民机维修任务分析的人因可靠性预测模型

doi:10.7527/S1000-6893.2022.28051

固体力学与飞行器总体设计

本期目录 | 过刊浏览 | 高级检索

前一篇 | 后一篇

民机维修任务分析的人因可靠性预测模型

郭庆(), 关德明

中国民航大学航空工程学院，天津 300300

收稿日期:2022-09-27 修回日期:2022-11-09 接受日期:2022-11-29 出版日期:2023-08-25 发布日期:2022-12-06
通讯作者: 郭庆 E-mail:qguocauc@sina.com
基金资助:
中央高校基本科研业务费中国民航大学专项(3122021049)

Human factor reliability prediction model for civil aircraft maintenance task analysis

Qing GUO(), Deming GUAN

College of Aeronautical Engineering，Civil Aviation University of China，Tianjin 300300，China

Received:2022-09-27 Revised:2022-11-09 Accepted:2022-11-29 Online:2023-08-25 Published:2022-12-06
Contact: Qing GUO E-mail:qguocauc@sina.com
Supported by:
Fundamental Research Funds for the Central Universities Civil Aviation University of China(3122021049)

摘要/Abstract

摘要：

人为因素作为人机关系中的重要环节，是影响民航安全的关键因素。定量分析机务人因可靠性水平对于减少无意识犯错、保障飞行安全具有重要意义。根据NASA建议开发出一套THERP+CREAM结合的模型，针对民航特点对THERP数据表进行优化处理，采用模糊贝叶斯网络与CREAM结合的方法确定机务维修人员的认知控制模式，利用平均权重因子将THERP的预测值嵌入CREAM，实现两代方法的结合，以提高机务人因可靠性预测的精度。研究结果表明：通过对某航空公司某维修小组的调查，证实了所提的THERP+CREAM预测模型能够较好地预测机务人因可靠性水平，实现了依据维修手册中的维修任务，即可进行人因可靠性分析，为研制单位维修任务分析中的人素分析提供了一个定量评估方法。

关键词: 民机维修, 维修任务分析, 人因可靠性, THERP, CREAM, 贝叶斯网络

Abstract:

Human factors as an important link in the human-machine relationship are currently becoming a key factor affecting civil aviation safety. Quantitative analysis of human factor reliability level in aircraft operations is important in reducing unconscious errors and ensuring flight safety. In this study， a combined THERP+CREAM model is developed according to NASA recommendations， the THERP data table optimized for the characteristics of civil aviation， the cognitive control mode of the aircrew maintenance personnel determined using the combination of fuzzy Bayesian networks and CREAM， and the predicted value of THERP embedded into CREAM using the average weight factor to realize the combination of two generations of methods and improve the accuracy of aircrew human factor reliability prediction. Investigation into a maintenance team of an airline company shows that the proposed THERP+CREAM prediction model can better predict the level of airframe human factor reliability， and realize that the human factor reliability analysis can be performed based on the maintenance tasks in the maintenance manual， hence providing a quantitative assessment method for the human factor analysis in the maintenance task analysis of the development unit.

Key words: civil aircraft maintenance, maintenance task analysis, human factor reliability, THERP, CREAM, Bayesian networks

中图分类号:

V267

郭庆, 关德明. 民机维修任务分析的人因可靠性预测模型[J]. 航空学报, 2023, 44(16): 228051-228051.

Qing GUO, Deming GUAN. Human factor reliability prediction model for civil aircraft maintenance task analysis[J]. Acta Aeronautica et Astronautica Sinica, 2023, 44(16): 228051-228051.

