ಮುನ್ಸೂಚಕ ನಿರ್ವಹಣೆ ಮತ್ತು ವಾಹನ ಟೆಲಿಮೆಟ್ರಿ

ಲಾಭಗಳು:

• CAN ಬಸ್, ಟೆಲಿಮ್ಯಾಟಿಕ್ಸ್ ಮತ್ತು ಸಂವೇದಕ ಟೆಲಿಮೆಟ್ರಿಯ ಸ್ವರೂಪ ಮತ್ತು ಫ್ಲೀಟ್/ವಾಹನ ಜೀವನಚಕ್ರದಾದ್ಯಂತ ಮುನ್ಸೂಚಕ ನಿರ್ವಹಣೆಯ ಮೌಲ್ಯವನ್ನು ವಿವರಿಸುವ ಸಾಮರ್ಥ್ಯ.
• ಅಸಂಗತತೆಯನ್ನು ಪತ್ತೆಹಚ್ಚುವಲ್ಲಿ ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಯ ಕೆಲಸದ ಹರಿವನ್ನು ಸ್ಥಾಪಿಸುವ ಸಾಮರ್ಥ್ಯ, ಉಳಿದ ಉಪಯುಕ್ತ ಜೀವನ (RUL) ಅಂದಾಜು ಮತ್ತು ತಪ್ಪು ಕೋಡ್ ವ್ಯಾಖ್ಯಾನ
• ತಪ್ಪು ಎಚ್ಚರಿಕೆಯ ವೆಚ್ಚ, ನಿರ್ವಹಣಾ ವಿಂಡೋ ಮತ್ತು ಸುರಕ್ಷತೆಯ ಅಂಚುಗಳನ್ನು ಸಮತೋಲನಗೊಳಿಸುವ ಮೂಲಕ ಮುನ್ಸೂಚಕ ನಿರ್ವಹಣೆ ಔಟ್‌ಪುಟ್ ಅನ್ನು ಪರಿಶೀಲಿಸುವ ಸಾಮರ್ಥ್ಯ

ನೀವು ವಾಹನ ಅಥವಾ ಫ್ಲೀಟ್ ಅನ್ನು (ವಾಣಿಜ್ಯ ವಾಹನ, ಟ್ರಕ್, ಬಸ್, ನಿರ್ಮಾಣ ಸಲಕರಣೆಗಳ ಗುಂಪು) ಮೂರು ರೀತಿಯಲ್ಲಿ ನಿರ್ವಹಿಸಬಹುದು. ಸರಿಪಡಿಸುವ ನಿರ್ವಹಣೆ: ಅದು ಮುರಿದಾಗ ಅದನ್ನು ಸರಿಪಡಿಸಿ (ಅತ್ಯಂತ ದುಬಾರಿ ಏಕೆಂದರೆ ಅದು ಹಠಾತ್ ವೈಫಲ್ಯ ಮತ್ತು ಸ್ಥಗಿತವನ್ನು ತರುತ್ತದೆ). ತಡೆಗಟ್ಟುವ ನಿರ್ವಹಣೆ: ಪ್ರತಿ 15,000 ಕಿಮೀಗಳನ್ನು ಬದಲಾಯಿಸಿ (ಸುರಕ್ಷಿತ ಆದರೆ ವ್ಯರ್ಥ, ಏಕೆಂದರೆ ನೀವು ಉತ್ತಮ ಭಾಗವನ್ನು ಎಸೆಯುತ್ತೀರಿ). ಮುನ್ಸೂಚಕ ನಿರ್ವಹಣೆ: ಡೇಟಾವನ್ನು ನೋಡಿ ಮತ್ತು "ಈ ಭಾಗವು ಸರಿಸುಮಾರು 2,000 ಕಿಮೀ ನಂತರ ವಿಫಲಗೊಳ್ಳುತ್ತದೆ" ಎಂದು ಊಹಿಸಿ ಮತ್ತು ಸರಿಯಾದ ಸಮಯದಲ್ಲಿ ಮಧ್ಯಪ್ರವೇಶಿಸಿ. ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಯು ಮುನ್ಸೂಚನೆಯ ನಿರ್ವಹಣೆಯನ್ನು ಸಾಧ್ಯವಾಗಿಸುವ ತಂತ್ರಜ್ಞಾನವಾಗಿದೆ. ಈ ಘಟಕದಲ್ಲಿ, ವಾಹನದ ಡೇಟಾ ಹೇಗೆ ಹರಿಯುತ್ತದೆ, ಹೇಗೆ ಮುನ್ಸೂಚಕ ನಿರ್ವಹಣಾ ಮಾದರಿಗಳನ್ನು ಸ್ಥಾಪಿಸಲಾಗಿದೆ ಮತ್ತು ಈ ಮುನ್ಸೂಚನೆಗಳನ್ನು ಸುರಕ್ಷಿತವಾಗಿ ಬಳಸುವುದು ಹೇಗೆ ಎಂಬುದನ್ನು ನಾವು ನೋಡುತ್ತೇವೆ.

