A Composite Human-Readiness Index for Flight-Line Maintenance Personnel: Model Formulation and a Pre-Registered Validation Protocol

तकनीकी सारांश: फ्लाइट-लाइन रखरखाव कर्मियों के लिए एक संयुक्त मानव-तैयारी सूचकांक (Composite Human-Readiness Index)

समस्या विवरण (Problem Statement)
फ्लाइट-लाइन विमान रखरखाव एक सुरक्षा-महत्वपूर्ण क्षेत्र है जहाँ मानव-तैयारी में गिरावट—जो नींद की कमी, अपर्याप्त रिकवरी, निरंतर कार्यभार और कम ध्यान के कारण होती है—अनजाने रखरखाव त्रुटियों (latent maintenance errors) का कारण बन सकती है। वर्तमान सुरक्षा उपकरण या तो मुख्य रूप से पश्चगामी (जैसे, मेंटेनेंस एरर डिसाइड एड) हैं या संगठनात्मक दायरे के हैं (जैसे, फटीग रिस्क मैनेजमेंट सिस्टम्स), जिससे फ्रंटलाइन सुपरवाइजरों के लिए एक रिक्त स्थान रह जाता है। व्यक्तिगत मानव कारकों को 'व्यक्ति-माह' (person-month) स्तर पर एकत्रित करने वाला एक सरल, भविष्योन्मुखी और तर्कसंगत संकेतक उपलब्ध नहीं है, जो त्रुटियां होने से पहले ही घटती हुई तैयारी का संकेत दे सके।

कार्यप्रणाली (Methodology)
यह शोध पत्र एग्रीगेटेड पर्सोनेल-रेडीनेस नंबर (APN) को प्रतिपादित करता है, जो एक पारदर्शी संयुक्त सूचकांक है जिसे नियमित फ्लाइट-लाइन रिकॉर्ड से गणना करने के लिए डिज़ाइन किया गया है। इसकी कार्यप्रणाली में तीन मुख्य घटक शामिल हैं:

1. चर चयन और सामान्यीकरण (Variable Selection and Normalization):
   मॉडल पाँच इनपुट को एकीकृत करता है जो त्रुटि जोखिम के साथ उनके साहित्य-समर्थित संबंध और नियमित संचालन में उनकी उपलब्धता के लिए चुने गए हैं:

   • नींद की अवधि ($S$): इसे एक शारीरिक लक्ष्य (लगभग 7.5 घंटे) के लिए सामान्यीकृत किया गया है, जो कम और अत्यधिक लंबी नींद दोनों को दंडित करता है।
   • शारीरिक व्यायाम ($E$): उचित गतिविधि को पुरस्कृत करने के लिए, लेकिन अत्यधिक परिश्रम को प्रोत्साहित न करने के लिए, इसे सीमित (capped) किया गया है।
   • कार्य-पूर्णता दर ($P$): इसे कार्य घंटों के अनुसार कार्यों की संख्या के रूप में गणना किया जाता है, जिसे यूनिट-विशिष्ट ऐतिहासिक वितरणों के विरुद्ध सामान्यीकृत किया गया है।
   • त्रुटि गणना ($M$): सत्यापित रखरखाव त्रुटियों की एक गणना, जो एक नकारात्मक दंड पद (negative penalty term) के रूप में कार्य करती है।
   • संज्ञानात्मक-सतर्कता स्कोर ($C$): एक मानकीकृत, समय-बद्ध ध्यान/अंकगणित परीक्षण स्कोर।

   प्रत्येक इनपुट को विशिष्ट सामान्यीकरण फलनों (जैसे, $S^* = \max\{0, 1 - |S - S_0|/a\}$) का उपयोग करके $[0, 1]$ के आयामहीन मान में मैप किया गया है।

2. मॉडल संरचना (Model Formulation):

