民航飛行員非技術技能評價模型的研究*

王永剛，劉吉祥,2

(1.中國民航大學 安全學部, 天津 300300; 2 .中國民航大學 經濟與管理學院，天津 300300)

0　引言

安全飛行技能包含技術技能和非技術技能。通過研究顯示，相對于技術技能，非技術技能對飛行安全的影響更大[1]。從近20年的飛行事故中可以發現，三分之二的飛行事故涉及人的失誤[2]，這些失誤不是由技術原因所導致，而是由機組的溝通、合作和決策等非技術技能的不足所導致的[3]。2017年，虹橋機場發生的飛機險相撞事件，正是由于機長高超的非技術技能——正確的判斷，之后果斷起飛，隨即飛機拉升，才避免了一場災難。因此，飛行員非技術技能的高低對飛行安全的影響非常大。但是，目前對于飛行員非技術技能評價的研究較少。歐洲聯合航空局就非技術技能訓練評估提出四維模型最具影響力，即合作、領導與管理、情景意識、決策四維模型[4]。Helmreich等對民航飛行員人因技能進行了調查與分析，確定了5個非技術技能評價指標：團隊管理和機組交流、情景意識和決策、自動化管理、特殊情況處理、技術熟練度[5]；游旭群根據開放式問卷調查和訪談結果，并在當代CRM和TEM 模型以及中國航空安全文化特征研究的基礎上提出了民航飛行員非技術技能的評價指標：自動化系統認識、情景意識與決策、領導與管理、人際交流與合作[6]；牟海鷹在對民航飛行員非技術技能結構分析時，提出了應激管理能力。又有學者研究連續駕駛時間和休息時間對商業駕駛者駕駛表現和恢復的影響時，提出應激反應能力，并且認為其可以通過選擇反應時間來測量[7]。但是，現有對于飛行員非技術技能評價模型的研究從指標的確定到評價方法的選擇上多為定性地判斷飛行員非技術技能的高低，不能較為準確地判斷特定飛行員非技術技能的薄弱環節。為了解決這些問題，本文構建了飛行員非技術技能評價指標體系，運用因子分析-灰色關聯分析結合的評價方法，定量判斷飛行員非技術技能的高低，同時還可以找出飛行員非技術技能的薄弱環節，有的放矢地對飛行員開展針對性的非技術技能培訓，以切實提高民航飛行員的非技術技能，降低事故率，提高民航的安全水平。

1　民航飛行員非技術技能評價指標體系

1.1　評價指標體系的建立

飛行員的非技術技能是指駕駛艙里不直接涉及飛機操作、系統管理、標準操作程序的飛行員的態度和行為[3]。進行飛行員非技術技能評價的基礎是評價指標的確定。據引言敘述，歐洲聯合航空局、Helmreich和游旭群共同提出機組交流與合作、領導與管理、情景意識與決策可以作為飛行員非技術技能的評價指標；牟海鷹與另一位國內學者共同提出應激能力應作為飛行員非技術技能的評價指標[3，7]；Helmreich提出的特殊情況處理屬于應激能力的范疇；Helmreich認為自動化管理是評價飛行員非技術技能的指標；而游旭群在后續的研究中則認為自動化系統認識可以更準確的評價飛行員的非技術技能[6]。

本文綜合歐洲聯合航空局、Helmreich、國內學者的評價指標，確定機組交流與合作、自動化系統認識、情境意識與決策、領導與管理、應激能力作為飛行員非技術技能的評價指標。機組交流與合作可通過團隊意識、職權梯度來衡量；自動化系統意識可通過系統知識、程序操作、自動化管理來衡量；領導與管理能力可通過負荷管理、領導方式來衡量；情景意識與決策能力可通過問題診斷、警覺意識、風險知覺、反饋調整、注意力、速度知覺和深度知覺來衡量[6-7]；應激能力可以通過選擇反應時間來衡量[7]。綜合以上分析，民航飛行員非技術技能指標體系如圖1。

