Ценообразование долгосрочного соглашения о техническом обслуживании (MRO)

Когда компания заказывает полностью функционирующую электростанцию, промышленное тяжелое оборудование или парки самолётов и автомобилей, она рассчитывает, что эта инвестиция будет приносить доход в последующие годы, если не десятилетия. Чтобы обеспечить возврат инвестиций, долгосрочное техническое обслуживание и сервисное обслуживание этого оборудования имеют решающее значение и обычно составляют значительную часть, если не большинство, затрат проекта. Для покрытия этого риска стало нормой прибегать к долгосрочным соглашениям на обслуживание/сервис, предлагаемым поставщиком (OEM, MRO или другим).

Такие соглашения могут принимать различные формы. Однако суть почти всегда следующая: финансовый риск обслуживания полностью или частично переносится на поставщика на определённый период (годы или десятилетия) по цене, установленной в начале контракта. Тогда возникает вопрос: какая из сторон способна лучше оценить этот риск и получить преимущество в переговорах? И для поставщика – как оптимизировать процесс, чтобы максимизировать маржу в рамках контракта?

Оцените риск до продажи и живите с ним

Учитывая финансовую значимость долгосрочных контрактов на обслуживание и тот факт, что не редкость, когда поставщик продаёт само оборудование с огромной скидкой, рассчитывая на то, что договор на обслуживание принесёт маржу, ценообразование и условия сервиса обычно оказываются в центре переговоров между сторонами.

Компании используют различные инструменты и процессы для оценки затрат, связанных с различными мерами обслуживания, которые могут понадобиться (затраты на заменяемые запчасти, выделенный персонал для каждого типа вмешательства, затраты на перерывы в обслуживании…). Однако, хотя эта оценка может быть сложной, она охватывает лишь малую часть проблемы. Настоящий вызов заключается в следующем: какова вероятность возникновения этих затратных событий в любой момент и как часто они могут происходить в долгосрочной перспективе? Если поставщик недооценит риск, он может потерять деньги в течение срока контракта. С другой стороны, если поставщик переоценит риск, завысив стоимость своих услуг, он может полностью потерять контракт.

Реальность долгосрочных контрактов такова, что конечная стоимость крайне неопределена и, следовательно, может варьироваться в широком диапазоне. Любая попытка установить «точное» значение, которое должно быть «правильным» или хотя бы «близким к истине», свидетельствует о существенном недопонимании процесса прогнозирования. Просто не существует «единственного точного значения»; любая прогнозируемая оценка несёт в себе определённый уровень риска, и именно оценка этого (финансового) риска, выраженная в долларах, должна быть в центре процесса прогнозирования.

После подписания договора на обслуживание поставщику придётся смириться с его условиями. Однако это не означает, что усилия по прогнозированию прекращаются. Напротив, регулярное обновление оценки риска необходимо для обеспечения жизнеспособности контракта. Это включает в себя:

• Краткосрочные прогнозы для оптимизации ресурсов (запасов запасных частей и рабочей силы), которые необходимо поддерживать для обеспечения соответствующего времени отклика и уровня сервиса. Эти прогнозы краткосрочные в том смысле, что они сосредоточены на «горизонте процесса» (или времени выполнения заказа), чтобы обеспечить максимально эффективное выполнение процесса.
• Долгосрочные прогнозы для уточнения оценки риска, который остаётся на компании в оставшийся период контракта, а также, при необходимости, для расчёта резервов под убытки. Опасность долгосрочных контрактов на обслуживание заключается в том, что большая часть затрат часто накапливается ближе к концу, тогда как доходы обычно признаются равномерно на протяжении срока действия контракта.

Ограничения классических подходов к прогнозированию обслуживания

Оценка риска и связанных с ним затрат является сложной задачей, и, к сожалению, эта проблема обычно оказывается такой, где классические подходы, применяемые большинством компаний, работают плохо. Самые простые методы, основанные на спецификациях, предоставляемых производителем (например, данные типа MTBUR), лишь слабо отражают реальность, поскольку надёжность запчастей часто сильно зависит от внешних факторов (использование, окружающая среда…). По нашему опыту, реальные показатели надёжности мало связаны с теоретическими цифрами, особенно в долгосрочной перспективе.

Более продвинутые классические методы, основанные на традиционных статистических «классических» прогнозах, также не способны отразить реальность паттернов, с которыми сталкиваются запчасти. Эти методы исходят из предположения, что прогнозирование обслуживания аналогично любому другому прогнозу «спроса» и поэтому может выполняться с использованием того же подхода. К сожалению, это не так. Несколько особенностей делают прогнозирование обслуживания сложным:

• Редкие события: механические отказы по определению являются редкими событиями, поэтому при анализе конкретных запчастей чрезмерное доверие моделям с «плавными» паттернами (подобно бестселлерам в ритейле) является наивным.
• Замены волнами: реальность обслуживания часто такова, что срыв сервиса обходится дороже, чем сами неисправные запчасти. Это становится мощным стимулом для замены запчастей волнами, а не по одной, чтобы избежать ненужных простоев. Это опровергает предположение о том, что различные запчасти имеют «независимые» паттерны обслуживания, и, соответственно, большинство популярных моделей прогнозирования, основанных на этом предположении.
• Ожидается чрезвычайно высокий уровень сервиса: учитывая стоимость перерыва в обслуживании, ожидаемый уровень сервиса по контрактам на обслуживание часто чрезвычайно высок и значительно превосходит целевые показатели в других отраслях. Например, стоимость простоя самолёта (инцидент AOG) может достигать нескольких сотен тысяч долларов в день.
• Замкнутый цикл ремонта: многие запчасти слишком дороги, чтобы их просто выбрасывать. Некоторые отправляются на проверку и ремонт, а затем вновь поступают в инвентарь для последующего использования. Это выводит компанию из традиционного сценария «продай и закажи снова» сценария. Как только компания приобретает запчасть, она может долго оставаться в запасе. Это делает решение о покупке с целью увеличения инвентаря ещё более серьёзным, поскольку обязывает компанию на длительный период.

Однако самым большим препятствием является само понятие классического прогноза. По определению, классический прогноз не является предсказанием или догадкой, сколь бы точным он ни был. Это статистическая оценка ожидаемого медианного значения спроса/затрат. Таким образом, в данном случае классические прогнозы для оценки общей стоимости контракта на обслуживание дадут значение, которое по определению имеет 50%-ную вероятность оказаться выше или ниже реальной стоимости. Конечно, с финансовой точки зрения такие шансы неприемлемы, что делает концепцию классического прогноза нерелевантной. В конечном итоге, ключ к созданию адекватных прогнозов — это с самого начала принять финансовую перспективу в процессе прогнозирования.

Цель состоит в том, чтобы опираться на «прогнозируемые сценарии», которые напрямую учитывают в прогнозе целевое финансовое покрытие (финансовый риск, уровень сервиса), которое необходимо достичь, и, таким образом, основные финансовые движущие силы. А это и есть квантильный прогноз.

Финансовая перспектива на прогнозирование: квантили

Прогнозирование обслуживания прежде всего представляет собой финансовую оптимизацию, как в отношении финансового риска по всему контракту, так и того, насколько эффективным может быть процесс обслуживания при сохранении требуемого покрытия/уровня сервиса. Чем выше оценка необходимых затрат/уровня запасов, тем ниже вероятность того, что реальность превзойдёт эту оценку, но важно помнить, что ни одна оценка не может гарантировать 100%-ное покрытие.

Эти сценарии можно получить с помощью квантильных прогнозов, которые на самом деле являются расширением классических прогнозов: вместо того чтобы искать значение, которое имеет 50%-ную вероятность покрыть будущий спрос/затраты, квантильные прогнозы позволяют определить любой порог, будь то 10%, 60%, 80% или 98% в распределении затрат/риска.

Оценка общих затрат и оставшегося риска

Цель состоит в том, чтобы сформировать прогнозы, соответствующие различным уровням риска, которые компания готова принять. Этот анализ должен быть представлен в виде нескольких смоделированных сценариев, варьирующихся от минимально приемлемого покрытия, обеспечивающего неоспоримую минимальную цену, до более высокого уровня покрытия, предоставляющего более благоприятные сценарии по завышенной цене.

На практике ценообразование контрактов на обслуживание во многом определяется «готовностью платить» клиента и уровнем конкуренции. Поэтому поставщику, как правило, приходится смягчать свои цены, однако создание вышеупомянутых сценариев позволит ему фактически количественно определить риск, с которым он сталкивается для определённого уровня цен.

Эти сценарии также особенно полезны при обновлении в ходе контракта для оценки риска на оставшийся срок, а также для определения необходимости создания или корректировки резервов и в каком объёме. Такой подход обладает большим преимуществом, поскольку позволяет количественно оценить риск, что даёт прямую финансовую оценку и полный контроль над уровнем предусмотрительности, который следует принять.

Оптимизация процесса обслуживания по контракту

Что касается оптимизации ресурсов/инвентаризации, идеальной ситуацией было бы установить целевой уровень сервиса, которого необходимо достичь, и вычислить минимальный соответствующий уровень ресурсов/запасов, необходимый для обеспечения этого уровня сервиса. Само по себе это сложно, учитывая особенности контракта на обслуживание, упомянутые выше, но может быть достигнуто с помощью квантильных прогнозов, которые позволяют, аналогично предыдущим сценариям, напрямую нацелиться на желаемый уровень сервиса и оценить соответствующие потребности.

Однако реальность обслуживания часто оказывается более сложной, поскольку компаниям обычно приходится работать в условиях ограниченного бюджета и вести арбитраж между различными запчастями, чтобы обеспечить наилучший возврат инвестиций в терминах уровня сервиса на вложенный доллар. Такая оптимизация становится возможной благодаря созданию квантильной сетки, которая представляет результаты для всех типов запчастей для всех возможных сценариев в пределах допустимых уровней сервиса (какое количество запчастей каждого типа потребуется для обеспечения всего спектра возможных уровней сервиса). Это позволяет компании ориентироваться в этой сетке и определять наиболее эффективный уровень запасов, который можно поддерживать при ограниченном бюджете.