KR20220073151A - 고장형태 영향분석 기반 고장 분석의 고장 모드 추천 시스템 - Google Patents

Abstract

본 발명은 고장형태 영향분석 기반 고장 분석의 고장 모드 추천 시스템에 관한 것이다.
상세하게는,
소프트웨어의 안전분석이 시행되도록 유저인터페이스와, 사용자 경험으로 설계된 반응형 웹 및 모바일 플랫폼을 구현하는 전위처리수단(100), 사용자에 의한 상기 전위처리수단(100)의 활성화로, 소프트웨어의 안전분석을 자동으로 수행하는 후위처리수단(200)으로 구성되어,
자동차 전장 부품의 다양한 전자제어 장치에서 식별 가능한 위험원과 잠재적으로 발생 위험이 높은 시스템, 하드웨어, 소프트웨어 단위의 안전요소에 대해 정확하고 빠르게 정량적인 산출물을 분석, 출력하여,
소프트웨어의 오류 및 안전 결함으로 인한 사고 및 인명 손실을 최소화할 수 있도록 하는,
고장형태 영향분석 기반 고장 분석의 고장 모드 추천 시스템(1)에 있어서,
후위처리수단(200)에는,
대용량 전장 부품의 자동차 기능안전 표준인 ISO 26262에서 요구하는 VDA FMEA, AIAG FMEA, AIAG-VDA 표준 소프트웨어 기능안전 분석을 자동화하는 파이썬 기반의 로보틱프로세스자동화엔진부(240);가 포함, 구성되되,
로보틱프로세스자동화엔진부(240)에 의해 고장형태 영향분석(FMEA) 수행 시, 고장 분석의 심각도, 검출도, 발생도 정보를 자동으로 분석함으로서,
분석 시간을 단축시킴은 물론, 소프트웨어 안전분석을 수행하는 복잡한 단계의 과정을 자동화하여, 항목 입력, 데이터 관리, 프로세싱, 위험원 검출 및 최적화 등의 일련의 과정을 최소한의 시간으로 정확하게 수행할 수 있도록 하는 것을 특징으로 한다.
이로 인해, 본 발명은, 기존의 FMEA(고장형태 영향분석)의 구조분석, 고장분석, 위험분석 단계를 자동화하여, 분석된 결과의 의사결정 또는 판단의 정확성을 향상시킴은 물론, 분석에 필요한 수행시간 및 휴먼 에러를 최소화하는 안전분석 시스템을 제공한다는 이점이 있다.

Description

고장형태 영향분석 기반 고장 분석의 고장 모드 추천 시스템{FMEA failure mode recommend system}

본 발명은 고장형태 영향분석 기반 고장 분석의 고장 모드 추천 시스템에 관한 것으로서, 더욱 상세하게는, 안전 분석 기법 기술인 고장형태 영향분석(FMEA, Failure Mode and Effect Analysis)에 대해, 고장형태 영향분석(FMEA)의 구조분석, 고장분석, 위험분석 단계를 자동화하여 휴먼 에러를 최소화, 신속하고 정확한 시스템 안전분석이 수행되도록 하는, 고장형태 영향분석 기반 고장 분석의 고장 모드 추천 시스템에 관한 것이다.

인공지능, 자율주행차, 로보틱 기술, 사물인터넷 등 소프트웨어가 사회, 산업 전반에 융합됨에 따라 고부가가치 창출의 핵심 동력으로 부상했지만, 그에 따른 소프트웨어의 결함으로 인한 막대한 생명, 재산 피해 발생 가능성도 증가하고 있다.

즉, 소프트웨어의 활용도와 복잡성 증대로 인한 생명과 재산 피해 가능성이 늘면서 소프트웨어에 대한 신뢰, 안전성에 대한 관심이 증대되고 있으나, 소프트웨어의 안전분석에 대한 체계적인 솔루션이 구축되어 있지 않은 실정이다.

국제 소프트웨어 안전요건 강화에 비해 국내 기업의 소프트웨어의 안전 확보를 위한 기술 역량(실행 및 관리 체계 등)이 미흡하여, 관련 소프트웨어의 개발 활동에 대한 역량 제고가 필요한 상태이다.

신(新)분야인 인공지능, 빅데이터, 사물인터넷, 블록체인, 클라우드, 모바일 등, 기술이 급부상하는 현재, 각 확산 기술의 실행에 필요한 산업 분야의 기능안전 표준과 소프트웨어의 생명 주기 프로세스에 입각해 안전과 관련된 소프트웨어의 활용 등의 범위까지 국가적 차원에서 검토되고 있다.

소프트웨어 산업은, 전반적으로 제품 및 서비스 영역에 걸쳐, 시스템 소프트웨어(독립형, 내장형)와, 응용 소프트웨어(애플리케이션, 웹 브라우저 등)로 구성된 패키지 소프트웨어와, 서비스인 IT 시스템 개발과 관리기술을 포함한 IT 서비스, 임베디드 소프트웨어 등으로 기술이 복잡해지고 있으며,

이에 대응하여, 전자 및 통신기기 산업, 자동차 산업, 항공 산업, 의료 산업에 걸쳐, 제품화를 위한 개발 비중과 복잡도 또한 급증하고 있어, 산업별, 제조원별 최적화된 소프트웨어 안전분석 프로세스를 요구함과 동시에, 소프트웨어로 인해 잠재적으로 발생될 수 있는 재난, 재해를 예방하는 영역까지 확대되고 있다.

따라서, 소프트웨어를 중심으로, 국가적 재난 및 재해, 사고 예방을 위한 소프트웨어 안전분석 및 관리 기술 기반의 다양한 지능형 안전분석 플랫폼이 요구되는 산업영역이 확대되고 있다.

또한, 소프트웨어 산업은, 점진적으로 발전되는 자동차 전자제어 장치(ECU), 신호처리 시스템, 자동항행 시스템, 원격제어 시스템 관련 알고리즘 등의 소프트웨어 분석 오류로 인한 경제적 손실과, 소프트웨어 안전 문제로 발생되는 인명 손실 등의 국가적 재난 위기에 대응할 수 있는 플랫폼 구축에 대한 정책적, 사회적 비즈니스 이슈가 급증되고 있다.

특히, 자동차의 전장 부품의 복잡도 급증으로 인한 지능형 소프트웨어 안전분석 시스템의 도입에 대한 니즈(needs)가 급증하고 있다.

반면, 차량 관련업계는 기존 FMEA(고장형태 영향분석) 등과 같은 정성적 평가를 토대로 산출물을 출력하는 안전분석 솔루션을 활용하고 있지만, 다양하고 광범위한 차세대 자동차 전자제어 장치의 정확한 안전분석을 통한 잠재적 결함을 최소화하기에 정확한 가이드를 제공하고 있지 못한 실정이다.

