JP6641112B2 - 製品の予想故障数の計算に基づく保証費推定 - Google Patents
製品の予想故障数の計算に基づく保証費推定 Download PDFInfo
- Publication number
- JP6641112B2 JP6641112B2 JP2015141020A JP2015141020A JP6641112B2 JP 6641112 B2 JP6641112 B2 JP 6641112B2 JP 2015141020 A JP2015141020 A JP 2015141020A JP 2015141020 A JP2015141020 A JP 2015141020A JP 6641112 B2 JP6641112 B2 JP 6641112B2
- Authority
- JP
- Japan
- Prior art keywords
- dtc
- component
- product
- data
- failures
- 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
- 238000004364 calculation method Methods 0.000 title claims description 4
- 238000000034 method Methods 0.000 claims description 57
- 238000009826 distribution Methods 0.000 claims description 47
- 238000005315 distribution function Methods 0.000 claims description 16
- 230000015654 memory Effects 0.000 claims description 12
- 208000024891 symptom Diseases 0.000 claims description 12
- 230000006870 function Effects 0.000 claims description 10
- 238000004590 computer program Methods 0.000 claims description 3
- 238000007796 conventional method Methods 0.000 description 9
- 238000004519 manufacturing process Methods 0.000 description 9
- 238000004891 communication Methods 0.000 description 6
- 238000009827 uniform distribution Methods 0.000 description 5
- 230000008901 benefit Effects 0.000 description 3
- 238000012545 processing Methods 0.000 description 2
- 238000007476 Maximum Likelihood Methods 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000011022 operating instruction Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000001902 propagating effect Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 238000012827 research and development Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Images
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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
-
- 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
- G06Q30/00—Commerce
- G06Q30/01—Customer relationship services
- G06Q30/012—Providing warranty services
-
- 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
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
- G06Q30/0202—Market predictions or forecasting for commercial activities
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Development Economics (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Game Theory and Decision Science (AREA)
- Human Resources & Organizations (AREA)
- Data Mining & Analysis (AREA)
- Educational Administration (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Operations Research (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Debugging And Monitoring (AREA)
Description
Cj={i} ...(1)
