ASSESSING THE EFFECTIVENESS OF INTELLECTUAL TECHNOLOGIES FOR IDENTIFYING hazardous COMBINATIONS OF EVENTS IN CIVIL AVIATION flight SAFETY MANAGEMENT

Мұқаба

Дәйексөз келтіру

Толық мәтін

Аннотация

This paper proposes an approach to assessing the effectiveness of intellectual technologies (artificial intelligence and machine learning) for identifying hazardous combinations of events in air transport systems. The influence of such technologies on flight safety and the aircraft’s total cost of ownership is formalized. A simple model is developed to assess the effectiveness of implementing intellectual technologies when identifying a single hidden problem. This model is qualitatively analyzed to reveal the role of its parameters (the size and flight hours of the aircraft fleet, the duration and cost of systemic problem elimination, and damage from events of different severity). In addition, we model the identification and elimination of hazardous combinations of events during the life cycle of air transport systems considering the learning effect. According to this effect, the intensity of hidden systemic problems decreases over time with the accumulation of experience in the operation of an air transport system and the gradual elimination of such problems. The relative acceleration in the identification of hidden patterns is the main indicator that characterizes intellectual technologies for identifying such patterns in incidents. Both types of models can be used to estimate the dependence of expected losses on this indicator. It is also important to consider the dependences of model calculation results on other parameters of the models, including the duration and cost of eliminating the identified problems, damage from various events, and the size and flight hours of the aircraft fleet. As is demonstrated below, intellectual technologies are most effective in an air transport system with a small aircraft fleet and a low intensity of aircraft operation.

Авторлар туралы

E. Varyukhina

National Research Center Zhukovsky Institute

Хат алмасуға жауапты Автор.
Email: e.varyukhina@yandex.ru
Zhukovsky, Russia

V. Klochkov

National Research Center Zhukovsky Institute; Trapeznikov Institute of Control Sciences, Russian Academy of Sciences

