FAMER - Flerparts kravhantering i samarbete för produktutveckling
| Diarienummer | |
| Koordinator | Göteborgs universitet - Göteborgs Universitet Software Engineering |
| Bidrag från Vinnova | 6 952 604 kronor |
| Projektets löptid | september 2023 - augusti 2026 |
| Status | Pågående |
| Utlysning | Trafiksäker automatisering - FFI |
| Ansökningsomgång | Trafiksäker automatisering - FFI - våren 2023 |
Viktiga resultat som projektet gav
Projektets mål uppfylldes genom utveckling av modeller, metoder och ett ramverk för kravhantering i AI-baserade perceptionssystem. Särskilt betydelsefulla resultat är spårbarhetsmodellen och annoteringsfelstaxonomin, vilka stärker spårbarhet, kvalitetssäkring och samverkan mellan aktörer. Projektet bidrog även med nya metoder för annoteringskrav och ökad förståelse för sambanden mellan krav, annoteringskvalitet och AI-systemens säkerhet.
Långsiktiga effekter som förväntas
Projektet förväntas bidra till ökad mognad i utvecklingen av AI-baserade perceptionssystem inom fordonsindustrin. Genom modeller och metoder för kravhantering, spårbarhet och annoteringskvalitet stärks förutsättningarna för säkra och tillförlitliga AI-system. Anpassningen av spårbarhetsmodellen till ISO 26262, ISO 21448 och ISO 8800 ger stöd för industri och forskning. Resultaten har även uppmärksammats i standardiseringssammanhang och kan bidra till framtida utveckling av ISO 8800.
Upplägg och genomförande
Projektet genomfördes i nära samverkan mellan akademi och industri genom intervjuer, workshops, fallstudier och gemensam utvärdering av framväxande resultat. Arbetet utgick från fyra målområden: gemensamt språk och ramverk, spårbarhet, annoteringskrav samt samverkan mellan aktörer. Under projektets gång omprioriterades vissa aktiviteter i dialog med styrgruppen för att fördjupa arbetet kring annoteringskvalitet och spårbarhet. Samarbetet fungerade väl och målen uppnåddes.