陈毓夔
摘 要：目前国内绝大部分的民航生产经营单位已根据中国民用航空总局颁布的有关规定和咨询通告实施了安全管理体系（Safety Management System，SMS）建设，也初步建立了全面的安全管理体系效能评估的方法，然而如何使用现代科技手段，例如利用大数据和人工智能等，更加全面、准确、动态地掌握安全状态，实施针对性的安全管理，从而达到控制或降低安全风险至可接受安全水平的目的，该文对其可行性应用展开了初步的研究。
关键词：安全管理 安全绩效管理 大数据 人工智能
中图分类号：F27 文獻标识码：A 文章编号：1672-3791（2020）08（a）-0045-03
A Brief Analysis of the Application of Big Data and Artificial
Intelligence in Maintenance Safety Management of Civil Aviation
CHEN Yukui
（Flightparts （Xiamen） Component Services Ltd， Xiamen， Fujian Province， 361009 China）
Abstract： At present， the majority of civil aviation production and business entities in China have implemented the Safety Management System （SMS） in accordance with the relevant regulations and advisory circulars issued by the General Administration of Civil Aviation of China， and also initially established a comprehensive safety management system effectiveness evaluation. However， the method of how to use modern means of science and technology， such as the use of big data and the artificial intelligence and so on to set up SMS construction ，and to grasp the safety status more comprehensive， accurate， and dynamically， also implement targeted safety management， so as to control or reduce the safety risk to an acceptable level of safety， the purpose of this article has launched the preliminary study of the feasibility of the application.
Key Words： Safety management; Safety performance management; Big data; Artificial intelligence
民航生产经营单位的安全管理体系虽然已建立，结合最近的安全绩效管理方法，极大程度地提高了安全管理水平，如果在此基础上引进大数据和人工智能手段，对全面的安全管理有更大的提升。该文采用安全管理中的部分数据浅析和论证大数据和人工智能在安全管理应用的可能性。
1 民航维修安全管理现状
民航维修管理的理论和实践发展，促使维修质量管理从最初单一的产品检验、过程控制，逐步发展为实施系统审核和全面质量管理，随着《AC-145-15 维修单位的安全管理体系》的颁布，各民航生产经营单位建立了正式的、自上而下的、有条理的以风险管理为基础的安全管理体系，包括风险管理、安全政策、安全保证和安全促进等程序、措施和政策。
为了实现全面的安全管理体系效能评估方法，2017年4月，民航局航空安全办公室发布了《MD-AS-2017-01民航生产经营单位安全绩效管理指导手册》，各民航生产经营单位先后建立了以设立安全绩效指标、安全绩效目标、安全行动计划、安全绩效监测和安全绩效改进等安全绩效管理方法。
2 民航维修安全管理存在的问题
民航维修的安全管理体系涉及相关因素多、交联性强且人为因素复杂，可以说，民航维修的安全管理是一个具有多个控制层次、同一层次要素直接的关联性强、控制层级之间相互约束要求高以及人为因素多等特点的复杂系统。
在风险管理的过程中，对于危险源风险识别和评估，主要采用以下两种。
2.1 头脑风暴型
通常采用由管理者、监督检查人员和部分员工组成的以人数为单数的安全小组成员对危险源进行识别和评估，管理者或监督检查人员提出危险源和其风险等级，安全小组成员投票决定结果。该方法的特点是操作简单，说服性高。但是缺点是评估结果受限于管理者和监督检查人员的业务水平，而且在风险等级较高的危险源评估时会出现意见不一致的情况。
