論文の概要: Failure Modes and Effects Analysis: An Experience from the E-Bike Domain

• arxiv url: http://arxiv.org/abs/2509.15893v1
• Date: Fri, 19 Sep 2025 11:43:22 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-22 18:18:11.148462
• Title: Failure Modes and Effects Analysis: An Experience from the E-Bike Domain
• Title（参考訳）: 障害モードと影響分析:E-Bikeドメインでの経験
• Authors: Andrea Bombarda, Federico Conti, Marcello Minervini, Aurora Zanenga, Claudio Menghi,
• Abstract要約: FMEA(Functional Failure Mode and Effects Analysis)は、ソフトウェア障害を特定し、その結果を評価する手法である。 本稿では,e-BikeドメインからCPSの安全性を解析するためにFMEAを使用した経験について述べる。
• 参考スコア（独自算出の注目度）: 1.6441639841508595
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Software failures can have catastrophic and costly consequences. Functional Failure Mode and Effects Analysis (FMEA) is a standard technique used within Cyber-Physical Systems (CPS) to identify software failures and assess their consequences. Simulation-driven approaches have recently been shown to be effective in supporting FMEA. However, industries need evidence of the effectiveness of these approaches to increase practical adoption. This industrial paper presents our experience with using FMEA to analyze the safety of a CPS from the e-Bike domain. We used Simulink Fault Analyzer, an industrial tool that supports engineers with FMEA. We identified 13 realistic faults, modeled them, and analyzed their effects. We sought expert feedback to analyze the appropriateness of our models and the effectiveness of the faults in detecting safety breaches. Our results reveal that for the faults we identified, our models were accurate or contained minor imprecision that we subsequently corrected. They also confirm that FMEA helps engineers improve their models. Specifically, the output provided by the simulation-driven support for 38.4% (5 out of 13) of the faults did not match the engineers' expectations, helping them discover unexpected effects of the faults. We present a thorough discussion of our results and ten lessons learned. Our findings are useful for software engineers who work as Simulink engineers, use the Simulink Fault Analyzer, or work as safety analysts.
• Abstract（参考訳）: ソフトウェア失敗は破滅的かつコストのかかる結果をもたらす可能性がある。 FMEA(Functional Failure Mode and Effects Analysis)は、CPS(Cyber-Physical Systems)においてソフトウェア障害を特定し、その結果を評価するための標準手法である。 シミュレーション駆動型アプローチは近年,FMEAのサポートに有効であることが示されている。 しかし、産業はこれらのアプローチの有効性を実証し、実践的採用を促進する必要がある。 本稿では, FMEAを用いてe-BikeドメインからCPSの安全性を解析した経験について述べる。 FMEAのエンジニアをサポートする産業ツールであるSimulink Fault Analyzerを使用しました。 我々は13の現実的な欠陥を特定し、それらをモデル化し、その影響を分析した。 安全違反の検出におけるモデルの有効性と欠陥の有効性を明らかにするために,専門家のフィードバックを求めた。 結果から,我々のモデルが正確であったか,あるいはその後修正したわずかな不正確さを含んでいたことが判明した。 また、FMEAがエンジニアのモデルの改善に役立つことも確認した。 具体的には、シミュレーション駆動による断層の38.4%(13点中5点)の支持による出力は、技術者の期待と一致せず、断層の予期せぬ影響を発見するのに役立った。 得られた結果と10の教訓について、徹底的な議論を行う。 私たちの発見は、Simulinkエンジニアとして働くソフトウェアエンジニアや、Simulink Fault Analyzerを使ったり、安全アナリストとして働いたりするのに役立ちます。

