Das - optionale - Auftragssystem RDS-Order ist der eigentlichen Diagnosesitzung vorgeschaltet. Es führt - im Falle von Fahrzeugen - den Benutzer zunächst durch den Prozess der Fahrzeuggrob- und Feinidentifikation und durch die strukturierte Erfassung der Symptome. Die Symptome können ergänzt werden um Angaben zu den Umständen, unter denen sie aufgetreten sind, sowie um den O-Ton des Kunden (original voice of the customer). Anschließend kann optional ein Kurztest durchgeführt werden, um die Steuergeräte und Fehlerspeicher (über eine ASAM-MCD-3D-Schnittstelle) auszulesen. Ziel ist eine möglichst detaillierte Bestimmung des Symptom-/Fehlerbildes als Ausgangspunkt der Diagnose.
Aus diesen Informationen wird anschließend automatisch eine Prüfliste für die Diagnose in der Werkstatt erstellt. Die Prüflistenpositionen sind geordnet, um im Falle von Mehrfachfehlern und Abhängigkeiten die optimale Bearbeitungsreihenfolge vorzuschlagen. Der Benutzer ist aber frei in der Auswahl der Positionen.
Der Bildschirmausschnitt zeigt eine Situation während der Symptomanalyse. Ein Kunde hat beklagt, dass der Motor stottert. Auf Nachfrage hat er geäußert, dass dieses Problem nach längerer Fahrt bei kaltem Wetter aufgetreten sei. Diese ergänzende Information wird im Raptor in Form zusätzlicher Symptomattribute erfasst. Diese Zusatzinformation kann von erheblicher Bedeutung sein. Z.B. kann der Luftmassensensor unter solchen Bedingungen vereisen und dem Motorsteuergerät falsche Werte liefern.
Der Raptor als ein wissensbasiertes System kann Wissen dieser Art adäquat repräsentieren und verarbeiten, ohne dass dies explizit ausmodelliert werden muss. Diese Information kann selbst im Nachgang jederzeit und ohne weiteres hinzugefügt werden, ohne bestehende Modellierungen zu verändern.
> RDS-Suite (Raptor-Überblick)
> RDS-Data (Datenpflegekomponente)
> RDS-Developer und RDS-ClassLib (Autorenwerkzeuge)
> RDS-Registry (Administration von Wissensbasen)
> RDS-Order, RDS-Checkout & RDS-Checklist (Auftragssystem)
> RDS-Run (Laufzeit- bzw. Werkstattsystem)
> RDS-Eval (Auswertung der Felddaten)
> RDS-Learn (Lern- und Optimierungskomponente)