Nothing Special   »   [go: up one dir, main page]

KR102255599B1 - 차량 고장 진단 서비스 제공 시스템 및 방법 - Google Patents

차량 고장 진단 서비스 제공 시스템 및 방법 Download PDF

Info

Publication number
KR102255599B1
KR102255599B1 KR1020190067988A KR20190067988A KR102255599B1 KR 102255599 B1 KR102255599 B1 KR 102255599B1 KR 1020190067988 A KR1020190067988 A KR 1020190067988A KR 20190067988 A KR20190067988 A KR 20190067988A KR 102255599 B1 KR102255599 B1 KR 102255599B1
Authority
KR
South Korea
Prior art keywords
vehicle
information
diagnosed
failure
diagnosis
Prior art date
Application number
KR1020190067988A
Other languages
English (en)
Other versions
KR20200141239A (ko
Inventor
이순영
Original Assignee
주식회사 디젠
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 주식회사 디젠 filed Critical 주식회사 디젠
Priority to KR1020190067988A priority Critical patent/KR102255599B1/ko
Publication of KR20200141239A publication Critical patent/KR20200141239A/ko
Application granted granted Critical
Publication of KR102255599B1 publication Critical patent/KR102255599B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/40—Business processes related to the transportation industry
    • G06Q50/30—
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
    • B60W50/02—Ensuring safety in case of control system failures, e.g. by diagnosing, circumventing or fixing failures
    • B60W50/0205—Diagnosing or detecting failures; Failure detection models
    • G—PHYSICS
    • G07—CHECKING-DEVICES
    • G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
    • G07C5/00—Registering or indicating the working of vehicles
    • G07C5/02—Registering or indicating driving, working, idle, or waiting time only
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60Y—INDEXING SCHEME RELATING TO ASPECTS CROSS-CUTTING VEHICLE TECHNOLOGY
    • B60Y2306/00—Other features of vehicle sub-units
    • B60Y2306/15—Failure diagnostics

Landscapes

  • Engineering & Computer Science (AREA)
  • Automation & Control Theory (AREA)
  • General Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • Tourism & Hospitality (AREA)
  • Human Computer Interaction (AREA)
  • Transportation (AREA)
  • Mechanical Engineering (AREA)
  • Health & Medical Sciences (AREA)
  • Operations Research (AREA)
  • Economics (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • Strategic Management (AREA)
  • General Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Vehicle Cleaning, Maintenance, Repair, Refitting, And Outriggers (AREA)
  • Small-Scale Networks (AREA)

Abstract

차량 고장 진단 서비스 제공 시스템 및 진단 방법이 개시된다. 본 발명에 따른 차량 고장 진단 서비스 제공 시스템은, 진단 대상 차량에 탑재되는 복수의 ECU(Electronic Control Unit); ECU를 통해 진단 대상 차량의 각 파트에 대한 상태 정보를 수집하는 차량 게이트웨이 장치; 및 차량 게이트웨이 장치로부터 상태 정보를 주기적으로 수신하고, 수신된 상태 정보를 분석하여 진단 대상 차량의 고장 여부를 판정하고, 판정 결과에 기초하여 진단 대상 차량을 위한 경고 정보를 생성하여 제공하되, 현재 정상 주행중이며 진단 대상 차량과 동종인 차량들로부터 수집된 상태 정보를 기준으로 각 파트에 대해 정상으로 판단 가능한 표준편차 범위를 결정하고, 진단 대상 차량의 상태 정보와 비교하여 표준편차 범위를 벗어나는 파트가 있는 경우는 진단 대상 차량을 위한 경고 정보를 생성하는 차량 진단 서버;를 포함할 수 있다.

