陸軍主戰裝備自主式保障系統及其評價

陳春良， 陳偉龍， 魏兆磊， 劉 彥， 曾治巍

(1. 裝甲兵工程學院技術保障工程系， 北京 100072； 2. 73667部隊, 江蘇 南京 212421)

陸軍主戰裝備自主式保障系統及其評價

陳春良1， 陳偉龍1， 魏兆磊1， 劉 彥1， 曾治巍2

(1. 裝甲兵工程學院技術保障工程系， 北京 100072； 2. 73667部隊, 江蘇 南京 212421)

分析了陸軍主戰裝備自主式保障系統的基本架構及陸軍主戰裝備保障能力的影響因素，初選了其評價指標，并應用質量功能展開法(Quality Function Development,QFD)進行了優選，構建了評價指標體系，提出了基于群層次分析法(Group Analytic Hierachy Process, GAHP)-云理論(Cloud Theory, CT)的評價模型，并應用該模型對自主式保障系統與現行保障系統的保障能力進行了評價，通過對比分析提出了自主式保障系統的優勢與可能存在的問題，為自主式保障系統的研究與建設提供參考。

自主式保障；質量功能展開；群層次分析法；云理論

近年來，以美俄為首的軍事強國率先掀起了裝備保障轉型的浪潮，提出了“一體化保障”、“社會化保障”、“精確化保障”、“感知與響應保障”等創新理論，并得到了很好的實踐和推廣。在F-35戰機研制過程中，美軍提出了自主式保障(Autonomic Logistics, AL)[1-2]新理念，它能以更低的費用提高飛機在全壽命周期內的利用率。

國內學者將自主式保障思想引入裝備保障領域，展開了裝備保障能力生成模式轉型研究。但自主式保障是否適用于我國陸軍主戰裝備，是否優于現行保障模式，是否有助于解決當前陸軍主戰裝備保障面臨的預見性差、針對性不強、保障效益不高等問題，亟需評估與驗證。文獻[3-4]作者采用不同的系統仿真方法驗證了自主式保障的先進性，國內尚無此方面的報道。在驗證方法方面，Tsoutis[5]采用使用可用度、每飛行小時所需維修工時和任務周期內的故障數3項指標，對比研究了自主式保障系統和傳統保障系統的保障能力。總體來看，國內研究多集中于航空領域[6-7]，針對陸軍主戰裝備的研究很少，更缺乏客觀、科學的評價方法；且在評價驗證過程中多采用單一專家或多位專家權重加權[8]的方法對評價指標賦權，這種賦權方法主觀性較強；對于貧信息和不確定信息，多采用灰色理論[9]和模糊理論[10]進行處理，無法較好地將定性信息定量化。

群層次分析法(Group Analytic Hierarchy Process, GAHP)可針對同一問題不同專家的決策結果會不相同的情況，以基于多數原則的聚類賦權為主，以依據判斷矩陣一致性程度賦權為輔，提高了評價的客觀性。云理論(Cloud Theory, CT)則充分考慮了不確定性概念的模糊性和隨機性，采用定性、定量相結合的方法，針對不同指標可采用不同的評價標準，彌補了傳統評價中對因素集的評價采用同一評價標準的不足。本文分析了陸軍主戰裝備自主式保障系統的架構，建立了陸軍主戰裝備保障能力評價指標體系，構建了基于GAHP-CT的評價模型，并采用該模型對陸軍主戰裝備的自主式保障系統和現行保障系統的保障能力進行了對比評價，驗證陸軍主戰裝備自主式保障的先進性，為自主式保障系統的研究與建設提供參考。

1 自主式保障系統的基本架構

陸軍主戰裝備自主式保障系統(簡稱自主式保障系統(Autonomic Logistics System, ALS))的實質是由裝備自診斷子系統，網絡化、信息化的保障信息子系統和維修子系統密切協同所形成的綜合保障體系。它通過壽命預測與健康管理(Prognostics and Health Management, PHM)[11-13]系統對裝備的健康狀況進行管理，實時地預測裝備各個部件的剩余壽命，并生成維修決策方案；整個系統通過聯合分布式信息系統(Joint Distributed Information System, JDIS)緊密聯系，自動生成輔助保障決策方案，調度保障資源，最終通過維修作業實現維修保障目的。

