ОЦЕНКА ЭФФЕКТИВНОСТИ ПРИМЕНЕНИЯ ИНТЕЛЛЕКТУАЛЬНЫХ ТЕХНОЛОГИЙ ВЫЯВЛЕНИЯ ОПАСНЫХ СОЧЕТАНИЙ ОБСТОЯТЕЛЬСТВ В УПРАВЛЕНИИ БЕЗОПАСНОСТЬЮ ПОЛЕТОВ ГРАЖДАНСКОЙ АВИАЦИИ

Обложка

Цитировать

Полный текст

Аннотация

Предложен подход к оценке эффективности интеллектуальных технологий выявления опасных сочетаний обстоятельств в авиатранспортных системах. Формализовано влияние таких технологий на безопасность полетов и общую стоимость владения авиационной техникой. Разработана простая модель оценки эффективности внедрения интеллектуальных технологий (для выявления единичной скрытой проблемы). Качественный анализ этой модели позволил выявить роль различных ее параметров – таких как численность и налет парка авиационной техники, длительность и стоимость устранения системной проблемы, ущерб от событий различной степени серьезности. Также предложен подход к моделированию процессов выявления и устранения опасных сочетаний обстоятельств на протяжении жизненного цикла авиатранспортных систем с учетом эффекта обучения. Этот эффект состоит в том, что при накоплении опыта функционирования авиатранспортной системы и постепенном устранении скрытых системных проблем интенсивность их проявления со временем сокращается. Основным параметром, характеризующим интеллектуальные технологии выявления скрытых закономерностей в обстоятельствах инцидентов, является показатель относительного ускорения их выявления. Оба вида моделей позволяют в конечном счете оценить зависимость ожидаемых потерь от данного обобщающего параметра. Также важны зависимости результатов модельных расчетов от прочих параметров предложенных моделей, в том числе от длительности и стоимости устранения выявленных проблем, ущерба от различных событий, численности и налета парка авиационной техники. Показано, что технологии интеллектуального анализа данных максимально эффективны в авиатранспортной системе при малой численности парка воздушных судов и при низких интенсивностях их эксплуатации.

Об авторах

Е.  В Варюхина

ФГБУ «Национальный исследовательский центр “Институт имени Н. Е. Жуковского”»

Автор, ответственный за переписку.
Email: e.varyukhina@yandex.ru
г. Жуковский, Россия

В.  В Клочков

ФГБУ «Национальный исследовательский центр “Институт имени Н. Е. Жуковского”»; Институт проблем управления им. В. А. Трапезникова РАН

Email: vlad_klochkov@mail.ru
г. Жуковский, Россия

Список литературы

  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.

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML
Скачать


Creative Commons License
Эта статья доступна по лицензии 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».