JP7079373B2

JP7079373B2 - トレッド摩耗監視システム及び方法

Info

Publication number: JP7079373B2
Application number: JP2021506466A
Authority: JP
Inventors: シアラヴォラビンチェンツォ; アンドレアマジマルコ; コロラーロアルフレード; アレバロレンツォ; ボルドリーニアレッサンドロ; ボルトロットヴァレリオ; フラヴィアルフィーニ
Original assignee: Bridgestone Europe NV SA
Current assignee: Bridgestone Europe NV SA
Priority date: 2018-08-06
Filing date: 2019-07-30
Publication date: 2022-06-01
Anticipated expiration: 2039-07-30
Also published as: US11458777B2; JP2021533029A; CN112533775A; CN112533775B; EP3833553B1; US20210188017A1; WO2020031022A1; IT201800007884A1; EP3833553A1

Description

本発明は、自動車（例えば、内燃機関を搭載した車両、ハイブリッド車、電気自動車等）のタイヤのトレッド摩耗及び残存トレッド材料（RTM：Remaining Tread Material）を推定する能力を備えたトレッド摩耗監視のための方法及びシステムに関する。

広く知られているように、自動車のタイヤは、使用に伴い、劣化するおそれがある；特に、タイヤのトレッドは、時間の経過とともに、摩耗し、それにより、トレッド深さが減少するおそれがある。トレッド深さが特定の寿命末期トレッド深さに達したとき、運転の安全性を損なわないようにするために、タイヤは交換されるべきである。

残念ながら、多くのドライバーは、自動車のタイヤのトレッド深さを定期的にチェックしておらず、その結果、１つ又は複数のタイヤのトレッド深さが寿命末期トレッド深さに達した（又は、さらに悪いことに、それより低くなった）場合でも運転を続けるリスクがあり、それにより、安全性の深刻なリスクを負い続ける。実際、通常、一般的なドライバーは、トレッド深さ測定ツールを所有しておらず、自分の自動車のタイヤをタイヤショップで定期的にチェックすることを忘れる可能性がある。

そのため、自動車分野では、RTMを推定できる技術の必要性が顕著に感じられる。

例えば、この種の既知の解決策は、WO2017／156213A1（特許文献１）及びWO2017／156216A1（特許文献２）で提供されており、これらは、それぞれ、車両統合予想トレッド寿命インジケータシステム及び運転コンパニオントレッド寿命インジケータシステムに関連している。特に、これらの両方の国際出願は、タイヤのトレッド寿命を監視するためのコンピュータ実装型の方法を開示しており、その方法は以下を含む：
・１つ又は複数のプロセッサによって、１つ又は複数のトレッド深さ測定値に関連するデータを受信するステップであって、１つ又は複数のトレッド深さ測定値は、車両の外部の測定装置によって作成され、１つ又は複数のトレッド深さ測定値は、車両の少なくとも１つのタイヤの少なくとも１つのトレッドでのトレッド深さを記述するものである、ステップ；
・１つ又は複数のプロセッサによって、それぞれの時間値又は距離値を１つ又は複数のトレッド深度測定値のそれぞれに関連付けるステップ；
・１つ又は複数のプロセッサによって、１つ又は複数のトレッド深さ測定値を予測されたトレッド深さに相関させるモデルにアクセスするステップ；
・１つ又は複数のプロセッサによって、予測されたトレッド深さが、少なくとも部分的にモデルに基づいてトレッド深さ閾値に等しいか又はそれを超えると予想される推定時間又は推定距離を決定するステップ；及び
・１つ又は複数のプロセッサによって、通知システムに推定時間又は推定距離を提供するステップ。

前記通知システムは：
・WO2017／156213A1（特許文献１）によれば、車両に統合され、一方、
・WO2017／156216A1（特許文献２）によれば、ユーザーコンピューティング装置（例えば、スマートフォン又はタブレット）に統合される。

また、出願人は、自動車（例えば、内燃機関を搭載した車両、ハイブリッド車、電気自動車等）のタイヤのトレッド摩耗及びRTMを推定するための技術を開発する必要性を感じ
ている。この点に関して、2018年6月14日に出願された出願人のイタリア特許出願第102018000006322号（特許文献３）は、以下を含むトレッド摩耗監視方法を開示している：
・図１に概略的に示されているトレッド摩耗モデル較正ステップ（全体として１で示されている）；及び
・図２に概略的に示されているトレッド摩耗監視ステップ（全体として２で示されている）。

特に、図１に示すように、トレッド摩耗モデル較正ステップ1は次のものを含む：
・好ましくは１つ又は複数の屋内摩耗試験機等の１つ又は複数のタイヤ試験システム／装置／機械を使用することにより、１つ又は複数のタイヤ（ブロック１１）に対してトレッド摩耗試験を実行するステップ；
・実行されたトレッド摩耗試験から生じるトレッド摩耗を示すトレッド摩耗関連量と実行されたトレッド摩耗試験中に試験されたタイヤが受ける摩擦エネルギーに関連する第１摩擦エネルギー関連量とを測定するステップ（ブロック１２）;及び
・測定されたトレッド摩耗関連量と第１摩擦エネルギー関連量とに基づいて、較正済みトレッド摩耗モデル（TWM: Tread Wear Model）を決定するステップ（ブロック１３）。

便利には、トレッド摩耗関連量は、実行されたトレッド摩耗試験に起因するトレッド深さの減少を示している。

好ましくは、較正済みTWM（ブロック１３）を決定するステップは、以下を含む：
・所定基準TWMを提供するステップであって、所定基準TWMは、
―（一般的な）走行経路に沿って（一般的な）タイヤに生じる摩擦エネルギーを、
―上記摩擦エネルギーによって引き起こされるトレッド摩耗に、
―所与のパラメータを介して;
数学的に関連付ける、ステップ、
・所定基準TWMと測定されたトレッド摩耗関連量及び第１摩擦エネルギー関連量とに基づいて（便利には、測定されたトレッド摩耗関連量及び第１摩擦エネルギー関連量を所定基準TWMに適用し、それにより、所与のパラメータの較正値を計算することによって）、所与のパラメータの較正値を計算するステップ、及び
・所定基準TWMと計算された較正値とに基づいて（便利には、計算された較正値を所定基準TWMに適用することによって）、較正済みTWMを決定するステップ。

