专利名称：在现场故障数据中检测异常的制作方法
技术领域：
一个实施例总体涉及用于在维护修理数据中识别异常的方法。
背景技术：
保修报告通常包括分析由维护修理中心报告的保修数据。维护修理中心，例如汽 车经销商，报告维护数据给原始设备制造商(例如汽车公司)。数据被收集，包括修理的细节 (修理代码)，错误代码(诊断问题代码)，用户投诉，识别的构件问题，和修理的成本。基于识 别的构件和问题，原始设备制造商确定构件是否存在持续的问题，需要改变该构件，以提高 该构件的质量并降低保修成本。保修报告通常在分析现场故障数据上花费时间。而且，任 何保修报告和潜在修正动作基于维护技术员正确地诊断问题的前提。然而，误诊断可能导 致延迟找到实际问题，同时在作出错误修理时造成用户的重复来访，花费大量诊断时间和 产生不必要的成本。
发明内容
一个实施例的优点在于，现场的新的故障模式、设备的不适当使用的修理代码和 修理的误诊断的早期检测。本文描述的系统和方法使用多个工程准则构建将故障模式与症 状(故障代码、操作参数范围、用户投诉、技术员测试结果)关联的故障模式-症状相关矩阵。 基于通过维护提供商提供的信息和故障模式-症状相关矩阵，设备制造商可以容易地确定 修理合适或者异常。然后将数据矩阵化，以确定误诊断的早期倾向，并可将其发布给维护中 心，以保证作出正确的修理。一个实施例构想检测设备的维护修理的异常的方法。将故障模式-症状相关矩 阵与诊断推理器一同提供，故障模式-症状相关矩阵将故障模式与识别故障模式的症状关 联。各故障模式以设备故障可能如何发生的相应情形来识别。根据多个工程准则生成症状 与故障模式的关联。为设备的实际的修理收集故障代码或者诊断问题代码。诊断问题代码 涉及设备中构件的通过设备的处理器识别的潜在故障。将诊断问题代码提供给诊断推理 器。在故障模式-症状相关矩阵中获得这些关联。利用故障模式-症状相关矩阵和构件存 在的症状，通过诊断推理器进行诊断评估，以根据诊断问题代码和在故障模式-症状相关 矩阵中故障模式与症状的关联确定对设备执行的推荐的修理。将推荐的修理与对设备执 行的实际的修理进行比较。根据推荐的修理不匹配实际的修理来识别错误匹配(或异常)。 生成报告以显示所有的识别的错误匹配(或异常)。分析报告以确定异常数量上升的修理代 码。提醒维护中心对于识别的故障模式的正确修理。一个实施例构想为包括将故障模式与症状关联的故障模式-症状相关矩阵的现 场故障检测系统。各故障模式以设备故障可能如何发生的相应情形来识别。根据多个工程 准则生成检测故障模式的症状。存储器储存修理的设备的诊断问题代码。诊断问题代码涉 及设备的构件的由设备的处理器识别的潜在故障。存储器储存修理代码，修理成本和代表 由维护提供商对修理的设备进行的修理的部件数量。另外，存储器还储存用户投诉、工程操作参数数据。处理单元将诊断问题代码与故障模式-症状相关矩阵关联，以识别设备的故 障模式。诊断推理器和存在于处理单元中的故障模式-症状相关矩阵，根据设备的症状确 定对设备执行的修理。将推荐的修理列表与用于修理设备的实际的修理进行比较。根据推 荐的修理不匹配实际的修理来识别错误匹配(或异常)。生成报告，该报告分析识别的错误 匹配(或异常)的倾向，以确定异常数量上升的修理代码。本发明涉及以下技术方案。1. 一种在设备的维护修理中检测异常的方法，所述方法包括以下步骤 提供将故障模式与症状关联的故障模式-症状相关矩阵，各故障模式以设备故障可
能如何发生的相应情形来识别，其中根据多个工程准则生成所述症状与所述故障模式的关 联；
收集用于所述设备的实际修理的诊断问题代码，所述诊断问题代码涉及所述设备中的 构件的由所述设备的处理器识别的潜在故障； 将所述诊断问题代码提供给诊断推理器；
