DE19752115B4 - Einrichtung und Verfahren zum Eingrenzen von Fehlern in einer Lokomotive - Google Patents

Einrichtung und Verfahren zum Eingrenzen von Fehlern in einer Lokomotive Download PDF

Info

Publication number
DE19752115B4
DE19752115B4 DE19752115A DE19752115A DE19752115B4 DE 19752115 B4 DE19752115 B4 DE 19752115B4 DE 19752115 A DE19752115 A DE 19752115A DE 19752115 A DE19752115 A DE 19752115A DE 19752115 B4 DE19752115 B4 DE 19752115B4
Authority
DE
Germany
Prior art keywords
errors
diagnostic
causal networks
causes
nodes
Prior art date
Legal status (The legal status 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 status listed.)
Expired - Fee Related
Application number
DE19752115A
Other languages
English (en)
Other versions
DE19752115A1 (de
Inventor
Mahesh Amrital Morjaria
Steven Hector Azzaro
James Arthur Bush
James Weston Nash
Myron Lee Smith
William David Smith
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
General Electric Co
Original Assignee
General Electric Co
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 General Electric Co filed Critical General Electric Co
Publication of DE19752115A1 publication Critical patent/DE19752115A1/de
Application granted granted Critical
Publication of DE19752115B4 publication Critical patent/DE19752115B4/de
Anticipated expiration legal-status Critical
Expired - Fee Related legal-status Critical Current

Links

Classifications

    • BPERFORMING OPERATIONS; TRANSPORTING
    • B60VEHICLES IN GENERAL
    • B60LPROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
    • B60L3/00Electric devices on electrically-propelled vehicles for safety purposes; Monitoring operating variables, e.g. speed, deceleration or energy consumption
    • BPERFORMING OPERATIONS; TRANSPORTING
    • B60VEHICLES IN GENERAL
    • B60LPROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
    • B60L3/00Electric devices on electrically-propelled vehicles for safety purposes; Monitoring operating variables, e.g. speed, deceleration or energy consumption
    • B60L3/12Recording operating variables ; Monitoring of operating variables
    • BPERFORMING OPERATIONS; TRANSPORTING
    • B61RAILWAYS
    • B61CLOCOMOTIVES; MOTOR RAILCARS
    • B61C17/00Arrangement or disposition of parts; Details or accessories not otherwise provided for; Use of control gear and control systems
    • BPERFORMING OPERATIONS; TRANSPORTING
    • B61RAILWAYS
    • B61CLOCOMOTIVES; MOTOR RAILCARS
    • B61C5/00Locomotives or motor railcars with IC engines or gas turbines
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00Error detection; Error correction; Monitoring
    • G06F11/22Detection or location of defective computer hardware by testing during standby operation or during idle time, e.g. start-up testing
    • G06F11/2257Detection or location of defective computer hardware by testing during standby operation or during idle time, e.g. start-up testing using expert systems
    • BPERFORMING OPERATIONS; TRANSPORTING
    • B60VEHICLES IN GENERAL
    • B60LPROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
    • B60L2200/00Type of vehicles
    • B60L2200/26Rail vehicles
    • YGENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02TCLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T50/00Aeronautics or air transport
    • Y02T50/60Efficient propulsion technologies, e.g. for aircraft

Abstract

Einrichtung zum Eingrenzen von Fehlern in einer Lokomotive mit mehreren Subsystemen, gekennzeichnet durch:
eine Einrichtung (34) zum Liefern von Information über Vorfälle, die in jedem von den mehreren Subsystemen während des Betriebs der Lokomotive auftreten;
eine Einrichtung (42) zum Zuordnen von einigen der Vorfälle zu Indikatoren, wobei jeder Indikator ein in einem Subsystem detektiertes beobachtbares Symptom repräsentiert;
eine mit der Zuordnungseinrichtung verbundene Fehlereingrenzungseinrichtung (36) zum Ermitteln der Ursachen aller mit den Vorfällen in Verbindung stehender Fehler, wobei die Fehlereingrenzungseinrichtung eine Diagnosewissensbasis (44) mit einer Diagnoseinformation über in jedem der mehreren Subsysteme und Indikatoren auftretende Fehler, wobei die Diagnoseinformation mehrere Kausalnetze aufweist, jedes Kausalnetz mehrere Knoten für jedes der mehreren Subsysteme besitzt, jedes Kausalnetz eine Ursache/Wirkung-Beziehung zwischen einigen von den mehreren Knoten besitzt, wobei einige von den Knoten mit Fehlern in jedem von den mehreren Subsystemen in Verbindung stehende Kern- bzw. Wurzelursachen repräsentieren und einige von den Knoten...

