Если бы USMC мог уменьшить имевшуюся неопределенность относительно потребности в топливе, то не пришлось бы хранить столько горючего и вероятность его нехватки не возрастала бы. В то время в USMC использовали довольно простую модель прогнозирования. Сначала подсчитывались вооружение и техника, имевшиеся в развернутых подразделениях, из полученного результата вычиталась техника, находящаяся в ремонте, переданная другим частям, уничтоженная противником и т. п. Затем определяли, какие боевые единицы в следующие 60 дней будут «наступать», а какие будут «выжидать или обороняться». Как правило, атакующее подразделение, перемещаясь, сжигает больше топлива. Каждая единица боевой техники имеет свое среднее потребление горючего, измеряющееся в галлонах в час и в часах боевых действий в день. Если подразделение переходит в наступление, то время работы техники обычно возрастает. Для каждой боевой единицы рассчитывали дневное потребление горючего по данным его потребления боевой техникой и плану действий (атака или оборона). Затем определяли общее потребление горючего всеми подразделениями в каждый из 60 дней.
Точность и надежность данного подхода невысоки. Прогнозная потребность в топливе вполне могла занижаться вдвое или даже больше (отсюда и большие резервные запасы). Мне никогда прежде не приходилось прогнозировать запасы, необходимые для ведения военных действий, но я подошел к этой проблеме точно так же, как к любой другой важной задаче измерения, — воспользовался прикладной информационной экономикой.
Этап 0
На данном этапе я изучил результаты проведенных ранее исследований потребности войск в топливе. Ни в одном из них не описывались конкретные статистические методы прогнозирования. В лучшем случае обсуждались возможные способы, и то лишь в общих чертах. И все же я получил хорошее представление о характере проблемы. Мы отобрали несколько специалистов по логистике, способных принять участие в заседаниях рабочей группы, в том числе старшего уорент-офи-цера Каннемана и Луиса Торреса. Мы решили в течение трех недель провести шесть заседаний рабочей группы, рассчитанных на половину рабочего дня.
Этап 1
Первое заседание рабочей группы на этапе 1 было посвящено определению задачи прогнозирования. Только тогда стало ясно, что USMC интересовало общее потребление топлива в течение 60-дневного периода наземными силами одного только Экспедиционного соединения морской пехоты (Marine Expeditionary Force, MEF), насчитывавшего десятки тысяч солдат. Используя имевшиеся таблицы прогнозирования потребности в топливе, изученные нами на этапе 0, я построил несколько графиков, отвечавших на вопрос: «Куда поступает все топливо?» Эти графики дали членам команды (особенно нам, аналитикам, которые не работали с проблемой каждый день) представление о примерном объеме потребления горючего. Стало ясно, что его основная часть расходуется не танками и даже не бронетехникой в целом. Танк М-1 «Abrams» действительно сжигает галлон топлива каждую треть мили, но таких танков у MEF было только 58. А вот грузовиков в соединении насчитывалось более 1000 плюс более 1300 ставших теперь известными многоцелевых автомобилей повышенной проходимости (High Mobility Multipurpose Wheeled Vehicles, HMMWV), или хаммеров. Во время боевых действий грузовики сжигали в восемь раз больше топлива, чем танки.
Дальнейшее обсуждение того, что на самом деле делает эта техника, когда сжигает горючее, привело к разработке моделей трех разных видов. Из них самой сложной оказалась транспортная. Подавляющее большинство грузовиков и хаммеров сжигают львиную долю топлива, перемещаясь транспортными колоннами по определенным маршрутам. В составе таких колонн они в среднем дважды в день передвигались по круговому маршруту. Другая модель была «боевая». Бронетехника, например танки М1 и легкие бронемашины, тратя на перемещение по этим маршрутам меньше времени, обычно используют больше топлива в ходе проведения операций. Наконец, все генераторы, насосы и служебные автомашины обычно потребляли топливо более равномерно с меньшим удельным расходом. Для этой группы мы использовали уже существовавшую простую модель почасового потребления.