通过所述诊断推理器进行诊断评估，根据所述诊断问题代码和在所述故障模式-症状 相关矩阵中的所述故障模式与症状的关联来确定对所述设备执行的推荐的修理； 将所述推荐的修理与用于修理所述设备的实际修理进行比较； 根据所述推荐的修理不匹配所述实际的修理来识别错误匹配； 生成显示所有识别的错误匹配的报告； 分析所述报告，以确定异常数量上升的修理代码；以及 提醒维护中心对于所识别的故障模式的正确修理。2.根据技术方案1所述的方法，其特征在于，所述诊断推理器利用报告的诊断问 题代码作为症状，其中所述诊断推理器利用所述故障模式-症状相关矩阵将所述症状与至 少一个故障模式关联，且其中所述推荐的修理根据所述至少一个故障模式来识别。3.根据技术方案2所述的方法，其特征在于，将通过所述维护中心识别的至少一 个其它症状提供给所述诊断推理器，其中所述诊断推理器利用所述诊断问题代码和所述至 少一个其它症状来识别所述至少一个故障模式。4.根据技术方案1所述的方法，其特征在于，所述工程准则包括故障模式影响和 分析工具。5.根据技术方案1所述的方法，其特征在于，所述工程准则包括故障模式影响和 危害性分析工具。6.根据技术方案1所述的方法，其特征在于，所述工程准则包括维护手册诊断。7.根据技术方案1所述的方法，其特征在于，所述工程准则包括可靠性报告。8.根据技术方案1所述的方法，其特征在于，所述工程准则包括现场故障数据。9.根据技术方案1所述的方法，其特征在于，所述正确修理用于识别所述设备故 障的根本原因。10.根据技术方案1所述的方法，其特征在于，在一段时间内根据设备创建日期 来跟踪所述错误匹配。11.根据技术方案1所述的方法，其特征在于，根据所述设备维护提供商提供的 修理代码来识别所述故障模式。
12.根据技术方案1所述的方法，其特征在于，从多个设备维护提供商收集所述 修理代码以总体地识别修理中的倾向。13.根据技术方案1所述的方法，其特征在于，根据各修理代码的异常的总数来 生成所述报告。14.根据技术方案13所述的方法，其特征在于，根据各诊断问题代码的异常的总 数来生成所述报告。15.根据技术方案14所述的方法，其特征在于，根据修理代码和诊断问题代码的 组合的异常的总数来生成所述报告，各相应修理代码通过为所述修理而记录的相联系的诊 断问题代码而分开。16.根据技术方案15所述的方法，其特征在于，基于所述设备的创建日期在某一 时间段内生成所述报告。17. 一种现场故障检测系统，包括
故障模式-症状相关矩阵，将故障模式与症状关联，各故障模式以设备故障可能如何 发生的相应情形来识别，且根据多个工程准则生成所述症状与所述故障模式的关联；
存储器，用于储存修理设备的诊断问题代码，所述诊断问题代码涉及所述设备中的构 件的由所述设备的处理器识别的潜在故障，所述存储器进一步储存代表由维护提供商对修 理的设备所作的修理的修理代码；以及
处理单元，用于将所述诊断问题代码与所述故障模式-症状相关矩阵关联，以根据所 述诊断问题代码和在所述故障模式-症状相关矩阵中的所述故障模式与症状的关联来确 定对所述设备执行的推荐的修理；
