ML FMEA：面向安全關鍵系統的機器學習故障模式與影響分析框架
發布時間：2025-05-19
會員限制：初級會員
下載次數：
購買價格：￥40
資料介紹:
機器學習 FMEA：一種安全的機器學習方法
將機器學習（ML）集成到安全關鍵型應用中，持續引發與風險管理和標準化相關的挑戰。本文提出一種結構化的安全 ML 開發方法，可直接應用于汽車、自動駕駛車輛與系統、國防、醫療保健、制藥、制造、物流和航空航天等領域。該方法通過將成熟的 ML 開發實踐與過程故障模式及影響分析（PFMEA）框架相結合，填補了現有 AI 和 ML 標準中的空白。此方法將 ML 開發視為一個整體的、迭代的過程，強調在整個流程中進行風險識別和緩解的重要性，而非僅專注于模型性能。
文中審視了典型 ML 流水線的每個階段，定義了相關的故障模式及對應的緩解措施。為支持實際實施，本文包含一個預填充的 ML FMEA 模板，旨在協助機器學習開發團隊評估、記錄和傳達風險，同時促進與安全和保證相關方的協調。
更多內容請參閱附件《Introducing-the-ML-FMEA》
附件列表:
