WO2007022849A2 - Verfahren zur identifikation komplexer diagnosesituationen im kundendienst - Google Patents

Verfahren zur identifikation komplexer diagnosesituationen im kundendienst Download PDF

Info

Publication number
WO2007022849A2
WO2007022849A2 PCT/EP2006/007482 EP2006007482W WO2007022849A2 WO 2007022849 A2 WO2007022849 A2 WO 2007022849A2 EP 2006007482 W EP2006007482 W EP 2006007482W WO 2007022849 A2 WO2007022849 A2 WO 2007022849A2
Authority
WO
WIPO (PCT)
Prior art keywords
error
diagnostic
customer service
images
relevant
Prior art date
Application number
PCT/EP2006/007482
Other languages
English (en)
French (fr)
Inventor
Carsten Remmert
Original Assignee
Daimlerchrysler Ag
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 Daimlerchrysler Ag filed Critical Daimlerchrysler Ag
Publication of WO2007022849A2 publication Critical patent/WO2007022849A2/de

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling

Definitions

  • the invention relates to a computer-aided method for the identification of complex diagnostic situations in the customer service of motor vehicles.
  • a computer program real diagnostic situations from the customer service of motor vehicles are analyzed and evaluated.
  • the evaluation includes the identification of relevant defect images and the identification of suitable remedial measures with which the defect images can be processed successfully. Error pictures here are combinations of error codes that were detected with diagnostic means. By mirroring the recognized as relevant defect images in the definition of the diagnostic systems used in customer service, they can be significantly improved.
  • the computer based system of US 6,609,050 B2 is a diagnostic system supplemented with warranty management and workshop selection.
  • the diagnostic means by an improved Bedatung or by an improved identification of relevant diagnostic situations, the technical teaching from the US patent does not.
  • Communication dependence of the control units ensures that a local disturbance which was detected in the control unit network by a self-diagnosis routine of a control unit is often determined by other self-diagnostic routines of further control units. Then, however, under a different functional aspect and thus under a different functional or ECU specific error code. As a result, in customer service after reading the error codes from the various control units with a diagnostic tester very often arise very complex diagnostic situations with a variety of different error codes. The Variety of different error codes stands in the way of a quick and successful diagnosis in the way.
  • the solution succeeds mainly with a comparative evaluation of a database in which the diagnostic situations occurring in the field are stored, with another database in which the repair measures carried out in the field are stored.
  • Both the data records of the individual diagnostic situations and the records of the customer service measures carried out are identified by the vehicle identification number FIN and the date of the customer service measure and can be related to one another via this identification.
  • the data sets of the diagnosis situations are marked with a Computer software searches for common subcombinations of error codes.
  • the performed customer service measure is determined for the identified subcombinations on error codes and it is checked whether a customer service measure has been carried out significantly more frequently. If this is the case, the identified subcombination can be defined on error codes for a relevant fault pattern and, as such, taken over into the rating of the diagnostic systems used in the service together with the identified customer service measure that correlates with it.
  • the main advantage of the defect images thus established lies in a better and more reliable definition of diagnostic systems in motor vehicle service.
  • the diagnostic decisions made with these diagnostic systems become more reliable and are much more focused on the service activities to be performed.
  • a further comparison with production data can take place.
  • the equipment variants of a vehicle are read out and with the help of identified as relevant error images is checked whether certain faulty images accumulate in a trim level variant. If this is the case, this information can be incorporated into the development of the successor models of a motor vehicle or in the model maintenance.
  • Clusters of defect images in a certain equipment variant can point to systemic deficiencies, which result from the interplay of incompatible, partially incompatible components and which can then be eliminated. If there are no systemic deficiencies in the aforementioned sense, then the accumulation of the error images can also be associated with an accumulation of the Guarantee and goodwill for a particular component correlate, which is then an indication to replace this component with a better component.
  • Fig. 1 is a schematic diagram for explaining the most important
  • Fig. 2 is a block diagram for explaining how relevant
  • Fig. 1 illustrates a typical scenario for the use and implementation of the invention.
  • a plurality of ECUs are installed and communicate with each other via one or more bus systems.
  • An external diagnostic tester DAS Diagnosis Assistance System
  • OBD On-Board Diagnostic Interface
  • the error codes determined by the self-diagnostic routines of the control units are read from their error memory and further processed.
  • a diagnostic program is implemented in the diagnostic tester, with the help of the error codes read a troubleshooting and possible also a fault location is performed. So far, the diagnostic systems and work processes in different form already in the service workshops in the Commitment. However, with the already mentioned above disadvantage of very confusing diagnosis situations.
  • a diagnostic situation in the sense of the present invention is defined by the sum of all error codes FCl, FC2,... FCXY, which is read out by the diagnostic tester from the error memories of the installed control units at the beginning of the diagnostic session.
  • This diagnostic situation is marked for further processing with the vehicle identification FIN and the calendar date of the diagnosis session. Definition and identification of the diagnostic situation take place in the diagnostic tester.
  • the thus prepared diagnostic situation is then stored by the diagnostic tester in a central database.
