日本IBMは、自動車をはじめとする電子制御の機械システムに組み込まれた多数のセンサーからの異種大量の時系列データを分析して故障の原因を突き止め、早期に対策を講ずる「障害解析ソリューション」の開発フレームワーク（システムの枠組み）を試作した。
開発フレームワークを使って障害解析システムを構築すると、例えば、ディーラー等で蓄積されたデータを自動診断して故障の初期症状を検知することはもとより、走行中の自動車からネットワーク経由で送られてくるデータを自動診断、故障解析し、ドライバーに伝達してトラブルを回避するといったことも将来的に可能になる。
また、自動車だけでなく、船舶、飛行機等の安全管理、自動化された生産設備などを制御する製造業、さらに、多種大量の時系列データを扱う金融や医療等の分野への応用も可能。
自動車には多数のセンサーとチップが埋め込まれており、空気流量やエンジン回転数、ギア位置等の膨大なデータが時々刻々と収集されている。
各部分から集められたデータは、物理的な意味合いもそのふるまいもさまざまで、最近の電子化の進展と複雑化により、特殊な状況でのみ起きる故障など障害も複雑化し、根本原因の診断には、一つではなく複数の変数（データ）の連動の仕方を調べる必要がある。
障害解析ソリューションでは、センサー等から収集した多種多様なデータを、車に搭載した小型コンピューターに蓄積し、ネットワーク経由で診断用サーバーに接続してシステムの不具合とその原因を突き止める。
障害診断のためには障害判定の法則(ロジック)を見出すことが大切だが、日本IBMの東京基礎研究所が開発を進めてきた新しいデータマイニング技術（多種多様なデータから一定の相関関係を導き出す技術）を用いる。これは、時系列変数に変化が現れた時刻の同期関係によって因果関係を推定し、各事象の関連度を計算する新しい手法。
また、障害判定のロジックを最適かつ最新のものに保つために、同ソリューションは、IBMの米国ワトソン研究所が開発し自動車メーカーの協力を得て検証してきた障害診断システム構築技術「AAI（Automated Analysis Initiative）」を活用する。
このフレームワークを使うと、診断ロジックをはじめ対象装置の構成情報、時系列データといった情報やその関連づけが明示的に記述でき、柔軟に拡張や管理ができる。
特に診断ロジックの実装技術としては、IBMが研究開発を進めてきたAI（人工知能）技術を集めた、高速で再利用可能、拡張性の高い学習/推論コンポーネント「ABLE(Agent Buildingand LearningE nvironment)」を利用する。
ABLEは、IBMサーバーのプロセッサー使用率やジョブ数などのモニタリング用に利用されてきた技術が基になっており、複雑なアルゴリズムを開発する手間を抑える。
