WO2020110446A1 - 車両故障予測システム、監視装置、車両故障予測方法および車両故障予測プログラム - Google Patents

車両故障予測システム、監視装置、車両故障予測方法および車両故障予測プログラム Download PDF

Info

Publication number
WO2020110446A1
WO2020110446A1 PCT/JP2019/038233 JP2019038233W WO2020110446A1 WO 2020110446 A1 WO2020110446 A1 WO 2020110446A1 JP 2019038233 W JP2019038233 W JP 2019038233W WO 2020110446 A1 WO2020110446 A1 WO 2020110446A1
Authority
WO
WIPO (PCT)
Prior art keywords
vehicle
functional unit
monitoring device
learning model
management device
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.)
Ceased
Application number
PCT/JP2019/038233
Other languages
English (en)
French (fr)
Inventor
戴桂明
畑中健一
翁由奈
柿井俊昭
三浦勝司
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Sumitomo Electric Industries Ltd
Original Assignee
Sumitomo Electric Industries Ltd
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 Sumitomo Electric Industries Ltd filed Critical Sumitomo Electric Industries Ltd
Priority to JP2020558126A priority Critical patent/JPWO2020110446A1/ja
Priority to US17/295,039 priority patent/US20210327165A1/en
Priority to CN201980068890.0A priority patent/CN112912282A/zh
Publication of WO2020110446A1 publication Critical patent/WO2020110446A1/ja
Anticipated expiration legal-status Critical
Ceased legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G07—CHECKING-DEVICES
    • G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
    • G07C5/00—Registering or indicating the working of vehicles
    • G07C5/08—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
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60R—VEHICLES, VEHICLE FITTINGS, OR VEHICLE PARTS, NOT OTHERWISE PROVIDED FOR
    • B60R16/00—Electric or fluid circuits specially adapted for vehicles and not otherwise provided for; Arrangement of elements of electric or fluid circuits specially adapted for vehicles and not otherwise provided for
    • B60R16/02—Electric or fluid circuits specially adapted for vehicles and not otherwise provided for; Arrangement of elements of electric or fluid circuits specially adapted for vehicles and not otherwise provided for electric constitutive elements
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60S—SERVICING, CLEANING, REPAIRING, SUPPORTING, LIFTING, OR MANOEUVRING OF VEHICLES, NOT OTHERWISE PROVIDED FOR
    • B60S5/00—Servicing, maintaining, repairing, or refitting of vehicles
    • 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
    • G01M17/007—Wheeled or endless-tracked vehicles
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N5/00—Computing arrangements using knowledge-based models
    • G06N5/04—Inference or reasoning models
    • G—PHYSICS
    • G07—CHECKING-DEVICES
    • G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
    • G07C5/00—Registering or indicating the working of vehicles
    • G07C5/008—Registering or indicating the working of vehicles communicating information to a remotely located station
    • G—PHYSICS
    • G07—CHECKING-DEVICES
    • G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
    • G07C5/00—Registering or indicating the working of vehicles
    • G07C5/08—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

