运行场景 · 数据驱动安全

航线观察与数据驱动安全

LOSA · QAR / FOQA · 从数据到训练闭环

安全的真相不在事故报告里,而在每天正常落地的航班里。LOSA 用观察员的眼睛记录机组如何化解威胁与差错, QAR 用参数记录飞机实际被飞成了什么样。一个回答「为什么」,一个回答「有多少」,两者合起来才构成可用的安全情报。 本文讲清两套方法的机理、互补关系,以及数据分析最容易踩空的地方。

2两套数据源
0惩罚性用途
4层数据链
1个闭环
01
◎

为什么要看「正常航班」

传统安全数据是「事后」的:事故、事故征候、强制报告。它们稀少、滞后,而且被结果污染——一旦知道了结局,人很难再客观评价当时的决策。 真正大量的风险信息,藏在那些安全落地、但过程中出过偏差的航班里。

安全金字塔的底部是黑箱

航空安全长期依赖「事件金字塔」:少量事故之下是较多的事故征候,再之下是大量未报告的不安全行为。 问题在于,金字塔的最底层没有数据——没有人记录「今天进近时下滑道低了一个点,副驾驶提醒后修正了」这类事。 这类事件没有后果,因此不会进入任何报告系统;但它们恰恰暴露了系统的真实薄弱点。

LOSA(Line Operations Safety Audit,航线运行安全审计)做的事,就是把这个黑箱打开: 派受过统一训练的观察员坐在观察员座位(jumpseat),跟随正常商业航班, 用统一表格记录机组在真实运行中遇到的威胁、发生的差错、以及如何把差错拉回来。

核心逻辑:一次安全落地,不等于过程没有风险。它可能意味着风险发生了、但被机组的反制动作吸收了。 只统计结果,就永远看不见这些「被吸收的风险」,也就无法知道防线到底在哪一层起作用。

三个不可让步的前提

1

观察正常航班

Normal Operations

不挑选「有问题」的航班,也不在事故后补做。样本必须是日常运行的自然切片,否则频次统计失去意义。

  • 覆盖不同航线、时段、机组组合、机场
  • 按计划抽样,而不是按「谁看起来不靠谱」抽样
2

非惩罚

Non-punitive

观察数据不能用于纪律处分、绩效考评或个人档案。一旦破例,下一次就没人愿意被观察,数据源当场死亡。

  • 与工会、监管方事先达成共识
  • 数据访问权限与用途写入制度
3

去标识化

De-identified

不记录姓名、不记录具体机号与航班号,只保留分析必需的情境变量(阶段、机场类型、气象条件、机组配置)。

  • 报告只发布聚合结果
  • 原始表格限安全部门保管

它和检查、审计的根本区别

维度LOSA 观察运行检查 / 符合性审计
判定对象航班与情境个人与程序符合性
结论形式频次、分布、关联符合 / 不符合
数据用途改训练、改程序、改组织资质、处罚、放行
对机组的影响无个人后果直接影响个人记录
能发现什么被化解的威胁与差错偏离标准的事实

这个区别决定了数据质量。检查员在场时,机组会展示「标准动作」;观察员在场时,如果文化到位,机组会继续按自己的方式飞。 前者得到的是合规性快照,后者得到的是行为样本。

02
▦

抽样设计:让样本代表运行

LOSA 观察的不是「全部航班」,而是「一小部分航班」。这一小部分能不能代表全部,决定了后面所有结论是否成立。

机制层:为什么抽样比全量更难

全量统计只需要把每一行数据加起来;抽样统计必须先回答一个更难的问题——没被抽到的那些航班,和抽到的有什么不同。 如果不同,样本再大也只是把一个有偏的画像放大。

LOSA 的抽样有三个天然偏差源,它们不是操作失误,而是方法本身带来的结构性风险:

A

覆盖偏差

只观察某些基地、某些航线、某些机队。短跑道、高原、复杂机场如果不在样本里,报告就会显得「一切平稳」。

B

时段偏差

只安排在工作日白班。夜航、冬季、雷雨季、节假日高峰的运行特征完全不同,这些恰恰是威胁最集中的时段。

C

自愿偏差

如果参与靠机组自愿,愿意被看的往往是更自信、更规范的机组。样本自动筛掉了最需要被看见的那一部分。

关键区分:「随机抽样」解决的是「谁被抽到」,解决不了「谁根本不在名单里」。 覆盖偏差要靠抽样框设计来修,不能靠加大样本量来补。

证据层:抽样方法的三个硬要求

LOSA 方法论在提出之初就把「样本航班」写成核心要素,强调观察对象是日常运行中的正常航班,而不是挑选出来的「好航班」或「问题航班」。 ICAO 安全管理手册在讲安全数据收集时,也反复强调数据来源的代表性与统计口径的一致性。把这些原则落到操作上,就是三条硬要求:

  • 总体必须写清楚。是「某机队某季度全部航班」,还是「某基地某航线某月航班」?总体不清,覆盖率就没有意义。
  • 入样概率必须可知。每一架航班被抽中的概率应当能算出来,否则无法加权还原,也无法计算不确定性。
  • 比率必须能还原。报告里的每个比率,读者应当能沿着「分子—分母—时间窗」自己复算一遍。

统计上还需要区分两类误差:抽样误差(样本量不够带来的随机波动)与非抽样误差(覆盖、编码、记录带来的系统偏差)。 前者可以靠增加样本量缩小,后者不会因为样本变大而自动消失,反而会被更精确地复制。

操作层:一份可执行的分层抽样计划

实际可用的做法是分层随机抽样:先把运行切成若干层,再在每一层内随机抽取。这样既保证覆盖面,又保证每层都有足够样本说话。

分层变量分层示例为什么必须分层计划要点
基地主基地 / 外站 / 过夜站不同基地的程序执行与管制环境差异大按航班量比例分配,外站设最低样本
机队窄体 / 宽体 / 支线自动化水平、机组配置、运行剖面不同每机型单独设样本下限
航线类型短程高频 / 长程 / 复杂机场威胁结构完全不同复杂机场单独加层
时段昼间 / 夜间 / 高峰疲劳、间隔、天气暴露不同夜间与高峰设固定配额
季节雷雨季 / 冬季 / 平季风切变、结冰、低能见度有季节性全年分布,不集中在某一季
机组配置双人 / 加强组 / 教员带飞监控分工与决策结构不同带飞航班单独统计,不混入基线

计划还要写清三件事:抽样日志(每次抽中、替换、拒绝都要有记录)、替换规则(航班取消或机组拒绝时如何补样,避免用「方便样本」顶上)、 加权方式(按各层航班量把样本比率还原到总体)。

一个实用判据:把本季度样本的「基地—机型—时段」分布,和同期全机队航班量分布并排放。 如果两列比例明显不一致,先修抽样,再谈结论。

失败层:样本歪掉之后的后果链

样本偏差不会在报告里自我暴露,它会以「看起来很合理的结论」出现。典型链条如下:

第一环 · 样本偏
只排白班、只排主基地、只排自愿机组,复杂机场与夜航几乎不在样本内。
第二环 · 比率偏
威胁暴露率被系统性低估,差错率看起来「低于行业印象」,管理层得到「运行很稳」的判断。
第三环 · 改进项偏
资源投向样本里出现的问题(通常是常规航线的常规问题),复杂机场与夜航的训练需求被挤掉。
第四环 · 复测仍偏
下一轮沿用同一套抽样框,指标「改善」了,但改善只发生在被观察的那一部分运行。
第五环 · 形成共识
连续几轮数据都支持同一个结论,组织内部形成「数据支持的正确共识」,此时再质疑成本极高。
最难纠正的一种失败:数据本身是真的,编码也是准的,只有抽样框是歪的。 这种报告每一页都经得起检查,结论却整体偏离。审计时先看抽样框,再看数字。
03
◧

