尽管数据分析领域取得了新的进展，美国空军的飞机部件预测技术却一直保持着陈旧的状态。这种做法导致美国空军在2016财年对所管理物项的预测准确率仅为57%。这些误差合计相当于价值55亿美元的库存，而这些资金本可用于其他关键备件。本研究探讨了基于状态的维修领域的进展及其在预测领域的应用。随后评估了CBM预测方法在现有美国空军数据结构中的适用性。本研究发现，在建立一个强大的CBM系统所必需的数据可用性方面存在巨大缺口。研究采用"基于物理的模型"，在B-1飞机的备件上演示了一种类CBM的预测方法，并将预测误差结果与美国空军的现状技术进行了比较。结果显示，总体上基于物理的模型表现不如美国空军的方法，但在预测具有稳定或间歇性需求模式的部件时，其表现优于美国空军的方法。最终确定，仅针对B-1飞机的这些类别部件，基于物理的模型可将预测误差降低2.46%，相当于价值1260万美元的部件。