KR20170111789A - 이동 거리 기반 사용일 분포를 고려한 보증 기간 내 제품 고장 확률 분석 장치 및 방법 - Google Patents

이동 거리 기반 사용일 분포를 고려한 보증 기간 내 제품 고장 확률 분석 장치 및 방법 Download PDF

Info

Publication number
KR20170111789A
KR20170111789A KR1020160037873A KR20160037873A KR20170111789A KR 20170111789 A KR20170111789 A KR 20170111789A KR 1020160037873 A KR1020160037873 A KR 1020160037873A KR 20160037873 A KR20160037873 A KR 20160037873A KR 20170111789 A KR20170111789 A KR 20170111789A
Authority
KR
South Korea
Prior art keywords
products
product
probability
distribution
use day
Prior art date
Application number
KR1020160037873A
Other languages
English (en)
Inventor
김종걸
성기우
Original Assignee
성균관대학교산학협력단
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 성균관대학교산학협력단 filed Critical 성균관대학교산학협력단
Priority to KR1020160037873A priority Critical patent/KR20170111789A/ko
Publication of KR20170111789A publication Critical patent/KR20170111789A/ko

Links

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
    • G06Q10/04—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
    • 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
    • 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
    • G06Q10/20—Administration of product repair or maintenance
    • G06Q50/30—
    • 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
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/40—Business processes related to the transportation industry

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Human Resources & Organizations (AREA)
  • Theoretical Computer Science (AREA)
  • Economics (AREA)
  • Operations Research (AREA)
  • Strategic Management (AREA)
  • Data Mining & Analysis (AREA)
  • Tourism & Hospitality (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Quality & Reliability (AREA)
  • Mathematical Physics (AREA)
  • Pure & Applied Mathematics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Mathematical Optimization (AREA)
  • Mathematical Analysis (AREA)
  • Computational Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Probability & Statistics with Applications (AREA)
  • Game Theory and Decision Science (AREA)
  • Algebra (AREA)
  • Development Economics (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

본 발명의 일 실시예에 따른 이동 거리 기반 사용일 분포를 고려한 보증 기간 내 제품 고장 확률 분석 장치는 제품 이동 거리를 미리 설정된 이동 구간별로 나누고, 상기 이동 구간별로 고장 제품의 수를 계산하는 계산부; 전체 샘플 제품에 대해 상기 이동 구간별로 제품 사용일을 계산하고, 상기 제품 사용일에 기초하여 각 이동 구간별 제품 사용일 분포를 추정하는 추정부; 및 상기 각 이동 구간별 제품 사용일 분포, 상기 전체 샘플 제품의 수 및 상기 고장 제품의 수에 기초하여 보증 기간 내 제품 고장 확률을 분석하는 분석부를 포함한다.