观察什么、不观察什么

LOSA 的记录单位是「航班」和「行为」,不是「人」。这条线一旦模糊,工具就退化成暗中的绩效考核。

用 TEM 的语言写观察表

观察框架直接借用威胁与差错管理(TEM)的结构:威胁 → 差错 → 差错状态 → 反制。 观察员不写「机长飞得不好」,而写「短五边遭遇顺风切变(威胁),减速晚于计划(差错), 副驾驶报出速度偏大并建议复飞(反制),机组执行复飞(差错被纠正)」。

STEP 1
威胁
外部或内部出现的不利条件,机组无法选择
STEP 2
差错
机组的动作或判断偏离意图
STEP 3
差错状态
被察觉、被报告、被纠正、未纠正
STEP 4
反制
把状态拉回安全的动作与沟通

四类记录内容

类别记录内容典型编码分析价值
威胁 气象、ATC、机场、航空器、地面保障、运行压力 雷暴、跑道更换、短跑道、流量控制、 MEL 保留项、赶班压力 定位高风险运行环境
差错 程序、通讯、操纵、监控四类 检查单跳项、喊话缺失、高度偏差、监控断链 找到训练缺口
差错状态 是否被发现、是否被报告、是否被纠正 未察觉 / 察觉未报 / 报告并纠正 / 未纠正 衡量防线有效性
反制 交叉监控、复飞、检查单、自动化、求助 PM 喊话、复飞、QRH 执行、请求支援 识别有效做法并推广

明确不观察的四件事

  • 不评价人。不出现姓名、不写「该飞行员能力不足」,不做胜任力打分。观察员记录行为,分析者做归因。
  • 不做符合性判定。「有没有按 SOP」不是重点,重点是「偏离后有没有被发现和纠正」。
  • 不记录技术故障本身。故障作为「威胁」记录其运行影响,不替代机务与工程分析。
  • 不推断动机。观察表写「发生了什么、在什么情境下、结果如何」,不写「他大概是想赶时间」。
为什么这条线必须守住:行为一旦被绑定到个人,机组就会开始「表演标准动作」。 你会得到一份漂亮的合规数据,同时永久失去真实行为样本。数据失真不是从报告开始,而是从观察表设计那一刻开始。

观察员在驾驶舱里的分寸

观察员不干预运行,不参与操作,不提供建议;只有在安全关键情形下才介入(例如机组明显失能、飞机进入危险状态)。 记录尽量在巡航等低负荷阶段完成,避免在起飞、进近阶段低头写字而丢失观察。 对机组的提问,集中在落地后的结构化访谈:你们当时看到了什么、为什么这样决定、哪一步最难。

04
▣

行为标记体系与严重度分级

观察表如果只是自由文本,两个人看同一幕会写出两段互不相干的话。行为标记体系的作用,是把「看见」变成「可比较的记录」。

机制层:为什么必须先把行为「切块」

人的观察是整体的、叙事的;数据分析需要的是离散的、可计数的。中间必须有一层翻译,这层翻译就是行为标记体系(behavioral marker system)。 它做三件事:把连续行为切成可命名的单元、给每个单元一个稳定定义、让不同观察员对同一单元给出同样的名字。

一个好的标记体系要满足三个条件:可观察(不依赖读心)、互斥(同一行为不会被归到两类)、穷尽(常见行为都有归属,不逼观察员发明新类)。 这三条合起来,业界常称为 MECE 原则。

证据层:标记的三层结构与编码信度

LOSA 沿用的 TEM 框架把驾驶舱里发生的事分成三层:威胁(外部或内部的不利条件)、差错(机组动作或决策偏离意图)、 反制(机组用来吸收威胁与差错的行为)。再加上「差错状态」这一维度,记录差错是否被发现、被报告、被纠正。

层级定义典型标记记录要点
威胁增加运行复杂性、需要机组管理的条件天气、管制、机场、机械、地面保障只记类型与出现时机,不评价机组
差错偏离意图或程序的动作、决策、沟通程序、通讯、操纵、监控四类记「发生了什么」,不写动机
差错状态差错被发现与处理的程度未察觉 / 察觉未报 / 报告并纠正 / 未纠正这是判断防线有效性的核心字段
反制机组主动用来降低风险的行为交叉监控、复飞、检查单、求助有效做法要单独沉淀,用于推广

编码信度不能靠「大家都很专业」来保证。方法上通常用观察员间一致性来量化,常见指标是 Cohen's kappa 或 Krippendorff's alpha; 行为锚定等级评价法(BARS)则给每个等级配具体行为例子,减少解释空间。这两样都是测量学里的成熟工具,不是航空业自创。

为什么不用「百分比一致」:两个观察员都很少使用某一编码时,即使他们从不使用,百分比一致也会很高。 kappa 一类指标会扣除「碰巧一致」,因此更能暴露定义不清的编码项。

操作层:严重度分级的判定顺序

严重度不是「感觉严重」,而是按固定顺序逐层判定。顺序错了,结论会系统性地偏松或偏紧:

  • 先看后果严重性:如果未被纠正,最坏会走到哪一步?是舒适性问题、运行中断,还是安全裕度被吃光?
  • 再看可纠正性:当时还有没有时间与信息去纠正?纠正窗口越短,等级越高。
  • 再看暴露程度:同类情形在多少航班上会出现?单次偶然与结构性暴露,处理方式完全不同。
  • 最后看重复性:同一机组、同一机场、同一阶段反复出现,说明不是偶然,而是系统摩擦。

四级结果通常表述为:可忽略 / 轻微 / 较重 / 严重。关键不是名字,而是每一级都有可观察的判定条件,并且全公司用同一套。 分级只用于排优先级,不用于评价个人。

失败层:分级失真的三种典型

1

等级膨胀

为了引起重视,把一切都往高等级写。结果是报告里全是红色,管理层失去分辨能力,真正严重的那一条被淹没。

2

等级紧缩

怕得罪人、怕影响考核,把明显问题写成「轻微」。数据看起来很和谐,防线却在持续退化。

3

层级混淆

把「违规」直接等同于「差错」,把「差错」直接等同于「威胁」。三层一混,后续统计全部失去意义。

校准办法:每季度抽一批历史观察记录,让全体观察员重新独立分级,再比对差异。 分歧集中在哪一级,就说明那一级的判定条件写得不够具体,应当改定义而不是改人。
05
◍

观察员训练与一致性保证

LOSA 的数据质量不取决于观察员飞得好不好,而取决于两个观察员看同一幕是否写出同样的东西。

观察员从哪里来

常见配置是混合编队:机长或教员、乘务、签派、机务、人的因素专家。 纯飞行员团队容易把观察聚焦在操纵上,忽略客舱与地面协同;加入非飞行岗位能拓宽视角。 部分航司使用外部观察员(其他航司或研究机构),以降低「内部人情」带来的宽容偏差。

内部观察员

  • 熟悉本公司程序与语言,理解情境快
  • 易获得机组信任,访谈更深入
  • 风险:宽容偏差、怕得罪同事

外部观察员

  • 视角中性,敢记录负面行为
  • 便于跨航司对标
  • 风险:不熟悉程序细节,可能误判

训练的五块内容

  • 框架训练:把 TEM 的威胁、差错、状态、反制讲到能条件反射地归类。
  • 编码手册:统一术语,例如什么叫「监控断链」、什么叫「未纠正差错」,避免各写各的。
  • 行为锚定:每个编码配一组可观察的行为例子,减少主观解释空间。
  • 录像校准:全体观察员看同一段驾驶舱录像,独立编码后比对差异,逐条讨论到达成共识。
  • 一致性考核:以观察员间一致性作为准入与复训门槛,而不是以飞行经历。
信度的本质:不是「观察员说得对」,而是「不同观察员说得一样」。 一致性低的编码项,要么定义不清,要么不可观察,应当从表格里删掉或重写,而不是责怪观察员。

观察者效应:无法消除,只能削弱

机组知道被观察,行为一定会变。这种变化有两种方向:变得更规范(社会期许),或变得更紧张(额外差错)。 非惩罚承诺、长期的文化积累、观察员融入机组而非「监工姿态」,都能削弱效应,但不能归零。

因此 LOSA 的正确用法是看结构与趋势,而不是把某一次观察当成精确测量。 当同一类威胁在几十次观察中稳定出现,观察者效应已经被平均掉了;当只出现一两次,它可能只是噪声。

!

