田沛奇

摘要：航線維修是飛機安全運行的重要環(huán)節(jié)，隨著國家對飛行安全重視程度的提升，企業(yè)對航線維修要求也日益提高，航空公司在航線維修風(fēng)險管理方面的探索和實踐也越來越深。本文從風(fēng)險管理研究的角度出發(fā)，基于SHEL模型對航線維修風(fēng)險進行識別，得出維修工作中的主要風(fēng)險因素。采用FMEA法計算各項風(fēng)險的風(fēng)險順序數(shù)，并針對相關(guān)航線維修風(fēng)險提出改進措施。實踐證明，在實施有效的風(fēng)險管理措施后，不安全事件發(fā)生的數(shù)量有所減少，且RPN值明顯降低。

Abstract： Line maintenance plays an important role in normal flight for airplanes. With the increasing emphasis on flight safety and the improvement of national requirements for airline maintenance， more and more exploration and practice of airline maintenance risk management have been carried out in civil aviation. Based on the risk management， this paper identifies the risk of line maintenance based on SHEL model， obtains the main risk factors in maintenance work， and calculates RPN of each risk by FMEA method. According to the index， improvement measures on line maintenance risk are put forward in this paper. Practice has proved that after implementing effective risk management measures， both the number of unsafe incidents and the RPN value are significantly reduced.

關(guān)鍵詞：航線維修;風(fēng)險管理;SHEL;FMEA

Key words： line maintenance;risk management;SHEL;FMEA

中圖分類號：F562.6 ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? 文獻標(biāo)識碼：A ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?文章編號：1006-4311（2019）08-0029-03

0 ?引言

改革開放40年來，中國民航業(yè)實現(xiàn)了舉世矚目的快速發(fā)展。隨著航空業(yè)技術(shù)水平的進步，近10年來，機組原因事故下降了3.3%，空管原因事故下降了1.2%，但與飛機維修相關(guān)的事故卻呈上升趨勢，由原來的3.4%上升至6%，增加了近一倍。其中人為因素占到主因的70～80%。

目前，我國的飛機維修人員與快速增長的飛機數(shù)量和維修能力間的矛盾越顯突出。過去10年，飛機維修系統(tǒng)人機比呈持續(xù)下降趨勢，從事維修工作6年以下的飛機維修人員占比在逐年提升。據(jù)統(tǒng)計，依據(jù)CCAR-121部運行的航空公司，自2009年起民用飛機平均年增長率保持在11.5%左右。隨著飛機數(shù)量的不斷增加，航線維修工作對維修人員的素質(zhì)、知識、技術(shù)、抗壓能力要求逐漸加強，民航航線維修所承擔(dān)的風(fēng)險也日益增加。對于飛行安全是一切工作之首的民航運輸業(yè)，有效的航線維修風(fēng)險管理就顯得尤為重要。

1 ?航線維修風(fēng)險管理模型

1.1 基于SHEL模型的航線維修風(fēng)險識別

SHEL模型（圖1）是被廣泛應(yīng)用的人為因素模型，該模型的最初提出者愛德華在描述飛行中人為差錯時所創(chuàng)立的模型理論。SHEL模型是由軟件（Software）、硬件（Hardware）、環(huán)境（Environment）和人（Liveware）四個部分組成，因為人是決策制度、建立程序、貫徹流程、操作航空器等動作的發(fā)起者，人與SHEL模型的四個組成部分相互作用、相互影響。經(jīng)過研究分析，發(fā)現(xiàn)差錯最容易發(fā)生在處于模型中心位置的人上，所以將人確定為該模型的中心因素。該模型中，鋸齒表示了各子系統(tǒng)的缺陷。值得注意的是：各子系統(tǒng)應(yīng)該被理解為可能變動的因素，如天氣的變化、管理程序的修改、硬件的改動等，當(dāng)人不能適應(yīng)其它子系統(tǒng)的變化的時候，各子系統(tǒng)之間的配合就會出現(xiàn)問題，即發(fā)生不安全事件。

1.1.1 人與軟件（L-S）

人與軟件因素，主要包括維修手冊、指令以及檢查單等指標(biāo)。手冊、指令和檢查單是航線維修的重要依據(jù)。維修人員與軟件的不匹配會導(dǎo)致嚴重的后果：如維修人員無法理解手冊內(nèi)容，盲目維修，不但可能造成飛機部件錯裝等不適航的狀況，還可能造成人員受傷或飛機損傷。

1.1.2 人與硬件（L-H）

人與硬件因素，主要包括設(shè)備、工具、車輛等保障，維修工作在缺少硬件的環(huán)境下無法順利進行。例如，未懸掛警告牌可能會造成錯誤操作，導(dǎo)致人員受傷或飛機受損;不當(dāng)?shù)厥褂霉ぞ邥p壞部件;沒有車輛保障會拖延維修進度，誘發(fā)其他維修風(fēng)險。

