Aplicación de softwares y plataformas digitales para el
diagnóstico automotriz preciso; aprovechando el
análisis de datos del fabricante
Application of softwares and digital platforms for precise
automotive diagnosis; leveraging manufacturer data
analysis.
98
Revista TECH Carlos Cisneros ISNN 2737-6036, Año 2024, Edición 4, páginas 11
Aplicación de softwares y plataformas digitales para el
diagnóstico automotriz preciso; aprovechando el análisis de
datos del fabricante
Application of softwares and digital platforms for precise
automotive diagnosis; leveraging manufacturer data analysis.
Fabian Eduardo Vilema Chuiza1
Silvia Valeria Castelo Quinde2
1 Instituto Superior Universitario Carlos Cisneros, Ecuador, fabian.vilema@istcarloscisneros.edu.ec
2 Instituto Superior Universitario Carlos Cisneros, Ecuador, silvia.castelo@istcarloscisneros.edu.ec
RESUMEN
La evolución de la industria automotriz, trae consigo el incremento de sistemas electrónicos en el automóvil,
permitiendo que el proceso de diagnóstico sea más complejo y tome un cambio drástico viendo la necesidad
de aplicar herramientas computacionales que permitan reducir las etapas en el diagnóstico electrónico. El
presente estudio tiene como objetivo principal analizar la eficiencia del diagnóstico automotriz aplicando
plataformas digitales del fabricante en específico, las mismas que permitan direccionar el análisis de los DTC
que se localicen durante la etapa de experimentación del vehículo en estudio, considerando que las
plataformas de diagnóstico automotriz propias del fabricante ofrecen, análisis de diagramas eléctricos,
manuales de reparación, procesos de reprogramaciones para las ECU además de identificar los procesos de
averías en donde se aprecian datos exactos que permitan conocer cada uno de los procesos establecidos
para los casos en donde la electrónica del automóvil presenta defectos teniendo como consecuencia el
funcionamiento fuera de rango del sistema afectado. Para el caso de estudio se procede con la extracción de
códigos de avería en un vehículo MHEV de marca KIA, modelo STONIC del año 2024, el cual presenta fallos
en la carga de la batería de baja tensión, siendo necesario aplicar los procesos establecidos por el fabricante
en su plataforma digital. El método científico aplicado es del tipo cuantitativo con enfoque no experimental
considerando que se tomara muestras de información de la unidad de control electrónica de la batería de alta
tensión del vehículo pueda entregar bajo estados de fallo y funcionamiento ideal.
Palabras claves: BMS, KIA, software, plataforma, BAS, MHEV
99
Revista TECH Carlos Cisneros ISNN 2737-6036, Año 2024, Edición 4, páginas 11
ABSTRACT
The evolution of the automotive industry brings with it the increase of electronic systems in the car, allowing
the diagnostic process to be more complex and take a drastic change seeing the need to apply computational
tools that allow to reduce the stages in the electronic diagnosis. The main objective of this study is to analyze
the efficiency of the automotive diagnosis by applying digital platforms of the manufacturer in particular, the
same ones that allow to direct the analysis of the DTC that are located during the experimentation stage of the
vehicle under study, considering that the automotive diagnostic platforms of the manufacturer offer analysis of
electrical diagrams, repair manuals, reprogramming processes for the ECUs in addition to identifying the
breakdown processes where exact data is appreciated that allow to know each one of the processes
established for the cases where the electronics of the car present defects resulting in the out-of-range operation
of the affected system. For the case study, fault codes are extracted from a KIA brand MHEV vehicle, STONIC
model from 2024, which presents faults in the charging of the low voltage battery, being necessary to apply the
processes established by the manufacturer in its digital platform. The scientific method applied is of the
quantitative type with a non-experimental approach considering that information samples will be taken from the
electronic control unit of the vehicle's high voltage battery that can deliver under fault states and ideal operation.
Keywords: BMS, KIA, software, platform, BAS, MHEV
Recibido: Agosto 2024 Aceptado: Diciembre 2024
Received: August 2024 Accepted: December 2024
100
Revista TECH Carlos Cisneros ISNN 2737-6036, Año 2024, Número IV, páginas 11
1. INTRODUCCIÓN
La industria automotriz ha experimentado un auge
tecnológico sin precedentes en los últimos años,
impulsado por la creciente integración de electrónica
en los vehículos. La implementación de sistemas
embebidos ha revolucionado el sector, brindando
mayor confort a los ocupantes, optimizando el
rendimiento de los motores mediante sistemas de
inyección electrónica y abriendo las puertas a la
conectividad avanzada con la incorporación de
sistemas de telemetría. Estos avances, sin embargo,
han incrementado la complejidad de las redes de
comunicación dentro del vehículo, lo que presenta
nuevos desafíos tanto para los fabricantes y técnicos
automotrices [1].
