基于人工智能的闭环管理应用服务项目中选结果公告

项目编号：CGXM-OCC-E-202609071

项目名称：基于人工智能的闭环管理应用服务项目

采购内容与需求：

一、功能目标 通过对生产数据、生产流程、工作程序、业务标准、生产质量、岗位模型、培训大纲、人员能力和人岗匹配的研究，构建一套科学、高效的签派员闭环管理体系，以促进生产运行、生产质量和人力资源管理水平的整体提升。
二、需执行的标准规范
（一）《民用航空飞行签派员执照和训练机构管理规则》（CCAR-65）
（二）《民用航空安全管理规定》（交通运输部令2025年第6号）
（三）《飞行签派员执照颁发及管理程序》（AC-65-FS-004，民航规〔2023〕1号）
（四）《智慧民航建设数据管理政策标准体系》（民航发〔2023〕16号）
三、采购产品具体要求
（一）生产质量管理
基于行业标准，结合国航自身航线以及流程特点和要求，建立签派员生产质量管理能力，如放行效率、差错率和安全评估等。同时，采集签派员日常工作中的行动日志与决策日志，形成每位签派员的指标计算。通过系统记录的数据与设定的管理标准进行比对，评估是否达到预期要求。生产质量管理的标准和模型需要根据实际生产情况进行持续优化和改进，从而高效的掌握每位签派员的工作能力情况。
（二）岗位素质模型
从签派员具体工作内容入手，结合民航相关规章、程序与制度开展综合分析与研究，系统梳理不同岗位签派员的履职要求；以民航局咨询通告为核心蓝本，拆解提炼并整合形成适用于飞行签派员的岗位素质模型，同时融入行业专家实践经验，依据各岗位运行需求，构建出业务能力、基础知识、基本素质三个层次既相互独立又逐层递进的岗位素质体系，为签派员岗位准入、能力评估、培训培养及资质管理提供规范化、系统化的理论依据与实践指引。
（三）能力胜任分析
将生产质量评价数据与岗位素质模型数据进行整合，分析签派员的实际表现与其岗位要求的匹配程度。利用统计分析和机器学习算法，评估签派员的能力水平，识别出优势和不足，形成个性化的能力画像。
同时，结合专家经验进行模型训练，通过对历史运行数据的深度学习，如执勤时间、工作总量、单位强度、业务复杂度、培训记录和专家考核记录等数据，结合签派员的岗位素质模型，智能评估签派员的胜任力情况，识别人员能力短板，定向推送发展建议。

实现大模型在持续学习和优化过程中，不断提升对签派员综合能力的评估准确度，并为签派员的胜任能力提升提供动态建议。 （四）员工能力画像
研究通过数据分析建模，抓取关键信息，如员工的教育背景、工作经验、技能水平、性格特质、价值观和驱动力等多个方面，构建出一个全面、客观和精准的员工能力画像。人员能力画像不仅包含了硬性指标，如教育背景和工作经验，还涵盖了软性要素如性格特质和价值观。
同时，研究利用大模型总结和评估能力，除了针对以上硬性以及软性指标以外，还需集合签派员生产质量、岗位素质以及胜任力模型实现对签派员画像动态打标，持续更新和完善员工能力画像。
通过员工画像分析员工与岗位的匹配度，助力企业“看准人”、“看透人”，依托诊断分析模型，形成人才成长诊断分析报告，高效识别优秀人才。
（五）人员配置评估
研究利用大模型进行数据分析和模式识别，生成个性化的员工能力画像。将员工的能力画像与岗位素质模型进行比对，评估员工与岗位的匹配程度。建立完善的人才评估和发展体系，确保国航人才梯队能够满足未来业务发展的需求。
一方面，提供针对性的培训和发展建议，帮助员工提升能力，满足岗位需求；另一方面，辅助人力资源部门制定人力规划，通过预期结果与实际反馈的比较、判断和分析，对人力规划进行持续优化。同时，在基础人力规划基础上，开展团队能力结构优化研究，优化团队成员结构，促进团队稳定，保障生产需求。
（六）智能精准培训
研究如何通过人工智能技术的应用，实现基于签派员工作质量评估和胜任力分析的结果，智能推荐适合的培训建议。通过持续收集培训效果反馈和岗位胜任度数据，系统不断优化其推荐策略，提升建议的实用性和准确性。这种数据驱动的培养模式形成了完整的良性循环，从能力评估到个性化培训，再到实践反馈和持续优化，不仅帮助个体持续成长，也推动了整个签派团队的专业能力提升。通过将大模型深度融入培训体系的各个环节，打造一个科学高效、持续进化的培训体系。
基于胜任力模型，为企业在员工培训方面提供了明确的方向，确保培训内容的设计将更为精准。
（七）数字化流程
基于签派业务为视角，结合国航数字化签派放行系统建设，研究并构建一套符合工作管理规范的生产流程，支撑生产质量管理。
四、技术需求/服务标准
（一）构建闭环管理理论框架
将签派员的管理引入闭环体系的理论范畴，强调从评估、优化到反馈的全流程覆盖。通过建立数据驱动的评估模型和动态优化机制，为行业提供了全新的人力资源管理理论框架。
（二）多维度能力评估理论
提出基于大模型和行为数据的多维度能力评估方法，突破传统评估方式仅依赖主观判断或单一指标的局限，综合技术能力、应变能力和综合素质，为签派员能力构建科学画像。
（三）智能化签派员支持工具理论
基于大模型的签派辅助工具理论，结合数字化流程、行为日志分析等，拓展了人工智能在航空签派领域的理论应用边界，为未来智能化运营提供了理论支持。
（四）基于大模型的智能评估与推荐系统
1.建立能力评估模型：通过大语言模型的微调和训练，实现对签派员行为日志的深度解析与建模，构建精准的工作质量评估体系。
2.建立岗位资质能力推荐：通过历史数据分析与模型优化，个性化推荐签派员的培训课程与岗位配置，确保人岗匹配的最优解。
（五）多模态数据处理技术
1.文本识别与跨文档分析：采用光学字符识别（OCR）与表格结构识别技术，实现无结构数据的结构化处理，为决策支持提供高质量数据。
2.知识图谱检索：利用图神经网络（GNN）构建签派员知识库检索框架，提升复杂业务场景下的数据查询效率。
（六）智能化应用场景落地
动态胜任力测试：通过实时生成基于案例的动态测试场景，实现针对不同级别签派员的能力测试与培养。
五、验收标准
实现本项目功能目标和采购产品具体要求。

中选单位名称：北京恒赢智航科技有限公司

联系人：孙楚铭

联系电话：010-****7702 点击查看