1.1.3 人與環(huán)境（L-E）

人與環(huán)境因素，對飛機維修工作的影響是持續(xù)的，且多為不可控制因素，主要包括工作時間段、惡劣環(huán)境、飛機停場時間無法滿足排故需求、停機位表面的外來物等內(nèi)容。飛機維修人員在工作中不斷克服環(huán)境因素的影響，如夜間在人體節(jié)律最低迷的凌晨2點至4點開展的維修工作、冬季室外進行的排故工作等，都可能誘發(fā)風(fēng)險。

1.1.4 人與人（L-L）

人與人因素，是維修工作中最多發(fā)生的因素，因為一切工作內(nèi)容都是由人完成的，人的因素貫穿維修全程。常見的表現(xiàn)形式有：維修中斷、維修人員欠能、溝通不良、漏檢、漏做等。

1.2 航線維修風(fēng)險因素表

航線維修工作的各個階段都存在風(fēng)險，梳理2018年1月至9月發(fā)生的96起不安全事件，涉及SHEL模型的全部模塊和飛機航線維修過程的各個階段。基于SHEL模型分析以上不安全事件，將風(fēng)險類別歸類形成航線維修風(fēng)險因素表，見表1。

2 ?航線維修風(fēng)險評估

2.1 引入FMEA機制

針對航線維修工作特點和目前風(fēng)險管理的現(xiàn)狀和問題，引入FMEA方法會將不安全事件的發(fā)生率降至更低。因為：

2.1.1 FMEA是一套系統(tǒng)方法

雖然在航線飛機維修過程中有民航法規(guī)、行業(yè)標(biāo)準、廠家技術(shù)手冊和生產(chǎn)任務(wù)評估的支持，但還沒有形成系統(tǒng)的、主動的風(fēng)險管理體制，在維修工作進行時，特別是開展先前未做或極少遇到的維修任務(wù)時，還是有“摸著石頭過河”的現(xiàn)象和心態(tài)，對維修工作風(fēng)險管理帶來阻力。

2.1.2 FMEA側(cè)重于維修工作開展之前的事前研究

航線維修工作的周期很短，對時間有比較強的敏感度，準確的評估風(fēng)險并順利開展維修工作是平穩(wěn)運行的關(guān)鍵，可以利用開工前較少的時間在維修工作開展前進行風(fēng)險評估并規(guī)避風(fēng)險。

2.1.3 FMEA是一個動態(tài)的行為過程

隨著科技水平的進步以及飛機的升級換代，飛機部件功能、系統(tǒng)原理都在發(fā)生變化，航線維修人員面對不斷更新的維修技術(shù)需要推陳出新，將不再適用的方法摒棄，順應(yīng)適當(dāng)?shù)暮骄€維修體系。

由于航線維修人員在發(fā)現(xiàn)維修現(xiàn)場問題之后，僅針對個人遇到的單一事件進行處理，沒有形成放行小組、車間乃至基地之間的事件分析互動。這樣就導(dǎo)致不安全事件無法在發(fā)生前的隱藏階段及時、深度暴露，為之后的維修工作繼續(xù)帶來隱患。只有重視起航線維修過程中每一條不安全因素背后的原因，并且通過實際的制度、流程修訂改正，才能改善目前維修現(xiàn)狀。

2.2 航線維修FMEA評估指標(biāo)的設(shè)定

分析FMEA失效模式，主要需從嚴重度（S）、頻率數(shù)（O）和探測度（D）三個方面計算得出RPN（風(fēng)險順序數(shù)）值，公式為：RPN=S×O×D

進行航線維修風(fēng)險評估之前，首先定義嚴重度、頻率數(shù)和探測度的評價指標(biāo)。參考CCAR/FAR/CS 25.1309條款，嚴重度分為五級：災(zāi)難級（5）、危險級（4）、較大影響（3）、較小影響（2）和無安全影響（1）;頻率數(shù)分為五級：經(jīng)常（5）、不經(jīng)常（4）、微小的（3）、極小的（2）和極不可能（1）;探測度分為五級：難探測（5）、不易探測（4）、可以探測（3）、容易探測（2）和極容易探測（1）。

2.3 航線維修風(fēng)險順序數(shù)（RPN）

RPN的作用是通過對風(fēng)險的重要度、發(fā)生度和探測度三個層面進行評估，確定解決問題的先后排序，RPN取值在1至125之間，風(fēng)險順序值越高說明需要采取措施的急迫程度越高，應(yīng)當(dāng)努力減少該值。