Description

이동 거리 기반 사용일 분포를 고려한 보증 기간 내 제품 고장 확률 분석 장치 및 방법{SYSTEM FOR ANALYSING FOR PRODUCT TROUBLE PROBABILITY WITHIN WARRANTY PERIOD CONSIDERING DISTRIBUTION OF USING DATE BASED ON MOVING RANGE}
본 발명의 실시예들은 이동 거리를 기반으로 하되, 사용일 분포를 고려하여 보증 기간 내 제품의 고장 확률을 분석하는 장치 및 방법에 관한 것이다.
21 세기의 무한 경쟁 환경에서 기업의 생존은 고객 만족에 의해 좌우된다고 해도 과언이 아니다.
고객 만족을 달성하기 위해서는 제품의 기본 기능과 가격 등의 요소뿐만 아니라, 제품의 품질, 특히 신뢰성에 매우 민감한 반응을 보이고 있으며, 각 기업은 이러한 추세를 반영하여 제품의 보증 기간을 경쟁적으로 연장하고 있다.
신뢰성이란 제품이 얼마나 오랫동안 고장 없이 의도한 기능을 발휘할 수 있는가를 나타낸다.
이러한 신뢰성을 평가하는 방법 중 정략적 신뢰성 평가는 데이터를 기반으로 이루어진다. 이를 위한 데이터로는 Lab 시험 데이터와 보증 데이터가 있다.
이 중에서 보증 데이터는 보증 기간 동안 서비스 센터에 접수된 클레임으로부터 얻어진 데이터로서 제품의 신뢰도를 파악하는데 매우 중요한 역할을 한다.
특히, 자동차 보증 데이터의 경우, 시간 또는 주행거리 중 하나만을 변수로 사용하는 일차원 분석과 시간과 주행거리를 동시에 변수로 사용하는 이차원 분석이 가능하다.
일차원 분석의 경우, 보증 데이터에 포함되지 못하고 중도 절단된 차량을 분석에 반영할 수 없기 때문에 신뢰도를 실제보다 과대평가할 위험이 있다.
따라서, 앞서 설명한 두 가지 변수를 동시에 반영하여 보증 데이터를 분석하는 방법의 개발이 필요한 실정이다.
관련 선행기술로는 대한민국 공개특허공보 제2015-102883호(발명의 명칭: 차량고장 정보 제공 시스템, 차량고장 정보 제공 방법 및 고장 정보(failure information)제공 프로그램(distribution program), 공개일자: 2015. 06. 04)가 있다.
본 발명의 일 실시예는 제품의 이동거리와 사용일을 함께 고려한 최적의 방법으로 제품의 고장 확률을 보다 정확히 분석할 수 있도록 하는 이동 거리 기반 사용일 분포를 고려한 보증기간 내 제품 고장 확률 분석 장치 및 방법을 제공하는 것이다.
본 발명의 일 실시예에 따른 이동 거리 기반 사용일 분포를 고려한 보증 기간 내 제품 고장 확률 분석 장치는 제품 이동 거리를 미리 설정된 이동 구간별로 나누고, 상기 이동 구간별로 고장 제품의 수를 계산하는 계산부; 전체 샘플 제품에 대해 상기 이동 구간별로 제품 사용일을 계산하고, 상기 제품 사용일에 기초하여 각 이동 구간별 제품 사용일 분포를 추정하는 추정부; 및 상기 각 이동 구간별 제품 사용일 분포, 상기 전체 샘플 제품의 수 및 상기 고장 제품의 수에 기초하여 보증 기간 내 제품 고장 확률을 분석하는 분석부를 포함한다.
상기 분석부는 상기 각 이동 구간별 제품 사용일 분포 및 상기 전체 샘플 제품의 수에 기초하여 상기 각 이동 구간별로 보증 기간 이내에 해당하는 제품의 비율을 나타내는 확률 값을 계산하고, 상기 전체 샘플 제품의 수와 상기 확률 값에 기초하여 상기 보증 기간 내 제품 고장 확률을 분석할 수 있다.
상기 분석부는 상기 전체 샘플 제품의 수와 상기 확률 값에 기초하여 상기 보증 기간 이내에 해당하는 제품의 수를 나타내는 유효 위험 제품의 수를 계산하고, 상기 유효 위험 제품의 수 및 상기 고장 제품의 수에 기초하여 상기 보증 기간 내 제품 고장 확률을 분석할 수 있다.
상기 분석부는 상기 전체 샘플 제품의 수 및 상기 확률 값을 곱하여 상기 유효 위험 제품 수를 계산할 수 있다.
상기 분석부는 상기 유효 위험 제품 수에 대한 상기 고장 제품의 수의 비율에 기초하여 상기 보증 기간 내 제품 고장 확률을 분석할 수 있다.
상기 계산부는 상기 제품 고장 확률의 분석이 진행되는 기간에 판매된 총 제품의 수 또는 상기 판매된 총 제품 중 선별된 제품의 수를 상기 각 이동 구간별로 누적하여 상기 전체 샘플 제품의 수를 계산할 수 있다.
상기 추정부는 앤더슨-달링(anderson-darling) 적합도 검증, 카이-스퀘어(chi-square) 적합도 검증, 콜모고로프-스미르노프(kolmogorov-smirnov) 적합도 검증 중 적어도 하나를 이용하여 상기 각 이동 구간별 제품 사용일 분포를 추정할 수 있다.
상기 분석부는 상기 보증 기간 내 제품 고장 확률을 수학식 1에 기초하여 분석할 수 있다.
[수학식 1]
Figure pat00001
여기서, h(t)는 상기 보증 기간 내 제품 고장 확률이고, dt는 상기 고장 제품의 수이고, N(t)는 상기 전체 샘플 제품의 수이고, Wt는 상기 제품 사용일 분포이고, N(t)P[Wt>U]는 상기 보증 기간 이후에 해당하는 샘플 제품의 수이고, N(T)P[Wt<U]는 상기 유효 위험 제품 수(보증 기간 이내에 해당하는 샘플 제품의 수)임.
본 발명의 일 실시예에 따른 이동 거리 기반 사용일 분포를 고려한 보증 기간 내 제품 고장 확률 분석 방법은 제품 이동 거리를 미리 설정된 이동 구간별로 나누고, 상기 이동 구간별로 고장 제품의 수를 계산하는 단계; 전체 샘플 제품에 대해 상기 이동 구간별로 제품 사용일을 계산하고, 상기 제품 사용일에 기초하여 각 이동 구간별 제품 사용일 분포를 추정하는 단계; 및 상기 각 이동 구간별 제품 사용일 분포, 상기 전체 샘플 제품의 수 및 상기 고장 제품의 수에 기초하여 보증 기간 내 제품 고장 확률을 분석하는 단계를 포함한다.
상기 분석하는 단계는 상기 각 이동 구간별 제품 사용일 분포 및 상기 전체 샘플 제품의 수에 기초하여 상기 각 이동 구간별로 보증 기간 이내에 해당하는 제품의 비율을 나타내는 확률 값을 계산하는 단계; 및 상기 전체 샘플 제품의 수와 상기 확률 값에 기초하여 상기 보증 기간 내 제품 고장 확률을 분석하는 단계를 포함할 수 있다.
상기 전체 샘플 제품의 수와 상기 확률 값에 기초하여 상기 보증 기간 내 제품 고장 확률을 분석하는 단계는 상기 전체 샘플 제품의 수와 상기 확률 값에 기초하여 상기 보증 기간 이내에 해당하는 제품의 수를 나타내는 유효 위험 제품의 수를 계산하는 단계; 및 상기 유효 위험 제품의 수 및 상기 고장 제품의 수에 기초하여 상기 보증 기간 내 제품 고장 확률을 분석하는 단계를 포함할 수 있다.
상기 유효 위험 제품의 수를 계산하는 단계는 상기 전체 샘플 제품의 수 및 상기 확률 값을 곱하여 상기 유효 위험 제품 수를 계산하는 단계를 포함할 수 있다.