と定義され、ここでiは、部品Pjが時間間隔[T1,T2]内に故障する車のインデックスである。
C’jk={i} ...(2)
と定義され、ここでiは、部品PjがT2後に初めて故障する車のインデックスである。
Failj={pji:i∈Cj} ...(3)
と定義され、ここでpjiは、部品Pjがi番目の車において初めて故障するサイクル数であり、i∈Cjである。iが{1,2,...,n}からのものであり、jが{1,2,...,m}からのものであることは理解されよう。
Indjk={djki:i∈Cj} ...(4)
と定義でき、ここで、djkiは、部品Pjに関連付けられたDTC Djkがi番目の車において初めて発生するサイクル数であり、i∈Cjである。
Ind’jk={d’jki:i∈C’jk} ...(5)
と定義でき、ここで、d’jkiは、部品Pjに関連付けられたDTC Djkがi番目の車において初めて発生するサイクル数であり、i∈C’jkである。
Servjk={sjki:i∈Cj} ...(6)
と定義することができ、ここで、sjkiは、部品Pjに関連付けられたDTC Djkがi番目の車において初めて観測されるサイクル数であり、i∈Cjである。
Serv’jk={s’jki:i∈C’jk} ...(7)
と定義でき、ここで、s’jkiは、部品Pjに関連付けられたDTC Djkがi番目の車において初めて観測されるサイクル数であり、i∈C’jkである。
djki≦sjki≦pji ...(8)
を満たす。
fj〜Weibull(αj,βj) ...(9)
と定義できる。ここで、尺度パラメータαjは、下限が0であり上限がa>0である一様分布に従い、形状パラメータβjは、下限が0であり上限がb>0である一様分布に従う。
ijk〜Normal distribution(fj−fj×rjk,σ1 jk) ...(10)
と定義することができ、ここで、fjは組Failjからの値を表し、rjkは、下限がr1>0であり上限がr2>0である一様分布に従い、σ1 jkは、下限が0であり上限がc1>0である一様分布に従う。
sjk〜Normal distribution((fj−ijk)×mjk+ijk,σ2 jk) ...(11)
と定義することができ、ここで、fjは組Failjからの値を表し、ijkは組Indjkからの値を表し、mjkは、下限が0であり上限が1である一様分布に従い、σ2 jkは、下限が0であり上限がc2>0である一様分布に従う。
Fail’’jk=Failj∪Fail’jk ...(12)
と定義される。Failj∩Fail’jkが空集合であることに留意されたい。
Zj=exp(−(T4×(αj new/βj new)))−exp(−(T3×(αj new/βj new))) ...(13)
に基づいて決定することができる。
ΣiΣj(Zj) ...(14)
と計算することができ、ここで、j=1〜mであり、i=1〜nである。
Fail’’jk=Failj∪Fail’jk ...(15)
と定義される。Failj∩Fail’jkが空集合であることに留意されたい。
Zj=exp(−(T4×(αj new/βj new)))−exp(−(T3×(αj new/βj new))) ...(16)
に基づいて決定することができる。
ΣiΣj(Zj) ...(17)
と計算することができ、ここで、j=1〜mであり、i=1〜nである。
(Warranty cost)j=RjFj(wj)+Rjbe−cwj(1−F(wj)) ...(18)
と定義することができ、ここで、b及びc>0であり、F(wj)は保証期間wjの前に故障した第j部品の割合であり、Rjは部品Pjに対する故障単価である。
Claims (18)
- 複数の部品を有する製品の予想故障数を計算する方法であって、
部品故障データをプロセッサにより決定することであって、前記部品故障データは、各部品が第1の所定期間内又は後に故障するサイクル数を示す、決定することと、
前記製品のセンサデータから診断トラブルコード(DTC)発生データを決定することであって、前記DTC発生データは、各部品に関連付けられた各DTCが前記第1の所定期間内に初めて発生するサイクル数を示し、前記複数の部品の各々の機能は、各部品に関連付けられたDTCを用いて診断され、前記DTCのうちの1つのDTCは、前記製品の部品に関するトラブル症状に対して関連付けられる、決定することと、
前記製品のサービス記録データからDTC観測データを決定することであって、前記DTC観測データは、各部品に関連付けられた各DTCが前記第1の所定期間内に初めて観測されるサイクル数を示す、決定することと、
ベイジアンネットワークに基づいて、前記部品故障データと、前記DTC発生データと、前記DTC観測データとの間の依存関係パラメータを前記プロセッサにより特定することであって、前記ベイジアンネットワークは、前記部品故障データと、前記DTC発生データと、前記DTC観測データとの間の確率的な関係を表し、前記依存関係パラメータは前記確率的な関係に関連する、特定することと、
前記依存関係パラメータに基づいて第2の所定期間内の前記製品の前記予想故障数を前記プロセッサにより計算することであって、前記第2の所定期間は前記第1の所定期間後の期間を示す、計算することと、を含む、方法。 - 前記部品故障データを決定することが、
各部品に対して、前記各部品が前記第1の所定期間内に初めて故障する第1の製品の組を特定することと、
各部品に対して、及び前記各部品に関連付けられた各DTCに対して、前記各部品が前記第1の所定期間後に初めて故障し、前記第1の所定期間内に初めて、前記関連付けられたDTCが発生し、前記関連付けられたDTCが観測される、第2の製品の組を特定することと、
各部品に対して、前記各部品が前記第1の製品の組における各製品に対して初めて故障するサイクル数を含む第1の部品故障の組を決定することと、を含む、請求項1に記載の方法。 - 前記センサデータから前記DTC発生データを決定することが、
各部品に対して、及び前記各部品に関連付けられた各DTCに対して、前記各部品に関連付けられた前記各DTCが前記第1の製品の組における各製品に対して初めて発生するサイクル数を含む第1のDTC発生の組を決定することと、
