Hallo, Mein Name Ist Caleb König. Ich bin a Entwickler In Die Damhirschkuh Und Zuverlässigkeit Gruppe bei JMP. Heute I dachte Ausweis Schaufenster Was I denken Ist a bisschen von ein übersehen Plattform In Die Zuverlässigkeit Suite von Analyse Werkzeuge, Und Das ist Die Zuverlässigkeit Wachstum Plattform. I Gedanke Ausweis Tun Das In Die Kontext von etwas Das ist werden hübsch beliebt heutzutage, Und Das ist autonom Fahrzeuge. Sie sind schnell Werden a Wirklichkeit, nicht Also viel Wissenschaft Fiktion mehr. Wir haben a viel von Unternehmen Arbeiten An umfangreich Testen von diese Fahrzeuge.
Es ist Hübsch Zu prüfen diese Fahrzeuge An Vielleicht a Hübsch Schiene bei dein Labor oder etwas wie Das. Aber Nichts Beats real tatsächlich Straße Testen, welche Ist Warum früh In Die 2010er Jahre Die Zustand von Kaliforniens Abteilung von Motor Fahrzeuge Genau genommen setzen zusammen a Testen Programm Das erlaubt diese Unternehmen Zu prüfen ihre Fahrzeuge An Straßen innerhalb Die Zustand. Jetzt, als Teil von Das Vereinbarung, jede Unternehmen War erforderlich Zu einreichen ein jährlich Bericht welche würde Detail aus beliebig Typ von Ablösung Vorfälle. Oder Himmel verbieten, beliebig Unfälle Das passiert einschließlich ihre autonom Fahrzeuge.
Diese hatte Zu Sei berichtete Zu Die Abteilung von Motor Fahrzeuge, Die Kfz-Zulassungsstelle. Jetzt, eins Nutzen von Die DMV Sein a föderal Institution Ist Das diese Berichte Sind Genau genommen verfügbar auf Anfrage. In Tatsache, Wir dürfen gehen Dort Rechts Jetzt Zu Die Website Und Du wirst sehen Das Du dürfen bei am wenigsten Zugang Die am meisten jüngste Berichte. Wir haben Die 2021 Berichte. Sie sind Trotzdem Kompilieren Die 2022. Du könnte Auch, Wenn Du wollen, E-Mail. Wenn Du gesucht manche vorherige eins, I tat Das mit a knapp Rechtfertigung von Was I War tun. Sie war hübsch schnell Zu antworten.
Jetzt, Wir haben anders Typen von Berichte Und anders Typen von Testen. War war Fokussierung An Testen Wo Dort Ist a Treiber In Die Fahrzeug Und Die Treiber dürfen nehmen über als notwendig. Das ist nicht a voll autonom Fahrzeug. Du Tun haben Zu Sei In Die Fahrer Sitz Zu Tun Das. War Verwendung diese Ablösung Veranstaltungen als a Proxy für Beurteilung Die Zuverlässigkeit von Die Fahrzeuge. Offensichtlich, Wir nicht haben Zugang Zu Die Software In diese Fahrzeuge. Wenn Du funktionierte bei diese Unternehmen Du könnte wahrscheinlich haben mehr Information. Wir offensichtlich nicht.
Aber sie sind a Proxy Weil Wenn Du wollen unser Fahrzeug Zu Sei zuverlässig, Das bedeutet Es Bedürfnisse Zu Sei Betrieb als Du beabsichtigen innerhalb Die Umfeld. Beliebig Zeit Du haben Zu nehmen über Die KI für manche Grund, Das könnte Sei a Zeichen, "ICH t's nicht genau Betrieb als I beabsichtigt." Wir dürfen verwenden Es als a bisschen von a Proxy. Wieder, es ist nicht Die am besten Annäherung, Aber es ist Trotzdem hübsch Gut. Von Kurs, Ich bin nicht Die Erste eins Zu denken von Das. Das Ist Genau genommen ein informell Verlängerung von manche arbeiten Ich habe Erledigt kürzlich mit Mein Berater Jahr Hong, Und a Bündel von andere Mitautoren Wo Wir Genau genommen sah bei Das Typ von Daten aus a wiederkehrend Veranstaltungen Perspektive.
Ich bin gehen Zu Tun a leicht anders Ansatz Hier. Aber Dort Ist a Vorabdruck von Das Artikel verfügbar Wenn Du wollen Zu überprüfen Es aus Das tut etwas ähnlich. Lassen Mich gehen In Und beschreiben Die Daten Du für Du real schnell. Ich bin nicht gehen Zu Sei Suche bei jeder Unternehmen tun Testen. Da ist Also viele aus Dort. Ich bin gehen Zu Fokus An eins, Und diese würde Sei Veranstaltungen eingereicht von Waymo, welche War Googles selbst Fahren Auto Projekt. Jetzt sie sind ihre eigen Tochtergesellschaft juristische Person. Diese Sind ihre jährlich Berichte. Lassen Mich definieren Was Wir bedeuten von Ablösung Veranstaltungen.
Ich bin In Die Fahrer Sitz Und Wenn etwas ist Happening, Ich bin In autonom Modus Und I brauchen Zu nehmen über Und nehmen über Fahren. Das ist a Ablösung Ereignis. I lösen aus autonom Modus. Das könnte Sei für beliebig Grund. Sie, von Kurs, brauchen Zu Bericht Was Das Grund War. War Nur Verwendung Das als unser Proxy messen Hier. Diese jährlich Berichte Sind gehen Zu gehen alle Die Weg zurück Zu um 2015, 2014. Das ist Wann Waymo startete teilnehmen In Das Programm. Der 2015 Bericht Genau genommen enthält Daten zurück Zu 2014. Sie Start In Die Mitte Dort.
