民航资源网2018年12月18日消息：随着科技的日益发展，目前我们已经逐步走上了自动化签派工作的阶段。比如在动态席的工作中，动态控制系统里可以提供更换飞机方案推荐，通过GOCC系统接入机场和管制方面信息，串联各保障部门，大部分问题已经不需要使用电话就能顺利沟通。而放行席制作计划只需轻点几次鼠标，签派员主要负责考虑根据天气、管制情况酌情增加油量和由机场标高限制重量等问题，并结合飞行员对EFB的使用进行电子化运行。甚至部分公司现在已开始试运行计算机自动制作计划而签派员进行简单检查修改。另外，对于运行过程的监控，可能出现的大部分特殊情况，均能实现自动告警等。

　　当然，总的来说，目前自动化程度还有待发展，部分自动化功能还比较粗糙。随着时代不断发展，互联网、大数据、机器学习等科技的不断发展，未来签派放行、动态控制工作势必也会发生相应变化。

　　发展成熟阶段预计会变为：基于天气、机场、飞机等环境数据、通过运行历史记录统计获取大数据，通过各类机器学习算法进行人工智能自动化处理，具体体现在自动制作计划、自动调配运力，而签派员的工作角色会转变为监控者，主要承担对机器决策结果进行复核与纠正，并承担与其他环节上人的角色的进一步沟通的工作部分。

　　当下签派工作主要基于基本理论和运行经验的结合，而经验其实就是人脑在脑力有限的情况下，对于历史数据的一种感性总结。所以这部分其实可以通过机器算法，把它量化出来。

　　比如在航班可放可不放的边缘情况下，应该如何决策？延误或取消航班需要承担相应的一系列损失，比如机组成本、飞机时间成本、旅客安抚成本等等；而放行则既需要承担可能备降造成的损失，也可以获得可能顺利完成航班而为公司赢得的效益。那这时候大部分签派员是根据历史经验，再与飞行员、带班主任等方面探讨协商后进行决策。可是，这个过程能不能准确将其量化呢？

　　未来应该是可以的。通过历史天气趋势变化和该机组备降历史记录的大数据，结合目前天气的预报可以得到飞机备降的概率，根据历史备降处理情况可以得到相应的损失估值和顺利完成的估算价值。而放行的可能的收益与可能的损失与相应概率相乘，就可以得到相应的收益期望。这样，值不值得放行就能够清晰量化，作为一个效益指标明确参考了。类似地，当所有指标完成量化时，自动化决策也就能够形成了。

　　一开始，难免会有很多电脑考虑不到的方面。但当出现相应情况后，尝试把这项因素加入算法中，进行新的优化和迭代，自动化程序便会在这个过程中逐渐完善，最后自动化程度也就能越来越高。同时，如果整理正确处理案例，根据机器算法，把一系列变量加入到其中，让机器学习人的当时的处理结果，或许某天，签派版的AlphaGo也能应运而生呢。

　　同时，利用先进科技对情景的总结和学习也不止机器可以做，其实人同样也是可以做的。全动模拟机就是一个典型的例子，飞行员在高拟真度的情景下，进行操纵技术和特情应对的培训，减少真机培训的风险和成本，增加学习的速度和掌握度。而类似的，也可以通过真实案例的模拟回现，训练新进签派员的实际应对能力。毕竟签派员的工作就是大部分的常规操作和少数的特情应对，日常工作能够熟能生巧，但特殊情况却是少见而又关键，一定程度上来说，局限签派员能力的一大瓶颈就是大压力多线程下的非正常情况应对。那么通过软件模拟相应环境，应该能大大加快积累经验过程，通过密集应对训练，培养高素养签派员。

　　未来，自动化肯定会在安全第一、谨慎探索的态度下进一步推进。推进自动化并不意味着人的缺位，并不是说人要完全听命于机器，而是简化决策过程，同时人作为最终的把关者，进行检查和纠正。

　　人的优势在于综合思维和随机应变的能力，比如人可以针对电脑可能忽略的因素进行特别考量和处理。预计未来签派员将由现在工作的主要承担者逐渐转变为把关者，承担复核与补漏的工作，对于电脑未考虑到的情况和不现实的决策进行修改和补漏。这会对签派员的工作内容产生一定的颠覆，未来签派员数量与机队规模的比例预计也会呈现下降趋势。就比如在飞行员这一领域，早期大型客机需要机组数量为4至5人，还需要机械原、导航员、通信员等，而目前随着客机不断自动化与集成化，目前已只需要两名正副驾驶即可完成飞行，甚至，飞机制造商已经在开始研究单一飞行员的可行性。

　　自动化的发展并不意味着对签派员的要求降低，相反，它需要签派员拥有更加综合全面的业务知识和缜密的分析比对能力，不然签派员根本无法做到大信息量下查漏补缺和特情应对。这其实是未来对签派员提出的新挑战。自动化不代表人被完全取代，反而会对人的素质能力提出全新的要求和更高的标准。不仅仅对于签派员，这也算是整个人类未来十到二十年对于人工智能全面发展所面临的新机遇和新挑战。科技的进步鞭策着我们不停地学习和适应，谁越快学习适应，谁就能获得更多的发展红利。

37荐闻榜

（ ）