• IT-Consulting
• Individuelle SW-Lösungen
• Diagnostik
• Risiko & Simulation
• Statistical Computing
• Optimierung

Das Diagnoseproblem heute

Technische Systeme und Produkte wie Fahrzeuge, Flugzeuge, Lasersysteme, Aufzugsysteme etc. werden immer komplizierter. So zeichnen sich etwa moderne Fahrzeuge durch einen immer höheren Anteil komplexer, elektronisch gesteuerter Teilsysteme und durch eine außerordentlich hohe Varianten- und Typenvielfalt bei immer kürzer werdenden Produktzyklen aus. Jedes Fahrzeug stellt heute eine individuelle Konfiguration aus mechanischen, hydraulischen, elektrischen und mechatronischen Teilsystemen dar. An Fahrzeuge werden heute höchste Verfügbarkeitsanforderungen bei minimalen Instandhaltungskosten gestellt. Vor dem Hintergrund zunehmender Vergleichbarkeit erweist sich der angebotene Service als entscheidender Wettbewerbs- und Erfolgsfaktor.

Generell ist die Diagnose und Wartung moderner technischer Systeme nur durch intensiv geschultes Personal möglich und erfordert gründliches Wissen aus verschiedenen technischen Disziplinen und über die zu diagnostizierenden Systeme. Um das technische Personal bei der Wartung und Diagnose dieser Systeme zu unterstützen, werden zukünftig wissensbasierte Diagnosesysteme unabdingbar sein, die das Wartungspersonal durch den kompletten Diagnose- und Reparaturprozess führen.

Bisher ist die Erstellung von feld- und werkstattgerechten Diagnoseanwendungen extrem aufwendig. Oft wird der Aufwand nur durch massive Beschränkung der Diagnosetiefe und -detaillierung auf die wichtigsten Diagnoseschritte einigermaßen in Grenzen gehalten. Dadurch wird der Techniker in schwierigen Diagnosesituationen dann doch wieder allein gelassen.

Das Kernpoblem: Diese unzureichende Diagnoseunterstüzung führt sowohl aus technischer als auch kommerzieller Sicht zu einem unbefriedigenden Ergebnis, das sich in der sog. kFf-Rate (kFf = kein Fehler feststellbar) niederschlägt. Aus der Automobilindustrie ist z.B. bekannt, dass mehr als die Hälfte aller ausgetauschten elektronischen Komponenten fehlerfrei ist. Worauf lässt sich dieses unbefriedigende Ergebnis zurückführen?

Entscheidungsbäume - eine veraltete Technik

Technische Diagnosesysteme werden heute noch überwiegend manuell und retrograd entwickelt und basieren in der Hauptsache auf Entscheidungsbäumen. Diese klassische Form der Entwicklung von Diagnoseanwendungen ist mit einem sehr hohen Entwicklungs- und Pflegeaufwand verbunden

Bei der Entscheidungsbaumtechnik handelt es sich im Kern um eine Art Flow-Chart-Technik, bei der alle Schritte manuell ausmodelliert werden müssen. Salopp formuliert könnte man hier von "Laubsägearbeiten" sprechen. Bei Entscheidungsbäumen handelt es sich um "handgeschnitzte" Abläufe, die in allen Details vorgedacht und ausmodelliert werden müssen. Wenn man sich allein in der Automobilindustrie die Varianten- und Typenvielfalt und die Änderungshäufigkeit der jeweiligen Teilsysteme vor Augen führt, wird das gesamte Problem in seinem Ausmaß sichtbar. Auf der Autorenseite entsteht ein extrem hoher Aufwand bei der Erstellung von Diagnoseanwendungen, die im Feld oft eine unzureichende Granularität aufweisen und zu starren Abläufen führen.

Wissensbasierte und lernfähige Diagnosesysteme der neuen Generation

Die Verfahren der modernen Wissensverarbeitung und Informatik bieten ein sehr viel größeres Potential zur Entwicklung leistungsfähiger und effizienter Diagnosesysteme. Unser Competence Center beschäftigt sich intensiv mit allen Fragen zur wissensbasierten Modellierung und Diagnose technischer Systeme und stellt für diesen Zweck eigene Produkte und Software-Bausteine bereit.

