両コンポーネント故障の両方をカバーする将来プラス履歴予測値である、請求項６７から１０４のいずれか一項に記載のコンピュータシステム。
- 前記システムが、車両予測の前記セットまたは各セットについて、
ｉ）予測される修理作業または車両コンポーネント故障とすでに発生した修理作業または車両コンポーネント故障の両方をカバーする将来プラス履歴予測値と、
ｉｉ）予測される修理作業または車両コンポーネント故障のみをカバーする将来の予測値と、
を算出するように構成され、前記コントローラが、前記ユーザインターフェースを、前記ユーザに、前記将来の予測値と関連付けた前記全体の予測値を出力するよう制御するように構成される、請求項６７から１０５のいずれか一項に記載のコンピュータシステム。 - 前記コンピュータシステムが、車両予測の前記セットまたは各セットについて、すでに発生した修理作業または車両コンポーネント故障のみをカバーする履歴値を決定するようにも構成され、前記コントローラが、前記ユーザインターフェースを、前記ユーザに、前記履歴値と関連付けた前記予測値を出力するよう制御するように構成される、請求項６７から１０６のいずれか一項に記載のコンピュータシステム。
- 前記履歴値が、前記集約予測値に対応する集約履歴値である、請求項６８および１０７に記載のコンピュータシステム。
- 前記履歴値が、前記フィルタリング済みセットから決定された前記個別の予測値に対応する個別の履歴値である、請求項６９および１０７に記載のコンピュータシステム。
- 前記コントローラが、当該セットの前記将来の予測値と、前記履歴値と、前記将来プラス履歴予測値のうちの１つに基づく前記視覚表現の第１の視覚特性と、異なる１つに基づく前記視覚表現の第２の視覚特性とを決定するように構成される、請求項１０３および１０４、１０５または１０７に記載のコンピュータシステム。
- 前記（または各）視覚特性が、前記視覚表現のサイズまたは色の（異なる）一方である、請求項１０３または１１０に記載のコンピュータシステム。
- 前記決定される予測値が、予測される修理作業または車両コンポーネント故障のみをカバーする将来の予測値であり、前記コントローラが、前記ユーザインターフェースを、予測される修理作業または車両コンポーネント故障とすでに発生した修理作業または車両コンポーネント故障の両方をカバーする当該セットの将来プラス履歴予測値の視覚表現を表示するよう制御し、前記視覚表現が２つの視覚的に異なる部分を有し、前記視覚表現の第１の部分が前記履歴値を表し、前記視覚表現の第２の部分が前記将来の予測値を表す、ように構成される、請求項１０７に記載のコンピュータシステム。
- 前記第の１部分と前記第２の部分とが、それぞれ、前記履歴値と前記将来の予測値とに基づいて前記コントローラによって決定されたそれぞれのサイズを有する、請求項１１２に記載のコンピュータシステム。
- 前記車両予測の各々が見積長さを含み、前記フィルタリングが、車両予測の前記セットまたは各セットが同じ見積長さに関連するというものである、請求項６７から１１３のいずれか一項に記載のコンピュータシステム。
- 前記車両予測のうちの少なくとも２つが異なる見積長さに関連する、請求項６７から１１４のいずれか一項に記載のコンピュータシステム。
- 前記集約コンポーネントが、前記セットまたは各セットの前記フィルタリング基準を、少なくとも一部は、前記ユーザインターフェースで前記ユーザによって設定されたフィルタ選択パラメータに従って決定するように構成される、請求項６７から１１５のいずれか一項に記載のコンピュータシステム。
- 前記予測階層が事前に決定される、請求項８１または請求項８１に従属する請求項のいずれか一項に記載の方法。
- 前記予測階層がユーザによって定義される、請求項１１７以外の、請求項８１または請求項８１に従属する請求項のいずれか一項に記載の方法。
- 前記セットまたは各セットについて算出された前記集約値または各集約値が、当該セットについての車両ごとの修理作業もしくは車両コンポーネント故障の件数もしくはリソース値、または当該セットについての修理作業もしくは車両コンポーネント故障の絶対件数もしくはリソース値を含む、請求項６８または請求項６８に従属する請求項のいずれか一項に記載のコンピュータシステム。
- 前記コントローラが、前記フィルタリング済みセットの各々を使用して、前記ユーザインターフェースに表示される多要素オブジェクトのそれぞれの要素をレンダリングするように構成される、請求項７３または請求項７３に従属する請求項のいずれか一項に記載のコンピュータシステム。
- 前記車両予測の各々が、車両生産タイミング指標または使用時間指標を含み、前記フィルタリング済みセットの各々が異なる車両生産タイミングまたは異なる使用時間に関連する、請求項７３または請求項７３に従属する請求項のいずれか一項に記載のコンピュータシステム。
- 前記車両予測の各々が、車両生産タイミング指標と使用時間指標とを含む、請求項１２１に記載のコンピュータシステム。
- 前記コントローラが、前記集約予測値を、生産タイミングまたは使用時間の順序の時系列として表示するように構成される、請求項７８または請求項７８に従属する請求項のいずれか一項に記載のコンピュータシステム。
- 前記コントローラが、前記ユーザインターフェースを、前記予測値の各々を前記予測階層に従って構造化されたノードツリーのノードとして表示するよう制御するように構成される、請求項８１または請求項８１に従属する請求項のいずれか一項に記載のコンピュータシステム。
- 前記コントローラが、前記ユーザインターフェースを、前記ノードツリー内の前記予測値および前記第２の予測値を表す前記ノードを前記第３の予測値を表す前記ノードの子として表示するよう制御するように構成される、請求項９７に従属する場合の請求項１２４に記載のコンピュータシステム。
- 前記コントローラが、前記ユーザインターフェースを、前記フィルタリング済みセットから決定された各予測値を前記予測階層に従って構造化されたサンバーストチャートの要素として表示するよう制御するように構成される、請求項８１または請求項８１に従属する請求項のいずれか一項に記載のコンピュータシステム。
- 前記コントローラが、（１つまたは複数の）前記フィルタリング済みセットから決定された前記予測値または各予測値をグリッドの要素として表示するように構成され、前記コントローラが、前記ユーザインターフェースを、前記予測階層のレベルごとに別々のグリッドを表示するよう制御するように構成される、請求項８１または請求項８１に従属する請求項のいずれか一項に記載のコンピュータシステム。
- 前記修理作業タイプ指標が、修理作業のカテゴリまたは特定の修理作業を指示する、請求項６７から１２７のいずれか一項に記載のコンピュータシステム。
- 車両または車両修理記録を保持するように構成された少なくとも１つの記録データベースと、
