KR100741647B1 - 차량의 에러 검출 방법 및 예측 검출 진단 장치 - Google Patents

차량의 에러 검출 방법 및 예측 검출 진단 장치 Download PDF

Info

Publication number
KR100741647B1
KR100741647B1 KR1020017010061A KR20017010061A KR100741647B1 KR 100741647 B1 KR100741647 B1 KR 100741647B1 KR 1020017010061 A KR1020017010061 A KR 1020017010061A KR 20017010061 A KR20017010061 A KR 20017010061A KR 100741647 B1 KR100741647 B1 KR 100741647B1
Authority
KR
South Korea
Prior art keywords
operating characteristic
vehicle
error
characteristic variable
specific
Prior art date
Application number
KR1020017010061A
Other languages
English (en)
Other versions
KR20010108191A (ko
Inventor
클라우스너마커스
Original Assignee
로베르트 보쉬 게엠베하
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by 로베르트 보쉬 게엠베하 filed Critical 로베르트 보쉬 게엠베하
Publication of KR20010108191A publication Critical patent/KR20010108191A/ko
Application granted granted Critical
Publication of KR100741647B1 publication Critical patent/KR100741647B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
    • G01M17/00—Testing of vehicles
    • G—PHYSICS
    • G07—CHECKING-DEVICES
    • G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
    • G07C5/00—Registering or indicating the working of vehicles
    • G07C5/08—Registering or indicating performance data other than driving, working, idle, or waiting time, with or without registering driving, working, idle or waiting time
    • G07C5/0808—Diagnosing performance data
    • G—PHYSICS
    • G07—CHECKING-DEVICES
    • G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
    • G07C5/00—Registering or indicating the working of vehicles
    • G07C5/08—Registering or indicating performance data other than driving, working, idle, or waiting time, with or without registering driving, working, idle or waiting time
    • G07C5/0841—Registering performance data
    • G07C5/085—Registering performance data using electronic data carriers

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Testing And Monitoring For Control Systems (AREA)
  • Control Of Electric Motors In General (AREA)
  • Testing Or Calibration Of Command Recording Devices (AREA)
  • Vehicle Cleaning, Maintenance, Repair, Refitting, And Outriggers (AREA)
  • Debugging And Monitoring (AREA)

Abstract

본 발명은 차량(6.1, 6.2 내지 6.n)에서 동작 특성 변수들 및 상기 동작 특성 변수들을 특성화하기 위한 정보가 특정 시간에 걸쳐 레코딩되는, 차량(7.1; 7.2 내지 7.m)의 에러 검출 방법에 관한 것이다. 높은 신뢰도로 차량(7.1; 7.2 내지 7.m)의 에러를 예측 검출할 수 있기 위해, 하기의 단계들을 포함하는 방법이 제시된다:
- 상기 차량(6.1, 6.2 내지 6.n)에서 특정 에러가 발생하기 전에 레코딩된 동작 특성 변수들로부터 에러에 할당되는 동작 특성 변수 모델들을 발생시키는 단계,
- 상기 동작 특성 변수 모델들을 룰 또는 수학적 함수로 기술하는 단계,
- 실제로 레코딩된 동작 특성 변수들을 상기 차량(7.1; 7.2 내지 7.m)의 작동동안 에러 특성적 동작 특성 변수 모델들의 기술과 비교하는 단계.
외부 컴퓨터 유닛, 외부 에러 저장 유닛, 질의 블록, 기능 블록.

