Мета: систематизувати фактори ризику організаційного характеру в системі управління повітряним рухом та оцінити їх комплексний вплив на безпеку польотів. Методи дослідження: ступінь небезпеки організаційних факторів при управлінні повітряним рухом визначено методом експертних оцінок, шкалу прийнятності (допустимості) факторів ризику організаційного характеру побудовано на основі теорії нечітких множин із застосуванням лінгвістичних змінних. Результат: виявлено, що технічні системи та засоби управління повітряним рухом здійснюють найсильніший вплив на безпеку польотів при управлінні повітряним рухом, а політика управління та структура компанії – найслабший. Отримано мультиплікативну функцію оцінювання стану безпеки польотів при управлінні повітряним рухом, яка дозволяє перевірити відповідність значень організаційних факторів ризику встановленому максимально допустимому рівню небезпеки. Обговорення: запропонована методика оцінювання впливу організаційних факторів ризику на безпеку польотів при управління повітряним рухом дозволить розробити паспорти безпеки, які можуть застосовуватись Державіаслужбою України при проведенні сертифікаційних перевірок провайдерів аеронавігаційних послуг для порівняння нормативних та фактичних показників їх діяльності.
In this chapter, the authors present Air Navigation System (ANS) as a Socio-technical System (STS). The authors present models of decision making (DM) operators of STS, such as the deterministic models obtained for using network planning; the stochastic models obtained for using decision-tree; models in uncertainty obtained for using criteria Vald, Laplace, Savage, Hurwicz and other. The authors presented also DM models of operators in ANS, such as the neural network models, fuzzy models, the Markov network models, GERT-models for modelling and forecasting of behavioral activity of ANS's Human-operator (H-O) in flight emergencies situation. The scenarios of developing a flight situation in case of selecting either the positive or negative pole in accordance with the reflexive theory have been obtained. They demonstrate some examples with DM's deterministic and stochastic models for engineers, pilots, air traffic controllers, Unmanned Aerial Vehicle (UAV) operators, managers etc. In addition, the chapter presents some examples of DM models developed by the author and students at National Aviation University.
In this chapter, the four layers neural network model for evaluating correctness and timeliness of decision making by the specialist of air traffic services during the pre-simulation training has been presented. The first layer (input) includes exercises that cadet/listener performs to solve a potential conflict situation; the second layer (hidden) depends physiological characteristics of cadet/listener; the third layer (hidden) takes into account the complexity of the exercise depending on the number of potential conflict situations; the fourth layer (output) is assessment of cadet/listener during performance of exercise. Neural network model also has additional inputs (bias) that including restrictions on calculating parameters. The program “Fusion” of visualization of the state of execution of an exercise by a cadet/listener has been developed. Three types of simulation training exercises for CTR (control zone), TMA (terminal control area), and CTA (control area) with different complexity have been analyzed.
scite is a Brooklyn-based organization that helps researchers better discover and understand research articles through Smart Citations–citations that display the context of the citation and describe whether the article provides supporting or contrasting evidence. scite is used by students and researchers from around the world and is funded in part by the National Science Foundation and the National Institute on Drug Abuse of the National Institutes of Health.