• Description

 

什麼是車載診斷(OBD)?

車載感測器越來越能夠監測和報告車輛狀態,為原廠製造商(OEMs)提供可靠的實際使用度量。收集這些度量的兩個主要動機是減少導致診斷故障碼(DTCs, Diagnostic Trouble Codes)的問題發生和安排預測性維護。

 

為什麼在OBD數據上使用分析?

必須對大量數據集進行分析,通常是實時進行,以確定何時超出正常範圍。如果不是實時進行,數據將記錄為摘要統計,這會減弱信息內容,並可能掩蓋根本原因分析。識別導致DTCs的高維變量組合和歷史以及預測維護問題並非易事。為了克服這些計算障礙並有效利用OBD數據,原廠製造商必須利用預測建模和先進分析技術。

 

分析OBD數據的挑戰

OBD系統的數據進行分析面臨諸多挑戰,如感測器噪聲、數據量和潛在輸入數量、車載處理的限制、數據傳輸的低帶寬、實際建造車輛的變異性,以及對使用和故障模式的不確定性。這些挑戰創造了一個看似難以解決的高維問題,樣本量巨大。

 

SmartUQ針對OBD和嵌入式系統的解決方案

SmartUQ使用多種分析工具來解決這些挑戰:

 

- 維度縮減(dimensionality reduction)、數據子抽樣(data subsampling)和過濾工具(filtering tools)可以減少需要處理、存儲或傳輸的數據量。

- 敏感性分析(sensitivity analysis)允許識別和分析重要輸入。

- 統計校準(statistical calibration)和逆向技術(inverse techniques)可用於識別噪聲數據中的偏差信號,確定潛在輸入不確定性,並調整運營參數和模型。

- 先進的輕量級預測建模工具(advanced lightweight predictive modeling tools)可用於虛擬感測器和實時預測,以優化性能。

- 綜合起來,數位分身(digital twins)和概率分析(probabilistic analysis)可用於錯誤碼和引擎故障的根本原因分析。

 

總結

成功地收集和分析車載診斷數據可能具有挑戰性,但憑藉適當的工具和支持,車輛運營的

 

知識和根本原因分析、預測性維護和先進控制的機會是前所未有的。