Description

차량의 에러 검출 방법 및 예측 검출 진단 장치{METHOD FOR DETECTION AND A DIAGNOSTIC DEVICE FOR THE PREDICTIVE DETECTION OF ERRORS ON A MOTOR VEHICLE}
본 발명은 차량의 에러 검출 방법에 관한 것으로서, 차량에서 동작 특성 변수(performance characteristics) 및 이 동작 특성 변수를 특성화(characterize)하기 위한 정보가 특정 시간에 걸쳐 레코딩된다. 또한, 본 발명은 차량의 에러를 예측 검출하기 위한 진단 장치에 관한 것이다.
종래 기술로부터 주행 성능 또는 작동 시간에 기초하여 차량의 예측 정비를 실행하는 것이 알려져 있다. 이를 위하여, 차량에서는 특정한 동작 특성 변수(예를 들어, 주행 성능 또는 구동 지속 시간)가 특정 시간에 걸쳐 레코딩 및 저장된다. 상기 동작 특성 변수가 미리 제공된 값에 도달하면, 차량의 특정 부분, 구성 부품 및/또는 작동 수단의 제어 또는 교환이 실행된다. 알려진 예측 정비에서는 특정한 동작 특성 변수가 미리 제공된 값에 도달하는 경우, 어떤 부분, 구성 부품 및/또는 작동 수단이 조절 및 교환되어야 하는지를 경험값에 의존한다. 이 경험값은 부분적으로 차량에서의 실제 상황과 현저하게 차이가 난다. 따라서, 상응하는 동작 특성 변수가 미리 제공된 값에 여전히 도달하지 못하기 때문에, 예를 들어, 결함 부분, 구성 부품 및/또는 작동 수단이 조절 또는 교환되지 못할 수 있다. 그 결과, 차량 결함, 계획에 없던 정비 공장 방문 및 차량 내에서 발생된 에러로 인해 가능한 추가의 후속 에러가 발생한다. 다른 한편으로, 예측 정비시, 단지 상응하는 동작 특성 변수가 미리 제공된 값에 도달했기 때문에, 결함이 없는 부분, 구성 부품 및/또는 작동 수단이 조절 및 교환될 수도 있다. 이것은 추가의 불필요한 작업과 비용을 야기한다.
또한, DE 198 49 328 호에는 차량에서 동작 특성 변수가 특정 시간에 걸쳐서 레코딩 및 저장되는 것이 알려져 있다. 저장된 동작 특성 변수에 의해 차량 내 에러의 발생 이후에 에러가 로컬라이징될 수 있다. 그렇지만, 이 방법은 이미 에러가 발생된 이후에야 에러를 진단할 수 있다. 예측 진단, 즉 실질적으로 에러가 발생하기 이전에 검출하는 것은, 상기 방법으로는 불가능하다. 또한, 알려진 방법을 통하여 계획에 없던 정비 공장 방문 및 차량에서 발생된 에러들로 인해 가능한 후속 에러가 방지될 수 없다.
US 5,528,516에는 관찰 가능한 동작 특성 변수에 기초하는 복잡한 시스템 내 에러 검출 방법이 알려져 있다. 알려진 방법이 사용될 수 있는 복잡한 시스템으로서는, 특히 우주선과 같은 복잡한 차량을 들 수 있다 : 자동차에서의 사용은 언급되지 않았다. 실시예에서 컴퓨터 네트워크와 인공위성 시스템의 에러를 검출하기 위한 알려진 방법이 기술된다. 또한, 알려진 방법이 환자의 증상의 의학적 진단을 위해 사용되는 것이 언급된다. 상기 방법에서는 복잡한 시스템의 동작 특성 변수가 특정 시간에 걸쳐 레코딩 및 저장된다. 특정 에러가 발생하면, 레코딩된 동작 특성 변수로부터 에러가 할당되어 있는 동작 특성 변수 모델이 발생된다. 동작 특성 변수의 모델로부터 여분의 또는 불필요한 정보가 제거된다. 감소된 동작 특성 변수 모델에 의해, 복잡한 시스템 내에서 발생된 에러가 식별되고 로컬라이징(localizing)될 수 있다. 알려진 시스템에 의해서 에러 예측은 불가능하다.
또한, 알려진 방법은 개별적인 복잡한 시스템에 대해 각각 사용된다. 다수의 복잡한 시스템의 동작 특성 변수 모델들의 조합은 고려되지 않는다. 이것은 진단해야할 각 개별 시스템에 대해 동작 특성 변수 모델들이 발생되어야 하며 그 정보가 간단히 다른 복잡한 시스템에 전용될 수 없다는 단점을 갖는다.
종래 기술의 상술한 단점으로부터 나온 본 발명의 목적은, 높은 신뢰성으로 차량 에러의 예측 검출을 가능하게 하는 것이다.
상기 목적을 달성하기 위하여 본 발명은, 서두에 언급한 종류의 차량의 에러 검출 방법에 기초하여 다음의 단계들을 포함하는 것을 특징으로 하는 방법을 제안한다 :
- 차량에서 특정 에러가 발생하기 전에 레코딩된 동작 특성 변수(performance characteristics)로부터 에러에 할당되는 동작 특성 변수 모델을 발생시키는 단계,
- 상기 동작 특성 변수 모델을 룰(rule) 또는 수학적 함수로 기술하는 단계,
- 실제로 레코딩된 동작 특성 변수를 차량의 작동 동안 에러 특성적 동작 특성 변수 모델들의 기술(describing)과 비교하는 단계.
차량에 따라 다를 수 있는 특정 시간에 걸쳐 동작 특성 변수가 차량에서 레코딩된다. 상기 동작 특성 변수는 차량 및 그 주위 환경의 상태를 나타내는 모든 정보를 말한다. 이 정보는, 예를 들어 차량에 부착된 센서의 신호이다. 추가로, 예컨대 발생하는 에러 코드 및 동작 특성 변수 레코딩의 날짜, 시간 및/또는 위치를 포함하는 시스템의 상태와 같은, 동작 특성 변수의 특성화를 위한 정보도 레코딩된다. 레코딩된 동작 특성 변수와 정보는 차후 호출의 목적으로 저장될 수 있다. 레코딩된 동작 특성 변수는, 예를 들어 벡터의 형태로 저장되는데, 개별 벡터 요소는 특정 시점에서 동작 특성 변수의 값에 상응한다.
