開髮用於預測美國海軍陸戰隊戰鬥損失的有限數據集的新方法開髮用於預測美國海軍陸戰隊戰鬥損失的有限數據集的新方法
Aaron D. Burciaga，主任； Mario L. Solano，海軍陸戰隊總部 (HQMC) 安裝與物流運營分析師
Andrea Ferris，顧問； John Stocker，博思艾倫漢密爾頓公司首席助理
隨著國防部整體預算的計劃減少，人們越來越重視在所有服務中實現更有效的淨資產管理。 用於製定美國海軍陸戰隊戰爭儲備物資需求的關鍵變量的重新計算提供了減少海軍陸戰隊地面設備總負債的機會，同時仍確保企業擁有開展行動所需的戰鬥必需設備。 探索在伊拉克自由行動 (OIF) 和持久自由行動 (OEF) 中觀察到的地面裝備作戰損失的預測模型，以製定替換率或戰鬥現役替換因子 (CARF)。 生成的交互式預測建模功能稱為 CARF 統計分析工具 (CARF-STAT)，在 JMP Pro 中實現。 CARF-STAT 利用遞歸分區模型，其參數已使用 JMP 腳本優化，通過考慮各種地面設備屬性來預測 CARF 值。 隨著設備的發展和對戰鬥損失的新觀察，CARF-STAT 為海軍陸戰隊提供了一種可追溯和可重複的能力，只需單擊一個執行多方面 JMP 腳本的按鈕即可更新 CARF 值預測。 高度交互的分析師儀表板允許用戶審查和評估總成本和材料數量影響、CARF 分佈和模型擬合統計數據。 借助 CARF-STAT，海軍陸戰隊能夠更準確、更一致地預測 CARF 值，並有效地制定預算和設備更換的長期計劃。
預測建模
