基于信息熵與灰色關聯法的航空裝備維修差錯致因研究

張雨琦，谷 雨

（中國飛行試驗研究院，陜西 西安 710089）

1 引言

21 世紀以來，飛機本身的安全性、可靠性越來越高，人為差錯已經逐漸成為導致航空安全事故的主要原因之一[1-2]，由維修差錯引起的事故及事故征候占比例逐年上升[3]。目前，對于維修差錯影響因素的分析，多采用定性分析或針對指標維度的單維度定量分析，例如有貝葉斯網絡法[4]、灰色關聯法[5]、模糊網絡分析法[6]等，其結果仍然存在一定的主觀性。

本文采用SHELL 模型對維修差錯影響因素進行分類，融合信息熵法和灰色關聯法構建航空維修差錯人為因素二維分析模型，給出影響因素等級排序，并給出對應的風險提示及規避措施。

2 維修差錯影響因素集構建

SHELL 模型通過研究人與硬件、軟件、環境、人四個要素見的相互作用，為建立維修差錯的致因體系框架提供了理論基礎。參考民航局咨詢通告《航空人員的維修差錯管理》以及國際民航組織航空維修人為因素指導手冊中不安全事件誘因中的12 大類，結合SHELL 模型進行重新組合劃分，建立人為因素為中心的維修差錯誘發因素集，如圖1 所示。

圖1 航空裝備防差錯評價要素體系圖

3 基于信息熵與灰關聯算法的影響因素排序模型

灰色關聯是量化系統各因素關聯程度的重要方法，可以找出影響指標值的重要因素，掌握事物的有效特征。但灰色關聯法計算過程中數據采用等權處理，忽略了系統因素的影響程度。信息熵算法可用來衡量歷史數據效用價值的大小，信息熵越大，信息的不確定性就越大，其效用值越小；反之亦然[7-8]。信息熵分析能夠求解系統內各個指標的熵，修正權重。本文采用信息熵算法分析歷史數據對于維修差錯致因影響因素的效用價值，并作為權重系數代入灰色關聯法，以提高系統整體關聯度分析的客觀準確度，彌補傳統灰色關聯度算法等權重處理的不足。

首先，如果樣本數據構成矩陣X，則根據式（1）將其進行標準化處理得到矩陣Y，其中且0<β<1，再根據式（2）計算影響因素指標的信息熵與熵權；記母序列Q0′，各指標數據構成比較序列Qi′（i=1，…，n）。數據序列構成矩陣Q′，并進行無量綱化；根據式（3）計算關聯系數，取ρ=0.5。將權重wj代入式（4），求得熵權灰關聯度：

4 維修差錯影響因素案例分析

首先，選取某航空維修單位2006—2010 年的航空維修差錯統計原始數據匯總歸類后，使用信息熵算法對5 年的維修差錯數目進行的權重分析。

原始數據如表1 所示。

表1 維修差錯誘發因素統計數據（2006—2010 年）[9]

根據式（1）（2）進行信息熵分析，得到各每一年的權重，再將每一年的維修差錯數目統計總數，構成母序列Q0′，2006—2010 年的維修差錯誘因數據構成比較序列Qi′。使用式（3）進行關聯系數計算，代入權重，使用式（4）得到最終的熵權灰關聯度如圖2 所示。

圖2 航空維修差錯影響因素熵權灰關聯度圖

由計算結果得，維修文件、維修環境、設備工具三個因素關聯度較高，說明維修文件不充分、維修環境不舒適以及維修設備工具配備不到位作為維修差錯的致因，屬于嚴重影響因素。因此，制訂預防維修差錯事故的方案應當綜合考慮以上維修差錯致因因素的重要程度，建立規范的維修文件資料，重視維修工程技術部門針對適航指令、咨詢通告等維修文件的規范化編寫最為重要；加強維修環境人因工程的設計考慮，提供必要的維修作業防護裝備；考量維修設備工具的合理性和充分性；重視完善計劃監督體制，加強維修管理和監督，防止維修監督走形式的情況發生對于預防維修差錯同樣有效。

5 結論與分析

本文結合SHELL 模型，分析構建了維修差錯的影響因素集，并在此基礎上，搜集人為因素案例的歷史數據，引入信息熵算法以年份為度對歷史數據進行權重分析，融合灰色關聯算法，在信息熵權重分析的基礎上，進行維修差錯影響因素的灰色關聯分析，給出影響因素的排序：維修文件、維修環境、設備工具、信息溝通、計劃和監督、工作任務與分配、器材管理、飛機設計及構造、組織機構、知識技能、身心因素。最終根據影響因素排序情況，有針對性地提出了維修差錯規避措施及防控建議。