所定基準TWMは、タイヤ摩耗物理学の所定数学的定式化に便利に基づいており、そのパラメータは、トレッド摩耗試験中におけるトレッド摩耗の測定値及び摩擦エネルギーの測定値に基づいて計算することができる。特に、所定数学的定式化は、タイヤのトレッドが、走行経路に沿ってタイヤに生じる摩擦エネルギーとタイヤが摩耗に耐える固有の能力とに比例する量で摩耗する、という観察に基づいている。例えば、所定基準TWMは、数学用語で次のように表すことができる：
W_T= f_n,k,...(E_FR) (1)
ここで、
・E_FRは、（一般的な）走行経路に沿って（一般的な）タイヤに生じる摩擦エネルギーを示し、
・W_Tは、摩擦エネルギーE_FRによるトレッド摩耗（例えば、平均トレッドスキッド損失、すなわち、トレッド幅全体にわたる平均トレッド深さの減少で表される）を示し、
・f_n,k,...(E_FR)は、摩擦エネルギーE_FRの所定数学関数を示す。この所定数学関数は、所与のパラメータn,k,...の組によって特徴付けられ、摩擦エネルギーE_FRに基づいて、前記摩擦エネルギーE_FRによるトレッド摩耗W_Tの計算を可能にする。

好ましくは、所定基準TWM、ひいては、式（１）は、以下の数式に従って有利に表現さ
れ得る：
W_T = k・(E_FR)ⁿ, (2)
ここで、
・nは、タイヤの完全な摩耗への耐性（摩耗性）に関連しており、
・kは、外的要因（例えば、表面）による摩耗に対するタイヤの感度に関連している。

特に、パラメータn及びkは、各タイヤモデル（パターン、配合、構造）に固有の関数「摩耗vs摩擦エネルギー」の形状を規定する。

次に、摩擦エネルギーE_FRは、式（1）及び（2）のいずれかにおいて、次のように表すことができる：
E_FR = g(Q₁,Q₂,Q₃,...) (3)
ここで、
・Q₁,Q₂,Q₃,...は、通常、走行経路に沿って変化する摩擦エネルギー関連量を示す（ここで、摩擦エネルギー関連量Q₁,Q₂,Q₃,...は、次量の１つ又は複数量を便利に含み得る：コーナリング力と縦方向力との合計、滑り力、スリップ角、スリップ率、コーナリング剛性、ブレーキ／トラクション剛性等）、及び
・g(Q₁,Q₂,Q₃,...)は、摩擦エネルギー関連量Q₁,Q₂,Q₃,...の所定関数を示す。この所定数学関数は、前記走行経路にわたる摩擦エネルギー関連量Q₁,Q₂,Q₃,...に基づいた、走行経路にわたって（一般的な）タイヤに生じる全体的な摩擦エネルギーE_FRの計算を可能にする。

上記を考慮すると、実行されたトレッド摩耗試験（図1のブロック１１）中に第１摩擦エネルギー関連量（図1のブロック１２）を測定することにより、式（3）に基づいて、試験対象のタイヤに生じる全体的な摩擦エネルギーE_FRを計算（図１のブロック１３）できることは明らかである。次に、式（1）に基づいて、所与のパラメータn,k,...の組と、式（3）に基づいて計算される全体的な摩擦エネルギーE_FRと、トレッド摩耗試験のために測定されたトレッド摩耗関連量（図1のブロック１２）と、を計算する（図1のブロック１３）ことができる。それ以外の場合は、式（2）に基づいた所与のパラメータn及びkと、式（3）に基づいて計算される全体的な摩擦エネルギーE_FRと、トレッド摩耗試験のために測定されたトレッド摩耗関連量（図1のブロック１２）と、を計算する（図1のブロック１３）ことができる。

便利には、トレッド摩耗試験（図1のブロック１１）に関しては、シミュレートされる走行経路を定義し、その後、例えば１つ又は複数の屋内摩耗試験機等の１つ又は複数のタイヤ試験システム／装置／機械によって前記走行経路をシミュレートすることができる。１つ又は複数の屋内摩耗試験機は、実施されるトレッド摩耗試験中に、第１摩擦エネルギー関連量（例えば、コーナリング力と縦方向力との合計、スリップ角、スリップ率、コーナリング剛性等）の測定値を提供する。代わりに、トレッド摩耗関連量は、トレッド深さ測定ツールにより、シミュレートされる各走行経路の後に便利に測定され得る。

前述のことから、トレッド摩耗モデル較正ステップ１が、タイヤのタイプ／モデルごとに、それぞれ特別に較正されたTWMを取得することを可能にすることは、明らかである。便利には、トレッド摩耗モデル較正ステップ１は、タイヤのタイプ／モデルごとに、例えば、前輪に取り付けられたタイヤのための第１の較正済みTWM、及び、後輪に取り付けられたタイヤのための第２の較正済みTWM、又は、4輪自動車の場合、右前輪に取り付けられたタイヤのための第１の較正済みTWM、左前輪に取り付けられたタイヤのための第２の較正済みTWM、右後輪に取り付けられたタイヤのための第３の較正済みTWM、及び、左後輪に取り付けられたタイヤのための第４の較正済みTWM等の、複数のそれぞれの特別に較正済みTWMを、自動車へのタイヤの取り付け位置に応じて取得するために、実行され得る。

さらに、図2に示すように、トレッド摩耗監視ステップ２は、次のものを含む：
・それぞれにタイヤが取り付けられた2つ以上のホイールを備えた自動車（例えば、スクーター、バイク、車、バン、トラック等）の車両バスから、自動車の走行に関連する走行関連量（例えば、縦方向及び横方向の加速度、速度、操舵角、ヨーレート、車両の横滑り、ホイールの角速度等）を取得するステップ（ブロック２１）；
・取得した走行関連量と自動車に関連する所定車両ダイナミクスモデルとに基づいて、走行中に自動車のタイヤに生じる摩擦エネルギーに関連する第２摩擦エネルギー関連量を計算するステップ（ブロック２２）;
・推定するステップ（ブロック２３）であって、
―第２摩擦エネルギー関連量と較正済みTWMとに基づいた、走行中に自動車のタイヤに生じるトレッド摩耗と、
―推定されたトレッド摩耗に基づいた自動車のタイヤのRTMと、
を推定するステップ。

