Analysen im Zeitalter von Big Analog Data

  Read in   |   Print Print

"Innerhalb eines Jahres nach der Entwicklung und Implementierung dieser Lösung können wir jetzt schätzungsweise bis zu 95 Prozent unserer Daten analysieren und haben zudem unsere Prüfkosten sowie die jährliche Anzahl von Tests reduziert, da wir keine Tests mehr wiederholen müssen."

- Simon Foster, Jaguar Land Rover

The Challenge:
Es sollte eine umfassende Lösung zum Verwalten und Analysieren von bis zu 500 GB an Daten pro Tag implementiert werden. Diese Daten werden von über 200 Datenloggern erzeugt, die kontinuierlich Daten und Ad-hoc-Messungen von mehr als 400 Ingenieuren erfassen.

The Solution:
Entsprechend wurde ein System basierend auf der Software DIAdem und der DataFinder Server Edition erstellt, um die Metadaten jeder beliebigen Datei unabhängig von ihrer Herkunft zu indizieren und einen Arbeitsablauf zu erstellen, mit dem Daten 20-mal schneller als mit jeder vorhergehenden manuellen Methode gesucht, überprüft, analysiert und ausgewertet werden können.

Author(s):
Simon Foster - Jaguar Land Rover
Pablo Abad - Jaguar Land Rover

Jaguar Land Rover (JLR) ist Hersteller von zwei der bekanntesten britischen Automarken, die für ihr robustes Design und ihren Luxus weltbekannt sind. Damit wir die Qualität und Zuverlässigkeit gewährleisten können, die unsere Kunden von uns erwarten, legen wir großen Wert auf modernes Design sowie auf fortschrittliche Entwicklungsmethoden und Technik. Dieser Schwerpunkt hat dazu geführt, dass wir mehr Geld in Forschung und Entwicklung investieren als jeder andere Hersteller in Großbritannien.

Für die über 400 Ingenieure, die für die Antriebsstrangkalibrierung und -steuerungen zuständig sind, bedeutet diese Investition auch das Einbinden neuer Strategien und Lösungen von NI, sodass sie riesige Mengen unbearbeiteter Testdaten besser erfassen und verwalten und folglich bessere Entscheidungen treffen können, bevor ein Fahrzeug überhaupt auf den Markt kommt.

Dank besserem Zugang zu aussagekräftigeren Daten können wir fundierte Entscheidungen treffen, wenn es darum geht, hochwertige Fahrzeuge zu bauen. Dadurch stärken wir das Ansehen von JLR und, was noch wichtiger ist, stellen unseren Kunden ein Produkt bereit, das unseren hohen Standards entspricht.

Angesichts der Aufgabe, bis zu 500 GB täglich erfasster Daten zu verwalten, stellten wir fest, dass wir Tests häufig wiederholten, weil wir bestimmte Ergebnisse nicht wieder auffinden konnten. Unsere ursprüngliche Analyseroutine beruhte auf einem manuellen Prozess. Nach Schätzungen des Teams benötigte dieser 20-mal mehr Zeit als unsere aktuelle Lösung, die auf einer vollständig automatisierten Routine basiert. Wir setzten ursprünglich mehrere Analysewerkzeuge ein, für die allesamt spezielle Skripte erforderlich waren, um Algorithmen zu implementieren. Daher gab es keine Standards, auch nicht für Metadaten und Kanalnamen.

Dieser Prozess führte dazu, dass wir nur zehn Prozent der bei Fahrzeugtests erfassten Daten auch analysierten. Wenn nur ein Bruchteil der Testdaten ausgewertet wird, besteht die Gefahr, dass wichtige Informationen nicht berücksichtigt werden. Dies kann dazu führen, dass der Designprozess ineffizient ist und kostspielige Verzögerungen entstehen.

Abb. 1: Beim manuellen Prozess konnten nur zehn Prozent der Daten analysiert werden.

Technologie

Um den Herausforderungen in Bezug auf Big Analog Data zu begegnen, verglichen wir neun Werkzeuge. Dadurch sollte die am besten für unsere Anwendung geeignete Plattform ermittelt werden. Zu den Systemanforderungen gehörten u. a. Funktionen, um Aktualisierungen zu automatisieren, Metadaten aus unterschiedlichen Quellen zu kombinieren, Metadaten hinzuzufügen, die ursprünglich nicht gespeichert wurden, und Dateien anhand von Metadaten zu suchen. Wir benötigten zudem ein interaktives Werkzeug, das unsere Ingenieure in die Lage versetzen würde, ihre eigenen vordefinierten Routinen oder benutzerdefinierte Ad-hoc-Analysen auszuführen. Die Analyse sollte für ausgewählte Dateien oder als Batch-Verfahren durchgeführt werden können, wobei die Vorlagen für die Auswertung einheitliche, zuverlässige Berichte ergeben sollten, die der Entscheidungsfindung dienen. Außerdem musste sich die Plattform in unsere bestehenden Datenerfassungsprozesse integrieren und in Zukunft nach Bedarf in anderen Abteilungen von JLR einsetzen lassen.

