军事装备采购邀请招标的对象数量法律规范研究

招标采购因其管理规范性和采购过程的透明性,逐渐成为我国军事装备采购的主要方式之一。国家军事法规和规章规范了公开招标和邀请招标两种军事装备招标采购方式。本文对我国部分军事法规和军事规章中的军事装备邀请招标相关法律规范进行了梳理,并通过与我国招标投标法、招标投标法实施条例等法律法规的对照分析,发现目前我国相关军事法规和军事规章中关于军事装备邀请招标采购的对象数量的相关规定与我国招标投标法存在不一致之处,其规定本身也存在不尽完善之处。最后,根据我国立法体系,提出应按照招标投标法的规定,进一步完善我国军事法规和军事规章中邀请招标的相关法律规范,以更好地提升军事装备采购的质量,推进我国国防和军队现代化建设。     

俄罗斯空天防御教学训练设备发展与问题研究

俄罗斯按照建设航天力量的需求,积极研究现代空天防御教学技术设备。俄罗斯空天防御教学训练设备可帮助受训者利用所获得的知识与能力,在准备和完成实践任务时在不同系统设备间实现不同级别的综合协同,将实现结构和软件的模块化。俄航天兵使用空天防御教学训练设备的经验对军队空天防御专业人员训练具有重要的借鉴意义。本文分析了俄罗斯空天防御教学训练设备现状,研究了朱可夫空天防御军事学院一体化空天防御自动化控制系统教学试验模型的构成、原理、作用和应用,总结了俄罗斯空天防御教学训练设备在国家标准、教学法、工效学和组织方面存在的主要问题及解决办法,以期为军队空天防御教学训练设备发展提供参考。     

“马赛克战”对装备体系试验鉴定的启示

自2017年8月DARPA公布“马赛克战”作战概念以来,世界各国都高度关注这一新型作战概念,学者们对“马赛克战”的研究也逐渐走向深入。本文首先从国际形势、美军装备特点、人工智能技术等方面分析了“马赛克战”的提出背景,回顾了其发展历程,剖析了其概念内涵,并从三个角度分析了其主要特点。接着着眼未来,从革新理念、鼓励创新、形成质变等视角探讨了“马赛克战”对装备体系试验鉴定领域未来发展方向的启示,重点论述了装备体系试验鉴定要向全智能作战体系试验鉴定方向发展的观点。最后聚焦当下,阐述了现阶段试验鉴定工作应重点关注动态互联互通性测试、互操作能力验证、新型仿真试验技术、系统自主能力等级评估及决策可解释性评估等五个方面的内容。     

基于排队论的装备维修人员数量需求模型*

确定维修人员需求是对装备维修机构进行科学管理和对维修人员进行有计划培训的需要。在分析装备维修人员构成的随机服务系统特征的基础上,运用排队论理论建立了以平均等待时间为目标的维修人员需求的愿望模型,该模型可更加确切地描述各专业对维修人员的实际需求。通过对模型进行仿真,结果表明了模型的合理性。     

以任务成功性为中心的维修决策方法与应用

为解决传统的基于状态检测与故障诊断、以装备战备完好性为中心的维修决策方法的不足,提出了以任务成功性为中心的维修策略.并以某型自行火炮为例,建立了反映其任务成功性的评估指标体系.指出了传统模糊评判方法存在的不足,提出了考虑系统参数时变的动态模糊综合评判方法,对于给定训练和作战任务的成功性进行了评估.以确定能否执行任务,任务成功性是多少,以便在执行任务前预先实现视情预知维修,确保任务的顺利完成.     

军械电子装备远程技术支持系统设计与研究

基于计算机网络和现代通信技术,构建一种军械电子装备远程技术支持.首先讨论了系统的设计原则、功能需求及体系结构,而后针对军械电子装备保障的特点与实际需求,研究提出了软件结构、使用流程及数据库设计等实现策略,可为承制单位、军事代表、使用部队装备维修保障一体化建设提供参考.     

Simultaneous determination of production and maintenance schedules using in‐line equipment condition and yield information

In many manufacturing environments, equipment condition has a significant impact on product quality, or yield. This paper presents a semi‐Markov decision process model of a single‐stage production system with multiple products and multiple maintenance actions. The model simultaneously determines maintenance and production schedules, accounting for the fact that equipment condition affects the yield of each product differently. It extends earlier work by allowing the expected time between decision epochs to vary by both action and machine state, by allowing multiple maintenance actions, and by treating the outcome of maintenance as less than certain. Sufficient conditions are developed that ensure the monotonicity of both the optimal production and maintenance actions. While the maintenance conditions closely resemble previously studied conditions for this type of problem, the production conditions represent a significant departure from earlier results. The simultaneous solution method is compared to an approach commonly used in industry, where the maintenance and production problems are treated independently. Solving more than one thousand test problems confirms that the combination of both features of the model—accounting for product differences and solving the problems simultaneously—has a significant impact on performance. © 2007 Wiley Periodicals, Inc. Naval Research Logistics, 2008     

The selection allocation problem

The Selection Allocation Problem (SAP) is a single period decision problem which involves selecting profit‐maximizing (or cost‐minimizing) activities from various distinct groups, and determining the volume of those activities. The activities in each group are selected subject to the availability of that group's resource, which is provided by either pooling or blending raw inputs from several potential sources. Imbedded in the decision process is the additional task of determining how much raw input is to be allocated to each group to form the resource for that group. Instances of this problem can be found in many different areas, such as in tool selection for flexible manufacturing systems, facility location, and funding for social services. Our goal in this paper is to identify and exploit special structures in the (SAP) and use those structures to develop an efficient solution procedure. © 1999 John Wiley & Sons, Inc. Naval Research Logistics 46: 707–725, 1999     

面向装备论证的大数据应用架构

本文围绕装备论证大数据的管理和应用,论述了装备论证大数据的基本概念和应用现状,探讨了大数据应用的重要意义,并结合实际应用需求构建了装备论证大数据应用总体框架,阐述了平台基础层、数据层、存储管理层、服务支撑层和应用层的内涵和组成,介绍了大数据应用框架遵循的标准规范体系、运维管理和安全管控措施。本研究着重分析了支撑装备论证大数据平台的通用服务和专用服务,阐述了各类服务的主要组成和基本功能,设想了装备论证大数据平台提供的装备评估研究、装备运用研究、装备仿真实验和装备数据信息查询等服务应用,分析了平台建设涉及的多源异构数据融合、装备大数据综合处理、多维数据可视化等关键技术。希冀该研究结果能够为装备论证大数据建设与应用研究提供一定理论支撑。     

面向航天装备大数据的知识图谱体系

近年来,航天装备大数据平台建设已经取得了长足进步。然而,航天装备数据深层次价值仍然未被有效发掘,关键原因在于现有大数据业务数据存在无法跨专业贯通、缺乏全局数据资源智能分析及管理。知识图谱技术作为大数据时代的推理和分析利器,与航天装备大数据完成无缝对接具有天然的优势和内在动机。本文从研究面向航天装备数据知识图谱的/组织管理、关联分析、数据挖掘、知识可视化等开放式共享服务出发,通过大数据、人工智能方法挖掘航天数据的应用潜力,并引入数据化决策模型和监控体系,建立航天装备数据全息画像,实现业务数据的跨业务贯通,并提供网格化的高速检索,以求通过提升数据管理的规范化、标准化、精益化水平指导航天装备的优化和升级。