5 Jämförelse mellan manuell måluttagning och måluttagning med stöd
5.1 Jämförelse i ett scenario
Genom att jämföra en manuell process vid uttagning av mål och en process där måluttagningen sker med stöd av NI-algoritmer, söks svaret på om NI- algoritmer kan användas vid planläggning av NI. Samtidigt ges ett exempel på hur beslutsstödsmodeller kan användas i planläggning av NI.
Jämförelsen genomförs med ett operativt scenario hämtat från ”Taktisk fortsättningskurs, FB502V” som genomfördes vid Försvarshögskolan under veckorna 302-3 och 305-7. Scenariot återges inte i sin helhet utan fungerar som en bakgrund till jämförelsen. Med scenariot som bakgrund genomförs en jämförelse mellan en manuell målvalsprocess och en målvalsprocess som använder NI-algoritmer som ett stöd. Uppgiften att genomföra interdiction mot motståndarens framryckning är skapad utan att ett operativt bedömande genomförts.
5.1.2 Scenario[22] Bakgrund
Efter flera års militär uppbyggnad parallellt med en politisk återgång till mer diktatoriska former har ”Angripien” återfått sina stormaktsambitioner och driver konfrontationspolitik med USA. USA:s roll i Europa har minskat i takt med att EU:s förmåga till krishantering har ökat. EU leder för närvarande en omfattande fredsfrämjande operation i Kosovo, Serbien samt Makedonien, med bl.a. svenskt deltagande. Trots tydliga signaler överraskades västvärlden av att ”Angripien” genomförde ett militärt angrepp på de baltiska länderna i maj 2009. Bristande samordning och resurser inom EU parallellt med att USA länge var nationellt inriktade gjorde att en snabb fredfrämjande operation och styrkedemonstration i Östersjöområdet inte kommit till stånd. Angriparen har haft stora framgångar i Baltikum. Han kan praktiskt taget ostört operera från intakta baltiska hamnar.
I Sverige har anpassning av försvarsmakten genomförts. Det innebär att återtagning av insatsorganisationen är genomförd. Genom tillväxt har framför allt kvaliteten men även kvantiteten kunnat utvecklas. Försvarsmakten kan bl.a. agera med två styrkor av divisionsstorlek.
Ett öppet angrepp mot Sverige inleddes 2009-07-21 kl. 02.00. Angreppet omfattade flyganfall, angrepp med kryssningsrobotar samt sabotage, främst riktad mot civil och militär ledning samt mot vårt luftförsvar. I det fortsatta angreppet genomfördes med start 2406008 luftlandsättningar N och S Mälaren och med start 250530 genomfördes landstigning av marininfanteri mm N och S Mälaren, se figur 5.1.
sss ?
sss
Figur 5.1 Läget inom mellersta militärdistriktet (MD M)
Vårt läge
Flygstridskrafterna agerar från baser i södra och norra militärdistriktet. Offensiva insatser har genomförts mot angriparens transporter till sjöss samt mot angriparens luftburna flygstridsledning. Vårt luftförsvar bestrider fiendens luftöverlägsenhet med kraftsamling till mellersta militärdistriktet. Vårt luftvärn (23/97) har lidit förluster.
Marinstridskrafternas bekämpning fortgår om än med reducerad kapacitet pga. egna förluster. Marinstridskrafterna har hittills kraftsamlat resurserna till området N och NO om GOTLAND och då kraftigt reducerat fiendens landstigningstonnage. 3. Ytattackflottiljen omgrupperar från södra militärdistriktet och är i området 07-31. Delar av 1. Amfibiebrigaden har från terrängen S MÄLAREN framgångsrikt reducerat fiendens styrketillväxt över havet, främst avseende specialtonnage. Förbandet har trots vissa förluster en fortsatt god stridsduglighet. Med nuvarande förutsättningar bedöms fortsatt landsstigning S MÄLAREN ej vara möjlig.
1. Divisionen är under tilltransport söder- och västerifrån och bedöms nå området N MÄLAREN 07-30--31.
2. Divisionen är under tilltransport norrifrån och bedöms nå området N MÄLAREN 08-01--03. Första brigad når avlastningsområdet N DALÄLVEN 08-01 kv3-4.