ವಾಹನ ಡೇಟಾ ಎಲ್ಲಿಂದ ಬರುತ್ತದೆ? CAN, OBD ಮತ್ತು ಟೆಲಿಮ್ಯಾಟಿಕ್ಸ್

ಪರಿಕರಗಳು ನಿರಂತರವಾಗಿ ಡೇಟಾವನ್ನು ಉತ್ಪಾದಿಸುತ್ತವೆ:

• CAN ಬಸ್ (ಕಂಟ್ರೋಲರ್ ಏರಿಯಾ ನೆಟ್‌ವರ್ಕ್): ಇದು ವಾಹನದೊಳಗಿನ ಎಲೆಕ್ಟ್ರಾನಿಕ್ ನಿಯಂತ್ರಣ ಘಟಕಗಳು (ECU) ಪರಸ್ಪರ ಮಾತನಾಡುವ ಆಂತರಿಕ ಜಾಲವಾಗಿದೆ. ಇಂಜಿನ್ ವೇಗ, ವೇಗ, ತಾಪಮಾನ, ಅನಿಲ ಸ್ಥಾನದಂತಹ ನೂರಾರು ಸಂಕೇತಗಳು ಇಲ್ಲಿಂದ ಹರಿಯುತ್ತವೆ.
• OBD-II (ಆನ್-ಬೋರ್ಡ್ ಡಯಾಗ್ನೋಸ್ಟಿಕ್ಸ್): ಸ್ಟ್ಯಾಂಡರ್ಡ್ ಡಯಾಗ್ನೋಸ್ಟಿಕ್ ಪೋರ್ಟ್; DTC ಗಳು (ಡಯಾಗ್ನೋಸ್ಟಿಕ್ ಟ್ರಬಲ್ ಕೋಡ್, ಉದಾ. P0301 = 1 ನೇ ಸಿಲಿಂಡರ್ ಇಗ್ನಿಷನ್ ಸ್ಕಿಪ್) ಎಂದು ಕರೆಯಲ್ಪಡುವ ದೋಷ ಕೋಡ್‌ಗಳನ್ನು ಓದಲು ಇದು ನಿಮ್ಮನ್ನು ಅನುಮತಿಸುತ್ತದೆ.
• ಟೆಲಿಮ್ಯಾಟಿಕ್ಸ್ / ಟೆಲಿಮೆಟ್ರಿ: ವಾಹನವು ಈ ಡೇಟಾವನ್ನು ನಿಸ್ತಂತುವಾಗಿ (ಸಿಮ್ ಕಾರ್ಡ್ ಮಾಡ್ಯೂಲ್ ಮೂಲಕ) ಕೇಂದ್ರಕ್ಕೆ ಕಳುಹಿಸುತ್ತದೆ. ಸ್ಥಾನ, ಚಾಲನಾ ನಡವಳಿಕೆ, ಎಂಜಿನ್ ಸ್ಥಿತಿಯನ್ನು ದೂರದಿಂದಲೇ ಮೇಲ್ವಿಚಾರಣೆ ಮಾಡಲಾಗುತ್ತದೆ.

ಈ ಡೇಟಾವು ಸಾಮಾನ್ಯವಾಗಿ ಸಮಯದ ಸರಣಿಯಾಗಿದೆ: ನಿರ್ದಿಷ್ಟ ಮಧ್ಯಂತರಗಳಲ್ಲಿ ಅಳೆಯಲಾದ ಮೌಲ್ಯಗಳ ಸರಣಿ (ಉದಾಹರಣೆಗೆ, ಪ್ರತಿ ಸೆಕೆಂಡ್). ಇದು ಮುನ್ಸೂಚಕ ನಿರ್ವಹಣೆಯ ಕಚ್ಚಾ ವಸ್ತುವಾಗಿದೆ.

ಗಮನ: ಸ್ಥಳ, ಚಾಲನಾ ನಡವಳಿಕೆ ಮತ್ತು VIN (ಚಾಸಿಸ್ ಸಂಖ್ಯೆ) ವೈಯಕ್ತಿಕ/ಸೂಕ್ಷ್ಮ ಡೇಟಾ. ಟೆಲಿಮೆಟ್ರಿಯೊಂದಿಗೆ ಕೆಲಸ ಮಾಡುವಾಗ ಅನಾಮಧೇಯಗೊಳಿಸುವಿಕೆ, ಡೇಟಾ ಕಡಿಮೆಗೊಳಿಸುವಿಕೆ ಮತ್ತು KVKK/GDPR ಅನುಸರಣೆ ಅತ್ಯಗತ್ಯವಾಗಿರುತ್ತದೆ (ವಿವರಗಳು ಘಟಕ 10 ರಲ್ಲಿ). ಸಾಮಾನ್ಯ AI ಉಪಕರಣಕ್ಕೆ ಕಚ್ಚಾ VIN ಅನ್ನು ಕಳುಹಿಸಬೇಡಿ.

ಮುನ್ಸೂಚಕ ನಿರ್ವಹಣೆಯ ಮೂರು ಮುಖ್ಯ ಕಾರ್ಯಗಳು

1. ಅಸಂಗತತೆ ಪತ್ತೆ: ಸಾಮಾನ್ಯ ನಡವಳಿಕೆಯಿಂದ ವಿಚಲನವನ್ನು ಸೆರೆಹಿಡಿಯುವುದು. ಉದಾಹರಣೆಗೆ, ಟರ್ಬೊ ತಾಪಮಾನವು ಇದೇ ರೀತಿಯ ಪರಿಸ್ಥಿತಿಗಳಲ್ಲಿ ನಿರೀಕ್ಷೆಗಿಂತ ಸ್ಥಿರವಾಗಿ 15 ° C ಹೆಚ್ಚಾಗಿರುತ್ತದೆ. ಮಾದರಿಯು "ಸಾಮಾನ್ಯ" ಅನ್ನು ಕಲಿಯುತ್ತದೆ, ವಿಚಲನವನ್ನು ಫ್ಲ್ಯಾಗ್ ಮಾಡುತ್ತದೆ.
2. ಉಳಿದಿರುವ ಉಪಯುಕ್ತ ಜೀವನ (RUL) ಅಂದಾಜು: ವೈಫಲ್ಯದವರೆಗೆ ಘಟಕದ ಅಂದಾಜು ಉಳಿದ ಕಾರ್ಯಾಚರಣೆಯ ಸಮಯ/ದೂರ. "ಈ ಕ್ಲಚ್ ಸರಿಸುಮಾರು 3,500 ಕಿಮೀ ನಂತರ ನಿರ್ಣಾಯಕ ಉಡುಗೆಯನ್ನು ತಲುಪುತ್ತದೆ."
3. ದೋಷ ವರ್ಗೀಕರಣ / ಮೂಲ ಕಾರಣ: ಸಂವೇದಕ ಮಾದರಿಗಳಿಂದ ಯಾವ ರೀತಿಯ ದೋಷವು ಅಭಿವೃದ್ಧಿಗೊಂಡಿದೆ ಎಂಬುದನ್ನು ಊಹಿಸುವುದು ಮತ್ತು ಅದನ್ನು DTC ಗಳೊಂದಿಗೆ ಸಂಯೋಜಿಸುವುದು.

