![]()
汽車功能安全領域有個長期懸而未決的問題:工程師算出來的故障覆蓋率,到底準不準?博世(Robert Bosch GmbH)3月發布的一篇技術論文給出了新思路——把誤差傳播理論(Error Propagation Theory)塞進FMEDA框架,讓SPFM(單點故障度量)和LFM(潛伏故障度量)這兩個關鍵指標終于有了"誤差范圍"。
這相當于給安全分析結果加了一個"置信區間",工程師能直接看到:我的計算偏差最大可能有多少,以及該優先優化哪個輸入參數。
傳統FMEDA的痛點:算得精,但不知道準不準
FMEDA(失效模式、影響及診斷分析)是ISO 26262功能安全標準的核心工具。芯片廠商靠它計算SPFM和LFM,證明產品滿足ASIL等級要求。但這兩個指標的計算依賴兩個關鍵輸入:失效模式分布(FMD)和診斷覆蓋率(DC)。
問題就出在這里。FMD來自手冊數據或專家估計,DC來自測試或分析,兩者都有不確定性。傳統做法是給個單點數值,比如"SPFM=99.2%",但這個數字背后藏了多少誤差?沒人知道。
論文作者Armato、Kehl和Fischer指出,這種"未量化的不確定性"導致兩個后果:一是分析質量無法客觀評估,二是優化方向只能靠經驗猜測。用他們的話說,這"損害了安全分析的質量"。
誤差傳播理論的引入:從單點值到區間估計
博世團隊的做法是借用數學中的誤差傳播方法。核心思想很簡單:如果輸入參數有誤差,輸出結果必然也有誤差,而且可以通過公式把誤差"傳遞"過去。
具體實現分三步。第一步,為FMD和DC的每個分量定義最大可能偏差。第二步,用誤差傳播公式計算SPFM和LFM的對應偏差區間。第三步,引入一個叫EII(Error Importance Identifier,誤差重要性標識符)的指標,量化每個輸入對最終誤差的貢獻度。
EII是這套方法的關鍵創新。它告訴工程師:與其盲目優化所有參數,不如先搞定那個對結果影響最大的"短板"。
論文給出的案例顯示,某些FMD分量的誤差對SPFM的影響被放大數倍,而另一些分量幾乎無影響。這種"敏感度排序"讓資源投入有了明確優先級。
對行業的實際意義:合規審計有了新抓手
ISO 26262要求安全分析具備"可追溯性"和"可驗證性",但對"不確定性如何處理"一直語焉不詳。博世的論文直接回應了這個灰色地帶。
對芯片廠商來說,帶置信區間的FMEDA報告能在第三方審計時提供更強說服力——不是"我們相信這個數字",而是"這個數字的偏差不超過X%,且主要來源是Y"。
對主機廠和Tier 1來說,這套方法提供了評估供應商分析質量的客觀標準。比較兩家供應商的SPFM時,單看數值高低可能誤導,結合置信區間寬度才能判斷誰更可靠。
論文提到,該方法已在博世內部ASIC驗證流程中試點應用。作者沒有披露具體產品案例,但強調這"顯著提升了FMEDA的透明度和可信度"。
技術邊界:不是萬能藥,但補上了關鍵缺口
需要明確的是,誤差傳播方法有其前提假設。它要求輸入誤差的分布特性已知或可歸一化,對高度非線性的故障耦合場景可能失效。論文也承認,EII的計算復雜度隨參數數量增加而上升,超大規模ASIC需要配合采樣簡化。
另一個局限是數據來源。FMD的誤差范圍從哪來?手冊數據的置信度如何量化?論文建議結合實測統計和專家區間估計,但這部分仍依賴工程判斷。換句話說,誤差傳播解決了"已知不確定性的傳遞"問題,但沒解決"不確定性從哪來"的根本難題。
盡管如此,把數學工具系統性地引入功能安全量化分析,仍是該領域的一次方法論進步。此前行業更多關注"算得更準",博世這篇工作提醒從業者:先搞清楚"算得有多不準",可能比追求小數點后幾位更有價值。
論文已于2026年3月發布在arXiv,編號arXiv:2603.21770。三位作者均來自博世集團,研究方向覆蓋功能安全、ASIC驗證和可靠性工程。這是博世近年在汽車電子安全方法論上的又一篇公開技術輸出。
功能安全社區對這個"老問題的新解法"反應如何?論文結尾沒有給出第三方評價,但留下了一個開放的技術問題:當置信區間本身也帶有估計誤差時,是否需要第二層誤差分析——也就是"誤差的誤差"?
特別聲明:以上內容(如有圖片或視頻亦包括在內)為自媒體平臺“網易號”用戶上傳并發布,本平臺僅提供信息存儲服務。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.