最適化のための可能な調整の航空宇宙例

航空宇宙在庫予測





航空機は、高コスト修理可能部品から、低コストでテンポの速い消耗品に至るまで、広範囲の部品を必要とします。特定の部分は非常に高価であるという事実は別として、容易に入手可能な必要部分に欠損があると、高価なAOG(航空機整備)を引き起こしてしまいます。Lokadは、航空会社、MRO(メンテナンス、修理、オーバーホール)、OEM(オリジナル機器メーカー)向けに、航空会社の需要予測をする事で、綿密な在庫最適化を実現する統計的なソフトウェアソリューションを提供しております。

私たちは、MRO(メンテナンス修理•オーバーホール)の市場で使える在庫最適化ソリューションを詳細に分析した結果、Lokadを選びました。Lokadのパートナーシップに基づいたアプローチ、応答性、適応性、そして特に、彼らのソルーションの性能は、世界中にまたがる、我が社の顧客に対応する為に、航空機予備部品機器の在庫を最適化する上で、信頼に足るものでした。Lokadは、我々のニーズに対して、オリジナルでインテリジェントなアプローチをする事で、我々の業界の期待と複雑性に充分に答えてくれました。

Olivier Mazzucchelli、SpairlinersのCEO、ハンブルク、ドイツ



古典的なアプローチは、航空宇宙では通用しない

経験則として、古典的な在庫最適化によるアプローチは、スペアパーツを含む場合には、常に十分に機能しません。また、Lokadが航空宇宙業界の仕事から得た経験的によれば、この特殊な業界では、実際にはるかに悪い結果となります。



特定の部品の高コスト、長いリードタイム、稀にある欠損品、在庫切れによる急激なコスト高は、古典的な在庫最適化が持つ全ての弱点を悪化させます。

特に、このようなMAD(絶対偏差)またはMAPE(絶対割合)のような測定基準に対して最適化された時系列予測は、航空宇宙でよく見られるような、過大予測と過小予測間の、非常に不均衡なコストを反映していません。 正規分布に基づく古典的な安全在庫分析や、ポアソン分布もまた充分な働きをしません。 我々のデータを調査してみると、需要パターンは、実際にこれらいずれのモデルにも従わないことを示しており、正規分布やポアソン分布に基づいた古典的な安全在庫分析は、充分な働きをしません。同様に、ABC分析も成功しません。なぜなら、ほんの一握りの在庫カテゴリで、全データをソートしようとする分類の方法は、現代の航空機が必要な部品や消耗品を定義する上で、多くの異なる次元を捕える事に失敗しているからです。

古典的なモデルの背後にある仮定と、航空宇宙事業の現実の間にあるミスマッチな問題以上に、古典的なアプローチは、無数の手動による修正に過度に依存している事が分かりました。この事は頻繁に、在庫の最適化の為に投資した人材が活用されず、単に日常業務をこなす為にITシステムが使われる状況につながります。「alerts」などのようなソフトウェアデザインパターンもまた、彼らのチームを、将来にわたって使えるソリューションを得るための本質的な作業ではなく、毎日の本質的でない修正作業に集中させる事によって、状況を悪化させる傾向にあります。

お問い合わせがありましたら、までご連絡下さい。
航空会社が在庫を予測する為に必要な数学をゼロから再考する

航空宇宙需要パターンは、非古典的な予測を必要とします

Lokadの分析技術は、その中核に航空宇宙ドライバを使用して設計されています。他の産業向けに設計された予測と在庫モデルを再利用する代わりに、Lokadは、航空宇宙産業がネイティブに内蔵している特異性を反映した別の統計的アプローチを作成しました。 Lokadの予測モデルは、航空機団の主導な要因、つまり、単に時系列上にある補正線形係数でなく、基本的に需要自体を明白にする変数を示します。 需要はまず、航空機団にサービスを提供する必要性によって駆動されます。この航空機団は増えたり減ったりする可能性があります。飛行時間と飛行サイクルの組み合わせは、時間とともに変化します。いくつかのメンテナンス操作は予定されていますが、他は計画外です。Lokadの予測モデルは、航空機団の主導な要因、つまり、単に時系列上にある補正線形係数でなく、基本的に需要自体を明白にする変数を示します。 また、「平均」需要は、それ程重要ではありませんが、むしろスパイク、すなわち、最もサービスレベルに影響を与える需要の、最も高いポイントの方が重要です。正規分布やポアソン分布に依存している古典的なアプローチは、すべての推定において、系統的な偏執を導きます。Lokadの技術は、事前の需要クォンタイル予測分析に依存しています。クォンタイル視点は、今後訪れる需要のスパイクと、それに伴う可能性を正確に予測する上で不可欠なものです。



さらに、需要は、不確かであるばかりか、リードタイムでもあります。特に、高コスト修理可能部品は、コンポーネントの変更から、修復部品の新たな利用可能性に至るまで、一つのリードタイムばかりでなく、全流通を巻き込みます。完全なリードタイムは多くのステップを含んでいます:管理時間、調達時間、輸送時間、受領時間、TAT(MROまたはOEMでの検査時間、および必要がある場合の修理所要時間)、荷卸しと在庫移動時間、店の処理時間など。平均値または中央値によるリードタイムのモデリングは、非常に不十分です。Lokadの技術は、遅延の全体的な分布-日常的に遅延が発生する確率をそのままモデル化しました。