ಹಂತ ಹಂತವಾಗಿ: ಮುನ್ಸೂಚಕ ನಿರ್ವಹಣೆ ಕೆಲಸದ ಹರಿವು

1. ವ್ಯಾಪಾರ ಪ್ರಶ್ನೆಯನ್ನು ಸ್ಪಷ್ಟಪಡಿಸಿ. ನಾವು ಏನನ್ನು ಊಹಿಸುತ್ತೇವೆ (ಯಾವ ಭಾಗ, ಯಾವ ಅಸಮರ್ಪಕ ಕಾರ್ಯ)? ಎಷ್ಟು ಮುಂಚಿತವಾಗಿ ಎಚ್ಚರಿಕೆಯ ಅಗತ್ಯವಿದೆ?
2. ಡೇಟಾವನ್ನು ಸಂಗ್ರಹಿಸಿ ಮತ್ತು ಜೋಡಿಸಿ. ವಿಭಿನ್ನ ಸಂವೇದಕಗಳ ಟೈಮ್‌ಸ್ಟ್ಯಾಂಪ್‌ಗಳನ್ನು ಜೋಡಿಸಬೇಕು, ಘಟಕಗಳು ಸ್ಥಿರವಾಗಿರಬೇಕು.
3. ಟ್ಯಾಗ್/ಈವೆಂಟ್ ವಿವರಣೆ. ಹಿಂದೆ ಸಂಭವಿಸಿದ ದೋಷಗಳನ್ನು ಗುರುತಿಸಿ; ಮಾದರಿಯು ಇವುಗಳಿಂದ ಕಲಿಯುತ್ತದೆ. ಯಾವುದೇ ಲೇಬಲ್ ಇಲ್ಲದಿದ್ದರೆ, ಅಸಂಗತತೆ ಪತ್ತೆಗೆ ತಿರುಗಿ.
4. ವೈಶಿಷ್ಟ್ಯ ಎಂಜಿನಿಯರಿಂಗ್. ಕಚ್ಚಾ ಸಂಕೇತದಿಂದ ಅರ್ಥಪೂರ್ಣ ವೈಶಿಷ್ಟ್ಯಗಳನ್ನು ಹೊರತೆಗೆಯಿರಿ: ಚಲಿಸುವ ಸರಾಸರಿ, ಕಂಪನ ಆವರ್ತನ ಘಟಕಗಳು, ತಾಪಮಾನ ಹೆಚ್ಚಳ ದರ.
5. ಮಾದರಿ ಕಟ್ಟಡ ಮತ್ತು ಮೌಲ್ಯೀಕರಣ. ಸಮಯ ಸರಣಿಯಲ್ಲಿ ಹಿಂದಿನ/ಭವಿಷ್ಯದ ವ್ಯತ್ಯಾಸಕ್ಕೆ ಗಮನ ಕೊಡಿ (ಡೇಟಾ ಸೋರಿಕೆಯ ಅಪಾಯ!).
6. ಮಿತಿ ಮತ್ತು ಎಚ್ಚರಿಕೆಯ ತರ್ಕ. "ನಿರ್ವಹಣೆ ಅಗತ್ಯವಿದೆ" ಅಲಾರಂ ಯಾವಾಗ ಕಾಣಿಸಿಕೊಳ್ಳುತ್ತದೆ?
7. ಫೀಲ್ಡಿಂಗ್ ಮತ್ತು ಮೇಲ್ವಿಚಾರಣೆ. ಅಲಾರಂಗಳ ನಿಖರತೆಯನ್ನು ಟ್ರ್ಯಾಕ್ ಮಾಡಿ; ತಪ್ಪು ಎಚ್ಚರಿಕೆಯ ದರವನ್ನು ಕಡಿಮೆ ಮಾಡಿ.

ಸಲಹೆ: ಸಮಯದ ಸರಣಿಯಲ್ಲಿ ಮಾದರಿಯನ್ನು ಮೌಲ್ಯಮಾಪನ ಮಾಡುವಾಗ ಭವಿಷ್ಯದ ತರಬೇತಿಯನ್ನು ಬಳಸಬೇಡಿ. ಮುನ್ಸೂಚನೆಯ ಸಮಯದಲ್ಲಿ "ಮುಂದಿನ 5 ನಿಮಿಷಗಳ ಸರಾಸರಿ" ನಂತಹ ಗುಣಲಕ್ಷಣವನ್ನು ತಿಳಿಯಲಾಗುವುದಿಲ್ಲ; ಇದು ಡೇಟಾ ಸೋರಿಕೆಯಾಗಿದೆ ಮತ್ತು ಪ್ರಯೋಗಾಲಯದಲ್ಲಿ ಮಾದರಿಯನ್ನು ಉತ್ತಮಗೊಳಿಸುತ್ತದೆ ಆದರೆ ಕ್ಷೇತ್ರದಲ್ಲಿ ನಿಷ್ಪ್ರಯೋಜಕವಾಗಿದೆ.