ALS由8個關鍵子系統構成，其功能分別如下。

1) 聯合分布式信息子系統通過采用開放式體系結構，將現有的各類信息系統連接起來，在裝備平臺、使用分隊、維修保障機構、軍工廠和各級器材倉庫之間實現實時的全資可視、全事件可視和全部信息共享。

2) 壽命預測與健康管理子系統通過采用先進的狀態監測技術，借助各類算法和模型來監控、診斷、預測和管理裝備的工作狀態，以期在準確的時間對準確的部位采取正確的維修活動，縮短故障修理時間、降低保障規模，提高裝備的使用可用度、戰備完好性和任務成功性。

3) 指揮決策子系統通過利用聯合分布式信息子系統把整個作戰空間的保障力量、保障任務和保障資源連為一體，對整個保障行動進行決策、計劃、組織、協調、控制與指導，實現維修保障快速化和精確化。

4) 任務管理子系統依據指揮決策子系統制定的維修保障決策方案，將維修保障任務分配到維修作業子系統、資源管理子系統和保障訓練子系統，并進行全過程管理，保證按時順利完成維修保障任務。

5) 維修作業子系統依據維修方案，采取適當的修理方法實施維修作業，對修前準備、修理工藝、維修過程進行管理，恢復裝備戰術技術性能。同時，還為數據庫管理子系統提供修理工作、維修資源消耗、維修作業人員的技能水平等數據信息。

6) 保障資源管理子系統全面管理各種保障資源，并與聯合分布式信息子系統、指揮決策子系統密切配合，對各項維修保障活動給予資源支持，保證維修活動得到及時充足的資源供應。

7) 保障訓練子系統通過對維修作業人員、指揮人員、信息處理人員和器材保障人員等各類維修保障人員進行共同訓練、專業技術訓練、專業勤務訓練、保障指揮訓練和保障防衛訓練等各項專業訓練，提高維修保障人員的業務水平；另外，還根據故障預測的結果，有針對性地對維修作業人員進行專項修理技能訓練。

8) 數據庫管理子系統主要是為ALS的各個功能子系統提供裝備使用與維修、保障機構及人員各類信息，及時更新數據，為所有維修保障活動提供數據支持[14]。ALS的運行流程如圖1所示。

2 評價指標體系

2.1 影響因素分析與評價指標初選

故障診斷能力、資源保障能力和維修作業能力是構成陸軍主戰裝備保障能力的3個核心子能力。

故障診斷處于整個保障活動的開端，它通過事后診斷或故障預測和狀態監測等觸發維修保障活動。影響故障診斷能力的因素主要有故障診斷的效率和準確程度，評價效率的指標主要有x7、x8、x9，評價準確程度的指標主要有x1、x2、x3、x4、x5、x6。

圖1 ALS運行流程

資源保障涉及維修器材、設施設備、機工具和油料等各種保障資源的品種、數量、狀態、配置、儲存、調派、運輸和補充等。影響資源保障能力的因素主要是現有保障資源狀況和保障資源供應效果，評價資源狀況的指標主要有z1、z2、z3、z4、z5，評價資源供應效果的指標主要有z6、z7、z8、z9、z10。

維修作業是依據維修方案，采取適用的維修方法，迅速組織維修作業人員對待修裝備實施維修的一系列活動。影響維修作業能力的因素主要是維修人員、維修時間和維修效果，評價維修人員的指標主要有y1、y2、y3，評價維修時間的指標主要有y4、y5、y6，評價維修效果的指標主要有y7、y8、y9。

依據上述分析，初步提出陸軍主戰裝備保障能力評價指標，如圖2所示。

圖2 陸軍主戰裝備保障能力評價初選指標

2.2 評價指標優選

圖3 QFD優選評價指標的質量屋

本文以客觀性、實用性(即篩選出的評價指標應與部隊裝備維修保障實際密切相關，指標含義明確)、可測算性和關鍵性為指標篩選要求，邀請裝備保障領域專家對其進行兩兩比較，采用AHP法求得w=(0.095 4， 0.467 3， 0.277 2， 0.160 1)。

