JP6323121B2 - Unknown data analyzer - Google Patents
Unknown data analyzer Download PDFInfo
- Publication number
- JP6323121B2 JP6323121B2 JP2014071296A JP2014071296A JP6323121B2 JP 6323121 B2 JP6323121 B2 JP 6323121B2 JP 2014071296 A JP2014071296 A JP 2014071296A JP 2014071296 A JP2014071296 A JP 2014071296A JP 6323121 B2 JP6323121 B2 JP 6323121B2
- Authority
- JP
- Japan
- Prior art keywords
- failure
- data
- unknown
- vehicle
- fault
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000013500 data storage Methods 0.000 claims description 9
- 238000004458 analytical method Methods 0.000 claims description 7
- 238000007405 data analysis Methods 0.000 claims description 4
- 238000000034 method Methods 0.000 description 20
- 238000005259 measurement Methods 0.000 description 9
- 238000004891 communication Methods 0.000 description 8
- 230000010365 information processing Effects 0.000 description 7
- 238000003745 diagnosis Methods 0.000 description 6
- 238000000605 extraction Methods 0.000 description 5
- 230000007257 malfunction Effects 0.000 description 5
- 238000001514 detection method Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 230000008439 repair process Effects 0.000 description 4
- 230000005856 abnormality Effects 0.000 description 3
- YBJHBAHKTGYVGT-ZKWXMUAHSA-N (+)-Biotin Chemical compound N1C(=O)N[C@@H]2[C@H](CCCCC(=O)O)SC[C@@H]21 YBJHBAHKTGYVGT-ZKWXMUAHSA-N 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- FEPMHVLSLDOMQC-UHFFFAOYSA-N virginiamycin-S1 Natural products CC1OC(=O)C(C=2C=CC=CC=2)NC(=O)C2CC(=O)CCN2C(=O)C(CC=2C=CC=CC=2)N(C)C(=O)C2CCCN2C(=O)C(CC)NC(=O)C1NC(=O)C1=NC=CC=C1O FEPMHVLSLDOMQC-UHFFFAOYSA-N 0.000 description 2
- 230000006399 behavior Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
- 208000024891 symptom Diseases 0.000 description 1
Classifications
-
- 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
- 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
- G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
Description
本発明は、不具合発生時の車両状態を表すデータから故障パターンを識別する技術に関する。 The present invention relates to a technique for identifying a failure pattern from data representing a vehicle state at the time of occurrence of a malfunction.
車両状態を表すデータ（車載センサの検出値等）から多次元ベクトルで表現された特徴量を生成し、既知の故障原因に対応した教師データを用いて予め構築された識別器（識別処理）を用いて、故障パターンを識別する技術が知られている（特許文献１参照）。 A classifier (discriminating process) constructed in advance using teacher data corresponding to a known cause of failure is generated by generating a feature quantity expressed by a multidimensional vector from data representing the vehicle state (detection value of an in-vehicle sensor, etc.) A technique for identifying a failure pattern by using the same is known (see Patent Document 1).
しかし、従来装置の識別器において、識別可能な故障パターンは事前に想定されたものであり、どの故障パターンにも該当しない特徴量に対しては、その都度、エンジニアが分析して故障原因等を推定しなければならない。 However, in the classifier of the conventional device, the identifiable failure pattern is assumed in advance, and for each feature quantity that does not correspond to any failure pattern, an engineer analyzes the cause of failure etc. Must be estimated.
つまり、同じ原因で同じ症状のデータ（特徴量）が複数の車両で検出されていたとしても、これに対応する既知の故障パターンが存在しなければ、これらの不具合に対してエンジニアは不具合が発生するたびに一つ一つ個別に対処し続けなければならず、非効率的であるという問題があった。 In other words, even if data of the same symptom (feature value) for the same cause is detected by multiple vehicles, if there is no known failure pattern corresponding to this, the engineer will generate a failure for these failures. Each time we had to deal with it individually, there was a problem of inefficiency.
本発明は、こうした問題に鑑みてなされたものであり、識別不能な未知の故障パターンへの対処に要する手間を削減する技術を提供することを目的とする。 The present invention has been made in view of these problems, and an object of the present invention is to provide a technique for reducing the effort required to deal with an unknown failure pattern that cannot be identified.
本発明の未知故障データ分析装置は、分析手段を備える。分析手段は、不具合発生時の車両状態を表すデータを故障データとして、識別時に既に知られている故障パターンとしての識別が不能な故障データを未知故障データとして分析する。 The unknown failure data analysis apparatus of the present invention includes an analysis means. The analysis means analyzes data representing the vehicle state at the time of failure as failure data, and analyzes failure data that cannot be identified as a failure pattern already known at the time of identification as unknown failure data.
なお、分析手段では、例えば、未知故障データのクラスタリング、更には、クラスタリングによって得られた各クラスタに関する情報の生成や、未知故障データが生成された車両に関する情報との関連づけ等を行ってもよい。 The analysis means may perform, for example, clustering of unknown fault data, generation of information about each cluster obtained by clustering, correlation with information about a vehicle from which the unknown fault data is generated, and the like.
このような構成によれば、未知故障データの分析の手間を削減することができ、更には、未知の故障パターンへの対処（例えば、新たな識別器の生成など）に要する手間を削減することができる。 According to such a configuration, it is possible to reduce the trouble of analyzing unknown fault data, and further, to reduce the trouble required for dealing with an unknown fault pattern (for example, generation of a new discriminator). Can do.
