JP2022136039A - 車両部品の動作状態を決定するための方法 - Google Patents
車両部品の動作状態を決定するための方法 Download PDFInfo
- Publication number
- JP2022136039A JP2022136039A JP2022033285A JP2022033285A JP2022136039A JP 2022136039 A JP2022136039 A JP 2022136039A JP 2022033285 A JP2022033285 A JP 2022033285A JP 2022033285 A JP2022033285 A JP 2022033285A JP 2022136039 A JP2022136039 A JP 2022136039A
- Authority
- JP
- Japan
- Prior art keywords
- vehicle
- knowledge graph
- state
- operating state
- vehicle component
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Classifications
-
- 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
- G07C5/006—Indicating maintenance
-
- 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F8/00—Arrangements for software engineering
- G06F8/60—Software deployment
- G06F8/65—Updates
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/02—Knowledge representation; Symbolic representation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/02—Knowledge representation; Symbolic representation
- G06N5/022—Knowledge engineering; Knowledge acquisition
-
- 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
- G07C5/008—Registering or indicating the working of vehicles communicating information to a remotely located station
-
- 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
- G07C5/02—Registering or indicating driving, working, idle, or waiting time only
- G07C5/06—Registering or indicating driving, working, idle, or waiting time only in graphical form
-
- 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
- G07C5/12—Registering or indicating performance data other than driving, working, idle, or waiting time, with or without registering driving, working, idle or waiting time in graphical form
Landscapes
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Computational Linguistics (AREA)
- Artificial Intelligence (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Computer Security & Cryptography (AREA)
- Traffic Control Systems (AREA)
- Control Of Eletrric Generators (AREA)
- Arrangement And Driving Of Transmission Devices (AREA)
- Steering Control In Accordance With Driving Conditions (AREA)
- Combined Controls Of Internal Combustion Engines (AREA)
Abstract
【課題】本開示の一態様は、車両の車両部品の動作状態を決定するための方法に関する。【解決手段】本方法は、車両の複数の車両部品に関する情報を含有する第1の知識グラフを提供することを含み、各車両部品は、1つまたは複数の信号を提供する。本方法は、複数の車両部品から車両部品の動作状態を決定することをさらに含み、決定することは、第1の知識グラフを使用して、車両部品の動作状態を決定するために必要な複数の信号および1つまたは複数の状態パラメータを選択することを含む。決定することは、選択された複数の信号に基づいて車両部品の1つまたは複数の状態パラメータを算出することをさらに含む。最後に、車両部品の動作状態を決定することは、第1の知識グラフに含有される情報を用いて、かつ、算出された1つまたは複数の状態パラメータに基づいて、車両部品の動作状態を確定することを含む。【選択図】図2
Description
本発明は、車両の車両部品の動作状態を決定するための技術に関する。関連する態様は、車両電子システムおよびデータクラウドシステムに関する。
車両部品の動作状態を事前に確認する際の典型的な問題は、サプライヤー、完成車メーカー(英語で「OEM」または「original equipment manufacturer」)、車両所有者、または整備工場が利用可能な診断情報の量が限られていることである。先行技術に係るいくつかの方法では、車両信号からのデータは通常、車両内でのみ利用でき、車両電子制御装置内の記憶容量が制限されているため、さらなる分析のために保存することができない。そのため、車両部品の故障または機能障害の際、先行技術の方法では、高レベルの診断エラーコード(英語で「DTC」またはハイレベルの「diagnostic trouble code」)のみが生成され、エラーログにローカルに保存されることが多い。これらの診断エラーコードは、現在の問題の核心に関して説得力が限られ得る。それに加えてかつ上記の制約のため、車両診断は通常、問題の発生後暫時初めて整備工場内で実行される(そこではDTCコードが読み出され得る)。多くの場合、問題の原因を特定するためには大きなコストおよび追加的な専門知識が必要である。そのため、車両修理の際に、どの車両部品によってどの理由で問題が実際に引き起こされたのか分からずに車両部品が交換されることになり得る。それに加えて、多くの場合、車両部品により大きなダメージが与えられる前に問題を検知できない。
