民航飞行员非技术技能评价模型的研究*

王永刚，刘吉祥,2

(1.中国民航大学 安全学部, 天津 300300; 2 .中国民航大学 经济与管理学院，天津 300300)

0　引言

安全飞行技能包含技术技能和非技术技能。通过研究显示，相对于技术技能，非技术技能对飞行安全的影响更大[1]。从近20年的飞行事故中可以发现，三分之二的飞行事故涉及人的失误[2]，这些失误不是由技术原因所导致，而是由机组的沟通、合作和决策等非技术技能的不足所导致的[3]。2017年，虹桥机场发生的飞机险相撞事件，正是由于机长高超的非技术技能——正确的判断，之后果断起飞，随即飞机拉升，才避免了一场灾难。因此，飞行员非技术技能的高低对飞行安全的影响非常大。但是，目前对于飞行员非技术技能评价的研究较少。欧洲联合航空局就非技术技能训练评估提出四维模型最具影响力，即合作、领导与管理、情景意识、决策四维模型[4]。Helmreich等对民航飞行员人因技能进行了调查与分析，确定了5个非技术技能评价指标：团队管理和机组交流、情景意识和决策、自动化管理、特殊情况处理、技术熟练度[5]；游旭群根据开放式问卷调查和访谈结果，并在当代CRM和TEM 模型以及中国航空安全文化特征研究的基础上提出了民航飞行员非技术技能的评价指标：自动化系统认识、情景意识与决策、领导与管理、人际交流与合作[6]；牟海鹰在对民航飞行员非技术技能结构分析时，提出了应激管理能力。又有学者研究连续驾驶时间和休息时间对商业驾驶者驾驶表现和恢复的影响时，提出应激反应能力，并且认为其可以通过选择反应时间来测量[7]。但是，现有对于飞行员非技术技能评价模型的研究从指标的确定到评价方法的选择上多为定性地判断飞行员非技术技能的高低，不能较为准确地判断特定飞行员非技术技能的薄弱环节。为了解决这些问题，本文构建了飞行员非技术技能评价指标体系，运用因子分析-灰色关联分析结合的评价方法，定量判断飞行员非技术技能的高低，同时还可以找出飞行员非技术技能的薄弱环节，有的放矢地对飞行员开展针对性的非技术技能培训，以切实提高民航飞行员的非技术技能，降低事故率，提高民航的安全水平。

1　民航飞行员非技术技能评价指标体系

1.1　评价指标体系的建立

飞行员的非技术技能是指驾驶舱里不直接涉及飞机操作、系统管理、标准操作程序的飞行员的态度和行为[3]。进行飞行员非技术技能评价的基础是评价指标的确定。据引言叙述，欧洲联合航空局、Helmreich和游旭群共同提出机组交流与合作、领导与管理、情景意识与决策可以作为飞行员非技术技能的评价指标；牟海鹰与另一位国内学者共同提出应激能力应作为飞行员非技术技能的评价指标[3，7]；Helmreich提出的特殊情况处理属于应激能力的范畴；Helmreich认为自动化管理是评价飞行员非技术技能的指标；而游旭群在后续的研究中则认为自动化系统认识可以更准确的评价飞行员的非技术技能[6]。

本文综合欧洲联合航空局、Helmreich、国内学者的评价指标，确定机组交流与合作、自动化系统认识、情境意识与决策、领导与管理、应激能力作为飞行员非技术技能的评价指标。机组交流与合作可通过团队意识、职权梯度来衡量；自动化系统意识可通过系统知识、程序操作、自动化管理来衡量；领导与管理能力可通过负荷管理、领导方式来衡量；情景意识与决策能力可通过问题诊断、警觉意识、风险知觉、反馈调整、注意力、速度知觉和深度知觉来衡量[6-7]；应激能力可以通过选择反应时间来衡量[7]。综合以上分析，民航飞行员非技术技能指标体系如图1。

图1　民航飞行员非技术技能指标体系Fig.1　Index system of the civil aviation pilots non-technical skills

1.2　评价指标体系可信度

为了验证指标体系的可信度，向有经验的飞行员、飞行教员发放调查问卷，总共发放问卷125份，收回问卷115份，剔除作废问卷5份，可用问卷总数为110份。问卷回收率为88%，大于70%，说明此次问卷调查是可行的。

1.2.1信度

经过SPSS运算，其可靠性统计如表1，克隆巴赫系数大于0.7。因此，评价指标体系信度满足要求[8]。

表1　可靠性统计

1.2.2效度

经过SPSS运算：巴特利特球形检验和KMO通过了验证，如表2，说明此模型做因子分析可行。

表2　KMO和巴特利特检验

总方差解释中，提取了卡方值大于1的5项主成分，并且5项主成分的累积方差百分比达到75.348%，符合要求。旋转后的成分矩阵如表3所示，每一项指标仅仅在某一个主成分上的载荷大于0.6，因此，评价指标体系的效度满足要求。