予測を導出する元になった車両または車両修理記録のそれぞれのセットから導出された予測値と、当該記録の各々についての、当該記録が保持されている前記記録データベース内で当該記録を探し出すための対応するデータベースキーと、を各々含む、車両予測を保持するように構成された予測データベースと、
ユーザインターフェースを、ユーザに対して、前記車両予測のうちの１つの前記予測値、または前記車両予測のうちの少なくとも２つの前記予測値から導出された集約予測値を表示するよう制御するように構成されたコントローラであって、前記車両記録または車両識別記録のうちの少なくとも１つを、前記車両記録または車両識別記録が保持されている前記記録データベース内で、前記予測データベースに保持されている前記対応するデータベースキーを使用して探し出し、前記探し出された車両または車両修理記録のデータを前記表示された予測値と関連付けて表示するように構成されている、コントローラと
を含む、コンピュータシステム。
Applications Claiming Priority (9)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| US201762565933P | 2017-09-29 | 2017-09-29 | |
| US201762565927P | 2017-09-29 | 2017-09-29 | |
| US62/565,933 | 2017-09-29 | ||
| US62/565,927 | 2017-09-29 | ||
| US201762570456P | 2017-10-10 | 2017-10-10 | |
| US201762570469P | 2017-10-10 | 2017-10-10 | |
| US62/570,469 | 2017-10-10 | ||
| US62/570,456 | 2017-10-10 | ||
| PCT/US2017/069021 WO2019067006A1 (en) | 2017-09-29 | 2017-12-29 | PREDICTION OF VEHICLE REPAIR OPERATIONS |
Publications (3)
| Publication Number | Publication Date |
|---|---|
| JP2020535573A true JP2020535573A (ja) | 2020-12-03 |
| JP2020535573A5 JP2020535573A5 (ja) | 2021-02-04 |
| JP7125491B2 JP7125491B2 (ja) | 2022-08-24 |
Family
ID=61094581
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2020539673A Active JP7125491B2 (ja) | 2017-09-29 | 2017-12-29 | 機械分析 |
Country Status (6)
| Country | Link |
|---|---|
| US (2) | US11117555B2 (ja) |
| EP (1) | EP3655833B1 (ja) |
| JP (1) | JP7125491B2 (ja) |
| KR (1) | KR20200064118A (ja) |
| CN (1) | CN111630464A (ja) |
| WO (1) | WO2019067006A1 (ja) |
Families Citing this family (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP3655833B1 (en) | 2017-09-29 | 2023-05-10 | WE Predict Limited | Predicting machine repair operations |
| US11449921B2 (en) * | 2020-06-19 | 2022-09-20 | Dell Products L.P. | Using machine learning to predict a usage profile and recommendations associated with a computing device |
| KR102383051B1 (ko) * | 2020-07-14 | 2022-04-06 | 주식회사 엠제이비전테크 | 딥러닝 모델 기반 자동차 부품검사 서비스 제공 방법 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2003331087A (ja) * | 2002-05-13 | 2003-11-21 | Honda Motor Co Ltd | 補修部品の需要予測システム |
| JP2004021290A (ja) * | 2002-06-12 | 2004-01-22 | Hitachi Constr Mach Co Ltd | 建設機械の情報提供システム、建設機械の情報表示装置、及び建設機械の情報提供方法 |
| JP2004021286A (ja) * | 2002-06-12 | 2004-01-22 | Hitachi Constr Mach Co Ltd | 建設機械の情報提供システム、建設機械の情報処理装置、及び建設機械の情報提供方法 |
| US20140188329A1 (en) * | 2012-08-20 | 2014-07-03 | Innova Electronics, Inc. | Method and system for determining the likely operating cost for a particular type of vehicle over a defined period |
| JP2016021241A (ja) * | 2014-07-15 | 2016-02-04 | タタ コンサルタンシー サービシズ リミテッドＴＡＴＡ Ｃｏｎｓｕｌｔａｎｃｙ Ｓｅｒｖｉｃｅｓ Ｌｉｍｉｔｅｄ | 製品の予想故障数の計算に基づく保証費推定 |
Family Cites Families (16)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20030196312A1 (en) | 2000-04-06 | 2003-10-23 | Ford Motor Company | Method for manufacturing an item |
| US20050021245A1 (en) | 2002-06-12 | 2005-01-27 | Yoshinori Furuno | Information providing system of construction machine and information providing method of construction machine |
