Analysis of the prediction accuracy of the United States Navy repair turn-around time forecast model
Notice bibliographique
Résumé
This thesis examines the forecast accuracy of repair times for a subset of repairable U.S Navy inventory items. Forecasts are currently calculated using the Uniform Inventory Control Program (UICP) on a quarterly basis. The UICP model use the time of repairs completed in the current quarter to update a "file" value in order to forecast the repair times for the following quarter. Forecasts are calculated separately for repairable items grouped into families. This thesis demonstrates that aggregation repairs by their completion dates, as currently done by the UICP model, causes forecast to be affected by the nature of the repair arrival process. The more that this process differs from a Poisson process, the more that the forecast values are affected. Using bootstrap simulations, the effect of the repair process on the forecasting is quantified. This thesis also explores alternatives to the UICP model for forecasting repair times. In particular, an approach that utilizes repairs that have not been completed by the end of the current quarter is developed.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,006 | 0,018 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,006 |
| Bibliométrie | 0,003 | 0,017 |
| Études des sciences et des technologies | 0,006 | 0,006 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,009 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».