แบบจำลองทางคณิตศาสตร์ของสมรภูมิทางอากาศโดยใช้แบบจำลองแลนเชสเตอร์Mathematical Modelling of Air Combat by Using Lanchester Model

Abstract

ในงานวิจัยชิ้นนี้ได้พัฒนาแบบจำลองทางคณิตศาสตร์ขึ้นมาเพื่อวิเคราะห์ความแข็งแกร่งของกองกำลังสองฝ่ายที่ลดน้อยลงในการสู้รบระหว่างกันในสมรภูมิการรบทางอากาศ โดยแบบจำลองนี้ถูกพัฒนาต่อยอดมาจากพื้นฐานของแบบจำลองแลนเชสเตอร์ ที่นิยมใช้ในการจำลองการลดถอยลงของกำลังรบในสมรภูมิ ซึ่งแบบจำลองที่พัฒนาขึ้นมาในงานวิจัยนี้จะมีตัวแปรที่เกี่ยวข้องกับปัจจัยของการโจมตีและป้องกันทางอากาศ การตรวจจับและการรับรู้สถานการณ์ การป้องกันตัวเองของอากาศยาน ความสามารถในการเอาตัวรอดของอากาศยาน และความเสื่อมถอยของอากาศยานระหว่างทำการรบ โดยแบบจำลองนี้จะทำให้เห็นพฤติกรรมขั้นพื้นฐานและทำให้มีความเข้าใจในสมรภูมิการรบทางอากาศมากยิ่งขึ้น ซึ่งถือว่าเป็นขั้นตอนที่สำคัญสำหรับการวางแผนยุทธศาสตร์ของการรบ ทางอากาศ การวางแผนการทำภารกิจทางอากาศ โดยเฉพาะการนำมาวิเคราะห์เกมจำลองยุทธทางอากาศเพื่อใช้ในการเรียนการสอนในวิชาการจำลองยุทธ์ทางทหาร นอกจากนี้แล้วแบบจำลองทางคณิตศาสตร์ที่ถูกพัฒนาขึ้นมาในงานวิจัยนี้ ยังจะสามารถพัฒนาต่อยอดเพื่อใช้ทำนายสถานการณ์ของสมรภูมิการรบทางอากาศในอนาคตได้อีกด้วยเมื่อมีข้อมูลที่เพียงพอในการประมาณค่าตัวแปรต่าง ๆ

In this research, a mathematical model has been developed to analyze the attrition in force-onforce aerial warfare. The developed model is extended from Lanchester's attrition laws of warfare that are commonly used for modeling the attrition of two fighting opponents in a battlefield. The purposed model consists of major variable factors involving aerial attacks, air defence, aerial sensor technology and military space situational awareness, aircraft survivability and aero-engine deteriorations over flight missions. The model demonstrates fundamental aspects of air warfare and allows a clearer understanding of the matter. This step provides a crucial element for air warfare strategy, air mission planning along with an analysis of war game simulation for aerial military simulation and training. Moreover, the mathematical model can be expanded for future air combat attrition predictions in the event of data sufficiency to ensure reasonably accurate forecasts.