組織因素對飛行員不安全行為的干預策略研究*

陳 芳，衛 微，張 迪

(中國民航大學 經濟與管理學院，天津 300300)

0 引言

據統計，2017年全年運輸航空百萬小時重大事故率10年滾動值為0.014 7，人為責任原因事故征候萬時率達0.027 4[1]。飛行員作為航空器的直接操作者，其不安全行為已經成為造成飛行事故的重要因素[2-3]。組織因素是導致不安全事件發生的深層次原因，是事故發生的潛在威脅[4]。因此，在深入分析組織因素對飛行員不安全行為演化規律的基礎上，制定綜合有效且有針對性的干預策略，已經成為提升飛行安全的關鍵所在。

對飛行員不安全行為形成機理的研究中，大多從事故案例、實證分析和致因模型等角度或通過事故調查對飛行員不安全行為的形成機理進行研究與推理[5-7]，定性地提出飛行員不安全行為的演化規律。目前，我國民航對于飛行員不安全行為采取的干預措施多為加強培訓、強化意識、正確認識自身技術情況與情景意識、加強信息管理、合理懲罰等[5,8]。然而，以上研究僅從靜態角度分析飛行員不安全行為的形成機理與干預對策，為了探究飛行員不安全行為的動態演化規律，學者從違章角度對飛行員的不安全行為進行了探究，但未考慮飛行員差錯的影響作用[9]；從差錯和違規角度對管制人員的不安全行為進行了動態干預研究[10]，但其動力學模型未考慮天氣的突變性和復雜程度對飛行員的行為的影響。隨著對人的不安全行為影響因素的研究，學者發現組織因素對不安全行為的干預效果最為明顯[11]。基于此，不少學者探究組織因素對不安全行為的靜態影響關系[12-13]；但有研究表明組織因素對不安全行為存在著直接和間接的影響，各組織因素間也存在影響關系[14-15]。為了探究組織因素的動態影響作用，學者從組織因素中的組織資源、組織經驗、駕駛員錯誤3個層面構建地鐵自動化系統風險的控制動力學模型[16]；也有學者從飛行安全角度，研究了組織因素中的安全文化、交流溝通、教育培訓、組織結構等因素對系統安全形勢、安全過程控制能力和組織學習能力的動態影響關系[17]，但以上模型中組織因素的劃分具有通用性，不能體現飛行員職業的特點。

系統動力學(System Dynamics，SD)能夠從系統的角度分析各因素的相互作用和反饋影響，進而達到改善系統的目的[11-12]，能夠呈現出組織因素對飛行員不安全行為的動態關系及各因素間的作用關系。因此，本文基于飛行員的職業特點，運用SD理論將航空公司的飛行部層面的組織因素分為組織制度、組織監管和不安全行為前提3個子系統，建立組織因素對飛行員不安全行為的干預模型，以期提出有效而有針對性的干預策略，降低飛行員的不安全行為。

1 組織因素對飛行員不安全行為干預模型的構建

飛行員不安全行為是指飛行員在執行任務過程中背離組織和自身意圖或預期的行為[18]。按照動機和意圖將飛行員不安全行為劃分為差錯和違規，其中差錯是指飛行員未能達到預期目標的非故意行為，違規則是飛行員違反規章制度的故意行為[18]。根據人因分析與分類系統(Human Factors Analysis and Classification System，HFACS)，飛行員不安全行為的形成機理包括組織影響層面、監管層面、不安全行為的前提條件和不安全行為4個層面[7]，組織因素滲透在組織制度、監管、不安全行為前提3個層面。結合系統動力學原理，引入狀態變量、速率變量、輔助變量，應用VENSIM軟件構建組織因素對飛行員不安全行為的SD干預模型，共分為組織制度層面、組織監管層面和不安全行為前提條件3個子模型，子系統各自運行演化，子系統之間互相作用反饋，形成復雜的動態飛行員不安全行為模型。

