宋海靖，馬濤，呂寶

(中國飛行試驗研究院，陜西 西安 710089)

綜合保障性技術(shù)

試飛階段機務(wù)維修人為差錯影響因素評價研究*

宋海靖，馬濤，呂寶

(中國飛行試驗研究院，陜西 西安 710089)

維修人為差錯是導(dǎo)致飛行事故的重要原因。傳統(tǒng)的機務(wù)維修人為因素分析多采用定性分析，具有一定的主觀隨意性，工程操作性不強。結(jié)合試飛階段機務(wù)維修實際，充分考慮人為因素定義和概念的模糊性，構(gòu)建了融合專家自信度、三標(biāo)度和灰色關(guān)聯(lián)算法的航空維修人為因素綜合評價模型；基于試飛階段大數(shù)據(jù)庫，客觀科學(xué)地定量分析及辨識出事故中人為影響因素優(yōu)先級，并基于影響因素等級給出對應(yīng)風(fēng)險提示及規(guī)避措施。最終通過某型機試飛階段典型故障實例驗證了本方法的有效性。

試飛階段；機務(wù)維修；人為因素；灰色關(guān)聯(lián)；影響因素、風(fēng)險管理

0 引言

眾所周知，飛機維修是保證飛機固有可靠性的重要手段，但隨著飛機系統(tǒng)設(shè)備的高度集成化，航空安全壓力重大。據(jù)美國波音公司統(tǒng)計，全球民航噴氣式飛機有70%的飛機失事是由人為因素引起。可見航空事故中，維修人為差錯是導(dǎo)致機務(wù)故障的主要原因[1]。近年來，通過許多失事案例及研究發(fā)現(xiàn)，機務(wù)人員檢查及維修失誤成為飛行事故重要影響因素之一，而且是呈現(xiàn)上升的趨勢[2]。對于試飛試驗機，機務(wù)人員維修對象為先進的新研系統(tǒng)設(shè)備，維修效果與機務(wù)人員的知識儲備、工作經(jīng)驗息息相關(guān)。但隨著航空技術(shù)的發(fā)展，試飛階段任務(wù)重、節(jié)點緊，維修工作的壓力隨之增大，導(dǎo)致人為失誤的概率增加，如何評估應(yīng)對人為差錯顯得尤為重要。

針對以上問題，本文就如何客觀科學(xué)地定量分析及辨識出事故中最主要的人為差錯原因及影響因素，以便提前采取應(yīng)對防護措施，有效預(yù)防事故的發(fā)生進行了研究。通過總結(jié)試飛階段，類似機型以往大量的排故實例，對機務(wù)維修人為差錯中人-機-環(huán)等影響因素進行量化排序并分類，找出人為差錯的主要影響因素集，使人為差錯分析由主觀判斷變?yōu)榭陀^描述，從而可根據(jù)影響因素的關(guān)聯(lián)度主次采取應(yīng)對措施，減少和控制人為差錯的發(fā)生。

1 機務(wù)維修人為因素的綜合評價方法

本文提出一種將改進專家打分法、三標(biāo)度分析法和灰色關(guān)聯(lián)法集成的人為因素綜合評價方法體系，給出了一套可操作的評價指標(biāo)和評價方法，用于指導(dǎo)機務(wù)維修中人為因素評價，并以某型試驗機為載體進行實例驗證，證明了方法的有效性。

圖1是本文提出的人為差錯影響因素評價方法框架圖。

1.1 人為差錯影響因素集確定

機務(wù)人員工作效率受到多方面因素的制約和影響，針對機務(wù)維修的實際，建立一個大規(guī)模的、系統(tǒng)的、復(fù)雜的人為因素影響因素層次模型是十分必要的。傳統(tǒng)的人為因素分析，往往邀請有經(jīng)驗的機務(wù)專家，靠其豐富的經(jīng)驗和直覺感受，用一些實踐中的模糊概念和綜合判斷加以評價[3-4]。因此，實際工作往往缺乏一定的科學(xué)性、全面性和規(guī)范性，本文引入專家一致意見及專家自信度對專家打分法進行了改進，構(gòu)建多層次的人為影響因素集，包括以下步驟：

圖1 人為差錯影響因素評價方法框架圖Fig.1 Diagram of evaluation methods of human error influence factors

(1) 協(xié)調(diào)小組成立

協(xié)調(diào)小組應(yīng)由5人組成，其中研究員1名、高工2名、工程師2名。主要任務(wù)是：擬定主題、確定專家咨詢?nèi)藛T、編制咨詢表、組織咨詢工作并對數(shù)據(jù)進行統(tǒng)計處理。

