PRONÓSTICO DE INVENTARIO PARA AEROESPACIAL
Las aeronaves requieren un amplio espectro de piezas para operar, que van desde piezas reparables de alto costo hasta consumibles de bajo costo y rápida rotación. Además, el hecho de que ciertas piezas sean sumamente costosas y la imposibilidad de contar con la pieza necesaria disponible puede traducirse en costosos incidentes de AOG (aeronave en tierra). Lokad proporciona una solución de software estadístico que ofrece una optimización de inventario en profundidad a través del forecast de demanda para aerolíneas, MRO (mantenimiento, reparación y revisión) y OEM (fabricantes de equipos originales).
Air France Industries es el brazo de MRO de AIR FRANCE KLM, con más de 200 clientes: aerolíneas internacionales, regionales, de carga, etc.
Lokad aporta una nueva herramienta, que es tanto poderosa como innovadora. Pero, además, Lokad ha compartido con Air France Industries su experiencia en optimización de inventario y supply chain management, aportando no solo una solución de TI complementaria, sino también una verdadera experiencia de consultoría en la que nuestros equipos pueden confiar.
Charles Segondat, Jefe de Gestión de Inventario, Air France Industries
Estudio de caso en video
"Todo el equipo del proyecto Smart Planning en Airbus Atlantic está profundamente satisfecho con la exitosa finalización de la fase inicial de nuestra iniciativa de planificación avanzada. Gracias al inquebrantable compromiso, el enfoque riguroso y la colaboración de alto rendimiento con los equipos, hemos recibido luz verde para los siguientes pasos y estamos entusiasmados y optimistas por continuar este camino juntos"
Julien Fournat
Gerente de Proyecto Industria 4.0 Airbus Atlantic
Spairliners es líder global en equipamiento de repuestos y mantenimiento para las flotas de aeronaves Airbus A380 y Embraer Ejet.
Elegimos Lokad tras un análisis en profundidad de las soluciones de optimización de inventario disponibles en el mercado para nuestra actividad de MRO (Mantenimiento, Reparación y Revisión). El enfoque basado en la colaboración de Lokad, junto con su capacidad de reacción, adaptabilidad y, sobre todo, el rendimiento de su solución, nos llevó a confiarles la optimización de inventario de nuestro equipamiento de repuestos para aeronaves para nuestros clientes en todo el mundo. Lokad logró estar a la altura de las expectativas y de la complejidad de nuestra industria gracias a su enfoque original e inteligente para atender nuestras necesidades.
Olivier Mazzucchelli, CEO de Spairliners, Hamburgo, Alemania
Estudio de caso en video
LOKAD TV
Échale un vistazo a nuestras entrevistas en Lokad TV y conoce más sobre supply chain y la aeronáutica.
Los enfoques clásicos se quedan cortos para la industria aeroespacial
Como regla general, los enfoques clásicos de optimización de inventario rinden pobremente siempre que se involucran repuestos. Además, la experiencia que Lokad ha acumulado trabajando en la industria aeroespacial indica que la situación es en realidad mucho peor en este sector.
El alto costo de ciertas piezas, los largos tiempos de entrega, las fallas poco frecuentes y los costos muy elevados del faltante de stock solo exacerban todas las debilidades de la optimización clásica de inventario.
En particular, los forecast de series temporales optimizados contra métricas como MAD (desviación absoluta media) o MAPE (porcentaje absoluto medio) no reflejan adecuadamente los costos altamente asimétricos entre overforecasting y underforecasting encontrados en la industria aeroespacial.
El análisis clásico de safety stock basado en distribuciones normales o distribuciones de Poisson también funciona pobremente.
El análisis clásico de safety stock basado en distribuciones normales o distribuciones de Poisson también funciona pobremente, porque nuestras observaciones de datos simplemente indican que los patrones de demanda no siguen realmente ninguno de estos modelos. De manera similar, el análisis ABC falla porque cualquier clasificación que ordene todas las piezas en un puñado de categorías de inventario no logra capturar las muchas dimensiones diferentes que definen las piezas o consumibles requeridos por los aviones modernos.
Más allá de la incongruencia entre las suposiciones detrás de los modelos clásicos y la realidad del negocio aeroespacial, también hemos descubierto que los enfoques clásicos dependen demasiado de una miríada de correcciones manuales. Esto frecuentemente lleva a situaciones en las que la mano de obra invertida en la optimización de inventario no se capitaliza, sino que es meramente consumida por los sistemas de TI solo para mantenerse al día con las operaciones diarias. Algunos patrones de diseño de software, tales como “alerts”, también tienden a empeorar la situación al enfocar a los equipos en soluciones superficiales diarias, en lugar de centrar su atención en las causas raíz para ofrecer soluciones duraderas. Para cualquier consulta, contáctanos en contact@lokad.com
Repensar desde cero las matemáticas que necesitan las aerolíneas para forecast su inventario.
