0 引言

    在裝備試驗工作過程中，積累了大量的歷史數(shù)據(jù)資源,，真實記錄了裝備試驗,、訓練、演練的第一手資料數(shù)據(jù),，隨著數(shù)據(jù)采集手段的不斷拓展和綜合試驗演練類任務的深入推進,，試驗數(shù)據(jù)積累量將呈指數(shù)級增長。

    這些數(shù)據(jù)資源是反映裝備性能,、可靠性,，評價裝備體系能力水平，研究裝備發(fā)展路徑的重要依據(jù)。但是,，由于建設初期信息技術尚不發(fā)達,，受網(wǎng)絡、計算,、存儲及數(shù)據(jù)處理技術等因素限制,，早期缺乏統(tǒng)一的系統(tǒng)規(guī)劃設計，目前大量武器裝備試驗數(shù)據(jù)分散存儲在不同試驗終端,，缺乏統(tǒng)一管理和分析應用機制,，大量隱含在數(shù)據(jù)中的有價值信息沒有得到有效地挖掘與開發(fā)^[1-2]。

    在信息技術領域,，大數(shù)據(jù)平臺技術生態(tài)鏈取得了飛速發(fā)展,，出現(xiàn)了Hadoop、HBase,、Storm,、Spark等眾多的開源的大數(shù)據(jù)分布式存儲、并行計算處理框架,。大數(shù)據(jù)計算技術解決了海量數(shù)據(jù)的收集,、存儲、計算,、分析的問題,。大數(shù)據(jù)技術已經(jīng)在醫(yī)療、金融,、交通,、教育、環(huán)保,、輿情監(jiān)管等眾多民用領域取得了實際應用,，驅動了相關領域的業(yè)務模式的創(chuàng)新發(fā)展，取得了良好的經(jīng)濟社會效益,。在軍事裝備領域,，航天、風洞等領域試驗數(shù)據(jù)得到了一定應用,，但其本質還停留在傳統(tǒng)的數(shù)據(jù)挖據(jù)領域,，尚未形成對大數(shù)據(jù)技術的應用成果。

    本文結合裝備試驗數(shù)據(jù)管理需求,，研究提出了一種基于裝備試驗大數(shù)據(jù)的裝備大數(shù)據(jù)模型,，該模型可以指導如何抽取利用裝備試驗的歷史資料數(shù)據(jù)，利用大數(shù)據(jù)處理技術挖掘建立裝備決策分析模型知識庫,，并基于知識庫提供裝備管理智能化決策支持服務,從而提高裝備數(shù)據(jù)資源的處理分析利用率,，將數(shù)據(jù)資源轉化為智能化的決策分析服務。

1 裝備試驗數(shù)據(jù)的特點

    裝備試驗數(shù)據(jù)一般涵蓋裝備試驗過程中產(chǎn)生的所有數(shù)據(jù)，長期以來,，試驗部門積累了PB級的歷史試驗數(shù)據(jù)資源,，包括紙質報告、電子文檔,、膠片,、電子照片、音視頻數(shù)據(jù),、雷測數(shù)據(jù),、遙測數(shù)據(jù)等，分散在不同的試驗終端單位,，缺乏統(tǒng)一的數(shù)據(jù)組織與管理規(guī)范平臺,。這些試驗數(shù)據(jù)資料具有以下特點：

    (1)試驗數(shù)據(jù)種類繁多。隨著裝備試驗范圍的拓展,，試驗數(shù)據(jù)包括的范圍也越來越廣,，在試驗大類方面包括：各型裝備的性能試驗數(shù)據(jù)，作戰(zhàn)試驗相關的裝備能力效能評估數(shù)據(jù),，裝備體系推演數(shù)據(jù)等,；針對單項試驗則包括：裝備、氣象,、地理水文環(huán)境,、人員保障、業(yè)務流程等數(shù)據(jù),。

    (2)資料數(shù)據(jù)的形式多樣化,，結構化的數(shù)據(jù)庫數(shù)據(jù),，又有非結構化的文本,、圖像、影像資料,，還有半結構化的資料數(shù)據(jù),；此外，還存在海量的未數(shù)字化文檔等,。

    (3)潛在價值高,，價值相對穩(wěn)定。與商業(yè)數(shù)據(jù)不同,，隨著時間的的推移,，歷史數(shù)據(jù)細節(jié)不再重要，武器裝備試驗數(shù)據(jù)對于裝備全壽命管理周期有效期很長,，可以長達十幾年,，數(shù)據(jù)價值隨時間變化不敏感。

    (4)數(shù)據(jù)不斷增長。隨著后期體系級裝備試驗和貼近實戰(zhàn)的裝備作戰(zhàn)試驗的深入展開,，試驗數(shù)據(jù)資源量將承指數(shù)級迅猛發(fā)展,。將有越來越多的試驗數(shù)據(jù)需要管理、分析和利用,，傳統(tǒng)的數(shù)據(jù)倉庫方式的數(shù)據(jù)中心方案將很難滿足未來發(fā)展的需要,，需要建立分布式的基于大數(shù)據(jù)的數(shù)據(jù)中心平臺。