Description

  • Die vorliegende Erfindung bezieht sich im allgemeinen auf Lokomotiven und insbesondere auf eine Einrichtung und Verfahren zum Eingrenzen und Korrigieren von Fehlern in einer Lokomotive.
  • Eine Lokomotive ist ein komplexes elektro-mechanisches System, das aus mehreren komplexen Subsystemen besteht. Jedes dieser Subsysteme ist aus Komponenten aufgebaut, welche mit der Zeit ausfallen können. Wenn eine Komponente ausfällt, ist es schwierig, die ausgefallene Komponente zu identifizieren, da die Auswirkungen oder Probleme, die der Fehler auf das Subsystem hat, oft was ihre Quelle betrifft weder offensichtlich noch eindeutig sind. Die Fähigkeit, automatisch Probleme zu erkennen, die in den Subsystemen einer Lokomotive bereits aufgetreten sind oder auftreten werden, hat einen positiven Einfluß auf die Minimierung der Ausfallzeit einer Lokomotive.
  • Frühere Versuche in einer Lokomotive auftretende Probleme zu diagnostizieren, wurden von erfahrenem Personal durchgeführt, das eine tiefergehende Ausbildung und Erfahrung bei der Arbeit mit Lokomotiven hatte. Üblicherweise nutzen diese erfahrenen Einzelpersonen verfügbare Information, die in einem Protokoll aufgezeichnet wurde. Unter Durchsehen des Protokolls nutzen diesen erfahrenen Einzelpersonen ihre angesammelte Erfahrung und Ausbildung bei der Zuordnung von in Lokomotiven-Subsystemen auftretenden Vorfällen zu Problemen, die diese Vorfälle verursachen können. Wenn das Vorfall/Problem-Szenario einfach ist, funktioniert diese Vorgehensweise ziemlich gut. Wenn jedoch das Vorfall/Problem-Szenario komplex ist, ist es sehr schwierig, sämtliche den Vorfällen zugeordneten Fehler zu diagnostizieren und korrigieren.
  • Zur Zeit werden computergestützte Systeme zur automatischen Diagnose von Problemen in einer Lokomotive verwendet, um einige der damit in Verbindung auftretenden Probleme zu überwinden, wenn man sich vollständig auf erfahrenes Personal verläßt. Üblicherweise nutzt ein computergestütztes System eine Zuordnung zwischen den beobachteten Symptomen der Fehler und den Geräteproblemen unter Anwendung von Verfahren wie z.B. Nachschlagen in einer Tabelle, Verwenden einer Symptom/Problem-Matrix, und Erzeugen von Regeln. Diese Verfahren funktionieren gut bei vereinfachten Systemen mit einfachen Zuordnungen zwischen Symptomen und Problemen. Jedoch weisen komplexe Geräte und Prozeßdiagnosen selten einfache Entsprechungen zwischen den Symptomen und den Problemen auf. Zusätzlich liegen nicht notwendigerweise alle Symptome vor, wenn ein Problem auf getreten ist, was somit andere Vorgehensweisen mühsamer macht.
  • DE 41 08 310 A1 und US 5 493 729 offenbaren ein Expertensystem mit einem Wissensbank-Verarbeitungssystem zur Gewinnung von Wissen über Ursache/Wirkung-Beziehungen in einem technischen System. Möglicherweise vorhandene Kausalbeziehungen zwischen zwei Ereignissen werden mit Gewißheitsfaktoren bewertet, die in Abhängigkeit von beobachteten Ereignissen verändert werden. Dabei werden die Gewißheitsfaktoren derjenigen Kausalbeziehungen, die den beobachteten Ereignissen entsprechen, im Vergleich zu anderen erhöht, um die Wissenbank so anzupassen, dass das Expertensystem Schlussfolgerungen mit höherer Sicherheit liefert.
  • US 5 448 722 offenbart ein System zur Diagnose von Komponentenausfällen in einem hierarchisch aufgebauten Datenverarbeitungssystem unter Verwendung von mehreren Diagnosemodulen. Es werden Konfidenzfaktoren berechnet, um die von den einzelnen Modulen gelieferten Ergebnisse in Abhängigkeit von der Verlässlichkeit zu gewichten, die die einzelnen Diagnosemodule in der Vergangenheit beim Erkennen von Fehlern gezeigt haben.
  • US 5 099 436 offenbart ein Diagnosesystem in Hybridstruktur aus regelbasierten Ursache/Wirkung-Beziehungen und einer Erkennung von vordefinierten Ereignissen. Durch Auswertung beobachteter Ereignisse werden Informationen über die Ursache/Wirkung-Beziehungen gewonnen, die für die Diagnose verwendet werden können. Die genannten Systeme ermöglichen den Aufbau einer Wissensbasis oder die Überprüfung vermuteter Ursache/Wirkung-Beziehungen anhand von Rückmeldungen des Systems in Form von beobachteten Ereignissen.
  • US 5 445 347 beschreibt allgemein den Aufbau eines für die Fahrzeuge eines Verkehrssystems, wie etwa einer Magnetschwebebahn, geeigneten Überwachungs- und Diagnosesystems. Das System enthält mobile Einheiten mit Sensoren zum Erfassen des Betriebszustands von Fahrzeugen, stationäre Einheiten zum Empfangen von Signalen von den mobilen Einheiten, eine Basiseinheit zum Verarbeiten der von den stationären Einheiten empfangenen Signalen, eine Prognoseeinheit zur Bestimmung des Betriebszustands und eine Diagnoseeinheit zur Planung von Wartungsmaßnahmen an den Fahrzeugen. Das System ermöglicht die Erkennung von Fehlern und die effiziente Durchführung der erforderlichen Wartungsmaßnahmen, um die Sicherheit zu erhöhen und Verzögerungen und Kosten durch fahrzeugbedingte Betriebsstörungen zu vermeiden.
  • Da die vorstehend erwähnten Vorgehensweisen entweder einen erheblichen Zeitaufwand erfordern, bevor Fehler diagnostiziert werden, oder weniger zuverlässige Ergebnisse liefern, oder in komplexen Systemen nicht gut funktionieren können, gibt es einen Bedarf, schnell und effizient die Ursache aller in den Lokomotiven-Subsystemen auftretenden Fehler bei gleichzeitiger Minimierung der Notwendigkeit eines menschlichen Eingriffs feststellen zu können.
  • Demzufolge ist es eine primäre Aufgabe der vorliegenden Erfindung, eine Einrichtung und ein Verfahren zu schaffen, die schnell und effizient die Ursache von in den Lokomotiven-Subsystemen auftretenden Fehlern bei gleichzeitiger Minimierung der Notwendigkeit eines menschlichen Eingriffs feststellen können.
  • Eine weitere Aufgabe der vorliegenden Erfindung ist es, eine Einrichtung und ein Verfahren zu schaffen, die keinen Eingriff von einer Bedienungsperson erfordern, aber die Möglichkeit schaffen, von einer Bedienungsperson gelieferte Information zu integrieren, um eine genauere Diagnose zu erzeugen.
  • Noch eine weitere Aufgabe der vorliegenden Erfindung ist es, eine Einrichtung und ein Verfahren zu schaffen, die eine Liste der wahrscheinlichsten Ursachen für jeden Lokomotivenfehler ermitteln können, sowie eine Liste zu unternehmender Korrekturmaßnahmen für die Korrektur der Fehler liefern können.
  • Noch eine weitere Aufgabe der vorliegenden Erfindung ist es, eine Einrichtung und ein Verfahren zu schaffen, die schnell und effizient die Ursache von Fehlern feststellen können, die in komplexen Geräten und Prozessen auftreten.
  • Diese Aufgaben werden durch eine Einrichtung mit den Merkmalen der Ansprüche 1 oder 17 sowie ein Verfahren mit den Merkmalen der Ansprüche 9 oder 25 gelöst.
  • Gemäß einem Ausführungsbeispiel der Erfindung werden eine Einrichtung und ein Verfahren für die Eingrenzung von Fehlern in einer Lokomotive mit mehreren Subsystemen geschaffen. In der vorliegenden Erfindung liefert eine Liefereinrichtung eine in jeder von den mehreren Subsystemen während des Betriebs der Lokomotive auftretende Vorfallinformation. Eine Zuordnungseinrichtung ordnet einige dieser Vorfälle Indikatoren zu. Jeder Indikator stellt ein in einem Subsystem detektiertes beobachtbares Symptom dar. Eine mit der Zuordnungseinrichtung verbundene Fehlereingrenzungseinrichtung ermittelt Ursachen für alle den Vorfällen zugeordneten Fehler. Die Fehlereingrenzungseinrichtung weist eine Diagnosewissensbasis mit einer Diagnoseinformation über Fehler auf, die in jedem von den mehreren Subsystemen und den Indikatoren auftreten. Ferner weist die Fehlereingrenzungseinrichtung eine Diagnoseverarbeitungseinrichtung zum Verarbeiten der zugeordneten Indikatoren mit der Diagnosewissensbasis auf. Eine Erzeugungseinrichtung erzeugt einen für die Korrektur der Fehler durchzuführenden Maßnahmenplan.
  • Gemäß einem zweiten Ausführungsbeispiel der vorliegenden Erfindung werden eine Einrichtung und ein Verfahren zum automatischen Eingrenzen von Fehlern geschaffen, die in einem Prozeß mit mehreren Geräten auftreten. In diesem Ausführungsbeispiel weist die vorliegende Erfindung mehrere über den Prozeß verteilte Sensoren für die Messung von den mehreren Geräten zugeordneten physikalischen Phänomenen auf. Eine Zuordnungseinrichtung ordnet einige von den Sensormeßwerten Indikatoren zu. Jeder Indikator stellt ein in einem Gerät detektiertes beobachtbares Symptom dar. Eine mit der Zuordnungseinrichtung verbundene Fehlereingrenzungseinrichtung ermittelt Ursachen für alle den Geräten zugeordneten Fehler. Die Fehlereingrenzungseinrichtung weist eine Diagnosewissensbasis mit einer Diagnoseinformation über Fehler auf, die in jedem von den mehreren Geräten und den Indikatoren auftreten. Die Diagnoseinformation umfaßt mehrere Kausalnetze mit jeweils mehreren Knoten für jedes von der mehreren Geräten. Jedes Kausalnetz besitzt eine Ursache/Auswirkungs-Beziehung zwischen einigen der mehreren Knoten, wobei einige von den Knoten mit Fehlern in jedem der mehreren Geräte in Verbindung stehende Kern- bzw. Wurzelursachen darstellen und einige von den Knoten beobachtbare Manifestationen der Fehler darstellen. Die Fehlereingrenzungseinrichtung weist auch eine Diagnoseverarbeitungseinrichtung zum Verarbeiten der zugeordneten Indikatoren mit der Diagnoseinformation in der Diagnosewissensbasis auf. Eine Erzeugungseinrichtung erzeugt dann einen für die Korrektur der Fehler durchzuführenden Maßnahmenplan.
  • Wenn nun die vorliegende Erfindung nachstehend in Verbindung mit einem veranschaulichenden Ausführungsbeispiel und Verfahren zur Anwendung beschrieben wird, dürfte es selbstverständlich sein, daß damit nicht beabsichtigt ist, die Erfindung auf dieses Ausführungsbeispiel einzuschränken. Statt dessen ist es beabsichtigt, alle Alternativen, Modifikationen und Äquivalenten mit abzudecken, sofern sie in dem Erfindungsgedanken und dem Schutzumfang der vorliegenden Erfindung gemäß Definition in den beigefügten Ansprüchen mit eingeschlossen sind.
  • In den beigefügten Zeichnungen zeigen:
  • 1 eine schematische Darstellung einer Lokomotive;
  • 2 ein Blockdiagramm eines erfindungsgemäßen Borddiagnose-Subsystems;
  • 3 ein Blockdiagramm einer in dem erfindungsgemäßen Borddiagnose-Subsystem verwendeten Fehlereingrenzungseinrichtung;
  • 4 ein schematische Darstellung eines Lokomotivenmaschinen-Kühlsubsystemmodells;
