《在极端条件下优化作战系统维护流程的先进技术：机器学习、增材制造和云技术》2024最新221页

在极端的战场条件下，进行日常维护的方式并不是处理维护工作的最佳方式。这是各领域常见的维护问题，例如在无法进入港口或仓库的情况下修复飞机或舰船的战损。极端条件还包括在极寒条件下维修阿拉斯加输油管道，或在 COVID-19 期间处理维修工作。研究人员研究了现代技术如何优化生产率并缩短极端维护流程的周期时间。研究结果发现，增材制造、云和机器学习（ML）这三种新兴技术可以提高流程价值、节约劳动力成本并缩短周期时间。其中，机器学习对提高生产率和缩短生产周期的影响最大。当所有技术一起使用时，生产率和周期时间的提高更为显著和一致。这项研究考虑到了这些技术的风险性，这对于准确预测这种极端维护流程背景下的附加值十分必要。这项研究非常重要，为美国国防部快速完成有价值的正确维修可以决定一场冲突的胜负。

本执行摘要的部分内容曾由 Springer Nature 在《网络安全、隐私与信任的人机交互》（HCI for Cybersecurity, Privacy, and Trust）一书中发表（Miller & Mun, 2023 年）。常规维护流程（如和平时期条件）并没有针对极端维护条件进行优化。这是许多极端维护环境（如飞机或船舶战损维修、阿拉斯加极寒管道维修和 COVID-19 仓库维修流程）中存在的普遍问题。在极端环境下，现代信息技术（IT）（如机器学习 [ML]、增材制造 [AM] 和盒式云 [CIB]）通常未被用于优化这些关键维护流程的生产率（生产率等于产出除以投入或价值除以产生价值的成本）和周期时间。本研究的目的是估算三种现代信息技术（用于资源需求预测的 AM 和 ML 以及 CIB 技术）在优化流程生产率和缩短极端维护流程的周期时间方面的附加值。这项研究将扩展流程优化理论（Castillo，2011 年）的使用范围，将现代信息技术的效果纳入极端维护的范畴。这项研究之所以重要，是因为在有关极端维护条件和使用现代技术进行优化的流程优化文献中存在空白。在国防部的背景下，这项研究尤为重要，因为如果不能对战损设备进行正确维修，就会影响冲突的胜负。

通常情况下，信息技术经济学（EOIT）理论属于商业理论，考虑的是引入现代信息技术对优化流程和提高营利性组织竞争力的影响（Shapiro & Varian, 1999; Goldfarb & Tucker, 2019）。基于 EOIT 理论的一般原则，研究人员假设了这些技术资源在整个组织层面对企业收入流的影响。研究人员通过分析组织会计数据，对这些技术的效果进行了实证检验（Hitt 等人，1994 年；Brynjolfsson 等人，2021 年）。一般结果使他们得出结论，使用信息技术对企业的生产率有积极影响。当前的研究试图将流程优化研究扩展到非营利军事组织背景下的极端维护条件。

在流程优化中，增值可以在组件子流程层面进行计算（Pavlou 等人，2005 年；Housel & Kanevsky，1995 年；Housel & Bell，2001 年）。当前的研究将测试三种 IT 人工智能（AM、CIB 和 ML）对优化维护流程的影响，这些流程整合了这三种技术，有助于提高生产率和缩短周期时间。亚当斯（2022 年）之前对生物信息学的研究表明，现代信息技术会对 IT 投资决策产生积极影响。这些将现代信息技术融入核心流程的新方法有可能帮助决策者加快有关飞机维护停机时间的 "数据到决策"（D2D）时间，从而缩短周期时间，降低运营风险。本研究通过测试这些有望加快 D2D 周期时间的 IT 工具的效果，从而弥补了正常维护流程中的理论空白，测试了这些 IT 工具在极端维护条件流程中对生产率的影响，为扩展 EOIT 做出了贡献。

这项定量研究分两个阶段进行：首先使用知识增值（KVA）原样基准生产率分析，然后通过综合风险管理（IRM）方法进行模拟，预测三种 IT 工件对核心极端维护流程及其子流程的影响。原状 KVA 流程分析确定了不使用这三种 IT 工具的当前极限维护流程的基准性能。模拟预测了在极限维护流程的价值、成本和周期时间参数中加入这三个 IT 工件的效果。原样维护流程模型基于流程主题专家（SMEs）对学习时间、成本和周期时间模型参数的估计。

原样使用案例是一个前沿部署的战斗航空维修流程。在 "To-Be "建模预测方面采用了先进的分析技术并进行了模拟：真实选项和综合风险管理。四个 To-Be 模型包括单独的 ML 效果、单独的 CIB 效果、单独的 AM 效果以及 ML + CIB + AM 的组合效果。所采用的 ML To-Be 过程模型源于生物信息学研究中对 ML 的使用，该研究将修复作为系统的一种处理方法，就像有机系统的修复一样。

本研究将在使用现代 IT 工具优化流程的背景下，通过衡量 IT 工具对流程生产率和缩短流程周期时间的贡献，为 EOIT 和信息科学理论做出贡献（Mun & Housel，2010 年）。此外，研究还通过假设的使用案例和模拟来探索投资回报的潜在改进，模拟包括在极端维护流程的独特背景下使用实物期权和 IRM 建模来分析 IT 工具的潜在影响。

这项研究探索并利用了包括实物期权理论在内的 IRM 框架，通过采用实物期权方法、利用战略决策树建立实物期权模型以及估算使用每种技术方案的潜在风险，预测了三种 IT 工具的效果。风险实物期权的特征可以概括为推迟/执行期权、扩展期权、障碍接受期权和迁移期权，其中使用了等待期权和推迟/执行期权。真实选项分析允许研究人员测试和预测流程模型，作为概念验证，以便在极端维护流程背景下更精确地估计技术选项的成本、盈利能力和进度风险（Mun，2015 年）。在确定了最有前景的方案后，就可以签订合同，其中包括在决定采用新技术（AM、CIB 和 ML）之前，可以在实施后获得有关技术方案性能的更多有价值的信息，从而静观其变。

这项研究显示，通过引入 AM、CIB 和 ML 等新兴技术，极端维护维修团队既节省了人力成本，又缩短了周期时间。在这些新兴技术中，ML 的改进最为显著，其次是所有技术的综合应用，然后是 AM 和 CIB。当所有技术一起使用时，生产率和周期时间的改善是显著的，也是最稳定的。最后，研究还探讨了风险管理方案以及为充分实现利用这些技术所带来的改进而需要对现有流程进行的更改。