00:00:00 Einführung in die Komplexitäten der Terminplanung
00:02:30 Interdependenz und Herausforderungen des Servicelevels in der Luft- und Raumfahrt
00:06:14 Diskussion über Stückliste und Ressourcen
00:13:15 Tägliche Herausforderungen der Terminplanung und menschliche Einschränkungen
00:20:45 Einführung von Algorithmen für eine effiziente Terminplanung
00:28:30 Notfallmaßnahmen und AOG-Preisgestaltung in der Luft- und Raumfahrt
00:36:02 Mathematische Perspektive auf die Auswirkungen der Terminplanung
00:43:47 Komplexität und Einschränkungen in der Aufgabenplanung
00:50:17 Nutzung der Rechenleistung zur Optimierung der Terminplanung
00:57:39 Kritik an den Einschränkungen von FIFO im MRO
01:04:15 Entscheidungsfindung und Automatisierung in der supply chain
Zusammenfassung
In einem kürzlichen Interview diskutierten Conor Doherty, Kommunikationsdirektor bei Lokad, und Simon Schalit, COO, Lokads Durchbruch in der Optimierung der Terminplanung in der Luft- und Raumfahrt, insbesondere in der Flugzeugherstellung und bei MRO-Abläufen. Sie betonten die Komplexität, zahlreiche voneinander abhängige Teile, Fertigkeiten und Ausstattungen zu koordinieren, was traditionelle Methoden nur schwer bewältigen können. Lokads Ansatz wechselt von einer Stückliste (BOM) zu einem Bill of Resources (BOR), da alle notwendigen Ressourcen und ihre Variabilität berücksichtigt werden. Durch den Einsatz computergestützter Algorithmen kann Lokad schnell praktikable Lösungen erarbeiten, wodurch finanzielle Risiken und Ausfallzeiten minimiert werden. Diese Integration von Automatisierung und menschlichen strategischen Einsichten ist entscheidend für eine effiziente und effektive Terminplanung in komplexen Umgebungen.
Erweiterte Zusammenfassung
In einem kürzlichen Interview bei Lokad setzte sich Conor Doherty, Kommunikationsdirektor, mit Simon Schalit, COO und Head of Supply Chain Science, zusammen, um die Komplexitäten der Terminplanungsoptimierung, insbesondere im Luft- und Raumfahrtsektor, zu erörtern. Das Gespräch hob einen bedeutenden Durchbruch hervor, den Lokad in diesem Bereich erzielt hat, und der weitreichende Auswirkungen auf die Flugzeugherstellung sowie Instandhaltungs-, Reparatur- und Überholungsprozesse (MRO) hat.
Conor begann, die Rahmenbedingungen zu skizzieren, und hob dabei die komplexe Natur der Terminplanung in den Bereichen Fertigung und Reparatur hervor. Er wies darauf hin, dass die Verwaltung eines riesigen Netzwerks von Teilen, Werkzeugen und Personal, die sich unvorhersehbar ändern kann, eine enorme Herausforderung darstellt. Simon Schalit erläuterte diese Komplexität anhand des Beispiels der Aeronautik, wo die Herstellung oder Reparatur eines derart komplexen Systems wie einem Flugzeugtriebwerk die Koordination zahlreicher Teile, Fertigkeiten und Ausrüstungen erfordert. Er betonte, dass im Gegensatz zu anderen supply chain-Segmenten, in denen Entscheidungen oft unabhängig getroffen werden können, in MRO und Fertigung – insbesondere in der Aeronautik – jedes Element miteinander verknüpft ist. Fehlt auch nur ein einziges Teil von hundert, kann der gesamte Prozess zum Stillstand kommen, wodurch die übrigen 99 Teile unbrauchbar werden.
Simon erklärte, dass diese Interdependenz einen Wechsel von der traditionellen Perspektive der Stückliste (BOM) zu einem umfassenderen Bill of Resources (BOR) erfordert. Während eine Stückliste die für eine Aufgabe benötigten Teile auflistet, umfasst ein BOR alle notwendigen Ressourcen – Teile, Fertigkeiten und Ausrüstungen. Diese ganzheitliche Sichtweise ist entscheidend, da sie die Verfügbarkeit und Variabilität jeder Ressource berücksichtigt. Zum Beispiel können Teile Schwankungen in der Lieferzeit unterliegen, Fertigkeiten hängen von der Verfügbarkeit des Personals ab und Ausrüstungen könnten in Benutzung oder in Reparatur sein.
Conor und Simon erörterten die praktischen Konsequenzen dieses Ansatzes. In einer traditionellen MRO-Umgebung beinhaltet die Tagesplanung oft das manuelle Anpassen von Zeitplänen basierend auf der Verfügbarkeit von Teilen und Personal. Diese Methode, obwohl weit verbreitet, ist ineffizient und fehleranfällig, da der menschliche Geist an seine Grenzen stößt, wenn es darum geht, komplexe, voneinander abhängige Variablen zu bewältigen. Simon hob hervor, dass selbst geringe Änderungen im Zeitplan kaskadierende, unvorhersehbare Konsequenzen haben können, was es schwierig macht, einen optimalen Plan zu erreichen.
Das Gespräch wandte sich dann der Rolle computergestützter Algorithmen zur Bewältigung dieser Herausforderungen zu. Simon erklärte, dass Lokads Algorithmus schnell eine hinreichend gute Lösung generieren kann, indem der aktuelle Zustand aller Ressourcen berücksichtigt wird. Diese Fähigkeit ist in der Aeronautikbranche von entscheidender Bedeutung, da jede Minute Ausfallzeit kostspielig ist. Die Stärke des Algorithmus liegt in seiner Fähigkeit, verschiedene ‘Was-wäre-wenn’-Szenarien zu simulieren, wodurch Unternehmen die finanziellen Auswirkungen unterschiedlicher Entscheidungen und Notfallmaßnahmen besser verstehen können.
Conor betonte, dass das Ziel nicht darin besteht, eine perfekte Lösung zu finden, sondern eine praktische, die das finanzielle Risiko minimiert und den aktuellen Zustand der Ressourcen widerspiegelt. Simon stimmte zu und bemerkte, dass die Fähigkeit, schnell eine neue Abfolge von Ereignissen basierend auf den verfügbaren Ressourcen zu generieren, entscheidend ist, um finanzielle Auswirkungen zu minimieren.
Die Diskussion berührte auch die Grenzen traditioneller Heuristiken wie FIFO (First In, First Out). Obwohl FIFO einfach und schnell ist, berücksichtigt es nicht die unterschiedlichen finanziellen und strategischen Bedeutungen verschiedener Aufgaben. Simon argumentierte, dass ein differenzierterer Ansatz, der den spezifischen Kontext und die Einschränkungen jeder Aufgabe berücksichtigt, für eine effektive Terminplanung notwendig ist.
Abschließend unterstrichen Simon und Conor die Bedeutung der Integration computergestützter Werkzeuge mit menschlichen strategischen Einsichten. Während Menschen im strategischen Planen hervorragend sind, sind sie nicht in der Lage, die detaillierten Komplexitäten der Terminplanung in groß angelegten Operationen zu bewältigen. Durch den Einsatz von Algorithmen können Unternehmen effizientere und finanziell fundierte Terminplanungsentscheidungen treffen.
Simon schloss mit der Feststellung, dass die Zukunft der supply chain Entscheidungsfindung in der Automatisierung liegt, insbesondere in komplexen Umgebungen wie der Luft- und Raumfahrt. Er betonte, dass Lokads Ansatz die benötigte Rechenleistung für detaillierte Entscheidungsfindungen mit der strategischen Übersicht durch menschliche Experten verbindet und somit eine robuste Lösung für die Herausforderungen der Terminplanungsoptimierung in der Fertigungs- und Reparaturbranche bietet.
Vollständiges Transkript
Conor Doherty: Willkommen bei Lokad. Terminplanung ist eines der kompliziertesten Konzepte in den Bereichen Fertigung und Reparatur. Das liegt daran, dass man ein riesiges Netzwerk von Teilen, Werkzeugen und Menschen verwalten muss, und dieses Netzwerk kann sich augenblicklich ändern.
Der heutige Gast, Simon Schalit, ist COO und Head of Supply Chain Science bei Lokad, und er kam ins Studio, um mit mir zu besprechen, wie sein Team dieses Problem angegangen ist. Wir sprachen hauptsächlich über Terminplanung in der Luft- und Raumfahrt, aber alles, worüber wir heute diskutierten, gilt ebenso für jede andere Fertigungsindustrie. Wie immer, wenn Ihnen gefällt, was Sie hören, liken Sie dieses Video, abonnieren Sie den YouTube-Kanal und folgen Sie uns auf LinkedIn. Damit präsentiere ich Ihnen das heutige Gespräch mit Simon Schalit.
Das heutige Thema war die Optimierung der Terminplanung und die umfangreiche Arbeit, die das supply chain science Team geleistet hat, um in diesem Bereich einen Durchbruch zu erzielen. Bevor wir jedoch ins Detail gehen, möchten wir aus Ihrer eigenen Perspektive – und Sie können die Luft- und Raumfahrt als Beispiel heranziehen, um es konkret zu machen – wissen: Was genau ist das Problem der Terminplanung, das unser Ingenieurteam, unser Team der Supply Chain Scientist, zu lösen versucht? Was ist das Problem?