  • 5a bis 5d ein Kausalnetz für das Lokomotivenmaschinen-Kühlsubsystemmodell;
  • 6a bis 6b ein Beispiel, wie Wahrscheinlichkeiten in einem Kausalnetz auf der Basis eines Anfangsbeweises berechnet werden und wie die Wahrscheinlichkeiten gemäß der Präsentation eines zusätzlichen Beweises für das Lokomotivenmaschinen-Kühlsubsystem neu berechnet werden; und
  • 7 ein Blockdiagramm eines Systems für die Eingrenzung von Fehlern gemäß einem zweiten Ausführungsbeispiel der vorliegenden Erfindung.
  • 1 zeigt eine schematische Darstellung einer Lokomotive 10. Die Lokomotive kann entweder eine Wechselstrom- oder Gleichstrom-Lokomotive sein. Die Lokomotive 10 besteht aus mehreren komplexen Subsystemen, wovon jedes getrennte Funktionen ausführt. Einige der Subsysteme und deren Funktionen sind nachstehend aufgelistet. Man beachte, daß die Lokomotive 10 auch noch aus vielen anderen Subsystemen besteht und daß die vorliegende Erfindung nicht auf die offenbarten Subsysteme beschränkt ist.
  • Ein Luft- und Luftbremsen-Subsystem 12 liefert Druckluft an die Lokomotive, welche die Druckluft dazu verwendet, die Luftbremsen der Lokomotive und der Wagen dahinter zu betätigen.
  • Ein Hilfsdrehstromgenerator-Subsystem 14 versorgt alle Hilfsgeräte mit Energie. Insbesondere liefert es Energie direkt an einen Hilfsgebläsemotor und an einen Absauggebläsemotor. Weitere Geräte in der Lokomotive werden über einen Zyklusumschalter mit Energie versorgt.
  • Ein Batterie- und Anlasser-Subsystem 16 liefert Spannung, um die Batterie in einem optimalen Ladezustand zu halten und liefert Energie für den Betrieb eines Gleichstrombusses und eines Hochspannungswechselstromssystems (HVAC).
  • Ein verbundinternes Kommunikations-Subsystem sammelt, verteilt und zeigt Verbunddaten aller Lokomotiven in dem Verbund an.
  • Ein Führerstandsignal-Subsystem 18 verknüpft die Gleisanlage mit dem Zugsteuersystem. Insbesondere empfängt das System 18 kodierte Signale von den Schienen über an der Vorder- und Rückseite der Lokomotive angeordnete Empfänger. Die empfangene Information wird dazu genutzt, den Lokomotivführer über Geschwindigkeitsbeschränkungen und Betriebsmodi zu informieren.
  • Ein verteiltes Leistungssteuerungs-Subsystem, das eine Fernsteuerungsmöglichkeit für mehrere Lokomotiven zur Verfügung stellt, liegt im ganzen Zug vor. Es stellt auch eine Steuerung für die Zugleistung im Antriebs- und Bremsbetrieb, sowie eine Steuerung der Luftbremse zur Verfügung.
  • Ein Maschinenkühlungs-Subsystem 20 stellt die Einrichtung zur Verfügung, mittels welcher die Maschine und andere Komponenten Wärme an das Kühlwasser abgeben. Zusätzlich minimiert es die thermische Wechselbeanspruchung der Maschine durch Aufrechterhaltung einer optimalen Maschinenbetriebstemperatur über den gesamten Lastbereich und verhindert eine Überhitzung in Tunneln.
  • Ein Zugende-Subsystem stellt eine Kommunikation zwischen dem Führerstand der Lokomotive und dem letzten Wagen über eine Funkverbindung für den Zweck einer Notbremsung zur Verfügung.
  • Ein Geräteventilations-Subsystem 22 stellt eine Einrichtung zum Kühlen der Lokomotivengeräte zur Verfügung.
  • Ein Ereignisaufzeichnungs-Subsystem zeichnet benötigte FRA-Daten und eingeschränkte definierte Daten für die Zugführerbewertung und Unfallaufklärung auf. Es kann bis zu 72 Stunden Daten aufzeichnen.
  • Ein Kraftstoffüberwachungs-Subsystem stellt eine Einrichtung für die Überwachung des Kraftstoffpegels und zur Übertragung dieser Information an die Besatzung bereit.
  • Ein globales Ortungs-Subsystem nutzt NAVSTAR-Satellitensignale, um genaue Positions-, Geschwindigkeits- und Höhenmessungen für das Steuerungssystem bereitzustellen.
  • Ein mobiles Kommunikationspaket-Subsystem stellt eine Hauptdatenverbindung zwischen der Lokomotive und dem Gleis über eine 900 MHz Funkverbindung her.
  • Ein Antriebs-Subsystem 24 stellte eine Einrichtung zum Bewegen der Lokomotive zur Verfügung. Es umfaßt auch die Traktionsmotoren und das dynamische Bremsvermögen. Insbesondere empfängt das Antriebs-Subsystem 24 Energie von dem Traktions-Drehstromgenerator und wandelt sie über die Traktionsmotoren in Lokomotivenbewegung um.
  • Ein Subsystem mit verteilten Ressourcen umfaßt die E/A-Kommunikationsgeräte, welche von mehreren Subsystemen mitbenutzt werden.
  • Ein Traktions-Drehstromgenerator-Subsystem 26 wandelt mechanische Energie in elektrische Energie um, welche dann an das Antriebssystem geliefert wird.
  • Ein Fahrzeugsteuerungssystem-Subsystem liest die Zugführereingaben und legt die Lokomotivenbetriebsmodi fest.
  • Die vorstehend erwähnten Subsysteme werden von einem Lokomotivensteuerungssystem 28 überwacht, das in der Lokomotive angeordnet ist. Das Lokomotivensteuerungssystem 28 verfolgt alle in den Subsystemen auftretenden Vorfälle mittels eines Vorfälleprotokolls. Ein Borddiagnose-Subsystem 30 empfängt die von dem Steuersystem gelieferte Vorfallinformation und ordnet einige von den aufgezeichneten Vorfällen Indikatoren zu. Die Indikatoren repräsentieren in den Subsystemen detektierte, beobachtbare Symptome. Das Borddiagnose-Subsystem 30 ermittelt dann eine Liste der wahrscheinlichsten Ursachen für alle Lokomotivenfehler, sowie auch zusätzlich eine Liste von für die Korrektur der Fehler zu unternehmenden Maßnahmen. Zusätzlich kann das Borddiagnose-Subsystem die Überprüfung bestimmter manueller Indikatoren außerhalb des Subsystems angeordneter Indikatoren fordern und verfeinert dann auf der Basis des Status der manuellen Indikatoren die Diagnose, um bessere Ergebnisse zu liefern.
  • Ein Blockdiagramm des Borddiagnose-Subsystems 30 ist in 2 dargestellt. Das Borddiagnose-Subsystem 30 ist ein computergestütztes System, das mehrere manuelle Indikatoren 32 aufweist, die über die Lokomotive für die Detektion von Fehlern in jedem der Subsysteme verteilt sind. Eine Vorfallprotokollierungseinrichtung 34 zeichnet Vorfälle auf, die in jedem der Subsysteme während des Betriebs der Lokomotive auftreten. Einige der Vorfälle werden in einer Fehlereingrenzungseinrichtung 36 Indikatoren zugeordnet. Jeder Indikator repräsentiert ein beobachtbares Symptom in einem Subsystem. Die Fehlereingrenzungseinrichtung 36 ermittelt Ursachen für alle mit den Vorfällen in Verbindung stehenden Fehler aus den zugeordneten Indikatoren nach einer Aufforderung durch eine Präsentations- bzw. Darstellungseinrichtung 38 mittels einer Bedienungsperson und einer Mensch/Maschine-Schnittstelle 40. Aus den Ursachen erzeugt die Fehlereingrenzungseinrichtung 36 eine Diagnose für die Korrektur der Fehler. Die Diagnose wird dann zu einer Diagnoseprotokollierungseinrichtung 42 gesendet, auf welche von der Mensch/Maschine-Schnittstelle 40 über die Darstellungseinrichtung 38 zugegriffen werden kann. Die Diagnose in der Diagnoseprotokollierungseinrichtung 42 liefert eine Liste der wahrscheinlichsten Ursachen für alle Lokomotivenfehler sowie eine Liste zu unternehmender Korrekturmaßnahmen, um die Fehler zu korrigieren. Um eine genauere Diagnose zu erzeugen, kann die Fehlereingrenzungseinrichtung 36 die Bedienungsperson dazu auffordern, einige über die Lokomotiven-Subsysteme verteilte manuelle Indikatoren 32 zu überprüfen. Die Fehlereingrenzungseinrichtung verfeinert dann die vorausgegangene Diagnose und sendet die neue Diagnose an die Diagnoseprotokollierungseinrichtung 42.
  • Eine detailliertere Ansicht der Fehlereingrenzungseinrichtung 36 ist in dem Blockdiagramm von 3 bereitgestellt. Die Fehlereingrenzungseinrichtung 36 weist eine Diagnosewissensbasis 44 auf, welche Information über Fehler enthält, die in jedem der Subsysteme auftreten, und über Symptome, die sich in jedem der Subsysteme ereignen können. Die Fehlereingrenzungseinrichtung 36 weist ferner eine Diagnoseverarbeitungseinrichtung 46 auf, welche die zugeordneten Indikatoren mit der Diagnoseinformation in der Diagnosewissensbasis 44 verarbeitet. Die Diagnoseinformation in der Diagnosewissensbasis umfaßt mehrere Kausalnetze mit jeweils mehreren Knoten für jedes von den Lokomotiven-Subsystemen. Jedes Kausalnetz besitzt eine Ursachen/Auswirkungs-Beziehung zwischen einigen der mehreren Knoten, wobei einige von den Knoten mit Fehlern in jedem der Subsysteme in Verbindung stehende Kern- bzw. Wurzelursachen repräsentieren und einige von den Knoten beobachtbare Manifestationen der Fehler repräsentieren. Jede von den Wurzelursachen in den Kausalnetzen weist eine Erstwahrscheinlichkeit auf, welche die Wahrscheinlichkeit eines Fehlers bei fehlender jeder zusätzlichen Kenntnis angibt, die entweder von den manuellen Indikatoren 32 oder der Vorfallprotokollierungseinrichtung 34 geliefert wird. Ferner weist jeder von den Knoten in den Kausalnetzen eine bedingte Wahrscheinlichkeitsinformation auf, welche die Stärke der Beziehungen des Knoten zu seinen Ursachen repräsentiert.
  • Die Diagnoseverarbeitungseinrichtung 46 weist eine Indikatorbewertungseinrichtung 48 für den Aufruf der mehreren Kausalnetze anhand der zugeordneten Indikatoren und für die Bewertung der zugeordneten Indikatoren mit den Wahrscheinlichkeiten in den aufgerufenen Kausalnetze auf. Die Diagnoseverarbeitungseinrichtung 46 weist ferner eine Netzauflösungseinrichtung 50 für eine Neuberechnung der Wahrscheinlichkeiten der aufgerufenen Kausalnetze gemäß dem Status der zugeordneten Indikatoren auf. Die Diagnoseverarbeitungseinrichtung 46 weist ferner eine Diagnosebewertungseinrichtung 52 für eine Bewertung der neu berechneten Wahrscheinlichkeiten in den aufgerufenen Kausalnetzen auf. Zusätzlich erzeugt die Diagnosebewertungseinrichtung 52 eine Liste der wahrscheinlichsten Ursachen für alle Lokomotivenfehler sowie eine Liste von für die Korrektur der Fehler zu unternehmenden Maßnahmen.
  • Ferner fordert die Diagnosebewertungseinrichtung 52 eine Bedienungsperson zum Überprüfen von manueller Indikatoren 32 auf, welche die Diagnose weiter verfeinern können. Die Indikatorbewertungseinrichtung ruft dann die mehreren Kausalnetze nach dem Status der manuell überprüften Indikatoren auf. Die Netzauflösungseinrichtung 50 berechnet dann die Wahrscheinlichkeiten in den aufgerufenen Kausalnetzen gemäß dem Status der manuell überprüften Indikatoren neu. Die Diagnosebewertungseinrichtung bewertet dann die neu berechneten Wahrscheinlichkeiten in den aufgerufenen Kausalnetzen und liefert an die Diagnoseprotokollierungseinrichtung 42 eine neue Liste der wahrscheinlichsten Ursachen, welche sich in der Verallgemeinerung der Vorfälle ergeben haben. Zusätzlich liefert die Diagnosebewertungseinrichtung einen zur Korrektur der Fehler durchzuführenden Maßnahmenplan. Insbesondere werden einige mit den Fehlern in Verbindung stehende Ursachen einem Satz auszuführender spezifischer maßnahmenorientierter Anweisungen zugeordnet. Diese aus der Liste wahrscheinlicher Ursachen erhaltenen Anweisungen stehen mit einigen der Knoten in dem Netz in Verbindung und werden als Maßnahmenknoten bezeichnet. Einige dieser Ursachen können dieselbe Reparaturmaßnahme erfordern. Ferner werden Anweisungen nur für Ursachen ausgegeben, welche einen eine vorab spezifizierten Wahrscheinlichkeitsschwellenwert überschreiten.
