提高质量监督全面性,杜绝管理盲区

通过类比采用REASON事故模型对问题进行分析,提出了提高质量监督全面性,建立全面质量监督工作机制的解决方案,并给出了全面信息收集、建立系统监督计划以及逐步建立完善审核监督标准作业等具体措施,促进质量监督工作的有效实施。     

基于HFACS模型的试验机试飞人为因素分析研究

试验机试飞人因差错事件具有致因因素种类繁多、模糊性强的特点,难以找寻影响其发生的显性因素和隐性因素。利用HFACS模型,结合试验机试飞的特点,建立适用于试验机试飞的人因差错事件分析的流程方法——试验机试飞专业性人为因素分析框架,对人因差错事件进行分析,可以准确地挖掘影响人因差错事件发生的核心致因因素,对于减少和预防试验机试飞人因差错事件的发生具有积极意义。     

可靠性设计在民用飞机环控系统中的应用

民用飞机环控系统可靠性设计的目标是保证飞机达到规定的可靠性定量指标和定性要求,以提高飞机的可靠度,降低运营费用,使飞机具有良好的经济性和市场竞争能力。民用飞机环控系统在设计中大量采用了冗余设计、成熟技术及标准化设计等设计手段,以保证飞机的可靠性和安全性。通过可靠性分析验证飞机平均故障间隔时间和签派可靠度是否满足环控系统设计要求。     

空管设备运行中的人为因素

空管系统设备的运行状况直接关系到飞行安全，随着全球民航事业的飞速发展，民航总局对空管系统设备的运行标准提出了更高要求。以地空通信系统为例：甚高频地空通信中断时间不能超过30秒，航路甚高频地空通信中断时间不能超过1分钟，无线通信设备的运行正常率需达到99．98％，设备完好率需达到90％以上。随着新设备的不断引进，原有设备的逐渐老化，设备运行维护工作的任务日益艰巨。民航总局空管局在2004年10月颁布的《中国民航通信导航系统运行、维护规程》（以下简称《运行维护规程》），明确提出空管系统设备运行维护工作的任务和准则。对由人为原因或其他原因造成的事故、差错进行严格划分，以减少人为因素对设备运行维护工作造成的影响。技术保障部门必须重视对《运行维护规程》等规章规程的学习，在日常工作和安全检查中以规章规程作为标准和依据，消除影响系统正常运行的安全隐患。加强各项管理工作，做到有章可循，有法可依，将人为因素对空管系统的影响降至最低。     

空管技术保障人员的安全管理

随着我国航空事业的高速发展，据ICAO统计，2004年我国航空公司定期航班完成总周转量240．76亿吨，比2003年增长36％，2005年完成259．20亿吨，比2004年增长12％。在客货运输量急剧增长的情况下，民航总局在“十一五”民航安全规划中，又提出将每百万飞行小时重大事故率降低到0．3以下。可见，摆在民航安全管理人员面前的任务有多么艰巨，而业内人士一直在查找、探求事故和差错的原因。据国际航空运输协会（IATA）航空中心的统计表明，有80％的事故是人为因素造成的。目前，关于人为因素在飞行人员方面的研究已经积累了一定的经验，可是，对空管人员的研究相对很少，而对于空管技术保障方面人为因素的研究则是少之又少。因此在这种形势下空管技术保障人员必须高度重视对“人为因素”安全管理的探索，以提高空管技术保障安全工作以及航空安全管理水平。     

航空装备系统安全应用技术研究

为了消除系统研制错误、保证所有的故障状态均得到识别,真正实现装备使用时的安全、可靠、经济,本文剖析了航空装备有关安全性方面的传统理念误区,从组织、人为、技术、风险权衡、结构化的设计保证和严格的过程控制等方面,介绍和分析了国外有关系统安全的新理念,提出了在大系统、大综保环境下统筹系统安全工作的观点,并据此给出了装备研制阶段系统安全工作的思路:一是严格执行结构化的设计保证与过程控制,二是充分协调研制与安全性评估过程的关系。     

基于CDIO模式的飞行计划实践课程教学方法研究

针对民航院校的交通运输专业飞行运行管理方向的飞行计划实践课程,基于CDIO工程教育教学模式理念和方法,提出了以案例为导引,"多目标-多层次-多效果"的教学模式,重点阐述了基于CDIO模式的飞行计划实践课程的教学模式改革与实践应用。教学实践证明:该项研究对深化民航院校的教学改革,更新实践课程的教学模式,培养应用型和创新型人才具有一定的意义。     

今天,您准时登机了吗? 聚焦旅客个人原因与航班延误

造成航班延误的原因多种多样,有的属于不可抗拒的自然因素。值得重视的是,一些人为因素已成为造成航班延误的"新的增长点"。据统计,因旅客原因导致的航班延误占不正常航班的3%,和因飞机故障造成的延误数量相差无几。     

Human factors quantification via boundary identification of flight performance margin

A systematic methodology including a computational pilot model and a pattern recognition method is presented to identify the boundary of the flight performance margin for quantifying the human factors. The pilot model is proposed to correlate a set of quantitative human factors which represent the attributes and characteristics of a group of pilots. Three information processing components which are influenced by human factors are modeled： information perception, decision making, and action execution. By treating the human factors as stochastic variables that follow appropriate probability density functions, the effects of human factors on flight performance can be investigated through Monte Carlo（MC） simulation. Kernel density estimation algorithm is selected to find and rank the influential human factors. Subsequently, human factors are quantified through identifying the boundary of the flight performance margin by the k-nearest neighbor（k-NN） classifier. Simulation-based analysis shows that flight performance can be dramatically improved with the quantitative human factors.