Jede Bericht im Wesentlichen Cover Die Reichweite aus Dezember von Die vorherige Jahr Zu November von Die aktuell Jahr. Der 2016 Bericht würde enthalten Daten aus Dezember 2015 hoch Zu November von 2016. Das Weg, Sie haben a Monat Zu Verfahren Die vorherige Jahr Zahlen. Dort Sind zwei primär Quellen von Daten war Suche bei In jede Bericht. Der Erste eins Ist gehen Zu Liste jede Vorfall Das geschah, Wann Es passiert Das könnte Sei als detailliert als Tag Und Zeit, oder Es könnte Nur Sei Die Monat.
Wieder, da ist nicht a viel von Gut Konsistenz über Jahre. Es ist etwas Wir lief hinein. Aber Sie bei am wenigsten geben manche Anzeige von Wann Es passiert. Sie könnte sagen Wo Es passiert Und Sie dürfen beschreiben Was passiert. Es könnte Sei sehr detailliert oder Es könnte Nur Sei fallen hinein a besondere Kategorie Das Sie geben. Dann Die zweite Teil von Daten Ist gehen Zu Liste Die Die KOMMEN oder teilweise KOMMEN von Die Fahrzeug, Also Die Fahrzeug Identifikation Nummer. Etwas Zu identifizieren Die Fahrzeug Und Wie viele autonom Meilen Das Fahrzeug Ist angetrieben Das Monat. Du könnte sehen später An Wann I zeigen Das Daten, Dort könnte Sei a Bündel von Nullen. Null Nur bedeutet I entweder tat es nicht fahren Das Fahrzeug oder I Nur tat es nicht fahren Es In autonom Modus.
In entweder Fall, I War nicht tun aktiv Testen von Die autonom Modus von Die Fahrzeug. Jetzt, als I erwähnt früher, Dort War a bisschen von Inkonsistenz. Vor Zu 2018, Wann Sie aufgeführt Die Ablösung Veranstaltungen Sie Genau genommen nicht geben Die Nutzen von Die Fahrzeug. Wir nicht wissen Was Fahrzeug War beteiligt. Wir wissen Wie viele autonom Meilen Es fuhr Das Monat, Aber Wir haben NEIN Idee Was Fahrzeug War beteiligt. Beginn In 2018, Das Information Ist Jetzt verfügbar. Jetzt Wir dürfen übereinstimmen Fahrzeug Zu Die Vorfall, welche bedeutet Wann Wir Tun Das Analyse, Ich bin gehen Zu Tun Es bei zwei anders Ebenen.
Eins Ist bei ein Aggregat Ebene Wo Ich bin gehen Zu Sei Suche bei jede Monat alle von Die Fahrzeuge Sein getestet bei Das Zeit. Dann Suche bei Die Vorfall Preise gesamt In ein Aggregat messen. Der zweite Wille Sei Dann I Wille Zoom In bei Die Fahrzeug Ebene. Krank sehen bei Es von KOMMEN. Für Das Daten, Krank nur Sei gehen zurück Zu 2018. Für Die Aggregat Ebene, I dürfen nehmen alle von Es. Jetzt, vor Wir erhalten durch Die Analyse, Genau genommen gesucht Zu zeigen Du manche Werkzeuge Das JMP hat verfügbar Das erlaubt uns Zu schnell Verfahren Und akkumulieren Das Daten. Wieder, Zu zeigen Du Wie einfach Es Ist Und zeigen aus a wenige Merkmale In JMP. Manche von ihnen Sind Wirklich neu, manche von ihnen haben gewesen um für a wenig während.
Lassen Mich Start von Das heißt, es ist nichts anderes als das, was man erwarten würde. Du eins Ding Das half uns, Und Das War Sein fähig Zu lesen In Daten aus PDFs. Vor Zu 2018, a viel von diese Daten war kompiliert In PDFs. Nachher, Sie setzen ihnen In ein Excel Datei, welche gemacht Es a viel Einfacher Zu Nur Kopie Und Paste hinein a JMP Tisch. Aber für diese PDFs, Wie tat Wir handhaben Das? Lassen Mich geben Du ein Beispiel Verwendung Daten aus 2017. Das Ist Genau genommen eins von Die am besten formatiert Berichte Wir sehen aus Unternehmen. Manche Zusammenfassungen Hier, manche Tabellen Hier Und Dort. Das In Anhang A Ist Die Daten Ich bin Suche bei.
Du dürfen sehen Hier, Das Ist Die Ablösung Veranstaltungen. Wir haben a Ursache, normalerweise Nur a Kategorie Hier. Sie haben Die Tag, welche Ist Genau genommen Die Monat. A bisschen von a Diskrepanz Dort, Die Standort Und Typ. Aber Das Ist grundsätzlich Nur erzählen uns Wie viele Ablösung Veranstaltungen passieren jede Monat. Dann Wir haben a Tisch Hier oder a Serie von Tabellen Genau genommen Hier bei Die zurück. Das Ist Das heißt, es ist nichts anderes als das, was man erwarten würde. uns für jede Fahrzeug, In Das Fall, Es nur gibt teilweise Ereignis Information. Dort Ist nicht a viel von Information verfügbar In diese früh Berichte Und Dann Das heißt, es ist nichts anderes als das, was man erwarten würde. Du Wie viele autonom Meilen war angetrieben jede Monat. Wie dürfen Wir setzen Das hinein JMP? Also, I könnte Nur Kopie Und Paste, Aber Das ist a bisschen langweilig. Wir dürfen Tun besser als Das.
Lassen Mich kommen Hier. Ich bin gehen Zu gehen Zu Mein Datei, Ich bin gehen Zu gehen Zu Offen. Da ist Mein PDF. Ich bin gehen Zu klicken Offen Und JMP hat a PDF Import Zauberer. Eindrucksvoll. Jetzt Was es ist gehen Zu Tun Ist es ist gehen Zu gehen durch Und sehen bei jede Seite und identifizieren was auch immer Tabellen Es findet Dort. Es ist gehen Zu kategorisieren ihnen von Die Seite Und Was Die Tisch Ist An Das Seite. Von Kurs, Wann Du speichern Es aus, Du dürfen, von Kurs, ändern Die Name.
