Résumé
Une MRO efficace (maintenance, réparation et révision) nécessite une gestion méticuleuse de jusqu’à plusieurs millions de pièces par avion, où toute indisponibilité peut entraîner des événements coûteux d’avion immobilisé (AOG). Les solutions traditionnelles pour gérer cette complexité reposent sur l’implémentation de formules de stocks de sécurité ou sur le maintien de stocks excessifs, qui présentent tous deux des limites et peuvent s’avérer financièrement insoutenables. Lokad, via une approche de prévision probabiliste, se concentre sur la prévision de la défaillance ou des besoins de réparation de chaque pièce individuelle à travers la flotte et sur l’évaluation de l’impact financier immédiat et en aval des événements AOG potentiels. Cette approche peut même conduire à des décisions apparemment contre-intuitives, comme ne pas stocker certaines pièces et, à la place, payer une prime lors d’un besoin réel, ce qui peut, paradoxalement, s’avérer plus rentable que de maintenir un stock excédentaire. De plus, l’approche de Lokad automatise ces processus de prise de décision, réduisant le temps et la bande passante gaspillés et augmentant l’efficacité opérationnelle.
Transcription
En un mot, un avion ne peut voler que s’il respecte les normes de sécurité les plus strictes. Le problème est que, si une seule pièce de cet avion ne fonctionne pas correctement ou ne peut être réparée à temps, l’avion est immobilisé. Cette situation affecte non seulement le calendrier des vols mais aussi les projets de voyage de tous les passagers.
Selon la taille de l’avion, il peut y avoir de 250 000 à plusieurs millions de pièces individuelles dans un avion commercial. Cela signifie qu’il y a potentiellement plusieurs millions de pièces, dont chacune doit être inspectée, réparée et/ou remplacée en continu. Cela vous donne une indication de la complexité globale de la supply chain impliquée dans la maintenance, la réparation et la révision.
Non seulement la complexité numérique impliquée est absolument énorme, mais les conséquences financières le sont tout autant. Ainsi, l’objectif de chaque client MRO est simple : éviter les événements d’avion immobilisé (AOG). La principale cause d’un événement AOG est en réalité très simple : ne pas disposer de la pièce précise dont vous avez besoin au moment exact où vous en avez besoin.
Étant donné la nature interdépendante des vols, devoir reprogrammer un seul avion en raison d’un événement AOG peut en réalité s’avérer assez coûteux, allant de dizaines de milliers à des centaines de milliers de dollars. Par exemple, l’avion qui quitte Paris pour Londres fait généralement demi-tour et retourne à Paris. Ainsi, si le vol initial doit être annulé ou reprogrammé en raison d’un événement AOG, il en va de même pour le vol de retour.
Un moteur d’avion typique, comme celui-ci, comporte entre 25 000 et 45 000 pièces individuelles. D’un point de vue supply chain, cela représente 45 000 événements AOG possibles. Ainsi, encore une fois du point de vue supply chain, ne pas disposer d’une vis coûtant un dollar est aussi potentiellement dommageable que le fait que l’ensemble d’un moteur de 50 millions de dollars ne démarre pas. Pourquoi cela ? L’avion est immobilisé.
Les solutions grand public aux contraintes de la supply chain impliquent l’application classique de formules de stocks de sécurité. Or, celles-ci échouent pour de nombreuses raisons, notamment parce qu’elles supposent que la demande suit une distribution normale. Cela, bien sûr, est rarement le cas dans le domaine des pièces détachées.
Une solution alternative et tout aussi insoutenable consiste à stocker une quantité infinie de stocks. Or, cela n’est pas seulement impraticable, mais également potentiellement impossible sur le plan financier, étant donné qu’il pourrait y avoir sept millions de pièces pour chaque avion dans chaque flotte.
D’autre part, la philosophie de Lokad repose sur la prévision probabiliste et une perspective purement axée sur les finances, visant à réduire les erreurs en dollars ou en euros. Par exemple, Lokad prendrait chaque pièce individuelle de cet avion et prévoirait la probabilité que cette pièce tombe en panne ou nécessite une réparation. Lokad répète ensuite ce processus pour chaque pièce individuelle de cet avion pour chaque avion de la flotte. Lokad confronte ensuite cela à la possibilité d’un événement AOG et à son coût.
Lokad est également capable de prendre en compte certains scénarios contre-intuitifs. Encore une fois, prenons l’avion comme exemple. Il y a potentiellement sept millions de pièces, mais parmi ces sept millions de pièces, certaines sont plus importantes, tant sur le plan financier que sur le plan absolu, que d’autres. Dans cet ensemble de données, certaines sont plus susceptibles de nécessiter une réparation et un remplacement que d’autres.
Cela conduit en réalité à la situation contre-intuitive où certaines pièces ne valent réellement pas la peine d’avoir des pièces de rechange. En fait, il pourrait être préférable d’attendre un moment de véritable besoin et de payer alors une prime sur le marché. Ce coût plus élevé, la prime d’achat en cas de besoin, pourrait en réalité être, d’un point de vue probabiliste et financier, une décision financière meilleure que de disposer de grandes quantités de stocks inutilisés.
En bref, l’approche de Lokad permet une prise de décision efficace et automatisée, du type qui réduit non seulement les erreurs en dollars, mais aussi la quantité de bande passante qui serait autrement dédiée à des décisions répétitives et banales.
