BigData-Analyse zu Tracedaten
Die zunehmende Anzahl, Integrierbarkeit und Variabilität von Funktionen in heutigen Automobilen erfordern leistungsstarke, vernetzte elektronische Systeme im Fahrzeug. Das Auto entwickelt sich weg von einem mechanisch-deterministischen Modell hin zu einem elektronischen System mit hoher Komplexität, der es Herr zu werden gilt. Gleichzeitig steigt der Anspruch der Automobilindustrie kurze Entwicklungszyklen bei steigendem Qualitätsanspruch des Endprodukts zu garantieren, um den fluktuierenden transzendierenden Anforderungen des Kunden und den Weiterentwicklungen der Technologiebranche folgen zu können. Ein wesentlicher Bestandteil der Fahrzeugentwicklung, der diese Anforderungen maßgeblich beeinflusst ist die Systemabsicherung durch Testen. Neben etablierten konservativen Testmethoden, wie der Testautomatisierung oder dem manuellen Testen, gewinnen dabei innovative Testverfahren zunehmend an Bedeutung. Insbesondere die Datenanalyse von Fahrzeugtraces wird für eine effiziente und intelligente Absicherung von Fahrzeugen angewandt. Zu diesem Zweck werden in allen Entwicklungsphasen Zustands- und Systemdaten des Fahrzeuges im Umfang von mehreren Terabyte erfasst. Über Methoden des Data Mining werden diese Daten dann (halb-)automatisiert ausgewertet um inkorrektes Verhalten des Fahrzeugs zu erkennen oder Ausfälle prädiktiv zu unterbinden. Verwendete Verfahren umfassen u.a. die Erkennung von Mustern, Clustering, Klassifizierung oder die Korrelationsanalyse.
In diesem Zusammenhang beschäftigen wir uns mit der Entwicklung von Konzepten zur automatisierten, generischen und effizienten Analyse von Tracedaten zur Absicherung des Systems "Auto". Zusätzlich steht die Weiterentwicklungen existierender Data Mining Methoden in allen Schritten dieser Absicherungsanalyse im Vordergrund.
Forschungsinhalte in diesem Bereich:
- Konzipierung von generischen Absicherungsmethoden
- Anwendung und Weiterentwicklung von Verfahren des Data Mining in Zeitreihen
- Aktueller Schwerpunkt: Sequential Pattern Mining, Association Rule Mining in time-series, inter-transaction association rules, Clustering of time-series
Ansprechpartner:
Kooperationspartner:
BMW