D ISKUSSION AV JWARS

Hur kan de ovan nämnda metoderna tillämpas och utvecklas med de metoder som beskrivs i N.K Jaiswals, Military operations research, quantitative decision making, kapitel tre.

Tidigare har stokastiska och deterministiska algoritmer nämnts för att beskriva funktioner i JWARS. Det finns några ytterligare faktorer som kan användas för att beskriva hur en modell fungerar. Ett system kan vara diskret vilket innebär att förändringar sker vid bestämda tidpunkter. Ett exempel är fordon som lämnas och hämtas vid en verkstad. Händelser sker bara vid bestämda tidpunkter. I ett kontinuerligt system däremot förändras läget hela tiden. Detta kan exemplifieras genom en luftstrid där flygplanen hela tiden förändrar sina positioner. Båda typerna av förändringar kan förekomma samtidigt i ett system, men i allmänhet är något av dem dominerande och det brukar vara det som klassificerar systemet.105

JWARS använder sig, som tidigare nämnts, av både stokastiska och deterministiska algoritmer. Ett sätt att öka realismen i en simulering är att låta slumpen spela in för att demonstrera de friktioner som alltid uppstår på slagfältet. Slumpen kan genereras med hjälp av en slumptalsgenerator, baserad på en lista med slumptalsnummer. Dessa kan förgenereras med t.ex. en tärning.106

Metod bygger då på en mekanisk slumpgenerering - vilken inte alltid är möjlig. Man kan i stället använda sig av ”nästan” slumptal och generera slumpen med Monte Carlo sampling. När man pratar om Monte Carlo simulering brukar man avse simuleringar för att lösa deterministiska problem.107 Det är troligt att JWARS använder sig av Monte Carlo simulering, men det framgår inte i Loerch verk. Det är oklart vad de andra nämnda systemen använder för algoritmer, men åtminstone marinens NSS-modell använder Monte Carlo simulering. Jaiswal beskriver även andra principer för simulering, som: Diskret system simulering; händelsedriven simulering och tidsdriven simulering. Problemet med dessa beskrivningar är att de huvudsakligen rör sig på taktisk eller rent av stridsteknisk nivå. Det gör att dess användbarhet för operativa analyser blir tveksamma. Möjligen kan simuleringar i stor mängd på den lägre nivån generera resultat som påverkar den operativa nivån. Jaiswal förklarar hur varje nivå i simuleringen leder till nästa steg men stannar vid indelningen i vapensystemsimulering innefattande sensorinformation och stridssimuleringar. Den senare omfattar plattformar, stridsgrupper och missionsanalys.108

En annan invändning mot Jaiswals användbarhet är att han beskriver hur en annan skribent 1993 uttrycker att all stridssimulering måste utvecklas med högre arkitekturnivåer och hur ytterligare andra skribenter 1996 ser fram emot att använda nya tekniker för att kunna simulera C4ISR! Detta talar för att man vid den aktuella tiden inte hade välutvecklade modeller för att simulera C3-system. I det här avseendet är boken inte längre aktuell.

105 _{Jaiswal, s.59.}

106 _{Ibid, s. 60.} 107 _{Ibid, s. 61.} 108 _{Ibid, s. 82.}

106

När han därefter beskriver befintliga modeller och krigsspel så handlar det fortfarande om mitten av 1990-talet när datorerna hade 386/486 processorer och VGA kort.109

Efter att Loerch har beskrivit JWARS och dess möjligheter i sin bok är Jaiswals kapitel om simulering inaktuell - åtminstone avseende vad som kan åstadkommas med modeller och simuleringar.

Med tanke på den snabba utvecklingen inom datorindustrin är det kanske inte konstigt att vissa delar av Jaiswals bok är inaktuella. De grundläggande delar och principer han lägger fram är dock fortfarande aktuella. Det är förmodligen så att konstruktörerna av dagens modeller har tagit del av vad Jaiswal skrev för snart 15 år sedan.