其中，将所述推荐的修理与用于修理所述设备的实际的修理进行比较，其中根据所述 推荐的修理不匹配所述实际的修理来识别错误匹配，且其中生成识别所述识别的错误匹配 的报告以确定异常数量上升的修理代码。18.根据技术方案17所述的系统，其特征在于，所生成的报告进一步包括诊断问 题代码报告，根据所述诊断问题代码来生成所述诊断问题代码报告，其中根据由所述维护 提供商报告的所述诊断代码与识别对所述设备进行的修理的修理代码不具有期望的关系 来识别所述诊断问题代码中的异常。19.根据技术方案17所述的系统，其特征在于，所生成的报告进一步包括组合的 诊断问题代码和修理代码报告，根据通过相联系的诊断问题代码分组的所述修理代码来生 成所述诊断问题代码和修理代码报告。20.根据技术方案17所述的系统，其特征在于，所述处理器单元为诊断推理器， 所述诊断推理器利用所述报告的诊断问题代码作为症状，其中所述诊断推理器利用所述故 障模式-症状相关矩阵将所述症状与至少一个故障模式关联，且其中根据所述至少一个故 障模式来识别所述推荐的修理。21.根据技术方案20所述的系统，其特征在于，将通过所述维护中心识别的至少 一个其它症状提供给所述诊断推理器，其中所述诊断推理器利用所述诊断问题代码和所述 至少一个其它症状来识别所述至少一个故障模式。22.根据技术方案17所述的系统，其特征在于，所述故障模式-症状相关矩阵基 于工程准则生成，所述工程准则包括故障分析过程、维护手册和可靠性报告。
图1为现场故障异常检测系统的框图； 图2为用于检测维护修理的误诊断的流程图3a_;3e为根据设备的不同创建日期的修理代码的条形比较图； 图4为具有最多异常的修理代码的线绘制图； 图为根据设备的不同创建日期的诊断问题代码的条形比较图； 图6为具有最多异常的DTC的线绘制图7a_7e为根据设备的不同创建日期的修理代码和DTC的条形比较图； 图8图示了现场故障异常检测过程的流程图； 图9图示了用于对修理分类的方法的流程图。
具体实施例方式在图1中显示了现场故障异常检测系统的框图，总地以10来表示，其用于诊断问 题设备，例如汽车。现场故障异常检测系统10包括用于处理数据的处理器12，所述数据通 过多个维护提供商14，例如汽车维护经销商和远程信息服务来获取。多个维护提供商14在 维护诊断工具的辅助下诊断设备的问题。诊断问题代码(DTC)从车辆处理器存储器获取， 并用于确定车辆的问题，下面将详细讨论。基于DTC、维护手册和维护技术员的分析技能来 修理车辆。报告给原始设备制造商的修理通常通过修理代码表示。除修理代码之外，还将 DTC提供给现场故障异常检测系统10，以分析作出的修理。或者，可以通过维护提供商将提 供给现场故障异常检测系统10的数据储存在数据库内，然后基于预定周期批量提供给现 场故障异常检测系统10。现场故障异常检测系统10进一步包括故障模式-症状相关器15，诊断推理器16， 和存储器18。故障模式-症状相关器15包括将故障模式与症状关联的故障模式-症状相 关矩阵(显示在图2中)。诊断推理器16可为独立的处理器，或者诊断推理器16和处理器 12可集成为单个处理器。诊断推理器16在故障模式-症状相关器15的辅助下基于报告 的DTC确定哪些推荐的修理应当用于修理设备。通过多个维护提供商14确定的关于修理 的数据和结果储存在存储器18内。存储器还储存用户投诉和工程操作参数数据。通过主 题专家20处理、绘制和分析数据和结果，以确定关于设备的误诊断的异常和倾向。图2为图示用于识别设备修理的误诊断的过程流程的流程图。故障模式-症状相关矩阵21 (例如，错误模型或者关联矩阵)，其可能存在于处理 器或者另一模块内，将故障模式与症状关联，以识别应当用于解决问题的正确修理。多个工程准则22用于生成故障模式28 (例如F1至F7)和症状四(例如S1至&)， 并将故障模式28 (例如F1至F7)与症状29 (例如S1至S5)关联。维护技术员利用症状(例 如DTC、用户投诉、操作参数、测试结果)29分析问题和识别必要的修理。工程准则22包括 但不限于可靠性报告23，维护手册M，控制计划25，保修数据沈，和故障分析过程观，例如 故障模式影响和分析工具(FMEA)以及故障模式影响和危害性分析工具(FMECA)。