Intermittent faults/errors are infamous for being among the most challenging errors to diagnose. It is estimated that more than 80% of the total number of errors in real systems are intermittent errors. Previous research on intermittent errors suggests that they are the prelude to permanent faults. There seems to be a vast knowledge gap in general regarding intermittent errors, both in academia and industry. The term "No Fault Found" might have ingrained a culture of acceptance regarding faults that intermittent errors might cause. This master thesis aims to develop a generic algorithm for diagnostics of intermittent errors that allows for the early isolation of failing sensors, especially at the end of their life spans. It is desirable that Scania can identify intermittent errors efficiently to save maintenance costs and keep customer satisfaction high. Multiple intermittent error detection and diagnostics methods have been produced and tested through simulations in MATLAB. The results suggest that the most important factors when introducing algorithms for intermittent error detection are the sensors' self-diagnostic capabilities and their communication protocol. The developed algorithms can be used for efficient fault isolation, obtaining valuable data for research, and triggering Diagnostic Trouble Codes (DTCs) when the impact of the errors is too significant, which allows for proactive replacement. If the algorithms are introduced as suggested in this master thesis, the knowledge gap can be filled. Consequently, Scania can use the increased knowledge to further improve the algorithms for better detection of intermittent errors and increase the overall performance of Scania vehicles. / Intermittenta fel definieras som fel som ”kommer och går” i ett maskinsystem under dess livslängd och de har ett rykte att vara bland de svåraste felen att diagnostisera. Fel av intermittent karaktär existerar ofta oupptäckta trots att det har uppskattats att mer än 80% av det totala antalet fel i komponenter är intermittenta fel. Tidigare forskning om intermittenta fel tyder på att intermittenta fel, över tid, i princip alltid leder till permanenta fel.  Det verkar dessutom finnas en stor kunskapslucka angående effekten och systempåverkan av intermittenta fel, både inom den akademiska världen och i näringslivet. Vidare kan termen "Inget fel hittats" ha skapat en acceptans-kultur gällande fel i komponenter som intermittenta fel kan ha orsakat.  Detta examensarbete syftar till att utveckla en allmän algoritm för diagnostik av intermittenta fel. Algoritmen ska möjliggöra tidig identifiering av sensorer som håller på att gå sönder eller om de intermittenta felen orsakar för stor systempåverkan, vilket är speciellt viktigt i slutet av sensorernas livslängder. Det är önskvärt att Scania effektivt kan identifiera komponenter med intermittenta fel för att spara underhållskostnader och för att hålla kundnöjdheten hög. Flera intermittenta feldetektering- och diagnostikmetoder har utvecklats och testats med hjälp av simuleringar i MATLAB och Simulink.  Tre sensorer studerades i detta examensarbete. Sensorerna var avgasmottryck sensorn, hög temperatur sensorn och NOx-sensorn. Avgasmottryck sensorn var en analog sensor medan hög temperatur- och NOx sensorn var digitala sensorer. Dessutom hade alla sensorer olika kommunikationsprotokoll och självdiagnostik möjligheter.  För att effektivt kunna utveckla algoritmen kartlades all relevant diagnostik hos de tre sensorerna för att kunna avgöra vilken typ av fel som inte upptäcks av dagens diagnostik. Detta gjordes bland annat genom att studera interna Scania dokumentation och genom att intervjua dem ingenjörer som var ansvariga för den specifika sensorn. De utvecklade algoritmerna fokuserade på att diagnosera dem typer av fel som inte riktigt fångades upp av dagens diagnostik.  Under examensarbetets gång identifierades tre kunder av algoritmen, alla med olika krav och önskemål på vad algoritmen ska leverera. Den första kunden är verkstadsarbetaren. De vill att algoritmen ska ge tydliga instruktioner gällande hur det upptäckta felet ska repareras. Den andra kunden av algoritmen är utvecklingsingenjörerna hos Scania. De vill ha statistik och information från algoritmen som kan användas för att få mer kunskap om intermittenta fel. Den kunskapen skulle kunna användas för att utveckla algoritmerna samt för att göra design ändringar i motorn eller sensorerna för att minska förekomsten av intermittenta fel. Den sista kunden av algoritmen är de lagstiftande myndigheterna. De vill att algoritmerna ska varna föraren av lastbilen om intermittenta fel hittas som kan påverka utsläppen samt om säkerheten har blivit försämrad. Alla dessa kunder togs hänsyn till när algoritmerna utvecklades.  Resultaten tyder på att de viktigaste faktorerna att ta i beaktande vid utveckling av algoritmer för intermittent fel diagnostik är sensorns självdiagnostik och kommunikationsprotokoll. Vidare tyder resultatet från litteraturstudien att de signal symptom som intermittenta fel kan orsaka är toppar och dalar, oscillation, offset, dämpning, överkänslig signal status nedgradering, ingen signal eller maximum/minimum signal. Orsakerna till dessa symptom varierar mellan lösa/glappande kontakter i lödfogen eller kablaget, komponent åldring, oxidation, fukt, läckage eller föroreningar. Ingen ensam algoritm kan detektera alla dessa möjliga symptom i sensorns signaler, därför utvecklades fem olika detektionsmetoder, varje detektionsmetod kan upptäcka olika typer av fel. Tyvärr utvecklades inga detektionsmetoder som kunde hitta intermittenta offset eller dämpningar.  Om algoritmerna implementeras på det sättet som föreslagits i detta examensarbete kan kunskapsluckan fyllas och alla kunder av algoritmen kommer att bli nöjda. Detta görs genom effektiv felisolering, insamling av värdefull information och generering av felkoder om de intermittenta felens påverkan är för stor eller om sensor håller på att gå sönder. Detta skulle möjliggöra proaktiv reperation eller utbyte av sensorer som är på väg att gå sönder. Insamlingen av information rörande intermittenta fel kan Scania använda för att öka kunskapen för att ytterligare förbättra algoritmerna för bättre detektion av intermittenta fel, vilket skulle resultera i ökad prestanda för alla Scania fordon.