XiaoMi-AI文件搜索系统
World File Search SystemSHEL
航空事故分析中的人为失误方法
图 1.1 第一起致命航空事故 2 图 1.2 1961-99 年全球商业航空公司整体和致命事故 3 图 1.3 美国通用和军用航空的事故趋势 4 图 1.4 1950 年至 2000 年间美国海军航空事故率和干预策略 5 图 1.5 原来的直线型航母飞行甲板和改进的斜角型航母飞行甲板 6 图 1.6 1996 年至 2000 财年美国海军/海军陆战队事故的经济成本 8 图 1.7 商用喷气式飞机事故数量、事故率和交通量增长 – 过去、现在和未来 9 图 1.8 与人为错误相关的海军航空事故率与仅归因于机械或环境因素的事故率 11 图 1.9 工程调查和预防过程 13 图 1.10 人为错误过程循环 17 图 2.1 信息处理的基本模型 21 图 2.2 决策模型 22 图2.3 评估机组失误的分类框架 24 图 2.4 SHEL 模型 27 图 2.5 事故成因模型。成功完成任务（顶部）；未成功完成任务（底部） 29 图 2.6 Peterson 的动机、奖励和满意度模型 31 图 2.7 事故成因的流行病学模型 33 图 2.8 影响机组失误的社会因素 35 图 2.9 事故成因的多米诺骨牌理论 38 图 2.10 驾驶舱操作的四个“P” 41 图 3.1 生产系统的组成部分 46 图 3.2 事故成因的“瑞士奶酪”模型 47 图 3.3 机组人员实施的不安全行为的类别 51 图 3.4 不安全行为的先决条件类别 56
CIRRELT-2020-36
一般而言，航空事故和事件是罕见事件，航空安全管理系统会采取快速有效的补救措施。2017 年，全球有超过 36 .预计全球有 600 万次起飞，但仅发生 88 起事故，其中 5 起致命事件，50 人死亡（ICAO Safety，2018a）。从 2013 年到 2018 年，每百万次起飞的事故率一直在 3% 左右浮动。尽管这是积极的一面，但开发智能支持解决方案的数据可用性在某种程度上受到限制。此外，世界各组织之间的标准和准则协调是一个相对较新的话题（始于 2010 年）。然而，随着全球数据和共享数据库系统的聚合可供所有组织使用，这两个因素不再被视为创建用于特定目的（如人为因素检测）的支持性智能系统的障碍。据估计，使用此类工具将大大减少调查人员重新分析报告所花费的时间，减少他在此过程中的努力，最后但并非最不重要的是，将自动为 ADREP（ICAO ADREP，2019）做出贡献，即由国际民航组织在全球范围内运营和维护的事故/事件数据报告系统。ADREP 系统接收、存储并向组织提供事件数据，以协助他们验证安全性。随着技术向平原可靠性方向发展，注意力转移到人为因素 (HF)。人为因素时代将机组人员的概念推到了前台，并关注个人的行为，但个人与组织之间的关系仍然不明确。更详细的研究和统计结果分析导致了组织因素的分类（作为人为因素的重要组成部分），其中包括组织文化和复杂环境的运营背景。在分析事故时，调查人员的工作首先是确定导致事故事件的“根本”因素。从这些人为因素（Hawkins，1993 年；航空安全改进工作组，2005 年；国际民航组织，1993 年）中，调查人员可以着手起草安全建议和补救措施，以消除可避免的人力、经济和社会成本。从事故全文报告中提取有价值的信息是关键的一步，这可以由能够处理自然语言的自主系统来支持。目前，该过程的自动化程度较低，仅限于使用标准事故因果关系模型（称为 SHEL（Reason，1992 年，1990 年））标记每个事件。该概念模型是航空业广泛使用的工具，可以分析多个工业系统组件之间的相互作用，例如四个大写字母缩写中分类的组件：