차량에서 특정 에러가 발생하면, 상기 에러가 식별된다. 이 에러는, 예를 들어 특정 구성 부품의 고장 또는 특정 센서의 이상 신호일 수 있다. 발생된 에러의 식별은, 종래 기술에서 알려진 바와 같은 방식으로, 레코딩된 동작 특성 변수 및 상기 동작 특성 변수를 특성화하기 위한 레코딩된 정보에 의해 이루어진다. 상기 에러가 발생하기 전에 레코딩된 동작 특성 변수로부터, 식별된 에러에 할당되는 소위 동작 특성 변수 모델이 발생된다.
상기 에러를 식별하기 위하여 레코딩된 동작 특성 변수의 처리는 차량의 온보드-진단(onboard diagnose)의 범위에서 이루어지거나 또는 정비 공장에서 차량의 외부에서 이루어진다. 동작 특성 변수 모델은, 예를 들어 매트릭스의 형태로 저장되며, 개별 매트릭스 요소는 특정 시점에서 상이한 동작 특성 변수의 값에 상응한다. 특히, 에러가 발생하기 전 시점과, 이 에러에 의해 영향을 받는 동작 특성 변수가 관찰된다.
차량의 외부에서, 동작 특성 변수 모델은 적합한 룰 및/또는 수학적 함수(예를 들어 컨벌류션(convolution))에 의해 표현된다. 상기 동작 특성 변수 모델의 기술은 차량 내의 컴퓨터에서 메모리 공간 및 컴퓨터 리소스를 간소화 및 절약하는 역할을 한다. 결국, 동작 특성 변수 모델의 기술은 차량에 전달되며, 거기서 차량이 작동하는 동안 실제 레코딩된 동작 특성 변수와 비교된다.
이후, 차량이 작동하는 동안 차량의 에러를 예측 진단하기 위하여 실제 레코딩된 동작 특성 변수는 여러 가지 에러에 할당된 동작 특성 변수 모델들의 이전에 결정된 기술과 비교된다. 차량에서 에러가 발생하기 전에, 특정 동작 특성 변수는 각 에러에 대해 특성화되는 특정값을 취한다. 실제 레코딩된 동작 특성 변수와 동작 특성 변수 모델들의 기술을 비교함으로써, 상기 동작 특성 변수의 이러한 특성적 변화가 결정될 수 있다.
또한 본 발명에 따른 방법에 의해서 매우 복잡하고 모델링될 수 없는 관계가 기술될 수 있다. 본 발명에 따른 방법에 의해서, 레코딩된 동작 특성 변수가 발생된 에러에 대하여 인과 관계를 갖지 않을 경우에도, 앞으로 발생하는 차량 에러가 높은 확률로 예측될 수 있다. 에러가 발생하기 전에, 이미 적절한 다른 조치가 도입되어 후속 에러가 방지될 수 있다.
차량 에러의 예측은 이 예측의 신뢰성, 즉 에러가 미래에 실제로 발생할 것으로 고려되는 확률성에 대한 정보와 관련하여 이루어질 수 있다. 따라서, 에러의 발생이 가까워질수록, 에러의 발생이 더 확실하게 예측될 수 있다.
본 발명에 따른 방법은 주로 에러가 발생하기 이전에 그리고 더 큰 결함 또는 후속 에러가 발생하기 이전에 차량 에러의 예측 검출을 가능하게 한다.
본 발명의 바람직한 개선예에 따라서, 특정 동작 특성 변수 모델은 다수의 차량에 레코딩된 동작 특성 변수에 의해 특정 에러에 할당된다. 상기 개선예는, 특정 에러가 다수의 차량 각각에서 (일반적으로 상이한 시점에서) 발생한다는 것을 전제로 한다. 이 때문에, 특정 에러가 발생하기 전에 레코딩된 동작 특성 변수는 진단된 에러와 함께, 차량 외부 중앙 에러 저장 유닛으로 전달된다. 할당된 에러를 갖는 다수 차량들의 동작 특성 변수가 에러 저장 유닛에 저장된다. 다수의 차량에서 레코딩된, 동일한 에러에 기인하는 동작 특성 변수에 따라서, 차량 외부 에러 저장 유닛에서는 상기 에러가 할당된 동작 특성 변수 모델이 발생된다. 다수 차량의 동작 특성 변수를 평가함으로써, 동작 특성 변수 모델들의 정보 정확도가 개선될 수 있으며, 특정 에러의 예측의 신뢰도가 현저하게 상승될 수 있다.
특정 에러 동작 특성 변수 모델을 결정하기 위하여, 상기 에러를 가진 차량의 동작 특성 변수는 에러를 갖지 않는 각 차량의 동작 특성 변수와 비교된다. 또한, 특정 에러에 할당된 동작 특성 변수 모델들은 유사성 및 동일성과 관련하여 서로 비교될 수 있다. 이를 위하여, 데이터-마이닝(data-mining) 또는 지식-발견(knowledge-discovery) 분야에서 관련 기술로부터 알려진 여러 알고리즘과 방법이 사용된다. 바람직하게는, 동작 특성 변수를 비교하는 경우 동일한 시간이 기본이 되며, 즉 모든 동작 특성 변수는 동일한 상대 시간 베이스로 정규화된다. 레코딩된 동작 특성 변수로부터 동작 특성 변수 모델을 결정하기 위하여, 어떤 동작 특성 변수와 동작 특성 변수 조합이 특정 에러의 명확한 특성화를 가능하게 하는가, 개별 동작 특성 변수 사이에 어떤 수학적 관계가 있는가, 그리고 특정 에러가 발생하기 전 어느 시점에서부터 특성적 동작 특성 변수가 관찰될 수 있는지가 분명해야 한다.
본 발명의 바람직한 실시예에 따라서, 특정 형태의 차량에서 각각 동일한 동작 특성 변수가 레코딩된다. 차량에서, 예를 들어 내연기관의 기능이 모니터링되면, 바람직하게 동일한 내연기관 타입을 가진 차량에서 각각 동일한 동작 특성 변수가 레코딩된다. 이로 인하여, 동일한 타입의 다수의 차량의 동작 특성 변수는 동작 특성 변수 모델을 결정하기 위하여 서로 더 잘 비교될 수 있다.
본 발명의 다른 바람직한 개선예에 따라서, 레코딩된 동작 특성 변수, 이 동작 특성 변수를 특성화하기 위한 정보 및 특정 타입의 차량의 발생된 에러는 차량 외부에 배치된 에러 저장 유닛에 전달되어 거기에 저장된다. 차량 외부 에러 저장 유닛은, 예를 들어 데이터 네트워크를 통해, 차량이 서비스를 받는 정비 공장과 연결된다. 정비 공장에서 동작 특성 변수가 각 차량으로부터 판독되어, 차량 외부 에러 저장 유닛으로 전달된다. 차량 외부 에러 저장 유닛에 다수 차량의 동작 특성 변수와 발생된 에러가 함께 제공되기 때문에, 이들은 거기서 함께 처리될 수 있다. 상기 동작 특성 변수는, 바람직하게는 예를 들어 무선 전달 방법에 의해서 개별 차량으로부터 차량 외부 에러 저장 유닛에 전달된다.
