装备在役考核数据采集与处理方法研究

周宇航; 罗建华; 夏翕巩; 王仁骁; 陈曦

doi:10.3969/j.issn.1673-3819.2022.01.018

指挥控制与仿真 >

2022 , Vol. 44 >Issue 1: 121 - 126

DOI: https://doi.org/10.3969/j.issn.1673-3819.2022.01.018

工程实践

装备在役考核数据采集与处理方法研究

周宇航 ,
罗建华 ,
夏翕巩 ,
王仁骁 ,
陈曦

展开

陆军装甲兵学院演训中心, 北京 100072

周宇航(1991—),男,硕士研究生,研究方向为装备试验。

罗建华(1967—),男,博士,教授,博士生导师。

Copy editor: 胡志强

收稿日期: 2021-06-08

要求修回日期: 2021-07-19

网络出版日期: 2022-05-19

版权

收起

Research on Data Acquisition and Processing Method of Equipment in Service Assessment

ZHOU Yu-hang ,
LUO Jian-hua ,
XIA Xi-gong ,
WANG Ren-xiao ,
CHEN Xi

Expand

Military Exercise and Training Center,Army Academy of Armored Forces,Beijing 100072, China

Received date: 2021-06-08

Request revised date: 2021-07-19

Online published: 2022-05-19

Copyright

Fold

摘要

针对基层部队在开展装备在役考核数据采集工作中遇到的“采集什么数据”、“怎么采集数据”、“如何分析处理数据”等一系列问题进行了研究,围绕装备在役考核数据采集的分类、方法和流程进行了系统阐述,对在役考核数据采集工作中遇到的问题进行了合理的解答,并对定量指标数据处理、定性指标数据处理和异常指标数据处理的方法进行了研究,提出了比较合理的数据分析与处理方法,为下一步基层部队开展在役考核数据采集工作提供了理论依据。

关键词： 装备; 在役考核; 数据采集

本文引用格式

周宇航 , 罗建华 , 夏翕巩 , 王仁骁 , 陈曦 . 装备在役考核数据采集与处理方法研究[J]. 指挥控制与仿真, 2022 , 44(1) : 121 -126 . DOI: 10.3969/j.issn.1673-3819.2022.01.018

Abstract

This paper studies a series of problems such as‘what data to collect’, ‘how to collect data’and‘how to analyze and process data’encountered by grass-roots units in carrying out data collection of equipment in-service assessment,and systematically expounds the classification,method and process of data collection of equipment in-service assessment. This paper gives a reasonable answer to the problems encountered in the work of in-service assessment data collection, studies the methods of quantitative index data processing, qualitative index data processing and abnormal index data processing, and puts forward a more reasonable data analysis and processing method, which provides a theoretical basis for the grass-roots units to carry out in-service assessment data collection in the next step.

Key words： equipment; in-service assessment; data collection

装备在役考核重点关注的是装备在部队是否适用,装备质量水平是否稳定,保障资源是否配套、合理,装备的经济性好不好,编配模式是否高效等问题。这些问题都是影响装备战斗力发挥的关键所在,也是长期困扰我军装备建设的实际问题。数据采集是在役考核工作中最为关键的环节,在役考核过程中要严格按照考核的标准和要求进行数据采集,对采集到的数据要进行全面的分析与处理,最终得到全面、准确、完整、可靠的数据,为下一步在役考核评估活动的开展提供有力支撑^[1,2]。

1 装备在役考核数据分类

本文以任务部队组织战备演练为依托,开展装备在役考核工作,构造装备在役考核数据分类剖面。如图1所示,该剖面图将装备在役考核采集的数据分为三类:历史统计数据、现场采集数据和分析评估数据。

显示原图|下载原图ZIP|生成PPT

图1 装备在役考核数据分类剖面图

1)历史统计数据。历史统计数据是指在役考核开始前装备在研发、试验和管理使用过程中产生的各种数据。在役考核历史数据主要包括以下几个方面:

①装备基础数据:装备研制部门在研发装备后,提供的与装备相关使命任务、种类、性能、功能、操作使用手册方面的数据资料;

②装备试验数据:装备试验部门在前期性能试验和作战试验中提供的相关数据资料;

③装备管理数据:在装备列装服役后到在役考核开始前,部队管理装备的相关部门在工作中积累的相关数据,主要包括装备的完好率数据、战备数据、故障数据、维修数据、保障数据、出入库清单等相关登记与统计数据资料^[3];