   • दैनिक सूचकांक: एक बाउंडेड वेटेड सम (0–10) सामान्यीकृत इनपुट को जोड़ता है। प्रारंभ में, एक पारदर्शी, व्याख्या योग्य दैनिक स्कोर ($AP_d$) बनाने के लिए विशेषज्ञ-निर्धारित भार (weights) का उपयोग किया जाता है। त्रुटि पद में एक नकारात्मक भार होता है ताकि सूचकांक कच्चे वेग (raw speed) के बजाय सुरक्षित उत्पादकता को पुरस्कृत करे।
   • मासिक अपडेट: विशेषज्ञ धारणाओं से डेटा-संचालित अंतर्दृष्टि की ओर बढ़ने के लिए, शोध पत्र एक रेगुलराइज्ड रिग्रेशन (L2/Ridge) प्रक्रिया का प्रस्ताव करता है। जैसे-जैसे डेटा संचित होता है, प्रारंभिक भारों को विशिष्ट यूनिट के प्रदर्शन परिणामों से प्राप्त स्थानीय अनुमानित गुणांकों ($\beta$) द्वारा प्रतिस्थापित किया जाता है। यह छोटे सैंपल साइज और सह-संबंधित भविष्यवक्ताओं (correlated predictors) को ध्यान में रखता है।

3. दृष्टांत गणना (Illustrative Computation):
   शोध पत्र 12 तकनीशियन-महीनों के लिए कृत्रिम डेटा का उपयोग करके एक पूर्णतः निर्दिष्ट, गैर-अनुभवजन्य (non-empirical) उदाहरण प्रदान करता है। यह खंड चरण-दर-चरण APN स्कोर की गणना और परिणामी "रिस्क इंडेक्स" को प्रदर्शित करता है, जो केवल गणनात्मक तर्क को स्पष्ट करने के लिए है और किसी भी प्रदर्शन दावे के बिना है।

मुख्य योगदान (Key Contributions)
यह शोध पत्र अपने योगदान को दो अलग-अलग भागों में स्पष्ट रूप से विभाजित करता है, जिससे मॉडल विनिर्देश और अनुभवजन्य सत्यापन के बीच भ्रम की स्थिति से बचा जा सके:

1. एक पूर्णतः निर्दिष्ट, ऑडिट योग्य मॉडल: शोध पत्र APN के निर्माण के लिए एक पूर्ण, पुनरुत्पादक गणितीय ढांचा प्रदान करता है। इसमें चरों का चयन, सामान्यीकरण योजनाएं, एक व्याख्या योग्य प्रारंभिक वेटिंग संरचना, और रेगुलराइज्ड रिग्रेशन के माध्यम से स्थानीय अनुमानित गुणांकों में संक्रमण के लिए एक सिद्धांत-आधारित तंत्र शामिल है।
2. एक प्री-रजिस्टर्ड वैलिडेशन प्रोटोकॉल: यह स्वीकार करते हुए कि वर्तमान में कोई फील्ड डेटासेट मौजूद नहीं है, यह पत्र एक भविष्य के प्रोस्पेक्टिव ऑब्जर्वेशनल कोहॉर्ट अध्ययन के लिए एक कठोर, प्री-रजिस्टर्ड प्रोटोकॉल की रूपरेखा तैयार करता है। यह प्रोटोकॉल परिभाषित करता है:
   • अध्ययन डिजाइन: 6-12 महीनों में 60-150 कर्मी।
   • परिणाम (Outcomes): सुपरवाइजर-सत्यापित रखरखाव गुणवत्ता घटनाएं (त्रुटियां, पुनरावृत्ति/rework)।
   • विश्लेषण योजना: मिक्स्ड-इफेक्ट्स लॉजिस्टिक रिग्रेशन, ROC कर्व डिस्क्रिमिनेशन, कैलिब्रेशन कर्व्स, और विशिष्ट स्टॉपिंग रूल्स के साथ क्रॉस-वैलिडेशन।
   • निर्णय नियम: सफलता (जैसे, AUC $\ge$ 0.70), निरर्थकता (futility), और पुन: अंशांकन (recalibration) के लिए पूर्व-प्रतिबद्ध मानदंड, ताकि पोस्ट-हॉक औचित्य (post-hoc rationalization) को रोका जा सके।

