装备在役考核数据采集研究

齐分岭，韦国军，徐 军，杨宏建

（1.航天工程大学，北京 102206；2.中国人民解放军66389 部队，山西太原 030031）

0 引言

在役考核作为装备试验鉴定工作中的重要环节，能够检验装备是否适用，及时发现装备使用中存在的问题。当前，装备试验鉴定工作已经调整为性能试验、作战试验及在役考核3 项内容，其中在役考核是在装备列装服役后，为检验装备满足部队作战使用与保障要求的程度所进行的持续性试验鉴定活动[1]。在役考核作为检验装备试验鉴定工作中的重要一环，能够持续考核装备性能试验与作战试验阶段难以考核或因条件限制未能充分考核的指标，也能够有效发现装备服役期间的问题缺陷，从而推动装备改进升级工作。

数据采集是试验鉴定的基础工作，装备服役期间产生的使用、管理、维修等数据具有评估装备效能的潜在价值，在大数据技术日益发展的今天，数据价值是推动装备发展建设的重要源泉。在役考核阶段数据采集工作较性能试验与作战试验阶段具有数据采集量大、数据类型多、采集时间长等特点，因此在役数据采集工作需要创新采集方法，建立采集规范，确保采集数据的质量。

1 装备在役考核数据概述

1.1 装备在役考核数据内容及分类

装备列装配发到用户手中之后就进入了正常的在役考核期，也可以理解为服役使用期。无论是国防军事单位还是大型国企民企，装备在服役使用阶段都会产生大量状态数据与用户数据，军队装备在役考核阶段或企业装备配发后的寿命周期内需要采集的数据种类众多，主要包含装备服役期间的使用、维修、管理、故障等数据。虽然不同类型的装备在役考核数据具体内容各有不同，但总体上可以从考核内容、涉及工作、考核方式及采集时序4 个角度进行分类（图1）。

图1 在役考核数据分类

在役考核数据，按照在役考核内容，可以分为在役适用性数据、适编性数据、适配性数据、服役经济性数据；按照涉及部队日常工作，可以分为战备值勤数据、日常训练数据、维护保养数据、联合演训数据；按照在役考核方式，可以分为结合式考核数据与专项考核数据；按照采集时序，可以分为历史数据、现场考核数据。

1.2 装备在役考核数据特点

数据是开展在役考核评估的基础，数据采集质量的优劣直接关系到考核结果的好坏。装备按照数量区分，主要包括大批量通用装备和小子样专用装备。大批量通用装备在役考核数据容易采集获取，小子样专用装备因其服役样本较少[2]，使命任务和工作环境特殊，在役考核数据量自然就相对较少，数据产生的规律也有所不同。总体来看，装备在役考核数据主要有以下3 个特点。

1.2.1 数据总量大

装备从列装服役到退役报废，在使用运用、维护保养、演习训练过程中会产生大量数据。装备状态数据积累速度快，在役考核装备包括各型主战装备及保障装备，涵盖的考核指标多、涉及工作广、考核时间长，包括各类装备出厂列装数据、历史记录数据，以往考核试验数据、日常训练管理数据、告警故障数据、维修保养数据、支援部队执行任务数据等。

1.2.2 分布范围广

装备在役考核数据分布于装备动用使用全过程，从列装初期到寿命末期均有需要采集的在役数据。在役考核数据分布相对杂乱，分布于各部门试验计划文件（研制总要求、试验大纲、方案），使用部队装备日常登记统计资料，历次考核资料中，包括已经完成的性能、作战试验数据、装备状态数据、训练演练数据、日常管理维护数据，以及装备全系统、分系统、单装数据，各类操作使用环境下的任务数据等[3]。

1.2.3 标准不统一

装备型号种类众多，试验鉴定数据分散于各单位各平台，各型装备的在役考核数据采集标准要求还未做到统一。在役考核数据在数据格式、数据内容、问题记录、数据精度、填写要求、存储、传递和维护等方面未做明确规范，导致采集数据距离元数据的标准相差较远，可能导致某些数据无法运用到考核评估中。虽然装备服役期间产生的数据量巨大，但是满足在役考核标准要求的数据量不足，由于标准、规格、要素、粒度不同，应用难度大，挖掘价值小。

1.3 装备在役考核数据采集现状分析

装备在役考核数据采集就是围绕在役考核目的，采集装备列装服役后产生的各类数据，但当前装备在役考核数据采集工作还缺乏统一管理的平台[4]，数据采集效率与质量不高，采集标准规范不统一，不同部门间数据共享困难。