各部品に対して、及び前記各部品に関連付けられた各DTCに対して、前記各部品に関連付けられた前記各DTCが前記第2の製品の組における各製品に対して初めて発生するサイクル数を含む第2のDTC発生の組を決定することと、を含む、請求項2に記載の方法。 - 前記サービス記録データから前記DTC観測データを決定することが、
各部品に対して、及び前記各部品に関連付けられた各DTCに対して、前記各部品に関連付けられた前記各DTCが前記第1の製品の組における各製品に対して初めて観測されるサイクル数を含む第1のDTC観測の組を決定することと、
各部品に対して、及び前記各部品に関連付けられた各DTCに対して、前記各部品に関連付けられた前記各DTCが前記第2の製品の組における各製品に対して初めて観測されるサイクル数を含む第2のDTC観測の組を決定することと、を含む、請求項3に記載の方法。 - 前記依存関係パラメータを特定することが、
前記第1の部品故障の組と、前記第1のDTC発生の組と、前記第2のDTC発生の組と、前記第1のDTC観測の組と、前記第2のDTC観測の組とがそれぞれ従う確率分布関数を決定することであって、
前記第1の部品故障の組が、ワイブル分布に従い、
前記第1のDTC発生の組及び前記第2のDTC発生の組がそれぞれ、平均が前記部品故障データに依存する正規分布に従い、
前記第1のDTC観測の組及び前記第2のDTC観測の組がそれぞれ、平均が前記部品故障データ及び前記DTC発生データに依存する正規分布に従い、
前記依存関係パラメータが、
前記第1のDTC発生の組及び前記第2のDTC発生の組に対する正規分布の平均及び分散と、
前記第1のDTC観測の組及び前記第2のDTC観測の組に対する正規分布の平均及び分散と、に基づく、決定すること、を含む、請求項4に記載の方法。 - 前記製品の前記予想故障数を計算することが、
各部品に対して、前記第1の部品故障の組と、前記第1のDTC観測の組と、前記確率分布関数とを用いて、前記依存関係パラメータを学習することと、
前記学習された依存関係パラメータ及び前記第2のDTC観測の組を用いて、各部品に対して第2の部品故障の組を学習することであって、前記第2の部品故障の組は、前記各部品が前記第1の所定期間後に初めて故障するサイクル数を示す、学習することと、
各部品に対して、前記各部品に対する前記第1の部品故障の組及び前記第2の部品故障の組の和に基づいて、和集合を決定することと、
各部品に対して、前記和集合に基づいてワイブル分布の形状パラメータ及び尺度パラメータを学習することであって、前記製品の前記予想故障数が前記各部品に対する前記形状パラメータ及び前記尺度パラメータに基づく、学習することと、を含む、請求項5に記載の方法。 - 前記製品の故障数を計算することが、
各部品に対して、前記第1の部品故障の組と、前記第1のDTC発生の組と、前記第1のDTC観測の組と、前記確率分布関数とを用いて、前記依存関係パラメータを学習することと、
前記学習された依存関係パラメータと、前記第2のDTC発生の組と、前記第2のDTC観測の組とを用いて、各部品に対して第2の部品故障の組を学習することであって、前記第2の部品故障の組は、前記各部品が前記第1の所定期間後に初めて故障するサイクル数を示す、学習することと、
各部品に対して、前記各部品に対する前記第1の部品故障の組及び前記第2の部品故障の組の和に基づいて、和集合を決定することと、
各部品に対して、前記和集合に基づいてワイブル分布の形状パラメータ及び尺度パラメータを学習することであって、前記製品の故障数を前記計算することが前記各部品に対する前記学習される形状及び尺度パラメータに基づく、学習することと、をさらに含む、請求項5に記載の方法。 - 前記製品の前記予想故障数及び前記製品の部品交換費に基づいて、前記製品の保証費を前記プロセッサにより推定することをさらに含む、請求項1に記載の方法。
- 複数の部品を有する製品の予想故障数を計算するシステムであって、
プロセッサと、
前記プロセッサに接続されたメモリと、を備え、前記プロセッサは、前記メモリに格納されたコンピュータ可読命令を実行して、
部品故障データを決定することであって、前記部品故障データは、製品の部品が第1の所定期間内に故障するサイクル数を示す、決定することと、
前記製品のセンサデータから診断トラブルコード(DTC)発生データを決定することであって、前記DTC発生データは、前記製品の部品に関連付けられたDTCが前記第1の所定期間内及び後に初めて発生するサイクル数を示し、前記複数の部品の各々の機能は、各部品に関連付けられたDTCを用いて診断され、前記DTCは、前記製品の前記部品に関するトラブル症状に対して関連付けられる、決定することと、
前記製品のサービス記録データからDTC観測データを決定することであって、前記DTC観測データは、前記製品の部品に関連付けられたDTCが前記第1の所定期間内に初めて観測されるサイクル数を示す、決定することと、
ベイジアンネットワークに基づいて、前記部品故障データと、前記DTC発生データと、前記DTC観測データとの間の依存関係パラメータを特定することであって、前記ベイジアンネットワークは、前記部品故障データと、前記DTC発生データと、前記DTC観測データとの間の確率的な関係を表し、前記依存関係パラメータは前記確率的な関係に関連する、特定することと、
前記依存関係パラメータに基づいて第2の所定期間内の前記製品の予想故障数を計算することであって、前記第2の所定期間は前記第1の所定期間後の期間を示す、計算することと、を行う、システム。 - 前記プロセッサが、前記コンピュータ可読命令を実行して、
各部品に対して、前記各部品が前記第1の所定期間内に初めて故障する第1の製品の組を特定し、
各部品に対して、及び前記各部品に関連付けられた各DTCに対して、前記各部品が前記第1の所定期間後に初めて故障し、前記第1の所定期間内に初めて、前記DTCが発生し、前記DTCが観測される、第2の製品の組を特定し、