2 裝備試驗數(shù)據(jù)的管理需求分析

    對裝備試驗數(shù)據(jù)的管理需求主要包括以下4個方面：

    (1)數(shù)據(jù)建模需求：當前海量的試驗數(shù)據(jù)資源的價值處于沉睡狀態(tài),，由于其底數(shù)不清,，格式各異，尚不能對其進行較為深入地應用分析,，因此對海量試驗數(shù)據(jù)資源進行建模,，形成有效的管理、治理手段是當前需要解決的首要問題,。

    (2)試驗任務評估需求：基于試驗任務的試驗數(shù)據(jù),，可以評估本次試驗任務的實際效果；基于同類裝備的歷次試驗任務,，可以進行裝備的技術發(fā)展演化畫像分析,，輔助進行裝備技術改進點的挖掘分析決策。

    (3)多裝備體系化試驗評估需求：通過對裝備,、環(huán)境,、保障、任務協(xié)同等多專業(yè)類別的融合挖掘,，基于試驗數(shù)據(jù)形成可視化的試驗進程態(tài)勢,，輔助進行體系效能的綜合評估。

    (4)裝備健康管理需求：基于裝備試驗數(shù)據(jù)建立裝備的健康管理模型,，基于模型可以預測裝備的剩余壽命,，根據(jù)裝備實際狀態(tài)制訂精準的按需的維護保障計劃。

3 裝備試驗大數(shù)據(jù)數(shù)據(jù)模型—ETBDIS

    裝備試驗大數(shù)據(jù)的根本目標是為裝備試驗活動提供智能信息服務和管理決策,，并能夠為后期裝備使用,、裝備維護保障和裝備技術發(fā)展提供支撐，所以裝備試驗大數(shù)據(jù)模型首先需要考慮數(shù)據(jù)平臺的服務內容,，具體包括：裝備畫像,，裝備建模，裝備健康管理,，裝備體系化評估等,。例如：如圖1所示，通過裝備大數(shù)據(jù)進行裝備畫像,，可以對裝備的質量,、性能,、適用的環(huán)境、維護保障,、健康狀況與剩余壽命,、技術發(fā)展過程等進行定量定性的分析。

    本文面向裝備試驗數(shù)據(jù)建設的根本目標,，構建設計了一個裝備試驗大數(shù)據(jù)模型ETBDIS(Equipment Test Big Data Intelligent Service),。

3.1 ETBDIS模型

    ETBDIS模型包括試驗數(shù)據(jù)層、數(shù)據(jù)預處理層,、數(shù)據(jù)資源體系層,、大數(shù)據(jù)知識挖掘層、裝備智能服務層等（如圖2所示）,，各層的主要功能如下,。

    試驗數(shù)據(jù)層。試驗數(shù)據(jù)按照資料數(shù)據(jù)的類型主要分為文本,、圖像,、測試測量數(shù)據(jù)等。

數(shù)據(jù)預處理層,。根據(jù)數(shù)據(jù)類型選擇相應的數(shù)據(jù)預處理方法,，比如文本類數(shù)據(jù)，可以進行實體提取,、摘要提取,、關鍵詞提取等處理，提取出其中的裝備,、質量,、性能、專業(yè)技術,、事件等實體數(shù)據(jù),，以便后續(xù)進行實體關聯(lián)、事件關聯(lián)挖掘分析使用,；測試測量數(shù)據(jù)則需要相應的專用數(shù)據(jù)處理軟件,，對數(shù)據(jù)進行初步的分析和預處理。

    數(shù)據(jù)資源體系層,。對原始數(shù)據(jù)經(jīng)過相應預處理后，得到經(jīng)過分類,、標注的結構化數(shù)據(jù),，進而構成可以處理分析利用的裝備大數(shù)據(jù)資源。包括：裝備的質量,、性能,、環(huán)境,、技術等維度的數(shù)據(jù)主題，基于這些結構化的數(shù)據(jù)資源可以通過大數(shù)據(jù)挖掘,、機器學習等方法提取相應的裝備知識庫,。

    大數(shù)據(jù)知識挖掘層。對于裝備數(shù)據(jù)資源中的數(shù)據(jù)主題,，可以通過相應的機器學習方法進行動力學模型建模,、分類規(guī)則挖掘、模式挖掘,、特征提取,、多實體關系知識挖掘等處理，從數(shù)據(jù)中學習建立關于裝備的各類知識庫,。

    裝備智能服務層,。基于數(shù)據(jù)挖掘構建的裝備知識庫,，可以提供相應的基于裝備試驗大數(shù)據(jù)的智能信息服務,。如：裝備畫像，裝備健康管理決策,，裝備試驗任務評估,，不同環(huán)境體系下的裝備試驗仿真推演態(tài)勢分析等。

