长期维护协议定价 (MRO)

长期维护协议定价 (MRO)


首页 » 知识库 » 此处
作者:Simon Schalit,2015 年 1 月

任何公司在使用全套动力装置、重型工业机械、机队或车队时,都希望这些投资能在未来几年甚至几十年内产生收益。上述设备的长期维护与维修对于确保投资回报至关重要,并且通常占据了项目成本的重要甚或主要部分。由供应方(OEM、MRO 或其他)提供的长期维护/维修协议已成为应对该风险的标准方法。

这些协议可能具有多种形式,但宗旨几乎完全一样:在规定时期内(几年或几十年),以签署合同时确定的价格,将设备维护的财务风险全部或部分转嫁于供应商。接下来的问题是:协议双方谁能更好的评估风险并在谈判中处于有利地位?以及供应商在合同期间应如何优化流程以实现利润最大化?

在销售前评估风险并在销售后持续更新

考虑到长期维护合同在财务方面的重要性以及供应商常常会在销售时提供较大折扣而后依靠维护合同来盈利,设备维修的定价与条件通常是双方谈判的中心内容。

公司会采用不同工具和程序来估算可预见的不同维护措施的成本(例如更换部件成本、各种干预活动的人力成本、停工成本等等)。然而,这种复杂估算仅能解决一小部分问题,并未触及真正的挑战:上述引发成本的活动在指定时间内的发生概率是多少?这些活动在长期内的发生频率如何?供应商如果低估了风险,则可能最终在合同期间发生亏损。另一方面,供应商如果高估了风险,进而对其服务定价过高,则最终可能彻底失去合同。

实际上,长期合同的最终成本非常不确定,可能在较大范围内合理变动。任何试图确保预测值“正确”或至少“接近事实”的想法都是不正确的预测观念。任何预测估算都具有一定程度的风险,而以货币量化这种(财务)风险应作为预测过程的核心内容。

维护协议一旦签订,供应商便须遵守协议规定。但这并不意味着预测已经结束。相反,定期更新风险对于确保合同可行性至关重要。这包括:

  • 通过短期预测对需要维持的资源(备件存货和人力)进行优化,以确保适当的响应时间和服务水平。从某种意义上讲,这种预测为短期预测,因为它通过关注“处理期”(或交付周期)来尽量确保处理效率。
  • 通过长期预测对公司围绕合同剩余部分进行的风险评估和损失准备金计算(如适用)加以完善。长期维护合同的风险在于,大部分成本通常在期末结算,而收入一般在合同期间定期确定。.

传统维护预测方法的限制

评估风险和相关成本并非易事,并且更糟的是,大多数公司处理该问题时采用的典型方法通常效果不佳。基于制造商提供的规范(例如 MTBUR 类数据)的最简单评估方法无法准确反映实际情况,因为部件的可靠性通常在很大程度上取决于外部因素(使用、环境等等)。根据我们的经验,实际可靠性与理论数据关系并不大,长期情况尤为如此。

基于传统统计“经典”预测的经典方法虽然更为先进但也无法反映备件的实际情况。这些方法假设维护预测类似于任何其他需求预测,因此可通过相同方法加以解决。但事实并非如此。诸多特殊情况导致难以进行维护预测:

  • 小概率事件:机械故障被定义为小概率事件,因此对于具体零件,过分依赖于确保“顺利”运行的模型(很像畅销品)在某种程度上略显幼稚。
  • 成批更换:在维护实践中,设备运行中断所致成本远远高于损坏的零件成本。这在很大程度上促使人们成批地更换零件(而不是一次更换一个)以避免不必要的停机时间。这一认识推翻了各零件具有“独立”维护模式的假设,进而否定了大部分基于该假设的常见预测模型。
  • 极高的预期服务水平:考虑到服务中断所致成本,针对维护合同的预期服务水平通常极高,远远超过其他行业。例如,飞机停场(AOG 事件)的每日成本可能高达几十万美元。
  • 闭环维修周期:很多零件成本较高,丢掉可惜。有些零件采用了提交检查、维修和发回备用三个步骤。这使很多公司并不符合传统的“销售与再订货”模式。公司购买零件后,零件将长期记为存货。由于零部件将长期为公司服务,因此必须严肃对待购买产品以增加库存的决策。

然而,最大的障碍来自传统预测概念本身。根据定义,传统意义上的预测既不是预测也不是猜测,虽然它可能提供准确结果。传统预测是对需求/成本预期中位数的统计估算。所以在这种情况下,用于估算维护合同总成本的传统预测所提供的数值,根据定义,高于或低于实际成本的概率均为 50%。从财务角度看,这种概率自然是无法接受的,由此可见传统预测不适用于这种情况。实现准确预测的关键在于从预测之初便引入财务概念。

目标是依靠“预测情景”,直接在预测中考虑待确定的财务数据(财务风险、服务水平),进而突出财务驱动因素。这便是分位数预测。

Lokad 提示:试图通过添加一个安全缓冲(在存货领域通常指“安全库存”)而将传统经典需求预测转化为财务保障只不过是以非常不准确的方式进行分位数预测。

预测的财务视角:分位数

维护预测首先是进行财务优化,优化对象是在整个合同期间的财务风险以及在确保期望保障/服务水平前提下的维护效率。所需成本/存货水平的估算值越高,实际情况超过该估算值的概率就越低,但重要的是要记住,任何估算都无法提供 100% 的保障。

可通过分位数预测进行以上情景分析。事实上,分位数预测是传统预测的延伸:它不是为了求得以 50% 的概率涵盖未来需求/成本的估算值,而是在成本/风险分布中,为我们确定一个阈值,例如 10%、60% 或 98%。

总成本与剩余风险的估算

目标是针对公司愿意接受的不同风险水平提供相应的预测。该分析应采取多个模拟情景,从最低可接受保障、提供不容商量的最低定价到较高水平保障、以较高定价提供更有利的方案。

事实上,维护合同定价在很大程度上取决于客户的“支付意愿”和竞争程度。因此,供应商通常必须提供适中的价格,但以上情景分析可确保供应商能对相应定价水平下面临的风险加以量化。

以上情景分析还特别适用于在合同期间持续评估合同剩余部分的风险,进而确定是否需求增加或调整供应,以及程度多少。该方法非常有利于量化风险,进而确保直接进行财务估算并充分控制所选的谨慎水平。

合同中维护流程的优化

对于资源/库存优化,理想的情况是设置一个期望的目标服务水平,并计算维持该服务水平所需的最低资源/库存水平。但考虑到上述维护合同的特殊性,实现这一点并非易事,但可通过分位数预测实现该目标。分位数预测可按与以上情景分析相同的方法,直接确定服务水平的期望值,并评估相应需要。

然而,维护实践通常更加复杂,因为公司一般需要根据有限的预算进行运营,并需在不同的部分之间进行抉择,以确保在服务水平上投入的每一元都能获得最高的投资回报。可通过分位数网格实现这种优化。分位数网格在可接受的服务水平范围内,指出了各类零件在所有可能的情景下的数据信息(每种零件各需多少以维持所有可行的服务水平范围)。公司可根据该网格确定相应预算下的最有效库存。

Lokad 提示:很多系统都声称基于“蒙特卡罗”方法。公司应记住,“蒙特卡罗”并非统计领域的万灵丹,且不得将其作为对模型基本驱动因素缺乏理解和缺少适当数据的借口。