परिणाम (Results)
जैसा कि शोध पत्र में कहा गया है, कोई अनुभवजन्य परिणाम प्रस्तुत नहीं किए गए हैं। संख्यात्मक अनुभाग (धारा 5) और विज़ुअलाइज़ेशन को स्पष्ट रूप से "गैर-अनुभवजन्य दृष्टांत कार्य उदाहरण" के रूप में लेबल किया गया है। तालिका 3 में प्रयुक्त कृत्रिम डेटा को साहित्य में पाए जाने वाले गुणात्मक संबंधों (जैसे, कम नींद और उच्च त्रुटि गणना के परिणामस्वरूप कम APN स्कोर) के साथ आंतरिक रूप से सुसंगत बनाया गया है, लेकिन ये संख्याएं वास्तविक अवलोकनों या भविष्य कहनेवाला प्रदर्शन का प्रतिनिधित्व नहीं करती हैं। शोध पत्र वास्तविक दुनिया के परिवेश में सूचकांक की सटीकता, संवेदनशीलता या विशिष्टता के संबंध में कोई दावा नहीं करता है।

महत्व और दावे (Significance and Claims)
यह शोध पत्र APN को एक प्रमाणित परिचालन उपकरण के रूप में नहीं, बल्कि सुरक्षा प्रबंधन प्रणालियों (SMS) के लिए एक उम्मीदवार निर्णय-सहायता परत (candidate decision-support layer) के रूप में प्रस्तुत करता है। इसका महत्व निम्नलिखित में निहित है:

• पद्धतिगत पारदर्शिता: एक "पुन: प्रयोज्य पद्धतिगत योगदान" प्रदान करना जो ऑडिट योग्य है और दुरुपयोग के प्रति प्रतिरोधी है, जो स्थगित अनुभवजन्य दावे से भिन्न है।
• सक्रिय सुरक्षा संस्कृति: ध्यान पश्चगामी दोषारोपण से हटाकर सक्रिय सहायता की ओर ले जाना। एक कम APN स्कोर का उद्देश्य अनुशासनात्मक कार्रवाई के बजाय विश्राम, कार्यभार या चिकित्सा कारकों के संबंध में सुपरवाइजरी बातचीत को ट्रिगर करना है।
• नैतिक शासन: शोध पत्र इस बात पर जोर देता है कि किसी भी तैनाती के लिए सख्त नैतिक सुरक्षा उपायों की आवश्यकता है, जिसमें सूचित सहमति, एक्सेस कंट्रोल और पूर्वाग्रह ऑडिट शामिल हैं, ताकि विभिन्न भूमिकाओं और वरिष्ठता स्तरों के बीच निष्पक्ष व्यवहार सुनिश्चित किया जा सके।
• वैज्ञानिक कठोरता: प्रस्तावित वैलिडेशन प्रोटोकॉल को प्री-रजिस्टर करके, यह कार्य सुनिश्चित करता है कि भविष्य के फील्ड अध्ययन का मूल्यांकन पूर्व-प्रतिबद्ध मानदंडों के विरुद्ध किया जाएगा, जो विमान रखरखाव में साक्ष्य-आधारित मानव-कारक हस्तक्षेपों की आवश्यकता को संबोधित करता है।

संक्षेप में, शोध पत्र एक नए मानव-तैयारी मीट्रिक के लिए "ब्लूप्रिंट" और "परीक्षण योजना" प्रदान करता है, और प्रस्तावित वैलिडेशन अध्ययन आयोजित होने तक प्रभावकारिता के दावे को स्पष्ट रूप से स्थगित करता है।