Definitions

  • the present invention relates to a vehicle failure prediction system, a monitoring device, a vehicle failure prediction method, and a vehicle failure prediction program.
  • This application claims the priority on the basis of Japanese application Japanese Patent Application No. 2018-212261 for which it applied on November 27, 2018, and takes in those the indications of all here.
  • Non-Patent Document 1 learning the reception cycle of a message according to the CAN (Controller Area Network) (registered trademark) standard, the difference between the number of received messages and the actual reception number corresponding to the learned cycle
  • CAN Controller Area Network
  • the vehicle failure prediction system of the present disclosure includes one or a plurality of monitoring devices that acquire functional unit information indicating a measurement result regarding the vehicle from a functional unit in a vehicle in which the vehicle is mounted, and a management device.
  • the monitoring device transmits the acquired function unit information to the management device via an external network, and the management device uses machine learning based on the plurality of function unit information received from one or more of the monitoring devices.
  • a failure of the vehicle in which the vehicle is mounted is predicted based on the learning model received from the management device.
  • the monitoring device includes an acquisition unit that acquires functional unit information indicating a measurement result regarding the vehicle from a functional unit in a vehicle in which the monitoring device is installed, and the functional unit information acquired by the acquisition unit.
  • an acquisition unit that acquires functional unit information indicating a measurement result regarding the vehicle from a functional unit in a vehicle in which the monitoring device is installed, and the functional unit information acquired by the acquisition unit.
  • a management device a learning model by machine learning created by the management device based on the plurality of functional unit information received from one or more monitoring devices, and acquired by the acquisition part.
  • a prediction unit that predicts a failure of the vehicle based on the new function unit information.
  • a vehicle failure prediction method of the present disclosure is a vehicle failure prediction method in a vehicle failure prediction system including one or a plurality of monitoring devices and a management device, wherein the monitoring device is used in a vehicle on which the vehicle is mounted.
  • the monitoring device based on the new functional unit information acquired from the functional unit in the vehicle in which the self is mounted, and the learning model received from the management device, Predicting a vehicle failure.
  • a vehicle failure prediction method is a vehicle failure prediction method in a monitoring device, comprising: acquiring functional unit information indicating a measurement result of the vehicle from a functional unit in a vehicle in which the monitoring device is mounted. A step of transmitting the acquired functional unit information to a management device; a learning model by machine learning created by the management device based on a plurality of the functional unit information received from one or a plurality of monitoring devices; Predicting a failure of the vehicle based on the acquired new functional unit information.
  • the vehicle failure prediction program is a vehicle failure prediction program used in a monitoring device, and is a functional unit information indicating a measurement result regarding the vehicle from a functional unit in a vehicle in which the monitoring device is installed. Based on a plurality of functional unit information received from one or a plurality of the monitoring devices, an acquisition unit that acquires the functional unit information that is acquired by the acquisition unit, and a transmission unit that transmits the functional unit information acquired by the acquisition unit to a management device. Is a program for functioning as a prediction unit that predicts a failure of the vehicle based on the learning model created by the machine learning and the new function unit information acquired by the acquisition unit.
  • One aspect of the present disclosure may be realized not only as a vehicle failure prediction system including such a characteristic processing unit but also as a program for causing a computer to execute such characteristic processing. Further, one aspect of the present disclosure can be realized as a semiconductor integrated circuit that realizes part or all of a vehicle failure prediction system.
  • one aspect of the present disclosure can be realized not only as a monitoring device including such a characteristic processing unit but also as a semiconductor integrated circuit that realizes part or all of the monitoring device.
  • FIG. 1 is a diagram showing a configuration of a vehicle failure prediction system according to an embodiment of the present invention.
  • FIG. 2 is a diagram showing the configuration of the monitoring device according to the embodiment of the present invention.
  • FIG. 3 is a diagram showing the configuration of the management apparatus according to the embodiment of the present invention.
  • FIG. 4 is a sequence diagram showing an example of the operation flow of each device related to the prediction processing in the vehicle failure prediction system according to the embodiment of the present invention.
  • FIG. 5 is a sequence diagram showing an operation flow of each device related to transmission of status information in the vehicle failure prediction system according to the embodiment of the present invention.
  • Non-Patent Document 1 With the technique described in Non-Patent Document 1, it is possible to detect an abnormality occurring in the vehicle, but it is difficult to predict the abnormality occurring in the vehicle in advance.
  • the present disclosure has been made in order to solve the above problems, and an object thereof is to use a device having a simple configuration to accurately predict a vehicle failure, a vehicle failure prediction system, a monitoring device, A vehicle failure prediction method and a vehicle failure prediction program.
  • a vehicle failure prediction system includes one or a plurality of monitoring devices that acquire functional unit information indicating a measurement result regarding the vehicle from a functional unit in a vehicle in which the vehicle is mounted, and a management device. And the monitoring device transmits the acquired functional unit information to the management device via an external network, and the management device is based on a plurality of the functional unit information received from one or a plurality of the monitoring devices. Then, a learning model by machine learning is created, and the created learning model is transmitted to one or more monitoring devices, and the monitoring device acquires the new model acquired from the functional unit in the vehicle on which the device is mounted. A failure of the vehicle in which the vehicle is mounted is predicted based on the functional unit information and the learning model received from the management device.
  • the configuration in which the monitoring device predicts a vehicle failure based on the functional unit information and the learning model allows the user to grasp the failure that will occur in the vehicle in advance.
  • the management device creates a learning model, so that the monitoring device can have a simple configuration. Further, when the management device creates a learning model using the functional unit information from the plurality of monitoring devices, it is possible to create a more accurate learning model by using the measurement results of the plurality of vehicles. Therefore, it is possible to accurately predict a vehicle failure by using a device having a simple configuration.
  • the monitoring device transmits a failure prediction result of the vehicle in which the monitoring device is mounted to the external network.
  • the management device can create a more accurate learning model using the prediction result of the monitoring device.
  • the monitoring device and the management device transmit and receive information via a terminal device in the vehicle in which the monitoring device is mounted.
  • the monitoring device With such a configuration, it is not necessary for the monitoring device to have a function for communicating with the management device via the external network, and thus the monitoring device can have a simpler configuration.
  • the vehicle failure prediction system further includes an external device which is provided in the external network and notifies a terminal device of a prediction result of the vehicle failure by the monitoring device.
  • the external device selectively notifies the specific terminal device of the prediction result.
  • a user who has a contract with the administrator of the external device in advance can selectively be notified of the prediction result by the monitoring device. It can be obtained by the administrator.
  • the monitoring device receives a transmission request for status information indicating the status of the vehicle in which the monitoring device is mounted, and notifies the transmission source of the transmission request of a prediction result of the failure of the vehicle.
  • the user can grasp the status of the vehicle at a desired timing regardless of the vehicle failure prediction result by the monitoring device.
  • a monitoring device is acquired by an acquisition unit that acquires functional unit information indicating a measurement result regarding the vehicle from a functional unit in a vehicle in which the monitoring device is mounted, and the acquisition unit.
  • a transmission unit for transmitting the functional unit information to a management device, a learning model by machine learning created by the management device based on a plurality of the functional unit information received from one or more monitoring devices, and And a prediction unit that predicts a failure of the vehicle based on the new functional unit information acquired by the acquisition unit.
  • the configuration in which the monitoring device predicts a vehicle failure based on the functional unit information and the learning model allows the user to grasp the failure that will occur in the vehicle in advance.
  • the management device creates a learning model, so that the monitoring device can have a simple configuration. Further, when the management device creates a learning model using the functional unit information from the plurality of monitoring devices, it is possible to create a more accurate learning model by using the measurement results of the plurality of vehicles. Therefore, it is possible to accurately predict a vehicle failure by using a device having a simple configuration.
  • a vehicle failure prediction method is a vehicle failure prediction method in a vehicle failure prediction system including one or a plurality of monitoring devices and a management device, wherein the monitoring device is A step of acquiring functional part information indicating a measurement result regarding the vehicle from a functional part of a vehicle to be mounted; a step in which the monitoring device transmits the acquired functional part information to the management device via an external network; A step in which the management device creates a learning model by machine learning based on the plurality of functional unit information received from one or more monitoring devices; and the management device creates one or more of the created learning models.
  • the monitoring device Based on the step of transmitting to the monitoring device, the monitoring device based on the new functional unit information acquired from the functional unit in the vehicle in which the self is mounted, and the learning model received from the management device. Predicting a failure of the vehicle in which the vehicle is mounted.
  • the method by which the monitoring device predicts a vehicle failure based on the functional unit information and the learning model allows the user to know in advance the failure that will occur in the vehicle.
  • the management device creates a learning model, so that the monitoring device can have a simple configuration.
  • the management device creates a learning model using the functional unit information from the plurality of monitoring devices, it is possible to create a more accurate learning model by using the measurement results of the plurality of vehicles. Therefore, it is possible to accurately predict a vehicle failure by using a device having a simple configuration.
  • a vehicle failure prediction method is a vehicle failure prediction method in a monitoring device, the functional unit information indicating a measurement result regarding the vehicle from a functional unit in a vehicle in which the monitoring device is mounted. And a step of transmitting the acquired functional unit information to a management device, and machine learning created by the management device based on a plurality of the functional unit information received from one or more of the monitoring devices. And a step of predicting a failure of the vehicle on the basis of the learning model according to 1. and the acquired new function unit information.
  • the method by which the monitoring device predicts a vehicle failure based on the functional unit information and the learning model allows the user to know in advance the failure that will occur in the vehicle.
  • the management device creates a learning model, so that the monitoring device can have a simple configuration.
  • the management device creates a learning model using the functional unit information from the plurality of monitoring devices, it is possible to create a more accurate learning model by using the measurement results of the plurality of vehicles. Therefore, it is possible to accurately predict a vehicle failure by using a device having a simple configuration.
  • a vehicle failure prediction program is a vehicle failure prediction program used in a monitoring device, in which a computer causes a measurement result of the vehicle from a functional unit in a vehicle in which the monitoring device is installed.
  • An acquisition unit that acquires the functional unit information indicating the functional unit information
  • a transmission unit that transmits the functional unit information acquired by the acquisition unit to a management device, and a plurality of the functional unit information received from one or a plurality of the monitoring devices.
  • the management device creates a learning model, so that the monitoring device can have a simple configuration. Further, when the management device creates a learning model using the functional unit information from the plurality of monitoring devices, it is possible to create a more accurate learning model by using the measurement results of the plurality of vehicles. Therefore, it is possible to accurately predict a vehicle failure by using a device having a simple configuration.
  • FIG. 1 is a diagram showing a configuration of a vehicle failure prediction system according to an embodiment of the present invention.
  • a vehicle failure prediction system 201 includes a monitoring device 101, one or more functional units 111, a terminal device 151, and a management device (external device) 171.
  • the monitoring device 101, the function unit 111, and the terminal device 151 are mounted on the vehicle 1.
  • the vehicle failure prediction system 201 may include a plurality of monitoring devices 101 and a plurality of terminal devices 151.
  • the plurality of monitoring devices 101 are mounted on the plurality of vehicles 1 respectively
  • the plurality of terminal devices 151 are mounted on the plurality of vehicles 1, respectively.
  • the terminal device 151 wirelessly communicates with the management device 171 via the external network 161 which is a network outside the vehicle 1 in accordance with the LTE (Long Term Evolution) or 5G (5th Generation) standard, for example. Further, the terminal device 151 performs wireless communication with the monitoring device 101 according to a standard such as Wi-Fi (registered trademark) or Bluetooth (registered trademark).
  • LTE Long Term Evolution
  • 5G 5th Generation
  • the monitoring device 101 and the management device 171 transmit and receive information via the terminal device 151 in the vehicle 1 corresponding to the monitoring device 101, for example. That is, the monitoring device 101 and the management device 171 perform transmission/reception of information via the terminal device 151 in the vehicle 1 in which the monitoring device 101 is mounted.
  • the functional unit 111 is, for example, an automatic driving ECU (Electronic Control Unit), a temperature sensor, an engine ECU, a navigation device, a camera, or the like.
  • Each functional unit 111 is connected to the monitoring apparatus 101 via, for example, a CAN bus 131 and a connector 132 conforming to the CAN standard.
  • the connector 132 is, for example, a connector conforming to the OBD (On-Board Diagnostic) II standard.
  • the monitoring device 101 and the functional unit 111 communicate using the CAN bus 131.
  • Various kinds of information are exchanged between the monitoring device 101 and the functional unit 111, for example, using a CAN frame which is a communication frame conforming to the CAN standard.
  • the monitoring device 101 and the function unit 111 may be configured to communicate using wireless communication such as Wi-Fi or Bluetooth.
  • the functional unit 111 creates functional unit information indicating the measurement result including the measured value and the measurement timing of the vehicle 1, and transmits the created functional unit information to the monitoring device 101. Specifically, when the functional unit 111 is, for example, a temperature sensor, the functional unit 111 transmits functional unit information indicating the measurement result of the indoor temperature of the vehicle 1 and the like. Further, if the functional unit 111 is, for example, an engine ECU, it transmits functional unit information indicating the measurement result of the engine speed in the vehicle 1 and the like.
  • the monitoring device 101 acquires the functional unit information from the functional unit 111, and performs a prediction process of predicting a failure of the vehicle 1 based on the acquired functional unit information and the learning model held by itself. Specifically, the monitoring device 101 may receive the functional unit information transmitted from the functional unit 111, for example, and the vehicle 1 may fail based on the waveform of the measured value indicated by the functional unit information. Prediction processing is performed to diagnose whether or not the vehicle 1 is likely to fail, and to predict when failure is likely to occur.
  • the monitoring device 101 can make a prediction such as “there is a high possibility that the vehicle 1 will break down after three months”.
  • the monitoring device 101 transmits the function unit information from the function unit 111 in the vehicle 1 corresponding to itself to the management device 171 via the external network 161. That is, the monitoring device 101 transmits the functional unit information from the functional unit 111 in the vehicle 1 in which the monitoring device 101 is mounted to the management device 171 via the external network 161. More specifically, the monitoring device 101 transmits the plurality of functional unit information used for the prediction process to the management device 171 via the terminal device 151 and the external network 161. The monitoring apparatus 101 also transmits the result of the prediction process to the management apparatus 171 via the external network 161.
  • the monitoring apparatus 101 creates post-processing information including a plurality of functional unit information used for the prediction processing and the result of the prediction processing, and uses the created post-processing information as the terminal device 151 and the external network. It transmits to the management apparatus 171 via 161.
  • the monitoring device 101 performs prediction processing as to whether or not a failure may occur in the vehicle 1 and, when there is a possibility that the vehicle 1 may fail, a prediction of a time when a failure is likely to occur. Instead of or in addition to these, the probability of failure of the vehicle 1 and the like may be predicted.
  • the terminal device 151 Upon receiving the post-processing information transmitted from the monitoring apparatus 101, the terminal device 151 transmits the post-processing information to the management apparatus 171.
  • the management device 171 receives the post-processing information transmitted from the monitoring device 101 via the terminal device 151 and the external network 161, and creates a learning model by machine learning based on the received post-processing information.
  • the management device 171 receives a plurality of pieces of post-processing information transmitted from one or a plurality of monitoring devices 101, and based on the plurality of pieces of post-processing information received, for example, as an example of machine learning, deep management is performed. Create a learning model according to the method of learning.
  • the management device 171 transmits the learning model information indicating the created learning model to the monitoring device 101 via the external network 161 and the terminal device 151.
  • the terminal device 151 Upon receiving the learning model information transmitted from the management device 171, via the external network 161, the terminal device 151 transmits the learning model information to the monitoring device 101.
  • the monitoring device 101 receives the learning model information transmitted from the terminal device 151 and holds the learning model indicated by the received learning model information. If the learning model is already held, the monitoring device 101 updates the held learning model. Then, after the learning model is updated, the monitoring device 101 performs the above-described prediction process using the new functional unit information acquired from the functional unit 111 and the latest learning model.
  • the function unit 111 may be configured to diagnose whether or not a failure has occurred in the vehicle 1.
  • the functional unit 111 measures the current and voltage flowing through the CAN bus 131 and diagnoses whether or not a failure has occurred in itself or other equipment connected to itself based on the measurement result. .. Then, the functional unit 111 transmits the functional unit information indicating the measurement result and the diagnosis result to the monitoring device 101.
  • the monitoring device 101 receives the plurality of functional unit information transmitted from the functional unit 111, and based on the received plural functional unit information and the learning model, for example, the waveform of the measurement value by the functional unit 111, that is, the functional unit. Prediction processing is performed by analyzing the time series changes of the current and voltage measured by 111.
  • the monitoring apparatus 101 also transmits, for example, a plurality of functional unit information used for the prediction processing and post-processing information including the result of the prediction processing to the management apparatus 171 via the terminal device 151 and the external network 161.
  • the management device 171 receives the post-processing information transmitted from the monitoring device 101 via the terminal device 151 and the external network 161, and creates a learning model based on the received post-processing information. At this time, the management device 171 uses the diagnosis result indicated by the plurality of functional unit information corresponding to each measurement result, in addition to the measurement result indicated by the plurality of functional unit information, so that the learning model with higher accuracy is obtained. Can be created.
  • the management device 171 transmits the learning model information indicating the created learning model to the monitoring device 101 via the external network 161 and the terminal device 151.
  • the monitoring device 101 receives the learning model information transmitted from the management device 171 via the external network 161 and the terminal device 151, and performs a prediction process based on the learning model indicated by the received learning model information. As described above, since a more accurate learning model is created in the management device 171, the accuracy of the prediction process in the monitoring device 101 can be further improved.
  • the prediction process performed by the monitoring device 101 indicates that “the vehicle 1 will be used after three months. It is possible to obtain a prediction result such as “there is a high possibility that a failure will occur”.
  • FIG. 2 is a diagram showing the configuration of the monitoring device according to the embodiment of the present invention.
  • the monitoring device 101 includes an in-vehicle communication unit (acquisition unit) 11, a prediction unit 12, a storage unit 13, and an outside-vehicle communication unit (transmission unit) 14.
  • acquisition unit acquisition unit
  • prediction unit prediction unit
  • storage unit storage unit
  • transmission unit outside-vehicle communication unit
  • the predicting unit 12 transmits a functional unit information request for requesting functional unit information to the functional unit 111 via the in-vehicle communication unit 11 on a regular or irregular basis, for example.
  • the in-vehicle communication unit 11 receives the functional unit information transmitted from the functional unit 111, and stores the received functional unit information in the storage unit 13.
  • the storage unit 13 is, for example, a non-volatile memory.
  • the prediction unit 12 predicts the vehicle 1 based on the functional unit information acquired by the in-vehicle communication unit 11, that is, the functional unit information stored in the storage unit 13 and the learning model created by the management device 171. Perform processing.