好ましくは、第２摩擦エネルギー関連量（ブロック２２）を計算するステップは、以下を含む：
・所定車両ダイナミクスモデルを提供するステップであって、所定車両ダイナミクスモデルは、自動車に関連し、また、
―走行中に自動車の車両バスから取得される走行関連量（例えば、縦方向及び横方向の加速度、速度、操舵角、ヨーレート、車両の横滑り、ホイール角速度等）を、
―走行中に自動車のタイヤに生じる摩擦エネルギーに関連する第２摩擦エネルギー関連量に、
数学的に関連付ける、ステップ；及び
・所定車両ダイナミクスモデルと取得された走行関連量とに基づいて（便利には、前記取得された走行関連量を所定車両ダイナミクスモデルに入力することによって）、前記第２摩擦エネルギー関連量を計算するステップ。

所定車両ダイナミクスモデルは、自動車のダイナミクスの所定数学的定式化に便利に基づいている。所定数学的定式化は、車両上で実行される測定（すなわち、走行関連量を生成する測定）に基づいた、走行中にタイヤに生じる力及び滑りの計算を可能にする。例えば、所定車両ダイナミクスモデルは、数学的用語により、次のように表し得る：
Q₁,Q₂,Q₃,... = h(P₁,P₂,P₃,...) (4)
ここで、
・P₁,P₂,P₃,...は、取得された走行関連量（走行関連量は、前述のように、縦方向及び横方向の加速度、速度、操舵角、ヨーレート、車両の横滑り、ホイール角速度等を含み得る）を示し、
・Q₁,Q₂,Q₃,...は、この場合、第２摩擦エネルギー関連量（例えば、コーナリング力と縦方向力との合計、スリップ角、スリップ率、コーナリング剛性等）を示し、
・h(P₁,P₂,P₃,...)は、取得された走行関連量P₁,P₂,P₃,...の所定数学関数を示す。所定数学関数は、前記取得された走行関連量P₁,P₂,P₃,...に基づいた第２摩擦エネルギー関連量Q₁,Q₂,Q₃,...の計算を可能にする。

したがって、第２摩擦エネルギー関連量Q₁,Q₂,Q₃,...が取得された走行関連量P₁,P₂,P₃,...と式（4）とに基づいて計算されると、第２摩擦エネルギー関連量Q₁,Q₂,Q₃,...を較正済みTWM（図2のブロック２３）に入力することにより、すなわち、第２摩擦エネルギー関連量Q₁,Q₂,Q₃,...を、トレッド摩耗モデル較正ステップ１で計算された所与のパラメータの較正値によって特徴付けられる所定基準TWMに入力することにより、走行中に自動車のタイヤに生じるトレッド摩耗を推定することができる。

極端な組み立てにおいては、トレッド摩耗モデル較正ステップ１において、トレッド摩耗関連量（すなわち、式（1）及び（2）のW_T）と第１摩擦エネルギー関連量（すなわち、式（3）のQ₁,Q₂,Q₃,...）とは「既知」であり、一方、所与のパラメータ（すなわち、式（1）のn,k,...、及び、式（2）のn及びk）は、「未知」であるが、式（1）及び（3）、又は、式（2）及び（3）を使用することにより計算され得る。

代わりに、トレッド摩耗監視ステップ２において、所与のパラメータ（すなわち、式（1）のn,k,...、及び、式（2）のn及びk）は、トレッド摩耗モデル較正ステップ１から既知であり、走行関連量（すなわち、式（4）のP₁,P₂,P₃,...）も、車両上の測定値から「既知」である。したがって、トレッド摩耗（すなわち、式（1）及び（2）のW_T）は、式（1）、（3）及び（4）、又は、式（2）、（3）及び（4）を使用することにより、推定され得る。

便利には、自動車のタイプ／モデルごとに、それぞれの所定車両ダイナミクスモデルがトレッド摩耗監視ステップ２で使用され、それにより、第２摩擦エネルギー関連量が計算される（図２のブロック２２）。より便利には、自動車のタイプ／モデルごとに、複数のそれぞれの所定車両ダイナミクスモデルが使用され、それにより、自動車へのタイヤの異なる取り付け位置（すなわち、前後ホイール、又は、前左右ホイール及び後左右ホイール）が考慮されてもよい。

好ましくは、トレッド摩耗を推定するステップ（図２のブロック２３)は、第２摩擦エネルギー関連量と較正済みTWMとに基づいて、自動車の走行距離によるトレッド深さの減少を示すトレッド摩耗値を計算するステップを含み、RTMを推定するステップ（再び図２のブロック２３）は、トレッド摩耗値と初期トレッド深さとに基づいて、残りのトレッド深さを計算するステップを含む。便利には、残りのトレッド深さは、初期のトレッド深さに対する残りのトレッド深さのパーセンテージで表される。

さらに、RTMを推定するステップ（図２のブロック２３）は、残りのトレッド深さが所定閾値に達した場合（例えば、残りのトレッド深さのパーセンテージが初期のトレッド深さの20％に達した又はこれを下回った場合）に、自動車のタイヤの寿命末期に近づいた状態を検知するステップを、便利に含む。

好ましくは、トレッド摩耗及びRTMの推定（図２のブロック２３）は、自動車によって走行されるＮキロメートル／マイルごとに実行される。ここで、Ｎは、所定の正の整数（例えば、Ｎは、キロメートル／マイルにおいて、5000又は10000に等しくてもよいし、あるいは、これより小さな数でもよい）を示す。

トレッド摩耗及びRTMの推定（図２のブロック２３）の精度及び信頼性は、トレッド摩耗監視がされている自動車のドライバー／所有者がタイヤショップに行って自身の自動車のタイヤのトレッド深さを測定すると、便利に向上され得る。実際、推定されたトレッド摩耗及びRTMは、トレッド深さ測定ツールによって実行されるトレッド深さ測定に基づいて有利に修正され得る（なぜなら、前記測定は、推定誤差を一掃し、ひいては、トレッド摩耗及びRTMの推定をリセットすることを、可能にするからである）。

さらに、IT102018000006322（特許文献３）は、図３（全体として３で示されている）に概略的に示されているトレッド監視システムも開示している。トレッド監視システムは、次を含む：
・取得装置３１であって、
―それぞれにタイヤが取り付けられた２つ以上のホイールを備えた自動車（図３には図示せず―例えば、スクーター、バイク、車、バン、トラック等）に搭載され、
―走行関連量（図２のブロック２１）を取得するために、（例えば、コントローラエリアネットワーク（CAN: Controller Area Network）のバス標準に基づいて）前記自動車の車両バス４０に結合されている；
取得装置３１、
・処理装置／システム３２であって、有線又は無線方式で取得装置３１に接続され、それにより、取得装置３１から走行関連量を受信するようにされ、
―第２摩擦エネルギー関連量（図２のブロック２２）を計算し、
―トレッド摩耗及びRTMを推定する（図２のブロック２３）；
ようにプログラムされている、処理装置／システム３２、及び
・自動車に関連するユーザ（例えば、そのドライバー及び／又はその所有者）に、処理装置／システム３２によって推定されたタイヤのRTMを通知するように構成された、通知装置３３。

