面向裝備綜合保障設(shè)計的大數(shù)據(jù)系統(tǒng)研究

， ，

(江南機電設(shè)計研究所， 貴州 貴陽 550009)

0 引 言

根據(jù)國內(nèi)裝備綜合保障設(shè)計現(xiàn)狀，以“大數(shù)據(jù)”為主要技術(shù)手段，系統(tǒng)開展面向“精確保障力”的裝備綜合保障設(shè)計研究。通過大數(shù)據(jù)存儲、分析與挖掘等一系列大數(shù)據(jù)技術(shù)，有效利用裝備全壽命周期內(nèi)產(chǎn)生的大量綜合保障數(shù)據(jù)，對裝備使用、維修的規(guī)律和特性進行數(shù)據(jù)挖掘，為綜合保障設(shè)計過程提供決策支持，提高設(shè)計效率，創(chuàng)新裝備“精確保障力”生成手段，全面提升裝備智能化、快響應(yīng)、主動式綜合保障設(shè)計能力。

在整合裝備全壽命周期產(chǎn)生的大量綜合保障數(shù)據(jù)資源基礎(chǔ)上，面向裝備精確保障能力構(gòu)建需求，突破大數(shù)據(jù)存儲、分析與挖掘等技術(shù)瓶頸，解決傳統(tǒng)綜合保障設(shè)計過程中設(shè)計能力不足、設(shè)計手段粗放、資源配備與裝備實戰(zhàn)化需求差距巨大等一系列問題。在保障模式上實現(xiàn)從粗放型、經(jīng)驗型向集約型、精準型的跨越式轉(zhuǎn)變。在設(shè)計手段上，進行設(shè)計能力的全面提升，使得裝備在交付部隊后具備狀態(tài)感知和自主維修決策能力，能夠根據(jù)戰(zhàn)斗任務(wù)需求提前實施精確的維修保障工作。動態(tài)優(yōu)化配置保障資源，減少裝備停機和脫離戰(zhàn)斗時間，確保裝備滿足信息化、體系化實戰(zhàn)保障需求，對有效打贏未來攻防對抗戰(zhàn)爭具有重大價值和現(xiàn)實意義。

1 裝備綜合保障設(shè)計現(xiàn)狀

裝備的傳統(tǒng)綜合保障設(shè)計以任務(wù)成功和故障修復作為出發(fā)點，不考慮裝備在具體使用環(huán)境中的個體差異，提供的是一種以“事前計劃性維護”和“事后被動維修”為特點的粗放式靜態(tài)保障能力，缺乏保障資源的靈活重組能力以及保障任務(wù)的協(xié)調(diào)優(yōu)化能力。

從綜合保障設(shè)計總體來看，裝備在需求論證、保障性分析、保障資源規(guī)劃、保障方案生成等綜合保障關(guān)鍵設(shè)計環(huán)節(jié)中仍嚴重依賴設(shè)計師個人經(jīng)驗，主觀性和隨意性較大；裝備在全壽命周期內(nèi)形成的大量保障數(shù)據(jù)、已有型號經(jīng)驗和教訓等在設(shè)計過程中沒有得到有效利用，“老問題”重復出現(xiàn)的情況時有發(fā)生，許多問題只能遺留到裝備定型甚至使用階段，逐步發(fā)現(xiàn)逐步解決，對裝備戰(zhàn)斗力的形成造成了十分不利的影響，設(shè)計改進的代價巨大；保障方案決策及設(shè)計優(yōu)化能力嚴重不足，保障資源規(guī)模龐大且無法實現(xiàn)精確配置，“用而不備、備而不用”的問題突出。

