這項研究的目的是開發一種基于模型的競爭性技術情報方法，以預測競爭對手的系統。這種分析目前是由撰寫長篇敘述性報告來驅動的，這些報告的維護和更新都很費力，同時也幾乎沒有明確說明預測是如何形成的。為了做到這一點，從系統工程的技術過程中得出了一個對立面過程的框架，或稱反過程。然后將其與競爭性技術情報領域的分析技術相結合，建立一個SysML參考模型，然后將其應用于一個小型案例研究，以加強和完善該模型。反過程為在所探討的特定階段對競爭者的系統進行框架和分析提供了堅實的基礎。SysML參考模型的分層方法提供了可追溯性和解構每個反過程的分析過程的手段。最后，貝葉斯推理技術的參數模型，主觀邏輯，使一個可動態更新的模型能夠計算每個反過程中的預測的可能性和不確定性。最終，反過程框架和SysML參考模型為競爭對手系統的情報預測提供了一個嚴格的、基于模型的方法。

關鍵要點

• 數字工程和MBSE有可能將設計決策加速到開發過程的早期階段。

• 如果沒有構建和整合人類模型，這些決定可能是在不了解人類影響的情況下做出的。

• 需要一個強大的框架來支持人類建模工作的發展--也許衡量標準的分類法是一個重要的起點。

• 框架模型的標準化可以推進系統模型中人的表述的使用，改善人與系統的整合。

作戰實驗室是將測試能力與作戰終端用戶結合在一起，以開發或增強作戰概念、程序和/或作戰人員培訓(北約定義)。

演講大綱

• 全國民主聯盟戰斗實驗室概述
• 多域運營挑戰
• M&S的全新而不同的角色
• 讓戰斗實驗室為MDO做好準備
• 主要收獲和前進的道路

摘要

在使用模擬的訓練過程中，所有信息都會被記錄下來，用于回放、可視化和詳細分析。經典的事后審查 (AAR) 工具提供了許多功能來放大特定時刻或對受訓者的選擇提供一般反饋。培訓師一般使用的素材是分數、視頻和截圖，需要自己手動豐富。

STRATEGIC研究項目提出了基于人工智能和建模與仿真的創新自動化分析工具。我們的工作側重于三個戰略支柱：

• 使用圖模型對事件因果關系的敘述性重構。這有助于了解學員選擇的后果，并突出課程中的關鍵事件，從而促進匯報會議期間的溝通。
• 自動生成豐富的作戰圖表，提供戰術形勢及其歷史的智能綜合：局部軍力比例、戰術路線、任務的主要影響、上下文單位的能力……
• 用于探索替代解決方案的交互式圖片

早期的結果非常有希望，以至于法國陸軍訂購了許多智能圖表；不僅用于3A和培訓課程的監督，還用于情報評估。將來它還可以用作總部的決策支持和警報系統。

摘要

獲取大型復雜系統的過程通常以成本和進度超支為特征。為了研究這個問題的原因，我們可以在幾個不同的時間尺度上查看一個復雜系統的獲取。在更精細的時間尺度上，人們可能會研究采購過程的不同階段，從整個系統工程過程的復雜細節到設計團隊之間的溝通，再到各個設計師如何解決問題。在最大的時間尺度上，人們可以將采購過程視為一系列行動，即招標、投標和拍賣、合同以及最終構建和部署系統，而無需解決每個步驟中出現的細節。

在這項工作中，我們研究了多個尺度的采集過程。第一，我們為構建和部署階段的系統工程開發了一個博弈論模型。我們將系統和子系統工程師之間的交互建模為委托代理問題。我們開發了一個一次性的系統工程過程，并獲得了最能激勵子系統工程師最大化預期系統級效用的最佳傳遞函數。委托代理模型的核心是將代理的努力映射到系統的性能（質量）的質量函數。因此，我們通過將設計過程建模為順序決策問題來構建隨機質量函數。其次，我們開發和評估了一個收購過程模型，該模型解釋了各方的戰略行為。我們根據政府資助的項目來構建我們的模型，并假設以下步驟。首先，政府發布招標書。然后，私營公司在投標過程中提出他們的建議，中標者與政府簽訂合同。合同描述了系統要求和滿足這些要求的相應貨幣交易。獲勝公司致力于提供滿足要求的系統。這可以假設為政府與投標公司的博弈。我們研究了收購過程中的不同參數如何影響投標人的行為，從而影響政府的效用。使用強化學習，我們尋求學習該博弈中相關參與者的最優策略。特別是，我們研究如何要求，成本加成和激勵型合約等類型、投標人數量、問題復雜性等都會影響采購程序。此外，我們研究了私營公司的投標策略以及合同類型如何影響他們的戰略行為。