2
گروه اموزشی مهندسی صنایع، دانشگاه تهران، تهرن، ایران
10.22034/joae.2023.387633.1160
چکیده
مدیریت خدمه پرواز یک عامل مهم در پرواز در راستای حصول اطمینان از ایمنی عملیات، کاهش خطاهای پروازی، می باشد. در راستای نظارت بر کلیه تهدیدات و خطاهای مدیریت شده یا نشده توسط خلبان های پرواز، در نظرگیری فاکتورهای ایمنی پرواز که تاثیر مستقیم بر خطاهای خلبان ها را خواهد داشت، از موضوعات اساسی و مهم برای حفظ یک ایرلاین در سطح قابل قبول عملکرد ایمنی، خواهد بود. طی مطالعه صورت پذیرفته ادبیات موضوع در شرکت های هواپیمایی، خلاء در نظر گیری جامع از شناسائی و ارزیابی فاکتورهای اساسی ایمنی پرواز تاثیرگذار بر خطای خلبانان حین پرواز، مشاهده می شود. بنابراین در این مقاله، یک روش ارزیابی از مدیریت عملکرد خلبانان پرواز، با ارائه معیارها و زیر معیارها در راستای افزایش سطح ایمنی پرواز با تمرکز بر بررسی میزان خطای کادر پروازی، ارائه شده است. جامعه آماری این پژوهش، خلبانان فعال پرواز ایرلاین ها در ناوگان های ایرباس بدنه پهن پیکر و بدنه باریک پیکرو نیز هواپبمای ملخی می باشند.. از نمونه گیری تصادفی ساده برای جمع آوری داده های مورد نیاز تحقیق و نیز تحلیل آنها، استفاده شده است.در این پژوهش از روش اکتشاف داده و روایی سنجی محتوا در راستای شناسائی معیارهای تاثیرگذار بر میزان خطای خلبانان پرواز، استفاده شده است. از جمله یافته ها، شناسائی انواع خطاهای تاثیرگذار بر عملکرد خلبانان و نحوه ارزیابی آن، همچنین اکتشاف فاکتورهای ایمنی تاثیرگذار ( معیارهای موثر بر مدیریت خدمه پرواز، خستگی کادر پرواز، وضعیت ترکیب خلبان ها در پرواز، نتایج آموزش های کادر پروازی) می باشد.
[9].Wang, Z., & Chen, C. (2017). Fuzzy comprehensive Bayesian network-based safety risk assessment for metro construction projects. Tunnelling and Underground Space Technology, 70, 330-342.
[10].Efthymiou, M., Whiston, S., O'Connell, J. F., & Brown, G. D. (2021). Flight crew evaluation of the flight time limitations regulation. Case Studies on Transport Policy, 9(1), 280-290.
[11].Gautam, A., & Garg, N. (2021). Impact of Perceived Stress, Safety Attitude and Flight Experience on Hazardous Event Involvement of Aviators.
[12]. Seah, B. Z. Q., Gan, W. H., Wong, S. H., Lim, M. A., Goh, P. H., Singh, J., & Koh, D. S. Q. (2021). Proposed data-driven approach for occupational risk management of aircrew fatigue. Safety and health at work, 12(4), 462-470.
[13]. Chang, Y.-H., Yang, H.-H., & Hsiao, Y.-J. (2016). Human risk factors associated with pilots in runway excursions. Accident Analysis & Prevention, 94, 227-237.
[14]. Grant, J. S., & Davis, L. L. (1997). Selection and use of content experts for instrument development. Research in nursing & health, 20(3), 269-274.
[15]. Rubio, D. M., Berg-Weger, M., Tebb, S. S., Lee, E. S., & Rauch, S. (2003). Objectifying content validity: Conducting a content validity study in social work research. Social work research, 27(2), 94-104.
[16].Polit, D. F., Beck, C. T., & Owen, S. V. (2007). Is the CVI an acceptable indicator of content validity? Appraisal and recommendations. Research in nursing & health, 30(4), 459-467.
[17].Deveci, M., & Demirel, N. C. (2018). Evolutionary algorithms for solving the airline crew pairing problem. Computers & Industrial Engineering, 115, 389-406.
[18]. Aydemir-Karadag, A., Dengiz, B., & Bolat, A. (2013). Crew pairing optimization based on hybrid approaches. Computers & Industrial Engineering, 65(1), 87-96.
[19].Kornilakis, H., & Stamatopoulos, P. (2002). Crew pairing optimization with genetic algorithms. Paper presented at the Hellenic conference on artificial intelligence.
[20]ICAO. (2007). International Civil Aviation Vocabulary. Doc. 9713. In: International Civil Aviation Organization Montreal, Canada.
[21] Pérez-Campuzano, D., Andrada, L. R., Ortega, P. M., & López-Lázaro, A. (2022). Visualizing the historical COVID-19 shock in the US airline industry: A Data Mining approach for dynamic market surveillance. Journal of Air Transport Management, 101, 102194.
[22]ICAO (2001). International Civil Aviation Vocabulary (Vol. 9713).
[23] Badánik, B., Le Duc, M., & Kandera, B. (2021). Understanding scheduling preferences of airline crews. Transportation Research Procedia, 59, 223-233.
)
