摘要：QAR作为民航最重要数据来源之一，蕴含着飞机运行过程中海量数据。本文重点探讨了未来QAR数据的使用方向，通过大数据多维度分析方式，为各专业提供重要数据支持。

一、引言

QAR（Quick Access Record）意为快速存取记录器，为民航飞机重要数据采集设备，其能记录飞机运行中大量参数，涵盖机组操作、飞机状态、发动机工作、燃油消耗等各方面。通过对QAR数据解码、判读、分析的过程称为飞行品质监控工作。

一直以来QAR为航空公司开展飞行安全管理提供了重要的支持，但传统基于QAR事件的管理是对结果的管理，把教训变为经验只是“亡羊补牢”。本文旨在探讨在大数据背景下QAR数据多维度使用的可能性，针对“QAR的发展”，“QAR数据运用的思考”和“飞行技术专业应用”等方面阐述了未来QAR数据运用方向。

二、民航业对QAR数据运用规范

（一）局方对QAR数据使用规范要求

中国民航在1997年发布了适航指令要求国内运输航空器必须在飞机上加装QAR或等效设备，首次对民航飞机QAR硬件设备提出要求。

后续民航局又在121部中提出航空公司需建立飞行品质监控构成，负责日常QAR实施、管理、数据保护和信息共享工作。

2013年民航局飞标司发布《飞行品质监控（FOQA）实施与管理》（AC-121/135-FS-2012-45）咨询通告，为航空公司的QAR数据利用提供的基础性指导，并针对空客和波音系列飞机提供了飞行品质监控项目规范作为行业参考。

目前，国内运行的航空器均已按局方要求加装有QAR以及可进行无线传输的WQAR设备，通过专业QAR系统对机载设备记录的QAR数据进行解码，还原出飞机运行中的各项状态参数，这为QAR海量数据的多维度使用奠定了基础。

（二）目前航空公司QAR数据运用普遍模式

基于民航局相关指导性文件，现阶段国内航空公司都建立了以QAR事件为基础的数据分析模型。航空公司通用的做法是对QAR事件进行识别、统计、分析，寻找规律，设定安全管理目标。这种做法一定程度上发挥了QAR数据在安全管理和事件调查中的作用，也为航空公司使用数据管理机队建立了最初的思路和基础。

（三）针对事件分析管理的弊端

１．参与分析数据量偏少

基于事件的飞行品质监控关注点更加侧重于事件包线外的数据或者单一典型事件的数据分析。对此类飞行品质监控分析，在触发事件较多情况下可部分反映机队趋势，但在事件样本数据量较少时，其触发的偶然性将增大，往往会因为外界因素导致事件跳变，若此时仍以QAR事件来评定飞行品质将不再客观。

２．QAR飞行员的出现

目前诸多航空公司强调QAR事件的识别与管理，甚至将QAR事件直接和个人的飞行品质划等号。这种对QAR事件的过度关注，容易导致飞行员将QAR事件的门限标准作为自己飞行运行的操作规范，错误的认为在飞行中只要不出现QAR事件飞行品质就是好的。这导致许多飞行员弱化了原本最重要的飞行准则——SOP程序，取而代之的是以QAR事件的各个限制值作为飞行依据。

3. 大量数据流失

在大数据时代，使用海量数据来管理行业、提高安全和运行水平是大势所趋。但是基于QAR事件管理的思路，在判断QAR事件时使用的数据只占QAR数据中的极少部分，这造成大量宝贵运行数据的流失。同时QAR事件相对全量的运行数据本身只是冰山一角，通过QAR事件在一定程度上可以反应航空公司的安全水平，但是难以全面了解和客观的反映出公司整体的飞行运行品质，只有通过对全量数据的挖掘才能真实反应公司实际运行情况。

三、大数据时代QAR数据运用的思考

（一）多专业、多维度使用QAR数据的必要性

在大数据时代，人们发现数据可带来巨大的力量，通过大量数据归类可以发现针对于个体及群体的习惯，针对习惯做出相应合理的决策，所以未来任何的决策、管理都应该以数据为基础，传统基于QAR事件的单一管理模式已不能适应未来民航的快速发展。未来QAR数据不仅能用于飞行运行中的事件判断和飞机故障数据的记录，其将更广泛应用于航空管理各个领域，提高航空公司整合管理能力。

为了提升数据使用能力，航空公司须在组织架构上进行变革，打破QAR数据运用中部门间的壁垒，应当开放思维，在机制上实现多专业多维度数据利用的可能性。总的来说，公司有两种模式实现数据的多维度运用，各有利弊：

1. 各部门建立数据运用能力

仍沿用现有组织架构，只在各专业部门设立QAR数据管理人员。公司内仍由QAR数据管理部门（一般为安监或飞行技术部门）负责数据下载、译码、筛查和系统维护等日常工作，各专业口（含QAR数据管理部门）根据业务需求，从本专业、本部门的管理角度对QAR数据进行分析利用，实现本专业、本部门基于数据的管理和决策。该方式向各个专业充分赋权，可以最大程度调动各部门的能动性，但是在运行成本和数据安全方面弊大于利。

２. 公司建立独立的运行数据中心

公司设立专门的机构服务于各部门和专业多维度使用QAR数据的需求，全面负责整个公司运行数据管理。按照各部门和专业口需求，对数据进行整体规划，使用技术手段对QAR数据各项需求进行分析、整理，以实现各部门要求。该方式在运行成本、数据交叉利用、数据安全、数据深度利用等方面都有天然的优势，但这样一个服务与公司的专门机构需要十分强的专业能力和数据处理能力，才能达到用数据服务管理的需求。

（二）QAR数据多维度使用的初探

QAR数据本身是一座宝藏，航空公司想要在哪些方面对这座宝藏进行发掘完全取决于航空公司的管理思路。例如笔者认为航空公司至少可以在以下方面对QAR数据进行多维度的深度挖掘：

安全管理：按照当前行业对事件管理的通常做法，通过对关键数据的筛选已经可以解决事件及时识别和报告的问题。另外，行业正在大力推进的安全绩效管理等工作，正是利用数据对安全结果进行细化管理的契机。

飞行技术管理：利用QAR数据对飞行人员SOP程序执行，飞行习惯和趋势性变化进行深入跟踪，针对技术薄弱环节，开展定制化训练。笔者已经针对QAR数据在飞行技术管理方面的运用开展了初探和尝试。

飞机维修：通过QAR数据对飞机关键部件进行可靠性预测，将以前故障后抢修提前到故障前更换，实现持续适航。

此外QAR数据还可以运用于燃油政策，成本控制、财务核算等各方面。数据的充分运用将提升航空公司的综合管理水平。

四、QAR数据在飞行技术管理中的应用

由于行业并无强制性的要求或指导，通常QAR数据不会运用于对飞行习惯、技术风险、程序过程合规性等方面识的别和分析，而是更多的将飞行事件的安全结果作为QAR数据在飞行技术管理方面的运用。但由于QAR事件的局限性，许多不遵循规章、SOP的行为以及不好的飞行习惯难以通过QAR事件体现。这就需要通过大数据分析，扩大关注范围，将对事件结果的监控提前到过程的持续监控，识别飞行员潜在风险，尽早实施技术干预，做到“未雨绸缪”。

（一）利用QAR数据识别飞行员个体飞行习惯和趋势变化

某公司一位外籍飞行员，在飞行过程中，被多名副驾驶反应安全意识单薄，习惯巡航大速度飞行，多次险些使飞机超速。获取此信息后，公司飞行部对该外籍飞行员进行了提醒和讲评，但讲评中该飞行员总是将超速风险归咎于天气突变等客观，同时指出其在飞行中遵循了规章和SOP要求，且事实并未超速，也无QAR三级事件。最终讲评效果不佳，该飞行员后续航班中仍习惯大速度飞行。

此后该公司改变QAR数据分析方式，通过查找一段时间内该飞行员和机队巡航时最大空速或马赫数以及速度选择值进行比较，如下：

项目

单位

某外籍飞行员

公司平均值

备注

平均值

最大值

巡航最大马赫数

马赫

0.784

0.815

0.753

该机型马赫数

超速限制0.82

最大选择马赫数

马赫

0.781

0.815

0.750

巡航最大空速

节

325.1

347.3

313.1

该机型空速超速

限制350节

最大选择空速

节

314.5

346

298.3

通过数据清晰看出该飞行员巡航时平均马赫数和空速均远大于机队平均，由此通过数据证实了副驾驶们的说法，其平时飞行过程中习惯大速度飞行，且未按照运行政策实施飞行，由于个人错误的飞行习惯导致其超速风险远高于其他人员。基于数据，公司再次对该飞行员进行了讲评，在数据面前该飞行员终于认识到在飞行方式上的不当，并在后续航班中迅速改正。

抓取关键数据的绝对值，对于这种习惯识别的方法完全可推广到地面滑行速度、稳定进近高度和襟翼超速等方方面面，实现从事件的识别到数据的抓取和分析。

（二）通过QAR数据识别不同群体的习惯和趋势

当有了个人航段习惯数据后，可在通过各种维度对不同的群体进行分析管理。比如：不同国籍、技术等级、年龄、中队、飞机、机场、季节等自由组合，找到特定条件下的数据倾向和趋势，由个体推广到群体。

（三）结果的诱因分析和控制

不好的结果往往是由于某些特定的原因导致的，管控结果的最好办法应该是控制导致这个结果的原因。这种思维是一种朴实的，放之四海皆准的方法论，这种思维避免了头痛医头脚痛医脚的错误思路，这和目前行业所要求推广的安全绩效管理不谋而合。QAR的海量数据为直达根源的洞悉提供了条件：第一种方法是根据飞行实践的经验对导致结果的原因进行推测和假设，然后抓取QAR数据进行分析验证，证实其相关性和正确性后对找到的原因进行管控；第二种方法是直接对该阶段的海量数据进行关联性拟合、数据挖掘、甚至是建模，通过数据分析的方法找到导致某种结果的原因，然后对原因进行管控，再通过数据监控，实现闭环管理。

例如：导致重着陆的直接原因是错误的拉平高度和收油门高度。那么关注安全结果的部门可以按照传统的方式来管控重着陆的三级事件，但是飞行技术部门应该站在事件前端针对个人和机队管控导致重着陆的原因——拉平和收油门高度。也许某飞行员一直没有出现过重着陆的事件，但是经过分析，他拉平和收油门的高度都不在正常范围，那么他至少在着陆技术上处于“亚健康“状态”，存在重着陆的风险。通过QAR数据解决了识别的问题，下一步的管理动作就会非常的有针对性，从而达到安全提升的目的。

（四）利用数据检验SOP的执行情况

什么样的飞行员是飞行品质高的飞行员？没有事件、记录干净？仅仅通过事件来评判飞行员的飞行品质是不客观的，因为在人为设定的事件门限值背后可能隐藏着很多的不规范。飞行员的操作规范不应该参照事件的标准实施，而是应该严格按照标准操作程序SOP来实施。但是通常由于航空公司能力和管理思路的问题，航空公司往往只能将事件结果提供给飞行员，而无法识别飞行员是否按照SOP飞行。这样一方面会错误的引导飞行员成为“QAR飞行员”而不是“手册飞行员”，更有甚者简单的利用事件结果将飞行员划分等级、评判能力、给与奖惩。所以飞行技术部门应该针对不同的飞行阶段，将关键的SOP程序提炼出来，并使用QAR数据对飞行员是否按照SOP的要求实施操作的过程进行分析，并且将错误的操作和正确的规范及时告知当事飞行员。只有这样，飞行员才会在实践中一次次的自我评判、及时修正、不断完善。

数据，已经渗透到当今每一个行业的方方面面，成为重要的生产因素。人们对于海量数据的挖掘和运用，预示着新一波生产率增长和消费者盈余浪潮的到来。在大数据时代，民航实现数据化多维度管理是大势所趋，是时代的要求，是实现民航梦的必由之路。

参考文献：

【1】杨琳,舒平.航空记录器的发展回顾和未来趋势.

【2】孙瑞山, 杨绎煊, 汪磊. QAR数据再飞行安全评价中的应用.中国安全科学学报，2015,7(25):88-92

【3】顾彬, 王建东.一种新颖的QAR数据特征提取方法.四川大学学报，2011，5（43）：113-117

【4】郇秀霞, 王红. 基于数据仓库的QAR数据分析，2008，5(29):2685-2688

【5】汪磊, 孙瑞山, 吴昌旭, 崔振新, 陆正.基于飞行QAR数据的重着陆风险定量评价模型.中国安全科学学报,2014,2(2):88-92