Harjoituksen jälkeinen arviointi on kiistatta minkä tahansa sotilaskoulutusharjoituksen arvokkain vaihe. Harjoitus itse luo kokemuksen; AAR ratkaisee, tuottaako tuo kokemus oppimista. Hyvin toteutettu AAR muuntaa harjoituksen kaoottiset tapahtumat jäsennellyiksi opetuksiksi: mitä oli tarkoitus tehdä, mitä todella tapahtui, miksi nämä kaksi erosivat toisistaan ja mitä pitäisi tehdä toisin. AAR-ohjelmiston laatu määrittää suoraan, kuinka suuri osa harjoituksen koulutusarvosta voidaan poimia talteen ja säilyttää.
Tehokkaan AAR-ohjelmiston rakentaminen on aidosti vaikea insinöörihaaste. Se edellyttää monimutkaisen simulaatiotilan pysyvää, korkearesoluutioista tallennusta; uudelleentoistomoottoria, joka kykenee rekonstruoimaan tuon tilan minä tahansa ajankohtana; visualisointikerrosta, joka tekee rekonstruoidusta tilasta ymmärrettävän ei-teknisille sotilaskäyttäjille; sekä analytiikkakerrosta, joka nostaa esiin merkityksellisiä kuvioita sen sijaan, että hukuttaisi käyttäjät raakadataan. Jokaisella näistä komponenteista on omat tekniset vaatimuksensa, jotka on suunniteltava jo simulaatioarkkitehtuurin suunnittelun alusta lähtien.
Mitä AAR on ja miten sitä käytetään sotilaskoulutuksessa
Harjoituksen jälkeinen arviointi sai alkunsa jäsenneltynä keskustelutekniikkana, joka kehitettiin oppituntien poimimiseksi koulutusharjoituksista. Alkuperäisessä muodossaan se on puhtaasti ohjattu keskustelu: harjoituksen johtaja kokoaa osallistujat, toistaa keskeiset tapahtumat muistin ja muistiinpanojen pohjalta ja ohjaa päätösten ja lopputulosten jäsenneltyä analyysiä. Ohjelmistopohjainen AAR-järjestelmä laajentaa tätä prosessia asiapohjaisella tallenteella, joka poistaa kiistat siitä, mitä todella tapahtui, ja mahdollistaa tapahtumien tarkan ajallisen rekonstruoinnin.
Simulaatiopohjaisessa harjoituksessa AAR-järjestelmä antaa harjoituksen valvojille ja koulutustarkkailijoille mahdollisuuden pysäyttää harjoitus millä tahansa hetkellä, zoomata mihin tahansa sijaintiin, tarkastella minkä tahansa yksikön tuolloin käytettävissä ollutta tietoa ja jäljittää johtamisviestit, jotka johtivat tiettyyn päätökseen. Tämä kyky muuntaa harjoituksen jälkeisen keskustelun muistikilpailusta — jossa osallistujat kiistelevät siitä, mitä he uskoivat ja milloin — todistuspohjaiseksi analyysiksi, joka perustuu todelliseen tallenteeseen.
AAR-ohjelmisto palvelee useita käyttäjätyyppejä, joilla on erilaiset tarpeet. Koulutusjohtajat tarvitsevat korkean tason yhteenvetoja: mitkä koulutustavoitteet saavutettiin, missä kriittiset päätöskohdat sijaitsivat ja mitkä olivat harjoitustason kuviot. Harjoituksen valvojat tarvitsevat yksityiskohtaista uudelleentoistokykyä AAR-keskustelun tueksi, mukaan lukien mahdollisuuden hypätä tiettyihin tapahtumiin ja rekonstruoida tilannekuva millä tahansa hetkellä. Yksittäiset koulutettavat tarvitsevat oman näkymänsä: mitä he tiesivät, mitä he päättivät ja miten heidän päätöksensä vertautuvat optimaalisiin päätöksiin käytettävissä olleen tiedon valossa. Yhden, kaikkia kolmea yleisöä palvelevan järjestelmän rakentaminen edellyttää huolellista informaatioarkkitehtuuria ja hyvin suunniteltua pääsynhallintamallia.
