BESTANDSPROGNOSE FÜR DIE LUFTFAHRT
Flugzeuge benötigen ein breites Spektrum an Komponenten – von kostenintensiven reparierbaren Teilen bis zu günstigen, schnell drehenden Verbrauchsmaterialien. Abgesehen davon, dass bestimmte Teile sehr teuer sind, kann das Fehlen des benötigten Bauteils auch zu kostspieligen AOG-(Aircraft on Ground)-Vorfällen führen. Lokad bietet eine statistische Softwarelösung, die durch Bedarfsprognosen eine tiefgehende Bestandsoptimierung für Airlines, MRO (Maintenance, Repair and Overhaul) und OEM (Original Equipment Manufacturers) bereitstellt.
Air France Industries ist der MRO-Zweig von AIR FRANCE KLM mit über 200 Kunden – internationale, regionale, Frachtfluggesellschaften etc.
Lokad bringt ein neues Werkzeug ins Spiel, das sowohl leistungsstark als auch innovativ ist. Darüber hinaus hat Lokad Air France Industries sein Fachwissen in der Bestandsoptimierung und Supply Chain management zur Verfügung gestellt, wodurch nicht nur eine ergänzende IT-Lösung, sondern auch eine echte Beratungskompetenz bereitgestellt wird, auf die unsere Teams sich verlassen können.
Charles Segondat, Leiter des Bestandsmanagements, Air France Industries
"Das gesamte Smart Planning Projektteam von Airbus Atlantic ist außerordentlich zufrieden mit dem erfolgreichen Abschluss der ersten Phase unserer fortschrittlichen Planungsinitiative. Dank des unermüdlichen Engagements, eines rigorosen Ansatzes und der leistungsstarken Zusammenarbeit mit den Teams haben wir grünes Licht für die nächsten Schritte erhalten und blicken gespannt und optimistisch auf die Fortsetzung dieser Reise."
Julien Fournat
Projektmanager Industrie 4.0 Airbus Atlantic
Spairliners ist ein weltweit führender Anbieter von Ersatzteilausrüstung und Wartung für Airbus A380 und Embraer Ejet Flugzeugflotten.
Wir haben uns für Lokad entschieden, nachdem wir eine eingehende Analyse der auf dem Markt verfügbaren Bestandsoptimierungslösungen für unsere MRO-Aktivitäten (Maintenance, Repair and Overhaul) durchgeführt hatten. Der partnerschaftliche Ansatz von Lokad sowie deren Reaktionsfähigkeit, Anpassungsfähigkeit und vor allem die Leistungsfähigkeit ihrer Lösung haben uns dazu veranlasst, ihnen die Bestandsoptimierung unserer Ersatzteilausrüstung für unsere Kunden weltweit anzuvertrauen. Lokad hat es geschafft, den Erwartungen und der Komplexität unserer Branche durch einen originellen und intelligenten Ansatz gerecht zu werden.
Olivier Mazzucchelli, CEO von Spairliners, Hamburg, Deutschland
Video-Fallstudie
LOKAD TV
Schauen Sie sich unsere Interviews auf Lokad TV an und erfahren Sie mehr über Supply Chain und Aeronautik.
Klassische Ansätze reichen in der Luftfahrt nicht aus
Als Faustregel gilt, dass klassische Bestandsoptimierungsansätze immer dann schlecht abschneiden, wenn Ersatzteile im Spiel sind. Darüber hinaus zeigt die Erfahrung, die Lokad in der Luftfahrt gesammelt hat, dass die Situation in dieser speziellen Branche tatsächlich noch gravierender ist.
Die hohen Kosten bestimmter Teile, lange Vorlaufzeiten, seltene Ausfälle und sehr steile Fehlmengenkosten verschärfen nur all die Schwächen der klassischen Bestandsoptimierung.
Insbesondere spiegeln Zeitreihenprognosen, die an Kennzahlen wie MAD (Mean Absolute Deviation) oder MAPE (Mean Absolute Percentage Error) optimiert sind, die stark asymmetrischen Kosten zwischen Über- und Unterprognose in der Luftfahrt nicht angemessen wider.
Klassische Sicherheitsbestandsanalysen, die auf Normalverteilungen oder Poisson-Verteilungen basieren, funktionieren ebenfalls schlecht.
