Predictive Maintenance, Remote Diagnose, KI / Maschinelles Lernen, Standardisierung

Hg. von Bernard Bäker und Andreas Unger

TUDpress 2021. Kartoniert, 14,8 x 21 cm, 286 S.

Moderne Fahrzeuge mit weitreichenden Assistenz und Kommunikationsfunktionen integrieren sich immer stärker in eine weltweit vernetzte Funktionslandschaft. Beispiele hierfür sind Automatisiertes Fahren mit V 2 V Vernetzung, Elektromobilität mit Lade- und Energieinfrastruktur, Flottenverwaltung und Einsatzplanung sowie übergreifende Service on Demand Funktionalitäten. Entsprechend ist es wichtig, sowohl die bestehenden Test-, Prüf- und Diagnoseverfahren im Zusammenhang mit neuen Fahrzeugfunktionen weiterzuentwickeln, als auch neue Standards und Konzepte zu diskutieren. Die fortschreitenden Entwicklungen in den Bereichen des Maschinenlernens und der künstlichen Intelligenz eröffnen hierbei neue Möglichkeiten für zukünftige Diagnoseverfahren insbesondere im Zusammenhang mit Predictive Maintenance, Cloudbasierter Remote Diagnose.
Anhand aktueller Entwicklungsberichte, Systemvorstellungen und Praxisbeiträgen werden der aktuelle Stand und die Trends für F&E im Themenfeld Diagnose, Test und Prüfung vorgestellt sowie neue Lösungen erörtert.
Inhalt:
Porsche Taycan - Soul, electrified • Von kabelgebundener Diagnose hin zur cloudbasierten Remote Diagnose • Security-Aspekte der Datenkommunikation in unterschiedlichen Diagnose 4.0-Szenarien • End-2-End-Diagnose für „erweiterte Fahrzeuge“ • Prädiktive Diagnose und maschinelles Lernen • Voraussagende Instandhaltung in der Abgasnachbehandlung von Marine-Großmotoren-anlagen • SOVD - Service Oriented Vehicle Diagnostics • Diagnostics beyond UDS • Elektronische Hauptuntersuchung – Verzicht auf proprietäre Prüfgeräte: ISO20730 und ISO22900 ermöglichen das ePTI-Inspektionsgerät der Zukunft • Automatisierte Erstellung von Predictive Maintenance-Modellen von vernetzten Fahrzeugen • Von Software-Over-The-Air bis Predictive Maintenance Serieneinführung einer embedded Diagnose-Runtime • OTX - Vielseitige Sprache für Automotive Anwendungen • ASAM-Telematik-Referenzarchitektur für die Entwicklung von hochautomatisierten und autonomen Fahrzeugen • Data Driven Approach for Battery State Estimation based on Neural Networks • Behavioral Vectors for Anomaly-Detection in Onboard Vehicle Diagnostics • Battery Diagnosis using Field Data and its positive influence on Warranty Management and Reduction of Testing Efforts • IT-Server-Struktur im Fahrzeug – Architektur und Diagnose für zunehmende Funk-tionenvielfalt und hohe Datenmengen • Big Data & Analytics Platform for ADAS/ADn