Simon Schalit: Also nehmen wir das Beispiel der Aeronautik, MRO oder Fertigung. Wenn Sie versuchen, etwas im Ausmaß eines Flugzeugs oder eines großen Teils eines Flugzeugs, etwa ein Triebwerk, herzustellen oder zu reparieren, stehen Sie vor einer unglaublich komplexen Herausforderung. Komplex, natürlich aus ingenieurwissenschaftlicher Sicht, aber auch einfach aufgrund der schieren Anzahl von Teilen, Fertigkeiten und Ausrüstungen, die Sie zusammenführen müssen, um die Ihnen zugewiesene Aufgabe zu erfüllen, sei es in der Fertigung oder bei der Reparatur.
In den meisten Bereichen der supply chain kann man argumentieren, dass Entscheidungen als unabhängig betrachtet werden können, ohne dass diese Denkweise allzu schädlich ist. Wenn ich beispielsweise entscheide, Artikel A zu erwerben, und Artikel A nicht auf Lager ist, werde ich dennoch in der Lage sein, Artikel B oder Artikel C zu verkaufen. Es mag Konsequenzen geben, aber im Allgemeinen ist das so. Ein unabhängiges Denken ist daher nicht allzu schädlich.
Bei MRO oder in der Fertigung, besonders in der Aeronautik, ist das jedoch völlig falsch. Wenn Sie zum Beispiel ein Triebwerk reparieren wollen und dafür 100 Teile benötigen, bringt es nichts, 99 dieser Teile zu haben und ein Teil zu vermissen, als hätten Sie überhaupt keine Teile.
Conor Doherty: Was meinst du?
Simon Schalit: Denn der Motor – bzw. das Flugzeug – kann immer noch nicht fliegen, selbst wenn nur ein Teil fehlt. Selbst wenn Sie 99 davon haben, kann das Flugzeug nicht fliegen. Sie stehen also vor dem Problem, dass Sie nicht versuchen sollten, einzelne Teile zu beschaffen; Sie müssen alle Teile und in der Tat alle Ressourcen zur richtigen Zeit am richtigen Ort verfügbar haben. Andernfalls können Sie einfach nichts bewirken.
Und tatsächlich ändert das das Problem völlig. Denn selbst wenn man sagt: „Okay, ich habe einen 99% Servicelevel“, was die meisten Menschen in den meisten Unternehmen als einen hohen Servicelevel ansehen würden – betrachtet man 99% Servicelevel isoliert, erscheint das zwar hoch. Aber wenn Sie sagen: „Okay, ich benötige 100 Teile und für jedes dieser 100 Teile gilt ein 99%iger Servicelevel,“ das heißt, eine 99%ige Wahrscheinlichkeit, dass jedes Teil im gewünschten Moment verfügbar ist – dann wäre, wenn man diese als unabhängig betrachtet, der kombinierte Servicelevel in diesem einfachen Fall tatsächlich extrem niedrig. Er läge unter 40%.
Das bedeutet, dass selbst bei einem 99%igen Servicelevel, wenn 100 verschiedene Teile oder Ressourcen benötigt werden, die Wahrscheinlichkeit, dass Sie Ihre Reparatur oder Ihren Produktionsschritt nicht durchführen können, keineswegs eine Ausnahme, sondern zur Regel wird. Es besteht eine über 50%ige Wahrscheinlichkeit, dass es tatsächlich eintritt. Dadurch befinden Sie sich in einer Welt, die sich erheblich von der üblichen Entscheidungsfindung in der supply chain unterscheidet. In dieser Welt sind Probleme selbst bei sehr hohen Servicelevels die Norm und nicht die Ausnahme. Daher müssen Sie Ihre supply chains und den Entscheidungsprozess innerhalb der supply chain so gestalten, dass sie resilient gegenüber solchen Herausforderungen sind. Das ist also ein völlig anderes Thema.
Conor Doherty: Okay, danke. Und Sie haben einige Begriffe erwähnt, ich möchte diese ein wenig auseinanderhalten, denn Sie sprachen zuerst von Teilen und dann von Ressourcen. Ich nehme an, Sie haben diese Begriffe nicht synonym verwendet, sondern unterschieden. Können Sie daher etwas mehr Klarheit schaffen? Wenn Sie von Ressourcen sprechen, meinen Sie nicht rein physische Teile. Natürlich sind beim Reparieren eines Triebwerks oder einer APU physische Teile im Spiel, aber wenn Sie von Ressourcen sprechen, worauf beziehen Sie sich?
Simon Schalit: Nun, wenn es um die Reparatur oder Fertigung von etwas geht, sprechen die Leute vom Konzept der Stückliste. Eine Stückliste ist im Grunde die Auflistung der Teile, die Sie benötigen, um etwas fertigzustellen – ein Flugzeug, ein Triebwerk, was auch immer. Das Problem ist, dass dies nur einen Teil des Problems darstellt. Sie werden weitere Arten von Ressourcen benötigen, um die Aufgabe tatsächlich ausführen zu können.
Hauptsächlich beziehen sich diese Ressourcen auf Fertigkeiten, die von Menschen kommen, sowie auf Ausrüstungen, die zwar nicht verbraucht, aber genutzt werden. Diese können zudem ziemlich kostspielig sein, und Sie haben nicht unbegrenzt viele davon, wie zum Beispiel ein Prüfstand in der Aeronautik. Daher reicht es nicht aus, alle Teile verfügbar zu haben. Sie müssen sicherstellen, dass Sie die Ausrüstung – Prüfstand, Kran, was auch immer – sowie das Personal besitzen, um die Teile sicher und technisch korrekt zusammenzufügen.
Wenn wir also über das Problem der Stücklisten und deren Verwendung sprechen, ziehen wir es vor, von einem Konzept des Bill of Resources zu sprechen, welches genauer ist, da es das Problem in seiner Gesamtheit umfasst und nicht nur die Materialien.
Conor Doherty: Okay, da Sie den Begriff Stückliste wieder eingeführt haben – mit dem vermutlich jeder Zuschauer vertraut ist – und die Perspektive des Bill of Resources erläutert haben, können Sie diese beiden in konkreten Begriffen gegenüberstellen? Nehmen Sie also eine Entscheidung, skizzieren Sie eine Entscheidung, beispielsweise für ein MRO in Verbindung mit einem Flugzeug, um es einfach zu halten, und erklären Sie, wie sich eine BOM-Perspektive in Echtzeit abspielen würde im Vergleich zu einer ausgefeilteren Bill of Resources-Perspektive.
Simon Schalit: Okay, bitte. Üblicherweise folgt die MRO- oder Fertigungstätigkeit verschiedenen Schritten, die in einer bestimmten Reihenfolge ablaufen müssen. Einige Dinge müssen vorher erledigt werden, andere danach. Jeder Schritt kann jedoch durch einen eigenen Bill of Resources definiert werden, also eine Liste der Teile, die Sie benötigen, um diesen spezifischen Reparaturschritt durchzuführen, eine Liste der Fertigkeiten – nicht des Personals, denn Sie könnten verschiedene Personen mit unterschiedlichen Fähigkeiten haben – der notwendigen Fertigkeiten und eine Liste der Ausrüstung.
Teile werden in der Regel verbraucht, da sie eingebaut werden. Fertigkeiten werden nicht in gleicher Weise verbraucht, da Menschen diese weiterhin besitzen, sondern sie werden aus zeitlicher Perspektive über einen bestimmten Zeitraum in Anspruch genommen. Dasselbe gilt für Ausrüstungen. Alle diese drei Elemente – Teile, Fertigkeiten und Ausrüstungen – bringen ihre eigenen Variabilitäten mit sich.
Variabilitäten bei Teilen beziehen sich in der Regel darauf, ob sie auf Lager sind oder nicht, was eine einfache Art ist, das auszudrücken. Dahinter verbirgt sich das Konzept der Variabilität der Lieferzeit, hauptsächlich, und natürlich auch, ob man die Bestellung zur richtigen Zeit aufgibt oder nicht, aber in der Regel vor allem die Variabilität der Lieferzeit.
Die Variabilität, die mit der Fähigkeit verbunden ist, resultiert daraus, ob die Person anwesend und verfügbar sein wird, aber vor allem anwesend, um die Aufgabe auszuführen. Das bringt alle Variabilitäten mit sich, die grundsätzlich an Menschen geknüpft sind, wie etwa, ob die Person krank ist, ob die Planung korrekt durchgeführt wurde, ob die Person aus rechtlicher Sicht über die erforderliche Kompetenz verfügt etc. Und tatsächlich ist das die Art von Variabilität, die noch schwieriger zu erfassen und zu kontrollieren ist als die Lieferzeit, da man niemanden zwingen kann, nicht krank zu sein. Wenn die Person krank ist, ist sie krank.
Und natürlich gibt es die Verfügbarkeit der Ausrüstung, die wiederum über einen bestimmten Zeitraum hinweg in Anspruch genommen wird, aber natürlich weniger wahrscheinlich krank wird. Das Äquivalent wäre defekt, in Reparatur oder vielleicht immer noch in einem anderen Motor oder Flugzeug, das repariert wird und noch nicht von dieser bestimmten Aufgabe befreit ist. Das sind, würde ich sagen, die drei, und sie alle bringen ihre eigenen Variabilitäten mit sich, und das macht das Problem schwierig.