Att bygga en modell och simulera vad som sker i ett militärt ledningssystem kommer aldrig att vara lätt. Hänsyn måste tas till otroligt många aspekter. Det tekniska systemet med dess beslutsstöd och begränsningar samt olika personligheter hos personalen, som använder systemet, ska beskrivas på riktigt sätt. Slumpen måste få spela in för att simulera de friktioner som alltid uppstår på slagfältet, samtidigt som förbrukning av bränsle och andra förnödenheter tickar på oavsett hur striden går. Med hjälp av ett system som JWARS eller mer utvecklade system kan man simulera ett händelseförlopp och eventuellt komma fram till slutsatser. Hur generella dessa slutsatser kommer att vara kommer dock alltid att kunna diskuteras. Det räcker med att en viktig simulerad personlighet förändras för att resultatet förändras. Med en slumpfaktor som dessutom spelar in är det osannolikt att en simulering ska leda till ”rätt” resultat. Samtidigt är det troligen så att om man kör väldigt många simuleringar bör man åtminstone kunna se tendenser åt något håll vilket kan vara värdefullt i många problemställningar. Det är förmodligen så att en enstaka simulering inte är så värdefull i sig. Däremot kan man tänka sig att en grupp analytiker som under lång tid ängar sig åt utveckling och simulering av ledningssystem inte bara kan se tendenser åt något håll. De blir förmodligen också bättre på att förstå hur ledningssystem fungerar och hur det faktiskt kan påverka utgången av ett stridsförlopp. Den kunskap som byggs upp är mycket värdefull i sig och kan användas både i framtagning av nya system, men även i skarp operationsanalys. Mot bakgrund av detta resonemang kanske inte målet bara ska vara att bygga bra system utan också att befinna sig i en ständig utvecklingsprocess, som leder till att man bygger kunskap. Med detta synsätt är det värdefullt att fortsätta med utvecklingen av modellering av ledningssystem.

109 _{Ibid, s. 88.}

107

9.4 S

Den här essän redogör inledningsvis översiktligt för problematiken kring modellering av ledningssystem samt ett antal metoder eller modeller som används i USA för att analysera ledningssystem. Den bygger på Loerch bok Methods for conducting military operational analysis. Essän inleds med en beskrivning av ett antal system som används av armén, marinen och flygvapnet. Dessa hanterar huvudsakligen verksamhet inom den egna arenan, men tar även viss hänsyn till händelser i de andra arenorna. Därefter sker en redogörelse för JWARS, som är en modell för analys av C3 system på operativ nivå. JWARS är en modern modell som kan simulera händelser i ett ledningssystem förutsatt att det matats med mycket indata. Med hjälp av modellen kan man undersöka vilka parametrar som har betydelse för stridens utgång.

En studie redovisas där man med hjälp av JWARS har undersökt vilka parametrar som hade störst påverkan på stridens utgång. Faktorerna direktriktad eld, indirekt eld, luft- attack mot markmål och totalt antal utslagna mål undersöktes.

Resultatet av undersökningen var tydligt. De undersökta faktorerna hade påverkan på stridens utgång. Att ha tillgång till så aktuell information som möjligt var den enskilt viktigaste faktorn. Därefter är kvantitet, alltså mängden information mycket viktig. På tredje plats kommer faktorn kvalitet, alltså hur bra eller riktig informationen är. Indata var inte tillräkligt bra för att man skulle kunna dra slutsatser kring verkliga fall eller verkan av vapensystem, men tillräkligt bra för att göra bedömningen att JWARS verkligen kan användas till att simulera ledningssystem.

Avslutningsvis sker en diskussion där ett kapitel i Jaiswals bok Military operations research,

quantitative decision making används för att se om analysen av ledningssystem kan utvecklas med

Jaiswals metoder. Jaiswals bok från mitten 1990-talet är inaktuell i vissa avseenden, eftersom utvecklingen på både datorsidan och inom modellering har varit så stor. Vissa grundläggande algoritmer och beskrivningar av hur modellerna i grunden är uppbyggda gäller dock fortfarande och kommer att användas även i framtida modeller.

Det kan konstateras att modellering av ledningssystem är mycket komplicerat och att resultatet av analysen inte alltid är tillförlitlig. Men det är ändå värt att bedriva utveckling och modellering av ledningssystem eftersom den processen i sig är utvecklande och lärande för de som håller på med det. Den kunskapen kan användas både i utveckling av system och i operationsanalys av ett verkligt scenario.

108

9.5 R