00:00:00 Закупки в аэрокосмической отрасли: неопределённость и экономические приоритеты
00:05:58 Обзор парка, целевые уровни сервиса и затраты на вложения
00:11:47 Ремонтируемые компоненты, расходные материалы и экономическое ранжирование вложений
00:17:23 Приоритеты при бюджетных и операционных ограничениях
00:23:56 Ранжирование вложений по приросту уровня сервиса на доллар
00:29:43 Проверка данных и моделирование неопределённого спроса
00:35:48 Совместный учёт неопределённости спроса и длительности ремонтного цикла
00:41:42 Интеграция систем и возможности высвобождения средств из запасов
00:47:15 Обмен компонентов, приоритеты ремонта и интеграция с поставщиками
00:53:29 Подготовка данных и требования к внедрению
00:58:44 Моделирование на исторических данных и прослеживаемость решений
01:04:10 Экономические приоритеты, расходные материалы и задержки поставщиков
01:09:14 Прогнозирование технического обслуживания и контроль выполнения рекомендаций
01:14:05 Автоматизация закупок, закупочные платформы и приоритеты ремонта
01:19:52 Основные выводы и заключение
Резюме
Conor Doherty и Fabian Hoehner показывают, как Lokad учитывает неопределённость спроса, сроков ремонта и ограниченность бюджета, ранжируя закупочные решения для аэрокосмической отрасли. Каждую дополнительную единицу оценивают по ожидаемому вкладу в уровень сервиса или предотвращение простоя самолёта на земле (AOG) относительно её стоимости. Та же логика применяется к высвобождению средств из запасов, приоритизации ремонта и перемещению запасов. Lokad работает вместе с существующими системами, а специалисты по цепочке поставок и операционные эксперты уточняют расчёты. Моделирование на исторических данных помогает объяснять прошлые решения; возможность автоматизации зависит от стоимости и сложности закупок.
Расширенное резюме
Закупки в аэрокосмической отрасли требуют выбора между конкурирующими способами использования ограниченных ресурсов. Покупка ещё одной запасной части может снизить риск простоя самолёта, но связывает деньги, которые могли бы защитить другую, более важную операцию. В этой демонстрации в прямом эфире Conor Doherty и Fabian Hoehner объясняют, как Lokad оценивает такие решения. Главный вопрос — на какой прирост уровня сервиса или снижение риска AOG можно обоснованно рассчитывать на каждый вложенный доллар. Объём запасов определяется этим сравнением и ограничениями, в которых работает бизнес.
Демонстрация начинается с условного парка авиакомпании и пула ремонтируемых компонентов — деталей, которые можно отремонтировать и вернуть в эксплуатацию. Их доступность зависит и от спроса, и от времени, затрачиваемого на ремонт и логистические процессы. Владеть пятью единицами — не то же самое, что иметь пять исправных единиц, готовых к немедленному использованию. Lokad извлекает транзакционные данные из существующих систем, чтобы восстановить эту операционную картину, а затем рассчитывает рекомендации по вложениям. В примере запасы стоимостью около 68 млн долларов обеспечивают ожидаемый уровень сервиса 95,7%; дополнительные вложения примерно в 1,2 млн долларов приближают его к 98%. Дальнейшие улучшения обходятся всё дороже.
Рекомендации ранжируются по одной единице за раз. Дополнительная единица детали с конкретным каталожным номером (PN) конкурирует с дополнительными единицами других PN, в том числе с совсем иными ценами и характером спроса. Первая единица обычно покрывает больше неопределённости, чем вторая или третья. Убывающая отдача важна: распределить вложения между разными деталями может быть выгоднее, чем купить несколько единиц одной. Важна и критичность. Для относительно недорогой детали, без которой вылет запрещён, более высокая доступность может быть оправдана сильнее, чем для дорогой детали с менее серьёзными последствиями отсутствия. Ранжированный список также облегчает учёт бюджетных лимитов, пропускной способности закупок и ограничений приёмки.
Такие сравнения требуют реалистичного учёта неопределённости. В аэрокосмической отрасли спрос часто редкий и нерегулярный, а длительность ремонтного цикла существенно меняется. Средние значения скрывают именно те исключительные ситуации, от которых авиакомпания хочет защититься. Поэтому Lokad моделирует распределения спроса и сроков пополнения, объединяя их для оценки спроса на возможных будущих горизонтах. Hoehner показывает, как сроки ремонта могут группироваться вокруг меньшего значения, когда всё идёт гладко, и гораздо большего — при осложнениях. Замена такой картины одним средним может исказить расчёт необходимого запаса. При расчётах также можно учитывать известные события технического обслуживания, вероятностные спецификации материалов и изменения длительности ремонтного цикла.
Финансовые оценки дают основу для обсуждения компромиссов. Стоимость AOG трудно установить точно, но приблизительная оценка позволяет командам сравнивать решения и пересматривать допущения. Практическое знание операций остаётся необходимым: отсутствие чехла сиденья или кофемашины может иметь последствия, которых не отражает одна лишь техническая классификация лётной годности. Пользователи изучают рекомендации в детальных карточках позиций и на вспомогательных панелях, ставят под сомнение неожиданные результаты и помогают уточнять модель. Дорогие закупки ремонтируемых компонентов обычно по-прежнему требуют экспертной проверки и ценовых предложений поставщиков; для менее дорогих расходных материалов и неремонтируемых деталей возможностей автоматического исполнения больше.
Та же логика применяется к высвобождению средств из запасов, ремонту и распределению. При сокращении запасов высвобождаемые средства сравнивают с потерей защиты уровня сервиса. Приоритизация ремонта показывает, какие неисправные единицы наиболее срочно оправдывают затраты на ремонт или его ускорение. При перемещениях транспортные затраты и рост риска в отправляющей точке сравнивают с выгодой в другом месте и альтернативой покупки дополнительного запаса. Это связанные экономические решения, но для каждого нужны свои операционные подробности. Например, теоретическая возможность высвободить средства из запасов ещё требует найти покупателя и определить реалистичную рыночную стоимость.
Lokad работает как интеллектуальная система принятия решений вместе с транзакционным ПО. Специалисты по цепочке поставок адаптируют решение к данным и процессам клиента; поставщикам не нужно переходить на новую платформу. Полезные решения также показывают, какие дефекты данных заслуживают внимания, и позволяют избежать бесконечных попыток сначала очистить всё. По словам Hoehner, типичное внедрение занимает около шести месяцев, хотя сроки существенно различаются. Прошлые запуски расчётов остаются доступны для анализа: команды могут отличить последствия бюджетного ограничения от неудачного допущения или принятого риска. Эта работа ведётся непрерывно: оценивать неопределённость количественно, сравнивать последствия и улучшать решения по мере накопления данных.
Полная расшифровка
Conor Doherty: Добро пожаловать на первую демонстрацию Lokad в прямом эфире. Сегодня мы покажем, как Lokad формирует решения о вложениях в запасы и высвобождении средств из них в аэрокосмической отрасли. Покажем, каким PN следует отдавать приоритет.
Мы покажем, как распределять ограниченный бюджет и как ваши ограничения — сроки поставки, длительность ремонтного цикла, затраты, сам бюджет — влияют на решения, которые мы формируем для вас. Это прямой эфир, поэтому присылайте вопросы. Ответим, наверное, минут через 30. Зависит от того, насколько мы разговоримся.
Но кто мы такие? Я Conor, директор по маркетингу Lokad. Со мной в студии мой хороший друг и директор по работе со стратегическими клиентами Fabian Hoehner. Добрый день, господин Hoehner, как поживаете?
Fabian Hoehner: Привет, Conor.
Conor Doherty: Замечательно. Итак, Fabi, как зрители видят в углу экрана — или уже должны видеть, — скоро мы откроем демонстрационный аккаунт для закупок в аэрокосмической отрасли. Сосредоточимся на закупках, но часть нынешних зрителей и тех, кто посмотрит запись позже, не очень хорошо знакома с Lokad. Кто-то знаком, но многие — нет.
Поэтому сначала уделим этому минуту. Ответишь на два коротких вопроса? Во-первых, как именно Lokad рассматривает задачу закупок в аэрокосмической отрасли? Во-вторых, если зритель посмотрит лишь первые несколько минут, какие две ключевые идеи ему стоит запомнить?
Fabian Hoehner: При подготовке ты меня об этом не спрашивал, так что это…
Conor Doherty: Не спрашивал. Хотел импровизации.
Fabian Hoehner: Да, хорошо. Среди зрителей будут и знакомые с темой, и незнакомые. Поэтому постараемся дать общую картину, но кое-где углубимся. Первая из двух идей, которые я хотел бы донести, — как мы работаем с неопределённостью.
В нашем случае это прежде всего неопределённость со стороны поставщиков: длительность ремонтного цикла, сроки поставки, — а с другой стороны, неопределённость спроса. Второй аспект — экономическая оптимизация, экономическая расстановка приоритетов. Как получить наилучший результат при ограниченном ресурсе? Как эффективно закупать в такой ситуации? Вот две главные темы, которые я хотел бы сегодня раскрыть.
Conor Doherty: То есть, если выразить одной фразой: какой ожидаемый прирост уровня сервиса даёт каждый евро, доллар или единица другой вашей валюты? Скажем, каждый евро, вложенный в запасы?
Fabian Hoehner: Да. Точнее, задача — мы ещё разберём её подробно — максимизировать прирост уровня сервиса на потраченный доллар или снизить AOG, то есть простой самолёта на земле, на каждый такой доллар. Найти самый эффективный путь к цели. Надеемся, именно это зрители сегодня и запомнят.
Conor Doherty: Отлично. Теперь, когда мы задали контекст, не будем больше откладывать главное. Перейдём прямо в демонстрационный аккаунт.
Max, наш продюсер, переключай, проверь, что всё в порядке. Subcto. Хорошо. Fabi, я смотрю в свой экран, потому что у меня ужасное зрение. Что именно мы сейчас видим?
Объясни зрителям контекст. Это авиация? Техническое обслуживание и ремонт — MRO? Это ИИ? Мы занимаемся ИИ?
Fabian Hoehner: Да, конечно, мы всегда занимаемся ИИ. Ещё подробно расскажем, что именно делаем в этой области, но сейчас мы действительно в демонстрационном аккаунте. О Lokad за 20 секунд: мы разрабатываем индивидуальные решения по оптимизации запасов для клиентов из разных отраслей, а сегодня сосредоточимся на авиации. Можно было бы взять MRO — техническое обслуживание, ремонт и капитальный ремонт, — но мы рассмотрим пример авиакомпании.
Главный вопрос: как для заданного парка найти самый эффективный путь вложений в запасы, а возможно, и высвобождения средств из них? Это общая постановка задачи. Коротко о том, где мы сейчас: как видите, на go.lokad.com.
Это демонстрационный аккаунт. Все наши клиенты работают на одной платформе. Приложение мультитенантное, но для каждого клиента мы пишем индивидуальное решение. Поэтому проводить демонстрации в некотором смысле сложно: клиенты очень разные.
Conor Doherty: Разные. Да, конечно.
Fabian Hoehner: Я бы сказал, наше уникальное предложение именно в этой индивидуальной настройке. Сегодня мы покажем два принципа, о которых я говорил вначале. Первый — как мы рассматриваем неопределённость.
Ключевой термин — вероятностное прогнозирование. Те, кто следит за нами, слышали его много раз, но сегодня мы покажем всё на практике. Второй принцип — экономическая оптимизация на конкретном примере. Если возникают вопросы, конечно, задавайте их по ходу.
Часто мой ответ будет таким: «Да, если здесь есть логика, мы можем её реализовать или уже реализовывали раньше». Но сегодня рассматриваем один конкретный пример. Предлагаю перейти к нему. Ещё вопросы? Если нет, начнём.
Conor Doherty: Я бы предложил начать, потому что вопросов уже много. Как зрители знают, перед эфиром я общался со многими людьми. Есть очень конкретные вопросы, к которым мы вернёмся позже. Но, как я сказал, если кого-то из зрителей что-то заинтересует, пишите в комментариях: в своё время разберём.
Fabian Hoehner: Да. И ты меня знаешь, так что перебивай. Иначе я…
Conor Doherty: Буду, не волнуйся.
Fabian Hoehner: …увлекусь и уже не остановлюсь. Хорошо. Ещё раз: это демонстрационный аккаунт, пока перед нами общий обзор. Я могу открыть любой пункт, но сегодня подробно разберём лишь два-три экрана.
Сейчас перед нами обзорная панель. Пойдём по принципу перевёрнутой пирамиды: начнём с общей картины, затем спустимся до самого подробного уровня. Это управленческий обзор, где видны показатели пула.
Здесь, как видите, пул. Он может обслуживать несколько авиакомпаний. Главное, что мы рассматриваем один парк — Boeing 777 — и детали, нужные для его обслуживания. Принадлежит он одной авиакомпании или нескольким, неважно.
Вот общая идея. Здесь видны исторические… показатели, и, конечно, они растут: Lokad оптимизирует, поэтому всё становится лучше. Ещё несколько представлений текущей операционной ситуации. Где находятся мои запасы?
В авиации мы постоянно говорим о циклах. Это очень важное понятие. Конечно, большинству зрителей оно хорошо знакомо. Но в авиации запасы запасам рознь.
Есть исправные и неисправные запасы; нужно понимать, на каком этапе процесса они находятся. Владеть пятью единицами, иметь пять исправных единиц или четыре в ремонте и одну исправную — это совершенно разные картины реальности. Здесь пока просто обзорная панель. Как мы получили эти данные? Через интеграцию…
Conor Doherty: Я как раз собирался задать этот вопрос, уже рот открыл.
Fabian Hoehner: Да. Откуда обычно приходят данные? Из разных ERP- и MRP-систем. По сути, мы загружаем на платформу транзакционные данные, а Lokad выступает интеллектуальной платформой. Транзакционная система, ERP или MRP, сообщает: «Где находятся мои вещи?» Мы ежедневно забираем эти данные, затем проводим, скажем так, масштабную обработку и получаем вывод: «Сейчас 186 единиц находятся в процессе возврата». Хорошо, или ты…
Conor Doherty: Нет, всё хорошо.
Fabian Hoehner: Отлично. Общую картину посмотрели, теперь перейдём прямо к результату. Начнём с того, как может выглядеть результат оптимизации. Здесь мы рассматриваем оптимизацию вложений.
Мы ищем оптимальные вложения для достижения, в данном случае, целевого уровня сервиса 98%. Здесь небольшой симулятор с выпадающим списком: можно просмотреть разные сценарии, которые я заранее рассчитал, чтобы всё работало быстро. Можно устроить иначе — сделать поле ввода и пробовать значения самостоятельно, но здесь расчёты выполнены заранее для скорости. Для заданной ситуации мы видим текущий запас: в данном случае 68 миллионов. Ожидается, что эти 68 миллионов обеспечат уровень сервиса 95,7%.
Conor Doherty: Угу.
Fabian Hoehner: Доступность 95,7% с учётом индивидуальных сроков поставки всех деталей и с весами по их потреблению.
Conor Doherty: Хорошо.
Fabian Hoehner: Теперь выбираем — давай здесь возьмём наши 98. Говорим: «Хотим среднюю доступность 98%, взвешенную по потреблению и так далее». Симулятор сообщает: «Нужно вложить 1,2… 2 миллиона», и я достигну цели, в данном случае 97,99. Вот такой был бы результат.
Это самый общий уровень. Можно поэкспериментировать и увидеть очень характерную для авиации вещь. Уверен, большинство зрителей хорошо с ней знакомы: основные затраты скрываются в длинном хвосте. Вот я перешёл с 98 или 98,5 на 99,5.
Давай перейдём к 99. Получается 1%. Видим, что первый процентный пункт, который мы хотели получить, или первые два пункта, обошлись в миллион долларов вложений, а следующий уже стоит 2,5. Затраты на прирост уровня сервиса растут экспоненциально. Это крайне важно для вопроса, с которого мы начали: в чём заключается технология?
Почему она важна? Что мы делаем иначе? Lokad хорошо подходит этой отрасли благодаря пониманию того, как работать с редким и нерегулярным спросом: это большинство задач в авиации. Нужно лучше оценивать вероятность крайних событий, то есть процентилей выше 90-го, — именно с ними авиация и работает. Отрасль крайне не склонна к риску: отсутствие запасов обходится очень дорого.
Conor Doherty: Да. Во многих случаях гораздо дороже самой детали.
Fabian Hoehner: Поэтому традиционно в авиации у всех избыток запасов. «Сомневаешься — купи ещё одну». Обычный подход.
Поэтому для каждой детали крайне важно понимать вероятность сценария 99 или 99,5. Мы ещё рассмотрим это подробно. Пока — общая картина. Зачем мы смотрим на все эти крайние значения?
Потому что именно с ними мы работаем в авиации. Никому не нужно среднее. Это означало бы, что запасов хватает в 50% случаев. Это вас не интересует.
Вам нужно знать, с какой вероятностью запас покроет крайние случаи. Мы снова идём от общего к частному. Вот вложения, вот их общая сумма. Теперь клиенту обычно нужно знать конкретные количества. Здесь всё просто: список позиций и количества, в которые мы вкладываем средства.
Conor Doherty: Уточню: сейчас мы смотрим на ремонтируемые компоненты или на расходные материалы? Только на ремонтируемые.
Fabian Hoehner: Да, на ремонтируемые.
Conor Doherty: Да, конечно. Но позже посмотрим и на расходные материалы или хотя бы затронем логику работы с ними.
Fabian Hoehner: Да, затронем логику, но…
Conor Doherty: А это, по сути, самые дорогие детали. Поэтому и рассматриваем их.
Fabian Hoehner: Как вы видели, суммы здесь довольно значительные, потому что мы действительно рассматриваем ремонтируемые компоненты. Большинство принципов применимо и к расходным материалам. Главное отличие: ремонтируемый компонент по определению проходит оборотный цикл — один или несколько циклов ремонта.
Теоретически ремонт можно выполнять внутри компании, либо деталь списывают. А расходный материал просто покупают и расходуют. Поэтому математика несколько отличается, но исходные принципы, о которых я говорил вначале, — количественная оценка неопределённости и экономическая расстановка приоритетов — остаются теми же.
Conor Doherty: Хорошо.
Fabian Hoehner: Теперь вопрос: почему мы рекомендуем четыре, три, пять единиц и так далее? Чтобы ответить, немного углубимся, но сначала останемся на довольно общем уровне. Здесь тот же список, что и раньше, с дополнительными сведениями. Первое, что мы интуитивно хотим увидеть… Я покажу немало экранов с множеством чисел.
Я объясню тебе и зрителям, на что смотреть. Вот список деталей, которые я рекомендую купить. Здесь четыре единицы, там три, пять и так далее. Важно понять, что оптимизация должна делать на интуитивном уровне.
Я объясню, как мы к этому приходим, и мы будем разбираться всё глубже. Но сначала: выглядит ли это разумно? Что интуитивно должна делать оптимизация, нацеленная на эффективность?
Если эффективность — это снижение AOG или прирост уровня сервиса на потраченный доллар, то относительно дешёвые и при этом очень важные детали должны иметь более высокую доступность, чем дорогие и малозначимые. Посмотрим на первые две детали в списке: цена за единицу у них довольно близкая. Видим, что у одной показатель намного выше. Итоговый уровень сервиса… Текущий уровень сервиса — это то, что обеспечивают мои нынешние запасы.
Итоговый уровень сервиса — то, чего я достигаю после оптимизации. Здесь одну деталь мы доводим до 94%, а другую — до 80%. Почему? У первой категория критичности no-go: без неё вылет запрещён. У второй — go-if: вылет возможен при определённых условиях.