  • Wie vorstehend erwähnt, weist jedes Kausalnetz in der Diagnosewissensbasis 44 eine Repräsentation der Ursache/Auswirkungs-Beziehungen zwischen Fehlern und beobachtbaren Symptomen für jedes von den Lokomotiven-Subsystemen auf. Daher muß für die Aufstellung der Diagnosewissensbasis 44 ein Verständnis dafür vorhanden sein, wie jede Komponente in einem Subsystem ausfällt und was die beobachtbaren Symptome jedes Fehlers sind. Ein Beispiel eines Modells für ein Lokomotiven-Subsystems ist in 4 dargestellt, welche ein schematische Darstellung eines Maschinenkühlsystemmodells 20 zeigt. Das Maschinenkühlsystemmodell 20 weist einen Radiator 54 für die Aufrechterhaltung einer optimalen Motortemperatur über den vollen Lastbereich und zur Verhinderung von Überhitzung auf. Der Radiator hält die optimale Motortemperatur durch die Zuführung eines Kühlmittels aufrecht, das aus einem Tank 56 von einer Pumpe 58 durch ein Rohr 60 gepumpt wird. Die Temperatur des Kühlmittels wird kontinuierlich von einem Temperaturfühler 62 überwacht, welcher mit einer Steuerung 64 verbunden ist. Die Steuerung 64 nutzt die Temperatur des Kühlmittels zum Steuern des Radiators 54 mittels eines Gebläsemotors 66 und einer Gebläseschaufel 68. Die möglichen Fehlermodi, welchen das Maschinenkühlsystem 20 unterliegen kann, sind Temperaturfühlerausfall, Rohrleckage, Pumpenausfall, Radiatorverstopfungen, Radiatorlecks, Tanklecks, Gebläseschaufelbruch, Gebläsemotorausfall und Reglerausfall.
  • Nach der Identifikation aller möglichen Fehlermodi für das Maschinenkühlsystem 20 wird das Kausalnetz für das Maschinenkühlsystem aufgestellt. 5a bis 5d stellen ein Kausalnetz für das Maschinenkühlsystem 20 dar. 5a stellt jeden der identifizierten Fehlermodi für das Maschinenkühlsystem dar. Jeder von den Fehlermodi (d.h., Temperaturfühlerausfall, Rohrleckage, Pumpenausfall, Radiatorverstopfungen, Radiatorlecks, Tanklecks, Gebläseschaufelbruch, Gebläsemotorausfall und Reglerausfall) wird als Problemknoten oder eine Ursache bezeichnet und als ein Kästchen mit abgerundeten Ecken dargestellt. Jede Ursache hat einen etwas stärkere Auswirkung auf das Maschinenkühlsystem und es ist auch möglich, daß einige Ursache dieselbe Auswirkungen haben. An einem bestimmten Punkt manifestiert sich eine Auswirkung selbst in der Weise, daß sie gemessen oder beobachtet werden kann. Wenn der Status eines einzelnen beobachtbaren Symptoms oder der Zustand verschiedener beobachtbarer Symptome eindeutig auf eine Ursache hinweist, ist es möglich, das Problem unzweifelhaft zu identifizieren.
  • 5b stellt die Ursache/Wirkung-Beziehungen für alle von den in 5a identifizierten Fehlermodi dar. Die Ursache/Wirkung-Beziehung zwischen allen Modi ist durch einen in Richtung der Kausalität zeigenden Pfeil dargestellt. In 5b ist dargestellt, wie die Fehlermodi eines Radiator lecks, eines Tanklecks und eines Rohrlecks eine Auswirkung haben, die durch wenig Kühlmittel charakterisiert ist. Der Knoten für wenig Kühlmittel ist mit einem Indikatorknoten, niedriger Kühlmittelstand, verbunden, der anzeigt, ob der Kühlmittelstand niedrig ist. Der Indikatorknoten ist ein Knoten, der immer eine Auswirkung ist, die den Wert eines gemessenen oder berechneten Parameters repräsentiert. Er ist durch einen Kreis dargestellt. Diese Knoten werden zur Darstellung eines Anzeichens verwendet, das dem Netz gegenüber präsentiert wird. Es ist dargestellt, wie der Knoten für wenig Kühlmittel zusammen mit den Fehlermodi für einen verstopften Radiator und Pumpenausfall eine Auswirkung haben, die jeweils durch ein unzureichende Kühlkapazität charakterisiert ist. In einer weiteren Ebene in 5b liegt ein nicht arbeitender Gebläsemotor, eine gebrochene Gebläseschaufel und ein Reglerausfall als Ursache vor. Jeder diese Fehlermodi besitzt eine Auswirkung, die durch eine nicht zirkulierende Kühlluft charakterisiert ist. Zusätzlich ist der Reglerausfallmodus mit einem Indikatorknoten gekoppelt, der prüft, ob der Regler einen Fehlerstatus aufweist. Auf einer höheren Ebene hat der Temperaturfühleraufallmodus zusammen mit den Auswirkungen der nicht zirkulierenden Luft und unzureichender Kühlkapazität eine Auswirkung auf das Maschinenkühlsystem, die durch eine höhere als die normale Wassertemperatur gekennzeichnet ist. Dieses Auswirkung ist mit einem Indikator gekoppelt, der prüft, ob die Wassertemperatur über einem normalen Wert liegt.
  • Für jede Ursache ist in dem Kausalnetz einen Erstwahrscheinlichkeit zugeordnet, welche die Wahrscheinlichkeit eines Fehlers angibt. Die Erstwahrscheinlichkeiten sind jeder Ursache zugeordnete Faktoren, welche die Wahrscheinlichkeit, daß die Ursache vorliegt bei fehlender jedweder zusätzlichen Kenntnis entweder von den mehrere manuellen Indikatoren oder aus der Vorfallprotokollierungseinrichtung angeben. 5c stellt ein Beispiel von Wahrscheinlichkeiten dar, die jeder von den ursprünglichen Ursachebedingungen für das Maschinenkühlsystemmodell zugeordnet sind. Man beachte, daß in Fällen, bei denen eine Komponente mehrfache Fehlermodi aufweist, die auf dem jeweiligen Fehlermodus beruhende Fehlerausfallwahrscheinlichkeit benötigt wird. Man beachte ferner, daß die Wahrscheinlichkeitsgrößen von in Gruppen zusammengefaßten Knoten die Wahrscheinlichkeit bestimmen, daß der spezielle Fehlermodus das Problem ist. Wenn beispielsweise in 5c keine Kühlluft zirkuliert und kein anderes Problem in dem Maschinenkühlsystem vorliegt, dann würde vorausgesagt werden, daß ein Reglerausfall vierfach wahrscheinlicher auftreten würde als daß der Gebläsemotor nicht arbeitet. Eine Wahrscheinlichkeit eines Gebläseflügelbruches läge in einer weniger wahrscheinlichen Größenordnung. Ein weiteres Beispiel wäre, daß dann, wenn eine unzureichende Kühlkapazität vorliegt und keine anderen Probleme im Maschinenkühlsystem vorliegen, vorausgesagt würde, daß ein verstopfter Radiator mit sechsfach höherer Wahrscheinlichkeit als eine Pumpenausfall auftreten würde. Eine Wahrscheinlichkeit eines Fehlers wegen zu wenig Kühlmittel läge in einer weniger wahrscheinlichen Größenordnung.
  • Nach der Zuordnung einer Erstwahrscheinlichkeit zu jeder von den Kern- bzw. Wurzelursachen wird dann eine Randwahrscheinlichkeit, welche die Stärke der Beziehung zwischen der Ursache oder Fehlermodus und einer Auswirkung auf der nächsten Ebene abschätzt, für jede Beziehung zugewiesen. Im wesentlichen stellt die Randwahrscheinlichkeit die Wahrscheinlichkeit dar, daß die Auswirkung wahr ist, vorausgesetzt, daß die Ursache bereits als wahr bekannt ist. Wenn alle Ursachen unabhängig sind, und wenn alle Ursachen falsch sind, ist auch die Auswirkung falsch. In diesem Ausführungsbeispiel wird nur ein Parameter zwischen 0 und 1 verwendet, um die Stärke der Beziehung darzustellen, wobei jedoch die Verwendung anderer Parameter innerhalb des Schutzumfangs der vorliegenden Erfindung liegt. Dieses ist als "Noisy-Or"-Annahme bekannt. 5d stellt ein Beispiel von Randwahrscheinlichkeiten dar, die jeder von den Beziehungen des für das Maschinenkühlsystemmodell aufgestellten Kausalnetzes zugewiesen sind. Gemäß 5d führt ein Temperatur fühlerausfall zu der Auswirkung einer höheren als normalen Wassertemperatur in 50% der Zeit; unter der Annahme einer niedrigeren Temperatur für die restliche Zeit. Ähnlich führt einen Pumpenausfall nahezu immer (95%) zu einer unzureichenden Kühlkapazität. Ferner führt ein Radiatorleck in 90% der Zeit zu zuwenig Kühlmittel. Weitere Beispiele von Randwahrscheinlichkeiten sind aus 5d ersichtlich. Man beachte, daß die vorstehend erwähnte bedingte Wahrscheinlichkeitsinformation von der Randwahrscheinlichkeitsinformation abgeleitet wird.
  • Kausalnetze für die anderen Lokomotiven-Subsysteme werden in der gleichen Weise aufgestellt, die zur Aufstellung des Kausalnetzes für das Maschinenkühlsystem angewendet wurde. Insbesondere werden die Fehlermodi für jedes Subsystem identifiziert, die Ursache/Wirkung-Beziehungen für jeden von den Fehlermodi identifiziert, die Wahrscheinlichkeit von Fehlern angebende Erstwahrscheinlichkeiten zugewiesen und eine die Stärke der Beziehung zwischen dem Fehlermodus und einem Auswirkungsknoten der nächsten Ebene abschätzende Randwahrscheinlichkeit für jede Beziehung zugewiesen. Sobald alle Kausalnetze aufgestellt, validiert und getestet sind, werden die Netze in die Diagnosewissensbasis 62 in der Form eines Vertrauensnetzes integriert.
  • Wenn die Kausalnetze für alle Subsysteme fertiggestellt und integriert sind, werden üblicherweise Vorfälle auf der Basis eines Anzeichens diagnostiziert, das der Fehlereingrenzungseinrichtung 36 durch die Vorfallprotokollierungseinrichtung 34 vorgegeben wird. Die Vorfallsinformation wird dann Indikatoren in der Fehlereingrenzungseinrichtung 36 zugeordnet. Die Indikatorbewertungseinrichtung 48 ruft dann die mehreren Kausalnetze gemäß den zugeordneten Indikatoren auf und bewertet die zugeordneten Indikatoren mit den Wahrscheinlichkeiten in den aufgerufenen Kausalnetzen. Die Netzauflösungseinrichtung 50 berechnet die Wahrscheinlichkeiten der aufgerufenen Kausalnetze gemäß dem Status der zugeordneten Indikatoren neu. Insbesondere werden die Wahrscheinlichkeiten unter Anwendung eines bekannten Vertrauensnetz-Auflösungsalgorithmus neu berechnet. Die Diagnosebewertungseinrichtung 52 bewertet dann die neu berechneten Wahrscheinlichkeiten in den aufgerufenen Kausalnetzen. Zusätzlich erzeugt die Diagnosebewertungseinrichtung für die Diagnoseprotokollierungseinrichtung 42 eine Liste der wahrscheinlichsten Ursachen für irgendwelche Lokomotivenfehler sowie auch zusätzlich eine Liste von für die Korrektur der Fehler zu unternehmenden Korrekturmaßnahmen. Ferner fordert die Diagnosebewertungseinrichtung 52 eine Bedienungsperson zum Überprüfen eines speziellen manuellen Indikators 32 auf, der die Diagnose weiter verfeinern kann. Die Indikatorbewertungseinrichtung 48 ruft dann die mehreren Kausalnetze gemäß dem Status des manuell überprüften Indikators auf. Die Netzauflösungseinrichtung 50 berechnet dann die Wahrscheinlichkeiten in den aufgerufenen Kausalnetzen gemäß dem Status des manuell überprüften Indikators neu. Die Diagnosebewertungseinrichtung 52 bewertet dann die neu berechneten Wahrscheinlichkeiten in den aufgerufenen Kausalnetzen und liefert an die Diagnoseprotokollierungseinrichtung 42 eine neue Liste der wahrscheinlichsten Ursachen für irgendwelche Lokomotivenfehler, sowie auch zusätzlich eine Liste von für die Korrektur der Fehler zu unternehmenden Korrekturmaßnahmen.