Jetzt, I nicht wollen jeder Tisch An jeder Seite. Was Ich bin gehen Zu Tun Ist Ich bin gehen Zu gehen Zu Das Rot Dreieck An Das Seite Und Nur sagen, "Ignorieren alle Die Tabellen An Das Seite. I nicht wollen diese." Krank sagen, ""Okay," Krank Tun Die Dasselbe Hier. Es ist a Hübsch Zusammenfassung Tisch, Aber es ist nicht Was I wollen. Dann I Start sagte er: Das Ist Die Daten I wollen." Jetzt, war gehen Zu beachten Hier, Das Ist formatiert hübsch Also. Es ist erhalten Die Daten I wollen. Wenn I scrollen Zu Die nächste eins, Das Ist technisch a Fortsetzung von Die Tisch aus vor. Jedoch, von Standard, JMP Ist gehen Zu annehmen Das jeder Tisch An jede Seite Ist es ist eigen juristische Person.
Was I dürfen Tun Zu erzählen JMP Das Genau genommen Das Ist Nur a Fortsetzung Ist Zu gehen Zu Die Tisch Hier An Die Seite, klicken Die Rot Dreieck Und sagen für Die Nummer von Zeilen Zu verwenden als Kopfzeile Dort Genau genommen Sind keiner. Das Ist a Weg Zu erzählen JMP Das Genau genommen Das ist a Fortsetzung von Die vorherige Tisch. Also überprüfen In Die Daten Hier, Und Es Aussehen wie Es tat Es Jetzt. Ich bin gehen Zu überprüfen Hier bei Die unten Und I bemerkte "Oh, I verpasst Das Oktober Daten. Das ist Okay. Ich bin gehen Zu Tun a schnell wenig strecken Dort Und Boom, I bekommen Es." Das ist Okay. Du dürfen manipulieren Die Tabellen. I f Es tat es nicht fangen etwas, Du dürfen strecken Und manipulieren Die Tisch Zu anpassen Es. Du dürfen Auch hinzufügen Tabellen Es tat es nicht finden.
In Das Fall, I verpasst Das. Das ist Okay. Ich bin gehen Zu ziehen a Kasten herum. Boom. Da ist a neu Tisch für Du, JMP. Ich bin gehen Zu gehen In Hier. Es ist gehen Zu annehmen Das Dort Sind manche Überschrift Zeilen. Eigentlich, Dort Sind keiner. Okay, Großartig. Jetzt es ist gefangen Das Teil von Die Daten. Da ist a bisschen von ein leer Zelle Hier. Das ist Nur a Formatierung Fehler Weil Das Ist technisch zwei Linien, Also Sie tat es nicht setzen Das bei Die Spitze. Es ist Okay. Einfach Fix An Die zurück Ende. Jetzt für diese Tabellen Was Wir beachten Wenn Wir gehen Zu Das Ist Es Genau genommen denkt "Also, Das Ist Genau genommen eins Tisch." Bedauerlicherweise, es ist technisch nicht richtig Weil Dort Sind zwei Tabellen Aber es ist ein einfach Fix. I dürfen einfach gehen Zu jede eins Und sagen, "Es ist Genau genommen nicht a Fortsetzung JMP. Das Genau genommen hat es ist eigen Überschrift."
Es sagt "Okay," Und Du dürfen Tun Das für jede von diese Tabellen. I Gewohnheit Tun Es für alle von ihnen. Ich bin Nur tun Das Zu veranschaulichen. Was heiraten haben Zu Tun Ist heiraten wahrscheinlich Ende hoch mit a Bündel von Tabellen Hier Wo Also haben Zu horizontal verketten. Das ist Nur Die Weg Sie entscheiden Zu Format In Die Bericht. Aber JMP hat a viel von Werkzeuge Zu helfen uns mit Verkettung Und Putten Tabellen zusammen. Aber Du dürfen sehen Das Ist a viel Einfacher als versuchen Zu Kopie Und Paste Das hinein JMP, Herstellung Sicher Das Die Formatierung Ist alle Gut. JMP Ist gehen Zu Tun a viel von Das für uns.
Okay, ein anderer hilfreich Werkzeug Das kam aus kürzlich In JMP 2017 Ist, Wenn du hast wahrscheinlich gehört von Es, Die JMP Arbeitsablauf. Das War super hilfreich Weil offensichtlich Wir haben mehrere Berichte über mehrere Jahre. Heiraten wie Zu bei am wenigsten kombinieren über alle Die Jahre hinein zwei Berichte, eins mit Die Ablösung Veranstaltungen eins mit Die Kilometerstand. Was Wir tat Ist Wir erstellt ein anfänglich... Wir folgte manche Schritte Zu Satz hoch Die Tisch In a Weg Das Wir dürfen Dann verketten ihnen zusammen hinein eins Tisch, Und Dann Wir gespeichert Es hinein a Arbeitsablauf.
Das ist Was I haben demonstriert Hier. Das Ist a Workflow Bauherr Das Wir setzen zusammen für Das. Ich bin gehen Zu zeigen Es Verwendung Das Daten Satz. Das Ist besondere für unser Kilometerstand. Was Wir haben Hier Ist a Tisch. Das repräsentiert Was Wir würde haben a roh Ausgabe aus eins von Die Berichte. Hier Wir, von Kurs, haben Es gebrochen runter von KOMMEN Nummer. Wir haben bekommen a viel von Information Hier. Heiraten wie Zu Neuformatierung Das Tisch. Erste Ding Ich bin gehen Zu Tun, Ich bin Nur gehen Zu gehen durch jede Schritt. Ich bin nicht gehen Zu zeigen zu viele Details In jede Schritt. Du wirst sehen Was Sie Sind. Es ist hübsch selbst erläuternd.
