裝備保障數據體系構建與應用

唐 琳，李建濤，郭 勇，黃 猛

(1.中國人民解放軍91977 部隊，北京 102249；2.海軍裝備部，北京 136100)

0 引言

隨著信息化的發展，數據資源已經成為獲取戰場信息控制權的要素之一。戰場態勢感知、任務規劃、自主協同等都取決于海量數據的獲取和處理[1]。大數據的競爭已經成為影響世界局勢和主導權的關鍵因素[2–3]。當前，種類繁多的海量裝備數據資源仍以原始形式存儲在各單位和部門中，物理分布在不同地域，難以得到有效地組織和利用，存在管理系統多、兼容互通少，動態數據多、采集方法少，數據采集多，分析利用少等問題[4]。因此，建立合理的裝備保障數據體系，實現裝備保障數據的規范管理，對于提高裝備保障信息化水平具有重要的現實意義。

1 概念及作用意義

1.1 概念

裝備保障是“為使所配備的武器裝備順利遂行各種任務而采取的各項保證措施與進行的相應組織指揮活動的統稱”[5–8]。裝備保障數據體系是能夠完整描述武器裝備從研制、生產、試驗、部署、訓練、作戰、維修、報廢整個生命周期內所有信息的數據集合，主要包括描述裝備生命周期的各類元數據、物理數據和文件[9–11]。

裝備保障數據涉及到裝備全壽命過程的各個階段，具有以下特點：

1）多源性。由于保障方式和獲取手段的多樣性，導致了保障數據的多源性，數據精度和數據格式有較大的的差異，數據結構較為復雜。

2）多態性。由于保障數據的多源性，也導致了保障數據存在形態多樣，包括格式化和非格式化數據，這也增加了數據處理的難度。

3）多樣性。保障數據包含的信息類型較為龐雜，給數據管理增加了難度。

4）關聯性。孤立的數據發揮的作用甚小，而通過裝備保障數據可以將機構、人員、裝備、裝備保障過程和時空環境串聯在一起，形成一個有機的整體，以最大化發揮裝備保障數據的優勢。

1.2 作用意義

信息系統建設是現代化裝備保障發展的需要，裝備保障數據體系建設的意義在于整合“數據孤島”，使海量的保障數據發揮整體功效。構建一個含裝備研制、試驗、交裝和后期使用與保障的全壽命裝備保障數據體系，對于提高裝備保障信息化水平具有重要意義[5]。具體在以下2 個方面發揮著重要作用：

1）提高保障數據的共享程度。完善的裝備數據保障體系能夠充分發揮保障數據的應用價值；裝備保障數據是裝備信息化建設的數據基礎，完善的裝備數據保障體系可以提高信息資源規劃管理能力，適應裝備保障高效的管理新模式的需要。隨著裝備信息化建設越來越依賴裝備保障信息的支持，加強裝備保障數據體系建設，建立和完善裝備信息資源基礎，可以大幅度地提高裝備信息資源的總體開發利用水平。

2）在裝備保障數據體系建設中，按照特有的訪問控制機制對數據信息進行保護控制，能夠確保裝備信息資源的完整性、保密性、真實性和可用性。

2 裝備保障數據體系構建

裝備保障數據體系作為裝備保障數據的系統級集成，是裝備保障和業務應用的紐帶，裝備保障數據體系的構建應遵循以下原則[12–13]：

1）完整性。應包含裝備保障所需要的的各種類型數據，能夠支撐裝備保障各類業務；

2）合理性。數據描述、引用及關聯關系合理準確；

3）獨立性。各模塊功能具有相對獨立性，完成某個應用的數據支撐服務；

4）一致性。不同來源的數據描述應一致；

5）穩定性。數據總體結構應有穩定性，在不大范圍變動的情況下可持續更新完善。

裝備保障數據體系總體上分為原始層、基礎層、綜合層和共享層4 部分，如圖1 所示。

圖1 裝備保障數據體系Fig.1 Equipment support data system

2.1 原始層

原始層包含了所有的數據來源，數據類型、格式呈現多樣性。文件類型包括文本、二進制數據、XML文件以及應用系統文件。從結構上又分為結構化數據、半結構化數據和無結構數據。其中最大數據來源是標準數據集，標準數據集是一種半結構化數據，用來描述裝備保障過程中得到的各類記錄數據。數據源結構如圖2 所示。

圖2 裝備保障數據源體系結構圖Fig.2 Equipment support data source architecture diagram

2.2 基礎層

基礎層由數據集庫、標準數據庫、專業數據庫以及基礎元數據組成。其中數據集庫管理文件類型數據，標準數據庫和專業數據庫對數據集庫進行關系化存儲，元數據保存XML、代碼、日志等。