상기 유효 위험 제품의 수 및 상기 고장 제품의 수에 기초하여 상기 보증 기간 내 제품 고장 확률을 분석하는 단계는 상기 유효 위험 제품 수에 대한 상기 고장 제품의 수의 비율에 기초하여 상기 보증 기간 내 제품 고장 확률을 분석하는 단계를 포함할 수 있다.
본 발명의 일 실시예에 따른 이동 거리 기반 사용일 분포를 고려한 보증 기간 내 제품 고장 확률 분석 방법은 상기 제품 고장 확률의 분석이 진행되는 기간에 판매된 총 제품의 수 또는 상기 판매된 총 제품 중 선별된 제품의 수를 상기 각 이동 구간별로 누적하여 상기 전체 샘플 제품의 수를 계산하는 단계를 더 포함할 수 있다.
상기 추정하는 단계는 앤더슨-달링(anderson-darling) 적합도 검증, 카이-스퀘어(chi-square) 적합도 검증, 콜모고로프-스미르노프(kolmogorov-smirnov) 적합도 검증 중 적어도 하나를 이용하여 상기 각 이동 구간별 제품 사용일 분포를 추정하는 단계를 포함할 수 있다.
상기 분석하는 단계는 하기 수학식 1에 기초하여 상기 보증 기간 내 제품 고장 확률을 분석하는 단계를 포함할 수 있다.
[수학식 1]
Figure pat00002
여기서, h(t)는 상기 보증 기간 내 제품 고장 확률이고, dt는 상기 고장 제품의 수이고, N(t)는 상기 전체 샘플 제품의 수이고, Wt는 상기 제품 사용일 분포이고, N(t)P[Wt>U]는 상기 보증 기간 이후에 해당하는 샘플 제품의 수이고, N(T)P[Wt<U]는 상기 유효 위험 제품 수(보증 기간 이내에 해당하는 샘플 제품의 수)임.
본 발명의 일 실시예에 따르면, 제품의 이동 거리와 사용일을 함께 고려한 최적의 방법으로 제품의 고장 확률을 보다 정확히 분석할 수 있다.
본 발명의 일 실시예에 따르면, 차량 주행 거리와 차량 사용일 분포를 동시에 고려하여 차량 고장 확률을 분석함으로써, 차량 고장 확률을 보다 정확하게 분석할 수 있고, 더 나아가 차량의 내구 신뢰도 향상에 도움을 줄 수 있다.
도 1은 본 발명의 일 실시예에 따른 이동 거리 기반 사용일 분포를 고려한 보증 기간 내 제품 고장 확률 분석 장치를 설명하기 위해 도시한 블록도이다.
도 2는 본 발명의 일 실시예에 있어서, 차량 주행 거리 별 사용일 분포를 나타낸 그래프이다.
도 3은 본 발명의 일 실시예에 있어서, 고장 히스토그램 및 와이블 분포를 나타낸 그래프이다.
도 4는 본 발명의 일 실시예에 있어서, 고장율 함수 및 누적 고장율 함수를 나타낸 그래프이다.
도 5는 본 발명의 일 실시예에 있어서, 신뢰도 및 RMSE를 나타낸 그래프이다.
도 6은 본 발명의 일 실시예에 있어서, 기존 분석 방법과의 비교 결과를 나타낸 표이다.
도 7은 본 발명의 일 실시예에 있어서, RMSE 비교를 통해 선정된 최적의 분석 방법을 도시한 표이다.
도 8 내지 도 10은 본 발명의 일 실시예에 있어서, 기존 분석방법과의 비교를 3가지 모형으로 분석한 결과를 나타낸 그래프이다.
본 발명의 이점 및/또는 특징, 그리고 그것들을 달성하는 방법은 첨부되는 도면과 함께 상세하게 후술되어 있는 실시예들을 참조하면 명확해질 것이다. 그러나, 본 발명은 이하에서 개시되는 실시예들에 한정되는 것이 아니라 서로 다른 다양한 형태로 구현될 것이며, 단지 본 실시예들은 본 발명의 개시가 완전하도록 하며, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 발명의 범주를 완전하게 알려주기 위해 제공되는 것이며, 본 발명은 청구항의 범주에 의해 정의될 뿐이다. 명세서 전체에 걸쳐 동일 참조 부호는 동일 구성요소를 지칭한다.
이하에서는 첨부된 도면을 참조하여 본 발명의 실시예들을 상세히 설명하기로 한다.
도 1은 본 발명의 일 실시예에 따른 이동 거리 기반 사용일 분포를 고려한 보증 기간 내 제품 고장 확률 분석 장치를 설명하기 위해 도시한 블록도이다.
도 1을 참조하면, 본 발명의 일 실시예에 따른 이동 거리 기반 사용일 분포를 고려한 보증 기간 내 제품 고장 확률 분석 장치(100)는 계산부(110), 추정부(120), 및 분석부(130)를 포함한다.
본 실시예를 설명하기 앞서, 본 발명에서는 이동 거리 기반 사용일 분포를 고려한 보증 기간 내 제품 고장 확률을 분석하기 위하여 2-DDM(Two-Dimensional Distribution Method) 분석방법을 사용하였다.
상기 2-DDM 분석방법은 보증정책 특성에 따라 두 가지 도메인을 고려하여 보증 기간 내 제품 고장 확률을 분석하는 방법으로서, 이동 거리와 사용일에 대한 도메인을 동시에 고려하였다.
즉, 이차원 평면에서 제품 사용일 및 이동 거리가 각각의 축(x,y)으로 표현되는 영역 특성을 가지는 '2차원' 또는 '2속성' 보증 분석 방법을 사용하였다.
이하에서는, 상기 2-DDM 분석방법이 자동차라는 제품에 적용된 실시예에 대하여 설명하고자 한다. 다시 말해, 차량의 주행 거리 및 차량의 사용일 분포를 동시에 고려하여, 보증 기간 내의 차량에 대한 고장 확률을 분석하는 실시예를 설명하기로 한다.
참고로, 이하 실시예에서는, 설명상의 편의를 위해 이동 거리 기반 사용일 분포를 고려한 보증 기간 내 제품 고장 확률 분석 장치(100)를 주행 거리 기반 사용일 분포를 고려한 보증 기간 내 차량 고장 확률 분석 장치(100)로 명명하기로 한다.
상기 계산부(110)는 차량 주행 거리를 미리 설정된 주행 구간별로 나눈다. 예를 들어, 상기 계산부(110)는 상기 차량 주행 거리를 5,000km 단위의 주행 구간별로 나눌 수 있다.
여기서, 상기 차량 주행 거리는 상기 예에서와 같이 균일한 길이의 주행 구간별로 미리 설정되어 나누어질 수 있고, 이와 달리 적어도 하나의 주행 구간마다 서로 다른 길이의 주행 구간별로 미리 설정되어 나누어질 수도 있다.
상기 계산부(110)는 상기 주행 구간별로 고장 차량의 수를 계산한다. 즉, 상기 계산부(110)는 상기 차량이 운행된 거리의 구간마다 고장난 차량의 대수를 파악하여 각 구간 별로 상기 고장 차량의 수를 계산할 수 있다. 예컨대, 상기 계산부(110)는 5,000km마다 상기 고장 차량의 수를 계산할 수 있다.
이때, 상기 계산부(110)는 계산의 편의를 위해 동일한 차종별 및/또는 부품별로 고장 여부를 파악하여 상기 고장 차량의 수를 계산할 수 있다.
상기 추정부(120)는 전체 샘플 차량에 대해 상기 주행 구간별로 차량 사용일을 계산한다. 예컨대, 상기 추정부(120)는 상기 전체 샘플 차량 각각에 대해 5,000km마다 상기 차량 사용일을 계산할 수 있다.
여기서, 상기 전체 샘플 차량은 차량 고장 확률 분석 장치(100)에 의해 차량 고장 확률의 분석이 진행되는 기간에 판매된 총 차량 또는 상기 판매된 총 차량 중 선별된 차량을 가리킬 수 있다.
상기 추정부(120)는 상기 차량 사용일에 기초하여 각 주행 구간별 차량 사용일 분포를 추정한다.