Nach dem Prüfen dieser neun Werkzeuge entschieden wir uns angesichts der oben genannten Kriterien und einiger weiterer Gründe dafür, unsere Lösung auf der Software DIAdem und der DataFinder Server Edition aufzubauen. Ein wesentlicher Grund für unsere Entscheidung war die Möglichkeit, mit der DataFinder Server Edition Metadaten zu indizieren, anhand derer das Team nach bestimmten Testergebnissen suchen kann. Mit DIAdem können wir zudem sichergehen, dass wir bei Bedarf über 1000 Dateiformate laden können. Sollten sich unsere Prozesse für die Datenerfassung also zu einem späteren Zeitpunkt ändern, müssen wir uns über die Kompatibilität mit unserem Datenanalyseprogramm keine Gedanken machen. Darüber hinaus können wir auch ganz ohne Programmierung interaktiv Analyse-Dashboards erstellen und selektiv Daten aus mehreren Dateien laden.

Wenn wir unsere Fahrzeuge testen, erfassen wir Daten auf unterschiedliche Art und Weise sowie von verschiedenen Datenerfassungsgeräten. Dies können beispielsweise Datenlogger sein, die während einer Testfahrt Signale von Sensoren erfassen. Ebenso können mit direkt an das Fahrzeug angeschlossenen Laptops Netzwerkdaten über CAN-, MOST-, FlexRay- oder ECU-Protokolle (CCP, XCP, ETK) gesammelt werden. Alle erfassten Daten durchlaufen dann automatisch einen Datenanalyseprozess, wo sie auf passende Metadaten geprüft werden. Dann erstellen wir Querverweise zu Metadaten von verschiedenen Quellen und berechnen alle fehlenden Parameter (z. B. Durchschnittstemperatur, Geschwindigkeit und Kraftstoffverbrauch). Anschließend speichern wir diese auf einem Server, der auf der DataFinder Server Edition basiert.

Zu diesem Zeitpunkt kann jeder Ingenieur bei JLR eine Abfrage der Daten durchführen sowie eine Analyseroutine auf alle Testergebnisse anwenden, die die angegebenen Parameter erfüllen. Auf die Daten können auch unterschiedliche Analysen angewandt werden. So kann ein Ingenieur ein Batch-Verfahren laufen lassen (sogar an Tausenden von Dateien), eine vordefinierte Analyseroutine verwenden oder eine Ad-hoc-Analyseroutine für Daten erstellen, die näher untersucht werden sollen. Die Ergebnisse der Analyseroutinen werden in einer Berichtsvorlage dargestellt, damit datenbasierte Entscheidungen schneller getroffen werden können.

Innerhalb eines Jahres nach der Entwicklung und Implementierung dieser Lösung können wir jetzt schätzungsweise bis zu 95 Prozent unserer Daten analysieren und haben zudem unsere Prüfkosten sowie die jährliche Anzahl von Tests reduziert, da wir keine Tests mehr wiederholen müssen.

Abb. 2: Ein automatisiertes System mit der Software DIAdem und der DataFinder Server Edition ermöglichte es uns, bis zu 95 Prozent der von uns erfassten Daten zu analysieren.

Dank dieser und weiterer Vorteile erkennen und beheben wir jetzt mehr Probleme, bevor die Endprodukte an unsere Kunden gehen. Infolgedessen sind unsere Kunden zufriedener als zuvor, da die Produkte deutlich robuster sind.

Author Information:
Simon Foster
Jaguar Land Rover
sfoste31@jaguarlandrover.com

Bookmark and Share


Explore the NI Developer Community

Discover and collaborate on the latest example code and tutorials with a worldwide community of engineers and scientists.

‌Check‌ out‌ the‌ NI‌ Community


Who is National Instruments?

National Instruments provides a graphical system design platform for test, control, and embedded design applications that is transforming the way engineers and scientists design, prototype, and deploy systems.

‌Learn‌ more‌ about‌ NI