Variance-to-Mean Ratio Parameters

変動対平均率パラメーター

A、B、VMaxは以下の関係によって変動対平均率を設定するために使用するパラメーターです(プロジェクト)。

VMが変動対平均率の場合、AとBは定数、Mは運用サイトでのアイテムの年間要求です。VMaxは、最大変動対平均率です。AとBを0に、VMaxを1に設定することによって得られるポアソン要求が欲しいユーザーもいるでしょう。

パラメーターAとBは、発見学習的には何の意味もありません。それらは要求に応じて見られるフィールドデータへの統計曲線調整から派生しています。

設定すると、VMax、A、Bは、アイテム変数VM率(パーツ)が空白になっているシステムのそれぞれのアイテムに適用されます。アイテムのVMの環境公式値より優先させたいのであれば、好きな値をVMアイテムデータフィールドに入れてください。あなたのシステムがランダムに故障するアイテム(電子部品のような)と、消耗アイテム(メカニカルアイテム)の両方を含んでいる場合、ランダムアイテムを計算に入れるために全体的なパラメーターを設定し、消耗アイテム(VM率値が1より小さくなりがち)に関してはアイテムデータを入力すべきです。

要求率が一定でなく、時間に従って"流動"しがちな米空軍の要求予測については、実験的ワークがなされました。このタイプのアプリケーションでは、AとBの値がそれぞれ0.14と0.5が適当であることがわかりました。そのような場合、その期間の要求は、変動対平均率が上記に示された負の二項式になると仮定されます。非ポアソン要求に関しては、最大変動対平均率VMax20が推奨されます。

米空軍の研究では、いくつかのデータのセットが使用されました。すべての米空軍の修理可能アイテムのランダムサンプル、C-5、F-15、F-16、A10の修理可能アイテムです。個々のアイテムに関する手順は、平均年間要求M(一般的に年4回のデータのスムージング定数0.4で平らにした指数)を予測するために最良の技術を使用し、A = 0.14 そして B = 0.5 で公式から変動対平均率を予想するものでした。

ポアソン仮定を使用して、C-5のアイテムについて8,000万ドルが最適に割り当てられた場合、予測される翌年の可用率は0.986です。しかしながら、実際の翌年のデータを使用したシミュレーションでは、達成された可用率はわずか0.566でした。変動対平均に関して推奨される公式では、予測される可用率は0.771で達成された可用率は.828でした。つまり、達成された可用率はずっと高く、予測可用率は達成値にずっと近くなりました。

C-5で1億ドルでも、同様の結果が見られました。ポアソンアプローチは 0.999 と予測し、達成は0.622でした。変動対平均に関して推奨される公式では0.911と予測し、達成は 0.913でした。F-15、 F-16、 A-10についても同様の結果が見られました。変動対平均に関して推奨される公式は、米空軍のアプリケーションでは役に立つようです。それは、どのような目標可用率についてもポアソン仮定よりも大きな投資を要求します。しかし、わかっている一定の平均によるポアソン仮定は非現実的で、アイテムへの資金の割り当てが貧しくなります。他のアプリケーションでもこの公式が使用できるかは、問題の類似性の度合いによります。

TFD Vmetric Reference Guide (93) 次ページは英語原文】

« Back to Glossary Index