여기서, 상기 차량 사용일 분포는 도 2에 도시된 바와 같이 상기 각 주행 구간별로 정규분포의 형태를 가질 수 있다. 참고로, 도 2는 본 발명의 일 실시예에 있어서, 차량 주행 거리별 사용일 분포를 나타낸 그래프이다.
참고로, 상기 차량 사용일 분포는 차종에 따라 다양하게 측정될 수 있다. 구체적으로, 사용 빈도가 적은 자가용의 경우, 상기 각 주행 구간별 차량 사용일 분포에 대한 사용일 구간이 낮게 측정될 수 있고, 반대로, 사용 빈도가 높은 화물 트럭의 경우, 상기 각 주행 구간별 차량 사용일 분포에 대한 사용일 구간이 높게 측정될 수 있다.
상기 추정부(120)는 상기 차량 사용일 정보에 대한 여러 가지 분포의 적합도 검증을 수행하여 비교한 뒤 상기 각 주행 구간별 차량 사용일 분포를 추정할 수 있다.
즉, 상기 차량 사용일 분포는 차종, 운전자 등에 따라 다양한 분포를 가질 수 있는데, 상기 추정부(120)는 이처럼 다양한 차량 사용일 분포에 대해 적합도 검증을 수행하여, 서로 간의 비교를 통해 다양한 차량 사용일 분포 중 적합한 차량 사용일 분포를 추정할 수 있다.
이를 위해, 상기 추정부(120)는 앤더슨-달링(anderson-darling) 적합도 검증, 카이-스퀘어(chi-square) 적합도 검증, 콜모고로프-스미르노프(kolmogorov-smirnov) 적합도 검증 중 적어도 하나를 이용하여 상기 각 주행 구간별 차량 사용일 분포를 추정할 수 있다.
상기 앤더슨-달링 적합도 검증, 상기 카이-스퀘어 적합도 검증, 및 상기 콜모고로프-스미르노프 적합도 검증은 일반적으로 널리 사용되는 공지 기술에 해당되므로, 본 실시예에서는 그것에 대한 설명은 생략하기로 한다.
상기 분석부(130)는 앞에서 상술한 여러 가지 변수들을 이용하여 보증 기간 내에 차량이 고장 날 확률을 분석할 수 있다. 다시 말해, 상기 분석부(130)는 상기 각 주행 구간별 차량 사용일 분포, 상기 전체 샘플 차량의 수 및 상기 고장 차량의 수에 기초하여 상기 보증 기간 내 차량 고장 확률을 분석한다.
이를 위해 먼저, 상기 분석부(130)는 상기 각 주행 구간별 차량 사용일 분포 및 상기 전체 샘플 차량의 수에 기초하여 상기 각 주행 구간별로 상기 보증 기간 이내에 해당하는 차량의 비율을 나타내는 확률 값을 계산할 수 있다.
즉, 상기 분석부(130)는 상기 전체 샘플 차량 중에서 상기 보증 기간 이내의 사용일 분포에 속하는 차량 수를 산출하여 그 비율을 나타내는 상기 확률 값을 계산할 수 있다.
도 2를 참조하여 설명하자면, 도면에 도시된 빨간색 선은 상기 보증 기간을 의미하고, 상기 분석부(130)는 상기 빨간색 선 아래 영역의 사용일 분포에 해당하는 차량에 대한 확률 값을 계산할 수 있다.
다음으로, 상기 분석부(130)는 상기 전체 샘플 차량의 수와 상기 확률 값에 기초하여 상기 보증 기간 이내에 해당하는 차량의 수를 나타내는 유효 위험 차량의 수를 계산할 수 있다.
즉, 상기 분석부(130)는 상기 전체 샘플 차량 중에서 상기 보증 기간 이내의 기간 동안 사용되되 고장 날 위험 가능성을 가지고 있는 차량의 수를 산출할 수 있다.
이때, 상기 분석부(130)는 상기 전체 샘플 차량의 수 및 상기 확률 값을 곱한 값을 상기 유효 위험 차량의 수로서 산출할 수 있다.
여기서, 상기 전체 샘플 차량의 수와 상기 확률 값은 상기 유효 위험 차량의 수를 산출하기 위한 파라미터 값으로서, 상기 각 주행 구간별로 계산될 수 있다.
다음으로, 상기 분석부(130)는 상기 유효 위험 차량의 수 및 상기 고장 차량의 수에 기초하여 상기 보증 기간 내 차량 고장 확률을 분석할 수 있다.
이때, 상기 분석부(130)는 상기 유효 위험 차량 수에 대한 상기 고장 차량의 수의 비율에 기초하여 상기 보증 기간 내 차량 고장 확률을 분석할 수 있다.
즉, 상기 분석부(130)는 상기 보증 기간 내에 고장 날 위험 가능성을 가지고 있는 샘플 차량 중에서 실제로 고장이 발생한 차량에 대한 확률을 구하여, 상기 각 주행 구간별로 사용일 분포를 고려하여 보증 기간 내 차량의 고장 확률을 분석할 수 있다.
여기서, 상기 유효 위험 차량 수와 상기 고장 차량의 수는 상기 보증 기간 내 차량 고장 확률을 분석하기 위한 파라미터 값으로서, 상기 각 주행 구간별로 계산될 수 있다.
이와 같이 상기 분석부(130)가 상기 보증 기간 내 차량 고장 확률을 분석하는 과정은 하기 수학식 1과 같이 표현될 수 있다.
[수학식 1]
Figure pat00003
여기서, h(t)는 상기 보증 기간 내 차량 고장 확률이고, dt 는 상기 고장 차량의 수이고, N(t)는 상기 전체 샘플 차량의 수이고, Wt 는 상기 차량 사용일 분포이고, N(t)P[Wt>U]는 상기 보증 기간 이후에 해당하는 샘플 차량의 수이고, N(T)P[Wt<U]는 상기 유효 위험 차량 수(보증 기간 이내에 해당하는 샘플 차량의 수)를 의미한다.
이하에서는 표 1을 참조하여 상기 분석된 보증 기간 내 차량 고장 확률을 설명하고자 한다.
[표 1]
Figure pat00004
여기서, t는 상기 차량 주행 거리이고, dt 는 상기 고장 차량의 수이고, N(t)는 상기 전체 샘플 차량의 수이고, P[W<U]는 상기 확률 값이고, N(t)P[Wt>U]는 상기 보증 기간 이후에 해당하는 샘플 차량의 수이고, h(t)는 상기 보증 기간 내 차량 고장 확률이고, F(t)는 비신뢰도이고, R(t)는 신뢰도를 의미한다.
본 실시예에서는, 상기 보증 기간 내 차량 고장 확률은 전술한 바와 같이, 상기 주행 구간별로 산출될 수 있는데, 각 주행 구간별로 상기 차량 고장 확률에 대한 신뢰도 및 비신뢰도를 파악할 수 있다.
즉, 상기 차량 고장 확률에 대한 신뢰도는 각 주행 구간별로 1에 가까운 높은 신뢰도 값을 가지고, 반면에 상기 차량 고장 확률에 대한 비신뢰도는 매우 낮은 값을 가지는 것을 확인하였다.
이에 따라, 본 실시예에 있어서, 상기 차량 고장 확률에 대해 정확도 높은 분석이 가능함을 확인할 수가 있다.
이로써, 본 발명의 일 실시예에 따르면, 상기 차량 주행 거리와 상기 차량 사용일 분포를 동시에 고려하여 차량 고장 확률을 분석함으로써, 상기 차량 고장 확률을 보다 정확하게 분석할 수 있고, 더 나아가 상기 차량의 내구 신뢰도 향상에 도움을 줄 수 있다.
한편, 상술한 설명들은 상기 2-DDM 분석방법을 자동차에 적용하여 보증 기간 내 차량 고장 확률을 분석한 실시예지만, 이에 한정되지 않고 다양한 분야에 속하는 제품의 고장 확률이 분석 가능하도록 상기 2-DDM 분석방법을 적용시킬 수 있다.
예컨대, 상기 2-DDM 분석방법을 휴대폰에 적용시키는 경우, 사용율 및 사용일에 대한 두 가지 도메인을 고려하여 휴대폰의 성능을 분석할 수 있다.
구체적으로, 상기 휴대폰 사용율과 관련된 통화횟수 또는 통화시간 중 하나와 상기 휴대폰 사용일과 관련된 수리일 또는 판매일 중 하나를 각 도메인으로 설정하여 상기 2-DDM 분석방법을 수행할 수 있다.