应理解， 依据错误-症状相关矩阵的范围，该矩阵可以非常大，可以被更新和提炼，使得该矩阵识别 对于各种可能的症状的具体修理操作。另外，可对车辆的不同层级提供各种错误-症状相关矩阵，其中，可将这些矩阵提供给车辆的以下层级，包括但不限于特定车辆子系统、特定 车辆品牌和型号。工程准则22由主题专家生成，主题专家具有设备的专家领域知识和设备可能发 生的故障的知识。这些维护内容专家可以包括工程师、技术专家、维护和维修人员、统计员 和具有设备或者设备的操作的渊博知识的任何其它人。基于工程知识、最佳实践和主题专 家的以往经验，共同地生成设备的故障模式。故障模式-症状相关矩阵21，如图2所示，图示了表格的行内表示的多个故障模式 观。执行在表格的列内表示的症状四，以测试和检测故障模式。错误-症状相关矩阵内的 黑点或者其它表示(诸如布尔字符或者0与1之间的分数值)对应具有结合关系的故障模式 和相关联的症状。各症状可关联多于一个的故障模式。例如，用于线束的相应部分的接地 短路测试程序可指示多于一个的故障模式。结果，可能需要多于一个的测试程序来识别解 决设备问题所需的修理。为确定相应维护修理是否已经发生误诊断，从维护提供商获取修理数据。原始设 备制造商，例如汽车公司，维护联机的修理报告系统。在该举例中，将车辆运至维护修理中 心，例如经销商处的维护部门。维护部门将对车辆进行诊断检查，与车辆内的一个或者多个 处理器(例如发动机控制模块)连通。车辆内的各处理器包括存储器，或者在车辆出现问题 和检测出错误时利用储存DTC的远程存储器。在车辆处理器的存储器内储存DTC有利于维 护技术员试图重新获得车辆问题，尤其在车辆当前没有问题的症状的情况下；或者，维护技 术员可以回顾所有错误的以往历史，该所有错误的以往历史已经在出现问题时储存在车辆 的存储器内，用于确定当时车辆的问题。DTC为用于识别车辆内各种子系统发生的问题的字 母数字代码。这种DTC可涉及各种车辆功能，包括但是不限于发动机操作，排放，制动，动力 系，和转向。各子系统自身可具有用于监测子系统操作的错误的机载处理器，或者处理器可 负责监测多个子系统的错误。在子系统处理器检测出问题时，生成一个或者多个DTC。DTC 储存在处理器的存储器内，然后在测试时由维护技术员获取。DTC协助维护技术员精确指出 关注的区域。为获取DTC，维护技术员进入扫描工具上请求获取为当前或者以往驱动周期储 存的DTC的模式。扫描工具还可使用车载诊断参数识别器(PID)以确定问题。PID代码为 子系统的操作参数，其被输入扫描工具内，并通过车辆的通信总线传送。通信总线上的设备 中的一个识别其负责的PID代码，并将信息发送回与设备相关的扫描工具。所述信息可包 括关于其操作状态的数据(例如，提供空-燃混合比以便确定该比率是否在最小值与最大 值之间)。扫描工具将信息显示给维护技术员。维护技术员评估所述信息，并确定需要何种 修理。修理代码用于识别对车辆进行的修理。修理代码被输入维护报告系统，并被提供 给现场故障异常检测系统，在该系统中原始设备制造商可评审和分析该信息。为检查是否发生了误诊断，将在错误查找期间获取的症状31提供给诊断推理器 模块30，所述症状31包括但不限于DTC，PID,扫描工具值，技术员测试结果，用户投诉，和文 本症状。诊断推理器模块30分析所报告的症状31，并利用故障模式-症状关联21确定应 当对设备进行何种修理。推荐的修理通常通过修理代码32 (例如劳工代码或者原始设备制 造商利用的任何其它类型的代码)识别。推荐的修理代码32被输入比较器33。另外，还将代表由维护技术员对车辆作出的实际修理的实际的修理代码34输入比较器33。