2.2 专家评估型
由经验丰富的专家对危险源进行识别和评估。该方法的特点是迅速和经济。缺点首先是专家的稀缺性，其次是评估上容易存在经验主义，且说服力低，对于风险等级较高的危险源评估上容易受限于顶层和商业压力。
可见，对于风险等级较高的危险源，这两种风险等级评估模式或多或少存在一定的弊端，因为风险等级较高的事件通过历史参考数据的可能性分析上会存在不准确且无法真实模拟，例如：垂直安定面的人员高空坠落，冲压涡轮意外放出。
3 大数据和人工智能
3.1 大数据
大数据（Big Data）是指无法在一定时间范围内用常规软件工具进行捕捉、管理和处理的数据集合，是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力的海量、高增长率和多样化的信息资产。大数据的5V特点（IBM提出）：Volume（大量）、Velocity（高速）、Variety（多样）、Value（低价值密度）、Veracity（真实性）。
3.2 人工智能
人工智能（Artificial Intelligence），它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。所谓人工智能，其实就是指赋予电子信息产品以人的思想，使其按照人类的思维模式进行相应操作。
4 引入大数据和人工智能的可行性分析
在安全管理体系中，识别危险源后，要对危险源进行风险分析。风险分析主要考虑两个方面的因素：严重性和可能性，即危险源导致后果的严重程度和可能导致这种后果的概率。因篇幅有限，该文仅根据“冲压涡轮意外放出”的事件为例进行可行性分析。
在“冲压涡轮意外放出”的事件中，我们通过图1可以初步了解到涡轮释放的逻辑，采用“Root Cause 二八分析法”分析出意外释放中有5个危险源，其中“行为偏离”的危险源（注：空速管的管套密封太紧，导致部分压力封在空速管内，造成了惯导指示错误，对飞机整机断电后正好满足了冲压涡轮自动放出的条件（双发故障（未启动），AC电源故障（飞机断电），空速100KTS左右））通过“权重”计算，可以得出“整责比”是：51.2%。
4.1 大数据—可能性分析的保障
使用大数据在可能性分析时，可以把危险源可能性抓取逻辑设定为：危险源实际发生率=∑（N×n.n%）（N为周期内所有涉及本危险源的事件次数，n为权重值），假设今年发生两起“冲压涡轮意外释放”事件，则“行为偏离”的危险源可能性数值计算后可以得到“发生次数/年”=1（冲压涡轮意外释放1）×51.2%+1（沖压涡轮意外释放1）×51.2%=102.4%，相当于每年发生1次。拥有大数据，在匹配和计算可能性数值时可以将行业内的同类信息加入，在权重上再乘于10%，可以得到更准确的数值。
4.2 人工智能—严重性分析的保障
对于“冲压涡轮意外释放”的事件，严重性评价是非常困难的，仅采用头脑风暴和专家评估，是不能真正意义上确定其风险等级，如果谨慎起见，严重等级评价过高，在风险管控上就势必得采取冗余的措施，耗费资源，浪费人力、物力、财力。如果采用人工智能，模拟真实冲压涡轮意外释放的事件，可以准确计算出释放以后对人员的损伤程度、设备的毁坏程度，这些都量化到数值上，再采用大数据分析，就可以得到准确的严重性数值。
如此以来，只要通过输入事件编号，计算机就能立即抓取相关数据，计算并采用人工智能模拟出该危险源的严重性，从而算出风险等级。
在特定情况下，通过大数据和人工智能模拟出来的风险等级数值似乎是衡量人为差错，实际上，该风险等级反映的不是某个体的人为差错，而是系统在人为差错控制方面的效果和管理上存在的缺陷，风险值的波动会体现整体安全行为的变化，其背后的原因分析必然会采用系统安全的分析方法，就能验证安全管理体系实施的效能，保持持续安全水平，促使安全管理体系发挥更大的作用。
5 结语
该文仅仅针对大数据技术以及人工智能方面在民航维修安全管理中的应用分析，在借助大数据和人工智能技术的支持下，可以为安全管理体系提供更大的支持。然而，大数据和人工智能技术是一把双刃剑，在大数据与人工智能技术的融合到安全管理体系过程中，应注意防范相关安全风险，从而更好地推动民航安全管理体系的发展。
参考文献
[1] 宋云雪.基于广义线性回归模型的飞机维修单位风险管理研究[J].科技通报，2016，32（1）：215-219.
[2] 周晓垣.人工智能：开启颠覆性智能时代[M].北京：台海出版社，2018：240-245.
[3] 董媛媛，董小兵，林晓晨.数据时代下的学术期刊：从单一数字化到多元数据化的转变[J].视听，2019（7）：241-242.
[4] 田啸.大数据环境下计算机应用技术研究[J].电脑知识与技术，2019（14）：246-247.
[5] 张春鹏.论民航维修管理的几点改进措施[J].科技创新导报，2018（2）：205-206.
[6] 郭勇.机务维修人员疲劳风险评价模型及管理系统实现[J].科技创新导报，2019（6）：165-166.
[7] 武利峰.大数据在空管安全管理中的应用探究[J].科技创新导报，2018（27）：188-189.