도 3은 본 발명의 일 실시예에 있어서, 고장 히스토그램 및 와이블 분포를 나타낸 그래프이고, 도 4는 본 발명의 일 실시예에 있어서, 고장율 함수 및 누적 고장율 함수를 나타낸 그래프이며, 도 5는 본 발명의 일 실시예에 있어서, 신뢰도 및 RMSE를 나타낸 그래프이다.
도 3을 참조하면, 본 발명의 일 실시예에서는, 좌측에 도시된 고장 히스토그램을 통해 상기 차량의 고장 분포 형태를 분석하였다.
상기 분석된 결과, 상기 차량 주행 거리가 0 ~ 50,000 km 사이에 해당하는 경우에 상기 차량의 고장 빈도가 높은 것을 확인할 수 있다.
한편, 우측에 도시된 와이블 플롯을 통해 상기 차량 고장 확률에 대한 와이블 분포의 적합도를 분석하였다. 이를 위해, 상기 [표 1]의 분석 결과를 상기 와이블 플롯에 피팅하여 사기 차량 고장 확률에 대한 신뢰도를 확인하였다.
상기 분석된 결과, 상기 차량 고장 확률에 대한 와이블 분포의 적합도 값이 96%로 적합도가 높은 것을 확인할 수 있다.
도 4에 도시된 바와 같이, 좌측 및 우측에 도시된 고장율 함수 및 누적 고장율 함수를 통해 상기 차량의 고장이 발생하는 빈도가 시간이 지남에 따라 증가하는 것을 확인할 수 있다.
또한, 상기 고장율 및 상기 누적 고장율은 상기 차량 주행 거리가 약 50,000 km 에 도달할 때까지 증가 혹은 일정 값을 가지지만, 그 이후로는 감소하는 것을 확인할 수 있다.
도 5를 참조하면, 좌측 및 우측에 도시된 신뢰도 및 RMSE(Root Mean Square Error)를 통해 본 발명에 의해 분석된 차량의 고장 확률이 상기 차량의 실제 고장 확률과 매우 높은 적합도를 보이는 것을 확인할 수 있다.
이하에서는, 상기 2-DDM 분석방법을 통해 상기 차량 주행 거리와 상기 차량 사용일 분포를 고려하여 상기 차량 고장 확률을 분석한 방법(본 발명)과 기존 분석 방법인 생명표법 및 랭크법과의 비교 결과를 설명하기로 한다. 상기 각 분석 방법을 비교하는데 있어서, 시뮬레이션을 통한 인공 클레임 보증데이터를 사용하였고, 6,800개 부품을 보증 기간 1 ~ 4년까지 연도 별로 나누어 분석하여 상기 보증 기간이 5년에 해당하는 데이터 값과 비교하여 정확도를 비교하였다.
도 6은 본 발명의 일 실시예에 있어서, 기존 분석 방법과의 비교 결과를 나타낸 표이고, 도 7은 본 발명의 일 실시예에 있어서, RMSE 비교를 통해 선정된 최적의 분석 방법을 도시한 표이다.
도 6에 도시된 바와 같이, 본 발명의 일 실시예에서는 각 분석 방법을 부품(샤시, 전자, 의장, 차체)별로 B1life와 고장 분포의 형태 형상모수를 고려하여 비교하였다.
상기 비교된 결과, 분석 방법의 신뢰도를 나타내는 상기 B1life의 값은 본 발명의 분석 방법(2-DDM)으로 분석한 경우 각 부품 별로 높은 신뢰도 값을 가졌고, 상기 고장 분포의 형태는 각 분석 방법의 각 부품 마다 모두 동일하였다.
참고로, 도 6에서는 주요 부품 4가지에 한해서만 비교 결과를 나타내고 있지만, 실제로 전체 부품 6,800개 중에서 45.4%가 본 발명의 분석 방법에 의해 높은 정확도로 분석되었다.
도 7을 참조하면, 본 발명의 일 실시예에서는 각 분석 방법의 정확도를 상기 주요 부품 별로 RMSE를 통해 비교하였다.
상기 비교된 결과, 본 발명의 분석 방법(2-DDM)으로 분석한 경우, 각 부품 별 RMSE 값이 낮은 값을 가짐으로써 가장 최적화된 분석 방법에 해당됨을 확인할 수 있다.
도 8 내지 도 10은 본 발명의 일 실시예에 있어서, 기존 분석방법과의 비교를 3가지 모형으로 분석한 결과를 나타낸 그래프이다.
도 8 내지 도 10에 도시된 바와 같이, 본 발명의 일 실시예에서는 각 분석 방법과의 비교를 확률 플롯, 누적 고장율 그리고 RMSE에 따라 상세하게 수행하였다.
상기 수행된 비교 결과, 본 발명의 분석 방법으로 분석한 경우, RMSE 값이 가장 낮은 값(699)을 가짐으로써 가장 최적화된 분석 방법에 해당됨을 확인할 수 있다.
도 11 및 도 12는 본 발명의 일 실시예에 있어서, 주행 거리 기반 사용일 분포를 고려한 보증 기간 내 차량 고장 확률 분석 방법을 설명하기 위해 도시한 흐름도이다.
도 1 및 도 11을 참조하면, 단계(1110)에서 상기 차량 고장 확률 분석 장치(100)는 차량 주행 거리를 주행 구간별로 나누고, 주행 구간별로 고장 차량의 수를 계산한다.
다음으로, 단계(1120)에서 상기 차량 고장 확률 분석 장치(100)는 전체 샘플 차량에 대해 주행 구간 별로 차량 사용일을 계산하고, 차량 사용일에 기초하여 각 주행 구간별 차량 사용일 분포를 추정한다.
이때, 상기 차량 고장 확률 분석 장치(100)는 상기 차량 고장 확률의 분석이 진행되는 기간에 판매된 총 차량의 수 또는 상기 판매된 총 차량 중 선별된 차량의 수를 상기 각 주행 구간별로 누적하여 상기 전체 샘플 차량의 수를 계산할 수 있다.
또한, 상기 차량 고장 확률 분석 장치(100)는 앤더슨-달링 적합도 검증, 카이-스퀘어 적합도 검증, 콜모고로프-스미르노프 적합도 검증 중 적어도 하나를 이용하여 상기 각 주행 구간별 차량 사용일 분포를 추정할 수 있다.
다음으로, 단계(1130)에서 상기 차량 고장 확률 분석 장치(100)는 상기 각 주행 구간별 차량 사용일 분포, 상기 전체 샘플 차량의 수 및 상기 고장 차량의 수에 기초하여 보증 기간 내 차량 고장 확률을 분석한다.
상기 단계(1130)에 대해서는 도 12를 참조하여 더 자세히 후술한다.
즉, 도 1 및 도 12에 도시된 바와 같이, 단계(1210)에서 상기 차량 고장 확률 분석 장치(100)는 상기 각 주행 구간별 차량 사용일 분포 및 상기 전체 샘플 차량의 수에 기초하여 상기 각 주행 구간별로 상기 보증 기간 이내에 해당하는 차량의 비율을 나타내는 확률 값을 계산한다.
다음으로, 단계(1220)에서 상기 차량 고장 확률 분석 장치(100)는 상기 전체 샘플 차량의 수와 상기 확률 값에 기초하여 상기 보증 기간 이내에 해당하는 차량의 수를 나타내는 유효 위험 차량의 수를 계산한다.
이때, 상기 차량 고장 확률 분석 장치(100)는 상기 전체 샘플 차량의 수 및 상기 확률 값을 곱하여 상기 유효 위험 차량 수를 계산할 수 있다.
다음으로, 단계(1230)에서 상기 차량 고장 확률 분석 장치(100)는 상기 유효 위험 차량의 수와 상기 고장 차량의 수에 기초하여 상기 보증 기간 내 차량 고장 확률을 분석한다.
이때, 상기 차량 고장 확률 분석 장치(100)는 상기 유효 위험 차량 수에 대한 상기 고장 차량의 수의 비율에 기초하여 상기 보증 기간 내 차량 고장 확률을 분석할 수 있다.
110 : 계산부
120 : 추정부
130 : 분석부