航線維修風(fēng)險的嚴重度、發(fā)生度和探測度準則制定之后，每個風(fēng)險的具體判斷值采用評分的方法，由70名機位人員（包括航線勤務(wù)人員、維修人員、放行人員和車間干部）來進行打分。隨著維修、授權(quán)經(jīng)歷的不斷增長，航線工作者對航線維修風(fēng)險的認知度會逐漸加強，在對航線風(fēng)險因素打分權(quán)重進行定義，如表2所示。

經(jīng)過調(diào)查，航線工作人員對識別出的4類、15條航線維修風(fēng)險因素進行打分，得出表3。

由航線維修風(fēng)險順序數(shù)表可見：“人員欠能”是最高的風(fēng)險因素，應(yīng)當(dāng)最優(yōu)先考慮制定風(fēng)險解決方案。排在其后的風(fēng)險因素分別是“夜間或長時間維修工作”、“惡劣天氣影響維修工作”、“飛機停場時間無法滿足排故需求”和“維修工作中斷”。

3 ?航線維修風(fēng)險控制

人的因素和人與人溝通的因素是航線維修的首要風(fēng)險來源，需重點關(guān)注并采取措施預(yù)防。在機組反映故障現(xiàn)象時要高度重視、全面了解。在工作中明確人員分工，規(guī)范交接流程，防止工作交接上的疏漏。班前加強準備工作，全面彌補自身工作能力的不足。維修過程主動回查，及時糾正操作錯誤。班后及時總結(jié)和梳理，提高風(fēng)險意識。加強人員培訓(xùn)，合理分配人力物力，協(xié)調(diào)維修程序，防止維修中的錯忘漏。

人與軟件和環(huán)境的因素是航線維修風(fēng)險的重要來源，需重點注意維修手冊的時效性、積極構(gòu)建安全文化、加強維修人員技術(shù)訓(xùn)練。還需加強工作者勞動保護和維修的后勤保障，克服工作環(huán)境的惡劣，依據(jù)人力、時間合理安排工作量。構(gòu)建人性化的維修管理氛圍，消除維修人員的操作壓力。

隨著飛機技術(shù)發(fā)展，由于硬件原因造成的風(fēng)險已大大降低，但仍要加強對維護機型的學(xué)習(xí)，更新維修工具，加強運輸車輛配置，充分考慮飛機維修性、機隊運行環(huán)境惡劣和利用率過高對航線維修的影響，特別是對高原航線多、運行量大的機隊風(fēng)險管控尤為重要。

4 ?實施效果

通過一段時間有針對性的風(fēng)險管理措施實踐，航線維修不安全事件發(fā)生的數(shù)量有所減少，維修質(zhì)量穩(wěn)步提高。

4.1 風(fēng)險控制實施前后RPN值順位前10位比較

與實施前順位前10位的RPN值相比，風(fēng)險控制實施后其RPN值明顯降低，下降幅度為5.27～23.38，具體見表4。

4.2 風(fēng)險控制實施前后不安全事件數(shù)量比較

表5為風(fēng)險控制實施前后重要事件與人為差錯數(shù)統(tǒng)計，重要事件與人為差錯的數(shù)量均明顯減少。

5 ?結(jié)束語

飛機維修是一個復(fù)雜的系統(tǒng)工程，其中人與軟件、硬件、環(huán)境和人之間的復(fù)雜配合中，隱藏了各類風(fēng)險因素，值得管理者深入研究。本文依據(jù)SHEL模型歸類飛機航線維修風(fēng)險，利用FMEA分析法對維修風(fēng)險進行綜合評價，并提出一系列控制措施，可以依據(jù)每個風(fēng)險指標(biāo)RPN值大小，有針對性地對風(fēng)險進行管理。該方法不僅能使風(fēng)險管理過程定性和定量分析很好結(jié)合，方法更加科學(xué)，還有利于管理者在一系列風(fēng)險中認清現(xiàn)有管理短板，可以系統(tǒng)地、有針對性地提出風(fēng)險控制措施，為管理增效。

參考文獻：

[1]李文忠，吳亮德.機務(wù)航線維修風(fēng)險管理方法研究[J].企業(yè)改革與管理，2014，22（4）：132-133.

[2]楊海濤，陳新鋒.中國民航維修系統(tǒng)資源及行業(yè)發(fā)展報告[J].航空維修與工程，2017，61（10）：16-20.

[3]周航，王瑛.基于SHEL模型和神經(jīng)網(wǎng)絡(luò)的空中交通管制風(fēng)險預(yù)警研究[J].安全與環(huán)境學(xué)報，14（3）：138-141.