Иными словами, отсутствие первой детали обходится гораздо дороже. Поэтому её относительный запас выше — такой и должна быть интуитивная логика. Если пойти ниже по списку, снова увидим… Вот деталь с показателем 99. Кстати, скажи, если слишком мелко.
Conor Doherty: Так лучше, спасибо. По крайней мере для меня: я почти ничего не вижу.
Fabian Hoehner: Да, здесь 99,5. Деталь относительно дешёвая — 8 000 долларов — и относится к no-go. Эта интуитивная логика должна сохраняться повсюду: детали, запасы которых мы наращиваем активнее других, должны быть относительно дешёвыми и не допускающими вылета без них. А те, чьи запасы мы наращиваем менее активно… Здесь видим категорию go: деталь не особенно дорогая, но без неё вылет разрешён.
Вот, извиняюсь, основная логика, которую прежде всего стоит запомнить. Теперь вопрос: откуда берутся именно четыре, три, пять единиц и так далее? Интуитивно всё разумно. Отлично.
Второй шаг — понять, как получены эти конкретные значения. На общем уровне уже видно, что за ними стоит экономическая расстановка приоритетов. А как это устроено в деталях? Мы называем это ранжированием приоритетов, в данном случае — ранжированным списком вложений.
Мы рассматриваем каждую возможность закупки, то есть вложения, и моделируем её экономические последствия. В первых двух-трёх строках один и тот же PN, но разные единицы запаса: сначала покупаем первую, затем вторую, затем третью. Так мы делаем для всего ассортимента. Моделируем покупку каждой отдельной единицы, которую могли бы приобрести. Поэтому список практически бесконечный: его можно листать всё дальше и дальше. Именно это мы и делаем.
Conor Doherty: Наверное, он ограничен бюджетом? Видно, что список ранжирован, а совокупные вложения растут по мере прокрутки вниз. Можно задать жёсткий предел: «У меня есть только X, мой бюджет — X, он не бесконечен. Поэтому оптимизируйте до этой точки, не дальше».
Fabian Hoehner: Да. В этом примере предел задаёт не бюджет, а моя цель — 98%. Но ты совершенно прав. По сути, цель 98% приводит к бюджету 1,2 — 1,25 миллиона. Поэтому мы сделаем именно это.
Пролистаем вниз, пока общие вложения не достигнут 1,25. Здесь мы шли иначе: пытались достичь 98, а 1,2 получили как результат. Но можно было пойти от обратного и сказать…
Conor Doherty: Да, конечно.
Fabian Hoehner: Это то же самое, просто другой взгляд. Хорошо. Теперь разберём несколько примеров, чтобы показать логику экономических приоритетов. Хорошая проверка, в том числе для зрителей, которые сами занимаются оптимизацией: сможете ли вы ответить на вопрос «У вас 100 000 долларов. Какую одну позицию важнее всего купить сегодня?»
Это очень важная идея. Дело не только в первой детали, а в приоритизации всех действий. Такая логика позволяет учитывать любые ограничения: «Отдел закупок может обработать лишь пять деталей в день», «Склад может принять только 10 в день», «Бюджет — миллион», что угодно. Без ранжирования трудно работать, если есть лишь ответы «да» и «нет». Допустим, цель — 99% для деталей A, 95 для B и 91 для C.
Крайний пример, но допустим. Тогда есть лишь «да» и «нет», без системы ранжирования. Здесь же ранжирование принципиально важно: мы можем расставлять приоритеты, а это требуется всегда — ограничены время, бюджет или что-то ещё. И снова вопрос зрителям: «Можете ли вы точно назвать одну самую нужную сегодня позицию?» И дело не в одной — каковы 50 самых важных?
Именно это здесь и можно сделать. Посмотрим на первую строку — 1338. Позицию 1338 мы будем разбирать довольно долго, так что наберитесь терпения.
Видим, что сейчас на складе нет ни одной единицы. Рассматриваем покупку одной. Видим, сколько единиц запрашивали за последний год. Покупаем одну за 1 200 долларов; сейчас уровень сервиса, точнее ожидаемый уровень сервиса, равен нулю.
Почему? Запас равен нулю. Если ничего нет, вы не покрываете никакую неопределённость. Вот что это означает.
Ожидаемый уровень сервиса означает: какую долю неопределённости будущего я покрываю? Что именно это значит, разберём на следующем шаге. Как я сказал, идём от общего к частному. Можно остановиться на «Вот позиции, которые следует купить», и всё. Но мы, конечно, хотим углубиться и понять, откуда это берётся.
Conor Doherty: Вмешаюсь, потому что это важный момент. Один и тот же вопрос мне задавали в разных вариантах. Выпей воды, пожалуйста. Спрашивали примерно так: «Идея интересная, звучит отлично — некоторые уже знакомы с Lokad, — но как это выглядит, скажем, для моей команды планирования?» Ты только что сказал: «Посмотрите на панели, вот ранжированные решения».
Затем сказал, что мы перейдём к гораздо более глубокому анализу, хотя можно остановиться здесь. То есть команда планирования может на этом и остановиться: решения уже есть. Доверяете системе — исполняйте. Хотите разобраться — исследуйте, почему эта единица, этот PN, стоит выше другого, и так далее.
Fabian Hoehner: Да.
Conor Doherty: Хорошо.
Fabian Hoehner: Да. Предположим, мы настроили систему. Можно обсудить сроки, но скажем, через 6 месяцев у вас уже работающая система. Вы можете сказать: «Я ей доверяю», — и рекомендации будут выгружаться и исполняться операционными системами.
Ещё раз: мы не транзакционная система, а интеллектуальная система принятия решений. Наша задача — выполнять сложное моделирование, а затем передавать полученные решения обратно в операционную систему.
Conor Doherty: Да, продолжай, пожалуйста.
Fabian Hoehner: Я как раз об этом сказал. При этом…
Conor Doherty: Да.
Fabian Hoehner: Мало кто… Если вспомнить детали, которые мы смотрели раньше, покупку детали за 46 000 долларов вряд ли просто выполнят автоматически. И это не…
Conor Doherty: Да.
Fabian Hoehner: Так это и не работает. Для таких деталей нужно запрашивать ценовое предложение. Авиация — не интернет-магазин Amazon.
Нужно запросить цену детали, а та, что указана здесь, остаётся допущением до подтверждения. Это ручной процесс, хотя его можно автоматизировать. Я к тому, что закупки ремонтируемых компонентов, которые мы рассматриваем, вы, скорее всего, не будете автоматизировать полностью. Конечно, могли бы, но…
Conor Doherty: Исполнение решения не обязательно автоматическое, а вот анализ и само формирование решения автоматизированы.
Fabian Hoehner: По сути, твой вопрос — «На что смотрят люди?» Обычно, если проверка не стоит затраченного времени, например детали дешевле примерно 2 000 долларов и речь о C&E — расходных материалах и неремонтируемых деталях, — можно автоматизировать всё. Мы так и делаем: ежедневно обновляем операционные системы и автоматически отправляем заказ. Если же речь о вложениях в ремонтируемые компоненты, обычно эксперты проверяют множество параметров.
Тогда происходит примерно то же, что мы делаем сейчас. Есть рекомендация: «Купите пять единиц». Опытный специалист проверяет этот результат, ставит его под сомнение — сначала, чтобы вместе с нами спроектировать, построить и улучшить систему, а затем и для анализа. Разбор логики, по которой получается «купить пять единиц», — именно то, что я сейчас показываю. Как мы к этому пришли? Вернёмся к этому: если бы ты меня не перебил, я бы уже закончил.
Conor Doherty: Прошу прощения.
Fabian Hoehner: Итак, смотрим на 1338. Мы сказали: «Покупка одной единицы поднимает нас до 47%». Она покрывает 47% неопределённости. Разница между 0 и 47 равна 47.
Затем соотносим это со всем каталогом. Каков прирост по каталогу в целом? Он зависит от потребления этой детали. Разумеется, у детали с более высоким потреблением влияние будет больше, и так далее.
Дальше — прирост общего уровня сервиса, снижение AOG в долларах. Как его получить? Ещё раз: мы строим это индивидуально. Я не ожидаю, что у многих зрителей или даже наших клиентов в начале работы будет точное число и они скажут: «Я знаю стоимость AOG». Наш подход — лучше быть приблизительно правым, чем совершенно точно ошибаться. Здесь это означает: да, определить, во сколько нам обходится AOG, очень трудно.
Обычно можно посмотреть, сколько у меня было случаев AOG, вызванных ситуацией с запасами, и какова общая оценка их стоимости. Например, пришлось сделать срочную закупку. Во сколько это обошлось? Так можно получить приблизительно верную оценку.
Повторю: лучше иметь оценку в долларах, чем не иметь никакой. Иначе вы с уровнями сервиса словно летите вслепую и не можете обоснованно решить: «Нужно 99 или 99,5?» Не знаю. Но как только появляется денежная оценка, вопрос можно обсуждать, в том числе между подразделениями.
Conor Doherty: Да.
Fabian Hoehner: Со временем оценку можно менять, это нормально. Через год вы можете сказать: «Думаю, здесь мы ошиблись. Для этого типа парка оценка верна, а для другого стоимость должна быть выше». Это не проблема. Как только вы выражаете всё количественно, вы можете…
Conor Doherty: Дать людям общий язык для обсуждения разногласий.
Fabian Hoehner: Именно, отлично. В итоге получаем снижение AOG на потраченный доллар, или, если угодно, прирост уровня сервиса на доллар. Оба варианта дают оценку, которая отвечает на вопрос: где самый эффективный путь вложений? Теперь покажу вторую и третью строки, затем двинемся дальше.
Во второй строке, как видим, та же деталь с тем же идентификатором. Но покупаем не ту же самую единицу, а вторую. Первую уже купили, теперь можем вложиться только во вторую. Она доведёт нас до… Если нужно увеличить масштаб, говори.
