DE102007045255B4 - Verfahren zur Herstellung eines Diagnosesystems, insbesondere für ein Kraftfahrzeug - Google Patents
Verfahren zur Herstellung eines Diagnosesystems, insbesondere für ein Kraftfahrzeug Download PDFInfo
- Publication number
- DE102007045255B4 DE102007045255B4 DE102007045255.3A DE102007045255A DE102007045255B4 DE 102007045255 B4 DE102007045255 B4 DE 102007045255B4 DE 102007045255 A DE102007045255 A DE 102007045255A DE 102007045255 B4 DE102007045255 B4 DE 102007045255B4
- Authority
- DE
- Germany
- Prior art keywords
- repair
- symptom
- symptoms
- diagnostic
- measure
- 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.)
- Expired - Fee Related
Links
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 6
- 208000024891 symptom Diseases 0.000 claims abstract description 76
- 230000008439 repair process Effects 0.000 claims abstract description 73
- 238000000034 method Methods 0.000 claims description 7
- 238000003745 diagnosis Methods 0.000 claims description 3
- 239000011159 matrix material Substances 0.000 description 5
- 238000013528 artificial neural network Methods 0.000 description 3
- 238000013024 troubleshooting Methods 0.000 description 3
- 238000002485 combustion reaction Methods 0.000 description 2
- 238000003066 decision tree Methods 0.000 description 1
- 238000004146 energy storage Methods 0.000 description 1
- 230000007257 malfunction Effects 0.000 description 1
- 230000001537 neural effect Effects 0.000 description 1
- 238000004092 self-diagnosis Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B23/00—Testing or monitoring of control systems or parts thereof
- G05B23/02—Electric testing or monitoring
- G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
- G05B23/0259—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterized by the response to fault detection
- G05B23/0275—Fault isolation and identification, e.g. classify fault; estimate cause or root of failure
- G05B23/0278—Qualitative, e.g. if-then rules; Fuzzy logic; Lookup tables; Symptomatic search; FMEA
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Physics (AREA)
- General Physics & Mathematics (AREA)
- Biomedical Technology (AREA)
- Artificial Intelligence (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Biophysics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Software Systems (AREA)
- Health & Medical Sciences (AREA)
- Fuzzy Systems (AREA)
- Quality & Reliability (AREA)
- Automation & Control Theory (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Testing And Monitoring For Control Systems (AREA)
Abstract
Verfahren zur Herstellung eines Diagnosesystems (1), für ein Kraftfahrzeug, wobei eine Datenbasis erstellt wird, in der für eine Mehrzahl (5) von Kraftfahrzeugen (5.1, 5.2, 5.3) Symptome (S1, S2, S3, S4, ...) und aufgrund dieser Symptome (S1, S2, S3, S4, ...) durchgeführte Reparaturmaßnahmen (M1, M2, M3, M4, ...) gespeichert sind, wobei für zumindest ein Symptom (S1, S2, S3, S4, ...) und eine Reparaturmaßnahme (M1, M2, M3, M4, ...) ein statistischer Zusammenhang zwischen dem Symptom (S1, S2, S3, S4, ...) und der Reparaturmaßnahme (M1, M2, M3, M4, ...) bestimmt wird, oder für zumindest ein Symptom (S1, S2, S3, S4, ...) und eine Reparaturmaßnahme (M1, M2, M3, M4, ...) bestimmt wird, mit welcher Irrtumswahrscheinlichkeit das Symptom (S1, S2, S3, S4, ...) Einfluss auf die Reparaturmaßnahme (M1, M2, M3, M4, ...) oder mit welcher Häufigkeit das Symptom (S1, S2, S3, S4, ...) zu der Reparaturmaßnahme (M1, M2, M3, M4, ...) geführt hat, wobei einer Reparaturmaßnahme (M3) die Symptome (S3, S4) zugeordnet werden, bei denen die Irrtumswahrscheinlichkeit in Bezug auf die Reparaturmaßnahme (M1, M2, M3, M4, ...) ein Signifikanzniveau oder einen Signifikanz-Grenzwert nicht überschreitet, und wobei vorgesehen ist,dass die Reparaturmaßnahmen (M3, M4), denen zumindest ein gemeinsames Symptom (S4) zugeordnet ist, mit ihren zugeordneten Symptomen (S3, S4) zu einem Cluster (35) zusammengefasst werden, sofern die Anzahl der Reparaturmaßnahmen, denen zumindest ein gemeinsames Symptom zugeordnet ist, einen Cluster-Grenzwert nicht überschreitet,wobei mit den Reparaturmaßnahmen (M3, M4) des Clusters (35) und den ihnen zugeordneten Symptomen (S3, S4) ein Diagnose-Netz trainiert wird, wobei die Diagnose-Netze zumindest zweier Cluster in das Diagnosesystem (1) integriert werden.
