斯特赖克准备就绪

使用机器学习预测前线部队级别的维护准备情况。

来源:美国陆军采购支持中心
2024 年 1 月,M1255 CVV 斯崔克在华盛顿刘易斯-麦科德联合基地等待日常检查和维护。当前的维护预测系统只能预测 30 天。(照片来源:第 5 机动公共事务支队 Spc. Kourtney Nunnery)查看原文
2024 年 1 月,M1255 CVV 斯崔克在华盛顿刘易斯-麦科德联合基地等待日常检查和维护。当前的维护预测系统只能预测 30 天。(照片来源:第 5 机动公共事务支队 Spc. Kourtney Nunnery)查看原文
2024 年 1 月,M1255 CVV 斯崔克在华盛顿刘易斯-麦科德联合基地等待日常检查和维护。当前的维护预测系统只能预测 30 天。 (照片来源:第 5 机动公共事务支队 Spc. Kourtney Nunnery)查看原文 2024 年 1 月,M1255 CVV Strykers 等待在华盛顿刘易斯-麦科德联合基地进行日常检查和维护。当前的维护预测系统只能预测 30 天。 (照片来源:第 5 机动公共事务支队 Spc. Kourtney Nunnery) (照片来源:第 5 机动公共事务支队 Spc. Kourtney Nunnery) 查看原文
使用机器学习预测前线单位级别的维护准备情况。
使用机器学习预测前线单位级别的维护准备情况。

陆军目前确定未来装备准备水平的模型不足以在大规模作战行动中实现指挥决策。当前模型使用银行时间系统,该系统计算 30 天报告窗口内每个车队的可用设备小时数总和。但它不考虑培训条件、人员实力或零件可用性等外部因素,并且仅预测当前 30 天的报告期(从每月 15 日到下个月 14 日)。随着其他分析工具的出现,维持社区应该探索替代方案。

方法

方法

数据和收集方法