Die eingelesenen Flotten- und Ausfalldaten werden in mehreren Schritten bereinigt und so aufbereitet, dass sie sicher weiterverarbeitet werden können. Dabei werden nicht nur ungültige und doppelte Werte, sondern auch nicht-monotone Einträge entfernt. Das Verfahren wurde anhand vieler realer Testfälle robustifiziert, so dass dieser Schritt komplett automatisiert ablaufen kann. Anwender ersparen sich damit die zeitaufwändige Filterung einzelner Daten von Hand.

Für die vorliegenden Ausfalldaten wird automatisiert eine optimale Modellstruktur gesucht, um die tatsächliche Anzahl der Ausfallkomponenten zu bestimmen. Dafür werden verschiedene Modellkandidaten mit dem Expectation Maximization Algorithmus trainiert und miteinander verglichen. Anhand statistischer Kriterien wird die optimale Struktur bestimmt, so dass kein manueller Eingriff notwendig ist. Das macht die Anwendung auch für Nicht-Experten möglich.

Die Probabilistische Lebensdauerprognose ermittelt für jedes Fahrzeug ein individuelles Alterungsmodell. Damit ist eine wesentliche genauere Schätzung der Laufleistungsverteilung einer Flotte als mit der weit verbreiteten Drei-Punkt-Schätzung möglich. Die zugrunde liegenden Alterungsmodelle sind als probabilistische Verfahren in der Lage, die zukünftige Alterung als Wahrscheinlichkeitsverteilung darzustellen. Dafür werden je nach Datenlage die fahrzeugindividuellen Daten oder Flotteninformationen genutzt.

Das Verfahren basiert auf dem konsequenten Einsatz probabilistischer Modelle, sowohl für die Laufleistungsschätzung als auch für die Ausfallwahrscheinlichkeit. Die in den daten zugrunde liegenden Unsicherheiten werden innerhalb beider Modelle berücksichtigt und miteinander verrechnet. Dadurch liefert das Verfahren nicht nur eine einzelne Punktschätzung, sondern die gesamte Auftretenswahrscheinlichkeit.

Bei der alleinigen Betrachtung der Lebensdauerkurve ist nur eine pauschale Aussage zur Anzahl an Ausfällen bei einem bestimmten Kilometerstand möglich. In der Realität fahren die Fahrzeuge aber unterschiedlich, und es gibt keine Flotte, bei der alle Fahrzeuge den gleichen Kilometerstand aufweisen. Für die Vorhersage der Anzahl an Ausfällen betrachtet die Probabilistische Lebensdauerprognose daher die fahrzeugindividuelle Laufleistung und prognostiziert diese in die Zukunft, um aus fahrzeugindividuellen Ausfallrisiken auf die zukünftigen Ausfälle zu schließen.

Sofern die Laufleistung der aktuellen Flotte noch zu gering ist, kann eine Referenzflotte zur als Basis für die Prognose verwendet werden. Dadurch lassen sich saisonale Effekte, wie z.B. bei Motorrädern oder Cabriolets kompensieren.

Anwender können festlegen, ob defekte Teile durch baugleiche Teile, die erneut ausfallen können, oder durch neue, verbesserte Teile ersetzt werden. Dadurch kann die Prognose an die reale Problemstellung angepasst und optimal genutzt werden.

Anwender können festlegen, ob die bisher beobachteten Ausfälle sämtliche Ausfallmechanismen bereits beschreiben oder ob in der Zukunft weitere Ausfallmechanismen auftreten können. Auf diesem Weg lassen sich Expertenwissen oder Erfahrungen aus der Vergangenheit für die Prognose berücksichtigen.

Der Anwender hat die Möglichkeit, einen Gewährleistungszeitraum zu definieren, innerhalb dessen die Fahrzeuge als relevant eingestuft werden. Sobald einzelne Fahrzeuge aus dem Gewährleistungszeitraum herausfallen, werden sie nicht weiter betrachtet. Auf dieser Basis lassen sich die zukünftigen Gewährleistungskosten genauer abschätzen.