1）數據集庫。存儲標準裝備保障數據文件，裝備保障數據通常會由一個或多個數據文件組成，數據集庫對這些文件匯集處理，集中管理，與其他基礎數據形成一個整體，方便備份恢復。

2）標準數據庫。標準數據庫包括基礎代碼、基礎信息和數據字典，用于裝備保障信息的共享交換。

基礎代碼主要包括組織機構代碼、裝備目錄代碼、國防科研生產單位代碼、企業化修理工廠代碼、倉庫目錄代碼等數據。

基礎信息主要包括單位信息、裝備信息、人員信息、倉庫工程和標準規范信息。其中，單位信息主要包含生產單位、研制單位、修理工廠的信息；裝備信息主要包含裝備基本性能信息，主要包括裝備通用信息、配套信息、性能、保障指標等信息；裝備唯一標識信息主要包含裝備基本特征信息、唯一碼等信息；人員信息主要包含人員通用信息，國防科研生產單位技術人員，企業化修理工廠技術人員，專家人才等信息；倉庫工程信息主要包含裝備儲備單位及其規模、分布、庫容和保障能力，以及儲備裝備的品種、型號、數量、質量、分布等信息；標準規范信息主要包含所遵循的國家標準、行業標準等相關標準。

數據應用字典主要包括標準應用字典和數據屬性定義字典兩類。標準應用字典指在裝備保障過程中涉及到的、內容相對固定的枚舉型分類數據，為業務應用系統提供共用的基礎標準數據支撐。數據屬性定義字典是對裝備保障過程中的共性數據項名稱、類型等進行規范化描述的字典數據。

2.3 綜合應用層

綜合層由整合數據庫、專題數據庫和元數據組成，為數據分析、應用和決策提供服務。

1）整合數據庫。基礎數據經過提取、轉換、匯集等處理后形成。

滑坡區地勢整體北高南低，覆蓋層厚度小，山坡坡頂邊坡可見基巖出露(圖1)。滑坡后緣五星學校施工現場地面高程151～152 m，前緣高程122 m，相對高差29～30 m，一般坡度約為30°～35°，滑坡平面形態上呈半橢圓狀，后部呈弧形。滑坡縱向上坡度大體相等，前緣-中部陡，后緣緩。滑坡體寬約170 m，縱長約55.5 m，滑坡體體積約9.4×104 m3，滑坡主滑方向115°，滑坡類型為小型淺層牽引式土質滑坡。

2）專題數據集。在整合數據庫的基礎上，針對特定領域創建的數據視圖，由用戶自定義創建并維護。

3）整合元數據庫。通過添加整合數據庫、專題數據集的背景數據，對基礎元數據進行重新整理形成整合元數據庫。

2.4 共享層

共享層匯集原始層、基礎層和綜合層產生的最終數據，包括基礎數據、元數據等最終產品。

數據產品通常按照加工程度和應用角度分類，一般分為中間產品、最終產品或常規數據、服務數據。

中間產品指經過部分處理，例如各類裝備在保障過程中各類過程數據就是中間數據產品。最終產品可以直接使用，它可以是一個數據視圖或是一個計算、統計結果，產生來源可以很多，包括數據庫讀取或數據分析挖掘的結果。

常規產品指日常數據處理生成的數據，其生產模式、時間和數量較為穩定，使用范圍較廣。在常規產品基礎上，根據用戶需求生成的定制數據稱為服務數據產品。

3 關鍵技術

3.1 體系結構規劃技術

裝備保障數據體系結構的作用是從整體上構建裝備保障數據應用的軟件框架和軟件總線標準，對系統的功能模塊、接口、軟件、信息流程、人機交互進行統一規范。體系架構采用SOA 方法，各功能模塊獨立設計，通過服務總線進行集成。系統中的所有模塊和業務流程都需要調用數據，因此一個模塊的功能不能僅限于某一個具體的業務過程，其功能應該是通用的、獨立的，一個具體的業務流程應該是對這些功能模塊的再組合，從而實現業務功能動態重組。

SOA 本身是一個多層的服務平臺，包含了各個信息中心的業務模塊，并基于共享服務平臺提供服務的共享和信息的互通。各個數據中心的共享服務平臺端點，不管其部署位置，都通過中間件連接到SOA 服務，并通過服務總線實現信息交換、服務調用。

3.2 數據質量管控技術

數據質量是裝備保障數據體系能否實現建設目標的關鍵因素之一[14]，其質量優劣直接影響到裝備全壽命管理任務的完成質量，主要包括數據質量評估技術、數據清洗技術、數據集成技術、數據審核技術、數據增強技術等。