各部品に対して、前記各部品が前記第1の製品の組における各製品に対して初めて故障するサイクル数を含む第1の部品故障の組を決定する、請求項9に記載のシステム。 - 前記プロセッサが、前記コンピュータ可読命令を実行して、
各部品に対して、及び前記各部品に関連付けられた各DTCに対して、前記各部品に関連付けられた前記各DTCが前記第1の製品の組における各製品に対して初めて発生するサイクル数を含む第1のDTC発生の組を決定し、
各部品に対して、及び前記各部品に関連付けられた各DTCに対して、前記各部品に関連付けられた前記各DTCが前記第2の製品の組における各製品に対して初めて発生するサイクル数を含む第2のDTC発生の組を決定する、請求項10に記載のシステム。 - 前記プロセッサが、前記コンピュータ可読命令を実行して、
各部品に対して、及び前記各部品に関連付けられた各DTCに対して、前記各部品に関連付けられた前記各DTCが前記第1の製品の組における各製品に対して初めて観測されるサイクル数を含む第1のDTC観測の組を決定し、
各部品に対して、及び前記各部品に関連付けられた各DTCに対して、前記各部品に関連付けられた前記各DTCが前記第2の製品の組における各製品に対して初めて観測されるサイクル数を含む第2のDTC観測の組を決定する、請求項11に記載のシステム。 - 前記プロセッサが、前記コンピュータ可読命令を実行して、
前記第1の部品故障の組と、前記第1のDTC発生の組と、前記第2のDTC発生の組と、前記第1のDTC観測の組と、前記第2のDTC観測の組とがそれぞれ従う確率分布関数を決定し、
前記第1の部品故障の組が、ワイブル分布に従い、
前記第1のDTC発生の組及び前記第2のDTC発生の組がそれぞれ、平均が前記部品故障データに依存する正規分布に従い、
前記第1のDTC観測の組及び前記第2のDTC観測の組がそれぞれ、平均が前記部品故障データ及び前記DTC発生データに依存する正規分布に従い、
前記依存関係パラメータが、
前記第1のDTC発生の組及び前記第2のDTC発生の組に対する正規分布の平均及び分散と、
前記第1のDTC観測の組及び前記第2のDTC観測の組に対する正規分布の平均及び分散と、に基づく、請求項12に記載のシステム。 - 前記プロセッサが、前記コンピュータ可読命令を実行して、
各部品に対して、前記第1の部品故障の組と、前記第1のDTC観測の組と、前記確率分布関数とを用いて、前記依存関係パラメータを学習することと、
前記学習された依存関係パラメータ及び前記第2のDTC観測の組を用いて、各部品に対して第2の部品故障の組を学習することであって、前記第2の部品故障の組は、前記各部品が前記第1の所定期間後に初めて故障するサイクル数を示す、学習することと、
各部品に対して、前記各部品に対する前記第1の部品故障の組及び前記第2の部品故障の組の和に基づいて、和集合を決定することと、
各部品に対して、前記和集合に基づいてワイブル分布の形状パラメータ及び尺度パラメータを学習することであって、前記製品の前記予想故障数の計算が各部品に対する前記形状パラメータ及び前記尺度パラメータに基づく、学習することと、を行う、請求項13に記載のシステム。 - 前記プロセッサが、前記コンピュータ可読命令を実行して、
各部品に対して、前記第1の部品故障の組と、前記第1のDTC発生の組と、前記第1のDTC観測の組と、前記確率分布関数とを用いて、前記依存関係パラメータを学習することと、
前記学習された依存関係パラメータと、前記第2のDTC発生の組と、前記第2のDTC観測の組とを用いて、各部品に対して第2の部品故障の組を学習することであって、前記第2の部品故障の組は、前記各部品が前記第1の所定期間後に初めて故障するサイクル数を示す、学習することと、
各部品に対して、前記各部品に対する前記第1の部品故障の組及び前記第2の部品故障の組の和に基づいて、和集合を決定することと、
各部品に対して、前記和集合に基づいてワイブル分布の形状パラメータ及び尺度パラメータを学習することであって、前記製品の前記予想故障数が各部品に対する前記形状パラメータ及び前記尺度パラメータに基づく、学習することと、を行う、請求項13に記載のシステム。 - 前記プロセッサが、前記コンピュータ可読命令を実行して、前記製品の前記予想故障数及び前記製品の部品交換費に基づいて、前記製品の保証費を推定する、請求項9に記載のシステム。
- 複数の部品を有する製品の予想故障数を計算するための方法を実行するためのコンピュータプログラムが実装された非一時的コンピュータ可読媒体であって、前記方法は、
部品故障データを決定することであって、前記部品故障データは、各部品が第1の所定期間内又は後に故障するサイクル数を示す、決定することと、
前記製品のセンサデータから診断トラブルコード(DTC)発生データを決定することであって、前記DTC発生データは、各部品に関連付けられた各DTCが前記第1の所定期間内に初めて発生するサイクル数を示し、前記複数の部品の各々の機能は、各部品に関連付けられたDTCを用いて診断され、前記DTCは、1つ又は複数の製品の部品に関するトラブル症状に対して関連付けられる、決定することと、
前記製品のサービス記録データからDTC観測データを決定することであって、前記DTC観測データは、各部品に関連付けられた各DTCが前記第1の所定期間内に初めて観測されるサイクル数を示す、決定することと、
前記部品故障データと、前記DTC発生データと、前記DTC観測データとの間の依存関係パラメータを、前記部品故障データと、前記DTC発生データと、前記DTC観測データとの間の確率的な関係を表すベイジアンネットワークに基づいて特定することであって、前記依存関係パラメータは前記確率的な関係に関連する、特定することと、
前記依存関係パラメータに基づいて第2の所定期間内の前記製品の予想故障数を計算することであって、前記第2の所定期間は前記第1の所定期間後の期間を示す、計算することと、を含む、非一時的コンピュータ可読媒体。 - 前記方法が、前記製品の前記予想故障数及び前記製品の部品交換費に基づいて、前記製品の保証費を推定することをさらに含む、請求項17に記載の非一時的コンピュータ可読媒体。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