En los vehículos modernos, del 100 por ciento de la
totalidad del tiempo dedicado al trabajo, el 70
representa el tiempo empleado en el diagnostico o
identificación de averías, mientras que el 30 por
ciento se lo emplea para resolver los fallo localizados
en la etapa de análisis en el vehículo, todo esto
debido a la complejidad de los sistemas eléctricos y
electrónicos que involucran su funcionamiento,
tomando en cuenta la gran cantidad de módulos de
control electrónico que permiten el funcionamiento
del vehículo. Cada uno de estos sistemas realizan
acciones destinadas a diferentes trabajos mediante
la unidad de control electrónico más conocida como
ECU, comunicándose entre otras ECUs a través de
las redes CAN (Controller Area Network),
garantizando el funcionamiento efectivo y
coordinado de la totalidad de los sistemas del
vehículo [2], [3].
Con la evolución de la tecnología automotriz, se ha
visto necesario la aplicación de métodos de
diagnóstico y obtención de datos desde las unidades
de control electrónico considerando que el
diagnóstico óptimo evita que se provoque accidentes
que puedan ocasionar lesiones graves a los
ocupantes y por otra parte defectos mayores en los
mecanismos de control en donde se presentan las
averías en el vehículo [4]. Para resolver esta
necesidad, los desarrolladores de vehículos y
equipos de diagnóstico han desarrollado softwares
capaces de obtener la información de trabajo, como
los DTCs (Diagnostic Trouble Code), lectura de
datos en vivo, oscilogramas de trabajo, permitiendo
así alcanzar parámetros que permitan analizar de
manera eficiente los síntomas generados por el
funcionamiento deficiente de un determinado
componente que forma parte de la electrónica de
control [5].
El diagnóstico electrónico automotriz avanza a la par
de la sofisticación tecnológica del sector automotriz,
adaptándose a la creciente complejidad de los
sistemas computarizados que integran los vehículos
modernos. La incorporación de un mayor número de
sistemas integrados exige herramientas de análisis
y almacenamiento de datos más sofisticadas, como
softwares computacionales, que permiten optimizar
el proceso de localización de averías y obtener
resultados más eficientes en el proceso de
diagnóstico de las averías [6], [7].
En la actualidad, en los vehículos, la conectividad
con los equipos de monitoreo o diagnóstico es una
característica estándar, en los que no solo es posible
obtener códigos de fallo o lograr visualizar los
parámetros de funcionamiento de las diferentes
unidades de control mediante el estándar OBD (On
Board Diagnostics) diagnóstico a bordo , que en sus
inicios fue el OBD I, mientras que en la actualidad
cumple normativa OBD II, hoy en día los softwares
de diagnóstico computacionales y las plataformas
digitales, permiten la conectividad con la web para
lograr restablecer valores de fábrica actualizadas de
las unidades de control electrónico conocidas como
reprogramaciones en línea o actualizaciones de
software [8].
Ante una avería del tipo electrónica el conductor
toma contacto con el técnico automotriz, siendo el
experto en el área de aplicación el encargado en el
diagnóstico de la avería, para lo cual requiere
realizar sus análisis mediante la toma de datos de
trabajo, a partir de un DTC que le permita encaminar
el proceso de solución de la falla que puede tener
como resultado el mantenimiento preventivo o
correctivo de los componentes que formen dicho
sistema de fallo [9], pero no todo es así de simple,
esto conlleva la comparación de valores de trabajo y
diagramas eléctricos en donde es de suma
importancia la aplicación de plataformas digitales y
softwares computacionales que permitan comparar
la información extraída del vehículo con la obtenida
directamente del fabricante mediante diferentes
modos de funcionamiento ya sea KOE ( Key On
Engine Off) o KOER ( Key On Engine Run) [10].
2. MATERIALES Y MÉTODOS
MATERIALES
101
Revista TECH Carlos Cisneros ISNN 2737-6036, Año 2024, Número IV, páginas 11
Escáner y software de diagnóstico KIA KDS GDS
La evolución de los procesos de diagnóstico
automotriz, en los que se incluye tanto los softwares
de diagnóstico, escaners automotrices y plataformas
digitales, han permitido que cada componente que
se ubica en el vehículo en la parte electrónica, sea
verificado mediante rutinas de diagnóstico, las
mismas que permitan probar la funcionalidad de los
mismos [8]. Los sistemas OBD II son los que
predominan en los vehículos modernos, haciendo
posible la extracción de datos mediante conectores
de diagnóstico de 16 clavijas [8]. Para el diagnóstico
del vehículo KIA STONIC MHEV (Mild Hybrid
Electric Vehicle) se emplea un software original de
fabricante como es el KIA KDS GDS como se
observa en la figura 1, permitiendo la extracción de
flujo de datos y códigos de avería de los diferentes
módulos de control de los vehículos KIA.