Conor Doherty: Nun, dazu, um ein konkretes Beispiel zu nennen, können wir erneut vergleichen, wie ein traditionelles MRO aus der Perspektive eines Stücklistenansatzes und dann, sagen wir, vielleicht einer unserer Kunden aus der Perspektive eines Ressourcenplans vorgehen würden. Wir versuchen, zu reparieren, ich denke es ist ein A380. Ich denke, es ist ein A380. Montagmorgen müssen wir Triebwerk A reparieren. Wir kommen herein, und Sie haben eine Stücklistenperspektive. Also nochmals, eine physische deterministische Stückliste. Ich weiß, wie viele Teile ich brauche – 100 Teile, um dieses Triebwerk zu reparieren. Sie kommen Montagmorgen herein, wir haben alle Teile. Simon und Connor fehlen. Zum Beispiel, Simon vermittelt etwas, Connor hat sich beim Heben von etwas Schwerem den Rücken verletzt, sodass wir nicht verfügbar sind.
Also, Sie haben alle Teile, somit haben Sie in diesem Teil der Gleichung Glück. Sie haben alle 100 Teile. Tatsächlich haben Sie auch alle Werkzeuge – vielleicht sind es 20 Werkzeuge, sagen wir mal 20 Werkzeuge. Also haben Sie 100 Teile, die 20 Werkzeuge, aber es fehlt an den kritischen Fähigkeiten. Und nicht einmal alle Fähigkeiten, nur Simon, um ein bestimmtes Teil anzubringen, wofür man eine Zulassung benötigt, und Connor zur Überwachung. Was passiert also dort in Bezug auf Entscheidungen, wenn man eine Ressourcenperspektive hat?
Simon Schalit: Es ist nicht der Besitz der Ressourcenplanung, der den größten Unterschied machen wird. Die Ressourcenplanung ermöglicht es Ihnen, die verschiedenen Unsicherheiten, die in den drei Segmenten, die ich gerade beschrieben habe, existieren, zu kombinieren und zu erkennen, wie wahrscheinlich es ist, dass ein Vorfall wie der von Ihnen beschriebene eintritt. Sie müssen sich so organisieren, dass Sie mit dieser Art von Problem umgehen können.
Aber nehmen wir Ihr Beispiel. Nehmen wir an, wir haben alle Teile, wir haben alle Ausrüstungen, aber die Menschen sind einfach nicht da, was aus vielen Gründen tatsächlich ziemlich häufig vorkommt. Derzeit besteht der Weg, wie die Leute damit umgehen, darin, dass jeden Morgen in der Werkstatt – sagen wir, wir sprechen von einer großen Werkstatt, in der Reparaturen durchgeführt werden – jeden Morgen und vielleicht sogar zweimal täglich die Verantwortlichen der verschiedenen Reparaturlinien zusammenkommen und versuchen, den Tagesplan neu zu erstellen.
Sie werden sehen, was fehlt, ob es Teile oder Arbeitskräfte sind, und sie werden sagen: “Okay, der Plan, den wir für heute hatten, ist hinfällig. Er existiert einfach nicht mehr. Was ist also der minimale Änderungsaufwand, den wir vornehmen können, da wir nur Menschen sind und nicht viel Zeit haben? Was ist der minimale Änderungsaufwand, den wir dem Zeitplan zufügen können, damit er praktikabel ist und nicht zu sehr vom Ziel des Tages abweicht?”
Das Problem ist, dass diese Logik, diese Art von minimalem Aufwand, nicht wirklich gut funktioniert. Das ist es, was die Leute tun, weil ihnen nicht unbedingt etwas anderes zur Verfügung steht, aber es funktioniert aus einem sehr einfachen Grund nicht sehr gut.
Ein wenig den Plan zu ändern, beruht auf der Idee, dass in einer einfachen Situation diese minimalen Änderungen auch minimale Konsequenzen haben, weil es eine gewisse Kontinuität oder Linearität in der Anzahl der Konsequenzen im Vergleich zu den vorgenommenen Änderungen gibt. Es gibt diese Annahme, dass man minimale Änderungen vornimmt, weil es nicht zu komplex ist und man hofft, dass es nicht viele Konsequenzen nach sich zieht.
Das Problem ist, wenn es um Terminplanung geht, sprechen wir davon, potenziell zig, wenn nicht hunderte verschiedener Aktivitäten neu anzuordnen, die jeweils ihre eigenen Einschränkungen und zugehörige Variabilität mit sich bringen. Die Vorstellung, dass es einen Zusammenhang zwischen dem Ausmaß der Veränderung und dem Ausmaß der Auswirkungen gibt, ist leider, sagen wir mal, irgendwie illusionär.
Allerdings ist der menschliche Geist begrenzt, weil er nicht einmal versuchen kann, die allgemeinen Auswirkungen abzuschätzen, sodass er versuchen wird, auf minimale Änderungen zu beschränken, in der Hoffnung, dass diese minimale Auswirkungen haben. Aber eines ist absolut sicher: Selbst wenn Ihr ursprünglicher Plan ein guter Plan war oder sogar nahe an einem optimalen Plan lag, gibt es im Moment der Änderung keine Garantie, dass Ihr neuer Plan auch nur annähernd einem neuen optimalen Plan entspricht. Es ist einfach ein Plan, der zufällig funktioniert.
Conor Doherty: Lassen Sie mich versuchen, das zu wiederholen, und korrigieren Sie mich, falls ich es missverstanden habe, denn es ist ein wirklich interessanter Punkt. Vorhin habe ich erwähnt, dass Simon und Conor abwesend sind und an Triebwerk A arbeiten müssen. Nehmen wir einfach an, Joannis, mit Stift und Papier oder einer Excel-Tabelle, sagt: “Nun gut, Max, unser Ingenieur, der auch unser Kameramann ist, verfügt tatsächlich über die Fähigkeiten, die Simon und Conor haben. Ich werde ihn einfach von dem, was er gerade machen wollte, abziehen. Ja, er kann an Triebwerk A arbeiten. Problem gelöst.” Also, ich verschiebe einfach eine Person, simpel.
Aber ist es möglich, dass dies tatsächlich unverhältnismäßige Konsequenzen nach sich zieht? Denn in der gleichen Zeit, die Max benötigt, um an Triebwerk A zu arbeiten, könnte er Aufgaben 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12 an den Triebwerken B, C, D, E und F erledigen, und diese in Kombination hätten einen größeren finanziellen Ertrag, als nur beispielsweise an Triebwerk A zu arbeiten.
Simon Schalit: Ja, das Beispiel ist absolut korrekt. Was die Leute bedenken müssen, ist, dass diese Aufgaben in einer bestimmten Reihenfolge ausgeführt werden müssen. Wenn also eine Aufgabe nicht erledigt wird, liegt das Problem nicht nur darin, dass diese Aufgabe nicht erledigt wird, sondern dass alles, was Sie geplant hatten und was unter der Voraussetzung stattfinden sollte, dass Aufgabe A erledigt wurde, nicht stattfinden kann.
Wenn Sie also jemanden von einer anderen Aufgabe abziehen und sagen: “Erledige Aufgabe A”, werden Sie in der Lage sein, B, C und D zu erledigen. Aber das Problem ist, dass diese Person eigentlich etwas anderes erledigen sollte, was dann nicht getan wird und zudem kaskadierende Konsequenzen hat. Es entsteht eine Art Schmetterlingseffekt, und es ist für einen Menschen sehr schwierig zu beurteilen, welcher Schmetterlingseffekt finanziell die größten Auswirkungen hat und für welche Option man sich entscheiden sollte. Das ist wirklich schwer, selbst in einer sehr kleinen und wenig komplexen Umgebung. Wenn man das auf den Umfang einer großen MRO-Aktivität überträgt, ist es einfach lächerlich zu denken, man könne etwas nahezu Optimales erreichen.
Conor Doherty: Ich möchte sehr vorsichtig sein, wie wir hier rüberkommen, denn die Botschaft ist nicht, dass die Leute dumm sind. Meiner Auffassung nach, basierend auf meiner Teilnahme an MRO-Konferenzen, handelt es sich um sehr kluge, sehr talentierte Menschen. Es ist einfach unzumutbar, von einem sehr klugen Ingenieur oder einer ganzen Gruppe von sehr klugen Menschen zu erwarten, dass sie mehrmals am Tag, jeden einzelnen Tag, für ein milliardenschweres Luftfahrtunternehmen eine unglaublich komplexe Abfolge von Ereignissen neu strukturieren. Das ist eine unzumutbare Forderung. Ihr Vorschlag besteht nicht darin, das zu tun, sondern etwas anderes?
Simon Schalit: Ja, das stimmt. Es muss betont werden, dass die Menschen das aus gutem Grund getan haben. Erstens, weil es keine Alternative gab, und zweitens, weil sie auf der Annahme beruhten, dass natürlich Probleme auftreten. Es gibt Situationen, in denen Sie alles neu organisieren müssen, aber das wird nicht allzu oft passieren. Für den Rest der supply chain im Allgemeinen, ja, passiert es nicht allzu oft. Aber in diesem speziellen Kontext geschieht es täglich. Genau das ist das Problem. Deshalb werden Menschen überfordert sein, nicht weil sie inkompetent oder dumm sind, sondern einfach weil der Mensch nicht dafür ausgelegt ist, dieses Problem zu bewältigen.