Description

차량 고장 진단 서비스 제공 시스템 및 방법 {System and method for providing vehicle diagnosis service}
본 발명은 차량의 게이트웨이 장치와 원격의 차량 진단 서버를 이용해 차량의 고장을 진단하는 시스템 및 그 진단 방법에 대한 것이다.
일반적으로 차량 진단 방법은 외부로부터의 요청이 있으면 차량에 설치된 게이트웨이 장치가 각 전장 파트의 고장 진단 결과를 스캔하여 리턴하는 기술을 채용하고 있다. 게이트웨이는 다수의 전자 제어기(Electronic Control Unit, 이하 ECU라 함)와 CAN(Controller Area Network) 통신으로 연결되며, ECU가 생성하는 고장 코드를 스캔하여 고장이 나면 이를 알리는 것이다.
그러나, 이러한 고장 코드는 차량에 문제가 발생한 이후에 발생되는 코드이기 때문에, 단순히 고장 코드를 이용해서 차량을 진단하는 방법은, 차량에 문제가 발생하기 전에 미리 차량에 문제가 발생할 것을 예측하고 적절한 대처를 수행하기에는 한계가 있다.
본 발명은 상기와 같은 종래 기술의 문제점을 해소하기 위한 것으로, 차량의 게이트웨이 장치가 차량에 탑재되어 있는 다양한 부품들로부터 각 부품들의 상태 정보를 지시하는 센싱 값을 수집하고, 이를 원격의 진단 서버로 보내어 빅데이터를 기반으로 차량의 고장을 예측하고 진단할 수 있도록 하는 차량 고장 진단 서비스 제공 시스템 및 방법을 제공하기 위한 것이다.
상기와 같은 목적을 달성하기 위하여, 본 발명의 일 실시예에 따른 차량 고장 진단 서비스 제공 시스템은, 진단 대상 차량에 탑재되는 복수의 ECU(Electronic Control Unit); 상기 ECU를 통해 상기 진단 대상 차량의 각 파트에 대한 상태 정보를 수집하는 차량 게이트웨이 장치; 및 상기 차량 게이트웨이 장치로부터 상기 수집된 상태 정보를 주기적으로 수신하고, 수신된 상태 정보를 분석하여 상기 진단 대상 차량의 고장 여부를 판정하고, 판정 결과에 기초하여 상기 진단 대상 차량을 위한 경고 정보를 생성하여 제공하는 차량 진단 서버;를 포함하고,
상기 차량 진단 서버는, 현재 정상 주행중이며 상기 진단 대상 차량과 동종인 차량들로부터 수집된 상태 정보를 기준으로 각 파트에 대해 정상으로 판단 가능한 표준편차 범위를 결정하고, 상기 진단 대상 차량의 상태 정보와 비교하여 상기 결정된 표준편차 범위를 벗어나는 파트가 있는 경우는 상기 진단 대상 차량을 위한 경고 정보를 생성할 수 있다.
상기 차량 진단 서버는, 복수의 차량들로부터 수집된 각 부품들의 상태 정보와 그에 따라 생성된 진단 정보, 및 각종 차량 정보를 포함하는 빅 데이터를 기반으로 학습된 인공지능 모듈을 구비하고, 상기 인공지능 모듈을 이용해 상기 진단 대상 차량을 위한 고장 예측 정보를 생성할 수 있다.
본 발명의 일 실시예에 따른 차량 고장 진단 서비스 제공 방법은, 진단 대상 차량의 게이트웨이 장치로부터 각 차량 파트에 대한 상태 정보를 수신하는 단계; 및 상기 수신된 상태 정보를 분석하여 상기 진단 대상 차량의 고장 여부를 판정하고, 판정 결과에 기초하여 상기 진단 대상 차량을 위한 경고 정보를 생성하는 단계;를 포함하고,
상기 경고 정보를 생성하는 단계는, 현재 정상 주행중이며 상기 진단 대상 차량과 동종인 차량들로부터 수집된 상태 정보를 기준으로 각 파트에 대해 정상으로 판단 가능한 표준편차 범위를 결정하는 단계; 및 상기 진단 대상 차량의 상태 정보와 비교하여 상기 결정된 표준편차 범위를 벗어나는 파트가 있는 경우는 상기 진단 대상 차량을 위한 경고 정보를 생성하는 단계;를 포함할 수 있다.
본 발명에 의하면, 차량의 게이트웨이 장치가 차량에 탑재되어 있는 다양한 부품들로부터 각 부품들의 상태 정보를 지시하는 센싱 값을 수집하고, 이를 원격의 진단 서버로 보내어 빅데이터를 기반으로 차량의 고장을 예측하고 진단하도록 할 수 있다.
또한, 본 발명에 의하면, 차량에 탑재된 게이트웨이 장치가 고장 여부를 판단하는 대신 서버 단에서 고장 여부를 판정하고 예측하며, 차량의 파트별로 고장 판정 기준이나 사용 가능 범위 등이 설정되지 않은 파트에 대해서도 정상적으로 운행하고 있는 차량들로부터 수집한 정보를 이용해 진단 대상 차량의 정상 여부를 판단할 수 있다.
또한, 본 발명에 의하면, 차량의 각 부품들로부터 수집한 센싱 값을 기초로 차량에 고장이 발생하기 전에 미리 차량의 고장 발생 가능성을 예측함으로써, 차량 소유주가 저비용으로 차량에 발생할 수 있는 문제를 사전 차단하도록 지원할 수 있다.
도 1은 본 발명의 일 실시예에 따른 차량 고장 진단 서비스 제공 시스템의 네트워크 구성을 설명하기 위한 도면이다.