1.3.1 数据采集难度大

虽然装备总体上数据量大，但是由于部队缺少专门用于数据采集的手段和工具，平时缺乏数据采集意识，导致多数在役考核数据都流失了。在役考核工作涉及单位多，部门间协调难度大，长期跟踪采集数据的难度大，一些实时性强的数据也无法及时采集。部队任务多、专业采集人员少，由于缺乏制度保障，很难在不影响部队日常工作的前提下采集到需要的在役考核数据。

1.3.2 采集数据质量低

当前部队在役考核数据的采集手段还比较少，缺乏强有力的数据采集手段实现不同任务情况下的数据采集工作[5]，日常工作中的数据主要靠值勤人员文字记录，容易导致所记录的数据内容、格式不统一，容易出现差错，数据可靠性不高。结合5G、云计算、人工智能等技术研究开发的智能化采集工具较少，机器采集与人工采集结合不紧密，采集到的有用数据少、质量低。

1.3.3 信息共享有困难

装备在役考核过程涉及单位多，许多历史数据分属装备全寿命周期的不同阶段，分别保存于研制单位、使用单位、试验鉴定部门等不同单位，数据库建设不完善，缺乏系统高效的数据共享机制。各单位之间、各业务部门之间共享使用数据难度大，查询调阅机制不顺畅，一些历史考核数据二次利用价值低[6]，导致在役考核数据不能高效传递交流。

2 装备在役考核数据采集流程

装备在役考核数据采集通常需要根据在役考核的目的进行详细筹划，制定切实可行的采集计划，确保考核任务圆满完成。数据采集流程通常包括5 步（图2）。

图2 在役考核数据采集流程

2.1 明确数据采集需求

成立在役考核领导小组，依据在役考核目的明确数据采集需求，根据考核要求，采用使命任务到具体能力指标的分析方法，自上而下、层层分解，构建在役考核指标体系。将需要采集的数据具体化，把数据采集需求定准定好，设计好数据的需求类型及采集方法，采集要做到完整、及时、精确，客观真实地反映装备运行真实情况[7]。

2.2 制定采集方案

在役考核多是结合部队工作任务、值班备勤进行的，主要根据在役考核大纲要求和具体实施条件组织实施。为避免影响部队工作任务，需要制定详细的采集方案，紧密结合部队战备训练、联合演训、装备管理等工作任务来安排，当部队工作调整时，采集方案应同步调整。同时对数据采集人员进行相应的培训，明确数据采集人员职责分工，明确数据采集的范围、内容、分工、进度与质量要求。

2.3 数据采集与录入

考核部队根据采集计划和采集标准进行数据采集，基础类数据（装备出厂信息、出厂时间、平台型号）通过查阅资料获取，客观变化类数据（故障时间、维修时间、告警次数）通过查询登记资料或在装备控制后台服务器中提取，主观感受类数据（人及功效、装备数量满足度、软件系统界面操作性）应制定问卷组织装备使用人员进行调查统计。数据采集应尊重客观实际，由装备操作人员配合数据采集人员完成现场数据采集和历史数据收集，及时将采集到的数据梳理汇总到计算机，保存备份。

2.4 数据预处理

在役考核领导小组负责对采集到的数据进行检查核查，根据需要建立数据状态矩阵，进行压缩、检索、归档。做好装备在役考核数据预处理工作，主要包括数据筛查清洗（补存缺失的数据值、平滑噪声数据、识别剔除奇异值）、数据集成处理（处理对象匹配与冗余、重复问题）、数据变换（数据平滑处理、泛化处理）[8]，对数据进行标准化规范化处理，确保数据符合具体模型的挖掘评估要求。

2.5 数据应用管理

对采集的在役考核数据进行预处理后，可根据考核目的综合运用聚类分析、关联分析、回归分析等算法进行挖掘评估[9]，为装备运用及改进改型提供意见建议。制定在役考核数据管理制度，建立试验数据标准体系，搭建数据管理软硬件平台，常态开展在役考核数据采集、维护、更新、存储、应用等活动，并建立装备在役考核数据库，以便随时查询使用。

3 装备在役考核数据采集方法

在役考核数据分散于操作手册、登记统计资料中，有图片、视频、电子文档、纸质资料等不同存在形式，针对不同类别的数据应采用不同的采集方法[10]。

3.1 人工采集

3.1.1 历史数据采集

历史数据是在役考核数据的重要来源，需要一线工作人员结合年度工作任务执行，平时注重积累在役考核数据，对于装备在工作中出现的故障问题应及时做好记录，可以将装备历史数据记录按类别分为装备质量类问题数据、装备运用类问题数据、装备保障类问题数据、装备管理类问题数据4 类[11]。装备服役期历史数据包括装备研制论证部门提供的操作使用手册方面的数据资料、装备管理部门积累的管理运用数据、试验主管部门提供的前期性能试验与作战试验数据，部队掌握的使用维护数据，这些历史数据大都需要按要求进行人工采集。