表3　旋转后的成分矩阵

2　民航飞行员非技术技能评价模型

本文运用灰色关联分析与因子分析相结合的方法来建立评价模型。灰色关联分析法是一种多因素统计分析方法[9]，弥补了用数理统计方法作为系统分析所出现的弊端，计算工作量小,应用比较方便，对样本量的多少要求较低[10]。研究飞行员非技术技能指标体系中部分指标的测量条件比较苛刻，如负荷管理。这导致测量的数据信息不完整，无规律，灰色关联分析法对此较为适合。因子分析——灰色关联分析结合的方法相对于单一的灰色关联分析方法包含了将维的原理，保留了原始变量提供的大部分信息，消除数据重叠的冗余信息。可以描述隐藏的，不宜直接测量的，更基本的隐性变量，从而降低误判的可能[11-12]。(注：本研究调研的对象为有经验的飞行员及飞行教员，符合要求的调研人群相对较少，总共发放问卷125份，收回有效问卷110份，样本量较少)。

灰色关联分析评价模型[13]如下：

以行业内理想飞行员的非技术技能各指标值作为参考数列X0的各实体Xot，被评价飞行员的各指标值作为比较数列Xi的各实体Sit,求关联度ri，关联度越大，说明被评飞行员的非技术技能与理想飞行员的非技术技能越接近，其非技术技能越强，反之，则非技术技能越弱。

2.1　选择参考数列

飞行员的序号为i，i=1，2，…，m；t为第t个评价指标的序号，t=1,2,…,n；Dit为第i个飞行员的第t个指标的评价值。指标分为定性指标、定量指标。对于定性指标的评价，由专家打分(1～5)进行；对于定量指标的评价，由仪器测量(速度知觉测试仪，深度知觉测试仪，注意力分配测试仪器，反应时间测试仪)得到，均取绝对值。

取每个指标的最佳值的D0t参考书列D0的实体，于是有参考数列：

D0=(d01，d02，…，d0n)，式中：d0t=optimum(dit)，i=1，2，…，m；t=1,2,…,n。

对一个由m个飞行员，n个评价指标的系统，有下列矩阵：

(1)

2.2指标的规范化处理

规范化处理公式如下：

(2)

进行规范化处理之后，得：

(3)

2.3　计算关联系数

把规范化后的数列Y0=(Y01,Y02,…,Y0n)作为参考数列，Yi=(Yi1,Yi2,…,Yin)(i=1,2,…,m) 作为比较数列，有此公式可得关联系数：

(4)

式中：i=1,2，…,m；t=1,2,…,n；p是分辨系数，0

进而关联系数矩阵如下：

(5)

2.4　计算单层次的关联度

R=(ri)1x m= (r1,r2,…,rm)=WET

(6)

2.5　基于因子分析法的指标权重的确定

1)二级指标权重的确定

据1.2因子分析，得到成分得分系数矩阵，可根据以下公式计算二级指标的权重：

βj=A1F1+A2F2+A3F3+A4F4(Ai表示第i个主因子对第j个二级指标的得分系数，取其绝对值计算，Fi为5个主因子的贡献率)，再由下式计算二级指标的权重。

(7)

2)一级指标权重的确定

(8)

2.6　计算评价系统的最终关联度

最终关联度的计算方法如下:

1)将第二级各指标的关联系数进行合成，分别得到他们所属的第一级各指标的关联度。Rk=Wj×EjT,(Rk为第k个一级指标的关联度，Wj为第k个一级指标下第j个二级指标的权重，Ej为第k个一级指标下二级指标的关联系数矩阵)。

3　实例应用

以天津某航空公司飞行大队为例，依据上述评价模型，随机抽取5名不同背景的飞行员(编号1～5)。向专家讲解飞行员非技术技能指标体系中的每一个指标，并邀请10名专家对5 名飞行员打分。

1)选择参考数列以及确定各个飞行员的评价值矩阵(经规范化处理后)

参考数列：D0=(5，5，5，5，0，0,1,0，5，5…)，参考数列规范化后：Y0=(1,1,1,1，0，0,0.2,0,1,1,1…)。专家打分规范化处理之后的评价值如表4。

表4　指标规范化处理之后的评价值

2)计算关联系数

把规范化后的数列Y0作为参考数列，Yi作为比较数列，利用公式计算关联系数，得到每名飞行员各个指标的关联系数，如表5。

3)基于因子分析法的指标权重的确定

由2.5的论述，权重计算结果如表6所示。

表5　关联系数

表6　权重计算结果

4)评价系统的最终关联度如表7所示。

表7　评价系统的最终关联度

5)飞行员一级指标关联度加权值如表8所示。

表8　飞行员一级指标关联度加权值

6)结果分析

由广义权距离计算理论可知[15],比较序列距离参考序列越近,关联度越大。因此，飞行员的最终关联度越大，其非技术技能与理想飞行员的差距越小，该飞行员的非技术技能越高，否则越低。据以上分析，5名飞行员非技术技能的关联度排序为：R2>R3>R1>R5>R4。因此编号为2的飞行员非技术技能最强，编号为4的飞行员非技术技能最弱。

