В Ульяновске 1-2 ноября 2012, г. состоялась Третья международная научно-практическая конференция "Системы управления жизненным циклом изделий авиационной техники: актуальные проблемы, исследования, опыт внедрения и перспективы развития".

К конференции были выпущены номер журнала (из списка ВАК) "Известия Самарского научного центра Российской академии наук" (2012. Том 14. No. 4(2)), труды и тезисы конференции. В этих изданиях опубликованы 3 статьи (одновременно в журнале и в сборнике трудов конференции) и 6 тезисов (в сборнике тезисов конференции), подготовленные нами вместе с другими исследователями. Библиографические описания статей и тезисов приведены далее. Статьи и тезисы выставлены в архиве "Предотвращение АП - Ульяновск 1-2.11.12 - статьи и тезисы" в нижней части моей персональной страницы на сайте МГТУ им. Н.Э. Баумана.

Тезисы приводим ниже.

Из статей даем только основную часть программной статьи по системе АСППАП в целом, поскольку в статьях много формул, которые затруднительно представить на форуме.

Главный научный консультант проекта разработки АСППАП, советник Президента Группы компаний "Волга-Днепр"

1. Бутов А.А., Волков М.А., Макаров В.П., Орлов А.И., Шаров В.Д. Автоматизированная система прогнозирования и предотвращения авиационных происшествий при организации и производстве воздушных перевозок // Известия Самарского научного центра Российской академии наук. 2012. Том 14. No. 4(2). С.380-385; Системы управления жизненным циклом изделий авиационной техники: актуальные проблемы, исследования, опыт внедрения и перспективы развития : Труды III Международной научно-практической конференции (1-2 ноября 2012 г., г. Ульяновск) : в 2 т. - Т.1 - Ульяновск : УлГУ, 2012. - С.313-322.

2. Орлов А.И., Савинов Ю.Г., Богданов А.Ю. Опыт экспертного оценивания условных вероятностей редких событий при разработке автоматизированной системы прогнозирования и предотвращения авиационных происшествий // Известия Самарского научного центра Российской академии наук. 2012. Том 14. No. 4(2). С.501-506; Системы управления жизненным циклом изделий авиационной техники: актуальные проблемы, исследования, опыт внедрения и перспективы развития : Труды III Международной научно-практической конференции (1-2 ноября 2012 г., г. Ульяновск) : в 2 т. - Т.1 - Ульяновск : УлГУ, 2012. - С.520-527.

3. Хрусталев С.А., Орлов А.И., Шаров В.Д. Оценка эффективности управленческих решений в автоматизированной системе прогнозирования и предотвращения авиационных происшествий // Известия Самарского научного центра Российской академии наук. 2012. Том 14. No. 4(2). С.535-539; Системы управления жизненным циклом изделий авиационной техники: актуальные проблемы, исследования, опыт внедрения и перспективы развития : Труды III Международной научно-практической конференции (1-2 ноября 2012 г., г. Ульяновск) : в 2 т. - Т.1 - Ульяновск : УлГУ, 2012. - С.479-486.

1. Богданов А.Ю., Куликова С.Ю., Макаров В.П., Муравьева В.С., Орлов А.И., Савинов Ю.Г., Сидоров К.Е., Шаров В.Д. Экспертные технологии при разработке автоматизированной системы прогнозирования и предотвращения авиационных происшествий // Системы управления жизненным циклом изделий авиационной техники: актуальные проблемы, исследования, опыт внедрения и перспективы развития : Тез. докл. III Международной научно-практической конференции (1-2 ноября 2012 г., г. Ульяновск) : в 2 т. - Т.1 - Ульяновск : УлГУ, 2012. - С.90-91.

2. Бутов А.А., Волков М.А., Макаров В.П., Орлов А.И., Шаров В.Д. Автоматизированная система прогнозирования и предотвращения авиационных происшествий // Системы управления жизненным циклом изделий авиационной техники: актуальные проблемы, исследования, опыт внедрения и перспективы развития : Тез. докл. III Международной научно-практической конференции (1-2 ноября 2012 г., г. Ульяновск) : в 2 т. - Т.1 - Ульяновск : УлГУ, 2012. - С.50-52.

3. Орлов А.И., Савинов Ю.Г., Богданов А.Ю. Опыт экспертного оценивания условных вероятностей редких событий при разработке автоматизированной системы прогнозирования и предотвращения авиационных происшествий // Системы управления жизненным циклом изделий авиационной техники: актуальные проблемы, исследования, опыт внедрения и перспективы развития : Тез. докл. III Международной научно-практической конференции (1-2 ноября 2012 г., г. Ульяновск) : в 2 т. - Т.1 - Ульяновск : УлГУ, 2012. - С.93-94.

4. Орлов А.И., Шаров В.Д. Система прогнозирования показателей безопасности полетов и поддержки принятия решений на основе методологии факторного анализа // Системы управления жизненным циклом изделий авиационной техники: актуальные проблемы, исследования, опыт внедрения и перспективы развития : Тез. докл. III Международной научно-практической конференции (1-2 ноября 2012 г., г. Ульяновск) : в 2 т. - Т.1 - Ульяновск : УлГУ, 2012. - С.77-78.

5. Орлов А.И., Шаров В.Д. О новом подходе к разработке показателей уровня безопасности полетов в авиакомпании // Системы управления жизненным циклом изделий авиационной техники: актуальные проблемы, исследования, опыт внедрения и перспективы развития : Тез. докл. III Международной научно-практической конференции (1-2 ноября 2012 г., г. Ульяновск) : в 2 т. - Т.1 - Ульяновск : УлГУ, 2012. - С.78-79.

6. Хрусталев С.А., Орлов А.И., Шаров В.Д. Оценка эффективности управленческих решений в автоматизированной системе прогнозирования и предотвращения авиационных происшествий // Системы управления жизненным циклом изделий авиационной техники: актуальные проблемы, исследования, опыт внедрения и перспективы развития : Тез. докл. III Международной научно-практической конференции (1-2 ноября 2012 г., г. Ульяновск) : в 2 т. - Т.1 - Ульяновск : УлГУ, 2012. - С.80-81.

УДК 629.735.33:004.021

Бутов Александр Александрович,

Ульяновский государственный университет, заведующий кафедрой, доктор физико-математических наук, профессор, E-mail: pm@ulsu.ru, butov@mv.ru.

Ульяновский государственный университет, заведующий кафедрой, кандидат физико-математических наук, доцент, E-mail: volkov_max@hotbox.ru

Макаров Валерий Петрович,

Московский государственный технический университет

гражданской авиации, аспирант, E-mail: valmaka@yandex.ru.