本開示の第1の一般的態様は、車両の車両部品の動作状態を決定するための方法に関する。本方法は、車両の複数の車両部品に関する情報を含有する第1の知識グラフを提供することを含み、各車両部品は、1つまたは複数の信号を提供する。本方法は、複数の車両部品から車両部品の動作状態を決定することをさらに含み、決定することは、第1の知識グラフを使用して、車両部品の動作状態を決定するために必要な複数の信号および1つまたは複数の状態パラメータを選択することを含む。決定することは、選択された複数の信号に基づいて車両部品の1つまたは複数の状態パラメータを算出することをさらに含む。最後に、車両部品の動作状態を決定することは、第1の知識グラフに含有される情報を用いて、かつ算出された1つまたは複数の状態パラメータに基づいて、車両部品の動作状態を確定することを含む。
本開示の第2の一般的態様は、本開示の第1の一般的態様に係る方法を実施するように設計された第1および第2の電子装置を含む車両電子システムに関する。システムは、第1の知識グラフを使用するための第1の電子装置を含む。第2の電子装置は、車両の複数の車両部品からの信号を監視および受信するように構成されている。さらに、第2の電子装置は、複数の車両部品の状態パラメータを確定するように構成されている。
本開示の第3の一般的態様は、第2の一般的態様に係る第2の装置から情報を受信し、本開示の第1の一般的態様に係る方法を実施して、第2の知識グラフの概念モデルを更新するように設計されているデータクラウドシステムに関する。さらに、データクラウドシステムは、第2の知識グラフの更新された概念モデルに含有されている更新情報を、複数の車両から各車両の第2の装置に伝達するように構成されている。
第1~第3の一般的態様の技術は、以下の利点のうちの1つまたは複数を有し得る。
第1に、本開示の技術により、車両部品、車両部品の潜在的な問題/機能障害、および状態パラメータの算出に必要な関連する車両信号データに関する専門的知識を、車両動作中にアクセス可能かつ取得可能な形態において、車両知識グラフ(英語で「vehicle knowledge graph」)を介して可能性が与えられる。したがって、これは先行技術のいくらかの技術と比較して、動作中の車両部品の詳細な車両診断を可能にでき、それにより先行技術で知られているオンボード診断(「OBD」)と比較してより良好な、車両部品の動作状態についての洞察を提供することができる。
第1に、本開示の技術により、車両部品、車両部品の潜在的な問題/機能障害、および状態パラメータの算出に必要な関連する車両信号データに関する専門的知識を、車両動作中にアクセス可能かつ取得可能な形態において、車両知識グラフ(英語で「vehicle knowledge graph」)を介して可能性が与えられる。したがって、これは先行技術のいくらかの技術と比較して、動作中の車両部品の詳細な車両診断を可能にでき、それにより先行技術で知られているオンボード診断(「OBD」)と比較してより良好な、車両部品の動作状態についての洞察を提供することができる。
第2に、本技術は、各車両部品の動作状態を事前に提供し制御することで、車両部品の診断のためのコストを効果的に削減することに寄与できる。動作状態が悪化した場合、車両は事前に、車両のユーザまたは第三者に(例えば、データクラウドシステム、英語で「Cloud-Computing-System」を介して)可能である。こうして、例えば、問題の発生後少しして初めて、限られた情報を用いて診断を実行する必要がないため、問題をより早く検知でき、整備工場での診断時にコストおよび時間を節約することができる。そのうえ、本技術は、車両が実際に整備工場に到着する前に、車両部品の健康状態に関する全ての関連データの概要を提供することができる。
第3に、本開示の技術は、(例えば、あるモデルのまたは特定の部品を有する)複数の車両の動作状態および他の関連車両データを保存するデータクラウド車両知識グラフ(英語で「Cloud Vehicle Knowledge Graph」)によって、車両部品の動作状態の分析を可能にする。とりわけ、本技術は、「車両群」(例えば、1000台超、または10,000台超の車両)に関するデータクラウド車両知識グラフの統計的分析および学習を含む。よって知識グラフが継続的に改善される(例えば、車両部品の動作状態を評価するためにどの状態パラメータが必要なのか)。先行技術の多くの方法では、車両が、各車両部品の動作状態データを伝達もせず、これらのデータおよび他の関連データをデータクラウド車両知識グラフに収集もしないため、これらのデータは利用もできず分析もされない。
本開示において、いくらかの用語は以下のように使用される、すなわち、
「車両」という用語は、乗客および/または貨物を輸送するために設計された各装置を含む。車両は、自動車であってもよい(例えば、少なくとも部分的に自律的に作動する/支援される自動車、とりわけ乗用車またはトラック)。ただし、車両はまた、船舶、列車、航空機、または宇宙船であってもよい。
「車両」という用語は、乗客および/または貨物を輸送するために設計された各装置を含む。車両は、自動車であってもよい(例えば、少なくとも部分的に自律的に作動する/支援される自動車、とりわけ乗用車またはトラック)。ただし、車両はまた、船舶、列車、航空機、または宇宙船であってもよい。
「車両部品」という用語は、車両のあらゆる内部部品であると理解される。車両部品は、エンジン(例えば、内燃機関、電気モータ、ハイブリッドエンジンまたは燃料電池またはターボチャージャなどエンジンの部品)、制御装置(例えば、モータ制御部)、電池もしくは他のエネルギー吸収システム、駆動系統の部品(例えば、トランスミッション)、アシストシステム(例えば、ブレーキアシスト、車線維持アシスト、駐車アシスト)、空調システム、センサもしくはセンサシステム(例えば、カメラベースシステム、LIDARシステム、RADARシステム、超音波センサシステム)、または室内機能制御用の電子システムなどであってもよい。また、車両部品は、上述したシステムの一部であってもよいし、または上述したシステム(またはそれらの一部)の複数の組合せであってもよい。
それに応じて、「車両パラメータ」という用語は、車両部品の動作状態を決定する際に役割を果たすことができる、すなわち、1つまたは複数の車両部品の動作状態を特徴付けることができる、様々なパラメータを含む。このようなパラメータの非網羅的なリストには、温度(例えば、内部または外部温度)、圧力(例えば、空気圧)、回転速度、トルク、質量流量、摩耗パラメータ、摩擦パラメータ、電流強度、電圧、電力、効率、圧力比、速度、加速度などが含まれる。
「信号」という用語は、車両に対して、車両の動作中に検出されるかまたは過去に検出された、全ての信号を含んでもよい。これらの信号は車両の車両部品の信号であり、これらは例えば、車両部品が搭載しているかまたはそれぞれの車両部品の近傍にある、対応するセンサによって生成される。
「知識グラフ」という用語では、以下では、データ点(例えば、車両部品のそれぞれの信号を表現するデータ)を意味レベルで記述する全てのアプローチ、すなわち、データ点そのものを意味モデルに伝達して利用可能にするアプローチが呼ばれる。データ点は、対応関係を有する概念モデルにおいて互いに定義された概念のデータインスタンスと解釈することができる。そのうえ、概念には属性を割り当てることができる。ここで、知識グラフは、その概念モデルと、概念モデルにおいて定義された概念のデータインスタンスとからなる。さらなる説明はさらに下記に見つけることができる。