從綜合保障設(shè)計方法來看，采用的是面向數(shù)據(jù)統(tǒng)計和邏輯決策分析的設(shè)計方法。由于裝備實際問題的復雜性、不確定性，導致裝備保障模型難以準確構(gòu)建，基于模型的設(shè)計(MBD)手段一直沒有建立。主要模型參數(shù)如故障模式、元器件失效率、故障模式危害度、平均故障間隔時間、維修率等數(shù)據(jù)主要來源于相關(guān)標準及手冊的典型產(chǎn)品在典型環(huán)境的標稱值，由于具體裝備的實際狀態(tài)以及多樣任務(wù)、動態(tài)變化(如全天候、多地域)的外界環(huán)境數(shù)據(jù)未充分利用，導致模型參數(shù)難以準確確定，綜合保障設(shè)計結(jié)果難以適應(yīng)復雜動態(tài)環(huán)境條件下的裝備精確保障需求。

從綜合保障設(shè)計效果來看，相關(guān)部隊只能按照規(guī)定的計劃性保障任務(wù)機械地開展保障工作，或者在裝備故障后進行被動式“救火”，難以利用戰(zhàn)場態(tài)勢、作戰(zhàn)任務(wù)、裝備狀態(tài)數(shù)據(jù)等進行動態(tài)決策和調(diào)整，使得整體保障效能不高，裝備任務(wù)成功性和戰(zhàn)備完好性水平與預(yù)期保障設(shè)計目的存在較大差異；往往以保障時間和保障資源的消耗為代價來換取裝備整體戰(zhàn)備完好率和任務(wù)成功率，使得已列裝裝備中出現(xiàn)“保障不足”和“保障過度”并存、保障效果達不到預(yù)期設(shè)計的情況，無法滿足體系化、信息化新形勢下帶來的精確保障需求。

2 裝備綜合保障大數(shù)據(jù)系統(tǒng)總體構(gòu)建方案

裝備精確保障設(shè)計需要新的技術(shù)方法和創(chuàng)新手段。從精確保障技術(shù)內(nèi)涵來看，數(shù)據(jù)利用、決策支持是實現(xiàn)精確保障設(shè)計與傳統(tǒng)保障設(shè)計最大的區(qū)別。引入“大數(shù)據(jù)”技術(shù)，以大數(shù)據(jù)分析作為設(shè)計決策支持手段，實現(xiàn)保障任務(wù)和資源精細化設(shè)計，成為解決裝備精確保障設(shè)計能力的可行手段。

從數(shù)據(jù)產(chǎn)生及形式來看，裝備從論證、設(shè)計、研制、生產(chǎn)、交付、使用、維護維修直至報廢的整個過程中，會產(chǎn)生大量的指標、設(shè)計、仿真、測試、試驗以及使用、維修等數(shù)據(jù)，包括文本、數(shù)據(jù)、文檔記錄、模型、程序、圖表、圖片、視頻等多種類型的結(jié)構(gòu)化或非結(jié)構(gòu)化數(shù)據(jù)。因此，裝備的綜合保障數(shù)據(jù)具有裝備復雜、交付量大、服役周期長、監(jiān)測數(shù)據(jù)多、繼承關(guān)聯(lián)性強、多源異構(gòu)等鮮明的大數(shù)據(jù)特點。一般而言，這些裝備數(shù)據(jù)量大且價值密度較低，但是，在大批裝備經(jīng)過長期監(jiān)測的情況下，這些數(shù)據(jù)中隱含了設(shè)計缺陷、使用規(guī)律、故障規(guī)律、消耗規(guī)律、優(yōu)化規(guī)律等一系列對于精確保障設(shè)計至關(guān)重要的信息，然而用常規(guī)數(shù)據(jù)分析方法去捕捉、管理和處理這些數(shù)據(jù)卻難以獲取有價值的信息。因此，將“大數(shù)據(jù)”引入傳統(tǒng)綜合保障設(shè)計，利用大數(shù)據(jù)挖掘方法挖掘單因素的趨勢信息、多因素潛在的關(guān)聯(lián)關(guān)系，通過規(guī)律分析獲取綜合保障設(shè)計所需的各種參數(shù)，為綜合保障設(shè)計提供決策支持，以解決傳統(tǒng)綜合保障設(shè)計模型參數(shù)設(shè)計不準確的問題。