Орлов Александр Иванович,

Московский государственный технический университет им. Н.Э. Баумана,

директор Института высоких статистических технологий и эконометрики,

доктор технических наук, доктор экономических наук, кандидат физико-математических наук, профессор, E-mail: prof-orlov@mail.ru.

Шаров Валерий Дмитриевич,

Группа компаний "Волга-Днепр", заместитель директора Департамента предотвращения авиационных происшествий, кандидат технических наук,

E-mail: V.Sharov@Volga-Dnepr.com.

Аннотация. Разработка методов предотвращения авиационных происшествий является актуальной научной задачей снижения уровня аварийности в гражданской авиации. В статье рассматриваются проблемы создания таких методов и их реализации в автоматизированной системе прогнозирования и предотвращения авиационных происшествий.

Группа компаний (ГрК) "Волга-Днепр", являющаяся крупнейшим авиационным грузоперевозчиком РФ и контролирующая более 50% мирового рынка авиаперевозок негабаритных грузов, уделяет особое внимание внедрению передовых методов управления безопасностью полетов. В 2010 г. ГрК совместно с Ульяновским государственным университетом инициировала инновационный проект по разработке автоматизированной системы прогнозирования и предотвращения авиационных происшествий при организации и производстве воздушных перевозок (АСППАП), который был поддержан Правительством РФ в рамках выполнения Постановления No. 218 от 9 апреля 2010 г. К работе в качестве консультантов были подключены ведущие ученые РФ в области управления безопасностью полетов, риск-менеджмента и "человеческого фактора" из МГТУ ГА, МГТУ им. Н.Э. Баумана, Санкт-Петербургского ГУ ГА, Межгосударственного Авиационного Комитета, ОКБ Миля и других организаций. Для обеспечения высокопрофессиональной экспертной оценки хода реализации проекта сформирован экспертный совет при Президенте ГрК под руководством член-корр. РАН Н.А. Махутова.

Цель проекта - повышение безопасности полетов воздушных перевозок за счет перехода в авиакомпаниях ГрК (а затем и в других авиакомпаниях) к превентивной системе управления рисками безопасности полетов на основе их количественной оценки с использованием программных средств и математического моделирования.

Разрабатываемая система направлена на решение следующих основных задач:

1) оперативный прогноз вероятности авиационного события в предстоящем полете с указанием факторов опасности (угроз) и их сочетаний и возможностью корректировки прогноза с учетом предлагаемых вариантов управленческих решений;

2) долгосрочный прогноз периодов критической вероятности авиационного происшествия с указанием факторов опасности (угроз) и их сочетаний и возможностью корректировки прогноза с учетом принимаемых вариантов управленческих решений;

3) количественная оценка рисков для безопасности полетов в стоимостной и натуральной форме на основе анализа информации об эксплуатационной деятельности авиакомпании;

4) мониторинг принятых в авиакомпании показателей уровня безопасности полетов и предотвращения авиационных происшествий (ПАП) с обеспечением автоматизированной процедуры расчета текущих и директивных уровней.

5) формирование проектов управленческих решений по БП и ПАП, с оценкой их эффективности и создания информационной системы их учета и контроля.

Проблемы разработки АСППАП обсуждались на ряде международных и всероссийских научных конференций [1 - 6].

Кратко рассмотрим методы решения основных задач АСППАП.

Прогноз вероятности авиационных происшествий выполняется на основе моделирования развития авиационных событий в полете в виде 12 "деревьев", которые представляет собой логические схемы, отражающие возможные сценарии развития события от проявлений факторов опасности и их комбинаций через промежуточные события и барьеры безопасности к авиационным происшествиям определенного типа. Другими словами, "дерево" представляет собой графическую модель причинно-следственных связей событий, вершиной которого является прогнозируемое событие, а основанием - факторы опасности, инициирующие и/или сопутствующие развитию авиационного события. Методология построения "деревьев" описана в статье [7].

Тип событий - непосредственно наблюдаемые обстоятельства особой ситуации с воздушным судном на земле или в воздухе [8], например: выкатывание за пределы ВПП, потеря управляемости в полете и другие типы событий.

Для описания причинно-следственных связей "дерева" анализируется информация из различных источников:

- официальных отчетов о расследовании авиационных событий;

- руководств, инструкций и положений авиакомпании, связанных с выполнением и обеспечением безопасности полетов, в которых описаны действия экипажа в различных особых ситуациях,

- технической документации с описанием конструкции и систем самолетов, эксплуатирующихся в авиакомпании;

- аналитических и статистических исследований различных организаций в области безопасности полетов.

Возможны тысячи различных сценариев развития авиационных событий, и смоделировать каждый из них, изучив даже всю мировую статистику авиационных происшествий и инцидентов, невозможно, так как остаются еще нереализованные сценарии.

Цель построения "дерева" - описать наиболее типичные и кратчайшие пути развития наиболее опасных авиационных событий.

На основе математического описания причинно-следственных связей "дерева" формируется модель прогнозирования вероятности авиационных происшествий.

В качестве исходных данных для модели прогнозирования используются результаты расшифровки записей средств объективного контроля полетов, данные по надежности авиационной техники, российская и мировая статистика авиационных событий, метеоинформация, базы данных авиационного страхования об ущербе от авиационных происшествий в мире, информация по авиационной безопасности, в том числе об уровне защищенности объектов от террористической деятельности.

Использование "дерева" позволяет до фактического полета оценить для конкретных условий - назначенных на предстоящий полет экипажа и воздушного судна, аэродромов взлета и посадки, ожидаемых метеорологических условий, - прогнозируемую вероятность определенного типа авиационных событий и выявить потенциально влияющие на это событие факторы опасности.

В проекте большой объем занимают работы с применением экспертных технологий [9]. Выделен набор прикладных задач, для решения которых необходимо применение экспертных оценок. Так, при краткосрочном прогнозировании эксперты оценивают передаточные коэффициенты причинно-следственных связей дерева (условные вероятности в обобщенных формулах Байеса) при отсутствии достаточного объема статистических данных.

Для прогнозирования авиационных событий в Центре управления воздушными перевозками выбрана для использования "светофорная система" (т.е. трехбалльная система: зеленый - желтый - красный), границы между областями определены с помощью экспертов. Правила принятия решений при том или ином сочетании цветов 12 светофоров могут быть выработаны только путем многоэтапной экспертной процедуры с участием опытного летного состава.

Долгосрочный прогноз периодов критической вероятности авиационного происшествия строится на основе оценки значений факторов опасности (угроз) по группам "Человек", "Машина", "Среда". Всего выделено около 400 факторов опасности. Необходимо использовать иерархическую систему факторов опасности - единичные, групповые, обобщенные. Как для оценивания многих единичных факторов опасности, так и для их агрегирования в факторы опасности, стоящие выше в иерархической системе, необходимо применение процедур экспертного оценивания.