| US7751955B2 (en) | 2006-06-30 | 2010-07-06 | Spx Corporation | Diagnostics data collection and analysis method and apparatus to diagnose vehicle component failures |
| US7917333B2 (en) | 2008-08-20 | 2011-03-29 | Caterpillar Inc. | Virtual sensor network (VSN) based control system and method |
| US8930305B2 (en) | 2009-11-16 | 2015-01-06 | Toyota Motor Engineering & Manfuacturing North America, Inc. | Adaptive information processing systems, methods, and media for updating product documentation and knowledge base |
| US8676432B2 (en) * | 2010-01-13 | 2014-03-18 | GM Global Technology Operations LLC | Fault prediction framework using temporal data mining |
| US20120283963A1 (en) | 2011-05-05 | 2012-11-08 | Mitchell David J | Method for predicting a remaining useful life of an engine and components thereof |
| US8509985B2 (en) * | 2011-05-25 | 2013-08-13 | GM Global Technology Operations LLC | Detecting anomalies in fault code settings and enhancing service documents using analytical symptoms |
| US9177428B2 (en) * | 2012-08-20 | 2015-11-03 | Innova Electronics, Inc. | Predictive diagnostic method |
| US10643403B2 (en) | 2012-08-20 | 2020-05-05 | Innova Electronics Corporation | Predictive diagnostic method and system |
| US9881428B2 (en) | 2014-07-30 | 2018-01-30 | Verizon Patent And Licensing Inc. | Analysis of vehicle data to predict component failure |
| US10096004B2 (en) * | 2014-10-10 | 2018-10-09 | At&T Intellectual Property I, L.P. | Predictive maintenance |
| CN105786886B (zh) * | 2014-12-25 | 2019-12-24 | 上海通用汽车有限公司 | 车辆维修目录系统 |
| US9846860B2 (en) * | 2015-11-05 | 2017-12-19 | Snap-On Incorporated | Methods and systems for clustering of repair orders based on multiple repair indicators |
| CN107085768B (zh) * | 2017-04-25 | 2020-05-01 | 交通运输部公路科学研究所 | 一种用于评价汽车使用可靠性的方法 |
| EP3655833B1 (en) | 2017-09-29 | 2023-05-10 | WE Predict Limited | Predicting machine repair operations |
-
2017
- 2017-12-29 EP EP17836078.0A patent/EP3655833B1/en active Active
- 2017-12-29 CN CN201780097252.2A patent/CN111630464A/zh active Pending
- 2017-12-29 WO PCT/US2017/069021 patent/WO2019067006A1/en unknown
- 2017-12-29 JP JP2020539673A patent/JP7125491B2/ja active Active
- 2017-12-29 KR KR1020207012729A patent/KR20200064118A/ko not_active Application Discontinuation
-
2020
- 2020-03-30 US US16/834,036 patent/US11117555B2/en active Active
-
2021
- 2021-08-12 US US17/400,490 patent/US11851034B2/en active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2003331087A (ja) * | 2002-05-13 | 2003-11-21 | Honda Motor Co Ltd | 補修部品の需要予測システム |
| JP2004021290A (ja) * | 2002-06-12 | 2004-01-22 | Hitachi Constr Mach Co Ltd | 建設機械の情報提供システム、建設機械の情報表示装置、及び建設機械の情報提供方法 |
| JP2004021286A (ja) * | 2002-06-12 | 2004-01-22 | Hitachi Constr Mach Co Ltd | 建設機械の情報提供システム、建設機械の情報処理装置、及び建設機械の情報提供方法 |
| US20140188329A1 (en) * | 2012-08-20 | 2014-07-03 | Innova Electronics, Inc. | Method and system for determining the likely operating cost for a particular type of vehicle over a defined period |