IN2311/MUM/2014 | 2014-07-15 | ||
IN2311MU2014 | 2014-07-15 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2016021241A JP2016021241A (ja) | 2016-02-04 |
JP6641112B2 true JP6641112B2 (ja) | 2020-02-05 |
Family
ID=53719653
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2015141020A Active JP6641112B2 (ja) | 2014-07-15 | 2015-07-15 | 製品の予想故障数の計算に基づく保証費推定 |
Country Status (6)
Country | Link |
---|---|
US (1) | US20160019567A1 (ja) |
EP (1) | EP2975564A1 (ja) |
JP (1) | JP6641112B2 (ja) |
AU (1) | AU2015204320A1 (ja) |
BR (1) | BR102015016975A2 (ja) |
CA (1) | CA2897308A1 (ja) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP3156870B1 (en) * | 2015-10-15 | 2022-06-01 | Tata Consultancy Services Limited | Systems and methods for predictive reliability mining |
EP3367314A1 (en) * | 2017-02-23 | 2018-08-29 | Tata Consultancy Services Limited | Method and system for early detection of vehicle parts failure |
KR20200064118A (ko) * | 2017-09-29 | 2020-06-05 | 위 프레딕트 리미티드 | 차량 수리 동작 예측 |
CN111091473B (zh) * | 2019-11-25 | 2023-08-15 | 泰康保险集团股份有限公司 | 保险问题分析处理方法和装置 |
CN113610266B (zh) * | 2021-06-25 | 2023-07-25 | 东风本田发动机有限公司 | 汽车零件的故障预测方法、装置、计算机设备和存储介质 |
DE102022208653A1 (de) | 2022-08-22 | 2024-02-22 | Robert Bosch Gesellschaft mit beschränkter Haftung | Verfahren und Vorrichtung zum Ermitteln, ob in einer Fahrzeugflotte eine Anomalie vorliegt, mittels Wissensgraphen |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP4940779B2 (ja) * | 2006-06-22 | 2012-05-30 | マツダ株式会社 | 遠隔故障診断システム |
JP4412390B2 (ja) * | 2007-08-03 | 2010-02-10 | 株式会社デンソー | 電子制御装置、診断結果の不揮発性メモリへの記憶許可方法、情報処理装置、診断結果の不揮発性メモリへの記憶許可システム |
US9401054B2 (en) * | 2009-03-08 | 2016-07-26 | Bosch Automotive Service Solutions Inc. | Vehicle test sequence cost optimization method and apparatus |
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 |
US8977423B2 (en) * | 2012-05-23 | 2015-03-10 | Snap-On Incorporated | Methods and systems for providing vehicle repair information |
US9183681B2 (en) * | 2013-07-31 | 2015-11-10 | Bosch Automotive Service Solutions Inc. | Diagnostic tool with parts ordering system |
-
2015
- 2015-07-14 CA CA2897308A patent/CA2897308A1/en not_active Abandoned
- 2015-07-14 US US14/798,892 patent/US20160019567A1/en not_active Abandoned
- 2015-07-15 BR BR102015016975A patent/BR102015016975A2/pt not_active Application Discontinuation
- 2015-07-15 AU AU2015204320A patent/AU2015204320A1/en not_active Abandoned
- 2015-07-15 JP JP2015141020A patent/JP6641112B2/ja active Active
- 2015-07-15 EP EP15176917.1A patent/EP2975564A1/en not_active Ceased
Also Published As
