试飞阶段机务维修人为差错影响因素评价研究*

宋海靖，马涛，吕宝

(中国飞行试验研究院，陕西 西安 710089)

综合保障性技术

试飞阶段机务维修人为差错影响因素评价研究*

宋海靖，马涛，吕宝

(中国飞行试验研究院，陕西 西安 710089)

维修人为差错是导致飞行事故的重要原因。传统的机务维修人为因素分析多采用定性分析，具有一定的主观随意性，工程操作性不强。结合试飞阶段机务维修实际，充分考虑人为因素定义和概念的模糊性，构建了融合专家自信度、三标度和灰色关联算法的航空维修人为因素综合评价模型；基于试飞阶段大数据库，客观科学地定量分析及辨识出事故中人为影响因素优先级，并基于影响因素等级给出对应风险提示及规避措施。最终通过某型机试飞阶段典型故障实例验证了本方法的有效性。

试飞阶段；机务维修；人为因素；灰色关联；影响因素、风险管理

0 引言

众所周知，飞机维修是保证飞机固有可靠性的重要手段，但随着飞机系统设备的高度集成化，航空安全压力重大。据美国波音公司统计，全球民航喷气式飞机有70%的飞机失事是由人为因素引起。可见航空事故中，维修人为差错是导致机务故障的主要原因[1]。近年来，通过许多失事案例及研究发现，机务人员检查及维修失误成为飞行事故重要影响因素之一，而且是呈现上升的趋势[2]。对于试飞试验机，机务人员维修对象为先进的新研系统设备，维修效果与机务人员的知识储备、工作经验息息相关。但随着航空技术的发展，试飞阶段任务重、节点紧，维修工作的压力随之增大，导致人为失误的概率增加，如何评估应对人为差错显得尤为重要。

针对以上问题，本文就如何客观科学地定量分析及辨识出事故中最主要的人为差错原因及影响因素，以便提前采取应对防护措施，有效预防事故的发生进行了研究。通过总结试飞阶段，类似机型以往大量的排故实例，对机务维修人为差错中人-机-环等影响因素进行量化排序并分类，找出人为差错的主要影响因素集，使人为差错分析由主观判断变为客观描述，从而可根据影响因素的关联度主次采取应对措施，减少和控制人为差错的发生。

1 机务维修人为因素的综合评价方法

本文提出一种将改进专家打分法、三标度分析法和灰色关联法集成的人为因素综合评价方法体系，给出了一套可操作的评价指标和评价方法，用于指导机务维修中人为因素评价，并以某型试验机为载体进行实例验证，证明了方法的有效性。

图1是本文提出的人为差错影响因素评价方法框架图。

1.1 人为差错影响因素集确定

机务人员工作效率受到多方面因素的制约和影响，针对机务维修的实际，建立一个大规模的、系统的、复杂的人为因素影响因素层次模型是十分必要的。传统的人为因素分析，往往邀请有经验的机务专家，靠其丰富的经验和直觉感受，用一些实践中的模糊概念和综合判断加以评价[3-4]。因此，实际工作往往缺乏一定的科学性、全面性和规范性，本文引入专家一致意见及专家自信度对专家打分法进行了改进，构建多层次的人为影响因素集，包括以下步骤：

图1 人为差错影响因素评价方法框架图Fig.1 Diagram of evaluation methods of human error influence factors

(1) 协调小组成立

协调小组应由5人组成，其中研究员1名、高工2名、工程师2名。主要任务是：拟定主题、确定专家咨询人员、编制咨询表、组织咨询工作并对数据进行统计处理。

(2) 专家咨询人员确定

挑选专家是专家打分法成败的关键，应选择愿意参加，且具有丰富实践经验和一定人为因素分析专业知识的专家。本方法规定选取的机务专家应具有飞机维护经历(5年以上)，专家人数以10～30人为宜[5]。

(3) 第1轮专家咨询

从机务维修人为因素目标出发，确立了维修中与人为因素有关的4个子目标分别为：与人本身有关、与环境有关、与组织管理有关、与装备有关[6]，并征求有关专家意见，初步确定出初步的人为差错影响因素集。

基于初步影响因素集Uk，引入专家一致意见制定第1轮专家咨询表，要求每位专家判断出各影响因素重要度，采用5点Likert型标度划分影响程度等级，1～5分别表示的影响等级为“不重要”、“一般”、“重要”、“很重要”和“非常重要”。这里专家一致意见定义为：不少于2/3的专家判断等级为“大”以上的判断结果(以下记为P33)[7]。