즉, FMEA 방법 적용 시, 전장 부품 요소별로 구조분석, 기능분석, 고장분석, 위험분석 단계를 수행해야 하는데, 평균 500[개] 이상의 세부 항목을 대상으로 엑셀 프로그램을 사용하여 반복적이고, 정성적인 판단을 해야하므로 많은 시간과 수작업이 필요하며, 분석된 안전 기능이 올바르게 선정되었는지 확인하기 어려운 실정이다.

그러므로, 주행 지원 시스템, 차량용 네트워크 제어기술, 차량용 임베디드 소프트웨어 관련 콘텐츠 기술 개발에 따른 전장화율 급증으로 주행 상황 등, 인지 정보 융합 기반의 소프트웨어 안전분석 기법과 관련 빅데이터 처리기술 등, 융합 서비스에 대한 전처리 소프트웨어 안전분석 시스템 도입이 절실한 상황이다.

또한, 자동차 분야의 경우 차량의 전장화율 향상에 따라서 전자제어 장치의 오동작으로 인한 사고 및 인명 손실의 최소화를 위해 기능안전성 모표준인 IEC 61508을 바탕으로 자동차 분야의 기능안전성 적용을 위한 ISO 26262 표준을 제정하고 규제를 강화하고 있으나, FMEA 등 표준안전분석 기법을 실무에 바로 적용하기는 어려운 현실이지만,

현재, 자동차 산업에서는 ISO 26262 2판 개정으로 인해, BMW, Mercedes-Benz, Toyota, 현대, 기아 등 완성차 업체의 Vendor社인 전장 부품사에 발주될 부품, 모듈, 시스템 등에 대한 ISO 26262 준수를 의무화하고,

ISO26262에서 요구하는 소프트웨어 안전확보를 위해 FMEA 등과 같은 소트프웨어 안전확보 메커니즘을 구축하고, 위험도 평가, 검증, 관리 기반의 통합 안전시스템과 설계 검증 및 안전조건과 같은 요소분석 명세서를 요구하고 있다.

따라서, 자동차 관련 업계는 ISO 26262 안전표준 준수를 위한 평가 솔루션으로 독일 APIS社의 IQ-FMEA를 통해 AIAG(Automotive Industry Action Group)-VDA(Verband der Automobilindustrie)의 위험원에 대한 자가 진단 분석 및 결함 완화, 위험 관리 프로세스, 프로젝트별 위험원 식별 및 평가 관리를 수행하고 있다.

그러나, IQ-FMEA 솔루션은, 고장 및 위험분석의 특성상 전문적 판단을 요구하지만, 현재는 데이터베이스를 입력하고 조회하는 수준으로만 구현되어 있고, 수작업으로 인한 효율 저하와 사용자의 입력 오류 등, 휴먼 에러에 대한 대비책이 없는 실정이다.

종래, 점진적으로 소프트웨어 비중이 높은 50[%] 이상의 전장화율 가속화 현상과 기존 수작업을 통해 검출하는 정성적 평가모델이 존재하지만, 국가적 재난요소인 급발진, 추돌, 비상브레이크 오동작, 스로틀 밸브제어 오류 등 잠재적으로 발생 가능한 여러 위험요소를 검출하기에는 미흡한 요소가 많다.

따라서, 부정확한 안전분석으로 발생되는 휴먼 에러로 인한 재난, 재해 발생률을 최소화하고, 사용자가 식별하지 못한 시스템, HW(Hardware), SW(Software), 컴포넌트 단위의 안전성에 대해 자동으로 입력, 생성, 분석, 관리를 가능하게 하는 RPA기반의 지능형 안전분석 시스템에 대해 회자되고 있다.

그럼에도, 국내 RPA기반의 지능형 안전분석 시스템 구축을 위한 자동차 전장부문에 적합한 안전분석 시스템 개발용 오픈소스 및 라이브러리가 부족한 상태로, RPA 솔루션에 활용되는 SW로봇의 경우, 일반적으로 GUI(Graphical User Interface)를 통해 하나 이상의 시스템과 상호작용하며, 각종 시스템 API(Application Programming Interface)도 호출하고, 문자 및 음성인식, 자연어 처리, 머신러닝 등의 인지기술과 융합되어 자동화 영역을 넓히고 있으나, 구축 단계에서 발생 가능한 위험원을 검증하는 솔루션이 부족하다.

상술한 바와 같이, 4차 산업혁명에 따른 전자 및 통신기기 산업, 자동차 산업, 항공 산업, 의료 산업에 걸쳐, 전자 제어 장치, 소프트웨어(SW)의 개발 비중과 복잡도가 급증하고 있어, 국가적 재난 및 재해, 사고 예방을 위한 안전 분석 기법을 적용, 특히, 고장형태 영향분석(FMEA)을 시스템 및 소프트웨어(SW) 개발 과정에서 고장을 최소화하는 것이 중요하다.

그러나, FMEA 적용 시에 시스템 및 소프트웨어(SW) 요소별로 구조분석, 기능분석, 고장분석, 위험분석 단계를 수행해야 하는데 반복적이고, 정성적인 판단으로 시간과 수작업이 필요하고, 분석의 정확성 및 신뢰성이 떨어진다.

그러므로, 본 출원인은 상기와 같은 종래의 문제점을 극복하기 위해 본 발명을 제공하고자 한다.

이에, 고장형태 영향분석 기반 고장 분석의 고장 모드 추천 시스템에 관한 선행기술로서,

도 10의 (a)에 도시된 바와 같이, 대한민국 등록특허공보 제10-1322434호의 "지능형 상태 감시 및 결함 진단 시스템"(이하, '선행기술 1'이라 함.)은,

하나 이상의 구성 요소들에 관해 선택된 데이터들의 시간 이력들을 획득하는 데이터 수집 기능과, 시간 이력들의 특정 특성들을 계산하는 전처리 기능과, 하나 이상의 구성 요소들의 상태의 하나 이상의 가정을 생성하기 위해 특성들을 평가하는 분석 기능과, 하나 이상의 가정들로부터 하나 이상의 구성 요소들의 상태를 결정하는 추론 기능을 포함한 지능형 상태 감시 및 결함 진단 시스템에 관한 것이다.

또 다른 선행기술로는,

도 10의 (b)에 도시된 바와 같이, 대한민국 공개특허공보 제10-2018-0074796호의 "인간/로봇 통합 환경들에 대한 안전 시스템"(이하, '선행기술 2'라 함.)으로서,

컴퓨팅 디바이스는 환경의 미리 결정된 구역 내에 존재하는 임의의 행위자들에 관한 정보를 결정할 수 있고, 정보에 기초하여 미리 결정된 구역에 대한 안전 분류를 결정할 수 있고, 안전 분류는 정보가 미리 결정된 구역 내에 어떠한 행위자들도 존재하지 않는다는 것을 나타내는 경우의 하위 안전 분류, 정보가 미리 결정된 구역 내에 존재하는 임의의 행위자들 전부가 미리 결정된 제1 유형이라는 것을 나타내는 경우의 중간 안전 분류 및 정보가 미리 결정된 구역 내에 존재하는 적어도 하나의 행위자가 미리 결정된 제2 유형이라는 것을 나타내는 경우의 상위 안전 분류를 포함하여, 미리 결정된 구역에 대한 안전 분류를 결정한 후, 컴퓨팅 디바이스는 미리 결정된 구역 내에서 작동하는 것에 대한 안전 규칙을 환경에서 작동하는 로봇 디바이스를 제공하는 인간/로봇 통합 환경들에 대한 안전 시스템에 관한 것이다.

살펴본 바와 같이, 상기 선행기술 1 내지 선행기술 2는,

본 발명과 유사, 동일한 기술분야로서, 본 발명과 대비하여 포괄적인 관점에서의 발명의 해결하고자 하는 과제에 있어 일부 유사, 동일한 기술적 개념이 존재하지만, 해결하고자 하는 과제를 해결하기 위한 구체적인 해결수단에 있어 차이가 있다.

따라서, 본 발명은, 상기 선행기술 1 내지 선행기술 2를 포함한 종래의 안전분석 시스템과 관련된 기술과는 다른, 본 발명만의 발명의 해결하고자 하는 과제(발명의 목적), 이를 해결하기 위한 해결수단(구성요소) 및 이를 해결함으로서 발휘되는 더 나은 효과를 기반으로, 그 기술적 특징을 꾀하고자 한다.

(문헌 01) 대한민국 등록특허공보 제10-1322434호 (2013.10.21. 등록) (문헌 02) 대한민국 공개특허공보 제10-2018-0074796호 (2018.07.03. 공개)

본 발명은 상기 전술한 종래의 문제점을 해결하기 위하여 안출된 것으로서,

부정확한 안전분석으로 발생되는 휴먼 에러로 인한 재난, 재해 발생률을 최소화하고, 사용자가 식별하지 못한 시스템, 하드웨어, 소프트웨어, 컴포넌트 단위의 안전성을 보증하는 일련의 활동에 대해 자동으로 입력, 생성, 분석, 관리 기능이 보장되는 차량용 소프트웨어 안전분석 프로세스 자동화 클라우드 솔루션을 제공하는 데 목적이 있다.

특히, 소프트웨어 안전의 시작인 제품 개념 단계에서부터 폐기까지 전 수명 주기에 걸쳐서 전자제어 장치의 고장으로 인한 차량의 안전성을 저해할 수 있는 위험을 체계적으로 분석하고, 그 위험에 대처할 수 있는 차량용 지능형 안전분석 시스템을 제공하는 데에 그 목적이 있다.

또한, 고장형태 영향분석의 구조분석, 고장분석, 위험분석 단계를 자동화하여 휴먼 에러를 최소화, 신속하고 정확한 시스템 안전분석이 수행되도록 하는 데 목적이 있다.

상기 목적을 이루기 위한 본 발명은 해결하고자 하는 과제를 달성하기 위해 안출된 것으로서,

소프트웨어의 안전분석이 시행되도록 유저인터페이스와, 사용자 경험으로 설계된 반응형 웹 및 모바일 플랫폼을 구현하는 전위처리수단, 사용자에 의한 상기 전위처리수단의 활성화로, 소프트웨어의 안전분석을 자동으로 수행하는 후위처리수단으로 구성되어,

자동차 전장 부품의 다양한 전자제어 장치에서 식별 가능한 위험원과 잠재적으로 발생 위험이 높은 시스템, 하드웨어, 소프트웨어 단위의 안전요소에 대해 정확하고 빠르게 정량적인 산출물을 분석, 출력하여,

소프트웨어의 오류 및 안전 결함으로 인한 사고 및 인명 손실을 최소화할 수 있도록 하는,

고장형태 영향분석 기반 고장 분석의 고장 모드 추천 시스템에 있어서,

후위처리수단에는,

대용량 전장 부품의 자동차 기능안전 표준인 ISO 26262에서 요구하는 VDA FMEA, AIAG FMEA, AIAG-VDA 표준 소프트웨어 기능안전 분석을 자동화하는 파이썬 기반의 로보틱프로세스자동화엔진부;가 포함, 구성되되,

로보틱프로세스자동화엔진부에 의해 고장형태 영향분석(FMEA) 수행 시, 고장 분석의 심각도, 검출도, 발생도 정보를 자동으로 분석함으로서,

분석 시간을 단축시킴은 물론, 소프트웨어 안전분석을 수행하는 복잡한 단계의 과정을 자동화하여, 항목 입력, 데이터 관리, 프로세싱, 위험원 검출 및 최적화 등의 일련의 과정을 최소한의 시간으로 정확하게 수행할 수 있도록 하는 것을 특징으로 한다.

이때, 로보틱프로세스자동화엔진부는,

고장분석을 위해 워크시트의 정보를 조회, 문자열을 추출하여, 발생도 값을 판단하는 고장분석단계;

구조분석을 위해 워크시트의 정보 및 작업 워크시트의 하위 모듈 목록을 조회, 기존 워크시트의 중요 정보도를 복사하는 구조분석단계;

위험분석을 위해 워크시트의 정보를 조회, 워크시트의 양식 종류를 확인하고, AP(action priority) 값을 판별하는 위험분석단계;로 분석되되,

상기 고장분석단계, 구조분석단계, 위험분석단계를 자동화하여,

휴먼 에러를 최소화, 신속하고 정확한 시스템 안전 분석이 수행되도록 한다.

한편, 이에 앞서 본 명세서는 특허등록청구범위에 사용된 용어나 단어는 통상적이거나 사전적인 의미로 한정해서 해석되어서는 아니되며, 발명자는 그 자신의 발명을 가장 최선의 방법으로 설명하기 위해 용어의 개념을 적절하게 정의할 수 있다는 원칙에 입각하여 본 발명의 기술적 사상에 부합하는 의미와 개념으로 해석되어야만 한다.

따라서, 본 명세서에 기재된 실시 예와 도면에 도시된 구성은 본 발명의 가장 바람직한 일 실시 예에 불과할 뿐, 본 발명의 기술적 사상을 모두 대변하는 것은 아니므로 본 출원시점에 있어서 이들을 대체할 수 있는 다양한 균등물과 변형 예들이 있을 수 있음을 이해하여야 한다.