RUL ಅಂದಾಜನ್ನು ಸರಿಯಾಗಿ ಬಳಸುವುದು

RUL ಒಂದೇ ಸಂಖ್ಯೆಯಂತೆ ತೋರುತ್ತದೆಯಾದರೂ, ಇದು ವಾಸ್ತವವಾಗಿ ಅಂದಾಜು ಮತ್ತು ಅನಿಶ್ಚಿತತೆಯನ್ನು ಹೊಂದಿದೆ. ಸರಿಯಾದ ಬಳಕೆ:

• ಅನಿಶ್ಚಿತತೆಯ ಶ್ರೇಣಿಯೊಂದಿಗೆ ಪ್ರಸ್ತುತಪಡಿಸಿ. "3,500 ಕಿಮೀ" ಬದಲಿಗೆ "3,000-4,200 ಕಿಮೀ (80% ವಿಶ್ವಾಸ)". ನಿರ್ವಹಣಾ ಯೋಜನೆಯನ್ನು ಕೆಟ್ಟ ಸನ್ನಿವೇಶದ ಪ್ರಕಾರ ಮಾಡಲಾಗಿದೆ.
• ಸುರಕ್ಷತೆಯ ಅಂಚು ಸೇರಿಸಿ. ಅಂದಾಜಿನ ಕಡಿಮೆ ಮಿತಿಗಿಂತ ಮುಂಚೆಯೇ ಸುರಕ್ಷತೆ-ನಿರ್ಣಾಯಕ ಭಾಗದ ಮೇಲೆ ಮಧ್ಯಪ್ರವೇಶಿಸಿ.
• ತಪ್ಪು ಎಚ್ಚರಿಕೆಯ ವೆಚ್ಚವನ್ನು ಅಳೆಯಿರಿ. ತುಂಬಾ ಮುಂಚಿನ ಎಚ್ಚರಿಕೆ = ಅನಗತ್ಯ ಭಾಗಗಳ ಬದಲಿ ಮತ್ತು ಅಲಭ್ಯತೆ; ತುಂಬಾ ತಡ = ವೈಫಲ್ಯ. ಸಮತೋಲನವು ವ್ಯವಹಾರ ನಿರ್ಧಾರವಾಗಿದೆ.

ಅಪ್ರೋಚ್

ಅನುಕೂಲ

ಅನನುಕೂಲತೆ

ಸರಿಪಡಿಸುವವನು (ಅದು ಮುರಿದಾಗ)

ಯಾವುದೇ ಯೋಜನೆ ಅಗತ್ಯವಿಲ್ಲ

ಹಠಾತ್ ನಿಲುಗಡೆ, ಹೆಚ್ಚಿನ ವೆಚ್ಚ

ಪ್ರಿವೆಂಟಿವ್ (ಕ್ಯಾಲೆಂಡರ್/ಕಿಮೀ)

ಸರಳ, ಸುರಕ್ಷಿತ

ಘನ ಭಾಗಗಳ ತ್ಯಾಜ್ಯ

ಮುನ್ಸೂಚಕ (AI)

ಸಮಯಕ್ಕೆ ಸರಿಯಾಗಿ, ಕಡಿಮೆ ತ್ಯಾಜ್ಯ

ಡೇಟಾ, ಮಾದರಿ, ಮೌಲ್ಯೀಕರಣದ ಅಗತ್ಯವಿದೆ

ಮಿನಿ ಕೇಸ್ ಸ್ಟಡೀಸ್

ಪ್ರಕರಣ 1 - ಫ್ಲೀಟ್ನಲ್ಲಿನ ಅಸಂಗತತೆ. ಕಾರ್ಗೋ ಫ್ಲೀಟ್‌ನಲ್ಲಿ 40 ಟ್ರಕ್‌ಗಳ ಟರ್ಬೊ ಒತ್ತಡದ ಸಂಕೇತವನ್ನು ಮೇಲ್ವಿಚಾರಣೆ ಮಾಡಲಾಗುತ್ತದೆ. ಮಾದರಿಯು ವಾಹನದಲ್ಲಿ, ಒತ್ತಡವು ಅದೇ ಲೋಡ್ ಮತ್ತು ವೇಗದಲ್ಲಿ ನಿಧಾನವಾಗಿ ಕಡಿಮೆಯಾಗುತ್ತದೆ ಎಂದು ಸೆರೆಹಿಡಿಯುತ್ತದೆ; ಇನ್ನೂ ಡಿಟಿಸಿ ಇಲ್ಲ. ಅದನ್ನು ಸೇವೆಗೆ ಎಳೆದಾಗ, ಟರ್ಬೊ ಸೋರಿಕೆ ಪ್ರಾರಂಭವಾಗಿದೆ ಎಂದು ಕಂಡುಬಂದಿದೆ. ಅಸಮರ್ಪಕ ಕಾರ್ಯಗಳು ಮತ್ತು ರಸ್ತೆಯ ಮೇಲೆ ಎಳೆಯುವ ವೆಚ್ಚಗಳು (ಅಂದಾಜು 900 EUR) ತಡೆಯಲಾಗುತ್ತದೆ. ಫಲಿತಾಂಶ: ಅಸಂಗತತೆಯು ದೋಷ ಸಂಕೇತವಾಗಿ ಬದಲಾಗುವ ಮೊದಲು ಎಚ್ಚರಿಕೆಯನ್ನು ನೀಡಿತು.

