摘要：本文將基于Bayes（貝葉斯）評估方法入手，在了解該算法的基本原理之后介紹了各種人為差錯(cuò)的數(shù)據(jù)來源;再闡述了貝葉斯技術(shù)在民航維修人為差錯(cuò)評估中的應(yīng)用方法，并結(jié)合應(yīng)用實(shí)例進(jìn)一步介紹了該評估方法的使用效果，希望為降低誤差發(fā)生率提供支持。

關(guān)鍵詞：Bayes;民航維修;人為差錯(cuò)

前言：人為差錯(cuò)是指工作人員出現(xiàn)與質(zhì)量標(biāo)準(zhǔn)、工作目標(biāo)相偏離的行為。在民航維修中，人為差錯(cuò)不可能完全杜絕，但是考慮到飛行器屬于高精尖設(shè)備，任何誤差的出現(xiàn)都有可能造成嚴(yán)重后果，所以必須要對民航維修的認(rèn)為差錯(cuò)問題展開分析，Bayes技術(shù)的出現(xiàn)有效解決該問題，值得關(guān)注。

1.Bayes的基本原理以及人為誤差的來源

1.1Bayes基本原理

貝葉斯評估是目前學(xué)術(shù)界一種先進(jìn)的評估手段，該方法主要在設(shè)定待估算參數(shù)的“先驗(yàn)分布”之后，該先驗(yàn)分布可以由工作人員的經(jīng)驗(yàn)以及歷史采集的數(shù)據(jù)來確定，根據(jù)先驗(yàn)分布結(jié)果以及相關(guān)數(shù)據(jù)計(jì)算出后驗(yàn)分布情況，而利用后驗(yàn)分布則可以對各種可能出現(xiàn)的未知現(xiàn)象展開評估。與傳統(tǒng)的誤差評估方法相比，貝葉斯不僅能夠涵蓋各類樣本信息，也能對先驗(yàn)信息進(jìn)行挖掘、分析的基礎(chǔ)上，使原本復(fù)雜的信息量化，通過拓展數(shù)據(jù)的分布范疇來保證先驗(yàn)分布效果，所以最終的評估質(zhì)量能夠得到保障。貝葉斯推理的問題是條件概率推理問題，這一領(lǐng)域的探討對揭示人們對概率信息的認(rèn)知加工過程與規(guī)律、指導(dǎo)人們進(jìn)行有效的學(xué)習(xí)和判斷決策都具有十分重要的理論意義和實(shí)踐意義。

在本次研究中，本文假設(shè)帶估計(jì)的民航維修人為差錯(cuò)概率為θ，在連續(xù)分布的隨機(jī)變量下，貝葉斯的計(jì)算方法如公式（1）所示。

在公式（1）中，π（θ）為θ的先驗(yàn)密度函數(shù);π（θ|x）代表θ在x條件下的條件密度函數(shù);w為參數(shù)空間;L（x|θ）為樣本似然函數(shù)，在人為維修差錯(cuò)概率給定的情況下發(fā)生失效的分布情況;π（θ|x）代表后驗(yàn)分布的密度函數(shù)。

在運(yùn)用貝葉斯評估方法期間，其中需要先針對每個(gè)信息源構(gòu)造前分布方案，在對隨機(jī)數(shù)據(jù)標(biāo)量進(jìn)行估計(jì)的基礎(chǔ)上，確定信息源后;一般在計(jì)算人為誤差期間，假設(shè)整個(gè)維修過程中存在n個(gè)信息源，在每個(gè)信息源賦值均為可讀取的情況下，并統(tǒng)計(jì)其中的驗(yàn)算結(jié)果。

1.2人為差錯(cuò)的數(shù)據(jù)來源

1.2.1通用數(shù)據(jù)

通用數(shù)據(jù)體現(xiàn)了評價(jià)行為形成因子情況，要求在差錯(cuò)分析中能針對行為形成因子來對各類人為差錯(cuò)概率進(jìn)行標(biāo)定。在貝葉斯算法下，通過整合現(xiàn)場人為誤差以及通用數(shù)據(jù)后，當(dāng)現(xiàn)場數(shù)據(jù)數(shù)量較少時(shí)，則要避免現(xiàn)場數(shù)據(jù)被淹沒，所以針對這種情況，通過在貝葉斯算法中開展關(guān)于認(rèn)知可靠性與差錯(cuò)的分析能夠提供人為差錯(cuò)數(shù)據(jù)以及任務(wù)場景，這也是貝葉斯需要重點(diǎn)實(shí)現(xiàn)的內(nèi)容。

1.2.2仿真技術(shù)

考慮到民航維修工作的復(fù)雜性，為了能夠最大限度上提高誤差控制能力，相關(guān)學(xué)者開始運(yùn)用計(jì)算機(jī)仿真技術(shù)對人為差錯(cuò)進(jìn)行控制，但是因?yàn)榉抡婕夹g(shù)的精準(zhǔn)度無法得到保證，因此在數(shù)據(jù)仿真過程中容易造成誤差。