Description
- Die Erfindung betrifft ein Verfahren zur Herstellung eines Diagnosesystems, insbesondere für ein Kraftfahrzeug, wobei eine Datenbasis erstellt wird, in der für eine Mehrzahl von Fahrzeugen oder zu diagnostizierender Einrichtungen Symptome und aufgrund dieser Symptome durchgeführte Reparaturmaßnahmen (einander zugeordnet) gespeichert sind.
- Die meisten heute in Kraftfahrzeugen eingesetzten Steuergeräte sind eigendiagnosefähig. Das bedeutet, sie besitzen Diagnoseroutinen innerhalb der Steuergerätesoftware, welche die Sensoren und Aktoren gegeneinander plausibilisieren. Dazu werden zum Beispiel Verfahren eingesetzt, wie sie in „Modellgestützte Steuerung, Regelung und Diagnose von Verbrennungsmotoren“, Isermann, R., Springer, 2003, beschrieben sind. Wird von einem System eine Störung erkannt, so wird ein Ereignisspeichereintrag hinterlegt, der über eine Diagnoseschnittstelle aus dem Kraftfahrzeug ausgelesen werden kann (vgl. ISO 15031).
- Im Gegensatz zur Eigendiagnose (On-Board-Diagnose), wie sie zum Beispiel in der
DE 102 22 072 A1 offenbart ist, wird unter Off-Board-Diagnosesystemen, wie sie zum Beispiel in derDE 10 2005 040 142 A1 , derUS 59 19 267 A , derDE 199 59 526 A1 , derDE 10 2005 015 664 A1 und derDE 10 2005 014 308 A1 offenbart sind, eine Klasse von Systemen verstanden, die in der Werkstatt an ein Kraftfahrzeug angeschlossen werden können und von außen auf die Systeme im Kraftfahrzeug zugreifen. Sie haben die Möglichkeit, Energiespeichereinträge aller vorhandenen Fahrzeugsysteme auszulesen und dem Kundendienstmitarbeiter in einer lesbaren Form anzuzeigen. - Leistungsfähige Diagnosesysteme sollen dem Kundendienstmitarbeiter nicht nur alle Informationen aus den einzelnen Steuergeräten anzeigen, sondern ihn zusätzlich bei der Fehlersuche aktiv unterstützen, wie zum Beispiel bei der so genannten geführten Fehlersuche GFS. Die GFS verwendet Fehlersuchprogramme auf Basis von Entscheidungsbäumen, welche von Experten erstellt, in verschiedene Sprachen übersetzt und weltweit an die Anwender verteilt werden. Hier wird für jeden Fehlercode, der in einem Fahrzeug auftreten kann, ein Fehlersuchprogramm erstellt. Eine besondere Schwierigkeit besteht hierbei in der Abdeckung aller Varianten eines Kraftfahrzeuges, welche sich durch die zahlreichen Ausstattungsmöglichkeiten ergeben. So kann sich derselbe Fehler in unterschiedlichen Kraftfahrzeugvarianten in unterschiedlicher Art äußern. Zudem können entsprechende Prüf- oder Reparaturanweisungen stark variieren. Darüber hinaus ist es schwierig, alle Fehlerquellen zu erkennen und abzudecken.
- Es ist Aufgabe der Erfindung, vorgenannte Nachteile zu vermeiden. Dabei ist es insbesondere eine Aufgabe bzw. eine alternative oder weitere Aufgabe der Erfindung, ein verbessertes Diagnosesystem, insbesondere für ein Kraftfahrzeug, anzugeben.
- Vorgenannte Aufgabe wird durch ein Verfahren zur Herstellung eines, insbesondere Off-Board, Diagnosesystems, für ein Kraftfahrzeug, gelöst, wobei eine Datenbasis erstellt wird, in der für eine Mehrzahl von Fahrzeugen Symptome und aufgrund dieser Symptome durchgeführte Reparaturmaßnahmen gespeichert sind, und wobei für zumindest ein Symptom und eine Reparaturmaßnahme ein statistischer Zusammenhang zwischen dem Symptom und der Reparaturmaßnahme bestimmt wird, oder wobei für zumindest ein Symptom und eine Reparaturmaßnahme bestimmt wird, mit welcher Irrtumswahrscheinlichkeit das Symptom Einfluss auf die Reparaturmaßnahme oder mit welcher Häufigkeit das Symptom zu der Reparaturmaßnahme geführt hat.
Dabei wird die Irrtumswahrscheinlichkeit mit einem Signifikanzniveau oder Signifikanz-Grenzwert verglichen und es werden einer Reparaturmaßnahme die Symptome zugeordnet, bei denen die Irrtumswahrscheinlichkeit in Bezug auf die Reparaturmaßnahme das Signifikanzniveau oder den Signifikanz-Grenzwert nicht überschreitet. - Es kann dabei auch sein, dass einer Reparaturmaßnahme nur ein einziges Symptom zugeordnet wird. In vorteilhafter Ausgestaltung der Erfindung beträgt das Signifikanzniveau oder der Signifikanz-Grenzwert in etwa 5%.