「データクラウドシステム」または「コンピュータクラウドシステム」(英語で「Cloud-Computing-System」)という用語は、ネットワークを介して、例えばインターネットを介して、利用できるようにされるインフラストラクチャである。「データクラウドシステム」は、通常、ディスクスペース、コンピューティングパワーおよび/またはアプリケーションソフトウェアをサービスとして内包する(すなわち、ユーザはネットワークを介してこれらのリソースを利用することができる)。言い換えれば、「データクラウドシステム」は、ローカルシステムに存在する/インストールされていることは必要とされず、ネットワークを介して利用可能にされるインフラストラクチャである。「データクラウドシステム」は、分散したリソースを含有してもよい(例えば、様々な場所にある複数のコンピュータシステムの)。この時、「データクラウドシステム」のリソースの提供および利用は、技術的なインターフェースおよびログによって、例えばウェブブラウザを用いて行われる。
まず、図1を参照して、車両の車両部品の動作状態を決定するための技術を記載する。次に、図2を参照して、第1の知識グラフ10の例示的な構造について述べる。最後に、図3に関して、本開示の可能な形態およびさらなる態様を示す。
図1に概略を示すように、第1の一般的態様は、車両の車両部品の動作状態を決定するための方法140に関する。本方法は、車両FAの複数の車両部品Komp A,Komp Bに関する情報を含有する、第1の知識グラフ10を提供すること100を含む(図2も参照)。「第1の知識グラフ」という呼称は、第2の知識グラフも必然的に存在することを意味するものではない。それは単に、複数の知識グラフを使用する場合に、知識グラフを区別するために用いられる。例えば、第1の知識グラフ10は、車両診断システムのユニットまたは車両の別のユニットに実装される(すなわち、車両内に格納された)ローカルな車両知識グラフであってもよい。他の例では、知識グラフ10は、遠隔システムに保存されていても(すなわち、車両外)、かつ適切な通信インターフェースを介して車両に接続されていてもよい(これについての詳細はさらに下記)。
上述したように、知識グラフは、概念、属性、およびそれぞれの概念間の関係を含有してもよく、例えば各概念が車両部品を表現する(車両部品をモデル化する)。したがって、いくらかの例では、第1の知識グラフは、状態パラメータの算出および/または車両部品の動作状態の確定に使用することができる。それに加えて、例えば車両部品の各々は、1つまたは複数の信号S-CA-1,S-CA-2,S-CB-1,S-CB-2を提供することができる。いくつかの例では、上述したように、これらの信号は対応するセンサによって生成してもよい。図2の例では、2つの車両部品Komp A,Komp Bを有する車両の第1の知識グラフ10の構造が模式的に示されている(構造は、多くの「現実的な場合」に比べて説明のために高度に簡略化されている)。この例では、2つの部品がそれぞれ2つの信号S-CA-1,S-CA-2およびS-CB-1,S-CB-2を生成する。他の例では、車両は、知識グラフに表現されたより多くの車両部品を含有し得る(例えば、10個超または100個超の車両部品)。これらの部品の各々は、今度は1つまたは複数の信号を生成することができる(例えば、5つ超または10超の信号)。したがって、図2は、第1の知識グラフ10の簡略化された構造のみを具体的に示す、または図2に示される構造は、いくつかの例では、第1の知識グラフの部分構造のみを示してもよい。
本開示の技術は、複数の車両部品Komp A,Komp Bから車両部品Komp Bの動作状態を決定すること140をさらに含む。ここで、決定することは、第1の知識グラフ10を使用して、車両部品の動作状態を決定するために必要な複数の信号および1つまたは複数の状態パラメータParam-H1を選択すること110を含むことができる。言い換えれば、第1の知識グラフに、どの信号およびどの状態パラメータが車両部品(例えば、車両FAの動作中の特定の時点に対する考察対象の車両部品)の動作状態を決定するために関連し得るかについて照会することができる。図2の例では、第2の車両部品Komp Bの動作状態を決定するために、2つの信号、すなわち第1の車両部品Komp Aの第2の信号S-CA-2および第2の車両部品Komp Bの第2の信号S-CB-2と、単一の状態パラメータParam-H1とが必要とされる。図2では、単に例示的に、単一のパラメータParam-H1が開示されており、他の場合には、車両部品の動作状態を決定するために複数の状態パラメータが必要となる場合がある(例えば、5個超または10個超の状態パラメータ)。代替的または追加的に、車両部品の動作状態を決定するために、1つの信号のみまたは2つ超の信号が必要となる場合がある。
さらに、本方法の「決定」ステップは、選択された複数の信号に基づいて、車両部品の1つまたは複数の状態パラメータParam-H1を算出すること120を含むことができる。状態パラメータは、例えば、車両診断システムを用いて算出することができる。いくつかの例では、同じ車両部品の状態パラメータを算出するために、車両部品の1つまたは複数の信号が必要となる場合がある。他の例では、第2の車両部品の状態パラメータを算出するために、第1の車両部品の1つまたは複数の信号が必要となる場合がある。これに関連して、図2には、単一の状態パラメータParam-H1の算出に使用されている2つの車両部品の上述の第2の信号S-CA-2およびS-CB-2が示され得る。他の例では、状態パラメータは複数の信号に依存してもよく(例えば、5個超または10個超の状態パラメータ)、それゆえに、複数の信号は状態パラメータを算出するために使用される。
最後に、車両部品の動作状態は、第1の知識グラフ10に含有される情報を用いて、かつ算出された1つまたは複数の状態パラメータParam-H1に基づいて算出することができる。例えば、動作状態の算出は、車両診断システムによって実行することができる。この関連で、第1の知識グラフに含有される情報は、車両の複数の車両部品から、2つ以上の車両部品Komp A,Komp Bの関係に関する情報を含有し得る。例えば、この関係は、1つまたは複数の信号S-CA-2およびS-CB-2と、車両部品の動作状態を決定するために使用される状態パラメータParam-H1との間の関係に基づいてもよい。いくつかの例では、本開示のこのような方法は、車両の2つ以上の車両部品の動作状態を決定するために使用されてもよい。他の例では、この方法は、車両のより多くのまたはより少ない数の車両部品の動作状態を決定するためになし得る。