Vår uppgift
OPIL med tilldelade stridskrafter bryter angriparens anfallskraft och anfallsvilja inom tilldelat operationsområde. STOCKHOLM skall skyddas. NI
C Opil har beslutat att som en del av den operativa idén genomföra bekämpning av vägnätet i syfte att fördröja motståndarens framryckning i västlig riktning och mot STOCKHOLM. Syftet med att fördröja motståndarens framryckning är att möjliggöra vår styrketillväxt och att underlätta skyddet av STOCKHOLM.
Målet är att begränsa motståndarens möjlighet att använda vägnätet med 75 %. Dvs. motståndarens maximala flöde från öst till väst och till Stockholm skall nedgå till 25 %, se figur 5.2.
sss ?
sss
25 %
100 %
Figur 5.2 Målet är att begränsa motståndarens flöde mot Stockholm och mot linjen väster Västerås.
5.1.3 Målvalsprocessen
Målvalsprocessen initieras av en uppgiftsställning med ett syfte. Detta kompletteras med handlingsregler som kan innehålla målprioritet, begränsningar av målval, resurser osv., se figur 5.3. Tillsammans utgör det ett underlag för målvalsprocessen.[23] Med hjälp av underrättelser och målkataloger identifieras de mål som om de bekämpas främjar uppgift och syfte.
Målkatalogen kan bestå av mål som redan är inmätta och lagrade i en databas. En sådan databas benämns i USA, military national intelligence integrated database eller integrated database (MIIDS/IDB). En svensk motsvarighet skulle kunna vara Militärgeografiskt verk.
Målkatalogen kan också skapas specifikt för operationen och benämns då i NATO för joint target lists (JTL) och innehåller då både mål från MIID och mål som identifierats i planläggningsprocessen.[18]
Tolkning av uppgiftsställning.
Val av mål. Verkställande
Uppgiftsställning och syfte. Handlingsregler
Val av vapensystem och
planläggning av uppdrag Fastställa sannolikheter Uppföljning av resultat
Figur 5.3 Målbekämpningscykeln[24]
Målvalsprocessen är en iterativ process där slutsatser och beslut får återverkningar på målvalet, se figur5.4. När mål har utsetts väljs vapensystem för att bekämpa dessa mål. Om det inte finns rätt vapensystem eller inte tillräckligt många för att lösa målbekämpningen påverkar detta målvalet. Sannolikheten för att lyckas med bekämpningen påverkar både fördelningen av resurser och valet av mål. Oavsett om NI-algoritmer används för att identifiera målen eller inte kommer processen att fortsätta att vara iterativ.
Tolkning av uppgiftsställning. Val av mål.
Val av vapensystem och
planläggning av uppdrag Fastställa sannolikheter
5.1.4 Målvalsprocessen i scenariot 5.1.5 Förutsättningar i exemplet
I exemplet avhandlas inte hela målbekämpningsprocessen. Det är endast delprocessen med tolkning av uppgiftsställning och målval som berörs.
I exemplet används endast vägar med bärighetsklass 1 och 2 (BK1 och BK2). Vägarnas kapacitet är satt till 2 enheter/h för BK1 och till 1 enhet/h för BK2. I exemplet tas ingen hänsyn till att det kostar olika mycket att förstöra en vägsträckning. I exemplet kostar det 1 för att förstöra en vägsträckning. Kostnaden representerar t.ex. ett flygföretag eller en robot. Kostnaden blir lika stor som antalet vägsträckor som förstörs.
Exemplet har begränsats i dessa avseenden för att göra det mer överskådligt. Om fler vägtyper (t.ex. BK3) tas med och om det tas hänsyn till olika kostnader för att bekämpa olika vägsträckorna ökar komplexiteten. Problemställningen är dock den samma utan dessa parametrar.
I exemplet är kunskapen om vägnätet och de mål som ingår i vägnätet lika stor i båda alternativen. Båda alternativen har tillgång till samma databas för vägnätet och målen, se figur 5.5 och 5.6. I båda alternativen är det möjligt att använda kartdata och grafer som representerar vägnätet.
