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
Description
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。
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。
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。
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。
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。
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。
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。
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.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.エンジン
3.変速機
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)。
使用開始日54、
カーライン指標56、および
エンジン指標58。
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。
「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。
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。
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。
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。
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。
ブランド
製品
モデル/カーライン
エンジン―製品;
エンジン―モデル。
変速機―製品;
変速機―モデル。
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。
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(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。
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)。
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。
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。
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、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。
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。
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。
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。
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。
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.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。
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。
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。
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
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。
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。
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。
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]
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。
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。
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。
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。
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。
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。
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。
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。
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。
このページは、製造者レベルでの予想を示す。
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。
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。
これは、各年式全体にわたる製造者の予想の比較を示す。
このページはブランド予想全体を示す。
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。
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。
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。
これは、年式を横断したブランド予想の展開を示す。
このページは製品予想全体を示す。
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。
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。
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。
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。
これは、年式を横断した製品予想の展開を示す。
このページはカーライン予想全体を示す。
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。
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。
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。
これは、年式を横断したカーライン予想の展開を示す。
このページはエンジン予想全体を示す。
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。
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。
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。
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。
これは、年式を横断したエンジン予想の展開を示す。
このページはエンジン―製品予想全体を示す。
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。
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。
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。
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。
これは、年式を横断したエンジン―製品予想の展開を示す。
このページはエンジン―カーライン予想全体を示す。
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。
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。
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。
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。
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。
エンジン→エンジン―製品→エンジン―カーライン
このページは、製造者レベルでの労働作業予想を示す。
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。
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。
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。
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、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。
このページは、ブランドレベルでの労働作業予想を示す。
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。
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。
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。
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、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、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。
このページは、製品レベルでの労働作業予想を示す。
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。
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。
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。
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。
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、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、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。
このページは、カーラインレベルでの労働作業予想を示す。
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。
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。
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。
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、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、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、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。
このページは、エンジンレベルでの労働作業予想を示す。
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。
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。
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。
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、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、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。
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。
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。
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。
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。
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、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、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。
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。
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。
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。
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。
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、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、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。
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。
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。
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。
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、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。
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。
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。
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。
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、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。
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。
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。
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、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、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。
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。
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。
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、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。
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。
29見積長さフィルタは選択TISには適用されない。
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、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。
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。
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。
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、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、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。
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。
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。
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、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。
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。
34見積長さフィルタは選択TISには適用されない。
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、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、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。
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。
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。
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、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、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。
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。
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。
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、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。
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。
39見積長さフィルタは選択TISには適用されない。
これは、選択の製品に関する予想の比較を示す。
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。
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。
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。
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、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、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。
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。
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。
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。
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、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暦週ごとの請求件数および支払額を示す。
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。
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。
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。
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。
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、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、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。
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。
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。
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、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。
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。
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。
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。
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。
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。
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、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。
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。
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。
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。
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、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。
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。
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。
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。
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。
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、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、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。
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。
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。
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、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。
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。
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。
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。
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、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。
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。
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。
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。
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。
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、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。
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)
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。
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)
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。
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。
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。
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 |