Figura 1. Escáner de diagnóstico KIA GDS
Vehículo Kia Stonic 1.0 T - GDi MHEV
El vehículo empleado para el estudio es un Kia
Stonic 1.0 T - GDI MHEV, al hablar del motor de
combustión interna se puede decir que posee una
potencia máxima de 99 Hp a 4500 rpm y torque
máximo de 172 nm a 4000 rpm, un sistema de
válvulas con 12 válvulas DOHC, cuyo consumo de
combustible es de 69 Km/gl. Está constituido por un
motor de combustión interna a gasolina de tres
cilindros, con una estrategia que permite el control y
reducción del consumo de combustible durante la
etapa de ralentí y permitiendo generar electricidad
en la etapa de desaceleración aprovechando la
energía cinética [11].
El sistema MHEV está constituido por una batería
compacta basada en iones de litio y polímeros con
un voltaje total de 48 V, mientras que el MHSG
(unidad generador-motor de arranque mild-hybrid)
permite que se prolongue el periodo de inactividad
del vehículo. El MHSG se encuentra conectado al
cigüeñal del MCI mediante una banda, permitiendo
así los cambios a los modos generador o motor
dependiendo las circunstancias de trabajo, en el
instante que el MHSG trabajo como motor, en la
etapa de la aceleración, este componente
proporciona impulsos con energía eléctrica lo cual
permite reducir la carga de motor a su vez como se
mencionó disminuir las emisiones contaminantes.
En el instante de la desaceleración del vehículo el
MHSG cambia al modo de generador permitiendo
recuperar la energía y recargar la batería de 48 V.
En el interior del MHSG se ubica el inversor que se
encarga en transformar la corriente de DC a AC para
el instante de trabajo en modo motor eléctrico,
mientras que la transformación de corriente de AC a
DC es empleada para la carga de las baterías en el
instante de la desaceleración del vehículo.
Figura 2. Funcionamiento del sistema MHEV Kia
Stonic
El vehículo tomado para la parte experimental
presenta una avería en donde el indicador de carga
de la batería de 12 voltios o auxiliar, permanece
encendido constantemente. En la figura 3 se
observa los indicadores de la batería de 12 voltios y
la de 48 V se encuentran encendidos con el vehículo
en funcionamiento.
Figura 3. Indicador 12 V y 48 V Kia Stonic
102
Revista TECH Carlos Cisneros ISNN 2737-6036, Año 2024, Número IV, páginas 11
Para el desarrollo del presente trabajo, se procede
con la revisión de fuentes bibliográficas de trabajos
relacionados en torno a la temática de estudio en
donde se aprecian procesos de diagnóstico
automotriz, que involucran la aplicación de softwares
automotrices en vehículos modernos en donde los
sistemas embebidos han logrado evolucionar la
industria. Uno de los principales trabajos que se ha
tomado como referencia es el articulo “Optimized
Automotive Fault Diagnosis based on Knowledge
Extraction from Web Resources” [12] en donde se
resalta la importancia del diagnostico automotriz
fiable, considerando que la mayor parte de la
resolución de una avería se encuentra en el
diagnóstico, el trabajo en mención hace referencia
a cada uno de los puntos de análisis en la etapa de
diagnóstico, iniciando con el proceso manual para la
parte mecánica, hasta culminar con el electrónico,
empleando equipos y datos OEM (Original
Equipment Manufacturer) que permitan obtener
mejores resultados y alcanzar el 100 % de la
eficiencia en la resolución de averías. El articulo
“Real Time Diagnostics in the Automotive Industry
over the Internet” [13] permite conocer la obtención
de información y datos del vehículo obtenidos
mediante el proceso de monitoreo a través de
interfaces en donde la aplicación de las IoT (Internet
de las cosas) en el mundo moderno de la industria
automotriz es muy importante, haciendo énfasis a la
interconexión entre vehículo con equipos de
diagnóstico y plataformas digitales que aportan a la
solución de averías de forma general. Este estudio
permite conocer que mediante la interconectividad
hace posible reducir los tiempos de diagnóstico a
diferencia de los procesos empíricos aplicado en
talleres en donde no se tiene equipos
especializados.
