中国科技核心期刊      中国指挥与控制学会会刊     军事装备类重点期刊
Theory & Research

Construction of Equipment Uperational Effectiveness Measures Based on Joint Mission Thread

  • YANG Chen-guang 1 ,
  • JIA Zhen 2 ,
  • LIU Zhi 2
Expand
  • 1. Academy of Military Sciences,Beijing 100091
  • 2. Jiangsu Automation Research Institute, Lianyungang 222061, China

Received date: 2018-11-28

  Revised date: 2018-12-21

  Online published: 2022-05-19

Abstract

In the joint environment, a joint mission thread (JMT) can be utilized to test and evaluate systems, and decomposed at the mission, task and function levels to create operational effectiveness measures. This paper analyzes a JMT measure framework based on the capability definition, decomposes JMTs to testable measures at the mission and task level, and devises an intelligent measures generation platform according to JMT decomposition. The JMT measure framework produces measures of mission effectiveness, task performance and system attributes, with an emphasis on decomposing mission and task to generate measures. In addition, the rough set-neural network method is adopted to study and train sample sets of mapping relationships contained in the matrices, with purpose to enhance the efficiency of measures generation and achieve the intelligent effect.

Cite this article

YANG Chen-guang , JIA Zhen , LIU Zhi . Construction of Equipment Uperational Effectiveness Measures Based on Joint Mission Thread[J]. Command Control and Simulation, 2019 , 41(4) : 85 -90 . DOI: 10.3969/j.issn.1673-3819.2019.04.016

根据GJB 1364-1992,武器装备效能分为单项效能、系统效能和作战效能。单项效能和系统效能是装备本身所具备的基本效能,而作战效能(也称兵力效能)指在规定条件下,武器装备由作战兵力运用来执行作战任务时达到目标的可能程度,即衡量部队在一定战场环境中完成指定作战任务的程度[1]。由定义看出,作战效能总是与作战任务相关。执行作战任务离不开武器装备体系,完成作战任务是为了实现使命目标,因此,作战效能不能只聚焦于评估系统功能,还必须评估真实联合环境中的使命效能和任务性能。但国内对武器装备作战效能的研究,大多数仍是响应特定服务的需求,论证系统的效能、适用性和生存力,很少有人强调系统对作战任务和联合使命的贡献。
联合使命线程(Joint Mission Thread,JMT)是指为有效履行联合使命任务,对作战活动和系统端对端的流程与技术描述[2-3]。本文在使命级和任务级将JMT分解成可测试的度量指标,评估系统对联合能力和作战人员效果的影响,从而有助于理解系统对体系、任务和使命的贡献。

1 基于能力分析的联合使命线程度量框架

2001年,美国国防部第一次提出了“基于能力的方法”。2003年,美国将防务战略从过去的“基于威胁”模式转变为“基于能力”模式。关于能力的定义,兰德公司认为,能力是在给定的标准和条件下,通过一系列手段或方式的集合,具有完成一组任务,达到预期效果的本领。美国国防部指出,能力是在指定需求(条件和性能标准)下,通过不同手段和使用方式的组合来实施一组关键任务,达到预期目标或结果的持续本领[1]。分析定义发现,能力采用了“5W1H”分析法进行描述,即从原因(何因Why)、对象(何事What)、地点(何地Where)、时间(何时When)、人员(何人Who)、方法(何法How)这6个方面提出[4],如表1所示。同样地,对能力的评估也需要从这些方面开展。
表1 能力定义中的5W1H
5W1H 能力定义组成
Why 达到预期目标或结果的持续本领
What 实施一组关键任务
When & Where 在指定需求(条件和性能标准)下
Who 体系(System of Systems,SoS)或系统
How 通过不同手段和使用方式的组合
由于条件中的“何时”、“何地”一般会作为已知条件或者在其他方面体现,因此不需要进行评估,剩余的4个方面才是评估的对象。其中:使命预期效果由使命效能指标度量(Mission Measures of Effectiveness,MMOE);作战任务由任务性能指标度量(Task Measures of Performance,TMOP);“何人”、“何法”共同体现了体系或系统具有的功能,则由系统属性指标进行度量(Measure of System Attributes, MOSA)[5]。此外,体系是系统的系统,它除了拥有传统的系统功能外,还要具备系统之间的互操作服务功能[6]
基于这种“使命、任务、功能”的能力表达方法,构建出一种基于能力分析的联合使命线程度量框架[7],如图1所示。
图1 基于能力分析的联合使命线程度量框架
图1看出,联合使命线程度量分为2层:第1层是作战需求与度量,评估任务完成得如何好,度量联合使命中作战节点的使命效果和任务性能;第2层是功能需求与度量,评估系统如何发挥作用,度量完成任务的体系和系统的功能性。

