從奧運AI教練系統談FMEA

今晚是東京奧運閉幕的日子,很開心今年台灣的成績比往年都來得好,然而佳績的背後,除選手、教練等團隊的努力外,運動科學也逐漸扮演重要的角色。以舉重項目為例,運用「AI教練系統」協助教練做戰術調整,包含掌握競爭對手可能的傷勢所在、判定下一把的舉重重量等等。AI系統愈來愈重要,其中的風險更應好好管控,所以這集節目就跟各位分享「從奧運AI教練系統談FMEA」這個主題。

什麼是FMEA?

首先,FMEA失效模式與效應分析,起源於1949年美國軍方,後來逐漸拓展到太空、航空、核電、醫療、汽車、軟體等領域,只要是高可靠度要求的領域皆可適用,而目前最新版的FMEA是2019年由兩大汽車協會聯合所出版的,此版本的FMEA有七大步驟,分別是1.定義範圍、2.結構分析、3.功能分析、4.失效分析、5.風險分析、6.優化、7.文件化成果等。若要用一句話說明什麼是FMEA,FMEA是預應式的風險管理方法,可以預先分析可能的技術風險所在,而提前預防、探測、甚至是優化。

FMEA可以如何用來管控AI教練系統的風險呢?

透過七大步驟可以有條理的找出可能的風險所在,並加以預防、探測及優化,接下來分別說明如下。

  1. 定義範圍

要分析AI教練系統的風險,首先,必須透過邊界圖明確定義AI系統的範圍,同時必須進一步分析系統外部不同的接口,包含物理接觸、資訊交換、能量交換、數據交換及人機介面等。

2.結構分析

接著進一步分析邊界圖裡面的AI系統,從功能的角度將AI系統做結構化的分析,一般而言至少分析三個層次,例:系統、模組、演算法/資料庫等,在分析過程中為考量成本,分析的層次也不要太多,不要分析到最低層次的函數。

3.功能分析

在結構分析完之後,接著分析各系統要素的功能,將每個系統要素的功能是什麼及該功能的要求都必須分析出來。而各系統要素的功能要求會受到法規、終端用戶的需求等影響而有所不同。以AI教練系統為例,由於選手舉完一把的休息時間只有不到2分鐘,教練更得在30秒內決定下一把的舉重重量,AI教練系統必須在短短2分鐘內產出分析,這代表AI教練系統功能要求中,回應速度必須小於2分鐘。

4.失效分析

失效分析主要分析各個功能可能有什麼樣子的潛在失效模式,例:回應時間超過2分鐘、回應精準度小於7成等,同時會分析失效模式形成的原因以及對顧客的影響,顧客包含終端用戶,政府法規,上一級的產品集成。

5.風險分析

風險分析是以潛在失效模式分析為基礎,定義預防措施、探測措施,通過評估嚴重度、頻度及探測度來估計風險,並對需要採取的措施進行優先排序。以AI教練系統來看,回應時間大於2分鐘便是重大風險,必須提前預防甚至須要重新調整軟體。

6.優化

優化的目的在於通過改進設計,制定降低風險和增加顧客滿意度的措施,所以若AI教練系統回應時間大於2分鐘,必須改進設計,不然AI教練系統便來不及給予教練舉重重量等建議。

7.文件化成果

最後FMEA的結果需紀錄存檔,以便後續參考使用。

愈是要求高可靠度的領域,不論是硬體還是軟體或軟硬整合,都可以運用FMEA做風險控管。透過這集節目的分享,想以AI教練系統為例,告訴您可以如何運用FMEA做風險控管,希望您會喜歡這集的節目。

發表迴響

在下方填入你的資料或按右方圖示以社群網站登入:

WordPress.com 標誌

您的留言將使用 WordPress.com 帳號。 登出 /  變更 )

Google photo

您的留言將使用 Google 帳號。 登出 /  變更 )

Twitter picture

您的留言將使用 Twitter 帳號。 登出 /  變更 )

Facebook照片

您的留言將使用 Facebook 帳號。 登出 /  變更 )

連結到 %s

This site uses Akismet to reduce spam. Learn how your comment data is processed.