基于大數據的裝備保障決策輔助支持系統研究

王澤杰 樊紀偉 李楊

隨著大數據技術在決策領域的不斷應用，必將給裝備保障決策方式帶來重大的變革。文章分析了大數據為裝備保障決策帶來新的機遇，闡述了裝備保障決策思路方法，并構建了基于大數據的裝備保障輔助決策系統。

隨著信息化時代的到來，數據量的產生和交流急劇增加。 “大數據”這個詞頻繁的出現在我們的視野中，正所謂得“大數據”者得先機。許多國家和地區把大數據提升到戰略層面進行研究，基于大數據的裝備保障決策問題研究，既是為部隊裝備保障決策提供一種新的思路，也是新形式下提升軍隊戰斗力的必然選擇。

大數據基本內涵

目前學術界對于“大數據”一詞沒有明確的定義，大家眾說紛紜，麥肯錫咨詢公（McKinsey&Company;）作為研究大數據的先驅，在其報告《大數據：競爭、創新和生產力的前沿領域》中給出的大數據定義為大小超出常規數據庫軟件工具獲取、存儲、管理和分析能力的數據集。大數據研究專家維克托·麥爾·舍恩伯格對于大數據的定義：即無法在一定時間范圍內用常規軟件工具進行捕捉、管理和處理的數據集合，是需要新處理模式才能具有更強的決策力、洞察發現力和流程優化能力的海量、高增長率和多樣化的信息資產。由此可知大數據是不同類型的海量數據在極速增長下的數據集合。從理論層次而言大數據不僅僅指以GB、TB為單位的儲存形式，更多時候是以PB、EB、ZB、YB、BB、NB、DB等形式存在。在維克托·邁爾一舍恩伯格及肯尼斯·庫克耶編寫的《大數據時代》中大數據指不用隨機分析法這樣捷徑，而采用所有數據進行分析處理。體現出大數據的4V特點即：Volume（大量）、Velocity（高速）、Variety（多樣性）、Value（價值密度低）。

我們可以從三個方面去理解大數據的鮮明特征。第一、讓樣本數據成為總體數據。大數據的產生就如同機械化存儲方式變成更加智能化存儲。“小樣本”并不單單指抽象的數據代表，而是一個“大數據”量的代表性的融合。第二、讓數據發出聲音。從最不可能提取數據的地方提取數據，數據的表面看似毫無關聯，但卻可以擴展為有價值的動態組合，還原事物的內在本質，實現對于相關性的需求。第三、實現可控性，大數據的特點是數據量巨大，其最直接的核心就是預測，大數據的技術的成熟應用可以讓單一的、對于冰冷數字閱讀變成有多維的動態感知，從而可以實現對各種常規及意外情況的有效預測。

大數據為裝備保障決策帶來新的機遇

“大數據”是未來信息化戰爭致勝的關鍵，戰場態勢瞬息萬變，偵、攻、防一體，作戰行動的速度已經達到秒級，是真正意義的“發現即摧毀”[3]。然而信息化條件下的聯合作戰兵種多，結構復雜，環境變化快，隨之為裝備保障決策提出了更高的要求。傳統決策模式受數據信息和決策體制的制約，導致裝備保障的效率低下，資源浪費嚴重，戰場響應能力不足的情況的出現，不僅影響了決策的過程，更加影響了作戰的進程。

大數據技術的應用可以將敵我態勢、武器裝備配置、物資損耗等情況通過大數據平臺的數據挖掘轉變成為有價值的情報信息，并及時更新顯示出來。有效提高基于大數據模式下戰場情況分析判斷、科學合理的預測裝備保障需求、擬制出精確可行的裝備保障方案。減少保障物資的浪費，在有限的時域內充分發揮裝備保障物資的最大價值，提高作戰的能力。

大數據為裝備保障決策帶來新的思路方法

一是整體設計，系統分析。裝備保障決策是一個動態、開放、復雜的多目標、風險型決策活動。既要強調整體性，將大數據條件下的裝備保障決策問題置于作戰體系中進行系統分析。又要強調有序性，為實現總體目標和整體結構的順暢運行，使裝備保障各要素能夠在作戰運行機構的作用下，形成理想的運行秩序和有效的協同配合能力。

二是需求指引，合理定位。對于作戰需求，既是大數據條件下牽引裝備保障科學決策機制構建的直接動力，也是對裝備保障科學決策機制的前瞻設計。深入分析大數據條件下部隊作戰對裝備保障決策的影響和要求，得出裝備保障決策在大數據平臺的數據采集，存儲，分類，控制，優化等方面存在的問題及原因，為科學決策提供依據。

三是把握全局，以點帶面。“綜合”、“協調”是裝備保障決策活動的關鍵環節，也是整個決策活動過程中協同力的具體體現。大數據精確的分析得出的保障器材的精確配送，保障力量的精確使用，武器裝備的精確維修，從大數據信息的獲取和利用，使裝備物資保障從作戰被動補給到主動配送。

構建大數據的裝備保障輔助決策支持系統

大數據模式下在各種領域應用的諸多優勢，本文提出了基于大數據的裝備保障決策輔助支持系統的體系構架，如圖所示。

筆者根據清晰明了，指導建設的原則將該體系架構分為三橫一縱。根據數據信息的流向自下而上分為基礎層、服務層、應用層。通過一個縱向的管理平臺（包括體系管理、數據管理、安全管理）橫跨多層，實現數據健康運維。最后依靠大數據的計算、分析、預測能力向終端使用群體提供輔助決策方案。

基礎層：基礎層主要流向服務層，提供軟、硬件設施實現資源共享、動態配置等功能。主要由數據的存儲設備，數據采集，數據感知等組成。數據存儲設備是一些必要的硬件設施。數據采集又包括離線采集（ETL）、實時采集（Flume）、互聯網采集（Crawler）、第三方采集等。數據感知指敵我雙方戰場態勢、裝備保障任務、力量配置、戰損情況等。

服務層：主要流向應用層，為應用層提供中間件，平臺服務等。將所流入的資源進行再分配，重新部署等。由于基礎層接收的信息變化急速，沒有規律性，需要利用SOA系統架構的方法將原有的框架重新整合，搭載SAS系統將深層次數據信息以生動直觀的圖形呈現出來，提高整合各種平臺的能力滿足不同的使用環境。也可通過Open API將所需求信息提供給用戶。

應用層：主要是系統能夠為終端用戶提供各種業務的應用服務，為裝備保障指揮機構和決策人員提供決策輔助。利用大數據平臺將各種系統軟件分析呈現的結果迅速提交給終端用戶。各作戰機構將業務應用軟件統一安裝在專用的服務器上，用戶不用重新構建和維護硬件設施和應用軟件，只需根據自身不同需求索取不同的輔助決策方案。 基于大數據的裝備保障決策輔助支持系統可以根據不同的戰場情況制定多種裝備保障決策方案，供指揮人員根據不同的任務需求選擇最優的方案做出最優的選擇。但決策的效能會受數據和軟件的影響，不斷完善數據的質量和決策支持系統的性能，為進一步提升戰裝備保障決策的能力打下堅實基礎。