ಪ್ರಕರಣ 2 - ಡೇಟಾ ಸೋರಿಕೆ ಬಲೆ. ಒಂದು ತಂಡವು ಬ್ರೇಕ್ ಪ್ಯಾಡ್ ಉಡುಗೆ ಮಾದರಿಯನ್ನು ಸ್ಥಾಪಿಸುತ್ತದೆ; ಪರೀಕ್ಷೆಯ ನಿಖರತೆಯು 99% ರಷ್ಟು ಅದ್ಭುತವಾಗಿದೆ. ಪರೀಕ್ಷೆಯ ನಂತರ, ಮಾದರಿಯು ನಿರ್ವಹಣೆ-ದಾಖಲೆ ಕ್ಷೇತ್ರವನ್ನು ಬಳಸುತ್ತದೆ ಎಂದು ತಿರುಗುತ್ತದೆ (ದೋಷದ ನಂತರ ನಮೂದಿಸಲಾದ ಕಾಲಮ್) ಇದು ಉಡುಗೆಯನ್ನು ಗುಣಲಕ್ಷಣವಾಗಿ ನೇರವಾಗಿ ಸೂಚಿಸುತ್ತದೆ, ಅಂದರೆ ಅದು "ಉತ್ತರ" ವನ್ನು ನೋಡುತ್ತದೆ. ಈ ಪ್ರದೇಶವನ್ನು ತೆಗೆದುಹಾಕಿದಾಗ, ನಿಖರತೆಯು 82% ಕ್ಕೆ ಇಳಿಯುತ್ತದೆ, ಆದರೆ ಅದು ಈಗ ವಾಸ್ತವಿಕವಾಗಿದೆ. ತೀರ್ಮಾನ: ತುಂಬಾ ಚೆನ್ನಾಗಿ ಕಾಣುವ ಫಲಿತಾಂಶವು ಡೇಟಾ ಸೋರಿಕೆಯ ಸಂಕೇತವಾಗಿದೆ.

ಪ್ರಕರಣ 3 - ತಪ್ಪು ಎಚ್ಚರಿಕೆಯ ಸಮತೋಲನ. ಥ್ರೆಶೋಲ್ಡ್ ಅನ್ನು ತುಂಬಾ ನಿಖರವಾಗಿ ಹೊಂದಿಸಿದಾಗ ಬ್ಯಾಟರಿ ಆರೋಗ್ಯ ಮಾದರಿಯು ವಾರಕ್ಕೆ 30 ತಪ್ಪು ಎಚ್ಚರಿಕೆಗಳನ್ನು ಉತ್ಪಾದಿಸುತ್ತದೆ; ತಂತ್ರಜ್ಞರು ಅಲಾರಂಗಳನ್ನು ಅವಲಂಬಿಸುವುದನ್ನು ನಿಲ್ಲಿಸುತ್ತಾರೆ. ಮಿತಿ, ಅನಿಶ್ಚಿತತೆಯ ಮಧ್ಯಂತರ ಮತ್ತು ಎರಡು ಸತತ ದೃಢೀಕರಣ ನಿಯಮಗಳನ್ನು ಮರುಹೊಂದಿಸುವ ಮೂಲಕ, ಸುಳ್ಳು ಎಚ್ಚರಿಕೆಗಳನ್ನು ವಾರಕ್ಕೆ 4 ಕ್ಕೆ ಇಳಿಸಲಾಗುತ್ತದೆ ಮತ್ತು ನಿಜವಾದ ವೈಫಲ್ಯಗಳನ್ನು ಇನ್ನೂ ಹಿಡಿಯಲಾಗುತ್ತದೆ. ಬಾಟಮ್ ಲೈನ್: ಎಚ್ಚರಿಕೆಯ ಆಯಾಸವು ಮುನ್ಸೂಚಕ ನಿರ್ವಹಣೆಯನ್ನು ನಿಷ್ಕ್ರಿಯಗೊಳಿಸುತ್ತದೆ; ಸಮತೋಲನ ಅತ್ಯಗತ್ಯ.

ಪ್ರಾಂಪ್ಟ್ ಟೆಂಪ್ಲೆಟ್ಗಳು

ಟೆಂಪ್ಲೇಟ್ 1 - ಗುಣಲಕ್ಷಣ ಸಲಹೆ (ಸೋರಿಕೆ ನಿಯಂತ್ರಿಸಲಾಗಿದೆ):

ಪಾತ್ರ: ನೀವು ಮುನ್ಸೂಚಕ ನಿರ್ವಹಣೆ ಡೇಟಾ ವಿಜ್ಞಾನಿ. ಕಾರ್ಯ: ಆರಂಭಿಕ ಟರ್ಬೊ ವೈಫಲ್ಯ ಪತ್ತೆಗಾಗಿ ಅಭ್ಯರ್ಥಿ ಗುಣಲಕ್ಷಣಗಳನ್ನು ಸೂಚಿಸಿ. ಸಂದರ್ಭ: ಸಂಕೇತಗಳು: ಟರ್ಬೊ ಒತ್ತಡ, ನಿಷ್ಕಾಸ ತಾಪಮಾನ, ಎಂಜಿನ್ ವೇಗ, ಲೋಡ್; ಪ್ರತಿ ಸೆಕೆಂಡಿಗೆ 1 ಮಾದರಿ; VIN ಅನ್ನು ಅನಾಮಧೇಯಗೊಳಿಸಲಾಗಿದೆ. ನಿರ್ಬಂಧ: ಮುನ್ಸೂಚನೆಯ ಸಮಯದಲ್ಲಿ ತಿಳಿಯಲಾಗದ ಗುಣಲಕ್ಷಣಗಳನ್ನು ಪ್ರಸ್ತಾಪಿಸುವುದು (ಭವಿಷ್ಯ/ಸೋರಿಕೆ ಅಪಾಯ); ಪ್ರತಿ ಗುಣಲಕ್ಷಣಕ್ಕೆ ಫ್ಲ್ಯಾಗ್ ಸೋರಿಕೆ ಅಪಾಯ. ಔಟ್‌ಪುಟ್: ಗುಣಲಕ್ಷಣ | ಸಮರ್ಥನೆ | ಸೋರಿಕೆ ಅಪಾಯ (Y/N) ಟೇಬಲ್.

