haku: @keyword fatigue / yhteensä: 29
viite: 5 / 29
| Tekijä: | Levo, Antti |
| Työn nimi: | Predicting Pilot Fatigue in Commercial Air Transportation |
| Lentäjien väsymystilan ennustaminen kaupallisessa lentotyössä | |
| Julkaisutyyppi: | Diplomityö |
| Julkaisuvuosi: | 2016 |
| Sivut: | (6) + 74 Kieli: eng |
| Koulu/Laitos/Osasto: | Perustieteiden korkeakoulu |
| Oppiaine: | Systeemi- ja operaatiotutkimus (F3008) |
| Valvoja: | Salo, Ahti |
| Ohjaaja: | Kulmala, Janne |
| Elektroninen julkaisu: | http://urn.fi/URN:NBN:fi:aalto-201603291544 |
| Sijainti: | P1 Ark Aalto 3580 | Arkisto |
| Avainsanat: | fatigue bio-mathematical model fatigue risk management system aviation väsymys biomatemaattinen malli |
| Tiivistelmä (fin): | Väsymys on merkittävä inhimillinen tekijä ilmailuonnettomuuksissa ja se on tällä hetkellä lisääntyneen tarkastelun alla viranomaisten ja lentäjien keskuudessa. Väsymyksen ja sen aiheuttamien riskien minimointi vaatii lentomiehistön väsymystilan ennustamista ja mahdollisten lähteiden löytämistä. Biomatemaattiset mallit ovat keino arvioida miehistön väsymystilaa perustuen työvuorolistoihin ja niitä käytetään tällä hetkellä kaupallisessa ilmailussa vaihtelevissa määrin. Tässä diplomityössä muodostetaan malli ennustamaan väsymystilaa. Malli perustuu uni- ja väsymysteorioihin ja se hyödyntää edeltävää tutkimusta bio-matemaattisista malleista. Lyhyen kantaman lentojen lentäjiltä on kerätty dataa heidän väsymystiloistaan ja tätä dataa käytetään apuna mallin parametrien arvioinnissa. Malli käyttää syöttönä työvuorolistoja ja arvio väsymystilaa Karolinskan väsymysasteikolla. Tarkoitus on ennustaa väsymystä työvuorosuunnitteluvaiheessa viikkoja ennen todellista operointipäivää. Mallissa väsymystä aiheuttavina tekijöinä käytetään vuorokauden aikaa, työskentelyaikaa sekä aikaisia aamuherätyksiä. Työn ulkopuolisen ajan oletetaan olevan palautumisvaihetta, jolloin vireys kasvaa. Datan perusteella kumulatiivisten vaikutusten ei huomattu olleen merkittäviä. Tulosten perusteella on mahdollista muodostaa malli, joka ennustaa tyydyttävästi väsymystä. Henkilökohtaisten erojen takia on kuitenkin vaikea muodostaa koettua väsymystilaa kuvaava malli, joka sopii jokaisen eri ihmisen väsymystilan ennustamiseen. Parametrien määrittäminen erikseen kullekin henkilölle kasvattaa mallin tarkkuutta, mutta on samalla työlästä ja aikaa vievää, eikä siten sovellu laajaan käyttöön lento-operoinnissa. Kehitetty malli toimii kuitenkin työkaluna riskien hallintaan ja väsymyksestä johtuvien vaaratilanteiden ennustamiseen. Sitä ei voi käyttää ainoana päätöksentekovälineenä rajoittuneen tarkkuuden takia. Suurin ongelma mallin kohdalla on uneen liittyvän datan puute, koska unella on merkittävä vaikutus väsymystilaan. Käytettäessä mallia, joka ennustaa väsymystilaa pitkälle tulevaisuuteen, unen määrä täytyy estimoida jollain todennäköisyysfunktiolla tai jättää pois mallista. Tässä työssä unen määrä ja ajoittuminen on jätetty mallin ulkopuolelle. |
| Tiivistelmä (eng): | Fatigue is a major human factor related cause of aviation accidents and currently subject to increased discussion by aviation authorities and professional pilots. Reducing fatigue and minimizing the risk of fatigue induced errors requires predicting the alertness state of crew members and identifying possible fatigue sources. Bio-mathematical models are a way to estimate fatigue levels of crew members based on work schedules. These models are currently utilized in commercial aviation to various degrees. In this thesis a prediction model for estimating fatigue is developed. It is based on theory of sleep and fatigue and previous research on bio-mathematical models. Fatigue data was gathered from pilots working on short-haul operations and it is used to estimate parameters and validate the model. Work schedules are used as input and an alertness score based on Karolinska Sleepiness Scale is estimated. The aim is to estimate fatigue in the work schedule planning phase, weeks in advance of actual date of operations. The sources for fatigue in the model are time of day, time worked and presence of consecutive early morning shifts. Time not in work is defined as recovery period, which decreases fatigue. Cumulative effects were not identified to have significant effect on fatigue with available data. The results indicate that it is possible to develop a model that estimates fatigue adequately, but the personal differences how people feel and experience fatigue make it difficult to create an applicable average model that fits well for everyone. Estimating parameters for every individual increases the accuracy and makes the model more feasible, but that is not practical for extensive use in flight operations due to data and time requirements. The developed model is, however, usable as a risk management tool in order to identify fatigue hazards, but it cannot be used as a sole basis for decision making due to limited accuracy. The greatest problem is the lack of sleep data as the amount of sleep has major impact on fatigue levels. Models used to estimate fatigue in advance need to either estimate the amount of sleep based on some probabilistic method or omit it from the model completely. In this thesis sleep was not included in the model. |
| ED: | 2016-04-17 |
INSSI tietueen numero: 53356
+ lisää koriin
INSSI