  • the prediction unit 12 analyzes, for example, a plurality of functional unit information stored in the storage unit 13 of measurement values indicated by the functional unit information, removes noise and the like, time synchronization processing, and missing data. Pre-processing such as complementing is performed for each functional unit 111. In addition, the prediction unit 12 performs, for example, a vectorization process of arranging a plurality of preprocessed functional unit information in time series based on the measurement timing indicated by the plurality of functional unit information, for each functional unit 111. To do.
  • the prediction unit 12 analyzes the time series change of the measurement value using the plurality of functional unit information after performing the preprocessing and the vectorization processing and the learning model stored in the storage unit 13. The prediction process is performed by.
  • the prediction unit 12 creates post-processing information including a plurality of functional unit information used for the prediction process and the result of the prediction process, and outputs the created post-processing information to the vehicle exterior communication unit 14.
  • the prediction unit 12 also stores the processed information in the storage unit 13.
  • the external communication unit 14 receives the post-processing information output from the prediction unit 12, and transmits the post-processing information to the management device 171 via the terminal device 151 and the external network 161.
  • the outside-vehicle communication unit 14 may be configured to transmit the post-processing information to the management device 171 via the external network 161 without passing through the terminal device 151.
  • the vehicle exterior communication unit 14 receives the learning model information transmitted from the management device 171 via the external network 161 and the terminal device 151, and stores the learning model indicated by the received learning model information in the storage unit 13.
  • the prediction unit 12 is configured to transmit post-processing information that includes the measurement result and does not include the result of the prediction process by itself to the management device 171 via the vehicle exterior communication unit 14, the terminal device 151, and the external network 161. May be.
  • the prediction unit 12 may also transmit the result of the prediction process to a device other than the management device 171 in the external network 161 via the vehicle exterior communication unit 14. For example, the prediction unit 12 may notify the result of the prediction process to a terminal device provided outside the vehicle 1.
  • the terminal device 151 shown in FIG. 1 transmits to the monitoring device 101 a status information request, which is a request to send status information indicating the status of the vehicle 1, in accordance with a user operation, for example.
  • the monitoring device 101 receives the status information request from the terminal device 151 and notifies the terminal device 151 of the prediction result of the failure of the vehicle 1.
  • the vehicle exterior communication unit 14 of the monitoring device 101 receives the status information request transmitted from the terminal device 151 and outputs the received status information request to the prediction unit 12.
  • the prediction unit 12 In response to the status information request output from the vehicle exterior communication unit 14, the prediction unit 12 refers to, for example, the post-processing information stored in the storage unit 13 and indicates the result of the prediction process indicated by the latest post-processing information. Create status information. Then, the prediction unit 12 outputs the created situation information to the communication unit 14 outside the vehicle.
  • the external communication unit 14 receives the status information output from the prediction unit 12, and transmits the status information to the terminal device 151 that is the transmission source of the status information request.
  • the terminal device 151 receives the status information transmitted from the monitoring device 101 and, for example, displays the content of the received status information on its own screen.
  • the device to which the status information is transmitted may be a terminal device provided outside the vehicle 1, which is different from the terminal device 151.
  • the monitoring device 101 may be configured not to create and transmit status information.
  • FIG. 3 is a diagram showing the configuration of the management apparatus according to the embodiment of the present invention.
  • the management device 171 includes a communication unit 31, a model creation unit 32, a management unit 33, and a storage unit 34.
  • the communication unit 31 receives a plurality of processed information transmitted from one or a plurality of monitoring devices 101 via the external network 161, and stores the received plurality of processed information in the storage unit 34.
  • the storage unit 34 is, for example, a non-volatile memory.
  • the model creation unit 32 creates or updates a learning model on a regular or irregular basis, for example, based on a plurality of pieces of post-processing information stored in the storage unit 34.
  • the post-processing information that can be used for the learning model that is, the post-processing information accumulated in the storage unit 34 increases with time. Therefore, the learning model created by the model creating unit 32 is likely to be improved in accuracy each time it is updated.
  • the model creating unit 32 transmits, for example, learning model information indicating the created or updated learning model to the one or more terminal devices 151 via the communication unit 31 and the external network 161.
  • the learning model information may further indicate that the learning model has been created or updated.
  • the terminal device 151 receives the learning model information transmitted from the management device 171 via the external network 161, and transmits the learning model information to the monitoring device 101.
  • the one or more terminal devices 151 that are the senders of the post-processing information and the one or more terminal devices 151 that are the recipients of the learning model information may be the same, or some or all of them may be the same. May be different.
  • the communication unit 31 may be configured to transmit the learning model information to the monitoring device 101 via the external network 161 without passing through the terminal device 151.
  • the management device 171 notifies the terminal device 151 of the prediction result of the failure of the vehicle 1 by the monitoring device 101.
  • the post-processing information from the monitoring device 101 includes, for example, the identification information of the monitoring device 101 that is the transmission source.
  • the management unit 33 manages the post-processing information for each monitoring device 101 based on the identification information included in each of the plurality of post-processing information stored in the storage unit 34, and diagnoses the latest post-processing information. Is selectively notified to the corresponding specific monitoring apparatus 101.
  • the identification information of the terminal device 151 corresponding to 101 is registered.
  • the management unit 33 refers to the post-processing information stored in the storage unit 34 regularly or irregularly, and determines that the post-processing information including the identification information of the contract monitoring apparatus 101 is within a predetermined period of 3 months or the like.
  • the warning information indicating the content of the post-processing information is transmitted to the terminal device 151 corresponding to the contract monitoring device 101 via the communication unit 31.
  • the predetermined period can be set by the user.
  • the terminal device 151 When the terminal device 151 receives the warning information transmitted from the management device 171, via the external network 161, for example, the content of the received warning information is displayed on its own screen.
  • the destination of the warning information may be a terminal device provided outside the vehicle 1, which is different from the terminal device 151 in the vehicle 1.
  • the identification information of the terminal devices other than the terminal device 151 corresponding to the contract monitoring device 101 is registered.
  • the management device 171 may be configured to transmit the warning information to the terminal device 151 corresponding to the monitoring device 101 regardless of whether the monitoring device 101 is a contract monitoring device.
  • the management device 171 may be configured not to transmit the warning information.
  • an external device other than the management device 171 in the external network 161 may transmit the warning information to the terminal device 151.
  • the management unit 33 of the management apparatus 171 performs the post-processing.
  • the information and the destination information indicating the identification information of the terminal device 151 corresponding to the contract monitoring device 101 are transmitted to the external device via the communication unit 31.
  • the external device receives the post-processing information and the transmission destination information transmitted from the management device 171, and transmits the warning information indicating the content of the post-processing information to the terminal device 151 indicated by the transmission destination information.
  • Each device in the vehicle failure prediction system 201 includes a computer, and an arithmetic processing unit such as a CPU in the computer reads out a program including some or all of the steps of the following sequence diagram from a memory (not shown) and executes the program. ..
  • the programs of these plural devices can be installed from the outside. The programs of these plural devices are distributed in a state of being stored in a recording medium.
  • FIG. 4 is a sequence diagram showing an example of the operation flow of each device related to the prediction processing in the vehicle failure prediction system according to the embodiment of the present invention.
  • FIG. 4 shows an operation flow of one functional unit 111, one monitoring device 101, one terminal device 151, and the management device 171.
  • the monitoring apparatus 101 already holds the learning model created by the management apparatus 171.
  • the monitoring apparatus 101 transmits a functional unit information request to the functional unit 111 (step S11).
  • the functional unit 111 receives the functional unit information request from the monitoring device 101 and transmits the functional unit information to the monitoring device 101 (step S12).
  • the monitoring device 101 performs a prediction process for predicting a failure of the vehicle 1 based on the functional unit information received from the functional unit 111 and the latest learning model held by itself (step S13).
  • the monitoring apparatus 101 transmits the functional unit information used for the prediction processing and the post-processing information indicating the result of the prediction processing to the terminal device 151 (step S14).
  • the terminal device 151 receives the post-processing information from the monitoring device 101 and transmits the post-processing information to the management device 171 (step S15).
  • the operations from step S11 to step S15 are repeated regularly or irregularly.
  • the management device 171 stores a plurality of pieces of post-processing information.
  • the latest post-processing information received by the management device 171 indicates that there is little possibility that the vehicle 1 will malfunction, or that there will be a possibility that the vehicle 1 will malfunction at a time that exceeds a predetermined period. It is shown. In this case, the management device 171 does not create or transmit the warning information.
  • the management device 171 creates and updates the learning model used for the prediction process using the accumulated plurality of post-processing information (step S16).
  • the management device 171 transmits learning model information indicating the latest learning model to the terminal device 151 (step S17).
  • the terminal device 151 receives the learning model information from the management device 171, and transmits the learning model information to the monitoring device 101 (step S18).
  • the monitoring device 101 receives the learning model information from the terminal device 151 and updates the learning model held by itself to the latest learning model based on the learning model information (step S19).
  • the operations from step S16 to step S19 are repeated regularly or irregularly.
  • the monitoring apparatus 101 transmits a functional unit information request to the functional unit 111 (step S20).
  • the functional unit 111 receives the functional unit information request from the monitoring device 101 and transmits the functional unit information to the monitoring device 101 (step S21).
  • the monitoring device 101 performs a prediction process of predicting a failure of the vehicle 1 based on the functional unit information received from the functional unit 111 and the latest learning model indicated by the learning model information transmitted from the management device 171. (Step S22).
  • the monitoring apparatus 101 transmits the functional unit information used for the prediction processing and the post-processing information indicating the result of the prediction processing to the terminal device 151 (step S23).
  • the terminal device 151 receives the post-processing information from the monitoring device 101 and transmits the post-processing information to the management device 171 (step S24).
  • the management device 171 creates and updates the learning model used for the prediction process using the accumulated plurality of post-processing information (step S25).
  • the management device 171 transmits learning model information indicating the latest learning model to the terminal device 151 (step S26).
  • the terminal device 151 receives the learning model information from the management device 171, and transmits the learning model information to the monitoring device 101 (step S27).
  • the monitoring device 101 receives the learning model information from the terminal device 151, and updates the learning model held by itself to the latest learning model based on the learning model information (step S28).
  • the management device 171 transmits the warning information to the terminal device 151 based on the post-processing information (step S29).
  • the terminal device 151 receives the warning information from the management device 171, and, for example, displays the content of the warning information on its own screen (step S30).
  • the transmission of the warning information by the management device 171 (step S29) and the display of the contents of the warning information by the terminal device 151 (step S30) are performed by the transmission of the post-processing information from the terminal device 151 to the management device 171 (step S24). It may be performed at any later timing.
  • the monitoring device 101 may create warning information based on the post-processing information and send the created warning information to the terminal device 151 instead of the management device 171.
  • FIG. 5 is a sequence diagram showing an operation flow of each device related to transmission of status information in the vehicle failure prediction system according to the embodiment of the present invention.
  • the terminal device 151 transmits a status information request to the monitoring device 101 in accordance with a user operation (step S31).
  • the monitoring device 101 receives the status information request from the terminal device 151, refers to the plurality of post-processing information held by itself, and indicates, for example, the result of the prediction process included in the latest post-processing information.
  • Situation information is created (step S32).
  • the monitoring device 101 transmits the created status information to the terminal device 151 (step S33).
  • the terminal device 151 receives the status information from the monitoring device 101 and, for example, displays the contents of the status information on its own screen (step S34).
  • the transmission of the warning information from the management device 171 to the terminal device 151 is performed when there is a possibility that the vehicle 1 will break down within a predetermined period. Therefore, for example, when there is a possibility that the vehicle 1 will break down after a predetermined period such as four months later, the warning information is not transmitted to the terminal device 151.
  • the transmission of the status information from the monitoring device 101 to the terminal device 151 determines whether or not there is a possibility that the vehicle 1 will fail, and there is a high possibility that the vehicle 1 will fail. It is performed in response to the reception of the status information request (step S31 shown in FIG. 5) regardless of the time. Therefore, the user can grasp the detailed situation of the vehicle 1.
  • Non-Patent Document 1 By the way, with the technique described in Non-Patent Document 1, it is possible to detect an abnormality occurring in the vehicle, but it is difficult to predict the abnormality occurring in the vehicle in advance.
  • the one or more monitoring devices 101 include the functional unit 111 in the vehicle 1 in which the monitoring device 101 is mounted and the functional unit that indicates the measurement result regarding the vehicle 1. Get information.
  • the monitoring apparatus 101 also transmits the acquired functional unit information to the management apparatus 171 via the external network 161.
  • the management device 171 creates a learning model by machine learning based on a plurality of functional unit information received from one or a plurality of monitoring devices 101, and transmits the created learning model to one or a plurality of monitoring devices 101.
  • the monitoring apparatus 101 predicts a failure of the vehicle 1 in which the vehicle is mounted, based on the new functional section information acquired from the function section 111 in the vehicle 1 in which the vehicle is mounted and the learning model received from the management apparatus 171. .
  • the management device 171 creates a learning model, so that the monitoring device 101 can have a simple configuration. Further, when the management device 171 creates a learning model by using the functional unit information from the plurality of monitoring devices 101, it is possible to create a more accurate learning model by using the measurement results of the plurality of vehicles 1.
  • the vehicle failure prediction system 201 it is possible to accurately predict the failure of the vehicle 1 by using a device having a simple configuration.
  • the monitoring apparatus 101 transmits the failure prediction result of the vehicle 1 in which the monitoring apparatus 101 is mounted to the external network 161.
  • the management device 171 creates a more accurate learning model using the prediction result of the monitoring device 101. be able to.
  • the monitoring device 101 and the management device 171 perform transmission/reception of information via the terminal device 151 in the vehicle 1 in which the monitoring device 101 is mounted.
  • the monitoring device 101 since the monitoring device 101 does not need to have a function for communicating with the management device 171 via the external network 161, the monitoring device 101 can have a simpler configuration.
  • the external device provided in the external network 161 notifies the terminal device of the prediction result of the failure of the vehicle 1 by the monitoring device 101.
  • the external device selectively notifies the prediction result to a specific terminal device.
  • the monitoring device 101 receives the request for transmitting the status information indicating the status of the vehicle 1 on which the monitoring apparatus 101 is mounted, and predicts the failure of the vehicle 1. Is notified to the sender of the transmission request.
  • the user can grasp the situation of the vehicle 1 at a desired timing regardless of the failure prediction result of the vehicle 1 by the monitoring device 101.
  • the in-vehicle communication unit 11 acquires the functional unit information indicating the measurement result regarding the vehicle 1 from the functional unit 111 in the vehicle 1 in which the monitoring device 101 is mounted.
  • the vehicle exterior communication unit 14 transmits the functional unit information acquired by the vehicle interior communication unit 11 to the management device 171.
  • the prediction unit 12 is a learning model by machine learning created by the management device 171 based on a plurality of functional unit information received from one or a plurality of monitoring devices 101, and a new functional unit acquired by the in-vehicle communication unit 11. The failure of the vehicle 1 is predicted based on the information.
  • the management device 171 creates a learning model, so that the monitoring device 101 can have a simple configuration. Further, when the management device 171 creates a learning model by using the functional unit information from the plurality of monitoring devices 101, it is possible to create a more accurate learning model by using the measurement results of the plurality of vehicles 1.
  • the monitoring device 101 it is possible to accurately predict the failure of the vehicle 1 by using a device having a simple configuration.
  • the monitoring device 101 acquires the functional unit information indicating the measurement result regarding the vehicle 1 from the functional unit 111 in the vehicle 1 in which the monitoring device 101 is mounted.
  • the monitoring device transmits the acquired functional unit information to the management device 171 via the external network 161.
  • the management device 171 creates a learning model by machine learning based on a plurality of functional unit information received from one or a plurality of monitoring devices 101.
  • the management device 171 sends the created learning model to one or more monitoring devices 101.
  • the monitoring device 101 breaks down the vehicle 1 on which it is mounted based on the new function part information acquired from the function part 111 of the vehicle 1 on which it is installed and the learning model received from the management device 171. Predict.
  • the management device 171 creates a learning model, so that the monitoring device 101 can have a simple configuration. Further, when the management device 171 creates a learning model by using the functional unit information from the plurality of monitoring devices 101, it is possible to create a more accurate learning model by using the measurement results of the plurality of vehicles 1.
  • the in-vehicle communication unit 11 acquires the functional unit information indicating the measurement result regarding the vehicle 1 from the functional unit 111 in the vehicle 1 in which the monitoring device 101 is mounted. To do.
  • the vehicle exterior communication unit 14 transmits the functional unit information acquired by the vehicle interior communication unit 11 to the management device 171.
  • the prediction unit 12 creates a learning model by machine learning created by the management device 171 based on a plurality of functional unit information received from one or a plurality of monitoring devices 101, and a new model acquired by the in-vehicle communication unit 11. The failure of the vehicle 1 is predicted based on the information on the functional units.
  • the management device 171 creates a learning model, so that the monitoring device 101 can have a simple configuration. Further, when the management device 171 creates a learning model by using the functional unit information from the plurality of monitoring devices 101, it is possible to create a more accurate learning model by using the measurement results of the plurality of vehicles 1.
  • One or a plurality of monitoring devices each of which acquires functional unit information indicating a measurement result regarding the vehicle from a functional unit in the vehicle corresponding to itself;
  • the monitoring device transmits the acquired functional unit information to the management device via an external network,
  • the management device creates a learning model by machine learning based on the plurality of functional unit information received from one or more monitoring devices, and transmits the created learning model to one or more monitoring devices.
  • the monitoring device predicts a failure of the vehicle corresponding to itself based on the new functional part information acquired from the functional part of the vehicle corresponding to the self and the learning model received from the management device.
  • the functional unit diagnoses whether or not a failure has occurred in itself or another device connected to itself, and transmits the functional unit information further indicating a diagnostic result to the monitoring device,
  • a vehicle failure prediction system wherein the monitoring device is provided in the vehicle, and predicts a failure of the vehicle based on a time series change of the measurement result indicated by the functional unit information and the learning model.
  • a monitoring device An acquisition unit that acquires functional unit information indicating a measurement result regarding the vehicle from a functional unit in the vehicle, A transmission unit that transmits the functional unit information acquired by the acquisition unit to a management device; Based on the learning model by machine learning created by the management device based on the plurality of functional unit information received from one or more monitoring devices, and the new functional unit information acquired by the acquisition unit.
  • a prediction unit that predicts a failure of the vehicle
  • the monitoring device is provided in the vehicle,
  • the functional unit diagnoses whether or not a failure has occurred in itself or another device connected to itself, and transmits the functional unit information further indicating a diagnostic result to the monitoring device,
  • the predicting unit predicts a failure of the vehicle based on a time series change of the measurement result indicated by the functional unit information and the learning model,
  • the said prediction part is a monitoring device which can notify the prediction result of the failure of the said vehicle to a terminal device.

