許慶

摘要：從解析軍事大數(shù)據(jù)、大數(shù)據(jù)技術(shù)、裝備故障預(yù)測(cè)的基本內(nèi)涵入手，論證了基于軍事大數(shù)據(jù)開展裝備故障預(yù)測(cè)的必要性，從軍事大數(shù)據(jù)的聚合提取、存儲(chǔ)管理、分析處理、預(yù)測(cè)應(yīng)用等方面提出了具體對(duì)策，為提升裝備故障診斷能力和維修保障能力提供科學(xué)決策支持。

Abstract： Starting with the analysis of the basic connotation of military big data， big data technology and equipment fault prediction， the necessity of carrying out equipment fault prediction based on large military data is demonstrated. From the aspects of aggregation extraction， storage management， analysis and processing and prediction application of military big data， this paper puts forward some physical countermeasures in order to provide scientific decision support for improving equipment fault diagnosis capability and maintenance support capability.

關(guān)鍵詞：軍事大數(shù)據(jù)；裝備保障；故障預(yù)測(cè)

Key words： military big data；equipment support；fault prediction

中圖分類號(hào)：E91 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1006-4311（2018）29-0246-02

0 引言

隨著我軍武器裝備的快速發(fā)展，裝備的不同部分之間互相關(guān)聯(lián)，緊密耦合，導(dǎo)致裝備故障呈現(xiàn)出不確定性、非線性、并發(fā)性等特點(diǎn)[1]，給裝備故障的預(yù)測(cè)分析帶來(lái)了新的挑戰(zhàn)。如何有效運(yùn)用軍用綜合電子信息系統(tǒng)累積的海量數(shù)據(jù)資源，利用軍事大數(shù)據(jù)對(duì)裝備故障規(guī)律進(jìn)行有效預(yù)測(cè)，為開展精準(zhǔn)高效的裝備維修保障給予了科學(xué)的技術(shù)支撐，是一個(gè)值得重點(diǎn)研究的問(wèn)題。

1 基本內(nèi)涵

1.1 軍事大數(shù)據(jù)

大數(shù)據(jù)是數(shù)據(jù)本身以及采集數(shù)據(jù)的工具、平臺(tái)和分析系統(tǒng)的總稱，一般包含數(shù)據(jù)采集、存儲(chǔ)、分析和共享等系統(tǒng)[2～3]，主要涉及數(shù)據(jù)產(chǎn)生、儲(chǔ)存、分析處理和應(yīng)用4個(gè)環(huán)節(jié)，具有量大、高速、多樣、價(jià)值4個(gè)特點(diǎn)[4～5]。大數(shù)據(jù)具體在軍事領(lǐng)域的應(yīng)用稱為軍事大數(shù)據(jù)，其容量涵蓋了可直接和間接用于軍事領(lǐng)域的全部數(shù)據(jù)，瞄準(zhǔn)軍事需求為牽引進(jìn)行高效的數(shù)據(jù)處理，強(qiáng)調(diào)在軍事活動(dòng)中的數(shù)據(jù)融合，同時(shí)對(duì)信息數(shù)據(jù)進(jìn)行有效的安全管理，最終為軍事任務(wù)提供預(yù)測(cè)和決策參考。

1.2 大數(shù)據(jù)技術(shù)

大數(shù)據(jù)技術(shù)是指從繁雜類型的海量數(shù)據(jù)中，快速獲取有價(jià)值的數(shù)據(jù)信息，并能快速高效的對(duì)其進(jìn)行處理的技術(shù)[6]，一般包括數(shù)據(jù)采集、預(yù)處理、存儲(chǔ)管理、分析挖掘、安全管理、可視化分析等技術(shù)[7]。大數(shù)據(jù)技術(shù)應(yīng)用于軍事裝備領(lǐng)域，必將帶來(lái)一場(chǎng)數(shù)據(jù)變革，利用已積累的軍事大數(shù)據(jù)預(yù)先測(cè)算平時(shí)、戰(zhàn)時(shí)部隊(duì)的各項(xiàng)物資消耗、裝備維護(hù)保養(yǎng)需求，以此為依據(jù)組織物資預(yù)儲(chǔ)預(yù)置，提高裝備保障效益。