- Zur Bestimmung der Irrtumswahrscheinlichkeit ist besonders der x2-Test geeignet, wie er zum Beispiel auf Seite 475 in „DTV-Atlas zur Mathematik‟, Band 2, 6. Aufl., März 1987, ISBN 3-423-03008-9, offenbart ist.
- Erfindungsgemäß werden die Reparaturmaßnahmen, denen zumindest ein gemeinsames Symptom zugeordnet ist, mit ihren zugeordneten Symptomen zu einem Cluster zusammengefasst. Ein Cluster im Sinne der Erfindung kann auch als Gruppe bezeichnet werden. Die Zusammenfassung erfolgt dabei nur, sofern die Anzahl der Reparaturmaßnahmen, denen zumindest ein gemeinsames Symptom zugeordnet ist, einen Cluster-Grenzwert nicht überschreitet.
- Das heißt, dass die Zusammenfassung mehrerer Zusammenhänge zwischen Reparaturmaßnahmen und Symptomen nicht erfolgt, wenn ein Symptom Teil einer Vielzahl (mehr als der Cluster-Grenzwert) derartiger Zusammenhänge ist. In weiterhin vorteilhafter Ausgestaltung der Erfindung liegt der Cluster-Grenzwert zwischen 5 und 20, insbesondere zwischen 5 und 10.
- Weiterhin wird erfindungsgemäß mit den Reparaturmaßnahmen eines Clusters und den ihnen zugeordneten Symptomen ein Diagnose-Netz trainiert. Ein derartiges Diagnose-Netz kann zum Beispiel ein neuronales Netz oder ein Bayessches Netz sein. Dabei werden die Diagnose-Netze zumindest zweier Cluster in ein Diagnosesystem, insbesondere für ein Kraftfahrzeug, integriert.
- Vorgenannte Aufgabe wird zudem durch ein Diagnosesystem, insbesondere für ein Kraftfahrzeug, insbesondere durch ein gemäß einem einen oder mehrere der vorgenannten Schritte umfassenden Verfahren hergestelltes Diagnosesystem, gelöst, wobei das Diagnosesystem zumindest ein Diagnose-Netz mit einer Mehrzahl von Knoten und Verbindungen zwischen zumindest je zwei Knoten umfasst, und wobei die Verbindungen des Diagnose-Netzes zu einem Anteil von weniger als 70% unrelevante Verbindungen sind. In vorteilhafter Ausgestaltung der Erfindung sind die Verbindungen des Diagnose-Netzes zu einem Anteil von weniger als 50%, insbesondere weniger als 20%, unrelevante Verbindungen. Eine unrelevante Verbindung im Sinne der Erfindung ist insbesondere eine Verbindung mit einem Gewicht von weniger als 5%, insbesondere von weniger als 1%, des Gewichts der Verbindung mit dem größten Gewicht.
- Kraftfahrzeug im Sinne der Erfindung ist insbesondere ein individuell im Straßenverkehr benutzbares Landfahrzeug. Kraftfahrzeuge im Sinne der Erfindung sind insbesondere nicht auf Landfahrzeuge mit Verbrennungsmotor beschränkt.
- Weitere Vorteile und Einzelheiten ergeben sich aus der nachfolgenden Beschreibung von Ausführungsbeispielen am Beispiel eines Diagnosesystems für ein Kraftfahrzeug. Dabei zeigen:
-
1 ein Ausführungsbeispiel eines Diagnosebereitstellungssystems, -
2 ein Ausführungsbeispiel eines Diagnosesystems, -
3 ein Ausführungsbeispiel eines Verfahrens zur Herstellung eines Diagnosesystems für ein Kraftfahrzeug, -
4 eine Datenbasis in einer vereinfachten Darstellung, -
5 eine Signifikanzmatrix in einer vereinfachten Darstellung, -
6 aus einer Signifikanzmatrix abgeleitete Cluster in einer vereinfachten Darstellung, -
7 zusammengefasste Cluster in einer vereinfachten Darstellung, -
8 ein neuronales Netz und -
9 eine Trainingsumgebung zum Trainieren zusammengefasster Einzelnetze. -
1 zeigt ein Diagnosesystem1 , wie es zum Beispiel in einer Werkstatt2 zum Einsatz kommt. Dabei bezeichnet Bezugszeichen3 einen Service- oder Kundendienstmitarbeiter mit seinem entsprechenden Werkzeug. Die Werkstatt2 durchläuft eine Mehrzahl5 von Kraftfahrzeugen5.1 ,5.2 ,5.3 , deren ZustandZ , zum Beispiel elektronisch oder durch Sichtung, aufgenommen wird. Entsprechend werden die einzelnen Kraftfahrzeuge5.1 ,5.2 ,5.3 mittels geeigneter ReparaturmaßnahmenM repariert. - Zur Unterstützung der Reparaturmaßnahmen ist das Diagnosesystem
