|
来源：英国国防和安全加速器 https://www./government/news/pre-emptive-strikes-on-military-equipment-faults 编译：小智 转载请注明出处  根据英国国防安全和加速器网站2019年1月17日的消息，英国国防部Decision Lab（以下简称“决策实验室”）正在开发人工智能和机器学习以分析并预测军事资产及设备的状况。 当前英国面临的挑战 英国国防部（MOD）正面临着其所采用的传感器平台数量显著增长这一事实。这些传感器和其他信息源收集的数量庞大且复杂的数据对于运营商和军事决策者来说正在成为不得不重视的挑战。例如，45型驱逐舰能在一天内收集生成多达1000万条数据。若英国国防部要充分利用其人员和系统做出明智、有效和及时的决策，就需要不断提高单个人分析及利用此类数据的能力。
解决方式 在国防和安全加速器（DASA）领导的主题为“为了国防开展人类信息关系变革”的竞赛中，国防部决策实验室提交了一份开发人工智能和机器学习作为潜在故障预测工具组件的提案。
为此，DASA花费了524,651英镑资金。 国防部决策实验室形成了使用人工智能来分析和预测军事资产和设备的状况并可靠地预测其潜在组件故障的能力。这种情报使得军方能够在第一时间采取行动，更加快速有效地更换或修理部件。该成果可在减少设备维护和改进相关调度方面为英国节省数百万英镑的开支。
决策实验室首席策略师Ian Griffiths表示：
DASA提供的资金改变了我们的业务，它使我们的业务增长了50％并提升了我们的声誉，这一良性结果带来了进一步的商业投资，这意味着我们可以在许多领域有效地建立有发展潜力的数据收集能力。
该技术最初仅运用在飞机上，现在同样的技术已应用于英国所有战舰中，包括被称为最强大和最复杂战舰之一的英国皇家海军45型驱逐舰。45型驱逐舰配备了数千个传感器，为试验这种能力提供了大量的数据。决策实验室与皇家海军、Nelson计划和HMS钻石船舶的工程师们密切合作，开展了一系列的研讨会，共同开发了新的机器学习和异常检测模型，以便能通过传感器的数据来计算并给出系统的健康评分。好的用户界面则能够让船舶工程师与人工智能模型交互，继而反馈出真实的系统状态，使人工智能模型得到学习与训练。 目前，其人工智能能力已经得到迅速发展并已在HMS Defender上部署、试验。
来自皇家海军信息战智能与数据Nelson计划的Chris Smith表示： 为响应45型驱逐舰的数据集而开发的数据工程和分析，为将这一方法扩展到更多的海军系统开辟了可能性。
该方法的优点 通过提前预测故障组件来改进维护计划，从而可以提前采取措施，带来以下好处：
1.降低成本并提高平台可用性 2.有助于更好地了解资产退化（关联因果），可以改变今后的使用情况，从而减少资产退化或实施风险管理，并对中长期的故障预测进行改进。
下一步计划 目前，决策实验室正在寻找与潜在合作者会面的机会，并将继续推动该功能在其他行业的开发。 |
|
|
来自： 昵称m5Gu5 > 《军民融合与国防科研产业》
