基于信息熵与灰色关联法的航空装备维修差错致因研究

张雨琦，谷 雨

（中国飞行试验研究院，陕西 西安 710089）

1 引言

21 世纪以来，飞机本身的安全性、可靠性越来越高，人为差错已经逐渐成为导致航空安全事故的主要原因之一[1-2]，由维修差错引起的事故及事故征候占比例逐年上升[3]。目前，对于维修差错影响因素的分析，多采用定性分析或针对指标维度的单维度定量分析，例如有贝叶斯网络法[4]、灰色关联法[5]、模糊网络分析法[6]等，其结果仍然存在一定的主观性。

本文采用SHELL 模型对维修差错影响因素进行分类，融合信息熵法和灰色关联法构建航空维修差错人为因素二维分析模型，给出影响因素等级排序，并给出对应的风险提示及规避措施。

2 维修差错影响因素集构建

SHELL 模型通过研究人与硬件、软件、环境、人四个要素见的相互作用，为建立维修差错的致因体系框架提供了理论基础。参考民航局咨询通告《航空人员的维修差错管理》以及国际民航组织航空维修人为因素指导手册中不安全事件诱因中的12 大类，结合SHELL 模型进行重新组合划分，建立人为因素为中心的维修差错诱发因素集，如图1 所示。

图1 航空装备防差错评价要素体系图

3 基于信息熵与灰关联算法的影响因素排序模型

灰色关联是量化系统各因素关联程度的重要方法，可以找出影响指标值的重要因素，掌握事物的有效特征。但灰色关联法计算过程中数据采用等权处理，忽略了系统因素的影响程度。信息熵算法可用来衡量历史数据效用价值的大小，信息熵越大，信息的不确定性就越大，其效用值越小；反之亦然[7-8]。信息熵分析能够求解系统内各个指标的熵，修正权重。本文采用信息熵算法分析历史数据对于维修差错致因影响因素的效用价值，并作为权重系数代入灰色关联法，以提高系统整体关联度分析的客观准确度，弥补传统灰色关联度算法等权重处理的不足。

首先，如果样本数据构成矩阵X，则根据式（1）将其进行标准化处理得到矩阵Y，其中且0<β<1，再根据式（2）计算影响因素指标的信息熵与熵权；记母序列Q0´，各指标数据构成比较序列Qi´（i=1，…，n）。数据序列构成矩阵Q´，并进行无量纲化；根据式（3）计算关联系数，取ρ=0.5。将权重wj代入式（4），求得熵权灰关联度：

4 维修差错影响因素案例分析

首先，选取某航空维修单位2006—2010 年的航空维修差错统计原始数据汇总归类后，使用信息熵算法对5 年的维修差错数目进行的权重分析。

原始数据如表1 所示。

表1 维修差错诱发因素统计数据（2006—2010 年）[9]

根据式（1）（2）进行信息熵分析，得到各每一年的权重，再将每一年的维修差错数目统计总数，构成母序列Q0´，2006—2010 年的维修差错诱因数据构成比较序列Qi´。使用式（3）进行关联系数计算，代入权重，使用式（4）得到最终的熵权灰关联度如图2 所示。

图2 航空维修差错影响因素熵权灰关联度图

由计算结果得，维修文件、维修环境、设备工具三个因素关联度较高，说明维修文件不充分、维修环境不舒适以及维修设备工具配备不到位作为维修差错的致因，属于严重影响因素。因此，制订预防维修差错事故的方案应当综合考虑以上维修差错致因因素的重要程度，建立规范的维修文件资料，重视维修工程技术部门针对适航指令、咨询通告等维修文件的规范化编写最为重要；加强维修环境人因工程的设计考虑，提供必要的维修作业防护装备；考量维修设备工具的合理性和充分性；重视完善计划监督体制，加强维修管理和监督，防止维修监督走形式的情况发生对于预防维修差错同样有效。

5 结论与分析

本文结合SHELL 模型，分析构建了维修差错的影响因素集，并在此基础上，搜集人为因素案例的历史数据，引入信息熵算法以年份为度对历史数据进行权重分析，融合灰色关联算法，在信息熵权重分析的基础上，进行维修差错影响因素的灰色关联分析，给出影响因素的排序：维修文件、维修环境、设备工具、信息沟通、计划和监督、工作任务与分配、器材管理、飞机设计及构造、组织机构、知识技能、身心因素。最终根据影响因素排序情况，有针对性地提出了维修差错规避措施及防控建议。