四种观察员偏差

Observer Bias
  • 宽容偏差:对熟人、对高资历机长降低记录标准
  • 光环效应:整体印象好,就忽略具体差错
  • 确认偏差:只记录自己预期会出现的差错
  • 归因偏差:把差错归给个人,把顺利归给环境

对策:行为锚定、双人复核、定期一致性校准、轮换观察员。

§

伦理与法律底座

Governance

LOSA 能跑起来的前提是一份被各方接受的协议:数据用途、访问权限、保存期限、脱敏规则、违规后果。

  • 与机组代表组织共同制定规则
  • 监管方明确不将其用于处罚
  • 数据泄露视为重大安全事件
06
⇄

从行为标记到改进项

观察表本身不是成果。成果出现在「某条建议被某个部门认领、给了时限、下一轮被复测」的那一刻。

数据链的五个环节

环节一 · 采集
观察员按统一表格记录,落地后 24 小时内完成结构化访谈补充,避免记忆衰减。
环节二 · 编码
由未参与该航班观察的第二人独立编码,减少单人解释;编码分歧进入校准样本。
环节三 · 聚合
按飞行阶段、威胁类型、差错类型、机组配置、机场特征、时段做交叉统计,找聚集点。
环节四 · 转化
每一条高频问题必须落到三类出口之一:训练科目、程序与喊话、组织与资源。
环节五 · 复测
设定指标与时限,下一轮 LOSA 或 QAR 复测同一问题;没有复测的改进不算改进。

先看什么:四类优先级的排序

优先级对象为什么排在这里典型动作
最高 未纠正差错 防线已经失效,只是这次没造成后果 查监控分工、查喊话、查负荷管理
次高 高后果差错 即使被纠正,余量也很小 模拟机重现、程序加固
第三 高频差错 频次高说明系统设计有摩擦 改检查单、改界面、改排班
第四 高频威胁 机组无法消除,只能准备 航前简令模板、机场专题培训
反直觉的一点:「被纠正的差错」数量多,通常说明防线在工作; 「未纠正的差错」哪怕只有几例,也比几十例被纠正的差错更值得追。 很多报告把注意力放在总量上,恰恰放过了最该看的那一栏。

改进项必须可验证

一条合格的改进项包含四要素:问题描述(带数据)、责任部门、可测指标、完成时限。 例如「某类机场短五边减速晚于计划,占该机场观察航班的显著比例」→ 责任:训练 + 标准; 指标:该类机场 1000 英尺稳定进近率;时限:两个训练周期;复测:下一轮 LOSA 专项抽样。

  • 避免「加强教育」「提高意识」这类无法验证的表述。
  • 区分航司可控项与外部项(机场、管制),外部项走协调渠道,不写成机组训练项。
  • 改进项数量要收敛:一季度聚焦三到五条,比二十条无人认领更有效。
07
◐

价值与局限

知道工具的边界,才能正确使用它。LOSA 不是万能摄像头,它是一台定期取样、带主观镜头、只拍正常航班的相机。

它真正提供的是什么

  • 带分母的频次:「每多少观察航班出现多少次某类差错」,这是任何事后报告都给不出的。
  • 行为层证据:不只说「发生了不稳定进近」,而说「机组在哪一步没接住」。
  • 有效做法的识别:把老机组的隐性经验,变成可教的反制动作。
  • 文化信号:机组愿意让观察员上飞机、愿意在访谈里讲真话,本身就是安全文化的测量。

五条必须写进报告 limitations 的局限

A

样本代表性

观察航班数量有限,航线、时段、基地、机组组合都可能偏斜。一年一次的抽样是「快照」,看不到季节性波动与长期趋势。

B

观察者效应

被观察的机组会改变行为。更规范或更紧张,两个方向都会污染样本;只能靠规模与文化削弱。

C

只覆盖正常航班

严重事故征候走强制报告系统,不在 LOSA 范围内。它擅长看「日常磨损」,不擅长看「极端断裂」。

D

只有定性没有幅度

「下滑道偏低」没有具体数值,「速度偏大」没有超出多少。幅度必须由 QAR 补上。

E

组织政治风险

一旦被用作绩效工具,数据立即失真。这不是方法问题,是治理问题:指标成为目标,就不再是好指标。

F

编码主观性

同一次观察,不同观察员可能给出不同编码。信度靠训练与校准维持,但永远不是零误差。

使用红线:如果某份 LOSA 报告里出现了可以反推到具体机组的信息(航班号+日期+机长资历), 这份报告已经从安全工具变成了证据材料。此时应当停止发布,先修治理。
08
▤

QAR / FOQA:参数门禁与事件检出

QAR 记录的是飞机被飞成了什么样,不是机组怎么想的。它的强项是精度与规模,弱项是解释力。

从机载记录到地面程序

QAR(Quick Access Recorder)按固定周期采样大量飞行参数,落地后数据被导出; FOQA(Flight Operational Quality Assurance,欧洲多称 FDM,Flight Data Monitoring)是地面端的解析、门限判定与趋势分析程序。 同一条数据链,机载端决定「记什么」,地面端决定「看什么」。

01
采样
按周期记录高度、速度、姿态、推力、舵面、发动机等参数
02
校验
参数有效性、时间同步、航班配平,剔除坏数据
03
门限判定
绝对门限、相对门限、多参数组合逻辑
04
聚合与趋势
按机队、机场、阶段、季节做比率与漂移分析
05
输出
事件报告、趋势简报、训练素材、工程反馈

三类输出,用途完全不同

输出类型定义回答的问题误用风险
超限事件 某参数越过设定门限,或若干参数组合满足事件逻辑 「有没有发生、发生在哪个阶段」 当成唯一指标,只看红点不看基线
趋势分析 某比率的长期漂移、某分布的形态变化 「在变好还是变坏、速度多快」 样本量不足时过度解读小波动
状态监控 发动机、APU、液压等系统的参数健康度 「部件是否在退化」 与飞行品质数据混为一谈

门限是工程决策,不是安全口号

门限设置直接决定你能看见什么。设得太松,漏报:真实的风险信号被过滤掉,报告一片祥和。 设得太紧,误报:大量无害事件涌进报告,分析员产生告警疲劳,最后所有告警都被当成背景噪音。

成熟做法是分层:绝对门限(明确的硬边界)、相对门限(按机型、重量、机场、风况做修正)、 组合逻辑(多参数同时满足才触发,降低单参数噪声)。 特殊机场、特殊程序、试飞科目需要豁免清单,否则误报会集中在这些地方。

常见盲区:只调门限数字,不调事件逻辑。结果是「漏报和误报」二选一, 而真正该做的是把「什么组合才算危险」重新定义一遍。

保护机制决定数据是否真实

多数成熟民航体系对 FOQA/FDM 数据设有专门保护:数据用于安全改进,不直接用于对个人的执法或处分, 并由各方共同监督使用范围。这不是对机组的恩惠,而是数据质量的必要条件—— 如果机组知道数据会变成处罚依据,记录仪仍然在工作,但运行方式会被「优化」到失真。

09
◫

门限设置:灵敏度与特异度

门限不是一条线,而是一个判别器。它同时决定「能抓到多少真问题」和「会放进多少假问题」,两者永远此消彼长。

机制层:门限本质上是一个二分类器

每设一条门限,系统就在做一次二分类判断:这个航班「算事件」还是「不算事件」。判断结果有四种可能: 真阳性(真有问题且被标记)、假阳性(没问题却被标记)、真阴性(没问题且未标记)、假阴性(真有问题却漏掉)。

