Software de simulare CBRN: detecție, decontaminare și răspuns

CBRN — chimic, biologic, radiologic și nuclear — este unul dintre domeniile cu cele mai ridicate cerințe tehnice din simularea apărării. Spre deosebire de arhitectura simulărilor militare de instruire pentru scenarii cinetice, simularea CBRN trebuie să modeleze amenințări invizibile care se propagă prin mediu conform fizicii atmosferice, interacționează cu tipuri specifice de senzori prin chimie de detecție bine definită și necesită comportamente de răspuns procedurale exacte — atât critice pentru viață, cât și solicitante cognitiv în condiții de echipament de protecție. Construirea unui software capabil să ofere această fidelitate de instruire, rămânând în același timp utilizabil de instructorii de unitate fără expertiză specializată în modelarea CBRN, reprezintă provocarea centrală de proiectare.

Acest articol acoperă arhitectura software și detaliile de implementare pentru simularea instruirii CBRN pe întreg spectrul: modelarea dispersiei atmosferice, simularea detectorilor, antrenamentul pentru proceduri de decontaminare, managementul nivelului MOPP, integrarea federației și recenzia după acțiune.

De ce instruirea CBRN necesită software dedicat de simulare

Simulatoarele militare de instruire de uz general nu susțin în mod adecvat instruirea CBRN, deoarece fizica amenințărilor este fundamental diferită față de angajamentele cinetice. Un angajament de tancuri are geometrie de linie de vedere și traiectorii balistice — ambele sunt geometric tractabile și bine înțelese din punct de vedere computațional în simularea militară. O eliberare de agent chimic implică fizica dispersiei atmosferice, modelarea victimelor bazată pe doză-răspuns, logica alarmei detectorului cu fals pozitive probabilistice și secvențe de proceduri de decontaminare. Niciunul dintre acestea nu este modelat în bibliotecile standard de entități de simulare.

Cerințele de fidelitate pentru simularea instruirii CBRN sunt distincte în trei moduri. În primul rând, amenințarea este invizibilă: participanții la instruire nu pot observa direct pericolul, astfel că simularea trebuie să furnizeze indicii indirecte realiste — alarme ale detectorilor, simptome ale victimelor, declanșatori ai ordinelor MOPP — care cer participanților să raționeze despre amenințare mai degrabă decât să o observe direct. În al doilea rând, procedurile de răspuns sunt critice pentru viață și procedurale exacte: în operațiuni reale, o secvență incorectă de decontaminare poate cauza contaminare secundară la fel de periculoasă ca expunerea inițială. Simularea trebuie să aplice corectitudinea procedurală riguros, nu aproximativ. În al treilea rând, echipamentul de protecție degradează performanța: în echipamentul MOPP 4, sarcina cognitivă crește, dexteritatea manuală scade și comunicarea este afectată. Simularea care nu modelează aceste penalizări de performanță induse de MOPP ratează o parte critică a imaginii operaționale.

Realismul pericolelor în simularea instruirii CBRN necesită modele validate de dispersie atmosferică care produc câmpuri de concentrație a agenților consistente cu datele din testele de teren din lumea reală. Instruirea standardizată de răspuns necesită o bibliotecă de scenarii construită pe baza procedurilor de răspuns doctrinare — FM 3-11, ATP 3-11.32, STANAG 2352 — cu detectarea erorilor procedurale care semnalează abaterile de la doctrină, mai degrabă decât să le aproximeze. Aceste cerințe împreună fac din simularea instruirii CBRN un domeniu ingineresc specializat pe care cadrele generale de simulare militară îl abordează doar parțial.