なお、特許請求の範囲に記載した括弧内の符号は、一つの態様として後述する実施形態に記載の具体的手段との対応関係を示すものであって、本発明の技術的範囲を限定するものではない。 In addition, the code | symbol in the parenthesis described in the claim shows the correspondence with the specific means as described in embodiment mentioned later as one aspect, Comprising: The technical scope of this invention is limited is not.
以下に本発明が適用された実施形態について、図面を用いて説明する。
＜全体構成＞
本発明が適用された故障情報提示システム１は、図１に示すように、車両に搭載された車載装置群１０と、車載装置群１０から取得した情報に基づいて故障に関する情報を提示する故障データセンタ２０とを備える。
Embodiments to which the present invention is applied will be described below with reference to the drawings.
<Overall configuration>
As shown in FIG. 1, the failure information presentation system 1 to which the present invention is applied is an in-vehicle device group 10 mounted on a vehicle, and failure data that presents information about the failure based on information acquired from the in-vehicle device group 10. A center 20.
＜車載装置群＞
車載装置群１０は、車載センサ群１１と、ヒューマン−マシンインタフェース（ＨＭＩ）装置１２と、情報収集装置１３と故障データ記憶装置１４と、車側インタフェース（ＩＦ）装置１５とを備え、各装置は車載ネットワーク（例えばＣＡＮ）を介して相互に通信可能に接続されている。
<In-vehicle device group>
The in-vehicle device group 10 includes an in-vehicle sensor group 11, a human-machine interface (HMI) device 12, an information collecting device 13, a failure data storage device 14, and a vehicle-side interface (IF) device 15, each device being They are connected to each other via an in-vehicle network (for example, CAN).
車載センサ群１１は、車両に搭載され車両各部の状態を計測するものであり、例えば、スロットル開度、エンジン回転数、吸入空気量、車速等を検出する。これらに限らず、車両に何等かの不具合が生じた時にその影響が何等かの形で現れる信号や、不具合が生じた時の挙動を表す信号であればよい。 The in-vehicle sensor group 11 is mounted on the vehicle and measures the state of each part of the vehicle, and detects, for example, a throttle opening, an engine speed, an intake air amount, a vehicle speed, and the like. However, the present invention is not limited to these, and any signal may be used as long as it is a signal whose influence appears in some form when a malfunction occurs in the vehicle, or a signal that represents a behavior when a malfunction occurs.
ＨＭＩ装置１２は、ドライバが操作可能な位置に配置されたスイッチやタッチパネル等で構成され、情報収集装置１３に対する各種指令を入力するための入力部、およびドライバが視認可能な位置に配置されたディスプレイやランプ等で構成され、ドライバに対して各種情報を視覚的に提示するるための情報提示部とを備える。 The HMI device 12 is configured by a switch, a touch panel, or the like arranged at a position where the driver can operate, an input unit for inputting various commands to the information collecting device 13, and a display arranged at a position where the driver can visually recognize And an information presentation unit for visually presenting various information to the driver.
故障データ記憶装置１４は、不揮発性メモリからなり、情報収集装置１３によって収集された故障データを記憶する。
車側ＩＦ装置１５は、故障データセンタ２０との無線通信を行う無線通信機からなる。
The failure data storage device 14 is composed of a non-volatile memory, and stores failure data collected by the information collection device 13.
The vehicle-side IF device 15 includes a wireless communication device that performs wireless communication with the failure data center 20.
情報収集装置１３は、ＣＰＵ，ＲＯＭ，ＲＡＭを備えた周知のマイクロコンピュータからなり、当該装置に電源が投入されている間、情報収集処理を実行する。情報収集処理では、車載センサ群１１から定期的に測定データを取得し、故障データ記憶装置１４に順次記憶させる。この測定データは、一定期間分のデータが保持されるように常に更新される。また、取得した測定データの異常（例えば、所定値域からの逸脱）を検出した場合には、その検出した時点の前後所定期間分のデータ系列を故障データとして、異常が検出された時刻や地域を表す付属情報と共に、測定データとは別に故障データ記憶装置１４に保存する。そして、車側ＩＦ装置１５を介して故障データセンタ２０との通信が可能なタイミングで、故障データ記憶装置１４に保存された故障データを、自車両の車種や年式など搭載部品等の特定に必要な車両情報と共に故障データセンタ２０に送信する。なお、故障データは、測定データそのものであってもよいし、測定データを何等かの特徴量に変換したものであってもよい。更に、送信した故障データに対して、車側ＩＦ装置１５を介して故障データセンタ２０から提供される故障パターン情報等を、ＨＭＩ装置１２の情報提示部に表示させる処理を実行する。 The information collecting device 13 is a known microcomputer having a CPU, a ROM, and a RAM, and executes information collecting processing while the device is powered on. In the information collection process, measurement data is periodically acquired from the in-vehicle sensor group 11 and sequentially stored in the failure data storage device 14. This measurement data is constantly updated so that data for a certain period is retained. In addition, when an abnormality (for example, deviation from a predetermined value range) in the acquired measurement data is detected, the data series for a predetermined period before and after the detection time is used as failure data, and the time and region where the abnormality is detected are determined. It is stored in the failure data storage device 14 together with the attached information to be expressed separately from the measurement data. Then, the failure data stored in the failure data storage device 14 is identified at the timing at which communication with the failure data center 20 via the vehicle-side IF device 15 is possible, and the mounted parts such as the model and year of the vehicle are specified. It is transmitted to the failure data center 20 together with necessary vehicle information. The failure data may be the measurement data itself, or may be data obtained by converting the measurement data into some feature amount. Furthermore, a process for displaying the failure pattern information provided from the failure data center 20 via the vehicle-side IF device 15 on the information presentation unit of the HMI device 12 is performed on the transmitted failure data.