Also, wie wir vorschlagen, dies anders zu handhaben, ist natürlich, eine Maschine, einen Computer, das erledigen zu lassen, also einen Algorithmus. Das ist nichts Neues. Diese Art von Organisationsproblem wird bereits seit einiger Zeit von Computern bewältigt, insbesondere mit dem Anstieg der Rechenleistung in den letzten Jahrzehnten. Das Problem hier ist, dass Sie sich, wie gesagt, in einem unglaublich komplexen Kontext befinden, mit einer sehr komplexen Abfolge von Ereignissen. Jedes Ereignis bringt eine komplexe Ressourcenaufstellung, Abhängigkeiten und Unsicherheiten mit sich.
Traditionelle Ansätze zur Bewältigung dieses Problems funktionieren in der Regel nicht auf zufriedenstellende Weise und, was noch wichtiger ist, sie sind nicht schnell genug. Genau da liegt das Problem. Wenn Sie einen Computer bitten, ein solches Problem zu lösen, und einen ausreichend guten Algorithmus entwickeln, stehen die Chancen gut, dass Sie eine gute Lösung finden, wenn Sie genügend Zeit und Rechenleistung in dieses spezielle Problem investieren. Es wird schwierig sein; viele Lösungen kommen einfach nicht einmal so weit, aber es ist machbar.
Das Problem ist, dass die Situation, in der Sie sich befinden, Montagmorgen ist. Die Werkstatt muss anfangen zu arbeiten, falls sie das noch nicht getan hat, denn es ist normalerweise, stellen wir uns vor, Montagmorgen. Sie müssen alles neu planen, weil bestimmte Teile fehlen und diese oder jene Person abwesend ist. Sie haben nicht einige Stunden zur Verfügung, um das Problem zu lösen; Sie haben nur ein paar Minuten, weil es schnell gehen muss. Jede Minute zählt, und in der Luftfahrt ist jede Minute teuer. Daher müssen Sie dieses Problem innerhalb weniger Sekunden oder maximal ein paar Minuten lösen, und es ist eine äußerst dringende Angelegenheit.
Genau hier wird es wirklich schwierig. Was wir entwickelt haben, ist ein Algorithmus, der es uns ermöglichen wird, dieses Problem auf eine ausreichend gute Weise zu lösen. Es ist unmöglich zu beweisen, dass Ihre Lösung optimal sein wird, aber zumindest eine sehr gute Lösung im Vergleich zu anderen Lösungen, die Sie finden könnten, und bei der Sie finanziell nachweisen können, dass Sie innerhalb weniger Minuten eine sehr gute Lösung haben werden. Unsere Kunden können in der Regel sehr streng sein, was die Anzahl der Minuten betrifft, die wir zur Lösung des Problems benötigen.
Die dahinterstehende Idee – ich werde nicht auf die Details der Mathematik und Computertechnik eingehen – besteht darin, die Rechenkapazität zu nutzen und darauf zu vertrauen, dass es nicht um die Lösung selbst geht, sondern darum, wie man den Solver strukturiert, der in der Lage sein wird, das Problem innerhalb weniger Minuten zu lösen. Tatsächlich ist das eine Art Meta-Problem. Es wäre sehr interessant, stundenlang darüber zu sprechen, aber dafür haben wir jetzt nicht die Zeit. Der Kernpunkt ist, dass Sie nicht die Lösung finden wollen; Sie wollen den Solver finden, der anhand der zuvor ideal berechneten Lösung, die Sie nachts oder wenn Sie mehr Zeit hatten berechnen konnten, die Lösung ermittelt.
Conor Doherty: Aus der Perspektive des Kunden wollen sie die Lösung, sie wollen, dass die neue Abfolge so schnell wie möglich generiert wird. Ich möchte nur noch ein wenig auf einen Punkt eingehen, den Sie dort gemacht haben, denn aus der Perspektive der Erwartungssteuerung in diesem Gespräch präsentieren wir nicht die Idee, dass Sie immer innerhalb von sechs Minuten, ich denke, oder drei bis sechs Minuten, einen enormen Operationsplan regenerieren können – sagen wir, zur Reparatur eines Triebwerks, um den neuen Stand der Ressourcenaufstellung widerzuspiegeln.
In Bezug auf das Management der Erwartungen, was das bedeutet, sagen Sie nicht, dass dies perfekt ist, dass wenn man 10 Jahre darüber nachdenkt, man keine bessere Lösung finden würde. Es ist einfach eine gute Lösung, die widerspiegelt, was jetzt verfügbar ist, und Ihr finanzielles Risiko steuert.
Simon Schalit: Ja.
Conor Doherty: Das Durchführen dieser neuen Abfolge von Ereignissen mit diesen verfügbaren Ressourcen führt zu einem bestimmten finanziellen Ergebnis.
Simon Schalit: Ja, genau, das ist genau das, was wir tun und was Sie ebenfalls wollen, denn das ist notwendig. Sie möchten nicht nur einen Plan neu generieren, sondern Ihren Kunden auch die Möglichkeit geben, die Realität in gewisser Weise zu verändern. Das würde man ein “Was-wäre-wenn”-Szenario nennen.
Zum Beispiel, wenn heute eine Person fehlt, werden wir zu spät kommen. Ich kann eine gute Lösung finden, aber die gefundene gute Lösung lässt mich dennoch eine Person im Rückstand haben, sodass sie nicht besser sein wird als das, was ich mit dieser zusätzlichen Person hatte. Alles wird ein wenig verspätet sein. Daher möchte ich meinem Kunden die Möglichkeit geben, ein Szenario zu erzeugen, in dem er sagt: “Okay, ich hatte heute eine Person zu wenig. Ich muss die verlorene Zeit wettmachen. Vielleicht könnte ich morgen zusätzlich zu meinem regulären Plan jemanden hinzunehmen oder eventuell einen zusätzlichen Tag öffnen, an dem die Werkstatt eigentlich geschlossen sein sollte.” Ich möchte wissen, was passieren würde, wie viel Zeit ich gewinnen würde, wenn ich beispielsweise am Samstag öffne, an dem die Werkstatt normalerweise geschlossen ist.
Also möchten Sie, dass das Tool in der Lage ist, natürlich zu simulieren, was wirklich passiert, denn das werden Sie wahrscheinlich heute tun, und Sie möchten auch, dass der Kunde ein “Was-wäre-wenn”-Szenario simulieren kann, in das er die Art von Notfallmaßnahmen integriert, die er gerade jetzt ergreifen könnte. Aber es ist wichtig für ihn, die Konsequenzen dieser Notfallmaßnahmen zu verstehen, denn diese Notfallmaßnahmen werden aus gutem Grund so genannt. Sie greifen nicht zu solchen Maßnahmen in Ihrem regulären Betrieb, weil sie Geld kosten. Sie kosten in der Regel viel Geld. Deshalb verwenden Sie sie nicht regelmäßig.
Conor Doherty: Zum Beispiel AOG-Preise, um Teile in letzter Minute zu beschaffen.
Simon Schalit: Genau, es ist so, wenn ein Teil fehlt und einen Arbeitsstopp verursachen könnte, kann der Preis, den Sie bereit sind, für dieses bestimmte Teil zu zahlen, astronomisch hoch sein. Das gilt natürlich in der Luftfahrtindustrie und ist, zum Beispiel, in der Automobilindustrie sehr bekannt. Sie sind bereit, fehlende Teile zu einem astronomischen Preis zu versenden.
Conor Doherty: Weil die finanziellen Kosten, überhaupt nicht zu liefern, sogar noch höher sind.
Simon Schalit: Genau. Was Sie wollen, ist, dem Kunden eine Schätzung des Gewinns zu geben, damit er das in Betracht ziehen kann, wenn er die Kosten dieser Notfallmaßnahme bewertet und eine fundierte Entscheidung darüber trifft, ob der Rückgriff auf diese Notfallmaßnahme aus finanzieller Sicht tatsächlich sinnvoll ist. Er muss das wissen, um die Entscheidung treffen und dokumentieren zu können, sodass sie im Unternehmen verteidigt werden kann. Denn wenn Sie zu teuren Notfallmaßnahmen greifen, müssen Sie dies Ihrem Chef oder dem Unternehmen gegenüber rechtfertigen.
Conor Doherty: Nochmals, ich möchte hier sehr vorsichtig mit der Sprache sein. Sie haben von “what if”-Notfallszenarien gesprochen, aber bereits früher im Gespräch erwähnten Sie, dass die Wahrnehmung von Notfällen etwas verzerrt sein kann. Das Verständnis der Menschen darüber, was einen Notfall ausmacht, ist vielleicht etwas naiv. Könnten Sie diese Unterschiede etwas genauer auseinanderhalten?
Wenn wir davon sprechen, eine APU zu produzieren oder zu reparieren bzw. eine APU herzustellen, meinen wir viele Teile, viele Werkzeuge und viele Menschen. Wenn Sie über die Fertigung eines kompletten Flugzeugs sprechen, gilt das umso mehr – eine halbe Million Teile, Hunderte von Werkzeugen und möglicherweise Hunderte von Ingenieuren und Technikern. Wenn wir also von Notfällen sprechen, wie etwa, dass ein Element der Ressourcenliste fehlt, stellt sich angesichts des Umfangs der besprochenen Ressourcen die Frage: Ist „Notfall“ der richtige Begriff, um etwas zu beschreiben, das doch ziemlich häufig vorkommt bzw. zumindest probabilistisch sehr wahrscheinlich ist?