④其他与在役考核相关的历史数据资料等。

2)现场采集数据。在役考核实施过程中,任务部队应当根据在役考核数据采集需求,在试验评估机构的指导下,指定专人进行数据采集、记录,并定期进行整理、归档,采集的数据主要包括:

①作战效能数据:主要包括装备战场机动能力数据、火力打击能力数据、情报侦察能力数据、指挥控制能力数据、全维防护能力数据等;

②作战适用性数据:主要包括装备作战使用适用性数据、作战环境适用性数据、作战保障适用性数据等;

③体系适用性数据:主要包括装备体系融合度数据、体系贡献率数据等;

④在役适用性数据:主要包括装备部队适用性数据、质量稳定性数据、经济性数据、适编性数据、适配性数据等;

3)分析评估数据。在役考核结束后,基于历史数据和现场采集数据,在试验评估机构的主导下,产生的结论性数据。

2 装备在役考核数据采集方法

装备在役考核数据采集方法是多样化的,不同的数据类型和采集要求,采集数据的方法也不一样。主要分为历史数据采集、现场数据采集和仿真数据采集。

1)历史数据采集。历史数据采集主要是将纸质、音频、视频等资料的相关数据进行数字化转换、归类、存储,以及信息完整性处理。所需要的采集设备主要包括手持式数据采集终端、计算机、服务器和相关数据存储编辑软件等。

2)现场数据采集。现场数据采集主要部队在日常训练、实装演习、装备保养维修、装备日常管理等活动中采集的数据^[4]。主要是通过人工收集在役考核数据。采集人员需要清楚自己的任务,知道在什么时间、什么地点、用什么设备采、采集哪些数据等内容,并实时将数据上传到专门数据库中。所需要的采集设备主要包括手持式数据采集终端、局域网、服务器以及相关数据存储软件等。另外,对于关键装备节点的状态,还需要数据采集卡进行信号采集,并配合信号采集和传输软件将数据存储到数据库中。

3)仿真数据采集。仿真数据采集主要是通过建立相应的仿真模型,把需要在役考核的对象在计算机上进行模拟推演,在运行过程中采集数据。这种方式主要采集成本高、难度大、危险性高等不便于现场采集的数据。所需要的采集设备主要包括数据采集终端、计算机和相关数据存储编辑软件等。

3 装备在役考核数据采集流程

装备在役考核数据采集流程是指按照在役考核数据采集、处理、整编、审核、汇总与报送等业务的规定要求,由上级装备主管部门依据装备在役考核数据采集标准和有关任务要求制定,各级、各部门根据任务实际扩展细化。具体流程如图2所示。

显示原图|下载原图ZIP|生成PPT

图2 数据采集流程图

1)制订数据采集计划:试验鉴定部门根据年度试验任务,于每年年底制定试验任务计划。

2)下达数据采集计划:装备发展部签发年度试验任务计划,并于每年年初下达至军种有关部门。

军种有关试验鉴定部门根据任务特点,确定合适的承试单位,并下达年度数据采集任务。

承试单位接到任务后,依据上级部门制定的数据采集任务计划,制定本单位的数据采集实施计划。数据采集实施计划内容主要包括数据需求、数据采集方法、数据简化及分析原则、做好任务分工(包括数据的记录、处理、简化、存储、整理等)。

3)数据获取:承试单位根据数据采集计划,严格按照数据采集标准和要求,采集试验数据。

4)数据整编上报:承试单位严格按照相关标准对采集的试验数据进行处理,在规定的时限内上报给上级相关部门,并做好原始数据的存档备查。承试单位上级相关部门在收到上报的试验数据后,及时审批上报至军种机关管理部门。军种机关管理部门收到承试单位上报的数据后,做好在本级的存储并审批上报至装备发展部机关数据管理部门。

4 装备在役考核数据分析与处理

装备在役考核数据处理是对评估指标数据规范化,根据在役考核评估指标的性质可将指标体系中的指标分为定量指标和定性指标,并对其进行分析处理。评估指标数据处理的目的是通过对评估指标类型的判断,对指标进行无量纲化和归一化处理,为在役考核评估指标最终向上聚合奠定基础。在役考核具体评估数据处理步骤如下。

1)判断指标类型。评估指标可以分为定量指标和定性指标,两种指标又可以分为不同类型,如都可以分为效益型指标、成本型指标、偏离型指标、区间型指标等。在采集完这些指标时,需要对各指标值的大小进行统一的度量判断,并进行必要的分析处理。