图/表 15

图1

图2

表1

表2

图3

表3

表 4

维修人员年龄职位和职责

人员编号	年龄	职位	主要职责
1	45	主管	安排分队人员实施维修工作，合理调配人力资源，完成维修任务，监督分队的维修生产过程，完成分队的生产、安全、质量等各项指标。
2	50	高级排故工程师	分析研究重大、疑难、重复故障，制定排故方案，主持排故中的技术支援，及时排除故障，保证航线维护工作的顺利进行。
3	35	排故工程师	按照故障现象分析故障原因，组织制定排故方案，进行技术支援，确保维修工作顺利实施。
4	39	检验工程师	实施维修过程中的质量控制，组织落实检验标准和管理程序，监控飞机技术状况，分析总结飞机故障，编制飞机排故方案和预防性维修方案。
5	23	维修技术员	按照航线工作单内容完成执管飞机一种（含）以上机型的航前、航后和过站维护工作，参与飞机部件的拆装工作。
6	35	维修技术员	正确独立完成飞机重要系统的功能检查和测试、调节校验工作。判别例行维护检查工作中存在的飞机缺陷，独立修复飞机常见缺陷，并参与飞机故障的排除。
7	23	维修技术员	按照航线工作单内容完成执管飞机一种（含）以上机型的航前、航后和过站维护工作，参与飞机部件的拆装工作。
8	38	维修技术员	完成飞机一般部件的操作测试、拆装工作。参与完成飞机重要部件的操作测试、拆装工作。判断并在指导下排除简单故障。完成例行工作，并报告缺陷。
9	34	维修技术员	正确独立完成飞机重要系统的功能检查和测试、调节校验工作。判别例行维护检查工作中存在的飞机缺陷，独立修复飞机常见缺陷，并参与飞机故障的排除。
10	24	维修技术员	按照航线工作单内容完成执管飞机一种（含）以上机型的航前、航后和过站维护工作，参与飞机部件的拆装工作。
11	30	维修技术员	正确独立完成飞机重要系统的功能检查和测试、调节校验工作。判别例行维护检查工作中存在的飞机缺陷，独立修复飞机常见缺陷，并参与飞机故障的排除。
12	26	维修技术员	完成飞机一般部件的操作测试、拆装工作。参与完成飞机重要部件的操作测试、拆装工作。判断并在指导下排除简单故障。完成例行工作，并报告缺陷。
13	34	维修技术员	正确独立完成飞机重要系统的功能检查和测试、调节校验工作。判别例行维护检查工作中存在的飞机缺陷，独立修复飞机常见缺陷，并参与飞机故障的排除。
14	30	维修勤务员	完成飞机进港指挥、停放、挡轮挡、拿取和堵放各种堵盖工作。负责与机场飞机监管部门完成飞机的交接工作，完成放燃油沉淀并检查，完成加/放水的辅助性工作。