Modele de dispersie a agenților chimici

Modelul Gaussian al penei este baza pentru dispersia agenților chimici în simularea instruirii CBRN. Modelează concentrația agentului în aval ca o distribuție Gaussiană bivariată în dimensiunile transversale și verticale, cu parametri de dispersie (sigma-y și sigma-z) derivați din clasele de stabilitate atmosferică Pasquill-Gifford (A până la F, reprezentând condiții de la convective la foarte stabile). Pentru o eliberare continuă la înălțimea H deasupra solului, concentrația pe axa în aval la distanța x este:

C(x, y, z) = (Q / (2π · u · σy · σz))
             · exp(-y² / (2σy²))
             · [exp(-(z-H)² / (2σz²)) + exp(-(z+H)² / (2σz²))]

Unde:
  Q   = rata de eliberare (mg/s)
  u   = viteza medie a vântului (m/s)
  σy  = coeficientul de dispersie transversală (m), funcție de x și clasa de stabilitate
  σz  = coeficientul de dispersie verticală (m), funcție de x și clasa de stabilitate
  H   = înălțimea efectivă de eliberare (m)
  y   = distanța transversală față de axa penei (m)
  z   = înălțimea deasupra solului (m)

Parametrii sigma Pasquill-Gifford sunt tabelați după clasa de stabilitate și distanța în aval. Pentru aplicații de instruire, aceștia sunt implementați tipic ca ajustări polinomiale ale curbelor Pasquill-Gifford, permițând calcul rapid la fiecare pas de timp al simulării fără tabele de căutare.

Modelul Gaussian al penei are limitări de validitate bine cunoscute care trebuie comunicate publicului de instruire. Presupune un teren plat cu câmp de vânt omogen, o sursă în stare staționară și viteze ale vântului de peste aproximativ 1 m/s. Pentru scenarii de instruire în teren complex, medii urbane sau condiții de vânt calm, modelul Gaussian al norilor de pufuri oferă o fidelitate mai bună urmărind traiectorii individuale ale norilor prin câmp de vânt neuniform.

CAMEO/ALOHA (Computer-Aided Management of Emergency Operations / Areal Locations of Hazardous Atmospheres), dezvoltat de NOAA și EPA, implementează modele Gaussian de pene și de gaz greu validate față de date de eliberare chimică industrială. Biblioteca sa de scenarii include agenți chimici relevanți militar (GB, VX, HD sunt incluși în baza de date chimică a ALOHA ca echivalenți civili), iar outputul său — un poligon al zonei de pericol la praguri de concentrație specificate — poate fi importat în instrumente de cartografiere pentru exerciții ca o injecție de simulare. Multe programe de instruire CBRN integrează ALOHA ca model de referință validat pentru uz instructor, cu simularea de instruire rulând un model Gaussian mai ușor computațional pentru eșantionarea concentrației entităților în timp real.

Efectele terenului asupra dispersiei agenților chimici sunt o sursă semnificativă de eroare de simulare când se antrenează în medii realiste. Văile canalizează agentul în aval la concentrații mai mari decât prezic modelele pentru teren plat; silloanele de clădiri captează pungi de agent pe latura sub vânt a structurilor; vegetația densă reduce viteza vântului și extinde persistența agentului. Simulările de instruire ce operează în teren complex ar trebui să aplice factori de corecție a terenului la outputurile modelului Gaussian, sau să utilizeze un model Lagrangian de dispersie a particulelor care urmărește explicit traiectoriile particulelor printr-un câmp de vânt adaptat terenului, derivat dintr-un model meteorologic la scară medie sau un sistem meteorologic de poligon.

Simularea JCAD și a detectorilor

Simularea detectorilor traduce câmpul continuu de concentrație a agentului din modelul de dispersie în outputurile discrete de alarmă pe care participanții la instruire le observă efectiv în timpul antrenamentului. Simularea trebuie să modeleze tehnologia specifică de senzare a fiecărui tip de detector, sensibilitatea, pragul de alarmă, comportamentul fals pozitiv și formatul de output. Utilizarea unui model generic de alarmă binară pentru toți detectorii elimină valoarea de instruire care vine din înțelegerea limitărilor specifice ale fiecărui sistem.

Alarma chimică M8A1 este standardul moștenire, utilizând spectrometria de mobilitate ionică (IMS) cu un singur prag de alarmă pentru agenții nervini din seria G și agenții vezicatori. Modelul său de simulare necesită patru parametri: pragul de detecție (aproximativ 0,02 mg/m³ pentru GB), latența alarmei (8–12 secunde de la traversarea pragului la alarma audibilă), nivelul de saturație (deasupra căruia detectorul poate să nu funcționeze fiabil) și probabilitatea falsului pozitiv ca funcție a concentrației de interferenți (gazele de eșapament diesel, vaporii de combustibil pentru aeronave sunt interferenți comuni în condiții de teren). Simularea M8A1 nu necesită modelarea benzilor de concentrație — outputul este binar.