본 발명의 다른 바람직한 실시예에 따라서, 특정 동작 특성 변수 모델은 차량 외부 에러 저장 유닛에 저장된 동작 특성 변수에 따라서 특정 에러에 할당된다.
본 발명의 다른 바람직한 개선예에 따라서, 사소한 관계는 동작 특성 변수 모델들의 기술로부터 제거된다. 상기 사소한 관계로서, 예를 들어 센서의 고장시 해당 동작 특성 변수가 소멸되는, 즉 예측 범위 밖에 존재하게 되는 상태를 들 수 있다. 이와 같은 사소한 관계는 동작 특성 변수 모델들의 기술 중 결정 범위에서 제거되는데, 그 이유는 상기 동작 특성 변수 모델들은 동작 특성 변수와 발생된 에러 사이에서 사소하지 않은 관계를 설정하려는 목적에 의해 결정되기 때문이다. 사소하지 않은 관계란, 예를 들어 기대되지 않거나 또는 모델화되기 어려운 또는 심지어 모델화될 수 없는 관계이다. 또한 상기 동작 특성 변수 모델들로부터 불필요한 여분의 정보가 제거될 수 있다.
본 발명의 다른 바람직한 개선예에 따라서, 상기 동작 특성 변수 모델과 특정 에러 발생 사이의 관계가 룰(rule)로 표현된다. 상기 동작 특성 변수의 분석에 의해서 얻어진 관계는 룰 또는 알고리즘의 형태로 기술된다. 상기 룰은 어느 동작 특성 변수 곡선 또는 이 동작 특성 변수 곡선의 조합이 특정 에러를 야기하는지를 표현한다. 또한, 상기 룰은 에러가 발생하기 전에 어느 시간에 상기 특성적 동작 특성 변수 모델이 관찰될 수 있는지를 나타낸다. 대안적으로 또는 추가로, 동작 특성 변수 모델과 특정 에러 발생 사이의 관계는 수학적 함수(예를 들어 컨벌류션)에 의해서 표현된다.
차량의 에러를 예측 검출하기 위한 방법의 실제 실행은, 2 개의 기본적으로 다른 형태로 이루어질 수 있다:
- 한편으로 차량 내부 진단 장치 및
- 다른 한편으로, 예를 들어 정비 공장에 있는 차량 외부 진단 장치에서 이루어진다.
이 때문에, 본 발명의 바람직한 개선예에 따라서, 상기 동작 특성 변수 모델들의 결정된 기술은 차량 외부 에러 저장 유닛으로부터 차량 내부 차량 진단 장치에 전달되며, 차량 내부 진단 장치에 실제 레코딩된 동작 특성 변수는 차량에 구성된 진단 장치에서 동작 특성 변수 모델들의 기술과 비교된다. 실제 레코딩된 동작 특성 변수는 상술한 룰과 비교되거나 또는 함수가 상기 룰에 적용된다. 상기 실시예에 있어서, 차량이 주행하는 동안 예측 진단이 실시될 수 있다.
대안적으로, 실제 레코딩된 동작 특성 변수는 차량으로부터 차량 외부 진단 장치에 전달되며, 이 진단 장치는 차량 외부에 배치된 에러 저장 유닛을 액세스하고 동작 특성 변수는 차량 외부에 배치된 진단 장치 내에서 동작 특성 변수 모델들의 기술과 비교된다. 실제 레코딩된 동작 특성 변수는 룰과 비교되거나 함수가 상기 룰에 적용된다.
상기 목적의 추가 해결책으로서, 본 발명은 차량의 에러를 예측 검출하기 위하여, 청구항 제 8 항 또는 제 9 항에 따른 방법의 실행 수단을 포함하는 진단 장치가 제안된다. 상기 진단 장치는 예컨대 차량의 제어 장치의 부품으로서 차량의 내부에, 또는 차량의 외부에 정비 공장에 배치될 수 있다.
상기 진단 장치에서는 차량이 작동하는 동안 경험적으로 확인된, 특정 에러에 할당된 동작 특성 변수 모델들의 기술이 실제로 레코딩된 동작 특성 변수와 비교된다. 상기 동작 특성 변수 모델들과 특정 에러 발생 사이의 관계는, 예를 들어 룰로서 진단 장치 내에 저장된다.
본 발명의 바람직한 실시예는 하기에서 도면을 참조하여 더 상세히 설명된다.
도 1은 본 발명의 바람직한 실시예에 따른 본 발명에 따른 방법을 도시한 도면.
도 2는 차량에서 동작 특성 변수 모델들을 경험적으로 확인하기 위한 순서도.
도 1에서는 본 발명의 바람직한 실시예에 따른 차량(7.1, 7.2 내지 7.m)의 에러의 예측 검출 방법이 도시된다. 이 검출 방법은 실질적으로 5단계로 구성된다. 제 1 단계(1.1, 1.2 내지 1.n)에서 다수의 차량(6.1, 6.2 내지 6.n)들에 특정 시간에 걸쳐 동작 특성 변수와 이 동작 특성 변수를 특성화하기 위한 정보가 레코딩되어 차량(6.1, 6.2 내지 6.n)에 저장된다. 상기 차량(6.1, 6.2 내지 6.n 및 7.1, 7.2 내지 7.m)들은 동일한 차량, 부분적으로 동일한 차량, 또는 동일한 타입이지만 다른 차량들이다.
상기 차량(6.1, 6.2 내지 6.n)들 중 하나에서 에러가 발생하면, -특히 에러가 발생하기 전 시점에서- 차량(6.1, 6.2 내지 6.n)에 저장된 동작 특성 변수와 이 동작 특성 변수를 특성화하기 위한 정보는 제 2 단계(2.1, 2.2 내지 2.n)에서 외부 에러 저장 유닛(8)에 전달된다.
외부 에러 저장 유닛(8)을 액세스하는 외부 컴퓨터 유닛(9)에서는 제 3 단계(3)에서, 차량(6.1, 6.2 내지 6.n)에 발생된 에러에 대해 특성적 동작 특성 변수 모델을 식별하고, 룰 또는 수학적 함수로 기술하기 위한 동작 특성 변수의 분석이 이뤄진다. 주행 작동 동안 차량(6.1, 6.2 내지 6.n)들 중 하나에서 발생된 에러들의 각각에는 상기 방식으로, 특성적 동작 특성 변수 모델이 할당되어 적합한 방식으로 기술된다. 상기 기술은 룰에 의한 모델 또는 수학적 함수일 수 있고, 예를 들어 컨벌류션 또는 나눗셈이다.
제 4 단계(4.1, 4.2 내지 4.m)에서는 동작 특성 변수 모델들의 기술이 다수의 차량(7.1, 7.2 내지 7.m)으로 전달된다. 이 차량(7.1, 7.2 내지 7.m)에서 주행 작동 동안 제 5 단계(5.1, 5.2 내지 5.m)에서 실제로 레코딩된 동작 특성 변수가 각 에러에 할당된 동작 특성 변수 모델들의 기술과 비교된다.