基于“大數(shù)據(jù)”的綜合保障設(shè)計能力主要體現(xiàn)在：面向裝備全壽命周期，通過綜合保障統(tǒng)一數(shù)據(jù)建模和大數(shù)據(jù)系統(tǒng)的構(gòu)建，實現(xiàn)綜合保障數(shù)據(jù)統(tǒng)一收集、處理、分析和挖掘利用，并逐步向知識挖掘發(fā)展，為綜合保障設(shè)計過程提供基于大數(shù)據(jù)的設(shè)計決策支持，提高設(shè)計效率。

綜上所述，以“大數(shù)據(jù)技術(shù)”作為設(shè)計支撐手段，有效利用裝備全壽命周期內(nèi)產(chǎn)生的大量綜合保障數(shù)據(jù)，對使用規(guī)律、維修規(guī)律、故障規(guī)律、消耗規(guī)律等進行挖掘，可以大力提升防空裝備綜合保障設(shè)計水平?；诖髷?shù)據(jù)的綜合保障設(shè)計過程如圖1所示。

根據(jù)裝備在論證、方案、研制各階段綜合保障設(shè)計中需要開展的大數(shù)據(jù)分析挖掘需求，構(gòu)建集綜合保障大數(shù)據(jù)存儲、處理、挖掘為一體的大數(shù)據(jù)系統(tǒng)；對綜合保障異構(gòu)大數(shù)據(jù)進行變換及歸約處理，完成綜合保障數(shù)據(jù)入庫前的清洗；應(yīng)用綜合保障集中-分布式數(shù)據(jù)存儲方法，實現(xiàn)綜合保障多源異構(gòu)大數(shù)據(jù)的存儲；利用面向裝備綜合保障設(shè)計的大數(shù)據(jù)挖掘分析算法，支撐維修保障任務(wù)設(shè)計及保障資源設(shè)計。大數(shù)據(jù)系統(tǒng)總體構(gòu)建方案[1-2]見圖2。

圖1 基于大數(shù)據(jù)的綜合保障設(shè)計過程Fig.1 Integrated support design based on big data

圖2 綜合保障大數(shù)據(jù)系統(tǒng)總體構(gòu)建方案Fig.2 Overall construction scheme for integrated support big data system

3 裝備綜合保障大數(shù)據(jù)系統(tǒng)關(guān)鍵技術(shù)

3.1 裝備綜合保障大數(shù)據(jù)系統(tǒng)構(gòu)建技術(shù)

綜合保障大數(shù)據(jù)系統(tǒng)總體架構(gòu)包括基礎(chǔ)設(shè)施層硬件架構(gòu)和軟件系統(tǒng)架構(gòu)兩部分。

基礎(chǔ)設(shè)施層包括承載數(shù)據(jù)存儲、數(shù)據(jù)分析和交換的高可靠服務(wù)器及網(wǎng)絡(luò)設(shè)備[3]。針對裝備綜合保障設(shè)計的全壽命周期綜合保障大數(shù)據(jù)應(yīng)用需求，充分調(diào)研其他行業(yè)和綜合保障已有大數(shù)據(jù)系統(tǒng)基礎(chǔ)設(shè)施架構(gòu)的現(xiàn)狀，設(shè)計一套完整的基礎(chǔ)設(shè)施的設(shè)計方案，包括網(wǎng)絡(luò)拓撲、存儲選型、服務(wù)器選型等，用于支持綜合保障大數(shù)據(jù)系統(tǒng)基礎(chǔ)設(shè)施的采購與實施。

對于軟件系統(tǒng)架構(gòu)層，Hadoop平臺目前是大數(shù)據(jù)平臺系統(tǒng)軟件的事實標準，可以滿足綜合保障大數(shù)據(jù)系統(tǒng)研發(fā)與驗證，因此，綜合保障大數(shù)據(jù)系統(tǒng)軟件架構(gòu)采用開源Apache Hadoop架構(gòu)為基礎(chǔ)來構(gòu)建，如圖3所示。由圖3可見，在大數(shù)據(jù)集成層進行外部數(shù)據(jù)的映射轉(zhuǎn)換加載，在大數(shù)據(jù)統(tǒng)一存儲管理層中對各種綜合保障類型數(shù)據(jù)存儲系統(tǒng)進行統(tǒng)一管理，并提供統(tǒng)一訪問服務(wù)；大數(shù)據(jù)挖掘分析層負責綜合保障數(shù)據(jù)挖掘模型的設(shè)計及執(zhí)行，包括算法庫的開發(fā)。