Большинство алгоритмов сбора и анализа экспертных оценок основано на предположении, что экспертные оценки измерены в порядковых шкалах, поскольку экспертам (летному составу, а именно, командирам воздушных судов (КВС) и вторым пилотам), в частности, легче сказать, какое событие встречается чаще, а какое реже, чем оценить число осуществлений событий на 1000 полетов. Проводить оценивание в абсолютной шкале (оценивать вероятности событий) эксперты не берутся, в то время как задачи сравнения событий по частоте встречаемости или оценки их по встречаемости условными баллами (значениями качественных признаков) не вызывают сложностей. Этот факт, обнаруженный при работе с летным составов авиакомпании "Волга-Днепр", полностью соответствует положениям теории экспертных оценок [9].

Как правило, экспертные оценки используются в тех случаях, когда статистические данные недостаточны, отсутствуют или в настоящее время недоступны. По мере проведения дополнительных исследований по сбору и анализу данных результаты экспертных процедур будут заменяться на объективные данные.

Количественная оценка рисков для безопасности полетов в стоимостной и натуральной форме проводится на основе анализа информации об эксплуатационной деятельности авиакомпании (АК). Риск в стоимостном выражении на первом этапе развития системы АСППАП оценивается стоимостью среднего ожидаемого ущерба в денежном эквиваленте, рассчитанном на 1 час полета. Риск в натуральном выражении - это вероятность гибели человека или нанесения непоправимого вреда здоровью, а также безвозвратной потери уникального самолета Ан-124-100 в результате авиационного происшествия (АП), приведенная на 1 час полета.

На следующих этапах выполнения проекта предполагается рассмотреть использование квантилей функции распределения случайного ущерба, а также моделей оценки, анализа и управления рисками на основе теории нечетких множеств и статистики интервальных данных [3].

Система АСППАП должна выполнять расчет риска по каждому типу авиационных событий (АС) и общего риска, выявлять наиболее значимые факторы опасности в группах "Человек", "Машина", "Среда". Конечной целью АСППАП является поддержка принятия управленческих решений (УР) по снижению риска АП. Для решения данной задачи формируется база данных (БД), которая содержит наборы рекомендаций по УР оперативного, среднесрочного и долгосрочного характера с оценкой их эффективности.

Разработаны две методики прогнозирования эффективности УР. Одна из них основана на описанных в [10] результатах адаптации в авиакомпании "Волга-Днепр" опыта группы Commercial Aviation Safety Team (США), вторая - на непосредственной подстановке в алгоритм расчета риска значений воздействия УР на вероятность проявлений ФО. Первая методика рассмотрена ниже (формулы исключены). Второй посвящен отдельный доклад

В АСППАП рассчитываются риск каждого типа и общий риск. Методики расчетов рисков для оперативного, среднесрочного и долгосрочного прогнозирования в целом аналогичны и различаются только наборами исходных данных.

В АСППАП устанавливаются приемлемые уровни риска для одного АС и для суммарного риска авиакомпании (светофорная модель). При превышении этих уровней по одному/нескольким АС или суммарного риска система АСППАП указывает факторы опасности (ФО), которые внесли наибольший вклад в риск, выдает предупреждение и формирует рекомендации по УР.

Поскольку общее количество ФО превышает 400, что делает невозможным их непосредственное оценивание и использование для оценки рисков, необходимо использовать "свертку" ФО в виде укрупненных факторов опасности (УФО). Используется единый набор УФО, из него для каждого конкретного АС берется поднабор, для разных АС некоторые соответствующие им УФО могут совпадать. В математической модели оценивания рисков каждый используемый для i-го АС УФО имеет двойной индекс ik, где k = 1...u(i) - номер УФО для i-го АС. На основании экспертного оценивания, выполняемого по современным технологиям [9], рассчитывается вклад каждого k-го УФО в общий риск i-го АС.

Каждое УР характеризуется следующими параметрами:

- эффективностью воздействия УР на УФО в виде доли предотвращенного риска;

- степенью внедрения УР с номером j в виде доли летного персонала, прошедшая обучение, части парка ВС, на которой проведена проверка агрегатов и т. д.;

- стоимостью C_j реализации УР с номером j.

На основании известных формул теории вероятностей рассчитываются:

- вклад в риск i-го АС, приходящийся на УФО c двойным индексом ik ,

- вероятность того, что УФО c двойным индексом ik не проявится при внедрении одного управляющего воздействия с номером j,

- вероятность того, что УФО не проявится при внедрении всех УР (при этом предполагается независимость результатов от различных УР. Формула используется в качестве первого приближения и в дальнейшем будет заменена на формулу, учитывающую их совместное воздействие. Аналогичным образом могут быть получены выражения для вероятностей "непроявления" УФО при внедрении любого количества УР в любых сочетаниях);

- устраненный риск УФО c двойным индексом ik (т.е. уменьшение риска) после внедрения одного УР с номером j:

- остаточный риск УФО c двойным индексом ik после внедрения УР с номером j:

- устраненный риск УФО c двойным индексом ik после внедрения всех рассматриваемых УР:

- остаточный риск УФО c двойным индексом ik после внедрения всех рассматриваемых УР:

- устраненный риск АС после внедрения одного УР с номером j:

- остаточный риск АС после внедрения УР с номером j:

- устраненный риск АС после внедрения всех рассматриваемых УР:

- остаточный риск АС после внедрения всех рассматриваемых УР:

- общий устраненный риск АК после внедрения данного УР с номером j:

общий остаточный риск АК после внедрения данного УР с номером j:

- общий устраненный риск АК после внедрения всех рассматриваемых УР:

- общий остаточный риск АК после внедрения всех рассматриваемых УР:

- доля общего риска, устраненная УР с номером j:

- прогноз общей эффективности УР с номером j:

- эффективность УР с номером j для данного АС с номером i.

Таким образом, руководителю, принимающему решение (РПР), предоставляется оценка каждого УР и их сочетаний по нескольким критериям: снижению общего уровня риска, снижению риска отдельных типов, снижению риска на единицу вложенных в УР средств и др.

Выбор критерия для оценки и окончательное принятие решения остается за РПР. Наилучший набор управленческих решений (включая степени их внедрения) может быть найден путем решения соответствующей оптимизационной задачи.

Создание АСППАП потребовало выполнения большого числа конкретных научных работ. Так, проведено моделирование развития авиационных событий на различных этапах полета в виде 12 "деревьев" с передаточными коэффициентами при движении от входных данных к вершинам "деревьев". Предложены новые процедуры экспертных оценок. Разработаны методы краткосрочного и долгосрочного прогнозирования, оценки и управления рисками. Можно констатировать, что АСППАП позволит значительно уменьшить вероятности АП и соответствующие риски.