1 vorgesehen, das in2 detailliert dargestellt ist. Dem Diagnosesystem werden SymptomeS zugeführt, die bei einem Kraftfahrzeug5.1 ,5.2 ,5.3 ermittelt werden. Diese SymptomeS werden insbesondere über eine entsprechende Schnittstelle12 elektronisch eingelesen. Es kann jedoch auch vorgesehen sein, dass bestimmte Symptome über eine entsprechende Schnittstelle13 , die zum Beispiel als Eingabemaske ausgestattet sein kann, manuell eingegeben werden. Die SymptomeS werden einem Diagnosemodul11 zugeführt, das einen VorschlagM* für eine Reparaturmaßnahme über eine Schnittstelle14 ausgibt, die identisch mit der durchgeführten ReparaturmaßnahmeM sein kann bzw. meistens ist. - Bezugszeichen
6 in1 bezeichnet ein Diagnosebereitstellungssystem, dem die durchgeführten ReparaturmaßnahmenM sowie die zu dem Reparaturfall gehörenden SymptomeS übermittelt werden. Dabei ist insbesondere vorgesehen, dass nicht nur die ReparaturmaßnahmenM und die zugehörigen SymptomeS für Reparaturen einer Werkstatt2 dem Diagnosebereitstellungssystem6 zugeleitet werden, sondern entsprechende Reparaturmaßnahmen und Symptome vieler Werkstätten. In Abhängigkeit der SymptomeS und der zugeordneten ReparaturmaßnahmenM erzeugt das Diagnosebereitstellungssystem einen neuen CodeD für das Diagnosemodul11 , der dem Diagnosesystem1 in bestimmten Zeitabschnitten übertragen wird. Es kann auch vorgesehen werden, dass das Diagnosesystem1 durch ein neues Diagnosesystem mit dem entsprechenden CodeD ersetzt wird. - Das Diagnosesystem
1 kann auch an einem anderen Ort angeordnet sein. So kann das Diagnosesystem1 bei dem Diagnosebereitstellungsmodul6 angeordnet oder in dieses integriert sein. Ist das Diagnosesystem1 nicht am Ort seiner Nutzung angeordnet, so kann an diesem Ort eine Mensch-Maschine-Schnittstelle und/oder einer Maschine-Maschine-Schnittstelle vorgesehen sein, mittels denen mit dem Diagnosesystem1 , z.B. via Internet o. ä., kommuniziert werden kann. -
3 zeigt ein in dem Diagnosebereitstellungsmodul6 implementiertes (automatisiert ablaufendes) Verfahren. Dabei wird in einem Schritt21 eine Datenbasis erstellt, wie sie in4 beispielhaft dargestellt ist. In dieser Datenbasis werden einzelne SymptomeS zusammen mit den entsprechenden ReparaturmaßnahmenM abgespeichert. Dem Schritt21 folgt ein Schritt22 , in dem für jede Kombination eines SymptomsS und einer ReparaturmaßnahmeM ein statistischer Zusammenhang zwischen dem SymptomS und der ReparaturmaßnahmeM , vorteilhafterweise eine Irrtumswahrscheinlichkeit, gebildet wird. Zur Bildung dieser Irrtumswahrscheinlichkeit ist insbesondere der x2-Test geeignet. Das Ergebnis des Schritts22 ist eine in5 beispielhaft dargestellte als Signifikanzmatrix bezeichnete Matrix. Eine reale Signifikanzmatrix umfasst mehrere tausend Spalten und Reihen. Der statistische Zusammenhang zwischen dem SymptomS und der ReparaturmaßnahmeM kann auch eine Häufigkeit sein, jedoch ist eine Irrtumswahrscheinlichkeit als Zusammenhang zwischen dem SymptomS und der ReparaturmaßnahmeM zu bevorzugen. - Dem Schritt
