SAFE-Robot: Uma Abordagem para Sistematizar a Elaboração de Casos de Garantia de Segurança que Auxilie na Certificação de Sistemas Robóticos
Notice bibliographique
Résumé
Contexto: Os sistemas robóticos estão presentes em nosso dia-dia, seja no trabalho colaborativo dentro das indústrias ou em casa auxiliando pessoas em diversas tarefas, acarretando um convívio intensivo com os seres humanos.Estas relações humanos-robôs precisam ser prudentes e planejadas, uma vez que são Sistemas Críticos (SC), onde a falha pode acarretar danos irreparáveis.Na maioria das vezes esses sistemas precisam ser certificados por órgãos reguladores que exigem evidências de segurança, o que não é um processo simples em função do grande volume de informações e artefatos que devem ser disponibilizados.Apesar da evolução constante das normas e dos processos de certificação, pesquisas científicas e de organizações internacionais relatam que existe uma grande dificuldade em descrever, de forma clara e rastreável essa documentação, por isso entidades regulatórias tem adotado os Casos de Garantia de Segurança (CGS) para auxiliar nesse processo.Objetivo: Propor uma abordagem que sistematize a elaboração de Casos de Garantia de Segurança, auxiliando o processo de certificação para sistemas robótico.Método: Aplicação de uma abordagem orientada para a melhoria evolutiva, dividida nas fases: informativa, analítica, proposicional e fase avaliativa.Conclusão: Desenvolver uma abordagem para sistematizar a elaboração de Casos de Garantia de Segurança, visando a construção de argumentos convincentes endereçando as evidências no auxilio da certificação de sistemas robóticos.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,015 | 0,025 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,001 | 0,003 |
| Bibliométrie | 0,004 | 0,002 |
| Études des sciences et des technologies | 0,004 | 0,006 |
| Communication savante | 0,011 | 0,012 |
| Science ouverte | 0,006 | 0,010 |
| Intégrité de la recherche | 0,005 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,011 | 0,007 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».