表 4

表 5

表6

表 7

图4

表 8

图5

表9

表 10

参考文献 22

1	邵佳军.基于空中交通管制的人为因素问题成因及策略解析［J］.中国新通信，2020，22（20）：133-134.
	SHAO J J. Analysis of the causes of human factor problems and strategies based on air traffic control［J］. China New Telecommunications， 2020，22（20）：133-134 （in Chinese）.
2	施志坚，王华伟，徐璇.基于CREAM和贝叶斯网络的航空维修人为差错概率预测［J］.中国安全生产科学技术，2015，11（4）：185-191.
	SHI Z J， WANG H W， XU X. Prediction of human error probability in aviation maintenance based on CREAM and Bayesian network ［J］. Journal of Safety Science and Technology， 2015，11（4）：185-191 （in Chinese）.
3	HOLLNAGEL E. Qualitative performance prediction［M］∥Cognitive Reliability and Error Analysis Method （CREAM）. Amsterdam： Elsevier， 1998： 216-233.
4	SWAIN A D， GUTTMANN H. Handbook of human reliability analysis with emphasis on nuclear power plant applications ［R］. Washington D.C.：US Nuclear Regulatory Commission，1983.
5	CALHOUN J， SAVOIE C， RANDOLPH-GIPS M， et al. Human reliability analysis in spaceflight applications［J］. Quality and Reliability Engineering International， 2013， 29（6）： 869-882.
6	AKYUZ E. Quantitative human error assessment during abandon ship procedures in maritime transportation［J］. Ocean Engineering， 2016， 120： 21-29.
7	AKYUZ E， CELIK M. A methodological extension to human reliability analysis for cargo tank cleaning operation on board chemical tanker ships［J］. Safety Science， 2015， 75： 146-155.
8	KONSTANDINIDOU M， NIVOLIANITOU Z， KIRANOUDIS C， et al. A fuzzy modeling application of CREAM methodology for human reliability analysis［J］. Reliability Engineering & System Safety， 2006， 91（6）： 706-716.
9	MARSEGUERRA M， ZIO E， LIBRIZZI M. Human reliability analysis by fuzzy “CREAM”［J］. Risk Analysis， 2007， 27（1）： 137-154.
10	UNG S T. A weighted CREAM model for maritime human reliability analysis［J］. Safety Science， 2015， 72： 144-152.
11	BAZIUK P A， RIVERA S S， LEOD J M. Fuzzy human reliability analysis： applications and contributions review［J］. Advances in Fuzzy Systems， 2016， 2016： 4612086： 1-4612086： 9.
12	ZHOU Q J， WONG Y D， LOH H S， et al. A fuzzy and Bayesian network CREAM model for human reliability analysis-the case of tanker shipping［J］. Safety Science， 2018， 105： 149-157.
13	鲁义，伍江乐，邵淑珍，等. 基于贝叶斯网络的危化品道路运输事故推理模型［J］. 中国安全科学学报， 2022， 32（3）： 174-182.
	LU Y， WU J L， SHAO S Z， et al. Prediction model for road transport accidents of hazardous chemicals based on Bayesian network［J］. China Safety Science Journal， 2022， 32（3）： 174-182 （in Chinese）.
14	李金蓉，杨玉中. DS理论-贝叶斯网络下的煤矿通风系统风险评估［J］. 中国安全科学学报， 2022， 32（8）： 146-153.
	LI J R， YANG Y Z. Risk assessment of ventilation system in coal mines based on DS theory and Bayesian network［J］. China Safety Science Journal， 2022， 32（8）： 146-153 （in Chinese）.
15	孙延浩，张涛，刘宁馨，等. 基于证据推理的改进加权CREAM模型［J］. 安全与环境工程， 2022， 29（2）16-22， 31.
	SUN Y H， ZHANG T， LIU N X， et al. Improved weighted CREAM model based on evidential reasoning［J］. Safety and Environmental Engineering， 2022， 29（2）16-22， 31 （in Chinese）.
16	杨志永，曹茜，姜杉. 人因可靠性分析的加权CREAM模型［J］. 安全与环境学报， 2021， 21（3）： 1197-1202.
	YANG Z Y， CAO X， JIANG S. Weighted cognitive reliability and the error analysis method（CREAM）for human reliability analysis［J］. Journal of Safety and Environment， 2021， 21（3）： 1197-1202 （in Chinese）.
17	王宁，杜修力，张明聚，等. 地铁盾构施工人因可靠性分析的加权模糊CREAM模型［J］. 天津大学学报， 2019， 52（2）： 200-210.
	WANG N， DU X L， ZHANG M J， et al. A weighted fuzzy CREAM model for human reliability analysis in shield tunneling［J］. Journal of Tianjin University， 2019， 52（2）： 200-210 （in Chinese）.
18	KUMAMOTO H， HENLEY E. Probabilistic risk assessment［M］. Wiley-IEEE Press， 1996： 95-164.
19	CHANDLER T， CHANG J， MOSLEB A， et al. Human reliability analysis methods selection guidance for NASA［R］. Washington， D.C.：NASA， 2006.
20	RAUSAND M. Risk assessment： theory， methods， and applications［M］. Hoboken： Wiley， 2011.
21	张建祥，甘旭升，吴亚荣，等.空管人因失效概率的THERP-CREAM预测方法［J/OL］.航空工程进展，（2022-05-20）［2022-08-30］..
	ZHANG J X， GAN X S， WU Y R， et al. THERP-CREAM prediction method for failure probability of human factor of air triffic control［J/OL］. Advances in Aeronautical Scinece and Engineering，（2022-05-20）［2022-08-30］. （in Chinese）.
22	RIBEIRO A C， SOUSA A L， DUARTE J P， et al. Human reliability analysis of the Tokai-Mura accident through a THERP-CREAM and expert opinion auditing approach［J］. Safety Science， 2016， 87： 269-279.