Klassische Sicherheitsbestandsanalysen, die auf Normalverteilungen oder Poisson-Verteilungen basieren, funktionieren ebenfalls schlecht, da unsere Datenbeobachtungen einfach zeigen, dass den Bedarfsmustern keineswegs eines dieser Modelle zugrunde liegt. Ebenso scheitert die ABC-Analyse, weil jede Klassifikation, die alle Teile in eine Handvoll Bestandskategorien einteilt, nicht in der Lage ist, die vielen verschiedenen Dimensionen, die Teile oder Verbrauchsmaterialien moderner Flugzeuge definieren, abzubilden.
Abgesehen von der Diskrepanz zwischen den Annahmen der klassischen Modelle und der Realität der Luftfahrtbranche haben wir auch festgestellt, dass klassische Ansätze zu stark auf eine Vielzahl manueller Korrekturen angewiesen sind. Dies führt häufig zu Situationen, in denen die in die Bestandsoptimierung investierte Arbeitskraft nicht kapitalisiert, sondern lediglich von IT-Systemen verbraucht wird, um den täglichen Betrieb aufrechtzuerhalten. Einige Software-Designmuster, wie zum Beispiel „Alarme“, verschlimmern die Situation, indem sie Teams auf tägliche oberflächliche Lösungen fokussieren, anstatt sie auf die Ursachen des Problems auszurichten, um dauerhafte Lösungen zu liefern. Für Anfragen, kontaktieren Sie uns unter contact@lokad.com
Die von Grund auf neue Überdenkung der Mathematik, die Fluggesellschaften zur Prognose ihres Bestands benötigen.
Luftfahrtbedarfsmuster erfordern unkonventionelle Prognosen
Die analytische Technologie von Lokad wurde mit den Treibern der Luftfahrt als Kern konzipiert. Anstatt Prognose- und Bestandsmodelle, die für andere Branchen entwickelt wurden, zu recyceln, hat Lokad alternative statistische Ansätze geschaffen, in die die Besonderheiten der Luftfahrtbranche von Anfang an integriert sind.
Die Prognosemodelle von Lokad spiegeln all diese flottengetriebenen Faktoren wider, nicht als bloße korrigierende lineare Koeffizienten auf Zeitreihen, sondern als die Variablen, die den Bedarf grundlegend erklären.
Der Bedarf wird zunächst durch die Notwendigkeit angetrieben, eine Flugzeugflotte zu warten. Diese Flotte kann wachsen oder schrumpfen. Auch das Verhältnis von Flugstunden zu Flugzyklen ändert sich im Laufe der Zeit. Einige Wartungsarbeiten sind geplant, andere unvorhergesehen. Die Prognosemodelle von Lokad spiegeln all diese flottengetriebenen Faktoren wider, nicht als bloße korrigierende lineare Koeffizienten auf Zeitreihen, sondern als die Variablen, die den Bedarf grundlegend erklären. Außerdem zählt nicht so sehr der „durchschnittliche“ Bedarf an Teilen, sondern vielmehr die Spitzen, also die höchsten Nachfragespitzen, die die Servicelevels am stärksten beeinflussen. Klassische Ansätze, die auf Normalverteilungen oder Poisson-Verteilungen basieren, führen zu systematischen Verzerrungen in allen Schätzungen.
Die Technologie von Lokad beruht auf fortschrittlichen Quantil-Prognoseanalysen des Bedarfs. Der Quantil-Ansatz ist entscheidend, um zukünftige Nachfragespitzen und deren jeweilige Wahrscheinlichkeiten präzise vorherzusagen.
Darüber hinaus ist nicht nur der Bedarf unsicher, sondern auch die Vorlaufzeiten. Insbesondere kostenintensive reparierbare Teile beinhalten nicht nur eine einzige Vorlaufzeit, sondern einen gesamten Kreislauf, der vom Komponentenwechsel bis zur erneuten Verfügbarkeit des reparierten Teils reicht.
Die gesamte Vorlaufzeit umfasst viele Schritte: Verwaltungszeit, Beschaffungszeit, Transitzeit, Empfangszeit, TAT (Inspektionszeit bei MRO oder OEM und gegebenenfalls Reparaturdurchlaufzeit), Entlade- und Lagerbewegungszeit, Werkstattbearbeitungszeit usw. Die Modellierung einer durchschnittlichen oder mittleren Vorlaufzeit ist bei weitem unzureichend; die Technologie von Lokad modelliert direkt die gesamte Verteilung der Verzögerungen – das heißt, die Wahrscheinlichkeit, dass eine bestimmte Verzögerung eintritt.
