Forschung

Digitale Testautomation des DEKRA Lausitzrings – LAURIN

Komplexität und Quantität notwendiger Testszenarien zur Zulassung oder für entwicklungsbegleitende Tests automatisierter Fahrzeuge sind außerordentlich hoch, wobei das Testen kooperativer, sich wechselweise beeinflussender Fahrfunktionen im Schwarm diesen Aufwand um einiges vervielfacht. Derartige Szenarien sind auf digitalen Testfeldern nur im Dauertestbetrieb erfahrbar. Für den Entwurf interagierender Regelsysteme sind die Ergebnisse dieser Tests herstellerübergreifend von großem Interesse.

Fördergeber

Bundesministerium für Digitales und Verkehr (BMDV)
Zur LAURIN-Projektseite des BMDV

Projektpartner

• tracetronic GmbH
• iMAR Navigation GmbH, St. Ingbert
• Smart Mobile Labs AG, München
• Fraunhofer-Institut für Verkehrs- und Infrastruktursysteme IVI, Dresden

Projektzeitraum

Mai 2022 bis April 2025

Details

Die zeitintensive, manuelle Fehleridentifikation und -diagnose wird im Rahmen des Projekts durch ein selbständig lernendes Verfahren unterstützt. Dieses kann Fehlermuster erkennen und sukzessive von Anwendern lernen, mit zugrundeliegenden Fehlern umzugehen. Dazu werden Testergebnisberichte und während der Laufzeit aufgenommene Daten herangezogen, um ein System darauf zu trainieren, fehlerhaft ausgeführte Testskripte automatisiert zu analysieren. Die mitunter zeitintensive und oftmals aufgrund von Zeitmangel oder fehlender Information suboptimale manuelle Ausführungsplanung von Testskripten auf Testressourcen wird durch die dynamische Testausführungsplanung übernommen. Diese bezieht zusätzlich zu bereits verfügbaren Informationen die während der Fehlermustererkennung gewonnenen Erkenntnisse zur Laufzeit mit ein, um Ausfallzeiten zu minimieren und somit die Produktivität von Testressourcen zu steigern. Schließlich übernimmt die Testausführungsplanung die Verteilung von Testaufträgen auf verfügbare Testressourcen unter Beachtung vorgegebener Randbedingungen.

GAIA-X zielt auf ein offenes, transparentes und sicheres digitales Ökosystem nach europäischen Grundsätzen und Werten, in dem Daten und Dienste in einem vertrauensvollen Umfeld zur Verfügung gestellt, orchestriert und gemeinsam genutzt werden können. Hierzu werden aktuell europaweit Beiträge geleistet.

Fördergeber

Bundesministerium für Wirtschaft und Klimaschutz
Zum GAIA-X-Artikel des BMWK

Projektpartner

GAIA-X 4 PLC-AAD wird geleitet von der msg systems AG.
Das Projekt besteht aus folgenden Teilnehmern (13 Wirtschaftsunternehmen und 7 Forschungseinrichtungen): 3D Mapping Solutions GmbH, Automotive Solution Center for Simulation e. V., AVL Deutschland GmbH, ADC Automotive Distance Control Systems GmbH, BMW Group, Conti Temic microelectronic GmbH, Deutsches Zentrum für Luft- und Raumfahrt e. V., Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung e. V., Forschungsinstitut für Kraftfahrwesen und Fahrzeugmotoren Stuttgart, Infineon Technologies AG, Institut für Qualitäts- und Zuverlässigkeitsmanagement GmbH, msg Systems AG, Perpetuum Progress GmbH, SETLabs Research GmbH, TH Ingolstadt, tracetronic GmbH, TrianGraphics GmbH, TU Berlin, TU München, Virtual City Systems GmbH.

Projektzeitraum

Januar 2022 bis September 2024

Details

GAIA-X4 Product Life Cycle – Across Automated Driving (GAIA-X 4 PLC-AAD) befasst sich mit der Entwicklung und dem Aufbau eines übergreifenden Open Distributed Data Ecosystem (= ODDE). Dieses Ökosystem unterstützt die Produktentwicklung, die Fertigung, sowie den Bereich des After Sales.

Zudem adressiert GAIA-X 4 PLC-AAD ausgewählte Aspekte der Entwicklung und des Betriebs automatisierter Fahrfunktionen, der hierfür benötigten Sensorik und dahinterstehender Methoden, sowie eine sichere Einbindung von entwickelten digitalen Zwillingen in das GAIA-X Ökosystem. Passend hierzu werden Datenarchitekturen, Informationsmodelle und die notwendigen Verarbeitungsprozesse entwickelt. Im Zusammenhang mit dem automatisierten und vernetzen Fahrens sind viele verschiedene Themen relevant - z.B. die Fahrzeugentwicklung, die Verifikation und Validierung von Fahrfunktionen, die Fahrzeugproduktion und den weiteren Lebenszyklus bis hin zur Wartung. In GAIA-X 4 PLC-AAD wird ein Ausschnitt dieser Themen betrachtet, um zu plausibilisieren, dass auch die gesamte Kette abgebildet werden könnte.

Das Projekt GAIA-X 4 PLC-ADD erzeugen einen erheblichen Mehrwert für Entwicklung und Produktion automatisierter und vernetzter Fahrzeuge und darauf basierender zukünftiger Mobilitätsdienste.

Testausführungsplanung (TAP) und Fehlermustererkennung (FER)

Unser neues Forschungsprojekt TAPFER wurde im April 2020 ins Leben gerufen. Mit der TU München als Projektpartner erarbeiten wir ein Verfahren zur Fehlermustererkennung mittels Testergebnisanalyse und dynamischer Anpassung der Testausführungsplanung.

Fördergeber

Bundesministerium für Wirtschaft und Energie (BMWi)

Projektpartner

• tracetronic GmbH
• TU München
• BMW (assoziiert)
• BOSCH (assoziiert)

Projektzeitraum

April 2020 bis April 2023

Details

Die zeitintensive, manuelle Fehleridentifikation und -diagnose wird im Rahmen des Projekts durch ein selbständig lernendes Verfahren unterstützt. Dieses kann Fehlermuster erkennen und sukzessive von Anwendern lernen, mit zugrundeliegenden Fehlern umzugehen. Dazu werden Testergebnisberichte und während der Laufzeit aufgenommene Daten herangezogen, um ein System darauf zu trainieren, fehlerhaft ausgeführte Testskripte automatisiert zu analysieren. Die mitunter zeitintensive und oftmals aufgrund von Zeitmangel oder fehlender Information suboptimale manuelle Ausführungsplanung von Testskripten auf Testressourcen wird durch die dynamische Testausführungsplanung übernommen. Diese bezieht zusätzlich zu bereits verfügbaren Informationen die während der Fehlermustererkennung gewonnenen Erkenntnisse zur Laufzeit mit ein, um Ausfallzeiten zu minimieren und somit die Produktivität von Testressourcen zu steigern. Schließlich übernimmt die Testausführungsplanung die Verteilung von Testaufträgen auf verfügbare Testressourcen unter Beachtung vorgegebener Randbedingungen.

Generische Entwicklungs- und Absicherungsmethodik für vernetzte und automatisierte Fahrfunktionen

Hochautomatisierte Fahrfunktionen können mit den aktuell verfügbaren Konzepten und Methoden der Funktionsfreigabe nicht mehr geprüft und für die Nutzung im Straßenverkehr freigegeben werden. In diesem Projekt werden Methoden und Software erarbeitet, um die Kopplung verschiedener Teststufen von Simulation über Testfeld bis hin zum öffentlichen Verkehrsraum zu verbessern.

Fördergeber

BMVI

Projektpartner

• tracetronic GmbH
• HTW Dresden
• IAV GmbH

Projektzeitraum

Juli 2017 bis Juni 2020

Details

Kernstück des Vorhabens ist eine enge Kopplung zwischen verschiedenen Stufen von Simulationen und die Einbeziehung möglichst vieler Messungen aus realen Fahrversuchen zur Bewertung und Freigabe hochautomatisierter Fahrfunktionen. Das Ziel des neuen Simulationsansatzes besteht darin, nicht das zu prüfende Fahrmanöver detailliert zu beschreiben und zu testen, sondern eine möglichst allgemein gehaltene Beschreibung der Fahraufgabe in der digitalen Umgebung umzusetzen und diese anhand realer Testfahrten zu validieren. Durch einsetzende Lerneffekte und die so erreichte Übertragbarkeit der Simulationsergebnisse werden beliebig viele simulierte Absicherungsfahrten für hochautomatisierte Fahrfunktionen ermöglicht. Im Rahmen dieses Projektes werden hierfür Werkzeuge und Methoden entwickelt und an ausgewählten Manövern auf ihre Einsatzfähigkeit hin überprüft.