На одном из заседаний рабочей группы была проведена калибровка экспертов. Все показали хорошую способность оценивать вероятность наступления неизвестных событий. Они указывали интервалы значений для всех интересующих нас показателей, которым ранее присваивали лишь точечные значения. Например, если ранее считалось, что семитонный грузовик сжигает за час ровно 9,9 галлона топлива, то они указали интервал 7,8–12 галлонов. Для техники, обычно двигающейся в составе транспортной колонны, нам пришлось указать интервалы расстояний перемещения и учесть влияние дорожных условий на потребление горючего. Для бронемашин, участвующих в боевых операциях, мы должны были указать диапазон времени (при 60-дневном периоде), в течение которого они действительно участвовали в боях.
В результате все свелось к 52 величинам, которые требовались для расчета потребления горючего за 60-дневный период. Значения переменных были выражены в виде 90-процентных CI. В некотором отношении это мало отличалось от анализа проектов, выполненных мною до сих пор. Но вместо того чтобы рассчитать на основе этих величин денежный поток или доходность инвестиций, нам было нужно просто количественно определить общее потребление топлива за период. Модель Монте-Карло, в которую мы ввели эти интервалы, дала распределение возможных результатов, очень близкое к распределению фактических значений потребления топлива.
Этап 2
На этапе 2 мы провели анализ стоимости информации, воспользовавшись макросом программы Excel (хотя для этого вполне подошел бы и график стоимости информации, приведенный на рисунке 7.2). Поскольку решение не должно было выражаться в денежных прибылях или убытках, VIA дал результаты, означавшие, по сути, уменьшение ошибки прогнозной оценки (в галлонах) дневного потребления топлива. Оказалось, что наиболее высока стоимость информации об особенностях маршрутов транспортных колонн, в том числе сведений о расстояниях и дорожных условиях. Высокой оказалась и стоимость информации о влиянии военных операций на потребление топлива боевыми машинами. Мы придумали способы измерить и то, и другое.
Чтобы снизить неопределенность в потреблении топлива при боевых операциях, была выбрана модель линзы, построенная на основе оценок офицеров-логистиков Первой дивизии морской пехоты. В основном это были батальонные штабные офицеры и некоторые командиры подразделений, все с опытом боевых действий в иракской операции. Они назвали несколько факторов, от которых, по их мнению, зависит потребление топлива боевой техникой, и в том числе вероятность соприкосновения с противником (как это называется в планах проведения операций), знание местности, характер местности (город или пустыня) и т. п. Я провел со всеми офицерами тренинг по калибровке, затем составил список из 40 гипотетических сценариев боевых действий и предоставил им информацию о каждом из названных факторов. Для каждого сценария они указали 90-процентный CI величины расхода горючего теми видами боевой техники, которыми командовали (танками, легкими бронемашинами и др.). Собрав ответы, я пропустил через Excel регрессионную модель и получил формулу расчета потребления топлива каждым видом техники.
Чтобы уточнить переменные транспортной модели, характеризующие дорожные условия, мы решили провести ряд экспериментов на военной базе Twenty-Nine Palms (штат Калифорния). Другие подрядчики, участвующие в проекте, обеспечили нас GPS-навигаторами и счетчиками топлива, которые было решено установить на топливопроводах грузовиков. До этого эксперимента никто из команды не знал о существовании таких счетчиков. Я просто сказал этим консультантам: «Кто-то же постоянно этим занимается. Давайте проявим изобретательность и выясним, кто это делает и как». Незамедлительно по Интернету был найден поставщик цифровых счетчиков топлива, а его представители научили нас ими пользоваться. Они же придумали, как использовать получаемые данные в электронной таблице и синхронизировать работу GPS-навигаторов и счетчиков топлива. На проведение дорожных испытаний и расчеты с помощью модели линзы, включая установку и доработку программы Excel, у трех человек ушло несколько недель с учетом времени на дорогу.