  • 6a bis 6b zeigen ein Beispiel dafür, wie Wahrscheinlichkeiten in einem Kausalnetz auf der Basis eines Anfangsanzeichens berechnet werden und wie die Wahrscheinlichkeiten entsprechend der Präsentation eines zusätzlicher Anzeichens für das Modell des Lokomotivenmaschinen-Kühlsubsystems neu berechnet werden. In 6a ist eine Anzeige, daß die Wassertemperatur über dem normalen Wert liegt, in der Vorfallprotokollierungseinrichtung der Lokomotive empfangen worden. Ferner ist eine Anzeige empfangen worden, daß die Steuerung des Radiatorgebläses einwandfrei funktioniert, so daß die Fehlerstatusanzeige falsch ist. Zu diesem Zeitpunkt ist der Kühlmittelstand unbekannt, so daß die Anzeige für niedrigen Kühlmittelstand unbekannt ist. Die Netzauflösungseinrichtung 50 berechnet dann die Wahrscheinlichkeiten der Fehlermodi in dem Netz nach dem Einfluß, den Vorfälle auf das Netz ausüben. In diesem Beispiel zeigen die Wahrscheinlichkeiten für die Fehlermodi, daß ein verstopfter Radiator die wahrscheinlichste Ursache (73%) für den Fehler auf der Basis der aktuellen Information ist. Ein Pumpenfehler (13%), ein Gebläsemotorausfall (10%) und ein Radiatorleck (10%) sind ebenfalls mögliche Ursachen. Die Diagnosebewertungseinrichtung 52 bewertet dann die Wahrscheinlichkeiten und erzeugt eine Liste der möglichen Fehler in der vorgenannten Reihenfolge. Diese Diagnose kann verfeinert werden, wenn der Status eines manuellen Indikators 32 einen signifikanten Einfluß auf die Diagnose hätte. Es wird nur zur Prüfung solcher manuellen Indikatoren aufgefordert, die das Potential zu einer signifikanten Beeinflussung der Diagnose aufweisen. In dem Beispiel von 6b wird die Bedienungsperson gebeten, den Status des Kühlmittelstandes zu überprüfen. In diesem Beispiel wird ein niedriger Kühlmittelstand beobachtet und diese Information über die Präsentationseinrichtung 38 und die Mensch/Maschine-Schnittstelle 40 in die Fehlereingrenzungseinrichtung 36 eingegeben. Die Netzauflösungseinrichtung 50 berechnet dann die Wahrscheinlichkeiten des aufgerufenen Kausalnetzes neu und liefert eine neue Liste der wahrscheinlichsten Ursachen für alle Lokomotivenfehler, sowie auch zusätzlich eine Liste von für die Korrektur der Fehler zu unternehmenden Korrekturmaßnahmen. In diesem Beispiel legt die zusätzliche Information nahe, daß ein Radiatorleck stark (99%) als Ursache für den Fehler zu vermuten ist. Andere Wahrscheinlichkeiten, die an die Diagnoseprotokollierungseinrichtung 42 ausgegeben werden, sind die, daß der Gebläsemotor nicht arbeitet (11%) oder daß der Radiator verstopft ist (7%). Zusätzlich erzeugt die Diagnoseprotokollierungseinrichtung einen Maßnahmenplan zur Korrektur der Liste dieser Fehler. Der Maßnahmenplan wird nur für Wahrscheinlichkeiten erzeugt, die einen vorbestimmten Wahrscheinlichkeitsschwellenwert erreichen. Wenn beispielsweise ein Wahrscheinlichkeitsschwellenwert von 10% verwendet wird, dann wären die Anweisungen für den Maßnahmenplan: "Radiator auf Lecks inspizieren und falls erforderlich ersetzen" und "Kühlgebläsemotor auf einwandfreien Betrieb überprüfen und falls erforderlich ersetzen". Auf den verstopften Radiator und andere Ursachen bezogene Anweisungen würden nicht ausgegeben werden, da die Fehlerwahrscheinlichkeit dieser Ursachen nicht den vorbestimmten Wahrscheinlichkeitsschwellenwert überschreitet.
  • Die Anwendung der Fehlereingrenzungseinrichtung 36 ermöglicht einem Anwender eine schnellere Problemlösung als die zur Zeit angewandten Vorgehensweisen, da die Fehler auf die wahrscheinlichste Gruppe von Fehlern eingegrenzt wird. Zusätzlich kann die Fehlereingrenzungseinrichtung 36 dazu verwendet werden, sich entwickelnde Probleme zu finden, bevor sie sich zu einem ernsten Problem entwickeln, indem Parameter überwacht werden, welche einen drohenden Fehler anzeigen können, und die Parameterdaten verarbeitet werden, um sich entwickelnde Probleme zu erkennen.
  • Obwohl das veranschaulichende Ausführungsbeispiel der vorliegenden Erfindung als Eingrenzung von Fehlern in Lokomotiven-Subsystemen beschrieben wurde, ist der Schutzumfang der Erfindung nicht auf dieses Ausführungsbeispiel beschränkt. Insbesondere kann die vorliegende Erfindung in verschiedenen Anpassungen zur Diagnose von Fehlerursachen komplexer Geräte und Prozesse genutzt werden. In diesem Ausführungsbeispiel werden mehrere Sensoren ohne die Vorfallprotokollierungseinrichtung verwendet. Die mehreren Sensoren sind über den Prozeß verteilt angeordnet und messen physikalische Phänomene in Verbindung mit den Geräten. Eine Zuordnungseinrichtung ordnet einige von den Sensormeßwerten Indikatoren zu. Jeder Indikator repräsentiert ein in dem Gerät detektiertes beobachtbares Symptom. Eine mit der Zuordnungseinrichtung verbundene Fehlereingrenzungseinrichtung ermittelt die Ursachen für irgendwelche Fehler in Verbindung mit den Geräten.
  • 7 ist ein Blockdiagramm einer Einrichtung 70 zum Eingrenzen von Fehlern in einem Prozeß mit mehreren Geräten. Die Einrichtung 70 weist mehrere über den Prozeß verteilte Sensoren 72 auf. Die Sensoren messen physikalische Phänomene in Verbindung mit den Geräten. Eine Zuordnungseinrichtung 74 ordnet einige von den Meßwerten Indikatoren zu. Jeder Indikator repräsentiert ein in einem Gerät detektiertes, beobachtbares Symptom. Die Zuordnungseinrichtung 74 ist mit der Fehlereingrenzungseinrichtung 36 verbunden, welche die Ursachen für irgendwelche Fehler in Verbindung mit den Geräten ermittelt. Wie vorstehend erwähnt, nutzt die Fehlereingrenzungseinrichtung 36 die Diagnosewissensbasis 44, um Diagnoseinformation über Fehler zu speichern, die in jedem der mehreren Geräte und Indikatoren auftreten. Die Diagnoseinformation umfaßt mehrere Kausalnetze, wovon jedes Knoten für jedes der mehreren Geräte enthält. Jedes Kausalnetz besitzt eine Ursache/Wirkung-Beziehung zwischen einigen dieser Knoten, wobei einige von den Knoten Wurzelursachen in Verbindung mit Fehlern in jedem von den Geräten darstellen und einige von den Knoten beobachtbare Manifestationen der Fehler repräsentieren. Die Fehlereingrenzungseinrichtung 36 nutzt auch eine Diagnoseverarbeitungseinrichtung 46 zum Verarbeiten der zugeordneten Indikatoren mit der Diagnoseinformation in der Diagnosewissensbasis 44. Nach der Ermittlung aller Fehler liefert die Fehlereingrenzungseinrichtung einen durchzuführenden Maßnahmenplan zur Korrektur der Fehler an die Diagnoseeinrichtung 76.
  • Wie in dem ersten Ausführungsbeispiel weist jede von den Wurzelursachen in den Kausalnetzen eine Erstwahrscheinlichkeit auf, welche die Wahrscheinlichkeit eines Fehlers bei fehlender jedweder zusätzlichen von den Sensoren gelieferten Kenntnis angibt. Zusätzlich besitzt jeder von den Knoten in den Kausalnetzen eine bedingte Wahrscheinlichkeitsinformation, welche die Stärke der Beziehungen der Knoten zu ihren Ursachen darstellt. Wiederum nutzt die Diagnoseverarbeitungseinrichtung 46 die Indikatorbewertungseinrichtung 48 zum Aufruf der mehreren Netze gemäß den zugeordneten Indikatoren und zum Bewerten der zugeordneten Indikatoren mit den Wahrscheinlichkeiten in den Kausalnetzen. Die Netzauflösungseinrichtung 50 berechnet dann die Wahrscheinlichkeiten in den aufgerufenen Kausalnetzen gemäß dem Status der zugeordneten Indikatoren neu. Die Diagnosebewertungseinrichtung 52 bewertet die neu berechneten Wahrscheinlichkeiten in den aufgerufenen Kausalnetzen und erzeugt eine Liste der wahrscheinlichsten Ursachen für alle Fehler sowie eine Liste zu unternehmender Korrekturmaßnahmen zur Korrektur der Fehler. Die Diagnosebewertungseinrichtung 52 fordert dann eine Bedienungsperson zum Überprüfen von über die Geräte verteilten manuellen Indikatoren 32 auf, die einen weiteren Einfluß auf die Diagnose des Prozesses haben können. Die Indikatorbewertungseinrichtung ruft dann die mehreren Kausalnetze gemäß dem Status der manuell überprüften Indikatoren auf. Die Netzauflösungseinrichtung 50 berechnet dann die Wahrscheinlichkeiten in den aufgerufenen Kausalnetzen gemäß dem Status der manuell überprüften Indikatoren neu. Die Diagnosebewertungseinrichtung 52 bewertet dann die neu berechneten Wahrscheinlichkeiten in den aufgerufenen Kausalnetzen und liefert an die Diagnoseprotokollierungseinrichtung 42 eine neue Liste der wahrscheinlichsten Ursachen für alle Fehler sowie eine Liste durchzuführenden Korrekturmaßnahmen zur Korrektur der Fehler. Nachdem die Ursachen für alle Fehler ermittelt sind, liefert die Fehlereingrenzungseinrichtung 36 einen für die Korrektur der Fehler durchzuführenden Maßnahmenplan an die Diagnoseeinrichtung 76.
  • Es ist somit deutlich, daß gemäß der vorliegenden Erfindung eine Einrichtung und ein Verfahren zum Eingrenzen von Fehlern in einer Lokomotive mit mehreren Subsystemen und eine Einrichtung und ein Verfahren zum automatischen Eingrenzen und Korrigieren von Fehlern in einem Prozeß mit mehreren Geräten geschaffen werden, die vollständig den Zielen und Vorteilen und den hierin vorstehend beschriebenen Aufgaben genügen. Die Erfindung wurde unter Bezugnahme auf verschiedene Ausführungsbeispiele beschrieben, wobei jedoch klar erkennbar ist, daß Varianten und Modifikationen von einem Durchschnittsfachmann auf diesem Gebiet ausgeführt werden können, ohne von dem Schutzumfang der Erfindung abzuweichen. Beispielsweise kann die Fehlereingrenzungseinrichtung an einer entfernten Stelle angeordnet sein und die Vorfall information und die manuelle Indikatorinformation an die Fehlereingrenzungseinrichtung übertragen werden. Nach der Ermittlung der Fehlerursachen kann dann die Fehlereingrenzungseinrichtung die Ursachen und Maßnahmenpläne an die Bedienungsperson zurücksenden.