Da das Konsortium die Kompetenzen unterschiedlicher Themenbereiche zusammenführt, ermöglicht es eine effektive Durchführung umfangreicher Messkampagnen zur Evaluation des Konzeptes. Damit wird die Grundlage für eine kontinuierliche Ausweitung auf alle Bereiche des hochautomatisierten Fahrens gelegt.

Intelligentes wissensbasiertes Assistenzsystem für die Absicherung hochautomatisierter Fahrfunktionen

Um der rapiden Entwicklung immer stärker automatisierter Fahrfunktionen Rechnung zu tragen, reichen traditionelle Testkonzepte und -methoden nicht aus. Im Projekt IWAHAF werden wissensbasierte Methoden und Werkzeuge zur Unterstützung und Automatisierung komplexer Absicherungsaktivitäten im Automobilbereich erarbeitet.

Fördergeber

BMBF

Projektpartner

• tracetronic GmbH
• TU Dresden
• AUDI (assoziiert)
• BMW (assoziiert)
• BOSCH (assoziiert)

Projektzeitraum Januar 2017 bis Juni 2020

Details

Die Automobilbranche wird gegenwärtig und zukünftig durch die Trends zur Digitalisierung, Elektrifizierung, Automatisierung und Vernetzung dominiert. Systeme für hochautomatisiertes Fahren sind bereits heute Realität und sollen nach derzeitigen Prognosen bis 2030 zur Umsetzung des vollautomatisierten Fahrens weiterentwickelt werden. Das situationsbedingte autonome Handeln des Fahrzeuges führt dabei zu gänzlich neuen Betriebs- und Fehlerszenarien und stellt die Funktionsabsicherung vor erhebliche Herausforderungen. Aktuelle Experteneinschätzungen kommen zu dem Schluss, dass derzeitige Testkonzepte nicht länger ausreichen, um das neue System des autonomen Fahrens abzusichern. Um dieser Entwicklung zu begegnen, werden dringend fortschrittliche Methoden benötigt, die es ermöglichen, Testaktivitäten an die neuen Anforderungen anzupassen und weiter zu automatisieren.

Um Entwickler und Tester bei Planung, Konfiguration, Durchführung und Auswertung von Tests und Analysen zu unterstützen, werden verschiedene semantische Technologien genutzt. Zur weiteren Erhöhung der Daten- und Prozessqualität werden zentrale Abläufe wie Datenerfassung und Testkonfiguration unter Nutzung formalisierten Wissens automatisiert.

Die geplanten Ergebnisse der Verbundpartner ergänzen sich zu einem neuartigen, anwendungsspezifischen, wissensbasierten Assistenzsystem, welches sich über verschiedene Schnittstellen an bestehende Werkzeuge der Projektpartner sowie an Werkzeuge weiterer Anwender anbindet und komplexe Absicherungstätigkeiten unterstützt. Der Anwendungsfokus liegt hauptsächlich auf der Datenanalyse für die Pilotanwendung „Interaktives Testen am Fahrzeug“ im Zuge der Absicherung von Systemen für hochautomatisiertes Fahren.

Wir werden die Ergebnisse zu einem marktreifen wissensbasierten Assistenzsystem zur Unterstützung von Test- und Massendatenanalyse weiterentwickeln, insbesondere für die Absicherung von hochautomatisiertem Fahren, und Dienstleistungen in diesem Bereich anbieten. Die TU Dresden wird ihre Kompetenzen auf den Gebieten Datenanalyse für softwareintensive eingebettete Systeme und semantische Technologien ausbauen und in Veröffentlichungen und Lehrveranstaltungen zur Verfügung stellen.

Szenarienbasierte Plattform zur Inspektion automatisierter Fahrfunktionen

Um die Funktions- und Produktsicherheit automatisierter Fahrfunktionen über den gesamten Systemlebenszyklus zu gewährleisten, sind neuartige Test- und Validierungskonzepte notwendig. Das Projekt SePIA führt eine sehr große Anzahl von Realfahrszenarien, zugehörige Unfalldaten sowie umfangreiche Fahrzeugbus- und Videodaten erstmalig zusammen und ergänzt sie durch eine neue Methodik zur Erzeugung interpolierter Szenarien.