Landscapes

  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Software Systems (AREA)
  • Evolutionary Computation (AREA)
  • Artificial Intelligence (AREA)
  • Data Mining & Analysis (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Medical Informatics (AREA)
  • Mechanical Engineering (AREA)
  • Computational Linguistics (AREA)
  • Small-Scale Networks (AREA)
  • Debugging And Monitoring (AREA)
  • Testing And Monitoring For Control Systems (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

車両故障予測システムは、自己が搭載される車両における機能部から前記車両に関する計測結果を示す機能部情報を取得する１または複数の監視装置と、管理装置とを備え、前記監視装置は、取得した前記機能部情報を外部ネットワーク経由で前記管理装置へ送信し、前記管理装置は、１または複数の前記監視装置から受信した複数の前記機能部情報に基づいて、機械学習による学習モデルを作成し、作成した前記学習モデルを１または複数の前記監視装置へ送信し、前記監視装置は、自己が搭載される前記車両における前記機能部から取得した新たな前記機能部情報、および前記管理装置から受信した前記学習モデルに基づいて、自己が搭載される前記車両の故障を予測する。

Description

車両故障予測システム、監視装置、車両故障予測方法および車両故障予測プログラム
　本発明は、車両故障予測システム、監視装置、車両故障予測方法および車両故障予測プログラムに関する。
　この出願は、２０１８年１１月２７日に出願された日本出願特願２０１８－２２１２６１号を基礎とする優先権を主張し、その開示のすべてをここに取り込む。
　“車載ネットワークでのサイバー攻撃を検知する技術を開発：富士通”、［ｏｎｌｉｎｅ］、［平成３０年１１月１９日検索］、インターネット〈ＵＲＬ：ｈｔｔｐ：／／ｐｒ．ｆｕｊｉｔｓｕ．ｃｏｍ／ｊｐ／ｎｅｗｓ／２０１８／０１／２４－１．ｈｔｍｌ〉（非特許文献１）には、ＣＡＮ（Ｃｏｎｔｒｏｌｌｅｒ　Ａｒｅａ　Ｎｅｔｗｏｒｋ）（登録商標）の規格に従うメッセージの受信周期を学習し、学習した周期に対応するメッセージの受信数と実際の受信数とのずれを利用して、車載ネットワークでのサイバー攻撃を検知する技術が開示されている。
"車載ネットワークでのサイバー攻撃を検知する技術を開発：富士通"、［ｏｎｌｉｎｅ］、［平成３０年１１月１９日検索］、インターネット〈ＵＲＬ：ｈｔｔｐ：／／ｐｒ．ｆｕｊｉｔｓｕ．ｃｏｍ／ｊｐ／ｎｅｗｓ／２０１８／０１／２４－１．ｈｔｍｌ〉
　（１）本開示の車両故障予測システムは、自己が搭載される車両における機能部から前記車両に関する計測結果を示す機能部情報を取得する１または複数の監視装置と、管理装置とを備え、前記監視装置は、取得した前記機能部情報を外部ネットワーク経由で前記管理装置へ送信し、前記管理装置は、１または複数の前記監視装置から受信した複数の前記機能部情報に基づいて、機械学習による学習モデルを作成し、作成した前記学習モデルを１または複数の前記監視装置へ送信し、前記監視装置は、自己が搭載される前記車両における前記機能部から取得した新たな前記機能部情報、および前記管理装置から受信した前記学習モデルに基づいて、自己が搭載される前記車両の故障を予測する。
　（７）本開示の監視装置は、前記監視装置が搭載される車両における機能部から前記車両に関する計測結果を示す機能部情報を取得する取得部と、前記取得部により取得された前記機能部情報を管理装置へ送信する送信部と、１または複数の前記監視装置から受信した複数の前記機能部情報に基づいて前記管理装置により作成された、機械学習による学習モデル、および前記取得部により取得された新たな前記機能部情報に基づいて、前記車両の故障を予測する予測部とを備える。
　（８）本開示の車両故障予測方法は、１または複数の監視装置と、管理装置とを備える車両故障予測システムにおける車両故障予測方法であって、前記監視装置が、自己が搭載される車両における機能部から前記車両に関する計測結果を示す機能部情報を取得するステップと、前記監視装置が、取得した前記機能部情報を外部ネットワーク経由で前記管理装置へ送信するステップと、前記管理装置が、１または複数の前記監視装置から受信した複数の前記機能部情報に基づいて、機械学習による学習モデルを作成するステップと、前記管理装置が、作成した前記学習モデルを１または複数の前記監視装置へ送信するステップと、前記監視装置が、自己が搭載される前記車両における前記機能部から取得した新たな前記機能部情報、および前記管理装置から受信した前記学習モデルに基づいて、自己が搭載される前記車両の故障を予測するステップとを含む。
　（９）本開示の車両故障予測方法は、監視装置における車両故障予測方法であって、前記監視装置が搭載される車両における機能部から前記車両に関する計測結果を示す機能部情報を取得するステップと、取得した前記機能部情報を管理装置へ送信するステップと、１または複数の前記監視装置から受信した複数の前記機能部情報に基づいて前記管理装置により作成された、機械学習による学習モデル、および取得した新たな前記機能部情報に基づいて、前記車両の故障を予測するステップとを含む。
　（１０）本開示の車両故障予測プログラムは、監視装置において用いられる車両故障予測プログラムであって、コンピュータを、前記監視装置が搭載される車両における機能部から前記車両に関する計測結果を示す機能部情報を取得する取得部と、前記取得部により取得された前記機能部情報を管理装置へ送信する送信部と、１または複数の前記監視装置から受信した複数の前記機能部情報に基づいて前記管理装置により作成された、機械学習による学習モデル、および前記取得部により取得された新たな前記機能部情報に基づいて、前記車両の故障を予測する予測部、として機能させるためのプログラムである。
　本開示の一態様は、このような特徴的な処理部を備える車両故障予測システムとして実現され得るだけでなく、かかる特徴的な処理をコンピュータに実行させるためのプログラムとして実現され得る。また、本開示の一態様は、車両故障予測システムの一部または全部を実現する半導体集積回路として実現され得る。
　また、本開示の一態様は、このような特徴的な処理部を備える監視装置として実現され得るだけでなく、監視装置の一部または全部を実現する半導体集積回路として実現され得る。
図１は、本発明の実施の形態に係る車両故障予測システムの構成を示す図である。 図２は、本発明の実施の形態に係る監視装置の構成を示す図である。 図３は、本発明の実施の形態に係る管理装置の構成を示す図である。 図４は、本発明の実施の形態に係る車両故障予測システムにおける予測処理に関連する各装置の動作の流れの一例を示すシーケンス図である。 図５は、本発明の実施の形態に係る車両故障予測システムにおける状況情報の送信に関連する各装置の動作の流れを示すシーケンス図である。
　従来、車載ネットワークにおいて生じている異常を検知するための技術が開発されている。
　［本開示が解決しようとする課題］
　非特許文献１に記載の技術では、車両に生じている異常を検知することは可能であるが、車両に生じる異常を事前に予測することは困難である。
　本開示は、上述の課題を解決するためになされたもので、その目的は、簡易な構成の装置を用いて、車両の故障の予測を精度良く行うことができる車両故障予測システム、監視装置、車両故障予測方法および車両故障予測プログラムを提供することである。
　［本開示の効果］
　本開示によれば、簡易な構成の装置を用いて、車両の故障の予測を精度良く行うことができる。
　［本願発明の実施形態の説明］
　最初に、本発明の実施形態の内容を列記して説明する。
　（１）本発明の実施の形態に係る車両故障予測システムは、自己が搭載される車両における機能部から前記車両に関する計測結果を示す機能部情報を取得する１または複数の監視装置と、管理装置とを備え、前記監視装置は、取得した前記機能部情報を外部ネットワーク経由で前記管理装置へ送信し、前記管理装置は、１または複数の前記監視装置から受信した複数の前記機能部情報に基づいて、機械学習による学習モデルを作成し、作成した前記学習モデルを１または複数の前記監視装置へ送信し、前記監視装置は、自己が搭載される前記車両における前記機能部から取得した新たな前記機能部情報、および前記管理装置から受信した前記学習モデルに基づいて、自己が搭載される前記車両の故障を予測する。
　このように、監視装置が機能部情報および学習モデルに基づいて車両の故障を予測する構成により、ユーザにおいて、車両に生じる故障を事前に把握することができる。また、管理装置が学習モデルを作成することにより、監視装置を簡易な構成とすることができる。また、管理装置が複数の監視装置からの機能部情報を用いて学習モデルを作成する場合、複数の車両における計測結果を用いて、より精度の高い学習モデルを作成することができる。したがって、簡易な構成の装置を用いて、車両の故障の予測を精度良く行うことができる。
　（２）好ましくは、前記監視装置は、自己が搭載される前記車両の故障の予測結果を前記外部ネットワークへ送信する。
　このような構成により、たとえば、監視装置が車両の故障の予測結果を管理装置へ送信する場合、管理装置において、監視装置による予測結果を用いたより精度の高い学習モデルを作成することができる。
　（３）好ましくは、前記監視装置および前記管理装置は、前記監視装置が搭載される前記車両における端末装置を介して情報の送受信を行う。
　このような構成により、外部ネットワークを介した管理装置との通信を行うための機能を監視装置が備える必要がないため、監視装置をより簡易な構成にすることができる。
　（４）好ましくは、前記車両故障予測システムは、さらに、前記外部ネットワークに設けられ、前記監視装置による前記車両の故障の予測結果を端末装置に通知する外部装置を備える。
　このような構成により、端末装置を所有するユーザへ監視装置による予測結果を通知可能な利便性の高いシステムを実現することができる。
　（５）より好ましくは、前記外部装置は、前記予測結果を特定の端末装置に選択的に通知する。
　このような構成により、たとえば、外部装置の管理者と事前に契約を行っているユーザへ選択的に監視装置による予測結果を通知することができるため、予測結果を通知するサービスに対する対価等を当該管理者において得ることができる。
　（６）好ましくは、前記監視装置は、自己が搭載される前記車両の状況を示す状況情報の送信要求を受信して、前記車両の故障の予測結果を前記送信要求の送信元に通知する。
　このような構成により、監視装置による車両の故障の予測結果に関わらず、ユーザにおいて所望のタイミングで車両の状況を把握することができる。
　（７）本発明の実施の形態に係る監視装置は、前記監視装置が搭載される車両における機能部から前記車両に関する計測結果を示す機能部情報を取得する取得部と、前記取得部により取得された前記機能部情報を管理装置へ送信する送信部と、１または複数の前記監視装置から受信した複数の前記機能部情報に基づいて前記管理装置により作成された、機械学習による学習モデル、および前記取得部により取得された新たな前記機能部情報に基づいて、前記車両の故障を予測する予測部とを備える。
　このように、監視装置が機能部情報および学習モデルに基づいて車両の故障を予測する構成により、ユーザにおいて、車両に生じる故障を事前に把握することができる。また、管理装置が学習モデルを作成することにより、監視装置を簡易な構成とすることができる。また、管理装置が複数の監視装置からの機能部情報を用いて学習モデルを作成する場合、複数の車両における計測結果を用いて、より精度の高い学習モデルを作成することができる。したがって、簡易な構成の装置を用いて、車両の故障の予測を精度良く行うことができる。
　（８）本発明の実施の形態に係る車両故障予測方法は、１または複数の監視装置と、管理装置とを備える車両故障予測システムにおける車両故障予測方法であって、前記監視装置が、自己が搭載される車両における機能部から前記車両に関する計測結果を示す機能部情報を取得するステップと、前記監視装置が、取得した前記機能部情報を外部ネットワーク経由で前記管理装置へ送信するステップと、前記管理装置が、１または複数の前記監視装置から受信した複数の前記機能部情報に基づいて、機械学習による学習モデルを作成するステップと、前記管理装置が、作成した前記学習モデルを１または複数の前記監視装置へ送信するステップと、前記監視装置が、自己が搭載される前記車両における前記機能部から取得した新たな前記機能部情報、および前記管理装置から受信した前記学習モデルに基づいて、自己が搭載される前記車両の故障を予測するステップとを含む。
　このように、監視装置が機能部情報および学習モデルに基づいて車両の故障を予測する方法により、ユーザにおいて、車両に生じる故障を事前に把握することができる。また、管理装置が学習モデルを作成することにより、監視装置を簡易な構成とすることができる。また、管理装置が複数の監視装置からの機能部情報を用いて学習モデルを作成する場合、複数の車両における計測結果を用いて、より精度の高い学習モデルを作成することができる。したがって、簡易な構成の装置を用いて、車両の故障の予測を精度良く行うことができる。
　（９）本発明の実施の形態に係る車両故障予測方法は、監視装置における車両故障予測方法であって、前記監視装置が搭載される車両における機能部から前記車両に関する計測結果を示す機能部情報を取得するステップと、取得した前記機能部情報を管理装置へ送信するステップと、１または複数の前記監視装置から受信した複数の前記機能部情報に基づいて前記管理装置により作成された、機械学習による学習モデル、および取得した新たな前記機能部情報に基づいて、前記車両の故障を予測するステップとを含む。
　このように、監視装置が機能部情報および学習モデルに基づいて車両の故障を予測する方法により、ユーザにおいて、車両に生じる故障を事前に把握することができる。また、管理装置が学習モデルを作成することにより、監視装置を簡易な構成とすることができる。また、管理装置が複数の監視装置からの機能部情報を用いて学習モデルを作成する場合、複数の車両における計測結果を用いて、より精度の高い学習モデルを作成することができる。したがって、簡易な構成の装置を用いて、車両の故障の予測を精度良く行うことができる。
　（１０）本発明の実施の形態に係る車両故障予測プログラムは、監視装置において用いられる車両故障予測プログラムであって、コンピュータを、前記監視装置が搭載される車両における機能部から前記車両に関する計測結果を示す機能部情報を取得する取得部と、前記取得部により取得された前記機能部情報を管理装置へ送信する送信部と、１または複数の前記監視装置から受信した複数の前記機能部情報に基づいて前記管理装置により作成された、機械学習による学習モデル、および前記取得部により取得された新たな前記機能部情報に基づいて、前記車両の故障を予測する予測部、として機能させるためのプログラムである。
　このように、監視装置が機能部情報および学習モデルに基づいて車両の故障を予測する構成により、ユーザにおいて、車両に生じる故障を事前に把握することができる。また、管理装置が学習モデルを作成することにより、監視装置を簡易な構成とすることができる。また、管理装置が複数の監視装置からの機能部情報を用いて学習モデルを作成する場合、複数の車両における計測結果を用いて、より精度の高い学習モデルを作成することができる。したがって、簡易な構成の装置を用いて、車両の故障の予測を精度良く行うことができる。
　以下、本発明の実施の形態について図面を用いて説明する。なお、図中同一または相当部分には同一符号を付してその説明は繰り返さない。また、以下に記載する実施の形態の少なくとも一部を任意に組み合わせてもよい。
＜構成および基本動作＞
［車両故障予測システムの概要］
　図１は、本発明の実施の形態に係る車両故障予測システムの構成を示す図である。
