航空安全及管理季刊/Journal of Aviation Safety and Management
- OpenAccess
飛航安全調查委員會,停刊
選擇卷期
- 期刊
- OpenAccess
最近十年間，有關人為失誤之議題已成為國際上對飛機「適航性」認證當局關注的重點，尤其針對新一代高度自動化的飛機。人為失誤的原因是多方面的，這些原因與現代飛機的設計之間有著非常複雜的互動關係。本研究共有12位商用飛機之飛行員（平均飛行時數9130小時）參與，研究目的則是在探討在降落階段因座艙自動化所激發的人為失誤，研究方法則以「人為失誤預測模組（Human Errors Template, HET）」做為資料蒐集之工具。許多被認為是「飛行員人為失誤」的飛安事件，實際是「設計錯誤」所造成的。這種論述顯示出完善的自動化設計對降低人為失誤是極其重要的。人為失誤的發生與飛機各系統的設計有著非常複雜的互動關係，儘管新一代高度自動化的飛機具備眾多優點，但新型態的「人為失誤」亦相繼在座艙中被激發出來。「人為失誤預測模組」是以檢查表形態，包含十二項錯誤模式，做為預測人為失誤之方法，並應用「階層任務分析（HTA）」，將每一個任務所需執行的步驟分析到最底層，分析者必須辨認出每一任務步驟潛在錯誤模式發生之機率，與對飛行安全影響程度之嚴重性。階層任務分析法所提供的相關訊息，更被應用於人為失誤鑑別技術（Human Error Identification, HEI）。本研究發現在降落階段有關飛行員與航管間之溝通可能干擾對自動化系統之操控，而激發出程序失誤或對自動化系統之模式混淆的潛在人為失誤之模式。透過改善「軟體」及「硬體裝備」之設計，讓座艙操作環境降低對飛行員執行任務時之干擾，使整個系統在人－機器－環境的介面能整合在以人為主的人因設計理念，才能有效提升飛行安全。
- 期刊
- OpenAccess
根據國際航空運輸協會（IATA）統計，飛安事故的80%都與人為疏失有關，但大多數航空公司在航機維修部分卻甚少針對人為疏失紀錄和數據進行詳細的分析與處理，進而從中找出造成人為疏失的主要原因。因此，本研究採用「人為因素分析和歸類系統－維修延伸（HFACS-ME）」作為分析理論架構，針對研究個案航空公司停機線航機維修部門過去三年因人為疏失而引發異常事件之204件維修作業報告進行分析，探討影響航機維修疏失的人為因素。研究證明HFACS-ME架構能用來鑑別台籍航空公司的維修疏失與人為因素的關係；同時研究發現，造成個案航空公司人為疏失前三項分別為第一層級的「判斷／決策」、第四層級的「不完整的維護程序」以及第三層級的「不充足的訓練／準備」，顯示「判斷／決策」的錯誤在航機維修的人為因素中仍是首要關鍵因子。另外，透過層級間關聯性分析，發現跨層級的兩項人為疏失因素－「不完整的維護程序」與「不充足的訓練／準備」之相互影響，應據此改善。本研究結果可供航空產業在資源有限的情況下，聚焦及管理重要的人為因素，並運用在安全管理系統（SMS）上，期盼能使人為疏失之發生機率降至最低，實際提昇航機維修之安全管理。
- 期刊
- OpenAccess
臺灣位於東南亞、東北亞兩大市場交集處，近年來逐漸成為低成本航空業者兵家必爭之地。然而，旅客選擇低成本航空背後可能潛藏許多知覺風險，而其衍生相關之糾紛，在過去都曾是新聞媒體之焦點。本研究旨趣在於了解不同族群消費者對低成本航空的知覺風險與企業形象，是否進而影響其選擇低成本航空之意願。研究採用問卷調查法，經由文獻及專家訪談設計問卷構面及內容，以台灣桃園國際機場及高雄國際機場搭乘低成本航空經驗之旅客為樣本，使用平均數及標準差了解各構面樣本集中、離散趨勢，並透過因素分析萃取各構面因素，並以獨立樣本T檢定、單因子變異數檢驗不同背景旅客對構面之顯著性差異，以及利用線性迴歸分析相互影響關係。研究發現：1.企業形象對旅客行為意向有正向顯著影響；2.旅客知覺風險對行為意向有負向顯著影響；3.企業形象與知覺風險之交互作用對行為意向具有正向顯著影響，此結果可做為低成本航空業者經營管理參考。
- 期刊
- OpenAccess
本研究主旨是利用希爾伯特－黃轉換（Hilbert-Huang Transform, HHT）分析飛行操作品質系統之飛行性能參數資料，目的是利用希爾伯特－黃轉換分析原始訊號，從隱藏且以頻率為基底的本質模態函數群（Intrinsic Mode Functions, IMF）中找出規律性模式。本研究使用模擬拍撲翼在風場下的氣動訊號作為基準，證明希爾伯特－黃轉換分析整合的實用性。實際案例則以某民航班機的三筆正常航班及一筆異常航班資料為例，異常航班的引擎數據是一號引擎在巡航階段空中熄火的狀況，以系統方法分析之，飛機扭力參數序列排列資料說明潛在因子被偵測到的可能性，但因子仍然不明顯，原因主要為引擎參數變化通常發生在微秒之間，而飛行原始數據資料則是1Hz之紀錄，此造成資料先天不精準性。另外頻率相似度F是支配排列結果的重要因子，飛行資料中找出相似模式的機率為55.13%。本研究結論證實希爾伯特－黃轉換的可行性，未來期望加入進階的經驗搜尋法則，從排列結果中更快速找到相似模式及資料同源性。