Fördergeber

SAB

Projektpartner

• tracetronic GmbH
• FSD Fahrzeugsystemdaten GmbH
• Fraunhofer-Institut für Verkehrs- und Infrastruktursysteme IVI
• TU Dresden
• Verkehrsunfallforschung an der TU Dresden GmbH

Projektzeitraum

Juni 2017 bis Mai 2020

Details

Für die Entwicklung einer Plattform für szenarienbasiertes Testen und szenarienbasierte Inspektion werden eine sehr große Anzahl von Realfahrszenarien, zugehörige Unfalldaten und Informationen aus Gutachten zur Unfallrekonstruktion sowie umfangreiche Fahrzeugbus- und Videodaten herangezogen. Die Daten aus verschiedenen technologischen Bereichen werden erstmalig zusammengeführt und durch eine neue Methodik zur Erzeugung ergänzender, interpolierter Szenarien erweitert. Diese lassen sich nach Kritikalität und Repräsentativität kategorisieren und nutzen. Eine Verknüpfung der entstehenden Szenarien mit zusätzlichen Umweltinformationen wie Verkehrsfluss oder Wetter ist über offene Schnittstellen möglich. Die Plattform wird in einer SiL/HiL-Anwendungsumgebung getestet und demonstriert. Sie kann im Wirkbetrieb den Markteinführungsprozess sowie die fortlaufende Funktionsprüfung automatisierter Fahrzeuge in Deutschland wirksam fördern.

Wir unterstützen die Erstellung der Anforderungsspezifikation sowie die Entwicklung der Plattform. Darüber hinaus leiten wir die Entwicklung von Beschreibungswerkzeugen für physikalisch realistische Szenarien und erarbeiten die SiL/HiL-Anwendungsumgebung mit.

Projekt zur Etablierung von generell akzeptierten Gütekriterien, Werkzeugen und Methoden sowie Szenarien und Situationen zur Freigabe hochautomatisierter Fahrfunktionen

Inhalt des Projektes PEGASUS war die Erarbeitung einheitlicher Methoden und Werkzeuge für das szenarienbasierte Testen hochautomatisierter Fahrzeuge, um technischen, rechtlichen und sozialen Herausforderungen bei deren Freigabe zu begegnen.

Fördergeber

BMWi

Projektpartner

• tracetronic GmbH
• Adam Opel AG
• AUDI AG
• BMW AG
• Daimler AG
• Volkswagen AG
• A.D.C. Automotive Distance Control Systems GmbH
• Continental Teves AG
• Robert Bosch GmbH
• TÜV SÜD GmbH
• Forschungsgesellschaft Kraftfahrwesen mbH Aachen
• iMAR Navigation GmbH
• IPG Automotive GmbH
• QTronic GmbH
• VIRES Simulationstechnologie GmbH
• DLR e.V. – Institut für Verkehrssystemtechnik
• TU Darmstadt – Fachgebiet Fahrzeugtechnik

Projektzeitraum

Januar 2016 bis Juni 2019

Webseite

http://www.pegasus-projekt.info/de/

Details

Automatisiertes Fahren ist ein zentrales Thema der zukünftigen Entwicklung im Automobilbereich. Für die Freigabe hochautomatisierter Fahrzeugfunktionen bestehen höchste Anforderungen an Qualität und Sicherheit. Bisherige Vorgehensmodelle und Testansätze sind hierfür nicht ausreichend. Damit die Einhaltung dieser Anforderungen automatisiert überprüft werden kann, besteht ein großer Bedarf an entsprechenden Gütekriterien, Validierungsmethoden und Softwarewerkzeugen.

Ziel des Verbundprojektes PEGASUS war die Erarbeitung allgemein akzeptierter Methoden und Werkzeuge für den Test hochautomatisierter Fahrzeugfunktionen. Hiermit wird die Freigabe hochautomatisierter Fahrzeuge für den Markt vorbereitet. Dafür werden in einem ersten Schritt Vorarbeiten zur Festlegung des Performance-Niveaus von HAF-Funktionen (z. B. Definition eines „durchschnittlichen Fahrers“ als Vergleichsmaßstab) durchgeführt, aus denen Kriterien zur Güte und Qualität abgeleitet werden können. Darauf aufbauend wurden im Projekt Testmethoden, Testkataloge sowie Testinstrumente für simulations-, labor- und feldtestbasierte Ansätze entwickelt. Dadurch soll PEGASUS eine Referenz für die effiziente Validierung hochautomatisierter Fahrfunktionen liefern.