| JP2016021241A (ja) * | 2014-07-15 | 2016-02-04 | タタ コンサルタンシー サービシズ リミテッドＴＡＴＡ Ｃｏｎｓｕｌｔａｎｃｙ Ｓｅｒｖｉｃｅｓ Ｌｉｍｉｔｅｄ | 製品の予想故障数の計算に基づく保証費推定 |
Also Published As
| Publication number | Publication date |
|---|---|
| JP7125491B2 (ja) | 2022-08-24 |
| CN111630464A (zh) | 2020-09-04 |
| EP3655833A1 (en) | 2020-05-27 |
| US11851034B2 (en) | 2023-12-26 |
| US20210070258A1 (en) | 2021-03-11 |
| US11117555B2 (en) | 2021-09-14 |
| WO2019067006A1 (en) | 2019-04-04 |
| EP3655833B1 (en) | 2023-05-10 |
| US20210380076A1 (en) | 2021-12-09 |
| KR20200064118A (ko) | 2020-06-05 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US7558771B2 (en) | System and method for selection of prediction tools | |
| US7904319B1 (en) | Computer-implemented systems and methods for warranty analysis | |
| JP6926008B2 (ja) | 保守計画装置、及び保守計画方法 | |
| US8463760B2 (en) | Software development test case management | |
| JP5444110B2 (ja) | 需要予測装置、需要予測方法、及び需要予測プログラム | |
| US11851034B2 (en) | Predicting vehicle repair operations | |
| US20080172287A1 (en) | Automated Domain Determination in Business Logic Applications | |
| US20080127041A1 (en) | Method and system for validating tasks | |
| US20080082427A1 (en) | Inventory management and recommendation tool | |
| US10318908B2 (en) | Prioritizing client accounts | |
| US20130151308A1 (en) | Lifecycle Obsolescence Forecasting Tool | |
| US20130238399A1 (en) | Computer-Implemented Systems and Methods for Scenario Analysis | |
| WO2011009067A2 (en) | Project progress display and monitoring | |
| US20140278711A1 (en) | Systems Engineering Lifecycle Cost Estimation | |
| US20070129992A1 (en) | Re-optimization technique for use with an automated supply chain optimizer | |
| RU2690206C2 (ru) | Интерактивное предсказание в реальном времени | |
| US20150142506A1 (en) | Account Health Assessment, Risk Identification, and Remediation | |
| US20230026126A1 (en) | Pipeline task verification for a data processing platform | |
| US20180357582A1 (en) | Business Management System | |
| JP2017146908A (ja) | 品質管理装置及び品質管理プログラム | |
| JP2012208664A (ja) | ソフトウェア設計・運用統合管理システム | |
| WO2001016838A2 (en) | Project management, scheduling system and method | |
| US20080052143A1 (en) | Sales Plan Evaluation Support System | |
| WO2019068075A1 (en) | MACHINE ANALYSIS | |
| US20120198366A1 (en) | Fuel price data display |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20201218 |
|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20201218 |
|
| A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20211228 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20220104 |
|
| A601 | Written request for extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A601 Effective date: 20220401 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20220517 |
|
| TRDD | Decision of grant or rejection written | ||
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20220712 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20220812 |
|
| R150 | Certificate of patent or registration of utility model |
Ref document number: 7125491 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |