本期特別關注

　　外媒近日報道，美國國防部非常重視國防的分析和研發。C4ISR新聞網站報道稱，大數據是美國國防部內部機構優先考慮的內容，這種轉變不僅影響日益複雜的武器，而且影響軍隊的指揮與控制能力，所有的軍種正在資助大數據研發。各方面的研究均指出，在軍事裝備建設領域，數據是基礎、是支柱，大數據更是越來越發揮了重要作用。請看科技日報特約專稿——

　　第四代戰機F/A-22“猛禽”、X-47B無人機……在這些美軍最先進的武器裝備背後，大數據的身影出現的越來越多。在往往歷時數年的裝備研發建設中，大數據的廣泛應用堪稱裝備建設的“金鑰匙”，成為決定裝備建設成敗的關鍵因素。

　　武器裝備建設中各項戰技術指標的準確數據，是裝備建設中最有價值的部分。與此同時，裝備建設活動又是風險極高的事業，在裝備建設史上，只開花、不結果的項目不少，糾其原因，是裝備建設過程中沒有處理應對好存在的種種風險，如何依靠已有的大量數據，量化風險，是發揮裝備建設大數據價值的關鍵。在當前武器裝備建設體系化的大環境中，如何讓數據説話，量化風險，提高管理決策水準，進而提升裝備建設效益，顯得極為重要。我們完全可以肯定：沒有數據就沒有裝備建設！

　　大數據在先進裝備建設中廣泛應用

　　武器裝備建設具有科技含量高、獨創性強、投資規模大、後果關聯性強等特點，給裝備建設風險管理帶來了極大的挑戰。也因此，近年來，美國等發達國家越來越傾向於用大數據推進裝備建設的發展。

　　美國第四代戰鬥機F/A-22就是數據採集和大數據分析在裝備建設中的一個典型運用。

　　F/A-22自1997年試驗機首飛起，開展了廣泛的研製試驗與評價飛行試驗，驗證了飛機的優良性能。這些試驗主要有飛行器性能試驗、航電系統試驗、低可探測性試驗、後勤試驗和評價、地面結構試驗等，通過以上試驗，獲得了大量數據。除此之外，還進行了如下專業試驗。

　　環境試驗。2002年6月至9月，F/A-22 4004試驗機在埃格林空軍基地的McKinley氣候實驗室進行了3個月的環境試驗。飛機被安裝到約77米寬、61米長、21米高的主試驗艙，先後進行了低溫、降雪和熱環境試驗，以及下雨試驗。每一次環境實驗都像一次飛行，飛行員在座艙內在每種天氣情況下啟動發動機和操縱各種系統。維修、載荷和輔助系統試驗也同時進行，以驗證飛機不同天氣情況下的維修特點。

　　實彈發射試驗。F/A-22試驗項目計劃進行了21次實彈發射試驗。到2001年，完成了14次飛機部件的實彈發射試驗。2000年11月4001號機撤出飛行試驗，到達懷特-帕特森空軍基地，參加實彈發射試驗。飛機被安裝上試驗臺，2001年8月完成了翼根處的實彈射擊試驗，隨後還計劃完成機翼前緣處實彈射擊試驗。

　　武器整合試驗。2000年起，F/A-22試驗機開始導彈發射試驗，先後進行了亞音速情況下AIM-9M、AIM-120C發射試驗，超音速發射AIM-9、AIM-120C試驗，超音速發射雷達制導AIM-9M導彈擊中火箭靶標試驗、超音速發射帶制導的AIM-9導彈擊中QF-4無人靶機試驗，以及大g值發射AIM-9導彈和連續發射3枚導彈、同時發射4枚AIM-120攻擊4個目標等的試驗。

　　通過這些試驗，美國軍方收集了大量的數據，為F/A-22項目建設、降低風險奠定了堅實可靠的基礎。

　　利用大數據可有效降低裝備建設風險

　　裝備建設中不確定的因素很多，這些不確定因素在一定的條件下將演變為風險事故，可能造成巨大的經濟損失和人員傷亡，甚至産生很大的社會、經濟、政治和技術方面的損失。武器裝備建設風險，按照風險來源可以分為技術風險、計劃風險、費用風險和進度風險等五種風險。

