中国指挥与控制学会会刊 
随着大数据、物联网、云计算等智能技术的集中爆发并在军事装备领域得到广泛应用,这些技术推动了军事装备管理日益向智能化、无人化方向加速演进,在此背景下,装备智能化管理能力亟须提升。在智能化战争背景下,陆军部队使命任务不断拓展,无人智能装备不断升级换代,这对装备智能化管理能力提出了严峻挑战[1]。作为陆军基本作战力量,陆军合成部队装备智能化管理能力直接影响装备保障效益和战斗力生成发展。以智能化作战需求为牵引,对陆军合成部队装备智能化管理能力进行系统分析,对于抢抓机遇、推动创新发展,进而优化陆军合成部队装备智能化管理效益,赢得未来作战装备保障主动权具有重要意义[2]。
目前,许多学者在装备智能化管理能力需求分析方面做出了有益研究,樊召会[3]基于RFID技术,构建了人工干预的智能化自动化装备管理系统模型;姜相争[4]使用IDEF分析方法,确定了任务指标和装备智能化保障能力指标;陈益炜[5]采用ADO.NET技术,构建武器装备管理信息化体系,对装备管理需求进行系统分析;刘红[6]采用UML工具“Rational Rose 2007”,建立了信息化装备管理模型;王永珍[7]利用MVC(model、view、controller)架构模式构建出部队武器装备管理信息系统。本文基于IDEF0功能建模与GQFD灰色关联质量功能展开法对陆军合成部队装备智能化管理能力进行需求分析,通过IDEF0方法对陆军合成部队装备智能化管理任务逐层分解,确定装备智能化管理任务需求指标,基于“任务-能力”映射关系,构建装备智能化管理能力指标体系;随后,通过GQFD映射分析方法,展开装备智能化管理能力指标重要度量化分析,确定能力需求关键指标,增强能力需求分析的客观性、可靠性。
1 IDEF0-GQFD方法总体方案
2 基于IDEF0的装备智能化管理任务分析
IDEF0模型通过盒子、箭头等基本元素描述系统功能,实现结构化分析,其中,盒子代表各种活动,箭头表示活动产生或依赖的信息,包括控制、输入、输出及机制4种含义,如图2所示。控制表示活动的约束条件或规则,输入代表某项活动需要的信息数据,输出指活动处理后生成的信息数据,机制表示活动执行所需的资源、工具或执行主体。运用IDEF0模型,从顶层开始逐层分解装备智能化管理任务,直至得到详细的任务描述。
2.1 装备智能化管理任务模型构建方法
基于IDEF0模型进行装备智能化管理任务分析时,遵循自上而下逐层细化的原则。首先,通过建立A-0图描述装备智能化管理任务及其内外关系,明确总体模型和结构,为任务分解提供基础;其次,采用层次化方法分解A-0图模块,提取出具体的装备智能化管理子任务;最后,对装备智能化管理子任务进行分解,明确各项活动之间逻辑关系,系统分析和描述具体的装备智能化管理活动,构建装备智能化管理任务指标体系,实现任务需求向能力需求的转化。装备智能化管理任务的建模过程如图3所示。
2.2 装备智能化管理任务顶层功能关系模型(A-0)
A-0图是对装备智能化管理任务模型构成的基本功能和各项接口的概括性描述。控制因素包括部队编制、任务类型、智能化装备管理理论等;输入指标为任务单位的装备管理需求信息;输出指标为任务单位装备智能化管理的效能信息;机制包括装备智能化管理力量及其配套的智能辅助系统,具体关系如图4所示。
2.3 装备智能化管理任务分析模型(A-1)
装备智能化管理活动是实现管理任务的具体行动,通过系统分析这些活动,可以确定装备智能化管理任务主要包括4个核心模块:管理态势全维感知、管理任务自主规划、管理活动精确调控、管理效能动态评估。根据IDEF0的分析方法和规则,对上述模块进行结构化建模分析,最终构建装备智能化管理任务的IDEF0模型,实现了管理流程的可视化表达,如图5所示。
