航空宇宙向け在庫予測

The high cost of certain parts, long lead times, infrequent failures and very steep costs of stock-outs only exacerbate all the weaknesses of classic inventory optimization.

特に、MAD（平均絶対偏差）やMAPE（平均絶対パーセンテージ）などの指標に最適化された時系列予測は、航空宇宙で見られる過大予測と過小予測の非対称なコストを正確に反映していません。

正規分布やポアソン分布に基づく従来の安全在庫分析もまた、十分に機能しません。

対照的に、我々の技術の核は予測誤差によるコストを最小化するように設計されています。我々のアプローチは、財務変数に対して単に「無関心」な従来の統計システムとは大きく異なります。

航空宇宙産業において、過大予測および過小予測に伴うコストは非常に非対称であり、これは我々の技術に深い影響を与えています。高価な修理可能部品は、その名称が示す通り高価であるだけでなく、航空会社側の各購入に対して「ラチェット」効果をもたらします。実際、多くの部品のスクラップ率が非常に低いため、購入された部品は何年も在庫の一部として残り続けることになります。そして、部品の転売が可能な場合もありますが、通常は元の価格に比べて大幅な割引が適用されます。したがって、我々の予測は、こうした非対称なビジネス状況を正確に反映するために、意図的に高めにバイアスをかけています。目標は、抽象的な統計的観点から最良の在庫推計値を得ることではなく、推計値自体の不正確さに伴うビジネスコストを実際に最小限に抑える推計値を提供することにあります。

さらに、在庫を増やさずにより良いサービスレベルを達成することは確かに有望ですが、従来のソリューションはしばしばABC分析などの素朴な在庫分類に基づいた恣意的なサービスレベルを目標とします。根本的には、我々の統計技術は、在庫に投資された1ドル1ドルを最大限に活用するという挑戦に取り組んでいます。例えば、ある部品が90%のサービスレベルであっても、企業全体で98%のサービスレベルを求める中で、もし別の部品が前者よりも100分の1のコストで100倍頻繁に要求されるなら、その部品のサービスレベルを98%から99%に引き上げるほうが、収益性が高い可能性があります。ABC分析は、単価、供給遅延、必須性、AOG購入のオーバーヘッド、ATAチャプター、潜在的な陳腐化など、考慮すべき多くの異なる側面が存在する航空宇宙の在庫環境を単純化し過ぎています。

「全く間違っている」数値を提供するのではなく、Lokadは「大まかに正しい」数値を提供することを目指しています。全ての財務的・運用上の制約を予測モデルに組み込むことは非常に困難な課題であることが判明しましたが、これらの要素に「盲目的」な従来のアプローチに頼ると、非常に不十分な結果しか得られないことが分かっています。

在庫状況のように一見単純に見えるものでも、実際には相当多様なデータが必要です。実際、在庫とは、手元在庫や未払いの発注だけでなく、将来の修理返却、サービス可能な部品の返却、他航空会社への貸出、他航空会社に貸し出した部品も含まれます。

従来の在庫最適化モデルと比較してより多くの次元を活用することで、Lokadはビジネス固有の現実により即した結果を提供します。

OEMが提供するMTBUR値（予期せぬ除去間の平均時間）などのサードパーティーデータも活用可能です。しかし、単一のデータソースに100%依存するのではなく、我々の技術は利用可能な全てのデータを最大限に活用することを好みます。

もしあるコンポーネントが100回以上交換されている場合、歴史的データに基づく推定MTBURはOEMの見積もりよりほぼ確実に正確です。しかし逆に、非常に稀にしか交換されないコンポーネントに関しては、OEMの見積もりが唯一の関連情報となります。Lokadの技術は、不確実性に伴う財務コストを最小限に抑えるために必要な最適な情報の組み合わせを活用します。