飛行操作風險評估系統(Flight Operation Risk Assessment System, FORAS)將影響航班飛行之一系列相關風險因素利用階層式架構模型描述彼此之間的關聯性：並透過此模型來推估每一航班在起飛或降落時所可能面臨之風險程度。本研究利用多種的資料探勘技術分析國內某國際航空公司已建置之FORAS系統中已被定義之70多種飛行風險因素。本研究發現依據實際航班資料分析，有將近40％左右的風險因素可被考量由原模型中去除，以簡化模型之複雜度及加強風險因素對風險值預估的敏感度。此外，本研究亦利用分群分析法協助航空公司了解其所屬不同機隊與飛行航段較普遍存在的風險因素為何，以作為航空公司在差異化風險管理的依據。

The FORAS (Flight Operation Risk Assessment System) model is to represent the risk of a flight as a chain of the flight operations in terms of risk factors using a hierarchical structure which breaks down the concerned operation risk of the flight, e.g. approach and landing risk, to its causal operation risks.The importance of risk factors defined in a FORAS system, which is currently developed by an international airline, has been analyzed by data mining techniques in this study. The original system considers more than 70 risk factors to create risk inference model.However, in this study, it has been suggested that around 40% of risk factors need to be reconsidered or removed from the original model. In additional, cluster analysis has been applied to figure out the patterns of potential higher risk areas for various fleets and flight regions.

目錄	III
圖目錄	V
表目錄	VI
第一章	緒論	1
1.1	研究背景	1
1.2	研究動機與目的	4
1.3	論文架構	5
第二章	文獻探討	7
2.1	飛航風險因素	7
2.2	資料探勘	12
2.2.1	資料探勘技術之應用	13
2.2.2	資料探勘方法	15
第三章	研究方法	19
3.1	研究架構	19
3.2	來源資料	20
3.3	研究資料	21
3.4	研究工具	22
3.5	相關分析	23
3.6	迴歸分析	23
3.7	分群分析	24
第四章	分析結果與討論	27
4.1	敘述性統計分析	27
4.1.1	起飛航班之機種	27
4.1.2	飛行之區域	29
4.2	相關分析	30
4.3	迴歸分析	32
4.3.1	敘述統計	32
4.3.2	逐步迴歸分析	34
4.4	分群分析	40
4.4.1	機組人員	41
4.4.2	機場環境	44
4.5	研究討論	48
第五章	結論	52
參考文獻		54
附錄A		56
附錄B		61

圖目錄
圖1-1 2012-2030民航運輸量統計及預測	1
圖1-2 2006-2012民航運輸業飛航事故統計	2
圖1-3 2003-2012飛航事故原因分類統計	3
圖1-4 研究架構圖	6
圖2-1 事故鏈	8
圖2-2 SHELL模型 資料來源: Atlas Aviation	9
圖2-3 資料探勘運用領域	14
圖3-1 研究架構流程圖	19
圖3-2 資料轉換	22
圖4-1 階層式分群法之機組人員樹狀圖(DRV 未滿2)	41
圖4-2 階層式分群法之機組人員樹狀圖(DRV 2以上)	41
圖4-3 機組人員之分群分析圖(DRV 未滿2)	43
圖4-4 機組人員之分群分析圖(DRV 2以上)	44
圖4-5 階層式分群法之機場環境樹狀圖(DRV 未滿2)	45
圖4-6 階層式分群法之機場環境樹狀圖(DRV 2以上)	45
圖4-7 機場環境之分群分析圖(DRV 未滿2)	46
圖4-8 機場環境之分群分析圖(DRV 2以上)	47


表目錄
表2-1 SHELL模式之構面	9
表2-2 飛航失事之因素	10
表2-3 相關文獻整理	14
表2-4 研究目的	18
表3-1 風險因素之定義	20
表3-2  R值相關程度分類	23
表4-1 航班機種之統計	28
表4-2 航班機種之定義	28
表4-3飛行區域之統計	29
表4-4 機種與飛行區域之交叉表	30
表4-5 相關分析結果	31
表4-6 風險因子之敘述統計	33
表4-7 逐步迴歸分析摘要表	35
表4-8逐步迴歸選取之變數(依變數:最終風險值)	36
表4-9 逐步迴歸選取之變數(依變數:最終機組人員風險值)	38
表4-10 逐步迴歸選取之變數(依變數:最終機場環境風險值)	39
表4-11 機組人員之群組特徵(DRV 未滿2)	42
表4-12 機組人員之群組特徵(DRV 2以上)	42
表4-13 機場環境之群組特徵(DRV 未滿2)	46
表4-14 機場環境之群組特徵(DRV 2以上)	46
表4-13 最終風險值分類之群組特徵	48
表4-14 逐步迴歸分析之結果討論	48
表4-15機組人員之群組特徵(綜合整理)	50
表4-16機場環境之群組特徵(綜合整理)	51

