PREVISIONE DELL'INVENTARIO PER L'AEROSPACE

Il elevato costo di alcune parti, i lunghi tempi di consegna, i guasti poco frequenti e i costi estremamente elevati da esaurimento scorte non fanno che aggravare tutte le debolezze dell’ottimizzazione dell’inventario classica.

In particolare, le previsioni basate su serie temporali ottimizzate rispetto a metriche come MAD (deviazione assoluta media) o MAPE (percentuale media assoluta) non riflettono adeguatamente i costi altamente asimmetrici tra sovrastima e sottostima riscontrati nell’aerospazio.

L’analisi classica dello stock di sicurezza basata sulle distribuzioni normali o di Poisson funziona anch’essa in modo insufficiente.

L’analisi classica dello stock di sicurezza basata sulle distribuzioni normali o di Poisson funziona male, perché le nostre osservazioni dei dati indicano semplicemente che i modelli di domanda non seguono realmente nessuno di questi modelli. Allo stesso modo, l’analisi ABC fallisce, poiché qualsiasi classificazione che suddivide tutte le parti in una manciata di categorie di inventario non riesce a catturare le molteplici dimensioni che definiscono le parti o i consumabili richiesti dagli aerei moderni.

Oltre al disallineamento tra le ipotesi alla base dei modelli classici e la realtà del business aerospaziale, abbiamo anche riscontrato che gli approcci classici si basano eccessivamente su innumerevoli correzioni manuali. Questo porta frequentemente a situazioni in cui la manodopera impiegata nell’ottimizzazione dell’inventario non viene capitalizzata, ma semplicemente consumata dai sistemi IT per far fronte alle operazioni quotidiane. Alcuni modelli di progettazione software, come gli “alerts”, tendono inoltre a peggiorare la situazione, inducendo i team a concentrarsi su correzioni superficiali quotidiane invece che sulle cause profonde, al fine di fornire soluzioni durature. Per qualsiasi richiesta, contattaci a contact@lokad.com

Al contrario, l’essenza della nostra tecnologia è progettata per minimizzare i costi in Dollari derivanti dagli errori di previsione. Il nostro approccio è molto diverso dai classici sistemi statistici che sono semplicemente “ciechi” alle variabili finanziarie.

I costi legati a previsioni troppo elevate o troppo basse sono altamente asimmetrici nel settore aerospaziale, e questo ha un profondo impatto sulla nostra tecnologia. Le parti riparabili ad alto costo non sono solo, come suggerisce il nome, costose, ma comportano anche un effetto “ratchet” ad ogni acquisto da parte della compagnia aerea. Infatti, poiché il tasso di rottame è molto basso per molte parti, significa che ogni parte acquistata rimarrà in inventario per anni. E mentre la rivendita delle parti è talvolta possibile, spesso comporta uno sconto notevole rispetto al prezzo originale. Pertanto, le nostre previsioni sono intrinsecamente e intenzionalmente eccessive per riflettere precisamente quelle situazioni aziendali asimmetriche. L’obiettivo non è avere le migliori stime dell’inventario in un senso statistico astratto, ma le stime che aiutano veramente a minimizzare i costi aziendali associati alle imprecisioni stesse delle previsioni.

Inoltre, sebbene raggiungere livelli di servizio migliori sia sicuramente un aspetto positivo se non comporta il mantenimento di un maggior inventario, le soluzioni classiche mirano a livelli di servizio piuttosto arbitrari basati su classificazioni naïve dell’inventario, frequentemente fondate sull’analisi ABC o altre varianti simili. Nel suo nucleo, la nostra tecnologia statistica accetta la sfida di sfruttare al massimo ogni singolo Dollaro investito in inventario. Ad esempio, anche se una parte ha solo un livello di servizio del 90%, mentre l’azienda persegue un livello di servizio complessivo del 98%, potrebbe essere più redditizio aumentare il livello di servizio di un’altra parte dal 98% al 99% se questa costa 100 volte meno ed è richiesta 100 volte più frequentemente rispetto alla prima. L’analisi ABC semplifica eccessivamente il panorama dell’inventario aerospaziale, dove molte dimensioni diverse devono essere prese in considerazione: costo unitario, ritardo nella fornitura, essenzialità, sovraccarico d’acquisto in situazioni AOG, capitolo ATA, potenziale obsolescenza, ecc.

Invece di fornire numeri che siano “esattamente errati”, Lokad si impegna a fornire numeri che siano “approssimativamente veri”. Integrare tutte le restrizioni finanziarie e operative direttamente nei modelli di previsione si è rivelato un compito estremamente difficile, tuttavia abbiamo osservato che affidarsi agli approcci classici “ciechi” rispetto a questi fattori dà risultati molto scadenti.

Anche qualcosa di apparentemente semplice come lo stato dell'inventario richiede un insieme relativamente vario di dati. Infatti, l'inventario include non solo lo stock disponibile e gli ordini di acquisto in scadenza, ma anche i futuri resi per riparazioni, i resi di parti idonee al servizio, i prestiti ad altre compagnie aeree e le parti concesse in prestito ad altre compagnie aeree.

Sfruttando più dimensioni rispetto ai modelli classici di ottimizzazione dell'inventario, Lokad fornisce risultati più allineati con la realtà specifica del business.

Dati di terze parti, come i valori MTBUR (tempo medio tra rimozioni non programmate) forniti dagli OEM, possono anch'essi essere sfruttati. Tuttavia, invece di affidarsi al 100% a una singola fonte di dati, la nostra tecnologia preferisce sfruttare al massimo tutti i dati disponibili.

Se un componente è stato sostituito più di 100 volte, il MTBUR stimato sulla base dei dati storici è quasi certamente più accurato della stima fornita dall'OEM. Ma, d'altra parte, per un componente che viene cambiato molto raramente, la stima dell'OEM è l'unica informazione rilevante. La tecnologia di Lokad sfrutta il miglior mix di informazioni necessario per minimizzare i costi finanziari associati all'incertezza.