比较器33确定实际修理代码是否匹配某一 推荐的修理代码。如果代码匹配，则比较器33将修理识别为合适修理并相应地分类。如果 修理代码不匹配，则比较器33将修理识别为异常(例如指示出现误诊断、出现新的故障模 式或者维护程序存在错误)并相应地对修理分类。将从比较器33输出的比较器结果35绘 成图，并周期性地分析，以提供早期检测是否作出合适修理或者是否发生误诊断。图形通过 识别误诊断修理发生的早期倾向，为主题专家提供视觉上的图示。图3a_;3e图示了基于车辆创建日期的用于车辆的修理代码的条形比较图。各图识 别由多个维护中心报告的多个修理代码，并基于这些车辆创建日期和车辆型号进行分组。 图示在各图3a_3e中的各报告修理代码表示通过在图2中的显示的比较器确定的正确地 诊断的修理的数量和异常的修理的数量。可分析通过各图表示的用于设备的各创建日期 的直接比较。例如在图3a中，修理代码L0618显示了从2008年7月6日到2008年9月5 日创建的通过L0618表示的设备的修理的总共57次修理。在对于各创建日期的总共57次 (L0618)修理中，相关器模块确定合适地作出9次修理，而48次修理为异常。各示了对 相应时期制造的全部设备所报告的相应修理代码，并将各修理代码分类成合适的修理或者 异常。图4图示了显示在所有创建日期内作出的最多异常的修理的线图。各相应线图代 表相应修理代码。例如，线36代表修理代码L0618，线37代表修理代码J5603，线38代表 修理代码L1020，而线39代表修理代码J6980。当数据指示通过40代表的峰值时，通常表 示在数据中检测出异常，此为常用手段。利用比较器模块和绘制线图显示了当在例如时间 时期41所示的数据报告时期倾向开始较早地上升时，错误检测系统可识别问题。数据的总 分析允许主题专家在数据中检测异常，而不必人工地分析保修报告或者等待在长时间间隔 后收集的保修数据。更为重要的是，正确诊断与异常的比较允许主题专家调查和确定因维 护技术员造成的异常的根本原因。通常，异常起因于误诊断，而误诊断的检测的延迟起因于 确定根本原因的线索的缺失，因为评审数据的人员必须假定维护技术员已经基于故障模式 和DTC正确地作出修理。可每周、每月或者每隔通过主题专家设定的其它周期分析这些报
生
1=1 O图示了基于DTC代码的条形比较图。对于各相应创建日期段，该图将图示 不正确地和正确地识别的那些DTC。各相应图形基于DTC代码与修理代码的关联识别由多 个设备维护中心所报告的在相应的时间段内创建的DTC代码是否合适。也就是说，基于通 过确定所记录的DTC是否与作出的修理具有有效关系而确定的修理代码是否正确地与DTC 相关，所述系统确定所报告的DTC是否有效。例如，记录的DTC涉及燃料系统，但修理代码 代表对防抱死制动(ABS)系统的修理。所述系统无法知道是否记录的DTC错误或者维护技 术员是否作出不正确的维护步骤。然而，数据指示的是存在错误匹配，且在图中识别出，使 得主题专家可能具有不适当的分组，需要对该分组进行进一步的研究。错误匹配提供修理 有异常的指示。如果相应DTC总是被识别为不适当，则主题专家可进一步分析冻结帧数据 (PID数据)，以确定为什么DTC与并不与其关联的修理代码相联系。图6图示了显示在图所示的整个创建日期时间段最多的不正确地报告的 DTC的线图。各相应线图代表相应修理代码。例如，线43代表DTC P0454，线44代表DTC P0451，和线45代表DTC P0641。常用手段为在已经报告了大量不正确地报告的DTC时(由
