要約
DevOps は、自動運転車の開発を含む多くの業界で不可欠です。
これらの設定では、SafetyOps サイクルの速度を低下させる反復的なアクティビティが存在します。
これらの活動の 1 つは「ハザード分析とリスク評価」(HARA) であり、これは安全要件の仕様を開始するための重要なステップです。
SafetyOps のこのステップの速度を向上させる可能性のあるアプローチとして、私たちは大規模言語モデル (LLM) の機能を詳しく調べました。
私たちの目的は、安全工学の分野での応用の可能性を体系的に評価することです。
そのために、LLM を使用した HARA の高度な自動化をサポートするフレームワークを提案します。
可能な限り多くのプロセスを自動化するよう努めていますが、分析結果の妥当性と正確性を確保するには専門家のレビューが依然として重要であり、それに応じて必要な修正が加えられます。
要約(オリジナル)
DevOps is a necessity in many industries, including the development of Autonomous Vehicles. In those settings, there are iterative activities that reduce the speed of SafetyOps cycles. One of these activities is ‘Hazard Analysis & Risk Assessment’ (HARA), which is an essential step to start the safety requirements specification. As a potential approach to increase the speed of this step in SafetyOps, we have delved into the capabilities of Large Language Models (LLMs). Our objective is to systematically assess their potential for application in the field of safety engineering. To that end, we propose a framework to support a higher degree of automation of HARA with LLMs. Despite our endeavors to automate as much of the process as possible, expert review remains crucial to ensure the validity and correctness of the analysis results, with necessary modifications made accordingly.
arxiv情報
著者 | Ali Nouri,Beatriz Cabrero-Daniel,Fredrik Törner,Hȧkan Sivencrona,Christian Berger |
発行日 | 2024-03-14 16:56:52+00:00 |
arxivサイト | arxiv_id(pdf) |
提供元, 利用サービス
arxiv.jp, Google