根据上述分析，某一个指标的关联系数越小，说明飞行员在此能力指标上与理想飞行员的差距越大，相应能力就越弱。据此，可识别飞行员非技术技能的薄弱环节。但是一级指标的关联度大小受二级指标权重的影响，由此，一级指标关联度加权值能反应飞行员非技术技能的薄弱环节。编号为1的飞行员，指标4的关联度加权值明显小于其他3个，说明此飞行员的领导与管理能力比较薄弱。同理，编号为2，3的飞行员，其非技术技能的薄弱环节为应激能力。编号为4的飞行员，其非技术技能的薄弱环节为领导与管理能力，编号为5的飞行员，其非技术技能的薄弱环节为自动化系统认识。

4　结论

1)本文从飞行员的机组交流与合作、自动化系统意识、情境意识与决策、领导与管理、应激能力五个方面构建了飞行员非技术技能评价指标体系。运用因子分析-灰色关联分析的方法对某航空公司来自于不同背景的5 名飞行员进行非技术技能的评价，定量的判定了5名飞行员非技术技能的高低。客观反映了飞行员的非技术技能。为航空公司进行绩效考核提供数据支持和科学依据。

2)飞行员非技术技能一级评价指标关联度的加权值能判定飞行员非技术技能的薄弱环节，为航空公司进行飞行员后期的非技术技能的培训提供有针对性的数据支持。

[1]李永娟. 组织错误的表现与类型—核电与民航的研究[D]. 北京：中国科学院心理研究所，2002.

[2]罗晓利. 飞行中人的因素[M]. 成都：西南交通大学出版社，2002.

[3]牟海鹰, 张宏伟. 民航飞行员非技术技能结构分析[J]. 心理与行为研究, 2016, 14(2):241-246.

MOU Haiying, ZHANG Hongwei. Structural analysis of non-technical skills of Civil aviation pilots[J]. Psychological And Behavioral Research , 2016, 14(2):241-246.

[4]Avermaete , J. A. G. , Kruijsen .The evaluation of non-technical skills of multi-pilot aircrew in relation to the JAR-FCL requirements[Z].1998.

[5]Helmreich , R. L. , Butler , R. , et al. The NASA/University of Texas/Federal Aviation Administration Line/LOS Checklist: A behavioral-based checklist for CRM skills assessment[Z].1997.

[6]游旭群,姬鸣. 航线驾驶安全行为多维评价量表的构建[J]. 心理学报,2009,41(12):1237-1251.

YOU Xuqun, JI Min. Construc -tion of multidimensional assessment scale for airline driving safety behavior [J]. Acta Psychologic a Sinica , 2009, 41 (12): 1237 -1251.

[7]Lianzhen Wang , Yulong Pei.The impact of continuous driving time and rest time on commercial drivers' driving performance and recovery[J]. Journal of Safety Research ,2014,(50):11-15.

[8]卢纹岱. SPSS for Windows统计分析.第3版[M]. 北京：电子工业出版社, 2006.

[9]谭学瑞, 邓聚龙. 灰色关联分析;多因素统计分析新方法[J]. 统计研究, 1995, 12(3):46-48.

TAN Xuerui, DENG Julong. A new method of statistical analysis based on Grey Relational Analysis [J]. Statistical Research,1995, 12(3):46-48.

[10]徐涛龙. 基于灰色关联分析的LNG接收终端人因事故辨识方法[J]. 中国安全生产科学技术, 2011, 7(9):97-101.

XU Taolong. Identification method of human accident due to LNG receiver terminal based on Grey Relational Analysis [J]. Journal of Safety Science and Technology , 2011, 7(9):97-101.

[11]吕伏, 梁冰. 基于因子分析的开采层瓦斯抽采方法选择[J]. 中国安全生产科学技术,2014, 10(7):26-31.

LYU Fu, LIANG Bing. Selection of gas extraction method in mining layer based on factor analysis [J]. Journal of Safety Science and Technology , 2014, 10(7): 26-31.

[12]廖为鲲. 基于因子分析法的城市经济发展评价[J]. 统计与决策, 2005, 12(24):52-54.

LIAO Weikun. Evaluation of urban economic development based on factor analysis [J]. Statistics & Decision , 2005, 12 (24):52-54.

[13]杜栋, 庞庆华, 吴炎. 现代综合评价方法与案例精选[M]. 北京：清华大学出版社, 2015.

[14]田水承, 薛明月, 李广利, 等. 基于因子分析法的矿工不安全行为影响因素权重确定[J].矿业安全与环保, 2013,40(5): 113-123.

TIAN Shuicheng, XUE Mingyue, LI Guangli,et al. Weight determination of influencing factors of miners' unsafe behavior based on factor analysis [J]. Mining Safety & Environmental Protection , 2013,40(5): 113-123.

[15]陈勇刚, 杨晓强. 基于模糊灰色关联的航空公司机队可靠性指标的优选[J].中国安全生产科学技术, 2010, 6(3):101-105.

CHEN Yonggang, YANG Xiaoqiang. Optimization of airline fleet reliability index based on fuzzy grey relation [J]. Journal of Safety Science and Technology , 2010, 6(3):101-105.