＜故障データセンタ＞
故障データセンタ２０は、センタ側ＩＦ装置２１と、情報処理装置２２と、識別器データベース（識別器ＤＢ）２３と、故障パターンデータベース（故障パターンＤＢ）２４と、未知故障データベース（未知故障ＤＢ）２５とを備える。
<Failure data center>
The failure data center 20 includes a center-side IF device 21, an information processing device 22, a discriminator database (discriminator DB) 23, a fault pattern database (fault pattern DB) 24, and an unknown fault database (unknown fault DB) 25. With.
センタ側ＩＦ装置２１は、車載装置群１０との無線通信を行う無線通信機からなる。
識別器ＤＢ２３は、不揮発性メモリからなり、既知の故障パターン毎に用意された複数の故障識別器を記憶する。故障識別器はそれぞれ既知の故障パターンのいずれかに対応づけられており、故障データを入力として、その故障データが当該故障識別器に対応づけられた故障パターンに該当するか否かを０（該当しない）／１（該当する）で出力する。
The center-side IF device 21 includes a wireless communication device that performs wireless communication with the in-vehicle device group 10.
The discriminator DB 23 includes a nonvolatile memory, and stores a plurality of fault discriminators prepared for each known fault pattern. Each fault classifier is associated with one of the known fault patterns. When fault data is input, it is determined whether the fault data corresponds to the fault pattern associated with the fault classifier. Not) / 1 (applicable).
故障パターンＤＢ２４は、不揮発性メモリからなり、個々の故障パターンに関する故障原因や実施すべき修理内容などからなる故障パターン情報を記憶する。なお、故障パターン情報は、故障パターンを識別する識別情報と対応づけて記憶される。 The failure pattern DB 24 is composed of a nonvolatile memory, and stores failure pattern information including failure causes relating to individual failure patterns and details of repairs to be performed. The failure pattern information is stored in association with identification information for identifying the failure pattern.
未知故障ＤＢ２５は、不揮発性メモリからなり、いずれの故障パターンにも該当しない故障データである未知故障データを記憶する。なお、未知故障データは、付属情報や車両情報と共に記憶される。 The unknown failure DB 25 includes a nonvolatile memory, and stores unknown failure data that is failure data that does not correspond to any failure pattern. The unknown failure data is stored together with the attached information and vehicle information.
情報処理装置２２は、ＣＰＵ，ＲＯＭ，ＲＡＭを備えた周知のマイクロコンピュータからなり、故障診断処理および故障パターン候補抽出処理を実行する。
<<故障診断処理>>
情報処理装置２２が実行する故障診断処理の内容を、図２に示すフローチャートに沿って説明する。本処理は、センタ側ＩＦ装置２１を介して車両（車側ＩＦ装置１５）との通信が可能になる毎に起動する。
The information processing apparatus 22 includes a known microcomputer including a CPU, a ROM, and a RAM, and executes a failure diagnosis process and a failure pattern candidate extraction process.
<< Failure diagnosis process >>
The contents of the failure diagnosis process executed by the information processing apparatus 22 will be described with reference to the flowchart shown in FIG. This process is started every time communication with the vehicle (vehicle-side IF device 15) becomes possible via the center-side IF device 21.
情報処理装置２２のＣＰＵは、本処理が起動すると、まず、Ｓ１１０にて、車載装置群１０から故障データ記憶装置１４に記憶されている故障データを付属情報および車両情報とともに取得する。 When this process is started, the CPU of the information processing device 22 first acquires failure data stored in the failure data storage device 14 from the in-vehicle device group 10 together with the attached information and vehicle information in S110.
続くＳ１２０では、識別器ＤＢ２３に記憶された故障識別器を用いて、故障データがどの故障パターンに該当するかを識別する。
続くＳ１３０では、該当すると判断された故障パターンが一つでも存在したか否かを判断する。つまり、Ｓ１２０で実施した故障識別器での識別結果に一つでも「１」がある場合は肯定判断され、故障識別器での識別結果が全て「０」である場合に否定判断される。
In subsequent S120, the failure pattern stored in the classifier DB 23 is used to identify which failure pattern the failure data corresponds to.
In subsequent S130, it is determined whether or not there is any failure pattern determined to be applicable. In other words, if there is at least one “1” in the identification result of the failure classifier implemented in S120, an affirmative determination is made, and if all the identification results in the failure classifier are “0”, a negative determination is made.
Ｓ１３０にて該当する故障パターンが存在すると判断された場合は、Ｓ１４０にて、識別結果が「１」となった全ての故障識別器について、それらの故障識別器に対応づけられた故障パターンの識別情報に基づき、対応する故障パターン情報を故障パターンＤＢ２４から取得し、これをセンタ側ＩＦ装置２１を介して車載装置群１０に提供して、本処理を終了する。 When it is determined in S130 that the corresponding failure pattern exists, in S140, for all the failure classifiers whose identification result is “1”, identification of the fault pattern associated with those fault classifiers Based on the information, the corresponding failure pattern information is acquired from the failure pattern DB 24, and this is provided to the in-vehicle device group 10 via the center-side IF device 21, and this process is terminated.
この故障パターン情報の提供を受けた車載装置群１０では、ＨＭＩ装置１２の情報提示部に、故障パターン情報の内容を表示する。また、車両が持ち込まれたサービスステーションでは、この故障パターン情報を参考にして故障原因の特定および特定された故障原因に応じた修理を実行する。 In the in-vehicle device group 10 that has received the provision of the failure pattern information, the content of the failure pattern information is displayed on the information presentation unit of the HMI device 12. Also, the service station where the vehicle is brought in identifies the cause of the failure with reference to the failure pattern information and performs repairs according to the specified failure cause.