Conor Doherty: Нет, всё нормально.
Fabian Hoehner: Ты там так наклонился. Здесь она поднимает нас до 72%, то есть добавляет 25% к уровню сервиса. Первая, конечно, покрывает больше всего неопределённости — 50%, а вторая только 25.
Каков логический вывод? Вторая единица — это довольно очевидно — менее ценна для наших операций. Поэтому все показатели снижаются: прирост уровня сервиса, стоимость AOG и, соответственно, оценка для ранжирования.
Сказать, что вторая единица менее ценна, чем первая, — не революция. Разумеется, вторую нельзя купить раньше первой. Теперь посмотрим на третью строку. Та же логика, всё точно так же.
Эта единица даёт лишь 14% прироста, а плачу я по-прежнему 1 200. Значит, оценка для ранжирования ниже. Интересное начинается в четвёртой строке, где уже другой каталожный номер.
У этой детали всё другое. Другой срок, на который нужно покрыть спрос. Здесь другая длительность ремонтного цикла — TAT. Возможно, другой срок поставки.
Цена другая, всё другое. Но логика ранжирования остаётся той же: насколько снижается AOG? И как это соотносится с моими вложениями?
Вот основной принцип, который мы здесь применяем. Небольшое отступление: в реальности всё, конечно, сложнее. В этих расчётах мы тоже добавляем факторы, связанные с no-go, go-if и так далее. Здесь они входят в стоимость AOG.
Упрощённо: для детали категории no-go стоимость AOG выше. Всё это может быть очень сложно. И дело не в нашей гениальности, а в обратной связи от клиента. Вы смотрите на результат — мы называем это экспериментальной оптимизацией. Показываете человеку список: «Вот что я сделал бы на вашем месте». Обсуждаете его с экспертами, и они говорят: «Да, пять выглядит разумно, но я купил бы 20».
Значит, я чего-то не учёл: операционные эксперты обычно знают своё дело. Допустим, речь о чехле сиденья. Можно сказать: «Технически это не no-go, лететь можно».
Но операционная команда ответит: «Да, но выглядит ужасно». Представьте последствия: пассажир входит в красивый самолёт и видит… «Нам пришлось огородить это красной лентой, мы не можем…» Нет, так нельзя. И обходится это очень дорого.
Забавный факт: кофемашины — no-go. Без кофемашин нельзя. Технически самолёт без них летает, но… Вот такие вещи мы выясняем вместе, а затем корректируем числовой рецепт. У разных авиакомпаний это тоже может различаться. Что для них приоритетно?
А что нет? Здесь мы ранжируем всё по оценке: прирост уровня сервиса на доллар, предотвращение AOG на доллар, — и идём вниз по списку. Видите, показатель последовательно снижается, снижается, растёт. Деталь за 46 000 долларов становится сопоставимой с деталью за 5 000, потому что вопрос один: в какой момент выгоднее купить шестую единицу дешёвой детали или вторую единицу дорогой?
Именно этим мы и занимаемся. Следующий вопрос: откуда берутся эти значения, если посмотреть с операционного уровня? Ты спрашивал, что увидят сотрудники. Они будут смотреть на такой список.
Это совершенно разумно. Но они также смогут открыть то, что мы называем детальной карточкой позиции. Ею пользуемся и мы. По сути, это панель KPI, объясняющая, как получены значения, которые мы только что видели.
Исследовать её могут сами клиенты, а с нашей стороны — специалисты по цепочке поставок: люди, которые пишут код и обсуждают с клиентом решения. Думаю, большинство зрителей знакомы с этой ролью: если вы пришли на эту лекцию, то уже видели материалы Lokad. По сути, это люди, которые реализуют решение и вместе с клиентом критически разбирают его с обеих сторон.
Мы используем те же экраны анализа, что и клиент, чтобы оценивать разумность предлагаемых решений. Всё время идём сверху вниз: от «купить пять» к «почему». Сначала посмотрели экономическое ранжирование, теперь изучаем детали. Если не согласны, обычно открываем эту страницу и проверяем: одинаково ли мы видим реальность? Особенно в начале проекта большинство расхождений вызвано… Как думаешь, чем?
Conor Doherty: Экономической ценностью решений?
Fabian Hoehner: Нет, данными. Всегда данными. Вы по-разному видите реальность. Наши клиенты со сложными процессами, авиационные компании, обычно совершили множество приобретений. Шесть разных ERP-систем с унаследованными данными и по три файла Excel тут и там — вполне обычная картина.
Добиться верного или хотя бы одинакового понимания одной реальности непросто. Поэтому первый шаг: одинаково ли мы её видим? Видим ли те же единицы, которые здесь… Давай посмотрим другую деталь, найдём пример. Да: одинаковое ли число единиц мы видим сейчас в процессе возврата, ремонта и логистики?
Да, нет, возможно? Это важно проверить. Допустим, данные действительно согласованы. Тогда смотрим: каков наш прогноз спроса?
Как мы его получаем? Мы уже поговорили об экономических приоритетах. В самом начале я сказал, что хочу донести две идеи. Одну, экономическую расстановку приоритетов, мы частично разобрали. Вторая — неопределённость, вероятностное прогнозирование. К этому сейчас и перейдём.
Для кого-то всё будет очевидно, но я пойду помедленнее, чтобы все успели разобраться. Здесь очень типичная история потребления. Кстати, мы по-прежнему смотрим на нашу любимую 1338. Так что…
Conor Doherty: На всём пути одна и та же деталь. Хорошо.
Fabian Hoehner: Да, прослеживаем весь путь этой детали. Видим очень типичную историю потребления: редкую и нерегулярную. Ничего, одна, одна, одна, две, затем две, одна. Прогнозировать это крайне трудно.
Если смотреть через среднее потребление — знаю, в авиации мало кто так делает, — просто взять скользящее среднее, получится вот это. Вам это хоть чем-то помогает? Здесь получается 0,17 единицы. Хорошо, замечательно.
Что это мне даёт? Почти ничего. Нужен вероятностный взгляд — его мы и применим. Он отвечает на вопрос: какова вероятность того или иного потребления на заданном горизонте? Когда я говорю «на заданном горизонте»… Начнём с простого. Для всех, кто изучал статистику…
Conor Doherty: Представь, что я идиот. Можешь объяснять как несмышлёному, ничего страшного.
Fabian Hoehner: Трудно будет принять такое допущение. Начнём с простого: допустим, эта гистограмма лишь показывает реальность прошлого. Просто смотрим назад. На самом деле, конечно, мы смотрим вперёд, прогнозируем, делаем очень умные вещи, но для простоты представим, что смотрим в прошлое.
Что здесь делает гистограмма? Не знаю, видно ли… Да, здесь маленькие отметки. Допустим, рассматриваем период между ними. Скажем, 30 дней. Теперь предположим, что прошлое представляет будущее, и случайным образом выберем на нём участок.
Тогда вопрос такой: как часто в 30-дневном окне встречается спрос на одну единицу? Как часто нулевой? На две, три и так далее? Именно это здесь показано.
При случайном выборе в 25% случаев получим ноль. В 34% случаев — 1, 2, 3, 4, 5 и так далее. Это теоретический пример. Если взять вот этот интервал, спрос составит три единицы. Если интервал больше, в него попадут все эти события.
Это простая теория. А на практике — здесь мы приходим к тому, о чём я говорил вначале: признать и принять неопределённость — нужно спросить, на каком горизонте прогнозировать. Это не 30 дней: 30 дней — фиксированное число. А мы настойчиво повторяем: неопределённость существует, её нельзя убрать планированием. Удобно предположить, что всегда требуется 30 дней, получить детерминированное значение и упростить планирование. Но от этого оно не становится реалистичнее. На деле иногда нужно 30 дней, иногда 50, 60, 180, или…
Conor Doherty: Деталь вообще не возвращается.
Fabian Hoehner: Именно, её списывают. Здесь мы рассматриваем ремонтируемые компоненты. Обычно их ремонтируют, поэтому речь, как правило, не о сроках поставки, а о длительности ремонтного цикла.
Сколько времени нужно, чтобы деталь снова стала исправной? Самолёт прибывает, неисправную деталь снимают. Я заменяю её исправной из запаса, а неисправная отправляется в долгий, бесконечный цикл. В идеале у меня есть данные по каждому этапу и множество небольших распределений. Но главное — понять все возможные задержки, с которыми я могу столкнуться.
Вот на этом горизонте я и хочу прогнозировать. Возьмём крайний случай: если деталь можно отремонтировать за один день, запас вообще не нужен — точнее, не нужен дополнительный запас. Хватило бы одной единицы. Самолёт прибывает, неисправную снимают, исправную ставят, неисправную ремонтируют: запас в одну единицу был бы достаточен. Реальность, конечно, иная, но отсюда видно, насколько важно определить этот период. Именно этим мы и занимаемся.
Здесь это называется сроком пополнения. Это может быть длительность ремонтного цикла — неважно. Точнее, важно, но с точки зрения принципа сейчас нужно понять горизонт прогнозирования. Видим сглаженное бимодальное распределение. Чем это объясняется? Обычно в авиации вот этот пик около 80 соответствует случаю, когда всё идёт гладко.
Есть деталь, её отправляют в ремонтную мастерскую, ремонтируют, всё прекрасно. А вот здесь что-то сломалось, нужно исправить, и это занимает время. Получается красивое бимодальное распределение. Главное: сказать, что в большинстве случаев… Какие здесь значения? Посмотрим… Допустим, в 80% случаев срок около 80, а в 20% случаев — 150, — совсем не то же самое, что всегда брать среднее в 110 единиц. То есть…
Conor Doherty: Которое в этом распределении встречается очень редко.
Fabian Hoehner: Да. Конечно, здесь сглаженные демонстрационные данные и так далее. Но такая ситуация вполне реальна и встречается довольно часто. Либо всё идёт гладко, и тогда это 80 дней, либо нет — и тогда 120.