便利には、通知装置３３は、自動車のタイヤについて処理装置／システム３２によって検出された寿命末期に近づいた状態に対して、自動車に関連するユーザに警告するように構成される。

さらに、図４及び５は、IT102018000006322（特許文献３）によるトレッド摩耗監視システム３の2つの特定の好ましい実施形態を概略的に示している。

特に、図４を参照すると、トレッド摩耗監視システム３の第１の特定の好ましい実施形態（全体として３Ａで示される）において：
・処理装置／システム３２は、取得装置３１に無線及び遠隔で（例えば、GSM、GPRS、EDGE、HSPA、UMTS、LTE、LTE Advanced及び／又は将来の第5世代（又はそれ以降）の無線通信システム等の１つ又は複数の移動通信技術を介して）接続されたクラウドコンピューティングシステム３２Ａによって実装／実行され;
・通知装置３３は、電子通信装置３３Ａ（例えば、スマートフォン、タブレット、ラップトップ、デスクトップコンピュータ、スマートTV、スマートウォッチ等）によって実装／実行される。電子通信装置３３Ａは、自動車（図４では４で示される）に関連付けられたユーザ（図４では５で示される）に関連付けられ（例えば、所有され及び／又は使用され）、クラウドコンピューティングシステム３２Ａに１つ又は複数の有線及び／又は無線ネットワークリモートを介して遠隔に接続されている。

好ましくは、クラウドコンピューティングシステム３２Ａは、RTM通知を電子通信装置３３Ａに送信するようにプログラムされ、次に、電子通信装置３３Ａは、ユーザ５に前記RTM通知を提供する。例えば、電子通信装置３３Ａは、便利には、ソフトウェアアプリケーション（すなわち、いわゆるアプリ）がインストールされたスマートフォン又はタブレットであり得る。そのアプリは、クラウドコンピューティングシステム３２Ａから、タイヤの推定されたRTMを示すプッシュ通知を受信するように構成される。例えば、SMSメッセージ、電子メールメッセージ、又は、より一般的には、テキスト及び／又はオーディオ及び／又は画像及び／又はビデオ及び／又はマルチメディアタイプのメッセージ等、他のタイプのRTM通知も使用され得る。

クラウドコンピューティングシステム３２Ａは、多くの自動車４、ひいては、多くのユーザ５に、トレッド摩耗監視サービスを提供するために有利に使用され得ることは、注目に値する。

代わりに、図５を参照すると、トレッド摩耗監視システム３の第２の特定の好ましい実施形態（全体として３Ｂで示される）において：
・処理装置／システム３２は、自動車４に搭載された（自動車）電子制御ユニット（EC
U: Electronic Control Unit）３２Ｂによって実装／実行され；
・通知装置３３は、自動車４に搭載されたヒューマンマシンインターフェース（HMI: Human―Machine Interface）３３Ｂによって実装／実行される。

第２の特定の好ましい実施形態３Ｂでは、ＥＣＵ３２Ｂは、ＨＭＩ３３Ｂによって表示される画像メッセージを介して（ＨＭＩ３３Ｂは、したがって、画面及び／又は画像インジケータを便利に備え得る）、タイヤの推定されたRTMを自動車４のドライバーに便利に通知し得る。

ＥＣＵ３２Ｂは、便利には、トレッド摩耗監視専用のECU、又は、トレッド摩耗監視を含むいくつかのタスク専用のECUであり得る。

同様に、ＨＭＩ３３Ｂは、便利には、トレッド摩耗監視専用のＨＭＩ、又は、トレッド摩耗監視も含むいくつかのタスク専用のＨＭＩ（例えば、車載インフォテレマティクス及び／又は走行支援システムのＨＭＩ）であり得る。

上記を考慮すると、IT102018000006322（特許文献３）に従ったトレッド摩耗監視方法及びシステムが、タイヤ摩耗物理学、車両ダイナミクス及び走行スタイルを考慮に入れることにより、ドライバーがトレッド深さ測定ツールを所有したりタイヤショップに行って自身の自動車のタイヤのトレッド深さを測定したりする必要無しに、タイヤトレッド摩耗及びRTMを非常に効率的かつ信頼できる方法で自動的に推定することを可能にすることは、明らかである。

国際公開第2017/156213号パンフレット国際公開第2017/156216号パンフレットイタリア特許出願第201800006322号

IT102018000006322（特許文献３）に従ったトレッド摩耗監視方法は、トレッドプロファイルに沿った平均材料消費量としてトレッド摩耗を推定することを可能にする。これにより、完全に規則的なトレッド摩耗が暗黙的に想定される（すなわち、全てのトレッドリブが実質的に同じ速度で摩耗すると想定される）。

しかし、出願人は、多くの場合、タイヤの設計及び使用により、タイヤのトレッドが不規則に摩耗し、１つ又は複数のリブがかなり早く摩耗することに気づいた。

したがって、本発明の目的は、不規則なトレッド摩耗を考慮することにより、より高い精度で残存トレッド材料（RTM）を推定することができる、改良型のトレッド摩耗監視方法及び改良型のトレッド摩耗監視システムを提供することである。

この目的は、本発明が添付の請求項で定義されるトレッド摩耗監視方法及びトレッド摩耗監視システムに関連するという点で、本発明によって達成される。

本発明をよりよく理解するために、以下では、純粋に非限定的な例として意図されている好ましい実施形態を、添付の図面（全て縮尺どおりではない）を参照しつつ説明する。

出願人のイタリア特許出願第201800006322号（特許文献３）によるトレッド摩耗監視方法のトレッド摩耗モデル較正ステップを概略的に示している。出願人のイタリア特許出願第201800006322号（特許文献３）によるトレッド摩耗監視方法のトレッド摩耗監視ステップを概略的に示している。図２のトレッド摩耗監視ステップを実行するためのIT201800006322（特許文献３）によるトレッド摩耗監視システムを概略的に示している。 IT201800006322（特許文献３）による図３のトレッド摩耗監視システムの特定の好ましい実施形態を概略的に示している。 IT201800006322（特許文献３）による図３のトレッド摩耗監視システムの特定の好ましい実施形態を概略的に示している。本発明の好ましい実施形態による、改良型のトレッド摩耗監視方法の予備ステップを概略的に示している。本発明の好ましい実施形態による、改良型のトレッド摩耗監視方法の改良型のトレッド摩耗監視ステップを概略的に示している。図７の改良型のトレッド摩耗監視ステップを実行するための、改良型のトレッド摩耗監視システムの非限定的な例を概略的に示している。