上述したように、本技術では、第1の知識グラフは、複数の概念を伴う概念モデルを含んでもよい。一例では、各概念は、複数の車両部品から対応する車両部品を表すことができる。そのうえ、概念に属性が付与されても、かつそれらのそれぞれの関係が互いに定義されていてもよい。ここで、概念を、知識グラフ10のノード11,12とみなすことができ、かつ概念間の関係を、概念(またはノード)同士を結ぶエッジ13,14とみなすことができる。複数の概念は、例えば、全ての車両部品またはそれらの一部を有する車両を表すことができる。概念間の関係は、例えば、第2の車両部品の状態パラメータを算出するために第1の部品の信号が必要である、または逆に、第1の車両部品の状態パラメータを算出するために第2の部品の信号が必要である、というようなものであってもよい。他の例では、概念間の関係は、2つ以上の車両部品によって同じ状態パラメータが要求されることを示す場合もある。いくつかの例では、第1の知識グラフは、複数のデータインスタンスを含んでもよい。これらのデータインスタンスは、1つまたは複数の信号からのデータ点を有してもよい。追加的または代替的に、データインスタンスは、各車両部品の1つまたは複数の状態パラメータからのデータ点を含有してもよい。また、データインスタンスは、概念モデルにおけるそれぞれの概念に割り当てられていてもよい。さらに、第1の知識グラフは、各車両部品の1つまたは複数の信号、および1つまたは複数の状態パラメータを受信するように構成されてもよく、受信された信号および状態パラメータを概念モデルへ伝送するようにさらに設計されていてもよい。追加的または代替的に、第1の知識グラフは、受信された信号および状態パラメータをデータインスタンスに伝送するようにさらに設計されていてもよい。いくつかの例では、1つまたは複数の信号を受信することは、1つまたは複数の信号からデータ点(例えば、データ点の時系列)を生成することを含んでもよい。追加的または代替的に、データ点(例えば、データ点の時系列)は、1つまたは複数の状態パラメータから生成されてもよい。いくつかの例では、データ点は、車両診断システムまたは車両の別のユニットによる信号(例えば、センサによって検出された信号)の対応する処理の後に生成されてもよい。
図3に係る例示的な方法の次のステップは、車両部品の1つまたは複数の信号から、対応するタイムスタンプが付与された生成データ点(例えば、生成データ点の時系列)を第1の知識グラフ10に保存すること210を含む。いくつかの例では、データ点は、第1の知識グラフのデータインスタンスとして保存されてもよい。
本技術のいくつかの例では、車両部品の状態パラメータは、第1の知識グラフを使用して(例えば、車両診断システムによって)連続的に算出されてもよい120(例えば、1日に1回超、または車両の運転時に1時間に1回超)。他の例では、車両部品の状態パラメータは、第1の知識グラフを使用して予め定められた時点に算出される。さらに、車両部品の各状態パラメータは、第1の知識グラフに保存されてもよい220(例えば、データインスタンスとして)。ここで、各状態パラメータには、対応するタイムスタンプを付与することができる。
いくつかの例では、車両部品の動作状態を算出することは、1つまたは複数の状態パラメータの1つまたは複数の現在値に基づいて行われてもよい。他の例では、車両部品の動作状態は、第1の知識グラフに保存された車両部品の1つもしくは複数の状態パラメータの1つもしくは複数の値および/または第1の知識グラフに保存された信号の値に基づいて算出されてもよい。言い換えれば、知識グラフは、車両部品の動作状態を算出するために考慮される状態パラメータおよび/または信号の履歴値も使用してもよい。いくつかの例では、状態パラメータの算出は、特定の時点に対しイベントトリガされて実行されてもよい。他の例では、状態パラメータの算出は、ある算出周期が与えられている、特定の時点に対し定期的に実行される。例えば、算出周期は、第1の知識グラフによって提供されてもよい。好ましい例では、算出周期は、第1の知識グラフを用いて、複数の車両部品の各状態パラメータについて決定されてもよい。いくつかの例では、第1の状態パラメータの算出周期は、第2の状態パラメータの算出周期と異なっていてもよい。例えば、同じ車両部品の第1および第2の状態パラメータであってもよい。別の例では、第1および第2の状態パラメータは、様々な車両部品に割り当てられてもよい。いくつかの例では、2つ以上の状態パラメータの算出周期が同じであってもよい。
本開示では、複数の車両部品から各車両部品の動作状態を決定することが実行されてもよい。これにより、複数の動作状態が形成される。複数の動作状態を用いて、いくつかの例では、車両の動作状態が決定されてもよい。そのうえ、車両部品の動作状態を決定することは、車両部品(または車両)の動作状態を分類すること230を内包し得る。いくつかの例では、算出された車両部品の動作状態に基づいて、動作状態が、機能障害を伴い異常であるとして、または機能障害を伴わず正常であるとして分類されてもよい。いくつかの例では、機能障害の存在は、車両部品の動作状態が最近所定の方法で悪化したこと、および/または、(例えばブレーキシステムなど車両部品の摩耗が原因で)車両部品の耐用年数が終わりに近づいていることを意味する場合がある。他の例では、分類することは、追加のおよび/または他のクラスを含んでもよい。いくつかの例では、様々な種類の機能障害および/または様々な重症度の機能障害を特定する2つ以上のエラークラスが存在してもよい。追加的または代替的に、まだ正常であるが機能障害の方向に向かっている動作状態を特定する1つまたは複数のクラスが存在してもよい(すなわち、機能障害の発生を予測する1つまたは複数のクラス)。分類に加えて、動作状態は、また、第1の知識グラフに含有される情報を用いた回帰によって、かつ算出された1つまたは複数の状態パラメータに基づいて行ってもよい。
この関連で、いくつかの例では、車両部品の1つまたは複数の状態パラメータの1つまたは複数の現在値と、第1の知識グラフにそれぞれ保存された車両部品の1つまたは複数の状態パラメータの1つまたは複数の値との間の偏差が算出されてもよい。例えば、偏差が予め定められた大きさを上回る場合に、車両部品の動作状態は機能障害を伴い異常であるとして分類されてもよい。それ以外の場合、車両部品の動作状態は、機能障害を伴わず正常であるとして分類されてもよい。他の例では、車両部品の動作状態が正常または異常であるか(または別のクラスの機能障害が存在するか)を確かめるために、車両部品の1つまたは複数の状態パラメータに1つまたは複数の対応する閾値を割り当ててもよい。例えば、車両部品の各状態パラメータに対応する閾値を割り当ててもよい。そして、車両部品の1つまたは複数の状態パラメータが1つまたは複数の対応する閾値を超える場合、車両部品の動作状態は、機能障害を伴い異常であるとして分類されてもよい(または別のクラスの機能障害に)。それ以外の場合、車両部品の動作状態は、機能障害を伴わず正常であるとして分類されてもよい。他の例では、この基準は逆に適用されても、かつ車両部品の1つまたは複数の状態パラメータが1つまたは複数の対応する閾値を下回る場合、車両部品の動作状態を異常であるとして分類することと、それ以外の場合、車両部品の動作状態を正常であるとして分類することとを含んでもよい。再び他の例では、車両部品の動作状態を算出することは、車両部品の全ての動作状態パラメータの加重和に依存する車両部品の平均動作状態パラメータを算出することを含んでもよい。これに関連して、車両部品の各動作状態パラメータに対応する重みが割り当てられてもよい。好ましい一例では、動作状態パラメータに割り当てられた重みは、第1の知識グラフを使用して確定される。
いくつかの例では、平均動作状態パラメータに平均閾値が割り当てられてもよい。さらに、例えば、車両部品の平均動作状態パラメータが平均閾値を上回る場合に、車両部品の動作状態は機能障害を伴い異常であるとして分類されてもよく、かつそれ以外の場合、車両部品の動作状態は機能障害を伴わず正常であるとして分類されてもよい。他の例では、この基準は逆に適用されてもよく、かつ車両部品の平均動作状態パラメータが平均閾値を下回る場合、車両部品の動作状態を異常であるとして分類することと、それ以外の場合、車両部品の動作状態を正常であるとして分類することとを含んでもよい。