이상의 구성 및 작용에서 상기 설명한 바와 같이 본 발명에 따르면,

부정확한 안전분석으로 발생되는 휴먼 에러로 인한 재난, 재해 발생률을 최소화하고, 사용자가 식별하지 못한 시스템, 하드웨어, 소프트웨어, 컴포넌트 단위의 안전성을 보증하는 일련의 활동에 대해 자동으로 입력, 생성, 분석, 관리 기능이 보장되는 차량용 소프트웨어 안전분석 프로세스 자동화 클라우드 솔루션을 제공할 수 있다.

특히, 소프트웨어 안전의 시작인 제품 개념 단계에서부터 폐기까지 전 수명 주기에 걸쳐서 전자제어 장치의 고장으로 인한 차량의 안전성을 저해할 수 있는 위험을 체계적으로 분석하고, 그 위험에 대처할 수 있는 로보틱 프로세스 자동화 기술 기반의 차량용 지능형 안전분석 시스템을 제공한다.

즉, 차세대 자동차 산업의 기능안전 표준인 ISO 26262에서 요구하는 안전표준 준수에 대한 신속한 의사결정과 구조분석, 위험분석, 고장분석의 분석 및 실행 관리 기능이 자동화된 RPA(로보틱 프로세스 자동화)기술과 원격지 모니터링 기능이 결합된 안전분석 시스템을 제공한다.

또한, 종래, 일반적으로 이루어졌던 안전분석을 수행하기 위한 6[단계]의 과정을 자동화하여, 항목 입력, 데이터 관리, 프로세싱, 위험원 검출 및 최적화 등의 일련의 과정을 최소한의 시간으로 정확하게 수행할 수 있을 뿐만 아니라, 위험원 분석(Hazard Analysis) 및 위험 평가(Risk Assessment)에 대해 소프트웨어 개발 생명 주기(SDLC, Software Development Life Cycle) 전반에서 발생할 수 있는 휴먼 에러를 최소화시킬 수 있다.

좀 더 구체적으로는,

차세대 자동차 산업에 있어, 로보틱 프로세스 자동화 기술은, 전장 부품별 '구조분석 → 기능분석 → 고장분석 → 위험분석 → 최적화 단계'를 자동적으로 수행하게 하며, 전처리 워터풀(Waterfall) 프로세스 모델에 입각한 '요구사항 분석 → 설계 → 코딩 → 테스팅'의 독립적 수행을 기반으로 테스트 레벨 설정 시, 상호 연동되도록 모델링하는 V-모델을 통해, 요구사항에 맞춘 테스트 케이스를 토대로 소프트웨어 결함을 최소화할 수 있도록 디지털 워크포스의 정량적 판단을 최적화할 수 있다는 장점이 있다.

특히, 구조분석, 고장분석, 위험분석 단계를 자동화하여 휴먼 에러를 최소화, 신속하고 정확한 시스템 안전분석이 수행되도록 한다.

또한, 전장 부품에 사용되는 소프트웨어 레벨의 FMEA(고장형태 영향분석)와 같은 고장모드 및 영향분석을 자동화하여 작동 오류, 부품 오류, 사고 발생 가능성과 리콜 최소화에 기여할 수 있다.

또한, 상술한 바와 같이, 종래, 일반적으로 안전분석을 수행하는 복잡한 단계의 과정을 자동화하여, 항목 입력, 데이터 관리, 프로세싱, 위험원 검출 및 최적화 등의 일련의 과정을 최소한의 시간으로 정확하게 수행할 수 있도록 한다.

또한, 본 발명인, ISO 26262에서 요구하는 안전표준 준수에 대한 신속한 의사결정과 구조분석, 위험분석, 고장분석 등을 자동으로 분석, 실행의 기능을 적용한 지능형 안전분석 시스템으로 인해, 인지(Congnitive) 기반 프로세스 자동화 영역과 로보틱 프로세스 자동화 기술 기능의 커스터마이징 및 리스크 기반 테스팅 기법을 요구하는 자동차 산업의 안전분석 시스템 지능화로 다양한 전자제어 장치의 오작동으로 인한 사고 및 인명 손실을 최소화할 수 있다.

또한, 상용화된 안전분석 소프트웨어 및 프로그램의 대체 역할 수행도 지원하여, 기업의 작업자 생산 및 품질 효율을 극대화할 수 있다.

상세하게는,

1. 국내에서 상용화되어 있는 안전분석 소프트웨어 및 프로그램은 독일 APIS의 'IQ-FMEA'를 포함하여, 전량 수입에 의존하는 솔루션의 대체 시장을 확보할 수 있다.

2. 또한, 본 발명에 프로세스 자동화 기법이 적용된 새로운 소프트웨어의 원천 기술 국산화에 기여할 수 있다.

3. 또한, 클라우드 연계 서비스를 통해, 원격지 관리자와 사용자 간, 원활한 커퓨니케이션을 통해, 웹 및 모바일 환경에서 다양한 커뮤니케이션, 모니터링 플랫폼을 공급하여 안전분석과 관련된 일련의 과정에 대해 표준 프로세스를 제공할 수 있는 매우 효과적인 발명이라 하겠다.

도 1은 본 발명인 고장형태 영향분석 기반 고장 분석의 고장 모드 추천 시스템에 대한 구성도를 나타낸 것이다.
도 2는 본 발명인 고장형태 영향분석 기반 고장 분석의 고장 모드 추천 시스템의 실시 예에 대한 기초 구성안을 나타낸 것이다.
도 3은 본 발명인 고장형태 영향분석 기반 고장 분석의 고장 모드 추천 시스템의 실시 예에 대한 개요도를 나타낸 것이다.
도 4는 본 발명인 고장형태 영향분석 기반 고장 분석의 고장 모드 추천 시스템의 실시 예에 대한 세부 내용을 표로 나타낸 것이다.
도 5는 본 발명인 고장형태 영향분석 기반 고장 분석의 고장 모드 추천 시스템의 구성요소 중, 전위처리수단에 대한 실시 예를 나타낸 것이다.
도 6은 본 발명인 고장형태 영향분석 기반 고장 분석의 고장 모드 추천 시스템의 구성요소 중, 고장분석단계의 알고리즘을 실시 예로 나타낸 것이다.
도 7은 본 발명인 고장형태 영향분석 기반 고장 분석의 고장 모드 추천 시스템의 구성요소 중, 구조분석단계의 알고리즘을 실시 예로 나타낸 것이다.
도 8은 본 발명인 고장형태 영향분석 기반 고장 분석의 고장 모드 추천 시스템의 구성요소 중, 위험분석단계의 알고리즘을 실시 예로 나타낸 것이다.
도 9는 본 발명인 고장형태 영향분석 기반 고장 분석의 고장 모드 추천 시스템의 구성요소 중, 로보틱프로세스자동화엔진부의 자동화된 프로세서를 블록도로 간략하게 나타낸 것이다.
도 10은 본 발명인 고장형태 영향분석 기반 고장 분석의 고장 모드 추천 시스템에 대한 선행기술의 대표도를 나타낸 것이다.