22 folgt ein Schritt23 , in dem einer ReparaturmaßnahmeM die SymptomeS zugeordnet werden, bei denen die Irrtumswahrscheinlichkeit in Bezug auf die Reparaturmaßnahme einen Signifikanzgrenzwert nicht überschreitet (bzw. gegebenenfalls bei denen die Häufigkeit in Bezug auf die Reparaturmaßnahme und das entsprechende Symptom einen Häufigkeitsgrenzwert nicht unterschreitet). Dieser Signifikanzgrenzwert liegt vorteilhafterweise in etwa bei 5 %. Die Zuordnung von SymptomenS zu einer ReparaturmaßnahmeM wird im Folgenden als Cluster bezeichnet, wie sie beispielhaft in6 dargestellt sind. - In dem in
5 dargestellten Beispiel beträgt die Irrtumswahrscheinlichkeit dafür, dass bei Symptom S1 die Reparaturmaßnahme M2 die richtige Reparaturmaßnahme ist, 0,01. 0,01 ist kleiner als 5 %. Daher werden Symptom S1 und Reparaturmaßnahme M2 zu einem Cluster31 zusammengefasst. Die Irrtumswahrscheinlichkeit dafür, dass die Reparaturmaßnahme M1 bei Symptom S2 die richtige Reparaturmaßnahme ist, beträgt 0,02. 0,02 ist kleiner als 5 %. Daher werden auch Symptom S2 und Reparaturmaßnahme M1 zu einem Cluster32 zusammengefasst. Die Irrtumswahrscheinlichkeit dafür, dass die Reparaturmaßnahme M3 bei Symptom S3 sowie Symptom S4 die richtige Reparaturmaßnahme ist, beträgt jeweils 0,01. 0,01 ist kleiner als 5 %. Daher werden die Symptome S3 und S4 in einem Cluster33 der Reparaturmaßnahme M3 zugeordnet. Die Irrtumswahrscheinlichkeit dafür, dass bei Symptom S4 die Reparaturmaßnahme M4 die richtige ist, beträgt ebenfalls 0,01 und ist kleiner als 5 %. Daher werden das Symptom S4 und die Reparaturmaßnahme M4 in einem Cluster34 zusammengefasst. - Dem Schritt
23 folgt ein Schritt24 , in dem die Cluster zusammengefasst werden, die gemeinsame Symptome umfassen. Dies erfolgt jedoch nur, wenn die Anzahl der Reparaturmaßnahmen, denen zumindest ein gemeinsames Symptom zugeordnet ist, einen Cluster-Grenzwert nicht überschreitet. Dieser Cluster-Grenzwert beträgt z.B.20 , vorteilhafterweise10 , insbesondere 5. Dadurch wird vermieden, dass bei sehr häufig auftretenden Symptomen diese Symptome benutzt werden, um Cluster zusammenzufassen. Tritt also ein Symptom besonders häufig auf, wird es nicht dazu benutzt, Cluster zusammenzufassen. Die Zusammenfassung von Clustern ist beispielsweise in7 am Beispiel der in6 dargestellten Cluster dargestellt. Wie in6 ersichtlich, umfasst sowohl das Cluster33 , das Symptom S4 als auch das Cluster34 . Da das Symptom S4 weniger häufig in Clustern vorhanden ist als dies durch den Cluster-Grenzwert begrenzt wird, werden die Cluster33 und34 , wie in7 dargestellt, zu einem neuen Cluster35 zusammengefasst. - Dem Schritt
24 folgt ein Schritt25 , in dem zu jedem Cluster31 ,32 ,33 ,34 ,35 ein Netz (Ausführungsbeispiel für ein Diagnose-Netz im Sinne der Ansprüche), zum Beispiel ein neuronales Netz, wie dies in8 beispielhaft für Cluster35 dargestellt ist, erzeugt wird. Dabei entspricht die Anzahl der Eingangsknoten51 ,52 der Anzahl der Symptome S3, S4 des Clusters35 und die Anzahl der Ausgangsknoten61 ,62 der Anzahl der Reparaturmaßnahmen M3, M4 des Clusters35 . Anschließend werden die derart erzeugten Netze mit der in4 dargestellten Datenbasis trainiert. - Dem Schritt
25 folgt ein Schritt26 , in dem die einzelnen Netze (die im übrigen eine oder mehr Zwischenschichten (hidden layer) umfassen können) schließlich zu einem Gesamtnetz zusammengefasst werden, dass dem Diagnosemodul11 bzw. dessen Code entspricht. Es kann auch vorgesehen werden, die Schritte25 und26 dergestalt auszuführen, dass die untrainierten Netze, wie in9 dargestellt, zu einem Gesamtnetz110 mit der Struktur des Diagnosemoduls11 bzw. dessen Codes zusammengefasst werden und anschließend mittels der in4 dargestellten Datenbasis trainiert werden, wobei110 das Diagnosemodul11 bzw. dessen Code. - Bezugszeichenliste
