1、油料保障信息化关键技术研究摘要 本文在分析信息化条件下油料保障模式基础上，对油料保障信息化关键技术进行研究。论述基于面向服务架构的油料保障智能决策集成系统是实现分布式异域油料保障决策的技术保证。论证对油料保障信息的高度感知和共享是油料保障要素快速联动的决定因素。叙述智能代理技术实现油料保障实体自主协调的思路和方法。阐明油料保障信息化关键技术研究，对于提高油料保障能力、加快油料保障信息化建设进程具有重要意义。 关键词 油料保障；信息化；决策；集成；智能体 中图分类号 E233；TE978 文献标识码 A 文章编号 1673 - 0194（2013）04- 0055- 03 1 研究背景 随着自然
2、灾害、事故灾难、公共卫生事件、恐怖活动等突发事件频繁发生，信息化条件下战争高强度、高消耗、高速度的立体化推进，对油料保障提出更高要求，使得油料保障出现了“平战一体、军民一体、三军一体”异域协同油料保障、感知反应型油料保障、精确直达型油料保障等复杂多变保障模式，油料保障日益向科学化、敏捷化、智能化“三化”方向发展1。 油料保障信息化是实现油料保障“三化”基础，是确保油料保障能力的根本，现代油料保障离不开油料保障信息化建设。因此，对油料保障信息化关键技术进行研究具有重要意义。 2 分布式异域油料保障决策 分布式异域油料保障决策实质是“集中控制、分散实施” ，同一时间点处于不同地点的各级油料保障决策
3、者协同完成油料保障远程群体决策。其特征：协同性，异域各油料保障实体，由油料保障智能决策集成系统集结在一起，共享油料保障资源，分散、协作完成油料保障任务。群体性，处于异域的多军兵种、多层次级别的油料保障决策者、技术专家、专业人员等，组成油料保障决策“智囊团” ，实现远程群体决策。实时性，消除以往不同层次级别的油料保障决策，因在时间序列的“串行异步”状态所造成的保障响应滞后的弊端，各保障实体以油料保障指挥决策活动为主线，共享油料保障信息资源，异地同一时间接收分派的保障任务，以“并行同步”状态实现保障快速响应2-3。 分布式异域油料保障决策三大特征，突出体现了“集成系统” 、 “信息共享” “群体决
4、策”这八个字。可见，基于面向服务架构（Service-Oriented Architecture， SOA）的油料保障智能决策集成系统是实现分布式异域油料保障决策的技术保证。 采用 SOA 技术，构建分布式协同环境下油料保障智能决策集成系统，使其具有标准化、松散耦合、共享服务等特点4，提供油料保障空间与保障实体、保障要素交互作用的智能协调机制，动态优化配置油料保障资源。提供群体协同决策工具，支持各阶段协作保障模式，确保油料保障实体各方的互联、互通、协同工作。各保障实体根据油料业务流程，通过油料保障服务的编排，合成各种粗粒度服务响应请求，实时响应油料保障需求的变化，实现分布式异域协同油料保障。
5、基于 SOA 的油料保障智能决策集成系统，聚焦于突发应急事件、危机处理和油料保障过程优化上，将原先被动式油料保障过程向主动式保障过程转变，力求油料保障预测精确化和控制敏捷化，以提高对油料保障资源的协调能力和利用率。 在分布式协同油料保障环境下，按保障任务复杂程度、保障组织实施结构等因素，根据预定保障目标和策略，分解和分配保障任务。从组织指挥能力、快速反应能力、业务保障能力、机动保障能力等方面，评估整个油料保障体系的保障能力，做出全局保障决策，生成油料保障总体方案和相关实施计划，明确规定和说明每一个保障任务的起始、持续时间以及保障任务间的相互关系等内容，以便对保障过程进行协调与控制，消除保障过程
6、中的冲突，实现分布式协同保障的最优决策。动态监控油料保障过程，根据保障全局变化态势和各物理地域的保障情况，动态生成保障任务，重构保障方案及其计划，优化和调整油料保障过程。 3 油料保障要素快速联动 油料保障要素多而复杂，来源于由油料的筹措、储存、供应、补给等环节所构成的整个油料保障链，动态变化的油料保障需求导致油料业务流程复杂多变，具有较大灵活机动性。油料保障要素的快速联动是实现油料保障有力的一个重要环节。 油料保障要素联动是指油料保障要素，围绕总目标，协调一致完成油料保障的整体行为。油料保障要素联动表现为“体循环”与“微循环”两种循环方式融合与互动。油料保障要素联动“体循环”即是油料保障要素
7、间的联动行为，各类油料保障要素（如保障网格资源、保障实体、社会力量等） ，有机整合形成周期链式运动，通过交互作用加速循环，确保油料保障敏捷性。油料保障要素联动“微循环”即是油料保障要素内的一体化联动行为，其实质是通过微观调控、激励等机制，触发油料保障要素内所凝聚的能量，从而强化保障要素整体效能。这两类油料保障要素联动循环方式交融运作，驱动整个油料保障体系按既定目标主线，高效快速运行。 实现油料保障要素快速联动的先决条件是油料保障要素的“联” ，油料保障智能决策集成系统是其实现关键技术之一。基于油料保障智能决策集成系统，将海、陆、空、天、电等多维空间的油料保障要素， “联接”集成为一体，形成油料