本開示では、各動作状態パラメータについて、第1の知識グラフは、車両部品の異常動作状態の動作状態指標を含有することができ(例えば、知識グラフの追加特性として定義される)、それによって複数の動作状態指標が形成される。いくつかの例では、各動作状態指標は、車両部品のそれぞれの状態パラメータParam-H1に対応する偏差および予め定められた大きさを含有してもよい。他の例では、各動作状態指標は、車両部品のそれぞれの状態パラメータに対応する閾値を含んでもよい。再び他の例では、各動作状態指標は、車両部品のそれぞれの状態パラメータに対応する平均閾値および割り当てられた重みを含有してもよい。
本開示の技術では、車両部品の異常な動作状態は、第1の知識グラフにそれぞれの動作状態パラメータと共に保存することができる。いくつかの例では、車両部品の異常な動作状態にまたタイムスタンプを付与してもよい。そのうえ、1つまたは複数の車両部品の分類された動作状態に基づいて、応答がトリガされてもよい。いくつかの例では、応答は、グラフィカルユーザインターフェースに動作状態を表示することを内包し得る。追加的または代替的に、トリガされた応答は、1つまたは複数の車両部品の動作状態に関する情報を、遠隔システムに(例えば、完成車メーカーまたは自動車整備工場の情報のために)または車両のユニットに(例えば、運転者の情報のために)に提供することを含んでもよい。他の例では、動作状態に関する情報は、車両のユーザのモバイル装置に表示されてもよい。例えば、応答は、車両部品の、機能障害を伴い異常であるとして分類された動作状態に基づいて、アラームまたは警告メッセージを生成することを含んでもよい。追加的または代替的に、この場合は車両の動作が停止または変更されてもよい。そのうえ、車両部品の分類された異常な動作状態に応答して、イベントログファイルが生成されてもよい。いくつかの例では、メッセージも遠隔システムに伝送されてもよい。例えば、応答は、分類された動作状態が異常である場合、車両にメンテナンスまたは修理が必要であると通知することを含有してもよい。逆の場合に、動作状態が正常であると分類された場合、応答は、車両が正常に機能していると通知することを含んでもよい。上述の応答は、他の例ではまた、他の上記の機能障害を確定することに応答して実施してもよい。
本開示の技術は、車両部品の動作状態を機能障害を伴い異常であるとして分類することに応答して、第1の知識グラフを使用して、算出周期の1つまたは複数の値を更新することをさらに含むことができる。いくつかの例では、第1の知識グラフを使用した更新は、第1の知識グラフによって算出周期の1つまたは複数の値を学習することを含んでもよい。いくつかの例では、そのような種類の学習は、第1の知識グラフに保存されたデータインスタンスに基づいてもよい。例えば更新は、第1の知識グラフに保存された車両部品の状態パラメータの1つまたは複数の値に基づいて、第1の知識グラフによって算出周期の1つまたは複数の値を学習することを含んでもよい。いくつかの例では、車両部品の動作状態が機能障害を伴い異常であるとして分類された状態パラメータの保存値が使用されてもよい。追加的または代替的に、また、車両部品の動作状態を機能障害を伴い異常であるとして分類することに応答して、車両部品の動作状態を決定するために必要な第1の知識グラフを使用して、複数の車両部品の新たな複数の信号を決定してもよい。いくつかの例では、車両部品の動作状態を決定するために必要な新たな複数の信号における信号の数は、車両部品の動作状態を、機能障害を伴い異常であるとして分類することに応答した複数の信号での信号の数と異なってもよい。
方法の次のステップにおいて、第1の知識グラフからの1つまたは複数の学習された算出周期を取得することができる240。そのうえ、複数の車両部品からの1つまたは複数の車両部品の動作状態は、第1の知識グラフからのそれぞれの取得された1つまたは複数の算出周期に従って、次の時点に決定することができる。いくつかの例では、次の時点における動作状態を決定することは、第1の知識グラフに保存されたデータインスタンスを取得することを含んでもよい。他の例では、代替的または追加的に、次の時点における動作状態を決定することは、第1の知識グラフに保存された状態パラメータの1つまたは複数の値を取得することを含んでもよい。再び他の例では、次の時点における動作状態を決定することは、車両部品の動作状態を決定するために必要な新しい複数の信号を取得すること250を含んでもよい。さらに、次の時点における動作状態を決定することは、新しい複数の信号を得るために、第1の知識グラフによって複数の車両部品に要求を送信すること260を含んでもよい。これにより、次の時点における車両部品の動作状態を決定するために必要な、複数の車両部品から受信する新たな複数の信号を提供すること270ができる。
本開示の技術は、車両部品の分類された動作状態(例えば、機能障害を伴い異常である)および/または車両部品の動作状態が対応して決定されることをもたらした(例えば、機能障害を伴い異常であるとして)、それぞれの1つもしくは複数の状態パラメータを、遠隔システムに伝達すること300を含む。いくつかの例では、車両部品の分類された動作状態(例えば、機能障害を伴い異常である)および/またはそれぞれの1つもしくは複数の状態パラメータは、第2の知識グラフに伝達されてもよい。いくつかの例では、第2の知識グラフは、データクラウドシステム(または、車両から離れた別のコンピュータシステム)に格納されていてもよい。したがって、第2の知識グラフは、データクラウド車両知識グラフと呼ばれることもある。いくつかの例では、方法は、複数のもしくは各車両部品の分類された動作状態(例えば、機能障害を伴い異常であるとして)および/または対応する車両部品の動作状態が対応して決定されることをもたらした(例えば、機能障害を伴い異常であるとして)、それぞれの1つもしくは複数の状態パラメータを、第2の知識グラフに伝達すること300を含んでもよい。いくつかの例では、それぞれの1つまたは複数の状態パラメータは、対応する1つまたは複数の動作状態指標と共に伝達されてもよい。追加的または代替的に、これらの状態パラメータは、また、対応する複数の信号と共に伝達されてもよい。さらに、第1の知識グラフに保存されたデータインスタンスを第2の知識グラフに伝達することを含んでもよい。
次のステップは、伝達され分類された動作状態および/または車両の1つもしくは複数の車両部品の1つもしくは複数の状態パラメータおよび/または信号を、いくつかの場合には対応する1つまたは複数の動作状態指標と共に、データインスタンスとして第2の知識グラフに保存すること310を含むことができる。追加的または代替的に、状態パラメータはまた、対応する複数の信号と共に、データインスタンスとして第2の知識グラフに保存されてもよい。さらに、本方法は、車両の1つまたは複数の車両部品の動作状態が機能障害を示す場合に、操作者に(例えば、完成車メーカーまたは自動車整備工場の従業員に)または車両運転者に、報告すること320を含んでもよい(例えば、データクラウドシステムを介して)。いくつかの例では、報告することは、例えば対応する1つまたは複数の動作状態指標と共に、対応する1つまたは複数の状態パラメータに関する情報をさらに含有し得る。一例では、第2の知識グラフは、複数の車両の分類された動作状態および/または1つもしくは複数の状態パラメータおよび/または車両部品の信号を含んでもよい。このように、第2の知識グラフは、「車両群」についての様々な種類の「エラーデータ」を大量に収集することができる。例えば、このような「車両群」は、10台以上、100台以上、1000台以上の車両を含んでもよい。車両は、ある共通点を有する場合もある。いくつかの場合には、車両は特定のタイプまたはモデルの車両であってもよい。代替的または追加的に、車両は、同じタイプからの1つまたは複数の車両部品を有していてもよい。