一方、先のＳ１３０にて該当する故障パターンが存在しないと判断された場合は、Ｓ１５０にて、識別対象となった故障データを未知故障データとして、付属情報および車両情報と共に未知故障ＤＢ２５に記憶して、本処理を終了する。 On the other hand, if it is determined in S130 that the corresponding failure pattern does not exist, the failure data to be identified is stored as unknown failure data in the unknown failure DB 25 together with attached information and vehicle information in S150. Then, this process ends.
ここで、図３（ａ）は、車両（車載装置群１０）から故障データセンタ２０に送信されてくる故障データの分布図を例示するものである。図では、理解を容易にするために２次元で概念的に表現しているが、実際の故障データは多次元（３次元以上）のデータとなる。図３（ｂ）は、既知の故障パターンＡおよび故障パターンＢを識別する二つの故障識別器を用いて故障データを識別した結果であり、図３（ｃ）はいずれにも識別されなかった故障データ、即ち、未知故障ＤＢ２５に記憶される未知故障データのみを示したものである。この未知故障データを分析することによって、新たな故障パターンが抽出される。 Here, FIG. 3A illustrates a distribution diagram of failure data transmitted from the vehicle (on-vehicle device group 10) to the failure data center 20. In the figure, although it is conceptually expressed in two dimensions for easy understanding, the actual failure data is multidimensional (three or more dimensions) data. FIG. 3B shows the result of identifying the fault data using two fault discriminators that identify the known fault pattern A and fault pattern B, and FIG. Only data, that is, unknown failure data stored in the unknown failure DB 25 is shown. By analyzing this unknown failure data, a new failure pattern is extracted.
<<故障パターン候補抽出処理>>
情報処理装置２２のＣＰＵが実行する故障パターン候補抽出処理を、図４に示すフローチャートに沿って説明する。本処理は、未知故障ＤＢ２５に未知故障データが所定個以上蓄積されると起動する。
<< Fault pattern candidate extraction process >>
The failure pattern candidate extraction process executed by the CPU of the information processing device 22 will be described with reference to the flowchart shown in FIG. This process is activated when a predetermined number or more of unknown fault data is accumulated in the unknown fault DB 25.
情報処理装置２２のＣＰＵは、本処理が起動すると、まず、Ｓ２１０にて、未知故障ＤＢ２５に蓄積された未知故障データを用いてクラスタリングを実行する。クラスタリングの具体的な手法としては、データが密集している（即ち、より類似している故障データがより多く存在する）領域をクラスタとする特性を持ったアルゴリズムである凝集型クラスタリングやＧＭＭ（Gaussian Mixture Model）またはそれらを逐次処理用に改変したものを用いることが望ましいが、それ以外の手法（例えばｋ−ｍｅａｎｓ法等）を用いてもよい。これらの手法はいずれも周知であるため、その詳細については説明を省略する。なお、図５（ａ）は、ＧＭＭによる処理結果を例示したものであり、この処理により、図５（ｂ）に示すように、個々の未知故障データがどのクラスタに属するか対応関係を表すデータが作成される。 When this process is started, the CPU of the information processing apparatus 22 first executes clustering using unknown fault data stored in the unknown fault DB 25 in S210. Specific methods for clustering include agglomerative clustering and GMM (Gaussian), which are algorithms having a characteristic of clustering an area where data is dense (that is, there are more similar failure data). It is desirable to use a mixture model) or a modified version of them for sequential processing, but other methods (for example, k-means method) may be used. Since these methods are all well-known, the details thereof are omitted. FIG. 5A illustrates the processing result by GMM. As shown in FIG. 5B, the data representing the correspondence relationship to which each unknown failure data belongs is shown in FIG. 5B. Is created.
続くＳ２２０では、Ｓ２１０で生成された各クラスタの確信度Ｓcを算出する。確信度Ｓcは、あるクラスタｃが同一の故障パターンに起因するものである確からしさを評価する尺度である。具体的には、クラスタｃに属する故障データの数をＮc、クラスタｃのサイズをＶcとして（１）式を用いてクラスタ内のデータの密集度合いを確信度Ｓcとして求める。これにより図６（ａ）に示すように、クラスタと確信度Ｓcとの対応関係を表すデータが作成される。 In subsequent S220, it calculates the confidence S c of the clusters generated by S210. The certainty factor S c is a scale for evaluating the certainty that a certain cluster c is caused by the same failure pattern. Specifically, the degree of congestion of data in the cluster is obtained as the certainty degree S c using equation (1), where N c is the number of pieces of failure data belonging to the cluster c, and V c is the size of the cluster c. Thus, as shown in FIG. 6 (a), data representing the correspondence between the cluster and confidence S c is created.
なお、クラスタサイズＶcは、例えば、故障データの次元数（故障データを表す多次元ベクトルの要素数）をＭ、クラスタｃの次元ｍ（１≦ｍ≦Ｍ）での標準偏差をσc,m として、（２）式により求めた分散の和を用いてもよいし、クラスタｃの次元ｍでの最大値をｘc,m,max 、最小値をｘc,m,min として、（３）式により求めたデータ領域の幅を用いてもよい。 Note that the cluster size V c is, for example, the number of dimensions of failure data (the number of elements of a multidimensional vector representing failure data) is M, and the standard deviation in the dimension m (1 ≦ m ≦ M) of the cluster c is σ c, As m , the sum of the variances obtained by the equation (2) may be used, and the maximum value in dimension m of cluster c is x c, m, max and the minimum value is x c, m, min (3 ) The width of the data area obtained by the equation may be used.