発明を実行するための形態

以下の議論は、当業者が本発明を作成及び使用することを可能にするために提示される。実施形態への様々な修正は、請求項に規定された本発明の範囲から逸脱することなく、当業者には容易に明らかであろう。したがって、本発明は、示される及び説明される実施形態に限定されることが意図されておらず、本明細書に開示され、かつ、添付の請求項で定義される原理及び特徴と一貫性のある最も広い範囲の保護を与えられるべきである。

本発明は、（特に、出願人のイタリア特許出願第201800006322号（特許文献３）による解決策に対して改良された）改良型のトレッド摩耗監視方法に関するものであり、改良型のトレッド摩耗監視方法は、予備ステップと改良型のトレッド摩耗監視ステップとを含む。

これに関連して、図６は、本発明の好ましい実施形態による予備ステップ（全体として６で示される）を概略的に示している。特に、予備ステップ６は、IT201800006322（特許文献３）によるトレッド摩耗監視方法のトレッド摩耗モデル較正ステップ１を実行し、それにより、較正済みトレッド摩耗モデル（TWM: Tread Wear Model）を決定するステップを含む。この点に関して、トレッド摩耗モデル較正ステップ１の前述の詳細な説明を考慮し、以下では、トレッド摩耗モデル較正ステップ１は再び説明されず、以下に代わりに明示的に説明される関連の相違点／変更を除いて、前述に記載されているとおりに有効なままであるという事実に注意を引く価値がある。

さらに、予備ステップ６は、さらに以下を含む：
・１つ又は複数の測定されたトレッド摩耗関連量（図１のブロック１２で測定され、図１のブロック１１で実行されるトレッド摩耗試験から得られたトレッド摩耗を示す）に基づいて、タイヤの特徴（例えば、パターン、構造等）に起因する不規則なトレッド摩耗に関連する第１補正係数を決定するステップ―図６のブロック６１；及び
・タイヤの使用に起因する（例えば、走行スタイル、走行経路、車両の特徴等に起因する）不規則なトレッド摩耗に関連する第２補正係数を提供するように、人工ニューラルネットワーク（ANN: Artificial Neural Network）を訓練するステップ―図６のブロック６２。

好ましくは、第１補正係数は、タイヤの特徴に起因する不規則なトレッド摩耗の平均RT
Mに対する、最も摩耗したトレッド点での残存トレッド材料（RTM）の、第１比率を示し、各第２補正係数は、タイヤの使用に起因する不規則なトレッド摩耗の平均RTMに対する、最も摩耗したトレッド点でのRTMの、対応する第２比率を示す。

詳細には、本発明の特定の非限定的な好ましい実施形態においては：
・トレッド摩耗試験（図１のブロック１１）を実行するステップは、
―シミュレートされる試験走行経路を定義するステップ、及び
―試験走行経路をシミュレートするタイヤ試験システム／装置／機械（例えば屋内摩耗試験機等）により、所与のタイヤに対してトレッド摩耗試験を実行するステップ；
を含み、
・トレッド摩耗関連量を測定するステップ（図１のブロック１２）は、トレッド深さ測定ツールにより、所与のタイヤのトレッド深さプロファイルを測定するステップを含み、トレッド深さプロファイルは、シミュレートされた試験走行経路から得られ；
・第１補正係数を決定するステップ（図６のブロック６１）は、
―測定されたトレッド深さプロファイルに基づいて、所与のタイヤの最も摩耗したトレッド点での（例えば、最も摩耗したトレッドリブでの）第１最悪点RTM量RTM_1,WPと前記所与のタイヤのトレッドプロファイルにわたる第１平均RTM量RTM_1,AVとを決定するステップ、及び
―第１補正係数CF₁を、第１平均RTM量RTM_1,AVに対する第１最悪点RTM量RTM_1,WPの比率（すなわち、CF₁ = RTM_1,WP／RTM_1,AV）として計算するステップ
を含む。

便利には、トレッド摩耗試験を実行するステップ（図１のブロック１１）は：
・１つ又は複数の車両モデルと１つ又は複数のタイヤモデルとを選択するステップ；
・シミュレートされる１つ又は複数の試験走行経路を定義するステップ；及び
・所与のタイヤが装着された、選択された車両モデルの１つ又は複数の自動車によって走行される試験走行経路をシミュレートする、１つ又は複数のタイヤ試験システム／装置／機械（例えば１つ又は複数の屋内摩耗試験機等）により、選択されたタイヤモデルの１つ又は複数の所与のタイヤに対して１つ又は複数のトレッド摩耗試験を実行するステップをも含む。

このようにして、様々な車両モデル、様々なタイヤモデル、及び様々な試験走行経路に対して、様々な第1補正係数を定義する（図６のブロック６１）ことができる。

好ましくは、ANNは、タイヤ使用関連統計データと対応するRTM関連統計データとを含む所与のデータベース（例えば、摩耗フリートデータベース）に基づいて訓練される（図６のブロック６２）。

より好ましくは、タイヤ使用関連統計データは、使用済みタイヤに関連するとともに前記使用済みタイヤの不規則なトレッド摩耗をもたらした、記録されたタイヤ使用関連量（例えば、横方向及び縦方向加速度のルート平均二乗（RMS: Root Mean Square）として表される経路重大度、車両ホイール配置、及びタイヤ空気圧等、通常、不規則なトレッド摩耗を引き起こす車両及び経路パラメータ）を示し、一方、対応するRTM関連統計データは、使用済みタイヤについて決定されたRTM量の対を示す。ここで、各RTM量の対は：
・それぞれの使用済みタイヤに関連し、前記それぞれの使用済みタイヤに関連するそれぞれの記録されたタイヤ使用関連量に対応し；
・それぞれの使用済みタイヤの最も摩耗したトレッド点でのそれぞれの第２最悪点RTM量RTM_2,WPと、それぞれの使用済みタイヤのトレッドプロファイルにわたるそれぞれの第２平均RTM量RTM_2,AVと、を含む。

