BESTANDSPROGNOSE FÜR DIE LUFTFAHRT
Flugzeuge erfordern ein breites Spektrum an Teilen, von teuren reparierbaren Teilen bis hin zu kostengünstigen schnell beweglichen Verbrauchsmaterialien. Abgesehen davon, dass bestimmte Teile sehr teuer sind, kann das Fehlen des erforderlichen Teils auch zu teuren AOG (Flugzeug am Boden) -Vorfällen führen. Lokad bietet eine statistische Softwarelösung, die durch die Nachfrageprognose für Fluggesellschaften, MRO (Wartung, Reparatur und Überholung) und OEM (Original Equipment Manufacturers) eine umfassende Bestandsoptimierung ermöglicht.
Air France Industries ist der MRO-Arm von AIR FRANCE KLM mit über 200 Kunden - international, regional, Frachtfluggesellschaften usw.
Lokad bringt ein neues Tool auf den Markt, das sowohl leistungsstark als auch innovativ ist. Aber darüber hinaus hat Lokad Air France Industries sein Fachwissen in der Bestandsoptimierung und im Supply Chain Management zur Verfügung gestellt und somit nicht nur eine ergänzende IT-Lösung, sondern auch eine echte Beratungsexpertise, auf die sich unsere Teams verlassen können.
Charles Segondat, Leiter des Bestandsmanagements, Air France Industries
"Das gesamte Smart Planning-Projektteam bei Airbus Atlantic ist zutiefst erfreut über den erfolgreichen Abschluss der ersten Phase unserer fortschrittlichen Planungsinitiative. Dank des unerschütterlichen Engagements, des rigorosen Ansatzes und der hochleistungsfähigen Zusammenarbeit mit den Teams haben wir grünes Licht für die nächsten Schritte erhalten und freuen uns darauf, diese Reise gemeinsam fortzusetzen."
Julien Fournat
Projektmanager Industrie 4.0 Airbus Atlantic
Spairliners ist ein weltweit führender Anbieter von Ersatzteilen, Ausrüstung und Wartung für die Flotten von Airbus A380 und Embraer Ejet.
Wir haben uns nach einer gründlichen Analyse der auf dem Markt verfügbaren Bestandsoptimierungslösungen für unsere MRO-Aktivitäten (Wartung, Reparatur und Überholung) für Lokad entschieden. Der partnerschaftliche Ansatz von Lokad, ihre Reaktionsfähigkeit, Anpassungsfähigkeit und insbesondere die Leistung ihrer Lösung haben uns dazu veranlasst, ihnen die Bestandsoptimierung unserer Flugzeugersatzteile für unsere Kunden weltweit anzuvertrauen. Lokad hat es geschafft, den Erwartungen und der Komplexität unserer Branche gerecht zu werden, dank ihres originellen und intelligenten Ansatzes für unsere Bedürfnisse.
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 Luftfahrt.
Klassische Ansätze sind für die Luft- und Raumfahrt nicht ausreichend
Als Faustregel gilt, dass klassische Bestandsoptimierungsansätze schlecht abschneiden, wenn Ersatzteile im Spiel sind. Darüber hinaus zeigt die Erfahrung von Lokad in der Luft- und Raumfahrtindustrie, dass die Situation in dieser speziellen Branche tatsächlich noch viel schlimmer ist.
Die hohen Kosten bestimmter Teile, lange Vorlaufzeiten, seltene Ausfälle und sehr hohe Kosten bei Lagerbestandsausfällen verschärfen nur alle Schwächen der klassischen Bestandsoptimierung.
Insbesondere Zeitreihenprognosen, die gegen Metriken wie MAD (mittlere absolute Abweichung) oder MAPE (mittlere absolute prozentuale Abweichung) optimiert sind, spiegeln die stark asymmetrischen Kosten zwischen Überprognosen und Unterprognosen in der Luft- und Raumfahrt 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 die Nachfragemuster tatsächlich keines dieser Modelle widerspiegeln. Ebenso versagt die ABC-Analyse, da jede Klassifizierung, die alle Teile in eine Handvoll Bestandskategorien sortiert, nicht in der Lage ist, die vielen verschiedenen Dimensionen zu erfassen, die Teile oder Verbrauchsmaterialien für moderne Flugzeuge definieren.