  • the central database thus stores all diagnostic situations that are reported to it from the field of service workshops by the diagnostic testers.
  • This diagnostic situation database is operated and maintained by the manufacturer of the motor vehicles in the so-called backward chain. Also in the backward chain in the service of motor vehicle fleets, GuK (guarantee and goodwill) databases are already operated and maintained today.
  • the GuK database records the repair activities carried out by a customer service within the guarantee and goodwill. These customer service measures are marked with a damage code which allows the identification of the serviced motor vehicle, the date of the customer service carried out and the measure taken with which the repair of the motor vehicle was successful.
  • the method according to the invention for identifying complex diagnostic situations in customer service can now be carried out. This is done with another computer system and with this In the case of implemented software, a statistical evaluation of the stored diagnostic situations is carried out and relevant error images are defined by means of a comparative evaluation of the performed customer service measures from the CIS database, which in turn find their way into the definition of the diagnostic software in the diagnostic testers used and thus improve the diagnostic testers.
  • the data records are from the individual diagnosis sessions Dia read in the field and then stored in the database.
  • the diagnostic session in each case has an identifier, which is formed for example by the diagnosis date and the vehicle identification number.
  • the data records are stored from the fault memories of the control units installed in the motor vehicle. These data records therefore consist of all error codes read during the respective diagnostic session. Considering all error codes belonging to one diagnostic situation, a different combination of error codes results practically for each identifier. For example, in a first diagnostic session with the identifier Dia. Sit 1 the error code combination FCl. FC2 ...
  • FCn result.
  • FCl the error code combination
  • FC3 the error code combination
  • FCk the error code combination
  • relevant error images which are each defined by a combination of error codes.
  • error images preferably comprise two, three or four combinations of error codes.
  • more complex combinations may define a defect image if a customer service measure correlates with reasonable probability.
  • the combinations of error codes can lead to a relevant error image even if error codes have not occurred.
  • a relevant error image can be formed from the positive error code FCl and the unobserved error code FClO. This is particularly meaningful if, for example, the error code FCl codes for "vehicle electrical system voltage too low" and the error code FClO codes for "generator defective". In this case, an error image from the combination (FCl, not " FClO) would indicate a high leakage current in the electrical system.
  • the individual data sets of the diagnosis situation database are examined for the occurrence of individual error codes and the frequency distribution determines their occurrence.
  • a computer program is used to determine all possible combinations of two types of error codes and to investigate which two-way combinations occur as often in the data records of the diagnosis situations.
  • the possible triple combinations of the error codes are determined and the frequency of their occurrence in the data sets of the diagnostic situations is determined.
  • the frequency of occurrence of a data tuple of n elements defined in the data sets of the diagnostic situations can also be determined. If significant clusters occur for individual error code combinations, then these frequently occurring error code combinations are further evaluated by the computer program.
  • This further evaluation includes a comparison with the GuK database.
  • the vehicle identification and the diagnostic date for the observed accumulation are used first to determine the quantity of customer service measures carried out from the CIS database and then via the Damage key determines a frequency distribution of the performed customer service measures under the considered error code combination. If a clearly preferred after-sales service measure, which was always carried out with the considered error code combination and successfully resolved the observed diagnosis situation, then a relevant error picture is found.
  • the found fault pattern is assigned the significantly frequently occurring damage code.
  • a relevant error image from a significantly frequently occurring error code combination in the diagnosis situation database now correlates with a significant number of damage codes in the CCP database. This correlation allows the machine processable definition of relevant defect images and the assignment of the most likely successful remedial action, identifiable by the damage key.
  • Diagnose decision can get.
  • the current diagnosis situation ie the current amount of error codes read in the current diagnostic session, is searched for the relevant, defined error images. If predefined faulty images are found by the diagnostic routine of the diagnostic system, the computer-aided Error message assigned to corrective action can be determined and proposed.
  • a database with data records from the production of the vehicle can still be consulted for the evaluation.
  • the trim level or model variant of the motor vehicle can be additionally determined and queried.
  • a further query can be programmed, which checks whether one of the detected faulty images appears particularly frequently in an identifiable model variant.
  • control devices and functional groups are installed across models, it can be checked whether not only functional groups have specific deficiencies, but whether there are also systemic deficiencies that arise due to the model. This is e.g. then the case, when a fault pattern only ever popped up in one model variant, although the assigned damage code would have to be relevant for other models, since these other models contain the same components or spare parts.
  • a model-specific frequently occurring damage code is thus an indication of systemic error causes.

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Educational Administration (AREA)
  • Game Theory and Decision Science (AREA)
  • Development Economics (AREA)
  • Marketing (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Vehicle Cleaning, Maintenance, Repair, Refitting, And Outriggers (AREA)