圖1　民航飛行員非技術技能指標體系Fig.1　Index system of the civil aviation pilots non-technical skills

1.2　評價指標體系可信度

為了驗證指標體系的可信度，向有經驗的飛行員、飛行教員發放調查問卷，總共發放問卷125份，收回問卷115份，剔除作廢問卷5份，可用問卷總數為110份。問卷回收率為88%，大于70%，說明此次問卷調查是可行的。

1.2.1信度

經過SPSS運算，其可靠性統計如表1，克隆巴赫系數大于0.7。因此，評價指標體系信度滿足要求[8]。

表1　可靠性統計

1.2.2效度

經過SPSS運算：巴特利特球形檢驗和KMO通過了驗證，如表2，說明此模型做因子分析可行。

表2　KMO和巴特利特檢驗

總方差解釋中，提取了卡方值大于1的5項主成分，并且5項主成分的累積方差百分比達到75.348%，符合要求。旋轉后的成分矩陣如表3所示，每一項指標僅僅在某一個主成分上的載荷大于0.6，因此，評價指標體系的效度滿足要求。

表3　旋轉后的成分矩陣

2　民航飛行員非技術技能評價模型

本文運用灰色關聯分析與因子分析相結合的方法來建立評價模型?；疑P聯分析法是一種多因素統計分析方法[9]，彌補了用數理統計方法作為系統分析所出現的弊端，計算工作量小,應用比較方便，對樣本量的多少要求較低[10]。研究飛行員非技術技能指標體系中部分指標的測量條件比較苛刻，如負荷管理。這導致測量的數據信息不完整，無規律，灰色關聯分析法對此較為適合。因子分析——灰色關聯分析結合的方法相對于單一的灰色關聯分析方法包含了將維的原理，保留了原始變量提供的大部分信息，消除數據重疊的冗余信息。可以描述隱藏的，不宜直接測量的，更基本的隱性變量，從而降低誤判的可能[11-12]。(注：本研究調研的對象為有經驗的飛行員及飛行教員，符合要求的調研人群相對較少，總共發放問卷125份，收回有效問卷110份，樣本量較少)。

灰色關聯分析評價模型[13]如下：

以行業內理想飛行員的非技術技能各指標值作為參考數列X0的各實體Xot，被評價飛行員的各指標值作為比較數列Xi的各實體Sit,求關聯度ri，關聯度越大，說明被評飛行員的非技術技能與理想飛行員的非技術技能越接近，其非技術技能越強，反之，則非技術技能越弱。

2.1　選擇參考數列

飛行員的序號為i，i=1，2，…，m；t為第t個評價指標的序號，t=1,2,…,n；Dit為第i個飛行員的第t個指標的評價值。指標分為定性指標、定量指標。對于定性指標的評價，由專家打分(1～5)進行；對于定量指標的評價，由儀器測量(速度知覺測試儀，深度知覺測試儀，注意力分配測試儀器，反應時間測試儀)得到，均取絕對值。

取每個指標的最佳值的D0t參考書列D0的實體，于是有參考數列：

D0=(d01，d02，…，d0n)，式中：d0t=optimum(dit)，i=1，2，…，m；t=1,2,…,n。

對一個由m個飛行員，n個評價指標的系統，有下列矩陣：

(1)

2.2指標的規范化處理

規范化處理公式如下：

(2)

進行規范化處理之后，得：

(3)

2.3　計算關聯系數

把規范化后的數列Y0=(Y01,Y02,…,Y0n)作為參考數列，Yi=(Yi1,Yi2,…,Yin)(i=1,2,…,m) 作為比較數列，有此公式可得關聯系數：

(4)

式中：i=1,2，…,m；t=1,2,…,n；p是分辨系數，0

進而關聯系數矩陣如下：

(5)