Claims (16)

  1. 제품 이동 거리를 미리 설정된 이동 구간별로 나누고, 상기 이동 구간별로 고장 제품의 수를 계산하는 계산부;
    전체 샘플 제품에 대해 상기 이동 구간별로 제품 사용일을 계산하고, 상기 제품 사용일에 기초하여 각 이동 구간별 제품 사용일 분포를 추정하는 추정부; 및
    상기 각 이동 구간별 제품 사용일 분포, 상기 전체 샘플 제품의 수 및 상기 고장 제품의 수에 기초하여 보증 기간 내 제품 고장 확률을 분석하는 분석부
    를 포함하는 것을 특징으로 하는 이동 거리 기반 사용일 분포를 고려한 보증 기간 내 제품 고장 확률 분석 장치.
  2. 제1항에 있어서,
    상기 분석부는
    상기 각 이동 구간별 제품 사용일 분포 및 상기 전체 샘플 제품의 수에 기초하여 상기 각 이동 구간별로 보증 기간 이내에 해당하는 제품의 비율을 나타내는 확률 값을 계산하고, 상기 전체 샘플 제품의 수와 상기 확률 값에 기초하여 상기 보증 기간 내 제품 고장 확률을 분석하는 것을 특징으로 하는 이동 거리 기반 사용일 분포를 고려한 보증 기간 내 제품 고장 확률 분석 장치.
  3. 제2항에 있어서,
    상기 분석부는
    상기 전체 샘플 제품의 수와 상기 확률 값에 기초하여 상기 보증 기간 이내에 해당하는 제품의 수를 나타내는 유효 위험 제품의 수를 계산하고, 상기 유효 위험 제품의 수 및 상기 고장 제품의 수에 기초하여 상기 보증 기간 내 제품 고장 확률을 분석하는 것을 특징으로 하는 이동 거리 기반 사용일 분포를 고려한 보증 기간 내 제품 고장 확률 분석 장치.
  4. 제3항에 있어서,
    상기 분석부는
    상기 전체 샘플 제품의 수 및 상기 확률 값을 곱하여 상기 유효 위험 제품 수를 계산하는 것을 특징으로 하는 이동 거리 기반 사용일 분포를 고려한 보증 기간 내 제품 고장 확률 분석 장치.
  5. 제4항에 있어서,
    상기 분석부는
    상기 유효 위험 제품 수에 대한 상기 고장 제품의 수의 비율에 기초하여 상기 보증 기간 내 제품 고장 확률을 분석하는 것을 특징으로 하는 이동 거리 기반 사용일 분포를 고려한 보증 기간 내 제품 고장 확률 분석 장치.
  6. 제1항에 있어서,
    상기 계산부는
    상기 제품 고장 확률의 분석이 진행되는 기간에 판매된 총 제품의 수 또는 상기 판매된 총 제품 중 선별된 제품의 수를 상기 각 이동 구간별로 누적하여 상기 전체 샘플 제품의 수를 계산하는 것을 특징으로 하는 이동 거리 기반 사용일 분포를 고려한 보증 기간 내 제품 고장 확률 분석 장치.
  7. 제1항에 있어서,
    상기 추정부는
    앤더슨-달링(anderson-darling) 적합도 검증, 카이-스퀘어(chi-square) 적합도 검증, 콜모고로프-스미르노프(kolmogorov-smirnov) 적합도 검증 중 적어도 하나를 이용하여 상기 각 이동 구간별 제품 사용일 분포를 추정하는 것을 특징으로 하는 이동 거리 기반 사용일 분포를 고려한 보증 기간 내 제품 고장 확률 분석 장치.
  8. 제1항에 있어서,
    상기 분석부는
    상기 보증 기간 내 제품 고장 확률을 수학식 1에 기초하여 분석하는 것을 특징으로 하는 이동 거리 기반 사용일 분포를 고려한 보증 기간 내 제품 고장 확률 분석 장치.
    [수학식 1]
    Figure pat00005