Description

Verfahren zur Identifikation komplexer Diagnosesituationen im
Kundendienst
Die Erfindung betrifft ein rechnergestütztes Verfahren zur Identifikation von komplexen Diagnosesituationen beim Kundendienst von Kraftfahrzeugen. Mit einem Computerprogramm werden reale Diagnosesituationen aus dem Kundendienst von Kraftfahrzeugen analysiert und ausgewertet. Die Auswertung beinhaltet die Identifikationen von relevanten Fehlerbildern und die Identifikation von geeigneten Abhilfenaßnahmen, mit denen die Fehlerbilder erfolgreich bearbeitet werden können. Fehlerbilder sind hierbei Kombinationen von Fehlercodes, die mit Diagnosemitteln festgestellt wurden. Durch Rückspiegelung der als relevant erkannten Fehlerbilder in die Bedatung der im Kundendienst eingesetzten Diagnosesysteme, können diese entscheidend verbessert werden.
Au der US 6,609,050 B2 ist ein Rechner gestütztes Verfahren bekannt, mit dem reale Diagnosesituationen ausgewertet werden. Mit einem Case-Based Reasoning System werden die Kundenangaben als Kundendienstangaben analysiert und daraus eine Vordiagnose erstellt. Diese Vordiagnose vergleicht die Kundendienstangaben mit in einer Symptomdatenbank abgelegten bereits bekannten Symptomen. Können die Kundendienstangaben einem bekannten Symptom zugeordnet werden, können in einer weiteren Falldatenbank zu dem Symptom die möglichen Reparaturmaßnahmen identifiziert werden. Mit einem weiteren Softwaremodul zum Reparaturprozess werden der Garantiestatus des betreffenden Fahrzeugs ermittelt und es wird aus einer Datenbank der nächstliegende Reparaturbetrieb vorgeschlagen, der voraussichtlich in der Lage ist, für das identifizierte Auto die in der Vordiagnose festgestellte Reparaturmaßnahem durchzuführen .
Somit handelt es sich bei dem Rechner basiertem System der US 6,609,050 B2 um ein Diagnosesystem, dass um eine Garantieverwaltung und eine Werkstättenauswahl ergänzt wurde. Mit der Verbesserung der Diagnosemittel durch eine verbesserte Bedatung oder durch eine verbesserte Identifikation von relevanten Diagnosesituationen beschäftigt sich die technische Lehre aus der amerikanischen Patentschrift nicht.
Aus der US 2003/0208309 Al ist ein Rechner gestütztes Verfahren zur Begutachtung von Kraftfahrzeugen bekannt. Aus dem Feldgeschehen werden die Betriebsparameter des Kraftfahrzeugs erfasst und an eine Master Database übermittelt, in der sie als historische Daten abgespeichert und festgehalten werden. Mit statistischen Auswertemethoden mit Mittelwert und Standardabweichung werden diese historischen Daten Betriebsparameter spezifisch ausgewertet. Die statistische Analyse erlaubt das Festlegen von Wertebereichsgrenzen, innerhalb derer die Betriebsparameter eines Kraftfahrzeuges als normal gelten. Dies ermöglicht einen Vergleich von neu aufgefundenen und erfassten Betriebsparameter mit den Analysewerten aus den historischen Daten. Weichen die neu und aktuell erfassten
Betriebsparameter von den als normal geltenden Wertebereichen ab, so kann auf ein abnormales Verhalten der betreffenden Betriebsparameter des Kraftfahrzeugs geschlossen werden. Aus der US 2003/0208309 Al ist somit bekannt, mit nachträglichen Analysen von gesammelten Daten zu verbesserten Entscheidungskriterien für Rechner basierte Systeme zu finden. Allerdings werden lediglich Betriebsparameter einer Analyse unterzogen, so dass lediglich einfache Bewertungen rechnergestützt durchgeführt werden können. Komplexe Diagnosesituationen können mit dem Verfahren nach US 2003/0208309 Al nicht verarbeitet werden. Es können lediglich einzelne Fehlersetzbedingungen verbessert werden, aber keine komplexen Diagnosesituationen verbessert identifiziert werden .
Die Kommunikationsvernetzung von Datenbanksystemen aus verschieden Unternehmenseinheiten wie z.B. Garantiewesen, Produktion, Service und Kundendienst rückt immer mehr in den Brennpunkt von Bemühungen, aus den angesammelten Informationen Nutzen und Mehrwert zu erzielen. Aber auch die Kommunikationsvernetzung von Steuergeräten im Kraftfahrzeug nimmt immer mehr zu. Einhergehend mit der zunehmenden Vernetzung von Steuergeräten ist auch eine zunehmende, gegenseitige Beeinflussung von Eigendiagnoseroutinen der Steuergeräte selbst. Die gegenseitige
Kommunikationsabhängigkeit der Steuergeräte sorgt dafür, dass eine lokale Störung die im Steuergeräteverbund von einer Eigendiagnoseroutine eines Steuergerätes festgestellt wurde, oft auch von anderen Eigendiagnoseroutinen weiterer Steuergeräte festgestellt wird. Dann allerdings unter einem anderen funktionalen Aspekt und damit unter einem anderen funktionalen oder Steuergeräte spezifischen Fehlercode. Dadurch ergeben sich im Kundendienst nach Auslesen der Fehlercodes aus den verschiedenen Steuergeräten mit einem Diagnosetester sehr oft sehr komplexe Diagnosesituationen mit einer Vielzahl von unterschiedlichen Fehlercodes. Die Vielzahl der unterschiedlichen Fehlercodes steht hierbei einer schnellen und erfolgreichen Diagnose im Wege.
