面向导弹武器系统全寿命管理的大数据模型∗

李 珏卢 鹤

（1.海军驻北京航天一院军事代表室 北京 100076）（2.首都航天机械有限公司 北京 100076）

1 引言

当前世界新军事革命迅猛发展，战争形态加速向信息化战争演变，一体化联合作战成为基本作战形式。与之相适应，我国也日益加快国防现代化进程，武器装备的系统提升成为我军生成强大战斗力的迫切需求。全寿命周期管理能够有针对性地对武器装备的各个阶段实施管理，旨在通过系统科学的管理方法，更高效地利用现有资源，最大限度地提升武器装备的质量和可靠性[1]。

每项武器装备从立项、生产直至退役会产生庞大的数据，但由于数据量庞大、数据产生分散、涉及部门广泛等难以利用并辅助装备的优化与决策。大数据技术的发展一方面带来了极大地促进了海量数据的获取、存储、分析能力，另一方面从思想上使得人们看重数据和分析的益处[2]，这给装备的全寿命周期管理提供了种新的技术支撑。

本文面向导弹武器系统的全寿命管理需求，提出一种BDSMWSLM大数据模型（Big Data Service for Missile Weaponry System Life-cycle Manage⁃ment）。模型将针对导弹武器系统全寿命管理的要求对各个阶段不同来源的数据采集并存储，给出适应全寿命周期的信息管理方案，并对数据加以分析挖掘，提供智能优化和决策支持，以完善导弹武器系统全寿命周期的管理水平，辅助提升导弹武器系统的质量和可靠性。

2 应用大数据的导弹武器系统全寿命管理特点分析

为有效辅助导弹武器系统的全寿命管理，本文用大数据的方法为现有的管理难点提供解决方案。梳理其需求特点并分析现阶段的管理状况和存在的不足。

2.1 导弹武器系统全寿命管理的定义和意义

武器装备全寿命管理是指把武器装备从立项论证到退役报废的全寿命期作为整体进行的管理。全寿命期包含了立项论证、方案设计、工程研制、试验定型、生产、采购、调配保障、使用维护、退役报废等各个阶段[3]。管理的目的是使全寿命期内各个阶段的工作互相协调、彼此衔接，以确保武器装备的战术技术性能，缩短形成初始作战能力期限，提高综合保障能力，降低全寿命费用。

导弹武器系统是衡量国家军事实力和综合科技发展能力的重要指标，在综合的作战体系里占有决定性的地位[4～5]。导弹具有作用特殊、构成复杂、投资巨大、长期贮存一次使用等的特点，使得全寿命周期管理尤为重要。

2.2 武器装备应用大数据技术的现状

信息时代促成了大数据技术的迅猛发展。大数据技术伴随着互联网、云计算等技术在民用领域已经为社会、经济提供诸多裨益，在军事领域给武器装备的发展提供了新的机遇和挑战[6]。

美国最先启动大数据技术对军事领域的战略支持[7～8]。美国政府以《大数据研究与发展计划倡议》为国家层面的计划明确了大数据的重要意义，并促进了大数据技术的启动和研发。美军更是深入挖掘大量历史数据，提高数据分析效能，确保战场信息主导权，实际应用的军事典型项目有：全球情报搜集和处理系统“洞察”、美空军“大数据集处理利用与分析”、实时动态网电战模拟“赛博空间”、美军国防后勤局武器装备“联合数据架构”等。

2.3 导弹武器系统全寿命管理应用大数据的难点

需统筹技术能力、研发时间、经费预算、保障维修等各个方面的约束条件，以覆盖导弹武器系统从论证到退役的全寿命周期。随着导弹武器系统的复杂性和规模的逐步扩大，对大数据的应用提出以下挑战。

1）数据的采集。导弹武器系统全寿命管理的过程涉及大量数据，这些数据具有数量庞大、数据类型繁多、数据价值高但密度不等、数据持续产生的特点。且产生时间周期长、来源多，数据可能产自科研机构、演示试验、生产部门、使用部队等，这些不同机构间各司其职，难以形成有效的协同网络，存在数据的交流壁垒，影响最终的数据利用率。

2）数据的分析。有效的数据分析在应用层面可以规划作战效能和贡献指示；在研产层面，有效的数据分析可作为论证研制重点和后期优化反馈。从装备个体与作战体系的不同视角下，均可利用数据挖掘技术构建导弹数字模型以提升武器装备性能、可靠性。

3）数据的安全与管理。导弹武器系统相关战技指标和服役后的部署训练都是国家和军队的重要战略信息。在数据安全方面，应严格遵循现有保密条例，构建网络并升级安全策略，对数据的管理和共享制定管理办法。对数据进行分类分级，保证严格控制涉密信息的同时确保数据不孤立、不闲置。