Simon Schalit: Ja, nun, es gibt eine Sache, die wir verstehen müssen. Wenn wir von der Luftfahrt sprechen – und die Luftfahrt ist von Natur aus bzw. per Design eine sehr risikoscheue Branche, und das aus sehr guten Gründen –, dann ist das Problem, dass im supply chain jede Entscheidung, die Sie treffen, ohne Ausnahme eine Wette ist. Sie wetten darauf, dass die Zukunft nicht allzu sehr von dem abweicht, was Sie erwarten. Sie stützen Ihre Wetten auf diese Annahme.
Diese Wette kann riskant oder weniger riskant sein, und wir könnten in diese Metapher der Wette eintauchen, bei der man eher wie ein Casino agieren möchte als wie ein Spieler. Aber im Wesentlichen ist der entscheidende Punkt, dass – wenn es ums Scheduling geht, also um den Kontext, über den wir gesprochen haben – die Wette, die Sie auf die Zukunft abschließen, äußerst komplex ist. Die Vorstellung, dass die Zukunft genau so eintreten wird, wie Sie es erwarten oder wie geplant, ist unrealistisch. So wird es nicht ablaufen, wie Sie es planen.
Conor Doherty: Entschuldigen Sie bitte das Unterbrechen, aber das ist ein guter Punkt. Wenn Sie zum Beispiel sagen, um einen Motor zu reparieren, brauche ich 100 Teile. Am Montagmorgen brauche ich 100 Teile, 10 Werkzeuge und fünf Ingenieure. Das ist die Zukunft, für die ich plane. Wie wahrscheinlich ist das? Bitte fahren Sie fort.
Simon Schalit: Ja, Sie werden all Ihre Ressourcen auf der Annahme planen, dass diese Ressourcen vorhanden sind. Sie haben eine Abfolge von Ereignissen geplant, die theoretisch reibungslos verlaufen sollte. Aber angesichts der schieren Anzahl – diesem Fluch der Dimensionalität – wird das nicht passieren. Wir nahmen das Beispiel von 100 Teilen bei einem Service-Level von 99%. Man sieht bereits, dass die Wahrscheinlichkeit, dass wirklich alle Teile gleichzeitig am richtigen Ort zur richtigen Zeit vorhanden sind, unter 40% liegt. Es wird also nicht so ablaufen.
Das Problem ist, dass Unternehmen risikoscheu sind und deren Reflex darin besteht zu sagen: “Okay, wenn 99% Service-Level nicht hoch genug sind, erhöhe ich das.” Wenn Sie von Teilen sprechen, bedeutet 99% Service-Level, dass Sie Bestellungen so aufgeben, dass die Teile noch früher eintreffen – um die Variabilität in der Lieferzeit, also die Zeit, die die Teile tatsächlich benötigen, um anzukommen, auszugleichen. Denn das ist die hauptsächliche Unsicherheit bei den Teilen.
So bauen Sie immer mehr Puffer ein, bis Sie vom 99% Service-Level auf 99,9% kommen. Nur wenn Sie 100 Teile oder mehr als 100 Teile benötigen, ist der Geldbetrag, den Sie aufbringen müssten, um einen kombinierten Service-Level zu erreichen, der zufriedenstellend ist, einfach etwas, das Sie sich nicht leisten können. Daher ist der traditionelle Ansatz, zu sagen: “Ich werde das Service-Level so weit anheben, bis ich mich sicher fühle und das garantiert, dass ich den von mir erarbeiteten Plan umsetzen kann”, nicht unbedingt ein zulässiger Weg zu arbeiten.
Natürlich werden Sie hohe Service-Level benötigen, denn das ist Luftfahrt. Aber was Sie brauchen, ist eine Methode, Ihren Plan auf die effizienteste und kosteneffizienteste Weise zu ändern – eine Methode, die garantiert, dass der neue, ad hoc zu erstellende Plan der beste ist, den Sie auf Basis der Ihnen zur Verfügung stehenden Informationen entwickeln können. Tatsächlich macht das einen enormen Unterschied im Vergleich zum bloßen Wunschdenken, dass alles wie geplant verläuft, während jeden Morgen Menschen ohne die richtigen Werkzeuge versuchen, einen neuen Plan zu erstellen.
Conor Doherty: Also, um das noch einmal zusammenzufassen: Ihr Argument ist, dass – und wir werden nicht zu sehr in die Mathematik eintauchen – aus rein mathematischer Sicht, wenn man alle physischen Teile, die Sie benötigen, alle physischen Werkzeuge, die Sie brauchen, und all die abstrakten Fähigkeiten bzw. Personen, die zur Durchführung einer Abfolge von Handlungen benötigt werden, auflistet und dabei berücksichtigt, dass keines dieser Elemente isoliert auftritt – Sie reparieren beispielsweise nicht einfach einen Motor, und die beteiligten Personen gehen dann nach Hause, sondern sie arbeiten an etwas anderem – man eine miteinander verbundene Struktur dieser Abläufe hat.
Wenn Sie also am Montagmorgen eintreffen, ist mathematisch gesehen die Wahrscheinlichkeit, dass etwas fehlt, weitaus höher, als die Leute entweder realisieren oder zu realisieren bereit sind. Die finanziellen Konsequenzen dessen – buchstäblich jede einzelne Sekunde, in der Sie sich bewegen, um herauszufinden, was als Nächstes zu tun ist, wohin Sie gehen, wer anwesend ist, was verfügbar ist etc., wenn Sie arbeiten, Excel-Tabellen versenden – all das hat sofort erhebliche finanzielle Auswirkungen. Habe ich das richtig verstanden?
Simon Schalit: Richtig, und ich möchte noch hinzufügen, dass es vor allem die Zeit ist, die Sie verlieren, wenn Sie den Plan umstellen, sowie die Zeit, die verloren geht, wenn Sie einen neuen, alles andere als optimalen Plan verfolgen. Gewöhnlich ist dieser zweite Aspekt nicht so schmerzhaft, da er etwas schwerer zu quantifizieren ist, aber er ist tatsächlich sehr, sehr kostspielig. Man muss sich vorstellen, dass in MRO- oder Luftfahrtherstellungsaktivitäten jede Minute zählt, denn jede Minute entspricht einem Segment oder einem Bruchteil eines zusätzlichen Flugzeugs, das herauskommen und fliegen könnte – sei es ein neues Flugzeug oder als Einnahmequelle. Selbst eine geringe Steigerung der Effizienz, mit der Sie spontan neue Pläne erstellen können, kann daher aus finanzieller Sicht enorme Auswirkungen haben.
Conor Doherty: Mir fällt auch auf – und Sie haben es gerade erwähnt, ich habe es mir notiert –, dass wir hauptsächlich über die direkten Auswirkungen gesprochen haben, z. B. die unmittelbare Folge, dass, wenn eine Person fehlt, eben jener Teil des Motors nicht repariert wird. Aber indirekt gibt es den Ketteneffekt, nicht nur auf andere Prozesse, denn oft – seien wir realistisch – treten diese nicht in einem Vakuum auf. Man wechselt von einem Prozess zum anderen, oder ein Teil wird wieder mit einem anderen kombiniert. Die Unterbaugruppen in der Stückliste vervollständigen die größeren Baugruppen. Zudem gibt es vertragliche Verpflichtungen, die berücksichtigt werden müssen. Wenn Sie beispielsweise ein Flugzeug nicht wieder in den Betrieb bringen, hat das – je nachdem, ob Sie eine MRO sind – ebenfalls finanzielle Konsequenzen.
Es gibt also direkte und indirekte Effekte, aber noch einmal: Das Wesentliche ist, dass Hunderte, wenn nicht Tausende von Entscheidungen in einen optimalen oder sehr guten Zeitplan einfließen, und jede dieser Entscheidungen hat finanzielle Auswirkungen. Und wenn etwas schiefgeht, weil etwas fehlt – was offenbar sehr wahrscheinlich ist, selbst wenn es nicht morgen passiert – ist es immer noch wahrscheinlich, dass es am Tag danach oder den übernächsten Tag passiert. Das zieht finanzielle Kosten nach sich.
Simon Schalit: Ja, und in der Praxis – um ganz praktisch zu sein – habe ich in diesen Unternehmen beobachtet, dass das Erstellen eines neuen Plans so zeitaufwändig und schwierig ist, dass die Werkstatt sich ausschließlich auf das Problem konzentriert, von dem sie heute Kenntnis hat. Sie haben keine Zeit für etwas anderes. Was dann passiert, ist, dass am nächsten Tag neue Probleme auftreten – alte Probleme, die noch nicht behoben wurden, plus neue.