次のステップでは、複数の車両の車両部品の伝達情報(例えば、動作状態、状態パラメータ、および/または信号)に基づいて、第2の知識グラフの概念モデルを更新することができる。いくつかの例では、第2の知識グラフの概念モデルを更新することは、車両部品の動作状態を決定することを最適化するために、複数の車両の車両部品の伝達情報(例えば、動作状態、状態パラメータ、および/または信号)に関して統計分析を使用すること330を内包してもよい。例えば、第2の知識グラフの概念モデルは、第2の知識グラフに保存されたデータインスタンスに基づいて更新されてもよい。本実施例では、第2の知識グラフの概念モデルを更新することは、車両部品の動作状態を決定することを最適化するために、第2の知識グラフに保存されたデータインスタンスに関して統計分析を使用することを内包してもよい。いくつかの例では、統計的分析を使用することは、対応する動作状態パラメータについて1つまたは複数の動作状態指標を学習することを含んでもよい。これは、例えば、動作状態指標に含有される偏差および予め定められた大きさの値を更新することを目的とすることができる。代替的または追加的に、このようにして、また、動作状態パラメータの動作状態指標における割り当てられた重みを有する閾値および/または平均閾値を更新してもよい。
次のステップにおいて、本技術は、更新された概念モデルを用いて、車両部品の動作状態を決定するために必要な1つの新しいまたは複数の新しい状態パラメータを決定することを含んでもよい。追加的または代替的に、また、車両部品の動作状態を決定するために必要な新たな複数の信号が決定されてもよい。いくつかの例では、更新された概念モデルを用いて、複数の車両部品の1つまたは複数の状態パラメータに対する新たな算出周期が決定されてもよい。さらに、複数の車両からの第1の知識グラフの概念モデルは、第2の知識グラフの更新された概念モデルに基づいて更新されてもよい。例えば、本開示は、第2の知識グラフの更新された概念モデルに含有されている更新情報を(例えば、データクラウドシステムを介して)、複数の車両から各車両の第1の知識グラフに伝達すること340を含むことができる。最後に、いくつかの例では、伝達された更新情報が、各車両の第1の知識グラフに保存され得る350。
本開示の第2の一般的態様は、本開示の第1の一般的態様に係る方法を実施するように設計された第1および第2の電子装置を含む電子システムに関する。第1の電子装置は、第1の知識グラフを使用するための車両の電子装置(例えば、車両診断システムのユニットまたは車両の別の別個のユニット)とすることができる。第2の電子装置(例えば、車両診断システム)は、車両の複数の車両部品の信号を監視および受信するため、および複数の車両部品の状態パラメータを算出するために用いることができる。システムは、少なくとも1つのプロセッサと、少なくとも1つのメモリ(実施されると本開示の方法を実施するプログラムを含有してもよい)と、入力および出力のための少なくとも1つのインターフェースとを有することができる。
上記の例では、部分的に、ローカルな第1の知識グラフが、(すなわち、車両内に)格納され、その使用が説明された。他の例では、第1の知識グラフは、遠隔システムに格納されていてもよい。例えば、車両は、(例えば規則的にまたは要求に応じて)複数の信号を遠隔システムに伝達してもよい。遠隔システムにおいて、本開示の車両部品の動作状態を確定するステップは、その後実行されてもよい。確定された動作状態は、(例えば、上述の応答のうちの1つをトリガするために)遠隔システムによって、車両および/または第3の場所に戻るように伝達されてもよい。他の場合、第1の知識グラフは、遠隔システムに格納されていてもよく、かつ車両内のユニットと協働して、車両部品の動作状態を確定してもよい。
再び他の例では、遠隔システムに格納された知識グラフは、(第2の知識グラフに関してさらに上記で説明したように)複数の車両の情報を含有してもよく、かつ本開示の車両部品の動作状態を確定するステップを実行してもよい。
本開示の第3の一般的態様は、第2の一般的態様に係る第2の装置から情報を受信し、かつ本開示の第1の一般的態様に係る方法を実施して、第2の知識グラフの概念モデルを更新するように設計されたデータクラウドシステムに関する。さらに、データクラウドシステムは、第2の知識グラフの更新された概念モデルに含有されている更新情報を、複数の車両から各車両の第2の装置に伝達するように構成されてもよい。いくつかの例では、この関連で、また、2つ以上のデータクラウドシステムが使用されてもよい。
また、本開示は、本開示の方法を実施するコンピュータプログラムに関する。また、本開示は、本開示のコンピュータプログラムを保存または符号化するコンピュータ可読媒体および信号に関する。
10 第1の知識グラフ
11 ノード
12 ノード
13 エッジ
14 エッジ
100 第1の知識グラフを提供すること(提供するステップ)
110 パラメータParam-H1を選択すること(選択するステップ)
120 パラメータを(連続的に)算出すること(算出するステップ)
130 動作状態を確定するステップ
140 車両部品の動作状態を決定するための方法(決定すること)(決定するステップ)
210 生成データ点を第1の知識グラフに保存すること
220 各状態パラメータを第1の知識グラフに保存すること
230 動作状態を分類すること(分類するステップ)
240 学習された算出周期を取得すること
250 新しい複数の信号を取得すること
260 第1の知識グラフによって複数の車両部品に要求を送信すること
270 複数の車両部品から受信する新たな複数の信号を提供すること
300 状態パラメータを遠隔システムに伝達すること
310 状態パラメータおよび/または信号をデータインスタンスとして第2の知識グラフに保存すること
320 機能障害を操作者または車両運転者に報告すること
330 車両部品の伝達情報に関して統計分析を使用すること
340 更新情報を第1の知識グラフに伝達すること(伝達するステップ)
350 更新情報を、各車両の第1の知識グラフに保存すること
11 ノード
12 ノード
13 エッジ
14 エッジ
100 第1の知識グラフを提供すること(提供するステップ)
110 パラメータParam-H1を選択すること(選択するステップ)
120 パラメータを(連続的に)算出すること(算出するステップ)
130 動作状態を確定するステップ
140 車両部品の動作状態を決定するための方法(決定すること)(決定するステップ)
210 生成データ点を第1の知識グラフに保存すること
220 各状態パラメータを第1の知識グラフに保存すること
230 動作状態を分類すること(分類するステップ)
240 学習された算出周期を取得すること
250 新しい複数の信号を取得すること
260 第1の知識グラフによって複数の車両部品に要求を送信すること
270 複数の車両部品から受信する新たな複数の信号を提供すること
300 状態パラメータを遠隔システムに伝達すること
310 状態パラメータおよび/または信号をデータインスタンスとして第2の知識グラフに保存すること
320 機能障害を操作者または車両運転者に報告すること
330 車両部品の伝達情報に関して統計分析を使用すること