Otros estudios como [14], [15], permiten conocer los
resultados de diagnóstico automotriz aplicando
procesos digitales para el análisis de datos del
vehículo en tiempo real, durante la etapa de
funcionamiento en el instante de la prueba de ruta,
en donde se aprecia que las pruebas a realizarse
inician con un indicador de avería que se presenta
en el panel de instrumentos del vehículo. A partir de
este punto la comparativa de datos monitoreados
por el equipo de diagnóstico y el manual de servicio
permite corroborar en un 100 % la exactitud de
parámetros medidos y la detección de avería. La
comparación de información es empleada para
solucionar las averías en el menor tiempo posible,
sin necesidad de incluir con múltiples análisis
incensarios que sean confusos con los datos
alcanzados en los monitoreos.
Los estudios planteados en los artículos [6], [16] dan
a conocer los métodos de diagnostico automotriz, en
donde la sistematización de la información
demuestra que establecer procesos comparativos
entre datos del vehículo y fabricante permite resolver
los problemas con mayor facilidad. Extraer datos por
medio de OBD, y tratados de manera cuidadosa
permite el procesamiento y gestión de los
parámetros en tiempo real y logrando una
comparativa con datos que en muchos casos se
encuentra en la web o incluso en paquetería
informática de forma genérica, considerando que los
datos OEM son los que se debe tomar con mayor
precisión.
El método que ha permitido sustentar el estudio
realizado para la aplicación de softwares y
plataformas digitales para el diagnóstico automotriz
preciso; aprovechando el análisis de datos del
fabricante es el método cuantitativo, el mismo que
permite la toma de datos de diagnóstico tanto de la
plataforma digital del fabricante y contrarrestar la
información con los datos obtenidos en el monitoreo
del vehículo, para el caso de estudio que se ha
planteado para la aplicación de diagnóstico
automotriz aplicando plataformas digitales. Esto
permite realizar la comparación de los valores
teóricos proporcionados por el fabricante y los
parámetros con los cuales se encuentra trabajando
resultado de la avería presentado por DTC
P0A9400, código que representa la descripción
“Dc/Dc Converter performance”, lo que determina un
mal rendimiento en el convertidor de corriente
continua para la carga de la batería de 12 voltios
considerada de baja tensión en el vehículo en
estudio.
Para aplicar el método mencionado se procede a
extraer el código de avería de un vehículo MHEV Kia
Stonic del año 2024, debido a que presenta
anomalías en el circuito de baja tensión ya que se
encuentra el indicador de la batería de 12 voltios
encendido constantemente, considerando que el
tipo de tecnología de este vehículo está constituido
por un motor/generador (MHSG) en el mismo que
viene incorporado el inversor el MHSG puede
trabajar como motor eléctrico cuando el vehículo
requiere adicionar potencia o a su vez de generador
para la carga del conjunto de baterías, paquete de
baterías de 48 V encargado en hacer trabajar al
103
Revista TECH Carlos Cisneros ISNN 2737-6036, Año 2024, Número IV, páginas 11
MHSG como motor eléctrico, en el conjunto de
baterías se encuentra ubicado en un solo grupo la
BMS (Battery Management System) y el convertido
de electrónico LDC (CC-CC), este último
componente permite que se realice la carga de
energía en la batería auxiliar. La información del
DCT se presenta en la tabla 1, en donde se detalla
el código de avería, la descripción y las posibles
soluciones.
Tabla 1. Análisis del DCT obtenido en el escaneo.
DTC
Descripción
Posible solución
P0A9400
DC/DC
Converter
Performance
Falso contacto of
MHSG o 12 v.
MHSG defectuoso.
Controlador BMS +
LDC en mal estado
El proceso de reparación de este código de averías,
se procede a obtener mediante la aplicación de
softwares y plataformas digitales que nos permitan
obtener la información detallada de solución de los
DTC encontrados, ubicando cada uno de los
parámetros establecidos para el funcionamiento, en
este caso del funcionamiento de la parte hibrida del
vehículo.
3. RESULTADOS
El análisis de la información generada por las
unidades de control electrónico es importante para
obtener los parámetros por donde se direcciona las
averías de los diferentes componentes de los
vehículos, esto permite direccionar el diagnostico ya
que con tanta electrónica incrustada en la actualidad
no se permite realizar un monitoreo sin un equipo
que permita obtener el flujo de datos en vivo de cada
una de las ECU, considerando que los vehículos
llegan a alcanzar alrededor de 150 unidades de
control electrónico y un total de 100 millones de
líneas de código las mismas que deben ser tratadas
con todo el cuidado durante el diagnóstico [17].
Para determinar el problema que general el código
de avería P0A9400 cuya descripción es “DC/DC
Converter Performance “, es la obtención del flujo de
datos de la BSA (BMS + LDC) del vehículo mediante
el escáner de diagnóstico automotriz KIA KDS GDS,
en donde se aplica el software de diagnóstico
automotriz de fabrica el mismo que permite la
obtención de todos los parámetros en vivo del
vehículo Kia Stonic. La tabla 2 muestra los
principales datos extraídos para el análisis del
código de avería en a resolver.