-
- 1
- Diagnosesystem
- 2
- Werkstatt
- 3
- Service- oder Kundendienstmitarbeiter mit seinem entsprechenden Werkzeug
- 5
- Mehrzahl von Kraftfahrzeugen
- 5.1, 5.2, 5.3
- Kraftfahrzeuge
- 6
- Diagnosebereitstellungssystem
- 11
- Diagnosemodul
- 12, 13, 14
- Schnittstelle
- 21, 22, 23, 24 25, 26
- Schritt
- 31, 32, 33, 34 35
- Cluster
- 51, 52
- Eingangsknoten
- 61, 62
- Ausgangsknoten
- 110
- Gesamtnetz
- D
- Code
- M
- Reparaturmaßnahme
- M*
- Vorschlag für eine Reparaturmaßnahme
- M̅1, M̅x, M̅x+1, M̅y,M̅z, M̅m
- Daten einzelner Reparaturmaßnahmen
- S
- Symptom
- S̅1, S̅2, S̅i, S̅i+1, S̅i+2, S̅j, S̅k, S̅k+1, S̅n
- Daten einzelner Symptome
- Z
- Zustand eines Kraftfahrzeuges
Claims (6)
- Verfahren zur Herstellung eines Diagnosesystems (1), für ein Kraftfahrzeug, wobei eine Datenbasis erstellt wird, in der für eine Mehrzahl (5) von Kraftfahrzeugen (5.1, 5.2, 5.3) Symptome (S1, S2, S3, S4, ...) und aufgrund dieser Symptome (S1, S2, S3, S4, ...) durchgeführte Reparaturmaßnahmen (M1, M2, M3, M4, ...) gespeichert sind, wobei für zumindest ein Symptom (S1, S2, S3, S4, ...) und eine Reparaturmaßnahme (M1, M2, M3, M4, ...) ein statistischer Zusammenhang zwischen dem Symptom (S1, S2, S3, S4, ...) und der Reparaturmaßnahme (M1, M2, M3, M4, ...) bestimmt wird, oder für zumindest ein Symptom (S1, S2, S3, S4, ...) und eine Reparaturmaßnahme (M1, M2, M3, M4, ...) bestimmt wird, mit welcher Irrtumswahrscheinlichkeit das Symptom (S1, S2, S3, S4, ...) Einfluss auf die Reparaturmaßnahme (M1, M2, M3, M4, ...) oder mit welcher Häufigkeit das Symptom (S1, S2, S3, S4, ...) zu der Reparaturmaßnahme (M1, M2, M3, M4, ...) geführt hat, wobei einer Reparaturmaßnahme (M3) die Symptome (S3, S4) zugeordnet werden, bei denen die Irrtumswahrscheinlichkeit in Bezug auf die Reparaturmaßnahme (M1, M2, M3, M4, ...) ein Signifikanzniveau oder einen Signifikanz-Grenzwert nicht überschreitet, und wobei vorgesehen ist, dass die Reparaturmaßnahmen (M3, M4), denen zumindest ein gemeinsames Symptom (S4) zugeordnet ist, mit ihren zugeordneten Symptomen (S3, S4) zu einem Cluster (35) zusammengefasst werden, sofern die Anzahl der Reparaturmaßnahmen, denen zumindest ein gemeinsames Symptom zugeordnet ist, einen Cluster-Grenzwert nicht überschreitet, wobei mit den Reparaturmaßnahmen (M3, M4) des Clusters (35) und den ihnen zugeordneten Symptomen (S3, S4) ein Diagnose-Netz trainiert wird, wobei die Diagnose-Netze zumindest zweier Cluster in das Diagnosesystem (1) integriert werden.
- Verfahren nach
Anspruch 1 , dadurch gekennzeichnet, dass die Irrtumswahrscheinlichkeit mit dem Signifikanzniveau oder Signifikanz-Grenzwert verglichen wird. - Verfahren nach
Anspruch 1 oder2 , dadurch gekennzeichnet, dass das Signifikanzniveau oder der Signifikanz-Grenzwert in etwa 5% beträgt. - Verfahren nach
Anspruch 1 ,2 oder3 , dadurch gekennzeichnet, dass der Cluster-Grenzwert zwischen 5 und 20 liegt. - Gemäß einem Verfahren nach einem der vorhergehenden Ansprüche hergestelltes Diagnosesystem (1) für ein Kraftfahrzeug, wobei das Diagnosesystem (1) zumindest ein Diagnose-Netz mit einer Mehrzahl von Knoten und Verbindungen zwischen zumindest je zwei Knoten umfasst, dadurch gekennzeichnet, dass die Verbindungen des Diagnose-Netzes zu einem Anteil von weniger als 70% unrelevante Verbindungen sind.
- Diagnosesystem (1) nach
Anspruch 5 , dadurch gekennzeichnet, dass die Verbindungen des Diagnose-Netzes zu einem Anteil von weniger als 50% unrelevante Verbindungen sind.
