Resumen - SDVDiag: Una Plataforma Modular para el Diagnóstico de Funciones de Vehículos Conectados

Título
SDVDiag: Una Plataforma Modular para el Diagnóstico de Funciones de Vehículos Conectados

Tiempo
2025-07-25 16:09:27

Autor
{"Matthias Weiß","Falk Dettinger","Michael Weyrich"}

Categoría
{cs.SE,cs.AI,cs.DC,"B.8.2; C.2.4"}

Enlace
http://arxiv.org/abs/2507.19403v1

PDF Enlace
http://arxiv.org/pdf/2507.19403v1

Resumen

SDVDiag es una plataforma modular diseñada para automatizar el diagnóstico de las funciones de los vehículos conectados. La plataforma aborda los desafíos del diagnóstico de sistemas complejos y distribuidos de vehículos conectados mediante el uso de trazabilidad distribuida, minería de causalidad y detección de anormalidades. Los componentes clave de la plataforma SDVDiag incluyen: - Agregación y almacenamiento de datos: Recolecta datos en tiempo real de los vehículos, nodos de borde y servicios en la nube y los almacena para su análisis. Esta capa utiliza protocolos avanzados de monitorización y observabilidad. - Creación de gráficos: Genera un gráfico de dependencia de los componentes del sistema basado en los datos recopilados. Además, genera un gráfico causal que captura las relaciones causales entre los componentes. Se utiliza el marco de Descubrimiento Causal Amortizado (ACD) para inferir relaciones causales. - Entorno de aprendizaje: Entrena y actualiza continuamente los modelos utilizados para la minería de causalidad y la detección de anormalidades basándose en los últimos datos. Esto garantiza que la plataforma se adapte a los cambios en el sistema. - Análisis de incidentes: Analiza incidentes específicos del sistema utilizando los gráficos de dependencia y causalidad. Se enlazan las anormalidades e identifi ca las causas raíz más probables. La plataforma ha sido evaluada en un entorno de flota de pruebas de 5G, demostrando su efectividad en la detección de anormalidades e identificación de sus causas raíz. Las principales conclusiones de la evaluación son: - El diagnóstico de fallos en sistemas de vehículos distribuidos es complicado debido a las interdependencias complejas y la poca transparencia del sistema. - SDVDiag efectivamente mapea las dependencias e identifica las causas raíz con precisión. - La plataforma proporciona mecanismos para la adaptación continua de modelos en datos operativos en vivo, manteniendo un rendimiento robusto a pesar de los cambios frecuentes en el sistema. SDVDiag ofrece varias ventajas para los sistemas de vehículos conectados: - Diagnóstico automatizado y escalable: Simplifica el proceso de diagnóstico y reduce el tiempo de inactividad. - Monitorización en tiempo real: Permite la detección proactiva de problemas del sistema. - Arquitectura modular: Soporta la personalización y la integración fácil con sistemas existentes. - Aprendizaje continuo: Se adapta a los cambios en el sistema y mejora la precisión diagnóstica con el tiempo. En resumen, SDVDiag es una herramienta valiosa para mejorar la fiabilidad y mantenibilidad de los sistemas de vehículos conectados.


Artículos Recomendados

Categorías ultrageneralizadas y completitud conceptual de la lógica geométrica

Dispositivos de memoria no volátil basados en heteroestructuras de grafeno con programación de puerta flotante superior

Software de Síntesis 3D Guiado por Representación Intermedia Expresiva de Restricciones

Roles mínimos del flujo meridional subsuperficial solar en el dínamo Babcock-Leighton con corteza distribuida

Autoencoders Espaciados Revealen Estructura Interpretativa en Pequeños Modelos de Lenguaje Genético

Aprendizaje mutuo enmascarado guiado por semántica para la segmentación de tumores cerebrales multimodal con modalidades faltantes arbitrarias

Grandes tasas de aprendizaje alcanzan simultáneamente robustez contra correlaciones espurias y comprimibilidad.

Hyper-u-amenabilidad y Hiperfinitud de las Relaciones de Equivalencia Arbolables

RealBench: Comparación de modelos de generación de Verilog con diseños de IP del mundo real

Modelado (deontológico) de Operadores Modales con el Sistema de Programación de Conjuntos de Respuestas Dirigidas por Objetivos s(CASP)