灵敏度衡量「真问题里被抓到的比例」,特异度衡量「没问题里被正确放过的比例」。 门限放宽,灵敏度上升、特异度下降;门限收紧,反过来。想两者同时提高,只能改进判别逻辑本身,不能靠挪动那条线。

一个常被忽略的数学事实:即使特异度很高,当真实事件在机队里本来就稀少时,被标记的事件里「假阳性」仍可能占多数。 这就是为什么不能把「告警条数」直接当成「问题数量」。

证据层:代价不对称与告警疲劳

门限的取舍不是纯数学问题,而是代价问题。漏报一个高后果事件的代价,和误报一百个无害事件的代价,不在同一个量级; 但误报的代价是累积的:分析员时间被占满、机组被反复打扰、管理层逐渐不信告警,最后形成告警疲劳。

告警疲劳在监护与工业安全领域有长期研究,核心结论是一致的:告警数量超过人的处理能力后,响应率下降、响应时间上升, 真正危险的告警反而更容易被忽略。航空数据项目里,这条规律同样成立。

  • 高后果、低概率的事件:宁可牺牲一些特异度,也要保住灵敏度。
  • 低后果、高概率的事件:优先保特异度,避免淹没分析资源。
  • 介于两者之间:用多参数组合逻辑替代单参数调数字。

操作层:三类门限与评审流程

类型定义优点风险
绝对门限固定数值边界,如某参数超过某值简单、可解释、易审计不适应机型、重量、机场差异
相对门限按机型、重量、风况、跑道做修正后的边界更贴近真实运行修正模型本身可能失真
组合逻辑多个参数同时满足才触发显著降低单参数噪声逻辑复杂,难以向机组解释

门限变更应当走固定流程:提案(问题与证据)→ 影响评估(预计增减多少事件、影响哪些机队)→ 试运行(新旧门限并行一段时间)→ 版本发布(写清生效日期)→ 回滚预案。 没有版本管理的门限调整,会让趋势线在某个时点凭空断裂,而看图的人并不知道断点来自哪里。

还要维护两份清单:参数有效性窗口(哪些阶段该参数不可信,必须屏蔽)与豁免清单(试飞、调机、特殊机场等不适用通用门限的情形)。 这两份清单是误报的主要来源,也是数据治理的重点。

失败层:调数字不调逻辑

最常见的失败不是门限定错,而是把门限当成唯一旋钮。漏报多了就把线放松,误报多了就把线收紧, 在两个坏结果之间来回摆动,却从不重新定义「什么组合才算危险」。

第一步
某类事件误报太多,分析员关闭该类告警的邮件推送。
第二步
该类事件真正的恶化不再被看见,趋势报告里它变成一条平线。
第三步
直到发生后果事件,回溯数据才发现信号一直在,只是被「静音」了。
第四步
复盘结论写成「告警机制有效但未被执行」,真正的原因却是判别逻辑从未被重新设计。
10
%

事件率与分母问题

没有分母的事件数只是故事,不是指标。分母选错,比率会比没有比率更误导人。

机制层:率 = 事件 / 暴露量

事件率的本质是把「发生了多少次」换算成「每单位暴露发生多少次」。暴露量可以是航班、进近、飞行小时、运行次数。 分母一变,同一个分子的含义就变了。因此任何比率都必须同时写清三件事:分子定义、分母定义、统计时间窗。

分母口径适合回答常见问题
每千航班整体运行风险水平长短航线混合时,短程航班占比高会稀释率
每千进近进近与着陆阶段事件复飞、训练进近是否计入需明确
每千飞行小时巡航、系统类事件长航程机队与短程机队不可直接比较
每千运行次数地面运行、滑行、装卸与飞行阶段口径混用会重复计算

证据层:小样本与混合效应

事件是稀有计数,天然服从泊松型波动。样本小时,「从 2 次变成 4 次」可能只是随机起伏,不构成趋势。 规范做法是给出置信区间,或在样本不足时明确写「不下结论」,而不是把百分比写到小数点后两位。

另一个陷阱是机场混合效应:A 机场事件率高,可能不是因为它更危险,而是因为飞它的机组同时飞更多复杂机场。 比较时必须控制机型、时段、航线结构,否则比的是「机组构成」而不是「机场风险」。

辛普森悖论:分层看每一层都在改善,合并看总体却在恶化(或相反)。 原因通常是各层航班量结构发生了变化。看到整体与分层结论相反时,先查权重,不要急着选一个相信。

操作层:比率的呈现规范

  • 每个比率下方标注分子、分母、时间窗,以及是否含训练/调机/试飞航班。
  • 样本量低于设定下限时,只报绝对数与「样本不足」,不报百分比排名。
  • 跨机队、跨机场比较时,列出已控制的变量;未控制的变量写进限制说明。
  • 趋势判断至少看连续三个时间窗,单点跳变先当噪声处理。
  • 分母发生变化的时点(航线调整、跑道改造、机队引进)在图上打标记。

失败层:四种典型误用

1

绝对数排名

按事件条数给机场或机队排名。航班量大的单位永远排前面,排名反映的是规模,不是风险。

2

分母漂移

统计口径中途改变,比率突然跳变,却被解释成「运行改善」或「运行恶化」。

3

小样本强结论

全年只有几架次观察,却据此给出「该机场风险最高」的结论,随后资源被错误倾斜。

4

分子污染

把训练科目、试飞、复飞训练计入正常事件,分子被人为放大,率失真。

一句话自检:如果有人问「这个 3.2% 的分母是什么」,你能不能在三秒内答出来? 答不出来,这个数字就不该出现在决策会上。
11
⊕

两种数据如何互补

一个看行为,一个看参数;一个解释为什么,一个量化有多少。缺一个,结论就会偏。

同一件事的两种说法

LOSA 会说

  • 这批航班在短五边遭遇顺风切变
  • PM 报出速度偏大,PF 选择继续
  • 1000 英尺未满足稳定条件,仍落地
  • 反制缺失:没有复飞决策

QAR 会说

  • 该机场不稳定进近率高于机队均值
  • 接地速度分布右移,长着陆比例上升
  • 事件集中在该跑道特定时段
  • 复飞率低于同类机场

两者拼起来,才能形成可执行的结论:问题不在「机组不敢复飞」这个态度层面, 而在「该机场特定时段的顺风切变+间隔压缩」这个结构层面,于是改进出口是航班时刻、进近程序与专项训练, 而不是一次「加强作风教育」。

三种典型组合用法

用法一 · 用 QAR 定位,用 LOSA 解释

先由 QAR 找出比率异常的机场、阶段、机队,再安排定向 LOSA 观察(targeted LOSA)看现场到底发生了什么。

用法二 · 用 LOSA 提问,用 QAR 验证

LOSA 发现「机组普遍在某一阶段负荷过高」,再用 QAR 看该阶段的参数离散度是否也同步变大,验证负荷是否真的转化为操作偏差。

用法三 · 同一套语言

两套数据都用 TEM 的威胁—差错—反制框架编码,才能在同一个安全委员会里对话。否则飞行数据部门说参数,训练部门说行为,永远拼不起来。

教学示例:一次「双数据」复盘

示例 · 非真实事件

QAR 侧:某机场连续两个季度不稳定进近率上升,接地载荷分布变宽,且集中在午后时段。

LOSA 侧:定向观察 20 个该机场航班,发现午后热对流导致跑道入口附近乱流增强,管制为保间隔频繁给出偏快的进近速度,机组在 1000 英尺前完成构型的时间被压缩;PM 多次报出「速度偏大」,PF 均选择继续。

结论:这不是「作风问题」,而是「时段+间隔+构型时间」三重挤压下的系统性风险。

动作:与管制协调该时段间隔策略;修订该机场进近简令模板,明确「速度偏大即复飞」的决策门槛;模拟机加入热对流+顺风切变+晚减速组合科目;下季度复测同一指标。

12
⚠

数据分析的坑

数据本身不会骗人,但分析会。以下八条是运行数据分析里最高频的失手方式,每一条都能让一份看起来很专业的报告得出错误结论。

坑一:门限设置造成的漏报与误报

门限是筛子,不是真相。设松了,事件被筛掉,你看到的是「安全」;设紧了,噪声淹没信号,你看到的是「到处都危险」。 更隐蔽的是参数有效性判断:某些阶段参数本身不可信(例如地面静止时的空速),若不剔除,会产生系统性假事件。

