Bayesian belief networks for guidedremote diagnostics and troubleshootingof heavy vehicles

Abstract: Kostnadreducering och eektivisering av reparationer (t.ex i bilindustrin) har varit malet for forskningen kring guidad diagnostik i snart tvadecennier [ 1], med en onskan till intuitiv felsokning och reparation utan tidigare expert kunskaper. Detta betyder att automation vid diagnostik har blivit en nodvandighet dar det ar mojligt att forstakomplexa system samtidigt som operatoren ges tillrackligt med stod och expertkunskaper fr att kunna tillfora kompetent assistans. Detta examensarbete som utfordes paScania CV AB undersoker hur ett sadant system skulle utformas och prestera samtidigt som arbetet ligger till grund for vidare utveckling av guidad fjarrdiagnostik hos Scania. Resultatet kommer att behandla tre analysomraden. Ett, dem observationer fran fordonet som ar indikationer om ett felaktigt system. Tva, anvandning av ett Basianskt natverk for att gora en diagnos pasystemet samt undersoka hurvida tillvagagangasattet ar eektivt eller inte for den intiutiva kanslan. Tre, en studie och implementation av en eektiv felsokningsalgoritm som minimerar reparationskostnaden baserad paden givna diagnosen, kostnad for reparationav komponenter samt reparationstiden. Examensarbetet kommer forst att presenteras med en djupgaende teoridel och foljs av implementation av teorin till en funktionell prototyp.