2.貝葉斯算法的應(yīng)用流程

2.1確定先驗(yàn)分布

在計(jì)算先驗(yàn)分布期間，主要是利用估算方法來計(jì)算出人為差錯(cuò)的分布情況，其中的關(guān)鍵技術(shù)步驟包括：

步驟一：通過設(shè)定分布族為先驗(yàn)分布族，期間假設(shè)民航維修的次數(shù)為n次，其中發(fā)生差錯(cuò)的次數(shù)為f次，此時(shí)維修的認(rèn)為差錯(cuò)概率滿足二項(xiàng)分布的要求。針對這種情況，按照貝葉斯算法可先在（0，1）的區(qū)間內(nèi)均勻分布先驗(yàn)數(shù)據(jù)，在確定其滿足先驗(yàn)分布的基礎(chǔ)上，共軛先驗(yàn)分布族可以按照Beta的算法分布，此時(shí)基于Beta的函數(shù)分布模式可以按照公式（2）進(jìn)行驗(yàn)算。

???? 公式（2）

在公式（2）中，a與b分別代表Beta的分布參數(shù)情況;代表Beta函數(shù)。

步驟二：相關(guān)學(xué)者認(rèn)為維修過程中人為誤差的發(fā)生率為5%[1]，在本次研究中采用5%為差錯(cuò)的中值。在這種情況下，按照貝葉斯先驗(yàn)分布類型，驗(yàn)算估算法確定通用數(shù)據(jù)的先驗(yàn)分布情況。為了實(shí)現(xiàn)這一目標(biāo)，可按照公式（3）展開運(yùn)算。

2.2貝葉斯先驗(yàn)分布參數(shù)的計(jì)算

考慮到民航維修差錯(cuò)的先驗(yàn)信息來源復(fù)雜，在對各種人為差錯(cuò)數(shù)據(jù)展開分析后，結(jié)合統(tǒng)籌數(shù)據(jù)計(jì)算人為差錯(cuò)發(fā)生率。在這種情況下，因?yàn)樯蠑?shù)據(jù)本身就有樣本特征，在海量數(shù)據(jù)處理過程中可借助仿真模

型來判斷各個(gè)數(shù)據(jù)之間通用性，在假設(shè)的情況下，假設(shè)分布參

數(shù)a與b的仿真模型如公式（4）所示。

在開展貝葉斯先驗(yàn)分布參數(shù)計(jì)算中，在公式（4）的求導(dǎo)過程中，通過確定一個(gè)使達(dá)到最大的極值即可。

2.3確定后驗(yàn)分布

在后驗(yàn)分布中可以按照貝葉斯定義，按照樣本偶然系數(shù)，并根據(jù)Beta分布方法，使以及后，選擇Beta的分布中間值進(jìn)行貝葉斯估算，則估算結(jié)果如公式（5）所示。

3.實(shí)例分析

3.1民航維修人為誤差的項(xiàng)目背景介紹

某民航公司的維修任務(wù)達(dá)到150次/月，維修工作中會(huì)因?yàn)椴僮鞑灰?guī)范而導(dǎo)致維修質(zhì)量問題。根據(jù)公司提供的維修記錄，截至2020年，因?yàn)榧夹g(shù)原因所造成的維修差錯(cuò)概率均值為3.1×10，根據(jù)這組數(shù)據(jù)計(jì)算出Beta分布函數(shù)的分別為：a'=2.845、b'=628.03，在將數(shù)據(jù)代入到公式中之后，計(jì)算出貝葉斯θ=4.45×10，按照這一數(shù)據(jù)可以認(rèn)為案例民航維修人員在維修期間，因?yàn)榧夹g(shù)問題而造成的差錯(cuò)概率為4.45×10。在這種情況下，假設(shè)不使用先驗(yàn)信息，單純采用傳統(tǒng)的最大似然估計(jì)法，選擇相同的數(shù)據(jù)展開計(jì)算后，則計(jì)算出失效概率為8.0×10，由此可見，貝葉斯定義方法能夠進(jìn)一步降低失效概率發(fā)生率。

2.2利用現(xiàn)場數(shù)據(jù)進(jìn)行檢驗(yàn)

針對民航公司的實(shí)際維修部記錄，統(tǒng)計(jì)該公司因?yàn)榧夹g(shù)問題而造成的維修誤差概率均值達(dá)到了6.3×10，在將運(yùn)算數(shù)據(jù)與實(shí)驗(yàn)結(jié)果展開對比后，根據(jù)現(xiàn)場數(shù)據(jù)以及貝葉斯的估算結(jié)果，證明兩個(gè)數(shù)據(jù)在內(nèi)容上十分接近，這一結(jié)果證明了該方法在評估民航維修人為誤差管理中發(fā)揮著重要作用。

結(jié)束語：

在估算民航維修人為差錯(cuò)結(jié)果中，采用貝葉斯估算方法具有可行性，該方法的計(jì)算結(jié)果與現(xiàn)場驗(yàn)算結(jié)果基本相同，該方法因?yàn)槟軌蜻M(jìn)一步計(jì)算出維修人員的工作誤差問題，對于整個(gè)民航維修工作開展具有影響。因此相關(guān)人員需要深入了解貝葉斯估算的技術(shù)要點(diǎn)，爭取為更好的控制誤差奠定基礎(chǔ)。

參考文獻(xiàn)：

[1]史海芳，李聰，姬永剛.序約束下單向分類方差分析模型的Bayes變量選擇[J].吉林大學(xué)學(xué)報(bào)（理學(xué)版），2021，59（05）：1093-1100.

[2]郭云東，孫有朝.基于FIS-CREAM方法的人為差錯(cuò)風(fēng)險(xiǎn)評估[J].海軍航空工程學(xué)院學(xué)報(bào)，2020，35（04）：303-309.

作者簡介：顧遠(yuǎn)陽;性別：男; 1983年 11月;上海;漢;本科;助理工程師;民航維修人為差錯(cuò)評估技術(shù)探究。