340 更新情報を第1の知識グラフに伝達すること(伝達するステップ)
350 更新情報を、各車両の第1の知識グラフに保存すること
Claims (12)
- 車両の車両部品の動作状態を決定するための方法であって、
車両(FA)の複数の車両部品(Komp A,Komp B)に関する情報を含有する第1の知識グラフ(10)を提供するステップ(100)であり、各車両部品が、1つまたは複数の信号(S-CA-1,S-CA-2,S-CB-1,S-CB-2)を提供する、ステップ(100)と、
前記複数の車両部品から車両部品の前記動作状態(動作状態)を決定するステップ(140)であり、
前記第1の知識グラフを使用して、前記車両部品の前記動作状態を決定するために必要な複数の信号および1つまたは複数の状態パラメータ(Param-H1)を選択するステップ(110)と、
選択された前記複数の信号に基づいて、前記車両部品の1つまたは複数の状態パラメータ(Param-H1)を算出するステップ(120)と、
前記第1の知識グラフに含有される情報を用いて、かつ、算出された前記1つまたは複数の状態パラメータに基づいて、前記車両部品の前記動作状態(動作状態)を確定するステップ(130)と、を含む、決定するステップ(140)と、
を含む、方法。 - 前記第1の知識グラフが、
複数の概念を含む概念モデルであって、各概念が、前記複数の車両部品から対応する車両部品を表し、前記概念に属性が付与されており、それらのそれぞれの関係が互いに定義されている、概念モデルと、
複数のデータインスタンスであって、各車両部品の1つもしくは複数の信号からのおよび/または1つもしくは複数の状態パラメータからのデータ点を有し、かつ前記概念モデルにおける前記それぞれの概念に割り当てられている、複数のデータインスタンスと、を含み、
任意で、前記第1の知識グラフが、各車両部品の前記1つまたは複数の信号、および前記1つまたは複数の状態パラメータを受信するように構成されており、かつ受信された信号および状態パラメータを前記概念モデルおよび/または前記データインスタンスへ伝送するようにさらに設計されており、前記1つまたは複数の信号を受信することが、前記1つもしくは複数の信号から、または前記1つもしくは複数の状態パラメータから、前記データ点、任意でデータ点の時系列を生成することをさらに含む、
請求項1に記載の方法。 - 前記車両部品の前記状態パラメータを連続的に算出するステップ(120)、または前記第1の知識グラフを使用して特定の時点に対する前記状態パラメータを算出するステップ(120)をさらに含み、
任意で、算出周期によって与えられている前記特定の時点に対する前記状態パラメータを算出することが提供され、前記算出周期が前記第1の知識グラフによって提供される、
請求項1または2に記載の方法。 - 前記車両部品の前記動作状態を決定するステップが、前記車両部品の算出された前記動作状態に基づいて、前記車両部品の前記動作状態を、機能障害を伴い異常であるとして、または機能障害を伴わず正常であるとして分類するステップ(230)をさらに含む、請求項1~3のいずれか一項に記載の方法。
- 前記車両部品の前記動作状態(動作状態)を算出するステップが、前記車両部品の前記1つまたは複数の状態パラメータの前記1つまたは複数の現在値と、前記車両部品の前記1つまたは複数の状態パラメータの前記第1の知識グラフに保存された前記1つまたは複数の値との間の偏差を算出するステップを含み、
任意で、前記偏差が予め定められた大きさを上回るかまたは下回る場合、前記車両部品の前記動作状態が異常であるとして分類され、かつそれ以外の場合、前記車両部品の前記動作状態が機能障害を伴わず正常であるとして分類される、
請求項4に記載の方法。 - 前記第1の知識グラフが、各動作状態パラメータについて、前記車両部品の異常な前記動作状態の動作状態指標を含有し、かつそれによって複数の動作状態指標が形成されており、
任意で、各動作状態指標が、前記車両部品のそれぞれの前記状態パラメータ(Param-H1)に対応する前記偏差および前記予め定められた大きさを含有する、
請求項4または5に記載の方法。 - 前記車両部品の前記動作状態の分類結果に応答して、前記第1の知識グラフを使用して、算出周期の1つまたは複数の値を更新するステップをさらに含み、任意で、前記第1の知識グラフを使用した更新が、前記第1の知識グラフに保存された前記データインスタンスに基づいて、前記第1の知識グラフによって、算出周期の前記1つまたは複数を学習するステップを含む、請求項3~6のいずれか一項に記載の方法。
- 前記車両部品の分類された前記動作状態と、前記車両部品の前記動作状態が機能障害を伴い異常であるとして決定されることをもたらした前記それぞれの1つまたは複数の状態パラメータとを、第2の知識グラフに伝達するステップ(300)をさらに含み、
任意で、さらに、対応する1つまたは複数の前記動作状態指標と共に、および/または対応する前記複数の信号と共に、前記それぞれの1つまたは複数の状態パラメータの伝達が行われる、請求項4~7のいずれか一項に記載の方法。 - 前記第2の知識グラフが、複数の車両の前記車両部品の伝達された前記状態パラメータを含み、伝達された前記動作状態が、機能障害を伴い異常であるとして分類され、かつ前記方法が、前記複数の車両の前記車両部品の前記伝達された状態パラメータに基づいて、前記第2の知識グラフの概念モデルを更新するステップをさらに含み、
任意で、前記第2の知識グラフの前記概念モデルを更新するステップが、前記車両部品の前記動作状態を決定するステップを最適化するために、前記複数の車両の前記車両部品の前記伝達された状態パラメータに関して統計分析を使用するステップ(330)を内包する、
請求項8に記載の方法。 - 前記第2の知識グラフの更新された前記概念モデルに基づいて、前記複数の車両の前記第1の知識グラフの前記概念モデルを更新するステップと、
- 前記第2の知識グラフの前記更新された概念モデルに含有されている更新情報を、前記複数の車両から各車両の前記第1の知識グラフに伝達するステップ(340)と、を含み、
任意で、前記伝達された更新情報を、各車両の前記第1の知識グラフに保存するステップ(350)をさらに含む、
請求項9に記載の方法。 - 請求項1~10のいずれか一項に記載の方法のステップを実施するように設計された前記車両の車両部品の動作状態を決定するための電子車両システムであって、
前記第1の知識グラフを使用するための第1の電子装置と、
前記車両の複数の車両部品から信号を監視および受信し、
前記複数の車両部品の前記状態パラメータを算出するために
構成されている、第2の電子装置と、
を含む、電子車両システム。 - 請求項11に記載の第2の装置から情報を受信し、
請求項8~10のいずれか一項に記載の方法のステップを実施して、前記第2の知識グラフの概念モデルを更新し、
前記第2の知識グラフの更新された前記概念モデルに含有されている更新情報を、前記複数の車両から各車両の前記第2の装置へ伝達するように設計されている、データクラウドシステム。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
DE102021202177.8 | 2021-03-05 | ||
DE102021202177.8A DE102021202177A1 (de) | 2021-03-05 | 2021-03-05 | Verfahren zum bestimmen des betriebszustands von fahrzeugkomponenten |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2022136039A true JP2022136039A (ja) | 2022-09-15 |