Das Erste eins Ist gehen Zu ändern Die Name von Das Spalte Zu Fahrzeug. Das Weg Es Spiele a Spalte In unser verkettet Tisch. Ich bin gehen Zu gehen über, Ich bin gehen Zu löschen Das gesamt Spalte. I nicht brauchen Das. Dann Ich bin gehen Zu Tun a Stapel über alle Die Daten. Du dürfen sehen Ich habe bekommen Das Hier. Wir praktisch angerufen Es gestapelt Tisch, sehr informativ. Jetzt, eins Ding I brauchen Zu Tun Hier, I setzen a Pause Hier, Das ist Die wenig stoppen Zeichen. In. Das ist Weil I würde normalerweise brauchen Zu gehen In Und ändern Die Jahr.
Jetzt, etwas I könnte Tun Rechts Jetzt, I konnte nicht Wirklich Figur aus a Weg Zu erhalten a Variable, sagen Jahr, Das Du könnte Nur füllen aus, setzen Die Jahr Dort, Und Dann Es automatisch füllen Es In Hier. Das ist Vielleicht etwas I dürfen gehen Zu community.jmp.com , gehen auf Die Wunsch Liste Und sagen, "Hey, es Sei Hübsch Wenn I könnte Tun Das." Aber für Rechts Jetzt, I Nur setzen In Die Jahre. Es War hübsch einfach Zu Tun verglichen Zu tun Das mehrere mal. Hübsch einfach. Aber wieder, I dürfen Auch Highlight für Du Wie Du dürfen Genau genommen gehen In Und anpassen Die Skript selbst. Du dürfen gehen In Und Schneider Das Zu dein Bedürfnisse. Was Das Ist gehen Zu Tun Ist recodieren diese Also Es Shows Die Monat Und Die Jahr. Krank Tun Das real schnell. Dort Wir Sind.
Der nächste Schritt Ist gehen Zu nehmen Das. Rechts Jetzt, Das Ist a Kategorie, es ist a Zeichenkette I wollen a Nummer. Das ist Was I Tun nächste. Jetzt, Das ist nicht hübsch. Das Ist Nur Die Nummer von Sekunden seit manche Datum In 1900 I glauben. Offensichtlich, Das ist nicht hübsch. Ausweis wie Zu zeigen etwas mehr informativ. Das ist Was I Tun In Die nächste Schritt. Jetzt, Es Shows Die Monat Und Die Jahr. Ich bin gehen Zu stoppen Hier. Ich bin nicht gehen Zu weitermachen Weil bei Das Punkt Ausweis haben ein anderer Tisch offen. Das nächste Schritt würde Dann verketten Die Tabellen Und Dann schließen aus diese dazwischenliegend Tabellen. Was Ich bin gehen Zu Tun Ist Ich bin gehen Zu zurücksetzen Sachen. Krank zurücksetzen, klicken Hier. Ich bin gehen Zu wieder öffnen Das Tisch. Ich bin gehen Zu Tun Das Nur Also Du dürfen sehen Wie schnell Das geht.
Hier Ich bin gehen Zu klicken über Hier, Ich bin gehen Zu klicken Spielen, Ich bin gehen Zu klicken Spielen wieder. Suchen Wie schnell Das War. Jetzt, vorstellen tun Das für mehrere Berichte. Wie viel Schneller Das Ist als wiederholend Die Dasselbe Schritte über Und über Und über wieder. Das Workflow War Wirklich hilfreich In Das Situation.
Jetzt, Ich bin gehen Zu schließen alle diese aus Weil es ist Zeit Zu erhalten hinein Die Analyse. Lass uns Tun Das. Ich bin gehen Zu Start mit Die Aggregat Ebene Daten. Hier ist Mein Tisch. I kompiliert über alle Die Daten, alle Die Zeit Perioden. Wir haben Die Monat, Wir haben Wie viele Ablösung passiert In Das Monat. I bekommen a Spalte Hier für Die kumulativ gesamt. Ich habe bekommen Hier Wie viele autonom Modelle war angetrieben. I bekommen zwei Spalten Hier Das Ich bin gehen Zu sprechen um In Nur a zweite. Du wirst haben Zu Nur Warten.
Was Ich bin gehen Zu Tun Ist Ich bin gehen Zu gehen In, Ich bin gehen Zu gehen Zu Analysieren. Ich bin gehen Zu gehen unter Zuverlässigkeit Und Überleben, Und Dann Ich bin gehen Zu scrollen alle Die Weg runter bis I erreichen Zuverlässigkeit Wachstum. Krank klicken Das. Jetzt Wir haben mehrere Registerkarten Hier. Ich bin nur gehen Zu Fokus An diese Erste zwei Weil diese zuletzt zwei Sorge Wenn I haben mehrere Systeme. Krank erneut besuchen diese Wann Wir erhalten Zu Die tatsächlich Fahrzeug Information. Für Rechts Jetzt, Lass uns vorgeben Das war Suche bei Die ganz VON System, Die künstlich Intelligenz System In diese Fahrzeuge. Denken von Es als eins groß System.
Dort Sind zwei Wege Das I dürfen bewerten Das. Eins, I dürfen Tun als Zeit Zu Ereignis, im Wesentlichen Wie viele Monate bis a bestimmt Ereignis passiert oder Tage Wenn Wir hatte Das. Oder I könnte Tun Es über a besondere Zeit Stempel. Grundsätzlich, Was War Die Zeit bei welche Es geschah? I Tun haben Das Typ von formatiert Daten. I haben Es bei Die Monat. Der Monat Ist a Bußgeld Zeitstempel. Es Nur sagt In Das Monat I hatte Das viele Veranstaltungen passieren. Das ist alle I brauchen Zu setzen In. I haben alle Die Daten I brauchen. Krank klicken OK.
