Big data is een ecosysteem dat bestaat uit het verzamelen en opslaan van gegevens en het tot stand brengen van analyses. Het duurt enige tijd voordat het invloed kan uitoefenen. En het vraagt veel onderzoek naar een enorme hoeveelheid data, die constant blijft groeien. Informatie is de sleutel voor de luchtmacht wereldwijd. Ze hebben het nodig om grote hoeveelheden data te controleren en structureren, om er zo gebruik van te kunnen maken ten behoeve van de luchtmacht. Het is niet alleen van invloed op het militaire aspect, maar ook op het milieu, tracking en toezicht. Er zijn tal van manieren waarop luchtmachten big data nu al gebruiken, en één daarvan is het bezuinigen op energiekosten. Momenteel zijn ze bezig met het construeren van een energiemanagementsysteem voor de luchtmachtbasis, dat met een groot aantal sensoren gegevens kan ontvangen en verzenden om informatie van lichtschakelaars, kleppen, thermostaten, airconditioners en andere bronnen te verzamelen en aan te kunnen wijzen waar besparingen mogelijk zijn! Op deze manier bouw je gedurende het jaar gegevens op over onder meer de bezettingsgraad van gebouwen en het gebruik van verwarmings-, ventilatie- en koelingseenheden, waardoor het onderhoudspersoneel zich beter bewust is van hoe de energie wordt verbruikt.
Big data heeft vele voordelen en de luchtmacht probeert hier het beste van te maken. Wat als alle apparatuur het centrale systeem op de basis kan informeren over hun huidige staat, wat er mis mee is of wat er moet worden gerepareerd? Dit zou ingenieurs veel tijd besparen en ze de mogelijkheid geven om zich te concentreren op andere belangrijke taken. De apparatuur zou voor zichzelf zorgen door onderhoudsteams zelf te informeren over wat er gedaan moet worden, zodat ze het onderhoud dienovereenkomstig kunnen plannen en alles op tijd kunnen herstellen. Dit kan eenvoudig worden gedaan door instrumenten en sensoren die informatie verzenden naar de ingenieurs die verantwoordelijk zijn voor het bijhouden van deze gegevens. Ingenieurs zouden een apparaat nooit handmatig hoeven te controleren! Het zou ook geweldig zijn als de apparatuur de ingenieur vocaal zou kunnen waarschuwen, maar ik denk dat dit te veel zou zijn gevraagd.
Het analyseren van big data binnen de luchtmacht van vandaag is van essentieel belang voor de besluitvorming. Er zijn zoveel situaties en kansen die niet mogen worden gemist. Dit is de reden waarom al deze gegevens geoogst en goed gestructureerd moeten worden. De luchtmacht gebruikt het voor bewaking, spionage en het trekken van conclusies, waarmee een mozaïek van informatie wordt gevormd die nodig is om situaties te voorspellen en op tijd te handelen. Dit zijn de belangrijkste segmenten van de toekomstige besluitvorming in de luchtmacht. Je neemt alle verzamelde gegevens, analyseert ze, pikt de meest bruikbare informatie eruit en vindt de best mogelijke oplossingen voor een toekomstige situatie.
Lees ook: Vier Big Data trends die nu al een revolutie ontketenen
Stel je een operatie voor waarbij de luchtmacht betrokken is bij een raketaanval en je de perfecte strategie moet bedenken om je tegen deze aanval te kunnen verdedigen. In het verleden waren afweersystemen ingewikkeld om te gebruiken, en in de huidige samenleving zorgt dat voor enorme problemen. Het is gebouwd op een manier om gegevens te kunnen analyseren om luchtvaartuigen te beschermen, maar ook om een beslissing te nemen en diegene te waarschuwen die gewaarschuwd moeten worden. En dit allemaal met een eenvoudig algoritme! Stel we hebben een operatie met piloten die in vijandelijk gebied een bom moeten gooien. Wat is de beste manier om hen te leiden? Een tabletachtig apparaat die piloten naar hun doelen begeleiden blijkt een uitstekende optie. Besluitvorming en het helpen van diegenen die de activiteiten uitvoeren binnen de luchtmacht is het belangrijkst. En dit is nou precies wat big data binnen de luchtmacht moet gaan doen. Voorspellen, beslissen en uitvoeren.