FNODE_ TNODE_ LENGTH BV_11JSV_ BV_11JSV_I KKOD VAGNR1 BKLASS GRUPP
41 40 1,941 0 0 5025 664 1 105 19 18 2,125 0 0 5029 807 1 107 1653 1654 2,875 0 0 5029 722 1 107 25 17 3,092 0 0 5029 971 1 107 554 553 3,412 0 0 5036 E4 1 106 4 3 3,750 0 0 5025 565 1 105 2155 2165 4,002 0 0 5025 762 1 105 269 268 4,039 0 0 5011 E18 1 100 239 238 4,743 248 5029 5029 988 1 107 1121 1123 5,000 0 0 5029 570 1 107 1243 1245 5,006 0 0 5012 E18 1 100 28 15 5,202 0 0 5025 858 1 105 1324 1323 5,315 0 0 5017 273 1 101 29 12 5,501 0 0 5025 673 1 105 1577 1578 6,063 0 0 5811 E4 1 100 2081 2082 7,111 0 0 5025 1050 2 105 1605 1606 7,211 0 0 5029 845 2 107 489 488 7,387 0 0 5025 843 1 105
Figur 5.5 Exempel på databas för vägdata9
KBYNR LAN X Y VAGNR KLARTEXT BESKRIVNING MATERIAL MAXSPV ANTALSPANN LANGD FRIBREDD TILLAXEL TILLBOGGI BKKLASS 1 C 1619200 6552800 E18 Bro allmän väg Kont balkbro ursparn Armerad Btg 264 13 810,7 9,5 12 16 1 2 C 1651050 6579930 95 Bro allmän väg 2-leds Plattrambro u stagb Armerad Btg 14,4 1 20,1 8 17 20 1 3 C 1628480 6580600 722 Bro allmän väg Fritt uppl balkbro u ursparn Stål 0 1 4,6 5,8 0 0 2 4 C 1628750 6580090 95 Bro allmän väg 2-leds Plattrambro u stagb Armerad Btg 11,4 1 21,8 6,7 18 18 1 5 C 1627440 6585960 E4 Bro allmän väg 2-leds Balkrambro u stagb Armerad Btg 13,4 1 21,3 5 14 16 1 6 C 1631060 6584450 565 Bro allmän väg Fritt uppl balkbro u ursparn Stål 0 1 16 7,3 0 0 2 7 C 1624900 6579530 E4 Bro allmän väg Kont balkbro ursparn Armerad Btg 15,5 17 260,7 7 12 16 1 8 C 1642720 6581330 E18 Bro allmän väg 2-leds Plattrambro u stagb Armerad Btg 8,4 1 16,5 12,4 15 23 1
Figur 5.6 Exempel på databas för mål.10
9 Hämtad ur Blå kartan. 10 Databasen är fiktiv.
Superkälla Supersänka BK1 BK2 Fiktiv båge Virtuell nod
Figur 5.7 Graf som beskriver vägnätet i exemplet.11
Uppgiften i målvalsprocessen blir att begränsa motståndarens flöde till 25 %, genom att välja så få mål som möjligt. Dvs. uppnå C Opils mål till en så låg kostnad som möjligt.
5.1.6 Manuell metod
Vid planläggningen tvingas planläggaren använda sin erfarenhet i kombination med intuition. För att kunna lösa uppgiften optimalt krävs att planläggaren provar sig fram med olika lösningar. Planläggaren väljer därefter den lösning som enligt planläggaren är mest optimal. Det blir mycket svårt för planläggaren att veta hur optimal lösningen är utan omfattande beräkningar.
När planläggaren genomför planläggningen tenderar han att välja målen med störst kapacitet, stora broar, hamnar, kraftverk osv. Målen tenderar också att väljas nära källan till de resurser som skall påverkas. Det är mycket svårt för planläggaren att planlägga en partiell Interdiction-operation. Planläggaren planerar därför omedvetet en större insats än nödvändigt.
Planläggarens lösning tenderar att fullständigt strypa motståndarens flöde. Resultatet blir en plan med många och svåra mål.[25] Figur 5.8 och 5.9 visar manuella lösningar. Lösningarna har tagits fram av två officerskollegor. De instruerades enligt förutsättningen i exemplet. Därefter fick de möjlighet att ställa frågor. Hjälpmedlen för att lösa uppgiften var grafen i figur 5.7 uppförstorad till A3 och penna. De disponerade fem minuter för att lösa uppgiften. Den korta tiden för att lösa uppgiften motiveras med att grafen i exemplet och förutsättningen är enkla.
11 Grafen är konstruerad med utgångspunkt i Blå kartans vägnät. Endast BK1- och BK2-vägar
Superkälla Supersänka 1 1 2 Bekämpad båge Kvarvarande flöde BK1 BK2 Fiktiv båge Virtuell nod
Figur 5.8 Lösning 1. I lösning 1 har 10 bågar bekämpats. Det återstående flödet är 4 enheter/h.
