淺析大數據和人工智能在民航維修安全管理的應用

陳毓夔

摘? 要：目前國內絕大部分的民航生產經營單位已根據中國民用航空總局頒布的有關規定和咨詢通告實施了安全管理體系（Safety Management System，SMS）建設，也初步建立了全面的安全管理體系效能評估的方法，然而如何使用現代科技手段，例如利用大數據和人工智能等，更加全面、準確、動態地掌握安全狀態，實施針對性的安全管理，從而達到控制或降低安全風險至可接受安全水平的目的，該文對其可行性應用展開了初步的研究。

關鍵詞：安全管理? 安全績效管理? 大數據? 人工智能

中圖分類號：F27 ? ? ? ? ? 文獻標識碼：A 文章編號：1672-3791（2020）08（a）-0045-03

A Brief Analysis of the Application of Big Data and Artificial

Intelligence in Maintenance Safety Management? ? ? ? ? ? ? ? ? ? ? ? ? of Civil Aviation

CHEN Yukui

（Flightparts （Xiamen） Component Services Ltd， Xiamen， Fujian Province， 361009 China）

Abstract： At present， the majority of civil aviation production and business entities in China have implemented the Safety Management System （SMS） in accordance with the relevant regulations and advisory circulars issued by the General Administration of Civil Aviation of China， and also initially established a comprehensive safety management system effectiveness evaluation. However， the method of how to use modern means of science and technology， such as the use of big data and the artificial intelligence and so on to set up SMS construction ，and to grasp the safety status more comprehensive， accurate， and dynamically， also implement targeted safety management， so as to control or reduce the safety risk to an acceptable level of safety， the purpose of this article has launched the preliminary study of the feasibility of the application.

Key Words： Safety management; Safety performance management; Big data; Artificial intelligence

民航生產經營單位的安全管理體系雖然已建立，結合最近的安全績效管理方法，極大程度地提高了安全管理水平，如果在此基礎上引進大數據和人工智能手段，對全面的安全管理有更大的提升。該文采用安全管理中的部分數據淺析和論證大數據和人工智能在安全管理應用的可能性。

1? 民航維修安全管理現狀

民航維修管理的理論和實踐發展，促使維修質量管理從最初單一的產品檢驗、過程控制，逐步發展為實施系統審核和全面質量管理，隨著《AC-145-15 維修單位的安全管理體系》的頒布，各民航生產經營單位建立了正式的、自上而下的、有條理的以風險管理為基礎的安全管理體系，包括風險管理、安全政策、安全保證和安全促進等程序、措施和政策。

為了實現全面的安全管理體系效能評估方法，2017年4月，民航局航空安全辦公室發布了《MD-AS-2017-01民航生產經營單位安全績效管理指導手冊》，各民航生產經營單位先后建立了以設立安全績效指標、安全績效目標、安全行動計劃、安全績效監測和安全績效改進等安全績效管理方法。

2? 民航維修安全管理存在的問題

民航維修的安全管理體系涉及相關因素多、交聯性強且人為因素復雜，可以說，民航維修的安全管理是一個具有多個控制層次、同一層次要素直接的關聯性強、控制層級之間相互約束要求高以及人為因素多等特點的復雜系統。

在風險管理的過程中，對于危險源風險識別和評估，主要采用以下兩種。

2.1 頭腦風暴型

通常采用由管理者、監督檢查人員和部分員工組成的以人數為單數的安全小組成員對危險源進行識別和評估，管理者或監督檢查人員提出危險源和其風險等級，安全小組成員投票決定結果。該方法的特點是操作簡單，說服性高。但是缺點是評估結果受限于管理者和監督檢查人員的業務水平，而且在風險等級較高的危險源評估時會出現意見不一致的情況。

2.2 專家評估型

由經驗豐富的專家對危險源進行識別和評估。該方法的特點是迅速和經濟。缺點首先是專家的稀缺性，其次是評估上容易存在經驗主義，且說服力低，對于風險等級較高的危險源評估上容易受限于頂層和商業壓力。

可見，對于風險等級較高的危險源，這兩種風險等級評估模式或多或少存在一定的弊端，因為風險等級較高的事件通過歷史參考數據的可能性分析上會存在不準確且無法真實模擬，例如：垂直安定面的人員高空墜落，沖壓渦輪意外放出。

3? 大數據和人工智能

3.1 大數據

大數據（Big Data）是指無法在一定時間范圍內用常規軟件工具進行捕捉、管理和處理的數據集合，是需要新處理模式才能具有更強的決策力、洞察發現力和流程優化能力的海量、高增長率和多樣化的信息資產。大數據的5V特點（IBM提出）：Volume（大量）、Velocity（高速）、Variety（多樣）、Value（低價值密度）、Veracity（真實性）。