    여기서,
    h(t)는 상기 보증 기간 내 제품 고장 확률이고,
    dt는 상기 고장 제품의 수이고,
    N(t)는 상기 전체 샘플 제품의 수이고,
    Wt는 상기 제품 사용일 분포이고,
    N(t)P[Wt>U]는 상기 보증 기간 이후에 해당하는 샘플 제품의 수이고,
    N(T)P[Wt<U]는 상기 유효 위험 제품 수(보증 기간 이내에 해당하는 샘플 제품의 수)임.
  9. 제품 이동 거리를 미리 설정된 이동 구간별로 나누고, 상기 이동 구간별로 고장 제품의 수를 계산하는 단계;
    전체 샘플 제품에 대해 상기 이동 구간별로 제품 사용일을 계산하고, 상기 제품 사용일에 기초하여 각 이동 구간별 제품 사용일 분포를 추정하는 단계; 및
    상기 각 이동 구간별 제품 사용일 분포, 상기 전체 샘플 제품의 수 및 상기 고장 제품의 수에 기초하여 보증 기간 내 제품 고장 확률을 분석하는 단계
    를 포함하는 것을 특징으로 하는 이동 거리 기반 사용일 분포를 고려한 보증 기간 내 제품 고장 확률 분석 방법.
  10. 제9항에 있어서,
    상기 분석하는 단계는
    상기 각 이동 구간별 제품 사용일 분포 및 상기 전체 샘플 제품의 수에 기초하여 상기 각 이동 구간별로 보증 기간 이내에 해당하는 제품의 비율을 나타내는 확률 값을 계산하는 단계; 및
    상기 전체 샘플 제품의 수와 상기 확률 값에 기초하여 상기 보증 기간 내 제품 고장 확률을 분석하는 단계
    를 포함하는 것을 특징으로 하는 이동 거리 기반 사용일 분포를 고려한 보증 기간 내 제품 고장 확률 분석 방법.
  11. 제10항에 있어서,
    상기 전체 샘플 제품의 수와 상기 확률 값에 기초하여 상기 보증 기간 내 제품 고장 확률을 분석하는 단계는
    상기 전체 샘플 제품의 수와 상기 확률 값에 기초하여 상기 보증 기간 이내에 해당하는 제품의 수를 나타내는 유효 위험 제품의 수를 계산하는 단계; 및
    상기 유효 위험 제품의 수 및 상기 고장 제품의 수에 기초하여 상기 보증 기간 내 제품 고장 확률을 분석하는 단계
    를 포함하는 것을 특징으로 하는 이동 거리 기반 사용일 분포를 고려한 보증 기간 내 제품 고장 확률 분석 방법.
  12. 제11항에 있어서,
    상기 유효 위험 제품의 수를 계산하는 단계는
    상기 전체 샘플 제품의 수 및 상기 확률 값을 곱하여 상기 유효 위험 제품 수를 계산하는 단계
    를 포함하는 것을 특징으로 하는 이동 거리 기반 사용일 분포를 고려한 보증 기간 내 제품 고장 확률 분석 방법.
  13. 제11항에 있어서,
    상기 유효 위험 제품의 수 및 상기 고장 제품의 수에 기초하여 상기 보증 기간 내 제품 고장 확률을 분석하는 단계는
    상기 유효 위험 제품 수에 대한 상기 고장 제품의 수의 비율에 기초하여 상기 보증 기간 내 제품 고장 확률을 분석하는 단계
    를 포함하는 것을 특징으로 하는 이동 거리 기반 사용일 분포를 고려한 보증 기간 내 제품 고장 확률 분석 방법.
  14. 제9항에 있어서,
    상기 제품 고장 확률의 분석이 진행되는 기간에 판매된 총 제품의 수 또는 상기 판매된 총 제품 중 선별된 제품의 수를 상기 각 이동 구간별로 누적하여 상기 전체 샘플 제품의 수를 계산하는 단계
    를 더 포함하는 것을 특징으로 하는 이동 거리 기반 사용일 분포를 고려한 보증 기간 내 제품 고장 확률 분석 방법.
  15. 제9항에 있어서,
    상기 추정하는 단계는
    앤더슨-달링(anderson-darling) 적합도 검증, 카이-스퀘어(chi-square) 적합도 검증, 콜모고로프-스미르노프(kolmogorov-smirnov) 적합도 검증 중 적어도 하나를 이용하여 상기 각 이동 구간별 제품 사용일 분포를 추정하는 단계
    를 포함하는 것을 특징으로 하는 이동 거리 기반 사용일 분포를 고려한 보증 기간 내 제품 고장 확률 분석 방법.
  16. 제9항에 있어서,
    상기 분석하는 단계는
    하기 수학식 1에 기초하여 상기 보증 기간 내 제품 고장 확률을 분석하는 단계
    를 포함하는 것을 특징으로 하는 이동 거리 기반 사용일 분포를 고려한 보증 기간 내 제품 고장 확률 분석 방법.
    [수학식 1]
    Figure pat00006