圖3 綜合保障大數(shù)據(jù)系統(tǒng)架構(gòu)Fig.3 Integrated support big data system configuration

3.2 全壽命周期綜合保障大數(shù)據(jù)集成與存儲技術(shù)

在數(shù)據(jù)集成之前，首先明確全壽命周期裝備數(shù)據(jù)的來源、類型，再針對不同來源、類型的數(shù)據(jù)開展不同數(shù)據(jù)的集成方法研究。從來源看，全壽命周期綜合保障數(shù)據(jù)主要包括：來自總體、分系統(tǒng)、設(shè)備等設(shè)計單位的綜合保障指標論證數(shù)據(jù)，保障性分析數(shù)據(jù)，裝備測試數(shù)據(jù)，可靠性實驗室試驗數(shù)據(jù)，外場試驗數(shù)據(jù)等；裝備在使用維修、保障過程中產(chǎn)生的在線和離線數(shù)據(jù)。這些數(shù)據(jù)可分為：①可靠性相關(guān)數(shù)據(jù),失效率、故障模式、故障癥狀；②工況數(shù)據(jù),溫度、濕度、應(yīng)力、載荷；③履歷數(shù)據(jù),所有正常工作、故障、測試、維修、大修、升級、延壽等數(shù)據(jù)；④狀態(tài)數(shù)據(jù),裝備自身傳感器、BIT檢測電路的所有測試、狀態(tài)感知以及工作過程中產(chǎn)生的其他性能相關(guān)的數(shù)據(jù)。從類型看，有結(jié)構(gòu)化的數(shù)據(jù)、非結(jié)構(gòu)化的數(shù)據(jù)、半結(jié)構(gòu)化的數(shù)據(jù)等。

1) 基于適配器的綜合保障大數(shù)據(jù)映射及處理技術(shù)

根據(jù)綜合保障大數(shù)據(jù)特點，規(guī)定統(tǒng)一的數(shù)據(jù)格式，形成統(tǒng)一的數(shù)據(jù)模型。采用適配器技術(shù)來實現(xiàn)綜合保障異構(gòu)數(shù)據(jù)與統(tǒng)一數(shù)據(jù)模型的映射，即針對不同類型數(shù)據(jù)格式，開發(fā)一個專門的適配器，來實現(xiàn)源數(shù)據(jù)和統(tǒng)一數(shù)據(jù)模型的模式映射和實例轉(zhuǎn)換工作。

因為異構(gòu)數(shù)據(jù)源眾多，人工來進行模式映射要花費大量時間，因此,采用基于語義和機器學習相結(jié)合的方法，實現(xiàn)模式的預(yù)先自動化匹配，然后由人工快速確認，最后自動化形成映射規(guī)則，并生成對應(yīng)的適配器。適配器工具可滿足大量異構(gòu)數(shù)據(jù)源向統(tǒng)一數(shù)據(jù)模型轉(zhuǎn)換的任務(wù)需求。通過采用適配器的方式實現(xiàn)對大量不同類型的數(shù)據(jù)資源訪問。適配器把一個類的接口轉(zhuǎn)換成期望的另一類接口，使得不同類型數(shù)據(jù)之間不因為接口不兼容而不能協(xié)同工作，使用適配器技術(shù)可大大節(jié)省用于開發(fā)接口與修改接口的時間。在數(shù)據(jù)交換中，通過為不同類型數(shù)據(jù)源編寫適配器，就可以在交換過程中使用統(tǒng)一接口來訪問各種數(shù)據(jù)源。