3.2 人工智能

人工智能（Artificial Intelligence），它是研究、開發用于模擬、延伸和擴展人的智能的理論、方法、技術及應用系統的一門新的技術科學。所謂人工智能，其實就是指賦予電子信息產品以人的思想，使其按照人類的思維模式進行相應操作。

4? 引入大數據和人工智能的可行性分析

在安全管理體系中，識別危險源后，要對危險源進行風險分析。風險分析主要考慮兩個方面的因素：嚴重性和可能性，即危險源導致后果的嚴重程度和可能導致這種后果的概率。因篇幅有限，該文僅根據“沖壓渦輪意外放出”的事件為例進行可行性分析。

在“沖壓渦輪意外放出”的事件中，我們通過圖1可以初步了解到渦輪釋放的邏輯，采用“Root Cause 二八分析法”分析出意外釋放中有5個危險源，其中“行為偏離”的危險源（注：空速管的管套密封太緊，導致部分壓力封在空速管內，造成了慣導指示錯誤，對飛機整機斷電后正好滿足了沖壓渦輪自動放出的條件（雙發故障（未啟動），AC電源故障（飛機斷電），空速100KTS左右））通過“權重”計算，可以得出“整責比”是：51.2%。

4.1 大數據—可能性分析的保障

使用大數據在可能性分析時，可以把危險源可能性抓取邏輯設定為：危險源實際發生率=∑（N×n.n%）（N為周期內所有涉及本危險源的事件次數，n為權重值），假設今年發生兩起“沖壓渦輪意外釋放”事件，則“行為偏離”的危險源可能性數值計算后可以得到“發生次數/年”=1（沖壓渦輪意外釋放1）×51.2%+1（沖壓渦輪意外釋放1）×51.2%=102.4%，相當于每年發生1次。擁有大數據，在匹配和計算可能性數值時可以將行業內的同類信息加入，在權重上再乘于10%，可以得到更準確的數值。

4.2 人工智能—嚴重性分析的保障

對于“沖壓渦輪意外釋放”的事件，嚴重性評價是非常困難的，僅采用頭腦風暴和專家評估，是不能真正意義上確定其風險等級，如果謹慎起見，嚴重等級評價過高，在風險管控上就勢必得采取冗余的措施，耗費資源，浪費人力、物力、財力。如果采用人工智能，模擬真實沖壓渦輪意外釋放的事件，可以準確計算出釋放以后對人員的損傷程度、設備的毀壞程度，這些都量化到數值上，再采用大數據分析，就可以得到準確的嚴重性數值。

如此以來，只要通過輸入事件編號，計算機就能立即抓取相關數據，計算并采用人工智能模擬出該危險源的嚴重性，從而算出風險等級。

在特定情況下，通過大數據和人工智能模擬出來的風險等級數值似乎是衡量人為差錯，實際上，該風險等級反映的不是某個體的人為差錯，而是系統在人為差錯控制方面的效果和管理上存在的缺陷，風險值的波動會體現整體安全行為的變化，其背后的原因分析必然會采用系統安全的分析方法，就能驗證安全管理體系實施的效能，保持持續安全水平，促使安全管理體系發揮更大的作用。

5? 結語

該文僅僅針對大數據技術以及人工智能方面在民航維修安全管理中的應用分析，在借助大數據和人工智能技術的支持下，可以為安全管理體系提供更大的支持。然而，大數據和人工智能技術是一把雙刃劍，在大數據與人工智能技術的融合到安全管理體系過程中，應注意防范相關安全風險，從而更好地推動民航安全管理體系的發展。

參考文獻

[1] 宋云雪.基于廣義線性回歸模型的飛機維修單位風險管理研究[J].科技通報，2016，32（1）：215-219.

[2] 周曉垣.人工智能：開啟顛覆性智能時代[M].北京：臺海出版社，2018：240-245.

[3] 董媛媛，董小兵，林曉晨.數據時代下的學術期刊：從單一數字化到多元數據化的轉變[J].視聽，2019（7）：241-242.

[4] 田嘯.大數據環境下計算機應用技術研究[J].電腦知識與技術，2019（14）：246-247.

[5] 張春鵬.論民航維修管理的幾點改進措施[J].科技創新導報，2018（2）：205-206.

[6] 郭勇.機務維修人員疲勞風險評價模型及管理系統實現[J].科技創新導報，2019（6）：165-166.

[7] 武利峰.大數據在空管安全管理中的應用探究[J].科技創新導報，2018（27）：188-189.