Целесообразно обсудить некоторые направления дальнейшего развития АСППАП. На второй стадии проекта целесообразно провести исследования в следующих областях:

1. В АСППАП применяются разнообразные статистические методы анализа данных. Целесообразно исходить из современной парадигмы прикладной статистики [11]. В частности, необходимо использовать (при необходимости - разработать) соответствующие непараметрические методы. Это позволит избавиться от нереалистического предположения о нормальности распределения используемых случайных величин, что необходимо, поскольку хорошо известно, что распределения почти всех видов реальных данных отличны от нормальны, а также не могут быть отнесены к каким-либо параметрическим семействам распределения [12].

2. По аналогичным причинам при анализе надежности технических устройств (группа факторов опасности "Машина") необходимо избавиться от нереалистического предположения экспоненциальности распределений случайных величин.

3. Отказ от параметрических моделей необходим и при изучении трендов временных рядов с целью прогнозирования - от линейной модели тренда и модели в виде начального отрезка ряда Фурье целесообразно перейти к тренду произвольного вида.

4. При долгосрочном прогнозировании надо оценивать не только моменты достижения заданного граничного значения, но и интервалы повышенной вероятности осуществления АС, т.е. не только функцию распределения, но и интенсивность.

5. Необходимо изучить возможность рассмотрения ФО как независимых событий и величин (в смысле теории вероятностей). При обнаружении зависимостей между ФО предстоит разработать адекватные методы расчетов совместного действия ФО.

6. Разработать иерархическую систему УФО, а для этого - методы агрегирования единичных ФО в групповые и обобщенные УФО.

7. Как уже отмечалось, на первой стадии разработки АСППАП предполагается независимость воздействий на риски, вызванных различными УР. Этот подход используется в качестве первого приближения. В дальнейшем должны применяться алгоритмы, учитывающие совместное воздействие УР.

8. Число АС мало по сравнению с общим числом полетов, а потому частоты АС - малые числа с большим относительным разбросом. Следовательно, статистические методы в таких случаях не могут дать достаточно достоверных результатов. Это обосновывает широкое использование экспертных процедур в АСППАП. Необходимо разработать и включить в АСППАП методы доверительного оценивания вероятностей событий (нижних и верхних границ для них) в случае малых чисел.

9. Общая формулировка дальнейших исследований такова: во всех алгоритмах АСППАП следует изучить устойчивость выводов по отношению к допустимым отклонениям входных переменных и предпосылок модели в соответствии с "общей схемой устойчивости" [12] и дать рекомендации по использованию результатов таких исследований при принятии управленческих решений.

10. Другое направление дальнейших исследований: сопоставить результаты экспертных оценок с результатами анализа данных статистическими методами, разработать новые экспертные методы для решения ряда задач проекта (см., например, задачи, описанные в пп.5 и 6 выше), в частности, выявить влияние численности и состава комиссий экспертов на точность выводов, а затем разработать рекомендации по применению статистических и экспертных методов при решении конкретных задач проекта.

11. Теория устойчивости математических моделей технико-экономических систем рекомендует обрабатывать одни и те же исходные данные различными способами с целью дальнейшего сравнения полученных результатов и выделения инвариантных выводов, соответствующих реальности. Поэтому необходимо разработать систему прогнозирования и поддержки принятия решений со стоимостной оценкой их эффективности на основе методологии факторного анализа показателей безопасности полетов и предотвращения авиационных происшествий.

Прогнозы, разработанные этой системой, позволяют учесть в большей степени события, имевшие место в авиакомпании, использующей систему. Сравнение этих прогнозов с результатами АСППАП позволит РПР принимать более взвешенные решения. Имеется в виду, что план УР по БП в любой АК в значительной степени ориентирован на события в этой АК, даже не очень существенные в масштабах отрасли. Отметим, что на результаты расчетов АСППАП события в конкретной АК будут слабо влиять, их "забьет" статистика отрасли. Например, если один из КВС рассматриваемой АК допустил грубую посадку с перегрузкой, скажем, 2,0, то в АСППАП она заметно увеличит вероятность для дерева MAC только для этого КВС при оперативном прогнозе его полета, а в среднесрочном риске (в среднем по АК) вклад этой грубой ошибки будет незаметен. Это будет вызывать непонимание пользователей, т. к. по случаю допущенной грубой ошибки обязательно будут проведены специальный разбор, учеба и т. д. В такой ситуации система прогнозирования и поддержки принятия решений со стоимостной оценкой их эффективности на основе методологии факторного анализа показателей безопасности полетов и предотвращения авиационных происшествий и сыграет свою роль, т. к. она основана на влиянии на показатели АК только событий в этой АК. Можно сказать, что указанная система является в определенном смысле естественным дополнением первой стадии АСППАП.

12. По аналогичным соображениям целесообразна разработка методики прогнозирования периода критической вероятности авиационного происшествия на основе методологии экспертного оценивания.

Перечень областей, в которых целесообразно провести исследования, можно продолжить. Но и приведенных соображений достаточно для констатации необходимости дальнейшего развития АСППАП. Хорошо известно, что такого рода большие автоматизированные системы развиваются десятилетиями, переходя от стадии к стадии.

1. Бутов А.А., Орлов А.И., Шаров В.Д. Проблемы управления группой авиакомпаний // Управление развитием крупномасштабных систем (MLSD'2011): Материалы Пятой международной конференции (3-5 октября 2011 г., Москва, Россия) Том II. М.: Учреждение Российской академии наук Институт проблем управления им. В.А.Трапезникова РАН, 2011. - С.22-25.

2. Бутов А.А., Орлов А.И., Сирота В.В., Шаров В.Д. Принятие решений при разработке системы прогнозирования и предотвращения авиационных происшествий при организации и производстве воздушных перевозок // Теория активных систем: Труды международной научно-практической конференции (14-16 ноября 2011 г., Москва, Россия). Том I. Общая редакция - В.Н. Бурков, Д.А. Новиков. - М.: ИПУ РАН, 2011. - С.112-115.

3. Орлов А.И., Рухлинский В.М., Шаров В.Д. Экономическая оценка рисков при управлении безопасностью полетов // Материалы I Международной конференции "Стратегическое управление и контроллинг в некоммерческих и публичных организациях: фонды, университеты, муниципалитеты, ассоциации и партнерства": выпуск No.1 / Под научн. ред. С.Л. Байдакова и С.Г. Фалько. - М.: НП "ОК", 2011. - С. 108-114.

