Prozessorientiertes Wissensmanagement für Diagnosedaten Diagnose – und dann?

Diagnoseassistenz-Systeme werden sowohl für die Entwicklung als auch für die Werkstätten immer wichtiger: Zum einen nimmt die Anzahl der Steuergeräte im Fahrzeug zu, zum anderen steigt die Komplexität einzelner Steuergeräte, weil immer mehr Funktionen und leistungsfähigere Prozessoren integriert werden. Dadurch werden Fehler im Gesamtsystem ohne Hilfe kaum mehr lokalisier- und behebbar. Um diese Komplexität bei gleichzeitig kürzeren Entwicklungszyklen zu beherrschen, Fehler in den Strukturen einfacher zu entdecken, zu analysieren und zu beheben, braucht man sowohl im Service als auch im Entwicklungsprozess geeignete Diagnose-Werkzeuge.

Prozessorientiertes Wissensmanagement für Diagnosedaten

Moderne Diagnosesysteme stehen im Spannungsfeld von Automatisierung der Werkstattabläufe und der Informationsunterstützung für das Servicepersonal. Von zentraler Bedeutung ist hierbei der Wissensaustausch zwischen Entwicklung und dem Servicepersonal in den Werkstätten.

Diagnoseassistenz-Systeme werden sowohl für die Entwicklung als auch für die Werkstätten immer wichtiger: Zum einen nimmt die Anzahl der Steuergeräte im Fahrzeug zu, zum anderen steigt die Komplexität einzelner Steuergeräte, weil immer mehr Funktionen und leistungsfähigere Prozessoren integriert werden. Dadurch werden Fehler im Gesamtsystem ohne Hilfe kaum mehr lokalisier- und behebbar.

Um diese Komplexität bei gleichzeitig kürzeren Entwicklungszyklen zu beherrschen, Fehler in den Strukturen einfacher zu entdecken, zu analysieren und zu beheben, braucht man sowohl im Service als auch im Entwicklungsprozess geeignete Diagnose-Werkzeuge.

Standardisierter Datenaustausch mit ODX

Mit dem Open Diagnostic eXchange-Format (ODX) soll der Austausch von Diagnosedaten zwischen Entwicklungs-, Test-, Produktions- und Serviceabteilungen eines Unternehmens ebenso beschleunigt werden wie der Abstimmungsaufwand zwischen Automobilherstellern, System- und Steuergeräte-Lieferanten. Das ODX-Format ist ein XML-basierter, offener ASAM-Standard (Association for Standardisation of Automation- and Measuring Systems; www.asam.net) zur Beschreibung diagnoserelevanter Daten eines Steuergerätes wie Diagnosefehlercodes, Datenparameter, Identifikationsdaten, Input/Output-Parameter oder Kommunikationsparameter. Der Vorteil liegt darin, dass die Daten innerhalb der Prozesskette nur einmal erzeugt werden müssen, dies erfolgt normalerweise in der Entwicklung. Daten alleine sind aber nur ein Ausschnitt diagnoserelevanter Informationen. Informationen unterscheiden sich von Daten dadurch, dass sie einen Kontext enthalten. In diesem Fall entsteht der Kontext durch die konkrete Diagnosesession.

Spezielle Defektfälle im Fahrzeug lassen sich dagegen nur durch Kombinationen von Fahrzeuginformationen beschreiben (Fehlercodes, Umgebungsdaten des Steuergerätespeichers, Historie etc.). Fehler in der Peripherie oder Fehlfunktionen der Steuergeräte selbst werden bereits bei deren Entwicklung durch Fehlercodes oder Eigendiagnoseroutinen berücksichtigt. Fehler des Gesamtsystems, die erst durch die spezifische Konfiguration aus Hard- und Software im Verbund entstehen, können beispielsweise durch modellbasierte Diagnose bereits im Entwicklungsprozess entdeckt werden. Dabei tritt bei jeder Art von Modellbildung das Problem unzulänglicher Information auf. Man unterscheidet hier zwischen unvollständiger, fehlerhafter, unsicherer und vager Information. Bei komplexen Systemen entsteht unzulängliche Information aus unzureichendem Wissen über das System, Fehlern im Prozess und intrinsischen Eigenschaften der Diagnosedaten-Modellierungsmethode.

Die modellbasierte Diagnose bietet den Vorteil, dass sie alle möglichen Fehlerkombinationen beschreibt. Allerdings scheuen viele OEMs den für eine ausreichende Modellierungstiefe notwendigen Aufwand. Neben der modellbasierten Diagnose gibt es den Ansatz der wissensbasierten Diagnose. Hierbei werden nur Fehler beschrieben, die dem Entwickler oder dem Diagnoseautor bekannt sind. Die Nachteile einer rein wissensbasierten Diagnose können durch Data-Mining der Feedbackdaten weitgehend ausgeglichen werden. Eine Diagnosesitzung in der Werkstatt wird protokolliert. Diese gewonnenen Informationen werden an die Zentrale übertragen (man spricht hier vom Feedbackkanal zum OEM). Ziele des Data-Mining von Diagnosedaten aus den Werkstätten sind daher, dass in Zukunft spezifische, verbesserte Prüfungen angeboten werden können und dass man sich wiederholende Fehlerfälle schnell erkennt und die zugehörigen Abhilfemaßnahmen umgehend im Werkstattsystem hinterlegen kann.

Von Diagnosedaten zu Diagnosewissen

Zur Absicherung der Qualität der Diagnose ist daneben eine arbeitsprozessorientierte Informationsstrukturierung unumgänglich. Dies ermöglicht dem Service-Personal die Kontrolle über die Diagnoseprozesse und führt zu Transparenz über die Diagnoseabläufe in rechnergestützten Diagnosesystemen. Das Service-Personal zeigt eine hohe emotionale Kopplung mit den Diagnosesystemen, weil versucht wird, diese wie Werkszeuge zu gebrauchen. Lassen sich die eigenen beruflichen Kompetenzen nicht verwenden, werden die Diagnosesysteme abgelehnt. Aus Umfragen ist bekannt, dass nur 32 % der Facharbeiter in den Werkstätten die geführte Fehlersuche öfters nutzen. Als Ursachen dafür gelten:

  • die Informationsaufbereitung zur Unterstützung von Problemlöseprozessen ist mangelhaft,
  • Informationen werden durch die integrierte Diagnose und die Expertensystemalgorithmen vorverarbeitet und verschleiern die wichtige Datenbasis,
  • letztendlich ist die Dialogkomponente der Diagnosesysteme oft nur als Instrument der Handlungsanweisung gestaltet.

Der Wunsch des Mechanikers ist eine schnelle, zielgeführte Diagnose. Gelingt dies rechnergestützt nicht, wird häufig die Diagnosesession abgebrochen oder das Diagnosesystem zukünftig überhaupt nicht mehr genutzt.