自检问题:过去一年,门限调整了几次?每次调整后事件率的变化,是真实的运行变化,还是筛子变了? 如果答不上来,趋势线不可信。

坑二:只盯超限,不看常态

超限事件只是分布尾部。真正决定风险水平的是整个分布往哪边移。 例如接地载荷的「超限次数」没变,但载荷分布的中间值整体上移,说明运行方式已经在变硬,只是还没越过门限。 只看尾部,等于等事故发生才承认趋势。

看法看到什么会漏掉什么
只看超限计数越过门限的少数事件整体分布漂移、基线恶化
看分布与分位数运行方式的整体变化极端单点(仍需单独处理)
看比率与分母可比较的风险水平样本量过小时的随机波动

坑三:把相关当因果

「尾风与长着陆相关」是事实,但「尾风导致长着陆」是推论。真正的链条可能是: 尾风 → 地速增大 → 入口高度偏高 → 减速计划被打破 → 长着陆。 中间每一环都可能有别的变量介入,例如跑道坡度、入口高度、反推使用、刹车方式。

相关性只能用来生成假设,不能用来下结论。正确姿势是沿着因果链找可观测的中间变量, 再用 LOSA 或专项数据验证其中一环。

坑四到坑八

4

幸存者偏差

只分析超限航班,忽略「同样惊险但恰好没越线」的航班。后者才是风险的全貌,也是最好的学习样本。

5

指标变成考核

一旦某个比率被拿去排名,运行方式就会围绕它优化:压低下降率换取「柔和接地」,代价是更长的平飞与更多燃油。

6

无闭环

报告发布即终点。没有责任部门、没有时限、没有复测,下一季度同一问题原样重现,还多了一份「已整改」的记录。

7

归因漂移

从「系统问题」滑向「机组问题」。一旦开始找人,下一轮数据立刻变得干净——干净得不真实。

8

数据质量

传感器漂移、采样丢失、时间不同步、航班配平缺失。垃圾数据做出来的漂亮图表,比没有图表更危险。

9

口径不一致

飞行数据部门、训练部门、安全部门各用一套定义。同一件事三个数字,会上先吵定义,问题本身没人管。

一份可信报告的四个特征

  • 每个比率都带分母与时间窗,读者能自己复算。
  • 结论区分「观察到的现象」与「推测的机制」,推测明确标注为假设。
  • 给出样本量与不确定性,小样本不下强结论。
  • 每条结论后面跟着一个可执行的下一步,以及谁负责。
13
⛁

数据质量治理

数据分析的上限不是算法,而是数据本身。传感器、译码、时间同步任何一环出问题,后面所有结论都会带着同一个错误往前走。

机制层:失真发生在四个环节

01
采集
传感器精度、采样率、安装位置、校准状态
02
传输
存储介质、导出过程、断点续传、数据完整性
03
译码
译码表版本、参数映射、单位换算、时间基准
04
入库
航班配平、重复记录、字段缺失、口径统一

四个环节里,译码与航班配平最容易出问题,因为它们不产生报错,只产生「看起来正常但含义错了」的数据。 例如译码表版本与机载软件版本不匹配,某个参数会被映射到错误的物理量,曲线依然平滑,结论却完全相反。

证据层:数据质量的六个维度与三级校验

数据治理领域通常用六个维度描述质量:完整性、准确性、一致性、时效性、唯一性、有效性。 映射到飞行数据上,就是:参数是否缺段、数值是否可信、跨系统口径是否一致、数据是否及时到位、航班是否重复、取值是否在物理范围内。

校验级别做什么抓得住什么抓不住什么
一级 · 自动规则范围检查、跳变检查、缺段检查、时间连续性明显坏值、断点、重复系统性错译、口径错误
二级 · 人工抽检按比例抽样回放曲线,核对关键阶段逻辑矛盾、阶段错位低频但高影响的错误
三级 · 交叉比对与飞行计划、天气、ATC 记录、维修记录对照时间、机场、机型配平错误需要外部数据支持

操作层:数据字典与版本绑定

  • 数据字典:每个参数写清名称、单位、采样率、有效范围、有效阶段、缺失处理方式。
  • 版本绑定:每条记录绑定机载软件版本、译码表版本、门限版本,任何一版变化都要能回溯。
  • 异常工单:发现坏数据要开工单,记录影响范围、根因、修复与复核,而不是悄悄删掉。
  • 质量月报:覆盖率、缺段率、校验拦截率、人工抽检合格率,作为数据可信度的基线。
一个低成本习惯:每次门限评审前,先跑一遍「同一航班用新旧译码表是否得到同样曲线」的对照。 这一步能拦掉大量「版本错配型」假趋势。

失败层:坏数据如何变成错决策

起点
某机型译码表更新,一个与俯仰相关的参数单位换算错误,曲线整体偏移但仍在合理范围内。
扩散
该机型着陆姿态事件率「上升」,被列为季度重点问题,训练部门开始设计新课目。
固化
新课目上线,机组被反复提醒一个并不存在的问题,真正的问题没有资源处理。
暴露
一年后机队引进新飞机,参数对比才发现旧数据整体偏移,此前所有趋势结论作废。
治理原则:数据质量问题的成本,永远在使用端才显现。 因此治理不能只放在 IT 部门,必须由使用数据的人参与定义「什么叫可信」。
14
◈

从数据到训练:推导链与科目设计

数据只有变成讲评桌上的一句话、模拟机里的一个科目、检查单上的一行字,才算真正完成了它的工作。

QAR 事件如何变成讲评素材

第一步是脱敏:去掉机组身份、航班号、具体日期,只留航线类型、飞行阶段、气象与跑道条件。 第二步是还原过程:用参数曲线讲「能量与构型」的故事,而不是只给一个超限结论。 第三步是提问:把曲线停在被打破的那一刻,问机组「你当时看到什么、还有哪些信息、你会怎么选」。

讲评的正确落点:不是「你违反了哪一条」,而是「在那一刻,哪些线索被淹没、哪些反制还来得及」。 前者关闭思考,后者打开思考。

如何转成模拟机科目

数据里的现象不要这样练应该这样练
某机场不稳定进近率高 直接给一个「必须复飞」的标准剧本 重现该机场的威胁组合(热对流+偏快进近速度+间隔压力),让机组自己判断稳定门
某类喊话缺失 让机组背喊话词 在高负荷段插入干扰,练「谁在什么时候必须开口」的分工
复飞后二次进近决策差 只练一次复飞就结束 复飞后给更差的天气与更紧的燃油,练「继续还是备降」
未纠正差错多 加强单人的注意力提醒 设计监控断链场景,练交叉检查与主动质疑

核心原则:练过程,不练答案。数据告诉你哪种组合最容易出事,模拟机负责把那种组合安全地复制出来, 让机组在低风险环境里把反制动作练成条件反射。

推导链:从事件率到训练需求

数据不会自动变成训练需求。中间要走五步,每一步都可能断:

01
异常定位
哪个比率、哪个机场、哪个阶段偏离基线
02
机制假设
列出可能的因果链,每条对应可观测变量
03
行为验证
用 LOSA 或专项观察确认哪一环真的断了
04
出口选择
训练、程序、组织资源三选一,不混为一谈
05
科目设计
把机制转成可复现的模拟机情景与讲评问题
断点最多的一步是第四步:很多问题被默认归到「训练」,因为训练最容易立项。 但如果机制是排班、间隔或程序设计,训练只能让机组更熟练地承受一个坏系统。