1）數據質量評估技術

采取一種數據質量績效管理方法，有利于呈現數據質量管理與組織信息相關活動的銜接情況。許多組織面臨的挑戰是，數據管理的發展與功能應用需求一樣，往往是事后彌補。數據分析員開始作為企業資產來評判數據的組織價值，暴露的差距說明了煙囪式業務應用收集的功能需求和良好數據管理實踐之間的分歧。評估并解決這種分歧的一個方法是評價與數據質量實踐相關的當前成熟度等級，之后設定一個最能滿足組織需求的目標成熟度等級。反之，這種方法將此愿景定為一種比較標準，用于對一個組織的成熟度與其他組織的工作方法進行比較，找出不足，并尋求提高。

針對具體的裝備數據質量評估任務，首先要構建適當的數據質量指標體系，指標體系的構建可以看成對完整的數據質量維度分層結構進行選擇或裁剪的過程。數據質量評價方法主要有定性方法、定量方法和綜合方法[15]。

2）數據清洗技術

由于大量數據已脫離數據獲取環境，不可能重新獲取或返回修改，需要通過數據清洗提高數據質量。數據質量問題包括重復記錄，邏輯錯誤、異常數據等。數據清洗一般流程包括數據檢測、錯誤分析、數據修正。數據清洗是一個代價高昂的過程，需要花費大量的資源，相當的工作需要人工交互式地完成，如何提高數據清洗效率、增加數據清洗的自動化水平是數據清洗技術的研究重點之一。

3）數據審核技術

數據審核是數據質量管理與控制的手段之一。數據審核通過制定審核規則（數據一致性、完整性、規范性等），對數據進行校驗審核，發現錯誤并修正。在裝備保障數據建設時，按照確定的數據需求，一方面通過數據采集工具進行新錄入數據的采集，另一方面對需要的歷史數據進行轉換集成。因此我們需要有一個部署于系統之上的數據審核角色來推動數據審核過程的不斷發展，并與管理決策層建立起必要的溝通渠道，以不斷完善數據管理規范，并促進全面數據質量管理體系的建立。

4）數據增強技術

在數據應用過程中，各種應用會頻繁復制修改數據，導致數據出現大量重復使數據質量嚴重下降，為了提高數據質量，基于多源數據的數據增強技術，通過尋找多數據源之間的共性，采用基于沖突值的質量評估方法合并重疊數據源來提高數據質量。

4 裝備保障數據體系應用

4.1 在裝備保障指揮中的應用

裝備保障指揮是一項集戰場技術偵察、裝備維修、器材彈藥供應等工作的指揮決策于一體的復雜性工作，保障數量多、型號多、環節多、時效性要求高、決策難度大[16]。隨著裝備保障信息化建設大力發展，裝備保障數據量成指數級增長，信息類型繁多，對數據的處理能力提出了更高的要求。通過構建裝備保障數據體系，實現海量裝備數據的積累，快速完成數據的價值提煉，篩選裝備保障指揮的有效信息，為指揮員科學決策提供支撐。

以裝備維修保障指揮為例，流程圖如圖3 所示。下級報告當前裝備損壞及分布情況，系統進行自動戰損評估，計算出當前各級所需維修能力；系統根據各級維修力量的數量及分布計算出各級現有維修能力；根據當前各級現有維修能力和所需維修能力，并結合當前戰場態勢及首長決心，通過裝備保障數據體系，系統能夠快速生成優質的裝備維修保障方案。

圖3 裝備維修保障指揮流程圖Fig.3 Equipment maintenance support command flow chart

4.2 在裝備故障預測中的應用

裝備故障預測是指根據裝備當前的使用狀態，結合裝備的參數特性、使用環境及歷史參數，對裝備可能出現的故障進行分析預判，列出可能出現的故障類型、嚴重程度、故障位置、故障原因和可能后果，以便采取措施，預先消除隱患，保障作戰和訓練任務順利完成[17–18]。

隨著裝備保障信息化水平的不斷提高而帶來的海量的裝備故障信息，給開展裝備故障預測工作帶來了新的挑戰。通過構建裝備保障數據體系，對海量裝備信息進行聚合，采用統一規范的方式進行數據整合、數據管理、數據提取、去偽存真、去粗求精，消除數據誤差，挖掘出數據的潛在價值和數據關聯性，建立定量數據模型，掌握裝備故障發生特點規律，對故障進行提前預測。裝備故障智能預測流程如圖4 所示。

圖4 裝備故障智能預測流程圖Fig.4 Flow chart of intelligent prediction of equipment failure

5 結語

裝備保障數據體系構建是一項全局性的系統工程，站在裝備全過程數據管理全局、數據服務全局的高度，進行多方位、多視角的審視，對裝備保障數據的建設進行全盤的設計，形成一個完整的、涵蓋了裝備全壽命過程的裝備保障數據體系，能夠為提升裝備保障信息化水平提供理論和技術支持。