Tabla 2. Parámetros principales tomados de la BMS
del vehículo KIA STONIC.
Nombre del sensor
Valor
Unidad
Relé de batería 48 V
(Solicitud)
CLOSED
Relé de batería 48 V
(Corriente)
CLOSED
Modo LDC (Solicitud)
FORWARD
Modo LDC (Corriente)
FORWARD
Modo MHSG
(Solicitud)
TORQUE
CTRL
Modo MHSG
(Corriente)
TORQUE
CTRL
Velocidad del rotor
MHSG
3104
RPM
Corriente del MHSG
-9
A
Voltaje del MHSG
43,88
V
Par de MHSG
-2,4
Nm
Corriente de batería
de 48V
0
A
Estado de carga de
batería de 48V
46
%
Voltaje de batería de
48 V
43,8
V
Corriente de LDC (12
V)
10
A
Corriente de LDC (48
V)
7
A
Voltaje de LDC (12V)
11.6
V
Voltaje de LDC (48 V)
43,8
V
Punto de ajuste de
voltaje de carga de
LDC de 12 V
14,3
V
Punto de ajuste de
voltaje de carga de
LDC de 48 V
46
V
Con los datos obtenidos durante el monitoreo de la
BMS del vehículo, en el análisis del funcionamiento
del sistema MHEV se procede a realizar las
comparaciones de datos aplicando la plataforma
digital https://www.kia-hotline.com/euro5/login.tiles,
la misma que permite visualizar los valores
determinados por la ingeniería del vehículo con la
finalidad de obtener descripciones de los DCT,
causas, rutas de diagnósticos junto con los valores
104
Revista TECH Carlos Cisneros ISNN 2737-6036, Año 2024, Número IV, páginas 11
de trabajo de acuerdo a cada código de fallo.
Analizando en la plataforma digital el DTC P0A9400
muestra la ruta de diagnóstico inicial en donde se
observa la tabla 3, la misma que muestra los valores
de carga de la batería auxiliar o 12 V y la batería de
48 voltios.
Tabla 3. Datos referenciales para análisis del código
de avería P0A9400.
Nombre del sensor
Valor
Unidad
48 V Battery Voltage 44,2 V
48 V Battery SOC 49,5 %
48 V Battery Pack Voltage
44,18
V
HS LDC Internal Voltage 43,95 V
HS Voltage 43,93 V
LS LDC Internal Voltage 14,17 V
Ls Voltage
13,9
V
Auxiliary Cell Voltage
13612
mV
Comparando los valores obtenidos durante el
monitoreo del vehículo en funcionamiento con los
valores proporcionados por el fabricante para
determinar las averías que permiten ocasionar el
código P0A9400, se presenta la tabla 4 en donde se
observa que la batería de 48 voltios se encuentra
trabajando correctamente por lo que considerando
los niveles de SOC (estado de carga) ya que el
fabricante proporciona un SOC del 50 % para un
valor de voltaje de 44.2 V, mientras en el dato de
escáner muestra un valor de SOC de 46 % para un
valor de SOC de 43.8 V en el instante del monitoreo
en tiempo real, en toda esta comparativa se observa
la variación notable del sistema de carga de batería
auxiliar en donde el dato de fabricante determina que
el valor proporcionado para la carga debe
aproximarse los 14 V, considerando que el punto de
ajuste de voltaje de carga de LDC de 12 V es de 14.3
V, en el análisis se aprecia que el valor es de 11.6 V,
este parámetro fuera de rango hace posible que se
realicen pruebas a los componentes que forman
parte de este círculo de trabajo.
Tabla 4. Comparación resultados de monitoreo vs
datos de plataforma digital.
Valores obtenidos de la
plataforma digital
Valores
obtenidos en
tiempo real
Nombre del sensor Valor
Unida
d
Valo
r
Unid
ad
48 V Battery Voltage
44,2
V
43,8
V
48 V Battery SOC 49,5 % 46 %
48 V Battery Pack
Voltage
44,18 V 43,8 V
HS LDC Internal
Voltage
43,95 V
43,9
5
V
HS Voltage 43,93 V 43,8 V
LS LDC Internal
Voltage 14,17 V 11,6 V
Ls Voltage
13,9
V
11,6
V
Auxiliary Cell Voltage
1361
2
mV
Al analizar los valores comparativos se toma en
cuenta que se genera la ruta de diagnóstico en
donde se determina que si los parámetros se
encuentran tal cual se presentan en la tabla 4, las
posibles causales pueden ser falsos contactos en los
conectores de todo el grupo de alta tensión,
incluyendo BMS, conectores de batería con
corrosión, contaminados o deteriorados, para lo cual
se debería realizar el respectivo procedimiento de
reparación.