2)指标无量纲化。在役考核中,对于考核的多目标评估而言,不同指标具有不同的度量单位(量纲)。无量纲化的目的就是要消除这些指标的量纲,并用统一标准的数值大小来反映指标属性值的优劣^[5]。

3)指标归一化。在装备在役考核评估指标中,不同指标的数值大小差别很大。指标归一化就是把这些不同数量级单位的指标值统一变换到[0,1]区间,方便各指标之间进行比较评估^[6]。

4.1 定量指标数据处理

在处理定量指标时,指标实际值的变化对量化的影响并不是等比例的,可采直线型方法对指标进行无量纲化处理,直线型指标处理方法主要包括阈值法、Z-Score法、比重法等^[7]。

1)阈值法。指标原始值

x i

与该指标的某个阈值相对比,从而使指标原始值转化成标准值

y i

的方法。阈值法的计算公式、影响因素、评估范围和特点如表1所示。其中,

1 ≤ i ≤ m

(

m

为指标实际值的数量),

0 < k < 100, q = 100 - k 。

表1 阈值法参照表

序号	公式	影响评估因素	评估范围	特点
1	$y i = x i max x i$	$x i, max x i$	$[min x i max x i, 1]$	指标处理值 $y i$ 随指标原始值 $x i$ 增大而增大, $y i$ 不为0, $y i$ 最大为1。
2	$y i = max x i + min x i - x i max x i$	$x i, max x i, min x i$	$[min x i max x i, 1]$	指标处理值 $y i$ 随原始值 $x i$ 增大而减小,用于成本型指标的无量纲化
3	$y i = max x i - x i max x i - min x i$	$x i, max x i, min x i$	[0,1]	指标处理值随 $y i$ 原始值 $x i$ 增大而减小,用于成本型指标的无量纲化
4	$y i = x i - min x i max x i - min x i$	$x i, max x i, min x i$	[0,1]	指标处理值 $y i$ 随原始值 $x i$ 增大而增大, $y i$ 最小值为0,最大值为1。
5	$y i = x i - min x i max x i - min x i k + q$	$x i, max x i, min x i,$ k,q	$[q, k + q]$	指标处理值 $y i 随原始值 x i 增大而增大, y i 最小为 q, 最大为 k + q 。$

2)Z-Score法。通过对原始值

x i

的不同量纲指标进行比较,按照统计学原理求取指标处理值

y i

,其计算公式如下:

(1)

y i = x i - x ̅ s

式中,

x ̅

为均值,s为方差;指标原始值

x i

与指标处理值

y i

的坐标关系如图3所示。

显示原图|下载原图ZIP|生成PPT

图3 Z-Score法示意图

从指标处理值

y i

分部情况来看,分布在零的两侧。当指标原始值

x i

比平均值

x ̅

大的时候,其指标处理值

y i

为正;当指标原始值

x i

比平均值

x ̅

小的时候,其指标处理值

y i

为正。

3)比重法。将指标原始值转化为它在指标值总和中所占的比重。计算公式如下:

(2)

y ij = x ij ∑ i = 1 n x ij

(3)

y ij = x ij ∑ i = 1 n x ij 2

结合某任务部队进行战术演习,对某型装备进行在役考核。数据采集人员对某型装备在作战阶段分别采集了四组数据:平均速度(km/h)、最大有效射程(m)、平均抢修时间(min)、火力打击能力贡献率(%),采集的指标如表2所示。

表2 作战阶段采集指标值

序号	平均速度/ (km/h)	最大有效射程/m	平均抢修时间/min	火力打击能力贡献率/%
1	45	1500	5	80
2	30	1800	6	60
3	35	1600	8	75
4	37	1650	7	70

采用Z-Score法对数据进行无量纲化处理,利用式(1)得到处理后的数据如表3所示。

表3 作战阶段采集指标无量纲化

序号	平均速度/ (km/h)	最大有效射程/m	平均抢修时间/min	火力打击能力贡献率/%
1	1.53	1.27	1.34	1.18
2	1.25	1.50	0.45	1.52
3	0.32	0.35	1.27	0.51
4	0.04	0.12	0.42	0.17

4.2 定性指标数据处理

在处理定性指标时,由于定性指标大多存在一定的模糊性,并且评估指标很难用固定的尺度去度量。所以为了便于分析评估,可以将采集到的指标进行量化,处理其数据处理步骤如下:

1)分解指标。在已有指标体系的基础上,将过于模糊、复杂和主观判断的定性指标进行必要的分解,使指标含义的指向性更强,便于给出相对客观的判断值。

2)确定评判等级及量化。将定性指标进行等级划分,并用不同的方法进行等级评判。如优、良、中、差或及格、不及格等。等级确定后,将定性指标按照不同等级进行量化,然后求取标准分表。

3)制定评分表或问卷调查表。采用专家评分或问卷调查等方式制定评分表或问卷调查表,并选取适量、满足要求的人员打分或以填表的形式,获取在役考核定性指标的数据。

结合某任务部队进行战术演习,对某型装备进行在役考核。数据采集人员选取了十名官兵对某型装备在作战阶段火力打击满意度进行了问卷调查,统计结果如表4所示。

表4 某型装备火力打击满意度问卷调查结果汇总表

序号	指标	A非常满意	B满意	C一般
1	火力打击总体满意度	4	5	1
2	目标发现满意度	4	4	2
3	命中目标满意度	6	2	2
4	首发命中目标满意度	5	4	1
5	火控系统操作满意度	6	3	1

对采集的定性指标以百分制进行量化,量化标准表如表5所示。

表5 量化标准表

A非常满意	B满意	C一般	D不满意	E非常糟糕
90	80	60	30	10

采用均值-标准差修正法,步骤如下:

①求基本满意度

A m

火力打击总体满意度均值为

A ̅ = 4 × 90 + 5 × 80 + 1 × 60 10 = 82

求标准差:

A = n 1 (A 1 - A ̅) 2 + n 2 (A 2 - A ̅) 2 + … + n i (A n - A ̅) 2 n

即

A = 4 (90 - 82) 2 + 5 (80 - 82) 2 + 1 (60 - 82) 2 10 = 8.71

查满意度权值标准表,如表6所示。

表6 满意度权值标准表

	$A ≤ 20$	$20 < A ≤ 40$	$40 < A ≤ 60$	$60 < A ≤ 80$	$80 < A$
权值	+10	+5	0	-5	-10

因此,火力打击基本满意度值为

A m = 82 + 10 = 92

②按此方法,可以求出210专项满意度

A p

如表7所示。

表7 专项满意度

序号	A非常满意	B满意	C一般	均值	标准差	$A p$
2	4	4	2	80	10.95	90
3	6	2	2	82	11.66	92
4	5	4	1	83	9.00	93
5	6	3	1	84	9.17	94

专项满意度:

A ̅ p = A p n = 90 + 92 + 93 + 94 4 = 92.25

③另由专家组确定指标权重

γ 1 = 0.5, γ 2 = 0.5

,则总体满意度为

A s = γ 1 A m + γ 2 A ̅ p = 0.5 × 92 + 0.5 × 92.25 = 92.125

4.3 异常指标数据处理

在役考核过程中会采集大量的数据,但是如果突然发生一些不正常的因素如外界的干扰、采集人员的疏忽大意、采集条件的意外改变等,会造成采集到的数据不准确,这样采集的数据称为异常数据。采集到的异常数据必然会影响之后评估的准确性,造成对装备的分析评价不准确。因此,对于有充分根据认为采集的数据不真实、偏差较大,则应舍弃。但是,对于采集到的异常数据,不能做出正确的判断,则需要用统计学准则进行判断^[8,9,10]。

1)莱伊达准则(3

σ

准则)。由概率分布曲线可知,在正态分布的前提下,经过多次测量,由于

v i > 3 σ

的概率仅为0.0027,为小概率事件。因此,残差绝对值大于3

σ

的测定值可以舍弃。莱伊达准则的判别式为

(5)

v i = x i - x ̅ > 3 σ

若

x i - x ̅ > 3 σ, 则可疑值 x i

应舍弃;

若

x i - x ̅ ≤ 3 σ, 则可疑值 x i

应保留。

莱伊达准则适用于大量重复的测量,测量次数较少时不可靠。

2)肖维纳准则。肖维纳准则认为对于

n

次重复测量,过失误差出现的概率应小于1/2

n

,并以此来判别异常数据。

对于正态分布,测定值在误差范围内的概率为

(6)

∫ - Z n σ + Z n σ + p v i d v i = 1 - 1 2 n

根据上式可求得误差极限为

± Z n σ 。

肖维纳准则的判别式为

(7)

v i = x i - x ̅ > Z n σ

若

v i = x i - x ̅ > Z n σ, 则可疑值 x i

应舍弃;

