Fahrzeugdiagnose über den gesamten Lebenszyklus des Fahrzeugs hinweg: cloudbasierte Diagnosedienste

In dem Fachartikel „Effiziente, automatisierte Kalibrierung mithilfe einer cloudbasierten Toolchain“ erläutern Thorsten Huber und Suresh Sivavarman, wie eine integrierte, automatisierte Softwarelösung den Kalibrierungsprozess grundlegend optimieren kann.

Nahtloser Arbeitsablauf in der Cloud

Um moderne Fahrzeuge effizient zu kalibrieren, müssen einzelne Prozessschritte in eine cloudbasierte Umgebung verlagert werden. Ziel ist es, einen automatisierten, durchgängigen Arbeitsablauf zu schaffen, der den gesamten Prozess von der Aufbereitung der Rohmessdaten bis zur Optimierung der Steuergerätefunktionen umfasst. Auf diese Weise können Automobilingenieure die Grenzen herkömmlicher Methoden überwinden.

• Automatisierte Datenverarbeitung: Neue Messdaten werden automatisch in die Cloud übertragen und vom ETAS Data Operator verarbeitet. Diese Software konsolidiert Rohdaten aus verschiedenen Quellen, vereinheitlicht sie, passt die Abtastraten an, filtert irrelevante Inhalte heraus und wandelt sie in standardisierte Formate wie MF4 um. Dadurch entfällt die manuelle Vorverarbeitung auf lokalen Computern, während gleichzeitig eine einheitliche Datenbasis geschaffen wird.

• Ereignisbasierte Analyse und Berichterstellung: Tools wie die ETAS Analytics Toolbox (EATB) analysieren die Daten automatisch und suchen dabei nach bestimmten Ereignissen und Bedingungen. Die identifizierten Datenabschnitte werden für nachfolgende Verarbeitungsschritte verwendet und in standardisierten Berichten dokumentiert. Dies gewährleistet einen strukturierten Auswertungsprozess und nachvollziehbare Ergebnisse.

• Automatisierte, ML-gestützte Kalibrierungsoptimierung: Die relevanten Daten werden an das ETAS-Tool ASCMO-MOCA zur datengestützten Systemmodellierung und -optimierung übertragen. Das Tool führt einen automatisierten Optimierungsprozess durch, berechnet verbesserte Parametersätze und speichert die Ergebnisse als neue Kalibrierungsdatensätze. Mithilfe von Algorithmen des maschinellen Lernens (ML) lassen sich bereits anhand weniger Datenpunkte präzise Modelle erstellen. Auf der Grundlage dieser Modelle können optimale Kalibrierungen effizient ermittelt werden. Anschließend erfolgt die Validierung in einer virtuellen Umgebung mit Tools wie EHANDBOOK oder dem Date Measure Analyzer(MDA). Der gesamte Prozess lässt sich so automatisieren, dass er über Nacht abläuft, sodass Ingenieure am nächsten Morgen einen vollständigen Bericht sowie die optimierten Ergebnisse vorfinden.

Eine zukunftssichere Lösung für die SDV-Entwicklung

Die Kalibrierung softwaredefinierter Fahrzeuge erfordert ein grundlegendes Umdenken, da herkömmliche PC-basierte Ansätze mit den wachsenden Datenmengen und der zunehmenden Systemkomplexität nicht mehr Schritt halten können. Die Zukunft liegt in einer durchgängigen, cloudbasierten und datengesteuerten Toolchain, die den gesamten Entwicklungsprozess abdeckt. Dieser integrierte Ansatz kombiniert automatisierte Datenverarbeitung, skalierbare Analysen und ML-basierte Modellierung in einem kontinuierlichen Workflow. In Verbindung mit Simulationen und digitalen Zwillingen sowie einer flexiblen Koordination zwischen lokaler und cloudbasierter Ausführung können Entwicklungsteams effizienter arbeiten, Entwicklungszyklen verkürzen und die Kalibrierungsqualität nachhaltig verbessern. Dadurch werden große Datenmengen effektiv genutzt und in einen strategischen Vorteil für die Entwicklung softwaredefinierter Fahrzeuge umgewandelt.

Artikel herunterladen