El valor comparativo que marca diferencia es de
carga de la batería auxiliar, considerando que se
debería tener aproximadamente 14 V y el monitoreo
presenta 11.6 V, para variaciones de este
parámetro, la ruta de diagnóstico del código
P0A9400, determina revisar los cableados entre la
batería de 48 V desde la salida de baja tensión hasta
la batería auxiliar. La figura 4 muestra la ubicación
de conectores de la batería de 48 V y 12 V del
vehículo Kia Stonic.
105
Revista TECH Carlos Cisneros ISNN 2737-6036, Año 2024, Número IV, páginas 11
Figura 4. Ubicación conectores del pack de baterías
de 48 V y 12 V
Ubicando el conector de la salida desde la batería de
48 V hasta la batería auxiliar, se realiza
verificaciones al cableado de conexión con el
conector liberado con la batería de alto voltaje
Con el conector positivo desconectado y la ignición
en ON, se procede a verificar que el voltaje existente
se encuentre en un rango de 11. 5 voltios hasta los
14.5 V, en el caso del vehículo con avería se
presenta la lectura de los 11.6 voltios, además con
la ignición en OFF, se procede a verificar la
resistencia de la línea de masa con el chasis del
vehículo teniendo en consideración que el valor a
obtener deber ser inferior al 1 Ohm
aproximadamente, el valor obtenido en la
verificación es de 0.8 Ohm, lo que determina que el
parámetro obtenido en la verificación se encuentra
en el rango establecido para el análisis. La figura 8
muestra la verificación del voltaje con el conector
desconectado en la línea de 12 voltios. La figura 5
muestra la medición obtenida del voltaje con los
conectores desconectados desde la batería de 48V
hasta la de 12V
Figura 5. Verificación de voltaje de 12 voltios con
conectores desconectados.
Los valores obtenidos en el proceso de verificación
con el conector de conexión de la línea de 12 Voltios
determinan que no se tiene fallos en conexiones o
circuitos del sistema, por lo que el problema central
se basa en el módulo BSA (Ensamblaje de Sistemas
de Baterías) que es desde donde nace el voltaje de
baja tensión para la carga de la batería de 12 V.
La figura 6 muestra la ubicación del módulo BSA que
es donde se engloba la BMS y el LDC, siendo el LDC
el que se encarga en convertir la corriente DC – DC
para la carga de la batería auxiliar o 12 V.
Figura 6. Ubicación del módulo BSA (BMS +LDC)
en el pack de baterías de 48 V.
Al hablar del LDC se considera que es un
convertidos CC-CC de bajo voltaje y alta potencia,
siendo de mucha importancia en el funcionamiento
de los sistemas auxiliares de los vehículos tanto
híbridos como eléctricos debido a que es el
componente encargado en transferir el alto voltaje
de las baterías a la de baja tensión y posterior a los
sistemas de control [18].
Para verificar el fallo de la BSA se presenta la figura
7, divido en dos secciones, en donde en la 1 se
observa la vista exterior del módulo, mientras que en
la 2 se aprecia la plaqueta electrónica. Al analizar la
el conjunto de componentes electrónicos que forman
la BSA se visualiza componentes cortocircuitados
los cuales no permiten que el LDC realice el proceso
de carga a la batería auxiliar.
KEdKZdZ/
ϰϴsͲD,^'
^>/WZ
Z'
d Z / ϭϮ
s
^;D^н>Ϳ
106
Revista TECH Carlos Cisneros ISNN 2737-6036, Año 2024, Número IV, páginas 11
Figura 7. Vista exterior e interior de la BSA del
vehículo Kia Stonic.
La sustitución de la BSA permite que la batería de
12 voltios reciba la carga necesaria para mantener
el voltaje estable que logre que los sistemas
auxiliares del vehículo funcionen correctamente y no
exista disminución de tensión que ocasione que el
vehículo presente fallos que incluso pueden
ocasionar accidentes a los ocupantes.
4. DISCUSIÓN
Como se planteó al inicio del estudio el propósito
principal es emplear softwares y plataformas
digitales que permitan el diagnóstico automotriz,
aplicando en un caso de estudio en donde el
vehículo presenta una avería en el sistema de carga
de baja tensión, se dice baja tensión a la batería de
12 voltios o auxiliar, ya que el estudio se aplica en
vehículo MHEV el cual posee un sistema eléctrico
controlado por 48 V.