1.	王保進，《多變量分析: 套裝程式與資料分析》，2004。
2.	李建億、蔡芳遠，〈應用資料探勘技術於網路專題學習活動之分析〉，南師學報:教育類，第38期，第1卷，頁1-23，2004
3.	李珮瑩，《以資料探勘方法探討服務業之顧客區隔及滿意度指標-以大台北地區餐廳為例》，碩士論文，臺北科技大學資訊與運籌管理學系，2011。
4.	邱志洲、田政祺、周宇超，〈資料探勘中分群模式與分類模式之建構-模糊自適應共振理論綱路、分類迴歸樹與類神經綱路之整合與應用〉，工業工程學刊，第22期，第2卷，頁171-188，2005
5.	徐清郎，《回歸分析》，2007
6.	郭清江(2000)，<台美航太協會(TAASA)>，網址: http://www.taasa-web.org/airplanesafety.htm，上網日期:2000年10月28日。
7.	陳彥文，《以ANP建構飛安風險推論模型》，碩士論文，淡江大學資訊管理學系，2013。 
8.	陳芓頲，《飛航管制飛安風險因素之探究》，碩士論文，逢甲大學交通工程與管理學系碩士班，2006。
9.	陳奕翔，《飛行操作風險評估系統(FORAS)之風險因素權重分析》，碩士論文，國立成功大學民航研究所，2007。
10.	陳正昌，程炳林，陳新豐，劉子鍵.，《多變量分析方法—統計軟體應用》，五南，2004
11.	黃敬元，《基於FORAS之高飛航風險航班關鍵因素搜尋》，碩士論文，淡江大學資訊管理學系，2011。
12.	葉怡成，《應用類神經網路》，儒林圖書有限公司，1995。
13.	蘇文灶、官文霖，〈2002年第一屆飛航操作監控及飛航安全發展研討會報告書〉，行政飛航安全基金會，2002。
14.	蘇志雄、鄭宇庭，〈商業智慧的工具-資料採礦〉，輔仁管理評論, 9(3), 11-34，2002。
15.	〈飛安新思維〉，科學月刊346 期，民國87.10。
16.	〈航空安全管理〉，季刊第1卷，第1期，民國103.1。
17.	Berry, M. J., and Linoff, G. S., Data mining techniques: for marketing, sales, and customer relationship management, John Wiley & Sons, 2004.
18.	Chang, Y. H., and Wang, Y. C., "Significant human risk factors in aircraft maintenance technicians," Safety Science, vol. 48, no. 1, pp. 54-62, 2010.
19.	Chen, M.S., Han, J., and Yu, P.S., "Data mining: an overview from a database perspective," IEEE transactions on knowledge and data engineering, vol. 8, pp. 866-883, 1996.
20.	Cheng, B. W., Chang, C. L. and Liu, I. S., "Enhancing care services quality of nursing homes using data mining, " Total Quality Management and Business Excellence, vol. 16, no. 2, pp. 575-596, 2005.
21.	Deepa, V. K., and Geetha, J. R., "Rapid Development of Applications in Data Mining," Green High Performance Computing, pp. 1-4, 2013.
22.	Edwards, E., "Man and machine: systems for safety," Proceedings of British Airline Pilots Associations Technical Symposium, British Airline Pilots Associations, London, pp. 21–36, 1972.
23.	Fayyad, U. M., Piatetsky-Shapiro, G., and Smyth, P., "Knowledge Discovery and Data Mining:Towards a Unifying Framework," KDD, Vol. 96, pp. 82-88, August. 1996.
24.	Goguen, J. A., Linde, C., and Murphy, M., "Crew communication as a factor in aviation accidents," 1984.
25.	Han, J., Kamber, M., and Pei, J., Data mining: concepts and techniques,  Morgan kaufmann, 2006.
26.	Hand, D. J., Mannila, H., and Smyth, P., Principles of data mining, 2001.
27.	Hawkins, F. H., and Orlady, H. W., Human factors in flight, 1993.
28.	Kleissner, C., "Data mining for the enterprise," Proceedings of the Thirty-First International Conference of System Sciences, Hawaii , pp. 163–167, Jan. 1998.
29.	Lei, W., and Le, D., "Risk evaluation of human factors in flight deck system," Advanced Management Science (ICAMS), Vol. 1, pp. 381-385, July 2010.
30.	Michael, H., Osborne, D.M., Ross, D., Boyd, D., and Brown, B.G., "The Flight Operations Risk Assessment System," Proceedings of the SAE Advances Safety Conference, vol. 108 no. 1, pp. 150-156, Jan. 1999.
31.	Nirkhi, S., "Potential use of artificial neural network in data mining," Computer and Automation Engineering (ICCAE), Vol. 2, pp. 339-343, Feb. 2010
32.	Reason, J., "Achieving a safe culture: theory and practice," Work & Stress, 12(3), 293-306, 1998.
33.	Witten, I. H., and Frank, E., Data mining: Practical machine learning tools and techniques with Java implementations, 2000.
34.	Wang. Xiaoyun., and Zhao. Tingdi., "Design of integrated aircraft inflight safety monitoring and early warning system," Prognostics and Health Management Conference, pp.1-5, Jan. 2010.