若

v i = x i - x ̅ ≤ Z n σ, 则可疑值 x i

应保留。

肖维纳准则适用于测量次数

n > 1520,

若测量次数较少,可靠性也较低。

3)格布拉斯准则。格布拉斯准则根据顺序统计量的某种分布规律提出了一种较好的判别过失误差的准则。格布拉斯准则的判别式为

(8)

v i = x i - x ̅ > G (a, n) σ

若

v i = x i - x ̅ > G (a, n) σ

,则可疑值

x i

应舍弃;

若

v i = x i - x ̅ ≤ G (a, n) σ

,则可疑值

x i

应保留。

格布拉斯系数

G (a, n)

是根据测量次数n和置信系数(显著水平)确定的。

示例分析:结合某任务部队进行战术演习,对某型装备进行在役考核。在考核过程中,数据采集人员对某型装备在机动阶段越野平均速度进行了数据采集,采集到十二组数据如表8所示。

表8 平均速度

$n$ /次	1	2	3	4	5	6	7	8	9	10	11	12
$x i$ /(km/h)	36.5	39	35	37	37.5	38	15	38.5	34	36	33	34

运用莱伊达准则进行异常数据的判断:

①算术平均平均值:

x ̅ = 112 ∑ i = 1 12 x i =

34.46

②残差

v d = x i - x ̅ :

+2.04,+4.54,+0.54,+2.54,+3.04,+3.54,-19.46,+4.04,-0.46,+1.54,-1.46,-0.46

③标准偏差:

σ = 111 ∑ i = 1 12 v d 2 = 6.42

,则3σ=19.26

通过计算只有第七次的数据满足

x i - x ̅ = 19.46 > 3 σ

,所以第七次测得的数据为异常数据,应当舍弃。

5 结束语

目前,在役考核工作已经在部队试点开展,当前重点是解决装备在役考核数据采集过程中遇到的“采集什么数据”、“怎么采集数据”、“如何处理数据”等一系列问题。本文重点围绕这些问题进行了相应的探讨,构造了装备在役考核数据分类剖面图,对数据的分类、采集的方法和流程进行了介绍,提出了定量指标数据、定性指标数据和异常指标数据处理的方法,可为部队开展在役考核数据采集工作提供参考依据。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序

[1]	孟庆均, 曹玉坤, 张宏江, 等. 装备在役考核的内涵与工作方法[J]. 装甲兵工程学院学报, 2017, 38(5):19-20.

[2]	钱昭勇, 曹裕华, 燕如意, 等. 基于数据挖掘的装备在役考核评估研究[J]. 兵器装备工程学报, 2020, 27(8):158-162.

[3]	王亮. 武器装备作战试验鉴定使命指标构建方法研究[J]. 装备学院学报, 2015, 26(6):109-113.

[4]	张超. 合成旅指控装备在役考核指标体系构建及评估研究[D]. 北京: 陆军装甲兵学院, 2018.

[5]	曹裕华, 管清波, 白洪波, 等. 作战试验理论与技术[M]. 北京: 国防工业出版社, 2013.

[6]	常显奇, 程永生. 常规武器装备试验学[M]. 北京: 国防工业出版社, 2007.

[7]	夏翕巩. 高原风沙地区典型装甲装备在役考核设计研究[D]. 北京: 陆军装甲兵学院, 2020.

[8]	徐英, 王松山, 柳辉, 等. 装备试验与评价概论[M]. 北京: 北京理工大学出版社, 2016.

[9]	武小悦. 装备性能试验[M]. 北京: 国防工业出版社, 2020.

[10]	杨德. 试验设计与分析[M]. 北京: 中国农业出版社, 2002.

Options

文章导航

模态框（Modal）标题

摘要

本文引用格式

Abstract

1 装备在役考核数据分类

图1 装备在役考核数据分类剖面图

2 装备在役考核数据采集方法

3 装备在役考核数据采集流程

图2 数据采集流程图

4 装备在役考核数据分析与处理

4.1 定量指标数据处理

表1 阈值法参照表

图3 Z-Score法示意图

表2 作战阶段采集指标值

表3 作战阶段采集指标无量纲化

4.2 定性指标数据处理

表4 某型装备火力打击满意度问卷调查结果汇总表

表5 量化标准表

表6 满意度权值标准表

表7 专项满意度

4.3 异常指标数据处理

表8 平均速度

5 结束语

参考文献