Simularea JCAD (Joint Chemical Agent Detector) este mai complexă. JCAD furnizează trei niveluri de alarmă (scăzut, mediu, ridicat) corespunzând benzilor de concentrație deasupra pragului de detecție și transmite starea sa de alarmă prin intermediul unei interfețe radio standardizate. Simularea JCAD necesită:

Logica stării de alarmă JCAD:

Intrare: C = concentrația agentului la locația detectorului (mg/m³)

dacă C < 0,005 mg/m³ (prag echivalent GB):
    stare = FĂRĂ_ALARMĂ

altfel dacă 0,005 ≤ C < 0,02:
    stare = ALARMĂ_SCĂZUTĂ

altfel dacă 0,02 ≤ C < 0,1:
    stare = ALARMĂ_MEDIE

altfel dacă C ≥ 0,1:
    stare = ALARMĂ_RIDICATĂ

Latență: 8–15 s de la traversarea pragului de concentrație
Fals pozitiv P(alarmă | fără agent) = f(tip_interferent, conc_interferent)
Durată de menținere: minimum 60 s înainte de revenirea la FĂRĂ_ALARMĂ
Recomandare MOPP: transmisă prin radio la ALARMĂ_RIDICATĂ

Modelarea falsului pozitiv este esențială pentru realismul instruirii. JCAD în medii operaționale produce false pozitive din gazele de eșapament ale aeronavelor, emisiile diesel ale vehiculelor și anumiți compuși de curățare. O simulare de instruire care nu generează niciodată alarme false învață unitățile să trateze fiecare alarmă ca un eveniment chimic confirmat — un obicei cognitiv periculos pe teren unde falsele alarme sunt frecvente și postura MOPP 4 nejustificată degradează performanța operațională. Simularea ar trebui să injecteze false pozitive la o rată realistă din punct de vedere istoric (aproximativ 1–3 pe zi de exercițiu de 8 ore într-un mediu al unei unități mecanizate) și să antreneze unitățile să verifice alarmele prin detecția cu kitul M256A2 sau confirmarea cu detectori multipli, mai degrabă decât să răspundă la alarmele unui singur detector cu escaladarea forței totale MOPP.

Strategia de plasare a detectorilor de puncte este în sine o abilitate antrenabilă. Simularea ar trebui să permită controlorilor de exerciții să repozitioneze detectori virtuali în fazele de planificare și să observe modelul de acoperire rezultat față de o penă de eliberare chimică eșantion. Detectorii plasați în amonte față de formația unității nu furnizează nicio detecție utilă — o eroare fundamentală de plasament pe care simularea de instruire o poate revela clar.

Antrenament pentru proceduri de decontaminare

Antrenamentul pentru proceduri de decontaminare este componenta simulării CBRN care reduce cel mai direct erorile de instruire cu consecințe critice pentru viață. Secvența de decontaminare individuală conform doctrinei FM 3-11 este precis specificată, iar abaterile de la secvență — în special ordinea incorectă de îndepărtare a echipamentului MOPP — pot transfera agent de pe suprafața exterioară a echipamentului de protecție pe pielea anterior curată sau hainele interioare. Simularea de instruire trebuie să modeleze explicit această consecință, mai degrabă decât să trateze decontaminarea ca o completare abstractă a procedurii.

Decontaminarea individuală este modelată ca o mașină cu stări finite cu stări pentru fiecare pas al procedurii IEDK (Individual Equipment Decontamination Kit). Graful de stări canonic pentru decontaminarea individuală în caz de agent nervos este:

MAȘINA CU STĂRI PENTRU DECONTAMINARE INDIVIDUALĂ

[CONTAMINAT]
    │ (în 60 s de la expunere)
    ▼
[DECON_PIELE] — kit M291: ștergeți pielea expusă (față, gât, mâini)
    │ (minimum 60 s, verificare asistent)
    ▼
[DECON_ECHIPAMENT] — M295 IEDK: decontaminați arma, masca, suprafețele echipamentului
    │ (minimum 90 s)
    ▼
[ÎNDEPĂRTARE_MOPP_MĂNUȘI_EXTERIOARE] — asistentul îndepărtează mănușile exterioare (atingând doar exteriorul)
    │ (asistat, minimum 30 s)
    ▼
[ÎNDEPĂRTARE_MOPP_COSTUM] — asistentul îndepărtează costumul JSLIST/MOPP (rulând spre exterior)
    │ (minimum 60 s)
    ▼
[ÎNDEPĂRTARE_MOPP_CIZME] — asistentul îndepărtează cizmele de protecție
    │ (minimum 30 s)
    ▼
[ÎNDEPĂRTARE_MOPP_MĂNUȘI_INTERIOARE]
    │
    ▼
[ÎNDEPĂRTARE_MOPP_MASCĂ] — ultimul element îndepărtat (risc maxim)
    │
    ▼
[SPĂLARE_PIELE] — săpun și apă, sau RSDL la prima oportunitate
    │
    ▼
[DECONTAMINARE_COMPLETĂ]

Erori procedurale detectate:
  - Tranziție de stare în afara secvenței → RISC_CONTAMINARE_SECUNDARĂ
  - Lipsă asistență → EROARE_ÎNDEPĂRTARE_SOLO
  - Durată pas sub minimum → AVERTISMENT_DECON_INCOMPLET
  - Mască îndepărtată înainte de costum → EROARE_CRITICĂ (modelată ca eveniment de expunere)

Simularea stației de decontaminare colectivă modelează debitul ca funcție a competenței echipajului, disponibilității echipamentului și tipului de agent. O stație standard PDDE (Powered Decontamination and Detection Equipment) utilizând M12A1 procesează vehicule în 45–90 minute fiecare în funcție de tipul vehiculului și nivelul de contaminare. Simularea ar trebui să urmărească coada liniei de decontaminare, să calculeze debitul pe baza modificatorilor de calificare ai echipajului și să calculeze contaminarea reziduală pe fiecare vehicul după decontaminare. Contaminarea reziduală este modelată ca funcție probabilistică a persistenței agentului (tabun și sarin sunt nepersistente; agentul vezicator HD este persistent la temperaturi temperate), tipul decontaminantului (DS2, pastă de înălbitor, înălbitor supertropical), timpul de contact pe suprafață și materialul suprafeței (cauciucul reține agentul mai mult decât metalul vopsit).

Ramificarea decizională în simularea de decontaminare acoperă punctele de decizie medicală cu care se confruntă comandanții: când să accepte riscul de contaminare reziduală și să continue operațiunile față de oprirea pentru decontaminare completă. Simularea ar trebui să prezinte comandanților noduri explicite de decizie la care observă starea curentă de contaminare a formației, rata de debit a decontaminării și situația tactică, și trebuie să aleagă o postură de decontaminare. AAR ar trebui să analizeze ulterior dacă postura aleasă a fost consistentă cu datele de contaminare disponibile la momentul deciziei.

Postură de protecție și exerciții de nivel MOPP

Managementul nivelului MOPP (Mission Oriented Protective Posture) este o sarcină colectivă de instruire care operează simultan la toate eșaloanele. Soldații individuali trebuie să îmbrace sau să îndepărteze componente specifice ale echipamentului de protecție în limite de timp specificate; comandanții trebuie să ordone schimbări de nivel pe baza evaluării amenințărilor și să echilibreze protecția față de degradarea performanței; iar întreaga formație trebuie să coordoneze tranzițiile pentru a evita ferestre de protecție parțială la nivel colectiv.