(2) 專家咨詢?nèi)藛T確定

挑選專家是專家打分法成敗的關(guān)鍵，應(yīng)選擇愿意參加，且具有豐富實踐經(jīng)驗和一定人為因素分析專業(yè)知識的專家。本方法規(guī)定選取的機務(wù)專家應(yīng)具有飛機維護經(jīng)歷(5年以上)，專家人數(shù)以10～30人為宜[5]。

(3) 第1輪專家咨詢

從機務(wù)維修人為因素目標(biāo)出發(fā)，確立了維修中與人為因素有關(guān)的4個子目標(biāo)分別為：與人本身有關(guān)、與環(huán)境有關(guān)、與組織管理有關(guān)、與裝備有關(guān)[6]，并征求有關(guān)專家意見，初步確定出初步的人為差錯影響因素集。

基于初步影響因素集Uk，引入專家一致意見制定第1輪專家咨詢表，要求每位專家判斷出各影響因素重要度，采用5點Likert型標(biāo)度劃分影響程度等級，1～5分別表示的影響等級為“不重要”、“一般”、“重要”、“很重要”和“非常重要”。這里專家一致意見定義為：不少于2/3的專家判斷等級為“大”以上的判斷結(jié)果(以下記為P33)[7]。

(4) 第2輪專家咨詢

對第1輪專家咨詢結(jié)果處理和分析，并反饋給專家組，引入專家自信度制定第2輪專家咨詢表。要求專家給出判斷人為差錯影響因素重要度等級時的自信度(group confidence ranking，GCR)。采用5點標(biāo)度劃分自信度等級，1～5分別表示自信度等級為“很低”、“低”、“一般”、“高”和“很高”。資料表明[8]，當(dāng)專家組的自信度(GCR)均值不小于3時，表示咨詢結(jié)果較接近于主觀判斷的“真實”情況。經(jīng)兩輪篩選得到人為差錯影響因素結(jié)構(gòu)圖，如圖2所示。

本文專家打分法基于“人機環(huán)”理論，確定了5類與“人、環(huán)境、管理、組織、裝備”相關(guān)的人為差錯影響因素集。專家組由具有5年以上某型機維護經(jīng)歷的25位機務(wù)人員組成，在兩輪專家咨詢的基礎(chǔ)上，通過引入專家一致意見及專家自信度對每個指標(biāo)層的具體影響因子進行分析，最終篩選出圖2中的30個影響因素指標(biāo)，具體指標(biāo)分析見實例應(yīng)用。

1.2 影響因素權(quán)重系數(shù)確定

影響因素權(quán)重系數(shù)的確定，是評價各因素重要程度的核心問題[9-11]。為確定各因素導(dǎo)致事故發(fā)生概率及其對事故嚴(yán)重性的影響程度，本文引入“三標(biāo)度”原理對AHP分析進行了改進，降低了指標(biāo)兩兩比較次數(shù)，且滿足一致性的要求，具有很強的可操作性。該方法包括以下4個步驟：

(1) 建立判斷矩陣C(由專家評判得到)

(1)

(2) 基于判斷矩陣計算最優(yōu)傳遞矩陣D

(2)

式中：m為C的階數(shù)。

(3) 計算一致性矩陣Q

qij=exp(dij)，?i,j.

(3)

(4) 求Q的最大特征值對應(yīng)的特征向量，單位化的特征向量即為各指標(biāo)的相對權(quán)重ai。

實際評價中，為減弱專家人為因素的干擾，以便更準(zhǔn)確、客觀地給出判斷矩陣，可同時聘請d(d>1)位專家對同一影響因素進行比較判斷[12]，確定各因素對事故嚴(yán)重性影響等級SP、導(dǎo)致事故發(fā)生的概率SS，然后進行灰色關(guān)聯(lián)計算后，從中“綜合”出一個較理想結(jié)果。

1.3 基于灰色關(guān)聯(lián)算法的影響因素排序

灰色關(guān)聯(lián)算法(以下簡稱關(guān)聯(lián)算法)是建立在外場故障信息庫及豐富機務(wù)專家經(jīng)驗的基礎(chǔ)上。本文應(yīng)用關(guān)聯(lián)算法對各種人為差錯影響因素的優(yōu)先順序進行計算，考慮針對人本身、裝備技術(shù)、管理組織、環(huán)境等因素。算法框圖如圖3所示。

圖2 機務(wù)維修人為差錯影響因素集結(jié)構(gòu)圖Fig.2 Diagram of human error influence factors system of aviation maintenance