続くＳ２３０では、故障パターン候補を抽出する。ここでは、Ｓ２２０で求めた確信度Ｓcが所定の閾値Ｓth以上であるものを故障パターン候補として抽出する。なお、これに限らず、確信度Ｓcの大きいものから順に所定個（例えば３個）を故障パターン候補として抽出してもよい。 In subsequent S230, failure pattern candidates are extracted. Here, confidence S c obtained in S220 is extracted as a failure pattern candidates what a predetermined threshold S th or more. The invention is not limited thereto, it may be extracted predetermined number in descending order of confidence S c (e.g. three) as the failure pattern candidates.
続くＳ２４０では、故障パターン候補のクラスタに属する未知故障データの車両情報に基づき車種構成情報を生成する。車種構成情報は、未知故障データがどの車種に基づくかを割合で表したものであり、例えば、図６（ｂ）のように表現される。 In subsequent S240, vehicle type configuration information is generated based on vehicle information of unknown failure data belonging to a cluster of failure pattern candidates. The vehicle type configuration information indicates which vehicle type the unknown failure data is based on, and is expressed as shown in FIG. 6B, for example.
続くＳ２５０では、Ｓ２３０で抽出された故障パターン候補、および故障パターン候補に関して生成された確信度Ｓc，車種構成情報からなる故障パターン候補情報を、未知故障ＤＢ２５に記憶して本処理を終了する。 In subsequent S250, the failure pattern candidate extracted in S230, and the failure pattern candidate information including the certainty factor S c and the vehicle type configuration information generated with respect to the failure pattern candidate are stored in the unknown failure DB 25, and this processing is terminated.
＜動作＞
このように構成された故障情報提示システム１では、車両（車載装置群１０）にて測定データの異常が検出された場合、その検出タイミング前後の所定期間内に検出された測定データを故障データとして、故障データセンタ２０に送信する。故障データセンタ２０では、故障データがどの故障パターンに該当するか識別する。
<Operation>
In the failure information presentation system 1 configured as described above, when an abnormality of measurement data is detected in the vehicle (on-vehicle device group 10), measurement data detected within a predetermined period before and after the detection timing is used as failure data. To the failure data center 20. The failure data center 20 identifies which failure pattern the failure data corresponds to.
識別の結果、該当する故障パターンが存在する場合には、その該当した故障パターンに関する故障パターン情報を車両に返送する。車両では、返送された故障パターン情報をＨＭＩ装置１２を介してドライバ等に提示する。 If the corresponding failure pattern exists as a result of the identification, failure pattern information related to the corresponding failure pattern is returned to the vehicle. In the vehicle, the returned failure pattern information is presented to the driver or the like via the HMI device 12.
一方、識別の結果、該当する故障パターンが存在しない場合には、識別対象の故障データを未知故障データとして未知故障ＤＢ２５に蓄積する。未知故障ＤＢ２５に一定数以上の未知故障データが蓄積される毎に、故障パターン候補抽出処理が実行され、この処理により生成された故障パターン候補情報は、未知故障ＤＢ２５に記憶される。 On the other hand, if the corresponding failure pattern does not exist as a result of identification, the failure data to be identified is stored in the unknown failure DB 25 as unknown failure data. Every time a certain number or more of unknown failure data is accumulated in the unknown failure DB 25, failure pattern candidate extraction processing is executed, and failure pattern candidate information generated by this processing is stored in the unknown failure DB 25.
未知故障ＤＢ２５に記憶された未知故障データおよび故障パターン候補情報は、車両の修理を実施するサービスステーションやカーメーカ等に提供される。未知故障データおよび故障パターン候補情報の提供を受けたサービスステーションやカーメーカのエンジニアは、故障パターン候補情報および未知故障データに基づいて、更なる分析を行うことによって、新たな故障パターンが検出された場合には、その新たな故障パターンに対応する故障識別器および故障パターン情報を生成する。そして、このようにして生成された故障識別器および故障パターン情報は、故障データセンタ２０の識別器ＤＢ２３および故障パターンＤＢ２４に適宜追加される。 The unknown failure data and the failure pattern candidate information stored in the unknown failure DB 25 are provided to a service station, a car manufacturer, etc. that repairs the vehicle. If a service station or car manufacturer engineer who has received unknown failure data and failure pattern candidate information detects a new failure pattern by performing further analysis based on the failure pattern candidate information and unknown failure data Generates a fault discriminator and fault pattern information corresponding to the new fault pattern. The failure identifier and failure pattern information generated in this way are appropriately added to the identifier DB 23 and failure pattern DB 24 of the failure data center 20.
＜効果＞
以上説明したように、故障情報提示システム１によれば、車両の不具合が生じた場合に、既知の故障パターンに該当するものであれば、ＨＭＩ装置１２を介して故障パターン情報が提示されるため、これに基づいて故障原因の特定や特定された故障原因に応じた修理を効率よく実施することができる。
<Effect>
As described above, according to the failure information presentation system 1, when a vehicle malfunction occurs, failure pattern information is presented via the HMI device 12 if it corresponds to a known failure pattern. Based on this, the cause of the failure and the repair according to the specified cause of the failure can be carried out efficiently.
また、故障情報提示システム１によれば、該当する故障パターンが存在しない故障データを、未知故障データとして蓄積すると共に、未知故障データを分析することによって故障パターン候補情報を生成しているため、これら未知故障データや故障パターン候補情報を利用することによって、未知の故障パターンへの対処（新たな故障識別器や故障パターン情報の生成など）に要する手間を削減することができる。 Also, according to the failure information presentation system 1, failure data for which no corresponding failure pattern exists is accumulated as unknown failure data, and failure pattern candidate information is generated by analyzing the unknown failure data. By using unknown failure data and failure pattern candidate information, it is possible to reduce the effort required to deal with unknown failure patterns (such as generation of new failure identifiers and failure pattern information).