　　技術風險，表現為武器裝備的技術水準不能與社會先進技術水準保持同步，大大超前或落後於時代的技術發展，無法實現建設目標，不能科學地完成武器裝備建設任務。

　　計劃風險，指武器裝備建設計劃制定不完善，對所需的各種資源和設施考慮不週到而産生的風險，包括使用一些可能不受武器項目控制但又可能影響項目方向的可用資源和活動。典型風險源有：不切實際的方案、進度安排，前期準備不充分，協調不力等。

　　費用風險，指按原計劃的項目經費不能夠完成該項目建設工作的風險。典型的風險源有估算錯誤、預算不週、開支控制不嚴、管理監督不力等。

　　進度風險，指裝備建設項目不能按照既定的進度安排完成重要的階段性計劃的風險。不能獲得充分的數據並正確應用於後繼的規劃，造成無法評價系統是否充分滿足其戰備完好性要求；沒有準確的故障率數據，産生故障的原因不明，無法進行對故障模式、影響和危害性的分析及其可靠性、可維修性分析。

　　管理風險，指在裝備建設項目實施過程中，與項目有關的管理因素不適應項目管理而産生的風險。

　　筆者注意到，當大數據已經被許多領域接受時，風險控制仍未開始利用它的力量。事實上，大數據在風險控制方面有著革命性的潛力。特別是它能提高風險模型的預測能力及穩定性，指數式的改善系統響應時間及效用，提供更廣泛的風險覆蓋，並且能顯著的節約成本。在越來越複雜、需求越來越多的武器裝備試驗中，獲取、處理以及利用大數據的能力將直接關係到裝備建設風險管理的成敗。

　　大數據是主導裝備建設質效提升的增長點

　　當前，隨著資訊化建設進程的不斷推進，陸、海、空、電等軍兵種都建立了各自的武器裝備資訊數據檔案，其數據主要包括武器裝備的型號、性能、數量、品質情況、使用情況、保障情況等，由於武器裝備研發、生産、編配、使用、保障分屬於不同單位和人員，裝備資訊容易出現堆積、丟失、重復的現象。與此同時，在裝備建設領域，由於涉及的保障資源種類繁多、數量巨大，客觀上必須依賴電腦數據管理系統進行業務處理。但是隨著數據庫技術、網路技術的發展，受實施數據管理系統的階段性、技術性以及其他因素的影響，裝備管理的各業務部門，所採用的數據管理系統必然是不一樣的，並且各類裝備建設數據分散在各業務部門的分系統中，使得裝備建設綜合資訊數據不便匯總、查詢困難，這必將導致在綜合層面無法進行高效的裝備建設資訊數據匯總、查詢和應用，而使用大數據管理裝備建設數據，使其規範化，則能夠較好地解決以上難題。

　　無論從現代戰爭要求對資訊的全面快速的掌控來看，還是從數據庫技術發展的趨勢來看，都需要建立一個強大的系統，能夠整合存在於分佈數據源的裝備建設數據，為裝備建設綜合決策部門提供快速的數據匯總和數據支撐，使裝備建設及保障管理及相應的輔助決策分析提高到一個新層次。然而，目前武器裝備發展中依舊存在“多代産品共存在，軍民融合式數據共用，裝備數據動態變化”等現實問題，數據庫技術已經逐漸不能滿足資訊化戰爭數據精準高效的需要，而大數據技術具備突破常規技術“數據單一、橫向隔絕、挖掘瓶頸”等特點，為提供可靠、有效、準確的裝備建設數據奠定了技術基礎。可以説，大數據是主導裝備建設品質效益提升的新的增長點。

　　可以預計，未來影響、決定裝備建設進度和品質效益的最大核心在數據，數據的積累量、數據分析處理能力、數據主導決策將是獲得裝備發展優勢的關鍵。大數據時代，通過挖掘綜合數據、分析相關關係，幫助我們分析研究裝備建設全過程、全壽命，得出正確結論，作出科學決策，並科學預測決策之後帶來的連鎖反應，對可能出現的情況或問題加以調控。因此，必須強化“資訊要素是主導要素、數據優勢是絕對優勢”的觀念，加快裝備建設領域的大數據構建，著力提升數據資訊的獲取、分析、處理等能力，充分發揮資訊力在裝備建設發展中的主導作用，努力提高“從數據到決策的能力”，確保在未來資訊化戰爭中贏得主動，佔得先機。（作者單位：裝備學院、空軍後勤部）