灰色關(guān)聯(lián)計算分如下3個步驟[13-14]。

(1) 建立原始數(shù)據(jù)矩陣R

統(tǒng)計各型機在飛行中出現(xiàn)的人為差錯事故征候原因，分析對應(yīng)各影響因素，并將其歸類到人因u(1)、裝備u(2)、管理組織u(3)、環(huán)境u(4)等一級指標(biāo)層中，共同構(gòu)成原始數(shù)據(jù)矩陣R。

(2) 原始數(shù)據(jù)矩陣R的規(guī)范化處理

為了消除量綱的影響，對R作規(guī)范化處理，得到矩陣RI，根據(jù)人為差錯影響因素的特點，它們均為“正向指標(biāo)”(值越大越好)，規(guī)范化算法是對每個評價指標(biāo)下的各個參數(shù)歸一化，消除量綱影響。

(3) 計算灰色關(guān)聯(lián)度

RI建立后，根據(jù)V的最優(yōu)規(guī)范化評價指標(biāo)，確定最優(yōu)母序列Y0=(y0(j))，(j=1,2,…,5)。此時，y0為參考序列，yi(i=1,2,…,m)為比較序列，計算y0與yi的關(guān)聯(lián)系數(shù)φi(j)，算法如下：

φi(j)=

(4)

由關(guān)聯(lián)系數(shù)φi(j)可計算關(guān)聯(lián)度Gi。

(5)

式中：δj為權(quán)重系數(shù)，這里指的是影響因素對事故嚴(yán)重性影響等級、導(dǎo)致事故發(fā)生概率。

灰色關(guān)聯(lián)度反映了某一潛在事故原因與決策因素最優(yōu)值之間的關(guān)系，關(guān)聯(lián)度越大對應(yīng)的影響就越小，對應(yīng)的風(fēng)險優(yōu)先級越高。此外，根據(jù)灰色關(guān)聯(lián)度可以實現(xiàn)風(fēng)險排序，將影響因素分為4類：嚴(yán)重、重要、一般和輕微影響因素[15]。對于各類因素進行風(fēng)險點評估，達到風(fēng)險分析的目的，從而可以有針對性地制定各種預(yù)防和控制人為差錯的措施，最終實現(xiàn)降低風(fēng)險。

2 應(yīng)用實例

本文以某型機飛行時第3發(fā)動機出現(xiàn)火警為例，其主要儀表指示錯亂，油門操縱不動，機組對該發(fā)動機滅火、停車，飛機提前返航安全落地。事故直接原因是機務(wù)人員在查找第3發(fā)動機金屬碎片而執(zhí)行工作指令時，錯誤地斷開二通活門反推氣源管，并忘記復(fù)原，導(dǎo)致飛行過程中高溫氣體噴出，造成火警。經(jīng)調(diào)查，這次人為差錯的產(chǎn)生因素如下：

(1) 機務(wù)人員錯誤地斷開了反推三通活門管路接頭并忘記復(fù)原。

(2) 機務(wù)人員在執(zhí)行時錯誤理解維修工作指令。維修工作指令的編寫沒有提供工作所依據(jù)的維護手冊章節(jié)號或附圖，完全依靠操作者理解和判斷，維修技術(shù)文件存在缺陷。

圖3 基于關(guān)聯(lián)算法的人為差錯影響因素框圖Fig.3 Influence factors of human error based on grey relational analysis

(3) 機務(wù)人員過于自信，沒有進行詢問、交流和請示匯報，機組其他人和領(lǐng)導(dǎo)都不清楚他所做的工作，因此失去了互相提醒和監(jiān)督的機會。

(4) 當(dāng)天由6名機務(wù)人員做第三發(fā)動機排故工作，中隊長未作組織分工，造成有2人做同一項工作，其中一人正確地拆裝了管路接頭，而另一個人則出現(xiàn)了錯誤，并忘記復(fù)原。

(5) 由于飛行節(jié)點要求緊，排故人員時間壓力大，工作緊張，誘發(fā)人為失誤。

(6) 機場高溫作業(yè)，機務(wù)人員身心工作狀態(tài)受環(huán)境影響，工作效率受到影響。

(7) 機務(wù)準(zhǔn)備工作于夏季正中午作業(yè)，光照太強，誘發(fā)機務(wù)人員工作疏忽。

(8) 機務(wù)人員沒有按規(guī)定簽字，檢查者又沒有糾正，使機務(wù)人員失去了一次回顧工作可能補救差錯的機會。

(9) 按照單位作業(yè)文件相關(guān)要求，執(zhí)行者工作完成后要簽字，這些規(guī)定和要求并沒有嚴(yán)格執(zhí)行。

從以上分析看，事故的主要原因是管理組織的問題，如計劃監(jiān)管不足、維護資料存在缺陷、沒有按照程序來工作等?；趫D2模型，分析事故調(diào)查結(jié)果，可以得到此次事故中的人為差錯影響因素結(jié)構(gòu)，如圖4所示。