1.3 裝備故障預(yù)測(cè)

裝備故障預(yù)測(cè)旨在以當(dāng)前裝備的使用狀態(tài)為起點(diǎn)，結(jié)合已知預(yù)測(cè)對(duì)象的結(jié)構(gòu)特性、參數(shù)、環(huán)境條件及歷史數(shù)據(jù)，對(duì)裝備未來(lái)的故障進(jìn)行預(yù)測(cè)、分析和判斷，確定故障性質(zhì)、類別、程度、原因及部位，指出故障發(fā)展趨勢(shì)及后果，以便預(yù)先消除故障，保障訓(xùn)練和作戰(zhàn)任務(wù)的順利完成[8]。裝備故障預(yù)測(cè)分析是從裝備發(fā)生的各種故障入手，分析故障產(chǎn)生的原因和機(jī)理，找出故障隨時(shí)間變化的趨勢(shì)和規(guī)律，對(duì)裝備故障進(jìn)行預(yù)測(cè)預(yù)判，最終實(shí)現(xiàn)控制和消滅故障。

2 基于軍事大數(shù)據(jù)進(jìn)行裝備故障預(yù)測(cè)的必要性

隨著我軍裝備保障領(lǐng)域信息化建設(shè)的不斷推進(jìn)，海量的裝備故障信息使裝備保障人員陷入“信息迷霧”，給裝備故障預(yù)測(cè)帶來(lái)了新的挑戰(zhàn)。在數(shù)據(jù)采集方面，目前手工采集裝備故障信息依然占據(jù)主導(dǎo)，在智能故障診斷處于起步階段的背景下，故障分析依然以傳統(tǒng)經(jīng)驗(yàn)判斷為主。同時(shí)，由于原始采集規(guī)范的欠缺，信息存在遺漏和缺失等情況，導(dǎo)致裝備故障信息辨識(shí)度和可信度的降低，從而影響裝備故障預(yù)測(cè)的整體水平。在數(shù)據(jù)集成方面，我軍裝備相關(guān)信息系統(tǒng)還處于多單位研發(fā)、多部門管理的狀態(tài)，形成了數(shù)量眾多的數(shù)據(jù)孤島，造成數(shù)據(jù)難以實(shí)現(xiàn)互聯(lián)互通。同時(shí)，軍地、軍種以及軍內(nèi)各級(jí)之間都沒有統(tǒng)一的管理信息系統(tǒng)，導(dǎo)致數(shù)據(jù)信息的交互性和時(shí)效性降低，裝備故障信息難以共享集成。在數(shù)據(jù)分析方面，裝備故障信息中既有結(jié)構(gòu)化數(shù)據(jù)，也有半結(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)據(jù)，裝備保障數(shù)據(jù)庫(kù)所采用MySQL、Oracle等傳統(tǒng)數(shù)據(jù)庫(kù)處理方式以不能滿足裝備故障規(guī)律分析處理的要求。將大數(shù)據(jù)技術(shù)引入裝備故障分析領(lǐng)域，對(duì)軍事大數(shù)據(jù)進(jìn)行采集、梳理，采取融合、篩選、比對(duì)、印證，尋找隱藏在軍事大數(shù)據(jù)中的模式和相關(guān)性，建立定量數(shù)據(jù)模型，從而預(yù)測(cè)裝備保障發(fā)展的特點(diǎn)規(guī)律，達(dá)到故障率的降低和裝備使用壽命的延長(zhǎng)。無(wú)論是遂行重大任務(wù)、參與作戰(zhàn)還是平時(shí)的裝備管理與訓(xùn)練，基于大數(shù)據(jù)的裝備故障預(yù)測(cè)技術(shù)能最大限度地減少裝備的維修次數(shù)和維修范圍，保證其安全可靠地運(yùn)行，從而極大地提高武器裝備的保障力和部隊(duì)的戰(zhàn)斗力。