    여기서,
    h(t)는 상기 보증 기간 내 제품 고장 확률이고,
    dt는 상기 고장 제품의 수이고,
    N(t)는 상기 전체 샘플 제품의 수이고,
    Wt는 상기 제품 사용일 분포이고,
    N(t)P[Wt>U]는 상기 보증 기간 이후에 해당하는 샘플 제품의 수이고,
    N(T)P[Wt<U]는 상기 유효 위험 제품 수(보증 기간 이내에 해당하는 샘플 제품의 수)임.
KR1020160037873A 2016-03-29 2016-03-29 이동 거리 기반 사용일 분포를 고려한 보증 기간 내 제품 고장 확률 분석 장치 및 방법 KR20170111789A (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020160037873A KR20170111789A (ko) 2016-03-29 2016-03-29 이동 거리 기반 사용일 분포를 고려한 보증 기간 내 제품 고장 확률 분석 장치 및 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020160037873A KR20170111789A (ko) 2016-03-29 2016-03-29 이동 거리 기반 사용일 분포를 고려한 보증 기간 내 제품 고장 확률 분석 장치 및 방법

Publications (1)

Publication Number Publication Date
KR20170111789A true KR20170111789A (ko) 2017-10-12

Family

ID=60141562

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020160037873A KR20170111789A (ko) 2016-03-29 2016-03-29 이동 거리 기반 사용일 분포를 고려한 보증 기간 내 제품 고장 확률 분석 장치 및 방법

Country Status (1)

Country Link
KR (1) KR20170111789A (ko)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109523160A (zh) * 2018-11-15 2019-03-26 青岛航讯网络技术服务有限公司 大型货轮长期保障任务多正态单元部件备件需求量确定方法
KR102388593B1 (ko) * 2020-10-23 2022-04-20 네모시스 주식회사 고장의 예측을 통한 부품의 등급별 관리방법 및 장치

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109523160A (zh) * 2018-11-15 2019-03-26 青岛航讯网络技术服务有限公司 大型货轮长期保障任务多正态单元部件备件需求量确定方法
KR102388593B1 (ko) * 2020-10-23 2022-04-20 네모시스 주식회사 고장의 예측을 통한 부품의 등급별 관리방법 및 장치

Similar Documents

Publication Publication Date Title
CN110197588B (zh) 一种基于gps轨迹数据的大货车驾驶行为评估方法及装置
AU2020103488A4 (en) Method and device for evaluating driving behaviour of truck based on gps trajectory data
CN108053075B (zh) 一种报废车辆预测方法及系统
CN108959795A (zh) 一种试验场载荷谱标准化方法
CN106650157B (zh) 车辆零部件故障发生概率估算方法、装置及系统
US8386204B2 (en) Method for the diagnosis of the EGR cooler efficiency in a diesel engine
RU2763414C1 (ru) Способ и устройство для диагностики и контроля транспортных средств, компонентов транспортных средств и путей движения
CN111144485A (zh) 基于xgboost分类算法的车辆事故判断方法和系统
KR20170111789A (ko) 이동 거리 기반 사용일 분포를 고려한 보증 기간 내 제품 고장 확률 분석 장치 및 방법
CN112380701A (zh) 仿真加速度波形的对标方法
CN110809280A (zh) 一种铁路无线网络质量的检测预警方法及装置
CN112763406A (zh) 腐蚀数据分析方法、介质、评估方法及汽车
CN110108245B (zh) 车辆漆面情况的检测方法、装置及设备
Gorsich et al. Terrain roughness standards for mobility and ultra-reliability prediction
CN106585634B (zh) 一种对驾驶行为进行分析的方法和装置
CN116380496A (zh) 一种汽车车门疲劳耐久测试方法、系统及介质
CN115204755B (zh) 服务区入区率测算方法、装置、电子设备及可读存储介质
KR101507903B1 (ko) 운전 위험 지수관련 이벤트 등록을 위한 관찰 기준 임계값 추정 장치 및 방법
CN102495846B (zh) 一种处理大量车载终端里程数据的方法及系统
Bühlmann Improvements in the CPX method and its ability to predict traffic noise emissions
CN110736595A (zh) 轨道交通舱室内电子设备寿命评估方法
CN112927498A (zh) 一种基于智慧交通监控的数据分析方法及装置
KR101449331B1 (ko) 엔진 주변부품의 가속 진동 수명시험방법 및 그 장치
CN111487068B (zh) 一种车辆易损点寿命预测方法及系统
CN114001887A (zh) 一种基于挠度监测的桥梁损伤评定方法

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
AMND Amendment
E902 Notification of reason for refusal
AMND Amendment
AMND Amendment