針對該事故分析，邀請25位機務(wù)專家對此次人為差錯事故影響因素進行討論確認(rèn)，通過式(3)對專家打分結(jié)果進行分析處理，得出統(tǒng)計結(jié)果如下表1所示。

結(jié)合該機型4架機人為差錯外場實際歷史數(shù)據(jù)，統(tǒng)計得到原始數(shù)據(jù)矩陣R，并將其規(guī)范化處理為RI，具體為

圖4 實例主要影響因素層次結(jié)構(gòu)圖Fig4 Hierarchy framework for influence factors in example analysis

表1 機務(wù)維修安全中的人為因素影響評價指標(biāo)體系權(quán)重Table 1 Weight coefficient of evaluation indexes during aviation maintenance safety analysis

表2 影響因素關(guān)聯(lián)度計算結(jié)果分析Table 2 Results analysis of correlation degree of influence factors

根據(jù)計算結(jié)果可以看出，計劃監(jiān)管不足、交流溝通不充分、計劃執(zhí)行不到位及維護資料不充分等因素關(guān)聯(lián)度高，屬于嚴(yán)重影響因素；其次是作業(yè)疲勞、不完備的維護程序、不適當(dāng)作業(yè)、機務(wù)人員認(rèn)知偏好等因素的關(guān)聯(lián)度較高，屬重要影響因素；溫度太高、任務(wù)分配不到位屬一般影響因素，光照太強、記憶失誤對人為差錯影響輕微。此外，專家組應(yīng)用本文模型對多起人為差錯事故實例進行了分析，發(fā)現(xiàn)嚴(yán)重影響等級中的4個因素通用性較強，即人為計劃監(jiān)管與執(zhí)行、交流溝通及維護資料是導(dǎo)致人為差錯事故的主因。專家組針對該類事故預(yù)防特開展風(fēng)險分析，提出了3類風(fēng)險規(guī)避提示及措施：①工作充分考慮技術(shù)工作量及環(huán)境等維修工效，實行充分的監(jiān)督檢查，杜絕管理松懈、監(jiān)控人員職責(zé)不明、履行職責(zé)不到位的現(xiàn)象；②改進維護手冊，在容易出現(xiàn)歧義的地方要有注釋；③加強機務(wù)成員之間的交流溝通，培養(yǎng)團隊精神，克服個人的認(rèn)知偏好。

3 結(jié)論

(1) 結(jié)合試飛階段機務(wù)維修實際，引入專家一致意見及專家自信度，構(gòu)建了人為差錯影響因素層次結(jié)構(gòu)，經(jīng)過2輪指標(biāo)篩選，增強了構(gòu)建結(jié)果的科學(xué)性；

(2) 考慮人為因素定義和概念的模糊性及專家認(rèn)識上的差異性，將三標(biāo)度及灰色關(guān)聯(lián)算法融合，實現(xiàn)了人為差錯影響因素定性評價的定量化，更有說服力的分級說明人為差錯原因所在；

(3) 基于關(guān)聯(lián)度排序集將人為因素分為嚴(yán)重、重要、一般和輕微4類，辨識出人為差錯的主要影響因素，并給出預(yù)防改進措施，該風(fēng)險提示及規(guī)避管理措施已應(yīng)用多個型號試飛階段維修工作中，效果良好；

(4) 實例分析結(jié)果表明，本文提出的人為差錯影響因素綜合評價方法，結(jié)合改進專家打分法、三標(biāo)度分析和灰色關(guān)聯(lián)度計算使得人為因素影響分析的準(zhǔn)確性和可操作性有了一定的提高，該方法還可進一步擴展應(yīng)用到其他復(fù)雜系統(tǒng)中。

[1] Boeing Commercial Airplane Group. Statistical Summary of Worldwide Operations for Commercial Jet Aircraft Accidents 1991-2001 [R]. Boeing Corporation, 2002.

[2] 道格拉斯A.維格曼, 斯科特A.夏佩爾.飛行事故人的失誤分析—人的因素分析與分類系統(tǒng) [M]. 馬銳，譯. 北京: 中國民航出版社，2006. Douglas A Wiegmann, Scott A Shappell. Human Error Analysis in Flight Accidents-Study and Classification on Human Factors [M].MA Rui,Translated. Beijing: Press of China Civil Aviation, 2006.