さらに、ANNを訓練するステップ（図６のブロック６２）は、好ましくは、以下を含む：
・使用済みタイヤごとに、それぞれの第２補正係数CF₂を、それぞれの第２平均RTM量RTM_2,AVに対するそれぞれの第２最悪点RTM量RTM_2,WPの比率（すなわち、CF₂ = RTM_2,WP／RTM_2,AV）として計算するステップ;及び
・教師あり学習手法を実行することによりANNを訓練するステップであって、教師あり学習手法は、使用済みタイヤごとに、入力としての前記使用済みタイヤに関連する記録されたタイヤ使用関連量と、出力としてのそれぞれの第２補正係数CF₂と、をANNへ適用するステップを含み、これにより、ANNは、入力タイヤ使用関連量に基づいて、対応する第２補正係数CF₂を出力するように訓練される、ステップ。

第１及び第２補正係数CF₁及びCF₂は、通常、不規則なトレッド摩耗に起因して１よりも小さく（これに対して、これらは、完全に規則的なトレッド摩耗の場合は１に等しくなる）、一方、（例えば、非常に不規則なトレッド摩耗に起因して）第１／第２平均RTM量RTM_1,AV、RTM_2,AVに対して第１及び第２最悪点RTM量RTM_1,WP、RTM_2,WPが小さいほど、第１／第２補正係数CF₁、CF₂が小さくなることに、注目すべきである。

したがって、第1及び第２補正係数CF₁及びCF₂は、IT102018000006322（特許文献３）（これのRTM推定は、前述のとおり、トレッドプロファイルにわたる平均トレッド摩耗推定に基づいており、不規則なトレッド摩耗は無視される）に従って前述のトレッド摩耗監視ステップ２を実行することによってRTM推定を改良するために、改良型のトレッド摩耗監視ステップで有利に利用されることができる。このようにして、不規則なトレッド摩耗も考慮に入れた、より正確なRTM推定（すなわち、より正確なタイヤの残存耐用年数（RUL: Remaining Useful Life）推定）を得ることが可能である。数学的用語を用いると、このRTM推定の改良は、次のように便利に表すことができる：
RTM_refined= RTM_average・CF₁・CF₂ (5)
ここで
・RTM_averageは、IT102018000006322（特許文献３）に従って前述のトレッド摩耗監視ステップ２を実装することによって推定された第３平均RTM量を示す。
・RTM_refinedは、（CF₁を介した）タイヤの特徴及び（CF₂を介した）タイヤの使用に起因した不規則なトレッド摩耗を考慮した、補正済みRTM量を示す。

これに関連して、図７は、本発明の好ましい実施形態による、改良型のトレッド摩耗監視ステップ（全体として７で示される）を概略的に示す。特に、改良型のトレッド摩耗監視ステップ７は、以下を含む：
・IT102018000006322（特許文献３）によるトレッド摩耗監視方法のトレッド摩耗監視ステップ２を実行し、それによって第３平均RTM量RTM_averageを取得する、ステップ；及び
・第1及び第２補正係数CF₁及びCF₂に基づいて（便利には式（5）を使用することにより）、RTM推定改良（ブロック７１）を実行し、それにより、タイヤの特徴及びタイヤの使用に起因する不規則なトレッド摩耗を考慮して、補正済みRTM量RTM_refinedを取得する、ステップ。

この点に関して、トレッド摩耗監視ステップ２の前述の詳細な説明を考慮し、以下では、トレッド摩耗監視ステップ２は再び説明されず、以下に代わりに明示的に説明される関連の相違点／変更を除いて、前述に記載されているとおりに有効なままであるという事実に注意を引く価値がある。

より詳細には、RTM推定改良を実行するステップ（図７のブロック７１）は、以下を含む：
・（図２のブロック２１で取得された）１つ又は複数の取得された走行関連量に基づいて、訓練済みANNにより、第２補正係数CF₂を提供するステップ；及び
・第1の補正係数CF₁に基づいて第３平均RTM量RTM_averageを補正し、１つ又は複数の取得された走行関連量に基づいて、訓練済みANNによって提供された、第２補正係数CF₂を補正する、ステップ。

好ましくは、取得された走行関連量は、トレッド摩耗監視下にある車両の横方向及び縦方向加速度を示す加速度関連量を含み、訓練済みANNにより第２補正係数CF₂を提供するステップは、以下を含む：
・加速度関連量に基づいて、トレッド摩耗監視下にある車両の平均横方向及び縦方向加速度（例えば、横方向及び縦方向加速度のRMS等）を示す平均加速度関連量を計算する、ステップ；及び
・訓練済みANNに、平均加速度関連量と、少なくとも、トレッド摩耗監視下にあるタイヤに関連するタイヤの空気圧を示す圧力関連量と、トレッド摩耗監視下にあるタイヤ及び車両に関連するトー、キャンバー、及び荷重に関連する量と、を入力し、それにより、訓練済みANNが、対応する補正係数CF₂を出力する、ステップ。

便利には、圧力関連量は、取得された走行関連量に含まれてもよく、又は、メモリに格納された所定圧力関連量であってもよく、一方、トー、キャンバー、及び荷重に関連する量は、メモリに格納された所定量である。

上記のことを別の観点から見ると、タイヤ使用関連統計データとRTM関連統計データとに基づいて予備ステップ６で実行されるANN訓練（図６のブロック６２）において、ANNは、（特に、RTM推定改良で使用される第２補正係数CF₂を決定するために―図７のブロック７１）改良型のトレッド摩耗監視ステップ７で使用される次の関数を学習するように訓練される：
CF₂ = r(RMS_Ay,RMS_Ax,P_ressure,T_oe,C_amber,L_oad) (6)
ここで、
・RMS_Ay及びRMS_Axは、それぞれ、トレッド摩耗監視下にある車両の平均横方向及び縦方向加速度（特に、横方向及び縦方向加速度のRMS）を示す平均加速度関連量を示し；
・P_ressureは、圧力関連量を示し；
・T_oe、C_amber、及びL_oadは、それぞれ、トー、キャンバー、及び荷重に関連する量を示し；
・CF₂は、前述したように、RTM_2,WP／RTM_2,AVに等しい。

前述のことから、予備ステップ６のＡＮＮ訓練（図６のブロック６２）は、異なるタイヤモデル及び／又は異なる車両モデルのために特別に訓練された異なるＡＮＮを得るために便利に実行され得ることがすぐに明らかである。