3.1.2 现场数据采集

在役考核实施过程中，任务部队应当根据在役考核数据需求和要求，在考核小组的指导下指定专人进行数据采集、记录，这些数据需要及时采集、定期汇总，逐级汇报给业务部门，并作为在役考核的重要参考资料。在需要考核装备适编性、适配性、人机工效等主观感受类数据时，要有针对性地设计问卷，做好登记统计。在进行专项在役考核时（比如服役期经济性考核），应根据考核目的制定专用采集表格对重点关注的部分在役考核数据进行专门采集[12]。人工采集各类数据时，要坚持以任务为牵引，抓好可靠性指标的长期跟踪采集，以制度规范为约束做好维护保养类数据的定期采集，做到每周登记统计、每月整理汇总，装备出现重大问题时及时采集状态数据。

3.2 机器设备采集

3.2.1 在线采集

在线实时采集数据对在役考核价值巨大，试验鉴定中在线数据采集多采用机器设备自主采集，实时传输，在线采集设备主要包括各类传感器、存储器及配套软硬件。采用智能采集设备进行实时数据采集是一种高效获取试验数据的方法，随着人工智能、大数据、物联网技术的发展应用，完全可以将装备在役考核数据实时提取并传输至后台服务器，甚至可以智能采集需要的关键数据，比如装备正常工作时间、发生故障时间等在役适用性指标[13]。

3.2.2 离线采集

对于一些需要长期跟踪采集或者由于技术条件限制难以实时采集传输的数据，应当进行离线采集。着力加快数据采集条件建设[14]，研发移动数据采集终端采集在役考核数据，移动采集终端具有接口互联、软件互通、区域网络互联等基本功能。在执行任务或训练演习过程中将数据采集装置安装于装备终端进行数据采集，自动记录存储，将采集的数据信息保存于内置存储器，待任务结束后离线下载转存于计算机。

4 加强在役考核数据采集工作的建议

为提高数据采集效率，充分发挥在役考核数据效益，应加强数据采集制度规范研究，建立符合装备运用特点的数据采集规范。

4.1 完善数据采集制度规范

统一的制度规范是在役考核数据采集的基础保证。通过对装备担负的使命任务进行分析，分解任务剖面，明确不同类型装备数据采集类别及在役考核数据指标，规范数据采集组织指挥流程，提供统一的数据接口协议、测试测量工具、分析评估模型。利用制度固化采集数据的内容与要求，构建全域多维的数据采集、传输、显示和共享体系[15]，规范数据采集、处理、存储的技术要求，实现数据采集智能化自动化、数据传输实时化、数据格式标准化、数据处理批量化等要求。

4.2 培育专业数据采集人才

由于在役考核试验体系庞大复杂，数据采集量大，如果没有专业人才严格依据规范的数据采集流程和标准采集，就会导致采集的数据杂乱无章。加强专业人才队伍建设，应着重培养既懂装备使用又懂数据管理的数据采集人员，按编制科学配备数据维护管理人员，通过专项任务实践锻炼，提升数据采集维护人员数据采集和维护管理能力。加强顶层设计，合理配备数据采集相关人员。可以在连排级单位编配数据采集员、数据维护员，旅营级单位编配数据管理员、维护工程师，基地级单位编制数据开发工程师、运维工程师、总工程师。

4.3 建设在役考核数据工程

随着大数据时代的到来，在役考核装备数据管理应用也要向数据工程建设迈进。可根据实际需要将数据工程层次架构划分为基础层、系统层、应用层（图3）。

图3 在役考核数据工程架构

其中，基础层主要包含装备基础数据库、历史数据库、仿真实验数据库等底层数据；系统层主要包含数据建模标准规范、数据预处理、数据挖掘、信息检索、数据集成；应用层主要包含数据评估可视化、数据信息服务、数据共享服务等其他服务产品。从管理机制、理论技术、运行保障等方面入手，深入分析典型装备在役考核数据特点，研究数据采集方法，注重元数据的积累，不断更新在役考核数据库，规范底层软硬件接口协议，添加必要的数据标签、编码，构设层次分明的在役考核数据工程，科学管理数据，按需共享数据。

5 结论

在役考核是装备试验鉴定最后一个环节，主要考核各型装备的部队适用性、适编性、适配性等内容，是发现装备服役后质量问题的重要手段，是推动装备战法运用及改进改型的重要支撑。在役考核数据采集的工作复杂繁琐，本文主要梳理了在役考核数据的参考分类与特点，分析装备在役考核数据采集现状，明确在役考核数据采集的一般流程，总结在役考核数据采集方法，提出加强在役考核数据采集工作的有益建议，可推广应用于具体装备的在役考核数据采集管理工作中。