基于大數(shù)據(jù)的現(xiàn)役雷達(dá)裝備預(yù)測性維修保障平臺研究

李德世 孫云哲

(1.陸軍西安軍代局 西安 710032；2.西安電子工程研究所 西安 710100)

0 引言

當(dāng)前正處于陸軍裝備轉(zhuǎn)型建設(shè)的關(guān)鍵期，陸軍首長多次提出陸軍裝備建設(shè)要加強(qiáng)“信息主導(dǎo)、數(shù)據(jù)支撐”，形成創(chuàng)新為先的局面。目前正在進(jìn)行的陸軍裝備維修保障體制改革也要求形成“快速機(jī)動(dòng)，精確保障”的新模式，需要進(jìn)行維修保障方法進(jìn)行研究與創(chuàng)新。本文基于大數(shù)據(jù)技術(shù)的挖掘、分析、研究，將狀態(tài)監(jiān)測、故障診斷、狀態(tài)預(yù)測和維修決策合為一體，形成在預(yù)防性維修基礎(chǔ)上更為精準(zhǔn)有效的預(yù)測性維修保障的新模式、新思路。

1 大數(shù)據(jù)技術(shù)概況

大數(shù)據(jù)是IT領(lǐng)域的又一次顛覆性的技術(shù)變革，它正在變革著我們的生活、工作和思路，開啟著重大的時(shí)代轉(zhuǎn)型。在處理數(shù)據(jù)及信息時(shí)具有三個(gè)重大變革，一是可以分析更多的、更全面的數(shù)據(jù)，而不是少量的隨機(jī)樣本，二是追求的不僅是精確性還有混雜性，三是不再熱衷于尋找因果關(guān)系，轉(zhuǎn)而更關(guān)注相關(guān)關(guān)系[1]。

大數(shù)據(jù)的特點(diǎn)可以歸納為4“V”(Volume體量,Variety種類,Value價(jià)值,Velocity速度)，即數(shù)據(jù)規(guī)模大、數(shù)據(jù)類型多、數(shù)據(jù)價(jià)值高、數(shù)據(jù)處理快。

大數(shù)據(jù)挖掘就是從大量的、不完全的、實(shí)際應(yīng)用的數(shù)據(jù)中提取潛在有用的信息和知識，幫助決策者找尋規(guī)律、預(yù)測趨勢、防范疏漏[2]。大數(shù)據(jù)社會各個(gè)領(lǐng)域和各個(gè)層面都在發(fā)揮著巨大作用，例如谷歌2011年成功預(yù)測美國流感爆發(fā)就是典型案例。在醫(yī)學(xué)領(lǐng)域可以篩選出各種疾病發(fā)病原因，篩選出最佳治療方案，更可以做到預(yù)防、預(yù)報(bào)、預(yù)警，在教育領(lǐng)域可以篩選出各類人才的最佳成長路徑和環(huán)境，改變教育的盲目性和低效率等等。

大數(shù)據(jù)挖掘的主要方法有決策樹分類、神經(jīng)網(wǎng)絡(luò)、回歸算法、聚類分析等。

2 應(yīng)用構(gòu)想

雷達(dá)裝備作為典型的信息化裝備，配備的數(shù)量越來越大，功能越來越強(qiáng)，集成度越來越高，故障模式也越來越復(fù)雜，同時(shí)雷達(dá)裝備在使用過程中產(chǎn)生出大量的信息與數(shù)據(jù)，然而目前這些信息、數(shù)據(jù)并未被得到充分搜集或者有效利用，造成數(shù)據(jù)資源的極大浪費(fèi)，挖掘使用裝備的維修保障的相關(guān)數(shù)據(jù)、信息，建立雷達(dá)裝備的維修保障大數(shù)據(jù)資源庫，建立“裝備云”平臺，利用先進(jìn)的大數(shù)據(jù)精準(zhǔn)挖掘分析技術(shù)，實(shí)現(xiàn)信息資源的挖掘利用，實(shí)現(xiàn)雷達(dá)裝備的故障預(yù)測和健康管理，實(shí)現(xiàn)維修保障戰(zhàn)備資源的優(yōu)化配置。可以改變傳統(tǒng)的雷達(dá)裝備維修保障模式，由基于故障現(xiàn)象的事后維修轉(zhuǎn)變?yōu)榛诖髷?shù)據(jù)分析的預(yù)測性維修，由維修保障資源固定配置模式的轉(zhuǎn)變?yōu)榫珳?zhǔn)動(dòng)態(tài)調(diào)整，充分提高維修保障資源的使用效能，實(shí)現(xiàn)維修保障的主動(dòng)、快速、精準(zhǔn)、高效[3]。平臺的主要功能如下：

