国防后勤与战备 实时模型

一个基于公开理论和教科书层面的通用保障网络:24 个通用平台、8 个维修班组、由车队补给的物资仓库、12 个信道的无线电网和 5 个传感器站点。这里没有模拟任何真实的系统、部队或行动,它展示的是战备背后的运筹学。

你将学到什么

模拟器

时间 0 h
使用可用度 100% · 供应天数 3.2 · 监视覆盖率 95% · 优先呼叫阻塞率 0.9%✓✓✓✓✓✓✓✓✓✓✓✓✓✓✓✓✓✓✓✓✓✓✓✓仓库库存 500 · 3.2 d 📡 12 ch · 0.9%
  • 可执行任务
  • 维修中
  • 等待零件
  • 传感器覆盖

控制

每个平台每天的运行小时数。节奏越快,故障和燃料消耗越多。

共 8 个维修班组,其余班组负责平台。

从已在等待零件的平台上拆下零件。更快,但工作量翻倍。

补给车队之间的间隔小时数(每支车队载量固定)。

作用距离随功率的四次方根增长;燃料消耗则线性增长。

普通呼叫不得占用最后 r 个空闲信道。

预订一次优先运输:最多 4 个未完成订单在 24 h 内送达。同一时间只能有一批货在空中,每一批都计入运输预算。

架设 3 h 后增加 4 个信道;会消耗少量燃料。

指标

使用可用度
100%
正常
供应天数
3.2d
正常
监视覆盖率
95%
正常
优先呼叫阻塞率
0.9%
正常
等待零件0
维修中0
现有备件6
在途订购零件0
欠交订单(欠缺零件)0
已用优先运输次数0
运输中的优先货物(剩余小时)0 h
仓库库存500 u
普通呼叫阻塞率0.9 %
机群运行小时数0.0 h
在线传感器站点5

趋势

使用可用度: — %1000

危机场景

第 1 级 · 战备高峰

一次演习使运行小时需求在四天内增加一倍以上。备件紧缺,常规补给需要四天,运输预算只够两次优先运输。既要完成这些运行小时,又不能损害战备状态、积压欠交订单或堵塞无线电网。

  • 高峰期间机群至少运行 790 小时
  • 从第 30 小时起平均使用可用度 ≥ 86 %
  • 最后一天平均欠交订单 ≤ 2
  • 优先运输不超过 2 次(运输预算)
  • 平均优先呼叫阻塞率 ≤ 2 %
  • 平均普通呼叫阻塞率 ≤ 35 %

第 2 级 · 补给路线中断

洪水使通往仓库的唯一道路中断 60 小时,车队在后方排起长队。要让库存撑下去,同时不让监视覆盖率崩溃。

  • 仓库从未耗尽(硬性限制)
  • 平均监视覆盖率 ≥ 89 %
  • 道路中断前至少 60 小时的任务运行时间
  • 机群总运行时间至少 440 小时
  • 道路恢复通行后至少 255 运行小时

第 3 级 · 无线电干扰与传感器故障

干扰使一半无线电信道失效。十二小时后,两个传感器站点发生故障。要保证优先业务畅通,并恢复覆盖。

  • 平均优先呼叫阻塞率 ≤ 3 %
  • 传感器故障后平均覆盖率 ≥ 88 %
  • 平均普通呼叫阻塞率 ≤ 40 %(不要把普通业务完全挤出去)
  • 平均使用可用度 ≥ 80 %