(4) 第2轮专家咨询

对第1轮专家咨询结果处理和分析，并反馈给专家组，引入专家自信度制定第2轮专家咨询表。要求专家给出判断人为差错影响因素重要度等级时的自信度(group confidence ranking，GCR)。采用5点标度划分自信度等级，1～5分别表示自信度等级为“很低”、“低”、“一般”、“高”和“很高”。资料表明[8]，当专家组的自信度(GCR)均值不小于3时，表示咨询结果较接近于主观判断的“真实”情况。经两轮筛选得到人为差错影响因素结构图，如图2所示。

本文专家打分法基于“人机环”理论，确定了5类与“人、环境、管理、组织、装备”相关的人为差错影响因素集。专家组由具有5年以上某型机维护经历的25位机务人员组成，在两轮专家咨询的基础上，通过引入专家一致意见及专家自信度对每个指标层的具体影响因子进行分析，最终筛选出图2中的30个影响因素指标，具体指标分析见实例应用。

1.2 影响因素权重系数确定

影响因素权重系数的确定，是评价各因素重要程度的核心问题[9-11]。为确定各因素导致事故发生概率及其对事故严重性的影响程度，本文引入“三标度”原理对AHP分析进行了改进，降低了指标两两比较次数，且满足一致性的要求，具有很强的可操作性。该方法包括以下4个步骤：

(1) 建立判断矩阵C(由专家评判得到)

(1)

(2) 基于判断矩阵计算最优传递矩阵D

(2)

式中：m为C的阶数。

(3) 计算一致性矩阵Q

qij=exp(dij)，∀i,j.

(3)

(4) 求Q的最大特征值对应的特征向量，单位化的特征向量即为各指标的相对权重ai。

实际评价中，为减弱专家人为因素的干扰，以便更准确、客观地给出判断矩阵，可同时聘请d(d>1)位专家对同一影响因素进行比较判断[12]，确定各因素对事故严重性影响等级SP、导致事故发生的概率SS，然后进行灰色关联计算后，从中“综合”出一个较理想结果。

1.3 基于灰色关联算法的影响因素排序

灰色关联算法(以下简称关联算法)是建立在外场故障信息库及丰富机务专家经验的基础上。本文应用关联算法对各种人为差错影响因素的优先顺序进行计算，考虑针对人本身、装备技术、管理组织、环境等因素。算法框图如图3所示。

图2 机务维修人为差错影响因素集结构图Fig.2 Diagram of human error influence factors system of aviation maintenance

灰色关联计算分如下3个步骤[13-14]。

(1) 建立原始数据矩阵R

统计各型机在飞行中出现的人为差错事故征候原因，分析对应各影响因素，并将其归类到人因u(1)、装备u(2)、管理组织u(3)、环境u(4)等一级指标层中，共同构成原始数据矩阵R。

(2) 原始数据矩阵R的规范化处理

为了消除量纲的影响，对R作规范化处理，得到矩阵RI，根据人为差错影响因素的特点，它们均为“正向指标”(值越大越好)，规范化算法是对每个评价指标下的各个参数归一化，消除量纲影响。

(3) 计算灰色关联度

RI建立后，根据V的最优规范化评价指标，确定最优母序列Y0=(y0(j))，(j=1,2,…,5)。此时，y0为参考序列，yi(i=1,2,…,m)为比较序列，计算y0与yi的关联系数φi(j)，算法如下：

φi(j)=

(4)

由关联系数φi(j)可计算关联度Gi。

(5)

式中：δj为权重系数，这里指的是影响因素对事故严重性影响等级、导致事故发生概率。

灰色关联度反映了某一潜在事故原因与决策因素最优值之间的关系，关联度越大对应的影响就越小，对应的风险优先级越高。此外，根据灰色关联度可以实现风险排序，将影响因素分为4类：严重、重要、一般和轻微影响因素[15]。对于各类因素进行风险点评估，达到风险分析的目的，从而可以有针对性地制定各种预防和控制人为差错的措施，最终实现降低风险。

2 应用实例

本文以某型机飞行时第3发动机出现火警为例，其主要仪表指示错乱，油门操纵不动，机组对该发动机灭火、停车，飞机提前返航安全落地。事故直接原因是机务人员在查找第3发动机金属碎片而执行工作指令时，错误地断开二通活门反推气源管，并忘记复原，导致飞行过程中高温气体喷出，造成火警。经调查，这次人为差错的产生因素如下：

(1) 机务人员错误地断开了反推三通活门管路接头并忘记复原。

(2) 机务人员在执行时错误理解维修工作指令。维修工作指令的编写没有提供工作所依据的维护手册章节号或附图，完全依靠操作者理解和判断，维修技术文件存在缺陷。

图3 基于关联算法的人为差错影响因素框图Fig.3 Influence factors of human error based on grey relational analysis