[3] 李先武,郭建勝,周長飛. 航空維修人為因素事故分析系統(tǒng)研究[J]. 航空維修與工程，2005(5): 42-23. LI Xian-wu, GUO Jian-sheng, ZHOU Chang-fei. Study on Human Factor Accidents Analysis System for Aviation Maintenance [J]. Aviation Maintenance & Engineering, 2005(5): 42-23.

[4] FABER M H, STEWART M G. Risk Assessment for Civil Engineering Facilities: Critical Overview and Discussion [J]. Reliability Engineering and System Safety, 2003,80(2): 173-184.

[5] OSBORNE J, COLLINS S, RADCLIFFE M, et al. What Ideas-About-Science Should be Taught in School Science? A Delphi Study of the Expert Community [J]. Journal of Research in Science Teaching, 2003, 40(7): 692-720.

[6] 張鳳,于廣濤,李永娟,等. 影響我國民航飛行安全的個體與組織因索—基于HFACS框架的事件分析 [J]. 中國安全科學(xué)學(xué)報, 2007, 17(10): 67-74. ZHANG Feng, YU Guang-tao, LI Yong-juan, et al. Influence Factors (Individual & Organization) for China Aviation Safety based on HFACS Analysis [J]. China Safety Science Journal, 2007, 17(10): 67-74.

[7] XIAO Jian-guo, DOUGLAS D. A Delphi Evaluation of the Factors Influencing Length of Stay in Australian Hospitals [J]. International Journal of Health Planning and Management, 1997, 12(3): 207-218.

[8] Ritva Keota, Risto Toivonen. Expert Assessment of Physical Ergonomics at Video-Display Unit Workstations: Repeatability, Validity and Responsiveness to Changes [J]. Environment Health, 2004, 77(6): 437-442.

[9] WONG W G. Grey Evaluation Method of Concrete Pavement Comprehensive Condition [J]. Journal of Transportation Engineering, 1999, 25(6): 27-31.

[10] 張吉軍.模糊層次分析法(FAHP) [J]. 模糊系統(tǒng)與數(shù)學(xué), 2000, 14(2): 80-88. ZHANG Ji-jun. Fuzzy Analytical Hierarchy Process [J]. Fuzzy Systems and Mathematics, 2000, 14(2): 80-88.

[11] ROUSSEAU R J, TRAUWAERT E, KAUFMAN L. Fuzzy Clustering with High Contrast [J]. Computational & Appllied Mathematics, 1997, 64(2): 81-90.

[12] USANMAZ O. Training of the Maintenance Personnel to Prevent Failures in Aircraft Systems [J]. Engineering Failure Analysis, 2011, 18(7): 1683-1688.

[13] CHEN C B, KLIEN C M. A Simple Approach to Ranking a Group of Aggregated Fuzzy Utilities [J]. IEEE Transaction on Systems Man & Cybernetics, 1997, 27(1):26-35.

[14] 鄧聚龍. 灰色系統(tǒng)基本理論和方法 [M]. 武漢:華中工學(xué)院出版社,1987. DENG Ju-long. The Basic Theory and Methods [M]. Wuhan: Press of Huazhong University of Science and Technology, 1987.

[15] Anand Pillay, JIN Wang. Modified Failure Mode and Effects Analysis Using Approximate Reasoning [J]. Reliability Engineering and System Safety, 2003, 79(2): 69-85.

Evaluation of Human Error Influence Factors in Aviation Maintenance in Flight Test

SONG Hai-jing, MA Tao, Lü Bao

(Chinese Flight Test Establishment,Shaanxi Xi’an 710089, China)

Human error is one of the main factors leading to flight accidents. Previous human factors analysis in aviation maintenance mainly focused on qualitative evaluation with subjective results and less operability. Combined with the actual maintenance work during flight test, a comprehensive evaluation model including expert evaluation, modified analytical hierarchy and grey relational analysis is proposed after fully considering the inevitable fuzziness and subjectivity of human factor. Then the degrees of influence factors areanalyzed and recognized quantitatively for specific accidents based on big data during flight test, and the corresponding risk tips and other prophylactic measures areraised according to the influencing factor’s degree. Finally, this method is applied in one real test aircraft and the results show the validity of the model.

flight test step; aircraft maintenance; human factor; grey relational; influence factors; risk management

2015-11-19；

2016-02-19

宋海靖(1988-)，女，江蘇連云港人。工程師，碩士，主要從事適航與安全性評價技術(shù)研究。

10.3969/j.issn.1009-086x.2016.06.021

V267；V212.13

A

1009-086X(2016)-06-0121-07

通信地址：710089 陜西省西安市閻良區(qū)73號信箱飛行部可靠性研究中心

E-mail：shjaj@163.com