依据:数字背后的模型

模拟器使用的每一个关系式及其来源。标注为假设的常数是示意性校准值。

使用可用度:系统处于就绪状态的时间占比,包含后勤延误。
Ao = uptime / (uptime + downtime) ≈ MTBF / (MTBF + MTTR + MLDT)[1][2]
平台运行时随机发生故障,故障前时间服从指数分布。
P(fail during h operating hours) = 1 − e^(−h/MTBF), MTBF = 40 h[2]假设:MTBF、备件到位概率、消耗率和通信流量均为通用的规划数值,并非任何真实系统的数据。
帕尔姆定理:在一对一补给下,在途备件数服从泊松分布。
pipeline ~ Poisson(mean = demand rate × lead time); backorders = (pipeline − S)⁺[4][3]
维修任务在队列中等待,由固定数量的班组处理。
c teams serve the maintenance queue (M/M/c); site teams + fleet teams = 8[9]假设:MTBF、备件到位概率、消耗率和通信流量均为通用的规划数值,并非任何真实系统的数据。
供应天数:按当前消耗速度,仓库物资能维持多少天。
DOS = stock / daily consumption[10]供应天数是保障理论中使用的规划指标;这一比值本身只是简单的算术。
爱尔兰 B 阻塞公式,以及为优先业务保留信道时的精确扩展形式。
B(0)=1, B(k) = A·B(k−1) / (k + A·B(k−1)); with reservation r: exact birth–death chain[5][6]
雷达方程:探测距离随发射功率的四次方根增长。
R ∝ P^(1/4) ⇒ πR² ∝ √P[7]
模型使用的其他规划常数。
MTBF 40 operating h · part needed 40 % · repair Exp(6 h) · sites MTBF 300 h, repair Exp(8 h) · convoy 200 u · burn 1 u per operating h + 0.5 u/h per site at full power · relay +4 channels after 3 h · priority shipment: ≤ 4 open orders, lands within 24 h, one in flight at a time · ≥2 channels always open to routine traffic假设:MTBF、备件到位概率、消耗率和通信流量均为通用的规划数值,并非任何真实系统的数据。
布尔覆盖模型:某一点至少被若干传感器探测圆盘之一覆盖的概率。
coverage = 1 − exp(−Σ πR_i² / A)[8]假设:MTBF、备件到位概率、消耗率和通信流量均为通用的规划数值,并非任何真实系统的数据。

随机性:带种子的 mulberry32 生成器;所用分布包括均匀分布、指数分布(逆 CDF)、正态分布(Box–Muller)和泊松分布(Knuth)。种子会显示出来,并且可以分享。

来源

  1. DoD Reliability, Availability, Maintainability, and Cost Rationale Report Manual (operational availability Ao) — U.S. Office of the Secretary of Defense, 2009
  2. MIL-HDBK-338B Electronic Reliability Design Handbook (exponential failure model, availability) — U.S. DoD, 1998
  3. C. C. Sherbrooke — METRIC: A Multi-Echelon Technique for Recoverable Item Control (Palm’s theorem, expected backorders) — Operations Research 16(1), 1968
  4. C. Palm — Analysis of the Erlang traffic formulae for busy-signal arrangements (Palm’s theorem on (S−1,S) pipelines) — Ericsson Technics No. 4, pp. 39–58, 1938
  5. ITU-D Study Group 2 — Teletraffic Engineering Handbook: Erlang B recursion E_x = A·E_(x−1)/(x + A·E_(x−1)); Erlang C — ITU, 2002
  6. F. P. Kelly — Loss Networks (trunk reservation) — Annals of Applied Probability 1(3), 1991
  7. MIT Lincoln Laboratory — Introduction to Radar Systems, Lecture 2: radar range equation S/N = P_t G² λ² σ / ((4π)³ R⁴ k T_s B_n L) — MIT Lincoln Laboratory
  8. P. Hall — Introduction to the Theory of Coverage Processes (Boolean model: vacancy = e^(−λ·E|disc|)) — Wiley, 1988
  9. D. Gross, C. M. Harris — Fundamentals of Queueing Theory (M/M/c, machine-repair models) — Wiley, 2008
  10. U.S. Army FM 4-0 Sustainment Operations — sustainment planning concepts (days of supply as a planning measure) — Headquarters, Department of the Army, 2026

谁在从事这份工作

教育模型,不可用于实际运营决策。真实站点会根据自己的设备和数据校准每一个常数。