Claims (32)

  1. Einrichtung zum Eingrenzen von Fehlern in einer Lokomotive mit mehreren Subsystemen, gekennzeichnet durch: eine Einrichtung (34) zum Liefern von Information über Vorfälle, die in jedem von den mehreren Subsystemen während des Betriebs der Lokomotive auftreten; eine Einrichtung (42) zum Zuordnen von einigen der Vorfälle zu Indikatoren, wobei jeder Indikator ein in einem Subsystem detektiertes beobachtbares Symptom repräsentiert; eine mit der Zuordnungseinrichtung verbundene Fehlereingrenzungseinrichtung (36) zum Ermitteln der Ursachen aller mit den Vorfällen in Verbindung stehender Fehler, wobei die Fehlereingrenzungseinrichtung eine Diagnosewissensbasis (44) mit einer Diagnoseinformation über in jedem der mehreren Subsysteme und Indikatoren auftretende Fehler, wobei die Diagnoseinformation mehrere Kausalnetze aufweist, jedes Kausalnetz mehrere Knoten für jedes der mehreren Subsysteme besitzt, jedes Kausalnetz eine Ursache/Wirkung-Beziehung zwischen einigen von den mehreren Knoten besitzt, wobei einige von den Knoten mit Fehlern in jedem von den mehreren Subsystemen in Verbindung stehende Kern- bzw. Wurzelursachen repräsentieren und einige von den Knoten beobachtbare Manifestationen der Fehler repräsentieren, und eine Diagnoseverarbeitungseinrichtung (46) zum Verarbeiten der zugeordneten Indikatoren mit der Diagnoseinformation in der Diagnosewissensbasis (44) aufweist, wobei die Diagnoseverarbeitungseinrichtung (46) eine Indikatorbewertungseinrichtung (48) für den Aufruf der mehreren Kausalnetze gemäß den zugeordneten Indikatoren und die Bewertung der zugeordneten Indikatoren mit den Wahrschein lichkeiten in den aufgerufenen Kausalnetzen und ferner eine Netzauflösungseinrichtung (50) aufweist, die die Wahrscheinlichkeiten der aufgerufenen Kausalnetze gemäß dem Status der zugeordneten Indikatoren neu berechnet, und eine Einrichtung (52) zum Erzeugen eines für die Korrektur der Fehler durchzuführenden Maßnahmenplans.
  2. Einrichtung nach Anspruch 1, dadurch gekennzeichnet, daß jeder von den Wurzelursachenknoten in den Kausalnetzen eine Erstwahrscheinlichkeit besitzt, welche die Wahrscheinlichkeit eines Fehlers bei Fehlen jeder weiteren zusätzlichen Kenntnis angibt.
  3. Einrichtung nach Anspruch 2, dadurch gekennzeichnet, daß jeder von den Knoten in den Kausalnetzen eine bedingte Wahrscheinlichkeitsinformation besitzt, welche die Stärke der Beziehungen des Knotens zu seinen Ursachen darstellt.
  4. Einrichtung nach Anspruch 3, dadurch gekennzeichnet, daß die Diagnoseverarbeitungseinrichtung (46) ferner eine Diagnosebewertungseinrichtung (52) aufweist, die die neu berechneten Wahrscheinlichkeiten in den aufgerufenen Kausalnetzen bewertet und eine Liste der wahrscheinlichsten Ursachen für alle Fehler erzeugt.
  5. Einrichtung nach Anspruch 4, dadurch gekennzeichnet, daß die Diagnosebewertungseinrichtung (52) eine Bedienungsperson auffordert, einen manuell überwachten Indikator (32) zu überprüfen, der einen weiteren Einfluß auf die Diagnose der Lokomotive haben kann.
  6. Einrichtung nach Anspruch 5, dadurch gekennzeichnet, daß die Indikatorbewertungseinrichtung (48) die mehreren Kau salnetze gemäß dem Status des manuell überprüften Indikators aufruft.
  7. Einrichtung nach Anspruch 6, dadurch gekennzeichnet, daß die Netzauflösungseinrichtung (50) die Wahrscheinlichkeiten in den aufgerufenen Kausalnetzen gemäß dem Status des manuell überprüften Indikators (32) neu berechnet.
  8. Einrichtung nach Anspruch 7, dadurch gekennzeichnet, daß die Diagnosebewertungseinrichtung (52) die neu berechneten Wahrscheinlichkeiten in den aufgerufenen Kausalnetzen bewertet und eine Liste der wahrscheinlichsten Ursachen für alle Fehler erzeugt.
  9. Verfahren zum Eingrenzen von Fehlern in einer Lokomotive mit mehreren Subsystemen, gekennzeichnet durch: Aufzeichnen von Vorfällen, die in jedem von den mehreren Subsystemen während des Betriebs der Lokomotive auftreten; Zuordnen der aufgezeichneten Vorfälle zu Indikatoren, wobei jeder Indikator ein in einem Subsystem detektiertes beobachtbares Symptom repräsentiert; Ermitteln der Ursachen irgendwelcher mit den Vorfällen in Verbindung stehender Fehler mittels einer Diagnosewissensbasis (44), die Diagnoseinformation über in jedem der mehreren Subsysteme und Indikatoren auftretende Fehler hat, wobei die Diagnoseinformation mehrere Kausalnetze umfaßt, jedes Kausalnetz mehrere Knoten für jedes der mehreren Subsysteme besitzt, jedes Kausalnetz eine Ursache/Wirkung-Beziehung zwischen einigen von den mehreren Knoten besitzt, wobei einige von den Knoten mit Fehlern in jedem von den mehreren Subsystemen in Verbindung stehende Wur zelursachen repräsentieren und einige von den Knoten beobachtbare Manifestationen der Fehler repräsentieren, und einer Diagnoseverarbeitungseinrichtung (46) zum Verarbeiten der zugeordneten Indikatoren mit der Diagnoseinformation in der Diagnosewissensbasis (44); Aufrufen der mehreren Kausalnetze gemäß den zugeordneten Indikatoren und Bewerten der zugeordneten Indikatoren mit den Wahrscheinlichkeiten in den aufgerufenen Kausalnetzen; Neu Berechnen der Wahrscheinlichkeiten der aufgerufenen Kausalnetze gemäß dem Status der zugeordneten Indikatoren und Bereitstellen eines für die Korrektur der Fehler durchzuführenden Maßnahmenplans.
  10. Verfahren nach Anspruch 9, dadurch gekennzeichnet, daß jeder von den Wurzelursachenknoten in den Kausalnetzen eine Erstwahrscheinlichkeit besitzt, welche die Wahrscheinlichkeit eines Fehlers bei Fehlen jeder weiteren zusätzlichen Kenntnis angibt.
  11. Verfahren nach Anspruch 10, dadurch gekennzeichnet, daß jeder von den Knoten in den Kausalnetzen eine bedingte Wahrscheinlichkeitsinformation besitzt, welche die Stärke der Beziehungen des Knotens zu seinen Ursachen darstellt.
  12. Verfahren nach Anspruch 11, dadurch gekennzeichnet, daß die neu berechneten Wahrscheinlichkeiten in den aufgerufenen Kausalnetzen bewertet und eine Liste der wahrscheinlichsten Ursachen für alle Fehler bereitgestellt werden.
  13. Verfahren nach Anspruch 12, dadurch gekennzeichnet, daß eine Bedienungsperson aufgefordert wird, einen manuell überwachten Indikator zu überprüfen, der einen weiteren Einfluß auf die Diagnose der Lokomotive haben kann.
  14. Verfahren nach Anspruch 13, dadurch gekennzeichnet, daß die mehreren Kausalnetze gemäß dem Status des manuell überprüften Indikators aufgerufen werden.
  15. Verfahren nach Anspruch 14, dadurch gekennzeichnet, daß die Wahrscheinlichkeiten in den aufgerufenen Kausalnetzen gemäß dem Status des manuell überprüften Indikators neu berechnet werden.
  16. Verfahren nach Anspruch 15, dadurch gekennzeichnet, daß die neu berechneten Wahrscheinlichkeiten in den aufgerufenen Kausalnetzen bewertet und eine Liste der wahrscheinlichsten Ursachen für irgendwelche Fehler erzeugt werden.
  17. Einrichtung zum automatischen Eingrenzen von Fehlern in einem Prozeß mit mehreren Geräten, gekennzeichnet durch: mehrere über den Prozeß verteilte Sensoren (72) zum Messen physikalischer Phänomene in Verbindung mit den mehreren Geräten; eine Einrichtung (74) zum Zuordnen einiger von den Sensormeßwerten zu Indikatoren, wobei jeder Indikator ein in einem Gerät detektiertes beobachtbares Symptom darstellt; eine mit Zuordnungseinrichtung (74) verbundene Fehlereingrenzungseinrichtung (36) zum Ermitteln der Ursachen für irgendwelche Fehler in Verbindung mit den Geräten, wobei die Fehlereingrenzungseinrichtung (36) eine Diagnosewissensbasis (44) mit Diagnoseinformation über in jedem der mehreren Geräte auftretende Fehler und die Indikatoren, wobei die Diagnoseinformation mehrere Kausalnetze umfaßt, von denen jedes mehrere Knoten für jedes der mehreren Geräte enthält, jedes Kausalnetz eine Ursache/Wirkung-Beziehung zwischen einigen von den mehreren Knoten besitzt, wobei einige von den Knoten mit Fehlern in jedem von den Geräten in Verbindung stehende Kern- bzw. Wurzelursachen darstellen und einige von den Knoten beobachtbare Manifestationen der Fehler darstellen, und eine Diagnoseverarbeitungseinrichtung (46) zum Verarbeiten der zugeordneten Indikatoren mit der Diagnoseinformation in der Diagnosewissensbasis (44) aufweist, wobei die Diagnoseverarbeitungseinrichtung (46) eine Indikatorbewertungseinrichtung (48) für den Aufruf der mehreren Kausalnetze gemäß den zugeordneten Indikatoren und die Bewertung der zugeordneten Indikatoren mit den Wahrscheinlichkeiten in den aufgerufenen Kausalnetzen und ferner eine Diagnosebewertungseinrichtung (52) auf weist, die die neu berechneten Wahrscheinlichkeiten in den aufgerufenen Kausalnetzen bewertet und eine Liste der wahrscheinlichsten Ursachen für irgendwelche Fehler der Geräte erzeugt, und eine Einrichtung (52) zum Bereitstellen eines durchzuführenden Maßnahmenplans zur Korrektur der Fehler.
  18. Einrichtung nach Anspruch 17, dadurch gekennzeichnet, daß jede von den Wurzelursachen in den Kausalnetzen eine Erstwahrscheinlichkeit besitzt, welche die Wahrscheinlichkeit eines Fehlers bei Fehlen jeder weiteren zusätzlichen Kenntnis angibt.
  19. Einrichtung nach Anspruch 18, dadurch gekennzeichnet, daß jeder von den Knoten in den Kausalnetzen eine bedingte Wahrscheinlichkeitsinformation besitzt, welche die Stärke der Beziehungen des Knotens zu seinen Ursachen repräsentiert.
  20. Einrichtung nach Anspruch 19, dadurch gekennzeichnet, daß die Diagnoseverarbeitungseinrichtung (46) ferner eine Diagnosebewertungseinrichtung (52) aufweist, die die neu berechneten Wahrscheinlichkeiten in den aufgerufenen Kausalnetzen bewertet und eine Liste der wahrscheinlichsten Ursachen für irgendwelche Fehler der Geräte erzeugt.
  21. Einrichtung nach Anspruch 20, dadurch gekennzeichnet, daß die Diagnosebewertungseinrichtung (52) eine Bedienungsperson auffordert, einen manuell überwachten Indikator zu überprüfen, der einen weiteren Einfluß auf die Diagnose des Prozesses haben kann.
  22. Einrichtung nach Anspruch 21, dadurch gekennzeichnet, daß die Indikatorbewertungseinrichtung die mehreren Kausalnetze gemäß dem Status des manuell überprüften Indikators aufruft.
  23. Einrichtung nach Anspruch 22, dadurch gekennzeichnet, daß die Netzauflösungseinrichtung (50) die Wahrscheinlichkeiten in den aufgerufenen Kausalnetzen gemäß dem Status des manuell überprüften Indikators neu berechnet.
  24. Einrichtung nach Anspruch 23, dadurch gekennzeichnet, daß die Diagnosebewertungseinrichtung (52) die neu berechneten Wahrscheinlichkeiten in den aufgerufenen Kausalnetzen bewertet und eine Liste der wahrscheinlichsten Ursachen für alle Fehler der Geräte erzeugt.
  25. Verfahren zum Eingrenzen von Fehlern, die in einem Prozeß mit mehreren Geräten auftreten, gekennzeichnet durch: Erzeugen mehrerer Kausalnetze, die jeweils mehrere Knoten für jedes der mehreren Geräte enthalten, jedes Kausalnetz eine Ursache/Wirkung-Beziehung zwischen einigen von den mehreren Knoten besitzt, wobei einige von den Knoten mit Fehlern in jedem von den Geräten in Verbindung stehende Kern- bzw. Wurzelursachen darstellen und einige von den Knoten beobachtbare Manifestationen der Fehler darstellen; Umwandeln der Kausalnetze in eine Wissensbasis (44) mit Diagnoseinformation über Fehler, die in jedem der mehreren Geräte auftreten, und über beobachtbare Symptome, die in die in jedem von den mehreren Geräten detektiert werden; Verbinden einer Diagnoseverarbeitungseinrichtung (46) mit der Wissensbasis (44); Messen mit den Geräten in Verbindung stehender physikalischer Phänomene; Zuordnen einiger von den Meßwerten zu Indikatoren, wobei jeder Indikator ein in einem Gerät detektiertes beobachtbares Symptom repräsentiert; Verwenden der Diagnoseinformation und der Diagnoseverarbeitungseinrichtung (46) zum Ermitteln der Ursachen für irgendwelche Fehler in Verbindung mit den zugeordneten Indikatoren; Aufrufen der mehreren Kausalnetze gemäß den zugeordneten Indikatoren und Bewerten der zugeordneten Indikatoren mit den Wahrscheinlichkeiten in den aufgerufenen Kausalnetzen; Neu Berechnen der Wahrscheinlichkeiten der aufgerufenen Kausalnetze gemäß dem Status der zugeordneten Indikatoren und Bereitstellen eines durchzuführenden Maßnahmenplans zur Korrektur der Fehler.
  26. Verfahren nach Anspruch 25, dadurch gekennzeichnet, daß jeder von den Wurzelursachenknoten in den Kausalnetzen eine Erstwahrscheinlichkeit besitzt, welche die Wahrscheinlichkeit eines Fehlers bei Fehlen jeder weiteren zusätzlichen Kenntnis angibt.
  27. Verfahren nach Anspruch 26, dadurch gekennzeichnet, daß jeder von den Knoten in den Kausalnetzen eine bedingte Wahrscheinlichkeitsinformation besitzt, welche die Stärke der Beziehungen des Knotens zu seinen Ursachen darstellt.
  28. Verfahren nach Anspruch 27, dadurch gekennzeichnet, daß die neu berechneten Wahrscheinlichkeiten in den aufgerufenen Kausalnetzen bewertet und eine Liste der wahrscheinlichsten Ursachen für alle Gerätefehler bereitgestellt werden.
  29. Verfahren nach Anspruch 28, dadurch gekennzeichnet, daß eine Bedienungsperson aufgefordert wird, einen manuell überwachten Indikator zu überprüfen, der einen weiteren Einfluß auf die Diagnose haben kann.
  30. Verfahren nach Anspruch 29, dadurch gekennzeichnet, daß die mehreren Kausalnetze gemäß dem Status des manuell überprüften Indikators aufgerufen werden.
  31. Verfahren nach Anspruch 30, dadurch gekennzeichnet, daß die Wahrscheinlichkeiten in den aufgerufenen Kausalnetzen gemäß dem manuell überprüften Indikators neu berechnet werden.
  32. Verfahren nach Anspruch 31, dadurch gekennzeichnet, daß die neu berechneten Wahrscheinlichkeiten in den aufgerufenen Kausalnetzen bewertet und eine Liste der wahrscheinlichsten Ursachen für alle Gerätefehler bereitgestellt werden.
DE19752115A 1996-11-29 1997-11-25 Einrichtung und Verfahren zum Eingrenzen von Fehlern in einer Lokomotive Expired - Fee Related DE19752115B4 (de)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US08/753,583 US5845272A (en) 1996-11-29 1996-11-29 System and method for isolating failures in a locomotive
US08/745,232 1996-11-29

