淺析大數(shù)據(jù)和人工智能在民航維修安全管理的應(yīng)用

陳毓夔

摘? 要：目前國內(nèi)絕大部分的民航生產(chǎn)經(jīng)營單位已根據(jù)中國民用航空總局頒布的有關(guān)規(guī)定和咨詢通告實(shí)施了安全管理體系（Safety Management System，SMS）建設(shè)，也初步建立了全面的安全管理體系效能評(píng)估的方法，然而如何使用現(xiàn)代科技手段，例如利用大數(shù)據(jù)和人工智能等，更加全面、準(zhǔn)確、動(dòng)態(tài)地掌握安全狀態(tài)，實(shí)施針對(duì)性的安全管理，從而達(dá)到控制或降低安全風(fēng)險(xiǎn)至可接受安全水平的目的，該文對(duì)其可行性應(yīng)用展開了初步的研究。

關(guān)鍵詞：安全管理? 安全績效管理? 大數(shù)據(jù)? 人工智能

中圖分類號(hào)：F27 ? ? ? ? ? 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：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(chǎn)經(jīng)營單位的安全管理體系雖然已建立，結(jié)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(chǔ)上引進(jìn)大數(shù)據(jù)和人工智能手段，對(duì)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?jǐn)?shù)據(jù)淺析和論證大數(shù)據(jù)和人工智能在安全管理應(yīng)用的可能性。

1? 民航維修安全管理現(xiàn)狀

民航維修管理的理論和實(shí)踐發(fā)展，促使維修質(zhì)量管理從最初單一的產(chǎn)品檢驗(yàn)、過程控制，逐步發(fā)展為實(shí)施系統(tǒng)審核和全面質(zhì)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(chǎn)經(jīng)營單位建立了正式的、自上而下的、有條理的以風(fēng)險(xiǎn)管理為基礎(chǔ)的安全管理體系，包括風(fēng)險(xiǎn)管理、安全政策、安全保證和安全促進(jìn)等程序、措施和政策。

為了實(shí)現(xiàn)全面的安全管理體系效能評(píng)估方法，2017年4月，民航局航空安全辦公室發(fā)布了《MD-AS-2017-01民航生產(chǎn)經(jīng)營單位安全績效管理指導(dǎo)手冊(cè)》，各民航生產(chǎn)經(jīng)營單位先后建立了以設(shè)立安全績效指標(biāo)、安全績效目標(biāo)、安全行動(dòng)計(jì)劃、安全績效監(jiān)測和安全績效改進(jìn)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(guān)因素多、交聯(lián)性強(qiáng)且人為因素復(fù)雜，可以說，民航維修的安全管理是一個(gè)具有多個(gè)控制層次、同一層次要素直接的關(guān)聯(lián)性強(qiáng)、控制層級(jí)之間相互約束要求高以及人為因素多等特點(diǎn)的復(fù)雜系統(tǒng)。

在風(fēng)險(xiǎn)管理的過程中，對(duì)于危險(xiǎn)源風(fēng)險(xiǎn)識(shí)別和評(píng)估，主要采用以下兩種。

2.1 頭腦風(fēng)暴型

通常采用由管理者、監(jiān)督檢查人員和部分員工組成的以人數(shù)為單數(shù)的安全小組成員對(duì)危險(xiǎn)源進(jìn)行識(shí)別和評(píng)估，管理者或監(jiān)督檢查人員提出危險(xiǎn)源和其風(fēng)險(xiǎn)等級(jí)，安全小組成員投票決定結(jié)果。該方法的特點(diǎn)是操作簡單，說服性高。但是缺點(diǎn)是評(píng)估結(jié)果受限于管理者和監(jiān)督檢查人員的業(yè)務(wù)水平，而且在風(fēng)險(xiǎn)等級(jí)較高的危險(xiǎn)源評(píng)估時(shí)會(huì)出現(xiàn)意見不一致的情況。

