Fuel Consumption Tests for Evaluating the Accuracy and Precision of Truck Engine Electronic Control Modules to Capture Fuel Data
Notice bibliographique
Résumé
Many trucking fleets and organizations are extensively using truck onboard computers (OBC) to gather fuel consumption data from truck engines' Electronic Control Modules (ECM). This study aimed to assess the accuracy and the precision of truck engine control module concerning the fuel consumption data. The testing methodology evaluated the fuel consumption data provided by the ECM using test track and road fuel consumption tests, short-term operational observation, long-term operational observation and engine dynamometer tests. ECM data were retrieved using either onboard computers (OBC) or engine scan tools. Test track and road tests were mainly intended to evaluate the precision of ECM data for short distances, between 60 and 100 km. More than 220 test runs totalizing 22,000 km were conducted using 23 test vehicles. Short-term operational observation monitored a total of 77 vehicles on 305,000 km and long-term operational observation considered periods between 16 and 43 days, with total distance of 105,000 km For short distances (less than 100 km), similar engines presented different levels of precision and accuracy. The majority of the tested vehicles showed acceptable precision but for some tests, the accuracy was unsatisfactory. Short-term and long-term operational observations showed satisfactory accuracy and precision. ECM data precision and accuracy vary among engine manufacturers and among engine models from a single manufacturer. ECM accuracy and precision are more reliable when averaging over longer periods or with a larger number of tests or trips. Therefore, it is risky to use ECM fuel data alone for evaluating the impact of a technology or practice. ECM data should always be completed with other available information, such as fleet fuel records. ECM fuel data might be used for long-term operational observations when expected fuel improvements are at least 5%.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».