(3) 机务人员过于自信，没有进行询问、交流和请示汇报，机组其他人和领导都不清楚他所做的工作，因此失去了互相提醒和监督的机会。

(4) 当天由6名机务人员做第三发动机排故工作，中队长未作组织分工，造成有2人做同一项工作，其中一人正确地拆装了管路接头，而另一个人则出现了错误，并忘记复原。

(5) 由于飞行节点要求紧，排故人员时间压力大，工作紧张，诱发人为失误。

(6) 机场高温作业，机务人员身心工作状态受环境影响，工作效率受到影响。

(7) 机务准备工作于夏季正中午作业，光照太强，诱发机务人员工作疏忽。

(8) 机务人员没有按规定签字，检查者又没有纠正，使机务人员失去了一次回顾工作可能补救差错的机会。

(9) 按照单位作业文件相关要求，执行者工作完成后要签字，这些规定和要求并没有严格执行。

从以上分析看，事故的主要原因是管理组织的问题，如计划监管不足、维护资料存在缺陷、没有按照程序来工作等。基于图2模型，分析事故调查结果，可以得到此次事故中的人为差错影响因素结构，如图4所示。

针对该事故分析，邀请25位机务专家对此次人为差错事故影响因素进行讨论确认，通过式(3)对专家打分结果进行分析处理，得出统计结果如下表1所示。

结合该机型4架机人为差错外场实际历史数据，统计得到原始数据矩阵R，并将其规范化处理为RI，具体为

图4 实例主要影响因素层次结构图Fig4 Hierarchy framework for influence factors in example analysis

表1 机务维修安全中的人为因素影响评价指标体系权重Table 1 Weight coefficient of evaluation indexes during aviation maintenance safety analysis

表2 影响因素关联度计算结果分析Table 2 Results analysis of correlation degree of influence factors

根据计算结果可以看出，计划监管不足、交流沟通不充分、计划执行不到位及维护资料不充分等因素关联度高，属于严重影响因素；其次是作业疲劳、不完备的维护程序、不适当作业、机务人员认知偏好等因素的关联度较高，属重要影响因素；温度太高、任务分配不到位属一般影响因素，光照太强、记忆失误对人为差错影响轻微。此外，专家组应用本文模型对多起人为差错事故实例进行了分析，发现严重影响等级中的4个因素通用性较强，即人为计划监管与执行、交流沟通及维护资料是导致人为差错事故的主因。专家组针对该类事故预防特开展风险分析，提出了3类风险规避提示及措施：①工作充分考虑技术工作量及环境等维修工效，实行充分的监督检查，杜绝管理松懈、监控人员职责不明、履行职责不到位的现象；②改进维护手册，在容易出现歧义的地方要有注释；③加强机务成员之间的交流沟通，培养团队精神，克服个人的认知偏好。

3 结论

(1) 结合试飞阶段机务维修实际，引入专家一致意见及专家自信度，构建了人为差错影响因素层次结构，经过2轮指标筛选，增强了构建结果的科学性；

(2) 考虑人为因素定义和概念的模糊性及专家认识上的差异性，将三标度及灰色关联算法融合，实现了人为差错影响因素定性评价的定量化，更有说服力的分级说明人为差错原因所在；

(3) 基于关联度排序集将人为因素分为严重、重要、一般和轻微4类，辨识出人为差错的主要影响因素，并给出预防改进措施，该风险提示及规避管理措施已应用多个型号试飞阶段维修工作中，效果良好；

(4) 实例分析结果表明，本文提出的人为差错影响因素综合评价方法，结合改进专家打分法、三标度分析和灰色关联度计算使得人为因素影响分析的准确性和可操作性有了一定的提高，该方法还可进一步扩展应用到其他复杂系统中。

[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.维格曼, 斯科特A.夏佩尔.飞行事故人的失误分析—人的因素分析与分类系统 [M]. 马锐，译. 北京: 中国民航出版社，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,郭建胜,周长飞. 航空维修人为因素事故分析系统研究[J]. 航空维修与工程，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] 张凤,于广涛,李永娟,等. 影响我国民航飞行安全的个体与组织因索—基于HFACS框架的事件分析 [J]. 中国安全科学学报, 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] 张吉军.模糊层次分析法(FAHP) [J]. 模糊系统与数学, 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] 邓聚龙. 灰色系统基本理论和方法 [M]. 武汉:华中工学院出版社,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，江苏连云港人。工程师，硕士，主要从事适航与安全性评价技术研究。

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

V267；V212.13

A

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

通信地址：710089 陕西省西安市阎良区73号信箱飞行部可靠性研究中心

E-mail：shjaj@163.com