제 1 내지 제 3 단계를 설명하기 위하여, 상기 단계들은 도 2에서 차량(6.1, 6.2 내지 6.n)들 중 하나에 대해서 순서도로서 도시된다. 먼저, 기능 블록(10 ; function block)에서 차량(6.1, 6.2 내지 6.n)이 작동하는 동안 실제 동작 특성 변수가 특정 시간에 걸쳐서 레코딩되는데, 이 변수는 각 차량마다 다를 수 있다. 상기 동작 특성 변수는, 차량(6.1, 6.2 내지 6.n)의 상태와 주변 조건을 나타내는 모든 각각의 정보를 말한다. 이것은, 예를 들어 차량에 부착된 센서의 신호(내연 기관 또는 차량의 주행 다이나믹의 특성 데이터) 또는 차량의 주변 센서의 신호(주위 공기의 온도, 습도 또는 먼지 함유)이다. 추가로, 동작 특성 변수를 특성화하기 위한 정보, 예를 들어 발생된 에러 코드를 포함해서, 동작 특성 변수 검출의 날짜, 시간 및/또는 위치와 같은 시스템의 상태가 레코딩된다.
상기 레코딩된 동작 특성 변수와 정보는 차후 호출을 위해 블록(11)에 저장된다. 상기 레코딩된 동작 특성 변수는, 예를 들어 동작 특성 변수 메트릭스형태로 저장되며, 개별 벡터는 상이한 동작 특성 변수에 해당하며 개별 벡터 요소는 특정 시점의 동작 특성 변수의 값에 해당한다.
질의 블록(12 ; query block)에서는, 차량(6.1, 6.2 내지 6.n)의 작동 동안 차량에서 에러가 발생하는지의 여부가 체크된다. 이 에러는, 예를 들어 특성 구성 부품의 소실일 수 있고 또는 특정 센서의 의도하지 않은 신호일 수 있다. 에러가 검출되지 않으면, 추가의 동작 특성 변수를 수용하기 위하여 기능 블록(10)으로 다시 분기된다. 에러가 발생되는 경우에, 기능 블록(13)에서 레코딩된 동작 특성 변수 매트릭스 및 발생된 에러와 관련된 정보(종류, 시점 등)가 외부 에러 저장 유닛(8)에 전달된다. 이것은 동작 특성 변수 매트릭스와 정보의 전달이 에러 발생 직후에 이루어질 필요가 없는 것으로 해석된다. 오히려 전달하고자 하는 데이터는 데이터가 전달될 때까지 차량(6.1, 6.2 내지 6.n)의 저장 유닛 내에도 일시적으로 저장될 수 있다. 블록(10 내지 13)에 따른 제 1 및 제 2 단계는 차량(6.1, 6.2 내지 6.n)에서 실시된다.
이에 비하여, 이하에서 설명하는 제 3 단계는 외부 컴퓨터 유닛(9)에서 실시되는데, 상기 외부 컴퓨터 유닛은 외부 에러 저장 유닛(8)을 액세스한다. 이하의 기능 블록(14 내지 18)에서는 발생된 에러가 진단되며, 에러가 발생하기 전에 레코딩된 동작 특성 변수로부터 소위 동작 특성 변수 모델이 발생되며, 진단된 에러에 할당된다. 또한, 상기 동작 특성 변수 모델의 적절한 기술이 결정되어 차량(7.1, 7.2 내지 7.m)에 전달된다.
정확하게 말해서, 기능 블록(14)에서는 에러에 할당된 동작 특성 변수 메트릭스의 값이 에러가 없는 동작 특성 변수 메트릭스의 값과 비교된다. 에러가 없는 동작 특성 변수 메트릭스는 에러가 발생되지 않는 차량(6.1, 6.2 내지 6.n)의 서브세트(subset)로부터 파생되며, 그의 동작 특성 변수 매트릭스는 마찬가지로 에러 저장 유닛(8)에 전달된다.
기능 블록(14)에서 실시되는 비교를 통하여, 기능 블록(15)에서는 발생된 에러에 대해 특성적 동작 특성 변수 모델이 발생되며, 이 모델은 상기 에러에 할당된다. 기능 블록(16)에서는 동작 특성 변수 모델과 에러 발생 사이의 관계가 적절한 형태로 기술된다. 상기 관계를 기술하기 위하여, 상기 관계가 룰의 형태를 취하거나 수학적 함수(예를 들어 제곱이나 컨벌류션)에 의해서 표현될 수 있다. 상기 관계를 기술함으로써 사소한 관계 및 여분의 또는 불필요한 정보가 제거될 수 있다. 이로 인하여, 차량(7.1, 7.2 내지 7.m)에서는 실제 레코딩된 동작 특성 변수와 특정 에러에 할당된 기술의 비교를 위해 저장 유닛 배치 장소와 계산 시간이 절약될 수 있다.
레코딩된 동작 특성 변수와 발생된 에러 사이의 관계의 기술이 전체적으로 발생된 에러에 대해 실시됨으로써, 결국 여러 가지 에러에 대해서 다수의 룰 및/또는 수학적 함수가 제공될 수 있다. 이후, 기능 블록(17)에서는 상기 기술이 본 발명에 따른 방법의 단계(5.1, 5.2 내지 5.m)를 실시하기 위하여 차량(7.1, 7.2 내지 7.m)의 진단 장치(18)에 전달된다.
상기 진단 장치(18)에는 차량(7.1, 7.2 내지 7.n)의 에러를 예측 검출하기 위한 고유의 방법이 부여된다. 진단 장치(18)는 도 1에 도시한 바와 같이 차량 내부 진단 장치로서 차량(7.1, 7.2 내지 7.n) 내에 형성될 수 있다. 상기 차량(7.1, 7.2 내지 7.n)에 실제로 레코딩된 동작 특성 변수는 차량 내부 진단 장치에서 에러 특성적 동작 특성 변수 모델들의 기술과 비교된다. 이 실시예에서는 차량(7.1, 7.2 내지 7.n)이 주행하는 동안 예측 진단이 실행될 수 있다.
대안적으로, 진단 장치(18)는 차량 외부 진단 장치로서 형성되고, 상기 진단 장치는 예를 들어 정비 공장에 있다. 이후, 레코딩된 동작 특성 변수는 차량(7.1, 7.2 내지 7.n)으로부터 차량 외부 진단 장치로 전달되고, 상기 진단 장치는 차량 외부 에러 저장 유닛(8)을 액세스한다. 실제 레코딩된 동작 특성 변수는 차량 외부 진단 장치에서 에러 특성적 동작 특성 변수 모델들의 기술과 비교된다. 이 실시예에서, 예측 진단은 예를 들어 정비 공장에서 실시될 수 있다.