도 2는 본 발명의 일 실시예에 따른 차량 진단 서버의 구성을 설명하기 위한 기능 블록도이다.
도 3은 본 발명의 일 실시예에 따른 차량 고장 진단 서비스 제공 방법을 설명하기 위한 순서도이다.
도 4는 본 발명의 일 실시예에 따른 차량 고장 예측 방법을 설명하기 위한 순서도이다.
본 명세서에서 사용되는 용어에 대해 간략히 설명하고, 본 발명에 대해 구체적으로 설명하기로 한다.
본 발명에서 사용되는 용어는 본 발명에서의 기능을 고려하면서 가능한 현재 널리 사용되는 일반적인 용어들을 선택하였으나, 이는 당 분야에 종사하는 기술자의 의도 또는 판례, 새로운 기술의 출현 등에 따라 달라질 수 있다. 또한, 특정한 경우는 출원인이 임의로 선정한 용어도 있으며, 이 경우 해당되는 발명의 설명 부분에서 상세히 그 의미를 기재할 것이다. 따라서 본 발명에서 사용되는 용어는 단순한 용어의 명칭이 아닌, 그 용어가 가지는 의미와 본 발명의 전반에 걸친 내용을 토대로 정의되어야 한다.
명세서 전체에서 어떤 부분이 어떤 구성요소를 "포함"한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있음을 의미한다. 또한, 명세서에 기재된 "...수단", "...부", "모듈" 등의 용어는 적어도 하나의 기능이나 동작을 처리하는 단위를 의미하며, 이는 하드웨어 또는 소프트웨어로 구현되거나 하드웨어와 소프트웨어의 결합으로 구현될 수 있다.
아래에서는 첨부한 도면을 참고하여 본 발명의 실시예에 대하여 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 상세히 설명한다. 그러나 본 발명은 여러 가지 상이한 형태로 구현될 수 있으며 여기에서 설명하는 실시예에 한정되지 않는다. 그리고 도면에서 본 발명을 명확하게 설명하기 위해서 설명과 관계없는 부분은 생략하였으며, 명세서 전체를 통하여 유사한 부분에 대해서는 유사한 도면 부호를 붙였다.
본 발명에서 차량은 모든 종류의 이동수단을 포함할 수 있다. 예를 들어, 자동차, 오토바이, 비행기, 드론, 배 등 사용자가 직접 운행하는 것이 가능하거나 원격 제어에 의해 제어가 가능한 모든 종류의 장치를 포함하는 개념으로 이해되어야 한다. 또한, 동력원으로서 엔진을 구비하는 내연기관 차량, 동력원으로서 엔진과 전기 모터를 구비하는 하이브리드 차량, 동력원으로서 전기 모터를 구비하는 전기 차량 등을 모두 포함하는 개념일 수 있다. 이하에서는, 차량에 대해 자동차를 위주로 기술한다.
이하에서는, 첨부된 도면을 참조하여 본 발명의 다양한 실시예에 따른 차량 고장 진단 시스템 및 방법에 구체적으로 설명하기로 한다.
도 1은 본 발명의 일 실시예에 따른 차량 고장 진단 서비스 제공 시스템의 네트워크 구성을 설명하기 위한 도면이다.
도 1을 참조하면, 차량 고장 진단 서비스 제공 시스템은 진단 대상 차량(11)에 탑재되는 복수의 ECU(Electronic Control Unit, 12), 진단 대상 차량(11)에 탑재되며 ECU(12)를 통해 진단 대상 차량(11)의 각 파트에 대한 상태 정보를 수집하는 차량 게이트웨이 장치(10), 및 차량 게이트웨이 장치(10)로부터 수집된 상태 정보를 주기적으로 수신하고, 수신된 상태 정보를 분석하여 진단 대상 차량(11)의 고장 여부나 고장이 예상되는지 여부를 판정하고, 판정 결과에 기초하여 진단 대상 차량(11)을 위한 진단 정보를 생성하여 제공하는 차량 진단 서버(20)를 포함하여 구성될 수 있다.
ECU(12)는 차량 내 EMS(Engine Management System), TCU(Telecommunication Control Unit), HCU(Hybrid Control Unit), BMS(Battery Management System), ECS(Electronic Power Steering), MDPS(Motor Driving Power Steering), LKAS(Lane Keeping Assist System), SCC(Smart cruise control) 등에 설치되어 그 기능을 제어하는 장치로 게이트웨이(10)에 CAN 통신을 통해 연결된다.
각 ECU(12)는 차량의 시동으로 전원이 인가되면 통신을 개시하고, 브로드캐스팅(Broadcasting) 방식인 CAN 통신을 통해 메인 버스에 메시지를 송신한다. 또한, 각 ECU(12)는 협조 제어를 위해 필요한 각종 데이터를 주고 받고, 시스템의 결함 및 통신상의 문제로 인해 발생하는 각종 고장 코드를 저장한다. 그리고, 각 ECU(12)는 차량 진단이나 운행시 소정의 자가 진단 수행하여 고장이 발생되는 경우 해당 고장 코드를 생성하여 게이트웨이 장치(10)로 전달하는 한편, 차량 클러스터의 각종 램프를 점등함으로써 운전자에게 이상 상태를 알릴 수 있다.