이하, 첨부된 도면을 참조하여 본 발명인 고장형태 영향분석 기반 고장 분석의 고장 모드 추천 시스템(1)에 대한 기능, 구성 및 작용을 상세히 설명하기로 한다.

도 1은 본 발명인 고장형태 영향분석 기반 고장 분석의 고장 모드 추천 시스템에 대한 구성도를 나타낸 것이며, 도 2는 본 발명인 고장형태 영향분석 기반 고장 분석의 고장 모드 추천 시스템의 실시 예에 대한 기초 구성안을, 도 3은 본 발명인 고장형태 영향분석 기반 고장 분석의 고장 모드 추천 시스템의 실시 예에 대한 개요도를, 도 4는 본 발명인 고장형태 영향분석 기반 고장 분석의 고장 모드 추천 시스템의 실시 예에 대한 세부 내용을 표로, 도 5는 본 발명인 고장형태 영향분석 기반 고장 분석의 고장 모드 추천 시스템의 구성요소 중, 전위처리수단에 대한 실시 예를 나타낸 것이다.

도 1 내지 도 5에 도시된 바와 같이 본 발명은,

소프트웨어의 안전분석이 시행되도록 유저인터페이스와, 사용자 경험으로 설계된 반응형 웹 및 모바일 플랫폼을 구현하는 전위처리수단(100), 사용자에 의한 상기 전위처리수단(100)의 활성화로, 소프트웨어의 안전분석을 자동으로 수행하는 후위처리수단(200)으로 구성되어,

자동차 전장 부품의 다양한 전자제어 장치에서 식별 가능한 위험원과 잠재적으로 발생 위험이 높은 시스템, 하드웨어, 소프트웨어 단위의 안전요소에 대해 정확하고 빠르게 정량적인 산출물을 분석, 출력하여,

소프트웨어의 오류 및 안전 결함으로 인한 사고 및 인명 손실을 최소화할 수 있도록 하는,

고장형태 영향분석 기반 고장 분석의 고장 모드 추천 시스템(1)에 있어서,

후위처리수단(200)에는,

대용량 전장 부품의 자동차 기능안전 표준인 ISO 26262에서 요구하는 VDA FMEA, AIAG FMEA, AIAG-VDA 표준 소프트웨어 기능안전 분석을 자동화하는 파이썬 기반의 로보틱프로세스자동화엔진부(240);가 포함, 구성되되,

로보틱프로세스자동화엔진부(240)에 의해 고장형태 영향분석(FMEA) 수행 시, 고장 분석의 심각도, 검출도, 발생도 정보를 자동으로 분석함으로서,

분석 시간을 단축시킴은 물론, 소프트웨어 안전분석을 수행하는 복잡한 단계의 과정을 자동화하여, 항목 입력, 데이터 관리, 프로세싱, 위험원 검출 및 최적화 등의 일련의 과정을 최소한의 시간으로 정확하게 수행할 수 있도록 하는 것을 특징으로 한다.

이때, 전위처리수단(100)은 도 5에 도시된 바와 같이,

후위처리수단(200)을 통해 식별된 안전분석 모델과 로보틱프로세스자동화엔진부(240)의 요구사항 및 FMEA 솔루션이 연동되어 Javascript, HTML5, jQuery, CSS3 기반의 웹과 모바일 앱의 형태로 사용자에게 제공되도록 한다.

한편, 후위처리수단(200)은,

REST API를 통해 전위처리수단(100)과 후위처리수단(200) 간의 통신을 관리하는 컨트롤러부(210);

일반적인 업무 로직을 처리하는 비즈니스로직모듈(221)과, 데이터베이스와 비즈니스 로직을 연동하는 데이터베이스매퍼모듈(222)이 포함된 서비스생성부(220);

FMEA 구조, 고장, 위험 등의 단계별 분석 내용에 따른 작업 내용을 정의하는 베이스룰모듈(231)과, 사용자가 회사 특성에 맞게 특정한 룰을 등록하여 특정 기능을 자동화할 수 있도록 하는 유저디파인룰모듈(232)이 포함된 규칙생성부(230);

대용량 전장부품의 자동차 기능안전 표준인 ISO 26262에서 요구하는 VDA FMEA, AIAG FMEA, AIAG-VDA 표준 소프트웨어 기능안전 분석을 자동화하는 파이썬 기반의 로보틱프로세스자동화엔진부(240);

시스템 데이터를 저장하는 데이터베이스모듈(251)과, 규칙생성부(230)를 통해 등록된 룰 및 이로 인한 분석물 등의 다양한 파일 정보를 관리하는 파일모듈(252)이 포함된 데이터보관저장부(250);로 구성되되,

로보틱프로세스자동화엔진부(240)는,

규칙생성부(230)의 내용을 분석하여 업무 절차로 변환시키는 파서모듈(241);

상기 파서모듈(241)을 통해 변환된 업무 절차를 시스템에 적용하여 데이터를 생성하는 액추에이터모듈(242);로 구성되어,

소프트웨어 안전분석을 수행하는 복잡한 단계의 과정을 자동화하여, 항목 입력, 데이터 관리, 프로세싱, 위험원 검출 및 최적화 등의 일련의 과정을 최소한의 시간으로 정확하게 수행할 수 있도록 하는 것을 특징으로 한다.

즉, 본 발명은, 로보틱프로세스자동화엔진부(240)를 통해 정확한 안전분석을 수행하는 지능형 안전분석 시스템으로 구조의 자동 생성, 고장 분석 항목 자동 입력, 위험 분석 자동화 및 최적화와 관련된 일련의 데이터 자동 입력이 수행되는 특징이 있다.

본 발명의 기술의 핵심을 정리하면,

상술한 바와 같이, 사용자 UI(User Interface), UX(User Experience) 기반의 웹과 모바일 플랫폼으로 연동되는 전위처리수단(100)에서는,

식별된 안전분석 모델(Waterfall, Iterative, AGILE)과 로보틱프로세스자동화엔진부(240)의 요구사항 및 FMEA 솔루션이 연동되어, Javascript, HTML5, jQuery, CSS3 기반의 웹과 모바일 앱의 형태로 사용자에게 제공되고,

또한, 클라우드서버수단(300)과 연계하여 원격지 관리자와 해당 사용자 간, 안전분석의 과정 혹은 결과를 공동 모니터링하여, 공통의 품질 보증 활동을 수행하기 위한 클라우드 서버 접근 권한 및 라이선스를 제공한다.

