《加快实施关键联合作战概念和能力》

任务工程学是一门相对较新的学科，它的诞生源于利用新兴技术和创新解决方案支持任务规划人员和打击当局在复杂的多领域作战环境中成功完成任务的需要。任务工程学将美《国防战略》中概述的未来作战环境和战略意图与系统工程、软件工程、数字工程和相关学科的严谨性相结合，以确定关键的作战差距，并构建实现预期战略或战术目标所需的新兴物资和非物资解决方案系统。最终目标是通过创新技术和能力推进现有的作战计划、杀伤网、任务线和小节，从而优化任务完成情况和结果，在最复杂的交战中威慑或击败任何对手。本文讨论了任务工程所面临的挑战，并建议在这一过程中整合作战和实弹测试与评估，以减轻其中的一些挑战。

图 1. Kill-Web 组合学

以测试数据和经认可的建模与仿真（M&S）结果为基础的任务工程是众多工具中的一种，这些工具可以找出差距，并寻找创造性的、全新的解决方案，以应对持续存在的对手，并在这种有争议的环境中占据主导地位。通过严格的任务工程努力，许多其他前所未见的技术和战术、技术和程序（TTP）可能会得以实现，而如果单纯从系统层面，甚至从国防部（DoD）单个部门层面来看待问题，这些技术和战术、技术和程序是不可能被发现的。

目前的任务工程实践依赖于 M&S--高层次的战役分析--具有运行假设情景的能力，以确定在实现不同小节的任务成功方面存在的差距。任务工程分析可指导该部门在高端战斗中就分布式海上行动和动态远征行动做出决策，采用数千个可减员、完全自主的系统，在数量上压倒对手，达到预期的致命效果。任务工程将在建立电磁频谱优势的能力以及友军通信发射极易成为敌方目标的可能性的背景下，考虑各种备选方案。有必要考虑这些协同效应和突发效应，以及图 1 所示的一系列可能性，以真实再现和利用高度复杂的战斗空间，并取得持久优势。任务工程包括预测未来能力的性能，为未来需求和采购优先级提供依据，进而推动科技投资。由于任务工程对 M&S 的严重依赖以及对作战性能和任务成功的关注，因此必须将任务工程工作与作战和实弹测试与评估活动结合起来。这种整合不仅包括对单个系统的作战和实弹测试，还包括对联合作战概念、杀伤网、虚拟场景、任务线程和其他系统场景的测试。这两个学科的整合可通过识别和提供对验证任务工程输出结果至关重要的相关作战数据，提高任务工程架构的真实性。本文阐明并探讨了这种整合的协同效益。

图 2. 任务工程流程要素

图 4. 加速决策优势的敏捷方法。

向多域作战和联合全域指挥与控制的转变，推动了对以数据为支撑的任务式工程的需求。任务工程与作战和实弹测试与评估（包括 JT&E）之间的基础是收集与作战相关的数据。任务工程的最终成功取决于对现有和未来作战测试数据的整合，以加速学习和增加创新周期。反之，作战和实弹测试与评估转型的成功取决于任务工程架构的整合，以便从关注单一系统推进到关注未来联合作战概念和能力。

这两个学科可以通过多种方式相互促进，但在作战测试更好地融入系统开发之前，这些机会将无法实现。总体而言，重点需要继续从支持生产决策的专用作战测试，转向收集和整合与作战相关的数据，以了解系统的能力以及这些能力如何支持任务成果。作为工业 4.0（Madni 等人，2019 年）的一部分，工业界已开始使用开发、安全和运营（DevSecOps）以及数字双胞胎等方法，从运营中获取反馈，以改进其系统（包括基于硬件的系统）。运营反馈为特斯拉、亚马逊和 Netflix 的新功能开发提供了指导，帮助这些公司在各自领域取得了主导地位。

美国国防部（2023 年）的《数据、分析和人工智能采用战略》同样关注交付速度和持续改进，呼吁 "通过持续的迭代、创新和改进解决方案循环，在技术开发人员和用户之间形成紧密的反馈回路，从而实现决策优势"。该战略要求在开发人员、用户、主题专家以及测试和评估专家之间建立有效的迭代反馈回路，以确保开发的能力更加稳定、安全、合乎道德和值得信赖（见图 4）。

最后，展望未来，数字工程、人工智能和自主能力所带来的灵活性，使我们必须了解运用这些能力的最有效方法。为了加快创新周期，各组织需要就这些学习工作所需的关键信息达成一致。作战测试界正在努力量化数字工程对作战测试的益处，以及如何利用知识管理的改进来整合评估中的所有可信信息。将系统设计和能力与任务结果联系起来的模型具有巨大的威力，可为多个层面的决策提供信息。将任务工程计划与作战和实弹测试与评估以及 JT&E 相结合，为提高企业的学习能力并有效地将学习成果转化为行动提供了巨大的潜力，从而确保任务的持久成功。