E-mail：hkxb@buaa.edu.cn

关于我们

期刊社服务

专业学科

封面文章

友情链接

主管单位：中国科学技术协会主办单位：中国航空学会北京航空航天大学

项号	疏忽项	HEP
当正确使用有检查条款的规程时
1	清单短（≤10项）	0.001
2	清单长（>10项）	0.003
当使用无检查条款规程或未正确使用检查条款时
3	清单短（≤10项）	0.003
4	清单长（>10项）	0.01
5	书面规程可用、该用而没用	0.05

项号	疏忽项	HEP
当正确使用有检查条款的规程时
1	清单短（≤10项）	0.000 1
2	清单长（>10项）	0.000 3
当使用无检查条款规程或未正确使用检查条款时
3	清单短（≤10项）	0.000 3
4	清单长（>10项）	0.001
5	书面规程可用、该用而没用	0.05

认知控制模式	平均权重因子
混乱型	23
机会型	7.5
战术型	1.9
战略型	0.94

人员经验	应激水平		应激PSF修正
有	较低		2
	最佳		1
	中等	1.一步一步操作	2
	中等	2.动态操作任务	5
	极高应激条件		0.25
无	较低		2
	最佳	1.一步一步操作	1
	最佳	2.动态操作任务	2
	中等	1.一步一步操作	4
	中等	2.动态操作任务	10
	极高应激条件		0.5

编号	效果	CPC1	CPC2	CPC3	CPC4	CPC5	CPC6	CPC7	CPC8	CPC9
1	增加	0.8	0.7	0.6	0.8	0.7	0.6	0	0.9	0.8
	不显著	0.2	0.3	0.4	0.2	0.3	0.4	0.7	0.1	0.2
	降低	0	0	0	0	0	0	0.3	0	0
︙	︙	︙	︙	︙	︙	︙	︙	︙	︙	︙
14	增加	0.7	0.8	0.8	0.8	0.8	0.8	0	0.7	0.7
	不显著	0.3	0.2	0.2	0.2	0.2	0.2	0.9	0.3	0.3
	降低	0	0	0	0	0	0	0.1	0	0

民机维修任务分析的人因可靠性预测模型

Human factor reliability prediction model for civil aircraft maintenance task analysis

RichHTML

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

图/表 15

参考文献 22

相关文章 15

编辑推荐

Metrics

本文评价

编号	CPC1	CPC2	CPC3	CPC4	CPC5	CPC6	CPC7	CPC8	CPC9
1	90	85	80	90	85	80	35	95	90
2	90	80	75	85	60	70	30	95	80
3	95	85	85	85	85	85	55	80	85
4	85	90	90	80	70	70	50	90	85
5	85	80	80	60	80	75	45	40	50
6	85	85	80	85	85	80	55	85	80
7	80	80	85	55	60	65	35	35	60
8	85	85	80	85	85	80	55	90	85
9	80	80	85	80	80	80	50	85	85
10	80	75	80	55	70	60	35	40	55
11	85	80	80	80	80	80	45	80	80
12	80	80	80	75	80	75	50	75	80
13	85	85	80	85	85	80	45	85	85
14	85	90	90	90	90	90	45	85	85

编号	战略/%	战术/%	机会/%	混乱/%
1	63.00	34.00	2.00	1.00
2	46.00	49.00	4.00	1.00
3	61.00	39.00	0	0
4	58.00	42.00	0	0
5	33.00	65.00	1.00	0
6	60.00	40.00	0	0
7	11.00	74.00	12.00	3.00
8	65.00	35.00	0	0
9	56.00	44.00	0	0
10	10.00	77.00	10.50	2.50
11	50.00	49.00	1.00	0
12	45.00	55.00	0	0
13	59.00	40.00	1.00	0
14	66.00	33.00	1.00	0

人员编号	认知失效概率
1	0.000 032 364
2	0.000 037 868
3	0.000 026 288
4	0.000 026 864
5	0.000 064 808
6	0.000 026 480
7	0.000 123 976
8	0.000 025 520
9	0.000 027 248
10	0.000 116 780
11	0.000 029 520
12	0.000 023 720
13	0.000 027 792
14	0.000 026 448