8、保障要素智能体系，将传统划分的保障要素，根据信息化油料保障要求，重新划分、集成组建。油料保障要素快速联动取决于对油料保障信息的高度感知。各级油料保障人员，通过油料保障智能决策集成系统，根据油料保障需求和级别权限，实时感知异域保障状况、油料消耗状态，快速响应，实现信息透明下不间断的精确化油料保障，真正做到共享油料保障信息。 对于油料保障要素快速联动而言，油料保障信息共享存在待攻破的技术难题。 （1）信息流迷雾。油料保障信息化，致使保障实体多元化，保障空间呈多维性，信息流量和流速骤增，流向多变，易产生信息流迷雾，增大油料保障信息收集识别、分析处理难度。 （2）油料保障数据资源急剧膨胀，虽然有益于满
9、足油料保障的潜在要求，但也极易造成信息冗余，形成信息“爆炸” ，致使信息资源泛滥而失真。应强化油料装备信息资源采集和分析处理环节，消除数据噪音，从信息源头杜绝安全隐患。（3）异域协同油料保障，存在各式各样异构数据源，数据融合难度加大，知识表达具有不确定性、模糊性。应统一规范油料保障信息采集标准与处理模式，集成多个异构数据库，对外提供访问接口。在系统集成架构上，采用局部异构数据和全局数据两层模式，形成局部异构数据与全局数据映射关系。 油料保障要素快速联动涉及多时间段的保障任务分配和响应。顶层保障决策中心，按时间节点将保障总任务细分为多时间段的保障任务，决策中心根据各保障实体目前保障能力、地域位置
10、、保障任务时效性等因素，进行任务分配计算，确定可接受任务的最佳保障实体，并向其发布任务指令。保障实体受领任务后，根据自身保障状态，优化调整保障方案，执行保障任务。若在保障过程中，遭遇突发事件而无法按时完成保障任务，则快速反馈，请求支援，以便保障决策中心及时对保障方案进行局部调整，改由其它相邻保障实体协同完成。 4 油料保障实体自主协调 自主协调是指两个以上互不隶属和制约的油料保障实体，为形成信息化条件下联合油料保障能力，根据自身能力和保障态势，围绕油料保障全局目标，在职责范围内，自行调节保障流程，实施相应保障行动，以求达到保障效能最大化。 油料保障实体自主协调，意味着要求保障实体要做到：自调应
11、变，在无上级指令的情况下，保障实体根据保障体系整体运行状况和本身具体情况，自行调整自身的行动，以适应保障环境变化。微调校正，当整个油料保障体系运行出现局部偏差时，各保障实体通过局部微调方式，按既定油料保障目标运行，实现油料保障体系的自我修复与校正。 从技术角度而言，油料保障实体是典型智能代理 Agent，能够自学习、自组织、自适应油料保障任务和环境的变化5。因此，Agent 技术成为实现油料保障实体自主协调的关键技术之一。基于 Agent 的自主性和Multi-Agent 的协调性，设置多个 Agent 来代理各类油料保障实体。由Agent 实时感知油料保障需求和保障运行态势，获取所分配的保障
12、任务，自行调整保障计划，完成保障任务。各类 Agent 协同工作，实现不间断保障任务获取、执行。 决定由 Agent 所代理的油料保障实体自主协调能力有 2 个：自主协调“触发器” ，当新保障任务出现、保障时间序列存有空隙、有其他保障实体“加入”和“退出”时，将激活自主协调“触发器” ，引发保障实体的自主协调行为。自主协调“引擎” ，它取决于保障实体对上级保障决策意图的领悟、对整个体系油料保障态势的感知、对其他保障实体和自身运行状况的分析，油料保障信息资源是自主协调“引擎”可靠运转的动力源。 基于任务与环境的油料保障动态编组是 Agent 实现功能之一。以油料保障任务为导向，根据上级赋予的保障
13、任务和保障环境，在整个保障体系中筛选适合的保障实体，动态组建临时性油料保障编组，并根据保障要求和环境态势进行动态调整。消除以往油料保障固定编组模式，难以适应信息化油料保障“全频谱任务” 、保障环境态势多变的局限性，使油料保障体系成为一个有机整体，且各保障实体成为具备自主协调能力的智能体。 5 结 语 油料保障信息化关键技术研究，对于提高油料保障力度，实现油料保障决策的科学化具有重要的现实意义。但目前，我国油料保障信息化仍处于建设阶段，要实现从传统的油料保障模式向信息化油料保障的跨越，仍有许多问题有待于进一步探讨。随着科学技术的发展，油料保障理论和关键技术研究的深入，势必将加快油料保障信息化建设
14、进程。 主要参考文献 1周庆忠.油料勤务M.北京：国防出版社，2008. 2周庆忠.油料装备勤务M.北京：解放军出版社，2010. 3周庆忠.油料装备维修管理信息化研究J.中国管理信息化，2012（15）：70-71. 4王毅.基于 SOA 的整车企业技术数据集成研究J.湖南大学学报，2010（5）：35-39. 5J M G，E N， A F C. Model-driven Engineering Techniques for the Development of Multi-agent SystemsJ.Engineering Applications of Artificial Intelligence，2012，25（1）.