차량 게이트웨이 장치(10)는 차량 내의 각 구성요소와 외부 장치 간의 게이트웨이 역할을 하는 장치로서, 차량 진단 서버(20)와 같은 외부 장치의 서비스 요청에 응답하여, ECU들과 센서들로부터 수신한 차량 상태 정보와 차량의 고유 정보 등을 무선 전송한다. 게이트웨이 장치(10)는 주기적으로 각 ECU(12)로부터 상태 정보를 수집할 수 있으며, 그 결과 차량의 각 부품의 센싱 값을 획득할 수 있다.
차량 진단 서버(20)는, 진단 대상 차량(11)의 게이트웨이 장치(10)로부터 수집된 정보를 분석하여 차량의 각 전장 파트가 정상적으로 작동하고 있는지, 고장인지, 아니면 고장이 예상되는 등을 나타내는 진단 정보를 생성하고, 생성된 진단 정보를 해당 차량(11)의 게이트웨이 장치(10)로 피드백할 수 있다.
게이트웨이 장치(10)는 차량 진단 서버(20)로부터 수신되는 진단 정보를 차량의 클러스터 화면 등 출력부를 통해 디스플레이한다.
일 실시예에서 차량 진단 서버(20)는 차종별로 각 파트가 정상적으로 기능하는 범위를 미리 설정하고, 진단 대상 차량(11)의 게이트웨이 장치(10)로부터 수신된 상태 정보를 분석하여 상기와 같이 미리 설정된 정상 범위를 벗어난 파트가 있으면, 해당 파트가 고장이거나 교체 주기가 도래했다고 판정하고, 판정 결과를 포함하는 경고 정보를 생성할 수 있다. 각 파트에 대한 정상 범위는 경험이나 통계적인 방법에 의해, 또는 전문가들에 의해 미리 정해진 값으로 설정될 수 있다.
일 실시예에서 차량 진단 서버(20)는 고장 여부의 판정 기준이나 정상 사용 가능 범위가 사전에 설정되지 않은 차량 파트에 대한 진단 정보를 생성하기 위해 동종 차종의 차량들로부터 수집한 데이터를 포함하는 빅 데이터를 이용한다.
구체적으로는, 현재 정상 주행중이며 진단 대상 차량(11)과 동종인 차량들로부터 수집된 상태 정보를 기준으로 각 파트에 대해 정상으로 판단 가능한 표준편차 범위를 결정하고, 진단 대상 차량의 상태 정보와 비교하여 상기에서 결정된 표준편차 범위를 벗어나는 파트가 있는 경우는 해당 파트가 고장이거나 교체 주기가 도래했음을 나타내는 경고 정보를 생성할 수 있다. 기준으로 사용되는 표준편차 범위는 각 파트별로 다르게 설정될 수 있다.
현재 정상 주행중인 차량은, 해당 차량의 게이트웨이 장치를 통해 수집된 상태 정보를 분석한 결과, 경고 정보가 생성되지 않았으며 소정의 기간 내(예를 들어, 최근 24시간 이내)에 주행한 적인 있는 차량 등 고장 가능성이 없다고 판단되는 차량을 말한다.
이와 같이 현재 정상 주행중인 동종 차량들로부터 수집한 각 파트의 상태 정보에서 추출한 값들의 분포를 분석하여 정상으로 판정할 표준편차 범위 기준을 설정할 수 있다. 예를 들어, 현재 정상 주행중인 동종 차량들의 공기압 수치 평균이 48psi이고 1표준편차 범위 이내의 공기압 수치를 정상으로 판정하도록 기준을 설정한 경우, 진단 대상 차량(11)의 공기압이 32psi로 1표준편차 범위에 못미친다면 공기압이 부족하다는 판정을 내리고 이를 나타내는 경고 정보를 생성할 것이다.
일 실시예에서 차량 진단 서버(20)는 차량들로부터 수집된 상태 정보와 그에 기반한 진단 결과 등을 포함한 빅 데이터를 기반으로 학습된 인공지능 모듈을 구비하고, 이 인공지능 모듈을 이용해 진단 대상 차량(11)을 위한 고장 예측 정보를 생성할 수 있다.
차량 진단 서버(20)가 차량들의 게이트웨이 장치 및/또는 기타 다른 경로를 통해 수집한 빅 데이터를 이용하여 고장이나 교체 시점을 예측하는 방법으로, 수집된 정보를 기반으로 딥러닝을 통해 학습된 결과에 따라 종합적으로 분석해 볼 때 어느 파트가 언제쯤 고장날 것인지 예측하여 고장 예측 정보를 생성하고, 소정 시일 내 고장나거나 교체해야 되는 것으로 예측되면 이에 해당하는 진단 정보를 생성하는 것이다.
예를 들어, 인공지능 모듈이 진단 대상 차량(11)에 대해 향후 주행거리가 1000km가 되기 전에 A 부품이 고장날 가능성이 85%라고 예측하는 결과를 내놓았다면, 해당 정보를 포함하는 고장 예측 정보를 생성하여 해당 차량의 게이트웨이 장치(10)로 전송할 수 있다.
이와 같이 본 발명에 따르면, 각 차량에 탑재된 게이트웨이 장치(10)가 고장 여부를 판단하는 대신 서버(20) 단에서 고장 여부를 판정하고 예측하며, 차량의 파트별로 고장 판정 기준이나 사용 가능 범위 등이 설정되지 않은 파트에 대해서도 정상적으로 운행하고 있는 차량들로부터 수집한 정보를 이용해 진단 대상 차량의 정상 여부를 판단할 수 있게 된다.
