Prozessorientiertes Wissensmanagement für Diagnosedaten
Diagnose – und dann?
Fortsetzung des Artikels von Teil 1
Diagnose – und dann?
Erst unmittelbar vor der Serienreife werden Daten für die Werkstattinformations- und Diagnosesysteme fertiggestellt. So steht im Bereich der Entwicklung und der Vorserie in der Regel keine oder nur eine unvollständige Diagnose-Wissensbasis zur Verfügung. Das Wissensmanagement von GT-DART schließt diese Lücke und kombiniert Diagnosetester mit einer intelligenten Wissensverarbeitung.
Jobangebote+ passend zum Thema
Kernbestandteil ist ein Web-basiertes Dokumentationswerkzeug zur strukturierten Verwaltung von Diagnosesessions der Entwicklungswerkstatt (Bild 2). Die Strukturierung ermöglicht hierbei hinterher das intelligente und gezielte Auffinden von Fällen, die in der Vergangenheit schon einmal aufgetreten sind und gelöst wurden. Darüber hinaus kann die entstandene Diagnose-Wissensbasis bereits früh mit computergestützten Analyseverfahren ausgewertet werden.
Das Diagnosewissen zu einem Fehlerfall wird dabei durch aus dem Fahrzeug ausgelesene Attribute wie Fehlercodes, Ort des Fehlers, Art des Fehlers oder Betriebsbedingungen wie Istwerte beschrieben. Hinzukommen können weitere, vom Anwender frei definierbare Attribute. Um auch komplexe Fehlerfälle beschreiben zu können, lassen sich mehrere Fehlercodes oder Betriebsbedingungen hinterlegen. Der Anwender wird dabei Schritt für Schritt bei der Erstellung der Diagnosefälle begleitet. Die Informationen etwa über genutzte Diagnosefunktionen, ermittelte Fehler in Steuergeräten, Adaptionswerte etc. werden in einer Wissensbasis abgelegt.
Anhand daraus abstrahierter Schlagwörter können ähnliche Fälle der Wissensbasis in semantische Beziehung gesetzt und bereits während einer Diagnosesession mögliche Fehlerursachen automatisiert lokalisiert werden. Lässt sich ein Fall nicht eindeutig identifizieren, kann der Anwender durch Konfiguration der im aktuellen Fehlerfall benötigten Diagnosebestandteile neue Diagnosefälle in die Wissensbasis aufnehmen (Bild 3).
So entsteht schon früh im Entwicklungsprozess ein im gesamten Bereich (oder Unternehmen) nutzbarer Wissensspeicher von Fehlerursachen, Diagnosen und möglichen Abhilfemaßnahmen, der sich durch die Anbindung an die Analyse- und Reportingkomponente von GT-DART auch visualisieren lässt.
Adaptive Unterstützung durch Typisierung des Benutzerverhaltens
Erweiterungsmodule zur Verbesserung der Anwenderfreundlichkeit und Diagnosequalität von Diagnosesystemen befinden sich gegenwärtig in Entwicklung. Aus den Feedbackdaten lässt sich das Benutzerverhalten typisieren, so dass zur Laufzeit durch eine Klassifikation des Benutzerverhaltens gezielt auf die Bedürfnisse des Anwenders eingegangen werden kann. So können Zusatzinformationen wie geführte Prüfungen, Schaltpläne etc. nur bei tatsächlichem Bedarf zur Verfügung gestellt werden. Diagnosesysteme werden so durch echtes benutzeradaptives Verhalten einfacher zu bedienen.
Die Diagnosequalität lässt sich sowohl bei Diagnosesystemen basierend auf Case Based Reasoning (CBR) wie auch auf modellbasierter Diagnose durch eine Anbindung der Wissensbasis von GT-DART in den Kontext der Diagnosesession gezielt verbessern. sj
 | Dr. Jürgen Schwarz promovierte 2001 an der Universität Tübingen in Physik. Anschließend forschte er auf dem Gebiet der Computational Neuroscience an der Universitätsklinik Tübingen. Ab 2003 war er im Bereich modellbasierte Diagnose bei der R.O.S.E. Informatik GmbH tätig. Seit 2005 arbeitet er bei der Gigatronik GmbH in der Abteilung Diagnose-Toolentwicklung/-betreuung und verantwortet das Gebiet Intelligente Diagnosesysteme. juergen.schwarz@gigatronik.com |
 | Sven Sauerzapf studierte Elektrotechnik an der Universität Stuttgart. Seit 1997 beschäftigt er sich mit dem Thema Fahrzeugdiagnose. Im Jahre 2002 übernahm er die Leitung für den Bereich Diagnose bei der Gigatronik GmbH. Mittlerweile ist er für die Bereiche Diagnose/Informations-und Prüfsysteme verantwortlich. |
Mit dem Einzug von Internettechnologie in die Werkstätten stellen heute bereits Service-Portale Applikationen und Informationen über Web-basierte Plattformen für die Anwender zur Verfügung (Ersatzteilbeschaffung, Auftragsabwicklung, Lagerverwaltung, ...). Im Bereich der kommerziellen Internetnutzung (eCommerce) sind solche Systeme inzwischen etabliert, bekannt sind daher auch deren Schwachstellen: Die Nutzer brechen wegen technischer Probleme oder benutzerunfreundlicher Bedienführung ab, sie finden die gewünschten Informationen nicht oder fühlen sich durch zu viele Seiten überfordert. eCommerce-Portale integrieren deswegen Content-Management-Systeme (CMS), Application-Server-Technologien und intelligente Verfahren zum Wissensmanagement und der personalisierten Weitergabe von Informationen.
Auch auf Diagnosesysteme lassen sich diese Erkenntnisse übertragen. Mit der steigenden Komplexität und Vernetzung der den Werkstätten zugänglichen Informationen sind auch für Werkstattsysteme ähnliche Phänomene und Verhaltensweisen zu erwarten – bei gleichzeitig steigen-der Tool-Abhängigkeit aufgrund der immer mehr zunehmenden Komplexität der Elektroniksysteme in den Fahrzeugen.
Für das Internet existieren inzwischen Lösungen, die das Benutzerverhalten und damit Kundenbindung und Kundenzufriedenheit messen können. Naheliegend ist es daher, diese Ansätze auch für Werkstattsysteme anzupassen. Eine Analyse des Nutzerverhaltens im Werkstattsystem ermöglicht dementsprechend Qualitätsaussagen über Struktur und Verwendung des Werkstattsystems an sich und damit eine direkte, gezielte Tool-Verbesserung sowie eine Optimierung der Diagnosequalität.
Auch für komplexere Werkstattinformationssysteme lässt sich so bewerten, in welchen Fällen die jeweiligen Einzelsysteme in welchem Umfang tatsächlich genutzt werden, das heißt, wo besteht Bedarf und wo Potential einer Weiterentwicklung. Durch die Kontextinformation zu den Diagnosedaten kann in gewissem Umfang sogar auf die zugrundeliegende Problemstellung geschlossen werden und daraufhin gezielt Lösungsvorschläge unterbreitet werden – sowohl durch Verweis auf relevante Informationen in einem anderen Informationssystem, als auch durch direkte, zielgeführte Abhilfemaßnahmen.
Die Gigatronik GmbH entwickelt und betreut bereits Datenübertragungskanäle für einige OEMs und bietet jetzt mit dem Diagnose Analyse- und Reporting-Toolset (GT-DART) eine umfassende Lösung für das Diagnosedatenmanagement (Bild 1).
- Diagnose – und dann?
- Diagnose – und dann?
- Diagnose – und dann?