本発明はまた、アーキテクチャの観点から、図３に示され、以前に詳細に説明された、IT201800006322（特許文献３）によるトレッド摩耗監視システム３と同じアーキテクチャを有する、改良型のトレッド摩耗監視システムにも関する。処理装置／システム３２は、本発明によれば、第１の補正係数CF₁を内部メモリに格納し、訓練済みANNを含み、IT201800006322（特許文献３）によるトレッド摩耗監視ステップ２を実行することによって、かつ、RTM推定改良を実行することによって（図７のブロック７１）、改良型のトレッド摩耗監視ステップ７を実行するようにプログラムされる。

明らかに、図４及び５に示され、以前に詳細に説明された、トレッド摩耗監視システム３の２つの特定の好ましい実施形態は、本発明による改良型のトレッド摩耗監視システムも実行するために、便利に利用されてもよい。

これに関連して、ハイブリッドアーキテクチャ（図８に示され、全体として３Ｃで示される）もまた、本発明による改良型のトレッド摩耗監視システムを実行するために便利に利用され得ることは、注目に値する。ここで、クラウドコンピューティングシステム３２Ａは、ＨＭＩ３３Ｂ（ＨＭＩ３３Ｂは、自動車４に搭載され、１つ又は複数の無線ネットワークを介してクラウドコンピューティングシステム３２Ａに遠隔に接続されている）と共に使用される。

前述のことから、本発明の技術的利点及び革新的な特徴は、当業者にはすぐに明らかである。

特に、本発明は、タイヤの特徴及びタイヤの使用に関連する不規則なトレッド摩耗を考慮に入れることによって、非常に高い精度で（特に、IT201800006322（特許文献３）による解決策に対して高められた精度で）RTMを推定できる、ということが重要である。。