3 导弹武器系统全寿命管理的大数据需求分析

要将大数据技术应用在导弹武器系统全寿命管理上，应满足以下几点功能需求。

1）建立覆盖导弹武器系统“三维”信息的全寿命管理数据体系。健全的全寿命管理数据逻辑如图1所示。时间上应覆盖导弹武器系统自论证至最终退役的各阶段信息；空间上应连接科研部门、生产部门、使用部队和决策机关等的信息共享；层次上应形成对武器系统各个层面上的数据支持。

图1 武器装备全寿命周期数据体系

2）综合应用数据挖掘技术，结合统计建模、机器学习，建立武器系统的分析模型。大数据的背景下，分析模型能够在传统的统计模型之上结合机器学习力图找出数据之间隐含的模式，以实现分类、聚类、预测、异常监测等复杂的应用需求。

3）加强数据的和可视化和可交互性，辅助分析、推理和决策。大量的导弹相关信息具有动态、多量、价值密度低等特性，大数据中的并行计算和可视化绘制能供人们对数据有更直观的认识，使得人机交互更加高效、便利。

图2 武器装备分层级关注特性

4）健全反馈和共享机制，确保提高数据的利用率。对某型号导弹武器系统而言，不同层次的关注特性如图2所示。例如寿命管理即依赖于设计寿命、质量保证也受贮存条件等的影响，寿命信息分布式产自研制生产和使用的各个环节。为有效提升寿命性能做好健康预警工作，寿命模型应分享至各部门。

4 面向武器装备全寿命管理的大数据模型

本文面向导弹武器系统全寿命管理提出了BDSMWSLM大数据模型（Big Data Service for Mis⁃sile Weaponry System Life-cycle Management）。 模型的系统框架图如图3所示，搭建数据服务中心，以独立服务器实现分布式计算、虚拟化云平台[9～10]。为确保数据的安全性，在紧急情况下不丢失，着重考虑了数据的冗余备份和容灾恢复能力。

数据采集平台将应对数据源多样、数据量大、数据更新变化快、保证数据质量和有效性以及采集平台可靠性性能的多种要求。使用Flume数据采集设计分布式的管道构架，在数据源和数据中心之间构建Agent网络，每个网络都包含数据源、数据通道和数据存储池，并设定转换机制确保数据不丢失，设置链路的交叉以构建复杂网络。对网络不覆盖的节点设置数据摆渡，以确保涉密数据的安全。

图3 BDSWLM大数据系统框架图

业务层将提供基础服务、数据管理服务和数据挖掘和辅助决策服务。基础服务保证了系统的日常运行和界面友好。武器系统全寿命周期管理服务将对武器系统的不同时期、不同层级的数据进行管理，建立数据树，实现全方位描述和监控。数据挖掘与辅助决策服务将从海量信息中找出隐藏的模式和应用，挖掘数据中的联系[11]，能对决策中关心的问题给予回答。大数据环境下，传统的数学统计方法将结合机器学习的思想，实现分类、识别、判读、行为预测和异常预警[12]。

展示层中将实现大数据模型的智能服务，为各个阶段的用户提供相应权限的数据树结构，展示数据之间的关联性、继承性，并给出综合状态评估和优化建议。为确保系统稳定、安全，将嵌入安全保密系统和权限管理系统。

面向导弹武器系统全寿命管理的大数据模型能够实现数据的管理，提高数据的利用率，将其分析结果用于辅助决策、优化武器装备体系。

1）实现数据管理。应用大数据模型实现数据采集与存储，使不同来源、不同阶段的数据相互协作，实现数据共享和统一管理。对不同数据研制匹配借口、制定统一化规则为后续数据的挖掘和分析提供支撑。

2）实现辅助决策支持。以单次作战需求为例，大数据模型能够更客观地描述导弹武器系统的健康状态、战技指标、组合贡献率等全方位信息，为实现任务提供决策支持，并给出合理建议。

3）实现导弹武器系统的优化。大数据模型将指导武器装备研发、保障等的水平不断优化。比如面对某型装备的已知薄弱单机改进问题，大量的维护数据可以提供设计改进、工艺优化、经费倾斜的明确指导。

5 结语

在导弹武器系统的全寿命管理问题中，以往的大量数据处于利用率低、未能有效集中整合的状态。本文提出的大数据模型以安全性、可扩展性和强适应性为目的，实现武器装备基于大数据的采集和存储、分析与辅助决策，提升导弹武器系统全寿命管理的水平。以海军作战为例，后续工作可首先针对某一型号导弹建立模型，再融合某一水面舰艇通垂发射的多型号导弹构建协作平台，并持续扩大至结合水、潜、空的海基编队导弹武器系统全寿命管理。