Datan tallennus: tapahtumalokit, sijaintijäljet, päätöskohdat
Tallennusalijärjestelmä on AAR:n perusta. Kaiken, mitä AAR voi näyttää, rajoittaa se, mitä harjoituksen aikana tallennettiin. Tallennusstrategia määrittää siten suoraan AAR:n kyvykkyyden, ja tallennusarkkitehtuuri on suunniteltava AAR-käyttötapaukset mielessä pitäen jo alusta alkaen.
Tallennukseen on kaksi toisiaan täydentävää strategiaa: jatkuvat tilannekuvat ja tapahtumapohjainen lokitus. Jatkuva tilan tallennus kaappaa täydellisen simulaatiotilan säännöllisin väliajoin — tyypillisesti sekunnin välein sijaintidatan osalta, 100 ms:n välein kriittisten järjestelmien osalta — jolloin uudelleentoistomoottori voi rekonstruoida tilan missä tahansa kohdassa interpoloimalla tilannekuvien välillä. Tapahtumapohjainen lokitus kaappaa merkittävät yksittäiset tapahtumat: asetulitukset, ajoneuvojen tuhoamiset, viestiliikenteen lähetykset, annetut käskyt, sensorihavainnot ja harjoitukseen syötetyt herätteet. Tapahtumat tallennetaan tarkkoine aikaleimoineen ja kaikkine olennaisine asiayhteyksineen.
Sijaintijäljet vaativat erityiskohtelua. Entiteettien sijainnit muuttuvat jatkuvasti, ja ne on tallennettava riittävällä resoluutiolla sujuvan uudelleentoiston tueksi. Dead-reckoning-pakkaus — jossa tallennetaan vain sijainti- ja nopeusvektori, kun suunta tai nopeus muuttuu, ja johdetaan välisijainnit matemaattisesti — vähentää tallennustilan tarvetta 60–80 % täysnopeustallennukseen verrattuna säilyttäen samalla uudelleentoiston tarkkuuden alustojen liikkeen osalta.
Päätöskohdat ovat koulutuksellisesti arvokkaimpia tapahtumia ja vaikeimpia kaapata automaattisesti. Päätöskohta on hetki, jolloin komentaja vastaanotti tietoa, arvioi tilanteen ja antoi käskyn. Tämän kaappaaminen edellyttää, että ei tallenneta pelkästään käskyä (joka ilmestyy viestilokiin), vaan myös sitä edeltänyt tietotila: mitä sensoriraportteja, mikä karttakuva ja mitkä alaisten tilanneraportit olivat päätöksentekijän käytettävissä päätöksen hetkellä. Tämä edellyttää, että tallennusjärjestelmällä on pääsy simulaation informaatiomalliin — ei pelkästään todelliseen tilaan, vaan myös kunkin yksikön havaitsemaan tilaan.
Uudelleentoistomoottori: synkronoitu toisto vaihtelevalla nopeudella
Uudelleentoistomoottori ottaa tallennetun datan ja rekonstruoi simulaatiotilan minä tahansa kysyttynä ajankohtana. Sen on käsiteltävä aikaa sekä absoluuttisena kyselynä (näytä minulle tila hetkellä 14:23:47) että jatkuvana toistona (toista hetkestä 14:20 alkaen 2x-nopeudella). Molemmat tilat edellyttävät, että moottori rekonstruoi tehokkaasti tilan mahdollisesti satojen seurattujen entiteettien yli, joista kullakin on useita attribuuttivirtoja.
Uudelleentoistomoottorin keskeinen tietorakenne on aikaindeksoitu tapahtumavarasto. Kaikki tallennetut tapahtumat säilytetään aikaleiman mukaan lajiteltuina, mikä mahdollistaa tehokkaan binäärihaun minkä tahansa toistoikkunan alkuun. Jatkuvaa toistoa varten moottori ylläpitää toistokursoria, joka etenee tapahtumavarastossa toistonopeuden kertoimen määräämällä vauhdilla soveltaen tapahtumia rekonstruoituun tilaan, kun kursori ohittaa niiden aikaleimat.