또한, 지능형 안전분석 시스템의 주요 기능이 구현되는 후위처리수단(200)에서는,

REST API 기반의 전위처리수단(100)과의 통신을 관리하는 컨트롤러부(210), 서비스생성부(220)의 비즈니스로직모듈(221)과 데이터베이스매퍼모듈(222), 규칙생성부(230)의 베이스룰모듈(231)과 유저디파인룰모듈(232), 로보틱프로세스자동화엔진부(240)의 파서모듈(241)과 액추에이터모듈(242), 데이터보관저장부(250)의 데이터베이스모듈(251)과 파일모듈(252)이 구성되되,

본 발명의 기능 안정화와 품질 향상을 위해,

객체지향 Java언어 기반의 Spring boot2를 사용한 Spring Framework와 DB프로그래밍을 위한 Mybatis Framework를 구성하고,

규칙생성부(230)는, '속성-값 쌍' 또는 '키-값 쌍'으로 이루어진 데이터 객체를 전달하기 위해 인간이 읽을 수 있는 텍스트를 사용하는 개방형 표준 포맷인 JSON(제이슨[1], JavaScript, Object Notation)이 사용되고,

데이터보관저장부(250)의 경우, MySQL과 동일한 소스코드를 기반으로 하는 오픈소스 관계형 DB시스템 Maria DB를 통해 제공하고,

로보틱프로세스자동화엔진부(240)에 사용되는 파서모듈(241)과 액추에이터모듈(242)은, Django 오픈소스 기반의 Web Framework를 기반으로 구성되며, 100[여개] 이상의 전장 부품에서 분석될 대용량 안전분석 데이터에 대해서는 Python을 통해 패턴 분석 및 시각화를 수행한다.

향후, 로보틱프로세스자동화엔진부(240)의 Python의 패턴 분석 및 시각화 데이터는 AI기반의 기초 빅데이터 플랫폼으로 확대 구축된다.

즉, 전위처리수단(100)은,

안전분석 모델(Waterfall, Iterative, AGILE)을 식별, 적용하고,

로보틱프로세스자동화엔진부(240)의 요구사항을 식별, 정의하고,

FMEA 솔루션 연동을 위한 공통 Framework를 도출,

사용자 편의성이 고려된, Javascript, HTML5, jQuery, CSS3 기반의 UI, UX 반응형 웹 및 모바일 플랫폼이 제공되도록 한다.

또한, 후위처리수단(200)은,

REST API 기반의 전위처리수단(100)과의 통신을 관리하는 컨트롤러부(210)와, 서비스생성부(220), 규칙생성부(230), 로보틱프로세스자동화엔진부(240), 데이터보관저장부(250)를 통해 시스템 통합 테스트의 진행 및 평가가 수행되도록 한다.

이때, 로보틱프로세스자동화엔진부(240)는,

고장분석을 위해 워크시트의 정보를 조회, 문자열을 추출하여, 발생도 값을 판단하는 고장분석단계(A);

구조분석을 위해 워크시트의 정보 및 작업 워크시트의 하위 모듈 목록을 조회, 기존 워크시트의 중요 정보도를 복사하는 구조분석단계(B);

위험분석을 위해 워크시트의 정보를 조회, 워크시트의 양식 종류를 확인하고, AP(action priority) 값을 판별하는 위험분석단계(C);로 분석되되,

상기 고장분석단계(A), 구조분석단계(B), 위험분석단계(C)를 자동화하여,

휴먼 에러를 최소화, 신속하고 정확한 시스템 안전 분석이 수행되도록 한다.

도 6 내지 도 9를 참조하여, 보다 구체적으로 설명하면,

고장분석단계(A)는,

고장분석을 위한 워크시트 정보를 조회하는 고장분석워크시트정보조회요소(A-1);

워크시트의 고장분석을 위한 심각도, 발생도, 검출도 기준 컬럼의 문자열을 각각 리딩하는 문자열읽기요소(A-2);

형태소 분석 엔진을 통해 문자열을 추출하는 문자열추출요소(A-3);

파서모듈(241)에 등록된 문자열과 발생도 값을 기준으로 발생도 값을 판단하는 발생도값판단요소(A-4);로 구성되어,

시스템의 고장분석을 자동으로 수행할 수 있도록 하고,

구조분석단계(B)는,

구조분석을 위한 워크시트 정보를 조회하는 구조분석워크시트정보조회요소(B-1);

작업 워크시트의 하위 모듈 목록을 조회하는 하위모듈목록조회요소(B-2);

상기 하위모듈목록조회요소(B-2)를 통해 조회된 하위 모듈 목록을 FMEA 워크시트에 추가하는 FMEA워크시트추가요소(B-3);로 구성되어,

시스템의 구조분석을 자동으로 수행할 수 있도록 하고,

위험분석단계(C)는,

위험분석을 위한 워크시트 정보를 조회하는 위험분석워크시트정보조회요소(C-1);

상기 위험분석워크시트정보조회요소(C-1)에 의해 조회된 워크시트의 양식 종류를 확인하는 워크시트양식확인요소(C-2);

워크시트의 심각도, 발생도, 검출도와 AP(action priority) 값을 판별하는 AP값판별요소(C-3);

상기 워크시트양식확인요소(C-2)에 의해 워크시트의 양식이 확인된 후, 해당 워크시트의 심각도, 발생도, 검출도 값을 계산하여 RPN(risk priority number) 값을 생성하는 RPN값생성요소(C-4);로 구성되어,

시스템의 위험분석을 자동으로 수행할 수 있도록 한다.

한편, 본 발명인 고장형태 영향분석 기반 고장 분석의 고장 모드 추천 시스템(1)에는,

후위처리수단(200)에 의해 수행되는 소프트웨어의 안전분석에 대한 과정 또는 결과를 사용자와 원격지 관리자가 공동으로 모니터링할 수 있도록 하는 클라우드서버수단(300);이 더 포함, 구성될 수 있다.

클라우드서버수단(300)은,

본 발명의 원격 모니터링 플랫폼 구축을 위한 서버로, 초당 2[회] 로보틱프로세스자동화엔진부(240)의 분석정보 모니터링 주기 기반의 한 세션당 1000[EA] 이상의 안전 분석 개수의 해석된 자료와, 3[EA] 이상 클라우드 서비스 트래픽 포워딩을 수행하는 웹, 안드로이드, iOS 플랫폼이 접근되는 전용 서버로 구축된다.