Jetzt, Großartig Ding um Das Ist vor Du Tun beliebig Analyse, Du sollen, von Kurs, sehen bei dein Daten, visualisieren dein Daten. Es ist Hübsch Weil Die Erste Ding Es tut Ist Es visualisiert Die Daten für Du. Lass uns sehen bei Es. Eins Ding war Suche bei, war Suche bei kumulativ Veranstaltungen über Zeit. Was Wir erwarten Ist a Verhalten Wo früh An Wir könnte haben Was Krank Anruf a brennen In Typ Zeitraum Wo I haben a viel von Veranstaltungen Und es ist Happening. Ich bin Feinabstimmung Die System, Portion Fix Es, Portion verbessern Es.
Dann letztlich, Was Ausweis wie Zu sehen Ist Das Plateau. Ausweis wie Es Zu Zunahme Und Dann abflachen aus. Das erzählt Mich Das Mein Nummer von Vorfälle Ist abnehmend. Wenn Es geht vollständig Wohnung, Das ist Großartig. I haben NEIN mehr Vorfälle überhaupt nicht. I Wunsch Die war wie Das, Es Ist nicht. Aber Wir dürfen sehen Muster Hier In Die Daten. Lass uns gehen durch. Wir haben a brennen In Zeitraum Hier, früh 2015, Und Dann um Mitte 2016, Wir abflachen aus bis um Hier. Wir sehen a wenig blip, um Sommer von 2016, etwas passiert. Wir erhalten a wenige mehr Vorfälle. Wir Ebene aus wieder bis Wir erhalten Zu um Hier, um spät Frühling von 2018.
Etwas anders passiert Weil Wir Start gehen hoch wieder. Sie sind nicht sehr steil. Das man's a bisschen länger. Dann Wir hübsch viel bei Hier, Wir fast abgeflacht aus. Wir haben erreicht Die Zeitraum Wo war Wirklich haben NEIN Vorfälle passieren, im Wesentlichen, Zu Die Ende von 2020. Dann etwas passiert In 2021 Und Wo wir haben erreicht im Wesentlichen ein anderer brennen In Zeitraum, etwas ist gehen An. Im Wesentlichen Was wir haben bekommen Ist vier Phasen, Wenn Du Wille, Happening In Die Wachstum von Die System. Irgendwas stimmt nicht geändert zwei oder drei mal Zu Auswirkungen Die Zuverlässigkeit.
Ein anderer Weg Zu visualisieren Das, Krank laufen Das Handlung. Das Verwendung manche Daten. Ich bin Planung wieder Die kumulativ gesamt. Ich bin Auch Planung etwas Was I Anruf Die empirisch bedeuten Zeit zwischen Ausfälle. Es ist a sehr einfach metrisch Zu berechnen. Es ist Nur Die invers von Die Nummer von Entkopplungen. Es Ist a sehr Anzeige hoc, naiv Weg Zu versuchen Und schätzen Die bedeuten Zeit zwischen Vorfälle. Aber I gezeichnet Hier Also Das Du dürfen sehen, Du wirst beachten diese vier Gipfel Das entsprechen Zu Die biegen In Die Kurve. Aber Dort Sind vier von ihnen datieren diese vier Orte Wo etwas hat geändert In Die System Zu beeinflussen es ist Zuverlässigkeit.
Was Wir dürfen Tun Dann Ist versuchen Zu Figur aus, Was Sind diese Haltepunkte? Eins Weg Du könnte Tun Das Ist Die Zuverlässigkeit Wachstum Plattform hat a Weg Zu fit a bestimmt Modell. Krank Pause Hier Zu sprechen um Die Modell a bisschen. Alle von diese Sind Genau genommen Die Dasselbe Modell mit leicht Modifikationen. Sie sind alle Was Wir Anruf a inhomogener Poisson-Prozess. Das Ist a schick Weg Zu beschreiben a Zählen Verfahren. Ich bin Zählen etwas, Aber Die Rate bei welche Die Konten könnte geschehen pro Einheit Zeit Ist Ändern über Zeit. A Poisson-Prozess Nur bedeutet Das bei a Konstante Rate, Also Die Rate bei welche Vorfälle würde geschehen würde Zu Sei Konstante, Das würde Sei Äquivalent Zu Sehen a gerade Linie.
Es ist sehr einfach Zu Modell, Aber es ist schlecht für Wirklichkeit Weil offensichtlich Wir nicht wollen Die Rate Zu bleiben Die Dasselbe. Wir würde wie Es Zu verringern Zu im Wesentlichen null. Das ist Warum Wir haben a inhomogener Poisson-Prozess. Wir wollen Es Zu ändern über Zeit. Hier Wir haben a Modell Wo Wir dürfen Genau genommen lassen JMP versuchen Und Figur aus a ändern Punkt In Die Verfahren. Wenn I laufen Es, Was es ist gehen Zu Tun Ist es ist Genau genommen gehen Zu fangen Das groß Stück Und sagen, "Hey, etwas Wirklich geändert Dort. Für am meisten von Es, Es War Die Dasselbe Ding, Aber nach Das Punkt, Es Wirklich verändert. Jetzt Hier es ist nur gehen Zu ändern eins bei a Zeit. I haben gesprochen Zu Die Entwickler um, würde nicht Es Sei Hübsch Wenn Wir könnte identifizieren mehrere ändern Punkte?
A anscheinend Das ist a bisschen von ein offen Forschung Problem, Also Mich Und ihn könnte Sei Arbeiten zusammen Zu versuchen Und Figur Das aus. Aber Was I tat Ist I im Wesentlichen mit bloßem Auge Es Und sagte, "ICH denken Dort Sind bestimmt Phasen. I denken da ist um drei oder vier Phasen, Und I tat Es empirisch, welche Ist Wo Du erhalten Das Spalte." Ich bin gehen Zu laufen Das Skript. Lassen Mich zeigen Du Wie I tat Es. I kommen Hier unter wiederholen gehen Zu Neustart Und alle I tat War I hinzugefügt Die Phase Spalte Hier. Das erzählt Du Das Dort Sind anders Perioden Wo Die Zuverlässigkeit könnte haben geändert wesentlich Entschuldigung Mich, In manche Weg.