Die Erfahrung aus dem Feld hat gezeigt, dass z.B. bei 8000 durchgeführten Kundendienstvorgängen mit anschließenden Reparaturen höchstens zweimal die gleichen Kombinationen an Fehlercodes auftreten. Damit helfen auch Rückgriffe auf Falldatenbanken und Case Based Reasoning Methoden nicht wirklich weiter, um mittels Rechnerunterstützung mehr Licht in die komplexen Diagnosesituationen zu bringen. Es wird daher nach effizienteren Methoden gesucht, um rechnergestützte Diagnosesysteme zu verbessern.
Erfindungsgemäße Aufgabe ist es daher, ein Verfahren anzugeben, mit dem aus einer Vielzahl von komplexen Diagnosesituationen mit jeweils einer Vielzahl von Fehlercodes die Identifikation von relevanten Fehlerbilder möglich wird.
Die Lösung gelingt mit einem Verfahren nach Anspruch 1. Weitere Ausgestaltungen der Erfindung sind in den Unteransprüchen und in der Beschreibung offenbart.
Die Lösung gelingt hauptsächlich mit einer vergleichenden Auswertung einer Datenbank, in der die im Feld vorgekommenen Diagnosesituationen abgelegt sind, mit einer weiteren Datenbank, in der die im Feld durchgeführten Reparaturmaßnahmen abgelegt sind. Sowohl die Datensätze der einzelnen Diagnosesituationen als auch die Datensätze der durchgeführten Kundendienstmaßnahmen sind über die Fahrzeugidentifikationsnummer FIN und das Datum der Kundendienstmaßnahme gekennzeichnet und lassen sich über diese Kennzeichnung miteinander in Beziehung bringen. Die Datensätze der Diagnosesituationen werden mit einer Computersoftware nach häufig vorkommenden Unterkombinationen von Fehlercodes durchsucht. In einem weiteren Schritt wird zu den identifizierten Unterkombinationen an Fehlercodes die durchgeführte Kundendienstmaßnahme ermittelt und überprüft, ob eine Kundendienstmaßnahme signifikant häufiger durchgeführt wurde. Ist dies der Fall, so kann die identifizierte Unterkombination an Fehlercodes zu einem relevanten Fehlerbild definiert werden und als solches in die Bedatung der im Service eingesetzten Diagnosesysteme zusammen mit der identifizierten, mit ihr korrelierenden Kundendienstmaßnahme übernommen werden.
Der Hauptvorteil der auf diese Weise etablierten Fehlerbilder liegt in einer besseren und zuverlässigeren Bedatung von Diagnosesystemen im Kundendienst von Kraftfahrzeugen. Die mit diesen Diagnosesystemen getroffenen Diagnoseentscheidungen werden verlässlicher und sind wesentlich zielgerichteter auf die durchzuführenden Kundendienstmaßnahmen.
In einer Weiterbildung des Verfahrens kann ein weiterer Abgleich mit Produktionsdaten erfolgen. Aus den Produktionsdaten werden die Ausstattungsvarianten eines Fahrzeugs ausgelesen und mit Hilfe der als relevant identifizierten Fehlerbilder wird überprüft ob sich bestimmte Fehlerbilder bei einer Ausstattungsvariante häufen. Ist dies der Fall kann diese Information in die Entwicklung der Nachfolgemodelle eines Kraftfahrzeugs oder in die Modellpflege einfließen. Häufungen von Fehlerbildern bei einer bestimmten Ausstattungsvariante können nämlich auf systemische Mängel hinweisen, die aus dem Zusammenspiel von unverträglichen, teilweise inkompatiblen Komponenten resultieren und die man dann beseitigen kann. Sollten keine systemischen Mängel im vorgenannten Sinn vorhanden sein, so kann die Häufung der Fehlerbilder auch mit einer Häufung der Garantie und Kulanzkosten für ein bestimmtes Bauteil korrelieren, was dann ein Hinweis dafür ist, dieses Bauteil durch ein besseres Bauteil, zu ersetzen.
Im Folgenden wird die Erfindung anhand von graphischen
Darstellungen näher erläutert.
Dabei zeigen:
Fig. 1 ein Prinzipbild zur Erläuterung der wichtigsten
Teilkomponenten, die im erfindungsgemäßen Verfahren zusammenwirken, Fig. 2 ein Blockdiagramm zur Erläuterung wie relevante
Fehlerbilder aufgefunden werden und wie diese definiert werden, Fig. 3 ein Ablaufdiagramm der Auswertung, wie es Grundlage für die Erfindung und deren Umsetzung in ein
Computerprogramm ist.
Fig. 1 verdeutlicht ein typisches Szenario für den Einsatz und die Umsetzung der Erfindung. In einem Kraftfahrzeug sind mehrere Steuergeräte ECU verbaut und untereinander über eines oder mehrere Bussysteme in Kommunikationsverbindung. Über eine bekannte und genormte Diagnoseschnittstelle OBD (On Board Diagnoseschnittstelle) kann ein externer Diagnosetester DAS (Diagnose Assistenz System) angeschlossen werden. Mit dem externen Diagnosetester werden die von den Eigendiagnoseroutinen der Steuergeräte festgestellten Fehlercodes aus deren Fehlerspeicher ausgelesen und weiterverarbeitet. Üblicherweise ist in dem Diagnosetester ein Diagnoseprogramm implementiert, mit dem mit Hilfe der ausgelesenen Fehlercodes eine Fehlersuche und möglichst auch eine Fehlerlokalisation durchgeführt wird. Soweit sind die Diagnosesysteme und Arbeitsverfahren in unterschiedlicher Ausprägung bereits heute in den Servicewerkstätten im Einsatz. Allerdings mit dem bereits eingangs genannten Nachteil der sehr unübersichtlichen Diagnosesituationen.