由图5可知,为满足装备智能化管理任务需求,装备管理机构(装备部门和专业技术分队等)需要在广域装备管理网络基础上,通过智能信息处理系统,对合成部队装备管理态势数据进行全面获取、系统整合、综合分析等,构建装备智能化管理态势图谱,全维感知管理态势;通过智能管理决策系统,对装备管理活动进行任务分解、行动规划、优选评估等,自主实现装备管理任务规划;通过智能管理控制系统,根据智能决策方案,对装备管理行动进行综合判别、合理调整、优化重组等,精确调控装备管理各项活动;通过智能效能评估系统,动态评价装备管理态势感知、任务规划、活动调控等模块,对装备行动整体效能进行动态评估、及时反馈。综上,装备智能化管理任务指标包括:管理态势全维感知、管理任务自主规划、管理活动精确调控、管理效能动态评估等4项,见表1。
表1 装备智能化管理任务4项指标Tab.1 Equipment intelligent management task 4 indicators |
| 编号 | X1 | X2 | X3 | X4 |
|---|---|---|---|---|
| 任务指标 | 管理态势 全维感知 | 管理任务 自主规划 | 管理活动 精确调控 | 管理效能 动态评估 |
2.4 装备管理态势全维感知任务分析模型
装备管理态势全维感知任务分析模型以广域装备管理网络为基础,将传感器、物联网、云存储、云计算等智能技术融入装备管理全流程,通过将装备管理全流程、全寿命、全要素信息数据获取渠道智能联网,全维度、智能化获取装备实力、装备使用、装备维修等态势数据,运用智能信息处理系统获取、分析、挖掘、处理装备管理信息数据,并进行综合分析,利用大模型、智能仿真、深度学习等技术对装备管理态势进行预测,从而构建装备智能化管理态势图谱。对装备管理态势全维感知模块进行分解,可分解出管理态势全维获取、管理态势深度挖掘、管理态势需求预测、管理态势图谱构建等4个子模块,如图6所示。
2.5 装备管理任务自主规划任务分析模型
装备管理任务自主规划任务分析模型以广域装备管理网络为媒介,通过智能管理决策系统,对装备管理活动进行任务分解、目标选定、力量配置、行动规划、模拟推演、优选评估模型以装备管理信息数据为基础,通过训练模型、强化学习等技术进行分析处理、自主规划管理任务、动态进行模拟推演,评估优选管理方案。模型分解装备智能化任务自主规划管理模块,可以得到4个子模块,包括管理情况智能判断、管理任务自主规划、管理方案模拟推演、管理决策优化生成,如图7所示。
2.6 装备管理活动精确调控任务分析模型
装备管理活动精确调控任务分析模型基于广域装备管理网络平台,通过智能管理控制系统,运用行为树、深度学习等人工智能技术,在动态变化的装备管理环境中,对合成部队装备管理行动进行判别、调整、任务重组的过程。装备管理机构根据智能决策方案,动态配置装备管理力量,精确调配装备经费、装备人才、装备物资器材、设施设备等装备管理资源,精确调控动用使用、保管保养、封存启封、定级转级、检测维修等装备管理行动,使装备管理任务能够自适应地高效、有序推进,有效实现装备管理任务目标。分解装备管理活动精确调控模块,可以得到3个子模块,包括管理力量动态配置、管理资源精确调配、管理行动精准调控等内容,如图8所示。
2.7 装备管理效能动态评估任务分析模型
装备管理效能动态评估任务分析模型以广域装备管理网络为载体,通过智能效能评估系统,对装备管理行动中的态势感知、任务规划、活动调控等模块进行动态评价,对管理目标达成情况进行综合分析,并将评价结果进行实时反馈。装备智能化管理机构通过广域管理网络链路实时采集装备管理活动结果和装备管理行动调控等信息数据,实时展开动态装备管理需求分析,实时反馈评估结果数据,促进相应任务模块自主调整,实现装备综合性管理任务目标。模型对装备管理效能动态评估任务模块进行分解,可以得到信息数据实时采集、管理效能智能评估、评估结果动态反馈3个子模块,如图9所示。
3 装备智能化管理任务与能力映射分析
表2 装备智能化管理能力指标构成Tab.2 Equipment intelligent management capability index composition |
