?

Log in

No account? Create an account

Previous Entry | Next Entry

Интересную ссылку прислал мне читатель. Кстати, о читателях - друзья, если Вы пишите личные сообщения - не забывайте о том, что надо дать шанс Вам ответить. Вот, ограничил он отправку личных сообщений, приходится целую запись создавать, чтобы публично ответить :)

Итак, сайт АТО.ру. Статья "Оптимизация методики оптимального полета"

http://www.ato.ru/content/optimizaciya-metodiki-optimalnogo-poleta

Там много чего интересного (для специалистов) написано. Я так вообще впервые услышал о системах оценки качества методики пилотирования по "контрольным точкам", хотя этого следовало ждать, как очередной виток развития аналитических способностей.

Система, думается мне, может быть полезной. При ее правильной настройке.

В статье единственным примером привели статистический анализ отклонений скорости от скорости посадки, за которую взяли Vref.

Сижу и думаю - на каком языке написано:

Объективная статистика

Методику, по которой исследуются все контрольные точки, принимающие участие в расчете балла за полет, рассмотрим на примере контрольной точки, определяющей отклонение фактической скорости посадки от расчетной (Vпос. — Vref), учитывая данные о 2367 полетах Boeing 737. Полученный результат приведен на рис. 1; при этом надо отметить, что исходные данные вручную не корректировались, отчет сформирован автоматически, только программными средствами. Как видно из рис. 1, плотность распределения вероятности очень близко соответствует нормальному (гауссовскому) распределению, которое, как известно, характеризуется двумя параметрами: матожиданием, т. е. средним арифметическим случайной величины, и дисперсией, т. е. ее среднеквадратичным отклонением.

Определив закон распределения и вычислив матожидание и дисперсию для конкретной контрольной точки полета на всем диапазоне выборки, мы можем ввести градации отклонений, по которым присваиваются баллы, на основе статистических свойств распределения. Первой градацией, которую мы классифицируем как оптимальное управление, будем считать отклонение исследуемого параметра от своего матожидания (среднего значения) не более чем на 1 величину дисперсии, если параметр может отклоняться только в одну сторону, или плюс-минус 0,5 величины дисперсии, если параметр может отклоняться как в большую, так и в меньшую сторону (именно так происходит с отклонением фактической посадочной скорости от расчетной). Таким образом, при оптимальном управлении фактическая величина параметра должна попасть в диапазон не шире 1 величины дисперсии.

Для отклонения первого уровня мы принимаем ширину диапазона в 2 величины дисперсии, второго уровня — 2,6 величины дисперсии, а для отклонения третьего уровня (которое иногда приравнивается к нарушению) — 4 величины дисперсии.

Расчеты, проведенные по всем нормируемым контрольным точкам полета, показали, что полученные из статистической обработки средние значения параметров, как и следовало ожидать, очень близки к записанным в РЛЭ оптимальным значениям. В то же время вычисленные статистические характеристики распределений (матожидание и дисперсия) позволяют расставить четкие границы по уровням отклонений, выверенные и теоретически, и эмпирически. При этом снимаются какие бы то ни было вопросы о необъективности системы балльной оценки

----

Т.к. я пилот, а не специалист по математическим вероятностям, может ли кто-нибудь перевести на понятный язык, что имелось в виду на графике?

Спасибо )

Buy for 60 tokens
В силу своей занятой работы свадебным организатором я часто делаю покупки в онлайн магазинах. В магазины хожу только за продуктами и то обычно заказываю готовую еду из кафе и ресторанов или ем на свадьбах. Я много видела рекламы Letyshops и по начала отнеслась к нему скептически ожидая очередного…