また、故障パターン候補情報に含まれる車種構成情報を用いることにより、例えば、ある故障パターン候補の車種構成が特定車種に偏っている場合には、その特定車種に専用の部品が故障原因として推定され、逆に、車種の偏りが少ない場合には、汎用の部品が故障原因として推定される等、故障原因の絞り込みを効率よく行うことができる。 In addition, by using the vehicle type configuration information included in the failure pattern candidate information, for example, when the vehicle type configuration of a certain failure pattern candidate is biased to a specific vehicle type, a dedicated part for that specific vehicle type is estimated as the cause of the failure. On the contrary, when there is little deviation of the vehicle type, it is possible to efficiently narrow down the cause of failure, such as estimating a general-purpose part as the cause of failure.
更に、新たな故障識別器や故障パターン情報が追加された場合には、以後、その故障パターンに対する個別対応が不要となるため、車両の不具合に対して、より迅速な対処を実現することができる。 Furthermore, when a new failure classifier or failure pattern information is added, since it is no longer necessary to individually deal with the failure pattern, it is possible to realize a quicker response to a vehicle malfunction. .
［他の実施形態］
以上、本発明の実施形態について説明したが、本発明は、上記実施形態に限定されることなく、種々の形態を採り得ることは言うまでもない。
[Other Embodiments]
As mentioned above, although embodiment of this invention was described, it cannot be overemphasized that this invention can take a various form, without being limited to the said embodiment.
（１）上記実施形態では、車側ＩＦ部１５が無線通信機によって構成されているが、車側ＩＦ部１５は故障データセンタ２０と同等の機能を有する外部装置を接続するためのコネクタであってもよい。 (1) In the above-described embodiment, the vehicle-side IF unit 15 is configured by a wireless communication device. However, the vehicle-side IF unit 15 is a connector for connecting an external device having a function equivalent to that of the failure data center 20. May be.
（２）上記実施形態では、故障パターンの識別に故障識別器を用いているが、これに限るものではなく、例えば、特定の測定データが正常範囲内にあるか否かを判断する等してもよい。 (2) In the above embodiment, the failure identifier is used for identifying the failure pattern. However, the present invention is not limited to this. For example, it is determined whether or not specific measurement data is within a normal range. Also good.
（３）上記実施形態では、故障パターン候補抽出処理を、未知故障ＤＢ２５に未知故障データが所定個数以上蓄積された時に起動するとしたが、これに限られるものではない。例えば、指定された一定期間ごとに起動してもよいし、システムの使用者の要求に応じて起動してもよい。 (3) In the above embodiment, the failure pattern candidate extraction process is activated when a predetermined number or more of unknown failure data is accumulated in the unknown failure DB 25, but the present invention is not limited to this. For example, it may be activated every specified period, or may be activated in response to a request from the user of the system.
（４）上記実施形態では、故障データが記憶されると、故障データセンタ２０との通信が可能なタイミングで故障データを自動的に送信しているが、ＨＭＩ装置１２を介して送信指示があった場合に、故障データを送信するようにしてもよい。 (4) In the above embodiment, when the failure data is stored, the failure data is automatically transmitted at a timing at which communication with the failure data center 20 is possible. However, there is a transmission instruction via the HMI device 12. In such a case, failure data may be transmitted.
（５）上記実施形態では、クラスタｃの確信度Ｓcとして、クラスタ内のデータの密集度合いを求めているがこれに限るものではない。例えば、（２）または（３）式で求めたクラスタｃのサイズＶcの逆数（１／Ｖc）や、クラスタｃに属するデータ数Ｎcを、確信度Ｓcとして用いてもよい。また、他のクラスタから離れている程確信度が高いものと考えて、他のクラスタからの乖離度をｗcとし、（１）式で求めた確信度Ｓcに乖離度ｗcを乗じたものを、最終的な確信度として用いてもよい。 (5) In the above embodiment, the degree of data density in the cluster is obtained as the certainty factor Sc of the cluster c , but the present invention is not limited to this. For example, (2) or (3) the inverse of the size V c of the cluster c determined by the equation (1 / V c) and the data speed N c belonging to the cluster c, may be used as the reliability S c. Also, assuming that the degree of certainty is higher as the distance from other clusters increases, the degree of divergence from other clusters is set as w c, and the degree of certainty S c obtained by equation (1) is multiplied by the degree of divergence w c . Things may be used as the final confidence.
この場合、クラスタの総数をＣ、クラスタｃの位置の平均値をμcとして、乖離度ｗcを（４）式によって求めてもよい。つまり、他のクラスタとの平均位置間の距離の和が大きいほど確信度が高くなる。 In this case, assuming that the total number of clusters is C and the average value of the positions of the clusters c is μ c , the degree of divergence w c may be obtained by equation (4). That is, the greater the sum of the distances between the average positions with other clusters, the higher the certainty factor.
また、σcを式（５）で求められるクラスｃの標準偏差として、乖離度ｗcを（６）式によって求めてもよい。この場合、他のクラスタとのフィッシャーの判別基準（クラスタ内分散とクラス間分散の比）の和が大きいほど確信度が高くなる。 Alternatively, σ c may be obtained as the standard deviation of class c obtained by equation (5), and the degree of divergence w c may be obtained by equation (6). In this case, the greater the sum of Fisher's discrimination criteria with respect to other clusters (ratio of intra-cluster variance to inter-class variance), the higher the certainty factor.
