227 Pages
English

Visual analysis of in-car communication networks [Elektronische Ressource] / vorgelegt von Michael Sedlmair

-

Gain access to the library to view online
Learn more

Description

VisualAnalysisofIn-CarCommunicationNetworksMichael SedlmairDissertationan der Fakultät für Mathematik, Informatik und Statistikder Ludwig-Maximilians-Universität Münchenvorgelegt vonMichael Sedlmairaus MünchenMünchen, den 16. Juli 2010iiErstgutachter: Prof. Dr.-Ing. Andreas ButzZweitgutachter: Prof. Dr. Tamara MunznerTag der mündlichen Prüfung: 21. Oktober 2010Abstract iiiAbstractAnalyzing, understanding and working with complex systems and large datasets has become afamiliar challenge in the information era. The explosion of data worldwide affects nearly everypart of society, particularly the science, engineering, health, and financial domains. Looking,for instance at the automotive industry, engineers are confronted with the enormously increasedcomplexity of vehicle electronics. Over the years, a large number of advanced functions, such asACC (adaptive cruise control), rear seat entertainment systems or automatic start/stop engines,has been integrated into the vehicle. Thereby, the functions have been more and more distributedover the vehicle, leading to the introduction of several communication networks. Overlooking allrelevant data facets, understanding dependencies, analyzing the flow of messages and trackingdown problems in these networks has become a major challenge for automotive engineers.

Subjects

Informations

Published by
Published 01 January 2010
Reads 31
Language English
Document size 15 MB