Schließlich gibt es viele sehr spezifische Nachfragemuster, die native statistische Gegenstücke erfordern. Beispielsweise führen Nachrüstungen zu vielfältigen Verzerrungen in den historischen Daten, die berücksichtigt werden müssen. Zudem erschweren Austauschbarkeitsregeln für Teile, für die mehrere Versionen existieren – vollständig austauschbar oder nur einseitig austauschbar – die Situation zusätzlich. Anders als klassische Ansätze, die versuchen würden, alles in Zeitreihen zu pressen, geht unsere Technologie diese Herausforderungen in die Tiefe mit speziell darauf zugeschnittenen statistischen Modellen an.
Die Benutzererfahrung der für den Bestand Verantwortlichen von Grund auf neu überdenken.
Bestandsoptimierung im Einklang mit den Kosten der Luftfahrt
Teile müssen gewartet werden, um AOG-(Aircraft on Ground)-Vorfälle zu vermeiden, aber in dieser Hinsicht sind nicht alle Komponenten gleich. Das Konzept der Wesentlichkeit eines Bauteils mit No-Go-, Go-If- und Go-Varianten wirkt sich erheblich auf die Kosten aus, wenn das notwendige Teil nicht verfügbar ist.
Viele Lösungen optimieren fälschlicherweise einen bestimmten Prognosefehler, der in Prozent ausgedrückt wird (z. B. MAPE, der mittlere absolute prozentuale Fehler) oder in einer anderen willkürlichen Einheit (z. B. MAD, mittlere absolute Abweichung).
Im Gegensatz dazu ist der Kern unserer Technologie darauf ausgelegt, die Kosten von Prognosefehlern in Dollar zu minimieren. Unser Ansatz unterscheidet sich grundlegend von klassischen statistischen Systemen, die einfach für finanzielle Variablen „blind“ sind.
Die Kosten, die durch Überprognosen und Unterprognosen entstehen, sind in der Luft- und Raumfahrt hochgradig asymmetrisch, und dies hat einen tiefgreifenden Einfluss auf unsere Technologie. Teure, reparierbare Teile sind, wie der Name schon sagt, nicht nur kostspielig, sondern bewirken auch einen „Ratschen“-Effekt bei jedem Kauf auf Seiten der Fluggesellschaft. Tatsächlich bedeutet die sehr niedrige Ausschussquote vieler Teile, dass jedes gekaufte Teil jahrelang Teil des Inventars bleibt. Und obwohl der Weiterverkauf von Teilen manchmal möglich ist, erfolgt dies häufig mit einem erheblichen Abschlag gegenüber dem ursprünglichen Preis. Daher sind unsere Prognosen von Natur aus und absichtlich nach oben verzerrt, um diese asymmetrischen Geschäftssituationen präzise abzubilden. Das Ziel ist es nicht, die besten Inventarschätzungen in einem abstrakten statistischen Sinn zu erzielen, sondern solche Schätzungen, die tatsächlich dabei helfen, die mit deren Ungenauigkeiten verbundenen Geschäftskosten zu minimieren.
Darüber hinaus ist es zwar erfreulich, bessere Serviceniveaus zu erreichen, sofern dies nicht mit einer höheren Lagerhaltung einhergeht, aber klassische Lösungen zielen auf eher willkürliche Serviceniveaus ab, die auf naiven Inventarklassifikationen basieren – häufig unter Zuhilfenahme der ABC-Analyse oder ähnlicher Varianten. Im Kern stellt sich unsere statistische Technologie der Herausforderung, aus jedem investierten Dollar im Inventar das Maximum herauszuholen. Zum Beispiel kann es profitabler sein, das Serviceniveau eines anderen Teils von 98 % auf 99 % zu erhöhen – wenn dieses Teil 100 Mal weniger kostet und 100 Mal häufiger angefragt wird – als sich darauf zu konzentrieren, ein Teil, das lediglich über ein Serviceniveau von 90 % verfügt, auf das angestrebte Gesamtserviceniveau von 98 % zu bringen. Die ABC-Analyse vereinfacht die Landschaft des Luft- und Raumfahrt-Inventars und ignoriert dabei zahlreiche Dimensionen wie Stückkosten, Lieferverzug, Wesentlichkeit, AOG-Einkaufsaufschlag, ATA-Kapitel, potenzielle Veralterung usw.
Statt Zahlen zu liefern, die „genau falsch“ sind, strebt Lokad danach, Zahlen zu liefern, die „annähernd wahr“ sind. Die Berücksichtigung aller finanziellen und operativen Rahmenbedingungen direkt in die Prognosemodelle hat sich als eine sehr herausfordernde Aufgabe erwiesen, dennoch haben wir festgestellt, dass klassische Ansätze, die diesen Faktoren „blind“ gegenüberstehen, sehr schlechte Ergebnisse liefern.