训练与带飞:科目设置、复现方式与讲评

训练章的目标不是把数据结论讲一遍,而是让机组在模拟机里重新经历那个决策点,并在低风险环境里做出不同的选择。

科目设置的三条原则

  • 还原威胁组合,不还原结局。给同样的天气、间隔、速度偏差,但不预设「必须复飞」。
  • 把决策点前置。在简令阶段就要求机组说出触发条件与决策人,而不是等进了五边再考。
  • 保留余量。第一次练「识别与分工」,第二次才加天气与燃油压力,避免一次给满负荷。

模拟机复现方式

数据现象复现设置观察什么
稳定门未达标仍落地入口前给速度偏大与下沉气流,保留复飞窗口PM 是否在固定高度报出、PF 是否把提示转成决策
简令未定义分工复杂机场+高下降率程序,简令时间被压缩简令是否包含触发条件、谁先说、谁决定
复飞后二次进近第一次复飞后天气更差、燃油更紧是否重新评估备降,而不是默认再进一次

学员最常见的三种错误

1

把提示当信息

PM 报了「速度偏大」,PF 回「知道」,但没有人把它转成「到什么程度就复飞」的条件。

2

把复飞当失败

潜意识里认为复飞等于飞得不好,于是不断给自己「再给一点时间」的理由。

3

把程序当答案

背出了稳定进近的标准,却说不清「在这条跑道上,哪一秒必须做决定」。

讲评如何指出

  • 先放曲线,不先下结论。把参数停在被打破前的那一刻,问「你当时看到什么」。
  • 让学员自己找到决策点。问「这条时间线上,哪一秒之后就不能再等」,而不是直接告诉他答案。
  • 区分「不知道」与「不敢」。前者补信息与训练,后者要查文化与氛围,两件事不能用同一套话术。
  • 最后才给标准做法。讲评的落点是一句可执行的话,例如「1000 英尺不满足,PM 报出后 PF 必须在一句之内给出复飞或继续的理由」。
带飞观察的重点:教员看的不是学员最后有没有复飞,而是他在哪个时间点开始把「信息」变成「决策」。 早一秒是能力,晚一秒是风险,不决策是文化。

如何避免变成「抓人」工具

Ⅰ

去标识

训练素材里不出现可反推个人的信息。事件曲线可以真,身份必须假。

Ⅱ

聚合发布

对外只发聚合结论与改进项,原始事件限少数授权岗位,且留访问日志。

Ⅲ

用途单一

写进制度:仅用于训练、程序与工程改进。任何一次破例,都要按安全事件处理并公开说明。

最容易被忽视的一点:「抓人」往往不是恶意,而是从一次「就这一次,说一下吧」开始。 防线不是靠善意维持的,是靠制度。

季度数据回顾会怎么开

0–5 分钟 · 定调
主持人重申用途与保密边界,确认本次会议只讨论系统改进,不做个人评价。
5–15 分钟 · 数据摘要
本季度航班量、观察量、事件率、趋势方向。只给带分母的比率,不给孤立数字。
15–30 分钟 · 前三大问题
每个问题按「现象—机制假设—证据—缺口」四段讲,明确哪些是观察、哪些是推测。
30–45 分钟 · 未纠正差错专题
单独一栏,逐例讨论防线在哪一层断了:感知、决策、动作、沟通。
45–55 分钟 · 改进项进度
上季度每条改进项:完成了什么、指标动了多少、谁认领、下一节点。
55–60 分钟 · 下季度重点
确定 3–5 条重点与定向观察计划,散会前落到人名与日期。

异常如何分级

级别判定响应时限
绿 在基线波动范围内 常规监测,不立项 下一季度复核
黄 连续两个季度上升,或单季显著上升但样本足够 立项专题,指定责任人,做定向观察 一个季度内出结论
红 高后果事件,或同类问题重复出现且改进无效 升级至安全委员会,暂停相关做法,全面复盘 立即启动
分级的意义:把有限的注意力放在该放的地方。全部标红等于全部不红, 全部标绿则是自欺。分级标准要事先写死,不能等数据出来再定。
15
▥

指标看板设计

看板不是把能算的指标都放上去,而是决定「每天该看哪几个」。指标越多,注意力越分散,等于没有看板。

机制层:看板是注意力分配器

人一次只能稳定跟踪少量变量。看板的第一功能不是展示,而是筛选:把不值得每天看的东西挡在外面, 把需要持续盯的东西固定在视线里。指标超过一屏,读者就会开始只看颜色不看含义。

因此设计顺序应当是:先定「要支持什么决策」,再定「需要哪几个指标」,最后才定「怎么画」。 反过来做,就会得到一块什么都有的墙,却回答不了任何一个具体问题。

证据层:三层指标结构

安全管理与绩效测量里常用三层结构:结果指标(已经发生了什么的滞后量)、过程指标(防线是否在工作的先行量)、 行为指标(机组实际怎么做的观察量)。三层必须同时存在,只看一层必然偏。

层级指标示例回答的问题更新频率
结果层不稳定进近率、硬着陆率、复飞率运行结果在变好还是变坏月度 / 季度
过程层稳定门达标率、检查单完成率、监控喊话覆盖率防线有没有在工作月度
行为层未纠正差错比例、威胁管理方式分布、有效反制使用率机组实际怎么处理威胁每轮 LOSA

每个指标必须写清五要素:定义、分母、目标值、警戒阈值、责任人。缺一项,指标就会在传播过程中变形。 「目标值」与「警戒阈值」要分开:前者是努力方向,后者是触发动作的线。

操作层:九指标看板与下钻路径

R1

不稳定进近率

每千进近。下钻到机场、跑道、时段、机型。警戒时触发定向 LOSA。

R2

复飞率

与不稳定进近率并看:不稳定高而复飞低,说明稳定门执行弱。

R3

着陆载荷分布

看中位数与分位数漂移,不只看超限次数。

P1

稳定门达标率

1000 英尺(或公司规定高度)三项条件同时满足的比例。

P2

检查单完成率

关键阶段检查单完整执行比例,含中断后恢复。

P3

监控喊话覆盖率

PM 对关键偏差的报出比例,反映交叉监控是否真的在工作。

B1

未纠正差错比例

LOSA 观察中差错未被发现或未被纠正的占比,最高优先级。

B2

有效反制使用率

面对同类威胁,机组使用已验证反制的比例,用于推广好做法。

B3

威胁结构分布

威胁类型占比的变化,用于预判训练需求的方向。

看板的另一半是变更记录:门限改了、口径改了、抽样框改了,都要在看板上留一条竖线或注释。 没有变更记录的看板,趋势线只能看形状,不能下结论。

失败层:看板的三种退化

健康形态

  • 指标少而稳定,读者知道每个数字对应什么动作
  • 红黄绿有明确阈值与责任人
  • 变更留痕,断点可解释

退化形态

  • 指标越加越多,没人敢删
  • 颜色只用于装饰,不触发动作
  • 口径悄悄变化,趋势被误读
删指标比加指标难:每个指标背后都有一个部门。看板治理的真正阻力不是技术,而是「撤掉一个指标等于撤掉一份存在感」。 因此需要一条规则:连续若干周期未触发任何动作的指标,进入复核名单。
16
⚿

数据使用与隐私边界

安全数据的第一价值是「让人敢说真话」。一旦它变成追责工具,数据还在,真话就没了。

机制层:可识别性与真实性是反向的

一份数据越能定位到具体个人,它就越有用——用于追责;也越没用——用于发现系统问题。 因为一旦参与者知道数据能定位到自己,行为就会转向「保护自己」,而不是「暴露问题」。

这就是安全数据保护制度的逻辑起点:不是给机组特权,而是保证数据这一原材料的真实性。 去标识化(删除或替换可直接识别字段)与匿名化(无法再复原到个人)是两个不同层次,制度上要写清哪类数据走到哪一层。

证据层:三项基本原则

  • 目的限制:数据只能用于事先声明的安全目的。任何新用途都要重新评估并公开说明。
  • 最小必要:只收集达成目的所需的最少字段。能不收的身份信息就不收。
  • 最小权限:只有完成本职工作必需的人才能访问原始数据,且权限按角色授予、定期复核。