ಟೆಂಪ್ಲೇಟ್ 2 - DTC ವ್ಯಾಖ್ಯಾನ:

ಪಾತ್ರ: ನೀವು ಆಟೋಮೋಟಿವ್ ಡಯಾಗ್ನೋಸ್ಟಿಶಿಯನ್. ಕಾರ್ಯ: ಕೆಳಗಿನ DTC ಸಂಯೋಜನೆಯನ್ನು ವ್ಯಾಖ್ಯಾನಿಸಿ ಮತ್ತು ಸಂಭವನೀಯ ಮೂಲ ಕಾರಣಗಳನ್ನು ಪಟ್ಟಿ ಮಾಡಿ. ಸಂದರ್ಭ: P0300, P0171, ಸ್ವಲ್ಪ ಐಡಲ್ ಕಂಪನ; 10,000 ಕಿಮೀ ಹಿಂದೆ ಕೊನೆಯ ಸೇವೆ. ನಿರ್ಬಂಧ: ನಿರ್ಣಾಯಕ ರೋಗನಿರ್ಣಯ; ಸಂಭವನೀಯತೆಯ ಕ್ರಮದಲ್ಲಿ ಕಾರಣ ಮತ್ತು ಪ್ರತಿಯೊಂದಕ್ಕೂ ಪರಿಶೀಲನಾ ಅಳತೆಯನ್ನು ನೀಡಿ.ಔಟ್‌ಪುಟ್: ಸಂಭವನೀಯ ಕಾರಣ | ಪರಿಶೀಲನೆ | ಆದ್ಯತೆ.

ಟೆಂಪ್ಲೇಟ್ 3 - RUL ವ್ಯಾಖ್ಯಾನ:

ಪಾತ್ರ: ನೀವು ವಿಶ್ವಾಸಾರ್ಹ ಎಂಜಿನಿಯರ್. ಕಾರ್ಯ: ನನ್ನ RUL ಅಂದಾಜನ್ನು ನಿರ್ವಹಣಾ ಯೋಜನೆಗೆ ಅನುವಾದಿಸಿ. ಸಂದರ್ಭ: ಕ್ಲಚ್ RUL ಅಂದಾಜು 3,500 ಕಿಮೀ, ವಿಶ್ವಾಸಾರ್ಹ ಮಧ್ಯಂತರ 2,800-4,500 ಕಿಮೀ; ಸುರಕ್ಷತೆ-ನಿರ್ಣಾಯಕವಲ್ಲ ಆದರೆ ಸಿಕ್ಕಿಕೊಂಡಿರುವ ದುಬಾರಿ. ನಿರ್ಬಂಧ: ಅನಿಶ್ಚಿತತೆ ಮತ್ತು ತಪ್ಪು ಎಚ್ಚರಿಕೆಯ ವೆಚ್ಚವನ್ನು ಪರಿಗಣಿಸಿ; ಬೆಸ ಸಂಖ್ಯೆಗಳನ್ನು ನಂಬಬೇಡಿ. ಔಟ್‌ಪುಟ್: ಶಿಫಾರಸು ಮಾಡಲಾದ ನಿರ್ವಹಣೆ ವಿಂಡೋ + ಸಮರ್ಥನೆ + ಉಳಿದಿರುವ ಅಪಾಯ.

ಟೆಂಪ್ಲೇಟ್ 4 - ಎಚ್ಚರಿಕೆಯ ತರ್ಕ:

ಪಾತ್ರ: ನೀವು ಫ್ಲೀಟ್ ಟ್ರ್ಯಾಕಿಂಗ್ ಸಿಸ್ಟಮ್ ಡಿಸೈನರ್. ಕಾರ್ಯ: ತಪ್ಪು ಎಚ್ಚರಿಕೆಯನ್ನು ಕಡಿಮೆ ಮಾಡುವ ಕರಡು ಎಚ್ಚರಿಕೆಯ ನಿಯಮವನ್ನು ಪ್ರಸ್ತಾಪಿಸಿ. ಸಂದರ್ಭ: ಮಾದರಿಯು ಗಡಿಯಾರದಲ್ಲಿ ಸ್ಕೋರ್‌ಗಳನ್ನು ಉತ್ಪಾದಿಸುತ್ತದೆ; ತಂತ್ರಜ್ಞರು ಎಚ್ಚರಿಕೆಯ ಆಯಾಸವನ್ನು ಅನುಭವಿಸುತ್ತಿದ್ದಾರೆ. ಔಟ್‌ಪುಟ್: ನಿಯಮ (ಉದಾ. ಕ್ಯಾಸ್ಕೇಡಿಂಗ್ ದೃಢೀಕರಣ, ಹಿಸ್ಟರೆಸಿಸ್) + ನಿರೀಕ್ಷಿತ ಪರಿಣಾಮ.