도 2는 본 발명의 일 실시예에 따른 차량 진단 서버의 구성을 설명하기 위한 기능 블록도이다.
도 2를 참조하면, 차량 진단 서버(20)는 차량의 고장 진단 서비스를 제공하기 위해 소프트웨어 및/또는 하드웨어 구성요소를 구비한 컴퓨팅 시스템으로, 차량들의 게이트웨이 장치(10)와 통신하기 위한 무선 통신 모듈를 포함하는 통신부(25), 통신부(25)를 통해 차량의 상태 정보를 수신하고 저장하는 차량 상태 정보 수집부(21), 수집된 차량 상태 정보, 차량 고장 정보, 주행 정보, 차량에 대한 일반 정보 등 고장 진단에 필요한 데이터를 저장하기 위한 데이터베이스(24), 빅 데이터를 기반으로 학습된 인공지능 모듈(23), 진단 대상 차량(11)으로부터 수신되는 정보를 이용하여 고장 여부를 진단하고 고장이나 교체 예정으로 판단되거나 고장이 예측되는 경우 해당 정보를 포함하는 진단 정보를 생성하는 차량 진단부(22)를 포함할 수 있다.
도 3은 본 발명의 일 실시예에 따른 차량 고장 진단 방법을 설명하기 위한 순서도이다.
단계 S31에서, 차량 진단 서버(20)는 진단 대상 차량(11)의 게이트웨이 장치(10)로부터 각 차량 파트에 대한 상태 정보를 수신한다. 상태 정보의 수신은 주기적으로 수행될 수 있으며, 각 부품의 센싱 값뿐만 아니라 해당 차량의 식별 정보, 차종, 주행 거리 등 차량에 대한 메타데이터도 포함할 수 있다.
단계 S32 내지 S36은, 수신된 상태 정보를 분석하여 진단 대상 차량(11)의 고장 여부를 판정하고, 판정 결과에 기초하여 진단 대상 차량을 위한 경고 정보를 생성하는 과정이다.
단계 S32에서는, 현재 정상 주행중이며 진단 대상 차량(11)과 동종인 차량들로부터 수집된 상태 정보를 기준으로 각 파트에 대해 정상으로 판단 가능한 표준편차 범위를 결정한다.
단계 S33에서는, 진단 대상 차량(11)의 상태 정보에 포함된 값이 상기에서 결정된 표준편차 범위를 벗어나는 파트가 있는지 여부를 판단한다.
단계 S34에서, 표준편차 범위 내인 파트의 경우는 정상으로 판단하며, 표분편차 범위를 벗어나는 경우는 단계 S35로 이행한다.
단계 S35에서 해당 파트에 대한 경고 정보를 생성한다.
단계 S35에서, 생성된 경고 정보는 해당 차량의 게이트웨이 장치(10)로 전송되며, 게이트웨이 장치(10)로부터 수집되는 각 부품에 대한 상태 정보, 차량에 대한 메타데이터와 함께 서버(20)의 데이터베이스(24)에 저장될 수 있다.
도 4는 본 발명의 일 실시예에 따른 차량 고장 예측 방법을 설명하기 위한 순서도이다.
이 실시예에서 차량 진단 서버(20)는 학습된 인공지능(23)을 이용하여 차량의 고장을 예측한다.
단계 S41에서는, 차량들로부터 수집된 각 부품들의 상태 정보와 그에 따라 생성된 진단 정보, 각종 차량 정보 등의 빅 데이터를 기반으로 인공지능 모듈(23)을 학습시킨다.
단계 S42에서는, 학습된 인공지능 모듈(23)을 이용해 진단 대상 차량(11)을 위한 고장을 예측한다. 인공지능 모듈(23)은 진단 대상 차량(11)에 대한 정보를 입력으로 하여 해당 차량(11)을 분석하고 각 파트별 고장 예측 결과를 출력할 것이다.
단계 S43에서 고장이 예측되는 파트가 있으면 단계 S44로 이행하여 고장 예측 정보를 생성한다.
단계 S45에서는 생성된 고장 예측 정보를 해당 차량의 게이트웨이 장치(10)로 전송한다.
본 발명의 일 실시예에 따른 방법은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 상기 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 매체에 기록되는 프로그램 명령은 본 발명을 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다. 컴퓨터 판독 가능 기록 매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(magnetic media), CD-ROM, DVD와 같은 광기록 매체(optical media), 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media), 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다.
이상에서 본 발명의 실시예에 대하여 상세하게 설명하였지만 본 발명의 권리범위는 이에 한정되는 것은 아니고 다음의 청구범위에서 정의하고 있는 본 발명의 기본 개념을 이용한 당업자의 여러 변형 및 개량 형태 또한 본 발명의 권리범위에 속한다.
10: 차량 게이트웨이 장치
11: 차량
12: ECU(Electronic Control Unit)
20: 차량 진단 서버