2.4　計算單層次的關聯度

R=(ri)1x m= (r1,r2,…,rm)=WET

(6)

2.5　基于因子分析法的指標權重的確定

1)二級指標權重的確定

據1.2因子分析，得到成分得分系數矩陣，可根據以下公式計算二級指標的權重：

βj=A1F1+A2F2+A3F3+A4F4(Ai表示第i個主因子對第j個二級指標的得分系數，取其絕對值計算，Fi為5個主因子的貢獻率)，再由下式計算二級指標的權重。

(7)

2)一級指標權重的確定

(8)

2.6　計算評價系統的最終關聯度

最終關聯度的計算方法如下:

1)將第二級各指標的關聯系數進行合成，分別得到他們所屬的第一級各指標的關聯度。Rk=Wj×EjT,(Rk為第k個一級指標的關聯度，Wj為第k個一級指標下第j個二級指標的權重，Ej為第k個一級指標下二級指標的關聯系數矩陣)。

3　實例應用

以天津某航空公司飛行大隊為例，依據上述評價模型，隨機抽取5名不同背景的飛行員(編號1～5)。向專家講解飛行員非技術技能指標體系中的每一個指標，并邀請10名專家對5 名飛行員打分。

1)選擇參考數列以及確定各個飛行員的評價值矩陣(經規范化處理后)

參考數列：D0=(5，5，5，5，0，0,1,0，5，5…)，參考數列規范化后：Y0=(1,1,1,1，0，0,0.2,0,1,1,1…)。專家打分規范化處理之后的評價值如表4。

表4　指標規范化處理之后的評價值

2)計算關聯系數

把規范化后的數列Y0作為參考數列，Yi作為比較數列，利用公式計算關聯系數，得到每名飛行員各個指標的關聯系數，如表5。

3)基于因子分析法的指標權重的確定

由2.5的論述，權重計算結果如表6所示。

表5　關聯系數

表6　權重計算結果

4)評價系統的最終關聯度如表7所示。

表7　評價系統的最終關聯度

5)飛行員一級指標關聯度加權值如表8所示。

表8　飛行員一級指標關聯度加權值

6)結果分析

由廣義權距離計算理論可知[15],比較序列距離參考序列越近,關聯度越大。因此，飛行員的最終關聯度越大，其非技術技能與理想飛行員的差距越小，該飛行員的非技術技能越高，否則越低。據以上分析，5名飛行員非技術技能的關聯度排序為：R2>R3>R1>R5>R4。因此編號為2的飛行員非技術技能最強，編號為4的飛行員非技術技能最弱。

根據上述分析，某一個指標的關聯系數越小，說明飛行員在此能力指標上與理想飛行員的差距越大，相應能力就越弱。據此，可識別飛行員非技術技能的薄弱環節。但是一級指標的關聯度大小受二級指標權重的影響，由此，一級指標關聯度加權值能反應飛行員非技術技能的薄弱環節。編號為1的飛行員，指標4的關聯度加權值明顯小于其他3個，說明此飛行員的領導與管理能力比較薄弱。同理，編號為2，3的飛行員，其非技術技能的薄弱環節為應激能力。編號為4的飛行員，其非技術技能的薄弱環節為領導與管理能力，編號為5的飛行員，其非技術技能的薄弱環節為自動化系統認識。

4　結論

1)本文從飛行員的機組交流與合作、自動化系統意識、情境意識與決策、領導與管理、應激能力五個方面構建了飛行員非技術技能評價指標體系。運用因子分析-灰色關聯分析的方法對某航空公司來自于不同背景的5 名飛行員進行非技術技能的評價，定量的判定了5名飛行員非技術技能的高低。客觀反映了飛行員的非技術技能。為航空公司進行績效考核提供數據支持和科學依據。

2)飛行員非技術技能一級評價指標關聯度的加權值能判定飛行員非技術技能的薄弱環節，為航空公司進行飛行員后期的非技術技能的培訓提供有針對性的數據支持。

[1]李永娟. 組織錯誤的表現與類型—核電與民航的研究[D]. 北京：中國科學院心理研究所，2002.