Wenn wir denken von Das, war gehen Zu sehen bei Die Schlüssel metrisch Hier als Die bedeuten Zeit zwischen Versagen. War gehen Zu sehen früh An, Also Das Ist In Monate Das Hier Ist um drei Tage 4- 5, um a Woche, Und Das Ist um a Tag, Tag Und a Hälfte. Früh An, Wir haben a bisschen von a niedrig Zeit. Es ist hübsch häufig. Wir dürfen Auch sehen Hier, Krank zeigen Du Die Intensität Handlung. Das könnte Sei ein anderer Ding Zu interpretieren. Was war Suche für Ist heiraten wie Die bedeuten Zeit zwischen Ausfälle Zu Sei lang. Heiraten wie Es Zu Sei a lang Zeit zwischen Vorfälle ideal unendlich. Das bedeutet Nichts immer passiert Und unser Intensität Zu verringern.
Was war Suche Hier Ist, Wir erhalten a bisschen von a Gut Start. Um Mitte von 2016, war tun Wirklich Also. In Tatsache, Wir erhalten Zu um a Woche zwischen ein Vorfall für beliebig Fahrzeug. Dort War a bisschen von a blip, Aber Wir in erster Linie erhalten zurück Zu Wo Wir war bis Wir erhalten Zu Die Ende von 2021, Wo Jetzt es ist im Wesentlichen um a Tag zwischen Vorfälle für beliebig Fahrzeug. Etwas groß passiert Hier bei Die Ende von 2020 mit diese Fahrzeuge mit Das Software System, Wenn Du Wille.
Wieder, Du dürfen sehen Hier mit Die Intensität, Du dürfen fast Tun eins Kurve Und Wir erhalten runter Zu um sechs oder Sieben Vorfälle pro Monat. Wohingegen Hier es ist fast 30, im Wesentlichen, einmal a Tag. Wir haben gewesen fähig Zu sehen hinein Hier Und entdecken was ist gehen An, bei am wenigsten bei Die Aggregat Ebene. Vor Wir erhalten Zu Die Fahrzeug Ebene, Ich bin gehen Zu laufen eins mehr Graph Das ist Suche bei, wir haben bekommen alle diese autonom Meilen. Könnte Es Sei Das Wenn I fahren Es mehr oft, Vielleicht I begegnen mehr Vorfälle? Könnte Das haben ein Wirkung? T Hier ist a schnell Weg Zu bewerten Das. Nur Verwendung a einfach Graph. Also Nur Handlung autonom Meilen gegen Die gesamt Entkopplungen.
Wir sehen Hier für Sind a wenige Nummer von Ablösungen, Das könnte Sei WAHR. Der mehr Du fahren, Die mehr Du könnte sehen. Aber In allgemein, lang Begriff, nicht Wirklich. Da ist Wirklich NEIN groß, stark Korrelation zwischen Wie viele autonom Meilen angetrieben, Wie viele Verpflichtungen Du sehen. Da ist etwas anders gehen an. T Hut Genau genommen Was Wir gefunden In Die Papier Das I erwähnt früher Ist Das Die Kilometerstand Auswirkungen War sehr minimal.
Jetzt, Lass uns Zoom In Zu Die Person Fahrzeug. War nicht gehen Zu haben alle Die Daten, sogar obwohl I Genau genommen Tun haben Es Hier. Aber war nicht gehen Zu haben vollständig Daten für alle von Die Fahrzeuge. Lassen Mich brechen Es runter. I haben Die Monat, I haben Die Fahrzeug Identifikation Nummer. Beachten manche von diese, es ist nur teilweise. I haben Hier Was I Anruf a KOMMEN Serie. Das Ist sehr empirisch. Ich bin Nur nehmen Die Erste vier Ziffern von Die KOMMEN. Du wirst sehen Hier, Ich bin gehen Zu scrollen runter a bisschen Und Also sehen. Lass uns sehen, Vielleicht I Wille ziehen runter a wenig bisschen. Dort Wir gehen.
Manche von diese WEINE, a viel von ihnen Genau genommen Start mit Die Dasselbe vier Ziffern, 2C4R. Krank Anruf ihnen Die 2C4 Serie. Da ist a Bündel von Fahrzeuge Das haben Das als ihre beginnend eins. Das identifiziert a besondere Flotte von Fahrzeuge, bei am wenigsten aus ein empirisch Sicht. Wenn I scrollen runter, war gehen Zu laufen hinein a anders Serie, welche Ich bin gehen Zu Anruf Die SADH Serie. Das Ist Die eins Das War eingeführt um 2021. Das ist Wann I gesehen Die Venn Zahlen ändern Zu Die SADH Bezeichnung.
Wieder, I haben Wie viele von Meilen I haben a beginnend Monat, Wann tat Das Fahrzeug Start? Ich bin gehen Zu verwenden Das Zu berechnen Die Zeit Zu Veranstaltungen. Erste, Ich bin gehen Zu Tun a Handlung. I denken Das Ist Die am meisten informativ Handlung Du wirst sehen für Das Analyse. Was Ich habe Erledigt Hier Ist Ich habe im Wesentlichen erstellt für Du a Hitze Karte. Du dürfen sehen Ich habe bekommen Die Hitze Karte Option wählen. Ausgewählt, I bekommen für jede Fahrzeug Und über Zeit, im Wesentlichen a Zelle, Und Das ist Nur gehen Zu angeben, War I angetrieben In autonom Modus jederzeit Das Monat?
I bekommen Es Farbe codiert von Die Serie. Diese Vertikale Linien entsprechen Zu Die Übergänge zwischen diese empirisch Phasen I erwähnt früher. Was Das Ist erzählen uns Ist grundsätzlich, dürfen Wir identifizieren Was könnte haben verursacht diese Übergänge? Hier Wir sehen ein anfänglich Serie von Fahrzeuge, Und Es Aussehen wie Dort war nicht a groß ändern In Was Fahrzeuge war eingeführt Hier. Vielleicht Dort War a bisschen von a Software Upgrade für Das besondere Serie Das Mai haben eingeführt diese neu Vorfälle. Hier Wir sehen Das a neu Serie War eingeführt a kleiner Nummer von Fahrzeuge, vielleicht Pilot Serie. Dann a Bündel von ihnen eingeführt um Das Dasselbe Zeitraum Wo Wir gesehen Die andere Übergang.