2.2 專家評(píng)估型

由經(jīng)驗(yàn)豐富的專家對(duì)危險(xiǎn)源進(jìn)行識(shí)別和評(píng)估。該方法的特點(diǎn)是迅速和經(jīng)濟(jì)。缺點(diǎn)首先是專家的稀缺性，其次是評(píng)估上容易存在經(jīng)驗(yàn)主義，且說服力低，對(duì)于風(fēng)險(xiǎn)等級(jí)較高的危險(xiǎn)源評(píng)估上容易受限于頂層和商業(yè)壓力。

可見，對(duì)于風(fēng)險(xiǎn)等級(jí)較高的危險(xiǎn)源，這兩種風(fēng)險(xiǎn)等級(jí)評(píng)估模式或多或少存在一定的弊端，因?yàn)轱L(fēng)險(xiǎn)等級(jí)較高的事件通過歷史參考數(shù)據(jù)的可能性分析上會(huì)存在不準(zhǔn)確且無法真實(shí)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(shù)據(jù)和人工智能

3.1 大數(shù)據(jù)

大數(shù)據(jù)（Big Data）是指無法在一定時(shí)間范圍內(nèi)用常規(guī)軟件工具進(jìn)行捕捉、管理和處理的數(shù)據(jù)集合，是需要新處理模式才能具有更強(qiáng)的決策力、洞察發(fā)現(xiàn)力和流程優(yōu)化能力的海量、高增長率和多樣化的信息資產(chǎn)。大數(shù)據(jù)的5V特點(diǎn)（IBM提出）：Volume（大量）、Velocity（高速）、Variety（多樣）、Value（低價(jià)值密度）、Veracity（真實(shí)性）。

3.2 人工智能

人工智能（Artificial Intelligence），它是研究、開發(fā)用于模擬、延伸和擴(kuò)展人的智能的理論、方法、技術(shù)及應(yīng)用系統(tǒng)的一門新的技術(shù)科學(xué)。所謂人工智能，其實(shí)就是指賦予電子信息產(chǎn)品以人的思想，使其按照人類的思維模式進(jìn)行相應(yīng)操作。

4? 引入大數(shù)據(jù)和人工智能的可行性分析

在安全管理體系中，識(shí)別危險(xiǎn)源后，要對(duì)危險(xiǎn)源進(jìn)行風(fēng)險(xiǎn)分析。風(fēng)險(xiǎn)分析主要考慮兩個(gè)方面的因素：嚴(yán)重性和可能性，即危險(xiǎn)源導(dǎo)致后果的嚴(yán)重程度和可能導(dǎo)致這種后果的概率。因篇幅有限，該文僅根據(jù)“沖壓渦輪意外放出”的事件為例進(jìn)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(gè)危險(xiǎn)源，其中“行為偏離”的危險(xiǎn)源（注：空速管的管套密封太緊，導(dǎo)致部分壓力封在空速管內(nèi)，造成了慣導(dǎo)指示錯(cuò)誤，對(duì)飛機(jī)整機(jī)斷電后正好滿足了沖壓渦輪自動(dòng)放出的條件（雙發(fā)故障（未啟動(dòng)），AC電源故障（飛機(jī)斷電），空速100KTS左右））通過“權(quán)重”計(jì)算，可以得出“整責(zé)比”是：51.2%。

4.1 大數(shù)據(jù)—可能性分析的保障

使用大數(shù)據(jù)在可能性分析時(shí)，可以把危險(xiǎn)源可能性抓取邏輯設(shè)定為：危險(xiǎn)源實(shí)際發(fā)生率=∑（N×n.n%）（N為周期內(nèi)所有涉及本危險(xiǎn)源的事件次數(shù)，n為權(quán)重值），假設(shè)今年發(fā)生兩起“沖壓渦輪意外釋放”事件，則“行為偏離”的危險(xiǎn)源可能性數(shù)值計(jì)算后可以得到“發(fā)生次數(shù)/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(dāng)于每年發(fā)生1次。擁有大數(shù)據(jù)，在匹配和計(jì)算可能性數(shù)值時(shí)可以將行業(yè)內(nèi)的同類信息加入，在權(quán)重上再乘于10%，可以得到更準(zhǔn)確的數(shù)值。