　図１を参照して、車両故障予測システム２０１は、監視装置１０１と、１または複数の機能部１１１と、端末装置１５１と、管理装置（外部装置）１７１とを備える。監視装置１０１、機能部１１１および端末装置１５１は、車両１に搭載される。
　なお、車両故障予測システム２０１は、複数の監視装置１０１および複数の端末装置１５１を備えてもよい。この場合、複数の監視装置１０１は、複数の車両１にそれぞれ搭載され、また、複数の端末装置１５１は、複数の車両１にそれぞれ搭載される。
　端末装置１５１は、たとえば、ＬＴＥ（Ｌｏｎｇ　Ｔｅｒｍ　Ｅｖｏｌｕｔｉｏｎ）または５Ｇ（５ｔｈ　Ｇｅｎｅｒａｔｉｏｎ）の規格に従い、車両１の外部におけるネットワークである外部ネットワーク１６１を介して、管理装置１７１と無線通信を行う。また、端末装置１５１は、たとえば、Ｗｉ－Ｆｉ（登録商標）またはＢｌｕｅｔｏｏｔｈ（登録商標）などの規格に従い、監視装置１０１と無線通信を行う。
　監視装置１０１および管理装置１７１は、たとえば、当該監視装置１０１に対応する車両１における端末装置１５１を介して情報の送受信を行う。すなわち、監視装置１０１および管理装置１７１は、当該監視装置１０１が搭載される車両１における端末装置１５１を介して情報の送受信を行う。
　機能部１１１は、たとえば、自動運転ＥＣＵ（Ｅｌｅｃｔｒｏｎｉｃ　Ｃｏｎｔｒｏｌ　Ｕｎｉｔ）、温度センサ、エンジン用ＥＣＵ、ナビゲーション装置およびカメラ等である。各機能部１１１は、たとえば、ＣＡＮの規格に従うＣＡＮバス１３１およびコネクタ１３２を介して、監視装置１０１と接続されている。コネクタ１３２は、たとえば、ＯＢＤ（Ｏｎ－Ｂｏａｒｄ　Ｄｉａｇｎｏｓｔｉｃｓ）ＩＩの規格に従うコネクタである。
　監視装置１０１および機能部１１１は、ＣＡＮバス１３１を用いて通信する。監視装置１０１および機能部１１１間では、たとえば、ＣＡＮの規格に従う通信フレームであるＣＡＮフレームを用いて各種情報のやり取りが行われる。なお、監視装置１０１および機能部１１１は、Ｗｉ－ＦｉまたはＢｌｕｅｔｏｏｔｈなどの無線通信を用いて通信する構成であってもよい。
　機能部１１１は、車両１に関する計測値および計測タイミングなどを含む計測結果を示す機能部情報を作成し、作成した機能部情報を監視装置１０１へ送信する。具体的には、機能部１１１は、たとえば温度センサである場合、車両１の室内温度の計測結果などを示す機能部情報を送信する。また、機能部１１１は、たとえばエンジン用ＥＣＵである場合、車両１におけるエンジンの回転数の計測結果などを示す機能部情報を送信する。
　監視装置１０１は、機能部１１１から機能部情報を取得し、取得した機能部情報、および自己の保持する学習モデルに基づいて車両１の故障を予測する予測処理を行う。詳細には、監視装置１０１は、たとえば、機能部１１１から送信された機能部情報を受信して、当該機能部情報の示す計測値の波形に基づいて、車両１に故障が生じる可能性があるか否かの診断、および車両１に故障が生じる可能性がある場合には故障が生じる可能性の高い時期などを予測する予測処理を行う。
　これにより、監視装置１０１は、「３か月後に車両１に故障が生じる可能性が高い」などの予測を行うことができる。
　また、監視装置１０１は、自己に対応する車両１における機能部１１１からの機能部情報を外部ネットワーク１６１経由で管理装置１７１へ送信する。すなわち、監視装置１０１は、自己が搭載される車両１における機能部１１１からの機能部情報を外部ネットワーク１６１経由で管理装置１７１へ送信する。より詳細には、監視装置１０１は、予測処理に用いた複数の機能部情報を、端末装置１５１および外部ネットワーク１６１経由で管理装置１７１へ送信する。また、監視装置１０１は、予測処理の結果を外部ネットワーク１６１経由で管理装置１７１へ送信する。
　具体的には、監視装置１０１は、たとえば、予測処理に用いた複数の機能部情報、および予測処理の結果を含む処理後情報を作成し、作成した処理後情報を、端末装置１５１および外部ネットワーク１６１経由で管理装置１７１へ送信する。
　なお、監視装置１０１は、予測処理として、車両１に故障が生じる可能性があるか否か、および車両１に故障が生じる可能性がある場合には故障が生じる可能性の高い時期の予測の代わりに、またはこれらに加えて、車両１に故障が生じる確率等を予測してもよい。
　端末装置１５１は、監視装置１０１から送信された処理後情報を受信すると、当該処理後情報を管理装置１７１へ送信する。
　管理装置１７１は、監視装置１０１から送信された処理後情報を端末装置１５１および外部ネットワーク１６１経由で受信し、受信した処理後情報に基づいて、機械学習による学習モデルを作成する。
　より詳細には、管理装置１７１は、１または複数の監視装置１０１から送信された複数の処理後情報を受信し、受信した複数の処理後情報に基づいて、たとえば、機械学習の一例として、ディープラーニング（Ｄｅｅｐ　Ｌｅａｒｎｉｎｇ）の手法に沿った学習モデルを作成する。
　そして、管理装置１７１は、作成した学習モデルを示す学習モデル情報を、外部ネットワーク１６１および端末装置１５１経由で監視装置１０１へ送信する。
　端末装置１５１は、管理装置１７１から送信された学習モデル情報を外部ネットワーク１６１経由で受信すると、当該学習モデル情報を監視装置１０１へ送信する。
　監視装置１０１は、端末装置１５１から送信された学習モデル情報を受信し、受信した学習モデル情報の示す学習モデルを保持する。なお、監視装置１０１は、学習モデルを既に保持している場合は、保持している学習モデルを更新する。そして、監視装置１０１は、学習モデルの更新後は、機能部１１１から取得した新たな機能部情報、および最新の学習モデルを用いて上述の予測処理を行う。
　なお、機能部１１１は、車両１において故障が生じているか否かを診断する構成であってもよい。この場合、たとえば、機能部１１１は、ＣＡＮバス１３１を流れる電流および電圧を計測し、計測結果に基づいて、自己または自己に接続されている他の機器に故障が生じているか否かを診断する。そして、機能部１１１は、計測結果および診断結果を示す機能部情報を監視装置１０１へ送信する。
　監視装置１０１は、機能部１１１から送信された複数の機能部情報を受信して、たとえば、受信した複数の機能部情報および学習モデルに基づいて、機能部１１１による計測値の波形、すなわち機能部１１１により計測された電流および電圧の時系列変化を解析することにより予測処理を行う。
　また、監視装置１０１は、たとえば、予測処理に用いた複数の機能部情報、および予測処理の結果を含む処理後情報を、端末装置１５１および外部ネットワーク１６１経由で管理装置１７１へ送信する。
　管理装置１７１は、監視装置１０１から送信された処理後情報を端末装置１５１および外部ネットワーク１６１経由で受信し、受信した処理後情報に基づいて学習モデルを作成する。このとき、管理装置１７１は、複数の機能部情報の示す計測結果に加えて、さらに、各計測結果に対応する、複数の機能部情報の示す診断結果を用いることにより、より精度の高い学習モデルを作成することができる。
　そして、管理装置１７１は、作成した学習モデルを示す学習モデル情報を、外部ネットワーク１６１および端末装置１５１経由で監視装置１０１へ送信する。
　監視装置１０１は、管理装置１７１から送信された学習モデル情報を外部ネットワーク１６１および端末装置１５１経由で受信し、受信した学習モデル情報の示す学習モデルに基づいて予測処理を行う。上記のように、管理装置１７１においてより精度の高い学習モデルが作成されるため、監視装置１０１における予測処理の精度をさらに向上させることができる。
　また、たとえば、機能部１１１からの機能部情報が、車両１において現在故障が生じていない旨の診断結果を示す場合であっても、監視装置１０１による予測処理により、「３か月後に車両１に故障が生じる可能性が高い」などの予測結果を得ることができる。
［監視装置］
　（車両の予測処理）
　図２は、本発明の実施の形態に係る監視装置の構成を示す図である。
　図２を参照して、監視装置１０１は、車内通信部（取得部）１１と、予測部１２と、記憶部１３と、車外通信部（送信部）１４とを備える。
　予測部１２は、たとえば、定期的または不定期に、機能部情報を要求するための機能部情報リクエストを車内通信部１１経由で機能部１１１へ送信する。車内通信部１１は、機能部１１１から送信された機能部情報を受信し、受信した機能部情報を記憶部１３に保存する。記憶部１３は、たとえば不揮発性メモリである。
　また、予測部１２は、車内通信部１１により取得された機能部情報、すなわち記憶部１３に保存されている機能部情報、および管理装置１７１により作成された学習モデルに基づいて、車両１の予測処理を行う。
　より詳細には、予測部１２は、たとえば、記憶部１３に保存されている複数の機能部情報に対して、機能部情報の示す計測値の解析、ノイズ等の除去、時刻同期処理および欠損データの補完等の前処理を機能部１１１ごとに行う。また、予測部１２は、たとえば、機能部１１１ごとに、前処理後の複数の機能部情報を、当該複数の機能部情報の示す計測タイミングに基づいて時系列に沿って並べるベクトル化処理などを行う。
　そして、予測部１２は、前処理およびベクトル化処理等を行った後の複数の機能部情報、および記憶部１３に保存されている学習モデルを用いて、計測値の時系列変化を解析することにより予測処理を行う。
　そして、予測部１２は、予測処理に用いた複数の機能部情報、および予測処理の結果を含む処理後情報を作成し、作成した処理後情報を車外通信部１４へ出力する。また、予測部１２は、処理後情報を記憶部１３に保存する。
　車外通信部１４は、予測部１２から出力された処理後情報を受けて、当該処理後情報を端末装置１５１および外部ネットワーク１６１経由で管理装置１７１へ送信する。なお、車外通信部１４は、端末装置１５１を経由せず、外部ネットワーク１６１経由で処理後情報を管理装置１７１へ送信する構成であってもよい。
　また、車外通信部１４は、管理装置１７１から送信された学習モデル情報を、外部ネットワーク１６１および端末装置１５１経由で受信し、受信した学習モデル情報の示す学習モデルを記憶部１３に保存する。
　なお、予測部１２は、計測結果を含み、かつ自己による予測処理の結果を含まない処理後情報を、車外通信部１４、端末装置１５１および外部ネットワーク１６１経由で管理装置１７１へ送信する構成であってもよい。
　また、予測部１２は、管理装置１７１以外の外部ネットワーク１６１における装置へ、予測処理の結果を車外通信部１４経由で送信してもよい。たとえば、予測部１２は、車両１の外部に設けられた端末装置へ予測処理の結果を通知してもよい。
　（車両の状況の通知）
　図１に示す端末装置１５１は、たとえばユーザの操作に従い、車両１の状態を示す状況情報の送信要求である状況情報リクエストを監視装置１０１へ送信する。監視装置１０１は、端末装置１５１からの状況情報リクエストを受信して、車両１の故障の予測結果を当該端末装置１５１に通知する。
　監視装置１０１における車外通信部１４は、端末装置１５１から送信された状況情報リクエストを受信し、受信した状況情報リクエストを予測部１２へ出力する。
　予測部１２は、車外通信部１４から出力された状況情報リクエストを受けて、たとえば、記憶部１３に保存されている処理後情報を参照し、最新の処理後情報の示す予測処理の結果を示す状況情報を作成する。そして、予測部１２は、作成した状況情報を車外通信部１４へ出力する。
　車外通信部１４は、予測部１２から出力された状況情報を受けて、当該状況情報を状況情報リクエストの送信元である端末装置１５１へ送信する。
　端末装置１５１は、監視装置１０１から送信された状況情報を受信し、たとえば、受信した状況情報の内容を自己の画面に表示する。
　なお、状況情報の送信先となる装置は、端末装置１５１とは異なる、車両１の外部に設けられた端末装置であってもよい。
　また、監視装置１０１は、状況情報の作成および送信を行わない構成であってもよい。
［管理装置］
　（学習モデルの作成）
　図３は、本発明の実施の形態に係る管理装置の構成を示す図である。
　図３を参照して、管理装置１７１は、通信部３１と、モデル作成部３２と、管理部３３と、記憶部３４とを備える。
　通信部３１は、１または複数の監視装置１０１から送信された複数の処理後情報を外部ネットワーク１６１経由で受信し、受信した複数の処理後情報を記憶部３４に保存する。記憶部３４は、たとえば不揮発性メモリである。
　モデル作成部３２は、たとえば、定期的または不定期に、記憶部３４に保存されている複数の処理後情報に基づいて、学習モデルの作成および更新を行う。
　学習モデルに用いることのできる処理後情報、すなわち記憶部３４に蓄積される処理後情報は時間の経過に伴って増加する。このため、モデル作成部３２により作成される学習モデルは、更新されるたびに精度が向上する可能性が高い。
　そして、モデル作成部３２は、たとえば、作成または更新した学習モデルを示す学習モデル情報を、通信部３１および外部ネットワーク１６１経由で１または複数の端末装置１５１へ送信する。なお、学習モデル情報は、さらに、学習モデルの作成または更新が行われた旨を示してもよい。
　端末装置１５１は、管理装置１７１から送信された学習モデル情報を外部ネットワーク１６１経由で受信し、監視装置１０１へ当該学習モデル情報を送信する。
　なお、処理後情報の送信元である１または複数の端末装置１５１と、学習モデル情報の送信先である１または複数の端末装置１５１とは、同じであってもよいし、一部または全部が異なっていてもよい。
　また、通信部３１は、端末装置１５１を経由せずに、外部ネットワーク１６１経由で学習モデル情報を監視装置１０１へ送信する構成であってもよい。
　（警告情報の送信）
　管理装置１７１は、監視装置１０１による車両１の故障の予測結果を端末装置１５１に通知する。
　詳細には、監視装置１０１からの処理後情報には、たとえば、送信元である監視装置１０１の識別情報が含まれている。管理部３３は、記憶部３４に保存されている複数の処理後情報の各々に含まれる識別情報に基づいて、監視装置１０１ごとに処理後情報を管理し、最新の処理後情報の示す診断結果を、対応する特定の監視装置１０１へ選択的に通知する。
　より詳細には、たとえば、記憶部３４には、管理者との契約を行っているユーザの車両１における監視装置（以下、「契約監視装置」とも称する。）１０１の識別情報、および契約監視装置１０１に対応する端末装置１５１の識別情報が登録されている。
　管理部３３は、たとえば、記憶部３４に保存されている処理後情報を定期的または不定期に参照して、契約監視装置１０１の識別情報を含む処理後情報が、３か月以内などの所定期間以内に車両１に故障が生じる可能性があることを示す場合、当該処理後情報の内容を示す警告情報を、当該契約監視装置１０１に対応する端末装置１５１へ通信部３１経由で送信する。なお、所定期間は、ユーザにより設定可能である。
　端末装置１５１は、管理装置１７１から送信された警告情報を外部ネットワーク１６１経由で受信すると、たとえば、受信した警告情報の内容を自己の画面に表示する。
　なお、警告情報の送信先は、車両１における端末装置１５１とは異なる、車両１の外部に設けられた端末装置であってもよい。この場合、記憶部３４には、契約監視装置１０１に対応する、端末装置１５１以外の端末装置の識別情報が登録されている。
　また、管理装置１７１は、監視装置１０１が契約監視装置であるか否かに関わらず、当該監視装置１０１に対応する端末装置１５１へ警告情報を送信する構成であってもよい。
　また、管理装置１７１は、警告情報の送信を行わない構成であってもよい。
　また、外部ネットワーク１６１における管理装置１７１以外の外部装置が、警告情報を端末装置１５１へ送信する構成であってもよい。この場合、管理装置１７１における管理部３３は、たとえば、契約監視装置１０１の識別情報を含む処理後情報が、所定期間以内に車両１に故障が生じる可能性があることを示す場合、当該処理後情報、および当該契約監視装置１０１に対応する端末装置１５１の識別情報を示す送信先情報を外部装置へ通信部３１経由で送信する。
　そして、外部装置は、管理装置１７１から送信された処理後情報および送信先情報を受信して、当該処理後情報の内容を示す警告情報を、当該送信先情報の示す端末装置１５１へ送信する。
＜動作の流れ＞
　車両故障予測システム２０１における各装置は、コンピュータを備え、当該コンピュータにおけるＣＰＵ等の演算処理部は、以下のシーケンス図の各ステップの一部または全部を含むプログラムを図示しないメモリからそれぞれ読み出して実行する。これら複数の装置のプログラムは、それぞれ、外部からインストールすることができる。これら複数の装置のプログラムは、それぞれ、記録媒体に格納された状態で流通する。