3.2 基于ETBDIS的海軍裝備試驗數(shù)據(jù)管理特點分析

    結合海軍裝備試驗業(yè)務實際,，ETBDIS模型的主要特點如下：

    (1)模型采用分層的架構,，可以通過標準規(guī)范接口，實現(xiàn)系統(tǒng)內的不同層間的數(shù)據(jù)通信,；各層內是模塊化結構,，可以采用微服務的方式，進行靈活的層內模塊集成,。對于海軍裝備試驗數(shù)據(jù)而言,，首先是通過對試驗文書資料、攝錄像等圖像資料和測量測試等數(shù)據(jù)資料完成對試驗數(shù)據(jù)的統(tǒng)一管理,，測試測量數(shù)據(jù)根據(jù)試驗項目的不同可能用到不同的采集分析工具,，數(shù)據(jù)解碼方式也不盡相同，為此形成對試驗數(shù)據(jù)的分布采集框架,。

    (2)服務驅動,。面向裝備大數(shù)據(jù)智能信息服務需求。由于海軍裝備試驗數(shù)據(jù)涉及裝備門類多,，在數(shù)據(jù)層基礎上通過預處理形成統(tǒng)一的試驗數(shù)據(jù)體系,，形成各類型主題庫，建立試驗數(shù)據(jù)間的基礎關系,，進而達到服務于裝備畫像,、裝備試驗評估,、裝備健康管理、不同環(huán)境體系下裝備的試驗評估等裝備管理,，既保障了數(shù)據(jù)中心的根本建設目標,，又較好低保障了數(shù)據(jù)采集處理的必要性。

    (3)開放的架構,。裝備試驗數(shù)據(jù)涉及多個利益相關方,，既包括各組織裝備試驗的實體部門也包括裝備論證、研制,、使用方,，因此，各參試單位需按照數(shù)據(jù)標準,、接口標準,，在平臺上實現(xiàn)各自專業(yè)領域的數(shù)據(jù)的存儲，管理,、服務,，采用開放的基礎架構，實現(xiàn)按專業(yè)的合理分工和統(tǒng)一的平臺上實現(xiàn)大數(shù)據(jù)融合處理分析,。

    (4)數(shù)據(jù)深度融合處理,。裝備試驗涉及海量圖片、文檔等海量非結構化處理的處理,。例如在海軍裝備試驗過程中涉及各類試驗相關會議文檔,、試驗音視頻等，進而建立了質量,、性能,、保障維護、技術發(fā)展等多維度的數(shù)據(jù)資源,，從而達到可以利用機器學習,、數(shù)據(jù)挖掘等知識庫構構建過程，提高了數(shù)據(jù)處理深度的目的,。

4 結論

    裝備試驗工作積累了大量的裝備相關的資料數(shù)據(jù),，本文以整合各單位的試驗資料數(shù)據(jù)，建立裝備試驗數(shù)據(jù)資源體系,，提供裝備數(shù)據(jù)智能信息服務為目標,，研究給出了一個裝備試驗大數(shù)據(jù)模型。該模型具有分層開放的架構,，各參試單位可以按照該模型在統(tǒng)一的平臺上,，進行試驗數(shù)據(jù)的采集處理分析，實現(xiàn)跨部門多專業(yè)數(shù)據(jù)的融合,，利用裝備數(shù)據(jù)資源平臺,，進行相應的知識構建與智能信息服務，并以海軍裝備試驗數(shù)據(jù)管理為例分析了模型的主要特點,，進一步展示了模型的可用性,。在未來研究中，將選幾個典型裝備進行模型平臺的分步構建示范應用,。

參考文獻

[1] 齊劍鋒,，李三群，楊素敏.裝備數(shù)據(jù)工程導論[M].北京：電子工業(yè)出版社,，2016.

[2] 龔昕,，周大慶，鞠亮,，等.武器裝備試驗數(shù)據(jù)工程理論與實踐[M].北京：國防工業(yè)出版社,，2017.

[3] ChrisLoeffler.如何進行出色的數(shù)據(jù)中心設計[J].電源技術應用，2011(9)：72-73.

[4] 張新宇.大數(shù)據(jù)時代的數(shù)據(jù)架構設計[J].中國金融電腦,，2015(8)：32-35.

[5] 朱玉立,，任義廷，高甲子,，等.淺談大數(shù)據(jù)時代下的數(shù)據(jù)中心運維管理[J].信息系統(tǒng)工程,，2015(11)：101-102，106.

[6] 楊彬.云計算數(shù)據(jù)中心資源的節(jié)能管理[J].電腦編程技巧與維護,，2015(22)：61-63.

[7] 陳劍.淺談傳統(tǒng)數(shù)據(jù)中心與模塊化數(shù)據(jù)中心[J].智能建筑與城市信息,，2015(11)：74-75.

[8] 陸江東，戴卓臣,，鄭奮.基于云平臺的虛擬化機房管理系統(tǒng)[J].兵器裝備工程學報,，2013，34(12)：64-65.

[9] 錢瓊芬,，李春林,，張小慶，等.云數(shù)據(jù)中心虛擬資源管理研究綜述[J].計算機應用研究,，2012,，29(7)：2411-2415.

[10] 張俊衛(wèi)，王晶,，張偉功,，等.基于大數(shù)據(jù)的高能效數(shù)據(jù)中心服務器研究[J].計算機工程，2017,，43(8)：74-81.

作者信息:

陳  峰,，李  一，馬躍飛

（中國人民解放軍92493部隊,，遼寧 葫蘆島125000）