Los patrones de demanda en la industria aeroespacial requieren forecast no clásicos
La tecnología analítica de Lokad ha sido diseñada con los impulsores de la industria aeroespacial como núcleo. En lugar de reciclar modelos de forecast e inventario diseñados para otras industrias, Lokad creó enfoques estadísticos alternativos en los que las especificidades de la industria aeroespacial están incorporadas de forma nativa.
Los forecast de Lokad reflejan todos estos factores impulsados por la flota, no como meros coeficientes lineales correctivos sobre series temporales, sino como las variables que explican fundamentalmente la demanda misma.
La demanda se impulsa en primer lugar por la necesidad de dar servicio a una flota de aeronaves. Esta flota puede crecer o decrecer. La combinación de horas de vuelo y ciclos de vuelo también cambia con el tiempo. Los forecast de Lokad reflejan todos estos factores impulsados por la flota, no como meros coeficientes lineales correctivos sobre series temporales, sino como las variables que explican fundamentalmente la propia demanda. Además, no es tanto la demanda “promedio” de piezas lo que importa, sino los picos, es decir, los puntos más altos de la demanda que impactan los niveles de servicio en mayor medida. Los enfoques clásicos que se basan en distribuciones normales o distribuciones de Poisson introducen un sesgo sistemático en todas las estimaciones.
La tecnología de Lokad se basa en un avanzado análisis de forecast cuantílico de la demanda. La perspectiva cuantílica es esencial para anticipar con precisión los picos futuros en la demanda y sus probabilidades correspondientes.
Además, no solo la demanda es incierta, sino también los tiempos de entrega. En particular, las piezas reparables de alto costo implican no solo un tiempo de entrega, sino un circuito completo, que abarca desde el cambio de componente hasta la renovada disponibilidad de la pieza reparada.
El tiempo de entrega completo incluye muchos pasos: tiempo administrativo, tiempo de aprovisionamiento, tiempo de tránsito, tiempo de recepción, TAT (tiempo de inspección en el MRO o OEM, y tiempo de reparación, si aplica), tiempo de descarga y movimiento de stock, tiempo de procesamiento en taller, etc. Modelar un tiempo de entrega promedio o mediano es sumamente insuficiente; la tecnología de Lokad modela directamente toda la distribución de los retrasos, es decir, la probabilidad de que ocurra cualquier retraso.
Finalmente, se observan muchos patrones altamente específicos en la demanda que requieren contrapartes estadísticas nativas. Por ejemplo, las retrofits introducen múltiples sesgos en el historial que deben ser tenidos en cuenta. Además, las reglas de intercambiabilidad relativas a piezas para las cuales coexisten varias versiones, ya sean totalmente intercambiables o intercambiables de una sola vía, complican aún más el panorama. A diferencia de los enfoques clásicos que tratarían de compaginar todo en series temporales, nuestra tecnología aborda estos problemas a fondo mediante modelos estadísticos específicamente hechos a la medida para estos desafíos.
Repensar desde cero la experiencia de usuario de los profesionales a cargo del inventario.
Optimización de inventario alineada con los costos aeroespaciales
Las piezas deben ser atendidas para evitar incidentes de AOG (avión en tierra), pero, en este aspecto, no todas las piezas son iguales. El concepto de la esencialidad de una pieza, con las variantes No-Go, Go-If y Go, impacta profundamente el costo de no disponer de la pieza necesaria.
Muchas soluciones optimizan incorrectamente un error de forecast dado expresado en porcentajes (ej: MAPE, el porcentaje absoluto medio) o expresado con alguna otra unidad arbitraria (ej: MAD, la desviación absoluta media).
En contraste, el núcleo de nuestra tecnología está diseñado para minimizar los dólares de los errores de forecast. Nuestro enfoque es muy diferente de los sistemas estadísticos clásicos que están simplemente “ciegos” a las variables financieras.
Los costos involucrados con over-forecasts y under-forecasts son altamente asimétricos en el sector aeroespacial, y esto tiene un deep impacto en nuestra tecnología. Las piezas reparables de alto costo no solo son, como indica su nombre, costosas, sino que también vienen con un efecto “ratchet” en cada compra por parte de la aerolínea. De hecho, dado que la tasa de scrap es muy baja para muchas piezas, significa que cualquier pieza comprada permanecerá como parte del inventario durante años. Y si bien revender piezas a veces es posible, con frecuencia se acompaña de un descuento pronunciado en comparación con el precio original. Así, nuestros forecasts son intrínseca y deliberadamente sesgados altos para reflejar precisamente esas situaciones comerciales asimétricas. El objetivo no es tener las mejores estimaciones de inventario en algún sentido estadístico abstracto, sino las estimaciones que realmente ayuden a minimizar los costos empresariales asociados con las imprecisiones propias de dichas estimaciones.
Además, aunque lograr mejores niveles de servicio es ciertamente algo bueno si no implica mantener más inventario, las soluciones clásicas apuntan a niveles de servicio algo arbitrarios basados en clasificaciones ingenuas de inventario frecuentemente fundamentadas en análisis ABC, u otras variantes similares. En esencia, nuestra tecnología estadística asume el reto de aprovechar al máximo cada único Dollar invertido en inventario. Por ejemplo, incluso si una pieza solo tiene un nivel de servicio del 90%, mientras que la compañía busca un nivel de servicio global del 98%, podría ser más rentable aumentar el nivel de servicio de otra pieza del 98% al 99% si esta pieza cuesta 100 veces menos y se solicita 100 veces más frecuentemente que la anterior. El análisis ABC simplifica en exceso el panorama del inventario aeroespacial, donde se deben considerar muchas dimensiones diferentes: costo unitario, demora en el suministro, esencialidad, sobrecosto de compra AOG, capítulo ATA, obsolescencia potencial, etc.
En lugar de entregar números que son “exactamente incorrectos”, Lokad se esfuerza en entregar números que son “aproximadamente ciertos”. Incorporar todas las restricciones financieras y operativas directamente en los modelos de forecast resultó ser una tarea muy desafiante, sin embargo, hemos observado que apoyarse en enfoques clásicos que son ciegos a estos factores arroja resultados muy pobres.
Repensar desde cero la relación con el cliente para entregar el ROI esperado.
Enfoque Big Data para el sector aeroespacial
Nuestra tecnología está diseñada en base al principio de aprovechar la mayor cantidad de datos posible siempre que estén disponibles y, naturalmente, siempre que dichos datos sean realmente relevantes para cualquier desafío de optimización de inventario en cuestión. Este punto de vista es diferente de los enfoques más clásicos que dependen de forma “dura” de datos específicos. Si por alguna razón cierta cantidad de datos no está disponible, simplemente no hay alternativa para afrontar esta situación y, en ideal, la calidad del forecast debería degradarse de la manera más gradual posible cuando falten algunos datos.
Al utilizar más dimensiones en comparación con los modelos clásicos de optimización de inventario, Lokad entrega resultados que están más alineados con la realidad específica del negocio.
Existe una gran cantidad de datos que Lokad puede aprovechar para la optimización de inventario. Entre los elementos más frecuentes se encuentran el historial de compras de piezas, solicitudes de piezas, cambios en componentes, reparaciones, scraps y devoluciones de piezas, por nombrar solo algunos.
Luego, la descripción de la flota con su composición histórica y todas las horas de vuelo y ciclos de vuelo relevantes también se aprovecha habitualmente. Finalmente, los datos relacionados con las piezas (o consumibles) en sí, con propiedades tales como esencialidad, capítulo ATA, criticidad, volumen y peligrosidad, también son importantes para la optimización de inventario.
Además, los costos de adquirir las piezas, ya sea en grandes cantidades a precios más bajos o enfrentándose a un problema AOG a un precio mucho más elevado, constituyen también algunos de los ingredientes clave para mejorar la precisión “financiera” de los modelos de forecast.
Incluso algo tan aparentemente simple como el estado del inventario requiere un conjunto de datos relativamente diverso. De hecho, el stock incluye no solo el inventario disponible y el pedido de compra pendiente, sino también las futuras devoluciones por reparaciones, las devoluciones de piezas en condiciones de servicio, los préstamos a otras aerolíneas y las piezas prestadas a otras aerolíneas.
Al utilizar más dimensiones en comparación con los modelos clásicos de optimización de inventario, Lokad entrega resultados que están más alineados con la realidad específica del negocio.
Datos de terceros, tales como los valores MTBUR (mean time between unscheduled removal) proporcionados por los OEM, también pueden ser aprovechados. Sin embargo, en lugar de depender al 100% de una única fuente de datos, nuestra tecnología prefiere sacar el máximo provecho de todos los datos disponibles.
Si un componente ha sido cambiado más de 100 veces, el MTBUR estimado basado en datos históricos es casi con seguridad más preciso que la estimación del OEM. Pero, por otro lado, para un componente que se cambia muy infrecuentemente, la estimación del OEM es la única información relevante. La tecnología de Lokad aprovecha la mejor mezcla de información necesaria para minimizar los costos financieros asociados con la incertidumbre.
"Cuando llegué a MRO Holdings, me sorprendió gratamente descubrir que Lokad ya era un partner trabajando en probabilistic demand forecast. No sé si estoy revelando uno de los secretos para el éxito en este tipo de negocio, pero esta es realmente la manera de hacer frente y abrazar la volatilidad y la complejidad."
Ricardo Alvarez Henao,
Supply Chain Director en MRO Holdings
