开发有限数据集预测美国海军陆战队战斗损失的新方法 开发有限数据集预测美国海军陆战队战斗损失的新方法
Aaron D. Burciaga，主任；Mario L. Solano，海军陆战队总部 (HQMC) 设施与后勤运营分析师
Andrea Ferris，顾问；John Stocker，Booz Allen Hamilton Inc. 首席助理
随着国防部整体预算的计划削减，各军种越来越重视实现更高效的净资产管理。重新计算用于制定美国海军陆战队战争储备物资需求的关键变量，为减少海军陆战队地面装备总负债提供了机会，同时仍确保企业拥有开展行动所需的战斗必需装备。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战斗损失的预测模型，以制定替换率或战斗主动替换系数 (CARF)。由此产生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 脚本进行了优化，通过考虑各种地面设备属性来预测 CARF 值。随着装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可追溯和可重复的功能，只需单击按钮执行多方面的 JMP 脚本即可更新 CARF 值预测。高度交互的分析师仪表板允许用户查看和评估总成本和物资数量影响、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。
