Ценообразование для долгосрочного соглашения о техническом обслуживании (MRO)

Когда компания заказывает полную электростанцию, промышленное тяжелое оборудование или парк самолетов или автомобилей, она ожидает, что эта инвестиция принесет доходы в следующие годы, если не десятилетия. Чтобы обеспечить окупаемость инвестиций, техническое обслуживание и сервисное обслуживание оборудования на протяжении долгого времени являются важными и, как правило, составляют значительную часть, если не большую часть, затрат на проект. Чтобы покрыть этот риск, обращение к долгосрочным соглашениям о техническом обслуживании, предлагаемым поставщиком (OEM, MRO или другими), стало нормой.

Эти соглашения могут иметь различные формы. Однако, в большинстве случаев, финансовый риск обслуживания полностью или частично переносится на поставщика на определенный период времени (годы или десятилетия) по цене, установленной в начале контракта. Вопрос тогда становится: из двух сторон, кто лучше может оценить этот риск и получить преимущество в переговорах? И для поставщика, как оптимизировать свой процесс, чтобы максимизировать маржу во время контракта?

Оценка риска до продажи и жизнь с ним

Учитывая финансовую важность долгосрочных контрактов на техническое обслуживание и тот факт, что не редкость, когда поставщик продает само оборудование с большой скидкой, рассчитывая на то, что контракт на техническое обслуживание принесет прибыль, ценообразование и условия обслуживания обычно находятся в центре переговоров между сторонами.

Компании используют различные инструменты и процессы для оценки затрат, связанных с различными видами обслуживания (стоимость замены деталей, выделенный персонал для каждого типа вмешательства, затраты на прерывание обслуживания…). Однако, хотя эта оценка может быть сложной, она касается лишь небольшой части проблемы. Настоящая проблема заключается в том, насколько вероятны события, приводящие к затратам, в любой момент времени и как часто они происходят в долгосрочной перспективе? Если поставщик недооценивает риск, он может потерять деньги в течение контракта. С другой стороны, если поставщик переоценивает риск, т.е. устанавливает завышенную цену на свои услуги, он может потерять контракт полностью.

Реальность долгосрочных контрактов заключается в том, что конечная стоимость очень неопределенна и может варьироваться в широком диапазоне. Любая попытка получить “точное” значение, которое пытается быть “правильным” или по крайней мере “близким к истине”, свидетельствует о реальном непонимании процесса прогнозирования. Просто нет “одного точного значения”; любая прогнозируемая оценка будет нести уровень риска, и именно оценка этого (финансового) риска, выраженного в долларах, должна быть в центре процесса прогнозирования.

После подписания соглашения о техническом обслуживании, поставщику придется жить с ним. Однако это не означает, что усилия по прогнозированию прекращаются здесь. Напротив, регулярные обновления риска необходимы для обеспечения жизнеспособности контракта. Это включает в себя:

• Краткосрочные прогнозы для оптимизации ресурсов (запасных частей и персонала), которые должны быть поддержаны для обеспечения соответствующего времени реакции и уровня обслуживания. Эти прогнозы являются краткосрочными в том смысле, что они фокусируются на “горизонте процесса” (или времени выполнения), чтобы обеспечить максимальную эффективность этого процесса.
• Долгосрочные прогнозы для уточнения оценки риска, который по-прежнему несет компания на оставшуюся часть контракта, и расчета, при необходимости, резервов на случай убытков. Опасность долгосрочных контрактов на обслуживание заключается в том, что большая часть затрат часто накапливается к концу, в то время как доходы обычно распределяются равномерно на протяжении всего срока контракта.

Ограничения классических подходов к прогнозированию обслуживания

Оценка риска и связанных с ним затрат является сложной задачей, и, к сожалению, это типичная проблема, в которой классические подходы, используемые большинством компаний, работают плохо. Простейшие методы, основанные на спецификациях, предоставленных производителем (например, данные типа MTBUR), дают лишь плохое представление о реальности, поскольку надежность деталей часто сильно зависит от внешних факторов (использование, окружающая среда…). По нашему опыту, реальные показатели надежности мало имеют общего с теоретическими цифрами, особенно в долгосрочной перспективе.

Более продвинутые классические методы, основанные на традиционных статистических “классических” прогнозах, также не удается уловить реальность паттернов, встречающихся с запасными частями. Эти методы основаны на предположении, что прогнозирование обслуживания такое же, как и любой другой прогноз “спроса” и, следовательно, может быть решено с использованием того же подхода. К сожалению, это неправда. Несколько специфических особенностей делают прогнозирование для обслуживания сложным:

• Редкие события: механические отказы по определению являются редкими событиями, поэтому при рассмотрении конкретных деталей полагаться на модели, предлагающие “плавные” паттерны (подобно топ-продажам в рознице), является немного наивным.
• Замены в волнах: реальность обслуживания часто заключается в том, что нарушение обслуживания обходится дороже, чем сами сломанные детали. Это сильное стимулирование замены деталей в волнах, а не по одной, чтобы избежать ненужных простоев. Это опровергает предположение о том, что разные детали имеют “независимые” паттерны обслуживания и, следовательно, большинство популярных моделей прогнозирования, которые полагаются на это предположение.
• Очень высокие ожидаемые уровни обслуживания: учитывая стоимость прерывания обслуживания, ожидаемые уровни обслуживания для контрактов на обслуживание часто являются чрезвычайно высокими, гораздо выше диапазона, обычно преследуемого в других отраслях. Например, стоимость наземного самолета (инцидента AOG) может составлять несколько сотен тысяч долларов в день.
• Замкнутый цикл ремонта: многие детали слишком дороги, чтобы их выбрасывать. Некоторые отправляются на проверку и ремонт, а затем вновь импортируются обратно на склад для будущего использования. Это выводит компанию из традиционной ситуации “продать и заказать” сценария. После того, как компания приобрела деталь, она может находиться на складе долгое время. Это делает решение о покупке для увеличения запасов еще более серьезным, поскольку оно обязывает компанию на длительный период.

Однако самым большим препятствием является понятие классического прогноза. По определению, прогноз в классическом смысле не является предсказанием или догадкой, как точным он ни был. Это статистическая оценка ожидаемой медианы спроса/стоимости. Таким образом, в данном случае классические прогнозы, применяемые для оценки общей стоимости контракта на обслуживание, предоставляют значение, которое, по определению, имеет 50% шанс быть выше или ниже реальной стоимости. Конечно, с финансовой точки зрения эти шансы неприемлемы в данной ситуации, что делает понятие классического прогноза несущественным. В конце концов, ключевым моментом для создания адекватных прогнозов является принятие финансовой перспективы на процесс прогнозирования с самого начала.

Цель состоит в том, чтобы полагаться на “прогнозируемые сценарии”, учитывая в прогнозе целевое финансовое покрытие (финансовый риск, уровень обслуживания), которое должно быть достигнуто, а также базовые финансовые факторы. И это квантильный прогноз.

Финансовая перспектива на прогнозирование: квантили

Прогнозирование для обслуживания - это прежде всего финансовая оптимизация, как по финансовому риску на всем контракте, так и по тому, насколько эффективным может быть процесс обслуживания при сохранении желаемого покрытия/уровня обслуживания. Чем выше оценка необходимых затрат/уровня запасов, тем ниже вероятность того, что эта оценка будет превзойдена реальностью, но важно помнить, что ни одна оценка не может гарантировать 100% покрытие.

Эти сценарии могут быть сгенерированы с помощью квантильных прогнозов, которые являются расширением классических прогнозов: вместо поиска значения, которое имеет 50% вероятность покрытия будущего спроса/затрат, квантильные прогнозы позволяют нам определить любой порог, будь то 10%, 60%, 80% или 98%, в пределах распределения стоимости/риска.

Оценка общих затрат и оставшегося риска

Цель состоит в создании прогнозов, соответствующих различным уровням риска, которые компания готова принять. Этот анализ должен представлять собой несколько симулированных сценариев, начиная с наименьшего допустимого покрытия, обеспечивающего непреодолимую минимальную цену, и заканчивая более высокими уровнями покрытия, обеспечивающими более благоприятные сценарии по более высокой цене.

На самом деле, ценообразование на контракты на обслуживание будет в значительной степени определяться “готовностью клиента платить” и степенью конкуренции. Поэтому поставщик обычно обязан умеренно устанавливать цены, но создание вышеупомянутых сценариев позволит поставщику фактически количественно оценить риск, с которым он сталкивается при определенном уровне ценообразования.

Эти сценарии также особенно полезны при обновлении контракта для оценки риска на оставшуюся часть контракта и определения необходимости создания или корректировки резервов и насколько. Такой подход предлагает большое преимущество в виде количественной оценки риска, что позволяет прямую финансовую оценку и полный контроль над уровнем осторожности, который следует принять.

Оптимизация процесса обслуживания в контракте

Что касается оптимизации ресурсов/инвентаря, идеальной ситуацией было бы установить целевой уровень обслуживания и рассчитать минимальный соответствующий уровень ресурсов/инвентаря, необходимый для обеспечения этого уровня обслуживания. Это само по себе сложно, учитывая особенности обслуживающего контракта, упомянутые выше, но можно достичь этого с помощью квантильных прогнозов, которые позволяют, так же, как и в случае сценариев выше, напрямую нацелиться на желаемый уровень обслуживания и оценить соответствующую потребность.

Однако реальность обслуживания часто более сложна, поскольку компании обычно должны работать в рамках ограниченного бюджета и должны сбалансировать между различными частями, чтобы обеспечить наилучшую отдачу от инвестиций в терминах уровня обслуживания за каждый вложенный доллар. Эта оптимизация становится возможной благодаря созданию сетки квантилей, которая представляет результаты для всех типов деталей всех возможных сценариев в пределах допустимых уровней обслуживания (сколько деталей каждого типа потребуется для обеспечения всего диапазона возможных уровней обслуживания). Это позволяет компании навигировать в этой сетке, чтобы определить наиболее эффективный запас, который следует поддерживать при ограничении бюджета.