Eine Diagnosesituation im Sinne der hier vorliegenden Erfindung ist definiert durch die Summe aller Fehlercodes FCl, FC2,...FCXY, die vom Diagnosetester zum Beginn der Diagnosesitzung aus den Fehlerspeichern der verbauten Steuergeräte ausgelesen wird. Diese Diagnosesituation wird für die Weiterverarbeitung mit der Fahrzeugidentifikation FIN und dem kalendarischen Datum der Diagnosesitzung gekennzeichnet. Definition und Kennzeichnung der Diagnosesituation finden im Diagnosetester statt. Die derart aufbereitete Diagnosesituation wird dann vom Diagnosetester in einer zentralen Datenbank abgelegt. Die zentrale Datenbank speichert somit alle Diagnosesituationen, die ihr aus dem Feld der Servicewerkstätten von den Diagnosetestern gemeldet werden. Diese Diagnosesituations-Datenbank wird vom Hersteller der Kraftfahrzeuge in der sogenannten Backward Kette betrieben und gepflegt. Ebenfalls in der Backward Kette im Service von Kraftfahrzeugflotten werden schon heute GuK (Garantie und Kulanz) Datenbanken betrieben und gepflegt. In der GuK Datenbank werden die bei einem Kundendienst durchgeführten Reparaturmaßnahmen innerhalb der Garantie und Kulanz erfasst und abgelegt. Diese durchgeführten Kundendienstmaßnahmen sind mit einem Schadensschlüssel gekennzeichnet, der die Identifikation des gewarteten Kraftfahrzeugs, das Datum des durchgeführten Kundendienstes und die durchgeführte Maßnahme, mit der die Reparatur des Kraftfahrzeugs erfolgreich war, erlaubt.
Mit den derart strukturierten beiden Datenbanken kann nun das erfindungsgemäße Verfahren zur Identifikation von komplexen Diagnosesituationen im Kundendienst durchgeführt werden. Hierzu wird mit einem weiteren Rechnersystem und mit hierfür implementierter Software eine statistische Auswertung der abgespeicherten Diagnosesituationen durchgeführt und mittels einer vergleichenden Auswertung der durchgeführten Kundendienstmaßnahmen aus der GuK Datenbank werden relevante Fehlerbilder definiert, die wiederum in die Bedatung der Diagnosesoftware in den eingesetzten Diagnosetestern Eingang finden und dadurch die Diagnosetester verbessern.
Zur besseren Veranschaulichung der Auswertung dient die zeichnerische Darstellung der Figur 2. In der Diagnosesituations-Datenbank sind die Datensätze aus den einzelnen im Feld ausgelesenen und dann in der Datenbank abgespeicherten Diagnosesitzungen Dia. Sit. 1, Dia. Sit.2, ..Dia. Sit. n abgelegt. Die Diagnosesitzung hat hierbei jeweils eine Kennung, die beispielsweise durch das Diagnosedatum und die Fahrzeugidentifikationsnummer gebildet ist. Zu jeder Diagnosesitzung sind die Datensätze aus den Fehlerspeichern der im Kraftfahrzeug verbauten Steuergeräte abgelegt. Diese Datensätze bestehen daher aus allen bei der jeweiligen Diagnosesitzung ausgelesenen Fehlercodes. Betrachtet man jeweils alle zu einer Diagnosesituation gehörenden Fehlercodes so ergibt sich praktisch für jede Kennung eine andere Kombination von Fehlercodes. Beispielsweise kann sich in einer ersten Diagnosesitzung mit der Kennung Dia. Sit 1 die Fehlercodekombination FCl. FC2...FCn ergeben. In einer zweiten Diagnosesituation mit der Kennung Dia. Sit 2 kann sich die Fehlercodekombination FCl, FC3,...FCm ergeben. In einer beliebigen Diagnosesituation der Kennung Dia.Sitn kann sich die Fehlercodekombination FC2, FC4,..,FCk ergeben haben. Man hat festgestellt, dass in einer Datenbank mit über 8000 abgespeicherten Diagnosesitzungen sich die Fehlercodekombinationen praktisch nicht wiederholen. Sofern man stets alle Fehlercode einer Diagnosesitzung betrachtet hat es in den über 8000 Datensätzen lediglich Häufungspunkte der Mächtigkeit 2 gegeben. Das heißt es sind lediglich vereinzelt Fehlercodekombinationen wiederholt aufgetreten. Dieses Bild stimmt jedoch nicht mit den durchgeführten Kundendienstmaßnahmen überein. Hier gibt es sehr wohl ausgezeichnete Schwerpunkte. Man sucht deshalb nach einer Auswertung der Diagnosesitzungen, die aus der jeweiligen Gesamtheit der Fehlercodes aussagekräftige Unterkombinationen von Fehlercodes liefert, die signifikant, gehäuft auftreten und somit Hinweise auf ein relevantes Fehlerbild liefern können, das mit den beobachteten Reparaturen und Kundendienstmaßnahmen korreliert .
Die Auswertung der Diagnosesitzungen und der abgelegten Diagnosesituationen liefert also gemäß der Erfindung relevante Fehlerbilder, die jeweils durch eine Kombination von Fehlercodes definiert sind. Diese Fehlerbilder umfassen hierbei vorzugsweise Zweier- , Dreier- , oder Viererkombinationen von Fehlercodes. D.H. Kombinationen aus zwei verschiedenen Fehlercodes, drei verschiedenen Fehlercodes oder vier verschiedenen Fehlercodes . Natürlich können auch umfangreichere Kombinationen ein Fehlerbild definieren, falls hierzu eine Kundendienstmaßnahme mit hinreichender Wahrscheinlichkeit korreliert. Die Kombinationen von Fehlercodes können hierbei auch durch nicht aufgetretene Fehlercodes zu einem relevanten Fehlerbild führen. Beispielsweise kann ein relevantes Fehlerbild aus dem positiv aufgetreten Fehlercode FCl und dem nicht beobachteten Fehlercode FClO gebildet sein. Dies ist besonders dann aussagekräftig, wenn beispielsweise der Fehlercode FCl für „Bordnetzspannung zu niedrig" codiert und der Fehlercode FClO für „Generator defekt" codiert. In diesem Fall würde ein Fehlerbild aus der Kombination (FCl, nicht" FClO) auf einen hohen Leckstrom im Bordnetz hinweisen. Mit dem vorgesagten soll nun auf das Ablaufdiagramm der Auswertung anhand der Figur 3 näher eingegangen werden.