為進行保障數(shù)據(jù)的分析與挖掘，需要在數(shù)據(jù)映射轉(zhuǎn)換過程中進行數(shù)據(jù)清理，因此,在每個適配器后，都將進行變換、歸約的處理。以綜合保障統(tǒng)一數(shù)據(jù)建模為基礎(chǔ)，首先對裝備全壽命周期的多源異構(gòu)綜合保障數(shù)據(jù)進行變換、歸約處理，清洗裝備全壽命周期過程中產(chǎn)生的“臟數(shù)據(jù)”，將“臟數(shù)據(jù)”轉(zhuǎn)化為滿足數(shù)據(jù)分析要求的數(shù)據(jù)。采用分箱、聚類和回歸方式，處理數(shù)據(jù)中的噪聲數(shù)據(jù)；采用填充空缺值的方法，處理不完全數(shù)據(jù)；采用WFD技術(shù)(完全文件檢測技術(shù))方法，處理重復數(shù)據(jù)。

2) 綜合保障大數(shù)據(jù)集中-分布式存儲管理技術(shù)

對裝備全壽命周期的多源異構(gòu)數(shù)據(jù)，采用集中-分布式存儲的方式進行存儲，將海量的數(shù)據(jù)分散存儲在多臺獨立的設(shè)備中，并采用可擴展的系統(tǒng)結(jié)構(gòu)。

在存儲中心建立一個總的存儲節(jié)點，建立多個機器集群。大數(shù)據(jù)存儲系統(tǒng)基于開源Hadoop平臺構(gòu)建，針對文件、結(jié)構(gòu)化數(shù)據(jù)、鍵值對數(shù)據(jù)的存儲需求，對HDFS、Hive、HBase等系統(tǒng)進行優(yōu)化，并設(shè)計統(tǒng)一訪問接口，支持上層系統(tǒng)通過RESTful API接口方便地進行數(shù)據(jù)的管理和獲取。在分存儲節(jié)點，主要是在各分系統(tǒng)針對一些不適合匯聚的數(shù)據(jù)提供本地存儲管理，針對部分大數(shù)據(jù)分析需求，可以及時按需提供數(shù)據(jù)，進行數(shù)據(jù)統(tǒng)一挖掘分析。多源異構(gòu)綜合保障數(shù)據(jù)集中-分布式存儲管理框架見圖4。

圖4 綜合保障大數(shù)據(jù)集中-分布式存儲管理框架Fig.4 Integrated support big data concentration-distribution storage management framework

3.3 面向裝備綜合保障設(shè)計的大數(shù)據(jù)挖掘技術(shù)

針對裝備綜合保障大數(shù)據(jù)系統(tǒng)應(yīng)用需求，對大數(shù)據(jù)挖掘方法進行分析，總結(jié)每種挖掘方法的適用性和特點；根據(jù)論證階段、方案階段、工程研制階段綜合保障大數(shù)據(jù)系統(tǒng)的各類應(yīng)用需求，研究綜合保障大數(shù)據(jù)挖掘分析方法。

選擇挖掘方法時應(yīng)根據(jù)數(shù)據(jù)的來源和類型進行選擇，針對綜合保障領(lǐng)域常見算法，開發(fā)高效的算法庫，支持分析應(yīng)用開發(fā)。

常用的數(shù)據(jù)挖掘方法可分為分類、回歸分析、聚類、關(guān)聯(lián)分析、異常檢測5種。分類[4-5]、回歸分析通常適用于預(yù)測建模任務(wù)；聚類、關(guān)聯(lián)分析、異常檢測的目的是導出概括數(shù)據(jù)中潛在聯(lián)系的模式。

分類用于預(yù)測離散的目標變量，回歸分析用于預(yù)測連續(xù)的目標變量，因此，在裝備綜合保障設(shè)計過程中，對于備件、人力人員的規(guī)劃，可使用分類、回歸分析的挖掘方法。典型的分類挖掘模型有分類回歸樹、樸素貝葉斯、決策樹、神經(jīng)網(wǎng)絡(luò)、支持向量機等；典型的回歸挖掘模型有神經(jīng)網(wǎng)絡(luò)回歸、廣義線性回歸、支持向量機回歸等[6-7]。