国内《数据安全法》《个人信息保护法》对数据处理、去标识化、访问控制提出了框架性要求; 民航安全管理体系文件也强调安全数据的保护性使用。本文只引用制度名称与原则,不引用具体条款编号。

操作层:三级分级与访问矩阵

级别内容可见范围典型用途
公开级聚合比率、趋势、改进项全员 / 行业交流安全通报、训练宣贯
受限级脱敏后的事件曲线与观察记录安全、训练、数据岗位讲评、科目设计、趋势分析
严格级含航班号、日期、机组配置的原始记录指定授权岗位,留访问日志调查核实、数据校验

访问矩阵要写成文件:谁能看、看多久、能不能导出、导出要不要审批。审计不是事后翻账,而是定期核对「实际访问」与「授权范围」是否一致。

失败层:一次破例的连锁反应

第一次破例
某次事件后,管理层要求「就这一次」调出具体航班数据用于内部说明。
口耳相传
机组之间很快知道「数据是能被调出来的」,报告与访谈开始变得谨慎。
数据变形
自愿报告减少,LOSA 访谈趋于标准答案,QAR 参数被「飞得更好看」。
安全信息枯竭
数据仍然完整,但已经不再反映真实运行;下一次真正的问题没有任何提前信号。
治理底线:破例不能靠「下不为例」约束,只能靠制度约束: 任何超出授权范围的访问,都必须走书面审批、留痕、并在安全委员会上说明。代价高,才不会成为习惯。
17
◷

场景推演:两条时间线

抽象原则放进真实时间轴,才能看出「哪一秒做的决定」和「晚一步会怎样」。以下两个场景均为教学示例。

场景一 · 一次不稳定进近的秒级时间线

教学示例 · 非真实事件

背景设定:某复杂机场,午后热对流,跑道入口前有地形与建筑引起的湍流,进近程序要求较高下降率。机组为双人制,机长带副驾驶。

T-25 分钟 · 进近简令
机长简令提到「这个机场下午常有乱流」,但没有具体到「若 1000 英尺不稳定,谁先说、谁决定」。分工只到「你飞我监控」。
T-8 分钟 · 下高度
管制给的速度略高于计划,机组接受。PF 开始用减速板控制速度,注意力向速度表倾斜。
T-4 分钟 · 短五边
建立航道时高度略高、速度略大。PM 说「速度偏大」,PF 回「知道,我修」。没有讨论「修到什么程度就复飞」。
T-2 分钟 · 1000 英尺
三项稳定条件中速度与下滑道均未满足。PM 再次提示,PF 判断「再给一点时间就能稳住」。
T-1 分钟 · 决策点
这是整条时间线里唯一真正可逆的一秒。复飞按钮就在拇指下,但两人都在看跑道,没有人说出「复飞」两个字。
T-0 · 接地
接地偏早、载荷偏大,飞机正常停住。运行结果「成功」,没有人报告,也没有人复盘。
T+24 小时 · QAR 回放
数据侧发现该航班稳定门未达标且未复飞,事件进入统计。但由于没有 LOSA 观察,无法知道「为什么没人喊复飞」。

晚一步会怎样:如果 T-2 的提示被当作「建议」而不是「触发条件」,T-1 的决策点就会被滑过; 同样的组合在另一天遇到更大的下沉气流,余量可能不足以吸收。后果不需要很戏剧化,只需要一次「差一点」。

数据能补什么:QAR 能给出「未达标且未复飞」这个事实与幅度;LOSA 能补上「简令没有定义谁说、谁决定」这个行为缺口。 两者结合,改进出口不是「加强稳定进近教育」,而是把复飞触发条件写进简令模板并做分工演练。

场景二 · 90 天数据闭环

教学示例 · 非真实事件
D0 · 发现
季度 QAR 报告显示某机场不稳定进近率高于同类机场,且复飞率并未同步上升。
D7 · 立项
安全委员会把该问题定为黄级:指定责任人、设定指标(该机场稳定门达标率)、约定复测时点。
D14 · 假设
数据侧提出三个机制假设:时段热对流、进近程序下降率、航班间隔压力。每个假设对应一个可观测变量。
D21 · 定向观察
安排定向 LOSA,重点看简令内容、PM 提示时机、复飞决策由谁做出。观察员不带结论上飞机,只记录行为。
D35 · 合并结论
QAR 指向「特定时段+特定跑道」,LOSA 指向「简令未定义复飞触发与决策人」。结论写成「结构问题」,不写成「机组不敢复飞」。
D45 · 改进
两条动作:修订该机场简令模板(加入复飞触发条件与决策分工);与运行控制协调高峰时段间隔。
D60 · 训练
模拟机加入该机场威胁组合,练「谁先说、谁决定、什么时候必须复飞」,不练标准答案。
D90 · 复测
下一轮 QAR 显示稳定门达标率上升、复飞率上升;定向 LOSA 显示简令中触发条件被主动提及。闭环成立。

这条时间线的关键:D35 把「人」的结论改成「结构」的结论。如果那天会议室里写成「机组决策不果断」, D45 的动作就会变成一次作风教育,D90 复测大概率原地不动。

失败对照:若 D7 没有设复测时点,D45 的动作是否有效无人知道; 若 D21 的观察员带着「机组不敢复飞」的假设上飞机,他会只记录支持假设的行为,LOSA 就退化成一份带引号的证据。

18
⊞

跨机型·跨阶段·跨条件差异

同一套方法,换个机型、换个阶段、换个条件,关注点与门限都要变。忽略差异,就会把「不可比」当成「在恶化」。

跨机型:自动化水平决定观察重点

机型类别LOSA 关注点QAR 门限与参数注意数据可比性陷阱
窄体 高频短程带来的简令压缩、快速过站压力、监控分工 起落架与襟翼构型参数、短跑道着陆载荷 短程占比高会拉低每航班事件率,跨机队比较需按小时归一
宽体 长航程疲劳管理、加强组交接、跨时区运行 巡航阶段参数漂移、燃油与重量配平 长航程飞行小时多,按航班归一会被稀释
支线 单一飞行员监控负荷、短跑道与简易机场程序 低速段参数有效性、短跑道接地点分布 机队小、样本少,任何比率都带很宽的置信区间

跨阶段:威胁与差错的分布不同

飞行阶段典型威胁LOSA 观察重点QAR 关注参数
起飞跑道侵占、风切变、性能输入错误起飞简令、性能核对、中断决策抬轮速度、俯仰姿态、离地高度
巡航天气绕飞、管制改航、疲劳交接质量、监控轮换、燃油状态高度保持、速度偏差、燃油流量
进近风切变、间隔压力、程序复杂度简令触发条件、PM 提示、复飞决策稳定门参数、下滑道偏差、速度趋势
着陆湿跑道、侧风、短跑道接地方式、反推与刹车、复飞余量接地点、下沉率、载荷、滑跑距离

跨条件:环境改变风险结构

运行条件风险结构变化LOSA 关注点数据口径注意
高原机场真速大、推力裕度小、复飞爬升受限性能计算、复飞路径、氧气与增压真空速与地速换算、推力参数修正
短跑道接地点与刹车时机容错小入口高度、接地区、反推使用载荷与滑跑距离需按跑道长度归一
湿跑道刹车效应下降、侧风容错下降落地方式、刹车与方向控制摩擦系数相关参数不可与干跑道直接比较
夜航视觉参照减少、疲劳累积进近简令、灯光使用、疲劳报告时段分层统计,不与昼间混合排名
使用原则:差异表的作用不是给出「哪类更危险」的排名,而是提醒分析者在比较前先问: 分子分母是否同一口径?样本是否覆盖这一条件?门限是否为该机型/机场单独设定?
附
☑

落地检查单

三张表:数据可用性自检、季度回顾会必答项、异常处置动作。可直接打印使用。

A. 数据可用性自检(每季度)

  • 本期 QAR 覆盖率是否达到计划抽样比例?缺失航班的原因是否记录?
  • 门限本季度是否调整?调整前后的事件率是否分段统计,避免把筛子变化当成运行变化?
  • 每个关键比率是否带分母(每千航班 / 每千进近)?
  • 是否存在样本量过小却被当作趋势的指标?是否已标注置信区间或直接不下结论?
  • LOSA 观察员间一致性是否达标?分歧集中在哪些编码项?是否已修订定义?
  • 本期是否存在可反推个人身份的信息出现在任何报告或讲评材料中?