Synkronointi useiden toistovirtojen — sijaintijälkien, viestitallenteiden, sensorihavaintojen ja annotoitujen tapahtumien — välillä edellyttää yhtenäistä aikaviitettä, johon kaikki virrat raportoivat. Tämä on suoraviivaista, kun kaikki virrat tallennettiin samaa simulaatiokelloa vasten, mutta muuttuu monimutkaiseksi federoidussa simulaatiossa, jossa eri federaateilla on saattanut olla hieman erilaiset kellotilat. Uudelleentoistomoottorin on normalisoitava kaikki aikaleimat yhteiseen viiteaikaan datan sisäänoton aikana.
Suorituskykynäkökohta: Suurten harjoitusten AAR-uudelleentoisto — satoine seurattuine entiteetteineen, täysine viestilokeineen ja sensoritallenteineen — voi käsittää gigatavuja tallennettua dataa. Uudelleentoistomoottorin on käytettävä tehokasta indeksointia ja laiskaa latausta välttääkseen koko datajoukon pitämistä muistissa. Aikapohjainen indeksointi segmenttitason välimuistituksella, samankaltaisena kuin videon suoratoiston puskurointistrategiat, on oikea arkkitehtuuri laajamittaiselle AAR-toistolle.
Analytiikkakerros: KPI-näkymät ja päätöslaadun pisteytys
Pelkkä uudelleentoistokyky antaa harjoituksen valvojille mahdollisuuden löytää ja näyttää tiettyjä tapahtumia. Analytiikkakyky antaa koulutusjohtajille mahdollisuuden nostaa automaattisesti esiin, mitkä tapahtumat ja kuviot ovat koulutuksen kannalta merkityksellisiä. Tämä on ero AAR:ää tukevan työkalun ja siihen aktiivisesti osallistuvan työkalun välillä.
Tehokas AAR-analytiikka keskittyy päätöslaadun mittareihin pikemminkin kuin lopputulosmittareihin. Lopputulosmittarit — onnistuiko tehtävä, kuinka monta tappiota syntyi — ovat tärkeitä, mutta eivät suoraan paljasta koulutuksen kannalta merkityksellistä tietoa. Harjoitusyksikkö saattaa onnistua tehtävässä tuurilla huonoista päätöksistä huolimatta, tai epäonnistua hyvistä päätöksistä huolimatta epäedullisessa tilanteessa. Päätöslaadun mittarit arvioivat, olivatko tehdyt päätökset asianmukaisia käytettävissä olleen tiedon valossa: Oliko päätös oikea-aikainen? Perustuiko se ajantasaiseen tietoon vai vanhentuneeseen tiedusteluun? Vastasiko se annettua tehtävää? Viestittiinkö se selkeästi alaisille?
Tietyt KPI:t, jotka voidaan laskea automaattisesti simulaatiotallenteista, sisältävät: havaitsemisesta päätökseen kuluvan ajan (viive sen välillä, kun sensoriraportti saapuu komentajan tilannekuvaan ja kun vastaava käsky annetaan), tiedon tuoreuden päätöshetkellä (sen tiedustelutiedon ikä, johon päätös perustui), käskystä toimintaan kuluvan viiveen (aika käskyn antamisesta alaisen suorituksen alkamiseen) sekä viestintäkuorman (viestiliikenteen määrä ja kuvio esikunnan tehokkuuden mittarina).
Analytiikkanäkymän tulisi esittää nämä mittarit useilla koostetasoilla: yksittäinen komentaja, yksikkö ja koko harjoitus. Vertaileva analytiikka — joka näyttää, miten mittarit vaihtelevat harjoituksen vaiheiden välillä tai vertaa niitä aiempien harjoitusten vertailuarvoihin — on erityisen arvokasta koulutuksen edistymisen arvioimiseksi ajan myötä. Järjestelmän tulisi tuottaa automatisoituja koulutushavaintoja: tarkkoja, todistuspohjaisia havaintoja, jotka on sidottu simulaatiotallenteen aikaleimoihin ja joita harjoituksen valvojat voivat käyttää keskustelun virikkeinä AAR-istunnon aikana.