Los datos obtenidos del flujo de información en
tiempo real de 11.6 V, comparados con los valores
determinados por el fabricante para funcionamiento
óptimo que es de 14 voltios, valores obtenidos de la
plataforma digital del fabricante para vehículos Kia
https://www.kia-hotline.com/euro5/index.tiles,
determina que existe un fallo en el sistema de carga
de la batería de 12V.
Para este proceso el fabricante en su plataforma
digital establece un procedimiento que permite evitar
errores en el diagnóstico, es así que al encontrar
valores fuera de rango en “Voltaje de LDC” en el
vehículo Kia Stonic en la fase experimental, se
procede a verificar el voltaje y resistencia con los
conectores desconectados a la salida de la carga de
12 V, obtenido como resultado 11.6 V observados en
la figura 6, y la resistencia entre la masa del conector
con la de chasis de 0.8 Ohm, con esta medición, el
punto a verificación final es la BSA, considerando
que en cuyo interior se encuentra el componente
LDC que es el encargado en transmitir la corriente
CC – CC para la batería de 12 V.
Con la sustitución de la BSA se verifica que el
indicador de carga del vehículo se apaga al instante
de encenderlo, por lo que el valor generado en el
flujo de datos del escáner automotriz KIA GDS
alcanza los 14.1 voltios siendo el necesario para la
cargar la batería que controla los sistemas auxiliares
del vehículo. La tabla 5 muestra los valores de
trabajo del sistema posterior a la sustitución del
módulo BSA.
Tabla 5. Valores comparativos posterior sustitución
del módulo BSA
Valores obtenidos de la
plataforma digital
Valores obtenidos
en tiempo real
Nombre
del
sensor
Valor Unidad Valor Unidad
48 V
Battery
Voltage
44,2 V 43.8 V
48 V
Battery
SOC
49,5 % 48 %
48 V
Battery
Pack
Voltage
44,18 V 43,8 V
HS LDC
Internal
Voltage
43,95 V 43,95 V
HS
Voltage 43,93 V 43,8 V
LS LDC
Internal
Voltage
14,17 V 14.1 V
Ls
Voltage
13,9 V 14.1 V
Auxiliary
Cell
Voltage
13612 mV
ϭ
Ϯ
107
Revista TECH Carlos Cisneros ISNN 2737-6036, Año 2024, Número IV, páginas 11
5. CONCLUSIÓN
En la actualidad para el diagnóstico de vehículos
híbridos y eléctricos, se debe contar con equipos
especializados para el monitoreo de los parámetros
de las diferentes unidades de control electrónico,
además de tener a la mano información técnica
especializada que permita enrutar las averías a partir
de los distintos DTC, teniendo como consecuencia
la reducción de tiempos en los diagnósticos
mediante la comparación de valores en tiempo real
vs los entregados por el fabricante.
Los convertidores CC-CC cumplen un papel
importante en la generación de energía que
abastece a los sistemas auxiliares del vehículo,
estos sistemas se encargan en transformar la
corriente de alto a bajo voltaje de alta potencia por lo
que se les conoce como LDC, es por eso que una
falla de estos componentes que se encuentran en el
interior de la BSA hace posible que exista averías
considerables no solo en el sistema de carga de la
batería, sino también en sistemas asociados que
requieren mantener la carga estable para el
funcionamiento.
El funcionamiento optimo del MHSG que forma parte
del sistema MHEV cumple un papel importante,
debido a que al fallar el inversor que se encuentra en
el interior del MHSG, no permitirá la carga de la
batería de alta tensión, y esto a su vez se vería
replicado en el voltaje inexistente para la carga de la
batería auxiliar
Al analizar el BSA y encontrar cortos circuitos en su
interior permite concluir que los elevados consumos
de corriente o mala manipulación de los sistemas
provoca las fallas en estos módulos de control, si se
habla de mala manipulación, uno de los consejos es
aislar las líneas de alta tensión al instante de realizar
trabajos de soldadura en el vehículo, además de
evitar cortos circuitos que puedan afectar el fallo en
los componentes electrónicos de la BSA.
6. REFERENCIAS BIBLIOGRÁFICAS
[1] J. I. Venceslau de Souto, Á.
Barbosa da Rocha, R. N. C. Duarte, and E.
de Moura Fernandes, “Design and
Implementation of an Embedded Data
Acquisition System for Vehicle Vertical
Dynamics Analysis,” Sensors, vol. 23, no.
23, p. 9491, Nov. 2023, doi:
10.3390/s23239491.
[2] X. Yang, “Framework of Electric
Vehicle Fault Diagnosis System Based on
Diagnostic Communication,” International
Journal of Engineering, vol. 37, no. 6, pp.
1194–1207, 2024, doi:
10.5829/IJE.2024.37.06C.16.