最後に、需要には、ネイティブな統計的対応を必要とする、多くの非常に特異的なパターンがあります。例えば、レトロフィットは、今までに、考慮されるべき、幾つもの偏執を引き起こしました。さらに、複数のバージョンが共存している部品に関しての互換ルール、つまり、完全互換なのか、一方通行の互換なのかといったルールは将来への予測をさらに複雑にしています。時系列にすべてを詰め込もうとする古典的なアプローチとは異なり、私たちの技術は、具体的にこれらの課題に合わせて調整された統計モデルを介して深くこれらの問題に対処しています。
在庫を担当する実務者のユーザー体験をゼロから再考する

在庫最適化は、航空宇宙コストと連動します

部品はAOG(航空機整備)を回避するためにサービスを提供していますが、この点において、全部分が同じではありません。No-Go、Go-If、Goバリアントの重要な概念の一つは、利用出来る必要部品を持っていない事によってコストに強い影響を与えるという事です。多くのソリューションは、パーセント(例えば:MAPE、絶対パーセント)で表したり、他の任意の単位(例:MAD、絶対平均偏差)で表わしたりした、誤った予測を間違って最適化します。反対に、我々の技術の中核は、予測誤差から発生す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、単に金融変数を「ブラインド」する古典的な統計システムとは全く異なるものです。

過剰予想や過小予想に関わる費用は、航空宇宙で非常に不均衡であり、これは、我々の技術に深い影響を与えています。高コスト修理可能部品は、その名前が示唆するように、高価だけではなく、航空会社側のすべての購入に「ラチェット」効果を与えます。実際、スクラップ発生率は、多くの部品で非常に低く、それは購入した部品が何年も在庫の一部として残っている事を意味しています。部品を転売することも可能な場合もありますが、それは往々に、元の価格に比べて大幅に割引かれます。従って、我々の予測は、不均衡なビジネスの状況を反映してネイティブに、また意図的に大きく偏っています。目標は、統計的感覚から抽出したベストな在庫予測値を出す事ではなく、予測自体の不確実性に関連するビジネス・コストを最小限に抑える事が出来る予測値を出す事です。

さらに、古典的なソリューションが多くの在庫を抱える問題に関与していないのであれば、より優れたサービスレベルの達成をターゲットとするのは良い事ですが、彼らは、内部的な在庫分類や、往々にしてABC分析や、他の同様なバリアントに基づくようなサービスレベルをターゲットにしています。我々は、統計的技術の中核として、在庫に対する1ドル単位の投資に対して挑戦しています。例えば、会社が、全体として98%のサービスレベルを目指しており、ある部分が90%のサービスレベルを持っている場合であっても、他の部分のコストが100倍以下であり、頻繁に100回注文されるなら、この部分のサービスレベルを98%から99%に引き上げた方が、より収益性が高くなるでしょう。ABC分析は、単価、供給遅延、必須性、AOG購入オーバヘッド、ATA章、潜在的陳腐化など、多くの異なる側面を考慮すべき航空宇宙在庫の実情を単純化しすぎています。

「正確に間違った」数字を配信する代りに、Lokadは「ほぼ真」である数字の提供に努めています。予測モデルに繋がるすべての財政上及び使用上の制約のファクタリングは、非常に困難な作業であることが証明されましたが、これらの要因に「ブラインド」である古典的なアプローチに依存することは、さらに悪い結果になる事も観察してきました。
予想投資収益率を実現する上で、ゼロからクライアントとの関係を再考する

航空宇宙用のビッグデータのアプローチ

我々の技術は、できる限り多くの利用可能で当然ながら、将来の在庫最適化の課題に実際に関連しているデータを活用するという原則に基づいて設計されています。この観点は、特定のデータと「ハード」な依存関係を持つ、殆どの古典的なアプローチとは異なります。実際、何らかの理由で一定量のデータが利用できない場合は、このような状況に対処する代替策はなく、データが欠落して存在する場合は、大いに予測の質を低下させてしまいます。 古典的な在庫最適化モデルと比較して、より多くの側面を利用することで、Lokadは、ビジネス固有の現実により密接に繋がる結果を提供します。 Lokadが在庫の最適化のために活用出来る多くのデータがあります。最も頻繁な項目のうち、いくつか例を挙げると、部品の購入、部品の要求、部品の変更、修理、スクラップや部品返品の履歴があります。そして、組成の履歴および、飛行時間や飛行サイクルに関連する全ての航空機団の記述は、一般的に活用されています。最後に、不可欠性などの属性を含めた部品(または消耗品)自体に関するデータ、ATA章、重要度、かさ高、危険性も、在庫最適化のために重要です。また、部品の購入コスト、低い価格で大量に部品を購入するか、急峻な価格でAOG問題に直面するか、予測モデルの「金融」精度を向上させる上で、重要な要素の一部を構成しています。

在庫状態のような一見単純なものであっても、データの比較的多様なセットを必要とします。実際、在庫は、手持ちの在庫と購入注文だけでなく、将来の修理返品、使用可能な部品返品、他の航空会社に、別の航空会社と部品を貸し出すローンを含んでいます。古典的な在庫最適化モデルと比較して、より多くの側面を利用することで、Lokadは、ビジネス固有の現実により密接に繋がる結果を提供します。

OEMメーカーによって提供される、このようなMTBUR値(平均計画外除去間隔)などのサードパーティーのデータも利用できます。しかし、単一のデータソースに100%依存するのでなく、我々の技術は、利用可能な全てのデータを利用出来るようにする事を目指しています。



コンポーネントが100回以上変更された場合、過去のデータに基づいたMTBUR推定は、OEM推定値よりかなり正確です。しかし一方で、非常に頻繁に変更されるコンポーネントの場合、OEMの推定値は、情報の断片に関連するにすぎません。Lokadの技術は、不確実性に関連する金融コストを最小化するために、必要な情報のベストミックスを活用します。