Cele patru niveluri MOPP specifică echipamentul de protecție purtat:

Nivel MOPP	Mască	Costum	Mănuși	Cizme	Timp de tranziție
MOPP 0	Transportată	Transportat	Transportate	Transportate	—
MOPP 1	Transportată	Purtat	Transportate	Transportate	8 min de la MOPP 0
MOPP 2	Transportată	Purtat	Transportate	Purtate	+2 min de la MOPP 1
MOPP 3	Purtată	Purtat	Transportate	Purtate	+3 min de la MOPP 2
MOPP 4	Purtată	Purtat	Purtate	Purtate	+2 min de la MOPP 3

Coordonarea între unități este sarcina critică de instruire MOPP la nivel de batalion și mai sus. Când un batalion primește un ordin MOPP 4, nu toate companiile tranziționează simultan — unitățile în contact pot fi incapabile să mascheze în siguranță în timp ce sunt sub foc, elementele logistice pot fi în vehicule cu protecție colectivă, iar elementele medicale au proceduri MOPP specifice pentru îngrijirea pacienților. Simularea trebuie să modeleze fiecare unitate independent, permițând audienței de instruire să observe postura MOPP patchwork din întreaga formație și să practice coordonarea tranzițiilor simultane fără a degrada continuitatea tactică.

Presiunea temporală este introdusă prin legarea evenimentelor de eliberare chimică simulate de cronometrul de tranziție MOPP. Când simularea eliberează un agent chimic în timp ce o formație tranziționează de la MOPP 2 la MOPP 4, indivizii care nu și-au completat încă tranziția primesc expunere la contaminare. Simularea ar trebui să urmărească și să raporteze numărul de indivizi expuși în timpul unei tranziții — acesta este un punct de date de instruire direct acționabil care motivează drill-ul de tranziție MOPP mai rapid și mai disciplinat.

Modelarea degradării performanței sub MOPP aplică stres termic, dexteritate manuală redusă, comunicare afectată (atenuarea vocii prin mască, claritate radio redusă) și câmp vizual redus tuturor entităților la MOPP 3 și MOPP 4. Acești modificatori afectează ratele de mișcare ale simulării, parametrii de timp de angajare și fiabilitatea comunicației. Scenariile de instruire care nu aplică acești modificatori sistematic subestimează costul operațional al protecției chimice și antrenează unitățile să accepte MOPP 4 prea ușor.

Integrare cu cadrele LVC și LSST

Componentele de simulare CBRN trebuie să se integreze cu federația mai largă de exerciții de integrare live-virtual-constructiv pentru a participa la scenarii de instruire cu arme combinate. Elementele CBRN în izolare — o companie de decontaminare CBRN care rulează un exercițiu de decontaminare — nu reprezintă provocarea realistă a răspunsului CBRN în timpul operațiunilor cinetice în desfășurare. Cea mai valoroasă instruire CBRN are loc când formația trebuie să răspundă la un eveniment chimic gestionând simultan o amenințare cinetică, susținând logistica și menținând comanda și controlul.

Suplimentul SISO CBRN FOM definește clasele de obiecte HLA și clasele de interacțiune necesare pentru a reprezenta entitățile CBRN într-o federație RPR-FOM. Obiectele cloud chimic poartă atribute pentru tipul de agent (codat conform enumerării agenților chimici AC 225(D)), locația sursei în coordonate geocentrice, rata de eliberare și clasa curentă de stabilitate atmosferică. Modelul de dispersie actualizează atributele obiectelor cloud la fiecare pas de timp al simulării, iar federatele abonat pot eșantiona concentrația la locațiile entităților lor folosind geometria cloudului.

Suportul XMSF (Extensible Modeling and Simulation Framework) permite modelelor validate de dispersie CBRN să fie expuse ca servicii web descoperibile de alți participanți la federație. Un manager de scenarii poate invoca un serviciu de dispersie CBRN după tipul de agent, parametrii de eliberare și condițiile meteorologice, primind un poligon al zonei contaminate în schimb fără a încorpora modelul de dispersie în componenta de management al scenariului. Această separare arhitecturală permite actualizarea modelului autorizat de dispersie la o implementare de fidelitate mai înaltă fără a modifica codul de management al scenariului.

Codurile de tip entitate DIS pentru entitățile de pericol CBRN utilizează domeniul de enumerare a tipului de entitate DIS 9 (Environmental) cu codul de țară 0 (altele) și coduri specifice de entitate/categorie definite în SISO ENUM-70 pentru reprezentări de pericole chimice, biologice, radiologice și nucleare. Implementările gateway care conectează mediile DIS la HLA trebuie să mențină maparea dintre codurile de tip de entitate DIS și parametrii claselor de obiecte ale suplimentului CBRN FOM pentru a evita pierderea informațiilor despre tipul de agent la traversarea graniței protocolului.