Publications (2)

Publication Number Publication Date
DE19752115A1 DE19752115A1 (de) 1998-06-04
DE19752115B4 true DE19752115B4 (de) 2007-06-14

Family

ID=25031281

Family Applications (1)

Application Number Title Priority Date Filing Date
DE19752115A Expired - Fee Related DE19752115B4 (de) 1996-11-29 1997-11-25 Einrichtung und Verfahren zum Eingrenzen von Fehlern in einer Lokomotive

Country Status (3)

Country Link
US (1) US5845272A (de)
CA (1) CA2220720C (de)
DE (1) DE19752115B4 (de)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
RU2755953C1 (ru) * 2021-03-14 2021-09-23 Максим Юрьевич Кейно Способ и устройство контроля мощности дизель-генераторной установки тепловоза

Families Citing this family (93)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6389406B1 (en) * 1997-07-30 2002-05-14 Unisys Corporation Semiotic decision making system for responding to natural language queries and components thereof
JPH11122243A (ja) * 1997-10-17 1999-04-30 Fujitsu Ltd 実影響情報決定支援装置及び方法並びに実影響情報決定支援プログラムを記録したコンピュータ読み取り可能な記録媒体
US6246950B1 (en) * 1998-09-01 2001-06-12 General Electric Company Model based assessment of locomotive engines
US6377876B1 (en) * 1998-12-17 2002-04-23 General Electric Company Locomotive diagnostic system
US6505145B1 (en) * 1999-02-22 2003-01-07 Northeast Equipment Inc. Apparatus and method for monitoring and maintaining plant equipment
US6415395B1 (en) 1999-04-02 2002-07-02 General Electric Company Method and system for processing repair data and fault log data to facilitate diagnostics
US6336065B1 (en) 1999-10-28 2002-01-01 General Electric Company Method and system for analyzing fault and snapshot operational parameter data for diagnostics of machine malfunctions
US6947797B2 (en) * 1999-04-02 2005-09-20 General Electric Company Method and system for diagnosing machine malfunctions
US6343236B1 (en) 1999-04-02 2002-01-29 General Electric Company Method and system for analyzing fault log data for diagnostics
US6622264B1 (en) 1999-10-28 2003-09-16 General Electric Company Process and system for analyzing fault log data from a machine so as to identify faults predictive of machine failures
US6636771B1 (en) 1999-04-02 2003-10-21 General Electric Company Method and system for analyzing continuous parameter data for diagnostics and repairs
US6112150A (en) * 1999-04-09 2000-08-29 Cummins Engine Co Inc Fault recognition system and method for an internal combustion engine
US6494617B1 (en) 1999-04-30 2002-12-17 General Electric Company Status detection apparatus and method for fluid-filled electrical equipment
US7225174B2 (en) * 1999-07-14 2007-05-29 Hewlett-Packard Development Company, L.P. Investment analysis tool and service for making investment decisions
US7783507B2 (en) * 1999-08-23 2010-08-24 General Electric Company System and method for managing a fleet of remote assets
AU6929900A (en) * 1999-08-23 2001-03-19 General Electric Company Apparatus and method for managing a fleet of mobile assets
US20110208567A9 (en) * 1999-08-23 2011-08-25 Roddy Nicholas E System and method for managing a fleet of remote assets
US6263265B1 (en) 1999-10-01 2001-07-17 General Electric Company Web information vault
US6301531B1 (en) 1999-08-23 2001-10-09 General Electric Company Vehicle maintenance management system and method
US6647356B2 (en) 1999-08-23 2003-11-11 General Electric Company System and method for remote inbound vehicle inspection
US6243628B1 (en) 1999-09-07 2001-06-05 General Electric Company System and method for predicting impending failures in a locomotive
AR028868A1 (es) * 1999-09-17 2003-05-28 Prolec Ge S De R L De C V Aparato y metodo de analisis inteligente para equipos electricos llenos con fluido
US6446027B1 (en) * 1999-09-17 2002-09-03 General Electric Company Intelligent analysis system and method for fluid-filled electrical equipment
US6446026B1 (en) 1999-10-28 2002-09-03 General Electric Company Method and system for identifying performance degradation of a cooling subsystem in a locomotive
US6795935B1 (en) * 1999-10-28 2004-09-21 General Electric Company Diagnosis of faults in a complex system
US6959235B1 (en) * 1999-10-28 2005-10-25 General Electric Company Diagnosis and repair system and method
US6487478B1 (en) 1999-10-28 2002-11-26 General Electric Company On-board monitor for railroad locomotive
US6615367B1 (en) 1999-10-28 2003-09-02 General Electric Company Method and apparatus for diagnosing difficult to diagnose faults in a complex system
US6349248B1 (en) 1999-10-28 2002-02-19 General Electric Company Method and system for predicting failures in a power resistive grid of a vehicle
US6543007B1 (en) 1999-10-28 2003-04-01 General Electric Company Process and system for configuring repair codes for diagnostics of machine malfunctions
US6651034B1 (en) * 1999-10-28 2003-11-18 General Electric Company Apparatus and method for performance and fault data analysis
CA2783174A1 (en) * 1999-10-28 2001-05-10 General Electric Company Method and system for remotely managing communication of data used for predicting malfunctions in a plurality of machines
US6324659B1 (en) 1999-10-28 2001-11-27 General Electric Company Method and system for identifying critical faults in machines
US6286479B1 (en) 1999-10-28 2001-09-11 General Electric Company Method and system for predictably assessing performance of a fuel pump in a locomotive
US6338152B1 (en) 1999-10-28 2002-01-08 General Electric Company Method and system for remotely managing communication of data used for predicting malfunctions in a plurality of machines
US6405108B1 (en) 1999-10-28 2002-06-11 General Electric Company Process and system for developing predictive diagnostics algorithms in a machine
US6625589B1 (en) 1999-10-28 2003-09-23 General Electric Company Method for adaptive threshold computation for time and frequency based anomalous feature identification in fault log data
SE9904008D0 (sv) 1999-11-03 1999-11-03 Abb Ab Förfarande vid maskin
US6634000B1 (en) * 2000-02-01 2003-10-14 General Electric Company Analyzing fault logs and continuous data for diagnostics for a locomotive
US6725398B1 (en) 2000-02-11 2004-04-20 General Electric Company Method, system, and program product for analyzing a fault log of a malfunctioning machine
US6757521B1 (en) 2000-06-12 2004-06-29 I/O Controls Corporation Method and system for locating and assisting portable devices performing remote diagnostic analysis of a control network
US7734287B2 (en) * 2000-04-10 2010-06-08 I/O Controls Corporation System for providing remote access to diagnostic information over a wide area network
US6847916B1 (en) * 2000-06-12 2005-01-25 I/O Controls Corporation Method and system for monitoring, controlling, and locating portable devices performing remote diagnostic analysis of control network
US6836749B1 (en) * 2000-05-05 2004-12-28 Ford Motor Company Method of tracking machine breakdown
JP2002049414A (ja) * 2000-05-26 2002-02-15 Yutaka Electronics Industry Co Ltd 産業用機械の保全方法及び保全システム
US8116759B2 (en) 2000-06-12 2012-02-14 I/O Controls Corporation System and method for facilitating diagnosis and maintenance of a mobile conveyance
US6421791B1 (en) * 2000-06-14 2002-07-16 Delphi Technologies, Inc. Computer-implemented system and method for evaluating the diagnostic state of a component
US7313534B2 (en) * 2001-01-22 2007-12-25 W.W. Grainger, Inc. System and method for predictive maintenance and service parts fulfillment in a supply chain
WO2002066933A1 (fr) * 2001-02-23 2002-08-29 Arkray, Inc. Dispositif de surveillance et dispositif de surveillance d'objet
US6681215B2 (en) * 2001-03-20 2004-01-20 General Electric Company Learning method and apparatus for a causal network
US6985803B2 (en) * 2001-05-30 2006-01-10 General Electric Company System and method for monitoring the condition of a vehicle
US6763290B2 (en) 2002-02-15 2004-07-13 General Electric Company Cab signal quality detecting and reporting system and method
AU2003242223A1 (en) * 2002-06-07 2003-12-22 Arkray, Inc. Trouble countermeasure support system and terminal device connected to the same
DE10230806B4 (de) * 2002-07-08 2006-01-26 Daimlerchrysler Ag Verfahren und Vorrichtung zur Nachbildung eines aus Komponenten zusammengesetzten Gesamtsystems durch ein Bayes-Netz
US6993675B2 (en) * 2002-07-31 2006-01-31 General Electric Company Method and system for monitoring problem resolution of a machine
US6810312B2 (en) * 2002-09-30 2004-10-26 General Electric Company Method for identifying a loss of utilization of mobile assets
US20040073843A1 (en) * 2002-10-15 2004-04-15 Dean Jason Arthur Diagnostics using information specific to a subsystem
US6886472B2 (en) * 2003-02-20 2005-05-03 General Electric Company Method and system for autonomously resolving a failure
US6965845B2 (en) * 2003-03-31 2005-11-15 Emc Corporation Method and apparatus for system management using codebook correlation with symptom exclusion
US20040243461A1 (en) * 2003-05-16 2004-12-02 Riggle Mark Spencer Integration of causal models, business process models and dimensional reports for enhancing problem solving
US7231550B1 (en) * 2003-10-31 2007-06-12 Sun Microsystems, Inc. Event protocol and resource naming scheme
US7165442B2 (en) * 2003-12-08 2007-01-23 General Electric Company Method of detecting a water leak in a locomotive
US20050171835A1 (en) * 2004-01-20 2005-08-04 Mook David A. System for monitoring economic trends in fleet management network
US7286960B2 (en) * 2004-09-30 2007-10-23 General Electric Company Systems and methods for monitoring fouling and slagging in heat transfer devices in coal fired power plants
US20060195327A1 (en) * 2005-02-14 2006-08-31 Kumar Ajith K Method and system for reporting and processing information relating to railroad assets
KR100728220B1 (ko) * 2005-09-29 2007-06-13 한국전자통신연구원 위성 관제 시스템의 고장 진단 처리 장치 및 그 방법
DE102006023646A1 (de) * 2006-05-18 2007-11-22 Db Netz Ag Diagnosesystem für Nebenfahrzeuge, insbesondere Gleisbaumaschinen
DE102006034200A1 (de) * 2006-07-24 2008-01-31 Siemens Ag Verfahren zum Darstellen von Diagnosedaten
DE102007028826A1 (de) 2007-06-20 2008-12-24 Db Regio Ag Verfahren zur Ermittlung der qualitativen Güte von in Einrichtungen zur Fehlerdiagnose technischer Geräte oder Anlagen erzeugten Fehlermeldungen
US8135988B2 (en) 2007-10-19 2012-03-13 Oracle International Corporation Non-intrusive gathering of diagnostic data using asynchronous mechanisms
US7814369B2 (en) * 2008-06-12 2010-10-12 Honeywell International Inc. System and method for detecting combinations of perfomance indicators associated with a root cause
US8237583B2 (en) * 2008-11-05 2012-08-07 General Electric Company Method and system for vital display systems
US8417656B2 (en) 2009-06-16 2013-04-09 Oracle International Corporation Techniques for building an aggregate model for performing diagnostics
US8140898B2 (en) 2009-06-16 2012-03-20 Oracle International Corporation Techniques for gathering evidence for performing diagnostics
US8171343B2 (en) 2009-06-16 2012-05-01 Oracle International Corporation Techniques for determining models for performing diagnostics
US8612377B2 (en) 2009-12-17 2013-12-17 Oracle International Corporation Techniques for generating diagnostic results
CN102114780B (zh) * 2011-01-24 2012-12-12 南车株洲电力机车有限公司 固定重联机车单节故障切除控制装置及其控制方法
US9026282B2 (en) 2012-11-30 2015-05-05 Electro-Motive Diesel, Inc. Two-tiered hierarchically distributed locomotive control system
US8935020B2 (en) 2012-11-30 2015-01-13 Electro-Motive Diesel, Inc. Back-up and redundancy of modules in locomotive distributed control systems
US8954210B2 (en) 2012-11-30 2015-02-10 Electro-Motive Diesel, Inc. Distributed control system for a locomotive
US8868267B2 (en) 2012-11-30 2014-10-21 Electro-Motive Diesel, Inc. Remote update in locomotive distributed control systems
US9684903B2 (en) 2013-09-05 2017-06-20 General Electric Company Expert collaboration system and method
US9239991B2 (en) * 2013-09-05 2016-01-19 General Electric Company Services support system and method
US20150142677A1 (en) * 2013-11-21 2015-05-21 Cellco Partnership D/B/A Verizon Wireless Method and apparatus for determining a metric for a predicted operational status of a product
US9263358B2 (en) 2014-07-15 2016-02-16 Progress Rail Services Corporation Crashworthy memory module having a crack repair system
US9991696B2 (en) 2014-07-15 2018-06-05 Progress Rail Services Corporation Crashworthy memory module having a thermal wiring disconnect system
US9484164B2 (en) 2014-07-15 2016-11-01 Progress Rail Services Corporation Crashworthy memory module having a thermal cutoff
DE102015107552A1 (de) * 2015-05-13 2016-11-17 Knorr-Bremse Systeme für Schienenfahrzeuge GmbH Zentrale Überwachung einer Luftversorgungsanlage für Schienenfahrzeuge
CN105841980B (zh) * 2016-03-21 2019-05-17 山东云舜智能科技有限公司 Hxd型机车冷却通道工况监测以及故障预诊断方法及系统
US9881430B1 (en) 2017-02-22 2018-01-30 General Electric Company Digital twin system for a cooling system
US10761921B2 (en) * 2017-11-30 2020-09-01 Optumsoft, Inc. Automatic root cause analysis using ternary fault scenario representation
CN111251894B (zh) * 2018-12-03 2022-05-24 宇通客车股份有限公司 一种车辆及其电器件能耗监测方法和装置
US11512451B2 (en) * 2020-06-03 2022-11-29 Deere & Company Work vehicle, object indication system, and method of indicating location of an object