4. Волков М.А., Макаров В.П., Орлов А.И., Рухлинский В.М., Санников И.А., Шаров В.Д. Прогнозирование безопасности полетов и экономическая оценка рисков. - Стратегическое планирование и развитие предприятий. Секция 5 / Материалы Тринадцатого всероссийского симпозиума. Москва, 10-11 апреля 2012 г. Под ред. чл.-корр. РАН Г.Б. Клейнера. - М.: ЦЭМИ РАН, 2012. - С.43-45.

5. Шаров В.Д., Макаров В.П., Орлов А.И., Волков М.А., Санников И.А., Рухлинский В.М. Контроллинг при управлении безопасностью полетов. - Материалы II Международного Конгресса по контроллингу: выпуск No.2 / Под ред. С.Г. Фалько. - М.: НП "Объединение контроллеров", 2012. - С.222-232.

6. Шаров В.Д., Макаров В.П., Орлов А.И. Прогнозирование и предотвращение авиационных происшествий при организации и производстве воздушных перевозок // Самолетостроение России. Проблемы и перспективы: материалы симпозиума с международным участием / Самарск. гос. аэрокосм. ун-т. - Самара: СГАУ, 2012. - С.430-431.

7. Шаров В.Д., Макаров В.П. Методология применения комбинированного метода FMEA-FTA для анализа риска авиационного события // Научный вестник МГТУ ГА, серия Эксплуатация воздушного транспорта. Безопасность полетов, No.174, 2011. С.18-24.

8. Руководство по информационному обеспечению автоматизированной системы обеспечения безопасности полетов воздушных судов гражданской авиации Российской Федерации (АСОБП). - М.: "Аэронавигационное консалтинговое агентство", 2002.

9. Орлов А.И. Организационно-экономическое моделирование: Ч.2. Экспертные оценки. - М.: Изд-во МГТУ им. Н.Э. Баумана, 2011. - 486 с.

10. Зубков Б.В., Шаров В.Д. Теория и практика определения рисков в авиапредприятиях при разработке системы управления безопасностью полетов. - М: МГТУ ГА, 2010. -196 с.

11. Орлов А.И. Новая парадигма прикладной статистики // Заводская лаборатория. Диагностика материалов. 2012. Том 78. No.1, часть I. С.87-93.

12. Орлов А.И. Прикладная статистика. - М.: Экзамен, 2006. - 671 с.

Butov Alexander Alexandrovich,

Ulyanovsk State University, the head of the applied mathematics Department,

Dr. Sci.Phys.-Math., professor, E-mail: pm@ulsu.ru, butov@mv.ru.

Ulyanovsk State University, the head of the information technologies Department,

PhD.Math., associate professor, E-mail: volkov_max@hotbox.ru

Makarov Valery Petrovich,

Moscow State University of Civil Aviation, post-graduate student

of the flight safety Department,E-mail: valmaka@yandex.ru.

Orlov Alexander Ivanovich,

Bauman Moscow State Technical University, the head of Institute

of high statistical technologies and econometrics, Dr.Sci.Tech.,

Dr.Sci.Econ., PhD.Math., professor, E-mail: prof-orlov@mail.ru.

Sharov Valery Dmitrievich,

Volga-Dnepr Group, Deputy Director of Aviation Accident Prevention Department, PhD.Tech, E-mail: V.Sharov@Volga-Dnepr.com/.

Summary. Creation of scientific methods of aviation accidents prevention is important for reduce of accident rate in civil aviation. Problems of creation of such methods and their realizations in the automated system of forecasting and prevention of aviation accidents are considered.

Экспертные технологии при разработке автоматизированной системы прогнозирования и предотвращения авиационных происшествий

Теория и практика экспертных технологий - развитая научно-практическая область [1, 2], позволяющая оценивать характеристики (числовые и нечисловые) при отсутствии достаточного объема результатов наблюдений (измерений, испытаний, анализов, опытов), разрабатывать обоснованные управленческие решения [3].

В проекте разработки автоматизированной системы прогнозирования и предотвращения авиационных происшествий (АСППАП) большой объем занимают работы с применением экспертных технологий. Выделен набор прикладных задач, для решения которых необходимо применение экспертных оценок. Так, при краткосрочном прогнозировании эксперты оценивают передаточные коэффициенты причинно-следственных связей дерева событий (условные вероятности в обобщенных формулах Байеса) при отсутствии достаточного объема статистических данных. В 2011-2012 гг. проведено несколько сот экспертиз.

Для прогнозирования авиационных событий в Центре управления воздушными перевозками АК "Волга-Днепр" выбрана для использования "светофорная система" (т.е. трехбалльная система: зеленый - желтый - красный), границы между областями определяются с помощью экспертов. Правила принятия решений при том или ином сочетании цветов 12 светофоров могут быть выработаны только путем многоэтапной экспертной процедуры с участием опытного летного состава.

Долгосрочный прогноз периодов критической вероятности авиационного происшествия строится на основе оценки значений факторов опасности (угроз) по группам "Человек", "Машина", "Среда". Всего выделено более 400 факторов опасности. Необходимо использовать иерархическую систему факторов опасности - единичные, групповые, обобщенные. Как для оценивания многих единичных факторов опасности, так и для их агрегирования в факторы опасности, стоящие выше в иерархической системе, необходимо применение процедур экспертного оценивания.

Большинство алгоритмов сбора и анализа экспертных оценок основано на предположении, что экспертные оценки измерены в порядковых шкалах, поскольку экспертам (летному составу) легче сказать, какое событие встречается чаще, а какое реже, чем оценить число осуществлений событий на 1000 полетов. Оценивать вероятности событий эксперты почти не берутся, в то время как задачи сравнения событий по частоте встречаемости или оценки их по встречаемости условными баллами не вызывают сложностей. Этот факт, обнаруженный при работе с летным составом авиакомпании "Волга-Днепр", соответствует теории экспертных оценок [1-3].

Как правило, экспертные оценки используются в тех случаях, когда статистические данные недостаточны, отсутствуют или в настоящее время недоступны. По мере проведения дополнительных исследований по сбору и анализу данных результаты экспертных процедур будут заменяться объективными данными. Однако при разработке АСППАП нередко встречаются ситуации, когда за все время наблюдений определенное событие не произошло вообще, произошло 1, 2 или небольшое число раз. В таких ситуациях статистические методы дают весьма широкие доверительные границы для вероятности события, в то время как экспертные технологии позволяют получить достаточно точные оценки.

Для решения задач проекта АСППАП оказалось необходимым разработать ряд новых методов экспертных оценок. Они позволяют оценивать передаточные параметры и корректировать базовые средние вероятности для дерева событий при развитии авиационного события/происшествия на основе логико-вероятностной модели [4].

Мы благодарны сотрудникам АК "Волга-Днепр", участвовавшим в проведении экспертных опросов.