Comments

( 35 comments — Leave a comment )
ottonturk_g
Jul. 7th, 2015 05:55 pm (UTC)
Как аналитик могу пояснить, что имеется ввиду корреляция между расчетной и объективной величиной ввиду ряда параметров. Вы же не можете абсоютно точно рассчитать все параметры на каждую минуту полета. Но думаю вы сами не хуже меня это понимаете. Такие графики для расчета ресурсов мы строим.
Собственно, что именно Вам хочется узнать точнее....
Вот про нормальное распределение:
https://ru.wikipedia.org/wiki/%CD%EE%F0%EC%E0%EB%FC%ED%EE%E5_%F0%E0%F1%EF%F0%E5%E4%E5%EB%E5%ED%E8%E5
Вот про матожидание:
https://ru.wikipedia.org/wiki/%D0%9C%D0%B0%D1%82%D0%B5%D0%BC%D0%B0%D1%82%D0%B8%D1%87%D0%B5%D1%81%D0%BA%D0%BE%D0%B5_%D0%BE%D0%B6%D0%B8%D0%B4%D0%B0%D0%BD%D0%B8%D0%B5

Используются вероятностные величины и реальные....Собственно на графике и отражается степень корреляции их...Чем ближе значение к 0, тем меньше расхожденяи между фактической и расчетной величиной... Как-то так....

Edited at 2015-07-07 06:03 pm (UTC)
denokan
Jul. 7th, 2015 06:35 pm (UTC)
Спасибо!
duhovnik84
Jul. 7th, 2015 06:03 pm (UTC)
В ~60% случае отклонение расчетной Vпос. от Vref будет в пределах -2,14% - 5,7 % (видимо в %).
Иначе говоря если Vref=10 м/с, то расчетная в 6 случаев из 10 будет от 9,76 до 10,57 м/с.

Вроде так.

Edited at 2015-07-07 06:04 pm (UTC)
Antonio Emeliani
Jul. 7th, 2015 06:21 pm (UTC)
Бог ты мой, как летать без этих знаний? 😂😱
denokan
Jul. 7th, 2015 06:34 pm (UTC)
Спасибо!
dvv
Jul. 7th, 2015 06:23 pm (UTC)
Мораль — нужно придериваться рассчётных значений. А не то по жопе надерут в виду объективной балльности.
paulspb
Jul. 7th, 2015 06:28 pm (UTC)
Пишете
ars_d
Jul. 7th, 2015 06:30 pm (UTC)
Если коротко - методами матстатистики можно определить, что скорость посадки выходит за пределы стандартного отклонения (в него должно входить примерно 80-90% посадок). Потом принять это догму и радостно иметь всех, кто вышел за предписанный диапазон. Офигительно удобная штука для бюрократов из контролирующих инстанций. Вышнл - и штраф, не разбираясь.

А если по науке, то просто высчитывается вероятность выхода скорости (или другого параметра) за определенные границы, что, в какой-то степени (в сочетании с другими данными) позволяет оценить влияние этого параметра на другие. Например, что у самолетов, которые садятся со скоростью с отклонением более 2 дисп. величин, чаще меняются покрышки. Или что при отклонении меньше 1 дисп. величины меньше взбалтывается топливо.
Другого применения не вижу.
Оценивать безопасность полета не берусь, ибо ничего в этом не понимаю.
denokan
Jul. 7th, 2015 06:34 pm (UTC)
Спасибо!

