Resumen:Este artículo presenta una revisión del estado del arte de los avances recientes destinados a transformar el análisis modal y de efectos de fallas (FMEA) tradicional en un proceso más inteligente, basado en datos y semánticamente enriquecido. A medida que los sistemas de ingeniería crecen en complejidad, los métodos AMEF convencionales, en gran medida manuales, centrados en documentos y dependientes de expertos, se han vuelto cada vez más inadecuados para abordar las demandas de la ingeniería de sistemas moderna. Examinamos cómo las técnicas de Inteligencia Artificial (IA), incluido el aprendizaje automático y el procesamiento del lenguaje natural, pueden transformar el AMEF en un proceso más dinámico, basado en datos, inteligente e integrado en modelos al automatizar la predicción de fallas, la priorización y la extracción de conocimientos a partir de datos operativos. Paralelamente, exploramos el papel de las ontologías en la formalización del conocimiento del sistema, apoyando el razonamiento semántico, mejorando la trazabilidad y permitiendo la interoperabilidad entre dominios. La revisión también sintetiza enfoques híbridos emergentes, como el aprendizaje basado en ontologías y la integración de grandes modelos de lenguaje, que mejoran aún más la explicabilidad y la automatización. Estos desarrollos se discuten dentro del contexto más amplio de la ingeniería de sistemas basada en modelos (MBSE) y el modelado de funciones, mostrando cómo la IA y las ontologías pueden respaldar flujos de trabajo FMEA más adaptables y resilientes. Analizamos críticamente una variedad de herramientas, estudios de casos y estrategias de integración, al tiempo que identificamos desafíos clave relacionados con la calidad de los datos, la explicabilidad, la estandarización y la adopción interdisciplinaria. Al aprovechar la IA, la ingeniería de sistemas y la representación del conocimiento mediante ontologías, esta revisión ofrece una hoja de ruta estructurada para incorporar AMEF en entornos de ingeniería inteligentes y ricos en conocimiento.
Publicado originalmente en export.arxiv.org el 25 de noviembre de 2025.
Ver fuente original