VisualAnalysisof
In-CarCommunicationNetworks
Michael Sedlmair
Dissertation
an der Fakultät für Mathematik, Informatik und Statistik
der Ludwig-Maximilians-Universität München
vorgelegt von
Michael Sedlmair
aus München
München, den 16. Juli 2010ii
Erstgutachter: Prof. Dr.-Ing. Andreas Butz
Zweitgutachter: Prof. Dr. Tamara Munzner
Tag der mündlichen Prüfung: 21. Oktober 2010Abstract iii
Abstract
Analyzing, understanding and working with complex systems and large datasets has become a
familiar challenge in the information era. The explosion of data worldwide affects nearly every
part of society, particularly the science, engineering, health, and financial domains. Looking,
for instance at the automotive industry, engineers are confronted with the enormously increased
complexity of vehicle electronics. Over the years, a large number of advanced functions, such as
ACC (adaptive cruise control), rear seat entertainment systems or automatic start/stop engines,
has been integrated into the vehicle. Thereby, the functions have been more and more distributed
over the vehicle, leading to the introduction of several communication networks. Overlooking all
relevant data facets, understanding dependencies, analyzing the flow of messages and tracking
down problems in these networks has become a major challenge for automotive engineers.
Promising approaches to overcome information overload and to provide insight into complex data
are Information Visualization (InfoVis) and Visual Analytics (VA). Over the last decades, these
research communities spent much effort on developing new methods to help users obtain insight
into complex data. However, few of these solutions have yet reached end users, and moving
research into practice remains one of the great challenges in visual data analysis. This situation
is particularly true for large company settings, where very little is known about additional chal-
lenges, obstacles and requirements in InfoVis/VA development and evaluation. Users have to
be better integrated into our research processes in terms of adequate requirements analysis, un-
derstanding practices and challenges, developing well-directed, user-centered technologies and
evaluating their value within a realistic context.
This dissertation explores a novel InfoVis/VA application area, namely in-car communication
networks, and demonstrates how information visualization methods and techniques can help en-
gineers to work with and better understand these networks. Based on a three-year internship
with a large automotive company and the close cooperation with domain experts, I grounded a
profound understanding of specific challenges, requirements and obstacles for InfoVis/VA appli-
cation in this area and learned that “designing with not for the people” is highly important for
successful solutions. The three main contributions of this dissertation are: (1) An empirical an-
alysis of current working practices of automotive engineers and the derivation of specific design
requirements for InfoVis/VA tools; (2) the successful application and evaluation of nine proto-
types, including the deployment of five systems; and (3) based on the three-year experience, a set
of recommendations for developing and evaluating InfoVis systems in large company settings.
I present ethnographic studies with more than 150 automotive engineers. These studies helped us
to understand currently used tools, the underlying data, tasks as well as user groups and to cate-
gorize the field into application sub-domains. Based on these findings, we propose implications
and recommendations for designing tools to support current practices of automotive network en-
gineers with InfoVis/VA technologies. I also present nine InfoVis design studies that we built
and evaluated with automotive domain experts and use them to systematically explore the design
space of applying InfoVis to in-car communication networks. Each prototype was developed
in a user-centered, participatory process, respectively with a focus on a specific sub-domain ofiv Abstract
target users with specific data and tasks. Experimental results from studies with real users are
presented, that show that the visualization prototypes can improve the engineers’ work in terms
of working efficiency, better understanding and novel insights. Based on lessons learned from
repeatedly designing and evaluating our tools together with domain experts at a large automo-
tive company, I discuss challenges and present recommendations for deploying and evaluating
VA/InfoVis tools in large company settings. I hope that these recommendations can guide other
InfoVis researchers and practitioners in similar projects by providing them with new insights,
such as the necessity for close integration with current tools and given processes, distributed
knowledge and high degree of specialization, and the importance of addressing prevailing mental
models and time restrictions. In general, I think that large company settings are a promising and
fruitful field for novel InfoVis applications and expect our recommendations to be useful tools
for other researchers and tool designers.Abstract v
Zusammenfassung
Die weltweit ständig steigende Verfügbarkeit großer Datenmenge hat in den letzten Jahren zu
immer neuen Herausforderungen in den Bereichen der Wissenschaft, aber auch im Ingenieurs-,
Gesundheits- und Finanzwesen geführt. Beispielsweise sind Fahrzeugentwickler in der Auto-
mobilbranche mit einer immensen Datenkomplexität konfrontiert, welche durch die Integration
immer neuer elektronischer Komponenten hervorgerufen wird. So enthalten moderne Fahrzeuge
bis zu 100 verschiedene Steuergeräte, die miteinander in einem sogenannten Bordnetz vernetz