Family
ID=82898266
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2022033285A Pending JP2022136039A (ja) | 2021-03-05 | 2022-03-04 | 車両部品の動作状態を決定するための方法 |
Country Status (5)
Country | Link |
---|---|
US (1) | US20220284740A1 (ja) |
JP (1) | JP2022136039A (ja) |
KR (1) | KR20220125689A (ja) |
CN (1) | CN115019415A (ja) |
DE (1) | DE102021202177A1 (ja) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20220309840A1 (en) * | 2021-03-24 | 2022-09-29 | Bridgestone Americas Tire Operations, Llc | System and method for reconstructing high frequency signals from low frequency versions thereof |
-
2021
- 2021-03-05 DE DE102021202177.8A patent/DE102021202177A1/de active Pending
-
2022
- 2022-02-28 US US17/652,903 patent/US20220284740A1/en active Pending
- 2022-03-02 KR KR1020220026593A patent/KR20220125689A/ko unknown
- 2022-03-04 CN CN202210205822.8A patent/CN115019415A/zh active Pending
- 2022-03-04 JP JP2022033285A patent/JP2022136039A/ja active Pending
Also Published As
Publication number | Publication date |
---|---|
US20220284740A1 (en) | 2022-09-08 |
CN115019415A (zh) | 2022-09-06 |
KR20220125689A (ko) | 2022-09-14 |
DE102021202177A1 (de) | 2022-09-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US8285438B2 (en) | Methods systems and apparatus for analyzing complex systems via prognostic reasoning | |
US10410440B2 (en) | Distributed system and method for monitoring vehicle operation | |
US10062219B2 (en) | Method for determining the cause of failure in a vehicle | |
CN101681531B (zh) | 远程诊断建模 | |
US8346429B2 (en) | Vehicle health monitoring system architecture for diagnostics and prognostics disclosure | |
JP5746420B2 (ja) | 協働的なマルチエージェント式の車両障害診断システム及び関連する方法 | |
KR20190107080A (ko) | 클라우드 기반 차량 고장 진단 방법, 장치 및 시스템 | |
US20030114965A1 (en) | Method and system for condition monitoring of vehicles | |
US8346700B2 (en) | Vehicle health monitoring reasoner architecture for diagnostics and prognostics | |
US20080177683A1 (en) | Method and apparatus for mobile intelligence | |
US10121292B2 (en) | Automotive predictive failure system | |
JP2002173954A (ja) | 建設機械の管理装置 | |
US20200262415A1 (en) | Method for wear prediction and motor vehicle | |
Mesgarpour et al. | Overview of telematics-based prognostics and health management systems for commercial vehicles | |
Keller et al. | An architecture to implement integrated vehicle health management systems | |
JP2022136039A (ja) | 車両部品の動作状態を決定するための方法 | |
Aravind et al. | Machine Learning Applications in Predictive Maintenance for Vehicles: Case Studies | |
Panda et al. | ML-based vehicle downtime reduction: A case of air compressor failure detection | |
KR102552759B1 (ko) | 차량 상태 히스토리 기반 중고차 상태 모니터링을 통한 정비 스케줄링 서비스 제공 방법, 장치 및 시스템 | |
KR102255599B1 (ko) | 차량 고장 진단 서비스 제공 시스템 및 방법 | |
Makarova et al. | Improvement of the Vehicle's Onboard Diagnostic System by Using the Vibro-Diagnostics Method | |
US20210172351A1 (en) | Oil quality monitoring | |
Gubanov et al. | Architecture of a system for diagnosing and predicting the technical condition of a robotic vehicle | |
Demyanov et al. | The work algorithm of the truck intelligent predictive diagnostics system | |
WO2024013879A1 (ja) | 診断制御装置及び診断制御方法 |