聚類旨在發(fā)現(xiàn)緊密相關(guān)的觀測值簇，使得屬于不同簇的觀測值可比，屬于同一簇的觀測值相互之間盡可能類似[8]。在裝備綜合保障設(shè)計過程中，對于裝備、分系統(tǒng)、設(shè)備等綜合保障指標的確定，使用聚類的方法把以往型號的數(shù)據(jù)進行聚類，供設(shè)計人員查詢參考。典型的聚類模型有K均值聚類、層次聚類、期望最大化EM等。

關(guān)聯(lián)分析用以發(fā)現(xiàn)描述數(shù)據(jù)中強關(guān)聯(lián)特征的模式。在裝備綜合保障設(shè)計過程中，在確定指標時，除了通過聚類分析把指標展現(xiàn)給設(shè)計人員，同時還可以應(yīng)用相關(guān)分析的方法，把與確定指標需要考慮的相關(guān)因素呈現(xiàn)給設(shè)計人員，為指標的確定提供決策支持。典型的關(guān)聯(lián)分析模型有Apriori算法、FP增長算法等。

異常檢測的目的是發(fā)現(xiàn)真正的異常點，從而避免錯誤地將正常的對象標注為異常點。在裝備綜合保障設(shè)計過程中進行故障預(yù)測時，先使用異常檢測方法發(fā)現(xiàn)真正的異常點，進而進行準確的故障預(yù)測。典型的異常檢測模型有基于臨近度的模型和基于密度的模型等。經(jīng)歸納總結(jié)可得常用數(shù)據(jù)挖掘方法分類如圖5所示。

圖5 綜合保障大數(shù)據(jù)挖掘方法Fig.5 Integrated support big data mining

以綜合保障設(shè)計中備件的確定為例，根據(jù)裝備綜合保障大數(shù)據(jù)系統(tǒng)應(yīng)用需求分類，選擇分類預(yù)測方法，采用神經(jīng)網(wǎng)絡(luò)模型算法進行預(yù)測。從綜合保障數(shù)據(jù)中進行特征值提取，即與類似備件有關(guān)的故障模式、維修策略、滿足率、通用性、重要性、備件在存儲的過程中有無損耗及備件的供貨來源情況等特征，采用五折交叉檢驗的方法進行模型評估，給出合理的預(yù)測結(jié)果，為備件的規(guī)劃提供合理的、完備的決策信息。

在現(xiàn)有數(shù)據(jù)挖掘方法無法滿足綜合保障設(shè)計需求時，針對具體的裝備綜合保障設(shè)計需求，需要研究專門的挖掘算法。進行綜合保障大數(shù)據(jù)挖掘，需進行綜合保障關(guān)鍵設(shè)計因素及數(shù)據(jù)關(guān)聯(lián)分析，找出影響綜合保障設(shè)計的關(guān)鍵因素及與這些因素相關(guān)的數(shù)據(jù)，進行設(shè)計與使用過程中離線批量數(shù)據(jù)的處理等。針對綜合保障常用模型和算法，開發(fā)高效算法庫，為裝備的綜合保障設(shè)計提供決策支持。

4 結(jié)束語

本文首先針對裝備精確保障需求，突破大數(shù)據(jù)存儲、分析與挖掘等技術(shù)瓶頸，規(guī)范數(shù)據(jù)格式與模型，充分利用數(shù)據(jù)挖掘知識并逐步沉淀，找出裝備使用與維修相關(guān)規(guī)律，為綜合保障設(shè)計過程提供決策支持。然后，對綜合保障大數(shù)據(jù)系統(tǒng)架構(gòu)、全壽命周期綜合保障大數(shù)據(jù)集成與存儲技術(shù)、綜合保障大數(shù)據(jù)挖掘技術(shù)進行分析，提出一套覆蓋裝備綜合保障大數(shù)據(jù)集成與存儲、大數(shù)據(jù)挖掘以及網(wǎng)絡(luò)基礎(chǔ)支撐環(huán)境的總體框架方案，以期指導綜合保障大數(shù)據(jù)系統(tǒng)的構(gòu)建。