Im Rahmen dieses Projektes erarbeiteten wir Methoden und Softwarebausteine für Werkzeugketten zur Validierung hochautomatisierter Fahrzeugfunktionen. Für die daraus resultierenden Anforderungen werden neue Methoden zur Verwendung in Testautomatisierung, Traceanalyse und Testauswertung entwickelt und als Softwaredemonstratoren realisiert. Um der großen Variantenvielfalt und den hohen Absicherungsanforderungen hochautomatisierter Fahrzeugfunktionen Rechnung zu tragen, werden bisherige Ansätze zur Traceanalyse weitergeführt und neue Methoden zur automatisierten Auswertung der entstehenden großen und komplexen Mengen von Simulations- und Fahrversuchsdaten geschaffen.

Im Anschluss an das Projekt werden wir die Ergebnisse nutzen, um unser bestehendes Produktportfolio um neue Features, Bibliotheken und Werkzeuge für Test und Absicherung hochautomatisierter Fahrzeugfunktionen zu erweitern. Die Lösungen werden in die Werkzeugketten der Verbundpartner integriert und dort eingesetzt.

Semantic Data Warehousing for Trace Analysis

Im Projekt SeDaWaT wurden Methoden und Softwarewerkzeuge für die Auswertung sehr großer Mengen automobiler Messdaten erarbeitet.

Fördergeber

BMBF

Projektpartner

• tracetronic GmbH
• TU Dresden
• Audi (assoziiert)
• BMW (assoziiert)

Projektzeitraum

Januar 2014 bis Juni 2016

Details

Der Trend zu immer neuen Funktionsanforderungen in der Automobilbranche, hervorgerufen durch wachsende Kundenansprüche, gesetzliche Vorgaben und neue Richtlinien, verursacht einen rapiden Anstieg an Elektronikkomponenten und softwareintensiven Systemen im Fahrzeug. Durch steigende Komplexität und zunehmende Variantenvielfalt der entwickelten Systeme wächst kontinuierlich auch der Analyseumfang. Die werkzeuggestützte Analyse von Messdaten (sogenannter Trace-Daten) ist ein wichtiges Instrument für Test und Absicherung in allen Phasen der Entwicklung von Steuergeräte-Software im Automobilbereich. Um dieser Entwicklung zu begegnen, werden neue Methoden benötigt, mithilfe derer relevante Daten- und Informationsbausteine systematisch erfasst, zusammengeführt und einer hochautomatisierten Analyse zugeführt werden können.

Ziel des Forschungsvorhabens SeDaWaT war die Schaffung einer softwaretechnischen Rahmenstruktur (Framework). Diese soll durch integriertes und intelligentes Daten- und Analyse-Management die komplexe Auswertung und Verifikation sehr großer Trace-Datenbestände im Automotive-Bereich stark vereinfachen. Den technologischen Kern bildet dabei eine neuartige Datenbank, das sogenannte Semantic Analytic Data Warehouse. Es integriert unterschiedlichste Datenquellen und -formate und führt damit alle relevanten Daten aus Testautomatisierung und Traceanalyse zusammen. Durch ein skalierbares, intuitives Bedienkonzept und eine Visualisierung von Analyseergebnissen sollen die Fähigkeiten der Benutzer optimal unterstützt und menschliche Fehler verhindert werden. Neben gängigen Mechanismen wie Suchen, Sortieren und Auswählen für den komfortablen Zugriff auf Datenmengen soll das Semantic Analytic Data Warehouse die Funktionalität klassischer relationaler Datenbanken deutlich übertreffen. Dazu stellt es zusätzlich domänenspezifische Mechanismen und Schnittstellen zur Erstellung und Ausführung komplexer Analysen bereit.

