• Home
  • Search
  • Software diagnostics for autonomous safety-critical control-systems based on artificial intelligence
  • https://doi.org/10.5821/dissertation-2117-403563Copy DOI Icon

Software diagnostics for autonomous safety-critical control-systems based on artificial intelligence

  • Jul 18, 2023
  • Javier Fernández Muñoz
Show More
  • Abstract
  • Literature Map
  • References
  • Similar Papers
Abstract

(English) Machine Learning (ML) systems allow the efficient implementation of functionalities that can be hard to program by traditional software due to the high spectrum of inputs that hinder the definition of a specific procedural rule set. This characteristic of ML systems has encouraged their adoption in applications such as object detection or image classification in several safety-related domains, which are subject to safety certification. This certification is usually achieved by adhering to traditional functional safety standards such as IEC 61508 or ISO 26262. However, these standards were not devised to accommodate technologies such as ML in safety-related systems due to their development process, which is based on probabilistic models generated from training data, as opposed to traditional software components coded from specifications. Additionally, new challenges arise due to the fact that these ML algorithms need to process large volumes of data, and this requires High-Performance Embedded Computing (HPEC) platforms with computing capabilities far superior to traditional safety systems, such as multicore devices and GPU accelerators. Current functional safety standards do not provide explicit guidance for the use of HPEC platforms in safety-relevant systems, and the inherent complexity of those highly parallel architectures challenges certifications. With this Thesis, we attempt to address these challenges and give a step forward towards the functional safety certification of safety control systems integrating ML components in HPEC platforms. (Español) Los sistemas de aprendizaje automático (ML) permiten la implementación eficiente de funcionalidades que pueden ser difíciles de programar por el software tradicional debido al elevado espectro de entradas que dificultan la definición de un conjunto de reglas procedimentales específicas. Esta característica de los sistemas ML ha fomentado su adopción en aplicaciones como la detección de objetos o la clasificación de imágenes en diversos ámbitos relacionados con la seguridad, que están sujetos a certificación de seguridad. Esta certificación suele lograrse mediante la adhesión a las normas tradicionales de seguridad funcional, como IEC 61508 o ISO 26262. Sin embargo, estas normas no se concibieron para dar cabida a tecnologías como el ML en los sistemas relacionados con la seguridad debido a su proceso de desarrollo, que se basa en modelos probabilísticos generados a partir de datos de entrenamiento, a diferencia de los componentes de software tradicionales codificados a partir de especificaciones. Además, surgen nuevos retos debido a que estos algoritmos de ML necesitan procesar grandes volúmenes de datos, lo que requiere plataformas de computación embebidas de alto rendimiento (HPEC) con capacidades de cálculo muy superiores a las de los sistemas de seguridad tradicionales, como dispositivos multinúcleo y aceleradores con GPUs. Las actuales normas de seguridad funcional no proporcionan orientaciones explícitas para el uso de plataformas HPEC en sistemas relevantes para la seguridad, y la complejidad inherente a esas arquitecturas altamente paralelas supone un reto para las certificaciones. Con esta Tesis, intentamos abordar estos retos y dar un paso adelante hacia la certificación de seguridad funcional de los sistemas de control de seguridad que integran componentes ML en plataformas HPEC.

Similar Papers
  • Single Book

Disfuncionalidad de los Estados nacionales sudamericanos para garantizar el control territorial, la seguridad y la defensa de sus países Red de Política de Seguridad

  • Jan 01, 2024
  • Baeza Freer, Jaime +9
  • Research Article

Percepción de Seguridad en el AGEB 013-7 y su Impacto en el Acceso a la Salud

  • Feb 12, 2025
  • Ciencia y Reflexión
  • Miguel Alberto Gutiérrez Nava +5
  • Research Article

Análisis de la Cultura Preventiva sobre Seguridad Laboral en el Personal Docente y Administrativo del Instituto Superior Tecnológico Martha Bucaram de Roldós

  • Feb 11, 2025
  • Ciencia Latina Revista Científica Multidisciplinar
  • Liliana Carlota Soria Noroña +1
  • Research Article

Incidencia de la salud mental en los patrones del comportamiento del consumidor: Análisis de teoría de juegos

  • Mar 28, 2025
  • Revista IECOS
  • Fausto Danilo Erazo Guijarro +3
  • Research Article
  • Citations1

Provenance as a Machine Learning Non–Functional Requirement: Trends and Future Directions

  • Mar 01, 2026
  • International Journal of Semantic Computing
  • Lynn Vonderhaar +2
  • Dissertation

Economía de los vehículos vacíos de carga y logística colaborativa

  • Jan 01, 2024
  • Dario Andres Farren Spencer
  • Conference Article

Similarities of Testing Programmed and Learnt Software

  • Apr 01, 2023
  • Felix Dobslaw +1
  • PDF
  • Research Article

Análisis de las prácticas, procedimientos y regulaciones relacionadas con la seguridad y la salud en el entorno aeronáutico

  • Jun 07, 2024
  • MQRInvestigar
  • Fausto Miguel Vásquez-Aguirre
  • Dissertation
  • Citations1

Towards reliability in collaborative filtering recommender systems

  • Sep 01, 2018
  • Bo Zhu
  • Research Article

Un nuevo camino para proteger la vida del nasciturus tras la Sentencia del Tribunal Constitucional de 9 de mayo de 2023: la vía civil

  • Apr 04, 2025
  • Revista de Derecho y Genoma Humano
  • Carmen Florit Fernández
  • Dissertation

Accelerating Computational Fluid Dynamics with Unsupervised Learning-Based Mesh Adaptation

  • Jul 16, 2025
  • Kenza Tlales
  • Dissertation

Ecología espacial y prioridades de conservación en reptiles nativos que habitan relictos de pastizal del Sistema Serrano de Tandilia

  • Jul 31, 2024
  • David Gustavo Vera
  • Book Chapter
  • Citations14

Empirical Analysis of Hidden Technical Debt Patterns in Machine Learning Software

  • Jan 01, 2019
  • Mohannad Alahdab +1
  • Research Article

Machine Learning aplicado a la predicción de pacientes en EPS: una revisión de literatura

  • May 05, 2025
  • Cuaderno activa
  • Johnny Urrego Piedrahita +1
  • Book Chapter
  • Citations1

A Process-Oriented Approach for Functional Safety Implementation in the Automotive Industry

  • Jan 01, 2012
  • Maria Antonieta Garcia +3
Cactus Communications logo

Copyright 2026 Cactus Communications. All rights reserved.