Nach den vorbereitenden Schritten wie das Abspeichern der Diagnosesituationen in einer Diagnosesituations-Datenbank und dem Abspeichern der durchgeführten Kundendienstmaßnahmen in einer GuK-Datenbank, jeweils mit den bereits diskutierten Kennungen und Datensätzen, wird mit der Auswertung der abgespeicherten Informationen begonnen.
Zunächst werden die einzelnen Datensätze der Diagnosesituations-Datenbank auf das Auftreten einzelner Fehlercodes untersucht und die Häufigkeitsverteilung deren Auftreten bestimmt. Im nächsten Schritt werden mit einem Computer Programm alle möglichen Zweierkombinationen von Fehlercodes bestimmt und untersucht welche Zweierkombinationen wie oft in den Datensätzen der Diagnosesituationen vorkommen. Im folgen Schritt werden die möglichen Dreierkombinationen der Fehlercodes bestimmt und die Häufigkeit von deren Auftreten in den Datensätzen der Diagnosesituationen bestimmt. In analoger Weise kann mit der Bestimmung von möglichen Kombinationen einer beliebigen Anzahl n von Fehlercodes ebenso die Häufigkeit des Auftretens eines derart definierten Datentupels aus n-Elementen in den Datensätzen der Diagnosesituationen bestimmt werden. Ergeben sich für einzelne Fehlercodekombinationen signifikante Häufungen so werden diese gehäuft auftretenden Fehlercodekombinationen von dem Computerprogramm weiter ausgewertet. Diese weitere Auswertung beinhalten einen Abgleich mit der GuK Datenbank. Zu einer häufigen Fehlercodekombination werden über die Fahrzeugidentifikation und das Diagnosedatum für die beobachtete Häufung zunächst die Menge der durchgeführten Kundendienstmaßnahmen aus der GuK Datenbank ermittelt und anschließend über den Schadensschlüssel eine Häufigkeitsverteilung der durchgeführten Kundendienstmaßnahmen unter der betrachteten Fehlercodekombination bestimmt. Ergibt sich eine eindeutig bevorzugte Kundendienstmaßnahme, die immer bei der betrachteten Fehlercodekombination durchgeführt wurde und die die beobachtete Diagnosesituation erfolgreich gelöst hatte, so ist ein relevantes Fehlerbild gefunden.
Im nächsten Schritt wird dem aufgefundenen Fehlerbild der signifikant häufig auftretende Schadensschlüssel zugeordnet. Somit korreliert nun ein relevantes Fehlerbild aus einer signifikant häufig auftretenden Fehlercodekombination in der Diagnosesituationsdatenbank mit einem signifikant häufig auftretenden Schadensschlüssel in der GuK-Datenbank. Diese Korrelation ermöglicht die Maschinen verarbeitbare Definition von relevanten Fehlerbildern und die Zuordnung der höchstwahrscheinlich erfolgreichen Abhilfemaßnahme, die durch den Schadensschlüssel identifizierbar ist.
Die derart ermittelten und definierten Fehlerbilder werden zusammen mit den identifizierten Abhilfemaßnahmen beim nächsten Software Update der eingesetzten Diagnosesysteme, insbesondere der eingesetzten Diagnosetester in den Servicewerkstätten, durch Bedatung in das Diagnosesystem mit aufgenommen. Es ergibt sich somit ein vereinfachtes und schnell zielführendes Diagnosesystem, dass auf der Basis von definierten Fehlerbildern, schnell zu einer
Diagnoseentscheidung gelangen kann. Hierfür wird die aktuelle Diagnosesituation, also die aktuelle Menge der bei der aktuellen Diagnosesitzung ausgelesenen Fehlercodes, nach den relevanten, definierten Fehlerbildern durchsucht. Werden von der Diagnoseroutine des Diagnosesystems vordefinierte Fehlerbilder gefunden, kann rechnergestützt sofort die dem Fehlerbild zugeordnete Abhilfemaßnahme ermittelt und vorgeschlagen werden.
In einer weiteren Ausbaustufe des Verfahrens kann noch eine Datenbank mit Datensätzen aus der Produktion des Fahrzeugs für die Auswertung hinzugezogen werden. Über die Fahrzeugidentifikations-Nummer kann die Ausstattungsvariante oder Modellvariante des Kraftfahrzeugs zusätzlich ermittelt und abgefragt werden. Damit kann eine weitere Abfrage programmiert werden, die überprüft ob eines der ermittelten Fehlerbilder besonders häufig bei einer identifizierbaren Modellvariante auftaucht. Insbesondere dann, wenn Steuergeräte und Funktionsgruppen Modell übergreifend verbaut werden, kann damit überprüft werden, ob nicht nur Funktionsgruppen spezifische Mängel vorliegen, sondern ob auch systemische Mängel vorliegen, die Modellbedingt auftauchen. Dies ist z.B. dann der Fall, wenn ein Fehlerbild immer nur bei einer Modellvariante gehäuft auftaucht, obgleich der zugeordnete Schadensschlüssel auch bei anderen Modellen relevant sein müsste, da diese anderen Modelle die gleichen Bauteile oder Ersatzteile enthalten. Ein Modellspezifisch gehäuft auftauchender Schadensschlüssel ist somit ein Hinweis für systemische Fehlerursachen.

