系统效能评估的边界感：指标堆叠之外的可解释证据链

九月的南京，梧桐叶还没黄，评审会上的争论先热起来。投影上是层层展开的指标树，权重被反复改。有人追问：这套系统到底行不行？回答绕回综合得分。我盯着雷达图，心里冒出一句不太客气的话——分数高，不等于任务能成。系统效能评估最容易被做成指标堆叠，堆得漂亮，反而遮住条件、约束和证据缺口。

指标树能长多高，根还在条件里

效能不是单值。它是任务、环境、保障、对手和时间窗口的函数。任务换掉，结论翻转，这不奇怪。实验室吞吐量漂亮，强干扰下误码率飙升；均值指标会把尖峰削平，报告就好看。可战场不看均值。效能不是单值，而是条件函数。权重也敏感。权重微调，结论换脸。指标树是投影，不是本体。反例：保障系统可用度99%，备件周转却受运输约束；脱离保障链谈可用度，等于把条件藏起来。 复杂装备系统效能评估指标体系层次结构示意图 我更关心指标背后的假设是否写清。任务剖面、威胁模型、数据口径、失效判据，缺一项，分数就漂。说实话，评审最怕“综合得分87.6”这种结论，精确到小数，证据却模糊。小数点不是可信度！

从分数到证据：可解释性不是装饰

从分数到证据：可解释性不是装饰 可解释性常被当成报告附录。错。评估结论要能回到证据链：指标怎么来，模型怎么设，数据怎么采，假设怎么立，误差怎么传。链条断一环，结论就悬。黑箱模型给高分，却说不清哪个环节贡献大，这种结果很难用于改进。可解释性要求结论可追溯、假设可检验、误差可传播。可解释不等于把公式贴满页。它要能回答：换一个场景，结论还成立吗？哪个指标最敏感？数据缺失时结论退化多少？ 反例并不远。多源数据融合模型在训练集上拟合好，部署后传感器漂移，效能估计偏高；没有在线校准和漂移检测，报告会过期。这很麻烦。

仿真可信度：别把场景当现实

仿真能扩展场景，但不能替代现实。模型校核、验证与确认，决定结论能走多远。仿真可信度取决于抽象粒度、边界条件、输入分布和对抗行为建模。把场景当现实，是常见风险。仿真结论的外推半径，由可信度边界决定。反例：对抗仿真中假设对手策略固定，实际对手会学习；结论在静态对抗下成立，在动态博弈下失效。 指挥信息系统效能评估仿真实验场景图 实测也有限。外场试验样本少，统计功效不足；多次试验相关性强，不能当独立样本。置信区间宽，报告却只写点估计。这很常见。我不信没有误差条的效能结论。不过话说回来，仿真和实测不是二选一，关键是证据等级和适用边界写清楚。

边界与风险：报告沉默的部分

边界与风险：报告沉默的部分 效能评估的风险常在报告沉默处。指标遗漏、权重操纵、数据选择性使用、场景裁剪，都会让结论偏乐观。更隐蔽的是任务漂移：系统服役后任务变，指标没变，评估还沿用旧口径。评估边界要写明不适用条件，而不是只写适用范围。趋势上，数字孪生和在线评估让评估从一次性报告转向持续证据流。但实时不等于可信。数据频率高，口径不一致，反而放大噪声。只有元数据治理、时间同步、模型版本管理到位，在线评估才有意义。风险还有责任链：模型给出结论，决策者签字，责任不能全推给模型。评估报告应保留反对意见和敏感性分析。 九月的评审会散了，指标树还留在屏幕上。有人问下一步怎么办。我的答案不漂亮：先把条件写清，再把证据链补齐，再谈分数。系统效能评估不是给系统贴一个数，而是给决策留一条可检查的推理路径。路径断了，分数再高也悬。