經專家評定，準則故障診斷能力的關系矩陣為

同理，可優選出維修作業能力和資源保障能力的評價指標分別為y3、y4、y5、y8和z1、z2、z3、z5、z6，由此可得陸軍主戰裝備保障能力評價指標體系，如圖4所示。

圖4 陸軍主戰裝備保障能力評價指標體系

3 基于GAHP-CT的評價模型

3.1 基于GAHP的指標權重確定模型

3.1.1 基于專家個體的指標權重確定

邀請m個專家對保障能力評價的任一評價準則(A,B1,B2,B3)下的n個指標進行評價，第i(i=1,2,…,m)個專家給出的判斷矩陣為Ai，并對其進行一致性檢驗。為消除指標間可能存在的相關性，給最大特征值λimax對應的特征向量Ui右乘一個自相關矩陣[15]Ri=(rij)n×n，則第i位專家對n個保障能力評價指標的權重向量為

W0i=UiRi,

(1)

歸一化后得其權重向量為Wi=(wi1,wi2,…,win)T。

3.1.2 基于聚類分析的專家權重確定

1) 聚類分析

定義[16]：Wx和Wy之間的夾角余弦為Ax和Ay之間的相容度[17]c(x,y)，則

(2)

聚類分析步驟如下。

Step1：在相容度矩陣E=(c(x,y))m×m中，找出非對角線最大元素，將最大相容度涉及的2名專家p、q聚為一類，記作Ur，則Ur={p,q}。

Step2：設定閾值，查驗次最大相容度與閾值之間的關系，若次最大相容度>閾值，則進行Step3；否則停止聚類，輸出分類結果。

Step3：重構相容度矩陣，首先剔除所有與專家p、q排序向量相關的相容度，然后增加新類Ur，當Ur與其他任一專家k的權重向量之間的相容度c(r,k)=max(c(p,k),c(q,k))時，返回Step1。

2) 類別間與類別內的權重確定

設在某一評價準則下，m位維修保障領域專家經聚類分為s類，第j(j=1,2,…,s)類專家中有ρj位專家，則類別間第j類專家的權重為

(3)

類別內第i位專家的權重為

(4)

式中：CRi為第i位專家構建的判斷矩陣的一致性比例；CRjk為第j類專家中第k位專家構建的判斷矩陣的一致性比例；b為調節參數，在實際應用中，一般b=10。

第i位專家的綜合權重為

φi=ej×ai。

(5)

3.1.3 單項評價指標的綜合權重確定

由式(1)和(5)可得單項評價指標的綜合權重向量為

(6)

3.2 基于CT的評價驗證模型

3.2.1 評語云概念化

首先，定義保障能力評價的評語為“優、良、中、較差、差”5級；然后，邀請專家組對這5級評語進行評價。采用基于區間數的逆向云發生器算法求解5種評語的云模型特征值(En0,Ex0,He0)。

具體評價步驟如下。

(7)其中k為常數，可根據評語本身的模糊程度進行調整。

Step 3：計算m位專家對第j級評語的綜合云模型特征值,這里約定各位專家的權重相同,計算公式為

(8)

Step 4：通過正向云發生器將保障能力生成模式評價的5級評語添加到連續的語言值標尺上。

3.2.2 指標狀態值的獲取與云模型化

首先，邀請m位專家對每一項保障能力評價指標進行個體決策，得到m種狀態值；然后，依據云概念化后各評語的云模型特征值(En0,Ex0,He0)，將m×N(N為最底層的指標總數)個狀態值云模型化。

3.2.3 指標云模型的聚合

具體聚合步驟如下。

Step 1：單個指標云模型的平行聚合。采用虛擬云理論[18]的浮動云算法，將不同專家對單個保障能力評價指標的評價結果進行聚合，得到單個指標的云模型特征值(En,Ex,He)，計算公式為

(9)

其中，φi(i=1,2,…,m)為根據式(5)求得的某一評價準則下第i位專家的權重。

Step 2：多指標云模型的向上聚合。利用虛擬云理論[18]的綜合云算法，將保障能力評價的底層指標逐層向上聚合，得到上一層保障能力評價指標的云模型特征值(En,Ex,He),即

(10)

其中，ηi(i=1,2,…,n)為根據式(6)求得的某一評價準則下各評價指標的權重。

Step 3:判斷是否已經得到頂層保障能力評價指標的云模型特征值，如果“是”，則終止計算；否則重復Step 2，繼續逐層向上聚合。

3.2.4 評價結果的確定

通過正向云發生器將求得的頂層保障能力評價指標的云模型特征值(En,Ex,He)添加到評語云圖中，得到云滴占有率分布圖，根據云滴分布情況即可確定系統保障能力的評價結果。

4 示例分析

4.1 評價結果

邀請6位業內專家實施評價，得出各個評價指標的判斷矩陣，通過計算得到各級評價指標的云模型特征值(En，Ex，He)，并作出相應的云圖。限于篇幅，此處僅給出ALS和現行保障系統的保障能力云模型特征值，分別為(0.781 4，0.050 0，0.006 4)和(0.707 2，0.045 3，0.006 1)，ALS所有底層指標的云模型特征值如表1所示。

其中：保障能力、故障診斷能力、維修作業能力、資源保障能力和虛警率的評價結果對比云圖分別如圖5-9所示。

4.2 結果分析

1) 從系統整體角度來看：ALS保障能力的云滴基本全部落在“良”與“優”之間，而現行保障系統的云滴則散落在“中”與“良”的中間位置，如圖5所示，差一個評價等級，且云滴的離散程度相近，表明就整體保障能力而言，ALS優于現行保障系統，能夠更好地完成陸軍主戰裝備的保障任務、保持和恢復作戰部(分)隊的戰斗力。

表1 ALS底層指標的云模型特征值

圖5 保障能力評價結果對比云圖

圖6 故障診斷能力評價結果對比云圖

圖7 維修作業能力評價結果對比云圖

圖8 資源保障能力評價結果對比云圖

圖9 虛警率評價結果對比云圖

2) 由圖6可看出：ALS的故障診斷能力明顯優于現行保障系統。其原因主要是ALS依靠PHM對重要功能部件進行剩余壽命實時預測，通過JDIS實現全域實時共享，維修工作開始時間提前到潛在功能故障期，降低了故障診斷和定位難度，維修人員僅需完成簡單的拆卸、更換和調試等工作，最大程度地減少了不正確的維修活動。

3) 由圖7、8可知：ALS的維修作業能力和資源保障能力均優于現行保障系統，且資源保障能力的優勢更大。其原因主要是ALS在裝備停機前即開展保障器材調度、設施設備準備等工作，大幅縮短了保障延遲時間和停機等待時間，提高了器材需求滿足度。可降低保障資源規模要求，減少保障資源儲存和管理費用，提高保障資源利用率和故障主戰裝備的修復率。

4)由圖9可看出：ALS虛警率的云滴主要散落在“中”附近，且云滴離散程度低，表明其明顯遜色于現行保障系統。其原因主要是PHM的功能設計要求其能夠進行重要功能部件的健康管理和剩余壽命的實時預測，但考慮到主戰裝備的工作環境及PHM目前的戰技指標、可靠性和可信度都存在一定差距，導致ALS虛警率偏高，故障預測費用昂貴。

[1] Carole H. The Lightning Approach to Mro[J]. Overhaul & Maintenance, 2007, 13(8):1-1.

[2] Byers B A.Optimization of the F-35 Acquisition[R].Quantico:Marine Corps Univ,2010.

[3] Rebulanan R. Simulation of the Joint Strike Fighter’s Autonomic Logisistics System Using the Java Programming Language[R].Ohio:Air Force Institue of Technology, 2000.