Claims (11)

  1. 차량에서 동작 특성 변수들(performance characteristics) 및 상기 동작 특성 변수들을 특성화하기 위한 정보를 특정 시간에 걸쳐 레코딩(recording)하는 단계;
    상기 차량에서 특정 에러들 중 하나가 발생하기 전에 레코딩된 상기 동작 특성 변수들로부터 상기 특정 에러에 할당된 복수의 동작 특성 변수 모델들 중 하나를 발생시키는 단계;
    상기 동작 특성 변수 모델들 중 하나를 룰 또는 수학적 함수로 기술(describing)하는 단계;
    상기 차량의 작동 동안 실제로 레코딩된 상기 동작 특성 변수들을 상기 특정 에러를 특성화하는 상기 동작 특성 변수 모델들의 기술과 비교하는 단계; 및
    복수의 차량에 레코딩된 상기 동작 특성 변수들에 기초하여 상기 동작 특성 변수 모델들 중 특정적인 하나를 상기 특정 에러에 할당하는 단계를 포함하고;
    특정 타입의 상기 복수의 차량에서, 동일한 동작 특성 변수들이 각각의 경우에 레코딩되는 차량의 에러 검출 방법.
  2. 삭제
  3. 삭제
  4. 제 1 항에 있어서, 상기 특정 타입의 차량으로부터 실제로 레코딩된 상기 동작 특성 변수들, 상기 동작 특성 변수들을 특성화하기 위한 정보, 및 발생된 에러들을 상기 차량의 외부에 배치된 에러 저장 유닛(unit)에 전달하는 단계; 및
    상기 특정 타입의 차량으로부터 실제로 레코딩된 상기 동작 특성 변수들, 상기 동작 특성 변수들을 특성화하기 위한 정보, 및 발생된 에러들을 상기 에러 저장 유닛(unit)에 저장하는 단계를 부가로 포함하는 차량의 에러 검출 방법.
  5. 제 4 항에 있어서, 상기 동작 특성 변수 모델들은 특정 동작 특성 변수 모델을 포함하고,
    상기 차량의 에러 검출 방법은 상기 에러 저장 유닛에 저장된 실제로 레코딩된 상기 동작 특성 변수들에 기초하여 상기 특정 동작 특성 변수 모델을 상기 특정 에러에 할당하는 단계를 부가로 포함하는 차량의 에러 검출 방법.
  6. 제 5 항에 있어서, 상기 동작 특성 변수 모델들의 기술로부터 복수의 사소한 관계를 제거하는 단계를 부가로 포함하는 차량의 에러 검출 방법.
  7. 제 6 항에 있어서, 상기 동작 특성 변수 모델들 중 하나와 특정 에러 발생 사이의 관계를 룰과 수학적 함수 중 하나로 기술하는 단계를 부가로 포함하는 차량의 에러 검출 방법.
  8. 제 7 항에 있어서, 상기 에러 저장 유닛으로부터 상기 룰과 수학적 함수 중 하나를 상기 차량의 차량 내부 진단 장치에 전달하는 단계; 및
    상기 차량 내부 진단 장치내에서 실제로 레코딩된 상기 동작 특성 변수들을 상기 특정 에러를 특성화하는 상기 동작 특성 모델들의 기술과 비교하는 단계를 부가로 포함하는 차량의 에러 검출 방법.
  9. 제 7 항에 있어서, 상기 차량으로부터 실제로 레코딩된 상기 동작 특성 변수들을 상기 에러 저장 유닛에 액세스하는 차량 외부 진단 장치에 전달하는 단계; 및
    상기 차량 외부 진단 장치내에서 실제로 레코딩된 상기 동작 특성 변수들을 상기 동작 특성 변수 모델들의 기술과 비교하는 단계를 부가로 포함하는 차량의 에러 검출 방법.
  10. 차량에서 에러를 예측 검출하기 위한 진단 장치로서,
    차량에서 동작 특성 변수들 및 상기 동작 특성 변수들을 특성화하기 위한 정보를 특정 시간에 걸쳐 레코딩하는 단계;
    상기 차량에서 특정 에러들 중 하나가 발생하기 전에 레코딩된 상기 동작 특성 변수들로부터 상기 특정 에러에 할당된 복수의 동작 특성 변수 모델들 중 하나를 발생시키는 단계;
    상기 동작 특성 변수 모델들 중 하나를 룰 또는 수학적 함수로 기술하는 단계;
    상기 차량의 작동 동안 실제로 레코딩된 상기 동작 특성 변수들을 상기 특정 에러를 특성화하는 상기 동작 특성 변수 모델들의 기술과 비교하는 단계;
    복수의 차량에 레코딩된 상기 동작 특성 변수들에 기초하여 상기 동작 특성 변수 모델들 중 특정적인 하나를 상기 특정 에러에 할당하는 단계로서, 특정 타입의 상기 복수의 차량에서, 동일한 동작 특성 변수들이 각각의 경우에 레코딩되는 할당 단계;
    상기 특정 타입의 차량으로부터 실제로 레코딩된 상기 동작 특성 변수들, 상기 동작 특성 변수들을 특성화하기 위한 정보, 및 발생된 에러들을 상기 차량의 외부에 배치된 에러 저장 유닛(unit)에 전달하는 단계;
    상기 특정 타입의 차량으로부터 실제로 레코딩된 상기 동작 특성 변수들, 상기 동작 특성 변수들을 특성화하기 위한 정보, 및 발생된 에러들을 상기 에러 저장 유닛(unit)에 저장하는 단계로서, 상기 동작 특성 변수 모델들은 특정 동작 특성 변수 모델을 포함하는 저장 단계;
    상기 에러 저장 유닛에 저장된 레코딩된 상기 동작 특성 변수들에 기초하여 상기 특정 동작 특성 변수 모델을 상기 특정 에러에 할당하는 단계;
    상기 동작 특성 변수 모델들의 기술로부터 사소한 관계들을 제거하는 단계;
    상기 동작 특성 변수 모델들 중 하나와 특정 에러 발생 사이의 관계를 룰과 수학적 함수 중 하나로 기술하는 단계;
    상기 에러 저장 유닛으로부터 룰과 수학적 함수 중 하나를 상기 차량의 차량 내부 진단 장치로 전달하는 단계; 및
    상기 차량 내부 진단 장치내에서 실제로 레코딩된 상기 동작 특성 변수들을 상기 특정 에러들을 특성화하는 상기 동작 특성 모델들의 기술과 비교하는 단계를 위한 컴퓨터 유닛을 포함하는 차량의 에러 예측 검출 진단 장치.
  11. 삭제
KR1020017010061A 1999-12-09 2000-10-26 차량의 에러 검출 방법 및 예측 검출 진단 장치 KR100741647B1 (ko)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
DE19959526A DE19959526A1 (de) 1999-12-09 1999-12-09 Verfahren zum Erkennen von Fehlern eines Kraftfahrzeuges
DE19959526.7 1999-12-09

Publications (2)

Publication Number Publication Date
KR20010108191A KR20010108191A (ko) 2001-12-07
KR100741647B1 true KR100741647B1 (ko) 2007-07-24

Family

ID=7932104

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020017010061A KR100741647B1 (ko) 1999-12-09 2000-10-26 차량의 에러 검출 방법 및 예측 검출 진단 장치

Country Status (6)

Country Link
US (1) US6766232B1 (ko)
EP (1) EP1153368A1 (ko)
JP (1) JP2003516275A (ko)
KR (1) KR100741647B1 (ko)
DE (1) DE19959526A1 (ko)
WO (1) WO2001043079A1 (ko)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20150119142A (ko) * 2013-02-11 2015-10-23 로베르트 보쉬 게엠베하 하나 이상의 제2 자동차의 하나 이상의 특성값을 토대로 제1 자동차를 작동하기 위한 방법 및 수단

Families Citing this family (26)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7103460B1 (en) 1994-05-09 2006-09-05 Automotive Technologies International, Inc. System and method for vehicle diagnostics
US9443358B2 (en) 1995-06-07 2016-09-13 Automotive Vehicular Sciences LLC Vehicle software upgrade techniques
US10240935B2 (en) 1998-10-22 2019-03-26 American Vehicular Sciences Llc Vehicle software upgrade techniques
GB2378248A (en) * 2001-05-09 2003-02-05 Worcester Entpr Ltd A fault prediction system for vehicles
DE10140519B4 (de) * 2001-08-17 2004-07-22 Daimlerchrysler Ag Kommunikationsverfahren und Kommunikationsmodul
US7162312B2 (en) 2003-09-24 2007-01-09 Siemens Aktiengesellschaft Method, system and device for predictive error recognition in a plant
US7716014B2 (en) * 2004-09-30 2010-05-11 Rockwell Automation Technologies, Inc. Reuse of manufacturing process design models as part of a diagnostic system
GB0427695D0 (en) 2004-12-17 2005-01-19 Ncr Int Inc A method of and system for prediction of the state of health of an apparatus
GB0427694D0 (en) 2004-12-17 2005-01-19 Ncr Int Inc A method of determining the cause of an error state in an apparatus
DE102006008539A1 (de) 2006-02-22 2007-08-30 Robert Bosch Gmbh Verfahren und Schaltungsanordnung zur Simulation von Fehlerzuständen in einem Steuergerät
DE102006021306B3 (de) 2006-05-08 2007-11-29 Robert Bosch Gmbh Verfahren zur Diagnose und Steuervorrichtung zur Steuerung eines Kraftfahrzeuges
US7941060B2 (en) * 2006-09-29 2011-05-10 Xerox Corporation Systems and methods for remote diagnostics of devices
CN100563386C (zh) * 2007-01-31 2009-11-25 华为技术有限公司 一种授予终端话权的方法和即按即讲服务器
WO2008140363A1 (en) 2007-05-14 2008-11-20 Volvo Technology Corporation Remote diagnosis modellin
JP5227957B2 (ja) 2007-08-09 2013-07-03 日立建機株式会社 作業機械の機器診断装置及び機器診断システム
DE102007045255B4 (de) 2007-09-21 2021-11-18 Volkswagen Ag Verfahren zur Herstellung eines Diagnosesystems, insbesondere für ein Kraftfahrzeug
DE102008024979B4 (de) * 2008-05-23 2022-03-10 Bayerische Motoren Werke Aktiengesellschaft Bordnetz-System eines Kraftfahrzeugs und ein Verfahren zum Betrieb des Bordnetz-Systems
DE102008051016A1 (de) * 2008-10-13 2010-04-15 Rheinmetall Landsysteme Gmbh Verfahren zur Unterstützung bei der Ausbildung an Fahrzeugen bzw. Fahrzeugsystemen mit und ohne Waffensysteme
US9740993B2 (en) * 2009-12-04 2017-08-22 GM Global Technology Operations LLC Detecting anomalies in field failure data
US20120188097A1 (en) * 2011-01-26 2012-07-26 International Business Machines Corporation System and method for cooperative vehicle adaptation
DE102012202540A1 (de) * 2012-02-20 2013-08-22 Robert Bosch Gmbh Diagnoseverfahren und Diagnosevorrichtung für eine Fahrzeugkomponente eines Fahrzeugs
DE102013225717B4 (de) * 2013-12-12 2018-07-26 Robert Bosch Gmbh Verfahren zur Modifikation einer On-Board-Diagnose eines Fahrzeugs
DE102016226140A1 (de) * 2016-12-23 2018-06-28 Audi Ag Verfahren zur Speicherung von Einträgen eines Steuergeräts eines Kraftfahrzeugs
DE102018104667A1 (de) 2018-03-01 2019-09-05 Mtu Friedrichshafen Gmbh Verfahren zum Betrieb einer Brennkraftmaschine, Steuereinrichtung und Brennkraftmaschine
DE102018104665B4 (de) 2018-03-01 2022-12-01 Rolls-Royce Solutions GmbH Verfahren zum Betrieb einer Brennkraftmaschine, Steuereinrichtung und Brennkraftmaschine
DE102018109195A1 (de) * 2018-04-18 2019-10-24 Ms Motorservice International Gmbh Diagnosesystem und Verfahren zum Verarbeiten von Daten eines Kraftfahrzeugs

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
FR2656439A1 (fr) * 1989-12-21 1991-06-28 Siemens Automotive Sa Procede et dispositif de memorisation de defauts de fonctionnement intermittents d'un systeme physique et de variables de contexte de ces defauts.
US5919267A (en) * 1997-04-09 1999-07-06 Mcdonnell Douglas Corporation Neural network fault diagnostics systems and related method