| 编号 | 能力指标 | 编号 | 能力指标 |
|---|---|---|---|
| Y1 | 管理态势全维获取能力 | Y8 | 管理决策优化生成能力 |
| Y2 | 管理态势深度挖掘能力 | Y9 | 管理力量动态配置能力 |
| Y3 | 管理态势需求预计能力 | Y10 | 管理资源精确调配能力 |
| Y4 | 管理态势图谱构建能力 | Y11 | 管理行动精准调控能力 |
| Y5 | 管理情况智能判断能力 | Y12 | 信息数据实时采集能力 |
| Y6 | 管理任务自主规划能力 | Y13 | 管理效能智能评估能力 |
| Y7 | 管理方案模拟推演能力 | Y14 | 评估结果动态反馈能力 |
4 基于GQFD的装备智能化管理能力需求分析
4.1 GQFD方法
GQFD是一种改进的质量功能展开方法,与传统方法相比,它采用灰色关联分析技术构建关联矩阵,通过量化分析各需求变量间的相互关系来确定需求的相对重要性权重,进而指导技术特性的优化配置。这种方法通过建立模型显著降低了人为因素对分析结果的影响,能够从更加客观的角度诊断装备智能化管理能力需求,从而使研究结论具有更高的准确性、客观性和可靠性[9]。
4.2 GQFD方法实施过程
GQFD与QFD方法的主要区别在于确认关联矩阵的流程不同,核心是将传统中的关系矩阵替换为灰色关联矩阵,其余的流程则与传统的QFD方法一致。[10]具体步骤如下:
把Xi=(xi(1),xi(2),…,xi(n)),(i=1,2,…,s)设定为装备智能化管理任务需求指标; 设Yj=(yj(1),yj(2),…,yj(n)),(j=1,2,…,m)为装备智能化管理能力需求指标, rij为Xi与Yj的相对关联度,εij为Xi与Yj的绝对关联度,ρij为Xi与Yj的综合关联度,n为专家人数。
(1)算出灰色绝对关联度εij
|Xsi|=
|Ysj|=
|Ysj-Xsi|=
如上式,以初始点零化方式处理数据(以上标“0”表示)。Xi与Yj的灰色绝对关联度如下:
εij=
(2)算出灰色相对关联度
|X'si |=
|Y'sj |=
|Y'sj-X'si |=
如上式,对数据进行初值化后又进行初始点零化处理(以上标“0'”表示)。Xi与Yj的灰色相对关联如下:
rij=
(3)算出灰色综合关联矩阵ψ
Xi与Yj的灰色综合关联度为ρij=θεij+(1-θ)rij,取θ=0.5,计算可得灰色综合关联矩阵ψ:
$\boldsymbol{\psi}=\rho_{i j_{\times m}}=\left[\begin{array}{cccc} \rho_{11} & \rho_{12} & \cdots & \rho_{1 m} \\ \rho_{21} & \rho_{22} & \cdots & \rho_{2 m} \\ \vdots & \vdots & \ddots & \vdots \\ \rho_{s 1} & \rho_{s 2} & \cdots & \rho_{s m} \end{array}\right]$
(4)算出任务指标重要度权值λ
如果∃k,t∈{1,2,…,s}满足ρkj≥ρtj,j=1,2,…,m,则任务指标Xk优于指标Xt,记为Xk>Xt;
如果∃k,t∈{1,2,…,s}满足 ρkj≥ ρtj,j=1,2,…,m,则任务指标Xk准优于指标Xt,记为Xk≥Xt。
据此,可以得到任务指标Xi的重要度排序为Xa∘Xb∘Xc∘Xd…,∘∈{>,≥},其中a,b,c,d…分别属于(1,2,3,…,s)中的某一项,然后求其重要度权值。
在任务指标Xi的重要度排序(由大到小)中,若 > ,即处于位置l的任务指标优于处于位置l+1的任务指标,则任务指标的重要度为
=s-l+1
若处于位置l的任务指标准优于处于位置l+1的任务指标,则任务指标的重要度为
=s-l+μ
其中,μ为任务指标重要度分辨因子,0≤μ≤1。μ越大,说明任务指标的贡献度就越大,通常时候我们取μ=0.5。