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE4108310A1 (de) * 1990-03-14 1991-09-26 Hitachi Ltd Wissensbank-verarbeitungssystem und expertensystem
US5099436A (en) * 1988-11-03 1992-03-24 Allied-Signal Inc. Methods and apparatus for performing system fault diagnosis
US5445347A (en) * 1993-05-13 1995-08-29 Hughes Aircraft Company Automated wireless preventive maintenance monitoring system for magnetic levitation (MAGLEV) trains and other vehicles
US5448722A (en) * 1993-03-10 1995-09-05 International Business Machines Corporation Method and system for data processing system error diagnosis utilizing hierarchical blackboard diagnostic sessions

Family Cites Families (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4517468A (en) * 1984-04-30 1985-05-14 Westinghouse Electric Corp. Diagnostic system and method
US4644479A (en) * 1984-07-31 1987-02-17 Westinghouse Electric Corp. Diagnostic apparatus
US5132920A (en) * 1988-02-16 1992-07-21 Westinghouse Electric Corp. Automated system to prioritize repair of plant equipment
US4964125A (en) * 1988-08-19 1990-10-16 Hughes Aircraft Company Method and apparatus for diagnosing faults
US5018075A (en) * 1989-03-24 1991-05-21 Bull Hn Information Systems Inc. Unknown response processing in a diagnostic expert system
US5123017A (en) * 1989-09-29 1992-06-16 The United States Of America As Represented By The Administrator Of The National Aeronautics And Space Administration Remote maintenance monitoring system
US5133046A (en) * 1991-01-03 1992-07-21 Pickard, Lowe And Carrick (Plc) Computer-based diagnostic expert system organized according to Bayesian theory
US5400018A (en) * 1992-12-22 1995-03-21 Caterpillar Inc. Method of relaying information relating to the status of a vehicle
US5431832A (en) * 1993-07-23 1995-07-11 Crowe; Angela M. Non-hydrogen evolving siloxane-based lubricant composition

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5099436A (en) * 1988-11-03 1992-03-24 Allied-Signal Inc. Methods and apparatus for performing system fault diagnosis
DE4108310A1 (de) * 1990-03-14 1991-09-26 Hitachi Ltd Wissensbank-verarbeitungssystem und expertensystem
US5493729A (en) * 1990-03-14 1996-02-20 Hitachi, Ltd. Knowledge data base processing system and expert system
US5448722A (en) * 1993-03-10 1995-09-05 International Business Machines Corporation Method and system for data processing system error diagnosis utilizing hierarchical blackboard diagnostic sessions
US5445347A (en) * 1993-05-13 1995-08-29 Hughes Aircraft Company Automated wireless preventive maintenance monitoring system for magnetic levitation (MAGLEV) trains and other vehicles

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
RU2755953C1 (ru) * 2021-03-14 2021-09-23 Максим Юрьевич Кейно Способ и устройство контроля мощности дизель-генераторной установки тепловоза

Also Published As

Publication number Publication date
DE19752115A1 (de) 1998-06-04
US5845272A (en) 1998-12-01
CA2220720C (en) 2005-10-04
CA2220720A1 (en) 1998-05-29
MX9709273A (es) 1998-06-30

Similar Documents

Publication Publication Date Title
DE19752115B4 (de) Einrichtung und Verfahren zum Eingrenzen von Fehlern in einer Lokomotive
EP0391047B1 (de) Verfahren für die Bremsenprüfung und -überwachung bei Schienenfahrzeugen und Vorrichtung für die Ausübung des Verfahrens
DE60013882T2 (de) Fernüberprüfung von Software-Konfigurationsinformation
DE102011117803A1 (de) Verfahren für die Wartungsdiagnose- und Wartungsprozedurverbesserung
DE102011010605A1 (de) Funktionsprognose für ein komplexes System unter Verwendung der Fehlermodellierung
DE102010010043A1 (de) Fusion angesammelter Informationen für verbesserte Diagnose-, Prognose- und Wartungspraktiken von Fahrzeugen
DE112009000439T5 (de) Fahrzeuginformationsaufzeichnungsvorrichtung, Fahrzeuginformationskommunikationssystem und Fahrzeuginformationskommunikationsverfahren
EP3254928A1 (de) System und verfahren zur anlagenverwaltung von eisenbahnzügen
CN106428115A (zh) 轨道车辆系统故障的检测方法和装置
DE60011142T2 (de) Vorrichtung und verfahren für leistungs- und fehlerdatenanalyse
DE102015225144A1 (de) System und Verfahren zur Diagnose von zumindest einer wartungsbedürftigen Komponente eines Geräts und/oder Anlage
DE102020212277A1 (de) Verfahren und Vorrichtung zum Bestimmen einer Restnutzungsdauer basierend auf einer prädiktiven Diagnose von Komponenten eines elektrischen Antriebssystems mithilfe Verfahren künstlicher Intelligenz
DE102019219436A1 (de) Verfahren zur Erkennung eines belastungsbedingten Zustands zumindest einer Komponente, insbesondere eines Energiespeichers, in einem Kraftfahrzeug
AU2003252780A1 (en) Diagnostics using information specific to a subsystem
DE60015592T2 (de) Verfahren und vorrichtung zum schätzen der leistung der kraftstoffpumpe
DE2108609A1 (de) Verfahren und Einrichtung zum Über wachen heißer Lagerschalen
RU2569216C2 (ru) Способ управления обслуживанием и ремонтом тягового подвижного состава железнодорожного транспорта и система для его осуществления
DE102008037532A1 (de) Automatische Detektion und Meldung von Verschleiss innerer Turbinenkomponenten
JPS62212705A (ja) ロボツトの保守保全装置
DE102018208523A1 (de) Sensor-Analyse-Verfahren, Computer-Programm-Produkt zur Sensor-Analyse, Fahrgastzählsystem und Fahrzeug zur Fahrgastbeförderung, insbesondere im Schienen- und Straßenverkehr
WO2022167044A1 (de) System zum erfassen eines zustands einer fahrzeugkomponente
DE19841260A1 (de) Verfahren zum Erkennen von Fehlerzuständen und fahrzeugeigenes Diagnosesystem
DE102018217728B4 (de) Verfahren und Vorrichtung zum Schätzen von mindestens einer Leistungskennzahl eines Systems
DE102015214987B4 (de) Bestimmung eines defekten Bauteils eines Fahrzeugs
EP1050503A1 (de) Hilfesystem für Aufzüge

Legal Events

Date Code Title Description
8110 Request for examination paragraph 44
8125 Change of the main classification

Ipc: G01M 1708

8364 No opposition during term of opposition
8339 Ceased/non-payment of the annual fee