Я не делаю отсюда вывода: «Выберите один из сценариев». Нет. Нужно признать существование неопределённости и прогнозировать все возможные варианты будущего. Вначале я предложил просто взять 30-дневное окно.
30 дней. Здесь вероятность такого срока очень мала, меньше процента. По сути, мы построим распределение спроса для каждого возможного горизонта. Просто представьте — неважно, устроено ли это буквально так, это наглядный образ, — что у вас сотня разных распределений для всех возможных горизонтов.
Мы объединяем их в одно распределение — вот это. Что оно даёт? Спрос по всем возможным вариантам будущего. Ради чего были последние 10 минут?
Это даёт наиболее точное представление спроса в неопределённом будущем, а оно чрезвычайно важно. Мы в самом начале сказали: в авиации нас интересуют крайние случаи, сценарии выше 90. Поэтому крайне важно понимать своё положение в распределении. Давайте откроем несколько примеров.
Вот. Очень типичны распределения с повышенной долей нулей и асимметрией вправо: постоянно встречается длинный хвост, а наиболее вероятный сценарий на данном горизонте — отсутствие спроса. Но главное — точно понимать вероятность крайних событий. Если эта деталь стоит 20 000 долларов, вопрос такой: ради дополнительных… Сейчас посмотрю… ради дополнительных 7% — расчёт не совсем точный, но ради этих 7% — хотим ли мы вложить ещё 40 000 долларов или ограничимся первыми несколькими единицами? Именно это мы и делали раньше.
Вот почему так важно понимать форму распределения. Это первый шаг. Если углубиться или вернуться к нашей детали… Давайте сюда. При одной единице ожидаемый уровень сервиса будет 47%. Вторая поднимет его до 72, затем до 87, и если мы…
Conor Doherty: Это те значения, которые были в списке.
Fabian Hoehner: Отлично. Ты…
Conor Doherty: Я внимательно слушал.
Fabian Hoehner: Замечательно. Если вернуться сюда, увидим: да, для первой было 37, затем 72 и так далее. Так мы восстанавливаем путь: как пришли к результату? Это объясняет, откуда взялось именно такое число. На секунду переведу дух, так что если ты…
Conor Doherty: У меня уже есть несколько присланных вопросов, и сейчас хороший момент к ним перейти. Перед эфиром мне постоянно задавали один вопрос: как всё, что зрители только что увидели, встраивается в существующий рабочий процесс? У любой компании, нынешнего или будущего клиента, уже есть своё ПО и свои процессы. Чтобы внедрить Lokad, нужно всё это убрать? Или он работает рядом? Как это устроено?
Fabian Hoehner: Да, если бы всё было именно так, вопрос оказался бы довольно неприятным.
Conor Doherty: Да, конечно.
Fabian Hoehner: Нет, мы работаем поверх существующих систем. Сейчас буквально на пару секунд покажу, что за этим стоит. Вот…
Conor Doherty: Это ИИ, да?
Fabian Hoehner: Да, сплошная магия. Конечно, чёрная магия. А если серьёзно, это наш язык программирования Envision.
В итоге Lokad — это несколько вещей. С одной стороны, очень мощная платформа больших данных для оптимизации запасов, действительно с множеством функций ИИ. Например, писать код на этом языке можно с помощью внутренних агентов и так далее. Но здесь я хотел показать… Ты спрашивал о данных.
Мы адаптируем решение к каждому клиенту. Не ожидаем, что кто-то заранее что-то спроектирует. Нам нужны только исходные выгрузки. Большая часть работы — обработать данные у себя, сделать это правильно и получить осмысленную картину. То есть обеспечить согласованность данных.
Возьмём справедливую стоимость детали. Определить её непросто: в авиации много деталей, которые используются давно. Их стоимость, допустим, списывают за восемь лет, и балансовая стоимость становится равна 1 доллару. Но деталь по-прежнему можно заменить, а новая покупка стоит, скажем, 50 000 долларов. Какую стоимость правильно принять? Какова справедливая стоимость детали?
Ответ неочевиден. Есть две разные системы. В бухгалтерской указано 1 доллар: оставляют условный доллар на балансе. А повторная покупка обойдётся в 50 000.
Как получить правильные данные? Нужны время, обсуждение и, с нашей точки зрения, прежде всего гибкость. По этой и многим другим причинам у нас есть язык программирования, который позволяет адаптироваться. У всех клиентов системы устроены по-разному, а мы работаем поверх них.
AMOS, TRAX, SAP, а чаще смесь всего этого — всё это часть работы интеллектуальной системы. Мы строим решение с учётом этих систем. Ответил на вопрос?
Conor Doherty: Да, более или менее. Я немного переформулировал вопрос. Человека больше волновало дублирование транзакций: если систем несколько, нужно ли сверять систему A с Lokad и наоборот? В этом и заключался смысл вопроса.
Fabian Hoehner: Да. Если вопрос о дублировании функций, вернёмся на шаг назад. Есть транзакционные системы, предназначенные для транзакций. То есть…
Conor Doherty: ERP.
Fabian Hoehner: Да, ERP, M… Я беру единицу со склада и устанавливаю её. Это нужно увидеть за миллисекунду, информация должна обновиться везде.
Это не задача Lokad. Мы выполняем сложные расчёты, которые могут занимать 20 минут. Это нормально. Здесь, как видите, всё рассчитано заранее.
Поэтому сейчас времени почти не требуется. Этот расчёт, наверное, занял бы несколько секунд, а самые сложные могут идти дольше. Это нормально: мгновенная обработка транзакций — не наша задача. Наша задача — интеллектуальные расчёты, лучшие выводы, лучшая поддержка решений, лучшие автоматические решения с передачей обратно в автоматизированные системы. Для этого у нас довольно много аналитических панелей.
То есть система отчётности. Есть система учёта, поверх неё обычно система отчётности — Tableau, как там ещё одна называется? Впрочем, неважно. Power BI и подобные. А наш класс — интеллектуальные системы принятия решений.
Для этого, конечно, получив данные, мы строим множество панелей, объясняющих результат. Например, панели для детального разбора, которые мы здесь смотрим, — это тоже отчётность. Сама панель — просто отчёт.
Расчёт выполняется в другом месте. Поэтому на вопрос, дублируем ли мы что-то: да, кое-что может дублироваться. Но в целом мы не стремимся стать системой отчётности. Это нужно нам самим и клиентам для проверки результатов: смотреть только на код недостаточно, хочется видеть, что он делает.
Conor Doherty: Хорошо. Раз уж мы заговорили о том, что система делает: вначале я обещал, что мы рассмотрим решения о вложениях и высвобождении средств. А пока много говорили о вложениях.
Можешь показать обратный случай: «У меня слишком много»? Речь по-прежнему о ремонтируемых компонентах. «Запасов слишком много. Как определить единицы, от которых стоит избавиться, чтобы высвободить капитал?»
Fabian Hoehner: Да. Как будто ты знал, что у меня это где-то есть. Прекрасно.
Здесь, опять же, панель можно устроить как угодно. Это демонстрационная панель, мы просто выбрали такой вариант.
Возможности вложений и высвобождения средств объединены на одной общей панели. Сейчас смотрим именно на высвобождение средств. По сути, логика почти та же. Для вложений мы берём текущий запас и спрашиваем: что будет, если добавить ещё одну единицу, затем вторую, третью, четвёртую и так далее для каждой возможной позиции? Затем рассчитываем оценку для ранжирования.
Для высвобождения средств рассматриваем все принадлежащие нам запасы и делаем то же самое. Если избавиться от одной единицы, сколько потеряем в уровне сервиса и сколько денег высвободим? Логика та же; не буду снова разбирать её целиком. В таком списке хочется видеть высокую цену за единицу и небольшую потерю уровня сервиса. Вот здесь по детали теряем меньше процента.
А общая потеря округлена, её даже не видно. Очевидно, некоторых деталей просто слишком много. Затем видим связанный с этим рост AOG и результат ранжирования.
Наверное, стоило бы добавить несколько знаков после запятой, чтобы значение стало видно. При прокрутке вниз оно растёт. Главная интуиция здесь — высокая цена единицы, малая потеря уровня сервиса. Обратная логика. Теоретически можно даже найти идеальную точку между двумя направлениями: «Хочу вложиться во все эти позиции и высвобождать средства из других, пока не достигну оптимального баланса».
Это скорее теория: в реальности определить справедливую рыночную стоимость сложнее. Опять же, это не Amazon, где можно сказать: «У меня 10 лишних деталей по 85 000 долларов», — и их уже нет. Нужно продать их, найти покупателя, переместить в другое место и так далее.
Но такие панели очень полезны клиентам для продажи активов. Можно сказать: «Да, это разумно. Здесь как минимум пять единиц нужны только для крайне редкого события в самом дальнем хвосте». Например, если весь парк столкнётся с проблемой в один день. Только тогда они понадобятся. Такова общая идея высвобождения средств из запасов.
Conor Doherty: Да. Мы как раз разграничили, как распределяем бюджет… Извини, как формируем решения о вложениях и высвобождении средств и чем они немного отличаются. Есть заранее присланный вопрос. Сотрудник оперативных закупок спрашивает: «Как должна меняться или как меняется закупочная рекомендация в зависимости от того, приобретается единица по обменной схеме или покупается в собственность?»
Fabian Hoehner: Зависит от обстоятельств. Ответ всегда…
Conor Doherty: Такие вопросы требуют немало времени, поэтому прошу отвечать кратко. Понимаю, что всех деталей не разобрать: можно вернуться к ним позже, это не проблема.
Fabian Hoehner: Да, конечно.
Conor Doherty: Но хотя бы в общих чертах.
Fabian Hoehner: Да. Здесь мы обычно смотрим на пул, которым вы владеете: каков общий объём моего запаса? Все эти вложения увеличивают общий размер пула.