946表示)在数据中检测DTC异常。利用比较器模块和绘制结果显示了错误检测系统可在数 据报告时间段的早期(例如时间段47所表示的)识别倾向。图7a_7e图示了用于通过相联系的劳动代码和DTC检测异常的条形图比较。将图 3a-3c和图的数据进行组合和分类，以进一步将与相应劳动代码相联系的DTC的数量 图示给主题专家。将不适当地记录的DTC与相应修理代码分开和重新分类，并进行报告，以 进一步识别可能存在的异常。基于在图7a_7e中对于各创建日期时间段显示的图形，通过 主题专家可容易地识别和分析被识别为最成问题的异常的相应劳动代码和相联系的DTC， 以确定为什么这些具体修理代码和DTC被不适当地相互使用的原因。而且，主题专家可立 即调查为什么发生误诊断(例如维护手册中的不正确的修理程序，难以遵循的程序等)。图8图示了现场故障异常检测过程的大范围概观的流程图。在步骤50中，对数据进行收集、预处理和储存，直到执行现场故障检测工具。预处 理包括数据的编译和索引，以便在执行程序时现场故障检测工具可从存储器获取数据。在步骤51中，运行现场故障检测分析工具，以在报告的现场故障数据中分析数据 和确定异常倾向。在步骤52中，根据修理代码生成关于在相应时间段创建的设备的条形图和线图。在步骤53中，根据DTC生成关于在相应时间段创建的设备的条形图和线图。在步骤M中，根据DTC和修理代码生成关于在相应时间段创建的设备的条形图。 基于在作出修理时与修理代码一同记录的相联系的DTC，对各相应劳动代码的异常进行分类。在步骤55中，将报告提供给主题专家，其中通过主题专家识别倾向，并确定根本 原因。各报告中不同组的数据提供线索给主题专家，以确定异常的根本原因。根本原因可 关于提供给维护提供商的维护/诊断程序或者待修理的构件的不正确的识别。在步骤56中，通知直接影响或者协助校正所识别的修理误诊断的实体。该实体可 包括但不限于维护技术员，工程师，负责将诊断工具代码化和准备更新的软件工程师，以及 用于起草和改正维护手册的人员。图9图示了用于识别现场故障异常的详细过程的流程图。在步骤60中，根据公知 工程准则构建故障-症状相关矩阵。在步骤61中，将修理代码和症状提供给用于储存数据的存储器，症状包括但不限 于与设备相联系的DTC、操作参数识别器(PID)、扫描工具值、技术员测试结果、用户投诉和 文本症状。在步骤62中，将报告的症状数据提供给现场故障检测系统。诊断推理器利用故障 模式-症状相关矩阵将症状与故障模式关联。在步骤63中，根据在步骤62中识别的故障模式，利用诊断推理器识别推荐的修理。在步骤64中，将实际的修理与各个推荐的修理进行比较。在步骤65中，确定实际的修理是否匹配某一推荐的修理。如果确定实际的修理匹 配某一推荐修理，则程序前进至步骤66，否则程序前进至步骤67。在步骤66中，将修理分类为适当的修理。在步骤67中，将修理分类为异常。
在步骤68中，将来自步骤66和67的修理记录在存储器内，表示为修理代码和相 联系的DTC，以备进一步处理。在步骤69中，确定是否已经通过现场故障检测系统分析了所有修理。如果未分析 所有修理，则返回步骤62，以执行下一修理的程序。如果已经通过现场故障检测系统分析了 所有修理，则程序前进至步骤70。在步骤70中，基于储存在存储器内的数据生成现场故障异常报告。可根据修理代 码、或DTC或修理代码和DTC组合来生成异常报告。应理解，尽管本文描述的实施例涉及车辆和车辆维护中心，但是本文描述的发明 可应用于除汽车领域之外的其它类型的设备。虽然已经详细描述本发明的特定实施例，但本发明所在领域的技术人员将构思出 所附权利要求限定的用于实施本发明的各种替代设计和实施例。
权利要求