I lösning 1 har flödet begränsats till 17 %. Det är en begränsning som överskrider målsättningen. Målet var att sänka flödet till 25%.
Superkälla Supersänka 1 1 2 Bekämpad båge Kvarvarande flöde BK1 BK2 Fiktiv båge Virtuell nod 2 2 2 2
Figur 5.9 Lösning 2. I lösning 2 har 7 bågar bekämpats. Det återstående flödet är 12 enheter/h.
I lösning 2 har flödet begränsats till 50 %. Begränsningen av flödet når inte upp till målsättningen. Motståndaren tillåts framrycka med ett för stort flöde.
5.1.7 Med stöd av NI-algoritmer
Grafen i figur 5.7 beskriver vägnätet mellan källan och sänkan. För att kunna beräkna det maximala flödet har en virtuell källa och en virtuell sänka skapats. De har därefter förbundits med vägnätet genom fiktiva bågar. De fiktiva bågarna har en oändlig kapacitet vilket gör att de inte påverkar det maximala flödet. För att kunna beräkna det maximala flödet i västlig riktning tillsammans med flödet mot Stockholm, har supersänkan förbindelser i båda riktningarna.
I alternativet då NI-algoritmer används, har först det maximala flödet beräknats. Det maximala flödet har beräknats genom att hitta det minsta snittet. Det minsta snittet är 24 enheter/h. Det minsta snittet innehåller 11 st. BK1- vägar och två st. BK2-vägar. Det minsta snittet visas i figur 5.10.
För att nå målsättningen att minska flödet med 75 % krävs att flödet reduceras med 18 enheter/h. Det kvarvarande flödet blir då 6 enheter/h. För att begränsa flödet till 6 enheter/h har bågar som ingår i det minsta snittet valts ut för bekämpning. När det maximala flödet nedgått till 6 enheter/h och målet med insatsen uppnåtts, avbröts uttagningen av mål.
Superkälla Supersänka
Minsta snitt ger ett maximalt flöde på 24. 25 % av 24 är 6.
1 1 2 2 Snitt Bekämpad båge Kvarvarande flöde BK1 BK2 Fiktiv båge Virtuell nod
Figur 5.10 Lösning där NI-algoritmer använts. I lösningen har 9 bågar bekämpats. Det återstående flödet är 6 enheter/h.
5.1.8 Jämförelse
Skillnaden i tid mellan de olika metoderna har i detta exempel varit marginell. Exemplet har en låg komplexitet, vilket har gjort det möjligt att lösa uppgiften manuellt med kort tid till förfogande.
Resultatet i de två manuella lösningarna ligger nära den optimala lösningen. I lösning 1 har mer resurser än nödvändigt använts. Lösningen har förbrukat 10 flygföretag eller robotar i stället för det optimala 9 st. Resultatet i lösningen är ett kvarvarande flöde på 17 %. Det kvarvarande flödet är mindre än de 25 % som uppgiften krävde.
I lösning 2 har mindre resurser använts än i den optimala lösningen. Lösningen har använt 7 flygföretag eller robotar. Det innebär att lösningen har resurser som kan sättas in mot samma uppgift eller mot en annan uppgift. Det kvarvarande flödet i lösningen är 50 %. Det innebär att uppgiften inte är löst. Om de ”överblivna” resurserna12 sätts in mot samma uppgift kan flödet reduceras till 33 %. Uppgiften skulle trots detta inte vara löst.
12 2 st. flygföretag eller robotar för att ha förbrukat lika mycket resurser som den optimala
5.1.9 Slutsatser
• Redan med få parametrar, i exemplet två (kostnad och flöde), blir det svårt att med den manuella metoden uppnå en optimal lösning.
• En förutsättning för den manuella metoden, är att nätverket som skall bekämpas går att åskådliggöra. Om BK3-vägar och oklassificerade vägar ingått i exemplet, har det varit svårt att beskriva hela vägnätet för den som löser uppgiften manuellt. Jämför upplösningen och storleken på en översiktskarta 1:700 000 och den röda kartan 1:250 000. Översiktskartan ger en god överblick och den röda kartan ger detaljer.
• Manuell måluttagning är i större grad tidsberoende än ett system med algoritmstöd. Möjligheten att hitta optimala lösningar manuellt ökar med mer tid till förfogande.
5.2 Jämförelse i ett billigaste snitt problem