Arhitectura LSST (Live System Software Testbed) oferă puncte de integrare pentru sistemele live de detectoare CBRN. Când o unitate reală JCAD este purtată de un participant live instrumentat, gateway-ul de senzori al LSST poate injecta starea de alarmă a detectorului real în simularea constructivă ca o interacțiune HLA autentificată, etichetată cu identitatea entității purtătorului. Aceasta creează un scenariu hibrid unde alarmele reale ale detectorilor conduc modelarea consecințelor simulate — un mediu important de validare pentru verificarea dacă SOP-urile de răspuns CBRN ale unității funcționează conform proiectului înainte de exercițiile chimice live.

AAR pentru scenarii CBRN

Recenzia după acțiune CBRN necesită un jurnal de evenimente cu patru fluxuri de date suplimentare față de AAR standard al exercițiului: jurnalul de expunere, jurnalul de detecție, jurnalul de decontaminare și jurnalul de stare MOPP. Fiecare flux trebuie sincronizat în timp cu jurnalul standard de poziție a entității și angajament, astfel încât evenimentele CBRN să poată fi corelate cu evenimentele tactice în timpul dezbriefingului.

Software-ul de recenzie după acțiune ar trebui să calculeze automat următoarele metrici CBRN specifice din jurnalul de evenimente:

Categorie metrică	Metrică	Standard doctrinar
Expunere	Doză Ct cumulată per individ (mg·min/m³)	Prag IDLH specific agentului
Detecție	Timp de la eliberare la prima alarmă (secunde)	<120 s pentru plasament detector în amonte
Detecție	Fracțiunea formației avertizate înainte de expunere	>90% pentru plasament eficient al detectorilor
MOPP	Timp de la ordinul MOPP 4 la conformitate 90% (min)	<8 min (standard FM 3-11)
Decontaminare	Timp de la contaminare la inițierea decontaminării pielii	<60 s (standard decontaminare imediată)
Decontaminare	Erori procedurale per secvență de decontaminare individuală	0 erori critice (ex. mască înaintea costumului)
Decontaminare colectivă	Rata de debit de decontaminare vehicule (vehicule/oră)	1–1,5 vehicule/oră per stație M12A1 PDDE

Urmărirea expunerii în AAR necesită înregistrarea istoriei concentrație-timp pentru fiecare entitate individuală în timpul exercițiului. Deoarece câmpul de concentrație se schimbă la fiecare pas de timp al simulării, înregistrarea brută este o serie temporală de tupluri (id_entitate, marcaj_timp, tip_agent, concentrație_mg_per_m3) eșantionate la pasul de timp al simulării (de obicei 1 secundă). Sistemul AAR integrează această serie temporală pentru a calcula Ct (produsul concentrație-timp în mg·min/m³) pentru fiecare entitate și fiecare tip de agent, apoi compară față de pragurile fiziologice specifice agentului pentru a evalua riscul de victime.

Înregistrarea timpului de decontaminare consemnează începutul și sfârșitul fiecărui pas de procedură de decontaminare per individ cu partenerul asistent responsabil și orice evenimente de eroare procedurală. AAR redă aceste înregistrări într-o vizualizare cronologică care permite facilitatorului dezbriefingului să parcurgă secvența de decontaminare pas cu pas, evidențiind erorile și arătând consecința simulată de contaminare a fiecărei erori în context.

Detectarea erorilor procedurale operează în două moduri: detecție în timp real (semnalarea erorilor în timpul exercițiului pentru notificarea instructorului) și analiză post-hoc (calcularea statisticilor erorilor în întreaga formație pentru raportul AAR). Detecția în timp real permite instructorilor să observe secvența de decontaminare și să intervină când sunt detectate erori critice — îndepărtarea unei măști înainte de costum este o eroare critică pentru viață în operațiuni reale care ar trebui să declanșeze intervenția imediată a instructorului în instruire. Analiza post-hoc agregează tipurile de erori din întreaga formație pentru a identifica deficiențe sistematice de instruire față de greșeli individuale, ceea ce conduce la răspunsuri de instruire diferite.