Email: vlad_klochkov@mail.ru
Zhukovsky, Russia

Әдебиет тізімі

  1. Приложение 19 к Конвенции о международной гражданской авиации. Управление безопасностью полетов. – Монреаль: ИКАО, 2013. – 44 с. [Annex 19 to the Convention on International Civil Aviation. Safety Management. – Montreal: ICAO, 2013. – 44 p.]
  2. Руководство по управлению безопасностью полетов. Doc 9859. Издание 4. – Монреаль: ИКАО, 2018. – 300 с. [Safety Management Manual. Doc 9859. Iss. 4. – Montreal: ICAO 2018. – 182 p.]
  3. Шаров В.Д. Макаров В.П. Методология применения комбинированного метода FMEA-FTA для анализа риска авиационного события // Научный вестник МГТУ ГА. – 2011. – № 174. – С. 18–24. [Sharov, V.D., Makarov, V.P. Using a Combination of FMEA – FTA Techniques in Airline Safety Risk Analysis Methodology // The Civil Aviation High Technologies (Nauchnyi Vestnik MGTU GA). – 2011. – No. 174. – P. 18–24. (In Russian)]
  4. Бутов А.А., Шаров В.Д., Макаров В.П., Орлов А.И. Прогнозирование и предотвращение авиационных происшествий при организации и производстве воздушных перевозок // Вестник Самарского государственного аэрокосмического университета им. академика С.П. Королёва (национального исследовательского университета). – 2012. – № 5 (36). – С. 309–313. [Butov, A.A., Sharov, V.D., Makarov, V.P., Orlov, A.I. Aviation Accidents Forecasting and Prevention at the Organization and Performance of Flights // Vestnik of the Samara State Aerospace University. – 2012. – No. 5 (36). – P. 309–313. (In Russian)]
  5. Шаров В.Д. Применение байесовского подхода для уточнения вероятностей событий в автоматизированной системе прогнозирования и предотвращения авиационных происшествий // Управление большими системами. – 2013. – Вып. 43. – С. 240–253. [Sharov, V.D. Application of Bayesian Approach to Update Events’ Probabilities in Automated System of Aviation Accidents Forecasting and Prevention // Large-Scale Systems Control. – 2013. – Iss. 43. – P. 240–253. (In Russian)]
  6. Бутов А.А., Волков М.А., Макаров В.П. и др. Автоматизированная система прогнозирования и предотвращения авиационных происшествий при организации и производстве воздушных перевозок // Изв. Самарского науч. центра РАН. – 2012. – Т. 14, № 4(2). – С. 380–385. [Butov, A.A., Volkov, M.A., Makarov, V.P., et al. The Automated System of Aviation Accidents Forecasting and Prevention at the Organization and Performance of Flights // Journal of the Samara Research Center of the Russian Academy of Sciences. – 2012. – Vol.14, no. 4 (2). – P. 380–385. (In Russian)]
  7. Богомолов А.С. Анализ путей возникновения и предотвращения критических сочетаний событий в человекомашинных системах // Известия Саратовского университета. Новая серия. Серия Математика. Механика. Информатика. – 2017. – Т. 17, № 2. – C. 219–230. [Bogomolov, A.S. Analysis of the Ways of Occurrence and Prevention of Critical Combinations of Events in Man-Machine Systems // Saratov University News. New Series. Series Mathematics. Mechanics. Informatics. – 2017. – Vol. 17, no. 2. – P. 219–230. (In Russian)]
  8. Филимонюк Л.Ю. Проблема критических сочетаний событий в сложных системах // Математические методы в технике и технологиях – ММТТ. – 2014. – Вып. 9 (68). – С. 241–243. [Filimonyuk, L.Y. Critical Combination of Events Problem in Complex Systems // Mathematical Methods in Technique and Technologies – MMTT. – 2014. – Iss. 9 (68). – P. 241–243. (In Russian)]
  9. Новожилов Г.В., Резчиков А.Ф., Неймарк М.С. и др. Проблемы критических сочетаний событий в системе «Экипаж – Воздушное судно – Диспетчер» // Полет. Общероссийский научно-технический журнал. – 2015. – Вып. 2. – С. 10–16. [Novozhilov, G.V., Rezchikov, A.F., Neymark, M.S., et al. The Problem of Events' Critical Combination in «Crew – Airplane – Air–Ttraffic Controller» Systems // All-Russian Scientific-Technical Journal "Polyot" ("Flight"). – 2015. – Iss. 2. – P. 10–16. (In Russian)]
  10. Богомолов А.С., Иващенко В.А., Кушников В.А. и др. Моделирующий комплекс для анализа критических сочетаний событий в авиационных транспортных системах // Проблемы управления. – 2018. – № 1. – С. 74–79. [Bogomolov, A.S., Ivaschenko, V.A., Kushnikov, V.A., et al. Modeling Complex for Critical Events Combinations Analysis in Aviation Transport Systems // Control Sciences. – 2018. – No. 1. – P. 74–76. (In Russian)]
  11. Новожилов Г.В., Резчиков А.Ф., Неймарк М.С. и др. Человеческий фактор в авиационно-транспортных системах // Полет. Общероссийский научно-технический журнал. – 2013. – № 5. – С. 3–10. [Novozhilov, G.V., Rezchikov, A.F., Neymark, M.S., et al. Human Factor in Aviation Transport Systems // All-Russian Scientific-Technical Journal «Polyot» («Flight»). – 2013. – No. 5. – P. 3–10. (In Russian)]
  12. Носуленко И. А., Басюл И. А., Зыбин Е. Ю., Леликов М. А. Пространственное разделение информации в самолетном переговорном устройстве // Известия ЮФУ. Технические науки. – 2021. – №7 (224). – С. 109–119. [Nosulenko, V.N., Basul, I. A., Zybin, E. Yu., Lelikov, M.A. Spatial Separation of Information in the Aircraft Communication Device // Izvestiya SFedU. Engineering Sciences. – 2021. – No. 7 (224). – P. 109–119. (In Russian)]
  13. Добрянский Г.В., Мельникова Н.С., Мовила В.Н. и др. Интеллектуальная система сбора и анализа полетных данных авиационного двигателя // Вестник Уфимского государственного авиационного технического университета. – 2022. – Т. 26. – № 3 (97). – С. 100–112. [Dobryanskiy, G.V., Melnikova, N.S., Movila, V.N., et al. Intelligent System for Collecting and Analyzing Aircraft Engine Flight Data // Bulletin of the Ufa State Aviation Technical University. – 2022. – Vol. 26, no. 3 (97). – P. 100–112. (In Russian)]
  14. Data Mining Tools Make Flights Safer, More Efficient // NASA Spinoff. – 2013. – URL: https://spinoff.nasa.gov/Spinoff2013/t_3.html (дата обращения 07.12.2023). [Accessed December 7, 2023.]
  15. Larder, B. and Summerhayes, N. Application of Smiths Aerospace Data Mining Algorithms to British Airways 777 and 747 FDM Data. A Technology Demonstration. – Washington, DC: Global Aviation Information Network, 2004. – URL: https://flightsafety.org/files/FDM_data_mining_report.pdf (дата обращения 07.12.2023). [Accessed December 7, 2023.]
  16. Baluch, M., Bergstra, T., El-Hajj, M. Complex Analysis of United States Flight Data Using a Data Mining Approach // 2017 IEEE 7th Annual Computing and Communication Workshop and Conference (CCWC). – Las Vegas, NV, USA, 2017. – P. 1–6. – doi: 10.1109/CCWC.2017.7868414.
  17. Chakrabarty, N. A Data Mining Approach to Flight Arrival Delay Prediction for American Airlines // 2019 9th Annual Information Technology, Electromechanical Engineering and Microelectronics Conference (IEMECON). – Jaipur, India, 2019. – P. 102–107. – doi: 10.1109/IEMECONX.2019.8876970.
  18. Devansh, Sh., Ayushi, L., Danish, J., Lynette, D. Airline Delay Prediction using Machine Learning and Deep Learning Techniques // International Journal of Recent Technology and Engineering. – 2020. – Vol. 9. – Iss. 2. – P. 1049–1054.

Қосымша файлдар

Қосымша файлдар
Әрекет
1. JATS XML
Жүктеу


Creative Commons License
Бұл мақала лицензия бойынша қолжетімді Creative Commons Attribution 4.0 International License.

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».