4.2 人工智能—嚴(yán)重性分析的保障

對(duì)于“沖壓渦輪意外釋放”的事件，嚴(yán)重性評(píng)價(jià)是非常困難的，僅采用頭腦風(fēng)暴和專家評(píng)估，是不能真正意義上確定其風(fēng)險(xiǎn)等級(jí)，如果謹(jǐn)慎起見，嚴(yán)重等級(jí)評(píng)價(jià)過高，在風(fēng)險(xiǎn)管控上就勢必得采取冗余的措施，耗費(fèi)資源，浪費(fèi)人力、物力、財(cái)力。如果采用人工智能，模擬真實(shí)沖壓渦輪意外釋放的事件，可以準(zhǔn)確計(jì)算出釋放以后對(duì)人員的損傷程度、設(shè)備的毀壞程度，這些都量化到數(shù)值上，再采用大數(shù)據(jù)分析，就可以得到準(zhǔn)確的嚴(yán)重性數(shù)值。

如此以來，只要通過輸入事件編號(hào)，計(jì)算機(jī)就能立即抓取相關(guān)數(shù)據(jù)，計(jì)算并采用人工智能模擬出該危險(xiǎn)源的嚴(yán)重性，從而算出風(fēng)險(xiǎn)等級(jí)。

在特定情況下，通過大數(shù)據(jù)和人工智能模擬出來的風(fēng)險(xiǎn)等級(jí)數(shù)值似乎是衡量人為差錯(cuò)，實(shí)際上，該風(fēng)險(xiǎn)等級(jí)反映的不是某個(gè)體的人為差錯(cuò)，而是系統(tǒng)在人為差錯(cuò)控制方面的效果和管理上存在的缺陷，風(fēng)險(xiǎn)值的波動(dòng)會(huì)體現(xiàn)整體安全行為的變化，其背后的原因分析必然會(huì)采用系統(tǒng)安全的分析方法，就能驗(yàn)證安全管理體系實(shí)施的效能，保持持續(xù)安全水平，促使安全管理體系發(fā)揮更大的作用。

5? 結(jié)語

該文僅僅針對(duì)大數(shù)據(jù)技術(shù)以及人工智能方面在民航維修安全管理中的應(yīng)用分析，在借助大數(shù)據(jù)和人工智能技術(shù)的支持下，可以為安全管理體系提供更大的支持。然而，大數(shù)據(jù)和人工智能技術(shù)是一把雙刃劍，在大數(shù)據(jù)與人工智能技術(shù)的融合到安全管理體系過程中，應(yīng)注意防范相關(guān)安全風(fēng)險(xiǎn)，從而更好地推動(dòng)民航安全管理體系的發(fā)展。

參考文獻(xiàn)

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

[2] 周曉垣.人工智能：開啟顛覆性智能時(shí)代[M].北京：臺(tái)海出版社，2018：240-245.

[3] 董媛媛，董小兵，林曉晨.數(shù)據(jù)時(shí)代下的學(xué)術(shù)期刊：從單一數(shù)字化到多元數(shù)據(jù)化的轉(zhuǎn)變[J].視聽，2019（7）：241-242.

[4] 田嘯.大數(shù)據(jù)環(huán)境下計(jì)算機(jī)應(yīng)用技術(shù)研究[J].電腦知識(shí)與技術(shù)，2019（14）：246-247.

[5] 張春鵬.論民航維修管理的幾點(diǎn)改進(jìn)措施[J].科技創(chuàng)新導(dǎo)報(bào)，2018（2）：205-206.

[6] 郭勇.機(jī)務(wù)維修人員疲勞風(fēng)險(xiǎn)評(píng)價(jià)模型及管理系統(tǒng)實(shí)現(xiàn)[J].科技創(chuàng)新導(dǎo)報(bào)，2019（6）：165-166.

[7] 武利峰.大數(shù)據(jù)在空管安全管理中的應(yīng)用探究[J].科技創(chuàng)新導(dǎo)報(bào)，2018（27）：188-189.