基于飞行员多维条件数据的实时等效生产力预测方法技术

本发明专利技术公开了基于飞行员多维条件数据的实时等效生产力预测方法，预测方法具体包括以下步骤：S1：基于飞行员历史生产数据，提取导致机长或者副驾驶生产力减少的影响因素；S2：根据等效类型，确定各影响因素针对每个个体的的影响因子的取值，并根据取值生成影响因子矩阵；S3：根据影响因子的数值，得到所有单个个体等效生产力；S4：基于个人等效生产力，获取群体等效生产力。本发明专利技术研发了等效生产力的预测方法，基于飞行员多维条件数据组合，帮助运营单位掌握测算等效生产力，为航空合理安排机组资源提供快速、准确的数据支撑。

【技术实现步骤摘要】
基于飞行员多维条件数据的实时等效生产力预测方法
本专利技术涉及飞行员管理领域，具体的，涉及基于飞行员多维条件数据的实时等效生产力预测方法。
技术介绍
飞行员是航空公司的核心资产，有航空公司测算，每位飞行员每增加1飞行小时，将为企业创造约4.3万元的边际贡献。飞行机组至少由一名机长和一名副驾驶组成。中国民航局对机组飞行人员的最大生产力有明文规定，《大型飞机公共航空运输承运人运行合格审定规则》(CCAR-121-R5)最新要求机组中飞行员任一日历年的飞行时间不得超过900小时。在实际生产运行中，可能由于各种原因导致飞行员的生产力不能充分发挥，如资格限制、因病或因故暂停、担任行政职务等。在此情况下，如果航空公司按照最大生产力来计划和安排运营，不但可能导致合规风险，也将影响航司运力，造成经济损失。
技术实现思路
有鉴于此，本专利技术的目的是提供基于飞行员多维条件数据的实时等效生产力预测方法，为航空合理安排机组资源提供快速、准确的数据支撑。本专利技术的目的是通过以下技术方案实现的：基于飞行员多维条件数据的实时等效生产力本文档来自技高网...

【技术保护点】
1.基于飞行员多维条件数据的实时等效生产力预测方法，其特征在于：预测方法具体包括以下步骤：/nS1：基于飞行员历史生产数据，提取导致机长或者副驾驶生产力减少的影响因素；/nS2：根据等效类型，确定各影响因素针对每个个体的的影响因子的取值，并根据取值生成影响因子矩阵；/nS3：根据影响因子的数值，得到所有单个个体等效生产力；/nS4：基于个人等效生产力，获取群体等效生产力。/n

【技术特征摘要】
1.基于飞行员多维条件数据的实时等效生产力预测方法，其特征在于：预测方法具体包括以下步骤：
S1：基于飞行员历史生产数据，提取导致机长或者副驾驶生产力减少的影响因素；
S2：根据等效类型，确定各影响因素针对每个个体的的影响因子的取值，并根据取值生成影响因子矩阵；
S3：根据影响因子的数值，得到所有单个个体等效生产力；
S4：基于个人等效生产力，获取群体等效生产力。


2.根据权利要求1所述的基于飞行员多维条件数据的实时等效生产力预测方法，其特征在于：所述生产力减少的影响因素包括技术资格、行政职务、局方职务和个人事务。


3.根据权利要求2所述的基于飞行员多维条件数据的实时等效生产力预测方法，其特征在于：所述影响因子具体为：
当等效类型为机长时，所述技术资格系数为α1，所述行政职务系数为α2，所述局方职务系数为α3，所述个人事务系数为α4；
当等效类型为副驾驶时，所述技术资格系数为β1，所述行政职务系数为β2，所述局方职务系数为β3，所述个人事务系数为β4；
其中，α1、α2、α3和α4的取值范围均为(0，1)；
β1、β2、β3和β4的取值范围均为(0，1)。


4.根据权利要求4所述的基于飞行员多维条件数据的实时等效生产力预测方法，其特征在于：得到所述单个个体等效生产力的方式具体为：
等效机长数：xn＝1×Min(α1n,α2n,α3n,α4n)
其中，xn表示当等效类型...

【专利技术属性】
技术研发人员：綦麟，
申请(专利权)人：四川函钛科技有限公司，
类型：发明
国别省市：四川;51