Doch wenn man die Details der neuen Probleme betrachtet, hätte man die Hälfte davon bereits am Vortag wissen können. Sie hätten vorhersehbar sein können. Aber in der Praxis haben wir festgestellt, dass die Menschen so sehr auf das aktuelle Problem fokussiert sind, dass sie nicht unbedingt die Zeit oder die intellektuelle Kapazität haben, die Probleme der kommenden Tage vorauszusehen. Dies kann dazu führen, dass sich die Probleme im Laufe der Zeit immer weiter zuspitzen und üblicherweise zu kumulativen Verzögerungen bei MRO-Aktivitäten oder in der Fertigung führt – und natürlich auch zu Vertragsbrüchen in Bezug auf ihre vertraglichen Verpflichtungen.
Conor Doherty: Nochmals, das ist ein wirklich guter Punkt, denn genauso wie Prozesse nicht isoliert ablaufen, verlaufen auch die Externalitäten bzw. die Folgen von Handlungen nicht in einem Vakuum. So setzt sich der Rückstau und damit auch der finanzielle Impact im Hintergrund fort, ob Sie ihn nun anerkennen, darüber nachdenken oder dementsprechend handeln – oder selbst wenn Sie handeln und meinen, “Ich habe dieses Problem gelöst”, läuft im Hintergrund weiter etwas, das Sie übersehen haben. Denn nochmals: Ich bin ein Mensch, Sie sind ein Mensch, wir sind Menschen, und das Register, die Rechnung, der Zähler läuft weiter. Vielleicht merken Sie nicht einmal, dass dem so ist.
Conor Doherty: Okay, gut, machen wir weiter, denn in Bezug auf die Details der Scheduling-Optimierung, wie wir sie sehen, haben wir über die Bestandsaspekte der Teile und Werkzeuge gesprochen. Wenn Sie über Fähigkeiten sprechen – lassen Sie mich diese Frage umformulieren – bestehen die Entscheidungen, die wir unseren Kunden präsentieren, einfach darin, beispielsweise dieses Teil, dieses Werkzeug zu nehmen und Simon dorthin zu schicken, um an jenem Motor zu arbeiten, oder ist das etwas nuancierter?
Simon Schalit: Nun, es wird etwas nuancierter sein, insofern als dass es in der Regel mit einer ganzen Reihe von Komplexitäten verbunden ist. Im Grunde sähe das Ergebnis wie eine Reihe empfohlener Zuweisungen für Materialien, Teile und Ausrüstung aus, gekoppelt mit einer Planung. Dieses Teil muss jenem Flugzeug oder jenem Motor zugeteilt werden. Dieses spezielle Equipment muss in diesem Zeitsegment von jenem Flugzeug oder jenem Motor genutzt werden. Und dann muss diese bestimmte Person, die über jene spezielle Fähigkeit verfügt, für diesen bestimmten Motor oder dieses spezielle Flugzeug über diesen Zeitraum eingeplant werden. Das System muss garantieren, dass keine der für die anstehenden Aufgaben festgelegten Einschränkungen verletzt wird.
Was die Komplexität betrifft: Wenn es um Teile geht, ist das normalerweise recht einfach. Das Teil wird einer Aufgabe zugeordnet, weil es Teil der Stückliste ist – und das ist in Ordnung. Natürlich müssen Sie die Teile auch haben, was nicht garantiert ist. Normalerweise können Sie also austauschen, wann immer es möglich ist, aber Sie entscheiden, wann Sie zuweisen, und versuchen, so spät wie möglich zuzuweisen, um nachträgliche Umplanungen zu vermeiden. Aber das ist der einfache Teil. Seltsamerweise konzentrieren sich die Leute meist darauf, weil sie meinen, darin die meiste Kontrolle zu haben.
Bei der Zuweisung von Personal und Ausrüstung ist es jedoch in der Regel komplexer, da es Aufgaben gibt, die nicht nur eine Fähigkeit oder nicht nur die Fähigkeiten einer einzelnen Person erfordern, sondern möglicherweise unterschiedliche Fähigkeiten von mehreren Personen gleichzeitig – sei es aus technischen oder rein sicherheitstechnischen Gründen. Schon der Betrieb eines Krans beim Bewegen eines Motors mitten in der Werkstatt erfordert aus Sicherheitsgründen mindestens zwei Personen – eine, die den Kran bedient, und eine andere, die sicherstellt, dass alles korrekt abläuft und der Weg frei ist. Mindestens so würde es funktionieren.
Man kann diese Ressourcen, insbesondere die qualifizierten Ressourcen, also nicht als völlig unabhängige Einheiten betrachten – das wäre zu einfach. Meistens muss man sie als von Einschränkungen begleitet sehen, bei denen sie zur gleichen Zeit am gleichen Ort für dieselbe Aufgabe verfügbar sein müssen. Und es gibt Szenarien, in denen Aufgaben von einer, zwei, drei oder vier Personen entweder gleichzeitig, nacheinander oder in einer Kombination aus beidem erledigt werden können – eine breite Palette an Möglichkeiten, bei denen der Algorithmus einfach die beste gültige Lösung finden muss, unter Berücksichtigung, dass diese Fähigkeiten während der Nutzung nirgendwo anders zur Verfügung stehen.
Das macht das Problem ziemlich schwierig. Um Aufgabe A zu erledigen, wenn Sie zwei Personen benötigen, müssen diese zu einem bestimmten Zeitpunkt verfügbar sein. Was auch immer sie gerade tun, sie müssen ungefähr gleichzeitig fertig werden, damit beide verfügbar sind, um zu jener bestimmten Aufgabe überzugehen. Und das ist tatsächlich nicht trivial, denn meistens wird einer von ihnen wahrscheinlich darauf warten, dass der andere fertig wird – und das kostet ziemlich viel. Das sollten Sie so weit wie möglich vermeiden. Jede Minute zählt. Diese Fähigkeiten sind sehr wertvoll.
Conor Doherty: Okay, und noch einmal: Für jemanden, der zuhört, mag das wie Magie klingen. Mir ist das bewusst, denn es hört sich so an, als ob Lokad sich nun ausschließlich aufs Scheduling konzentriert. Wir haben bereits das Inventar besprochen, zu dem wir weiteres Material haben. Wir können Ihnen sagen: Nehmen Sie dies, sorgen Sie dafür, dass dieses Teil und dieses Werkzeug zu jener Zeit an jenem Ort sind, und dass Simon dorthin geht und für diesen Zeitraum arbeitet – von diesem Zeitpunkt an bis zu jenem Zeitpunkt. Ist das, was Sie sagen?
Simon Schalit: Ja, das ist im Grunde das, was wir sagen. Aber wenn man das Problem als Ganzes betrachtet, gibt es – ich würde sagen – zwei Elemente, die man getrennt voneinander betrachten kann, die jedoch nicht einfach sind und für einen Menschen nahezu unmöglich korrekt auszuführen sind, ohne die Hilfe eines Computers: Zum einen der Aspekt der Wetten, also das Verstehen der Konsequenzen Ihrer Wetten, und zum anderen der Aspekt der Anordnung, der Umordnung, also der Planung.
Was den Wett-Aspekt betrifft, so geht es darum, die Strategie zu verstehen und die Dinge in Geld zu bemessen. Ein sehr einfaches Bild, das ich etwas früher verwendet habe: Menschen verlassen sich, wenn sie diese Wetten platzieren müssen, auf ihr Wissen, ihr Bauchgefühl. Grundsätzlich agieren sie wie ein Spieler im Casino – mit all den Vorurteilen und Emotionen, die damit einhergehen. Wenn sie kürzlich ein Problem mit einem Teil hatten, das für große Unruhen sorgte, ist die Wahrscheinlichkeit groß, dass sie übermäßig einkaufen, zu viel bestellen und einen sehr großen Puffer für jenes Teil einbauen, weil sie bei genau diesem Teil schlechte Erfahrungen gemacht haben. Das ist ein Bias.
Die Maschine, wenn sie korrekt feinabgestimmt ist, wird einer Strategie exakt wie im Casino folgen. Derselbe Einsatz, dasselbe Spiel. Wer einer Strategie folgt und gewinnt, ist das Casino. Wer keiner Strategie folgt – oder zumindest keiner dokumentierten und konsistenten Strategie –, das ist der Spieler, das ist der Mensch. In unserem Fall gewinnt das Casino. Das Casino gewinnt immer. Es ist keine Magie. Es beruht auf dem Verständnis, dass es – auch wenn es schwer zu berechnen ist – eine optimale Strategie gibt, von der man nicht abweichen möchte.
So geht es in diesem speziellen Fall nicht um Magie. Es geht darum, sicherzustellen, dass wir aus den Köpfen derjenigen, die in diesem Geschäft wirklich gut sind, die zentralen strategischen Ideen entnehmen und sie in eine Strategie im Computer überführen. Genau das macht ein Supply Chain Scientist. Es ist keine Magie. Es ist ein konsequenter Prozess beim Aufbau der Strategie.
Das Umordnen, das ist keine Magie. Wiederum ist es eine Kombination aus Rechenleistung und einigen mathematischen Kniffen. Rechenleistung ist für die meisten Menschen zugänglich, vor allem wenn man cloud computing so nutzt, wie wir es tun. Aber wir sind nicht die Einzigen; definitiv nicht die Einzigen. Viele Menschen haben Zugang zu noch mehr Rechenleistung, weit mehr als wir. Aber richtig eingesetzt, kann man dieses Problem plus ein paar Tricks lösen.