Я был уверен, что предложение использовать эти данные в качестве наказания поступит незамедлительно.:)
ars_d
Jul. 7th, 2015 06:42 pm (UTC)
Я просто хорошо понимаю бюрократов и их отношение к статистике :)
dev117
Jul. 7th, 2015 07:01 pm (UTC)
Можно в качестве наказания, а можно провести корреляцию между точностью (экономичностью) полёта и условиями работы пилотов и посчитать в долларах (из литров топлива, из покрышек) насколько выгоден компании щадящий график работы пилотов и кратковременный сон в долгих перелётах.
a_g_vasiliev
Jul. 8th, 2015 07:07 am (UTC)
Статистика не говорит, является ли полет "строго по математическому ожиданию" заслугой пилотов. Наоборот - факт получения нормального распределения говорит скорее о том, что реальные характеристики посадки - величина случайная и от условий работы пилотов не зависит.
LaOlTomsk
Jul. 8th, 2015 02:55 pm (UTC)
Попробую по полочкам.
1. Авторы взяли сведения об отклонениях фактической скорости от Vref для 2367 полётов, вычислили среднее отклонение.
2. Также авторы вычислили дисперсию - простыми словами, это число, показывающее, насколько разными бывают отклонения.
3. Далее авторы предложили разделить все отклонения на несколько уровней. Если пилот близок к среднему - всё нормально, чуть дальше - отклонение первого уровня, ещё дальше - отклонение второго уровня, совсем далеко - отклонение третьего уровня, оно же нарушение.
4. Фишка кроется в "чуть дальше" и "ещё дальше". Если человек идёт на 20 км/ч быстрее, чем обычно, это очень странно, если же так изменилась скорость самолёта, то это менее удивительно. Границы "уровней отклонений", предлагаемых авторами, зависят от дисперсии, то есть от того, насколько разными бывают отклонения.
paulspb
Jul. 7th, 2015 06:36 pm (UTC)
Из прочитанной по диагонали заметки вынес примерно следующее: действи пилотов при посадке можно представить в виде несвязанных между собой событий с нормальным гауссовым распределением.
Матожидание здесь - условное "идеальное" поведение пилота при посадке. Дисперсия - отклонение от идеала.

Степень качества пилотажа задается близостью к значению матожидания
vnn777
Jul. 7th, 2015 06:49 pm (UTC)
Остаётся вопрос – что есть близость к матожиданию? Почему именно отклонение на одну(половину) дисперсную величину соответствует снижению на один балл? Почему на 4 балла уже нарушение? Почему наказывать надо именно 10% пилотов? А что если все пилоты настолько высококлассные, что даже худшие 10% никак не затрагивают своими действиями безопасность полёта или долговечность самолёта?
Или может наоборот, карать нужно 50% нарушителей?
paulspb
Jul. 7th, 2015 07:17 pm (UTC)
Карать нужно всех, а статья найдется!
svv_livejournal
Jul. 7th, 2015 08:56 pm (UTC)
Да с потолка они взяли эти цифры, только чтоб количество наказуемых было не слишком большим.
phil_80
Jul. 8th, 2015 06:03 am (UTC)
Касательно вопроса наказания: обработанные данные "о 2367 полетах Boeing 737". И должно быть понятно, что в них сидят данные посадок одних и тех же пилотов определенной АК. Так что есть вероятность, что одного и того же пилота можно как похвалить, так и пожурить.
svv_livejournal
Jul. 7th, 2015 07:02 pm (UTC)
Всё, что написано в посте, можно уместить в одно предложение: "мы исследователи рассеяние посадочной скорости в реальной эксплутации и решили с потолка придумать несколько граничных точек, которые позволили отделять хорошую посадочную скорость от плохой".

Моё личное мнение - подход весьма бредовый. Ведь скорость на посадке зависит от направления и силы ветра, возможности сдвига ветра, коэффициента сцепления полосы, центровки и загрузки, возможности инверсии воздуха по высоте зимой и прочая, и прочая... И как мы можем по общей статистике, которая есть средняя температура по больнице, говорить о том, что пилот плох или хорош? Если пилоту по условиям полёта необходимо было выдержать скорость побольше, а ему говорят "скорость должна быть как можно ближе к средней за 2 года эксплуатации!" - разве это правильно???
denokan
Jul. 7th, 2015 07:06 pm (UTC)
Тут момент спорный. На самом деле большинство посадок выполняется на скорости Vref...Vref-5. Так получится при правильном пилотировании по FCTM.

Есть нюансы при полетах в условиях порывистого ветра, но мы все же чаще летаем при более спокойной обстановке.
svv_livejournal
Jul. 7th, 2015 08:50 pm (UTC)
А не получится вот что: пилот попадает в необычную погодную обстановку, и вместо того, чтобы думать, какие параметры полёта лучше всего соответствуют конкретным условиям, пытается лететь как обычно, чтоб не нахватать штрафных баллов.
Мне смутило вот что: авторы толкают весьма безапелляционные утверждения. Например, "В то же время вычисленные статистические характеристики распределений (матожидание и дисперсия) позволяют расставить четкие границы по уровням отклонений, выверенные и теоретически, и эмпирически. При этом снимаются какие бы то ни было вопросы о необъективности системы балльной оценки."
В предлагаемой авторами методике нет ни одного упоминания о корректировке на условия полёта. Эдак можно дойти до того, что эшелон и скорость на эшелоне тоже придётся выдерживать под среднестатистические, несмотря на попутный ветер, обледенение, грозовые явления под брюхом.
Если бы какие-то варианты для учёта условий полёта были предложены, тогда смысл создания методики можно понять. В противном случае - очень-очень спорная штука!
Опять же, если б авторы честно назвали своё детище "методикой осреднённого пилотирования", оно б так не звучало. А то - "методика оптимального пилотирования". Ну и кто сказал, что оно оптимально? Укладывается в РЛЭ - ну и здорово. Но РЛЭ - набор ограничений, а в рамках этих ограничений пилот должен действовать, чтоб действительно оптимально использовать самолёт. А тут всякая инициатива отбивается, и даже наказывается.

Edited at 2015-07-07 08:55 pm (UTC)
yuryr1980
Jul. 7th, 2015 07:03 pm (UTC)
максимальное значение, плюс минус значение на половине от максимального.
project26
Jul. 7th, 2015 10:10 pm (UTC)
Контроль качества
Денис - почитайте http://www.who.int/ihr/training/laboratory_quality/7_b_content_quant_qc_RU.doc
И про карты Леви-дженнингса - я думаю может быть очень полезно при комплексной оценке пилотов (контролю качества) - если что не понятно - обращайтесь в личку, растолкую на пальцах. Удач!
andygrom
Jul. 7th, 2015 10:53 pm (UTC)
Система поиска тех, кто летает не как все.
Все заходят в штиль vref+10 и пик графика на vref+10. А denokan выходит за пределы статистики со своими vref+5

Edited at 2015-07-07 10:54 pm (UTC)
creaze
Jul. 8th, 2015 03:57 am (UTC)
Шта? Мы заставляем курсантов пять лет зубрить матан в Ульяновске — а они после этого всё равно падают? Наверное, матана мало, подкинем ещё стат-методов.
vvs_spb
Jul. 8th, 2015 10:50 am (UTC)
Если название "оптимизация методики", то должен быть критерий оптимальности, да и ограничений надо бы добавить. Здесь этого нет, и непонятно почему 5% хвоста указанного распределения надо обязательно считать нарушением, может абсолютное отклонение Vпос-Vref укладывается в ограничения, определяющие безопасную посадку.
revsem
Jul. 8th, 2015 11:10 am (UTC)
Здравствуйте, Денис!

Давно читаю Ваш замечательный журнал, но до сего момента молча. Теперь же, поскольку меня угораздило быть математиком, решил воспользоваться случаем и написать что-нибудь. А заодно и искренне поблагодарить Вас за ту работу, которую Вы делаете как в авиакомпании, так и здесь.

Поскольку кратко содержание уже перевели, я попробую прокомментировать то, что я понял, поподробнее:

"Рассмотрим на примере контрольной точки, определяющей отклонение фактической скорости посадки от расчетной (Vпос. — Vref), учитывая данные о 2367 полетах Boeing 737. Полученный результат приведен на рис. 1". Тут вроде все просто. Авторы посмотрели, какие были отклонения от расчетной скорости посадки в нескольких полетах и изобразили на рисунке, как часто допускалось то или иное отклонение. По горизонтальной оси на рисунке идут отклонения от Vref, а на вертикальной непонятно что. Логично было бы показать там или число полетов (скажем, отклонение в 1 узел наблюдалось в 200 полетах, на 10 узлов в 100 и т.д.), либо нормированные величины (тогда они бы были от 0 до 1). В общем, рисунок показывает, какие отклонения в скорости случались чаще, а какие реже. Видно, что отклонения больше 14 узлов (?) в минус и 21 узлов в плюс практически не встречались, а чаще всего отклонения попадали в диапазон где-то (-4;+6) от Vref.

Дальше идея авторов в том, что реальную статистику по отклонениям можно достаточно точно описать одной формулой (как раз плотностью нормального распределения), и неровные столбики статистики на графике можно заменить гладенькой экспоненциальной функцией нормального распределения, не сильно погрешив против истины. Например, мы знаем, что обычная монетка падает орлом или решкой с равной вероятностью, даже не кидая этой монетки. Тут идея та же, только вероятности посложнее. Мы можем (ну хорошо, не мы, а авторы этого текста) заранее посчитать, в каком проценте от общего числа полетов (приблизительно, разумеется) пилоты уложатся в тот или иной диапазон отклонений. Вообще фраза "как видно из рис. 1, плотность распределения вероятности очень близко соответствует нормальному (гауссовскому) распределению" довольно смелая. Соответствие выборки тому или иному распределению проверяется не методом "как видно", а при помощи статистических критериев, да и те дают только "вероятный" ответ. Использовались ли они здесь - не знаю. Думаю, Вам виднее, чем мне :)

Мат. ожидание, о котором говорится дальше - это по сути то же среднее арифметическое, как температура по больнице из бородатого анекдота. Кто-то из пилотов промахивается на 20 узлов в одну сторону, кто-то на 10 в другую, но в среднем получается где-то рядом с Vref (чего и следовало ожидать, как пишут авторы). Дисперсия же определяет, насколько "размазанной" получается статистика. Например, в обоих авиакомпаниях среднее по посадкам рядом с Vref, но в одной в 90% полетах попали в +-5 узлов, а в другой в +-15. Во второй дисперсия выше.

По предложенной тут классификации отклонений - тут я могу только предположить. Видимо, логика авторов в том, что на разных этапах полета пилоты допускают разные отклонения от заданных параметров (где-то требования строже, где-то нет). Соответственно, дисперсия для распределений в разных контрольных точках полета будет различна и там, где пилоты отклоняются от расчетных параметров сильнее, там и дисперсия выше, а значит и требования должны быть менее строгие. Привязка "нормативов" по параметрам к дисперсии по сути означает, что пилоты должны быть не хуже, чем определенный процент статистических пилотов (посчитанный по формулам).

Итого, последовательность рассуждений такая: собираем статистику по n тысяч полетов, затем утверждаем, что всемирная статистика будет примерно такой же, а значит ее можно заменить универсальной формулой, похожей на то, что намеряли. Затем по формуле определяем, какой процент теоретических пилотов в вакууме допустит то или иное отклонение и на основании этого делим пилотов на хороших и не очень.

В общем, что-то вроде этого. Прошу прощения, если получилось слишком запутанно.
revsem
Jul. 8th, 2015 11:35 am (UTC)
Еще чуть-чуть добавлю. Интересно то, что тут за идеал пилотирования предлагается брать не расчетные параметры, а среднее арифметическое согласно статистике. То есть если, как на этом графике, в среднем пилоты превышают Vref где-то на 2 узла (на глаз), то вот эти 2 и будем считать образцом. В общем, выходит, что идеальный пилот должен быть как можно ближе к среднестатистическому. Впрочем, возможно, что тут просто неточно выразились потому, что это плохо вяжется с "будем считать отклонение исследуемого параметра от своего матожидания (среднего значения) не более чем на 1 величину дисперсии, если параметр может отклоняться только в одну сторону". Параметр всегда может отклоняться от среднего в обе стороны (на то оно и среднее).
Николай Карев
Jul. 8th, 2015 06:17 pm (UTC)
Это не совсем верно. За идеал можно принять что угодно и в эту сторону смещать процесс, но правильно брать за идеал расчетные параметры. В принципе и график нам показывает что наибольшее количество результатов было с наименьшим отклонением.
revsem
Jul. 8th, 2015 06:28 pm (UTC)
Ну, тут я ничего не придумал, в тексте сказано: "Первой градацией, которую мы классифицируем как оптимальное управление, будем считать отклонение исследуемого параметра от своего матожидания (среднего значения)". Я и предположил, что авторы просто неаккуратно выразились, потому как это довольно странно.
Николай Карев
Jul. 8th, 2015 05:59 pm (UTC)
6 сигм в авиации
Денис, это по сути тойотовская система 6 сигм, в начальном варианте. Добавить контрол чарты и можно он-лайн оценивать качество подготовки пилота. Вылет за контрольные лимиты (обычно 3 отклонения от среднего) - разбор причин (не обязательно наказание). 6 точек выше среднего, но в лимитах - пилот перебдевает и т.д. Аэто вроде как assignable causes называется. Очень хорошая система которая в автопроме и многих других промышленных областях используется.
feisens
Jul. 9th, 2015 07:50 pm (UTC)
Интересно, что согласно графику средней скоростью получилась все-таки скорость чуть больше, чем Vref.
Посмотрите: самый высокий столбик имеет отметку +1.78, а соседний с ним слева -0.18.
Получается, что среднее имеет сдвиг в положительную сторону, по моим оценкам - на 0.5...1.5.
Возможно, это систематическая погрешность измерения, но может быть и нет.
ashed_shadow
Jul. 12th, 2015 06:47 pm (UTC)
Переводя на русский язык, бОльшая часть из проанализированных полётов практически не имела серьёзных отклонений, но были и полёты, в которых таковые отклонения присутствовали. Таких полётов гораздо меньше.
По сути, это и написано во фразе "нормальное распределение" (удивительно, если бы они получили какое-то другое распределение).

Кстати, гораздо интереснее внедрять не послеполётный анализ, а следующие вещи: динамический анализ данных и механизмы нечёткой логики.
Первое позволяет в режиме реального времени "смотреть", что происходит с самолётом, а второе - классифицировать скорость близко к человеческому мышлению. Например, "нормальная", "высокая", "низкая", "предельно высокая" и т.д.
А само определение этих классификаций (термов) можно выводить математически.
edo_ergo_sum
Jul. 12th, 2015 10:25 pm (UTC)
Вот жеж бред написан...

"Расчеты, проведенные по всем нормируемым контрольным точкам полета, показали, что полученные из статистической обработки средние значения параметров, как и следовало ожидать, очень близки к записанным в РЛЭ оптимальным значениям. В то же время вычисленные статистические характеристики распределений (матожидание и дисперсия) позволяют расставить четкие границы по уровням отклонений, выверенные и теоретически, и эмпирически. При этом снимаются какие бы то ни было вопросы о необъективности системы балльной оценки"

Статистический анализ в данном случае показывает лишь как чаще и в среднем пилотируют эти самые боинги. Никакой осмысленный вывод на этой основе сделать нельзя. Как пример и перевод на русский язык можно предложить аналогию, когда будет построено распределение скоростей всех машин, проезжавших по МКАД створ 73 км в конкретный день. Будет такое же распределение (почти такой же горб). При этом сделать вывод о том, что проезд вне 4х стандартных отклонений от среднего заведомо опасен, а со средним - безопасно и по правилам, очевидно, нельзя. Всё что можно сказать - это в каких пределах летает 90% пилотов. О качестве этих пилотов и этих посадок в статье ни слова. Вот если есть второе такое же распределение от производителя, указавшего что "вот такое распределение, не шире, у хорошего пилота при правильной посадке; а вот такое, при недостаточно хорошей подготовке или скверно проведённых посадках хорошим же пилотом", то можно сравнивать и вводить баллы и отклонения. Но что-то мне подсказывает, что как раз отклонения уже посчитаны и в РЛЭ написаны. Более осмысленно, кстати, рассматривать не сумму баллов, набранную вот в таких вот точках, а полную, многомерную картину, что сложнее, но гораздо объективнее.
katarosov
Jul. 13th, 2015 05:27 am (UTC)
Это распределение нарисовано покрышками на ВПП и безо всякой математики в полосе точного приземления.
( 35 comments — Leave a comment )

Profile

denokan
denokan

Latest Month

August 2017
S M T W T F S
  12345
6789101112
13141516171819
20212223242526
2728293031  

Tags

Powered by LiveJournal.com
Designed by yoksel