結論として、添付の請求項で定義されるように、本発明に対して多数の修正及び変形を行うことができ、それらのすべてが本発明の範囲内にあることは明らかである。

Claims

予備ステップ（６）及びトレッド摩耗監視ステップ（７）を含むトレッド摩耗監視方法であって、
前記予備ステップ（６）は：
・１つ又は複数のタイヤに対してトレッド摩耗試験を実行するステップと；
・トレッド摩耗関連量と第１摩擦エネルギー関連量とを測定するステップであって、前記トレッド摩耗関連量は、前記実行されたトレッド摩耗試験から得られたトレッド摩耗を示し、前記第１摩擦エネルギー関連量は、前記実行されたトレッド摩耗試験中に試験されたタイヤに生じる摩擦エネルギーに関連する、ステップと；
・前記測定されたトレッド摩耗関連及び第１摩擦エネルギー関連量に基づいて、較正済みトレッド摩耗モデルを決定するステップと；
を含み、
前記トレッド摩耗監視ステップ（７）は：
・それぞれにタイヤが取り付けられた２つ以上のホイールを備えた自動車（４）の車両バス（４０）から、前記自動車（４）の走行に関連する走行関連量を取得するステップと；
・前記取得された走行関連量と前記自動車（４）に関連する所定車両ダイナミクスモデルとに基づいて、走行中に前記自動車（４）の少なくとも１つのタイヤに生じる摩擦エネルギーに関連する第２摩擦エネルギー関連量を計算するステップと;
・前記第２摩擦エネルギー関連量及び前記較正済みトレッド摩耗モデルに基づいて、走行中に前記自動車（４）の前記少なくとも１つのタイヤに生じるトレッド摩耗を推定するステップと；
・前記推定されたトレッド摩耗に基づいて、前記自動車（４）の前記少なくとも１つのタイヤの現在の平均残存トレッド材料量を推定するステップと；
を含み、
・前記予備ステップ（６）は、さらに、
―１つ又は複数の前記測定されたトレッド摩耗関連量に基づいて、タイヤの特徴に起因する不規則なトレッド摩耗に関連する第１補正係数を決定するステップと、
―タイヤの使用に起因する不規則なトレッド摩耗に関連する第２補正係数を提供するために人工ニューラルネットワークを訓練するステップと；
を含み、
・前記トレッド摩耗監視ステップ（７）は、さらに、
―１つ又は複数の前記取得された走行関連量に基づいて、訓練済み人工ニューラルネットワークにより第２補正係数を提供するステップと、
―前記現在の平均残存トレッド材料量に基づいて、補正済み残存トレッド材料量を計算するステップであって、前記第1補正係数及び前記第２補正係数は、前記１つ又は複数の取得された走行関連量に基づいて前記訓練済み人工ニューラルネットワークによって提供される、ステップと、
を含む、トレッド摩耗監視方法。
前記第１補正係数は、タイヤの特徴に起因する不規則なトレッド摩耗についての平均残存トレッド材料に対する最も摩耗したトレッド点での残存トレッド材料の第１比率を示し、
各第２補正係数は、タイヤの使用に起因する不規則なトレッド摩耗についての平均残存トレッド材料に対する最も摩耗したトレッド点での残存トレッド材料のそれぞれの第２比率を示している、請求項１に記載のトレッド摩耗監視方法。
トレッド摩耗試験を実行するステップは：
・シミュレートされる試験走行経路を定義するステップと；
・前記試験走行経路をシミュレートするタイヤ試験システム／装置／機械により、所与のタイヤに対してトレッド摩耗試験を実行するステップと；
を含み、
トレッド摩耗関連量を測定するステップは、トレッド深さ測定ツールにより、前記所与のタイヤのトレッド深さプロファイルを測定するステップを含み、前記トレッド深さプロファイルは、前記シミュレートされる試験走行経路から得られ；
前記第１補正係数を決定するステップは：
・前記測定されたトレッド深さプロファイルに基づいて、前記所与のタイヤの最も摩耗したトレッド点での第１最悪点残存トレッド材料量と前記所与のタイヤのトレッドプロファイルにわたる第１平均残存トレッド材料量とを決定するステップと；
・前記第１補正係数を、前記第１平均残存トレッド材料量に対する前記第１最悪点残存トレッド材料量の比率として計算するステップと、
を含む、請求項１又は２に記載のトレッド摩耗監視方法。
前記人工ニューラルネットワークは、タイヤ使用関連統計データと対応する残存トレッド材料関連統計データとを含む所与のデータベースに基づいて訓練される、請求項１～３のいずれか一項に記載のトレッド摩耗監視方法。
前記タイヤ使用関連統計データは、使用済みタイヤに関連する、記録されたタイヤ使用関連量を示すとともに、前記使用済みタイヤの不規則なトレッド摩耗から得られ、
前記対応する残存トレッド材料関連統計データは、前記使用済みタイヤについて決定される残存トレッド材料量の対を示し、
残存トレッド材料量の各対は：
・それぞれの使用済みタイヤに関連するとともに、それぞれの前記使用済みタイヤに関連するそれぞれの記録されたタイヤ使用関連量に対応し；
・前記それぞれの使用済みタイヤの最も摩耗したトレッド点でのそれぞれの第２最悪点残存トレッド材料量と、前記それぞれの使用済みタイヤのトレッドプロファイルにわたるそれぞれの第２平均残存トレッド材料量と、を含み、
前記人工ニューラルネットワークを訓練するステップは：
・使用済みタイヤごとに、それぞれの第２補正係数を、それぞれの第２平均残存トレッド材料量に対するそれぞれの第２最悪点残存トレッド材料量の比率として、計算するステップと；
・教師あり学習手法を実行することにより前記人工ニューラルネットワークを訓練するステップであって、前記教師あり学習手法は、使用済みタイヤごとに、入力としての前記使用済みタイヤに関連する前記記録されたタイヤ使用関連量と、出力としての前記それぞれの第２補正係数と、を前記人工ニューラルネットワークへ適用するステップを含む、ステップと、
を含む、請求項４に記載のトレッド摩耗監視方法。
・前記記録されたタイヤ使用関連量は、前記使用済みタイヤに関連する横方向及び縦方向加速度、タイヤの空気圧、トー、キャンバー、並びに荷重を示しており；
・前記取得された走行関連量は、前記自動車（４）の横方向及び縦方向加速度を示す加速度関連量を含み；
前記訓練済み人工ニューラルネットワークによって第２補正係数を提供するステップは：
・前記加速度関連量に基づいて、前記自動車（４）の平均横方向及び縦方向加速度を示す平均加速度関連量を計算するステップと；
・前記訓練済み人工ニューラルネットワークに、前記平均加速度関連量と、少なくとも、前記自動車（４）の前記少なくとも１つのタイヤに関連するタイヤ空気圧を示す圧力関連量と、前記少なくとも１つのタイヤ及び前記自動車（４）に関連するトー、キャンバー及び荷重に関連する量と、を入力するステップと、
を含む、請求項５に記載のトレッド摩耗監視方法。
前記圧力関連量は、前記取得された走行関連量に含まれるか、又は、所定圧力関連量であり、
トー、キャンバー及び荷重に関連する前記量は、所定量である、請求項６に記載のトレッド摩耗監視方法。
請求項１～７のいずれか一項に記載のトレッド摩耗監視方法のトレッド摩耗監視ステップ（７）を実行するように設計されたトレッド摩耗監視システム（３、３Ａ、３Ｂ、３Ｃ）であって、
前記トレッド摩耗監視システム（３、３Ａ、３Ｂ、３Ｃ）は、取得装置（３１）と、処理装置／システム（３２、３２Ａ、３２Ｂ）と、通知装置（３３、３３Ａ、３３Ｂ）と、を含み、
前記取得装置（３１）は：
・それぞれにタイヤが取り付けられた２つ以上のホイールを備えた自動車（４）に搭載され；
・自動車（４）の車両バス（４０）に結合され、それにより、前記走行関連量を取得するようにされ；
前記処理装置／システム（３２、３２Ａ、３２Ｂ）は：
・前記取得装置（３１）に接続され、前記取得装置（３１）から前記走行関連量を受け取るようにされ；
・前記第１補正係数を格納するように構成され；
・前記訓練済み人工ニューラルネットワークを含み；
・以下のようにプログラムされ、すなわち、
―前記第２摩擦エネルギー関連量を計算し、
―前記トレッド摩耗と前記現在の平均残存トレッド材料量とを推定し、
―前記補正された残存トレッド材料量を計算する;
ようにプログラムされ、
前記通知装置（３３、３３Ａ、３３Ｂ）は、前記自動車（４）に関連するユーザ（５）に、処理装置／システム（３２、３２Ａ、３２Ｂ）によって計算された前記補正された残存トレッド材料量を通知するように構成される、トレッド摩耗監視システム。
前記処理装置／システム（３２）は、前記取得装置（３１）に無線及び遠隔で接続されたクラウドコンピューティングシステム（３２Ａ）であり、
前記通知装置（３３）は、ユーザ（５）に関連付けられ、１つ又は複数の有線及び／又は無線ネットワークを介して前記クラウドコンピューティングシステム（３２Ａ）に遠隔で接続された、電子通信装置（３３Ａ）である、請求項８に記載のトレッド摩耗監視システム。
前記処理装置／システム（３２）は、前記取得装置（３１）に無線及び遠隔で接続されたクラウドコンピューティングシステム（３２Ａ）であり、
前記通知装置（３３）は、前記自動車（４）に搭載され、１つ又は複数の無線ネットワークを介して前記クラウドコンピューティングシステム（３２Ａ）に遠隔で接続される、ヒューマンマシンインターフェース（３３Ｂ）である、請求項８に記載のトレッド摩耗監視システム。
前記処理装置／システム（３２）は、前記自動車（４）に搭載された電子制御ユニット（３２Ｂ）であり、
前記通知装置は（３３）は、前記自動車（４）に搭載されたヒューマンマシンインターフェース（３３Ｂ）である、請求項８に記載のトレッド摩耗監視システム。
自動車（４）の走行に関連する走行関連量を受け取るように設計され、請求項８～１０のいずれか一項に記載のトレッド摩耗監視システム（３、３Ａ、３Ｃ）の前記処理装置／システム（３２）としてプログラムされた、クラウドコンピューティングシステム（３２Ａ）。
自動車（４）に搭載されるとともに、前記自動車（４）の走行に関連する走行関連量を受け取るように、設計され、請求項８又は１１に記載の摩耗監視システム（３、３Ｂ）の前記処理装置／システム（３２）としてプログラムされた、電子制御ユニット（３２Ｂ）。
１つ又は複数のソフトウェア及び／又はファームウェアコード部分を備えたコンピュータプログラム製品であって、前記１つ又は複数のソフトウェア及び／又はファームウェアコード部分は：
・自動車（４）の走行に関連する走行関連量を受け取るように設計された処理装置／システム（３２、３２Ａ、３２Ｂ）にロード可能であり；
・ロードされると、前記処理装置／システム（３２、３２Ａ、３２Ｂ）を、請求項８～１１のいずれか一項に記載のトレッド摩耗監視システム（３、３Ａ、３Ｂ、３Ｃ）の前記処理装置／システム（３２、３２Ａ、３２Ｂ）としてプログラムされるようにする、コンピュータプログラム製品。