Darüber hinaus haben wir festgestellt, dass klassische Ansätze auch zu stark auf eine Vielzahl manueller Korrekturen angewiesen sind. Dies führt häufig dazu, dass der in die Bestandsoptimierung investierte Arbeitsaufwand nicht genutzt wird, sondern lediglich von IT-Systemen aufgezehrt wird, um mit dem täglichen Betrieb Schritt zu halten. Einige Software-Designmuster, wie z.B. “Alerts”, verschlimmern die Situation oft noch, indem sie Teams auf tägliche oberflächliche Lösungen fokussieren, anstatt sie auf die eigentlichen Ursachen zu konzentrieren, um dauerhafte Lösungen zu liefern. Bei Fragen kontaktieren Sie uns bitte unter contact@lokad.com
Eine Neubetrachtung der Mathematik, die Fluggesellschaften benötigen, um ihren Bestand vorherzusagen.
Nachfragemuster in der Luft- und Raumfahrt erfordern nicht-klassische Prognosen
Lokads analytische Technologie wurde mit den Treibern der Luft- und Raumfahrt als Kern entwickelt. Anstatt Prognose- und Bestandsmodelle zu recyceln, die für andere Branchen entwickelt wurden, hat Lokad alternative statistische Ansätze geschaffen, bei denen die Besonderheiten der Luft- und Raumfahrtindustrie von vornherein integriert sind.
Lokads Prognosemodelle spiegeln all diese flottengetriebenen Faktoren wider, nicht nur als bloße korrigierende lineare Koeffizienten auf der Grundlage von Zeitreihen, sondern als Variablen, die die Nachfrage selbst grundlegend erklären.
Die Nachfrage wird zunächst durch die Notwendigkeit bestimmt, eine Flugzeugflotte zu bedienen. Diese Flotte kann wachsen oder schrumpfen. Die Mischung aus Flugstunden und Flugzyklen ändert sich ebenfalls im Laufe der Zeit. Einige Wartungsarbeiten sind geplant, andere sind ungeplant. Lokads Prognosemodelle spiegeln all diese flottengetriebenen Faktoren wider, nicht nur als bloße korrigierende lineare Koeffizienten auf der Grundlage von Zeitreihen, sondern als Variablen, die die Nachfrage selbst grundlegend erklären. Außerdem kommt es nicht so sehr auf die “durchschnittliche” Nachfrage nach Teilen an, sondern vielmehr auf die Spitzen, d.h. die höchsten Nachfragepunkte, die sich am stärksten auf die Servicelevels auswirken. Klassische Ansätze, die auf Normalverteilungen oder Poisson-Verteilungen beruhen, führen zu systematischen Verzerrungen bei allen Schätzungen.
Lokads Technologie basiert auf fortgeschrittener Quantil-Prognoseanalyse der Nachfrage. Der Quantil-Blickwinkel ist entscheidend, um zukünftige Nachfrage-Spitzen und ihre entsprechenden Wahrscheinlichkeiten genau vorherzusagen.
Darüber hinaus ist nicht nur die Nachfrage unsicher, sondern auch die Vorlaufzeiten. Insbesondere bei hochwertigen reparierbaren Teilen handelt es sich nicht nur um eine Vorlaufzeit, sondern um einen gesamten Kreislauf, der von der Komponentenänderung bis zur erneuten Verfügbarkeit des reparierten Teils reicht.
Die vollständige Vorlaufzeit umfasst viele Schritte: administrative Zeit, Beschaffungszeit, Transitzeit, Empfangszeit, TAT (Inspektionszeit beim MRO oder OEM und Reparaturdurchlaufzeit, falls zutreffend), Entlade- und Lagerbewegungszeit, Werkstattbearbeitungszeit usw. Die Modellierung einer durchschnittlichen oder medianen Vorlaufzeit ist bei weitem unzureichend; Lokads Technologie modelliert direkt die gesamte Verteilung von Verzögerungen - das heißt, die Wahrscheinlichkeit, dass eine bestimmte Verzögerung auftritt.
Schließlich gibt es viele hochspezifische Muster in der beobachteten Nachfrage, die native statistische Entsprechungen erfordern. Zum Beispiel führen Nachrüstungen zu mehreren Verzerrungen in der Geschichte, die berücksichtigt werden müssen. Darüber hinaus erschweren Austauschregeln für Teile, bei denen mehrere Versionen nebeneinander existieren, vollständig austauschbar oder nur einseitig austauschbar sind, das Bild weiter. Im Gegensatz zu klassischen Ansätzen, die versuchen würden, alles in Zeitreihen zu quetschen, behandelt unsere Technologie diese Probleme eingehend mit statistischen Modellen, die speziell auf diese Herausforderungen zugeschnitten sind.
