开发用于预测美国海军陆战队战斗损失的有限数据集的新方法开发用于预测美国海军陆战队战斗损失的有限数据集的新方法
Aaron D. Burciaga，主任； Mario L. Solano，海军陆战队总部 (HQMC) 安装与物流运营分析师
Andrea Ferris，顾问； John Stocker，博思艾伦汉密尔顿公司首席助理
随着国防部整体预算的计划减少，人们越来越重视在所有服务中实现更有效的净资产管理。 用于制定美国海军陆战队战争储备物资需求的关键变量的重新计算提供了减少海军陆战队地面设备总负债的机会，同时仍确保企业拥有开展行动所需的战斗必需设备。 探索在伊拉克自由行动 (OIF) 和持久自由行动 (OEF) 中观察到的地面装备作战损失的预测模型，以制定替换率或战斗现役替换因子 (CARF)。 生成的交互式预测建模功能称为 CARF 统计分析工具 (CARF-STAT)，在 JMP Pro 中实现。 CARF-STAT 利用递归分区模型，其参数已使用 JMP 脚本优化，通过考虑各种地面设备属性来预测 CARF 值。 随着设备的发展和对战斗损失的新观察，CARF-STAT 为海军陆战队提供了一种可追溯和可重复的能力，只需单击一个执行多方面 JMP 脚本的按钮即可更新 CARF 值预测。 高度交互的分析师仪表板允许用户审查和评估总成本和材料数量影响、CARF 分布和模型拟合统计数据。 借助 CARF-STAT，海军陆战队能够更准确、更一致地预测 CARF 值，并有效地制定预算和设备更换的长期计划。
预测建模