sind und auf unterschiedlichen Wegen kommunizieren. Im Zuge dieser Entwicklung
sind herkömmliche textuelle Beschreibungen der Kommunikationsarchitektur immer mehr an
ihre Grenzen gestoßen, so dass aktuell viel Zeit und Erfahrung benötigt wird um beispielswei-
se Auswirkungen von Änderungen an einzelnen Komponenten auf die Gesamtarchitektur abzu-
schätzen, um mögliche Engpässe zu erkennen oder um Fehler in der Bordnetzkommunikation zu
finden.
Methoden der Informationsvisualisierung und der Visuellen Analyse versprechen hierbei mögli-
che Ansätze um diese Herausforderungen zu bewältigen. In beiden Forschungsbereichen wurden
in den vergangenen Jahren eine Vielzahl von neuartigen Visualisierungsmethoden und -techniken
präsentiert, mit denen es möglich ist Verständnis über komplexe und große Datensätze zu erlan-
gen. Aktuell sind jedoch noch wenige dieser Lösungen in praktische Anwendungen integriert
worden und eine der größten Herausforderungen ist immer noch diese Forschungsergebnisse in
die Praxis zu transferieren. Dies gilt vor allem für große Firmen, bei denen spezielle Anforde-
rungen zusätzliche Hindernisse und Herausforderungen an die Entwicklung und Evaluierung von
Visualisierungstools stellen.
Im Rahmen dieser Dissertation wird untersucht wie Methoden der Informationsvisualisierung da-
zu beitragen können die Entwicklung und Analyse von automobilen Bordnetzen zu unterstützen
und wie diese in die Praxis integriert werden können. Die Arbeit wurde in enger Kooperati-
on mit BMW, einem großen Automobilhersteller, durchgeführt und bot daher die Möglichkeit
Visualisierungsanwendung unter realen Bedingungen zu entwickeln und zu testen. Es wurde
klar, dass vor allem eine konstante und enge Zusammenarbeit mit den Endanwender, d. h. mit
Entwicklungs- und Testingenieuren, eine zentrale Rolle für den Erfolg von Visualisierungsan-
wendung in diesem Bereich spielt.
Der wissenschaftliche Beitrag der vorliegenden Arbeit kann in drei Aspekte unterteilt werden: (1)
Eine empirische Feldanalyse des Bereichs Bordnetzentwicklung und -absicherung, sowie Desi-
gnanforderungen, die daraus abgeleitet wurde; (2) die Vorstellung und Evaluierung von neun
Visualisierungsprototypen, von denen fünf in die aktuelle Arbeitsprozesse der Ingenieure inte-
griert wurden; und (3) basierend auf den Erfahrungen, die über drei Jahre gesammelt wurden,
eine Zusammenfassung von Herausforderungen und Empfehlungen zur Durchführung von Infor-
mationsvisualisierungsprojekten in großen Unternehmen.
In der Arbeit werden hierzu ethnografische Studien mit mehr als 150 Ingenieuren vorgestellt.
Diese Studien wurden dazu genutzt aktuelle Werkzeuge besser zu verstehen, Arbeitsweisen zuvi Abstract
analysieren aber auch um Nutzergruppen zu kategorisieren und Herausforderungen zu erkennen.
Basierend auf diesen Studien wurden anwendungsgebiet-spezifische Anforderungen abgeleitet
und als Grundlagen für die Entwicklung der Prototypen verwendet. Mit den Prototypen wur-
den dann schrittweise verschiedene Detailaspekte des Anwendungsgebietes untersucht. Hierbei
wurden insbesondere Lösungen zur Unterstützung von Netzwerkarchitekten, Visualisierungsme-
thoden zur Trace-Analyse sowie die Verwendung von 3d Modellen für ein besseres Verständnis
von Zusammenhängen von Elektronik und Mechanik untersucht. Die Tools wurden in einem
benutzer-zentrierten Ansatz entwickelt und mit Endanwender evaluiert um Erkenntnisse über
deren realen Einsatz zu erlangen. Die Ergebnisse zeigen, dass die vorgestellten Tools aktuelle
Arbeitsprozesse beschleunigen konnten und neues und hilfreiches Verständnis über die Daten
generiert wurde.
Während der drei Jahre, in denen die Prototypen entstanden sind, wurden viele Erfahrungen
über die Entwickelung und Evaluierung von Visualisierungstools in einem großen Unterneh-
men gesammelt. Neben bekannten Designkriterien aus der Literatur gilt es in solchen Umgebun-
gen darauf zu achten ein Tool in die vorhandenen Prozessketten zu integrieren und speziellen
Anforderungen—wie beispielsweise verteiltes Wissen, hoher Spezialisierungsgrad, Zeitknapp-
heit oder bereits vorhandene Tools—Rechnung zu tragen. Diese Kriterien wurden zusammen-
gefasst um anderen Designern und Forschern bei ähnlichen Projekten zu helfen. Generell gilt
anzumerken, dass die Erforschung von Visualisierungstools in großen Unternehmen ein sehr gu-
te Gelegenheit bietet Tools zu integrieren und unter realistischen Bedingungen zu evaluieren.Abstract vii
Acknowledgements
I would like to thank all the people who have helped me on my way of doing this PhD and without
them the work would not have been possible. As these acknowledgements are the very last part
of my PhD left to write, I am starting to realize that it also might be one of the most difficult
parts to write. Over the last three years, I collaborated with so many people who supported me
in doing this research, who influenced me and my work, and who shaped my thinking and ideas.
At this point, I want to thank all of them, including those not mentioned here by name.
First, I want to thank Andreas Butz, my supervisor, for opening my eyes in doing research,
for being open to all my questions at every time, and especially for providing me with the great
opportunity to visit conferences even in times of recession. I also want to thank Wolfgang Hinter-
maier who supervised my work at BMW for introducing me to a variety of people at the company
and for having always valuable tips and tricks for doing research in this setting.
Special thanks also go to my committee members Tamara Munzner, Heinrich Hußmann, Hans
Jürgen Ohlbach and Rolf Hennicker for their time and energy. In particular, I would like to thank
Tamara for helping me to improve this document by providing excellent feedback.