Wir orientieren uns beim Bau von Diagnosesystemen an sehr erfahrenen Ingenieuren und Technikern. Diese verwenden teilweise völlig unterschiedliche Methoden und mischen diese während des Diagnoseprozesses. Sie denken etwa an ähnliche Fälle aus der Vergangenheit, verfügen über tiefliegendes Wissen über Fehlerzusammenhänge, oder sie holen schließlich Schalt- und Konstruktionspläne hervor und nutzen ihre technische Expertise. Mit anderen Worten, sie diagnostizieren ein System aus verschiedenen Persepktiven. Und sie lernen mit jedem neuen Diagnosefall hinzu.

Diese Haltung empfinden wir nach, indem wir hybride Diagnosesysteme bauen, welche verschiedene Diagnosestrategien nahtlos und transparent integrieren. Zu den wichtigsten Diagnosestrategien zählen kausale Fehlernetze, die fallbasierte Diagnose, die modellbasierte Diagnose und andere Strategien. Auch Entscheidungsbäume gehören dazu, um Unternehmen in die Lage zu versetzen, bewährte und über lange Zeiträume ausgearbeitete Abläufe in unsere Systeme zu integrieren. Und unsere Diagnosesysteme lernen ebenfalls mit jeder Diagnosesitzung hinzu.

Der Wissenserwerb muss heute wegen der Variantenvielfalt hochgradig automatisiert sein. So leiten wir aus technischen Systembeschreibungen - z.B. aus Schaltplänen und Wirkungsmodellen - automatisch sofort ausführbare Diagnoseanwendungen ab, die im Nachgang noch angereichert werden können.

Klassische Diagnosesysteme kranken oft daran, dass sie den Benutzer zu eng an die Hand nehmen und durch einen starren, oft auch ineffizienten Diagnoseablauf zwingen. Alle Erfahrungen zeigen, dass eine zu enge Benutzerführung im Feld keine Akzeptanz findet, ja sogar auf breite Ablehnung stößt. Moderne Diagnosesysteme müssen verschiedene Benutzermodi anbieten, etwa um Benutzer in die Lage zu versetzen, jederzeit die Initiative zu übernehmen. Erfahrene Benutzer erwarten intelligente Assistenten, die Ihnen Vorschläge unterbreiten und kontextabhängig alle erforderlichen Informationseinheiten bündeln und bereitstellen.

Last but not least erwarten Unternehmen heute zu Recht, dass das im Feld verfügbare Diagnosewissen ausgewertet und operationalisierbar gemacht wird. Die Menge aller Diagnosefälle im Feld enthält vielfältiges, außerordentlich wertvolles Wissen, das etwa geeignet ist, Schwachstellen in den Systemen bzw. Teilsystemen zu identifizieren oder Korrelationen zwischen Symptomem und defekten Komponenten zu entdecken, um nur einige Beispiele zu nennen. Damit können die technischen Systeme selbst sowie die Prozesse in Entwicklung und Service optimiert werden. Ferner nutzen wir diese Daten, um selbstlernende Systeme zu bauen, die automatisch ihre Diagnosefähigkeiten optimieren.

Erfahren Sie mehr über unsere wissensbasierte > Raptor Diagnostic Suite

Unser Angebot im Diagnoseumfeld

Auf dem Gebiet der Modellierung, Simulation, FMEA und Diagnose technischer Systeme bieten wir Ihnen das volle Spektrum an Beratungs- und Entwicklungsleistungen an:

• Erarbeitung von Konzepten zur Diagnose
• Prüfung von IT-Strategien und Architekturen
• Beratung bei der Auswahl der geeigneten Diagnosestrategien
• Durchführung von Studien
• Design und Entwicklung maßgeschneiderter Komponenten im Diagnnoseumfeld
• Auswertungs- & Feedbacksysteme
• Lern- und Optimierungskomponenten
• Integration in Ihr System- und Arbeitsumfeld
• Unterstützung beim Bau von Diagnoseanwendungen
• unser wissensbasiertes Diagnosesystem Raptor Diagnostic Suite.