XiaoMi-AI文件搜索系统
World File Search System事故率
波音第二个世纪的 EHS 卓越成就 - 坎贝尔奖
执行摘要 航空业将人们、国家和文化联系在一起。每天，全球有超过 900 万名乘客登上商用飞机。这些飞机中约有一半由波音公司制造。作为全球最大的航空航天公司，波音公司致力于设计和制造历史上最安全的长途运输方式。每 1.5 秒就有一架波音 737 飞机起飞或降落，即可感受这一成就的规模。任何时刻，空中平均有 2,800 多架 737 飞机在飞行。737 已飞行超过 1,220 亿英里，相当于绕地球 500 万圈。吉尼斯世界纪录证实，737 是有史以来产量最多的商用喷气式飞机。2017 年是航空业有史以来最安全的一年。全球没有发生过一架客机坠毁事故。波音致力于让我们的飞机在制造和飞行过程中都同样安全。 20 世纪 60 年代，航空旅行的普及度增长了 100 倍；随之而来的是人们担心航班数量增加会导致事故增多。1 这似乎是一种逻辑关联，但事实上，自 20 世纪 50 年代以来，每十年致命事故率都在下降。这是怎么回事？通过研究航空安全从帆布到复合材料的发展历程，我们看到了航空安全的几个转折点。这些转折点通常以悲剧为标志，随后是重大的安全创新。航空和飞机制造商团结起来，挑战航班增加与风险增加之间的逻辑关联，并立志实现一个看似不合理的目标：零风险。因此，是人类的聪明才智和创新改变了航空安全。五年前，在我们的工厂接连发生三起悲剧事件后，波音公司着手重新发明生产安全，就像我们重新发明产品安全一样。我们回顾了过去的工作场所安全数据，将产品交付率与 2000 年以来的可记录伤害率叠加。我们发现生产水平和伤害状况之间存在关联。产量增加，事故也增加。这似乎是一种合乎逻辑的关联。但在 2013 年，波音领导层在工作场所安全问题上表明了立场，挑战了这种合理的关联，并敢于将伤害事故率降至零。我们再次依靠人类的聪明才智和创新来改变安全状况。我们研究了包括 USG、雪佛龙、陶氏、杜邦、雷神、杜克能源和 UTC 在内的行业领导者的安全计划。接下来，我们进行了更高层次的自我审视，挑战自己重新评估一切，甚至是我们珍视的关于我们做对了什么的想法。我们发现，在我们一百年的增长和多元化历史中，我们的工作场所安全政策和流程日益专业化，我们的组织也本地化了。这种方法在一定程度上是成功的。但我们发现，好是最佳的敌人。我们对改进的持续关注使我们无法达到超越改进的目标，即零伤害。显然，要重塑工作场所安全，我们必须重塑自我。我们与一家咨询公司合作，转变我们的安全文化，并对我们进行新的安全范式培训：所有伤害都是可以预防的。超过 93,000 名波音员工参加了零事故零伤害 (IIF) 2 活动，其中包括文化评估、承诺研讨会、安全文化入职培训、组建零伤害思维领导团队和个人辅导。这一经历使我们公司对安全的看法发生了几乎翻天覆地的变化。领导和员工都表示，培训后，他们再也不能让安全问题得不到解决。
风险管理手册 - 联邦航空管理局
根据美国国家运输安全委员会 (NTSB) 的统计数据，在过去 20 年中，约 85% 的航空事故是由“飞行员失误”引起的。许多此类事故都是由于人们倾向于将飞行训练重点放在驾驶飞机的物理方面，即向学生飞行员传授足够的航空知识和技能，以通过笔试和实践测试。在这种情况下，风险管理被忽视，这可能会导致致命的后果。将风险管理融入飞行训练的持证飞行教练 (CFI) 会教导有抱负的飞行员如何主动识别与飞行有关的安全相关危险并减轻已识别危险的相关风险。风险决策的一个关键要素是确定风险是否合理。飞行所涉及的风险与日常活动中遇到的风险大不相同。管理这些风险需要有意识的努力和既定的标准（或最大风险阈值）。实践有效风险管理的飞行员有预先确定的个人最低标准，并形成了习惯模式和清单来纳入这些标准。如果教授和使用本手册中描述的程序和技术，飞行员将拥有识别飞行潜在危险的工具，并成功减轻与已识别危险相关的风险。目标是降低与不良风险管理相关的通用航空事故率。养成使用风险管理工具习惯的飞行员会发现他们的飞行更加愉快，他们和乘客的压力更小。此外，一些飞机保险公司在飞行员完成正式的风险管理课程后会降低保险费率。本风险管理手册提供了用于识别危险和评估风险的推荐工具，以便以最小的风险进行最安全的飞行。本手册末尾的附录包含有助于风险管理考虑、飞行计划和培训的清单和场景。
