面向先进系统工程的基于 AI 与本体论的 FMEA 增强：当前发展与未来方向
摘要
本文综述了近期最新进展，旨在将传统故障模式与影响分析 (FMEA) 转化为更加智能、数据驱动和语义丰富的过程。随着工程系统复杂度的提升，传统 FMEA 方法——主要是手工、文档中心且依赖专家的——已难以满足现代系统工程的需求。我们考察了人工智能 (AI) 技术，包括机器学习和自然语言处理，如何将 FMEA 转化为更动态、数据驱动、智能且模型集成的过程，通过自动化故障预测、优先级排序和从运营数据中提取知识。在此基础上，我们探讨了本体论在系统化知识、支持语义推理、提高可追溯性以及实现跨域互操作性中的作用。综述还汇总了新兴的混合方法，如本体论导向的学习和大型语言模型集成，这些方法进一步提升了可解释性和自动化程度。这些发展置于模型基础系统工程 (MBSE) 和功能建模的更广阔背景下，展示了 AI 与本体论如何支持更具适应性和韧性的 FMEA 工作流程。我们批判性地分析了一系列工具、案例研究和集成策略，同时识别了与数据质量、可解释性、标准化和跨学科采纳相关的关键挑战。通过结合 AI、系统工程和使用本体论进行知识表示，本综述为在智能、知识丰富的工程环境中嵌入 FMEA 提供了结构化的路线图。
引用
@article{arxiv.2511.17743,
title = {AI- and Ontology-Based Enhancements to FMEA for Advanced Systems Engineering: Current Developments and Future Directions},
author = {Haytham Younus and Sohag Kabir and Felician Campean and Pascal Bonnaud and David Delaux},
journal= {arXiv preprint arXiv:2511.17743},
year = {2025}
}
备注
This manuscript is based on research undertaken by our doctoral student at the University of Bradford. The associated PhD thesis has been formally submitted to the University and is currently awaiting final examination. The review article is being shared on arXiv to make the review accessible to the research community while the thesis examination process is ongoing