이와 같이 구성, 구축되는 본 발명인,

차세대 자동차 산업의 기능안전 표준인 ISO 26262에서 요구하는 안전표준 준수에 대한 신속한 의사결정과 구조분석, 위험분석, 고장분석 등의 자동 분석 및 실행 관리 기능이 자동화된 지능형 안전분석 시스템을 통해,

1. 자동차 기능안전표준인 ISO 26262에서 요구하는 VDA FMEA, AIAG FMEA, AIAG-VDA의 표준 SW기능안전 분석 및 FMEA기법 자동 분석 기술과,

2. 기존의 FMEA 정성적 안전분석(고장 모드 분석 및 위험 평가)의 구조분석, 고장분석, 위험분석 단계 내, AI기반 RPA기술을 적용하여 안전분석의 자동화와 분석된 결과의 의사결정 혹은 판단의 정확성 향상, 분석에 필요한 수행시간 최소화를 토대로 휴먼 에러를 최소화하는 로보틱프로세스자동화엔진부(240)가 융합된 기술과,

3. 중앙 데이터베이스 관리 등, 사용성을 높인 반응형 웹 및 모바일 플랫폼과의 연동기술과,

4. 원격지 관리자와 해당 사용자 간, 안전분석 과정 혹은 결과를 공동 모니터링하기 위한 클라우드 서버 기반의 웹 및 모바일 플랫폼 표시 기술을 제공한다.

즉, 안전분석 기법의 자동화를 위해 다수의 자동차 전자제어 장치에 대한 구조, 고장, 위험원 등 판단의 정확성 향상과 수행시간 최소화를 토대로 휴먼 에러를 최소화할 수 있는 안전분석 메커니즘 내 로보틱프로세스자동화엔진부(240)를 탑재하여, 자동차 소프트웨어 안전분석의 자동화와 해당 정보의 중앙 데이터베이스 관리를 위한 웹, 모바일 플랫폼 기반의 지능형 안전분석 시스템을 제공한다.

더하여서, 본 발명은, 다수의 기업 혹은 사용자에게 라이선스 및 시스템을 제공하여, 원격지에서 해당 안전분석 과정 혹은 결과를 모니터링하기 위해 클라우드 서버와 연동하여 웹 및 모바일 플랫폼에 출력되도록 하는 안전분석 시스템을 제공한다.

참고하여, 본 발명에 기재된,

'ISO 26262'는,

자동차 전기, 전자 시스템 안전규격으로 MISRA에서 개발한 자동차 산업용 임베디드 시스템 소프트웨어의 코드 안정성, 호환성, 신뢰성 향상을 위한 C프로그래밍 언어개발 가이드라인을 말하며,

또한, '소프트웨어의 안정성'이라 함은,

전체 시스템 레벨에서의 위험성 분석의 선행과정과 위험분석 결과로 도출된 시스템 안전 요구사항을 바탕으로 안전기능(safety function)이 올바르게 선정되었는지 확인하고, 최종 결과물이 수행하는 안전기능이 정상적으로 작동되는 상태를 말한다.

또한, '6[단계]'라 함은,

범위정의, 구조분석, 기능분석, 고장분석, 위험분석, 최적화를 말하며, 본 발명은, 특히, 구조분석, 고장분석, 위험분석을 자동화하는 것을 목적으로 한다.

또한, '[]'를 통해 기재된 문자는 단위 또는 수량을 나타낸다.

또한, 본 발명에 기재된 용어를 간략하게 정리하면,

FMEA는, Failure Mode and Effect Analysis의 약자로, 시스템을 사용하는 중에 발생하는 사고에, 사고와 원인의 관계를 계열적으로 해석하는 신뢰성 해석 수법의 한 가지이다.

IQ-FMEA는, 독일의 경쟁사인 APIS社의 기능안전 평가 솔루션의 제품명으로, AIAG-VDA의 위험원에 대한 자가진단 분석 및 결함 완화, 위험관리 프로세스, 프로젝트별 위험원 식별 및 평가관리를 수행할 수 있다.

그러나, 사용자 능률에 따라 산출물의 신뢰도가 변하는 단점이 있다.

RPA는, Robotic Process Automation의 약자로, 인간의 단순, 반복 업무 프로세스를 학습하여 인공지능이 그대로 업무를 대신 처리하는 프로그램으로 전사적 자원관리(ERP)와 더불어 대표적인 업무 자동화 프로그램이다.

컴포넌트는, 기존의 코딩 방식에 의한 개발에서 벗어나 소프트웨어 구성단위(모듈)을 미리 만든 뒤, 필요한 응용 기술을 개발할 때, 이 모듈을 조립하는 기술을 말한다.

V-모델은, 시스템이나 시스템 컴포넌트 또는 소프트웨어 프로그램 등을 테스트하는 작업이 이들에 포함된 단순한 코딩의 오류만을 찾는 작업이 아니라, 요구사항 분석에서의 오류, 설계 등 개발 단계의 작업들에 대한 테스트를 포함한다는 내용을 개발 프로세스와 통합하여 체계화한 개념을 말한다.

워크포스는 노동력을 말한다.

REST는, Representational State Transfer의 약자로, 자원을 이름(자원의 표현)으로 구분하여 해당 자원의 상태(정보)를 주고 받는 모든 것을 의미한다.(즉, 자원(Resource)의 표현(Representation)에 의한 상태 전달을 말한다. 구체적인 개념은, HTTP URI(Uniform Resource Identifier)를 통해 자원(Resource)을 명시하고, HTTP Method(POST, GET, PUT, DELETE)를 통해 해당 자원에 대한 CRUD Operation을 적용하는 것을 의미한다.)

API는, Application Programming Interface의 약자로, 데이터와 기능의 집합을 제공하여 컴퓨터 프로그램간 상호작용을 촉진하며, 서로 정보를 교환 가능하도록 하는 것을 말한다.

REST API는, Representational State Transfer API의 합성어로, REST 기반으로 서비스 API를 구현하는 것을 말한다.

Spring boot는, Spring이라는 Java 프레임워크의 프록젝트를 말하며, 이를 이용하여 쉽게 애플리케이션을 만들 수 있다.

Spring Framework는, Java 플랫폼을 위한 오픈소스 애플리케이션 프레임워크로서, 간단히 스프링(Spring)이라고도 한다.(동적인 웹 사이트를 개발하기 위한 여러 가지 서비스가 제공된다.)

즉, 후위처리수단(200)의 개발 효율화를 위해, Java언어를 기반으로 오픈소스 프레임워크가 구축된다.

Mybatis Framework는, 객체지향 언어인 Java의 관계형 데이터베이스 프로그래밍을 좀 더 용이하게 할 수 있도록 도와주는 개발 프레임워크이다.

따라서, 이를 이용하여, 프로그래밍의 개발자 지정 SQL, 저장 프로시저, 고급 매핑을 지원하는 퍼시스턴스 프레임워크가 구축된다.