При обмене размер пула обычно не меняется: вы получаете замену, а свою единицу возвращаете в определённый момент. Тогда задача скорее такая: теоретически деталей хватает, но слишком много застряло в ремонтном цикле. Увеличивать общий запас не нужно, нужно переждать до их возвращения. По сути, это уже другая оптимизация.
Здесь мы рассматриваем вложения в пул. Это также подводит к приоритизации ремонта. Главный вопрос: если в ремонте находится некоторое число деталей, какие нужно ремонтировать в первую очередь? Иногда порядок можно изменить. У каждой компании… Если вернуться к обзору, мы видели, что сейчас в ремонте 500 единиц. Они не одинаково важны.
Мы можем — и делаем это — снова построить приоритетный список: какие ремонты ускорить, где сократить сроки. Поставщику это безразлично: у него 20 ваших деталей, он ремонтирует все и не знает, какие важны вам. А мы говорим: «Пять исправных ещё лежат на складе. То, что эту деталь отправили раньше, не значит, что раньше нужно получить её обратно». Это типичный пример приоритизации. Что даст нам наибольший эффект? В конечном счёте это снова списки действий для достижения наибольшего результата.
Conor Doherty: Хорошо. Могу двигаться дальше? Всё нормально? Отлично.
Ты упомянул поставщиков, и это подводит к ещё одному конкретному важному вопросу. Он у меня записан. Человек уже сталкивался с тем, что поставщики отказывались подключаться к новой платформе из-за затрат на внедрение или абонентской платы. Вопрос такой: «Нужно ли поставщикам менять порядок работы с клиентом, чтобы Lokad мог всё это делать и приносить пользу?»
Fabian Hoehner: Какие поставщики — поставщики наших клиентов?
Conor Doherty: Да, именно.
Fabian Hoehner: Нет. Нужны ли нам данные поставщиков? Короткий ответ: нет. Нам достаточно данных клиента, потому что у него есть все необходимые сведения.
Можем ли мы их использовать? Да, с некоторыми поставщиками мы дополнительно интегрируемся, обычно ради временных отметок. Допустим, ты MRO и занимаешься ремонтом, а я авиакомпания.
Я передаю свои данные в Lokad и знаю только, когда отправил деталь и когда она возвращается. Если у меня есть твои сведения: «Сейчас деталь в ремонте», «Сейчас на границе», «Прошла проверку»… У некоторых клиентов такие данные доступны; для передачи может хватить таблицы Excel, регулярно загружаемой в Lokad. Тогда мы сможем точнее обновлять эти сведения.
Отвечая на вопрос: если у клиента есть интеграция с поставщиком и данные уже находятся в ERP, мы просто забираем их оттуда. Всё готово. Но мы очень гибки, и это наше преимущество при интеграции с внешним поставщиком. В конце концов, мы ИТ-компания.
Нам, вероятно, гораздо проще подключить любой поток данных от сторонней организации, чем крупной компании загрузить внешние данные в свою ERP. Для неё это проект преобразования системы. Для нас — пара дней. Наверное, в этом главное отличие.
Conor Doherty: Хорошо. Подытожим: есть как минимум две категории данных — желательные и обязательные.
Данные поставщика, которые ты описал, относятся к желательным. Они помогают, но их отсутствие не препятствует работе.
Fabian Hoehner: Да, совершенно верно. Хорошее уточнение.
Conor Doherty: Хочу, чтобы всё было конкретно.
Fabian Hoehner: Да, вопрос о данных всегда уместен. Какие данные нам нужны?
В авиации нужно отслеживать всё. Поэтому данных достаточно. На вопрос «Хватает ли у нас данных?» ответ: да, хватает.
Другой вопрос: хорошо ли они организованы, чистые ли они? Нет, никогда. Но их достаточно. Дальше начинается работа над единым пониманием данных.
Данные — лишь данные, вопрос в том, как их интерпретировать. История потребления, конечно, важна. Уровни запасов, каталог — всё стандартное.
Есть и много желательных данных. Исторические уровни запасов по местам хранения и тому подобное. Временные отметки поставщика получить очень трудно, обычно их у вас нет.
Вы видите только две отметки ремонтного цикла: отправили и получили. Промежуточные отметки очень полезны. Если их нет, будет одно широкое распределение общего срока, а если есть — несколько распределений по этапам.
Conor Doherty: Говоря о возможном беспорядке в данных, ты сказал: «Тогда начинается работа». Уточню, поскольку об этом тоже спрашивали: что требуется от клиентов для подготовки данных? Думаю, это связано с тем, что ты раньше говорил о специалистах по цепочке поставок.
Fabian Hoehner: Да. Обычно мы делаем это вместе. Именно для такой работы мы и созданы: мы платформа больших данных.
Мы работаем с ними быстро, обычно гораздо быстрее клиентов даже на этапе подготовки. Поэтому нужны только исходные выгрузки. При этом люди, знакомые с данными и знающие, где они находятся, конечно, важны: они приносят пользу и ускоряют проект.
Я не стану отрицать, что полезно иметь людей, которые уже изучили данные и понимают их смысл. Но наш подход в другом — и в этом его достоинство: перейти на уровень решений. Если я говорю «Купите четыре детали, сделайте это», лежащие в основе проблемы становятся довольно очевидны. А отдельная кампания по очистке данных…
Я видел много компаний, которые говорят: «Мы не готовы, сначала хотим очистить данные». Через два года разговариваешь с ними снова: «Мы всё ещё чистим данные». Понять, с чего начать, невероятно сложно: всегда есть беспорядок, неверная классификация, иерархии товаров. Да.
Конечно, нам было бы полезно иметь более качественную классификацию. Карта взаимозаменяемости — в авиации односторонняя и двусторонняя взаимозаменяемость крайне важны.
Да, данные не очищены. Было бы лучше иметь чистые? Безусловно. Но станет ли при переходе к решениям столь же очевидно, какие данные действительно ценны?
Да. Возьмём взаимозаменяемость: можно ли использовать новую деталь в старом оборудовании? Ошибочная рекомендация сразу выявит этот вопрос. Разумеется, если деталь совместима в обоих направлениях, я захочу активнее наращивать её запас. Это интересно.
Если рекомендация кажется пользователю совершенно неправильной — я говорю «пять», а он отвечает: «Почему? Старая деталь больше не нужна. Новая заменяет и старую, и новую, поэтому хотим 20», — при разборе карточки позиции мы быстро приходим к выводу: «Да, мы не знали, что эта деталь покрывает оба сценария спроса».
Почему? Потому что данные были неверны. Теперь понятно: эти данные стоит исправить, они действительно помогают. А если чистить ради очистки, вы никуда не продвинетесь и никогда не закончите.
Conor Doherty: Хорошо.
Fabian Hoehner: Чему ты улыбаешься?
Conor Doherty: Кто-то нас поздравляет с… Alex только что назвал себя умным. Он и правда довольно умный. Умный парень, да.
Ещё один вопрос. Я объединил разные его варианты в один общий — о внедрении. Конкретно: объём интеграционных работ, требования к данным — их ты уже затронул, — безопасность, поддержка, масштабирование на большую базу поставщиков, инженерная работа, сроки и так далее. Понимаю: «Какой длины верёвка?» Всё зависит от случая. Но нужен ответ в общих чертах для заинтересовавшихся зрителей.
Fabian Hoehner: Шесть месяцев.
Conor Doherty: Хорошо. Примерно: может быть быстрее, может дольше.
Fabian Hoehner: Да и да. Хорошо.
Обычно — опять же, всё зависит от обстоятельств — два месяца нужны, чтобы получить данные и прийти к общему пониманию картины: проверить качество данных на общем и подробном уровнях, одинаково их интерпретировать. Ещё два месяца — на предварительный вариант оптимизации. Мы делаем это довольно быстро. Затем ещё два — на доводку и параллельную работу. Ведь все уже делают то, что мы показываем здесь.
Компании, с которыми мы работаем, уже ежедневно решают: «Что покупать? Во что вкладываться?» Мы запускаем расчёты параллельно их процессам и так добиваемся улучшений. Это подводит к небольшой функции: как сравнивать с прошлым, как оценивать результат?
Хочу особо отметить одну функцию платформы: она полностью поддерживает анализ прошлого. Что я имею в виду? В истории видны все предыдущие запуски расчётов. Например, можно буквально увидеть, что я сделал сегодня.
Я могу открыть панель, рассчитанную пару часов назад. Предположив, что ты спросишь о бюджете, я установил его на… извиняюсь, на 1 миллион вместо 10 миллионов. Теперь вернёмся к нашим 98%. Помнишь, какими были вложения раньше?
Conor Doherty: 1,2… 2 миллиона.
Fabian Hoehner: Отлично. А теперь получаем только 900 000, потому что я установил ограничение в 1 миллион. Эту панель можно исследовать, запускать расчёт.
Так можно сделать с любой прошлой панелью. Большинство людей не считают эту функцию очень важной, но она невероятно ценна: можно вернуться в любой момент прошлого и увидеть, что мы сделали. При AOG компании часто… Не хочу говорить «паникуют», но начинают расследование: «Как это случилось? Что мы сделали не так?»
При сроках поставки детали в шесть месяцев критически оценивать систему и свои действия невероятно трудно, если нельзя восстановить положение, в котором вы были в январе 2026 года. Здесь же я открываю модель 2026 года и могу увидеть: «Да, хотели купить третью единицу, это было выгодно. Но нас ограничивал бюджет, скажем, 10 миллионов, поэтому мы её не купили».
Тогда мы знаем причину и можем сделать вывод: «Нужно увеличить бюджет, чтобы средств было больше». Или другой: «На самом деле мы неправильно расставили приоритеты». Следовало выше оценить штраф за отсутствие детали, и тогда меняем алгоритм. Это принципиально важно: вместо, скажем так, бесплодного расследования вы проверяете саму систему. Один из возможных выводов: «Алгоритм сделал то, что должен, всё в порядке».