［車両の故障の予測］
　図４は、本発明の実施の形態に係る車両故障予測システムにおける予測処理に関連する各装置の動作の流れの一例を示すシーケンス図である。図４は、１つの機能部１１１、１つの監視装置１０１、１つの端末装置１５１、および管理装置１７１の動作の流れを示している。また、ここでは、監視装置１０１は、管理装置１７１により作成された学習モデルを既に保持しているとする。
　図４を参照して、まず、監視装置１０１は、機能部情報リクエストを機能部１１１へ送信する（ステップＳ１１）。
　次に、機能部１１１は、監視装置１０１からの機能部情報リクエストを受信して、機能部情報を監視装置１０１へ送信する（ステップＳ１２）。
　次に、監視装置１０１は、機能部１１１から受信した機能部情報、および自己の保持する最新の学習モデルに基づいて、車両１の故障を予測する予測処理を行う（ステップＳ１３）。
　次に、監視装置１０１は、予測処理に用いた機能部情報、および予測処理の結果を示す処理後情報を端末装置１５１へ送信する（ステップＳ１４）。
　次に、端末装置１５１は、監視装置１０１からの処理後情報を受信して、当該処理後情報を管理装置１７１へ送信する（ステップＳ１５）。ステップＳ１１からステップＳ１５までの動作は、定期的または不定期に繰り返される。これにより、管理装置１７１には、複数の処理後情報が蓄積される。
　また、ここでは、管理装置１７１の受信した最新の処理後情報が、車両１に故障が生じる可能性が少ない旨、または所定期間を超えた時期に車両１に故障が生じる可能性がある旨を示しているとする。この場合、管理装置１７１は、警告情報の作成および送信を行わない。
　次に、管理装置１７１は、蓄積された複数の処理後情報を用いて、予測処理に用いられる学習モデルを作成して更新する（ステップＳ１６）。
　次に、管理装置１７１は、最新の学習モデルを示す学習モデル情報を端末装置１５１へ送信する（ステップＳ１７）。
　次に、端末装置１５１は、管理装置１７１からの学習モデル情報を受信して、当該学習モデル情報を監視装置１０１へ送信する（ステップＳ１８）。
　次に、監視装置１０１は、端末装置１５１からの学習モデル情報を受信して、当該学習モデル情報に基づいて、自己の保持する学習モデルを最新の学習モデルに更新する（ステップＳ１９）。ステップＳ１６からステップＳ１９までの動作は、定期的または不定期に繰り返される。
　次に、監視装置１０１は、機能部情報リクエストを機能部１１１へ送信する（ステップＳ２０）。
　次に、機能部１１１は、監視装置１０１からの機能部情報リクエストを受信して、機能部情報を監視装置１０１へ送信する（ステップＳ２１）。
　次に、監視装置１０１は、機能部１１１から受信した機能部情報、および管理装置１７１から送信された学習モデル情報の示す最新の学習モデルに基づいて、車両１の故障を予測する予測処理を行う（ステップＳ２２）。
　次に、監視装置１０１は、予測処理に用いた機能部情報、および予測処理の結果を示す処理後情報を端末装置１５１へ送信する（ステップＳ２３）。
　次に、端末装置１５１は、監視装置１０１からの処理後情報を受信して、当該処理後情報を管理装置１７１へ送信する（ステップＳ２４）。
　次に、管理装置１７１は、蓄積された複数の処理後情報を用いて、予測処理に用いられる学習モデルを作成して更新する（ステップＳ２５）。
　次に、管理装置１７１は、最新の学習モデルを示す学習モデル情報を端末装置１５１へ送信する（ステップＳ２６）。
　次に、端末装置１５１は、管理装置１７１からの学習モデル情報を受信して、当該学習モデル情報を監視装置１０１へ送信する（ステップＳ２７）。
　次に、監視装置１０１は、端末装置１５１からの学習モデル情報を受信して、当該学習モデル情報に基づいて、自己の保持する学習モデルを最新の学習モデルに更新する（ステップＳ２８）。
　次に、管理装置１７１の受信した最新の処理後情報が、所定期間以内に車両１に故障が生じる可能性がある旨を示しているとする。また、当該処理後情報の送信元である監視装置１０１が、契約監視装置であるとする。この場合、管理装置１７１は、当該処理後情報に基づいて、端末装置１５１へ警告情報を送信する（ステップＳ２９）。
　次に、端末装置１５１は、管理装置１７１からの警告情報を受信して、たとえば当該警告情報の内容を自己の画面に表示する（ステップＳ３０）。
　なお、管理装置１７１による警告情報の送信（ステップＳ２９）および端末装置１５１による警告情報の内容の表示（ステップＳ３０）は、端末装置１５１から管理装置１７１への処理後情報の送信（ステップＳ２４）より後のいずれのタイミングで行われてもよい。
　また、監視装置１０１が、管理装置１７１の代わりに、処理後情報に基づく警告情報を作成し、作成した警告情報を端末装置１５１へ送信してもよい。
［車両の状況の通知］
　図５は、本発明の実施の形態に係る車両故障予測システムにおける状況情報の送信に関連する各装置の動作の流れを示すシーケンス図である。
　図５を参照して、まず、端末装置１５１は、ユーザによる操作に従い、状況情報リクエストを監視装置１０１へ送信する（ステップＳ３１）。
　次に、監視装置１０１は、端末装置１５１からの状況情報リクエストを受信して、自己の保持する複数の処理後情報を参照し、たとえば、最新の処理後情報に含まれる予測処理の結果を示す状況情報を作成する（ステップＳ３２）。
　次に、監視装置１０１は、作成した状況情報を端末装置１５１へ送信する（ステップＳ３３）。
　次に、端末装置１５１は、監視装置１０１からの状況情報を受信して、たとえば当該状況情報の内容を自己の画面に表示する（ステップＳ３４）。
　なお、管理装置１７１から端末装置１５１への警告情報の送信（図４に示すステップＳ２９）は、所定期間以内に車両１に故障が生じる可能性がある場合に行われる。このため、たとえば、４か月後など所定期間を超えた時期に車両１に故障が生じる可能性がある場合、端末装置１５１への警告情報の送信は行われない。
　一方、監視装置１０１から端末装置１５１への状況情報の送信（図５に示すステップＳ３３）は、車両１に故障が生じる可能性があるか否か、および車両１に故障が生じる可能性の高い時期のいずれにも関わらず、状況情報リクエストの受信（図５に示すステップＳ３１）に応じて行われる。このため、ユーザは、車両１の詳細な状況を把握することができる。
　ところで、非特許文献１に記載の技術では、車両に生じている異常を検知することは可能であるが、車両に生じる異常を事前に予測することは困難である。
　これに対して、本発明の実施の形態に係る車両故障予測システム２０１では、１または複数の監視装置１０１は、自己が搭載される車両１における機能部１１１から車両１に関する計測結果を示す機能部情報を取得する。また、監視装置１０１は、取得した機能部情報を外部ネットワーク１６１経由で管理装置１７１へ送信する。管理装置１７１は、１または複数の監視装置１０１から受信した複数の機能部情報に基づいて、機械学習による学習モデルを作成し、作成した学習モデルを１または複数の監視装置１０１へ送信する。監視装置１０１は、自己が搭載される車両１における機能部１１１から取得した新たな機能部情報、および管理装置１７１から受信した学習モデルに基づいて、自己が搭載される車両１の故障を予測する。
　このように、監視装置１０１が機能部情報および学習モデルに基づいて車両１の故障を予測する構成により、ユーザにおいて、車両１に生じる故障を事前に把握することができる。また、管理装置１７１が学習モデルを作成することにより、監視装置１０１を簡易な構成とすることができる。また、管理装置１７１が複数の監視装置１０１からの機能部情報を用いて学習モデルを作成する場合、複数の車両１における計測結果を用いて、より精度の高い学習モデルを作成することができる。
　したがって、本発明の実施の形態に係る車両故障予測システム２０１では、簡易な構成の装置を用いて、車両１の故障の予測を精度良く行うことができる。
　また、本発明の実施の形態に係る車両故障予測システム２０１では、監視装置１０１は、自己が搭載される車両１の故障の予測結果を外部ネットワーク１６１へ送信する。
　このような構成により、たとえば、監視装置１０１が車両１の故障の予測結果を管理装置１７１へ送信する場合、管理装置１７１において、監視装置１０１による予測結果を用いたより精度の高い学習モデルを作成することができる。
　また、本発明の実施の形態に係る車両故障予測システム２０１では、監視装置１０１および管理装置１７１は、監視装置１０１が搭載される車両１における端末装置１５１を介して情報の送受信を行う。
　このような構成により、外部ネットワーク１６１を介した管理装置１７１との通信を行うための機能を監視装置１０１が備える必要がないため、監視装置１０１をより簡易な構成にすることができる。
　また、本発明の実施の形態に係る車両故障予測システム２０１では、外部ネットワーク１６１に設けられた外部装置は、監視装置１０１による車両１の故障の予測結果を端末装置に通知する。
　このような構成により、端末装置を所有するユーザへ監視装置１０１による予測結果を通知可能な利便性の高いシステムを実現することができる。
　また、本発明の実施の形態に係る車両故障予測システム２０１では、外部装置は、予測結果を特定の端末装置に選択的に通知する。
　このような構成により、たとえば、外部装置の管理者と事前に契約を行っているユーザへ選択的に監視装置１０１による予測結果を通知することができるため、予測結果を通知するサービスに対する対価等を当該管理者において得ることができる。
　また、本発明の実施の形態に係る車両故障予測システム２０１では、監視装置１０１は、自己が搭載される車両１の状況を示す状況情報の送信要求を受信して、車両１の故障の予測結果を当該送信要求の送信元に通知する。
　このような構成により、監視装置１０１による車両１の故障の予測結果に関わらず、ユーザにおいて所望のタイミングで車両１の状況を把握することができる。
　また、本発明の実施の形態に係る監視装置１０１では、車内通信部１１は、監視装置１０１が搭載される車両１における機能部１１１から車両１に関する計測結果を示す機能部情報を取得する。車外通信部１４は、車内通信部１１により取得された機能部情報を管理装置１７１へ送信する。予測部１２は、１または複数の監視装置１０１から受信した複数の機能部情報に基づいて管理装置１７１により作成された、機械学習による学習モデル、および車内通信部１１により取得された新たな機能部情報に基づいて、車両１の故障を予測する。
　このように、監視装置１０１が機能部情報および学習モデルに基づいて車両１の故障を予測する構成により、ユーザにおいて、車両１に生じる故障を事前に把握することができる。また、管理装置１７１が学習モデルを作成することにより、監視装置１０１を簡易な構成とすることができる。また、管理装置１７１が複数の監視装置１０１からの機能部情報を用いて学習モデルを作成する場合、複数の車両１における計測結果を用いて、より精度の高い学習モデルを作成することができる。
　したがって、本発明の実施の形態に係る監視装置１０１では、簡易な構成の装置を用いて、車両１の故障の予測を精度良く行うことができる。
　また、本発明の実施の形態に係る車両故障予測方法では、まず、監視装置１０１が、自己が搭載される車両１における機能部１１１から車両１に関する計測結果を示す機能部情報を取得する。次に、監視装置が、取得した機能部情報を外部ネットワーク１６１経由で管理装置１７１へ送信する。次に、管理装置１７１が、１または複数の監視装置１０１から受信した複数の機能部情報に基づいて、機械学習による学習モデルを作成する。次に、管理装置１７１が、作成した学習モデルを１または複数の監視装置１０１へ送信する。次に、監視装置１０１が、自己が搭載される車両１における機能部１１１から取得した新たな機能部情報、および管理装置１７１から受信した学習モデルに基づいて、自己が搭載される車両１の故障を予測する。
　このように、監視装置１０１が機能部情報および学習モデルに基づいて車両１の故障を予測する方法により、ユーザにおいて、車両１に生じる故障を事前に把握することができる。また、管理装置１７１が学習モデルを作成することにより、監視装置１０１を簡易な構成とすることができる。また、管理装置１７１が複数の監視装置１０１からの機能部情報を用いて学習モデルを作成する場合、複数の車両１における計測結果を用いて、より精度の高い学習モデルを作成することができる。
　したがって、本発明の実施の形態に係る車両故障予測方法では、簡易な構成の装置を用いて、車両１の故障の予測を精度良く行うことができる。
　また、本発明の実施の形態に係る車両故障予測方法では、まず、車内通信部１１は、監視装置１０１が搭載される車両１における機能部１１１から車両１に関する計測結果を示す機能部情報を取得する。次に、車外通信部１４が、車内通信部１１により取得された機能部情報を管理装置１７１へ送信する。次に、予測部１２が、１または複数の監視装置１０１から受信した複数の機能部情報に基づいて管理装置１７１により作成された、機械学習による学習モデル、および車内通信部１１により取得された新たな機能部情報に基づいて、車両１の故障を予測する。
　このように、監視装置１０１が機能部情報および学習モデルに基づいて車両１の故障を予測する方法により、ユーザにおいて、車両１に生じる故障を事前に把握することができる。また、管理装置１７１が学習モデルを作成することにより、監視装置１０１を簡易な構成とすることができる。また、管理装置１７１が複数の監視装置１０１からの機能部情報を用いて学習モデルを作成する場合、複数の車両１における計測結果を用いて、より精度の高い学習モデルを作成することができる。
　したがって、本発明の実施の形態に係る車両故障予測方法では、簡易な構成の装置を用いて、車両１の故障の予測を精度良く行うことができる。
　上記実施の形態は、すべての点で例示であって制限的なものではないと考えられるべきである。本発明の範囲は、上記説明ではなく請求の範囲によって示され、請求の範囲と均等の意味および範囲内でのすべての変更が含まれることが意図される。
　以上の説明は、以下に付記する特徴を含む。
　［付記１］
　各々が、自己に対応する車両における機能部から前記車両に関する計測結果を示す機能部情報を取得する１または複数の監視装置と、
　管理装置とを備え、
　前記監視装置は、取得した前記機能部情報を外部ネットワーク経由で前記管理装置へ送信し、
　前記管理装置は、１または複数の前記監視装置から受信した複数の前記機能部情報に基づいて、機械学習による学習モデルを作成し、作成した前記学習モデルを１または複数の前記監視装置へ送信し、
　前記監視装置は、自己に対応する前記車両における前記機能部から取得した新たな前記機能部情報、および前記管理装置から受信した前記学習モデルに基づいて、自己に対応する前記車両の故障を予測し、
　前記機能部は、自己または自己に接続されている他の機器に故障が生じているか否かを診断し、診断結果をさらに示す前記機能部情報を前記監視装置へ送信し、
　前記監視装置は、前記車両に設けられ、前記機能部情報の示す前記計測結果の時系列変化、および前記学習モデルに基づいて、前記車両の故障を予測する、車両故障予測システム。
　［付記２］
　監視装置であって、
　車両における機能部から前記車両に関する計測結果を示す機能部情報を取得する取得部と、
　前記取得部により取得された前記機能部情報を管理装置へ送信する送信部と、
　１または複数の前記監視装置から受信した複数の前記機能部情報に基づいて前記管理装置により作成された、機械学習による学習モデル、および前記取得部により取得された新たな前記機能部情報に基づいて、前記車両の故障を予測する予測部とを備え、
　前記監視装置は前記車両に設けられ、
　前記機能部は、自己または自己に接続されている他の機器に故障が生じているか否かを診断し、診断結果をさらに示す前記機能部情報を前記監視装置へ送信し、
　前記予測部は、前記機能部情報の示す前記計測結果の時系列変化、および前記学習モデルに基づいて、前記車両の故障を予測し、
　前記予測部は、前記車両の故障の予測結果を端末装置に通知可能である、監視装置。
　１　車両
　１１　車内通信部（取得部）
　１２　予測部
　１３　記憶部
　１４　車外通信部（送信部）
　３１　通信部
　３２　モデル作成部
　３３　管理部
　３４　記憶部
　１０１　監視装置
　１１１　機能部
　１３１　ＣＡＮバス
　１３２　コネクタ
　１５１　端末装置
　１６１　外部ネットワーク
　１７１　管理装置（外部装置）　
　２０１　車両故障予測システム