1. Орлов А.И. О развитии экспертных технологий в нашей стране // Заводская лаборатория. 2010. Т.76. No.11. С.64-70.

2. Орлов А.И. Организационно-экономическое моделирование : учебник : в 3 ч. Ч.2. Экспертные оценки. - М.: Изд-во МГТУ им. Н.Э. Баумана, 2011. - 486 с.

3. Орлов А.И. Организационно-экономическое моделирование: теория принятия решений. - М. : КноРус, 2011. - 568 с.

4. Шаров В.Д., Макаров В.П. Методология применения комбинированного метода FMEA-FTA для анализа риска авиационного события // Научный вестник МГТУ ГА. - 2011. -No.174(12). - С. 18-24.

Разработка методов предотвращения авиационных происшествий (АП) является актуальной научной задачей снижения уровня аварийности в гражданской авиации. В докладе рассматриваются проблемы создания таких методов и их реализации в автоматизированной системе прогнозирования и предотвращения авиационных происшествий (АСППАП), разрабатываемой Ульяновским государственным университетом и Группой компаний (ГрК) "Волга-Днепр" с привлечением ведущих ученых РФ в области управления безопасностью полетов, риск-менеджмента, "человеческого фактора", организационно-экономического моделирования. АСППАП направлена на решение следующих основных задач:

1) оперативный прогноз вероятности авиационного события в предстоящем полете с указанием факторов опасности (угроз) и их сочетаний и возможностью корректировки прогноза с учетом предлагаемых вариантов управленческих решений;

2) долгосрочный прогноз периодов критической вероятности авиационного происшествия с указанием факторов опасности (угроз) и их сочетаний и возможностью корректировки прогноза с учетом принимаемых вариантов управленческих решений;

3) количественная оценка рисков для безопасности полетов в стоимостной и натуральной форме на основе анализа информации об эксплуатационной деятельности авиакомпании;

4) мониторинг принятых в авиакомпании показателей уровня безопасности полетов и предотвращения авиационных происшествий (ПАП) с обеспечением автоматизированной процедуры расчета текущих и директивных уровней.

5) формирование проектов управленческих решений по БП и ПАП, с оценкой их эффективности и создания информационной системы их учета и контроля.

Оперативный прогноз вероятности АП выполняется на основе моделирования развития авиационных событий (АС) в полете в виде 12 "деревьев" - логических схем, отражающих возможные сценарии развития события от проявлений факторов опасности и их комбинаций через промежуточные события и барьеры безопасности к АП определенного типа. Тип событий - непосредственно наблюдаемые обстоятельства особой ситуации с воздушным судном на земле или в воздухе, например: выкатывание за пределы ВПП, потеря управляемости в полете и др. На основе математического описания причинно-следственных связей "дерева" формируется модель прогнозирования вероятности АП. В качестве исходных данных используются результаты расшифровки записей средств объективного контроля полетов, данные по надежности авиационной техники, российская и мировая статистика авиационных событий, метеоинформация, базы данных авиационного страхования об ущербе от АП.

В проекте большой объем занимают работы с применением экспертных технологий. Так, при краткосрочном прогнозировании эксперты оценивают передаточные коэффициенты причинно-следственных связей дерева (условные вероятности в обобщенных формулах Байеса) при отсутствии достаточного объема статистических данных. Долгосрочный прогноз периодов критической вероятности АП строится на основе оценки значений факторов опасности (ФО) по группам "Человек", "Машина", "Среда". Всего выделено около 400 ФО. Как для оценивания многих единичных ФО, так и для их агрегирования применяем процедуры экспертного оценивания. Большинство алгоритмов сбора и анализа экспертных оценок основано на предположении, что экспертные оценки измерены в порядковых шкалах.

Количественная оценка рисков для безопасности полетов в стоимостной и натуральной форме проводится на основе анализа информации об эксплуатационной деятельности авиакомпании (АК). Система АСППАП должна выполнять расчет риска по каждому типу АС и общего риска, выявлять наиболее значимые ФО в группах "Человек", "Машина", "Среда". Конечной целью АСППАП является поддержка принятия УР по снижению риска АП. Для решения данной задачи формируется база данных (БД), которая содержит наборы рекомендаций по УР оперативного, среднесрочного и долгосрочного характера с оценкой их эффективности.

Создание АСППАП потребовало выполнения большого числа конкретных научных работ. Так, проведено моделирование развития авиационных событий на различных этапах полета в виде 12 "деревьев" с передаточными коэффициентами при движении от входных данных к вершинам "деревьев". Применены новые процедуры экспертных оценок. Разработаны методы краткосрочного и долгосрочного прогнозирования, анализа, оценки и управления рисками. Можно констатировать, что внедрение АСППАП позволит значительно уменьшить вероятности АП и соответствующие риски. Необходимо дальнейшее развитие АСППАП.

В докладе представлены процедура опроса и методика экспертного оценивания условных вероятностей, являющихся параметрами логико-вероятностной модели и дерева событий при развитии авиационного происшествия. Также проанализированы проблемы, с которыми столкнулись разработчики автоматизированной системы прогнозирования и предотвращения авиационных происшествий (АСППАП) при применении данной методики, которая в итоге позволила проводить настройку модели и разрабатывать обоснованные управленческие решения при отсутствии достаточного объема результатов наблюдений [1, 2].

Пусть некоторое промежуточное событие A в дереве событий зависит от k событий предыдущего уровня B1, B2,..., Bk с логической связкой "или". Необходимо оценить k передаточных коэффициентов Pj, в вероятностно-статистической модели, имеющих смысл условных вероятностей P(A|Bj), j = 1, 2, ..., k. Будем считать, что мы располагаем n экспертами, которые в равной степени компетентны в данной области. Экспертам предлагалось заполнить таблицу с двумя видами оценок.

Оценка 1 - это кластеризованная ранжировка [1]. Оценка 2 - это отнесение фактора к одной из пяти упорядоченных градаций. Тогда весовые коэффициенты событий имеют вид: .Так как оценки 1 и 2 разнонаправленные, что при итоговом расчете весовых коэффициентов имеем: .

Проверка согласованности ответов экспертов осуществлялась при совместном рассмотрении упорядоченных сумм и медиан рангов. События, по поводу упорядочения которых не было единого мнения, выделялись в отдельные кластеры. Весовые коэффициенты для событий, попавших в один кластер, усреднялись.

В представленной методике экспертами напрямую оценивалась вероятность только одного из событий (по разработанной дополнительной анкете). Это самое важное (или наиболее легкое для экспертного оценивания) событие выбирается на основе результатов предварительного тура анкетирования. Тогда для события с номером j оценка находится из соотношения .