Иногда действительно происходят крайние события и возникает дефицит. Мы говорим о цели 98. Значит, в 2% случаев детали будет не хватать.
Это статистика. Но можно и сказать: «Посмотрим глубже. Нужно изменить алгоритм, чтобы в будущем стало лучше». Это непрерывный процесс. Оптимизация — непрерывный процесс.
Вы постоянно стремитесь к совершенству, которого по определению никогда не достигнете. Поэтому так важно иметь возможность заглянуть в историю. Я даже могу обработать новые данные старым кодом: взять прежние расчёты, веса, штраф за отсутствие детали, с которой сталкивается пассажир, и так далее.
Могу запустить сегодняшние данные на алгоритме полугодовой давности или наоборот: взять старые данные и спросить, что сделал бы с ними сегодняшний оптимизатор. Об этом мало кто спрашивает, но функция чрезвычайно мощная. Изначально её создали для исправления ошибок: если данные меняются со дня на день, ошибка может перестать проявляться. Это неприятно — знаешь, что проблема есть, но не можешь её найти. Впрочем, я отвлёкся.
Conor Doherty: Хорошо, не отвлекайся. Полезно, что эта конкретная информация прозвучала в записи. Есть ещё несколько вопросов.
Ты готов продолжать? Продолжаем. Отлично.
Fabian Hoehner: Нет, извини.
Conor Doherty: Хорошо. Следующий вопрос не совсем о закупках, скорее об альтернативных возможностях.
«Может ли Lokad решить, нужно ли купить ещё одну единицу или переместить имеющуюся между местами хранения?» Мы немного уходим от сегодняшней темы. Не будем открывать ещё одну панель, достаточно общего ответа.
Fabian Hoehner: Да. Значит…
Conor Doherty: Да. Следующий вопрос.
Fabian Hoehner: Хорошо, закончили. Нет, всё же поясню.
Именно здесь нужна экономическая расстановка приоритетов. Ответ, наверное, будет скучным, но он всегда один: «Если в этом есть логика, мы можем её реализовать». Какую логику применить здесь? Сначала нужно смоделировать вероятность потребности.
Для задачи распределения сначала моделируют спрос в каждой точке. Например, у вас комплекты MBK на 100 внешних станциях. Конечно, это трудно. Ещё более редкий спрос прогнозировать сложнее, но это необходимо. Мы всегда говорим: «Уровень детализации моделирования определяется не удобством вычислений, а решением, которое нужно принять».
Чтобы смоделировать потребность в детали по местам хранения, нужно прогнозировать на этом уровне. А что делать — докупить для центрального склада или перераспределить имеющееся — в конечном счёте экономический вопрос.
Нужно сравнить стоимость перемещения. Перемещая деталь, вы повышаете риск на станции-отправителе. Получается: дополнительный риск плюс логистические затраты против затрат на внешнее приобретение, то есть стоимости капитала. Логика достаточно ясна, это можно рассчитать.
Мы можем рассчитать это до евро, доллара, фунта — какой угодно валюты. Но всегда спрашиваем: насколько велика проблема и как часто возникает? Иногда её можно решить простой пропорцией. Если же вопрос существенный и дорогостоящий, мы можем дойти до такой детализации.
Conor Doherty: Хорошо. Некоторые…
Fabian Hoehner: Скажи, если непонятно.
Conor Doherty: Нет, всё совершенно понятно. Просто есть и другие вопросы, не хочу затягивать. Если что-то неясно — мне уже написали несколько человек, которые хотят… — вернёмся к этому отдельно. Иначе уйдёт слишком много времени на «А что в этой ситуации? А в другой?»
Fabian Hoehner: Уточню: мне важно, чтобы мы усвоили два принципа. Неопределённость: объединяя разные её источники, спрос и длительность ремонтного цикла, получаем общую картину. И экономическая расстановка приоритетов. С ними мы можем ответить примерно на 95% возникающих вопросов. Например, вначале ты спрашивал о расходных материалах и неремонтируемых деталях. Мы говорили о цикле ремонта.
Цикл сложнее, но для C&E принцип тот же. Запас просто поступает и выбывает — если угодно, это 100% списание. В основе всё примерно то же самое. Можно провести точно такую же экономическую оптимизацию.
Можно, но не обязательно. Простую задачу можно решить проще, без такой оптимизации. Хотя обычно мы настоятельно её рекомендуем. Но если нужен быстрый предварительный результат, всегда можно начать с грубого решения, которое лучше существующего и автоматизировано: автоматизация почти всегда выигрывает у ручной работы.
А затем перейти ко второму этапу. У меня ещё множество других панелей, но не хочу сейчас их разбирать. Распределение? Да, конечно, может быть панель с рекомендацией: «Нужно переместить из одной точки в другую». Хорошо. В математику сейчас углубляться не будем.
Conor Doherty: Да, это тема для отдельного продолжения. Иначе только запутаемся.
Fabian Hoehner: Хотел обозначить общие возможности. Всё зависит от того, что считать модулем. Разные сроки поставки, рост длительности ремонтного цикла — отдельный модуль? Или модуль — это закупки целиком? Можно сказать, что у нас 20 разных модулей; здесь видны некоторые варианты.
Conor Doherty: Кстати, об этом. Возможно, зритель пропустил предыдущий раздел, но вопрос пришёл в эфире, поэтому зададим. От Saddaf — надеюсь, правильно произношу имя: «Можете подробнее рассказать, как Lokad учитывает задержки поставщиков при расчёте оптимального объёма закупки?»
Fabian Hoehner: Да. Значит…
Conor Doherty: Можешь вернуться к панели и показать ещё раз тем, кто пропустил.
Fabian Hoehner: Да, конечно. Вопрос в том, что считать задержкой, а что — просто обстоятельством, которое нужно учитывать. Задержка означает: вы ожидали некоторый срок, но он оказался дольше. Здесь два ответа.
Первый — действия по ускорению. Допустим, ожидали 30 дней, а сейчас уже 40-й. Обычно мы даём ранжированный список: кому звонить первым? Если деталь опаздывает на 10 дней, но у меня лежат пять исправных единиц, её опоздание меня не волнует.
Это действительно неважно. А другая ещё даже не опаздывает — идёт 25-й день, — но запас исчерпан и потребность очень срочная. Тогда я, вероятно, возьму телефон и попрошу: «Сделайте всё возможное, чтобы деталь скорее поступила». Вот половина ответа на вопрос о задержках: можете ли вы что-то сделать?
И затем дать пользователям возможность расставить приоритеты. Вопрос всегда один: каковы последствия того, что что-то идёт не так? Это первая половина ответа. Вторая — то, что мы уже рассматривали…
Conor Doherty: Что вообще считать задержкой?
Fabian Hoehner: Да. Мы скорее скажем, что сроки поставки бывают разными. Хорошо, если в договоре написано «60 дней». Но если на деле всегда требуется 120, закупочная рекомендация должна это учитывать.
Именно это мы и сделали. Не говорим «всегда 80» или «всегда 120» — конкретные числа здесь неважны. Говорим: «Возможны все эти варианты». Распределение спроса, которое мы видим, охватывает все возможные сроки поставки. Ради этого всё и делается.
Нужно принять неопределённость, которую нельзя контролировать. Длительность ремонтного цикла и сроки поставщиков — важнейшие её источники. Уточню: мы не углублялись в это, но сами сроки тоже прогнозируются. До сих пор я упрощал и говорил: смотрим в прошлое, оно представляет будущее.
Конечно, мы понимаем, что прошлое не всегда представляет будущее. Мы работали с клиентами во время COVID и после: видели спад, затем восстановление и невероятный рост длительности ремонтного цикла. Если срок движется вот так, мы не будем говорить: «Прошлое представляет будущее». Нет.
Тогда мы прогнозируем длительность ремонтного цикла, а затем спрос по прогнозным распределениям этих сроков. Предвосхищу ещё один вопрос. Я говорил, что смотрим на прошлый год. Конечно, можно учитывать и предстоящие формы технического обслуживания. Если у меня… Да, спрашивай, если хочешь.
Conor Doherty: Нет, это как раз часть одного из следующих вопросов. Продолжай, пожалуйста.
Fabian Hoehner: Хорошо. Типичный вопрос: как вы прогнозируете будущий спрос? Только по прошлому? Зависит от ситуации. Если вы обслуживаете тысячу самолётов, например крупный MRO, и статистических данных много, прошлое довольно хорошо представляет будущее.
Но если есть дополнительные сведения — всегда важно, какой информацией вы располагаете, — например известна предстоящая серия D-check, мы, конечно, возьмём вероятностную спецификацию материалов, BOM. Она сама по себе неопределённа. Для некоторых деталей известно, что их заменят: вероятность замены расходной детали 100%. А для других известно только, что мы вскроем узел…
Conor Doherty: И обнаружите коррозию, которой не ожидали.
Fabian Hoehner: Да. Или по прошлым C-check известно, что деталь заменяют в 30% случаев. Это вероятностная спецификация: «Вот 100 деталей, которые могут понадобиться, и их вероятности». Если известно, что событие произойдёт через два месяца, это можно спланировать.
Именно так мы и делаем. Реальность, конечно, сложнее: если C-check назначен через два месяца, как часто он действительно состоится ровно через два? Здесь тоже есть неопределённость. Я представил два основных её источника, но в реальности их может быть больше. Это увеличивает неопределённость и расширяет распределения. В конце концов всё сводится к тому же вопросу: какое дополнительное покрытие я получаю, вложившись ещё в одну деталь, и стоит ли оно того? Готов ли я потратить — не знаю, сколько эта стоит, — 10 000 долларов ради ещё… нуля целых… или ещё 4%, скажем?
Conor Doherty: Мне понятно. И полезно ещё раз отметить, почему эти панели так важны. Следующий вопрос от Metan — простите, если неверно произношу, Met… Он касается ключевого момента, который уже поднимали: можно сформировать прекрасные решения о вложениях, высвобождении средств или распределении, но если рекомендации не соблюдают, люди просто их не исполняют, это проблема.