作者将灰色关联矩阵和任务指标的重要度权值在1-4步的基础上,带入HOQ模型进行质量功能扩展,得到装备智能化管理能力重要程度排序结果,并根据GQFD方法获得装备智能化管理能力需求分析结论。
4.3 装备智能化管理能力需求分析
邀请陆军合成部队、科研院所、部队装备管理部门等单位10位相关领域经验丰富的专家,对各要素在装备智能化管理任务需求和能力需求指标中的重要程度,采用1-9标度法分别量化打分,结果如表3所示。
表3 专家打分表Tab.3 Expert scoring table |
| 能力 指标 | 专家编号 | |||||||||
|---|---|---|---|---|---|---|---|---|---|---|
| 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 | 10 | |
| X1 | 8 | 8 | 8 | 9 | 9 | 8 | 7 | 8 | 6 | 5 |
| X2 | 7 | 9 | 7 | 6 | 9 | 8 | 6 | 5 | 7 | 8 |
| X3 | 5 | 6 | 7 | 8 | 3 | 4 | 7 | 9 | 6 | 7 |
| X4 | 2 | 6 | 3 | 4 | 5 | 6 | 5 | 3 | 8 | 2 |
| Y1 | 7 | 8 | 7 | 5 | 6 | 7 | 8 | 7 | 9 | 5 |
| Y2 | 6 | 5 | 9 | 3 | 7 | 9 | 2 | 6 | 8 | 8 |
| Y3 | 8 | 6 | 7 | 8 | 7 | 6 | 6 | 7 | 8 | 8 |
| Y4 | 8 | 8 | 7 | 6 | 9 | 7 | 9 | 8 | 7 | 8 |
| Y5 | 7 | 9 | 6 | 4 | 5 | 7 | 8 | 7 | 5 | 9 |
| Y6 | 8 | 4 | 5 | 7 | 8 | 5 | 9 | 6 | 9 | 9 |
| Y7 | 7 | 7 | 5 | 8 | 9 | 8 | 8 | 9 | 7 | 8 |
| Y8 | 9 | 8 | 7 | 5 | 4 | 7 | 9 | 4 | 8 | 6 |
| Y9 | 8 | 9 | 8 | 7 | 5 | 6 | 8 | 9 | 8 | 8 |
| Y10 | 5 | 2 | 8 | 2 | 6 | 6 | 7 | 8 | 5 | 7 |
| Y11 | 7 | 5 | 6 | 7 | 8 | 4 | 5 | 6 | 5 | 7 |
| Y12 | 8 | 6 | 8 | 7 | 5 | 6 | 6 | 5 | 7 | 8 |
| Y13 | 7 | 8 | 9 | 4 | 6 | 6 | 9 | 7 | 6 | 8 |
| Y14 | 5 | 8 | 8 | 8 | 9 | 7 | 7 | 5 | 6 | 9 |
根据公式(1)—(9),可计算得出装备智能化管理任务指标Xi和能力指标Yj的灰色关联矩阵ψ为
ψ=
由于灰色综合关联矩阵满足:
$\sum_{j=1}^{14} \rho_{2 j} \geqslant \sum_{j=1}^{14} \rho_{1 j} \geqslant \sum_{j=1}^{14} \rho_{3 j} \geqslant \sum_{j=1}^{14} \rho_{4 j}$
由此可以得出装备智能化管理任务各指标的顺序关系,按式(12)得出X2≥X1≥X3≥X4,取μ=0.5,求得装备智能化管理任务指标Xi的权重λi,即装备智能化管理指标的顺序关系为
(λ1,λ2,λ3,λ4)=(2.5,3.5,1.5,0.5)
4.4 搭建“任务指标-能力指标”HOQ模型
