排気系空気漏れ

                                                                                                                                                 

Share on linkedin
LinkedIn
Share on twitter
Twitter

目的

  • 80時間分の車両データでエンジン障害とその原因を特定
  • 車種やモデルを問わず、Acerta が持つアルゴリズムの一般化の可能性を検証

チャレンジ

  • 障害の性質に関する背景的な情報は一切なし
  • 極めて最小限のトレーニングデータセットのみ利用可能

成果

  • AutoPulse は、98%以上の予測精度で、データが持つ 0.029% 分の異常信号をエンジン故障を示すものとして識別
  • 要因分析に必要となる工数を2週間からたった1時間未満に短縮

背景

北米のある大手OEMは、車両の認定試験中に発生した問題を解決したいと考えていました。このクライアントは、オンロードでの車両テスト中にデータを収集していたのですが、テストドライバーは時間の経過とともに悪化していく、ある異常な挙動に気付き、最終的にはテストを停止せざるを得なくなりました。Acerta では、このケースに関する80時間分の走行中に350個のセンサーから記録された250MBのデータを受け取りました。当社の目的は、不具合の場所と種類を特定し、お客様の根本原因の分析を容易にすることでした。

課題

Acerta の目的は、数日分の車両データから1つのエンジンの故障に対応する異常信号のごく一部を明らかにすることでした。さらに、車両プラットフォーム全体で AutoPulse の検出能力を実証するため、車両の種類やモデル、故障モードの性質に関する情報は一切提供されませんでした。データは350種類の入力パラメータから取得されましたが、データセットの総容量は250MBにすぎませんでした。

Acerta ソリューション

Acerta のチームは、最終的にエンジンが故障する原因となった異常は、テストドライブの終了時に発生したに違いないという単純な仮定からスタートしました。これにより、データサイエンティストチームは、テストドライブの最初の部分のデータを使用して、車両の正常な動作について AutoPulse で学習させることができました。

モデルのトレーニングが完了すると、アルゴリズムは車両に設置された350個のセンサーのうち8個のセンサーの問題を特定し、記録されたデータの終わりに向けて異常を検出することができました。AutoPulse は、排気系の酸素レベル、燃料バンク、エンジン回転数、シリンダー圧を表す信号の関係に異常があることを特定しました。

成果

AutoPulse は、提供された車両データに含まれているわずか0.029%の異常状態を、98%以上の予測精度で正確に特定しました。一般的な分析にかかるであろう2週間を必要とすることなく、AutoPulse が提供する情報を使用することで、燃焼システムの専門家は、問題の根本原因(排気システムのエア漏れ)を1時間以内に特定することができました。

How Can We Help?

排ガス系空気漏れ
資料ダウンロード(無料)

How can we Help?

Contact Info

This website uses cookies.

Welcome Back!

Stay on the cutting edge of automotive Intelligence

Subscribe to Our Monthly Newsletter for Industry Trends, Best Data Practices & Industrial Machine Learning Applications