全生命周期车辆诊断：基于云的诊断服务

在题为《基于云的诊断服务》的文章中，Guido Rulhof与Rhys Evans阐述了故障排除与故障诊断的四大核心要素，以及这些要素如何相互关联形成主动式流程。

数据驱动的诊断基础设施

关键前提是车辆具备空中下载（OTA）能力。这使得远程读取诊断数据和远程修正故障成为可能。此外，软件定义车辆需要一个以软件为中心的诊断接口。通过软件定义车辆（SOVD），这一需求现已实现。这将故障排除转变为一个主动过程，依托数据驱动的诊断基础设施，将四个核心组件有机联结。

• 模块化、支持SOVD且基于云的诊断工具：ETAS云托管诊断解决方案是一款模块化、支持SOVD的云端诊断工具，可作为客户端软件应用直接访问云端管理的实时诊断数据与序列。该系统的核心骨干架构使整车制造商能够无缝集成现有解决方案，并根据其特定业务模式灵活调整工具配置。

• 直观的编程解决方案：未来车辆诊断的效率与质量在很大程度上取决于直观的编程解决方案。这些解决方案使用户无需深厚的软件工程知识即可创建复杂的诊断流程。这种数据驱动的解决方案通过集成开发环境（IDE）实现，原始设备制造商、供应商或服务提供商的诊断专家可在其中灵活配置诊断程序。

• 基于云的仿真与验证：构建基于云的诊断仿真平台对于开发和验证智能网联汽车的动态诊断解决方案至关重要。该平台可在虚拟环境中执行诊断应用程序，无需实体车辆或硬件在环系统。由此显著缩短开发周期、降低成本，并通过早期全面测试提升诊断软件质量。

• 基于云的车辆健康监测：ETAS车辆分析与智能解决方案可实现对车队的全面主动监测。该方案运用机器学习和知识图谱技术，从车辆的运行、诊断及软件日志数据中识别复杂模式与关联关系，从而为技术人员提供精准的故障诊断和基于数据的具体建议。 基于云端车辆健康监测获得的洞察，亦为预测性维护奠定基础：潜在故障可提前识别，并通过FOTA更新实现理想化的故障解决。

面向未来的新能源汽车解决方案

诊断软件定义车辆（SDV）需要根本性的转变，因为对复杂联网系统进行被动故障分析已不再足够。 未来的发展方向在于贯穿车辆全生命周期的主动式、数据驱动型诊断服务。这种集成化方案将诊断内容的敏捷创建与基于云的仿真及灵活的现场执行相结合。配合支持预测性维护的智能车辆健康监测系统，该方案使整车制造商和车队运营商能够高效排查故障、最大化车辆可用性并提升客户满意度。