Wir planen mit den Projektergebnissen eine neue Data-Warehouse-Lösung zur Auswertung komplexer Massendaten aus der Entwicklung automobiler Steuergeräte-Software zu etablieren und Dienstleistungen in diesem Bereich anzubieten. Die TU Dresden wird ihre Kompetenzen im Bereich der Datenanalyse für softwareintensive eingebettete Systeme ausbauen und in Publikationen und Lehrveranstaltungen zur Verfügung stellen.

Erweiterte modellgetriebene Traceanalyse

Im Forschungsprojekt emTrace wurden neue Konzepte, Methoden und Softwarewerkzeuge für die Traceanalyse erarbeitet.

Fördergeber

BMBF

Projektpartner

• tracetronic GmbH
• TU Dresden
• Audi (assoziiert)
• BMW (assoziiert)

Projektzeitraum

Juni 2011 bis November 2013

Details

Qualitätssicherung für vernetzte mechatronische Fahrzeugsysteme ist ein zentrales Thema in der Automobilindustrie. Steigende Sicherheits- und Komfortansprüche, zunehmende Variantenvielfalt sowie stetig wachsende Komplexität der eingesetzten Hard- und Software eröffnen neue Problemstellungen für die Gewährleistung von Zuverlässigkeit und Einhaltung gesetzlicher Vorschriften über den gesamten Fahrzeuglebenszyklus.

Bei den aktuell verwendeten Fahrzeug-Bordnetzen handelt es sich um vernetzte reaktive Echtzeitsysteme, in welchen komplexe Funktionen über mehrere Steuergeräte verteilt sind. Aufgrund des fehlenden Determinismus im Gesamtsystem lassen sich hier trotz umfangreicher automatisierter Tests und steuergeräteinterner Diagnosefunktionen nicht alle Fehlermechanismen aufdecken bzw. ausschließen.
Eine Möglichkeit zur Erhöhung der Absicherungstiefe bietet die Laufzeitüberwachung (Runtime Monitoring) der Systeme mit anschließender Auswertung der aufgezeichneten Messdaten (Tracanalyse).

Ziel des Projektes emTrace war die deutliche Steigerung der Effektivität von Traceanalysen durch umfangreiche Verbesserungen in den Bereichen Ausdrucksstärke, Analyse-Performance sowie Nutzerinteraktion und -unterstützung. Dabei sollten erstmals die Schlüsselkonzepte „Modellgetriebener Entwurf, Parallelisierung und Verteilung“ sowie „Visuelle Analyse“ adaptiert und eingesetzt werden. Damit sollte die Traceanalyse zu einem ausdrucksstarken, performanten und nutzerfreundlichen Standardwerkzeug für die Qualitätssicherung weiterentwickelt werden.

Nach Projektende sind die erarbeiteten Algorithmen und Methoden in vorhandene Werkzeuge der Verbundpartner, wie zum Beispiel die Testautomatisierungs-Umgebung ecu.test und das Analyse-Framework trace.check, eingeflossen.

Cool Energy Car Communication

Ziel des Projektes CECC war eine Reduzierung des Energieverbrauchs beim Betrieb von Kraftfahrzeugen.

Fördergeber

SAB

Projektpartner

• tracetronic GmbH
• TU Dresden
• DMOS GmbH
• Dresden Elektronik Ingenieurtechnik GmbH
• HTW Dresden

Projektzeitraum

Oktober 2010 bis März 2013

Details

Um den Energieverbrauchs beim Betrieb von Kraftfahrzeugen zu reduzieren, wurde ein Funk- und Informationssystem entwickelt, welches Informationen über andere Fahrzeuge (Standort, Abstand, Geschwindigkeit) und Infrastruktur (Ampelphasenlaufzeiten, Fahrbahnen) energieeffizient übermittelt. Die daraus ableitbaren energetisch günstigen Fahrprofile werden als Konzeptapplikationen für Fahrerassistenzsysteme erstellt. Das umfasst beispielsweise das Befahren von Ampelkreuzungen (Minimierung der Stillstandszeit mittels Rotphasenprädiktion sowie Optimierung von Motor-Start/Stopp-Funktionen), Geschwindigkeitsempfehlungen sowie Stop-and-Go-Assistenz. Hierfür entwickelten wir zum Beispiel ein Framework zur Generierung energieoptimierter Betriebsstrategien.

On-the-fly-Migration und Sofort-Inbetriebnahme von automatisierten Systemen

Inhalt des Projektes OMSIS war die Erstellung einer durchgängigen Werkzeugkette für eine integrierte Test- und Simulationsumgebung im Bereich Fabrikautomation und automobiler End-of-Line-Tests.

