Fahrzeug- und Systemhersteller benötigen dringend repräsentative Diagnosedaten aus dem Feld, um Schwachstellen in ihren Fahrzeugen bzw. Fahrzeugteilsystemen schneller und besser identifizieren sowie Entwicklungs-, Produktions- und Serviceprozesse effizienter gestalten zu können. Leider liegen diese Daten oft weder in der erforderlichen Granularität noch im gewünschten Umfang vor. Ein Hauptgrund für diese missliche Situation sind die beschränkten technischen und konzeptionellen Fähigkeiten der derzeit eingesetzten Diagnosesysteme. Die Grenzen dieser Systeme zeigen sich deutlich, wenn es darum geht, das tatsächliche Fehlerverhalten im Feld adaptiv nachzuempfinden und neu aufgetretene Fehlerbilder aufzunehmen. Die Problematik spiegelt sich auch in der recht geringen Akzeptanz und im relativ geringen Nutzungsgrad durch das Servicepersonal wider, das diese Systeme oft als zeitintensiv, starr und umständlich empfindet. In diesem Betrag werden die tieferen Ursachen dieser Situation untersucht. Es wird ein Systemansatz vorgestellt, der wissensbasierte Diagnosemethodiken mit modernen statistischen Verfahren und Data-Mining-Techniken kombiniert, die geeignet sind, um zu einer höheren Qualität in der technischen Diagnose zu führen.

    Car Manufacturers and system suppliers need urgently representative data from the field in order to identify weak spots in their systems and to improve and optimise their development, production and service processes. Unfortunately this data is often not available neither in the required granularity nor with respect to the required quality The main reason for this unpleasant situation is the lack of functionality and flexibility of the diagnostic applications in the field. Also, such systems are slow and stolid in order to adapt the true behaviour of vehicle systems in the field and to incorporate new field problems. As a consequence, such systems are used by the field service personnel to a rather low degree. The data acquisition of such data is often considered time consuming and somewhat awkward. In this paper an attempt is made to identify the deeper reasons for this situation. Furthermore, an approach is provided how to resolve this situation. In combination with knowledge based approach modern statistics and data mining techniques are available to lead to a new quality of diagnosis.


    Access

    Access via TIB

    Check availability in my library

    Order at Subito €


    Export, share and cite



    Title :

    Optimierung der Diagnose durch maschinelles Lernen aus Felddaten


    Contributors:


    Publication date :

    2012


    Size :

    19 Seiten, 15 Bilder, 7 Quellen



    Type of media :

    Conference paper


    Type of material :

    Print


    Language :

    German




    Prädiktive Diagnose und maschinelles Lernen

    Waleschkowski, Norbert / Mecky, Matthias | TIBKAT | 2021


    Automatische erfahrungsbasierte Diagnose aus Felddaten mit neuronalen Netzen

    Mueller,T. / Lange,K. / Breuer,A. et al. | Automotive engineering | 2007


    Automatische erfahrungsbasierte Diagnose aus Felddaten mit neuronalen Netzen

    Müller, T. / Lange, K. / Breuer, A. et al. | Tema Archive | 2007



    Diagnose in mechatronischen Fahrzeugsystemen XIV : Predictive Maintenance, Remote Diagnose, KI/Maschinelles Lernen, Standardisierung

    Tagung "Diagnose in Mechatronischen Fahrzeugsystemen" / Technische Universität Dresden, Lehrstuhl Fahrzeugmechatronik | TIBKAT | 2021