航空维修技术手册的人为因素调查
报告的工作是三阶段工作的一部分，旨在确定航空技术手册开发中的人为因素问题，并提出改进这些文件的建议。本研究工作的第一阶段调查了五家制造商用于开发维护文档的程序。在这些制造商采用的开发过程中发现了几个人为因素问题。它们包括被动而不是主动使用用户评估、有限使用用户输入和程序验证、没有系统地尝试跟踪错误以及缺乏衡量文档质量的标准。鉴于第一阶段发现的问题，第二阶段的目标是收集有关技术文档中的错误、手册使用率和用户对手册质量的看法的信息。受访者被要求确定技术文档遇到的问题类型、这些问题的影响以及改进手册的建议。我们还试图收集有关不同公司开发的手册之间的差异的信息。考虑到制造商开发技术文档的方法各不相同，可能可以确定导致更有效文档的技术和程序。简介美国联邦航空管理局已承诺到 2007 年将致命航空事故发生率降低至 1996 年基准事故率的 80% 1 。减少事故的一个重要方面是减少飞机维护期间产生的错误数量。在对飞机维护错误原因的分析中，Johnson 和 Watson 2 认为信息是排名最高的促成原因，大约 38% 的维护错误与信息有关。对美国宇航局航空安全报告系统中有关维护事故的数据进行分析后发现，1986 年至 1992 年 60% 的事故报告和 1996 年至 1997 年 45% 的事故与文件程序有关 3 。进一步对归因于信息的错误进行分析后发现，只有少数案例是由数据错误造成的，而且许多案例都是用户引发的问题。更常见的情况是未参考信息、误解信息或为了采用其他维护程序方法而忽视信息。鉴于技术人员未能正确使用维护信息的案例数量，人们可能会得出结论，应该通过培训或对维护人员采取纪律处分来解决这个问题。然而，这并非表明维护技术人员存在系统性纪律问题，或对技术文档持放任态度，而是反映了技术文档可用性方面的问题。
1945 年至 1988 年海军事故
1989 年 4 月，苏联迈克级潜艇沉没以及战列舰爱荷华号 (BB-61) 爆炸并造成人员惨重损失，这些事件提醒我们，和平时期海事事故是无法避免的。自第二次世界大战结束以来，世界各国海军已发生过 1,200 多起有记录的重大事故，导致数十艘舰船沉没、数百起爆炸和火灾、昂贵的维修和提前退役以及重大人员伤亡。1 这些事故发生在世界各地的造船厂和港口、海港和沿海水域以及公海上。许多事故都非常引人注目并且众所周知。但大多数事故并不为人所知，也很少被宣传。并不存在全面的海事事故历史记录。官方保密（尤其是苏联的保密）以及新闻媒体对报道常规事故的兴趣不一，都是编纂完整记录的主要障碍。如果没有完整的记录，很难确定事故发生频率或类型的波动或变化。此外，海军事故率的变化不一定与更高或更低的运营节奏有关。毫无疑问，自第二次世界大战以来，安全措施、损害准备、船舶控制技术和提高航海技能的辅助手段已经大大改善，但这并没有消除严重的事故。海军事故发生在一个独特的环境中。海洋可能是狂暴的和无情的。海军行动的性质、在无边界介质中近距离机动、爆炸物和其他易燃物质的存在、船舶是危险的地方、充满了移动的机械和电气设备的事实增加了事故发生的可能性，无论是由“天灾”还是人为错误引起的。还有许多事故（美国与苏联、西方与苏联以及其他不友好国家之间的事故）是由侵略性甚至敌对的操纵造成的，这提醒我们，常规的海上活动具有无与伦比的危机或危机升级的可能性。还必须指出的是，美国海军和苏联海军，以及英国、法国和中国海军（程度较小）经常使用搭载核武器的军舰和潜艇。这五个国家也都拥有核动力舰船。这给海军事故带来了额外的维度，即核武器或反应堆被损坏、摧毁或丢失的可能性。核武器和反应堆事故的数量是军事机构严格保密的秘密，但现有信息表明发生了许多严重事故。本报告的结论是，这些事故导致海底有大约 48 枚核弹头和 7 座核动力反应堆。本研究的目的是建立一个有关海军事故的信息数据库，然后调查该记录，以评估和平时期和危机时期海军活动的风险。这项评估将有助于回答有关有争议的核动力舰艇访问外国（和国内）港口的公共安全问题。最后，虽然海军军备控制侧重于核武器类型和数量等大问题，但日常成本和潜在危险却很少被认识或理解，海军核推进的长期影响甚至很少被提及。
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：
数据融合和优化技术，以增强智能城市的自动驾驶性能