2 联合使命线程度量设计

联合背景中,传统的特定服务环境下采用的系统和体系度量指标同样适用。因此,可重点聚焦第1层度量指标——使命效能指标和任务性能指标的构建,详述使命和任务的分解过程。

2.1 使命分解

使命的分解流程如图2所示,主要分为使命描述、使命预期效果、使命属性和使命度量4个阶段。
图2 使命分解流程

2.1.1 使命描述

使命描述包含使命、使命陈述和使命目标3个要素。
1)使命:有目的地指派并明确指出所要采取的行动(Action)及其原因的任务[1]。使命是由上级首长指派给作战指挥员的,指挥员把受领的使命分解成具体的作战任务。
2)使命陈述:明确表达完成使命所要采取的一系列行动,以及这样做的缘由。使命陈述的内容涵盖何人(Who)、何事(What)、何时(When)、何地(Where)和何因(Why),很少说明何法(How)。例如,8月9日22:04:00前,第一旅在AO JACKBABBIT保护ROUTE SOUTH DAKOTA,使人道主义救援物资能够运送。
3)使命目标:指完成使命所采取行动的特定目标,这些目标是明确、坚定和可实现的。例如:延误、破坏、摧毁或削弱敌方作战部队/关键任务和设施;影响敌人的战斗意愿等。本文中的使命目标源于使命陈述,是使命描述阶段的输出。

2.1.2 使命预期效果

效果是对目标的度量,它描述作战环境中系统的行为。预期效果是实现目标所关联的条件。例如:在联合作战区域(JOA)中消灭或压制威胁兵力;使敌人抵触打仗等。
生成预期效果的要点如下:
1)使用DoDAF体系架构中的全景视图1(AV-1);
2)使用联合条令、分析议程、作战规划/作战概念等其他信息源;
3)确保效果描述作战环境中系统的行为;
4)使效果映射到使命目标;
5)提问题——如果达到了这些预期效果,那么是否已经实现了使命目标?
使命目标与预期效果之间的映射关系使用矩阵呈现,能够辅助分析人员回答要点5)中提出的问题。

2.1.3 使命属性

属性是指一个单元或其行动的定量/定性特征。对使命属性而言,重在描述行动的特征。
生成使命属性的要点如下:
1)解读使命的每个预期效果;
2)从效果描述中筛选出关键的修饰性词语,提炼效果具有的特征;
3)为这些词语匹配可度量的属性;
4)每个预期效果至少要匹配一种属性。

2.1.4 使命度量

使命度量阶段的输出是使命效能指标,用于度量使命的预期效果。
构建使命效能指标的要点如下:
1)解读使命的每个属性;
2)提炼每个使命属性的特征,为这些特征匹配潜在的度量指标;
3)尽量使用简单的指标,并确定每个指标的度量尺度(时间、长度、质量等);
4)每种属性至少识别出一个度量指标。
使命分解的实现过程如图3所示。通过3个矩阵把使命描述最终转化为可度量的使命效能指标。正是矩阵这种多对多映射的特点,使得使命度量的分解过程更加规范,指标分解更加科学。利用矩阵进行跟踪映射关系,同时也保证了指标的充分性和科学性。
图3 使命分解实现过程
本文以联合人员救援使命为例,遵循JMT全视图1(AV-1),使用其他所需信息源,如联合条令、作战规划等,分析预期效果,确保效果能描述作战环境中的系统行为,映射到使命目标,构建矩阵1,如图4所示。
然后确定使命属性,根据使命预期效果,使用修饰性语句描述活动,把该语句与可度量的属性相匹配(Swarf、其他属性列表),确保每个预期效果至少有一种属性,构建矩阵2,如图5所示。
根据使命属性定义,保持度量简单性,根据UJTL手册中的指南填写,确定度量单位(时间、长度、质量等),保证每种属性至少有一个度量指标,形成矩阵3,如图6所示。

2.2 任务分解

任务的分解流程如图7所示,分为使命描述、作战节点、作战任务/活动、联合/服务任务列表、任务列表度量、任务属性和任务度量7个阶段。其中,使命描述阶段已在上一节完成,不再赘述。
图7 任务分解流程