Das Benutzererlebnis der für das Inventar verantwortlichen Praktiker von Grund auf neu überdenken.
Inventaroptimierung im Einklang mit den Kosten der Luft- und Raumfahrt
Teile müssen gewartet werden, um Zwischenfälle mit AOG (Flugzeug am Boden) zu vermeiden, aber in dieser Hinsicht sind nicht alle Teile gleich. Das Konzept der Wesentlichkeit eines Teils mit No-Go, Go-If und Go-Varianten wirkt sich tiefgreifend auf die Kosten aus, die entstehen, wenn das erforderliche Teil nicht verfügbar ist.
Viele Lösungen optimieren fälschlicherweise einen gegebenen Prognosefehler, der in Prozent (z. B. MAPE, der mittlere absolute Prozentsatz) oder mit einer anderen willkürlichen Einheit (z. B. MAD, mittlere absolute Abweichung) ausgedrückt wird.
Im Gegensatz dazu ist der Kern unserer Technologie darauf ausgelegt, die Kosten von Prognosefehlern in Dollar zu minimieren. Unser Ansatz unterscheidet sich sehr von klassischen statistischen Systemen, die einfach “blind” gegenüber finanziellen Variablen sind.
Die mit Überprognosen und Unterprognosen verbundenen Kosten sind in der Luft- und Raumfahrt stark asymmetrisch, und dies hat einen tiefgreifenden Einfluss auf unsere Technologie. Hochwertige reparierbare Teile sind nicht nur, wie der Name vermuten lässt, teuer, sondern sie haben auch einen “Ratscheneffekt” auf jeden Kauf auf der Fluggesellschaftsseite. Tatsächlich bedeutet der sehr niedrige Ausschussanteil bei vielen Teilen, dass jedes gekaufte Teil jahrelang im Inventar verbleibt. Und während der Wiederverkauf von Teilen manchmal möglich ist, geht dies häufig mit einem erheblichen Rabatt gegenüber dem ursprünglichen Preis einher. Daher sind unsere Prognosen von Natur aus und gezielt stark voreingenommen, um diese asymmetrischen Geschäftssituationen genau widerzuspiegeln. Das Ziel ist nicht, die besten Bestandsschätzungen in einem abstrakten statistischen Sinne zu haben, sondern die Schätzungen, die wirklich dazu beitragen, die Geschäftskosten im Zusammenhang mit den Ungenauigkeiten der Schätzungen selbst zu minimieren.
Darüber hinaus zielen klassische Lösungen, die bessere Servicelevel erreichen, zwar sicherlich darauf ab, ohne zusätzlichen Bestand zu halten, eher auf willkürliche Servicelevel ab, die auf naiven Bestandsklassifizierungen basieren, die häufig auf ABC-Analysen oder ähnlichen Varianten basieren. Im Kern nimmt unsere statistische Technologie die Herausforderung an, das Beste aus jedem einzelnen investierten Dollar in Beständen zu machen. Zum Beispiel, selbst wenn ein Teil nur einen Servicelevel von 90% hat, während das Unternehmen einen Gesamt-Servicelevel von 98% anstrebt, könnte es profitabler sein, den Servicelevel eines anderen Teils von 98% auf 99% zu erhöhen, wenn dieser Teil 100-mal weniger kostet und 100-mal häufiger angefordert wird als der vorherige. Die ABC-Analyse vereinfacht die Luft- und Raumfahrt-Bestandslandschaft, in der viele verschiedene Dimensionen berücksichtigt werden müssen: Stückkosten, Lieferverzögerung, Wesentlichkeit, AOG-Kaufaufwand, ATA-Kapitel, potenzielle Veraltetheit usw.
Anstatt Zahlen zu liefern, die “genau falsch” sind, strebt Lokad danach, Zahlen zu liefern, die “ungefähr wahr” sind. Die Berücksichtigung aller finanziellen und operativen Einschränkungen direkt in die Prognosemodelle erwies sich als sehr anspruchsvolle Aufgabe, doch wir haben festgestellt, dass sich auf klassische Ansätze, die “blind” für diese Faktoren sind, sehr schlechte Ergebnisse erzielen lassen.