ದುರ್ಬಲ ಪ್ರಾಂಪ್ಟ್ / ಬಲವಾದ ಪ್ರಾಂಪ್ಟ್

ದುರ್ಬಲ ಪ್ರಾಂಪ್ಟ್:

ಎಂಜಿನ್ ವೈಫಲ್ಯವನ್ನು ಊಹಿಸುವ ಮಾದರಿಯನ್ನು ಮಾಡಿ.

ಯಾವ ದೋಷ, ಯಾವ ಸಂಕೇತ, ಎಷ್ಟು ಮುಂಚಿತವಾಗಿ, ಯಾವ ಪರಿಶೀಲನೆ ಎಂಬುದು ಸ್ಪಷ್ಟವಾಗಿಲ್ಲ.

ಶಕ್ತಿಯುತ ಪ್ರಾಂಪ್ಟ್:

ಪಾತ್ರ: ನೀವು ಭವಿಷ್ಯ ನಿರ್ವಹಣಾ ಎಂಜಿನಿಯರ್. ಕಾರ್ಯ: ಕನಿಷ್ಠ 1,000 ಕಿಮೀ ಮುಂಚಿತವಾಗಿ ಟರ್ಬೊ ಸೋರಿಕೆಯನ್ನು ಎಚ್ಚರಿಸುವ ವಿಧಾನವನ್ನು ವಿನ್ಯಾಸಗೊಳಿಸಿ ಮತ್ತು ಪರಿಶೀಲನಾ ಯೋಜನೆಯನ್ನು ಬರೆಯಿರಿ. ಸಂದರ್ಭ: 40 ವಾಹನಗಳ ಫ್ಲೀಟ್, CAN ಸಂಕೇತಗಳು, 12 ಹಿಂದಿನ ದೋಷದ ದಾಖಲೆಗಳು; VIN ಅನಾಮಧೇಯ. ನಿರ್ಬಂಧ: ಡೇಟಾ ಸೋರಿಕೆಯನ್ನು ತಡೆಯಿರಿ; ಅನಿಶ್ಚಿತತೆಯ ವ್ಯಾಪ್ತಿಯೊಂದಿಗೆ RUL; ಸುಳ್ಳು ಎಚ್ಚರಿಕೆಯ ವೆಚ್ಚವನ್ನು ಚರ್ಚಿಸಿ; ಕ್ಲೇಮ್ ನಿರ್ಣಾಯಕ ರೋಗನಿರ್ಣಯ. ಔಟ್ಪುಟ್: ಹಂತ | ವಿಧಾನ | ಸೋರಿಕೆಯ ಅಪಾಯ | ಪರಿಶೀಲನಾ ಕೋಷ್ಟಕ.

ಸಾಮಾನ್ಯ ತಪ್ಪುಗಳು

• ಡೇಟಾ ಸೋರಿಕೆ. ಭವಿಷ್ಯ ಅಥವಾ ಉತ್ತರವನ್ನು ಹೊಂದಿರುವ ಗುಣಲಕ್ಷಣವು ಹುಸಿ-ಹೆಚ್ಚಿನ ನಿಖರತೆಯನ್ನು ಉಂಟುಮಾಡುತ್ತದೆ.
• RUL ಮಾತ್ರ ನಿಖರವಾದ ಸಂಖ್ಯೆ ಎಂದು ಯೋಚಿಸುವುದು. ಅನಿಶ್ಚಿತತೆಯ ವ್ಯಾಪ್ತಿ ಮತ್ತು ಸುರಕ್ಷತೆಯ ಅಂಚು ಇಲ್ಲದ RUL ದಾರಿತಪ್ಪಿಸುವಂತಿದೆ.
• ಎಚ್ಚರಿಕೆಯ ಆಯಾಸವನ್ನು ನಿರ್ಲಕ್ಷಿಸುವುದು. ಹಲವಾರು ತಪ್ಪು ಎಚ್ಚರಿಕೆಗಳು ಸಿಸ್ಟಮ್ನ ವಿಶ್ವಾಸಾರ್ಹತೆಯನ್ನು ಕೊನೆಗೊಳಿಸುತ್ತವೆ.
• ಗೌಪ್ಯ ಡೇಟಾವನ್ನು ರಕ್ಷಿಸುತ್ತಿಲ್ಲ. VIN, ಸ್ಥಳ, ಚಾಲನಾ ನಡವಳಿಕೆಯು ಸೂಕ್ಷ್ಮವಾಗಿರುತ್ತದೆ; ಅನಾಮಧೇಯಗೊಳಿಸು.
• ಟೈಮ್‌ಸ್ಟ್ಯಾಂಪ್/ಯುನಿಟ್ ದೋಷ. ಸಂವೇದಕಗಳು ತಪ್ಪಾಗಿ ಜೋಡಿಸಲ್ಪಟ್ಟಿದ್ದರೆ, ಮಾದರಿಯು ಅರ್ಥಹೀನ ಮಾದರಿಯನ್ನು ಕಲಿಯುತ್ತದೆ.