B. 季度回顾会必答六问

序号必答问题答不上来意味着
1本季度最危险的一件事是什么,证据是什么?数据没打通,或不敢看真问题
2它为什么没造成后果?是哪一层防线接住的?只统计结果,没有过程视角
3同类威胁在多少航班中出现,比率是多少?缺分母,无法判断严重程度
4上季度改进项的指标动了多少?没有闭环,改进行动是装饰
5本次结论里,哪些是观察、哪些是推测?把相关当因果
6下季度三条重点,谁认领、什么时候复测?会议没有产出,只是通报

C. 异常处置动作卡

  • 黄级:指定一名责任人 + 一个可测指标 + 一个复测时点;两周内给出机制假设与验证方案。
  • 红级:先降风险(暂停相关做法或加临时限制),再查原因;对外沟通只讲已确认事实。
  • 任何级别:都不得把结论落到具体个人;如需追责,走独立的人事与法律程序,不占用安全数据链。
  • 跨部门问题:由安全委员会出面协调机场、管制、地面保障,不转嫁为机组训练项。
测
?

自测题(10 道)

先自己回答,再看答案。答错的题对应回上面哪一章,比记住答案更重要。
#问题答案与解析
1 LOSA 样本只排白班和主基地,最大问题是什么? 覆盖偏差。样本量大也补不回来,因为夜航与复杂机场根本不在抽样框里;比率会系统性低估威胁暴露,结论整体偏乐观。对应第 02 章。
2 为什么 LOSA 观察表不能出现姓名与胜任力评价? 因为可识别性一旦建立,机组行为会转向「保护自己」而不是「暴露问题」,观察就退化为标准化表演。数据越能定位个人,越不能用来发现系统问题。对应第 03、06 章。
3 为什么编码信度要用 kappa 一类指标,而不是百分比一致? 百分比一致不扣除「碰巧一致」。当某编码很少被使用时,两人都不用也会显得高度一致;kappa 会修正这一点,更能暴露定义不清的编码项。对应第 04 章。
4 严重度判定为什么必须先看后果,再看可纠正性? 后果决定风险上限,可纠正性决定这个上限是否已经被防线压住。顺序颠倒会把「本来很严重但恰好被纠正」记成轻微,导致防线失效的信号被平均掉。对应第 04 章。
5 门限放宽会发生什么?收紧又会发生什么? 放宽:灵敏度上升、特异度下降,漏报减少但误报增加;收紧相反。两者不能同时靠挪线改善,只能改判别逻辑。对应第 09 章。
6 为什么「告警条数」不能直接当成「问题数量」? 真实事件稀少时,即使特异度很高,被标记的事件中假阳性仍可能占多数。告警数混合了真问题与误报,必须结合阳性预测值或人工复核。对应第 09 章。
7 同一批事件,用「每千航班」和「每千飞行小时」算,结论为什么会不同? 因为分母反映的暴露不同。短程机队航班多、小时少,长程机队相反;换分母会改变机队之间的可比性。对应第 10 章。
8 什么是辛普森悖论?在飞行数据里怎么出现? 分层看每层都在改善,合并看总体却在恶化。常见于机队构成、航线结构变化导致权重改变。看到整体与分层结论相反,先查权重。对应第 10 章。
9 译码表版本与机载软件不匹配,会怎样? 参数被映射到错误物理量或单位,曲线依然平滑、不报错,但含义错误。会产生系统性假趋势,且往往一年后才被发现。对应第 13 章。
10 为什么「就这一次」调取个人数据,会毁掉整个数据链? 因为它证明数据可以被追责。机组会调整报告与飞行行为,自愿报告减少、访谈趋于标准答案,数据仍然完整但不再真实。对应第 16 章。
词
Aa

术语表(中英对照)

同一套方法在不同公司叫法不同。读报告前先统一词,比争论数字更重要。
中文英文含义
航线运行安全审计LOSA (Line Operations Safety Audit)由受过训练的观察员在正常航班上记录机组如何管理威胁与差错的方法。
威胁与差错管理TEM (Threat and Error Management)把运行事件拆成威胁、差错、反制与差错状态的框架。
行为标记Behavioral Marker可观察、可命名、可计数的最小行为单元,用于统一编码。
观察员间一致性Inter-rater Reliability不同观察员对同一对象给出相同编码的程度,是数据可信度的前提。
科恩卡帕Cohen's Kappa扣除碰巧一致后的分类一致性指标,常用于两名观察员的编码比对。
行为锚定等级评价法BARS (Behaviorally Anchored Rating Scale)给每个等级配具体行为例子,减少评分时的主观解释空间。
快速存取记录器QAR (Quick Access Recorder)机载设备,按周期记录大量飞行参数,便于地面快速导出。
飞行运行品质保证FOQA (Flight Operational Quality Assurance)地面端的飞行数据解析、门限判定与趋势分析程序。
飞行数据监控FDM (Flight Data Monitoring)欧洲常用的同类概念,强调对飞行数据的持续监控。
门限Threshold判定某参数是否构成事件的边界值或组合条件。
灵敏度Sensitivity真问题中被正确标记的比例,反映「抓得住多少」。
特异度Specificity无问题航班中被正确放过的比例,反映「误报多少」。
阳性预测值Positive Predictive Value被标记的事件中真正有问题的比例,受事件基数影响很大。
暴露量 / 分母Exposure / Denominator计算事件率时所用的运行基数,如航班、进近、飞行小时。
去标识化De-identification删除或替换可直接识别个人的字段,降低反推到个人的可能。
参
▣

参考来源与使用说明

  1. Helmreich, R. L., Merritt, A. C., & Wilhelm, J. A. (1999). System safety and human factors: Line Operations Safety Audit (LOSA). University of Texas Human Factors Research Project.
  2. ICAO. Line Operations Safety Audit (LOSA) 相关指导材料与 Doc 9859《安全管理手册》中的安全数据与安全绩效内容。
  3. FAA. Flight Operational Quality Assurance (FOQA) 相关咨询通告与项目指南。
  4. EUROCONTROL / EASA. Flight Data Monitoring (FDM) 相关实施指南。
  5. Reason, J. (1997). Managing the Risks of Organizational Accidents. Ashgate.
  6. CAAC. 民用航空安全管理体系建设与安全绩效管理相关规章与咨询通告(仅引用制度名称与框架,不引用具体条款编号)。
  7. 各运输航空公司 LOSA 观察员手册、FOQA 门限设定文件的通行做法(本文以方法论归纳呈现,不含任何公司内部数据)。
  8. Cohen, J. (1960). A coefficient of agreement for nominal scales. Educational and Psychological Measurement.
  9. Krippendorff, K. Content Analysis: An Introduction to Its Methodology.(内容分析与编码信度的方法论基础)
  10. Dekker, S. (2011). Drift into Failure. Ashgate.(关于系统逐步漂移与「数据支持的错误共识」)
  11. Wiegmann, D. A., & Shappell, S. A. (2003). A Human Error Approach to Aviation Accident Analysis. Ashgate.
  12. Flight Safety Foundation. 与 LOSA、FOQA/FDM 相关的公开方法论文章与安全简报。
说明:本文所引概念均来自公开学术文献与民航业界通行方法框架;文中出现的比率、案例与场景均为教学示例, 不对应任何真实航班、真实机组或真实事件。涉及规章与手册的内容只写名称与确定存在的制度框架, 不引用未经核实的条款编号与具体数值。