1.1 組織制度層面

組織制度層面即飛行員不安全行為演化的深層動力因素。航空公司通過制定一系列的制度與管理措施，對飛行員產生的不安全行為從獎勵、懲罰、安全投入、報告制度和人員與SOP匹配程度5個方面進行管控。其中，通過對飛行員職務晉升、累計安全記錄考核與設置節油獎等獎勵手段，對飛行員差錯行為起到較大的負反饋影響；對飛行員違規行為進行懲罰，則對其違規行為的產生起到抑制作用[10]。飛行員差錯行為與違規行為數量直接對不安全行為數量產生影響，而組織的不安全行為數量直接作用于組織現有的安全狀態[16]，當安全狀態不佳時，促使安全投入力度增加[5,8]，進而對不安全行為的出現產生抑制作用[10]，需要考慮安全投入的有效性問題[17]。組織制度層面子模型如圖1所示。

圖1 組織制度層面子模型Fig.1 Submodel of organizational system level

1.2 組織監管層面

組織監管層面即飛行員不安全行為演化的中層防護因素。組織通過對飛行員進行技術訓練與安全培訓、增大監管力度使飛行員操作符合度提升，進而降低差錯行為的產生，同時通過增大監管力度對飛行員違規行為進行抑制[5,8]，自愿報告系統有助于提高飛行風險管理水平，進而影響組織監管。組織監管層面子模型如圖2所示。

圖2 組織監管層面子模型Fig.2 Submodel of organizational supervisory level

1.3 不安全行為前提條件層面

除以上提到的組織因素中的組織制度、監管層面，還包括不安全行為前提條件層面，即飛行員不安全行為演化的促發因素。不安全行為的前提條件包括物理環境(如駕駛艙照明、復雜天氣)、技術環境(如操作界面自動化)[7]、機組資源管理(如雙人制機組搭配協調)[19]、個人生理狀態(如疲勞、工作負荷)[9]、個人心理狀態(如安全意識)[6-7]和能力局限(如操作技能)[10]等，這些因素作為飛行員不安全行為的促發因素，包括組織因素中的機組資源管理、安全培訓、人機匹配程度等對飛行員的注意力、飛行員疲勞程度、安全意識等造成影響，導致不安全行為數量的變化，且飛行員的疲勞程度受到現有航班數量和航班運行延誤的影響[3,10]。不安全行為前提條件子模型如圖3所示。

1.4 組織因素對飛行員不安全行為的干預模型

通過以上組織因素對飛行員不安全行為干預策略的3個層面的分析可以看出，組織制度層面為飛行員不安全行為產生的深層促進，監管層面為中層防護，不安全行為前提條件層面為促發因素，3個層面相互抑制，

圖3 不安全行為前提條件子模型Fig.3 Submodel of precondition of unsafe behaviors

交互反饋，得出飛行員不安全行為動態演化模型，如圖4所示。

2 組織因素對飛行員不安全行為干預策略模型的驗證

2.1 模型方程及變量初值設置

以S航空公司為例，設置模型初始仿真時間為2015年，仿真結束時間為2030年，時間步長為1，單位為a。依據對S公司的問卷調研數據、歷史數據收集及專家實際打分情況，得到各狀態變量的初值及方程參數，并通過層次分析法確定各變量間的影響系數，輸入VENSIM軟件，運用VENSIM中的數據處理功能模塊建立模型方程，主要變量及方程見表1。

2.2 模型檢驗

為了檢驗模型的有效性，使用VENSIM軟件對模型進行歷史重現檢驗。將2005—2015年的飛行員不安全行為數據和仿真數據進行對比分析，設定模型檢驗的時間為2005—2015年，模擬步長為1 a，對比如圖5所示。飛行員不安全行為的仿真值和統計值的平均相對誤差為11.09%，范圍在5%～15%之內[20]，模型通過檢驗。

圖4 組織因素對飛行員不安全行為的干預模型Fig.4 System model of organizational factors on pilots’ unsafe behaviors