Allerdings sind diese Tricks nicht rein mathematischer Natur. Sie sind eine Kombination aus grundlegenden mathematischen Aspekten, die aber auf eine Weise angewendet werden, die die tatsächliche Form des Problems berücksichtigt. Ja, man könnte das in einen sehr großen Generallöser stecken, ihn stundenlang laufen lassen und hoffen, dass man am Ende eine gute Lösung erhält. Wahrscheinlich wird es nicht funktionieren, oder selbst wenn es tut, wird es viel zu lange dauern. Was man erreichen will, ist sicherzustellen, dass der mathematische Ansatz auf die Art der Einschränkungen und die spezifische Struktur des jeweiligen Problems zugeschnitten ist.
Conor Doherty: Nun, was ich vertiefen wollte, ist ein Schlüsselaspekt, der wiederum in eine übergreifende Botschaft einfließt, die ich für wichtig halte in Bezug auf das, was Lokad zu tun versucht. Du sagtest, dass man vielleicht, sagen wir, einen Praktiker im Kundenunternehmen haben könnte, der offensichtlich große Einsichten besitzt. Das Ziel ist, diese Informationen aufzunehmen und in die Strategie einfließen zu lassen – sagen wir mal in den Entscheidungsfindungsprozess, also den Algorithmus, der die Entscheidungen trifft.
Der Grund dafür ist, dass – ja, ich denke, du wirst zustimmen, und korrigiere mich, falls ich mich irre – bei jeder einzelnen Wahl oder Entscheidung eine wirklich versierte Person genauso gut oder sogar besser sein könnte als ein Algorithmus, als ein automatisierter Entscheidungsfindungsprozess. Aber wenn wir von der Komplexität sprechen, wenn es darum geht, ein ganzes Flugzeug oder eine ganze Flotte von Flugzeugen zu reparieren – möglicherweise Hunderttausende von Teilen, Hunderte von Werkzeugen, Hunderte von Menschen –, dann ist die Vorstellung, dass ein Mensch in der Lage sein wird, all diese Entscheidungen in großem Maßstab besser zu treffen als ein automatisierter Entscheidungsfindungsprozess, schlichtweg unvernünftig. Das ist das Adjektiv, das ich benutze: unvernünftig.
Simon Schalit: Eine Person oder sogar ein Team.
Conor Doherty: Ein Team, genau.
Simon Schalit: Der menschliche Geist ist dafür nicht gemacht. Und ich möchte diese Gelegenheit nutzen, um etwas in dieser Art von Dualität zwischen Computer und Mensch anzusprechen. Wenn ich das Schlagwort AI verwenden würde, dann ist es einfach ein Werkzeug. Es ist ein Werkzeug, nichts weiter. Die eigentliche Herausforderung beim Aufbau dieser Algorithmen besteht darin, das Wissen aus dem menschlichen Geist herauszuholen. Was ich gerne sage, ist, dass der menschliche Geist in Sachen Strategie äußerst gut ist, aber auf taktischer, also auf einer detaillierteren Ebene, verliert er sich.
Er verliert sich wegen der schieren Anzahl an Dingen, und er verliert sich, weil jenseits einer bestimmten Anzahl an Variablen – insbesondere, wenn sie diskret, nicht-linear sind –, selbst wenn du der beste Mathematiker der Welt bist, wirst du das nicht im Kopf lösen können. Das ist nicht möglich. Es ist nicht eine Frage, wer du bist; Menschen können das einfach nicht. Es geht weit über das hinaus, was man ohne ein entsprechendes Werkzeug leisten kann. Aber Menschen sind unglaublich gut darin, auf einer höheren Ebene zu strategisieren und die finanziellen Konsequenzen von Dingen zu verstehen.
Letztendlich sind sie diejenigen, die entscheiden, in welche Richtung sich ein Unternehmen entwickeln sollte, wie wichtig es für das Unternehmen ist, seine Kunden auf eine bestimmte Weise mit einer bestimmten Zuverlässigkeit zu bedienen – im Vergleich zu den Kosten. Sie haben eine Vorstellung davon, was diese Zahlen bedeuten. Das Problem ist, dass sie gar nicht wissen, dass sie eine Vorstellung haben. Sie haben Bauchgefühle, und diese Bauchgefühle haben sie dazu veranlasst zu sagen: “Ich möchte hohe Servicelevels.” Wenn du sie fragst, warum sie hohe Servicelevels wollen, werden sie sagen, dass es wichtig sei.
Eine der Hauptaufgaben eines Supply Chain Scientist besteht darin, sie dazu zu bringen, zu erklären, warum das wichtig ist. Wenn es wichtig ist, heißt das, dass du denkst, dass deine Kosten im Falle eines Lagerfehlbestands hoch sind. Gehen wir noch weiter: Was bedeutet “hoch” in Dollar, in Euro, in finanziellen Begriffen? Sobald du dieses Wissen extrahiert hast, kannst du es nutzen, um die Strategie umzusetzen – die optimale Strategie, von der ich gesprochen habe, optimiert im Sinne, dass sie die optimale Entscheidung unter Berücksichtigung der strategischen Informationen trifft, die ihr zur Verfügung gestellt wurden.
In diesem Fall gibt der Computer die Abfolge von Aktionen und die Zuteilung von Ressourcen aus, die am besten geeignet ist, um die Ziele zu erreichen, die auf strategischer Ebene festgelegt wurden. Genau das macht der Computer. Er erfindet nichts. Er macht Menschen nicht überflüssig, aber er wird das tun, was der menschliche Geist nicht leisten kann.
Conor Doherty: Perfekter Übergang. In diesem Zusammenhang – zuvor habe ich an MRO-Konferenzen und Fachmessen teilgenommen – ist eine der Vorlagen, die wir für unsere Poster in einem Stand verwenden, eine Hand direkt über einem Papierkorb, einem Behälter, die einfach zerknüllte Papierstücke hineinfallen lässt. Auf diesen Papierstücken stehen bestimmte Begriffe, und wir passen sie je nachdem an, ob wir bei einer Einzelhandels- oder Luftfahrtveranstaltung dabei sind. Bei dieser Veranstaltung hatten wir FIFO und Min-Max, Safety Stock auf den Papierstücken, die in den Behälter fielen. Es ist ein provokantes Konzept.
Offensichtlich kommen die Leute vorbei, und wenn sie es verstehen, kommentieren sie es. Aber außerdem funktioniert es, weil – wenn man nicht wirklich weiß, dass wir diesen Konzepten kritisch gegenüberstehen – man einfach vorbeikommt und sagt: “Oh, hey, das interessiert mich. Kannst du uns mehr darüber erzählen?”
Simon Schalit: Ja.
Conor Doherty: Nun, Tatsache ist, dass viele Leute FIFO wirklich mögen. Das ist das, was wir am häufigsten gehört haben. Als du vorhin erwähnt hast, dass es in Notfällen Lösungen gibt, die schnell funktionieren – es ist von entscheidender Bedeutung, schnell zu arbeiten – könnte jemand, der dir widerspricht, sagen: “Ich habe bereits eine Heuristik. Ich habe bereits einen allgemeinen Entscheidungs-Solver, einen sehr einfachen Solver, der in Echtzeit super schnell funktioniert, und das ist FIFO, first in, first out.” Was würdest du dazu sagen?
Simon Schalit: Nun, FIFO ist definitiv ein Algorithmus, der schon sehr lange existiert. Tatsächlich würde ich sagen, dass er unser größter Konkurrent auf dem Markt ist. Das Problem bei FIFO ist, dass – ja, es funktioniert super schnell, und ja, es ist für Menschen sehr leicht nachvollziehbar, denn first in, first out, gibt es etwas Einfacheres? Außerdem hat es den Vorteil, dass es logisch erscheint: Wenn etwas zuerst hereingekommen ist, möchtest du dich zuerst darum kümmern, denn vermutlich kommt es bei dem zuerst Eingegangenen am ehesten zu Verspätungen, wenn alles andere gleich ist und die gleiche Zeit in Anspruch nehmen sollte.
Allerdings beruht FIFO, wie viele veraltete Konzepte in der supply chain – nicht unbedingt schlecht, nur ein wenig altmodisch – auf einigen Annahmen. Die erste Annahme ist, dass du dich in einer einfachen Umgebung befindest. Was meine ich damit? Wenn du FIFO anwendest, gilt first in, first out. Die Annahme ist, dass jeder Motor, jedes Flugzeug, an dem du arbeitest – sofern wir noch in der Luftfahrt reden – vollkommen austauschbar ist. Das heißt, sie sind aus finanzieller Sicht des Unternehmens, aus strategischer Sicht, einfach gleich. Aus der Perspektive des Risikomanagements sind sie alle identisch. Zu spät bei dem einen oder zu spät beim anderen zu sein, ist exakt dasselbe.
Ist das in der Realität wahr? Absolut nicht. Du hast unterschiedliche Kunden, du hast unterschiedliche Flugzeugtypen, also wird es nicht dasselbe sein. Ein Tag Verspätung bei einem ist nicht das Gleiche wie ein Tag Verspätung bei einem anderen. Aber selbst wenn es so wäre, stellen wir uns eine perfekte Welt vor, in der du nur einen Flugzeugtyp mit einem Kunden bedienst.