3 基于軍事大數(shù)據(jù)進(jìn)行裝備故障預(yù)測(cè)的方法對(duì)策

3.1 解決數(shù)據(jù)聚合提取問(wèn)題

擁有海量且多種類的數(shù)據(jù)信息是基于軍事大數(shù)據(jù)進(jìn)行裝備故障預(yù)測(cè)的前提條件。從裝備全壽命過(guò)程看，故障信息分布在承研科研院所、承制生產(chǎn)廠家、部隊(duì)和維修機(jī)構(gòu)等不同單位部門，主要存在數(shù)據(jù)分散、數(shù)據(jù)孤島和數(shù)據(jù)質(zhì)量難以保證的問(wèn)題。數(shù)據(jù)分散是因?yàn)橹贫取⒉块T保護(hù)主義等人為原因造成的數(shù)據(jù)分散現(xiàn)象；數(shù)據(jù)孤島是因?yàn)榧夹g(shù)接口標(biāo)準(zhǔn)不同從而形成的數(shù)據(jù)無(wú)法融合共享的狀態(tài)；數(shù)據(jù)質(zhì)量是由于原始信息依靠人工經(jīng)驗(yàn)輸入和以人工方式為主采集造成的數(shù)據(jù)誤差。因此，只有形成全系統(tǒng)全壽命的裝備故障信息聚合數(shù)據(jù)體系，不斷積累軍事大數(shù)據(jù)資源，才能形成應(yīng)有的數(shù)據(jù)規(guī)模效應(yīng)[9]。裝備故障信息聚合時(shí)，必須解決大數(shù)據(jù)的統(tǒng)一組織和一致性表達(dá)問(wèn)題，也就是要解決多源、分布和異構(gòu)的數(shù)據(jù)進(jìn)行整合和統(tǒng)一管理的問(wèn)題。首先要規(guī)劃數(shù)據(jù)資源布局結(jié)構(gòu)，設(shè)計(jì)覆蓋裝備全系統(tǒng)全壽命業(yè)務(wù)、面向數(shù)據(jù)全過(guò)程管理的信息資源存儲(chǔ)、管理和共享交換體系，并利用基于本體的大數(shù)據(jù)描述方法等進(jìn)行數(shù)據(jù)建模，解決數(shù)據(jù)的集成聚合問(wèn)題；其次，要進(jìn)行數(shù)據(jù)提取，去偽存真，去粗求精，在盡量不損失價(jià)值的情況下減少數(shù)據(jù)規(guī)模從而提高數(shù)據(jù)質(zhì)量。

3.2 提升數(shù)據(jù)庫(kù)存儲(chǔ)管理能力

裝備故障信息中存在大量的基于關(guān)系數(shù)據(jù)庫(kù)的結(jié)構(gòu)化數(shù)據(jù)，以文本和傳感器信息為主的半結(jié)構(gòu)化數(shù)據(jù)，以及采用圖片、音視頻等多媒體數(shù)據(jù)為主的非結(jié)構(gòu)化數(shù)據(jù)，因此信息存儲(chǔ)時(shí)要解決大數(shù)據(jù)的可表示、可存儲(chǔ)、可處理及可傳輸?shù)葐?wèn)題。對(duì)于結(jié)構(gòu)化數(shù)據(jù)而言，需要通過(guò)同構(gòu)重組和數(shù)據(jù)匹配處理后存儲(chǔ)在關(guān)系數(shù)據(jù)庫(kù)中，而對(duì)于半結(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)據(jù)，必須建立分布式的數(shù)據(jù)存儲(chǔ)體系。當(dāng)前的重點(diǎn)是要將現(xiàn)有的裝備保障數(shù)據(jù)向大數(shù)據(jù)靠攏，整合現(xiàn)有各業(yè)務(wù)軟件數(shù)據(jù)庫(kù)，構(gòu)建涵蓋各專業(yè)、各層次、各要素的裝備保障數(shù)據(jù)互聯(lián)互通網(wǎng)絡(luò)，為大數(shù)據(jù)運(yùn)行搭建平臺(tái)。要堅(jiān)持需求牽引，注重技術(shù)跟蹤，加強(qiáng)研究論證，采取軍民融合、共同攻關(guān)的方式，開發(fā)大型數(shù)據(jù)庫(kù)，為海量信息傳輸、處理提供條件。目前，北京人大金倉(cāng)、天津南大通用、武漢達(dá)夢(mèng)、東軟OpenBASE等國(guó)產(chǎn)數(shù)據(jù)庫(kù)廠商分別推出了大規(guī)模的行業(yè)大數(shù)據(jù)處理平臺(tái)，實(shí)現(xiàn)了數(shù)據(jù)庫(kù)建設(shè)的“自主可控”。考慮到數(shù)據(jù)管理的安全性和保密性，裝備故障信息存儲(chǔ)應(yīng)盡量采用國(guó)產(chǎn)數(shù)據(jù)庫(kù)系統(tǒng)進(jìn)行相關(guān)信息的分布式存儲(chǔ)。