Claims

Patentansprüche
1. Verfahren zur rechnergestützten Bestimmung von Fehlerbildern bei dem:
- in einer Datenbank die im Kundendienst bei einer Diagnosesitzung mittels eines Diagnosetesters ausgelesen Fehlercodes mit einer Kennung versehen werden und als Diagnosesituation abgespeichert sind,
- in einer Datenbank die im Kundendienst durchgeführten Kundendienstmaßnahmen mit einem Schadensschlüssel als Kennung abgespeichert sind,
- mit einer Software in den Diagnosesituationen häufig auftauchende Fehlercodekombinationen ermittelt werden, zu den ermittelten Fehlercodekombinationen über die Kennungen die Menge der zu der Fehlercodekombination durchgeführten Kundendienstmaßnahmen ermittelt wird und geprüft wird, ob in der Menge der durchgeführten Kundendienstmaßnahmen mindestens eine ausgezeichnete Kundendienstmaßnahmen signifikant häufig auftritt, und wenn ja die auf diese Weise identifizierte Fehlercodekombination als relevantes Fehlerbild definiert wird.
2. Verfahren nach Anspruch 1, dadurch gekennzeichnet, dass dem relevanten Fehlerbild die ausgezeichnete Kundendienstmaßnahme als geeignete Abhilfemaßnahme zur Behebung des Fehlerbildes zugeordnet wird.
3. Verfahren nach Anspruch 1 oder 2, dadurch gekennzeichnet, dass
Produktionsdaten für die Identifikation der relevanten Fehlerbilder zusätzlich herangezogen werden.
4. Diagnosetester für die Diagnose von elektronischen Komponenten im Kraftfahrzeug, bei dem Fehlerbilder nach Anspruch 1 hinterlegt sind und bei dem die bei einer Diagnosesitzung ausgelesenen Fehlercodes mittels einer Diagnoseroutine mit den hinterlegten Fehlerbildern verglichen werden.
5. Diagnosetester nach Anspruch 4, bei dem zu den hinterlegten Fehlerbildern ausgezeichnete Kundendienstmaßnahmen als Abhilfemaßnahmen hinterlegt sind.
6. Computerprogramm oder Computerprogrammprodukt, das direkt in den internen Speicher eines digitalen Computers geladen werden kann und Softwarecodeabschnitte umfasst, mit denen das Verfahren nach Anspruch 1 oder 2 oder 3 ausgeführt werden, wenn das Computerprogramm auf einem Computer läuft .
PCT/EP2006/007482 2005-08-25 2006-07-28 Verfahren zur identifikation komplexer diagnosesituationen im kundendienst WO2007022849A2 (de)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
DE102005040142A DE102005040142A1 (de) 2005-08-25 2005-08-25 Verfahren zur Identifikation komplexer Diagnosesituationen im Kundendienst
DE102005040142.2 2005-08-25

Publications (1)

Publication Number Publication Date
WO2007022849A2 true WO2007022849A2 (de) 2007-03-01

Family

ID=36950218

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/EP2006/007482 WO2007022849A2 (de) 2005-08-25 2006-07-28 Verfahren zur identifikation komplexer diagnosesituationen im kundendienst

Country Status (2)

Country Link
DE (1) DE102005040142A1 (de)
WO (1) WO2007022849A2 (de)