[1]	张帆, 孙紫荆, 肖国松, 刘嘉琛, 王鹏. 基于直觉模糊贝叶斯网络的HUD系统多阶段任务可靠性分析[J]. 航空学报, 2023, 44(4): 226853-226853.
[2]	刘浩, 王昊, 孟光磊, 吴昊, 周铭哲. 基于动态贝叶斯网络和模糊灰度理论的飞行训练评估[J]. 航空学报, 2021, 42(8): 525838-525838.
[3]	石健, 王少萍, 罗雪松. 基于不确定传感器状态的机载系统多层故障诊断方法[J]. 航空学报, 2021, 42(6): 624376-624376.
[4]	孔祥芬, 王杰, 张兆民. 基于贝叶斯网络和共因失效的飞机电源系统可靠性分析[J]. 航空学报, 2020, 41(5): 323632-323632.
[5]	贾宝惠, 邓婉怡, 王毅强. 三层三级民机修理级别经济性分析模型的改进[J]. 航空学报, 2020, 41(3): 323468-323468.
[6]	贺楚超, 高晓光. 直升机火控系统精度敏感性分析的BNSobol法[J]. 航空学报, 2016, 37(10): 3110-3120.
[7]	李天梅, 胡昌华, 周鑫. 基于故障传递特性的位置不可访问故障注入方法[J]. 航空学报, 2011, 32(12): 2277-2286.
[8]	孙瑾, 顾宏斌, 侯建波, . 基于梯度方向二值模式特征的飞机翼尖跟踪技术[J]. 航空学报, 2011, 32(11): 2062-2072.
[9]	代京;张平;李行善;于劲松. 航空机电系统测试性建模与分析新方法[J]. 航空学报, 2010, 31(2): 277-284.
[10]	陈海洋;高晓光;樊昊. 变结构DDBNs的推理算法与多目标识别[J]. 航空学报, 2010, 31(11): 2222-2227.
[11]	厉海涛;金光;周经伦;周忠宝. 动量轮在轨状态可靠性贝叶斯网络建模与评估[J]. 航空学报, 2009, 30(6): 1084-1089.
[12]	吴昊;左洪福;孙伟. 一种新的民用飞机修理级别优化模型[J]. 航空学报, 2009, 30(2): 247-253.
[13]	李俊生;丁建立. 基于贝叶斯网络的航班延误传播分析[J]. 航空学报, 2008, 30(6): 1598-1604.
[14]	尹晓伟;钱文学;谢里阳. 系统可靠性的贝叶斯网络评估方法[J]. 航空学报, 2008, 30(6): 1482-1489.
[15]	苏畅;张恒喜. 飞机作战效能评估中人的可靠性的引入方法[J]. 航空学报, 2006, 27(2): 262-266.

编号	CPC1	CPC2	CPC3	CPC4	CPC5	CPC6	CPC7	CPC8	CPC9
1	90	85	80	90	85	80	35	95	90
2	90	80	75	85	60	70	30	95	80
3	95	85	85	85	85	85	55	80	85
4	85	90	90	80	70	70	50	90	85
5	85	80	80	60	80	75	45	40	50
6	85	85	80	85	85	80	55	85	80
7	80	80	85	55	60	65	35	35	60
8	85	85	80	85	85	80	55	90	85
9	80	80	85	80	80	80	50	85	85
10	80	75	80	55	70	60	35	40	55
11	85	80	80	80	80	80	45	80	80
12	80	80	80	75	80	75	50	75	80
13	85	85	80	85	85	80	45	85	85
14	85	90	90	90	90	90	45	85	85

编号	CPC1	CPC2	CPC3	CPC4	CPC5	CPC6	CPC7	CPC8	CPC9
1	90	85	80	90	85	80	35	95	90
2	90	80	75	85	60	70	30	95	80
3	95	85	85	85	85	85	55	80	85
4	85	90	90	80	70	70	50	90	85
5	85	80	80	60	80	75	45	40	50
6	85	85	80	85	85	80	55	85	80
7	80	80	85	55	60	65	35	35	60
8	85	85	80	85	85	80	55	90	85
9	80	80	85	80	80	80	50	85	85
10	80	75	80	55	70	60	35	40	55
11	85	80	80	80	80	80	45	80	80
12	80	80	80	75	80	75	50	75	80
13	85	85	80	85	85	80	45	85	85
14	85	90	90	90	90	90	45	85	85