3.3 提高數(shù)據(jù)分析處理水平

裝備故障數(shù)據(jù)的挖掘算法和策略是裝備故障預(yù)測(cè)研究中進(jìn)行大數(shù)據(jù)分析處理的重點(diǎn)。裝備故障信息具有不完備、不確定等特點(diǎn)，要在隨機(jī)、模糊和有缺漏錯(cuò)誤的海量故障信息中去分析研究，挖掘數(shù)據(jù)的潛在價(jià)值并加以利用。要分析獲得符合給定條件、具有普遍特征、反映變化趨勢(shì)的有價(jià)值的數(shù)據(jù)信息，促進(jìn)由小數(shù)據(jù)的復(fù)雜算法向大數(shù)據(jù)的簡(jiǎn)單算法轉(zhuǎn)變，從而在宏觀上實(shí)現(xiàn)裝備保障的精確化。在數(shù)據(jù)分析方面，裝備多發(fā)故障部位和易損件、裝備故障率曲線相關(guān)參數(shù)及故障頻率強(qiáng)度的研究是提高裝備質(zhì)量可靠性和裝備保障效益需要把握的重點(diǎn)。裝備平均維修時(shí)間、裝備平均無(wú)故障時(shí)間的研究則是完善裝備維修管理體制、確保裝備有充裕的無(wú)故障工作時(shí)間完成各項(xiàng)軍事任務(wù)的重要參考。在數(shù)據(jù)處理方面，一是要多維度、多視角、多樣式解釋數(shù)據(jù)，使管理人員能從多側(cè)面了解裝備故障規(guī)律及趨勢(shì)；二是要加強(qiáng)數(shù)據(jù)的可視化分析處理，綜合運(yùn)用Tableau、Qlikview、FineBi等軟件進(jìn)行可視化數(shù)據(jù)結(jié)果分析替代傳統(tǒng)數(shù)據(jù)顯示方法，提升數(shù)據(jù)解釋、展示能力[10]；三是要提高數(shù)據(jù)的決策能力，在故障規(guī)律分析的基礎(chǔ)上，能進(jìn)一步實(shí)現(xiàn)指標(biāo)分析及預(yù)警、決策分析報(bào)告生成等功能，自動(dòng)完成基于大數(shù)據(jù)的決策支持。