[4] Jeffrey B, Karl R, Ed C, et al. How Engineers can Conduct Cost-Benefit Analysis for PHM Systems[J]. IEEE Aerospace and Electronic Systems Magazine, 2009, 20(3): 22-30.

[5] Tsoutis A.Analysis of the Joint Strike Fighter Autonomic Logistics System[R].Monterey,CA: Naval Postgraduate School,2006.

[6] 溫杰. F-35項目的進展及其面臨的問題[J]. 國際航空, 2011(1): 27-29.

[7] 張寶珍.自主式保障：信息時代武器裝備保障新模式[C]∥計算機測量與控制雜志社. 武器裝備綜合保障信息化技術研討會文集. 北京:計算機測量與控制雜志社,2009:1-7.

[8] 崔建國, 傅康毅, 陳希成, 等. 基于灰色模糊與層次分析的多屬性飛機維修決策方法[J]. 航空學報, 2014, 35(2): 478-486.

[9] 陳士濤, 張志峰, 歸建洲. 基于灰色理論的電子維修車保障效能綜合評估[J]. 系統工程與電子技術, 2009, 31(4): 994-996.

[10] 吳靜, 吳曉燕, 高忠長. 基于模糊聚類和粗糙集的仿真可信性模糊綜合評估[J]. 系統工程與電子技術, 2010, 32(4): 770-773.

[11] Hess A, Calvello G, Dabney T. PHM a Key Enabler for the JSF Autonomic Logistics Support Concept[C]∥IEEE. 2004 IEEE Aerospace Conference Proceedings. Big Sky:IEEE, 2004: 3543-3550.

[12] Sheppard J W, Kaufman M A, Wilmer T J. IEEE Standards for Prognostics and Health Management[J]. IEEE Aerospace and Electronic Systems Magazine, 2009, 24(9): 34-41.

[13] Micheael E M. A Methodology for Simulating the Joint Strike Fighter’s (JSF) Prognostics and Health Management System[D]. USAF: Air University, 2001.

[14] 陳春良, 陳偉龍. 基于主動式保障的裝備維修保障系統研究[J]. 裝甲兵工程學院學報, 2013, 27(5):13-18.

[15] Chan L K, Wu M L. A Systematic Approach to Quality Function Deployment with a Full Illustrative Example[J]. Omega, 2005, 33(1): 119-139.

[16] Saaty T L. A Ratio Scale Metric and Compatibility of Ratioscales:on the Possibility of Arrow’s Impossibility Theorem[M].Washington: ISAHP Washington,1994.

[17] 吉建華. 群組決策中相容性檢驗的夾角余弦法[J]. 重慶工學院學報, 2008, 22(6):141-143.

[18] 王新洲, 史文中, 王樹良. 模糊空間信息處理[M]. 武漢: 武漢大學出版社, 2003.

(責任編輯:王生鳳)

Study on Autonomic Logistic System of Army Main Battle Equipment and Evaluation

CHEN Chun-liang1, CHEN Wei-long1, WEI Zhao-lei1, LIU Yan1, ZENG Zhi-wei2

(1. Department of Technical Support Engineering, Academy of Armored Force Engineering, Beijing 100072, China;2. Troop No. 73667 of PLA, Nanjing 212421, China)

The basic framework of Autonomic Logistic System (ALS) of Army main battle equipment is and the influence factors and primary evaluation indicators of support capability of ALS are analyzed. Primary evaluation indicators are optimized through Quality Function Development (QFD) and evaluation index system of support capability is constructed. Evaluation model of support capability based on Group Analytic Hierarchy Process (GAHP) and Cloud Theory (CT) is put forward and used to evaluate ALS and traditional support system. Advantages and potential problems of ALS are raised by comparative analysis, which provides a reference for further study and construction of ALS.

autonomic logistics; Quality Function Development (QFD); Group Analytic Hierarchy Process (GAHP); Cloud Theory (CT)

1672-1497(2015)03-0018-07

2014-12-20

軍隊科研計劃項目

陳春良(1963-)，男，教授，碩士。

E92

A

10.3969/j.issn.1672-1497.2015.03.005