Foto: Jean-Francois Rivard / Shutterstock.com
Big data zorgt voor structuur binnen de luchtmacht
De Amerikaanse luchtmacht maakt gebruik van het enterprise data warehouse van Teradata. Daarmee kan men miljoenen vliegtuigonderdelen op 82 grote bases in de wereld volgen, elke missie bijhouden, onderhoud inplannen en registeren, en elke maand in real-time meer dan 70 miljoen updates uitvoeren. Dit voorbeeld toont aan hoe de luchtmacht snel en vol vertrouwen accurate beslissingen kan nemen, die de potentie hebben om invloed te hebben op tal van levens. Dit geeft commandanten het strategische voordeel dat ze weten wat er beschikbaar is om in te zetten, waardoor ze sneller beslissingen kunnen nemen. Het is niet alleen belangrijk om de juiste beslissing te nemen. Deze moet ook snel worden genomen, anders kunnen de gevolgen zeer ernstig zijn. Big data helpt niet alleen bij de toekomstige besluitvorming binnen de luchtmacht, maar zorgt er ook voor dat beslissingen op basis van eerdere ervaringen snel en accuraat kunnen worden genomen.
Het uitvoeren van analyses met behulp van big data kan een overweldigende taak zijn, ongeacht de hoeveelheid ervaring die een analist heeft. Soms gaat het om spreadsheets met een paar honderd kolommen of tienduizenden rijen. Het is erg moeilijk om die dingen aan elkaar te koppelen. Stel je nu eens voor dat je honderdduizenden van die spreadsheets hebt en je probeert om alles handmatig te correleren. Dat is voor een mens bijna onmogelijk. Dit is waar big data je kan helpen. Het helpt je om structuur aan te brengen in al deze informatie en het zorgt ervoor dat je niets belangrijks overslaat. Wat als je een paar rijen met belangrijke informatie hebt die tussen duizenden andere rijen staan en je deze overslaat? Dan neem je door een menselijke fout de verkeerde beslissing die mensenlevens kan kosten. Een gecentraliseerd systeem die al deze gegevens verzamelt en analyseert, en aangeeft wat van groot belang is, moet ervoor zorgen dat je niet meer de verkeerde beslissing neemt, tenzij je echt een fout wilt maken. Hierdoor zou het aantal uitkomsten afnemen en een analist zeker in de goede richting wijzen. Veel gevaarlijke gebeurtenissen kunnen op deze manier worden voorspeld en veel rampen worden voorkomen.
Voor de luchtmacht is het momenteel moeilijk om alleen belangrijke gegevens vast te leggen of aanzienlijk minder data te verzamelen, terwijl men op hetzelfde moment kieskeurig moet zijn over wat belangrijk is en wat niet. Het is ondoenlijk om alle data die beschikbaar is op te slaan, waardoor het voor de technologie van de luchtmacht belangrijk is om software te vinden die met dit dilemma van belangrijke data om kan gaan. Het doel van deze softwareprojecten, zoals het Analysis of Large Data Sets (PEALDS)-programma, is om waarnemers in staat te stellen om snel door terabytes aan verzamelde sensordata te bladeren en soldaten van bruikbare informatie te voorzien. Analyse-instrumenten voor big data moeten een beeld van een slagveld of een belangrijk gebied creëren, dat in real-time kan worden gecontroleerd, opgeslagen en opnieuw worden afgespeeld! Door het samenvoegen van sensor streams met data tagging- en trend-detectie-software kunnen analisten en soldaten vijandelijke operaties observeren, volgen en mogelijk voorspellen op basis van hun waargenomen gedrag.
Wat zijn momenteel de beste praktische toepassingen van big data binnen de luchtmacht?
Om te beginnen kunnen we het hebben over health monitoring-systemen op vliegtuigen. Deze systemen maken militaire platforms intelligenter, en hierbij is niet alleen de controle van de gezondheid van het systeem van cruciaal belang, maar ook de eerder uitgelegde controle van apparatuur. Dergelijke systemen kunnen met behulp van gepatenteerde algoritmes een fout in de apparatuur weken of maanden van tevoren voorspellen, die het gedrag van elk stukje apparatuur kunnen controleren! Het zijn erg dure systemen, zowel op financieel vlak als qua beschikbaarheid, aangezien het leger moet omgaan met vliegtuigen die door de systemen buiten werking zijn. Stel je het waardepotentieel voor van software die het leger op de hoogte kan stellen van een fout in de apparatuur of de noodzaak van een reparatie? Als het onderhoudspersoneel op tijd wordt gewaarschuwd, kunnen ze zich tijdens hun diensten concentreren op preventieve acties in plaats van het controleren van systemen die niet stuk zijn of een verhoogde kans hebben om stuk te gaan.