Claims (10)

  1. 　自己が搭載される車両における機能部から前記車両に関する計測結果を示す機能部情報を取得する１または複数の監視装置と、
    　管理装置とを備え、
    　前記監視装置は、取得した前記機能部情報を外部ネットワーク経由で前記管理装置へ送信し、
    　前記管理装置は、１または複数の前記監視装置から受信した複数の前記機能部情報に基づいて、機械学習による学習モデルを作成し、作成した前記学習モデルを１または複数の前記監視装置へ送信し、
    　前記監視装置は、自己が搭載される前記車両における前記機能部から取得した新たな前記機能部情報、および前記管理装置から受信した前記学習モデルに基づいて、自己が搭載される前記車両の故障を予測する、車両故障予測システム。
  2. 　前記監視装置は、自己が搭載される前記車両の故障の予測結果を前記外部ネットワークへ送信する、請求項１に記載の車両故障予測システム。
  3. 　前記監視装置および前記管理装置は、前記監視装置が搭載される前記車両における端末装置を介して情報の送受信を行う、請求項１または請求項２に記載の車両故障予測システム。
  4. 　前記車両故障予測システムは、さらに、
    　前記外部ネットワークに設けられ、前記監視装置による前記車両の故障の予測結果を端末装置に通知する外部装置を備える、請求項１から請求項３のいずれか１項に記載の車両故障予測システム。
  5. 　前記外部装置は、前記予測結果を特定の端末装置に選択的に通知する、請求項４に記載の車両故障予測システム。
  6. 　前記監視装置は、自己が搭載される前記車両の状況を示す状況情報の送信要求を受信して、前記車両の故障の予測結果を前記送信要求の送信元に通知する、請求項１から請求項５のいずれか１項に記載の車両故障予測システム。
  7. 　監視装置であって、
    　前記監視装置が搭載される車両における機能部から前記車両に関する計測結果を示す機能部情報を取得する取得部と、
    　前記取得部により取得された前記機能部情報を管理装置へ送信する送信部と、
    　１または複数の前記監視装置から受信した複数の前記機能部情報に基づいて前記管理装置により作成された、機械学習による学習モデル、および前記取得部により取得された新たな前記機能部情報に基づいて、前記車両の故障を予測する予測部とを備える、監視装置。
  8. 　１または複数の監視装置と、管理装置とを備える車両故障予測システムにおける車両故障予測方法であって、
    　前記監視装置が、自己が搭載される車両における機能部から前記車両に関する計測結果を示す機能部情報を取得するステップと、
    　前記監視装置が、取得した前記機能部情報を外部ネットワーク経由で前記管理装置へ送信するステップと、
    　前記管理装置が、１または複数の前記監視装置から受信した複数の前記機能部情報に基づいて、機械学習による学習モデルを作成するステップと、
    　前記管理装置が、作成した前記学習モデルを１または複数の前記監視装置へ送信するステップと、
    　前記監視装置が、自己が搭載される前記車両における前記機能部から取得した新たな前記機能部情報、および前記管理装置から受信した前記学習モデルに基づいて、自己が搭載される前記車両の故障を予測するステップとを含む、車両故障予測方法。
  9. 　監視装置における車両故障予測方法であって、
    　前記監視装置が搭載される車両における機能部から前記車両に関する計測結果を示す機能部情報を取得するステップと、
    　取得した前記機能部情報を管理装置へ送信するステップと、
    　１または複数の前記監視装置から受信した複数の前記機能部情報に基づいて前記管理装置により作成された、機械学習による学習モデル、および取得した新たな前記機能部情報に基づいて、前記車両の故障を予測するステップとを含む、車両故障予測方法。
  10. 　監視装置において用いられる車両故障予測プログラムであって、
    　コンピュータを、
    　前記監視装置が搭載される車両における機能部から前記車両に関する計測結果を示す機能部情報を取得する取得部と、
    　前記取得部により取得された前記機能部情報を管理装置へ送信する送信部と、
    　１または複数の前記監視装置から受信した複数の前記機能部情報に基づいて前記管理装置により作成された、機械学習による学習モデル、および前記取得部により取得された新たな前記機能部情報に基づいて、前記車両の故障を予測する予測部、
    として機能させるための、車両故障予測プログラム。
PCT/JP2019/038233 2018-11-27 2019-09-27 車両故障予測システム、監視装置、車両故障予測方法および車両故障予測プログラム Ceased WO2020110446A1 (ja)