（６）上記実施形態では、クラスタリングを車種によって区別することなく実施しているが、車種毎に区別して実施するようにしてもよい。
（７）上記実施形態では、故障データセンタ２０において識別器を用いて故障データの識別を行っているが、故障データセンタ２０に送られてくる故障データのそれぞれを、エンジニアが逐一診断し、診断できなかったものを未知故障ＤＢ２５に登録するようにしてもよい。
(6) In the above-described embodiment, clustering is performed without distinguishing by vehicle type, but may be performed separately for each vehicle type.
(7) In the above embodiment, the failure data center 20 uses the discriminator to identify the failure data. However, the engineer diagnoses each failure data sent to the failure data center 20 one by one and makes a diagnosis. What could not be done may be registered in the unknown failure DB 25.
（８）上記実施形態では、故障データの識別を故障データセンタ２０で行っているが、故障車両が持ち込まれるサービスステーション等でエンジニアが故障データを診断した結果、診断できなかったものを、故障データセンタ２０に送信して未知故障ＤＢ２５に登録するようにしてもよい。 (8) In the above embodiment, the failure data is identified by the failure data center 20, but as a result of the engineer diagnosing the failure data at the service station where the failed vehicle is brought in, the failure data is It may be transmitted to the center 20 and registered in the unknown failure DB 25.
（９）本発明の各構成要素は概念的なものであり、上記実施形態に限定されない。例えば、一つの構成要素が有する機能を複数の構成要素に分散させたり、複数の構成要素が有する機能を一つの構成要素に統合したりしてもよい。また、上記実施形態の構成の少なくとも一部を、同様の機能を有する公知の構成に置き換えてもよい。また、上記実施形態の構成の少なくとも一部を、他の上記実施形態の構成に対して付加、置換等してもよい。 (9) Each component of the present invention is conceptual and is not limited to the above embodiment. For example, the functions of one component may be distributed to a plurality of components, or the functions of a plurality of components may be integrated into one component. Further, at least a part of the configuration of the above embodiment may be replaced with a known configuration having the same function. In addition, at least a part of the configuration of the above embodiment may be added to or replaced with the configuration of the other embodiment.
１…故障情報提示システム １０…車載装置群 １１…車載センサ群 １２…ＨＭＩ装置 １３…情報収集装置 １４…故障データ記憶装置 １５…車側ＩＦ装置 ２０…故障データセンタ ２１…センタ側ＩＦ装置 ２２…情報処理装置 ２３…識別器ＤＢ ２４…故障パターンＤＢ ２５…未知故障ＤＢ DESCRIPTION OF SYMBOLS 1 ... Failure information presentation system 10 ... In-vehicle device group 11 ... In-vehicle sensor group 12 ... HMI device 13 ... Information collection device 14 ... Failure data storage device 15 ... Car side IF device 20 ... Failure data center 21 ... Center side IF device 22 ... Information processing device 23 ... discriminator DB 24 ... failure pattern DB 25 ... unknown failure DB
Claims (5)
前記故障識別手段での識別が不能な故障データを未知故障データとして、前記未知故障データを蓄積する未知故障データ蓄積手段（２５，２２：Ｓ１３０，Ｓ１５０）と、
前記未知故障データ蓄積手段に蓄積された前記未知故障データを分析する分析手段（２２：Ｓ２１０〜Ｓ２４０）と、
を備え、
前記分析手段は、前記未知故障データをクラスタリングするクラスタリング手段（２２：Ｓ２１０）を備える
ことを特徴とする未知故障データ分析装置。 Failure identification means for identifying a known failure pattern related to the failure data that cannot be identified as a failure pattern already known at the time of identification, using data representing the vehicle state at the time of the failure as failure data (22: S120) When,
Unknown fault data storage means (25, 22: S130, S150) for storing the unknown fault data as fault data that cannot be identified by the fault identification means as unknown fault data;
Analyzing means (22: S210 to S240) for analyzing the unknown fault data stored in the unknown fault data storage means;
Equipped with a,
The unknown fault data analysis apparatus , wherein the analysis means includes clustering means (22: S210) for clustering the unknown fault data.
前記分析手段は、前記クラスタ毎に車種の構成割合を示す情報を生成する割合情報生成手段（２２：Ｓ２４０）を備えることを特徴とする請求項１ないし請求項３のいずれか１項に記載の未知故障データ分析装置。 The unknown failure data is associated with the vehicle type of the vehicle in which the unknown failure data is generated,
The said analysis means is provided with the ratio information generation means (22: S240) which produces | generates the information which shows the structure ratio of a vehicle type for every said cluster, The Claim 1 thru | or 3 characterized by the above-mentioned. Unknown failure data analyzer.
前記分析手段は、前記車種別に前記クラスタリングを実行することを特徴とする請求項１ないし請求項３のいずれか１項に記載の未知故障データ分析装置。 The unknown failure data is associated with the vehicle type of the vehicle in which the unknown failure data is generated,
4. The unknown failure data analysis apparatus according to claim 1 , wherein the analysis unit executes the clustering for each vehicle type. 5.