Families Citing this family (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102007045255B4 (de) 2007-09-21 2021-11-18 Volkswagen Ag Verfahren zur Herstellung eines Diagnosesystems, insbesondere für ein Kraftfahrzeug
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
DE102017220218A1 (de) * 2017-11-14 2019-05-16 Bayerische Motoren Werke Aktiengesellschaft Verfahren, Vorrichtung, Computerprogramm und Computerprogrammprodukt zur Fehlerdiagnose eines Computersystems eines Fahrzeugs
DE102019209336A1 (de) * 2019-06-27 2020-12-31 Siemens Mobility GmbH Verfahren zur Verwaltung von Diagnosemeldungen und -informationen, Softwarepaket, Server oder Servernetzwerk, System und Verwendung
DE102019125077A1 (de) * 2019-09-18 2021-03-18 Ford Global Technologies, Llc Verfahren zur Fehleranalyse
DE102020107367B4 (de) 2020-03-18 2022-03-31 Audi Aktiengesellschaft Verfahren zum Betreiben einer Datenbankeinrichtung zum Sammeln von Fehlerdatensätzen aus einer Vielzahl von Kraftfahrzeugen; Datenbankeinrichtung; Kraftfahrzeug-Steuereinrichtung sowie System
DE102020108144A1 (de) 2020-03-25 2021-09-30 Bayerische Motoren Werke Aktiengesellschaft Verfahren, Computersystem, Computerprogramm und computerlesbares Speichermedium zur Auswertung von Gewährleistungsfällen bei Fahrzeugen

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6609050B2 (en) 2000-01-20 2003-08-19 Daimlerchrysler Corporation Vehicle warranty and repair computer-networked system
US20030208309A1 (en) 2000-05-08 2003-11-06 Triphathi Pradeep R Monitoring of vehicle health based on historical information

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20020007237A1 (en) * 2000-06-14 2002-01-17 Phung Tam A. Method and system for the diagnosis of vehicles
US20030038475A1 (en) * 2001-08-24 2003-02-27 Stancil Michelle D. Greeting card with healthcare information
DE10307365B4 (de) * 2003-02-21 2005-08-11 Volkswagen Ag Vorrichtung und Verfahren zur Fehlerdiagnose bei Fahrzeugen

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6609050B2 (en) 2000-01-20 2003-08-19 Daimlerchrysler Corporation Vehicle warranty and repair computer-networked system
US20030208309A1 (en) 2000-05-08 2003-11-06 Triphathi Pradeep R Monitoring of vehicle health based on historical information

Also Published As

Publication number Publication date
DE102005040142A1 (de) 2007-03-01

Similar Documents

Publication Publication Date Title
DE102011014557B4 (de) Verfahren zum Diagnostizieren von Ursachen von Fehlern in Fahrzeugsystemen
DE102015214739B4 (de) Verfahren zur Bestimmung einer Fehlerursache bei einem Fahrzeug und Server zum Durchführen der Bestimmung der Fehlerursache
DE102011108678B4 (de) Ereignisgesteuertes Datamining-Verfahren zum Verbessern von Fehlercodeeinstellungen und zum Isolieren von Fehlern
EP2359204B1 (de) Adaptives zentrales wartungssystem und verfahren zum planen von wartungsvorgängen von systemen
DE19742446B4 (de) Fehlerdiagnoseverfahren
DE102011117803A1 (de) Verfahren für die Wartungsdiagnose- und Wartungsprozedurverbesserung
DE10307342B4 (de) Vorrichtung und Verfahren zur modellbasierten On-Board-Diagnose
DE102010052998A1 (de) Software-zentrierte Methodik für die Überprüfung und Bestätigung von Fehlermodellen
WO2007022849A2 (de) Verfahren zur identifikation komplexer diagnosesituationen im kundendienst
DE102008040461A1 (de) Verfahren zum Bestimmen fehlerhafter Komponenten in einem System
DE10244131A1 (de) Verfahren zur Unterstützung einer Identifizierung einer defekten Funktionseinheit in einer technischen Anlage
DE102010052855A1 (de) Detektieren von Abweichungen bei Feldausfalldaten
WO2001043079A1 (de) Verfahren zum erkennen von fehlern eines kraftfahrzeugs
DE112015004142T5 (de) System und Verfahren zur Vorhersage des Ausfalls von Maschinenkomponenten
EP3907707A1 (de) Verfahren und diagnosevorrichtung zum durchführen einer fahrzeugdiagnose
EP3014372B1 (de) Werkstatt-diagnosesystem
DE10307343B4 (de) On-Board-Diagnosevorrichtung und On-Board-Diagnoseverfahren für Kraftfahrzeuge
DE10315344B4 (de) Verfahren und Vorrichtung zur Erkennung fehlerhafter Komponenten in Fahrzeugen
DE102008004219A1 (de) Verfahren zum Behandeln mindestens eines Fehlers innerhalb eines Systems
EP1376094A2 (de) Verfahren und Vorrichtung zur Diagnose von Komponenten eines Fahrzeugs
WO2014005771A1 (de) Fahrzeugdiagnosevorrichtung zum ermitteln eines bedarfs für eine überprüfung von mindestens einer komponente eines kraftfahrzeuges und fahrzeugdiagnoseverfahren zum ermitteln eines bedarfs für eine überprüfung von mindestens einer komponente eines kraftfahrzeuges
DE102018212801A1 (de) Diagnose komplexer Systeme
DE102019201953A1 (de) Verfahren und Detektionsvorrichtung zum Detektieren eines Eingriffs in ein Kraftfahrzeug sowie Kraftfahrzeug mit einer Detektionsvorrichtung
DE102021213965A1 (de) Verfahren zur Fehlerdiagnose für ein Kraftfahrzeug
DE102022003086A1 (de) Verfahren und System zur Fehleranalyse

Legal Events

Date Code Title Description
NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 06762870

Country of ref document: EP

Kind code of ref document: A2