本报告讨论了分析工具在航空公司飞行安全管理系统中的作用。它总结了 GAIN 工作组 (WG) B 开展的几项活动的调查结果,这些活动旨在确定和记录航空公司飞行安全部门对分析方法和工具的使用情况,以及确定改进分析方法和工具的需求。该报告还讨论了 GAIN 计划未来可能采取的行动,以支持和促进此类工具的更广泛使用。该报告是 WG B 于 2003 年 6 月发布的上一份报告《分析工具在航空公司飞行安全管理中的作用》的扩展和更新版。当前版本进一步强调了正式安全管理系统 (SMS) 在航空公司运营中日益重要的作用,并反映了 WG B 最近的活动。
工作组成员认识到,航空公司、机场、政府机构和其他航空服务提供商的单独计划和协调合作对于成功将长时间机上地面延误对乘客的影响降至最低至关重要。鉴于这一原则,敦促所有航空服务提供商酌情修改其个人响应计划,以符合本文件中的建议。还敦促他们在每个机场成立地面延误委员会,以制定协调的协作计划流程,以应对长时间机上地面延误。工作组认为这两个步骤是承诺妥善处理地面延误期间乘客长时间机上滞留的重要证据。
新西兰航空学院是新西兰唯一一家从初始培训到商业执照培训都使用触摸屏玻璃驾驶舱飞机的固定翼培训提供商。这些现代化的训练飞机配备了包括四级地形警报、合成视觉、移动地图显示和交通意识(ADS-B 输入和输出)在内的技术。虽然 NZAAL 的基础是提供高质量的态势感知和飞行技能培训,但发起人的理念是提供市场上最新的技术和安全功能,这样如果学生发现自己处于困境中,就不会有生命损失。NZAAL 是新西兰第一家也是唯一一家投资电子一氧化碳探测器的 FTO,该探测器可在玻璃驾驶舱显示屏上提供听觉警报和视觉警报。
大型干线航空公司和小型区域航空公司运营着超过 7,000 架商用飞机,共有超过 66,000 个飞行员岗位。经过十年的动荡,行业增长受到抑制,自 2000 年以来航空公司雇用的飞行员数量减少,最近的行业预测表明全球航空业已准备好实现增长。然而,利益相关者表示担心,即将退休、退伍飞行员减少以及新规定增加成为航空公司副驾驶所需的飞行小时数,可能会导致合格的航空公司飞行员短缺。美国政府问责署被要求审查飞行员的供需问题。本报告描述了 (1) 现有数据和预测揭示了航空公司飞行员的需求和潜在可用性,以及 (2) 行业和政府正在采取或可能采取哪些行动来吸引和留住航空公司飞行员。美国政府问责署收集并分析了 2000 年至 2012 年的数据、2013 年至 2022 年的预测以及与航空公司飞行员劳动力市场相关的文献,并审查了文件并采访了机构官员,了解支持培训的计划。美国政府问责署采访并收集了代表航空公司或其飞行员的协会以及飞行员学校的数据,这些协会占 2012 年专业飞行员专业毕业生的一半左右。美国政府问责署根据规模和位置等因素选择了航空公司和学校。美国政府问责署未在本报告中提出建议。交通部和其他部门对报告草案提供了技术说明,美国政府问责署已将其纳入其中。
有关数字创新的信息。后半部分解释了研究中使用的方法、数据解释,然后得出结论。这项研究将有利于其他研究人员更详细地研究和调查有关后新冠疫情航空公司和航空业创新的相关工作。由于新冠疫情尚未消失,时间可能会影响研究结果。因此,研究人员可以将这项研究作为安排进一步研究概念的基本组成部分。其次,这项研究将使低成本航空公司受益,特别是在指导后新冠疫情更好的准备方面。低成本航空公司可以利用这项研究与公司政策相结合,找到最佳策略和准备,以生存并满足员工的期望。关键词:创新、期望、新冠疫情、航空业
Adaptigent 使组织能够释放其核心系统的潜力,从而实现企业级创新。该公司的产品以 Adaptive Integration Fabric 为主导,通过创建动态的无代码层帮助 IT 组织提供实时、业务就绪的结果,该层允许现代应用程序访问遗留系统中的全部数据宝库。它以 35 年以上的数字转型专业知识为基础,受到许多全球最大公司的信任,包括瑞士信贷、安盛、洛克希德马丁和卡特彼勒,以加速他们的 IT 现代化工作。
商业航空服务业竞争极其激烈,对安全极为敏感,而且技术含量高。人、员工和客户,而不是产品和机器,必须是组织核心竞争力的领域。与任何其他商业组织一样,航空公司的成功在很大程度上取决于影响组织结构、战略、文化和众多运营活动的管理决策。该行业是一个知识型服务市场,要求从业者或管理者掌握扎实的管理理论和实践知识。有些管理者能够凭借其在工作中的实践经验做出正确的决策。其他人之所以能够做到这一点,是因为他们在学校学到了知识。总而言之,学术知识并不是浪费,因为它为所做的决定提供了理由。
本文讨论了机票的问题。为此目的选择了一组定义典型飞行的特征,假设这些特征会影响航空机票的价格。航班票价取决于不同参数,例如飞行时间表,目的地和持续时间,各种场合,例如假期或假期季节。因此,在预订假期之前对飞行价格有基本的了解无疑会节省许多个人的金钱和时间。分析3个数据集以获取有关航空公司票价的见解,以及三个数据集的功能应用于用于预测航空公司票价的七个不同机器学习(ML)模型,并将其比较。目标是调查确定飞行成本的因素。然后,数据可用于创建预测飞行价格的系统。关键词:航空公司票价的预测,机器学习技术,算法
IATA(国际航空旅行协会)和国际民航组织(国际民航组织)是航空和航空行业的领先团体,他们已将航空法规分配给了5,000多个本地,地区和国际航空公司。在Covid-19危机之前,有1,126家商业航空公司运营超过1600万航班,每年载有45亿个客户[1]。美国航空公司是美国主要(美国)航空公司,每天约5900架航班(每月转化为〜70000航班),约为900人的机队尺寸[2]。在如此庞大的规模上平稳,经济有效地运行航空公司运营需要复杂的计划和安排。航空公司公司经常使用优化工具来实现这一目标,以实现飞行计划,车队任务,飞机维护和乘员安排。具体来说,航空公司的工作人员调度是一个计算密集的问题,具有大型数据集和许多复杂的约束。通常将其作为两部分问题依次解决 - 乘员配对,然后是船员名册。