[2]羅曉利. 飛行中人的因素[M]. 成都：西南交通大學出版社，2002.

[3]牟海鷹, 張宏偉. 民航飛行員非技術技能結構分析[J]. 心理與行為研究, 2016, 14(2):241-246.

MOU Haiying, ZHANG Hongwei. Structural analysis of non-technical skills of Civil aviation pilots[J]. Psychological And Behavioral Research , 2016, 14(2):241-246.

[4]Avermaete , J. A. G. , Kruijsen .The evaluation of non-technical skills of multi-pilot aircrew in relation to the JAR-FCL requirements[Z].1998.

[5]Helmreich , R. L. , Butler , R. , et al. The NASA/University of Texas/Federal Aviation Administration Line/LOS Checklist: A behavioral-based checklist for CRM skills assessment[Z].1997.

[6]游旭群,姬鳴. 航線駕駛安全行為多維評價量表的構建[J]. 心理學報,2009,41(12):1237-1251.

YOU Xuqun, JI Min. Construc -tion of multidimensional assessment scale for airline driving safety behavior [J]. Acta Psychologic a Sinica , 2009, 41 (12): 1237 -1251.

[7]Lianzhen Wang , Yulong Pei.The impact of continuous driving time and rest time on commercial drivers' driving performance and recovery[J]. Journal of Safety Research ,2014,(50):11-15.

[8]盧紋岱. SPSS for Windows統計分析.第3版[M]. 北京：電子工業出版社, 2006.

[9]譚學瑞, 鄧聚龍. 灰色關聯分析;多因素統計分析新方法[J]. 統計研究, 1995, 12(3):46-48.

TAN Xuerui, DENG Julong. A new method of statistical analysis based on Grey Relational Analysis [J]. Statistical Research,1995, 12(3):46-48.

[10]徐濤龍. 基于灰色關聯分析的LNG接收終端人因事故辨識方法[J]. 中國安全生產科學技術, 2011, 7(9):97-101.

XU Taolong. Identification method of human accident due to LNG receiver terminal based on Grey Relational Analysis [J]. Journal of Safety Science and Technology , 2011, 7(9):97-101.

[11]呂伏, 梁冰. 基于因子分析的開采層瓦斯抽采方法選擇[J]. 中國安全生產科學技術,2014, 10(7):26-31.

LYU Fu, LIANG Bing. Selection of gas extraction method in mining layer based on factor analysis [J]. Journal of Safety Science and Technology , 2014, 10(7): 26-31.

[12]廖為鯤. 基于因子分析法的城市經濟發展評價[J]. 統計與決策, 2005, 12(24):52-54.

LIAO Weikun. Evaluation of urban economic development based on factor analysis [J]. Statistics & Decision , 2005, 12 (24):52-54.

[13]杜棟, 龐慶華, 吳炎. 現代綜合評價方法與案例精選[M]. 北京：清華大學出版社, 2015.

[14]田水承, 薛明月, 李廣利, 等. 基于因子分析法的礦工不安全行為影響因素權重確定[J].礦業安全與環保, 2013,40(5): 113-123.

TIAN Shuicheng, XUE Mingyue, LI Guangli,et al. Weight determination of influencing factors of miners' unsafe behavior based on factor analysis [J]. Mining Safety & Environmental Protection , 2013,40(5): 113-123.

[15]陳勇剛, 楊曉強. 基于模糊灰色關聯的航空公司機隊可靠性指標的優選[J].中國安全生產科學技術, 2010, 6(3):101-105.

CHEN Yonggang, YANG Xiaoqiang. Optimization of airline fleet reliability index based on fuzzy grey relation [J]. Journal of Safety Science and Technology , 2010, 6(3):101-105.