评估师翻开 DFMEA,指着一行问:"这个失效模式严重度评 9,依据是什么?和危害分析里那个事件的 S3 怎么对应?"
工程师翻了十分钟,答案是"我们再确认一下"。
被打回的理由千奇百怪,根因通常只有三个。反过来说,做到这三个前提,首过率 90%+ 不是口号,是能复现的结果。
这是被打回原因的第一名——FMEA 的严重度评级和危害分析脱节。
常见的形态就两种:要么危害分析把某危害事件定成 S3(危及生命),FMEA 里对应的失效模式严重度却评了 7;要么危害分析更新了一版,FMEA 还停在旧评级。
评估师必查这条链,它是"安全分析是不是形式主义"的试金石。两份文档对不上,说明它们是被分别维护的——而分别维护,就说明分析之间没有真实的数据流。
解法是用单一数据源。 危害事件、S/E/C 评级、安全目标是同一数据对象,FMEA 的严重度从危害分析派生,上游一变,受影响的行自动标出。一致性从机制上保证,不靠工程师"记得同步"。
被打回原因的第二名——措施写了,证据没有。
FMEA 里写"增加看门狗监控",评估师接着问三个问题:这个安全机制的安全需求是哪一条?对应的测试用例是哪个?测试结果如何?
链条断在任何一环,这条措施等于没写。
ASIL D 对诊断覆盖率的要求(如 SPFM ≥ 99%)让这个问题更尖锐:每条措施都关联度量计算,证据一缺,安全等级分解的论证直接被动摇。
解法是让措施即需求。 每条措施强制挂到安全需求条目,需求挂测试,测试挂结果。"措施链闭没闭环"成了系统能自动校验的属性,而不是评审现场的惊喜。
这一条更隐蔽:同一份文档里,同一个失效机理出现三种写法;两位工程师对相似失效给出相差两级的频度评分。
这在评估师眼里不是笔误,是信号——团队没有统一的分析基准,这份 FMEA 是"分工拼出来的",不是"分析出来的"。
解法是模式库加机器校验。 内置按功能域组织的失效模式库与评级准则,对全表做术语与评级合理性校验——比如提示"这个失效模式的 O 值明显偏离同类条目,请复核"。工程师聚焦判断,一致性交给规则。
回看这三条,一个共同点:它们都不是分析能力问题,是数据工程问题。
一致性、闭环性、统一基准,恰恰是机器最有把握解决的层面,也是人最容易在几十页表格里出错的层面。分工很清晰:机器保证 FMEA 作为"数据"严谨,安全工程师保证它作为"分析"正确,具备评估资质的人终审,保证它作为"证据"站得住。
首过率 90%+,就是这么垫出来的。
得说清楚:目前行业内没有关于"AI 生成 FMEA 准确率"的权威公开基准。这篇讲的是"三个前提",不是"准确率提升了多少"。
如果选型时听到某个百分比,建议追问三件事:样本是什么、对照真值是什么、谁做的评测。
三个前提都不是分析能力问题,是数据工程问题。
FMEA 和危害分析,在你们那儿是同一份数据,还是两份文档?
