Preise für Langzeit Instandhaltungsverträge (MRO) - Software zur Bestandsoptimierung

Preise für Langzeit Instandhaltungsverträge (MRO)


Startseite » Wissensdatenbank » Hier
Von Simon Schalit, Januar 2015

Wenn ein Unternehmen ein komplettes Kraftwerk, Schwermaschinen, Flugzeugflotten oder Fuhrparks in Auftrag gibt, wird erwartet, dass diese Investition in den kommenden Jahren oder gar Jahrzehnten Gewinn bringt. Zur Sicherung der Kapitalrendite ist die Instandhaltung und Wartung dieser Ausstattung kritisch. Sie stellt auch einen bedeutenden Teil, wenn nicht sogar den Großteil der Kosten des Projekts dar. Zur Vorbeugung dieser Risiken bieten mittlerweise Verkäufer standardmäßig Langzeit Instandhaltungs-/Wartungsverträge (OEM, MRO oder andere) an.

Diese Verträge können auf verschiedener Weise aufgesetzt werden. Doch das Ziel ist fast immer dasselbe: Das finanzielle Risiko der Instandhaltung für einen gewissen Zeitraum (Jahre oder Jahrzehnte) und einem zu Beginn der Laufzeit festgelegten Preis auf den Verkäufer zu übertragen. Die Frage lautet dann: welche der beiden Parteien kann das Risiko besser einschätzen und bei den Verhandlungen die Oberhand bekommen? Für den Verkäufer wäre die Frage, wie kann der Prozess optimiert werden, so dass die Marge während der Laufzeit maximiert werden kann?

Risiko vor Verkauf einschätzen und damit leben

Bedenkt man die finanzielle Bedeutung von Langzeit Wartungsverträgen und die Tatsache, dass nicht selten Verkäufer die Ausrüstung mit hohen Nachlässen verkaufen, während sie sich drauf verlassen können, dass der Wartungsvertrag Margen erzeugt, ist es nicht überraschend, dass Preis und Bedingungen bei den Verhandlungen zwischen den Parteien im Mittelpunkt stehen.

Bei der Kostenschätzung bzgl. der verschiedenen Instandhaltungsmaßnahmen (Kosten der Ersatzteile, benötigte Arbeitskräfte für jeden Eingriff, Kosten der Betriebsunterbrechung) gehen Unternehmen mit verschiedenen Tools und Prozesse vor. Doch obwohl diese Schätung kompliziert sein kann, macht sie nur ein Bruchteil des Problems aus. Die wahre Herausforderung bleibt weiterhin: mit welcher Wahrscheinlichkeit können diese Ereignisse, die zu hohen Kosten führen, zu einem bestimmten Zeitpunkt eintreten und wie oft kann dies langfristig vorkommen? Unterschätzt der Verkäufer das Risiko, kann dies während der Laufzeit zu Verlusten führen. Doch überschätzt er das Risiko und ist sein Angebot überteuert, riskiert er, den ganzen Vertrag zu verlieren.

Tatsächlich sind die Endkosten bei Langzeitverträgen äußerst ungewiss und können daher sehr unterschiedlich ausfallen. Jegliche Versuche einen „genauen“ Wert zu finden, der „richtig“ ist oder mindestens „der Wahrheit nahe kommt„ deutet auf eine falsche Vorstellung des Prognoseprozesses hin. Es gibt schlicht und einfach nicht „einen genauen Wert“. Jede prognostizierte Schätzung geht mit einem bestimmten Risiko einher und genau die Schätzung dieses (finanziellen Risikos), das in Geld ausgedrückt wird, sollte im Mittelpunkt des Prognoseprozesses stehen.

Sobald der Instandhaltungsvertrag unterschrieben ist, muss der Verkäufer damit leben. Doch dies bedeutet keineswegs, dass die Prognosen hier aufhören. Ganz im Gegenteil. Es sind regelmäßige Updates über das Risiko notwendig, um die Durchführbarkeit des Vertrags zu gewährleisten. Dazu gehören:

  • Kurzfristige Prognosen zur Optimierung der Ressourcen (Bestand der Ersatzteile und Arbeitskräfte), die für eine akzeptable Reaktionszeit und einen passenden Service Level benötigt werden. Diese Prognosen sind kurzfristig, da sie sich auf die „Prozessebene“ (oder Durchlaufzeit) konzentrieren, um sich zu vergewissern, dass der Prozess so kurz wie möglich ist.
  • Langfristige Prognosen zur Verfeinerung der Schätzung der vom Unternehmen während der verbleibenden Laufzeit getragenen Risiken, im Falle von Rückstellungen. Die Gefahr bei Langzeit Instandhaltungsverträgen besteht darin, dass die meisten Kosten erst gegen Ende anfallen, wobei die Einkünfte gewöhnlich regelmäßig über die Laufzeit verteilt erkannt werden.