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
DE102007045255.3A DE102007045255B4 (de) | 2007-09-21 | 2007-09-21 | Verfahren zur Herstellung eines Diagnosesystems, insbesondere für ein Kraftfahrzeug |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
DE102007045255.3A DE102007045255B4 (de) | 2007-09-21 | 2007-09-21 | Verfahren zur Herstellung eines Diagnosesystems, insbesondere für ein Kraftfahrzeug |
Publications (2)
Publication Number | Publication Date |
---|---|
DE102007045255A1 DE102007045255A1 (de) | 2009-04-02 |
DE102007045255B4 true DE102007045255B4 (de) | 2021-11-18 |
Family
ID=40384163
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
DE102007045255.3A Expired - Fee Related DE102007045255B4 (de) | 2007-09-21 | 2007-09-21 | Verfahren zur Herstellung eines Diagnosesystems, insbesondere für ein Kraftfahrzeug |
Country Status (1)
Country | Link |
---|---|
DE (1) | DE102007045255B4 (de) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8509985B2 (en) | 2011-05-25 | 2013-08-13 | GM Global Technology Operations LLC | Detecting anomalies in fault code settings and enhancing service documents using analytical symptoms |
Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5631831A (en) | 1993-02-26 | 1997-05-20 | Spx Corporation | Diagnosis method for vehicle systems |
US5919267A (en) | 1997-04-09 | 1999-07-06 | Mcdonnell Douglas Corporation | Neural network fault diagnostics systems and related method |
EP0980165A2 (de) | 1998-08-13 | 2000-02-16 | Motorola, Inc. | Verfahren zur Initialisierung eines verteilten Steuerungssystem |
DE19959526A1 (de) | 1999-12-09 | 2001-06-13 | Bosch Gmbh Robert | Verfahren zum Erkennen von Fehlern eines Kraftfahrzeuges |
US6301531B1 (en) | 1999-08-23 | 2001-10-09 | General Electric Company | Vehicle maintenance management system and method |
US6546363B1 (en) | 1994-02-15 | 2003-04-08 | Leroy G. Hagenbuch | Apparatus for tracking and recording vital signs and task-related information of a vehicle to identify operating patterns |
US20030158640A1 (en) | 1999-07-30 | 2003-08-21 | Oshkosh Truck Corporation | Equipment service vehicle with network-assisted vehicle service and repair |
DE10222072A1 (de) | 2002-05-17 | 2003-11-27 | Daimler Chrysler Ag | Diagnoseverfahren für dynamische Systeme |
US20030225485A1 (en) | 2002-03-23 | 2003-12-04 | Andreas Fritz | Method and apparatus for accepting data |
DE102005014308A1 (de) | 2005-03-30 | 2006-10-05 | Robert Bosch Gmbh | Verfahren und Anordnung zur Nutzerführung bei der Diagnose komplexer Systeme sowie ein entsprechendes Computerprogramm und ein entsprechendes computerlesbares Speichermedium |
DE102005015664A1 (de) | 2005-04-06 | 2006-10-12 | Daimlerchrysler Ag | Diagnosesystem zur Bestimmung einer gewichteten Liste möglicherweise fehlerhafter Komponenten aus Fahrzeugdaten und Kundenangaben |
US7162312B2 (en) | 2003-09-24 | 2007-01-09 | Siemens Aktiengesellschaft | Method, system and device for predictive error recognition in a plant |
DE102005040142A1 (de) | 2005-08-25 | 2007-03-01 | Daimlerchrysler Ag | Verfahren zur Identifikation komplexer Diagnosesituationen im Kundendienst |
-
2007
- 2007-09-21 DE DE102007045255.3A patent/DE102007045255B4/de not_active Expired - Fee Related
Patent Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5631831A (en) | 1993-02-26 | 1997-05-20 | Spx Corporation | Diagnosis method for vehicle systems |
US6546363B1 (en) | 1994-02-15 | 2003-04-08 | Leroy G. Hagenbuch | Apparatus for tracking and recording vital signs and task-related information of a vehicle to identify operating patterns |
US5919267A (en) | 1997-04-09 | 1999-07-06 | Mcdonnell Douglas Corporation | Neural network fault diagnostics systems and related method |
EP0980165A2 (de) | 1998-08-13 | 2000-02-16 | Motorola, Inc. | Verfahren zur Initialisierung eines verteilten Steuerungssystem |
US20030158640A1 (en) | 1999-07-30 | 2003-08-21 | Oshkosh Truck Corporation | Equipment service vehicle with network-assisted vehicle service and repair |
US6301531B1 (en) | 1999-08-23 | 2001-10-09 | General Electric Company | Vehicle maintenance management system and method |
DE19959526A1 (de) | 1999-12-09 | 2001-06-13 | Bosch Gmbh Robert | Verfahren zum Erkennen von Fehlern eines Kraftfahrzeuges |
US20030225485A1 (en) | 2002-03-23 | 2003-12-04 | Andreas Fritz | Method and apparatus for accepting data |
US6859718B2 (en) | 2002-03-23 | 2005-02-22 | Daimlerchrysler Ag | Method and apparatus for accepting data |
DE10222072A1 (de) | 2002-05-17 | 2003-11-27 | Daimler Chrysler Ag | Diagnoseverfahren für dynamische Systeme |
