摘要：民航局在2020年发布了《飞行员技能全生命周期管理体系（简称PLM）建设实施路线图》，该管理体系基于飞行员岗位核心胜任力，以循证训练为驱动，以作风建设为引领，是中国民航未来十年内飞行员训练的框架体系。该体系的建设预示着中国民航飞行员训练管理全面进入数据化时代，然而令各航司头疼的问题接踵而至，那便是这些数据从哪里来？如何对杂乱的数据进行清洁、分类、分析和集成？如何通过集成数据更加准确地刻画飞行员的资质能力脸谱？ 

　　安全数据是驱动PLM建设成功的必要条件。据了解，目前各航司普遍存在“数据源头活水不足，安全数据局限性大，数据中心建设迟滞，数据集成标准不一”等问题，春秋航空近年来致力于“数据驱动安全”，年度处理各类飞行安全数据以千万计，对于数据驱动安全积累了比较丰富的经验，该文将通过数据集成模型设计、数据中心建立、数据分析集成和应用进行探讨，以推动飞行员安全管理从经验管理向大数据管理进阶提升。 

　　图1-1 安全数据驱动PLM建设 

　　一、航司数据应用现状 

　　（一）数据源头活水不足 

　　根据PLM建设实施路线图描述，EBT数据包括飞行品质数据（QAR），航线运行安全审计（LOSA），和航空安全报告等。然而据了解，除了QAR数据以外开展LOSA项目的航司很少，个别开展LOSA项目的航司，所获得的LOSA数据也仅覆盖了极少的飞行机组，航空安全报告数量也较为有限，不少百余架飞机规模的航司，每年报告信息量也只有两千余条，人均每年仅两条左右。没有安全数据的源头活水，就无法实现数据驱动安全、数据驱动培训的PLM工程。为此，安全数据的扩源、深挖、融合将是实现PLM的必由之路。目前国内多数航司正在开发应用的QACVR数据、监督审核数据、事件调查数据、日常运行偏差纠正数据、核心风险预警数据、资质训练数据等均应该成为日常安全运行数据的有益补充。 

　　（二）安全数据局限性大 

　　QAR数据是各航司应用最广泛的数据，然而大多数QAR数据属于飞机状态数据，三个等级的QAR原始数据是不能直接用作循证数据的，PLM胜任力评估需要的是可观察的飞行员行为数据，只有将QAR数据深度分析，并通过核心胜任力模型进行进一步梳理，转化为胜任力行为指标数据才可以加以使用。 

　　QACVR数据是近年来各航司探索的一个重要方向，然而多数公司花费大量成本安装QACVR设备，仅将其用于事件调查和管理威慑，大量数据并没有被有效收集和应用，这是非常可惜的，而且目前局方对于QACVR数据的使用也仅限于关键阶段。 

　　LOSA也是一种非常有价值的一个数据来源，该数据具有现场观察、深入一线的优势，可以量化飞行机组在对面实际运行中的威胁、差错和非预期航空器状态时的能力表现等数据，然而LOSA对于观察员有着比较高的要求，对于威胁与差错行为的评价标准也较难统一，观察员的培训、岗位成本比较高，受限于成本效益，国内目前各航司开展情况不容乐观，获取的数据也相对有限。 

　　监督审核数据也是非常重要的一类数据，航司监督审核的质量、覆盖面，以及监察数据是否方便集成应用决定了此类是数据的有效性和价值。 

　　不安全事件调查数据不能仅停留在较严重后果层面，不安全事件的调查侧重点也不能局限于责任的认定和规章的符合性方面，而应该继续向前推进以及向更深层次去挖掘一线员工在复杂环境下的行为偏差和胜任力不足表现。 

　　日常运行过程中，尤其是教员带飞学员过程中会产生大量的非常有价值的运行偏差纠正数据，然而由于缺乏有效的收集和记录手段，多数航司的该类数据被遗憾地流失。 

　　资质训练数据是可以体现飞行员核心胜任力非常有价值的一块行为数据，然而很多航司并未将训练和检查的过程性数据有效记录和收集起来，技术类检查也仅作为最终评判一线人员是否通过考试的一个标准。完善和细化训练、检查行为标准，充分保留此类数据将是所有航司应该改进和变革的方向。 

　　（三）数据中心建设迟滞 

　　由于部分航司SMS体系不够完善，数据驱动安全的理念不强，成熟的数据管理团队欠缺，企业IT化能力不足，数据中心体系建设迟滞，也缺乏原始数据的积累。为了达到大数据安全管理，各航司首先应该建立并持续完善自己的安全运行数据中心，持续积累各类安全运行数据，数据来源越广，将来飞行员的资质能力脸谱将刻画越准确，也只有大量有效数据的集成，才可以为将来的培训以及个人能力的提升发挥重要作用。 

　　（四）数据集成标准不一 

　　“国产的电器如果想行销国际，首先需要解决的就是标准和规范”。数据管理也是一个道理，要将来源迥异、定义不同、标准不一的安全数据进行集成，同样需要解决规范化、结构化和标准化问题，否则，即便有了大量的数据，也将是“一盘散沙”无法精确汇集到数据中心，更无法准确实现集成画像。 

　　二、系统化推进数据集成，驱动PLM建设 

　　（一）设计PLM数据集成模型 

建设PLM犹如建高楼大厦，必须要求超前、系统性的规划与设计，为此作者设计了PLM数据集成模型，如图2-1所示，模型共分为三个层级，首先是数据中心层，是PLM大数据应用的基础；其次是分析模型层，基于循证的培训要求数据必须是经过分析处理的有效数据，经过标准统一的管理模型梳理以后的量化指标，将为岗位胜任力和机队核心胜任力提供精准有效的“画像”；最后是集成应用层，数据应用、培训改进、闭环管理、迭代更新。 

　　图2-1 PLM数据集成模型 

　　（二）建立PLM数据中心 

　　建立PLM数据中心对于航司是一件非常基础，但非常重要的事情。为了收集充分有效的安全数据，各航司须要做三方面的努力，第一是深挖，第二是拓宽，第三是融合。深挖现有的QAR、安全报告数据，拓宽应用QACVR数据、LOSA数据、监察数据、事件调查数据、日常运行偏差纠正数据、核心风险预警数据和资质训练数据等，将相互孤立的数据源进行关联融合，例如将QAR数据和QACVR数据进行融合应用，将信息报告、事件调查和QAR等数据相关联等。 

　　1.           深挖QAR数据。QAR数据是各个航司应用最为广泛的数据之一，QAR数据具有客观性、及时性、全面性（可筛查所有飞行员操作数据）的优点，然而QAR数据仅表征飞机发生了什么，而非飞行员行为表现数据。多数QAR数据需要经过深度挖掘、统计分析后，方能反应飞行员的操纵能力、程序行为等表现。例如大载荷事件、超速事件作为结果型数据可以直接列入行为能力指标，但是着陆时过量操纵（属于电传操纵类飞机的不良操纵习惯，容易导致重着陆，但偶然的数据可能在大风乱流时发生）需要经过量化标准、统计分析后才可以纳入指标。另外可以通过核心风险评估动态挖掘飞行员的行为习惯数据，例如“边通讯边调高度”（该不良习惯容易导致飞错高度），“着陆后大速度使用手轮”（该不良习惯容易导致冲偏出跑道）等。 

　　2.           量化QACVR数据。QACVR可以有效获取驾驶舱内机组的标准喊话、检查单执行、简令执行、通讯、机组间沟通交流和决策等很多关键行为能力数据，例如春秋航空将关键阶段舱音量化为337项机组行为数据，并每月对该类数据进行统计分析，形成专业分析报告。该报告中数据经过核心胜任力评估后可以成为非常有价值的数据。 

　　3.           LOSA数据应用。LOSA数据作为获取航线运行中最直接的数据，具有现场观察、深入一线的优势，是国际上EBT项目重要的循证数据来源。然而，CAAC在2002年发布了相关咨询通告后，并未将LOSA作为强制执行的管理手段（LOSA要求训练有素的观察员对航线运行机组实施安全评估，而且会产生较大的运行成本），以至于目前国内仅少部分航司在有限地实施LOSA，获取的数据也相对有限。建议CAAC能重新梳理LOSA咨询通告，并将部分使用条件放宽；其次，可以将QAR与QACVR进行融合，让经验丰富的飞行观察员听着舱音，看着QAR可视化回放，评估飞行机组的各项胜任力表现，以此作为LOSA的数据补充。 

　　4.           进一步深挖事件调查数据。事件调查作为较大后果安全事件事后管理有效的手段，重在独立、客观、深入、全面地发现导致事件发生的原因。然而面向PLM，各航司可不再局限于责任的认定，进一步完善事件调查流程，并细化事件责任人在相关运行环境下，在事件发生过程中各项核心能力指标表现的调查表，完成非常有价值的数据收集工作。事件调查还可以融合各类信息报告数据，在SMS体系下，大量主动、自愿报告的数据，航司可在完成事件调查以后，将发现的相关一线飞行员核心胜任力、作风胜任力和职业适应性等数据纳入数据中心。 

　　5.           规范梳理监督审核数据。监督审核是事先管理的有效手段，通过监督审核可发现一线飞行员的知识缺陷、技能缺陷、能力缺陷、不安全的违规和差错行为。航司应进一步规范督审核报告模板，并将个人的行为指标和趋势性的安全风险数据有效利用起来，并将及结构化。 

　　6.           合理收集日常运行偏差纠正数据。部分航司在教员带飞阶段会让学员准备一个学习笔记，以记录每次教员带飞学员过程中发现的能力偏差数据，各航司可以通过机组的航后讲评或互评，将此类数据电子化、结构化，并纳入数据中心。 

　　7.           资质训练数据的梳理应用。包括模拟机训练、检查和训练监察数据（FCDS）等，现有的模拟机检查更多的是检查机组的资质能力，然而，那些通过了考核但是存在能力短板的数据却没有被有效地识别并利用起来。因此，各航司可以根据EBT核心胜任力指标细化模拟机训练、检查和FCDS评估单，让经验丰富的检查员将飞行员的各项胜任力指标量化并纳入数据中心。 

　　8.           充分应用核心危险源预警数据。作为SMS体系下安全绩效管理的有效应用，核心危险源预警数据是非常有价值的安全管理数据，“打蛇打七寸，风险管核心”，该类数据不仅反应了航司飞行员整体的能力水平，而且还可以反馈飞行员所面对的外部环境、所处的整个行业的管理状态下的核心风险。如果某项风险长期触发预警，例如“调错飞行高度”连续多周期被触发预警，该指标应该被深度分析，并列入机队能力的短板，纳入年度培训。 

　　（三）数据集成 

　　数据集成是PLM的难点和重点。数据集成过程中需要解决以下关键环节： 

　　1.           对核心胜任力（即EBT九大能力）各项能力指标进行诠释和细化。核心胜任力指标毕竟是个舶来品，国内航司不能只是简单地翻 

　　译应用，建议CAAC出台细化指南，对各大能力指标进行诠释、细化。飞行员核心胜任力指标是PLM中内核，此处“失之毫厘”数据应用时必将“谬以千里”。 

　　2.           统一九大能力评价和量化标准。九大核心胜任力通常分为三类，即APK（程序的执行和知识应用）、技术胜任力（手动飞行、自动飞行）、CRM（沟通、情景意识和信息管理、领导力和团队合作、问题的解决和决策、工作负荷管理）。这九类胜任力中除了程序的执行是比较容易量化的，除此之外其它八项会因为评估者的评价标准和个人感悟不同而定量不同，因此，先定性，再统一评估和量化标准，并加强教员和监察员的培训。例如在飞行前准备时，如机组可完全识别气象、NOTAM、放行计划等资料中的威胁，制定相应措施并通过合理的方式在团队内进行了沟通协调打“5”分；如机组识别了大部分威胁，落实了大部分措施，打“4”分；识别了威胁但是尚未制定措施打“3”分；识别威胁不足且程序有缺失打“2”分；没有识别威胁打“1”分；若未执行程序打“0”分。 

　　3.           统一九大核心胜任力各项指标的关联标准。由于各项指标之间存在一定的关联性，因此，某项行为数据应该如何跟胜任力指标关联是应该进一步明确的、统一的。例如飞行员执行进近简令时，未交叉检查进近程序及各点的限制，该指标即属于“程序执行”（如果航司已经细化、标准化），也属于“沟通交流”（CRM中简令的核心是沟通交流），即一个行为指标会代表两种或多种核心胜任力的不足。 

　　表2-1核心胜任力评估矩阵模型 

　　4.           统一各数据源中的行为指标的定义。数据定义与命名的不同会导致计算机无法准确识别、统计，从而影响脸谱刻画的准确性，因此数据定义和命名的统一将是一个专业、细致而又辛苦的工作。 

　　5.           通过核心胜任力评估矩阵将数据集成。通过核心胜任力评估矩阵模型（由于该模型涉及数据源比较多，因此文中仅以样例呈现）将观察到的行为数据进行整合集成，通过统一的算法自动形成可视化飞行员核心胜任力画像，通过作风胜任力模型和职业心理胜任力模型的进一步数据集成可以得到飞行员岗位胜任力画像。对整个机队的飞行员岗位胜任力画像进行集成并综合机队核心风险预警和运行训练数据分析与系统评价结论将可以精确导出机队核心胜任力的画像，从而为航司精准输出整体化机队能力弱项和飞行员个体化的培训指引。训练部门通过上述指引不断完善飞行训练大纲，通过持续动态培训循环，不断提升整个机队和全体飞行人员防范“灰犀牛”和“黑天鹅”的能力。 

　　三、结论 

　　本文对数据驱动PLM相关理论、实践路线进行了简介，通过设计PLM数据集成模型，建立数据中心，制作核心胜任力评估矩阵，实施数据集成，最后输出可视化飞行员岗位胜任力画像和机队核心胜任力的画像，以解决航司缺乏体系框架、安全数据不足、定义标准不一等问题。该项目不会一蹴而就的，是需要反复探索实践、测试修订、不断改进、迭代提升的。但是路已经在脚下了，我们必将看到光明的未来。（作者：杨通洲）

　　四、参考文献 

　　[1] 王清晨.《民航安全信息管理探索与实践》[Z].民航资源网, 2019.[2019-10-07]. 

　　http://news.carnoc.com/list/508/508453.html 

　　[2] 彼得·德鲁克·齐若兰.《管理的实践》[J].当代电力文化, 2014(4):12-12. 

　　[3] 中国民用航空局.《关于全面深化运输航空公司飞行训练改革的指导意见》[Z].中国民用航空局网站,2019.[2019-07-12]. 

　　http://www.caac.gov.cn/XXGK/XXGK/ZCFBJD/201907/t20190712_197551.html 

　　[4] 中国民用航空局.《中国民航运输航空飞行员技能全生命周期管理体系（简称PLM）建设实施路线图》[Z].中国民用航空局网站,2020.[2020-12-25] 

　　http://www.caac.gov.cn/XXGK/XXGK/ZCFB/202012/t20201225_205785.html 

　　[5] 张雪松等.《中国民航飞行员胜任力训练基本问题研究》[M].成都.西南交通大学出版社,2020. 

　　[6] Sackett D L. Evidence-based medicine: How to practice and teach EBM[M], Churchill Livingstone, London, 1997.