Grenzen der klassischen Ansätze bei Instandhaltungsprognose

Mögliche Risiken und Kosten zu schätzen ist eine schwierige Aufgabe, bei der leider auch gewöhnlich die klassischen Prognosen, die die meisten Unternehmen benutzen, nicht gut funktionieren. Die einfachsten Methoden, die sich auf die Spezifikationen der Hersteller stützen (beispielsweise MTBUR Daten) bieten keine realitätsgetreue Darstellung, da die Nutzungsdauer der Teile oft stark von äußeren Faktoren beeinflusst wird (Nutzung, Umgebung...). Unserer Erfahrung nach haben wahre Zuverlässigkeitsmuster vor allem auf lange Sicht wenig mit theoretischen Zahlen zu tun.

Doch auch etwas fortgeschrittene klassische Methoden, die auf „klassische“ statistische Prognosen basieren, versagen auch bei der Prognose von Mustern für Ersatzteile. Diese Methoden verlassen sich stark darauf, dass Instandhaltungsprognosen genauso wie andere „Bedarfsprognosen“ funktionieren und daher derselbe Ansatz gilt. Leider trifft dies nicht zu. Mehrere Besonderheiten erschweren die Prognosen für Instandhaltung:

  • Seltene Ereignisse: Mechanische Fehler sind von Natur aus seltene Ereignisse. Betrachtet man also bestimmte Teile einzeln, ist es nicht sehr sinnvoll sich auf „flache“ Muster (wie bei del meist-verkauften Artikel im Einzelhandel) zu verlassen.
  • Gleichzeitiges Ersetzen: Tatsächlich ist bei der Instandhaltung der Betriebsunterbrechungen oft teuer als die beschädigten Teile selbst. Deshalb werden oft mehrere Teile gleichzeitig ersetzt, statt einzeln, um unnötige Betriebsstörungen zu vermeiden. Somit trifft die Vermutung der meisten Prognosemodelle, dass verschiedene Teile „unabhängige“ Wartungsmuster aufweisen, nicht mehr zu.
  • Äußerst hohe erwünschte Service Level: In Anbetracht der Kosten, die durch Betriebsunterbrechungen zustande kommen, sind bei Instandhaltungsverträgen die erwünschten Service Level äußerst hoch, ziemlich über dem Durchschnitt mancher Branchen. So können die Kosten für fehlende Lufttüchtigkeit (AOG) mehrere hunderttausend Euro am Tag erreichen.
  • Geschlossener Reparaturkreislauf: Viele Teile sind zu kostspielig, um einfach entsorgt zu werden. Daher werden einige überprüft und repariert, so dass sie zur künftigen Nutzung erneut in den Bestand aufgenommen werden. Daher entspricht das Szenario auch nicht der herkömmlichen Situation von „verkaufen und nachbestellen“, da gekaufte Teile lange im Bestand bleiben können. Dies führt dazu, dass Kaufentscheidungen zur Erweiterung des Bestands schwieriger werden, da sich das Unternehmen für längere Zeit bindet.

Doch die größte Hürde ist das Konzept der klassische Prognose selbst. Die Prognose im klassischen Sinne ist von Natur aus unabhängig von ihrer Genauigkeit weder eine Vorhersage, noch eine Vermutung. Es handelt sich um eine statistische Schätzung des erwarteten Mittelwerts des Bedarfs/Kosten. Wendet man diese klassische Prognosen auf die Schätzung der Gesamtkosten eines Instandhaltungsvertrags an, würde man einen Wert erhalten, der der Definition nach, mit 50%iger Wahrscheinlich über oder unter den tatsächlichen Kosten liegen würde. Aus einer finanziellen Perspektive ist diese Wahrscheinlichkeit nicht akzeptabel, wodurch das gesamte Konzept der klassischen Prognosen bedeutungslos wird. Für die Erstellung von passenden Prognosen ist es nötig, vom Anfang an eine finanzielle Perspektive beim Prognoseprozess anzunehmen.

Das Ziel ist es, sich auf „Prognoseszenarien“ verlassen zu können, die in der Prognose die finanzielle Deckung (finanzielles Risiko, Service Level) berücksichtigen und somit die finanziellen Vorantreiber. Und genau dies leisten Quantil-Prognosen.