3.4 加強(qiáng)裝備故障預(yù)測(cè)研究

當(dāng)前裝備維修保障的主要方式為計(jì)劃維修和事后維修，采用計(jì)劃維修容易產(chǎn)生維修資源的過(guò)剩，而事后維修則會(huì)因維修不足和滯后導(dǎo)致可避免的裝備故障和事故的發(fā)生[11]。裝備故障預(yù)測(cè)的研究體現(xiàn)在維修保障方式上是采取視情維修的方式，即在裝備產(chǎn)生故障趨勢(shì)時(shí)就著手保養(yǎng)和修理，從而避免故障的發(fā)生。這樣既能有效防止嚴(yán)重故障發(fā)生，降低故障率，同時(shí)又能精準(zhǔn)定位，減小維修范圍，提高效益。軍事大數(shù)據(jù)就是裝備視情維修的關(guān)鍵數(shù)據(jù)支撐，根據(jù)武器裝備使用數(shù)據(jù)，對(duì)裝備故障相關(guān)關(guān)系進(jìn)行預(yù)測(cè)分析，預(yù)知下一階段裝備完好情況的變化趨勢(shì)，并依據(jù)預(yù)測(cè)的結(jié)果，對(duì)周期性、隨機(jī)性、多發(fā)性故障采取對(duì)應(yīng)措施，主動(dòng)預(yù)防裝備故障的產(chǎn)生。下一步要重點(diǎn)研究創(chuàng)建基于大數(shù)據(jù)平臺(tái)的應(yīng)用模式，將多源、異構(gòu)和分布的裝備故障信息融入大數(shù)據(jù)處理平臺(tái)，通過(guò)分布式存儲(chǔ)和數(shù)據(jù)挖掘，實(shí)現(xiàn)大數(shù)據(jù)分析處理，并將分析結(jié)果直觀地展現(xiàn)給用戶，使用戶能夠直觀深入地理解數(shù)據(jù)分析結(jié)果。用戶基于數(shù)據(jù)分析結(jié)果，可判斷和決定需要采取的行動(dòng)，從而最大程度發(fā)揮數(shù)據(jù)分析的功能和作用，真正實(shí)現(xiàn)“從數(shù)據(jù)到預(yù)測(cè)再到?jīng)Q策”的目的。

4 結(jié)束語(yǔ)

目前，軍事大數(shù)據(jù)的應(yīng)用尚處起步階段，相信隨著數(shù)據(jù)工程的不斷推進(jìn)，我們對(duì)裝備故障預(yù)測(cè)將會(huì)有更加豐富的實(shí)踐經(jīng)驗(yàn)，對(duì)裝備保障工作建設(shè)將更為科學(xué)系統(tǒng)。只有順應(yīng)大數(shù)據(jù)技術(shù)的發(fā)展趨勢(shì)，不斷的努力探索，才能推動(dòng)我軍裝備領(lǐng)域建設(shè)邁上新臺(tái)階。

參考文獻(xiàn)：

[1]Kjolle G H，Gjerde O，Hjartsjo B T，et al.Protection System Faults—a Comparative Review of Fault Statistics[C]. Probabilistic Methods Applied to Power Systems，2006.International Conference on.IEEE，2006.

[2]孟小峰，慈祥.大數(shù)據(jù)管理：概念、技術(shù)與挑戰(zhàn)[J].計(jì)算機(jī)研究與發(fā)展，2013（1）：146-169.

[3]Chaudhuri S，Dayal U.An overview of data warehousing and OLAP technology[J].Acm Sigmod Record，1997，26（1）：65-74.

[4]前瞻研究院.2014-2018年中國(guó)大數(shù)據(jù)產(chǎn)業(yè)發(fā)展前景與投資戰(zhàn)略規(guī)劃分析報(bào)告[R].北京：清華園，2014.

[5]維克托.邁爾-舍恩伯格.大數(shù)據(jù)時(shí)代[M].杭州：浙江人民出版社，2012：3.

[6]張?chǎng)鯇W(xué)智.淺談大數(shù)據(jù)在裝備保障中的應(yīng)用[J].價(jià)值工程，2015（21）：182-184.

[7]Papadopoulos A，Katsaros D.A-Tree：Distributed Indexing of Multidimensional Data for Cloud Computing Environments[C]. 2013 IEEE 5th International Conference on Cloud Computing Technology and Science.IEEE，2011.

[8]左憲章，康健，李浩，等.故障預(yù)測(cè)技術(shù)綜述[J].火力與指揮控制，2010（1）：1-5.

[9]陳小鵬.推進(jìn)我軍軍事大數(shù)據(jù)建設(shè)發(fā)展的對(duì)策[J].解放軍理工大學(xué)學(xué)報(bào)，2014，12（6）：12-16.

[10]劉智慧，張泉靈.大數(shù)據(jù)技術(shù)研究綜述[J].浙江大學(xué)學(xué)報(bào)，2014（6）：957-971.

[11]潘安君，奚全生，孟漢城，等.綜合測(cè)試與故障診斷技術(shù)發(fā)展及對(duì)策[J].計(jì)算機(jī)測(cè)量與控制，2011（1）：1-6.