JSON(JavaScript Object Notation)은, '속성-값 쌍' 또는 '키-값 쌍'으로 이루어진 데이터 오브젝트를 전달하기 위해 인간이 읽을 수 있는 텍스트를 사용하는 개방형 표준 포맷이다.

Object Notation은, 객체 표기법이다.

Maria DB는, 오픈소스의 관계형 데이터베이스 관리 시스템으로, MySQL과 동일한 소스코드를 기반으로 하며, GPL v2 라이선스를 따른다.

Python은, 고급 프로그래밍 언어로, 플랫폼이 독립적이며 인터프리터식, 객체지향적, 동적 타이핑 대화형 언어이다.

Framework는, 소프트웨어의 구체적인 부분에 해당하는 설계와 구현을 재사용이 가능하게끔 일련의 협업화된 형태로 클래스들을 제공하는 것을 말한다.

또한, RPN(risk priority number)는, 위험평가수준으로, 심각도와, 발생빈도, 검출도로부터 산출된다.

심각도는, 고객이 느끼는 고통이 얼마나 심각한지,

발생빈도(발생도)는, 고장이 얼마나 자주 발생하는지,

검출도는, 고장의 원인을 얼마나 정확하게 발견하는지를 의미한다.

이상에서와 같이, 본 발명은 기재된 실시 예에 한정되는 것이 아니고, 본 발명의 사상 및 범위를 벗어나지 않고 다양하게 수정 및 변형할 수 있음은 이 기술의 분야에서 통상의 지식을 가진 자에게 자명하다.

따라서, 기술적 사상 또는 주요한 특징으로부터 벗어남이 없이 다른 여러가지 형태로 실시될 수 있으므로, 본 발명의 실시 예들은 모든 점에서 단순한 예시에 지나지 않으며 한정적으로 해석되어서는 아니되며 다양하게 변형하여 실시할 수 있다.

본 발명은 고장형태 영향분석 기반 고장 분석의 고장 모드 추천 시스템에 관한 것으로서,

전자 및 통신기기, 자동차, 항공, 의료 산업에 활용되는 소프트웨어 산업 등, 소프트웨어의 안전분석 및 관리기술 기반의 다양한 지능형 안전분석 플랫폼이 요구되는 산업분야 증진에 기여할 수 있다.

특히, ISO 26262에서 요구하는 안전표준 준수에 대한 신속한 의사결정과 구조분석, 위험분석, 고장분석 등을 자동으로 분석, 실행한 인지기반 프로세스 자동화 영역과 RPA기능의 커스터마이징 및 리스크 기반 테스팅 기법을 요구하는 자동차 산업의 안전분석 솔루션 지능화로 다양한 전자제어 장치의 오작동으로 인한 사고 및 인명 손실을 최소화할 수 있는 기술로 활용될 수 있다.

1: 고장형태 영향분석 기반 고장 분석의 고장 모드 추천 시스템
100: 전위처리수단 200: 후위처리수단
210: 컨트롤러부 220: 서비스생성부
221: 비즈니스로직모듈 222: 데이터베이스매퍼모듈
230: 규칙생성부 231: 베이스룰모듈
232: 유저디파인룰모듈 240: 로보틱프로세스자동화엔진부
241: 파서모듈 242: 액추에이터모듈
250: 데이터보관저장부 251: 데이터베이스모듈
252: 파일모듈 300: 클라우드서버수단
A: 고장분석단계 A-1: 고장분석워크시트정보조회요소
A-2: 문자열읽기요소 A-3: 문자열추출요소
A-4: 발생도값판단요소
B: 구조분석단계 B-1: 구조분석워크시트정보조회요소
B-2: 하위모듈목록조회요소 B-3: FMEA워크시트추가요소
C: 위험분석단계 C-1: 위험분석워크시트정보조회요소
C-2: 워크시트양식확인요소 C-3: AP값판별요소
C-4: RPN값생성요소

Claims (2)

1. 소프트웨어의 안전분석이 시행되도록 유저인터페이스와, 사용자 경험으로 설계된 반응형 웹 및 모바일 플랫폼을 구현하는 전위처리수단(100), 사용자에 의한 상기 전위처리수단(100)의 활성화로, 소프트웨어의 안전분석을 자동으로 수행하는 후위처리수단(200)으로 구성되어,
   자동차 전장 부품의 다양한 전자제어 장치에서 식별 가능한 위험원과 잠재적으로 발생 위험이 높은 시스템, 하드웨어, 소프트웨어 단위의 안전요소에 대해 정확하고 빠르게 정량적인 산출물을 분석, 출력하여,
   소프트웨어의 오류 및 안전 결함으로 인한 사고 및 인명 손실을 최소화할 수 있도록 하는,
   고장형태 영향분석 기반 고장 분석의 고장 모드 추천 시스템(1)에 있어서,
   후위처리수단(200)에는,
   대용량 전장 부품의 자동차 기능안전 표준인 ISO 26262에서 요구하는 VDA FMEA, AIAG FMEA, AIAG-VDA 표준 소프트웨어 기능안전 분석을 자동화하는 파이썬 기반의 로보틱프로세스자동화엔진부(240);가 포함, 구성되되,
   로보틱프로세스자동화엔진부(240)에 의해 고장형태 영향분석(FMEA) 수행 시, 고장 분석의 심각도, 검출도, 발생도 정보를 자동으로 분석함으로서,
   분석 시간을 단축시킴은 물론, 소프트웨어 안전분석을 수행하는 복잡한 단계의 과정을 자동화하여, 항목 입력, 데이터 관리, 프로세싱, 위험원 검출 및 최적화 등의 일련의 과정을 최소한의 시간으로 정확하게 수행할 수 있도록 하는 것을 특징으로 하는,
   고장형태 영향분석 기반 고장 분석의 고장 모드 추천 시스템.
2. 제 1항에 있어서,
   로보틱프로세스자동화엔진부(240)는,
   고장분석을 위해 워크시트의 정보를 조회, 문자열을 추출하여, 발생도 값을 판단하는 고장분석단계(A);
   구조분석을 위해 워크시트의 정보 및 작업 워크시트의 하위 모듈 목록을 조회, 기존 워크시트의 중요 정보도를 복사하는 구조분석단계(B);
   위험분석을 위해 워크시트의 정보를 조회, 워크시트의 양식 종류를 확인하고, AP(action priority) 값을 판별하는 위험분석단계(C);로 분석되되,
   상기 고장분석단계(A), 구조분석단계(B), 위험분석단계(C)를 자동화하여,
   휴먼 에러를 최소화, 신속하고 정확한 시스템 안전 분석이 수행되도록 하는 것을 특징으로 하는,
   고장형태 영향분석 기반 고장 분석의 고장 모드 추천 시스템.

Images