Если количественно определенными оказываются оценки нескольких событий, зависимость переменной P от переменной может быть найдена методами регрессионного анализа [3], исходя из пар ( , P), для которых P количественно определена. Для остальных пар в качестве оценки вероятности события используются восстановленные значения.

Так как в анкетах не указывается сила проявления события A, которая может быть различной в зависимости от события Bj, j=1,...,k, вводится скорректированная оценка вероятности, используя оценку 2: , j = 1,...,k. При этом в расчетах повсюду применяется "корректное" умножение вероятностей на константы K по формуле: , вместо формулы , которая может дать некорректную оценку вероятности, превышающую 1.

Совместное использование в анкетах двух ранговых разнонаправленных оценок и вспомогательной абсолютной оценки позволяет учесть влияние барьеров предотвращения и парирования (в экспертном отражении) на вероятность события верхнего уровня в дереве событий.

1. Орлов А.И. Организационно-экономическое моделирование: теория принятия решений. - М. : КноРус, 2011. - 568 с.

2. Шаров В.Д., Макаров В.П. Методология применения комбинированного метода FMEA-FTA для анализа риска авиационного события // Научный вестник МГТУ ГА. - 2011. -No.174(12). - С. 18-24.

3. Орлов А.И. Прикладная статистика. - М.: Экзамен, 2006. - 671 с.

В настоящее время в отрасли отсутствует единая система показателей безопасности полетов (БП) для авиакомпаний (АК) и каждая АК разрабатывает собственные показатели, основными из которых являются следующие типы:

- общие относительные коэффициенты количества авиационных инцидентов в АК за определенный период при предположении об их одинаковой серьезности;

- коэффициенты на основе приведения числа инцидентов к числу авиационных происшествий (АП) с помощью так называемых "пирамид риска";

- "интегральный показатель", в котором отношения серьезности событий приняты равными отношениям допустимых вероятностей таких событий по нормам летной годности из АП-25.

Достаточно широкое распространение получил также оценка прошлых событий на основе ошибочной интерпретации матрицы из РУБП ИКАО, Doc.9859. Эта матрица предназначена для расчета риска, т. е. для прогнозирования, а не для оценки уже случившихся событий. Результаты этих оценок нельзя суммировать в принципе.

Нет единого подхода к использованию в АК данных о реальных ущербах от событий. Для мониторинга показателей также применяются разные методы.

В результате невозможно сравнивать уровни БП в разных АК, а сами АК сталкиваются с проблемой адекватности показателей реальному уровню БП, и, соответственно, с проблемой мониторинга уровня БП, прогнозирования и оценки по факту эффективности управленческих решений (УР) в области БП.

В соответствии с концепцией ИКАО о необходимости нескольких показателей для АК предлагается двухуровневая система.

Показатель "верхнего уровня" - это традиционное количество авиационных инцидентов на 1000 полетов. Введение такого показателя предполагает существенную переработку ПРАПИ ГА-98 с установлением четкого критерия для выделения авиационных инцидентов из общего числа зафиксированных событий. Этот показатель должен быть единым для всех АК и может использоваться для сравнения уровня БП разных АК.

Показатели "второго уровня" должны отражать реальную значимость зафиксированных событий для БП в деятельности АК. Эта значимость определяется как потенциальным, так и фактическим ущербом от всех зафиксированных событий.

Соответственно, предлагается использовать два показателя.

Для расчета показателя потенциального ущерба используется методология группы по безопасности полетов Airline Risk Management Solution (ARMS), которая работает при ЕКГА. Этот показатель в условных единицах отражает оценку в виде "риска" каждого события с точки зрения ответа на два вопроса: каков мог быть итог неблагоприятного развития ситуации, и в какой степени то, что АП не произошло, объясняется наличием в АК "барьеров безопасности", а в какой - простым везением. Эти показатели можно суммировать и получать общую оценку "условных рисков", имевших место в деятельности АК.

Показатель фактического ущерба от зафиксированных событий рассчитывается в стоимостном выражении с учетом прямого и косвенного ущерба для АК.

Мониторинг показателя "верхнего уровня" предлагается выполнять еженедельно по методу простого скользящего среднего с периодом сглаживания полгода.

Показатели нижнего уровня рассчитываются ежемесячно, их анализ предлагается выполнять ежеквартально.

Все три показателя используются для выявления наиболее важных проблем в области БП в АК и для оценки связанного с этими проблемами риска предстоящих полетов. Оценка риска может выполняться как по матрице ИКАО, так и по специальной методике группы ARMS. Могут использоваться и другие методы, так в ГрК "Волга-Днепр" разрабатывается автоматизированная система прогнозирования и предотвращения АП (АСППАП), одной из задач которой является оценка риска в АК.

На основании расчета риска, который выполняется, как правило, ежеквартально, разрабатывается перечень УР по БП.

Какой бы метод расчета риска не использовался, предлагаемые показатели позволяют объективно оценивать эффективность принятых УР.

В ГрК Волга-Днепр предполагается использовать данные показатели также и в разрабатываемой системе поддержки принятия решений на основе факторного анализа показателей БП.

Наличие нескольких показателей и нескольких систем поддержки принятия решений соответствует подходу ИКАО и расширяет возможности руководителя, принимающего решения, по выбору УР по БП.

Разработка системы прогнозирования уровня БП и ПАП и поддержки принятия решений со стоимостной оценкой их эффективности на основе методологии факторного анализа показателей БП и ПАП состоит из ряда этапов.

1. Выбираем с учетом мнений экспертов показатели БП и ПАП, например, - 1) относительное (например, на 1000 полетов) число авиационных событий, 2) относительное число опасных ситуаций, включая так называемые "предвестники", т. е. те, которые могли привести к авиационным событиям со значительным ущербом, но не привели к таковым, 3) относительное значение реального ущерба от авиационных событий и предвестников.

2. Для каждой из трех групп факторов опасности (ФО) "Человек-Машина-Среда" выбираем с помощью экспертов по 3-4 укрупненных ФО (УФО), всего 9-12 УФО.

3. На основе данных авиакомпании за 3 года формируем исходный набор статистических данных - 36 векторов, составленных из значений УФО и показателей БП и ПАП по 36 месяцам. Размерность векторов - от 10 до 15, в зависимости от числа используемых ФО и показателей БП и ПАП. Численные значения координат векторов получаем на основе анализа отчетности авиакомпании и, при необходимости, экспертных оценок.

4. С помощью регрессионного анализа находим зависимости показателей БП и ПАП от УФО. Серия вариативных расчетов исходит из базовой линейной модели зависимости с выбором информативного подмножества регрессоров и возможным введением дополнительных слагаемых, например, квадратичных или периодических членов. В результате по значениям УФО можем прогнозировать значения показателей БП и ПАП. Рассчитываем точечные оценки и доверительные границы для прогностических значений показателей БП и ПАП.