1.一种在设备的维护修理中检测异常的方法，所述方法包括以下步骤提供将故障模式与症状关联的故障模式-症状相关矩阵，各故障模式以设备故障可 能如何发生的相应情形来识别，其中根据多个工程准则生成所述症状与所述故障模式的关 联；收集用于所述设备的实际修理的诊断问题代码，所述诊断问题代码涉及所述设备中的 构件的由所述设备的处理器识别的潜在故障； 将所述诊断问题代码提供给诊断推理器；通过所述诊断推理器进行诊断评估，根据所述诊断问题代码和在所述故障模式_症状 相关矩阵中的所述故障模式与症状的关联来确定对所述设备执行的推荐的修理； 将所述推荐的修理与用于修理所述设备的实际修理进行比较； 根据所述推荐的修理不匹配所述实际的修理来识别错误匹配； 生成显示所有识别的错误匹配的报告； 分析所述报告，以确定异常数量上升的修理代码；以及 提醒维护中心对于所识别的故障模式的正确修理。
2.根据权利要求1所述的方法，其特征在于，所述诊断推理器利用报告的诊断问题代 码作为症状，其中所述诊断推理器利用所述故障模式-症状相关矩阵将所述症状与至少一 个故障模式关联，且其中所述推荐的修理根据所述至少一个故障模式来识别。
3.根据权利要求2所述的方法，其特征在于，将通过所述维护中心识别的至少一个其 它症状提供给所述诊断推理器，其中所述诊断推理器利用所述诊断问题代码和所述至少一 个其它症状来识别所述至少一个故障模式。
4.根据权利要求1所述的方法，其特征在于，所述工程准则包括故障模式影响和分析 工具。
5.根据权利要求1所述的方法，其特征在于，所述工程准则包括故障模式影响和危害 性分析工具。
6.根据权利要求1所述的方法，其特征在于，所述工程准则包括维护手册诊断。
7.根据权利要求1所述的方法，其特征在于，所述工程准则包括可靠性报告。
8.根据权利要求1所述的方法，其特征在于，所述工程准则包括现场故障数据。
9.根据权利要求1所述的方法，其特征在于，所述正确修理用于识别所述设备故障的 根本原因。
10.一种现场故障检测系统，包括故障模式-症状相关矩阵，将故障模式与症状关联，各故障模式以设备故障可能如何 发生的相应情形来识别，且根据多个工程准则生成所述症状与所述故障模式的关联；存储器，用于储存修理设备的诊断问题代码，所述诊断问题代码涉及所述设备中的构 件的由所述设备的处理器识别的潜在故障，所述存储器进一步储存代表由维护提供商对修 理的设备所作的修理的修理代码；以及处理单元，用于将所述诊断问题代码与所述故障模式-症状相关矩阵关联，以根据所 述诊断问题代码和在所述故障模式-症状相关矩阵中的所述故障模式与症状的关联来确 定对所述设备执行的推荐的修理；其中，将所述推荐的修理与用于修理所述设备的实际的修理进行比较，其中根据所述推荐的修理不匹配所述实际的修理来识别错误匹配，且其中生成识别所述识别的错误匹配 的报告以确定异常数量上升的修理代码。
全文摘要
本发明涉及在设备的维护修理数据中检测异常的方法。故障模式-症状相关矩阵将故障模式与症状关联。为设备的实际的修理收集诊断问题代码。将诊断问题代码提供给诊断推理器以识别故障模式。通过诊断推理器进行诊断评估，根据识别故障模式来确定对设备执行的推荐的修理。将各个推荐的修理与用于修理设备的实际的修理进行比较。根据任一推荐的修理不匹配实际的修理来识别错误匹配。生成报告以显示所有的识别的错误匹配。分析报告以确定异常数量上升的修理代码。提醒维护中心对于识别的故障模式的正确修理。
文档编号G06F19/00GK102096760SQ20101057222
公开日2011年6月15日 申请日期2010年12月3日 优先权日2009年12月4日
发明者C.E.沃尔夫, P.班迪奥帕迪亚伊, S.辛赫 申请人:通用汽车环球科技运作有限责任公司