본 논문은 전통적인 FMEA (Failure Mode and Effects Analysis)를 보다 지능적이고, 데이터 기반이며, 의미론적으로 풍부한 프로세스로 변환하기 위한 최신 연구 동향을 소개한다. 인공지능 (AI), 머신러닝, 자연어 처리 기술을 활용하여 FMEA를 자동화하고, 운영 데이터로부터 고장 예측, 우선순위 결정, 지식 추출을 수행하며, 온톨로지를 통해 시스템 지식을 형식화하여 추적성을 개선하고 상호 운용성을 확보하는 방안을 제시한다. 또한 온톨로지 기반 학습 및 대규모 언어 모델 통합과 같은 하이브리드 접근 방식을 통해 설명 가능성과 자동화를 향상시키고, MBSE (Model-Based Systems Engineering) 및 기능 모델링과의 통합을 통해 FMEA 워크플로우를 개선한다.