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2014071296A JP6323121B2 (en) | 2014-03-31 | 2014-03-31 | Unknown data analyzer |
| DE102015205720.8A DE102015205720A1 (en) | 2014-03-31 | 2015-03-30 | System for analyzing unclassified motor vehicle error data |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2014071296A JP6323121B2 (en) | 2014-03-31 | 2014-03-31 | Unknown data analyzer |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2015194355A JP2015194355A (en) | 2015-11-05 |
| JP6323121B2 true JP6323121B2 (en) | 2018-05-16 |
Family
ID=54067182
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2014071296A Active JP6323121B2 (en) | 2014-03-31 | 2014-03-31 | Unknown data analyzer |
Country Status (2)
| Country | Link |
|---|---|
| JP (1) | JP6323121B2 (en) |
| DE (1) | DE102015205720A1 (en) |
Families Citing this family (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| DE102018201933A1 (en) | 2018-02-07 | 2019-08-08 | Avl List Gmbh | Method and system for analyzing at least one device of a unit which has a plurality of different devices |
| JP2021032115A (en) * | 2019-08-22 | 2021-03-01 | トヨタ自動車株式会社 | Vehicular learning control system, vehicular control device, and vehicular learning device |
| JP2022148608A (en) * | 2021-03-24 | 2022-10-06 | 富士フイルムビジネスイノベーション株式会社 | Information processing device and program |
Family Cites Families (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP3241818B2 (en) * | 1992-09-22 | 2001-12-25 | 株式会社ザナヴィ・インフォマティクス | Vehicle failure diagnosis device |
| JP3179387B2 (en) * | 1997-09-30 | 2001-06-25 | 日本電気移動通信株式会社 | Vehicle management data transmission system |
| JP2003075300A (en) * | 2001-08-31 | 2003-03-12 | Tsubasa System Co Ltd | System for tabulating diagnostic item of vehicle |
| JP4306349B2 (en) * | 2003-07-25 | 2009-07-29 | 株式会社日立製作所 | Vehicle information terminal device |
| JP4315073B2 (en) * | 2004-07-14 | 2009-08-19 | トヨタ自動車株式会社 | Failure analysis system |
| JP4661381B2 (en) * | 2005-06-14 | 2011-03-30 | トヨタ自動車株式会社 | Failure diagnosis device, failure diagnosis system, failure diagnosis method, and in-vehicle device |
| US7519458B2 (en) * | 2005-07-08 | 2009-04-14 | Snap-On Incorporated | Vehicle diagnostics |
| JP2009294004A (en) * | 2008-06-03 | 2009-12-17 | Fujitsu Ten Ltd | Abnormality analysis apparatus and abnormality analysis method |
| JP2010030404A (en) * | 2008-07-28 | 2010-02-12 | Visteon Global Technologies Inc | Position detection method and position detection apparatus for preceding vehicle and data filtering method |
| JP4640475B2 (en) * | 2008-09-11 | 2011-03-02 | トヨタ自動車株式会社 | Vehicle repair / exchange information management system, vehicle repair / exchange information management device, vehicle abnormality cause information management system, vehicle abnormality cause information management device, and multiple sets of teacher data processing method |
| JP5633262B2 (en) * | 2010-01-07 | 2014-12-03 | 株式会社デンソー | Vehicle information storage device, vehicle diagnostic system, and program |
| JP2014071296A (en) | 2012-09-28 | 2014-04-21 | Toppan Printing Co Ltd | Color filter |
-
2014
- 2014-03-31 JP JP2014071296A patent/JP6323121B2/en active Active
-
2015
- 2015-03-30 DE DE102015205720.8A patent/DE102015205720A1/en active Pending
Also Published As
| Publication number | Publication date |
|---|---|
| DE102015205720A1 (en) | 2015-10-01 |
| JP2015194355A (en) | 2015-11-05 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US9384603B2 (en) | Failure cause classification apparatus | |
| US10514974B2 (en) | Log analysis system, log analysis method and program recording medium | |
| JP5573743B2 (en) | Vehicle data analysis device, vehicle data analysis method, and failure diagnosis device | |
| CN109397703B (en) | Fault detection method and device | |
| JP4928532B2 (en) | Vehicle fault diagnosis device | |
| US8972213B2 (en) | Pattern recognition approach to battery diagnosis and prognosis | |
| CN102375452B (en) | Event-driven data mining method for improving fault code settings and isolating faults | |
| US11599563B2 (en) | Programmatically identifying a personality of an autonomous vehicle | |
| CN105045788A (en) | Method of processing and analysing vehicle driving big data and system thereof | |
| JP6183252B2 (en) | Failure information presentation system | |
| US9928669B2 (en) | System and method for providing optimal state indication of a vehicle | |
| US10032322B2 (en) | Validation tool for an aircraft engine monitoring system | |
| CN108829088B (en) | Automobile diagnosis method and device and storage medium | |
| JP6323121B2 (en) | Unknown data analyzer | |
| WO2014013686A1 (en) | Verification device and control method for verification device, as well as computer program | |
| JP2009294004A (en) | Abnormality analysis apparatus and abnormality analysis method | |
| CN111666848B (en) | Method, device and equipment for detecting arrival of transport vehicle and storage medium | |
| WO2020010715A1 (en) | Electronic device, driving behavior scoring method, and storage medium | |
| CN110738332B (en) | Accident vehicle identification method and system and storage medium | |
| JP2020107248A (en) | Abnormality determination device and abnormality determination method | |
| WO2021111728A1 (en) | Failure symptom detection device, failure symptom detection system, failure symptom detection method, and failure symptom detection program | |
| JP2017021502A (en) | Operation data classification device | |
| JP6451483B2 (en) | Predictive detection program, apparatus, and method | |
| JP2024011340A (en) | Detection device, learning device, detection method, learning method and program |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20160622 |
|
| A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20170309 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20170314 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20170515 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20170905 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20171017 |
|
| 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: 20180313 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20180326 |
|
| R151 | Written notification of patent or utility model registration |
Ref document number: 6323121 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R151 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |