سیستم خودکار هواپیما های امروزی موجب بروز اتفاق‌های غافلگیرکننده‌ای می‌شوند که خلبانان برای مقابله با آن‌ها به آموزش نیاز دارند.
بیت ران – ۹ اسفند ۱۳۹۶ (۲۸ فوریه ۲۰۱۸) و کمی بعد از اینکه ایرباس ۳۲۰ استونیایی Smartlynx به‌پرواز درآمد، هر چهار رایانه کنترل پرواز هواپیما از کار افتادند. هرکدام از آن‌ها دقیقا همانطورکه طراحی شده بودند، عمل و بلافاصله پس از احساس خطر هرچند به‌اشتباه خود را آفلاین کردند.
مشکل اصلی فعال کننده چه بود؟
بعدها که هواپیما در دست بررسی قرار گرفت، مشکل اصلی فعال‌کننده‌ای (actuator) شناخته شد که با روغن بیش‌از‌حد چسبناک سرویس شده بود. درنهایت، طرح ایجادشده برای جلوگیری از بروز مشکل خود مسبب مشکل دیگری شده بود و تنها مهارت خلبان مانع از سقوط مرگبار این هواپیما شد.
طبق گزارش Wired، اکنون با بازگشت هواپیمای بوئینگ ۷۳۷ مکس به آسمان سراسر جهان پس از ۲۱ ماه زمین‌گیری، آموزش‌های مختلفی برای داشتن سفر ایمن مسافران در نظر گرفته شده است. مطمئن‌شدن از امنیت آینده هواپیمایی دنیا به رویکردی کاملا جدید در طراحی اتوماسیون نیاز دارد که با استفاده از روش‌های مبتنی‌بر تئوری سیستم انجام خواهد گرفت.
در‌حال‌حاضر، به خلبانان باید آموزش داد چگونه به بسیاری از اتفاقات اجتناب‌ناپذیر اتوماسیون بهتر پاسخ دهند تا این مسائل به حوادث جبران‌ناپذیر مالی و جانی منجر نشوند.
در فرایند تحقیق درباره مکس و ایرفرانس ۴۴۷ و سایر هواپیماهای دچار سانحه، با صدها خلبان و کارشناسان آژانس‌های نظارتی و تولیدکنندگان و دانشگاه‌های برتر هواپیمایی صحبت شد. همگی آن‌ها بر این عقیده‌اند که بهترین راه برای جلوگیری از حوادث در کوتاه‌مدت، آموزش خلبانان به‌منظور افزایش خلاقیت آنان هنگام مواجه با مشکلات غافلگیرکننده و نشان‌دادن بهترین و کارآمدترین پاسخ‌ها است.
پاسخ‌دهی کُند خلبانان مشکلی مداوم است که در آموزش‌های جدید باید رفع شود. سال ۲۰۱۶ و هفت سال پس از فروپاشی ایرفرانس ۴۴۷ در اقیانوس اطلس جنوبی، شرکت‌های هواپیمایی در سراسر جهان بازآموزی خلبانان را با رویکرد جدیدی برای مدیریت اتاقک‌های آیرودینامیکی در ارتفاع زیاد آغاز کردند.
آموزش شبیه سازی غیر ضروری است؟
در‌این‌میان، بوئینگ اعلام کرده بود آموزش شبیه‌سازی‌شده برای خدمه مکس ۷۳۷ امری غیرضروری است. اما متأسفانه این تصمیم باعث دومین سقوط هواپیمای این شرکت شد. درنهایت در سال ۲۰۱۹، این شرکت نیز انجام این تمرینات را آغاز کرد.
این روش‌ها صرفا برای دو سناریو خاص کارآمد هستند؛ اما صدها مشکل پیش‌بینی‌نشده دیگر مربوط به سیستم اتوماسیون وجود دارد که نمی‌توان با استفاده از روش‌های سنتی تجزیه‌وتحلیل خطر آن‌ها را بررسی کرد. باوجوداین، در‌حال‌حاضر مشکلات دیگری نیز به‌واسطه تشخیص اشتباه رایانه‌ها پیش می‌آید که پیش‌تر وجود نداشتند. راه‌حل مؤثر فراتر از محدودیت‌های طراحان هواپیما باید باشد که نمی‌توانند هواپیمایی بی‌نقص و کامل تولید کنند.
اتوماسیون برای شرایط پیش بینی نشده کارآمد نیست
همانطورکه کاپیتان چسلی سالنبرگر در یکی از صحبت‌هایش اشاره کرد، اتوماسیون هرگز برای شرایط جدید پیش‌بینی‌نشده در آموزش کارآمد نخواهد بود. سالنبرگر در مصاحبه اخیرش به این نکته بسیار مهم اشاره کرد:
برای پرواز با هواپیماهای خودکار، به آموزش و تجربه بسیار بیشتری نیاز است، نه کمتر. خلبانان باید مدل ذهنی از هواپیما و سیستم‌های اصلی آن و چگونگی عملکرد اتوماسیون پرواز داشته باشند.
این حقیقت با ذهنیت افراد درباره هواپیماهایی تناقض دارد که از سیستم اتوماسیون استفاده می‌کنند. برخلاف افسانه‌های رایج، خطای خلبان دلیل بیشتر تصادفات نیست و این باور جلوه‌ای از سوگیری عقاید و باور غلط در علیت خطی (linear causality) است.
درواقع، خلبانان گاهی اوقات خود را در سناریوهایی می‌بینند که آنان را زیر فشار قرار میدهد. اتوماسیون بیشتر در سیستم هواپیمایی، ممکن است به‌معنای افزایش سناریوهای طاقت‌فرسا باشد. این موضوع ممکن است یکی از دلایلی باشد که نرخ سقوط مرگبار هواپیمای تجاری در هر میلیون پرواز را در سال ۲۰۲۰ درمقایسه‌با سال ۲۰۱۹ افزایش داده است.
امروزه، آموزش خلبانی به شیوه متنی و براساس سناریوهای شناخته‌شده و محتمل انجام می‌شود. متأسفانه در بسیاری از تصادفات اخیر، خلبانان باتجربه برای مشکلات غیرمنتظره‌ای که با آن روبه‌رو شده‌اند، سیستم یا شبیه‌سازی نداشتند. سؤال اصلی این است:
چرا طراحان نمی‌توانند انواع ناهنجاری‌هایی را پیش‌بینی کنند که تقریبا هواپیمای Smartlynk را به مرز سقوط رساند؟
مشکل اصلی این است که آن‌ها از مدل‌های منسوخی استفاده می‌کنند که قبل از ظهور رایانه ساخته شده‌اند. این روش برای پیش‌بینی سناریوهایی محدود است که احتمال دارد خطرهایی در پرواز ایجاد کنند. در‌حال‌حاضر، تنها مدل موجود که به موارد جدیدی از‌این‌قبیل توجه می‌کند، تحلیل فرایند نظریه سیستم است که نانسی لوسون در MIT خلق کرده است.
هواپیماهای جت مدرن که با استفاده از روش‌های کلاسیک ساخته شده‌اند، سناریوهای خاصی ایجاد می‌کنند. برخلاف هواپیماهای قدیمی که فقط با اجزای اساسی الکتریکی و مکانیکی ساخته شده‌اند، اتوماسیون در این جت‌های مدرن از شرایطی پیچیده برای تصمیم‌گیری درباره نحوه عملکرد استفاده می‌کند.
در بیشتر هواپیماهای پیشرفته، نرم‌افزاری که چگونگی پاسخ‌گویی کنترل‌ها را بررسی می‌کند، رفتارش در شرایط مختلف متفاوت است. از این شرایط می‌توان به سرعت هوا هنگام قرارداشتن هواپیما روی زمین و بالابودن فلپ‌ها زمان پرواز و دنده‌های فرود اشاره کرد. هر حالت مجموعه قوانین متفاوتی برای نرم‌افزار دارد و درصورت دریافت‌نکردن اطلاعات دقیق، ممکن است به نتایج غیرمنتظره منجر شود. برای مثال، خلبانی که این تفاوت‌های ظریف را درک می‌کند، ممکن است با جمع‌نکردن فلپ‌ها از تغییر حالت جلوگیری کند.
خلبانان می توانند بصورت جادویی در سیستم دخالت کنند؟
درباره تصادفات هواپیمای مکس باید گفت خلبانان در موقعیت‌های گیج‌کننده‌ای قرار گرفته بودند. به‌عنوان مثال، سیستم اتوماسیون کاملا درست کار می‌کرد. اما مطابق انتظار نبود. درواقع، این نرم‌افزار با اطلاعات بد تغذیه می‌شد. متأسفانه اشتباه طراحان مکس در اینجا بود که تصور می‌کردند گاهی اوقات خلبانان می‌توانند به‌صورت جادویی در امور سیستم دخالت کنند. اما نادیده‌گرفتن داده‌های معیوبی که باعث گیج‌شدن رایانه می‌شد، سردرگمی خلبانان را نیز در پی داشت. نکته اساسی درباره سیستم‌های خودکار پرواز در هر دو هواپیمای محکوم به سقوط این است که آن‌ها حتی تا لحظه آخر نیز در حال انجام وظایفشان به بهترین شکل ممکن بودند.
اگرچه اغلب می‌توان این چالش‌ها را طراحی کرد، خلبانان نمی‌توانند منتظر هواپیماهایی باشند که بهتر طراحی شده‌اند. آنان باید از همین حالا آموزش ببینند تا درک کنند پاسخ هواپیما به «مدل فرایند» رایانه بستگی دارد. برای نمونه، وقتی اتفاقی در زمان برخاستن هواپیما رخ میدهد که پیش‌تر پیش‌بینی نشده و توضیحات آن نیز در کتابچه‌های راهنما وجود ندارد، خلبانان معمولا آموزش می‌بینند تا به ارتفاعی امن صعود کنند و کنترل تجهیزات فرود و فلپ‌ها را در دست بگیرند و سپس کارهای بعدی را به‌ترتیب انجام دهند. این روش فقط در هواپیماهای سنتی درست عمل می‌کرد؛ اما امروزه اشکالات عمده‌ای دارد. مشکل زمانی بیشتر می‌شود که حتی اگر خلبان سیستم اتوماسیون را «قطع» کند، بازهم ممکن است تغییراتی در نحوه پاسخ‌گویی هواپیما ایجاد شود.
سیستم اتوماسیون به کارش ادامه میدهد، حتی در خاموشی!
طبق گزارش‌ها، در چندین هواپیمای جدید حتی پس از اینکه خلبان باور دارد «همه‌چیز را خاموش کرده است»، سیستم اتوماسیون بازهم به کارش ادامه میدهد. هنگامی‌که هواپیما به‌درستی در حال پرواز است، خلبانان نباید تا زمانی که وضعیت وسیله را کاملا درک نکرده‌اند، چیزی را تغییر دهند. خلبانان به شبیه‌سازی برای آموزش سناریوهای غیرمعمولی نیاز دارند که در آن‌ها سیستم اتوماسیون، ازجمله رایانه‌های کنترل پرواز کاملا از دست می‌رود. در‌حال‌حاضر، چنین آموزش‌هایی کاملا انجام نمی‌شود و عملا امروز هیچ‌کس اقدامی در این زمینه نمی‌کند. این صنعت روند خطرناک آموزش ناقص خلبان‌هایی را باید معکوس کند که دانش کمتری از سیستم پرواز و اتوماسیون دارند. این پیش‌فرضی معیوب است که نباید به آن اطمینان کرد. خلبانان باید بدانند سیستم‌ها چگونه حالت‌ها را تغییر می‌دهند و تأثیرشان بر کنترل پرواز و سایر سیستم‌ها چیست.
امروزه، بسیاری از خلبانان احساس می‌کنند اطلاعات کمتری از مدل‌های خودکار درمقایسه‌با هواپیماهای ساده کلاسیک دارند. این مسئله باید تغییر کند. اعتقاد بر این است رویکرد بهتر به آموزش خلبانان می‌توانست باعث جلوگیری از سقوط بیش از ۶۰ هواپیمای تجاریشود که در یازده سال گذشته بیش از ۳،۵۰۰ انسان را به کام مرگ کشانده است. ازجمله سقوط مکس ۷۳۷ در سال‌های ۲۰۱۸ و ۲۰۱۹، سقوط سوپرجت روسی در سال ۲۰۱۹ در مسکو، سقوط ایرباس ۳۲۰ ایرآسیا در سال ۲۰۱۴ در دریای جاوا و از‌دست‌دادن Air Algérie MD-83 در مالی در همان سال، سقوط بوئینگ ۷۷۷ آسیانا در سال ۲۰۱۳ در سان‌فرانسیسکو و سقوط ایرباس ۳۳۰ ایر فرانس در سال ۲۰۰۹ در اقیانوس اطلس جنوبی.
بهترین فرصت اکنون است
با توجه به این حقیقت که اکنون هزاران خلبان در مرخصی هستند، این صنعت اکنون فرصتی منحصر‌به‌فرد دارد تا با آموزش بهتر خلبانان، اولین قدم را برای جلوگیری از حوادث بردارد. شرکت‌های هواپیمایی آمریکا با بیش از هفتادمیلیارد دلار کمک‌هزینه و وام، موقعیت مطلوبی دارند تا به خلبانان تخصصی برای مقابله با حوادث غیرمنتظره آموزش دهند. در این فرایند، آن‌ها می توانند مدلی جهانی خلق کنند که از تصادفات ناشی از غافلگیری جلوگیری خواهد کرد که هیچ بخش آموزشی یا سیستم اتوماسیون داخلی نمی‌تواند پیش بینی کند.
منبع: زومیت
بیشتر بخوانید:
