基于大數據的現役雷達裝備預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

當前正處于陸軍裝備轉型建設的關鍵期，陸軍首長多次提出陸軍裝備建設要加強“信息主導、數據支撐”，形成創新為先的局面。目前正在進行的陸軍裝備維修保障體制改革也要求形成“快速機動，精確保障”的新模式，需要進行維修保障方法進行研究與創新。本文基于大數據技術的挖掘、分析、研究，將狀態監測、故障診斷、狀態預測和維修決策合為一體，形成在預防性維修基礎上更為精準有效的預測性維修保障的新模式、新思路。

1 大數據技術概況

大數據是IT領域的又一次顛覆性的技術變革，它正在變革著我們的生活、工作和思路，開啟著重大的時代轉型。在處理數據及信息時具有三個重大變革，一是可以分析更多的、更全面的數據，而不是少量的隨機樣本，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系，轉而更關注相關關系[1]。

大數據的特點可以歸納為4“V”(Volume體量,Variety種類,Value價值,Velocity速度)，即數據規模大、數據類型多、數據價值高、數據處理快。

大數據挖掘就是從大量的、不完全的、實際應用的數據中提取潛在有用的信息和知識，幫助決策者找尋規律、預測趨勢、防范疏漏[2]。大數據社會各個領域和各個層面都在發揮著巨大作用，例如谷歌2011年成功預測美國流感爆發就是典型案例。在醫學領域可以篩選出各種疾病發病原因，篩選出最佳治療方案，更可以做到預防、預報、預警，在教育領域可以篩選出各類人才的最佳成長路徑和環境，改變教育的盲目性和低效率等等。

大數據挖掘的主要方法有決策樹分類、神經網絡、回歸算法、聚類分析等。

2 應用構想

雷達裝備作為典型的信息化裝備，配備的數量越來越大，功能越來越強，集成度越來越高，故障模式也越來越復雜，同時雷達裝備在使用過程中產生出大量的信息與數據，然而目前這些信息、數據并未被得到充分搜集或者有效利用，造成數據資源的極大浪費，挖掘使用裝備的維修保障的相關數據、信息，建立雷達裝備的維修保障大數據資源庫，建立“裝備云”平臺，利用先進的大數據精準挖掘分析技術，實現信息資源的挖掘利用，實現雷達裝備的故障預測和健康管理，實現維修保障戰備資源的優化配置。可以改變傳統的雷達裝備維修保障模式，由基于故障現象的事后維修轉變為基于大數據分析的預測性維修，由維修保障資源固定配置模式的轉變為精準動態調整，充分提高維修保障資源的使用效能，實現維修保障的主動、快速、精準、高效[3]。平臺的主要功能如下：

1)裝備綜合狀態查詢

上級機關可以查詢雷達裝備運行狀態信息以及裝備維修保障信息，通過大數據分析對裝備可靠性和壽命進行評估，上級機關以及部隊裝備管理部門可以及時了解裝備服役狀態。對于異常狀態的裝備，系統可以給相關部門發出報警提示信息。

2)維修保障方案優化

通過型號裝備運行狀態和基本數據的分析，對不同型號雷達裝備維修保障方案提出優化提出決策支持，對維修器材目錄有效修訂，對年度維修保障計劃優化，對維修保障資源配置(備件、耗材、人員、工具、資料等)進行動態調整等等。

3)裝備故障預測

通過對裝備使用狀態、運行數據、環境信息、用戶使用習慣信息的大數據分析，對裝備可能發生的故障進行預測，對維修保障部門進行提示，形成雷達裝備的健康管理模式和基于狀態的維修模式，最終達到預測性維修和保障的目的和效果。

4)裝備維修保障資源個體定制

通過建立每個裝備的個體維修保障檔案，針對裝備個體特性和及其故障的特征，自動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量。

3 設計思路

平臺共分為三層結構：數據采集層、數據處理層和數據應用層[4-5]。

1)數據采集層

對部隊用戶在裝備使用過程中各種影響雷達裝備維修保障的數據信息采集。數據采集內容包括兩方面：一是部隊用戶信息、列裝時間、使用情況、維護情況等基本信息；二是通過開發雷達裝備運行數據實時采集器，能夠實時動態采集雷達裝備運行狀態數據、機內BITE故障數據和環境數據等[6]。

2)數據處理層

在數據采集過程中，雷達裝備數據構成多樣、異構且呈現海量增長趨勢。因此，必須要建立數據整理、存儲和訪問的有效途徑。本平臺采用了基于HaDoop架構的云存儲平臺，設計了多源、異構海量數據存儲與訪問算法。可以實現對各種數據的高效存儲與訪問[7]。

3)數據應用層

數據應用層利用大數據挖掘技術，設計多種算法，實現對雷達裝備各類數據的分析，找出數據的內部關聯，確定產品的改進方向。

4 結束語

計算機處理速度的不斷提升、基礎數據的不斷積累，促進了大數據技術不斷應用于各行各業，并取得了意想不到的效果。利用大數據技術對裝備運行和保障過程中積累的海量數據進行分析、挖掘，在裝備保障預測、質量提升、新產品開發等應用方面具有廣闊前景。