Family Cites Families (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5099436A (en) * 1988-11-03 1992-03-24 Allied-Signal Inc. Methods and apparatus for performing system fault diagnosis
US5809437A (en) * 1995-06-07 1998-09-15 Automotive Technologies International, Inc. On board vehicle diagnostic module using pattern recognition
AU9131791A (en) * 1991-12-19 1993-07-19 Caterpillar Inc. Method for diagnosing an engine using computer based models
US5442553A (en) * 1992-11-16 1995-08-15 Motorola Wireless motor vehicle diagnostic and software upgrade system
US5477827A (en) * 1994-05-16 1995-12-26 Detroit Diesel Corporation Method and system for engine control
US6546363B1 (en) * 1994-02-15 2003-04-08 Leroy G. Hagenbuch Apparatus for tracking and recording vital signs and task-related information of a vehicle to identify operating patterns
US5528516A (en) 1994-05-25 1996-06-18 System Management Arts, Inc. Apparatus and method for event correlation and problem reporting
DE4441101B4 (de) * 1994-11-18 2005-01-27 Robert Bosch Gmbh Verfahren und Vorrichtung zur Bestimmung von Diagnoseschwellwerten für einen bestimmten Kraftfahrzeugtyp im Feld
US5729452A (en) 1995-03-31 1998-03-17 Envirotest Acquisition Co. Method and system for diagnosing and reporting failure of a vehicle emission test
US5737215A (en) * 1995-12-13 1998-04-07 Caterpillar Inc. Method and apparatus for comparing machines in fleet
DE19812318A1 (de) 1998-03-20 1999-09-30 Bosch Gmbh Robert Kraftfahrzeugdaten-Verarbeitungsvorrichtung
DE19849328A1 (de) 1998-10-26 2000-05-04 Bosch Gmbh Robert Verfahren und Vorrichtung zur Steuerung einer Brennkraftmaschine
US6301531B1 (en) * 1999-08-23 2001-10-09 General Electric Company Vehicle maintenance management system and method

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
FR2656439A1 (fr) * 1989-12-21 1991-06-28 Siemens Automotive Sa Procede et dispositif de memorisation de defauts de fonctionnement intermittents d'un systeme physique et de variables de contexte de ces defauts.
US5919267A (en) * 1997-04-09 1999-07-06 Mcdonnell Douglas Corporation Neural network fault diagnostics systems and related method

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20150119142A (ko) * 2013-02-11 2015-10-23 로베르트 보쉬 게엠베하 하나 이상의 제2 자동차의 하나 이상의 특성값을 토대로 제1 자동차를 작동하기 위한 방법 및 수단
KR102246507B1 (ko) * 2013-02-11 2021-05-03 로베르트 보쉬 게엠베하 하나 이상의 제2 자동차의 하나 이상의 특성값을 토대로 제1 자동차를 작동하기 위한 방법 및 수단

Also Published As

Publication number Publication date
KR20010108191A (ko) 2001-12-07
WO2001043079A1 (de) 2001-06-14
JP2003516275A (ja) 2003-05-13
US6766232B1 (en) 2004-07-20
EP1153368A1 (de) 2001-11-14
DE19959526A1 (de) 2001-06-13

Similar Documents

Publication Publication Date Title
KR100741647B1 (ko) 차량의 에러 검출 방법 및 예측 검출 진단 장치
US11541899B2 (en) Vehicle diagnosis apparatus, vehicle diagnosis system, and vehicle diagnosis program
CN106843190B (zh) 分布式车辆健康管理系统
US9721399B2 (en) Vehicle diagnosing apparatus, vehicle diagnosing system, and diagnosing method
US20060229777A1 (en) System and methods of performing real-time on-board automotive telemetry analysis and reporting
CN100476666C (zh) 用于基于模型的车载诊断的装置和方法
US20090306849A1 (en) System for diagnosis of motor vehicles, and for reception of vehicles at a repair facility
JP2009265104A (ja) 診断データマイニング
KR101131344B1 (ko) 메커트로닉스 시스템의 모델에 기초한 진단 방법
AU2021269012A1 (en) Method and diagnostic device for performing vehicle diagnostics
KR102186297B1 (ko) 멀티플랫폼 지능형 자동차 진단 시스템
CN114379570A (zh) 车辆数据操纵和机械故障的自动检测
WO2007134102A2 (en) System and method of agent self-repair within an intelligent agent system
US7539564B2 (en) Device and method for central on-board diagnosis for motor vehicles
US20080039069A1 (en) System and method of intelligent agent management using an agent interface for use in vehicle diagnostics
CN115407742A (zh) 用于诊断车辆的车载网络的方法
KR101027457B1 (ko) 기능 아키텍처의 기능적 오류의 진단 방법
JP7223143B2 (ja) 自動車の安全部品を診断する方法
CN107391215A (zh) 一种ecu嵌入式软件刷新和下载编程的系统
EP1895377B1 (en) Fault diagnosis
KR102242227B1 (ko) 차량 게이트웨이를 이용한 차량 진단 정보 제공 시스템 및 방법
WO2024013879A1 (ja) 診断制御装置及び診断制御方法
Körper et al. Harmonizing Heterogeneous Diagnostic Data of a Vehicle Fleet for Data-Driven Analytics
Subke et al. Right First Time: Cloud-Based Cyber-Physical System for Data Acquisition and Remote Diagnostics to Optimize the Service Quality
CN102104595A (zh) 网络组件安全系统

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant
FPAY Annual fee payment

Payment date: 20130705

Year of fee payment: 7

FPAY Annual fee payment

Payment date: 20140715

Year of fee payment: 8

FPAY Annual fee payment

Payment date: 20150707

Year of fee payment: 9

FPAY Annual fee payment

Payment date: 20160708

Year of fee payment: 10

FPAY Annual fee payment

Payment date: 20170710

Year of fee payment: 11

FPAY Annual fee payment

Payment date: 20180705

Year of fee payment: 12

FPAY Annual fee payment

Payment date: 20190709

Year of fee payment: 13