1)裝備綜合狀態(tài)查詢

上級機(jī)關(guān)可以查詢雷達(dá)裝備運(yùn)行狀態(tài)信息以及裝備維修保障信息，通過大數(shù)據(jù)分析對裝備可靠性和壽命進(jìn)行評估，上級機(jī)關(guān)以及部隊(duì)裝備管理部門可以及時(shí)了解裝備服役狀態(tài)。對于異常狀態(tài)的裝備，系統(tǒng)可以給相關(guān)部門發(fā)出報(bào)警提示信息。

2)維修保障方案優(yōu)化

通過型號裝備運(yùn)行狀態(tài)和基本數(shù)據(jù)的分析，對不同型號雷達(dá)裝備維修保障方案提出優(yōu)化提出決策支持，對維修器材目錄有效修訂，對年度維修保障計(jì)劃優(yōu)化，對維修保障資源配置(備件、耗材、人員、工具、資料等)進(jìn)行動(dòng)態(tài)調(diào)整等等。

3)裝備故障預(yù)測

通過對裝備使用狀態(tài)、運(yùn)行數(shù)據(jù)、環(huán)境信息、用戶使用習(xí)慣信息的大數(shù)據(jù)分析，對裝備可能發(fā)生的故障進(jìn)行預(yù)測，對維修保障部門進(jìn)行提示，形成雷達(dá)裝備的健康管理模式和基于狀態(tài)的維修模式，最終達(dá)到預(yù)測性維修和保障的目的和效果。

4)裝備維修保障資源個(gè)體定制

通過建立每個(gè)裝備的個(gè)體維修保障檔案，針對裝備個(gè)體特性和及其故障的特征，自動(dòng)匹配解決故障所需要的備件、耗材、人員、工具資源的種類和數(shù)量。

3 設(shè)計(jì)思路

平臺共分為三層結(jié)構(gòu)：數(shù)據(jù)采集層、數(shù)據(jù)處理層和數(shù)據(jù)應(yīng)用層[4-5]。

1)數(shù)據(jù)采集層

對部隊(duì)用戶在裝備使用過程中各種影響雷達(dá)裝備維修保障的數(shù)據(jù)信息采集。數(shù)據(jù)采集內(nèi)容包括兩方面：一是部隊(duì)用戶信息、列裝時(shí)間、使用情況、維護(hù)情況等基本信息；二是通過開發(fā)雷達(dá)裝備運(yùn)行數(shù)據(jù)實(shí)時(shí)采集器，能夠?qū)崟r(shí)動(dòng)態(tài)采集雷達(dá)裝備運(yùn)行狀態(tài)數(shù)據(jù)、機(jī)內(nèi)BITE故障數(shù)據(jù)和環(huán)境數(shù)據(jù)等[6]。

2)數(shù)據(jù)處理層

在數(shù)據(jù)采集過程中，雷達(dá)裝備數(shù)據(jù)構(gòu)成多樣、異構(gòu)且呈現(xiàn)海量增長趨勢。因此，必須要建立數(shù)據(jù)整理、存儲和訪問的有效途徑。本平臺采用了基于HaDoop架構(gòu)的云存儲平臺，設(shè)計(jì)了多源、異構(gòu)海量數(shù)據(jù)存儲與訪問算法。可以實(shí)現(xiàn)對各種數(shù)據(jù)的高效存儲與訪問[7]。

3)數(shù)據(jù)應(yīng)用層

數(shù)據(jù)應(yīng)用層利用大數(shù)據(jù)挖掘技術(shù)，設(shè)計(jì)多種算法，實(shí)現(xiàn)對雷達(dá)裝備各類數(shù)據(jù)的分析，找出數(shù)據(jù)的內(nèi)部關(guān)聯(lián)，確定產(chǎn)品的改進(jìn)方向。

4 結(jié)束語

計(jì)算機(jī)處理速度的不斷提升、基礎(chǔ)數(shù)據(jù)的不斷積累，促進(jìn)了大數(shù)據(jù)技術(shù)不斷應(yīng)用于各行各業(yè)，并取得了意想不到的效果。利用大數(shù)據(jù)技術(shù)對裝備運(yùn)行和保障過程中積累的海量數(shù)據(jù)進(jìn)行分析、挖掘，在裝備保障預(yù)測、質(zhì)量提升、新產(chǎn)品開發(fā)等應(yīng)用方面具有廣闊前景。