Вопрос из открытого чата такой: «Как вы узнаёте, купила ли компания, ваш клиент, рекомендованную деталь?» Ты говорил о прослеживаемости. Можно ли отследить, что в X процентах случаев эти решения были исполнены?
Fabian Hoehner: А, понятно. Да, значит…
Conor Doherty: Обычный аудит, возможность аудита, извиняюсь.
Fabian Hoehner: А как бы ты это отслеживал, Conor?
Conor Doherty: С помощью компьютера.
Fabian Hoehner: Да, отлично. По сути, мы видим исполнение: каждый день получаем историю всех транзакций.
В том числе закупок. Я буквально вижу, выполнил ли кто-то рекомендацию. Сильно упрощая: в понедельник я рекомендовал пять. Расчёт прошёл в ночь на понедельник, утром сотрудник видит: «Рекомендовано пять».
При запуске во вторник я вижу пять и могу сказать: «Рекомендация выполнена на 100%». Я сильно упрощаю. На практике сложнее: в таких вопросах возможны длительные задержки до подготовки предложения и так далее. Но да, мы отслеживаем исполнение. Для автоматизированных процессов, например расходных материалов, это можно делать очень хорошо.
Там всё гораздо проще: операций много. А для ремонтируемых компонентов, о которых мы говорили, наиболее важна, пожалуй, обратная связь людей. Эти списки мы рассматриваем вместе с клиентами. Мы очень хорошо разбираемся в математике и статистике, но когда я говорю «мы», я имею в виду…
Conor Doherty: Да, ты настоящий гений.
Fabian Hoehner: Нет, я говорю о мощной платформе и умных инженерах — это наша область знаний. Мы работаем в авиации уже около 13 лет и накопили немалый опыт, но никогда не утверждаем, что понимаем авиацию лучше клиентов. Когда предстоит модернизация? В авиационных компаниях очень увлечённые люди: увидев самолёт, они сразу знают модель, какие в нём детали и так далее. Мы же больше по части статистики.
Что это значит? Мы всегда во многом опираемся на опыт пользователей и их обратную связь, а панели на 100% проектируем под них. Если они говорят: «Хочу другой вид, другие цвета, что-то ещё»…
Мы слушаем и проектируем под их задачи. Перестроить, изменить оформление такой панели для нас — полдня, даже меньше. Если хочешь, могу поговорить об ИИ, но это другая тема.
Conor Doherty: Нет, пойду дальше. Тут скорее комментарий. Извини, секунду. Да.
Сколько ручной работы в закупках действительно можно убрать с Lokad? Не хочу представить это неверно. Ты уже затрагивал тему ремонтируемых компонентов. В зависимости от цены эксперт, конечно, останется в процессе, чтобы подтвердить покупку за 90 000 долларов. Но какую долю времени, затрачиваемого на этот процесс, можно высвободить? И тот же вопрос для C&E.
Fabian Hoehner: Да, вернусь к прежнему ответу.
Conor Doherty: Да, я просто читаю вопрос.
Fabian Hoehner: Да, конечно. Всё зависит от сложности работы. Я бы сказал, что C&E можно автоматизировать в очень большой степени.
Причём я имею в виду большее… Знаю, многое уже автоматизировано через точки заказа и min-max. Мы можем автоматизировать это гораздо более умной системой. Например, при желании ежедневно пересчитывать точки заказа, чтобы исполнялось именно нужное нам решение.
Для некоторых клиентов мы так и делаем. Экономия времени тоже огромна. Но при закупке деталей на миллионы долларов дело меньше в экономии времени — она, безусловно, есть и весьма значительна, — а больше в качестве решений. В этом суть. Предотвратите несколько AOG, и затраты в определённой степени перестанут иметь значение.
Conor Doherty: Кажется, я всё охватил. Сейчас 5:45, мы в эфире примерно 75 минут. Знаю, около шести нужно закончить. А, нет, извините, остался последний вопрос. Думаю, посмотревшие демонстрацию уже понимают ответ, но уточним: чем Lokad отличается от других закупочных платформ в отрасли, например Aeroxchange? Один человек сравнивает эти две категории и хочет понять разницу между оптимизацией решений и обработкой запросов ценовых предложений — RFQ, сравнением предложений, обработкой закупочных заказов — PO и так далее.
Fabian Hoehner: У Aeroxchange есть разные направления работы. Но в общих чертах: мы не закупочная платформа как таковая. Ещё раз — интеллектуальная система. Разница…
Conor Doherty: В принятии решений.
Fabian Hoehner: Да. Есть транзакционные системы, а мы работаем поверх них. Мы — мозг: передаём обратно лучшие решения, которые позволяют получить статистика и бизнес-аналитика, для последующего исполнения. У Aeroxchange больше функций автоматизации самого закупочного процесса и коммуникаций.
Мы занимаемся не этим. Можем интегрироваться с разными поставщиками, сопоставлять данные и обмениваться информацией. Но мы не публикуем цены и тому подобное: это не наша бизнес-модель. Я бы не называл нас закупочной платформой. Если кратко: автоматизация решений, поддержка принятия решений и интеллектуальная система.
Conor Doherty: Хорошо. Ещё последний, скорее комментарий. Людям, видимо, удобнее писать лично, чем публично, что понятно. Читаю дословно: «Хорошо, но меня больше интересует ремонт. Можно ли применить этот подход к приоритизации ремонта и его ускорения?»
Fabian Hoehner: Да. Просто, правда?
Conor Doherty: Порадуй зрителей чуть более подробным ответом.
Fabian Hoehner: Если серьёзно, логика та же. Вместо вопроса о покупке детали я спрашиваю, нужно ли отремонтировать неисправную. Допустим, есть 10 неисправных единиц, а исправных в запасе — ноль. Вместо покупки вы просто возвращаете одну в исправное состояние.
Для этого нужен ремонт: у него есть цикл, длительность и стоимость. Внутренний или внешний — расходы есть в обоих случаях. Для простоты возьмём внешний. Допустим, восстановить деталь стоит 50 000. Первый вопрос — как расставить приоритеты?
Есть ремонтный бюджет, который ограничивает отправку деталей, либо просто физические возможности. Допустим, можно обработать 50 деталей в день. Какие самые срочные? И какие вообще экономически целесообразно ремонтировать, а какие нет?
Например, после COVID это стало важным вопросом. У некоторых клиентов возникли серьёзные проблемы с денежными средствами: денег просто не было. Что делать?
Лизинговые и другие обязательства остаются, а поступлений больше нет. Первое, что можно сделать, — отложить ремонт: восстановление неисправных деталей требует большого оттока денег. Можно использовать существующий запас и оставлять снятые детали неисправными. Тогда это было вполне разумно: если во время COVID летает 20% парка, потребность в исправных деталях значительно снижается. Останавливаете ремонт, но — вот проблема — нельзя просто сказать: «Больше ничего не ремонтирую».
Нужен приоритетный список. Критически важные детали всё равно необходимо ремонтировать: их отсутствие может обернуться катастрофой. А для других — допустим, на складе 10 исправных и пять неисправных — можно немного увеличить риск и оставить ещё несколько неисправными либо отремонтировать только одну.
Логика та же. А длительность ремонтного цикла становится ещё важнее. Дополнительные временные отметки и вероятность списания здесь очень существенны. В основе всё то же самое; панели для этого тоже есть, но это уже другая тема.
Conor Doherty: Хорошо. В заключение вернёмся к началу. Если подытожить главное для тех, кто только подключился или сразу перешёл к вопросам и ответам, как бы ты описал наш подход к закупкам, вложениям в запасы и высвобождению средств в аэрокосмической отрасли? Что зрителям следует запомнить?
Fabian Hoehner: Во-первых, им должно быть стыдно, что не слушали всё. Во-вторых…
Conor Doherty: Неплохо. А третий…
Fabian Hoehner: Повторю: учитывайте неопределённость. У неё много форм: длительность ремонтного цикла, спрос, вероятностная спецификация материалов. Она повсюду. Не убирайте её из планирования упрощениями. Примите её существование: есть технологии, позволяющие работать с ней лучше.
Во-вторых, расставляйте приоритеты по экономическим последствиям. В авиации это обычно прирост уровня сервиса или предотвращение AOG на потраченный доллар. Вот ключевые идеи. А что делает Lokad? У нас есть мощная платформа и отличные специалисты по цепочке поставок, которые проектируют решения вместе с клиентами. Таков Lokad для авиации в нескольких словах.
Conor Doherty: Хорошо, Fabi, вопросов больше нет. Большое спасибо, что присоединился сегодня. Рад был видеть тебя в студии. Надеюсь, всем было так же приятно слушать твой голос, как и мне.
Fabian Hoehner: Ты слишком добр.
Conor Doherty: Вы делаете честь человечеству, сэр.
Fabian Hoehner: Спасибо.
Conor Doherty: Не за что. Всем спасибо за просмотр, комментарии и вопросы.
Отдельное спасибо всем, с кем я общался в течение последнего месяца. Мы анонсировали эфир примерно месяц. Я связывался со многими людьми и спрашивал: «Что вы хотите увидеть?» Как видите, я учёл обратную связь и постарался подстроить сегодняшнюю демонстрацию под пожелания зрителей.
Если вас интересует что-то, чего мы не затронули, пишите Fab и мне прямо в LinkedIn. Вы нас уже хорошо разглядели. Мы любим поговорить, мы милые.
Откройте профиль, отправьте сообщение. Если вы уже убедились и хотите назначить звонок, чтобы узнать больше, ссылка должна быть в чате. Или напишите прямо на contact@lokad.com. Как Fabi показал раньше, в аэрокосмической отрасли есть и другие модули, о которых мы можем рассказать.
Сегодня мы их не разобрали, но вернёмся к ним в будущем. А пока остаётся только сказать: возвращайтесь к работе. Ладно. Пожалуйста.