Hier, Das scheint Zu entsprechen Zu a neu Flotte von Fahrzeuge mit Vielleicht a leicht aktualisiert Version von Die Software. Hier, Wir sehen a klar Unterscheidung. Offensichtlich, In 2021, a vollständig neu Serie von Fahrzeuge War eingeführt. Wir haben a bisschen von Die alt Fahrzeuge Trotzdem Dort In Die Mischung, Aber am meisten von ihnen Sind Die neu Fahrzeuge. Das wahrscheinlich erklärt Warum Wir bekommen a neu Charge von neu Vorfälle. Wir bekommen a brennen In Zeitraum für Das neu Serie von Fahrzeuge. Das Ist Cool Weil Jetzt Wir haben a bisschen mehr Erläuterung als Zu Was War gehen An mit Die Aggregat Daten, welche Ist Warum es ist wichtig Zu haben Das Information.
Jetzt Lass uns brechen Es runter von KOMMEN. I haben Rechts Hier Skript Zu angeben wir haben bekommen a Tisch Hier Und es ist ähnlich Zu Die Tisch I haben vorher. Beachten manche von diese haben gewesen ausgeschlossen Und Das Ist Weil Wenn für Das besondere Fahrzeug, Die gesamt Nummer von Vorfälle War weniger als drei, Die Plattform Ist nicht gehen Zu Sei fähig Zu fit a Modell für Du Weil Es Bedürfnisse bei am wenigsten drei Vorfälle pro Fahrzeug. Das macht Sinn. I haben nur eins oder zwei, Das ist nicht Wirklich genug Information Zu bewerten Die Zuverlässigkeit. Wenn I haben drei oder mehr, Jetzt war im Gespräch I dürfen Tun etwas.
I Auch haben Die Monat seit Die Start. I haben manche kumulativ Information Dort welche Monat Es begonnen. Ich bin gehen Zu gehen voraus Dann Und laufen Die Plattform. Nicht Sorge, I Wille zeigen Du Wie I tat Das. Ich bin gehen Zu gehen Zu Die wiederholen Neustart. Ich bin gehen Zu erhalten loswerden von Das. Das ist manche übrig bleiben Sachen. Ich bin Suche bei eins von diese zwei zuletzt Plattformen. Diese Sind um mehrere Systeme. Jetzt war Denken von jede Fahrzeug als es ist eigen System. Der gleichzeitig Nur bedeutet Ich bin gehen Zu laufen jede Fahrzeug eins nach Die andere.
Das ist nicht was ist Happening Hier. Der Fahrzeuge Sind im Wesentlichen Sein laufen In parallel. Mehrere Fahrzeuge Sind Sein angetrieben bei a Zeit. Hier I brauchen a Spalte Zu angeben Die Zeit Zu Ereignis, In Das Fall, Wie viele Monate seit Die Start bis Das viele Veranstaltungen passiert. I haben Die System AUSWEIS. Der eins Ding Das ist nicht gezeigt Hier Ist I Genau genommen nahm Die KOMMEN Serie Und gebraucht Das als a von Variable, welche Ist Warum Wir haben Die Wo KOMMEN gleich Also Und Also. Da ist nur gehen Zu Sei zwei Weil Die eins mit a wenig Sternchen hat NEIN Information um Vorfälle. Das ist Weil Das War zwei früher Das War vor Zu Sein fähig Zu binden Die Die Fahrgestellnummer (VIN) lautet: Die Fahrzeug.
Aber Sie war Dort für Vollständigkeit, Ich bin abgesagt aus von Das. Jetzt, Was war gehen Zu sehen Hier Ist a Liste von Modelle Das Du könnte laufen. Diese Erste vier Ich bin nicht gehen Zu Sei fähig Zu Tun Weil I nur haben eins Phase. Im Wesentlichen, Die Phase Jetzt entspricht Zu Die KOMMEN Serie. Aber Dort Sind zwei Das I könnte laufen Und Die nur Unterschied Ist, Tun I wollen Zu laufen a Modell für alle von ihnen sagen diese Sind alle Teil von ein identisch System? Macht Sinn. Diese Sind alle Fahrzeuge, Sie wahrscheinlich laufen Die Dasselbe Software. Vielleicht I dürfen laufen a Modell für alle von ihnen. Oder I dürfen haben a Modell Wo I fit Es Zu jede Person Fahrzeug.
Vor I laufen diese Modelle, Lass uns nehmen a sehen bei Das Handlung. Wieder, Start mit Die Visualisierung Und Was Wir sehen gezeichnet Ist alle Die Fahrzeuge. Beachten Hier da ist a bisschen von a seicht Neigung Zu Das. Im Wesentlichen da ist a bisschen von a steil Kurve, Aber Dann Es Ebenen aus hübsch schnell. Das Ist a hübsch Gut Zeichen von Zuverlässigkeit gehen An Hier. Ich bin gehen Zu vergleichen ihnen, Ich bin gehen Zu scrollen runter Zu Die nächste eins, Die Satz Serie. Jetzt, anfänglich Die Achsen Hier, Nur Also Du wissen, Wann Du laufen Es nächste Zeit, Die Achsen Sind gehen Zu nur gehen Zu Die vollständig Satz von Daten. Das würde Genau genommen Sei a kleiner Reichweite.
