Orbán József, HungaroControl Zrt., CNS és műszaki rendszerek igazgató Elmélet és gyakorlat a kivizsgálásokban; BAYES analízis alkalmazása a gyakorlatban Orbán József, HungaroControl Zrt., CNS és műszaki rendszerek igazgató

A CNS/ATM műszaki kivizsgálások okai Műszaki események körülményeinek feltárása (Igazgatósági belső vizsgálat) Kauzális megközelítés Technikai problémák feltárása Emberi tényező vizsgálata Műszaki eljárási hiányosságok feltárása Légi forgalmi események műszaki hátterének vizsgálata (Külső felkérés, vagy utasítás alapján) Légi forgalmi események vizsgálatának műszaki támogatása (Külső felkérés, vagy utasítás alapján)

A CNS/ATM műszaki kivizsgálások módszertani kérdései Műszaki kivizsgálások problémái, aggályos kérdések Önvizsgálat: Szubjektivitás erős Szolidaritási aggályok Külső vizsgálat korlátozott szakmai ismeretek miatt csak szűk körben lehetséges Sok esetben a CNS/ATM területen az önvizsgálatnak nincs ésszerű alternatívája! Módosító javaslatot csak a rendszert ismerő szakember tud tenni Módszertani megoldási lehetőségek Külső szakember kiképzése Objektivitást növelő módszerek alkalmazása

A CNS/ATM műszaki önvizsgálatok objektivitásának növelése Megfelelő összetételű vizsgálócsoport felállítása Műszaki kivizsgálásokra speciálisan kiképzett csoporttagok Szakterületet ismerő vizsgálószemély Módszertani vezető Objektivitást növelő tudományos alapokon nyugvó módszertan kidolgozása Multidiszciplináris megközelítés Statisztikai módszertan Valószínűség számítási eszközök alkalmazása Döntéselméleti megközelítés Játékelméleti módszerek felhasználása

A műszaki események vizsgálatának folyamata Észlelt esemény Valószínűsíthetően irreleváns információk másodlagos statisztikai szűrése Valószínűsíthetően irreleváns információk elsődleges logikai szűrése Döntéshozatalra továbbítás Észlelt eseménnyel kapcsolatos adatgyűjtés Döntéshez elegendő az információ? Nem Észlelt Esemény kapcsán összegyűjtött adathalmaz

Az esemény bekövetkezésekori állapot rekonstruálása (váza-modell) (apriori) Adatfeldolgozás (aposteriori) Adatgyűjtés

A műszaki események vizsgálatának néhány elméleti gondolata Döntéselméleti szempontok Valós tényállás: Ok-okozat Kapcsolat van Nincs kapcsolat Döntés Intézkedés (Vádemelés) Valós Pozitív Hamis Pozitív (azaz pl. a vádat hamisan, vagy téves következtetések alapján emelték) I. típusú hiba Nincs intézkedés (Vád ejtése) Hamis Negatív (azaz pl. a vádemeléshez nincs elegendő bizonyíték) II. típusú hiba Valós Negatív

Valószínűségi szakvélemény Az esemény bekövetkezésének oka /okai nem ismerhetők meg teljes bizonyossággal Cél: A legnagyobb valószínűségű ok / okok meghatározása Egy lehetséges módszer: Bayes analízis Ha B1, B2, ...Bn események teljes eseményrendszert alkotnak, (azaz a múltban történt „n” darab olyan esemény, amely vizsgálódásunk szempontjából egy csoportba sorolhatóak (P), de függetlenek egymástól) és P(Bk)>0 (k=1, 2...n), (tehát legalább egy esemény már történt a múltban) „A” pedig egy tetszőleges esemény, amelyre igaz, hogy P(A)>0, (azaz „A”egy valós esemény) akkor

A Bayes módszer és a „váza modell” kapcsolata A legnagyobb valószínűségű ok meghatározása A talált nyomok és anyagmaradványok esetén meghatározásra kerül a „vázához” való tartozásuk valószínűsége. Az eredeti eseményhez / tárgyhoz tartozó egyes elemek, tények, nyomok és anyagmaradványok relevanciáját, (relevancy) hihetőségét, (credibility) Valószínűségét (probability) Egymástól függetlenül kell megbecsülni A becslési pontosság lényegesen kihat az eredményre!

A Bayes módszer néhány elvi kérdése Van-e különbség a kivizsgálási valószínűség és a matematikai valószínűség között? Csak egyféle bizonyosság (matematikailag valószínűség) létezik. Ha pedig ez igaz, akkor az egyedi vizsgálati eredmények matematikai feldolgozhatósága is lehetséges. A Bayes-módszer egy optimális, hibaminimalizáló előrejelzést ad egy adott (egy csoportba foglalható, meghatározható) kivizsgálásnál

A Bayes módszer alkalmazásának előnyei hátrányai Szilárd elméleti alapok Jól definiált szemantika Hátrány Nagyon sok mintát kell megadni, A szubjektív prior bármilyen előítéletet bevihet a rendszerbe. A gyakorlatban a rendelkezésünkre álló esetek száma véges (és alacsony), ritkán elegendő az összes valószínűség érték és statisztika meghatározására. Hogyan adjuk meg ezeket az értékeket? Változás esetén minden értéket újra meg kell határozni Az így adódó eredmények nehezen értelmezhetők szövegesen. Nehezen tudjuk biztosítani a teljes eseményrendszert. Nehéz az eredményt a döntéshozóknak egyszerűen elmagyarázni!

Egy konkrét esemény vizsgálatának vázlata Tényállás Az XYZ123 járatszámú légi jármű a leszállási folyamatot megszakítva átstartolást hajtott végre erős hátszélre hivatkozva. A használatos pályairány esetében a hátszélkomponens az eljárásban meghatározott öt csomó körüli érték volt, ezért feltételezték, hogy a meteorológiai műszerek pontatlansága miatt azok a valósnál kevesebbet mérnek. Az ICAO előírásokat meghaladóan a mérési pontokban duplikált és eltérő elven működő szenzorok szolgáltatták az adatokat. A mért hátszél komponens nem haladta meg a négy csomó értéket

A műszaki kivizsgálás folyamata 1/3 A vélelmezett és valós tények: x(t) Légiforgalmi irányító jelentése Légi jármű jelentése Rádióforgalmazás Rögzített meteorológiai adatok

A műszaki kivizsgálás folyamata 2/3 Az esemény kivizsgálása, a tények szeparálása: y(t) Az esemény kivizsgálásának taktikája a mért adatok begyűjtése (data collection), kiértékelése (data evaluation), a nem releváns tények kizárása (excluded facts), a mérések hihetőségének vizsgálata (measurement credibility test), szükségszerinti adat-kiegészítés, az ellentmondások feloldása, végkövetkeztetések levonása (conclusions).

A műszaki kivizsgálásának folyamata 3/3 A vélelmezett és valós tények validálása: s’(t) A földet érési kísérlet idején mért érték három csomó volt. A szenzor hibájának kizárása érdekében utólagos kalibráció megrendelésére került sor egy akkreditált laboratóriumban. Az ellenőrzés nemcsak a kérdéses földet érési ponton, hanem minden mérési hely szenzora megfelelő minősítést kapott. Az a posteriori kalibrálás eredménye alapján az a priori megfelelőség következtetését lehetővé tette, azaz y(t) megfelelő volt, így s(t) értéke is megfelelt az előírásokban meghatározott pontossági követelményeknek. A szenzorok a posteriori ellenőrzése megerősítette, hogy a döntéshozatalnál rendelkezésre álló adatok pontossága megfelelt a vonatkozó előírásoknak. Az esemény bekövetkezésében a meteorológiai szenzorok hibája az ok-okozati összefüggésben nagy valószínűséggel kizárható

Köszönöm a figyelmet!