2012年4月，无锡某公司安装了80台车辆的G-BOS智慧运营系统，每一台车都安装了G-BOS系统配套的高精度油箱油量传感器，对发动机消耗油量和车内油箱油量进行双重数据采集和监控。

    2012年10月中旬，管理人员打开G-BOS智慧运营系统，进行日常油耗数据梳理时，发现其中一台车的实际加油数据和G-BOS显示的实际加油数据有十几升的差异，这不由引起了他的高度警惕。随着油价的越来越高，前段时间已经破八，有些驾驶员就动起了偷油的念头，特别是旅游和团体企业没有办法定点停车和定点加油，更给油耗管理带来了难题，“油耗子”想尽各种办法偷窃车辆用油，给运输企业带来了很大的经济损失。

    他立即想到了公司为了加强对油料管理，已在车辆油箱中加装了高精度油量监控系统，这样G-BOS系统就可以实时得到油箱中的现存油量，通过对油箱数据和发动机耗油数据进行分析，能确保公司油料安全。他随即调取了该车2012年9月1日--10月20日之间的“燃油曲线”图：

    从图中可以看到，分别在9月3日、8日、15日、22日、24日、30日以及10月8日、13日等8个时间点上，油箱油量都有一个垂直的滑降，其它时段曲线平滑规律。这种图形可以判定为“典型的偷油”，但是，为了不冤枉好人，为了做到以事实为依据。让数据说话，确保万无一失，他调取了该车9月1日--10月19日与油耗管理相关的所有数据进行了分析。

    1）确定数据发生的时间点

    因为只有准确确定了事件的发生时间点，才有助于对比同一时间点的其他相关数据，从而找到印证的数据关系，借助G-BOS系统的《记录详细查询》界面，通过查询《ad油位》，很容易找到了每一次油位数据突变的时间点和突变的油量：

    2）数据规律印证

    将上面已经确定的数据变化时间点和油量变化值，形成8个时间点的汇总数据表（见下表）通过表里的数据，我们可以清楚的看到一些规律：

    a)每次油量的突然下滑都在“周六的下午”或者“周一的早上”（可能与当班班次有关）

    b)每次油量滑下的幅度，都在32L左右（估计使用的是同一容器）

    c)除9月15日、30日外（为发动机熄火状态），其余每次时间均在1-5分钟以内完成。

    （9月1日--10月20日期间共计消失油量为260升，约合人民币2080元）

    3）  车速数据印证

    查看8次油量下滑时的车速，发现：每次油量下滑时，车速都为0。

    4）地点数据印证

    查看完8次油量下滑时的地点，发现都在同一地点：

    5）通过ECU油耗和油箱油耗对比

    通过对比每个行程单元的百公里油耗曲线，可以看到油箱百公里曲线（图中蓝色曲线）与同时段发动机ECU的百公里曲线（图中粉红曲线）的趋势对比，图中油箱曲线（蓝色曲线）有8次非常明显的波峰，而在同一时段发动机的油耗（粉色曲线）并不同步（图中小圆圈区域）。

    数据确凿，论据充分，由此完全可以确认，此台车在9月1日至10月19日期间，确实分别在9月3日、8日、15日、22日、30日、以及10月8日、13日等8个时间段，在无锡新荣路（卡特比勒机械公司）附近，以不熄火方式，每次分别抽出32L左右的燃油，确有“偷油”嫌疑，该驾驶员为了使偷油行为不被发现，都是加几次油偷一次，每次数量不大，但在一个多月的时间里，已经有2000多元的偷油收入，管理人员不由在心里感慨，这真是一只自以为聪明的“油耗子”，但是再聪明的耗子，也逃不过G-BOS的火眼金睛。

    随后，他立即上报公司领导，并与该驾驶员核实，在事实面前，该驾驶员承认了偷油事实，为企业挽回了经济损失。