I Fix ihnen Also Sie hatte Die Dasselbe Reichweite. Du dürfen deutlich sehen Das Das Ist viel steiler als Das. Deutlich, Wir haben mehr Vorfälle Happening mit Das neu Serie als Das eins. Aber Wir dürfen Tun a schnell Modell fit. Ich bin gehen Zu Tun Die identisch System. Wieder, es ist a inhomogener Poisson-Prozess. Obwohl In Das Fall, Ich bin gehen Zu ignorieren Die Schätzungen für Rechts Jetzt, Wenn Du wollen Zu sehen bei Das, Du dürfen. Ich bin gehen Zu gehen gerade Zu Die bedeuten Zeit zwischen Versagen Und Du wirst beachten Das für alle Die Monate es ist hübsch viel Wohnung.
Was es ist im Wesentlichen Erledigt Ist Das Ist Nur a Gift Verfahren. Der Rate Ist Konstante, welche Ist Gut für Modellieren, nicht Also Gut In Bedingungen von Beurteilung Es. Es ist Nur sagen über Das ganz Zeit für Das besondere Serie, Wir hübsch viel erreicht für beliebig eins Fahrzeug, a bedeuten Zeit von um fünf Monate zwischen Vorfälle. Jetzt, Lass uns vergleichen Das Zu Was Wir gesehen mit Die Aggregat Wo Es War um a Woche, Das ist über beliebig Fahrzeug. Es ist Nur sagen für beliebig Fahrzeug, Es War um a Woche zwischen ein Vorfall für beliebig Fahrzeug. Wohingegen Das scheint Zu Sei impliziert es ist um fünf Monate für beliebig eins Fahrzeug.
Du dürfen denken von Es als Die läuft In parallel, Also Du dürfen sehen es ist gestaffelt. Beliebig eins Fahrzeug, Es könnte Sei um fünf Monate. Wieder, Das Ist ein Durchschnitt, da ist a viel von Reichweite zwischen Dort. Für eins Fahrzeug, es ist a hübsch lang Zeit. Aber In Aggregat, sie sind wahrscheinlich gestaffelt genug Das Es scheint wie es ist um a Woche für beliebig eins Fahrzeug. Sie dürfen Sei konsistent wie Das. Aber Das Ist Trotzdem hübsch Gut. Das ist um fünf Monate zwischen ein Vorfall, a Ablösung Ereignis Hier für Das Serie. Wenn Wir laufen Zu Die SADH Serie Und Tun Die Dasselbe Modell, lassen Mich gehen Hier. Dort Wir sehen deutlich zunehmend. Ich bin gehen Zu verstecken Das. Wenn Wir sehen bei Das, Es sagt "NEIN," früh An Wir wahrscheinlich hatte um zwei Monate. Das ist a bisschen von a Start Dort. Aber wir haben fallen gelassen Zu weniger als a Monat, fast zwei Zu drei Wochen zwischen Vorfälle.
Deutlich, da ist a bisschen mehr arbeiten Zu Tun An Das Serie. Wieder, Es War Nur eingeführt Also Das Ist wahrscheinlich mehr von Die brennen In Phase. Wenn Wir erhalten Die 2022 Daten, Wir könnte Start Zu sehen Es Ebene aus wie Es tat In Die vorherige Serie. Das Genau genommen könnte umdrehen Und Sei mehr von a Ebene Kurve. Das ist um alle I wollen Zu zeigen für diese Plattformen. I dürfen zeigen Du manche von Die Person unterscheidbar Systeme Aber Dort Sind a viel von Systeme Hier Und Also es ist gehen Zu erhalten überfüllt sehr schnell. Da ist a Handlung für jede eins. Da ist Schätzungen für jede eins. Du dürfen sehen bei Die bedeuten Zeit zwischen Versagen für jede eins.
Wenn Dort Sind besondere Fahrzeuge Du gesucht Zu Anruf aus Und sehen Wie Sie könnte abweichen, Das Ist Was Du dürfen Tun. Du dürfen sehen manche Zunahme, manche verringern, Aber gesamt mehr oder weniger Wohnung. Du dürfen Auch sehen bei Intensität Diagramme. Wenn Du finden Das mehr interpretierbar als Die bedeuten Zeit zwischen Versagen, Du haben andere Kennzahlen Das Du dürfen einbeziehen Hier. Okay, t Hut alle I wollen Zu zeigen für Das Plattform. Jetzt, von Kurs, da ist Daten I tat es nicht enthalten Hier. Für Beispiel, Wir könnte brechen Es runter von Ursache.
Für manche von Das Daten, Ursache könnte Sei, I Nur brauchen Zu nehmen über Weil Es War bekommen zu schließen Zu Die Seite von Die Die Straße. Oder Vielleicht Die Auto gestoppt bei Die stoppen Zeichen, tat Was Es War angeblich Zu, begann rollend Und manche andere Treiber blies durch Die stoppen Zeichen Kommen Die andere Weg. In welche Fall, Vielleicht Das könnte nicht unbedingt Sei a Zuverlässigkeit Schlag. Der Auto tat Was Es War angeblich Zu. Jemand anders war es nicht. Es würde Sei interessant Zu brechen Es runter von Das, Auch von Standort. Der Nummer von Vorfälle Du erhalten mehr Wann du bist In Die Stadt, Vielleicht An Die Autobahn, etwas wie Das.
Real schnell, Wir sollen sehen bei Die Kilometerstand Auswirkungen. Wieder, Dasselbe Information, eins oder zwei Vorfälle Sicher, Das könnte ändern. Aber gesamt es ist gehen Zu Sei Wohnung. Der Kilometerstand Auswirkungen An Die Vorfall Rate Ist minimal. Von Kurs, Das Ist Nur eins von viele Plattformen verfügbar In Die Zuverlässigkeit Suite. Du dürfen sehen da ist a Tonne von Optionen, sehr flexibel für Portion bewerten Zuverlässigkeit. Wieder, Das ist alle I haben Zu zeigen Du. Hoffentlich, Ich habe gewesen fähig Zu zeigen für Du Wie Also JMP dürfen helfen einleiten Entdeckung Und Analyse. Hoffentlich, Du entdeckt a viel von Dinge um Das besondere Firmen autonom Fahrzeuge. I Hoffnung Du genießen Die ausruhen von Die Konferenz. Dank Du.