US7162312B2 (en) | 2003-09-24 | 2007-01-09 | Siemens Aktiengesellschaft | Method, system and device for predictive error recognition in a plant |
DE102005014308A1 (de) | 2005-03-30 | 2006-10-05 | Robert Bosch Gmbh | Verfahren und Anordnung zur Nutzerführung bei der Diagnose komplexer Systeme sowie ein entsprechendes Computerprogramm und ein entsprechendes computerlesbares Speichermedium |
DE102005015664A1 (de) | 2005-04-06 | 2006-10-12 | Daimlerchrysler Ag | Diagnosesystem zur Bestimmung einer gewichteten Liste möglicherweise fehlerhafter Komponenten aus Fahrzeugdaten und Kundenangaben |
DE102005040142A1 (de) | 2005-08-25 | 2007-03-01 | Daimlerchrysler Ag | Verfahren zur Identifikation komplexer Diagnosesituationen im Kundendienst |
Non-Patent Citations (3)
Title |
---|
„DTV-Atlas zur Mathematik‟, Band 2, 6. Aufl., März 1987, ISBN 3-423-03008-9 |
ISO 15031 |
Modellgestützte Steuerung, Regelung und Diagnose von VerbrennungsmotorenEditors: Professor Dr.-Ing. Rolf Isermann; ISBN: 978-3-540-44286-8 (Print) 978-3-642-55698-2 (Online) Chapter: Modellgestützte Steuerung, Regelung und Diagnose von Verbrennungsmotoren; pp 325-358 |
Also Published As
Publication number | Publication date |
---|---|
DE102007045255A1 (de) | 2009-04-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP2146262B1 (de) | Verfahren zum Bestimmen fehlerhafter Komponenten in einem System | |
DE102011008211B4 (de) | Fahrzeugfehlerdiagnose- und Fahrzeugfehlerprognosesystem und Verfahren zur Fehlerdiagnose und Fehlerprognose | |
EP2359204B1 (de) | Adaptives zentrales wartungssystem und verfahren zum planen von wartungsvorgängen von systemen | |
DE102018203280A1 (de) | Zustandsdiagnosevorrichtung | |
WO2005111752A1 (de) | Wissensbasiertes diagnosesystem für ein komplexes technisches system mit zwei getrennten wissensbasen zur verarbeitung technischer systemdaten und zur verarbeitung von kundenbeanstandungen | |
DE102011117803A1 (de) | Verfahren für die Wartungsdiagnose- und Wartungsprozedurverbesserung | |
DE102010051133A1 (de) | Fehlerdiagnose und -prognose unter Verwendung von Diagnosestörungscode-Markov-Ketten | |
EP1597643A1 (de) | Vorrichtung und verfahren zur modellbasierten on-board-diagnose | |
EP3001380A1 (de) | Diagnoseverfahren und erhebungsverfahren für fahrzeuge | |
DE102011086352A1 (de) | Verfahren und Diagnosesystem zur Unterstützung der geführten Fehlersuche in technischen Systemen | |
WO2007022849A2 (de) | Verfahren zur identifikation komplexer diagnosesituationen im kundendienst | |
DE102007045255B4 (de) | Verfahren zur Herstellung eines Diagnosesystems, insbesondere für ein Kraftfahrzeug | |
DE102013225710A1 (de) | Überwachungseinheit für eine Getriebeeinheit eines Schienenfahrzeugs | |
DE102018217728B4 (de) | Verfahren und Vorrichtung zum Schätzen von mindestens einer Leistungskennzahl eines Systems | |
DE102021002302A1 (de) | Verfahren zur Ablaufplanung durchzuführender Testprozesse | |
DE102008004219A1 (de) | Verfahren zum Behandeln mindestens eines Fehlers innerhalb eines Systems | |
DE102009033806A1 (de) | Verfahren zur Fertigung und Prüfung der Funktionalität in der Fertigung | |
DE102010056232A1 (de) | Verfahren zum Speichern von Diagnosedaten für ein Steuergerät eines Fahrzeugs sowie entsprechende Vorrichtung | |
WO2018036729A1 (de) | Überwachen einer anzeige eines führerstands eines verkehrsmittels | |
WO2023166021A1 (de) | Verfahren zur instandhaltung von flugzeugen | |
WO2022161695A1 (de) | Auswerteinrichtung für eine technische einrichtung und verfahren zum herstellen einer auswerteinrichtung | |
EP1032868B1 (de) | Verfahren zur bestimmung der verfügbarkeit einer technischen anlage | |
DE102022105249A1 (de) | Verfahren zum prüfen von obd-relevanz eines eingangssignals | |
DE102021004345A1 (de) | Verfahren zum Bereitstellen von Kraftfahrzeugbetriebsparameterdaten in einem Diagnose-Ereignis-Speicher eines Kraftfahrzeugs bei einem Diagnosefehlercode-Ereignis | |
DE19959140B4 (de) | Fehlerdiagnosesystem für Kraftfahrzeuge |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
OM8 | Search report available as to paragraph 43 lit. 1 sentence 1 patent law | ||
R012 | Request for examination validly filed |
Effective date: 20140429 |
|
R016 | Response to examination communication | ||
R016 | Response to examination communication | ||
R018 | Grant decision by examination section/examining division | ||
R020 | Patent grant now final | ||
R119 | Application deemed withdrawn, or ip right lapsed, due to non-payment of renewal fee |