Fördergeber

BMWi

Projektpartner

• tracetronic GmbH
• TU Dresden (Projektkoordinator)
• Martin-Luther-Universität Halle-Wittenberg
• DUALIS GmbH IT Solution
• GWT-TUD GmbH
• Incontrol Enterprise Dynamics GmbH
• ITI Gesellschaft für ingenieurtechnische Informationsverarbeitung mbH
• PEER Group GmbH
• Qimonda Dresden GmbH & Co. OHG
• SYSTEMA Systementwicklung Manfred Austen GmbH

Projektzeitraum

April 2008 bis Januar 2011

Details

Die Migration bzw. Umrüstung und Erneuerung vorhandener Automationsanlagen im laufenden Betrieb ist in modernen Unternehmen ein permanenter Prozess. Die Betreiber werden dabei oft vor Herausforderungen gestellt, da lange Stillstandszeiten mit Produktionsausfällen verbunden sind und die Anlagen daher nicht komplett abgeschaltet werden können.

Um Ausfälle bei der Umrüstung auf ein Minimum zu reduzieren, sollen sowohl die neue Hardware als auch die angepasste Software bei der Inbetriebnahme sofort einsatzbereit und frei von Fehlern sein. Das können sie nur sein, wenn die entsprechenden Änderungen vorab verlässlich simuliert und auf Korrektheit geprüft wurden.

Ziel des Verbundprojektes OMSIS war es, eine durchgängige Werkzeugkette für eine integrierte Test-Simulationsumgebung zu erstellen. Sie sollte die Teilaufgaben Simulation, Monitoring, Testfallgenerierung und -ausführung sowie Diagnose verbessern und erleichtern. Darüber hinaus muss sie den Menschen bei Routineaufgaben entlasten und somit eine effiziente Migration bzw. Inbetriebnahme von automatisierten Systemen ermöglichen.

Wir haben dieses Projekt als Spezialist auf dem Gebiet der intuitiven Testfallspezifikation und Steuergeräteverifikation für Kfz-Steuergeräte unterstützt.

Erweiterte Traceanalyse in Test und Diagnose

Im Projekt TraceSys wurden Methoden und Softwarewerkzeuge zur Analyse automobiler Messdaten erarbeitet. Unterstützt durch das Bundesministerium für Bildung und Forschung haben wir das Vorhaben im Februar 2008 ins Leben gerufen. Als Ziel wurde die prototypische Entwicklung eines Test-Frameworks definiert, das im gesamten Lebenszyklus eines Systems Test- und Diagnosedaten durch die Analyse von Trace-Informationen auswertet.

Fördergeber

BMBF

Projektpartner

• tracetronic GmbH
• BMW AG (assoziiert)
• GMT-TUD GmbH, Dresden
• FSD Fahrzeugsystemdaten GmbH (assoziiert)
• TU Dresden

Projektzeitraum

Februar 2008 bis September 2010

Details

Beim Test eingebetteter Systeme entsteht in den verschiedenen Testumgebungen des Lebenszyklus des Automobils eine große Anzahl von zeitbasierten Messdaten, sogenannte Traces. Von der Modellierung (MiL, Model in the Loop) über die Steuergeräteprogrammierung (SiL, Software in the Loop) und Steuergeräteimplementierung sowie Fertigungs- und Endprüfung (HiL, Hardware in the Loop) bis zur Hauptuntersuchung werden Daten für Test- und Diagnosezwecke aufgenommen. Bisher wurden diese Traces nur manuell mit rudimentären Methoden und Werkzeugen untersucht. Wir haben im Rahmen des Forschungsprojektes TraceSys Algorithmen entwickelt, die diese Messwertreihen automatisiert bewerten und Fehler identifizieren. Diese können über den gesamten Lebenszyklus des Automobils verwendet werden, um gespeicherte Daten effizient auszuwerten. Zum Einsatz kommen dabei auch formale Methoden, die einen ersten Bogen hin zur echten Softwareverifikation schlagen können.

Die erarbeiteten Algorithmen und Methoden sind nach Projektende in die vorhandenen Werkzeuge der Verbundpartner wie z.B. die Testautomatisierungs-Umgebung ecu.test eingeflossen.