變量變量方程飛行員不安全行為數量/件INTEG(不安全行為數量的增加-不安全行為數量的減少,飛行員不安全行為數量初值)安全目標差距/萬架次率IF THEN ELSE(飛行年度安全目標≤實際安全狀態, 實際安全狀態-飛行年度安全目標,0 )總值勤時間/hIF THEN ELSE(航班運行延誤≤0, 執勤頻率×執勤時間,執勤頻率×執勤時間+2×航班運行延誤 )飛行與SOP符合程度/%復雜天氣×0.2+人機界面匹配程度×0.1+飛行員勝任力×0.5+飛行注意力×0.2安全投入所占比例/%IF THEN ELSE(安全目標差距>0, 安全目標差距×100×平均安全投入比例, 最低安全投入比例 )現有航班數量/架次新增航班需求數量×新增航班審批通過率GDP/元((2005,14 185),(2006,16 500),(2007,20 169),(2008,23 708),(2009,25 608),(2010,30 015),(2011,35 198),(2012,38 459),(2013,41 908),(2014,46 531),(2015,49 228),(2016,49 351),(2017,62 506),(2018,66 665),(2019,71 001),(2020,75 514),(2021,80 201),(2022,85 059),(2023,90 085),(2024,95 274),(2025,100 620),(2026,106 116),(2027,111 754),(2028,117 525),(2029,123 419),(2030,129 425),(2031,135 530),(2032,141 721),(2033,147 984),(2034,154 304),(2035,160 663),(2036,166 663))

3 組織因素對飛行員不安全行為的干預策略模擬

通過專家訪談和文獻分析，從組織制度層面、組織監管層面與不安全行為前提條件3個層面提出的干預措施按照不同的力度進行組合，從而確定干預措施的最佳組合。以同時調節組織因素中的安全記錄考核獎勵程度、副駕駛轉正/機長升職力度、監管力度、罰款力度和飛行技術訓練強度5個變量為例，綜合干預飛行員的不安全行為，具體調節政策如表2所示。

表2 干預措施的調節政策Table 2 The policies of intervention measures

注：干預強度即為措施實施的力度，其取值范圍為0～1，隨著賦值的增大，干預強度越大。

按照正交試驗的原理，將每個干預措施及其不同力度進行搭配組合，觀察2015—2030年不安全行為數量的變化趨勢，部分干預策略的模擬結果如圖6所示。

圖5 模型實際條件與模擬條件的演化對比Fig.5 Graph of evolution trend in actual and simulative condition

圖6 干預策略模擬結果Fig.6 Simulation result of intervention strategies

從圖6中可以看出，策略A2B2C2D2E3和A2B3C2D2E2干預效果較好，A1B1C1D1E1和A3B1C3D3E1的干預效果較差。在2015—2020年，干預策略A2B3C2D2E2的干預效果最佳，平均可降低26%的不安全行為，但在2020年之后，A2B2C2D2E3的干預效果更好，平均可使不安全行為降低51%。這可能是因為飛行技術訓練強度的提高存在時間延遲，相比較獎勵與懲罰來說，達到最佳干預效果的年限較靠后；而獎懲政策可以實現在短期內提高飛行安全，減少不安全行為數量，但隨著時間推移，一成不變的獎懲政策容易產生心理疲勞，因此后期干預效果不如前期明顯。

根據以上2種策略的優點與缺點，將二者相結合，利用VENSIM軟件中的GAME功能對飛行員不安全行為實施動態調整：在2015年開始使用干預策略A2B2C2D2E3，當模擬到2020年時加入干預，將干預策略換為A2B3C2D2E2。根據模擬結果，GAME策略既能保障2015—2020年短期內不安全行為數量平均降低25%，又能實現長期干預，使得2030年不安全行為降低54%。

4 結論

1)構建了組織因素對飛行員不安全行為動態演化的干預模型，包括3個子循環：組織制度環、組織監管環、不安全行為前提環。

2)組織因素對飛行員不安全行為的干預策略方面，組合干預策略A2B3C2D2E2(安全記錄考核獎勵程度為0.5、副駕駛轉正/機長升職力度為0.7、監管力度為0.5、罰款力度為0.5和飛行技術訓練強度為0.5)，短期干預效果最佳，在2015—2020年平均可降低不安全行為26%，但長期干預效果不如策略A2B2C2D2E3(安全記錄考核獎勵程度為0.5、副駕駛轉正/機長升職力度為0.5、監管力度為0.5、罰款力度為0.5和飛行技術訓練強度為0.7)，在2020—2030年平均可減少51%的不安全行為。采用GAME功能將干預策略進行動態調整，結合2個策略優點，在2015年開始使用干預策略A2B2C2D2E3，到2020年時換為A2B3C2D2E2，既能保障短期內降低26%的不安全行為數量，又能實現長期干預，使得不安全行為數量在2030年降低54%。