5. Разрабатываем методы прогнозирования значений УФО на следующие моменты времени (например, на квартал вперед). Прогнозирование состоит из двух этапов. На первом этапе прогноз делается методом наименьших квадратов с учетом непараметрической периодической составляющей или иными статистическими методами. На втором этапе с помощью экспертов вводятся поправки, исходя из намеченных к реализации планов авиакомпании по изменению значений УФО.

6. На основе прогнозных значений УФО и ранее найденной зависимости показателей БП и ПАП от УФО рассчитываем прогнозные значения этих показателей в течение выбранного интервала прогнозирования (находим точечные оценки и доверительные границы).

7. Переходим к планированию оптимального набора управленческих решений (УР) с целью максимально возможного улучшения показателей БП и ПАП при заданной суммарной стоимости проводимых мероприятий. Прежде всего необходимо сформировать определения используемых экономических величин, таких, как "ресурсы, направленные на БП и ПАП", "эффект от мероприятий, направленных на обеспечение БП и ПАП", "сопутствующие затраты", "ущерб прямой и косвенный", "эффективность использования ресурсов (финансовых, кадровых, материальных, временных".

8. Разрабатываем методы расчета используемых экономических величин на основе данных управленческого и бухгалтерского учета, проводим анализ существующей в авиакомпании системы учета расходов на БП и ПАП и возможностей для ее совершенствования, разрабатываем методы оценки сопутствующих затрат, прямого и косвенного ущерба.

9. Разрабатываем перечень используемых в авиакомпаний УР и метод расчета эффективности реализованных УР с учетом стоимостных оценок, математическую модель прогнозирования эффективности и выбора приоритетных УР по БП и ПАП по воздействию на факторы опасности, методы и методику оптимизации выбора УР.

12. Разрабатываем методику апробирования метода, с ее помощью осуществляем апробацию методики факторного анализа показателей БП и ПАП и методики выбора мероприятий в авиакомпании, в частности, рассчитываем прогноз на очередной год (по данным за предыдущие годы) и сравниваем полученных результатов с фактическими данными, оцениваем точность прогнозирования и эффективности мероприятий, реализованных в предыдущие годы с учетом стоимостных оценок.

Основные отличия от проекта АСППАП - в прогнозировании показателей БП и ПАП, а не рисков, использовании регрессионного анализа, а не деревьев событий. Рассматриваемый подход дополняет АСППАП в части учета событий, происходящих в данной АК и, соответственно, важных для нее при планировании бюджета по ПАП.

Оценка эффективности управленческих решений в автоматизированной системе прогнозирования и предотвращения авиационных происшествий

В процессе своей деятельности авиакомпания (АК) сталкивается с задачей оценки эффективности мероприятий, направленных на предотвращение авиационных происшествий. Для АК с высоким уровнем безопасности полетов определяющее значение имеют превентивные меры предотвращения авиационных событий (АС), когда объектом исследования становятся факторы риска, выявленные при анализе отклонений в обычной эксплуатационной деятельности. В результате определения и оценки рисков с целью их снижения разрабатываются предложения, в том числе альтернативные. Для принятия управленческих решений (УР) по этим предложениям в условиях ограниченных ресурсов АК необходимо иметь методику оценки эффективности планируемых мероприятий.

В проекте разработки автоматизированной системы прогнозирования и предотвращения авиационных происшествий (АСППАП) большое внимание уделено формированию перечня рекомендуемых УР, направленных на повышение безопасности полетов (БП) АК. Алгоритм функционирования АСППАП в части оперативного анализа БП основан на расчете риска двенадцати основных типов АС. Такими типами являются: столкновение воздушных судов в воздухе, выкатывание за пределы взлетно-посадочной полосы, пожар и другие. Интегральная оценка риска, как показателя БП, определяется суммой рисков всех типов АС.

Количественная оценка риска, связанного с некоторым типом АС, представляет собой средний ожидаемый ущерб и определяется произведением вероятности и среднего ущерба АС.

Величина среднего ущерба определяется на основе статистических данных страхового покрытия АС в мировой гражданской авиации.

Вероятность возникновения АС каждого типа рассчитывается с использованием известных методов FMEA-FTA [1] на основе соответствующего дерева развития события, являющегося экспертно сформированным набором цепочек из взаимно зависимых промежуточных событий (узлов дерева), обладающих причинно-следственными связями и образующих иерархическую структуру.

Ввиду сложности авиационно-транспортной системы, деревья развития АС имеют очень большое количество узлов. Общее число инициирующих событий, ошибочных действий, условий и обстоятельств, других входных данных, расположенных на нижнем уровне деревьев АС и называемых факторами опасности (ФО), составляет более 400. В конечном итоге, вероятность возникновения АС определяется вероятностями проявления соответствующих ФО.

Планируемые УР должны воздействовать на вероятности проявлений отдельных ФО. В ряде случаев оценка этих воздействий может быть получена на основе статистики или технических характеристик. Но в большинстве случаев как перечень ФО, на которые оказывает влияние определенное УР, так и степень этого влияния прогнозируется на основе экспертных оценок с использованием современных технологий [2]. Поскольку выполнить полноценное экспертное оценивание влияния каждого УР на каждый ФО не представляется возможным (в силу большого количества учитываемых ФО), выполнено смысловое объединение ФО в укрупненные факторы опасности (УФО). При этом использована общепринятая для эргатических систем трехкомпонентная модель "Человек-Машина-Среда". Для перехода от оценок влияния УР на УФО к показателям снижения вероятности проявлений ФО, которые используются непосредственно в вычислениях АСППАП, была разработана методика, обоснование алгоритмов которой подтверждено специальным исследованием.

Эффективность планируемого УР определяется на основе сопоставления количественной оценки устраняемого риска и стоимости данного УР. Риск, устраняемый с помощью УР, представляет собой разность между интегральными оценками риска, рассчитываемыми, соответственно, без учета УР и с учетом влияния УР на определенные ФО. Стоимость УР определяется финансовыми структурами АК на основе экономических методов.

Представленный подход позволяет оценивать эффективность как отдельного мероприятия, направленного на повышение БП, так и целого набора УР.

1. Шаров В. Д. Макаров В. П. FMEA-FTA методология построения дерева развития авиационного события Научный вестник МГТУ Гражданской Авиации, No. 174, 2011, с.18-24.

2. Орлов А.И. Организационно-экономическое моделирование: Ч.2. Экспертные оценки. - М.: Изд-во МГТУ им. Н.Э. Баумана, 2011. - 486 с.

Все вышедшие выпуски доступны в Архиве рассылки по адресу subscribe.ru/catalog/science.humanity.econometrika.