Momenteel kan het leger het gedrag van apparatuur vergelijken en analyseren, zoals ze bijvoorbeeld bij tanks doen. Ze kunnen misschien een veelvoorkomend probleem van een bepaald soort apparatuur voorspellen, zoals bij een Challenger-tank, waar in 1,5% van de gevallen of na elke 1000 uur sprake is van een storing. Maar dit type analyse is nog steeds handmatig, het geeft het leger niet de mogelijkheid om precies te voorspellen wanneer een bepaald type platform een zeker probleem zal hebben?!
Er is software, zoals Smartsignal, dat elk stukje apparatuur als individu behandelt, waardoor er ongeveer twee weken nodig is om het gedrag te controleren. Hiervoor worden standaard sensoren gebruikt om een multidimensionaal beeld te creëren van hoe onderdelen zich tot elkaar verhouden als ze in een gezonde toestand functioneren. Kortom, ze geven je informatie over de temperatuur van de motor, de druk en wat te doen als er een probleem optreedt. Dergelijke software is echt wat het leger nodig heeft. Om een eenvoudige interface en commando’s te hebben en punctueel om te gaan met het informeren van een operator over de problemen die kunnen optreden.
Hoe kan big data de manier waarop de luchtmacht functioneert veranderen?
Er zijn vier belangrijkste segmenten binnen big data die de manier waarop men binnen de luchtmacht te werk gaat in de toekomst volledig kan veranderen. Big data vormt de inlichtingen, door te beoordelen, uit te leggen, te anticiperen en resultaten te leveren. Wat is het belang van beoordeling? Data is niets waard, als het niet wordt beoordeeld. Middels beoordelingen bepalen inlichtingen waar onze consumenten zich mee bezig moeten houden – en hoeveel zorgen ze zich zouden moeten maken. Wat als er een militaire aanval op een terroristisch doelwit in een Centraal-Aziatische natie met behulp van een onbemande vliegtuigen zou plaatsvinden?! Commandanten willen weten wat de succesratio van deze aanval is.
Een analist maakt gebruik van een applicatie die alle wijzigingen detecteert, op basis van iets vertraagde livebeelden, informatie over het verleden van de plek en de activiteiten eromheen. Bovendien biedt de applicatie een visualisatie van de reacties van de mensen en voorwerpen in de omgeving van de aanval. Door deze informatie snel te verwerken kan de analist bijna direct de schade aan de commandant doorgeven, door te rapporteren dat het primaire fysieke doel werd vernietigd, dat de lichamen zichtbaar waren en dat voertuigen met hoge snelheid een aantal personen bij het doelwit hadden weggehaald. Big data vertelt verhalen, geeft gebeurtenissen betekenis en identificeert wat er gaande is. Laten we zeggen dat er twee verschillende, potentieel gevaarlijke gebeurtenissen van burgerlijke onrust in buurlanden gaande zijn. Deze gebeurtenissen en hoe deze zich zullen ontvouwen waren in het verleden moeilijk te voorspellen, omdat data en verzamelde informatie vaak werden gescheiden door het type bron en regionale toewijzing.
Analisten ondervragen degenen die met het probleem bezig zijn, en met het nieuwe systeem kunnen ze automatisch worden gewaarschuwd wanneer een bepaald probleem zich voordoet. Als het vergelijkbaar is met andere, nauw verwante gebeurtenissen worden de mogelijkheden voor samenwerking uitgebreid, waardoor de taak van een analist binnen het leger veel gemakkelijker wordt. Big data wordt ook gebruikt om te anticiperen op toekomstige gebeurtenissen en situaties, waardoor analisten meerdere opties hebben en de beste actie kunnen kiezen voor de uitkomst die ze willen bereiken. Ze krijgen op korte termijn een waarschuwing en voorspelling om besluitvormers te kunnen waarschuwen en voor te bereiden op evenementen die te maken hebben met hun verantwoordelijkheden. Zo kunnen autobommen bijvoorbeeld worden voorkomen door een template te creëren die analisten kan waarschuwen over een potentieel gevaar, waarna zij hun leidinggevende en beveiligingsteams kunnen waarschuwen.