ಸಾರಾಂಶದಲ್ಲಿ

• ಮುನ್ಸೂಚನೆಯ ನಿರ್ವಹಣೆಯು ಡೇಟಾ-ಚಾಲಿತ ಮುನ್ಸೂಚನೆಯ ಮೂಲಕ "ಸಮಯದಲ್ಲಿ" ಹಸ್ತಕ್ಷೇಪದ ಗುರಿಯನ್ನು ಹೊಂದಿದೆ; ಸರಿಪಡಿಸುವ ಮತ್ತು ತಡೆಗಟ್ಟುವ ನಿರ್ವಹಣೆಗೆ ಹೋಲಿಸಿದರೆ ತ್ಯಾಜ್ಯವನ್ನು ಕಡಿಮೆ ಮಾಡುತ್ತದೆ.
• ಡೇಟಾವು CAN, OBD ಮತ್ತು ಟೆಲಿಮ್ಯಾಟಿಕ್ಸ್‌ನಿಂದ ಸಮಯ ಸರಣಿಯಾಗಿ ಬರುತ್ತದೆ; ಅನಾಮಧೇಯತೆ ಮತ್ತು ಗೌಪ್ಯತೆ ಅತ್ಯಗತ್ಯ.
• ಮೂರು ಮುಖ್ಯ ಕಾರ್ಯಗಳು: ಅಸಂಗತತೆ ಪತ್ತೆ, RUL ಭವಿಷ್ಯ, ದೋಷ ವರ್ಗೀಕರಣ.
• ಡೇಟಾ ಸೋರಿಕೆಯು ಅತ್ಯಂತ ಅಪಾಯಕಾರಿ ಬಲೆಯಾಗಿದೆ; ಹಿಂದಿನ/ಭವಿಷ್ಯದ ವ್ಯತ್ಯಾಸವನ್ನು ಕಾಪಾಡಿಕೊಳ್ಳಿ.
• RUL ಅನ್ನು ಅನಿಶ್ಚಿತತೆಯ ಶ್ರೇಣಿಯೊಂದಿಗೆ ಪ್ರಸ್ತುತಪಡಿಸಬೇಕು, ತಪ್ಪು ಎಚ್ಚರಿಕೆಯ ವೆಚ್ಚ ಮತ್ತು ಸುರಕ್ಷತೆಯ ಅಂಚುಗಳಿಂದ ಸಮತೋಲನಗೊಳಿಸಬೇಕು.

ಅಪ್ಲಿಕೇಶನ್ ಕಾರ್ಯ

ಘಟಕವನ್ನು ಆಯ್ಕೆಮಾಡಿ (ಉದಾ. ಬ್ಯಾಟರಿ, ಬ್ರೇಕ್ ಪ್ಯಾಡ್‌ಗಳು, ಟರ್ಬೊ). (1) ಈ ಘಟಕದ ಆರೋಗ್ಯವನ್ನು ಯಾವ ಸಂಕೇತಗಳು ಪ್ರತಿಬಿಂಬಿಸುತ್ತವೆ ಎಂಬುದನ್ನು ಪಟ್ಟಿ ಮಾಡಿ. (2) ಟೆಂಪ್ಲೇಟ್ 1 ನೊಂದಿಗೆ ಗುಣಲಕ್ಷಣ ಸಲಹೆಗಳನ್ನು ತೆಗೆದುಕೊಳ್ಳಿ ಮತ್ತು ಸೋರಿಕೆಯ ಅಪಾಯಕ್ಕಾಗಿ ಪ್ರತಿಯೊಂದನ್ನು ಫ್ಲ್ಯಾಗ್ ಮಾಡಿ. (3) RUL ಮುನ್ಸೂಚನೆಯನ್ನು ಅನಿಶ್ಚಿತತೆಯ ಮಧ್ಯಂತರದೊಂದಿಗೆ ನಿರ್ವಹಣೆ ವಿಂಡೋಗೆ ಪರಿವರ್ತಿಸಿ. (4) ಎಚ್ಚರಿಕೆಯ ನಿಯಮವನ್ನು ವಿವರಿಸಿ ಮತ್ತು ತಪ್ಪು ಎಚ್ಚರಿಕೆಗಳನ್ನು ಕಡಿಮೆ ಮಾಡಲು ನಿಮ್ಮ ಗೌಪ್ಯತೆ ಕ್ರಮಗಳನ್ನು ಬರೆಯಿರಿ.

ಪರಿಶೀಲನಾಪಟ್ಟಿ

• [ ] ನಾನು ಊಹಿಸಬೇಕಾದ ದೋಷವನ್ನು ಮತ್ತು ಅಗತ್ಯವಿರುವ ಮುಂಚಿನ ಎಚ್ಚರಿಕೆಯ ಅವಧಿಯನ್ನು ಸ್ಪಷ್ಟಪಡಿಸಿದೆ.
• [ ] ನಾನು ಡೇಟಾ ಸೋರಿಕೆಗಾಗಿ ಗುಣಲಕ್ಷಣಗಳನ್ನು ಪರಿಶೀಲಿಸಿದ್ದೇನೆ.
• [ ] ನಾನು ಅನಿಶ್ಚಿತತೆಯ ವ್ಯಾಪ್ತಿ ಮತ್ತು ಸುರಕ್ಷತೆಯ ಅಂಚುಗಳೊಂದಿಗೆ RUL ಅನ್ನು ಪ್ರಸ್ತುತಪಡಿಸಿದ್ದೇನೆ.
• [ ] ನಾನು ತಪ್ಪು ಎಚ್ಚರಿಕೆಯ ವೆಚ್ಚ ಮತ್ತು ಎಚ್ಚರಿಕೆಯ ಆಯಾಸವನ್ನು ಮೌಲ್ಯಮಾಪನ ಮಾಡಿದ್ದೇನೆ.
• [ ] ನಾನು VIN/ಸ್ಥಳದಂತಹ ಸೂಕ್ಷ್ಮ ಡೇಟಾವನ್ನು ಅನಾಮಧೇಯಗೊಳಿಸಿದ್ದೇನೆ.
• [ ] ನಾನು ಸಂವೇದಕ ಜೋಡಣೆ ಮತ್ತು ಘಟಕದ ಸ್ಥಿರತೆಯನ್ನು ಪರಿಶೀಲಿಸಿದ್ದೇನೆ.