质量屋(HOQ)是需求分析的关键,其功能是实现任务指标与能力指标之间重要度权值的转换。“任务指标-能力指标”的HOQ模型是在确定了装备智能化管理任务指标与能力指标之间的灰色综合关联矩阵,明确了各任务指标的重要程度权值之后,对任务指标与能力指标之间的关系进行量化描述,并对各任务指标之间的重要程度权值进行综合关联矩阵的模型,如图11所示。
在HOQ模型中填入灰色综合关联矩阵ψ和装备智能化管理任务指标Xi的绝对权值(λ1,λ2,λ3,λ4),如表4所示,按QFD传统方法计算,得到装备智能化管理能力指标Yj的重要度权值ωj。
表4 装备智能化管理“任务-管理能力指标”质量表Tab.4 Quality table of “Task-Management capability Index” of intelligent equipment management |
| 管理任务需 求及重要度 | 装备智能化管理能力 | ||||||||||||||
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| Y1 | Y2 | Y3 | Y4 | Y5 | Y6 | Y7 | Y8 | Y9 | Y10 | Y11 | Y12 | Y13 | Y14 | ||
| X1 | 2.5 | 0.743 9 | 0.576 3 | 0.732 0 | 0.777 9 | 0.703 9 | 0.604 6 | 0.757 5 | 0.630 5 | 0.706 1 | 0.598 6 | 0.760 0 | 0.677 7 | 0.672 6 | 0.757 9 |
| X2 | 3.5 | 0.709 4 | 0.628 5 | 0.738 4 | 0.772 4 | 0.697 0 | 0.635 4 | 0.741 5 | 0.703 8 | 0.729 2 | 0.630 1 | 0.731 7 | 0.707 6 | 0.695 4 | 0.780 9 |
| X3 | 1.5 | 0.636 4 | 0.551 3 | 0.696 9 | 0.694 8 | 0.626 9 | 0.611 4 | 0.710 8 | 0.619 9 | 0.748 4 | 0.661 9 | 0.708 1 | 0.701 0 | 0.688 9 | 0.695 7 |
| X4 | 0.5 | 0.667 8 | 0.584 2 | 0.582 6 | 0.656 3 | 0.627 6 | 0.658 7 | 0.668 7 | 0.629 5 | 0.614 1 | 0.542 4 | 0.551 5 | 0.584 2 | 0.573 3 | 0.663 2 |
| 管理能力 重要度 | 5.631 2 | 4.759 6 | 5.751 1 | 6.018 5 | 5.453 4 | 4.981 9 | 5.889 6 | 5.284 1 | 5.747 1 | 4.965 9 | 5.798 9 | 5.514 5 | 5.435 4 | 6.003 1 | |
| 排序 | 7 | 14 | 5 | 1 | 9 | 12 | 3 | 11 | 6 | 13 | 4 | 8 | 10 | 2 | |
从表4中可以看到,Y4>Y14>Y7>Y11>Y3>Y9>Y1>Y12>Y5>Y13>Y8>Y6>Y10>Y2。因此,对于装备智能化管理能力各个指标,最关键的是管理态势图谱构建能力Y4,评估结果动态反馈能力Y14紧随其后,最弱的是管理态势深度挖掘能力Y2。
5 结束语
陆军合成部队装备智能化管理能力水平直接决定着管理效能的生成与提升,对部队智能化建设具有重要的引领和导向作用。本文首先通过IDEF0方法对装备智能化管理任务进行了细化分解,构建了以“任务-能力”为映射关系的装备智能化管理能力指标体系;其次,建立了基于灰色关联分析GQFD方法的装备智能化管理能力质量屋(HOQ);最后,量化评估各能力指标的相对权重。本文研究成果可为装备智能化管理体系建设提供科学的决策依据和方法支撑。