Das Überdenken der Beziehung zum Kunden, um den erwarteten ROI zu liefern.
Big Data-Ansatz für die Luft- und Raumfahrt
Unsere Technologie basiert auf dem Prinzip, dass wir so viele Daten wie möglich nutzen, solange Daten verfügbar sind und natürlich relevant für die jeweilige Herausforderung der Bestandsoptimierung sind. Diese Sichtweise unterscheidet sich von den klassischeren Ansätzen, die “harte” Abhängigkeiten von bestimmten Daten haben. Wenn aus irgendeinem Grund eine bestimmte Menge an Daten nicht verfügbar ist, gibt es einfach keine Alternative, um mit dieser Situation umzugehen, und idealerweise sollte die Qualität der Prognose so sanft wie möglich abnehmen, wenn Daten fehlen.
Indem Lokad im Vergleich zu klassischen Bestandsoptimierungsmodellen mehr Dimensionen nutzt, liefert es Ergebnisse, die enger an die geschäftsspezifischen Realitäten angepasst sind.
Es gibt eine Vielzahl von Daten, die Lokad für die Bestandsoptimierung nutzen kann. Zu den häufigsten gehören der Verlauf von Teilekäufen, Teilanfragen, Komponentenwechsel, Reparaturen, Ausschuss und Teilerückgaben, um nur einige zu nennen.
Dann wird in der Regel auch die Beschreibung der Flotte mit ihrer historischen Zusammensetzung und allen relevanten Flugstunden und Flugzyklen genutzt. Schließlich sind auch Daten zu Teilen (oder Verbrauchsmaterialien) selbst mit ihren Eigenschaften wie Wesentlichkeit, ATA-Kapitel, Kritikalität, Sperrigkeit, Gefährlichkeit für die Bestandsoptimierung wichtig.
Darüber hinaus tragen die Kosten für den Kauf der Teile, entweder in großen Mengen zu niedrigeren Preisen oder bei einem AOG-Problem zu einem deutlich höheren Preis, auch zu den Schlüsselkomponenten bei, um die “finanzielle” Genauigkeit der Prognosemodelle zu verbessern.
Sogar etwas scheinbar Einfaches wie der Bestandszustand erfordert eine relativ vielfältige Datenmenge. Tatsächlich umfasst der Bestand nicht nur den Lagerbestand und die fällige Bestellung, sondern auch die zukünftigen Reparaturrückgaben, die Rückgabe von betriebsfähigen Teilen, Darlehen an andere Fluggesellschaften und Teile, die an andere Fluggesellschaften verliehen wurden. Indem Lokad im Vergleich zu klassischen Bestandsoptimierungsmodellen mehr Dimensionen nutzt, liefert es Ergebnisse, die enger an die geschäftsspezifische Realität angepasst sind.
Drittanbieterdaten wie MTBUR-Werte (mittlere Zeit zwischen ungeplanten Entfernungen), die von OEMs bereitgestellt werden, können ebenfalls genutzt werden. Unsere Technologie bevorzugt jedoch nicht zu 100% auf eine einzige Datenquelle zu vertrauen, sondern macht das Beste aus allen verfügbaren Daten.
Wenn ein Bauteil mehr als 100 Mal gewechselt wurde, ist die geschätzte MTBUR basierend auf historischen Daten mit hoher Wahrscheinlichkeit genauer als die OEM-Schätzung. Andererseits ist für ein Bauteil, das sehr selten gewechselt wird, die OEM-Schätzung die einzige relevante Information. Die Technologie von Lokad nutzt die beste Mischung an Informationen, um die mit Unsicherheit verbundenen finanziellen Kosten zu minimieren.
"Lokad hat die richtigen Werkzeuge und Unterstützung bereitgestellt, um unseren Supply-Chain-Planungsprozess zu verbessern und die Unsicherheit durch die Integration eines probabilistischen Ansatzes zu reduzieren. Lokad hat einen herausragenden Job gemacht, uns dabei zu helfen, unsere Nachfrageprognose zu optimieren, um sehr anspruchsvolle Füllratenziele bei verringertem Risiko zu erreichen."
Rob Cords,
Präsident bei MRO Holdings
