相似性推测

当我们持续服务一家典型企业后，就会对他的车间物料供应有一个比较清晰地记录，这个时候，另一家典型的企业也要做物料供应，如果精炼对于这个典型车间的物料供应是竞争优势。

作为车间，会有很多设备，每个设备又会有很多物料需求，假设物料与运行效率是无相关性的，这时候由于设备的每年使用，物料的使用会逐年上升，直到该设备到报废。

那么这里的核心对象还是设备，而车间只是设备的集合。这里存在一个问题，一个车间究竟有多少设备，分别是什么类型和数量。作为典型车间，他们的设备可能存在相似性，进而存在相似推测的可能性。

设备有自己的生命周期，第一年的物料需求与第二年不同。而每个设备有对应着不同的物料，加上时间轴，也就是在一个折线图上，横坐标是时间，纵坐标是不同的物料消耗量，可以想象，随着时间的增加，不同类型的物料消耗量是增加。

这个单个设备的情况不能作为唯一采样点，更多的是需要将不同设备的曲线进行合并，取平均值。最终的折线图还是一样的，但是设备的消费数量应该是具有代表性的，随着设备自身的升级，也就是不同的工艺导致的版本，物料消费数量也是会有所变化的。

以此图作为基础，假设在不同车间中，都只有一个一种设备，且都是从第一年开始。那么折线图的数据应该是叠加的。

这里如果想节约备货，就需要引入一个波动因素，也就是单一物料的折线是存在上线上下限的，而叠加后，也会导致整体物料的折线图存在更大的上下限。

单一上下限导致的结果是概率的发生，最大概率也即是满足率99%，计算应该是出的备货结果赢应该很大，叠加后应该更多，这里还不清楚如何计算。