Die Beziehung zum Kunden von Grund auf neu denken, um den erwarteten ROI zu liefern.
Big Data-Ansatz für die Luft- und Raumfahrt
Unsere Technologie basiert auf dem Prinzip, so viele Daten wie möglich zu nutzen, solange diese verfügbar sind und natürlich, solange sie tatsächlich für die jeweilige Herausforderung der Inventaroptimierung relevant sind. Diese Sichtweise unterscheidet sich von den klassischeren Ansätzen, die „harte“ Abhängigkeiten von spezifischen Daten haben. Sollte aus irgendeinem Grund eine bestimmte Menge an Daten nicht zur Verfügung stehen, gibt es einfach keine Alternative, um mit dieser Situation umzugehen – idealerweise sollte die Qualität der Prognosen dann so reibungslos wie möglich abnehmen.
Durch die Nutzung weiterer Dimensionen im Vergleich zu klassischen Modellen der Inventaroptimierung liefert Lokad Ergebnisse, die näher an den unternehmensspezifischen Realitäten ausgerichtet sind.
Es gibt eine Fülle an Daten, die Lokad für die Inventaroptimierung nutzen kann. Unter den häufigsten Datenquellen finden sich unter anderem die Historie von Teilekäufen, Teileanforderungen, Komponentenänderungen, Reparaturen, Ausschuss sowie Teile-Rücksendungen.
Zusätzlich wird typischerweise auch die Beschreibung der Flotte mit ihrer historischen Zusammensetzung sowie allen relevanten Flugstunden und Flugzyklen herangezogen. Schließlich sind auch Daten, die sich direkt auf Teile (oder Verbrauchsmaterialien) beziehen – mit Eigenschaften wie Wesentlichkeit, ATA-Kapitel, Kritikalität, Massigkeit, Gefährlichkeit – für die Inventaroptimierung von Bedeutung.
Zusätzlich stellen die Kosten für den Kauf der Teile – sei es in großen Mengen zu niedrigeren Preisen oder im Falle eines AOG-Problems zu deutlich höheren Preisen – einen der Schlüsselfaktoren zur Verbesserung der „finanziellen“ Genauigkeit der Prognosemodelle dar.
Selbst etwas, das auf den ersten Blick so einfach erscheint wie der Zustand des Inventars, erfordert eine relativ vielfältige Datenbasis. Tatsächlich umfasst der Lagerbestand nicht nur die verfügbaren Bestände und offene Bestellungen, sondern auch zukünftige Reparaturrückgaben, Rücksendungen einsatzfähiger Teile, Leihgaben an andere Fluggesellschaften und verliehene Teile an andere Fluggesellschaften.
Durch die Nutzung weiterer Dimensionen im Vergleich zu klassischen Modellen der Inventaroptimierung liefert Lokad Ergebnisse, die enger an der unternehmensspezifischen Realität ausgerichtet sind.
Daten Dritter, wie beispielsweise MTBUR-Werte (mean time between unscheduled removal), wie sie von OEMs bereitgestellt werden, können ebenfalls genutzt werden. Allerdings zieht es unsere Technologie vor, anstatt sich zu 100 % auf eine einzige Datenquelle zu verlassen, alle verfügbaren Daten optimal auszuschöpfen.
Wenn eine Komponente mehr als 100 Mal ausgetauscht wurde, ist der auf historischen Daten basierende geschätzte MTBUR mit ziemlicher Sicherheit genauer als die OEM-Schätzung. Andererseits ist für eine Komponente, die sehr selten gewechselt wird, die OEM-Schätzung die einzige relevante Information. Die Technologie von Lokad nutzt die bestmögliche Mischung aus Informationen, um die finanziellen Kosten, die mit Unsicherheiten verbunden sind, zu minimieren.
"Lokad hat die richtigen Werkzeuge und die notwendige Unterstützung bereitgestellt, um unseren supply chain Planungsprozess zu verbessern und die Unsicherheit durch die Integration eines probabilistischen Ansatzes zu reduzieren. Lokad hat herausragende Arbeit geleistet, um uns dabei zu unterstützen, unsere Nachfrageprognosen zu optimieren und sehr anspruchsvolle Fill-Rate-Ziele bei reduziertem Risiko zu erreichen."
Rob Cords,
President bei MRO Holdings