[3] A. Chin, P. Wolf, and J. Tian, A
Cloud IoT Edge Framework for Efficient
Data- Driven Automotive Diagnostics. 2019.
[4] J. P. Nieto González, “Vehicle fault
detection and diagnosis combining an AANN
and multiclass SVM,” International Journal
on Interactive Design and Manufacturing
(IJIDeM), vol. 12, no. 1, pp. 273–279, Feb.
2018, doi: 10.1007/s12008-017-0378-z.
[5] D. G. Vrachkov and D. G. Todorov,
“Automotive Diagnostic Trouble Code (DTC)
Handling over the Internet,” in 2018 IX
National Conference with International
Participation (ELECTRONICA), IEEE, May
2018, pp. 1–3. doi:
10.1109/ELECTRONICA.2018.8439702.
[6] L. P. De Oliveira, M. A.
Wehrmeister, and A. S. De Oliveira,
“Systematic Literature Review on Automotive
Diagnostics,” in Brazilian Symposium on
Computing System Engineering, SBESC,
IEEE Computer Society, Nov. 2017, pp. 1–8.
doi: 10.1109/SBESC.2017.7.
[7] H. Jie, L. Changlin, Y. Fuwu, and Z.
Zeyang, “The development of vehicle
diagnostic system based on Android
platform,” in 2015 International Conference
on Connected Vehicles and Expo, ICCVE
2015 - Proceedings, Institute of Electrical and
Electronics Engineers Inc., Apr. 2016, pp.
42–47. doi: 10.1109/ICCVE.2015.7.
[8] J. Nagy and I. Lakatos, “The Past,
the Present and the Future of Online Road
108
Revista TECH Carlos Cisneros ISNN 2737-6036, Año 2024, Número IV, páginas 11
Vehicle Diagnosis from Car and Scan Tool
Communication Perspective,” 2023. doi:
10.3233/ATDE230419.
[9] J. Pavlopoulos et al., “Automotive
fault nowcasting with machine learning and
natural language processing,” Mach Learn,
vol. 113, no. 2, pp. 843–861, Feb. 2024, doi:
10.1007/s10994-023-06398-7.
[10] A. Theissler, “Detecting known and
unknown faults in automotive systems using
ensemble-based anomaly detection,” Knowl
Based Syst, vol. 123, pp. 163–173, May
2017, doi: 10.1016/j.knosys.2017.02.023.
[11] A. Rick and B. Sisk, “A Simulation
Based Analysis of 12V and 48V Microhybrid
Systems Across Vehicle Segments and Drive
Cycles,” Apr. 2015. doi: 10.4271/2015-01-
1151.
[12] S. Meckel, J. Zenkert, C. Weber, R.
Obermaisser, M. Fathi, and R. Sadat,
Optimized Automotive Fault-Diagnosis based
on Knowledge Extraction from Web
Resources. 2019.
[13] D. Georgiev and D. Georgiev, “Real
Time Diagnostics in the Automotive Industry
over the Internet,” IEEE, pp. 1–3, 2018.
[14] A. Mallak, C. Weber, M. Fathi, and
A. Holland, “Active diagnosis automotive
ontology for distributed embedded systems,”
in 2017 IEEE European Technology and
Engineering Management Summit (E-
TEMS), IEEE, Oct. 2017, pp. 1–6. doi:
10.1109/E-TEMS.2017.8244219.
[15] P. Kadekar and A. Wakankar,
“Automated Test Environment for On-Board
Diagnostics Counters for an Automotive On-
Road Application,” in 2018 2nd International
Conference on Trends in Electronics and
Informatics (ICOEI), IEEE, May 2018, pp.
409–413. doi: 10.1109/ICOEI.2018.8553704.
[16] K. Yeon and D. Lee, “Fault detection
and diagnostic coverage for the domain
control units of vehicle E/E systems on
functional safety,” in 2017 20th International
Conference on Electrical Machines and
Systems (ICEMS), IEEE, Aug. 2017, pp. 1–4.
doi: 10.1109/ICEMS.2017.8056361.
[17] M. Rumez, J. Lin, T. FuchB, R.
Kriesten, and E. Sax, “Anomaly Detection for
Automotive Diagnostic Applications Based on
N-Grams,” in 2020 IEEE 44th Annual
Computers, Software, and Applications
Conference (COMPSAC), IEEE, Jul. 2020,
pp. 1423–
1429. doi:
10.1109/COMPSAC48688.2020.00-56.
[18] X. Zhou, S. Feng, C. Li, and Z. Yan,
“Analysis and design of synchronousǦrectified
LLC DC–DC converter for LDC of electric
vehicles,” IET Power Electronics, vol. 17, no.
10, pp. 1176–1188, Aug. 2024, doi:
10.1049/pel2.12541.