Priority Applications (3)

Application Number Priority Date Filing Date Title
JP2020558126A JPWO2020110446A1 (ja) 2018-11-27 2019-09-27 車両故障予測システム、監視装置、車両故障予測方法および車両故障予測プログラム
US17/295,039 US20210327165A1 (en) 2018-11-27 2019-09-27 Vehicle malfunction prediction system, monitoring device, vehicle malfunction prediction method, and vehicle malfunction prediction program
CN201980068890.0A CN112912282A (zh) 2018-11-27 2019-09-27 车辆故障预测系统、监视装置、车辆故障预测方法及车辆故障预测程序

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2018-221261 2018-11-27
JP2018221261 2018-11-27

Publications (1)

Publication Number Publication Date
WO2020110446A1 true WO2020110446A1 (ja) 2020-06-04

Family

ID=70852009

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2019/038233 Ceased WO2020110446A1 (ja) 2018-11-27 2019-09-27 車両故障予測システム、監視装置、車両故障予測方法および車両故障予測プログラム

Country Status (4)

Country Link
US (1) US20210327165A1 (ja)
JP (1) JPWO2020110446A1 (ja)
CN (1) CN112912282A (ja)
WO (1) WO2020110446A1 (ja)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPWO2022208894A1 (ja) * 2021-04-02 2022-10-06
CN116830169A (zh) * 2020-12-21 2023-09-29 丰田自动车北美公司 逼近问题的时间
WO2024171362A1 (ja) * 2023-02-16 2024-08-22 日立Astemo株式会社 半導体集積回路及び電子制御装置

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US12118829B2 (en) 2020-12-21 2024-10-15 Toyota Motor North America, Inc. Processing data from attached and affixed devices on transport
TR2023001866A1 (tr) * 2023-02-20 2024-08-21 Dogus Bilgi Islem Ve Teknoloji Hizmetleri Anonim Sirketi Bi̇r öneri̇ si̇stemi̇

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2001296915A (ja) * 2000-04-13 2001-10-26 Yazaki Corp 遠隔自己診断システム
JP2009146086A (ja) * 2007-12-13 2009-07-02 Toyota Central R&D Labs Inc 車両故障診断予測装置
JP2012121488A (ja) * 2010-12-09 2012-06-28 Jvc Kenwood Corp 車載装置、通信方法及びプログラム
JP2013200143A (ja) * 2012-03-23 2013-10-03 Mitsubishi Electric Corp 異常音診断装置および異常音診断システム
JP2015214169A (ja) * 2014-05-07 2015-12-03 日立オートモティブシステムズ株式会社 検査装置、検査システム及び検査方法

Family Cites Families (36)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8036788B2 (en) * 1995-06-07 2011-10-11 Automotive Technologies International, Inc. Vehicle diagnostic or prognostic message transmission systems and methods
US10752269B2 (en) * 2017-03-09 2020-08-25 General Electric Company System for vehicle subsystem control
US8374745B2 (en) * 2008-09-05 2013-02-12 GM Global Technology Operations LLC Telematics-enabled aggregated vehicle diagnosis and prognosis
US8543280B2 (en) * 2011-04-29 2013-09-24 Toyota Motor Engineering & Manufacturing North America, Inc. Collaborative multi-agent vehicle fault diagnostic system and associated methodology
US9881428B2 (en) * 2014-07-30 2018-01-30 Verizon Patent And Licensing Inc. Analysis of vehicle data to predict component failure
US9520006B1 (en) * 2014-08-28 2016-12-13 Allstate Insurance Company Vehicle diagnostics
US9563986B2 (en) * 2014-12-31 2017-02-07 Ebay Inc. Systems and methods for multi-signal fault analysis
US10191021B2 (en) * 2015-02-27 2019-01-29 Deere & Company Method for estimating a temperature of a transistor
US10197631B2 (en) * 2015-06-01 2019-02-05 Verizon Patent And Licensing Inc. Systems and methods for determining vehicle battery health
JP6423402B2 (ja) * 2015-12-16 2018-11-14 パナソニック インテレクチュアル プロパティ コーポレーション オブ アメリカＰａｎａｓｏｎｉｃ Ｉｎｔｅｌｌｅｃｔｕａｌ Ｐｒｏｐｅｒｔｙ Ｃｏｒｐｏｒａｔｉｏｎ ｏｆ Ａｍｅｒｉｃａ セキュリティ処理方法及びサーバ
JP6839963B2 (ja) * 2016-01-08 2021-03-10 パナソニック インテレクチュアル プロパティ コーポレーション オブ アメリカＰａｎａｓｏｎｉｃ Ｉｎｔｅｌｌｅｃｔｕａｌ Ｐｒｏｐｅｒｔｙ Ｃｏｒｐｏｒａｔｉｏｎ ｏｆ Ａｍｅｒｉｃａ 異常検知方法、異常検知装置及び異常検知システム
JP7167009B2 (ja) * 2016-09-26 2022-11-08 ハーマン インターナショナル インダストリーズ インコーポレイテッド 自動車保証の不正の予測のためのシステム及び方法
WO2018069853A1 (en) * 2016-10-12 2018-04-19 Harman International Industries, Incorporated Systems and methods for in-vehicle predictive failure detection
US20180315260A1 (en) * 2017-05-01 2018-11-01 PiMios, LLC Automotive diagnostics using supervised learning models
US10908614B2 (en) * 2017-12-19 2021-02-02 Here Global B.V. Method and apparatus for providing unknown moving object detection
US10726638B2 (en) * 2017-12-21 2020-07-28 Micron Technology, Inc. Providing autonomous vehicle maintenance
US10417528B2 (en) * 2018-02-18 2019-09-17 Sas Institute Inc. Analytic system for machine learning prediction model selection
US11113168B2 (en) * 2018-03-09 2021-09-07 Toyota Motor Engineering & Manufacturing North America, Inc. Distributed architecture for fault monitoring
US10354462B1 (en) * 2018-04-06 2019-07-16 Toyota Motor Engineering & Manufacturing North America, Inc. Fault diagnosis in power electronics using adaptive PCA
US10650616B2 (en) * 2018-04-06 2020-05-12 University Of Connecticut Fault diagnosis using distributed PCA architecture
US11042145B2 (en) * 2018-06-13 2021-06-22 Hitachi, Ltd. Automatic health indicator learning using reinforcement learning for predictive maintenance
DE102018213991A1 (de) * 2018-08-20 2020-02-20 Audi Ag Verfahren zur Ermittlung einer Lebensdauer einer Batterie sowie Fahrzeug mit einer Batterie
JP6702380B2 (ja) * 2018-09-14 2020-06-03 トヨタ自動車株式会社 内燃機関の制御装置
JP2020087251A (ja) * 2018-11-30 2020-06-04 いすゞ自動車株式会社 モデル作成装置、モデル作成方法及びプログラム
US10916072B2 (en) * 2019-05-13 2021-02-09 Gm Cruise Holdings Llc Self-maintaining autonomous vehicle procedure
US20210049480A1 (en) * 2019-08-12 2021-02-18 Micron Technology, Inc. Predictive maintenance of automotive battery
US11586194B2 (en) * 2019-08-12 2023-02-21 Micron Technology, Inc. Storage and access of neural network models of automotive predictive maintenance
US20210350232A1 (en) * 2020-05-07 2021-11-11 Nec Laboratories America, Inc. Fault detection in cyber-physical systems
US11704945B2 (en) * 2020-08-31 2023-07-18 Nissan North America, Inc. System and method for predicting vehicle component failure and providing a customized alert to the driver
US20220067535A1 (en) * 2020-09-03 2022-03-03 Nec Laboratories America, Inc. Anomaly detection in cyber-physical systems
US11657591B2 (en) * 2021-01-15 2023-05-23 Argo AI, LLC Autonomous vehicle system for intelligent on-board selection of data for building a remote machine learning model
KR20230006182A (ko) * 2021-07-02 2023-01-10 현대자동차주식회사 개인 이동수단 공유 서비스를 제공하는 방법 및 이를 수행하는 서버
US20230042433A1 (en) * 2021-08-09 2023-02-09 Deere & Company Systems and methods for assessing degradation in drive components
WO2023034625A1 (en) * 2021-09-03 2023-03-09 Protech Electronics Llc System and method for identifying advanced driver assist systems for vehicles
US11482118B1 (en) * 2021-12-29 2022-10-25 Beta Air, Llc System and method for flight selective tracking, categorization, and transmission of flight data of an electric aircraft
US20230206608A1 (en) * 2021-12-29 2023-06-29 Mobileye Vision Technologies Ltd. Systems and methods for analyzing and resolving image blockages

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2001296915A (ja) * 2000-04-13 2001-10-26 Yazaki Corp 遠隔自己診断システム
JP2009146086A (ja) * 2007-12-13 2009-07-02 Toyota Central R&D Labs Inc 車両故障診断予測装置
JP2012121488A (ja) * 2010-12-09 2012-06-28 Jvc Kenwood Corp 車載装置、通信方法及びプログラム
JP2013200143A (ja) * 2012-03-23 2013-10-03 Mitsubishi Electric Corp 異常音診断装置および異常音診断システム
JP2015214169A (ja) * 2014-05-07 2015-12-03 日立オートモティブシステムズ株式会社 検査装置、検査システム及び検査方法

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116830169A (zh) * 2020-12-21 2023-09-29 丰田自动车北美公司 逼近问题的时间
JPWO2022208894A1 (ja) * 2021-04-02 2022-10-06
WO2022208894A1 (ja) * 2021-04-02 2022-10-06 日本電気株式会社 機械診断装置、機械診断方法、および記録媒体
WO2024171362A1 (ja) * 2023-02-16 2024-08-22 日立Astemo株式会社 半導体集積回路及び電子制御装置

Also Published As

Publication number Publication date
US20210327165A1 (en) 2021-10-21
JPWO2020110446A1 (ja) 2021-10-14
CN112912282A (zh) 2021-06-04

Similar Documents

Publication Publication Date Title
WO2020110446A1 (ja) 車両故障予測システム、監視装置、車両故障予測方法および車両故障予測プログラム
EP3745271B1 (en) Abnormality determination device, abnormality detection model creation server, and program
US8560165B2 (en) Co-operative on-board and off-board component and system diagnosis and prognosis
JP7612711B2 (ja) 攻撃解析装置、攻撃解析方法、および、プログラム
US8793366B2 (en) Method and arrangement for diagnosing networks including field bus systems
CN105209995A (zh) 监视系统及其诊断装置和监视终端
CN111052087B (zh) 控制系统、信息处理装置以及记录介质
CN106843190A (zh) 分布式车辆健康管理系统
US12538108B2 (en) Detection device, vehicle, detection method, and detection program
US10127093B1 (en) Method and apparatus for monitoring a message transmission frequency in a robot operating system
CN114296426A (zh) 车辆的远程诊断方法、装置、服务器及存储介质
JP6542096B2 (ja) 故障診断システム
WO2018123143A1 (ja) 収集装置、収集方法、プログラム及び収集システム
CN116300823B (zh) 电子控制单元异常处理方法、装置、存储介质和电子设备
CN103472814B (zh) 用于监测车辆故障的方法和系统
US10666671B2 (en) Data security inspection mechanism for serial networks
JP2025131714A (ja) 監視装置
JP7360888B2 (ja) 異常検知装置、セキュリティシステム及び異常検知方法
Varun et al. Automotive Ethernet in on-board diagnosis (Over IP) & in-vehicle networking
Forouher et al. Data flow analysis in ROS
KR101231933B1 (ko) 전자 장비의 오류 관리 시스템 및 방법
KR20090003983A (ko) 오피시를 이용한 에이치엠아이 시스템의 원격 감시를 위한화면 전송 방법
JP7679775B2 (ja) 監視装置、車両監視システムおよび車両監視方法
KR102746386B1 (ko) Can 버스 통신에서 위변조 ecu의 진단 id 식별 방법 및 이를 수행하는 시스템
WO2020012822A1 (ja) 演算システム、演算装置

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 19890881

Country of ref document: EP

Kind code of ref document: A1

ENP Entry into the national phase

Ref document number: 2020558126

Country of ref document: JP

Kind code of ref document: A

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 19890881

Country of ref document: EP

Kind code of ref document: A1