Gegevens uit big data kunnen persoonlijke ervaringen aan toepassingen toevoegen en gebruiken om gegevens aan analisten te implementeren, waardoor zij potentiële gevaren sneller kunnen herkennen. Big data levert ook inlichtingen, de laatste fase van de voorspellende analyse. Stel je een vlagofficier voor die een geclassificeerde dagelijkse briefing op een digitaal apparaat leest. Eén item gaat over een voorval uit het verleden waarbij een Amerikaans verkenningsplatform werd onderschept door een militaire tegenstander. Wat als hij op bepaalde items op het digitale apparaat kon klikken, zoals “recente verkenning onderschept” of “recente provocerende incidenten”, en dan ontdekt dat er diverse confrontaties in internationale wateren plaatsvinden en er sprake is van verhoogde provocaties om het aanstaande bezoek van de Minister van Defensie te beïnvloeden?! Big data biedt overduidelijk tal van perspectieven voor de luchtmacht, van het verzamelen van belangrijke data, tot het selecteren en op tijd implementeren van deze data om potentieel gevaarlijke situaties te voorkomen, en toekomstige gebeurtenissen te voorspellen. Het is duidelijk dat het voorspellen een belangrijk rol gaat spelen in de luchtmacht van de toekomst, en het leger in het algemeen.
Hoe big data vanuit een breder perspectief binnen het leger kan worden gebruikt
Het leger is altijd geïnteresseerd in systemen die hen in staat stelt om meer inlichtingen te verzamelen tijdens militaire operaties. Er zijn ook vele voorbeelden van hoe big data kan worden verbonden met andere militaire middelen en in vele verschillende situaties effectief kan worden gebruikt. Surveillance is er daar één van. Het leger gebruikt al technologische apparatuur voor surveillance, zoals drones. Deze kunnen tijdens het vliegen over een interessant gebied gegevens verzamelen en gebruikers op de hoogte te stellen, omdat ze deze gegevens meteen kunnen gebruiken. Gebeurtenissen die tijdens een surveillance gebeuren, kunnen ook worden opgeslagen te midden van een groter geheel aan data binnen de organisatie, zodat de gebruiker meteen kan reageren en onmiddellijk de verkenningstaken en forensische analyse kan starten. Van een smartphone naar een commandocentrum, de gebruiker kan het systeem manipuleren als een digitale videorecorder, door terug te gaan in de tijd naar de dingen die voor de specifieke gebeurtenissen in het gebied plaatsvonden. Deze directe vorm van inlichtingen verzamelen kan een kritieke impact op de veiligheid en de resultaten van de surveillance hebben.
Video Credits: TVpics
Zou het niet interessant kunnen zijn om op een slagveld de tijd terug te kunnen spoelen? Ik bedoel, je hebt een opname van de strijd, waarbij je kunt het terugspoelen en elk stukje vertraagd kunt afspelen om elke afzonderlijke situatie te kunnen analyseren?! Dit kan de toekomst van de militaire strategie op zijn kop zetten. Informatie is de sleutel tot alles, en het slagveld is er daar waarschijnlijk één van. Het kan zelfs op zee worden gebruikt, met een passieve sonar. Met behulp van data-analyse kun je schepen classificeren en volgen op basis van de detectie en analyse van hun passieve ruissignatuur! Je kunt ook op zoek gaan naar patronen in de opgeslagen, historische gegevens die – bijvoorbeeld – in de loop der tijd een geleidelijke verandering in het dreigingsniveau laten zien.
Het leger kan big data gebruiken voor spionage! Analisten van het leger zoeken regelmatig door omvangrijke en gevarieerde datasets, waaronder een grote mix van data uit e-mails, (mobiele) telefoongegevens, krantenartikelen, videoclips en audiofragmenten van telefoongesprekken. Als big dat hierop aangesloten is, ontstaat ook een groot probleem voor het leger. Wat als het leger met al deze systemen en apparaten teveel data verzameld? Er worden bergen data verzameld door voertuigen en sensoren, en met de opkomende technologieën komt er alleen maar meer data beschikbaar! Hoe kan dit allemaal worden gestructureerd en geanalyseerd, zonder dat het leger hier kopzorgen van krijgt? De toekomst zal uitwijzen hoe de al eerder genoemde big data-technologie zal worden uitgevoerd. Het komt aan op de algoritmes, en die kunnen in een 2D-/3D-omgeving visueel aan de mens worden gepresenteerd.
Analyses kunnen het leger geld en tijd besparen. Het analyseren van potentiële bedreigingen en de plaatsen waar het leger een probleem kan verwachten, kan het leger helpen om soldaten of artillerie in te zetten om een situatie uit het verleden na te bootsen en te analyseren! Een samenvatting van alle praktijken en manieren waarop het leger big data kan gebruiken geeft een breed perspectief van de voordelen ervan. Je kunt over een gebied vliegen met drones en de verzamelde data naar het commandocentrum sturen. Je kunt het slagveld opnemen en later afspelen, terwijl software de belangrijkste data voor je selecteert en je hierover waarschuwt. Ten slotte kun je de gegevens vergelijken en de best mogelijke voorspelling doen en de te nemen actie aanraden.