関連論文リスト

• Enhancing LLM Reliability via Explicit Knowledge Boundary Modeling [48.15636223774418]
  大規模言語モデル(LLM)は、不一致の自己認識に起因する幻覚の傾向にある。 本稿では,高速かつ低速な推論システムを統合し,信頼性とユーザビリティを調和させる明示的知識境界モデリングフレームワークを提案する。
  論文  参考訳（メタデータ） (2025-03-04T03:16:02Z)
• The Dual-use Dilemma in LLMs: Do Empowering Ethical Capacities Make a Degraded Utility? [54.18519360412294]
  大きな言語モデル(LLM)は、安全のための有害な要求を拒否することと、ユーティリティのための正当な要求を収容することのバランスをとる必要がある。 本稿では,DPO(Direct Preference Optimization)に基づくアライメントフレームワークを提案する。 我々は,DeepSeek-R1をベンチマークでテストした結果を解析し,この高い評価を得たモデルがもたらす批判的倫理的懸念を明らかにする。
  論文  参考訳（メタデータ） (2025-01-20T06:35:01Z)
• Test Case Generation for Simulink Models: An Experience from the E-Bike Domain [3.25351710106627]
  我々は,サイバー物理システム要件に対するフェールレベリングテストケースの生成において,検索ベースソフトウェアテスト(SBST)の有効性と効率を評価する。 本研究対象は電動自転車(e-Bike)ドメイン内であり,e-Bikeモータのソフトウェアコントローラに関するものである。 HECATEは83%(36例中30例)の障害発見試験を成功裏に確認した。
  論文  参考訳（メタデータ） (2025-01-10T08:53:42Z)
• Machine Learning for Pre/Post Flight UAV Rotor Defect Detection Using Vibration Analysis [54.550658461477106]
  無人航空機(UAV)は将来のスマートシティにとって重要なインフラ要素となるだろう。 効率的な運用のためには、UAVの信頼性は障害や故障の常時監視によって保証されなければならない。 本稿では,信号処理と機械学習を利用して,包括的振動解析データを分析し,ローターブレードの欠陥の有無を判定する。
  論文  参考訳（メタデータ） (2024-04-24T13:50:27Z)
• How Dataflow Diagrams Impact Software Security Analysis: an Empirical Experiment [5.6169596483204085]
  本研究では,DFDがセキュリティ分析環境におけるアナリストのパフォーマンスに与える影響を調査するための実証実験を行った結果について述べる。 その結果, モデル支援条件下では, 分析課題の正解率は有意に向上した。 実験で得られた知見に基づいて,DFDをセキュリティ分析に使用する上でのオープンな3つの課題を特定した。
  論文  参考訳（メタデータ） (2024-01-09T09:22:35Z)
• Does Your Model Think Like an Engineer? Explainable AI for Bearing Fault Detection with Deep Learning [20.488966890562004]
  本研究では,振動信号から転がり要素軸受の欠陥を検知する作業に焦点をあてる。 本稿では,モデルの基本となる論理が専門家の推論とどの程度うまく対応しているかを評価するための,新しい,ドメイン固有の属性フレームワークを提案する。
  論文  参考訳（メタデータ） (2023-10-19T17:58:11Z)
• Physics-Driven ML-Based Modelling for Correcting Inverse Estimation [6.018296524383859]
  この研究は、SAE逆問題にそれらを採用する前に失敗した状態推定を検出し、修正することに焦点を当てている。 本稿では,低エラーと高効率の両方を実現することを目的として,GEESEという新しい手法を提案する。 GEESEは3つの実世界のSAE逆問題でテストされ、最先端の最適化/探索手法と比較される。
  論文  参考訳（メタデータ） (2023-09-25T09:37:19Z)
• Causal Disentanglement Hidden Markov Model for Fault Diagnosis [55.90917958154425]
  本研究では, 軸受破壊機構の因果性を学ぶために, 因果解離隠れマルコフモデル (CDHM) を提案する。 具体的には、時系列データをフル活用し、振動信号を断層関連要因と断層関連要因に段階的に分解する。 アプリケーションの範囲を広げるために、学習された非絡み合った表現を他の作業環境に転送するために、教師なしのドメイン適応を採用する。
  論文  参考訳（メタデータ） (2023-08-06T05:58:45Z)
• Fast and Accurate Error Simulation for CNNs against Soft Errors [64.54260986994163]
  本稿では,誤りシミュレーションエンジンを用いて,コナールニューラルネットワーク(CNN)の信頼性解析のためのフレームワークを提案する。 これらの誤差モデルは、故障によって誘導されるCNN演算子の出力の破損パターンに基づいて定義される。 提案手法は,SASSIFIの欠陥効果の約99%の精度と,限定的なエラーモデルのみを実装した44倍から63倍までのスピードアップを実現する。
  論文  参考訳（メタデータ） (2022-06-04T19:45:02Z)
• Federated Learning with Unreliable Clients: Performance Analysis and Mechanism Design [76.29738151117583]
  Federated Learning(FL)は、分散クライアント間で効果的な機械学習モデルをトレーニングするための有望なツールとなっている。 しかし、低品質のモデルは信頼性の低いクライアントによってアグリゲータサーバにアップロードすることができ、劣化やトレーニングの崩壊につながる。 クライアントの信頼できない振る舞いをモデル化し、このようなセキュリティリスクを軽減するための防御メカニズムを提案する。
  論文  参考訳（メタデータ） (2021-05-10T08:02:27Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。