2.2.1 作战节点

根据使命描述阶段产生的使命陈述和使命目标,绘制高级作战概念图(OV-1),从图中获得作战节点。作战节点是指那些完成使命的核心功能节点。例如,可用一架攻击机表示作战节点,但不指明攻击机的具体型号(F/A-18)。
获得作战节点的要点如下:
1)根据使命描述的要素绘制作战视图OV-1;
2)使用通用的功能名称命名作战节点,不用某个特定的系统名称;
3)若作战节点是某个联合组织,则可以使用组织的名称。
获得全部作战节点后,还需进一步核查是否都具备完成使命陈述中指定任务的能力,达到使命的预期效果,从而实现使命目标。

2.2.2 作战任务/活动

任务是使一个使命或功能得以由个人或组织完成的离散事件或行动[1]。在DoDAF2.0中使用“活动”这一术语表示任务。根据联合作战需要,任务可分解成多个层级。在作战视图OV-1中已经体现出第一级任务,使用作战资源流描述(OV-2)和作战活动分解树(OV-5)能够获得低层级任务。
分解作战任务的要点如下:
1)使用作战视图OV-2和OV-5;
2)可使用其他资源辅助任务分解;
3)OV-2中使用的是作战节点,不是某个特定系统;
4)在映射到下一级任务时,若执行所有子任务的作战节点相同,则结束映射。

2.2.3 联合/服务任务列表

通用联合任务清单(UJTL)是一个在战略级、战役级和战术级战斗层面最完整的军事任务清单。按照功能,UJTL又分为部署和调遣、情报、兵力使用、保障、指挥与控制、动员/兵力防护、兵力开发/准备情况/反核生化和高爆、多国/多机构、核生化和高爆威慑9大类。服务任务属于战术级任务,服务任务清单由陆军通用任务清单(AUTL)、海军陆战队任务清单(MCTL)、海军任务清单(NTL)和空军通用任务清单(AFUTL)组成[8]。联合任务清单和服务任务清单是现有任务描述和度量标准的一个权威来源。
本文所涉及的联合/服务任务列表是由从联合任务清单和服务任务清单挑选出来的任务组成的。生成联合/服务任务列表的要点如下:
1)检索联合使命线程在联合任务清单中对应的初级联合任务;
2)在初级联合任务中,确定哪些支撑联合任务和服务任务能映射到JMT的子任务;
3)重点关注战役级任务和战术级任务,它们有助于识别JMT任务性能指标;
4)把其他相关的联合任务中的支撑任务也放入矩阵,作为潜在的任务;
5)对某个任务作为潜在任务不确定时,原则是先放入矩阵,可能会产生好的度量指标。

2.2.4 任务列表度量

联合任务清单和服务任务清单为每个任务提供度量标准。这些度量标准虽然支持任务度量指标分解,但是它们并不是完整、足够的,只是识别和罗列了JMT中可能用到的一些任务度量指标。
实现任务列表度量的要点如下:
1)罗列任务列表中联合任务和服务任务对应的全部度量指标;
2)删除重复的度量指标,但确保每个指标均映射到相应的任务。

2.2.5 任务属性

对于任务属性,它仍描述单元的行动特征。每个任务都拥有多个可观察的性能维度,以及为每个维度规定一个可接受的性能水平的准则。
生成任务属性的要点如下:
1)研究作战人员的任务性能属性需求;
2)研究列表中联合任务和服务任务相关属性;
3)考虑一些常用的任务属性,例如时效性、效能、完成度、致死率、精确性;
4)详细设计每个任务的描述,识别出潜在的任务属性;
5)提问题——该任务是否需要嵌入这个属性?验证该属性用于评估任务的适合性;
6)至少为每个任务匹配一种属性;
7)为子任务匹配的属性应是父任务的属性。

2.2.6 任务度量

每个任务都有相关联的度量标准,用于评估该任务的属性。这些任务度量标准将为满足作战人员执行任务的需求提供基础。
实现任务度量的要点如下:
1)利用UJTL手册中通用指南写出度量指标;
2)只在合适时才使用任务列表已有的度量指标;
3)至少为每种属性识别出一种度量指标;
4)确定每种度量指标的尺度和描述;
5)度量指标可适用多个任务层级,如子任务的时效性指标也可能要求父任务具有;
6)控制度量指标数量,尽量使用简短指标列表。
图8是任务分解的实现过程,通过绘制1个作战视图OV-1和使用5个矩阵对使命描述和任务度量进行关联,生成一系列可度量的任务性能指标。
图8 任务分解实现过程