Publication number | Publication date |
---|---|
BR102015016975A2 (pt) | 2017-04-25 |
EP2975564A1 (en) | 2016-01-20 |
US20160019567A1 (en) | 2016-01-21 |
CA2897308A1 (en) | 2016-01-15 |
JP2016021241A (ja) | 2016-02-04 |
AU2015204320A1 (en) | 2016-02-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6641112B2 (ja) | 製品の予想故障数の計算に基づく保証費推定 | |
US9672085B2 (en) | Adaptive fault diagnosis | |
JP6716297B2 (ja) | 予測信頼性マイニングのためのシステム及び方法 | |
US10318366B2 (en) | System and method for relationship based root cause recommendation | |
US7702485B2 (en) | Method and apparatus for predicting remaining useful life for a computer system | |
Dohi et al. | Estimating software rejuvenation schedules in high-assurance systems | |
US9141914B2 (en) | System and method for ranking anomalies | |
US10963807B2 (en) | Social collaboration in probabilistic prediction | |
US10909018B2 (en) | System and method for end-to-end application root cause recommendation | |
US20060188011A1 (en) | Automated diagnosis and forecasting of service level objective states | |
US20120005532A1 (en) | Method and apparatus for determining ranked causal paths for faults in a complex multi-host system with probabilistic inference in a time series | |
US8250408B1 (en) | System diagnosis | |
US10684906B2 (en) | Monitoring peripheral transactions | |
US7369967B1 (en) | System and method for monitoring and modeling system performance | |
JP6457777B2 (ja) | ルールの自動化された生成および動的な更新 | |
CN109783459A (zh) | 从日志中提取数据的方法、装置及计算机可读存储介质 | |
US7739661B2 (en) | Methods and systems for planning and tracking software reliability and availability | |
WO2017127260A1 (en) | System and method for allocating machine behavioral models | |
CN115114124A (zh) | 主机风险的评估方法及评估装置 | |
CN116541728A (zh) | 一种基于密度聚类的故障诊断方法及装置 | |
Liu et al. | Imperfect inspection policy for systems with multiple correlated degradation processes | |
AU2014200806B1 (en) | Adaptive fault diagnosis | |
CN112162528A (zh) | 一种数控机床的故障诊断方法、装置、设备和存储介质 | |
CN114819619A (zh) | 车联网系统服务健康分析方法和装置 | |
CN111095868A (zh) | 软件定义网络中的数据流量管理 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20180417 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20190328 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20190416 |
|
A601 | Written request for extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A601 Effective date: 20190716 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20190719 |
|
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: 20191216 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20191227 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6641112 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |