Bonjour, mon nom est Caleb Roi. Je suis un développeur dans le Biche et fiabilité groupe à JMP. Aujourd'hui je figuré Identifiant vitrine quoi je pense est un peu de un négligé plate-forme dans le fiabilité suite de analyse outils, et c'est le fiabilité croissance plate-forme. je pensée Identifiant faire que dans le contexte de quelque chose c'est devenir joli populaire aujourd'hui, et c'est autonome Véhicules. Ils sont rapide devenir un réalité, pas donc beaucoup science fiction plus. Nous avoir un parcelle de entreprises fonctionnement sur extensif essai de ces Véhicules.
C'est bon à test ces Véhicules sur peut être un bon piste à ton laboratoire ou quelque chose comme que. Mais rien Beats réel réel route essai, lequel est pourquoi tôt dans le années 2010, le État de de Californie Département de Moteur Véhicules en fait mettre ensemble un essai programme que autorisé ces entreprises à test leur Véhicules sur routes dans le État. Maintenant, comme partie de que accord, chaque entreprise était requis à soumettre un annuel rapport lequel serait détail dehors n'importe lequel taper de désengagement incidents. Ou paradis interdire, n'importe lequel crash que arrivé impliquant leur autonome Véhicules.
Ceux avait à être signalé à le Département de Moteur Véhicules, le DMV. Maintenant, un avantage de le DMV être un fédéral institution est que ces rapports sont en fait disponible sur demande.Dans fait, nous peut aller là droite maintenant à le site et tu vas voir que toi peut à moins accéder le la plupart récent rapports. Nous avoir le 2021 rapports. Ils sont toujours compilation le 2022. Toi pourrait aussi, si toi vouloir, e-mail. Si toi recherché quelques précédent ceux, je a fait que avec un bref justification de quoi je était faire. Ils étaient joli rapide à répondre.
Maintenant, nous avoir différent les types de rapports et différent les types de essai. Étaient étaient se concentrer sur essai où là est un conducteur dans le véhicule et le conducteur peut prendre sur comme nécessaire. Ce n'est-ce pas un pleinement autonome véhicule. Toi faire avoir à être dans le Conducteurs siège à faire ce. Étaient en utilisant ces désengagement événements comme un Procuration pour évaluer le fiabilité de le Véhicules. Évidemment, nous ne le faites pas avoir accéder à le logiciel dans ces Véhicules. Si toi travaillé à ceux entreprises, toi pourrait probablement avoir plus information. Nous évidemment ne le faites pas.
Mais ils sont un Procuration parce que si toi vouloir notre véhicule à être fiable, que moyens il besoins à être en fonctionnement comme toi avoir l'intention dans le environnement. N'importe lequel temps toi avoir à prendre sur le IA pour quelques raison, que pourrait être un signe, "JE c'est pas exactement en fonctionnement comme je destiné."Nous peut utiliser il comme un peu de un Procuration. Encore, c'est pas le meilleur approximation, mais c'est toujours joli bien. De cours, Je suis pas le d'abord un à pense de ce. Ce est en fait un informel extension de quelques travail j'ai fait récemment avec mon conseiller, Yili Hong, et un bouquet de autre co-auteurs où nous en fait regardé à ce taper de données depuis un récurrent événements perspective.
Je suis en allant à faire un légèrement différent approche ici. Mais là est un préimpression de ce article disponible si toi vouloir à vérifier il dehors que fait quelque chose similaire. Laisser moi aller dans et décrire le données toi pour toi réel rapide. Je suis pas en allant à être regarder à chaque entreprise faire essai. Il y a donc beaucoup dehors là. Je suis en allant à se concentrer sur un, et ceux serait être événements soumis par Waymo, lequel était Google soi conduite voiture projet. Maintenant ils sont leur propre filiale entité. Ces sont leur annuel rapports. Laisser moi définir quoi nous signifier par désengagement événements.
Je suis dans le Conducteurs siège et si certaines choses événement, Je suis dans autonome mode et je besoin à prendre sur et prendre sur conduite. C'est un désengagement événement. je se dégager depuis autonome mode.Que pourrait être pour n'importe lequel raison. Ils, de cours, besoin à rapport quoi que raison était. Étaient juste en utilisant que comme notre Procuration mesure ici. Ces annuel rapports sont en allant à aller tous le chemin dos à à propos 2015, 2014. C'est quand Waymo a commencé participant dans ce programme. Le 2015 rapport en fait contient données dos à 2014. Ils commencer dans le milieu là.
Chaque rapport essentiellement couvre le gamme depuis Décembre de le précédent année à Novembre de le actuel année. Le 2016 rapport serait contenir données depuis Décembre 2015 en haut à Novembre de 2016. Que chemin, ils avoir un mois à processus le précédent années Nombres. Là sont deux primaire sources de données étaient regarder à dans chaque rapport. Le d'abord un est en allant à liste chaque incident que s'est produit, quand il arrivé que pourrait être comme détaillé comme jour et temps, ou il pourrait juste être le mois.
Encore, il y a pas un parcelle de bien cohérence à travers années. C'est quelque chose nous couru dans.Mais ils à moins donner quelques indication de quand il arrivé. Ils pourrait dire où il arrivé et ils peut décrire quoi arrivé. Il pourrait être très détaillé ou il pourrait juste être chute dans un particulier catégorie que ils donner.Alors le deuxième partie de données est en allant à liste le le NIV ou partiel NIV de le véhicule, donc le véhicule identification nombre. Quelque chose à identifier le véhicule et comment beaucoup autonome kilomètres que véhicule est conduit que mois. Toi pourrait voir plus tard sur quand je montrer ce données, là pourrait être un bouquet de des zéros. Zéro juste moyens je soit n'a pas conduire que véhicule ou je juste n'a pas conduire il dans autonome mode.
Dans soit cas, je était pas faire actif essai de le autonome mode de le véhicule. Maintenant, comme je mentionné plus tôt, là était un peu de incohérence. Avant à 2018, quand ils répertorié le désengagement événements, ils en fait ne le faites pas donner le avantage de le véhicule. Nous ne le faites pas savoir quoi véhicule était impliqué. Nous savoir comment beaucoup autonome kilomètres il a conduit que mois, mais nous avoir Non idée quoi véhicule était impliqué. Départ dans 2018, que information est maintenant disponible. Maintenant nous peut correspondre véhicule à le incident, lequel moyens quand nous faire ce analyse, Je suis en allant à faire il à deux différent les niveaux.
Un est à un agrégat niveau où Je suis en allant à être regarder à chaque mois tous de le Véhicules être testé à que temps. Alors regarder à le incident les taux dans l'ensemble dans un agrégat mesure.Le deuxième volonté être alors je volonté Zoom dans à le véhicule niveau. Je vais regarder à il par NIV. Pour que données, Je vais seulement être en allant dos à 2018. Pour le agrégat niveau, je peut prendre tous de il. Maintenant, avant nous obtenir à travers le analyse, en fait recherché à montrer toi quelques outils que JMP a disponible que autorisé nous à rapidement processus et accumuler ce données. Encore, à montrer toi comment facile il est et montrer désactivé un peu caractéristiques dans JMP. Quelques de eux sont vraiment nouveau, quelques de eux avoir a été autour pour un petit alors que.
Laisser moi commencer par montrant toi un chose que aidé nous, et que était être capable à lire dans données depuis PDF. Avant à 2018, un parcelle de ces données étaient compilé dans PDF. Après, ils mettre eux dans un Exceller déposer, lequel fait il un parcelle Plus facile à juste copie et pâte dans un JMP tableau. Mais pour ceux PDF, comment a fait nous poignée que? Laisser moi donner toi un exemple en utilisant données depuis 2017. Ce est en fait un de le meilleur formaté rapports nous voir depuis entreprises. Quelques résumés ici, quelques les tables ici et là. Ce dans annexe UN est le données Je suis regarder à.
Toi peut voir ici, ce est le désengagement événements. Nous avoir un cause, généralement juste un catégorie ici. Ils avoir le jour, lequel est en fait le mois. UN peu de un divergence là, le emplacement et taper. Mais ce est essentiellement juste récit nous comment beaucoup désengagement événements arriver chaque mois. Alors nous avoir un tableau ici ou un série de les tables en fait ici à le dos. Ce est montrant nous pour chaque véhicule, dans ce cas, il seulement donne partiel événement information. Là est pas un parcelle de information disponible dans ces tôt rapports et alors montrant toi comment beaucoup autonome kilomètres étaient conduit chaque mois. Comment peut nous mettre ce dans JMP ? Bien, je pourrait juste copie et pâte, mais c'est un peu fastidieux. Nous peut faire mieux que que.
Laisser moi viens ici. Je suis en allant à aller à mon Déposer, Je suis en allant à aller à Ouvrir. Il y a mon PDF. Je suis en allant à Cliquez sur Ouvrir et JMP a un PDF importer magicien. Génial. Maintenant quoi c'est en allant à faire est c'est en allant à aller à travers et regarder à chaque page et identifier peu importe les tables il trouve là. C'est en allant à classer par catégories eux par le page et quoi le tableau est sur que page.De cours, quand toi sauvegarder il dehors, toi peut, de cours, changement le nom.
Maintenant, je ne le faites pas vouloir chaque tableau sur chaque page. Quoi Je suis en allant à faire est Je suis en allant à aller à ce rouge Triangle sur ce page et juste dire, "Ignorer tous le les tables sur ce page. je ne le faites pas vouloir ces." Je vais dire, ""D'accord," Je vais faire le même ici. C'est un bon résumé tableau, mais c'est pas quoi je vouloir. Alors je commencer en disant, " Ce est le données je vouloir." Maintenant, étaient en allant à avis ici, ce est formaté joli Bien. C'est obtenu le données je vouloir. Si je faire défiler à le suivant un, ce est techniquement un continuation de le tableau depuis avant. Cependant, par défaut, JMP est en allant à supposer que chaque tableau sur chaque page est c'est propre entité.
Quoi je peut faire à dire JMP que en fait ce est juste un continuation est à aller à le tableau ici sur le page, Cliquez sur le rouge Triangle et dire pour le nombre de Lignes à utiliser comme entête, là en fait sont aucun. Ce est un chemin à dire JMP que en fait c'est un continuation de le précédent tableau. Bien vérifier dans le données ici, et il regards comme il a fait il maintenant.Je suis en allant à vérifier ici à le bas et je remarqué, "Oh, je manqué que Octobre données. C'est d'accord. Je suis en allant à faire un rapide petit extensible là et boom, je a obtenu il." C'est d'accord. Toi peut manipuler le les tables. je F il n'a pas attraper quelque chose, toi peut extensible et manipuler le tableau à ajuster il. Toi peut aussi ajouter les tables il n'a pas trouver.
Dans ce cas, je manqué ce. C'est d'accord. Je suis en allant à traîner un boîte autour de. Boom. Il y a un nouveau tableau pour toi, JMP. Je suis en allant à aller dans ici. C'est en allant à supposer que là sont quelques entête Lignes. En fait, là sont aucun. D'accord, super. Maintenant c'est capturé que partie de le données. Il y a un peu de un vide cellule ici. C'est juste un mise en page erreur parce que ce est techniquement deux lignes, donc ils n'a pas mettre ce à le haut. C'est d'accord. Facile réparer sur le dos fin. Maintenant pour ces les tables, quoi nous avis si nous aller à que est il en fait pense, "Bien, ce est en fait un tableau." Malheureusement, c'est techniquement pas correct parce que là sont deux les tables, mais c'est un facile réparer. je peut simplement aller à chaque un et dire, "C'est en fait pas un continuation JMP.Ce en fait a c'est propre entête."
Il dit, "D'accord," et toi peut faire que pour chaque de ces les tables. je ne le fera pas faire il pour tous de eux. Je suis juste faire ce à illustrer. Quoi épouser avoir à faire est épouser probablement fin en haut avec un bouquet de les tables ici où Bien avoir à horizontalement enchaîner. C'est juste le chemin ils décider à format dans le rapport. Mais JMP a un parcelle de outils à aide nous avec concaténation et en mettant les tables ensemble. Mais toi peut voir ce est un parcelle Plus facile que en essayant à copie et pâte ce dans JMP, fabrication bien sûr que le mise en page est tous bien. JMP est en allant à faire un parcelle de que pour nous.
D'accord, un autre utile outil que est venu dehors récemment dans JMP 2017 est, si vous avez probablement entendu de il, le JMP flux de travail. Que était super utile parce que évidemment nous avoir plusieurs rapports sur plusieurs années. Épouser comme à à moins combiner à travers tous le années dans deux rapports, un avec le désengagement événements, un avec le kilométrage. Quoi nous a fait est nous créé un initial... Nous suivi quelques pas à ensemble en haut le tableau dans un chemin que nous peut alors enchaîner eux ensemble dans un tableau, et alors nous enregistré il dans un flux de travail.
C'est quoi je avoir démontré ici. Ce est un flux de travail constructeur que nous mettre ensemble pour que. Je suis en allant à démontrer il en utilisant ce données ensemble. Ce est particulier pour notre kilométrage. Quoi nous avoir ici est un tableau. Ce représente quoi nous serait avoir un brut sortir depuis un de le rapports. Ici nous, de cours, avoir il cassé vers le bas par NIV nombre. Nous avons a obtenu un parcelle de information ici. Épouser comme à reformater ce tableau. D'abord chose Je suis en allant à faire, Je suis juste en allant à marcher à travers chaque étape. Je suis pas en allant à montrer aussi beaucoup détails dans chaque étape. Vous allez voir quoi ils sont. C'est joli soi explicatif.
Ce d'abord un est en allant à changement le nom de ce colonne à véhicule. Que chemin il allumettes un colonne dans notre concaténé tableau. Je suis en allant à aller sur, Je suis en allant à supprimer ce total colonne. je ne le faites pas besoin que. Alors Je suis en allant à faire un empiler à travers tous le Rendez-vous. Toi peut voir j'ai a obtenu que ici. Nous commodément appelé il empilé tableau, très informatif. Maintenant, un chose je besoin à faire ici, je mettre un pause ici, c'est le petit arrêt signe. Dans. C'est parce que je serait généralement besoin à aller dans et changement le année.
Maintenant, quelque chose je pourrait faire droite maintenant, je je ne pouvais pas vraiment chiffre dehors un chemin à obtenir un variable, dire année, que toi pourrait juste remplir dehors, mettre le année là, et alors il automatiquement remplir il dans ici. C'est peut être quelque chose je peut aller à communauté.jmp.com , aller sur le souhait liste et dire, "Hé, ce serait être bon si je pourrait faire ce." Mais pour droite maintenant, je juste mettre dans le années. Il était joli facile à faire par rapport à faire ce plusieurs fois. Joli direct. Mais encore, je peut aussi souligner pour toi comment toi peut en fait aller dans et ajuster le scénario lui-même. Toi peut aller dans et tailleur ce à ton besoins. Quoi ce est en allant à faire est recoder ces donc il montre le mois et le année. Je vais faire que réel rapide. Là nous sont.
Le suivant étape est en allant à prendre ce. Droite maintenant, ce est un catégorie, c'est un chaîne, je vouloir un nombre. C'est quoi je faire suivant. Maintenant, ce n'est-ce pas joli. Ce est juste le nombre de secondes depuis quelques date dans 1900, je croire. Évidemment, c'est pas joli. Identifiant comme à montrer quelque chose plus informatif. C'est quoi je faire dans le suivant étape.Maintenant, il montre le mois et le année. Je suis en allant à arrêt ici. Je suis pas en allant à continuer parce que à ce indiquer Identifiant avoir un autre tableau ouvrir. Ce suivant étape serait alors enchaîner le les tables et alors fermer désactivé ces intermédiaire les tables. Quoi Je suis en allant à faire est Je suis en allant à réinitialiser truc. Je vais réinitialiser, Cliquez sur ici. Je suis en allant à rouvrir ce tableau. Je suis en allant à faire ce juste donc toi peut voir comment rapide ce va.
Ici Je suis en allant à Cliquez sur sur ici, Je suis en allant à Cliquez sur Jouer, Je suis en allant à Cliquez sur Jouer encore. Regarder comment rapide que était. Maintenant, imaginer faire ce pour plusieurs rapports. Comment beaucoup plus rapide que est que répéter le même pas sur et sur et sur encore.Ce flux de travail était vraiment utile dans ce situation.
Maintenant, Je suis en allant à fermer tous ces dehors parce que c'est temps à obtenir dans le analyse. Allons faire que. Je suis en allant à commencer avec le agrégat niveau données. Voici mon tableau. je compilé à travers tous le données, tous le temps périodes. Nous avoir le mois, nous avoir comment beaucoup désengagement arrivé dans que mois. je a obtenu un colonne ici pour le cumulatif total. j'ai a obtenu ici comment beaucoup autonome des modèles étaient conduit.je a obtenu deux Colonnes ici que Je suis en allant à parler à propos dans juste un deuxième.Vous allez avoir à juste attendez.
Quoi Je suis en allant à faire est Je suis en allant à aller dans, Je suis en allant à aller à Analyser. Je suis en allant à aller sous Fiabilité et Survie, et alors Je suis en allant à faire défiler tous le chemin vers le bas jusqu'à je atteindre Fiabilité Croissance. Je vais Cliquez sur que. Maintenant nous avoir plusieurs onglets ici. Je suis seulement en allant à se concentrer sur ces d'abord deux parce que ces dernier deux préoccupation si je avoir plusieurs systèmes. Je vais revisiter ceux quand nous obtenir à le réel véhicule information. Pour droite maintenant, allons prétendre que étaient regarder à le entier UN V système, le artificiel intelligence système dans ces Véhicules. Pense de il comme un grand système.
Là sont deux façons que je peut évaluer ce. Un, je peut faire comme temps à événement, essentiellement comment beaucoup mois jusqu'à un certain événement arrivé ou jours si nous avait que. Ou je pourrait faire il via un particulier temps timbre. Essentiellement, quoi était le temps à lequel il s'est produit? je faire avoir que taper de formaté données. je avoir il à le mois. Le mois est un bien horodatage. Il juste dit dans que mois je avait ce beaucoup événements arriver.C'est tous je besoin à mettre dans. je avoir tous le données je besoin. Je vais Cliquez sur D'ACCORD.
Maintenant, super chose à propos ce est avant toi faire n'importe lequel analyse, toi devrait, de cours, regarder à ton données, visualiser ton données. C'est bon parce que le d'abord chose il fait est il visualise le données pour toi. Allons regarder à il. Un chose étaient regarder à, étaient regarder à cumulatif événements sur temps. Quoi nous attendre est un comportement où tôt sur nous pourrait avoir quoi Je vais appel un brûler dans taper période où je avoir un parcelle de événements et c'est événement. Je suis peaufiner le système, portion réparer il, portion améliorer il.
Alors finalement, quoi Identifiant comme à voir est ce plateau. Identifiant comme il à augmenter et alors aplatir désactivé. Que raconte moi que mon nombre de incidents est diminuant. Si il va complètement plat, c'est super. je avoir Non plus incidents quoi que ce soit. je souhait le étaient comme que, il est pas. Mais nous peut voir motifs ici dans le données. Allons marcher à travers. Nous avoir un brûler dans période ici, tôt 2015, et alors à propos milieu 2016, nous aplatir désactivé jusqu'à à propos ici. Nous voir un petit spot, à propos été de 2016, quelque chose arrive.Nous obtenir un peu plus incidents. Nous niveau désactivé encore jusqu'à nous obtenir à à propos ici, à propos en retard printemps de 2018.
Quelque chose autre arrivé parce que nous commencer en allant en haut encore. Ils sont pas très raide. Ce son un peu plus long. Alors nous joli beaucoup à ici, nous presque aplati dehors. Nous avons atteint le période où étaient vraiment ayant Non incidents arriver, essentiellement, jusqu'à le fin de 2020. Alors quelque chose arrive dans 2021 et où nous avons atteint essentiellement un autre brûler dans période, certaines choses en allant sur. Essentiellement quoi nous avons a obtenu est quatre phases, si toi volonté, événement dans le croissance de le système. Certaines choses modifié deux ou trois fois à impact le fiabilité.
Un autre chemin à visualiser ce, Je vais courir ce parcelle. Ce les usages quelques données. Je suis traçage encore le cumulatif total. Je suis aussi traçage quelque chose quoi je appel le empirique signifier temps entre les échecs. C'est un très simple métrique à calculer. C'est juste le inverse de le nombre de désengagements. Il est un très annonce ponctuellement, naïf chemin à essayer et estimation le signifier temps entre incidents. Mais je tracé ici donc que toi peut voir, tu vas avis ces quatre sommets que correspondre à le plier dans le courbe. Mais là sont quatre de eux indiquant ces quatre lieux où quelque chose a modifié dans le système à affecter c'est fiabilité.
Quoi nous peut faire alors est essayer à chiffre dehors, quoi sont ceux des points d'arrêt ? Un chemin toi pourrait faire que est le fiabilité croissance plate-forme a un chemin à ajuster un certain modèle. Je vais pause ici à parler à propos le modèle un peu. Tous de ces sont en fait le même modèle avec léger modifications. Ils sont tous quoi nous appel un processus de poisson non homogène. Que est un fantaisie chemin à décrire un compte processus. Je suis compte quelque chose, mais le taux à lequel le comptes pourrait se produire par unité temps est en changeant sur temps. UN Processus de Poisson juste moyens que à un constante taux, donc le taux à lequel incidents serait se produire serait à être constante, que serait être équivalent à voyant un droit doubler.
C'est très facile à modèle, mais c'est mauvais pour réalité parce que évidemment nous ne le faites pas vouloir le taux à rester le même. Nous serait comme il à diminuer à essentiellement zéro. C'est pourquoi nous avoir un processus de poisson non homogène.Nous vouloir il à changement sur temps. Ici nous avoir un modèle où nous peut en fait laisser JMP essayer et chiffre dehors un changement indiquer dans le processus. Si je courir il, quoi c'est en allant à faire est c'est en fait en allant à attraper ce grand morceau et dire, "Hé, quelque chose vraiment modifié là.Pour la plupart de il, il était le même chose, mais après ce indiquer, il vraiment modifié." Maintenant ici c'est seulement en allant à changement un à un temps. je avoir a parlé à le développeur à propos de, ne le ferais-je pas il être bon si nous pourrait identifier plusieurs changement points?
UN apparemment c'est un peu de un ouvrir recherche problème, donc moi et lui pourrait être fonctionnement ensemble à essayer et chiffre que dehors. Mais quoi je a fait est je essentiellement les yeux rivés il et dit, "JE pense là sont certain étapes. je pense il y a à propos trois ou quatre phases, et je a fait il empiriquement, lequel est où toi obtenir ce colonne." Je suis en allant à courir que scénario. Laisser moi montrer toi comment je a fait il. je viens ici sous refaire, aller à relancer, et tous je a fait était je ajoutée le phase colonne ici. Ce raconte toi que là sont différent périodes où le fiabilité pourrait avoir modifié significativement, excuse moi, dans quelques chemin.
Si nous pensons de que, étaient en allant à regarder à le clé métrique ici comme le signifier temps entre échec. Étaient en allant à voir tôt sur, donc ce est dans mois, ce ici est à propos trois jours, 4- 5, à propos un semaine, et ce est à propos un jour, jour et un moitié.Tôt sur, nous avoir un peu de un faible temps. C'est joli fréquent. Nous peut aussi regarder ici, Je vais montrer toi le intensité parcelle. Que pourrait être un autre chose à interpréter. Quoi étaient regarder pour est épouser comme le signifier temps entre les échecs à être long. Épouser comme il à être un long temps entre incidents, idéalement infini. Que moyens rien jamais arrive, et notre intensité à diminuer.
Quoi étaient regarder ici est, nous obtenir un peu de un bien commencer. À propos milieu de 2016, étaient faire vraiment Bien. Dans fait, nous obtenir à à propos un semaine entre un incident pour n'importe lequel véhicule. Là était un peu de un spot, mais nous principalement obtenir dos à où nous étaient jusqu'à nous obtenir à le fin de 2021, où maintenant c'est essentiellement à propos un jour entre incidents pour n'importe lequel véhicule. Quelque chose grand arrivé ici à le fin de 2020 avec ces Véhicules avec ce logiciel système, si toi volonté.
Encore, toi peut voir ici avec le intensité, toi peut presque faire un courbe et nous obtenir vers le bas à à propos six ou Sept incidents par mois. Alors que ici c'est presque 30, essentiellement, une fois un jour. Nous avons a été capable à regarder dans ici et découvrir qu'est-ce que c'est en allant sur, à moins à le agrégat niveau.Avant nous obtenir à le véhicule niveau, Je suis en allant à courir un plus graphique c'est regarder à, nous avons a obtenu tous ces autonome kilomètres. Pourrait il être que si je conduire il plus souvent, peut être je rencontre plus des incidents ? Pourrait que avoir un effet? T voici un rapide chemin à évaluer que. Juste en utilisant un simple graphique. Bien juste parcelle autonome kilomètres contre le total désengagements.
Nous voir ici pour sont un peu nombre de désengagements, que pourrait être vrai. Le plus toi conduire, le plus toi pourrait voir. Mais dans général, long terme, pas vraiment. Il y a vraiment Non grand, fort corrélation entre comment beaucoup autonome kilomètres conduit, comment beaucoup engagement toi voir. Il y a quelque chose autre en allant sur.T Chapeaux en fait quoi nous trouvé dans le papier que je mentionné plus tôt est que le kilométrage impact était très minimal.
Maintenant, allons Zoom dans à le individuel véhicule.Étaient pas en allant à avoir tous le données, même cependant je en fait faire avoir il ici. Mais étaient pas en allant à avoir complet données pour tous de le Véhicules. Laisser moi casser il vers le bas. je avoir le mois, je avoir le véhicule identification nombre. Avis quelques de ces, c'est seulement partiel. je avoir ici quoi je appel un NIV série.Ce est très empirique. Je suis juste prise le d'abord quatre chiffres de le NIV. Vous allez voir ici, Je suis en allant à faire défiler vers le bas un peu et Bien voir.Allons voir, peut être je volonté traîner vers le bas un petit peu. Là nous aller.
Quelques de ces les NIV, un parcelle de eux en fait commencer avec le même quatre chiffres, 2C4R. Je vais appel eux le 2C4 série. Il y a un bouquet de Véhicules que avoir ce comme leur départ un. Ce identifie un particulier flotte de Véhicules, à moins depuis un empirique voir. Si je faire défiler vers le bas, étaient en allant à courir dans un différent série, lequel Je suis en allant à appel le SADH série. Ce est le un que était introduit à propos 2021. C'est quand je scie le Venin Nombres changement à le SADH désignation.
Encore, je avoir comment beaucoup de des kilomètres, je avoir un départ mois, quand a fait que véhicule commencer? Je suis en allant à utiliser ce à calculer le temps à événements. D'abord, Je suis en allant à faire un parcelle. je pense ce est le la plupart informatif parcelle tu vas voir pour ce analyse. Quoi j'ai fait ici est j'ai essentiellement créé pour toi un chaleur carte. Toi peut voir j'ai a obtenu le chaleur carte option sélectionner. Choisi, je a obtenu pour chaque véhicule et sur temps, essentiellement un cellule, et c'est juste en allant à indiquer, était je conduit dans autonome mode à tout moment que mois?
je a obtenu il couleur codé par le série. Ces verticale lignes correspondre à le transitions entre ceux empirique étapes je mentionné plus tôt. Quoi ce est récit nous est essentiellement, peut nous identifier quoi pourrait avoir causé ceux transitions ? Ici nous voir un initial série de Véhicules, et il regards comme là n'était pas un grand changement dans quoi Véhicules étaient introduit ici. Peut être là était un peu de un logiciel mise à niveau pour ce particulier série que peut avoir introduit ceux nouveau incidents. Ici nous voir que un nouveau série était présenté, un plus petit nombre de Véhicules, peut-être pilote série. Alors un bouquet de eux introduit à propos que même période où nous scie le autre transition.
Ici, ce semble à correspondre à un nouveau flotte de Véhicules avec peut être un légèrement mis à jour version de le logiciel. Ici, nous voir un clair distinction. Évidemment, dans 2021, un complètement nouveau série de Véhicules était introduit. Nous avoir un peu de le vieux Véhicules toujours là dans le mélange, mais la plupart de eux sont le nouveau Véhicules. Que probablement explique pourquoi nous a obtenu un nouveau lot de nouveau incidents. Nous a obtenu un brûler dans période pour ce nouveau série de Véhicules. Ce est cool parce que maintenant nous avoir un peu plus explication comme à quoi était en allant sur avec le agrégat données, lequel est pourquoi c'est important à avoir ce information.
Maintenant allons casser il vers le bas par NIV. je avoir droite ici scénario à indiquer nous avons a obtenu un tableau ici et c'est similaire à le tableau je avoir précédemment. Avis quelques de ces avoir a été exclu et ce est parce que si pour que particulier véhicule, le total nombre de incidents était moins que trois, le plate-forme est pas en allant à être capable à ajuster un modèle pour toi parce que il besoins à moins trois incidents par véhicule. Que fait du sens. je avoir seulement un ou deux, c'est pas vraiment assez information à évaluer le fiabilité. Si je avoir trois ou plus, maintenant étaient parler, je peut faire quelque chose.
je aussi avoir le mois depuis le commencer. je avoir quelques cumulatif information là lequel mois il commencé. Je suis en allant à aller devant alors et courir le plate-forme. Ne le faites pas inquiétude, je volonté montrer toi comment je a fait ce. Je suis en allant à aller à le refaire, relancer. Je suis en allant à obtenir débarrasser de que. C'est quelques laissé pour compte truc. Je suis regarder à un de ces deux dernier plates-formes. Ces sont à propos plusieurs systèmes. Maintenant étaient pensée de chaque véhicule comme c'est propre système. Le concurrent juste moyens Je suis en allant à courir chaque véhicule un après le autre.
C'est pas qu'est-ce que c'est événement ici. Le Véhicules sont essentiellement être courir dans parallèle. Plusieurs Véhicules sont être conduit à un temps. Ici je besoin un colonne à indiquer le temps à événement, dans ce cas, comment beaucoup mois depuis le commencer jusqu'à ce beaucoup événements arrivé. je avoir le système IDENTIFIANT. Le un chose c'est pas montré ici est je en fait a pris le NIV série et utilisé que comme un par variable, lequel est pourquoi nous avoir le où NIV équivaut à donc et donc. Il y a seulement en allant à être deux parce que le un avec un petit astérisques a Non information à propos incidents. C'est parce que que était deux plus tôt que était avant à être capable à cravate le NIV à le véhicule.
Mais ils étaient là pour l'exhaustivité, je suis annulé dehors de que. Maintenant, quoi étaient en allant à voir ici est un liste de des modèles que toi pourrait courir. Ces d'abord quatre, Je suis pas en allant à être capable à faire parce que je seulement avoir un phase. Essentiellement, le phase maintenant correspond à le NIV série. Mais là sont deux que je pourrait courir et le seulement différence est, faire je vouloir à courir un modèle pour tous de eux en disant ces sont tous partie de un identique système?Fait du sens. Ces sont tous Véhicules, ils probablement courir le même logiciel. Peut être je peut courir un modèle pour tous de eux. Ou je peut avoir un modèle où je ajuster il à chaque individuel véhicule.
Avant je courir ceux des modèles, allons prendre un regarder à ce parcelle. Encore, commencer avec le visualisation et quoi nous voir tracé est tous le Véhicules. Avis ici il y a un peu de un peu profond pente à ce. Essentiellement il y a un peu de un raide courbe, mais alors il les niveaux désactivé joli rapide. Ce est un joli bien signe de fiabilité en allant sur ici. Je suis en allant à comparer eux, Je suis en allant à faire défiler vers le bas à le suivant un, le ensemble série. Maintenant, initialement le axes ici, juste donc toi savoir, quand toi courir il suivant temps, le axes sont en allant à seulement aller à le complet ensemble de données. Ce serait en fait être un plus petit gamme.
je réparer eux donc ils avait le même gamme. Toi peut clairement voir que ce est beaucoup plus raide que ce. Clairement, nous avoir plus incidents événement avec ce nouveau série que ce un. Mais nous peut faire un rapide modèle ajuster. Je suis en allant à faire le identique système.Encore, c'est un processus de poisson non homogène. Bien que dans ce cas, Je suis en allant à ignorer le estimations pour droite maintenant, si toi vouloir à regarder à que, toi peut. Je suis en allant à aller droit à le signifier temps entre échec et tu vas avis que pour tous le mois c'est joli beaucoup plat.
Quoi c'est essentiellement fait est ce est juste un poisson processus. Le taux est constante, lequel est bien pour la modélisation, pas donc bien dans termes de évaluer il. C'est juste en disant à travers ce entier temps pour ce particulier série, nous joli beaucoup atteint pour n'importe lequel un véhicule, un signifier temps de à propos cinq mois entre incidents. Maintenant, allons comparer que à quoi nous scie avec le agrégat où il était à propos un semaine, c'est à travers n'importe lequel véhicule. C'est juste en disant pour n'importe lequel véhicule, il était à propos un semaine entre un incident pour n'importe lequel véhicule. Alors que ce semble à être impliquant c'est à propos cinq mois pour n'importe lequel un véhicule.
Toi peut pense de il comme le en cours d'exécution dans parallèle, donc toi peut voir c'est décalé. N'importe lequel un véhicule, il pourrait être à propos cinq mois. Encore, ce est un moyenne, il y a un parcelle de gamme entre là. Pour un véhicule, c'est un joli long temps.Mais dans agrégat, ils sont probablement décalé assez que il semble comme c'est à propos un semaine pour n'importe lequel un véhicule. Ils peut être cohérent comme que. Mais ce est toujours joli bien. C'est à propos cinq mois entre un incident, un désengagement événement ici pour que série. Si nous courir à le SADH série et faire le même modèle, laisser moi aller ici. Là nous voir clairement en augmentant. Je suis en allant à cacher que. Si nous regarder à ce, il dit, "Non," tôt sur nous probablement avait à propos deux mois. C'est un peu de un commencer là. Mais nous avons abandonné à moins que un mois, presque deux à trois semaines entre incidents.
Clairement, il y a un peu plus travail à faire sur ce série. Encore, il était juste présenté, donc ce est probablement plus de le brûler dans phase. Si nous obtenir le 2022 données, nous pourrait commencer à voir il niveau désactivé comme il a fait dans le précédent série. Ce en fait pourrait retourner et être plus de un niveau courbe. C'est à propos tous je vouloir à montrer pour ces plates-formes. je peut montrer toi quelques de le individuel distinct les systèmes, mais là sont un parcelle de systèmes ici et donc c'est en allant à obtenir bondé très rapidement.Il y a un parcelle pour chaque un. Il y a estimations pour chaque un. Toi peut regarder à le signifier temps entre échec pour chaque un.
Si là sont particulier Véhicules toi recherché à appel dehors et voir comment ils pourrait différer, ce est quoi toi peut faire. Toi peut voir quelques augmenter, quelques diminuer, mais dans l'ensemble plus ou moins plat. Toi peut aussi regarder à intensité des parcelles. Si toi trouver que plus interprétable que le signifier temps entre échec, toi avoir autre métrique que toi peut intégrer ici. D'accord, t Chapeaux tous je vouloir à montrer pour ce plate-forme. Maintenant, de cours, il y a données je n'a pas inclure ici. Pour exemple, nous pourrait casser il vers le bas par cause.
Pour quelques de ce données, cause pourrait être, je juste besoin à prendre sur parce que il était obtenir aussi fermer à le côté de le le route. Ou peut être le voiture arrêté à le arrêt signe, a fait quoi il était censé à, commencé roulant, et quelques autre conducteur soufflé à travers le arrêt signe à venir le autre chemin. Dans lequel cas, peut être que pourrait pas nécessairement être un fiabilité frapper. Le voiture a fait quoi il était censé à. Quelqu'un autre ce n'était pas le cas. Ce serait être intéressant à casser il vers le bas par que, aussi par emplacement.Le nombre de incidents, toi obtenir plus quand tu es dans le ville, peut être sur le Autoroute, quelque chose comme que.
Réel rapide, nous devrait regarder à le kilométrage impact. Encore, même information, un ou deux incidents, bien sûr, que pourrait changement. Mais dans l'ensemble c'est en allant à être plat. Le kilométrage impact sur le incident taux est minimal. De cours, ce est juste un de beaucoup plates-formes disponible dans le fiabilité suite. Toi peut voir il y a un tonne de options, très flexible pour portion évaluer fiabilité. Encore, c'est tous je avoir à montrer toi. Avec un peu de chance, j'ai a été capable à démontrer pour toi comment Bien JMP peut aide lancer Découverte et analyse. Avec un peu de chance, toi découvert un parcelle de des choses à propos ce particulier la société autonome Véhicules. je espoir toi apprécier le repos de le conférence. Remercier toi.