3 智能化作战效能度量指标体系构建平台

本文借鉴联合使命线程度量框架思路,设计智能化作战效能度量指标体系构建平台,把生成DoDAF视图产品的顶层设计-协作论证平台(TD-CAP)和体系建模与仿真平台衔接起来。平台采用“浏览器和服务器(B/S)”架构,可作为一个功能模块集成到未来作战效能评估的主页上。界面左侧的系统导航栏罗列了使命效能度量(MMOE)、任务性能度量(TMOP)、体系属性度量(MOSA-1)和系统属性度量(MOSA-2)4个层次。在每一层中,除了实现度量的各个阶段外,还置顶增加了度量指标的分解流程框图,如图9所示。它的作用是为了展示各个阶段前后顺序和交互关系,还可通过点击流程图中的每个方框跳转到相应阶段。
图9 使命分解流程界面
度量指标构建界面如图10所示,它是一个典型的使命度量界面。根据使命度量的分析过程,界面右侧自上而下依次显示使命属性的特征、使命属性潜在的度量指标和使命属性-使命效能度量矩阵,其中,特征、度量和矩阵均以表格形式呈现。矩阵中使命属性和使命效能度量的映射关系是由作战指挥员、军事主题专家(Subject Matter Expert,SME)等专业人士经过反复讨论确定,即基于专家经验完成。为了固化这些专家经验,矩阵中的映射关系将作为初始训练样本保存下来,再构造粗糙集-神经网络对这些样本进行训练,进而,提高度量指标体系构建的效率。
图10 使命度量界面
训练流程如图11所示,具体实现步骤是:首先,使用粗糙集集中降低初始样本集的维度,在保留原数据集中有用信息的条件下,剔除掉样本集中的重复对象和冗余条件属性,生成约简后的“新样本”;然后,采用BP神经网络对这些“新样本”进行学习和训练,训练结果将用于快速确定矩阵中的映射关系,输出作战效能度量指标[9-10]
图11 粗糙集-神经网络训练流程

4 结束语

本文首先分析了基于能力定义的联合使命线程度量框架,提出从使命效能度量、任务性能度量和系统属性度量3个指标层级评估作战效能;然后,建立了联合使命线程度量指标,重点是对使命和任务进行分解,并详细阐述它们各自的分解流程;最后,根据度量指标的建立过程,设计了智能化作战效能度量指标体系构建平台,通过采用粗糙集-神经网络训练和学习各个矩阵中的映射关系,减少指标构建人员工作量。
研究美军基于联合使命线程的度量框架,使命级和任务级度量指标的建立过程,可以帮助我军从使命任务角度理解作战效能,对我军作战效能评估方法研究的流程化、规范化具有很好的借鉴意义。随着我军联合作战任务清单、各军种任务清单、作战能力指标库的建立,也将为基于联合使命线程的度量指标分解提供必要的资源基础。
[1]
胡晓峰, 杨镜宇, 司光亚, 等. 战争复杂系统仿真分析与实验[M]. 北京: 国防大学出版社, 2009.

[2]
Joint Staff J6. Joint Capabilities Integration and Development System (JCIDS)[M]. CJCSI 3170. 01I. January, 2015.

[3]
王彦锋, 林木, 王维平, 等. 美军联合使命线程发展对武器装备试验鉴定的启示[J]. 系统仿真学报, 2018, 35(8): 1-5.

[4]
工业设计俱乐部. “5W1H”--做设计研究的一个好方法[J]. 观点聚焦-设计战略, 2015(10): 34-36.

[5]
Maximo Lorenzo. Program Managers Handbook for Testing in a Joint Environment[M]. Office of the Secretary of Defense, 2009.

[6]
Stéphane Billaud, Nicolas Daclin, Vincent Chapurlat. Interoperability as a Key Concept for the Control and Evolution of the System of Systems (SoS)[C]. 6th International IFIP Working Conference on Enterprise Interoperability. Nîmes, France, 2015: 53-63.

[7]
Mike Gagliardi, Bill Wood, Tim Morrow. Introduction to the Mission Thread Workshop[J]. Software Engineering Institute October, 2013:4-6.

[8]
Joint Staff J6. Warfighting Mission Area (WMA) Architecture Development Standards[M]. Joint Staff J6, 2014, 3: 1-6.

[9]
黄晶晶, 熊才权. 粗糙集-神经网络在作战效能评估中的应用[J]. 计算机与数字工程, 2011, 39(5): 62-66.

[10]
董彦非, 王曦. 多种方法结合的作战效能评估研究[J]. 火力与指挥控制, 2018, 43(7): 10-13.

Outlines

/