پديد آورندگان :
دهقاني محمدآبادي، محسن دانشگاه علوم و فنون هوايي شهيد ستاري - دانشكده مهندسي هوافضا , رحماني، حامد دانشگاه علامه طباطبايي - دانشكده مديريت و حسابداري , ميرحسيني، مجيد دانشگاه هوايي شهيد ستاري - دانشكده پرواز
چكيده فارسي :
دراين مقاله به مهمترين دلايل وقوع سوانح هوايي بالگرد پرداخته شده‌است. براي بررسي اين سوانح ازداده‌هاي سوانح هوايي كه درايران به وقوع پيوسته وهمچنين داده‌هاي موجوددرسازمان ايكائواستفاده گرديد.تاكنون تلاش‌هاي تحقيقاتي بسياري براي درك دلايل وقوع سوانح انجام شده‌است كه بسياري ازآن‌هاازگزارشات وداده‌هاي سازمان هوانوردي بين‌المللي،ايكائو،استفاده مي‌كنند.متأسفانه،درحالي‌كه اين مطالعات انواع مختلفي ازعوامل سوانح رخ داده رامعرفي مي‌كنند(مانند،از دست دادن كنترل پرواز)،امااكثرآن‌هانمي‌توانند علت اصلي بروزاين سوانح راشناسايي كنند.در كشورماتلاش‌هاي مختلفي دراين زمينه انجام شده امامورد توجه اساسي قرارنگرفته‌است،كه اين موردسبب شده‌است تانتايج روشن وقابل استنادچنداني ازدلايل اصلي سوانح درايران دردسترس نباشد.همچنين سوانح هوايى درايران به ويژه دردودهه اخير كاهش معنى دارى رادر تعداد سوانح ويا تلفات ناشى از آن‌ها نشان نمى‌دهدكه اين امر موجب بروز نگراني‌هايي شده‌است. در اين مقاله براي درك بهتر دلايل وقوع سوانح، يك رويكرد مبتني بر حالت براي بررسي شكاف‌هاي منطقي موجود يا موارد ناديده گرفته شده ارائه مي‌شود. به اين منظور در نرم‌افزار استاتيستيكا يك برنامه نوشته شده كه به‌طور خودكار حالت‌ها، نشانه‌ها و كدهاي اطلاعات مربوط به سوانح را در پايگاه داده شناسايي كرده و سوابقي كه به‌طور بالقوه پر از اشتباهات است را مورد بررسي قرار مي‌دهد. تجزيه و تحليل مبتني بر حالت نشان مي دهد پرت شدن حواس خلبانان به اشياء محيط اطراف اغلب باعث از دست دادن كنترل پرواز شده است (16.7%) كه به‌طور مستقيم از تجزيه و تحليل‌هاي معمولي قابل تشخيص نيست. در روش ارائه شده از مدلسازي مبتني بر حالت استفاده شده كه روشي نوين در اين حوزه است همچنين ابزار يادگيري ماشين براي دستيابي به نتايج مطلوب‌تر بكار رفته‌است.
چكيده لاتين :
In this research, the most important causes of helicopter accidents are discussed. For this aim, the data of aviation accidents that occurred in Iran and the data registered in ICAO are used.Several research efforts have been directed towards betters understanding the causes of accidents. Many of these efforts use ICAO accident reports and data. Unfortunately, while these studies easily identify the top types of accidents (e.g., inflight loss of control (LOC)), they usually cannot identify why these accidents are happening. Most ICAO narrative reports for accidents are very short (many are only one paragraph long), and do not contain much information on the causes (likely because the causes were not fully identified). Unfortunately, in our country, the efforts made in this field for various reasons have not been given much attention so far, which has led to the lack of clear and citationable results of the correct causes of aviation accidents. Aviation accidents in Iran, especially in the last two decades, do not show a significant reduction in the number of accidents or casualties. To better understand the causes of aviation accidents, this study offers a state-based approach to examining existing logical gaps or neglected cases and a computer program (in STATISTICA) that automatically builds states, signs, and information codes related to accidents These rules also help identify and count causes for accidents that were not discernable from previous analyses of historical accident data. State-based approach shows that distraction of pilots to objects in the environment often results in loss of flight control (16.7%), which is not directly distinguishable from conventional analysis. State -based modeling is a new method in this field. Also, machine learning tools are used to achieve more desirable results.