Claims (4)

  1. 진단 대상 차량에 탑재되는 복수의 ECU(Electronic Control Unit);
    상기 ECU를 통해 상기 진단 대상 차량의 각 파트에 대한 상태 정보를 수집하는 차량 게이트웨이 장치; 및
    상기 차량 게이트웨이 장치로부터 상기 수집된 상태 정보를 주기적으로 수신하고, 수신된 상태 정보를 분석하여 상기 진단 대상 차량의 고장 여부를 판정하고, 판정 결과에 기초하여 상기 진단 대상 차량을 위한 경고 정보를 생성하여 제공하는 차량 진단 서버;를 포함하고,

    상기 차량 진단 서버는, 고장 여부의 판정 기준이나 정상 사용 가능 범위가 사전에 설정되지 않은 차량 파트에 대한 진단 정보를 생성하기 위해 현재 정상 주행중인 동종의 차량들로부터 상태 정보를 수집하며,
    상기 차량 진단 서버는, 상기 현재 정상 주행중이며 상기 진단 대상 차량과 동종의 차량들로부터 수집된 상태 정보를 기준으로 상기 사전에 설정되지 않은 차량 파트에 대해 정상으로 판단 가능한 표준편차 범위를 결정하고, 상기 진단 대상 차량의 상태 정보와 비교하여 상기 결정된 표준편차 범위를 벗어나는 파트가 있는 경우는 상기 진단 대상 차량을 위한 경고 정보를 생성하며,
    상기 현재 정상 주행중인 동종의 차량들은, 경고 정보가 생성되지 않았으며, 소정의 기간 내에 주행하였으며, 고장 가능성이 없다고 판단된 전제 조건을 만족하며,

    상기 차량 진단 서버는, 상기 전제 조건을 만족하는 복수의 차량들로부터 수집된 각 부품들의 상태 정보와 그에 따라 생성된 진단 정보를 포함하는 빅 데이터를 기반으로 학습하는 인공지능 모듈을 구비하고,
    상기 인공지능 모듈을 통해 상기 빅 데이터에 대한 딥러닝 학습을 수행하여 상기 표준편차 범위를 결정하며,
    상기 학습된 표준편차 범위에 근거하여 상기 진단 대상 차량에 대한 고장 예측 정보를 생성하며,

    상기 차량 게이트웨이 장치는 상기 차량 진단 서버로부터 수신되는 고장 예측 정보를 차량의 클러스터 화면에 디스플레이되도록 제어하는 것을 특징으로 하는 차량 고장 진단 서비스 제공 시스템.
  2. 삭제
  3. 차량 진단 서버에서 수행되는 차량 고장 진단 서비스 제공 방법에 있어서,
    진단 대상 차량의 게이트웨이 장치로부터 각 차량 파트에 대한 상태 정보를 수신하는 단계; 및
    상기 수신된 상태 정보를 분석하여 상기 진단 대상 차량의 고장 여부를 판정하고, 판정 결과에 기초하여 상기 진단 대상 차량을 위한 경고 정보를 생성하는 단계;를 포함하고,
    상기 상태 정보를 수신하는 단계는, 고장 여부의 판정 기준이나 정상 사용 가능 범위가 사전에 설정되지 않은 차량 파트에 대한 진단 정보를 생성하기 위해 현재 정상 주행중인 동종의 차량들로부터 상태 정보를 수집하며,
    상기 경고 정보를 생성하는 단계는,
    상기 현재 정상 주행중이며 상기 진단 대상 차량과 동종의 차량들로부터 수집된 상태 정보를 기준으로 상기 사전에 설정되지 않은 차량 파트에 대해 정상으로 판단 가능한 표준편차 범위를 결정하는 단계; 및
    상기 진단 대상 차량의 상태 정보와 비교하여 상기 결정된 표준편차 범위를 벗어나는 파트가 있는 경우는 상기 진단 대상 차량을 위한 경고 정보를 생성하는 단계;를 포함하며,
    상기 현재 정상 주행중인 동종의 차량들은, 경고 정보가 생성되지 않았으며, 소정의 기간 내에 주행하였으며, 고장 가능성이 없다고 판단된 전제 조건을 만족하며,

    상기 경고 정보를 생성하는 단계에서,
    상기 전제 조건을 만족하는 복수의 차량들로부터 수집된 각 부품들의 상태 정보와 그에 따라 생성된 진단 정보를 포함하는 빅 데이터를 기반으로 인공지능 모듈을 학습시키는 단계; 및
    상기 인공지능 모듈을 통해 상기 빅 데이터에 대한 딥러닝 학습을 수행하여 상기 표준편차 범위를 결정하는 단계; 및
    상기 학습된 표준편차 범위에 근거하여 상기 진단 대상 차량에 대한 고장 예측 정보를 생성하는 단계;를 더 진행하며,

    상기 차량 게이트웨이 장치는 상기 차량 진단 서버로부터 수신되는 고장 예측 정보를 차량의 클러스터 화면에 디스플레이되도록 제어하는 단계를 포함하는 것을 특징으로 하는 차량 고장 진단 서비스 제공 방법.
  4. 삭제
KR1020190067988A 2019-06-10 2019-06-10 차량 고장 진단 서비스 제공 시스템 및 방법 KR102255599B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020190067988A KR102255599B1 (ko) 2019-06-10 2019-06-10 차량 고장 진단 서비스 제공 시스템 및 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020190067988A KR102255599B1 (ko) 2019-06-10 2019-06-10 차량 고장 진단 서비스 제공 시스템 및 방법

Publications (2)

Publication Number Publication Date
KR20200141239A KR20200141239A (ko) 2020-12-18
KR102255599B1 true KR102255599B1 (ko) 2021-05-25

Family

ID=74041901

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020190067988A KR102255599B1 (ko) 2019-06-10 2019-06-10 차량 고장 진단 서비스 제공 시스템 및 방법

Country Status (1)

Country Link
KR (1) KR102255599B1 (ko)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2024214904A1 (ko) * 2023-04-10 2024-10-17 현대자동차주식회사 설비 고장 예측 진단 장치 및 방법

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102345508B1 (ko) * 2021-02-18 2022-01-03 (주)에어로텍 온라인 드론 유지감독 시스템
CN113721584B (zh) * 2021-08-16 2023-09-05 深圳市元征科技股份有限公司 可视化车辆诊断方法及装置、设备和存储介质
KR102698520B1 (ko) * 2022-03-21 2024-08-23 주식회사 스카이칩스 차량 내 모터의 고장 여부를 판단하는 방법 및 그를 이용한 시스템

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP6062710B2 (ja) * 2012-10-25 2017-01-18 日野自動車株式会社 車両診断装置
JP2017223534A (ja) 2016-06-15 2017-12-21 株式会社日立製作所 車両診断装置

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101974347B1 (ko) * 2017-03-16 2019-09-05 주식회사 만도 차량 고장 진단 시스템 및 그 진단방법
KR102026300B1 (ko) * 2017-03-29 2019-11-04 아이덴티파이 주식회사 인공지능 시스템을 이용하여 자동차 비정상신호를 감지하는 방법
KR102041846B1 (ko) * 2017-11-14 2019-12-10 (주)세코인터페이스 Obd-ⅱ를 활용한 차량 can 데이터 자동 수집 단말기와 수집 방법

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP6062710B2 (ja) * 2012-10-25 2017-01-18 日野自動車株式会社 車両診断装置
JP2017223534A (ja) 2016-06-15 2017-12-21 株式会社日立製作所 車両診断装置

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2024214904A1 (ko) * 2023-04-10 2024-10-17 현대자동차주식회사 설비 고장 예측 진단 장치 및 방법

Also Published As

Publication number Publication date
KR20200141239A (ko) 2020-12-18

Similar Documents

Publication Publication Date Title
KR102255599B1 (ko) 차량 고장 진단 서비스 제공 시스템 및 방법
CN106406273B (zh) 车辆中故障原因的确定
US11978291B2 (en) Method and apparatus for remote vehicle diagnosis
EP3740405B1 (en) Vehicle failure warning system and corresponding vehicle failure warning method
US8676432B2 (en) Fault prediction framework using temporal data mining
CN106843190B (zh) 分布式车辆健康管理系统
CN110096045B (zh) 基于大数据的车辆预测控制系统及其方法
US20100063668A1 (en) Telematics-enabled aggregated vehicle diagnosis and prognosis
US8924071B2 (en) Online vehicle maintenance
JP6310332B2 (ja) 車両診断機及び車両診断方法
KR20190107080A (ko) 클라우드 기반 차량 고장 진단 방법, 장치 및 시스템
US20110046842A1 (en) Satellite enabled vehicle prognostic and diagnostic system
KR20180105850A (ko) 차량 고장 진단 시스템 및 그 진단방법
CN103493019A (zh) 多代理程序合作车辆故障诊断系统和相关联的方法
CN112606779B (zh) 一种汽车故障预警方法及电子设备
CN114582043B (zh) 提供最不可能和最有可能的原因信息的包括集成诊断模型的选择性健康信息报告系统
CN109952600A (zh) 一种用于基于车辆的状态的确定来估计车辆的行驶时间的方法
CN109116830B (zh) 预测故障的方法及系统
KR102262648B1 (ko) 차량 고장 진단 시스템
CN111612937A (zh) 车载诊断监测程序规划和执行
CN110203157B (zh) 电池异常溃电辅助诊断装置、服务器及包含其的系统
US20220284740A1 (en) Method for determining the operating state of vehicle components
CN113126589A (zh) 车载自诊断方法、车载智能系统及自诊断系统
JP6310331B2 (ja) 車両診断用のデータ収集装置及びデータ収集方法
KR102204199B1 (ko) 자율주행 대중버스에 대한 차량 고장 진단 및 예측 방법

Legal Events

Date Code Title Description
AMND Amendment
E601 Decision to refuse application
X091 Application refused [patent]
AMND Amendment
X701 Decision to grant (after re-examination)
GRNT Written decision to grant