Das Problem ist, dass der Aufwand, den du betreiben musst, um das Problem an einem Flugzeug oder einem Motor zu lösen, nicht unbedingt derselbe ist und wahrscheinlich nicht derselbe wie der, den du betreiben musst, um das Problem an einem anderen zu lösen. Selbst wenn die Motoren gleich wären, ist das Reparaturpaket, also die Aufgaben, die du an diesen Motoren erledigen musst, nicht identisch. Selbst wenn es so wäre, sind die an den beiden defekten Einheiten ausgetauschten Teile nicht exakt identisch. Das ist ein Teil der Unsicherheit, die du hast, wenn du einen Motor öffnest. Du entdeckst, was kaputt ist, was korrodiert.
Conor Doherty: Ich wusste nicht, dass das dort sein würde.
Simon Schalit: Genau. Also zu sagen: “Oh, ich konzentriere mich auf Motor A, weil er vor Motor B gekommen ist”, macht wirklich keinen Sinn. Wahrscheinlich, selbst wenn du all deine Anstrengungen auf Motor A konzentrieren würdest, würde es viel Zeit in Anspruch nehmen, das Problem tatsächlich zu beheben. Während du bei Motor B es vielleicht sehr schnell reparieren kannst.
Ja, man könnte sagen: “Ich mache immer noch Fortschritte an Motor A”, aber wenn du Motor B abschließt, ist er aus deiner Werkstatt. So hast du Platz für einen weiteren Motor, der hereinkommt, du hast die Möglichkeit, diesen Motor inspizieren zu lassen und im Voraus zu wissen, was du dafür benötigen wirst. Du hast einen deiner Kunden bedient, sodass du möglicherweise früher Geld dafür bekommst, was dir hilft, den Rest deiner Operationen zu finanzieren.
So werden Konsequenzen an die Reihenfolge der Aktivitäten geknüpft. Jede Minute, die in die verschiedenen Tätigkeiten investiert wird, hat nicht denselben Wert, denn sie zieht unterschiedliche Konsequenzen nach sich. Sie erschließt nicht dasselbe Potenzial.
FIFO ist dem völlig gleichgültig. FIFO ist eine vereinfachte Sichtweise deiner Reparatur- oder Fertigungsketten. Versteh mich nicht falsch, es ist nicht schlecht. Unter all den Lösungen, die du ohne die passenden Werkzeuge nutzen könntest, ist es wahrscheinlich die beste oder zumindest eine der besten. Aber wenn du darüber nachdenkst, möchtest du das Problem nicht übermäßig vereinfachen, besonders angesichts der finanziellen Konsequenzen, die auf dem Spiel stehen.
Conor Doherty: Natürlich. Und nochmals, wir haben hier absichtlich ein trivial anmutendes Beispiel gewählt, nur um den Punkt zu verdeutlichen. Aber natürlich handelt es sich nicht nur um zwei Prozesse. Die Instandsetzung von Motor A und die Instandsetzung von Motor B sind zwei separate Zeitpläne oder Abläufe. Es gibt in der Regel weitaus mehr. Also musst du es dir im Kopf oder mit einer Excel-Tabelle oder einfach durch den Solver zurechtlegen. Du musst viel mehr berücksichtigen. Und das Entscheidende dabei ist, dass die Kosten nicht linear sind. Sie sind nicht zwangsläufig gleich, und du musst darauf achten oder etwas haben, das dir Einblick in die finanziellen Implikationen gibt, daran zu arbeiten, anstatt an etwas anderem zu arbeiten.
Simon Schalit: Und selbstverständlich gibt es noch das einfache Zuordnungsproblem, bei dem du Motor A und Motor B hast und beide dasselbe Teil benötigen. Wenn Motor A älter ist, würdest du standardmäßig Motor A zuordnen. Aber wenn aus irgendeinem Grund Motor A fünf unterschiedliche fehlende Teile benötigt, während Motor B nur dieses eine Teil braucht, spricht vieles dafür, dass das Teil an Motor B gehen sollte. Denn das ist das einzige, was fehlt. Es kann dort eingesetzt werden, während das einzige Teil, das du hast, wenn du es an Motor A anbringst, nichts bewirkt, weil immer noch vier weitere Teile fehlen. FIFO ist dem gegenüber blind.
Conor Doherty: Nun, und ich möchte nochmals kurz einen Punkt hervorheben, der zuvor gemacht wurde. Wo möglich, denke ich, dass es wichtig ist, unsere Positionen klar zu signalisieren. Und ich habe – weder öffentlich noch privat – jemals behauptet: Die Anwendung von FIFO ist nicht dumm oder naiv oder dergleichen. In vielen Fällen geht der menschliche Geist an das Problem heran und nutzt dabei oftmals die bestmöglichen verfügbaren Werkzeuge. In Ermangelung – vielleicht – überlegener Werkzeuge greifen Menschen auf das zurück, was zumindest verständlich ist und auf den ersten Blick zu funktionieren scheint.
Mein Verständnis, basierend auf diesem langen Gespräch, ist, dass die Basiswert-Diagnose oft sehr begrenzt in ihrem finanziellen Umfang ist. Damit meine ich: “Oh, der Motor ist raus, das ist ein finanzieller Wert, der hinzugefügt wurde, oder es wurde Wert hinzugefügt, das Ding ist erledigt.” Und eine der zentralen Einsichten, die du heute zu erklären scheinst, ist, dass es sowohl direkte als auch weitreichendere indirekte finanzielle Überlegungen gibt, die – mal ehrlich – dem menschlichen Geist von Natur aus verschlossen bleiben. Du hast über die Natur des Designs gesprochen. Von Natur aus kann er in großem Maßstab einfach nicht die oft nichtlinearen und externen finanziellen Konsequenzen der Entscheidungsfindung erfassen. Das führt uns zurück zur Anwendung von Automatisierung, zur Nutzung eines Supply Chain Scientist, der in der Lage ist, diese Informationen zu extrahieren und in eine wiederholbare Entscheidungsmaschine zu überführen.
Simon Schalit: Ja, nun – unsere Position dazu ist ziemlich klar. Die Zukunft der Entscheidungsfindung in der supply chain dreht sich völlig um Automatisierung. Und je komplexer die Kontexte werden, desto wichtiger wird es. Für uns ist das exakt die Richtung, in die wir steuern.
Conor Doherty: Zum Abschluss, für alle Zuhörer, die einige unglaubliche Behauptungen gehört haben – unglaublich präzise und folgenreiche Behauptungen darüber, was möglich ist – an jemanden, der immer noch denkt: “Simon, das, was du beschreibst, ist weit hergeholt, es ist magisch, es ist unmöglich”, was wäre deine 30-Sekunden-Antwort als abschließender Gedanke?
Simon Schalit: Nun, es passiert bereits. Es ist etwas, das in den vergangenen Jahren geschehen ist, und genau das ist die Richtung, in die sich die supply chain im Allgemeinen entwickelt. Automatisierung im großen Maßstab und Automatisierung auf immer niedrigeren Granularitätsebenen. Warum? Weil wir über die nötige Rechenleistung verfügen und – dank Supply Chain Scientists – über das Konzept und die Rolle der Supply Chain Scientists. Wir haben die Kapazität, die notwendigen Daten und Informationen – strategische und finanzielle Informationen – dem Algorithmus, dem Computer, zuzuführen, sodass die auf großem Maßstab angewendete Strategie jene ist, die von Menschen entworfen wurde und in Richtung dieses Ziels optimiert werden kann.
Conor Doherty: Du hast auch zuvor als Antwort auf eine sehr ähnliche Frage erwähnt – ehrlich gesagt, ich kann mich nicht erinnern, was der Kontext war – aber du hast zu diesem Thema gesagt, dass das Erstaunen der Menschen oder ihr Unglaube, dass es möglich sei, überraschend ist, wenn man bedenkt, dass dies im Wesentlichen das ist, was die Leute in Echtzeit zu tun versuchen. Also muss jede Person, nochmals ein wichtiger Entscheidungsträger, ein wichtiger Stakeholder, an einem Montagmorgen den Zeitplan überarbeiten, weil Simon und Conor abwesend sind. Was sie in Echtzeit tun, entspricht dem, was wir mithilfe eines Computers, unter Nutzung von Algorithmen, beschreiben. Es handelt sich im Wesentlichen um denselben Prozess. Du suchst nach einer optimierten Lösung. Also ist es keine Magie, sondern einfach der technologische Eingriff in diesen Prozess.
Simon Schalit: Ja, sie machen es von Hand. Sie machen es auf eine sehr schmerzhafte Weise, sagen wir mal. Schmerzhaft für sie und in gewissem Maße schmerzhaft für das Unternehmen, da sie nicht zu einer optimierten Lösung gelangen – nicht wegen mangelnder Fähigkeiten, sondern wegen fehlender Werkzeuge. Und so bringen wir das Werkzeug, das erforderlich ist, um tatsächlich das menschliche Element zu ersetzen, das auf granularer Ebene defizitär ist, und behalten gleichzeitig das ideale menschliche Element, nämlich die strategische Ebene, bei. So kombinieren wir die granulare Ebene des Computers mit der strategischen Ebene des Menschen.
Conor Doherty: Simon, vielen Dank für deine Zeit. Ich habe keine weiteren Fragen. Es war mir ein Vergnügen.
Simon Schalit: Für mich auch. Nochmals vielen Dank für deine Zeit und danke an alle fürs Zuschauen.