Furthermore, I would like to thank all my university and research colleagues, especially Petra
Isenberg, Dominikus Baur and Sebastian Boring, for many discussions, valuable feedback and
publishing our ideas together. And, of course, to the number of students who have contributed
to this work via their project and diploma theses: Annika Frank, Christian Bernhold, Korbinian
Zollner, Ben Kunze, Wolfgang Jacobi, Alexandre Dürr, Michael Mauerer, Alex Messner, Fabian
Hennecke, Alexander Kahl and Martin Knobel. They all investigated much more work than
would have been required, some of them even co-authored conference papers, and I really enjoyed
working with and supervising all of them.
Besides, I want to particularly mention Michael Schraut and Richard Bogenberger in whose
research groups I worked at BMW, and all my BMW colleagues who supported me in many
ways. The atmosphere has been excellent at every time and I always enjoyed working in this
great environment. Of course, my thanks also go to the BMW Group Research and Technology
in general for funding the work and, in doing so, to make this thesis possible.
I also want to thank all the automotive engineers participating in my studies (over 150!) for their
valuable time and energy. While it is not possible to name each single person here, I want to
emphasize some of them who were very closely involved in designing and building the tools
presented in this thesis and who always took time for our research—even in situations where
their time was scarce: Robert Schuster, Christian Pigorsch, Andreas Greiner, Thomas Würdinger,
Jürgen Hoffmann, Daniel Herrscher, Florian Kuttig, Ben Krebs, and Martin Schlaugath.
Last but not least, I also want to give a very special thanks to my family and all my friends for
their patience and support. My parents helped me with so many things and always understood
when I had to work even during visits at home. Finally, I want to thank my wonderful girlfriend
Hanna for her support and love through all stages that a PhD brings with it, for understanding
stressful times, and for always managing to encourage me.viii AbstractContents
1 Introduction 1
1.1 Motivation: Complexity of In-Car Communication Networks . . . . . . . . . . . 2
1.2 Research Objectives . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
1.3 Research Approach, Process and Scope . . . . . . . . . . . . . . . . . . . . . . 6
1.4 Contributions and Target Audience . . . . . . . . . . . . . . . . . . . . . . . . . 9
1.5 Structure of the Thesis . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
2 Visualization Background and Related Techniques 15
2.1 General Visualization Principles . . . . . . . . . . . . . . . . . . . . . . . . . . 16
2.2 Multiple Coordinated Views . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
2.3 Visualization of Trees/Hierarchies . . . . . . . . . . . . . . . . . . . . . . . . . 19
2.4 V of Networks/Graphs . . . . . . . . . . . . . . . . . . . . . . . . . 20
2.5 Visualization of Time-based Data . . . . . . . . . . . . . . . . . . . . . . . . . . 21
2.6 V of Spatial Aspects: Towards SciVis . . . . . . . . . . . . . . . . . 22
3 Understanding the Domain: In-Car Network Engineering 23
3.1 Methodology Outline . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
3.2 Technical Background . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
3.3 Development Process and Data Sources . . . . . . . . . . . . . . . . . . . . . . 29
3.3.1 Development Process: The V-Model . . . . . . . . . . . . . . . . . . . . 29
3.3.2 Target Groups According to the V-Model . . . . . . . . . . . . . . . . . 31x CONTENTS
3.3.3 Data Sources, Tasks and Tools . . . . . . . . . . . . . . . . . . . . . . . 31
3.3.4 Discussion: Perspectives on the data . . . . . . . . . . . . . . . . . . . . 35
3.4 Visualization in the Automotive Domain . . . . . . . . . . . . . . . . . . . . . . 37
3.4.1 Related Work: Visualization in the Automotive Domain . . . . . . . . . 37
3.4.2 Currently Used Visual Representations of In-car Networks . . . . . . . . 39
3.4.3 Examples of Previous Visualization Attempts . . . . . . . . . . . . . . . 42
3.4.4 Threats: What can we Learn from these Examples? . . . . . . . . . . . . 45
3.5 Expert Opinions about InfoVis/VA . . . . . . . . . . . . . . . . . . . . . . . . . 47
3.5.1 Methodology . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 47
3.5.2 Results of Diverging Phase: Potential Use Cases . . . . . . . . . . . . . 49
3.5.3 Results of Diverging Phase: Lacks in Understanding In-Car Communi-
cation Networks . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 51
3.5.4 Results of Converging Point: Three Major InfoVis/VA Challenges . . . . 52
3.6 Summary, Discussion and Outlook . . . . . . . . . . . . . . . . . . . . . . . . . 54
3.6.1 Thesis’s Main Application Areas . . . . . . . . . . . . . . . . . . . . . . 54
3.6.2 General Implications for Design . . . . . . . . . . . . . . . . . . . . . . 56
4 Visualizing Specification Data 59
4.1 MostVis: Browsing MOST Function Catalogs . . . . . . . . . . . . . . . . . . . 59
4.1.1 Problem and Requirements Analysis . . . . . . . . . . . . . . . . . . . . 60
4.1.2 Design . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 61
4.1.3 Evaluation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 66
4.1.4 Discussion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 71
4.2 WiKeVis: Visualizing Functional Networks . . . . . . . . . . . . . . . . . . . . . 72
4.2.1 Dependency Chains . . . . . . . . . . . . . . . . . . . . . . . . . . . . 73
4.2.2 Problem and Requirements Analysis . . . . . . . . . . . . . . . . . . . . 75
4.2.3 Design . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 77
4.2.4 Evaluation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 80