Rutgers University，New Brunswick，New Jersey，USA ys820@rutgers.edu *作者应与之交谈。 摘要：研究研究了数据融合和优化技术的使用，以改善智能城市环境中自动驾驶系统的性能。 通过整合来自多个传感器，雷达，摄像机和传感器在内的多个传感器的数据，该系统增强了其对环境的看法和理解。 此外，5G，LTE-V和DSRC Technologies启用V2X通信，促进车辆，基础设施和其他道路使用者之间的实时互动。 该研究采用深度学习和强化学习算法来实时路径计划，障碍检测和能源效率优化。 在各种城市场景中进行的模拟表明，通过优化的车辆操作来显示障碍检测准确性，交通安全性以及减少能源消耗的显着改善。 此外，系统对通信延迟和数据丢失的弹性突出了提议的数据融合和在动态环境中的鲁棒性。 关键字：智能运输系统；连接和自动驾驶汽车；可持续城市；聪明的城市。 被引用为：Sun，Y。，＆Ortiz，J. （2024）。 数据融合和优化技术，以增强智能城市的自动驾驶性能。 人工智能与信息杂志，1，42-50。 取自https://woodyinternational.com/index.php/jaii/article/article/view/50 1。 Yao等。 根据Wang等人的说法。 Liu等。Rutgers University，New Brunswick，New Jersey，USA ys820@rutgers.edu *作者应与之交谈。摘要：研究研究了数据融合和优化技术的使用，以改善智能城市环境中自动驾驶系统的性能。通过整合来自多个传感器，雷达，摄像机和传感器在内的多个传感器的数据，该系统增强了其对环境的看法和理解。此外，5G，LTE-V和DSRC Technologies启用V2X通信，促进车辆，基础设施和其他道路使用者之间的实时互动。该研究采用深度学习和强化学习算法来实时路径计划，障碍检测和能源效率优化。在各种城市场景中进行的模拟表明，通过优化的车辆操作来显示障碍检测准确性，交通安全性以及减少能源消耗的显着改善。此外，系统对通信延迟和数据丢失的弹性突出了提议的数据融合和在动态环境中的鲁棒性。关键字：智能运输系统；连接和自动驾驶汽车；可持续城市；聪明的城市。被引用为：Sun，Y。，＆Ortiz，J.（2024）。数据融合和优化技术，以增强智能城市的自动驾驶性能。人工智能与信息杂志，1，42-50。取自https://woodyinternational.com/index.php/jaii/article/article/view/50 1。Yao等。根据Wang等人的说法。Liu等。Liu等。引言随着城市化的加速，智能城市的发展已成为政府和行业通过数字技术的整合来优化城市生活的关键倡议。这种转变的一个核心是自动驾驶系统的部署，预计该系统将在增强城市流动性，减少交通拥堵并改善道路安全方面发挥关键作用。由高级通信网络和数据驱动基础设施支持的自动驾驶汽车（AV）对于管理日益复杂的城市环境而变得至关重要。（2022）强调，智能城市基础设施对于成功实施自动驾驶汽车至关重要，这指出了数据驱动方法在改善交通管理方面的重要性。尽管有希望在AV技术方面取得了希望，但仍存在一些挑战，尤其是在人口稠密的城市地区。复杂的道路网络，不同的交通状况以及不可预测的行人行为需要复杂的数据处理和实时决策功能。（2024），自主驾驶技术可以大大降低交通拥堵和事故率，但这需要高度准确，及时的传感器数据融合。此外，Zhou等。（2024）指出，在城市环境中，AVS必须依靠Lidar，相机和雷达等传感器的组合，以及车辆到所有的通信系统来收集和处理周围环境的数据。最近的研究表明，多传感器融合解决这些挑战的潜力。此外，Aldeer等人。（2024）证明，将来自各种传感器的数据结合起来增强了AVS检测障碍和更准确预测交通流量的能力。与这些发现一致，Zhang等人。（2024）强调，人工智能（AI），尤其是深度学习和强化学习，通过从多个来源处理复杂的数据集来实现AV系统的实时决策中起着至关重要的作用。（2024）认为，AI与边缘计算技术的集成可以更有效地数据处理，从而提高了自主驾驶的安全性和效率。尽管在整合AI和传感器融合技术方面取得了进展，但在AV系统中的数据融合和优化技术的应用仍然是