Lokad hat die Lösung: Der Versuch, klassische Bedarfsprognosen auf finanzielle Deckung über einen Sicherheitspuffer (im Jargon „Sicherheitsbestand“, wenn es um Bestände geht) umzuwandeln, ist eine ziemlich ungenaue Art eine Quantil-Prognose zu erstellen.

Prognose aus eine finanziellen Perspektive: Quantile

Prognosen für die Instandhaltung sind an erster Stelle finanzielle Optimierungen, sowohl des finanziellen Risikos über die gesamte Vertragslaufzeit, als auch über die Knappheit des Instandhaltungsprozesses während die erwünschte Deckung/Service Level erreicht wird. Umso höher die notwendigen Kosten/Service Level, desto geringer ist die Wahrscheinlichkeit, dass diese Schätzung zu niedrig ist. Dabei darf man nicht vergessen, dass keine Schätzung 100%ige Deckung gewährleisten kann.

Dieses Szenario kann durch Quantil-Prognosen erstellt werden, die tatsächlich eine Erweiterung der klassischen Prognosen sind: sind. Statt den Wert zu suchen, der mit 50%iger Wahrscheinlichkeit den künftigen Bedarf/Kosten prognostiziert, ermöglichen die Quantil-Prognosen jede Schwelle innerhalb der Verteilung von Kosten/Risiko, ob 10%, 60& 80% oder 98% zu erkunden.

Schätzung der Gesamtkosten und der verbleibenden Risiken

Das Ziel ist, Prognosen entsprechend des Risikos, das das Unternhemen eingehen möchte, zu erstellen. Diese Analyse sollte in Form verschiedener simulierter Szenarien, von der niedrigsten akzeptablen Deckung, die einen nichtverhandelbaren niedrigsten Preis bietet, zur höchsten Deckung, die positivere Szenarien zu höheren Kosten bietet.

Doch tatsächlich wird der Preis von Instandhaltungsverträgen oft von der Zahlungsbereitschaft des Kunden und dem Wettbewerb bestimmt. Daher ist der Verkäufer oft gezwungen, die Preise zu senken. Doch die oben genannte Berechnung der Szenarien hilft dem Verkäufer, das Risiko, dem er sich ausstellt, zu einem bestimmten Preis zuzuordnen.

Diese Szenarien sind auch besonders während der Laufzeit des Vertrags nützlich, wenn sie aktualisiert werden, um das Risiko der verbleibenden Laufzeit zu schätzen und festzulegen, ob Rücklagen erstellt oder angepasst werden müssen und in welchem Umfang. Dieser Ansatz bietet den Vorteil, das Risiko quantifizieren zu können, wodurch eine finanzielle Schätzung entsteht. Somit kann man vollkommen frei entscheiden, wie vorsichtig man vorgehen möchte.

Optimierung der Instandhaltungsprozesse des Vertrags

Was die Optimierung der Ressourcen/Bestand betrifft, wäre es ideal, sich einen Zielwert für Service-Level zu setzen und die entsprechenden minimalen Ressourcen/Bestand zu berechnen, die notwengid sind, um dieses Service Level zu erreichen. Dies ist jedoch schwierig, wenn man die oben genannten Besonderheiten der Instandhaltungsverträge beachtet, doch es kann durch Quantil-Prognosen erreicht werden, mit denen man, sowie in den oben erläuterten Szenarien, den gewünschten Service-Level wählen kann und den notwendigen Bedarf berechnen kann.

Dennoch ist Instandhaltung in der Wirklichkeit oft komplizierter, da Unternehmen normalerweise nur ein beschränktes Budget zur Verfügung steht und sie zwischen verschiedenen Teilen entscheiden müssen, um die besten Kapitalerträge, also Service Level pro Euro, zu erzielen. Diese Optimierung ist durch Quantiltabellen möglich. Diese stellen die Ergebnisse für alle Teile und alle möglichen Szenarien, innerhalb der akzeptablen Werte für Service Level dar (wie viele Teile von jeder Sorte bräuchte man, um die verschiedenen Service Level zu erreichen). Das ermöglicht den Unternehmen, sich diese Tabelle genauer anzusehen und den effizientesten Bestand bei einem begrenzten Budget zu wählen.

Lokad hat die Lösung: Einige Unternehmen verlassen sich auf „Monte-Carlo-Methoden“. Unternehmen sollte sich aber dessen bewusst sein, dass „Monte-Carlo“ kein Zauberwort in der Statistik ist und es nicht als Ausrede für das mangelnde Verständnis der Funktionsweise der Modelle und fehlender Daten benutzt werden sollte.