BESTANDSPROGNOSE FÜR DIE LUFTFAHRT

Die hohen Kosten bestimmter Teile, lange Vorlaufzeiten, seltene Ausfälle und sehr hohe Kosten bei Lagerbestandsausfällen verschärfen nur alle Schwächen der klassischen Bestandsoptimierung.

Insbesondere Zeitreihenprognosen, die gegen Metriken wie MAD (mittlere absolute Abweichung) oder MAPE (mittlere absolute prozentuale Abweichung) optimiert sind, spiegeln nicht angemessen die stark asymmetrischen Kosten zwischen Überprognosen und Unterprognosen in der Luft- und Raumfahrt wider.

Klassische Sicherheitsbestandsanalysen, die auf Normalverteilungen oder Poisson-Verteilungen basieren, funktionieren ebenfalls schlecht.

Klassische Sicherheitsbestandsanalysen, die auf Normalverteilungen oder Poisson-Verteilungen basieren, funktionieren ebenfalls schlecht, da unsere Datenbeobachtungen einfach zeigen, dass die Nachfragemuster tatsächlich keines dieser Modelle widerspiegeln. Ebenso versagt die ABC-Analyse, da jede Klassifizierung, die alle Teile in eine Handvoll Bestandskategorien sortiert, nicht in der Lage ist, die vielen verschiedenen Dimensionen zu erfassen, die Teile oder Verbrauchsmaterialien für moderne Flugzeuge definieren.

Neben der Diskrepanz zwischen den Annahmen hinter den klassischen Modellen und der Realität des Luft- und Raumfahrtgeschäfts haben wir auch festgestellt, dass klassische Ansätze zu stark auf eine Vielzahl manueller Korrekturen angewiesen sind. Dies führt häufig dazu, dass die in die Bestandsoptimierung investierte Arbeitskraft nicht genutzt, sondern lediglich von IT-Systemen verbraucht wird, um mit dem täglichen Betrieb Schritt zu halten. Einige Software-Designmuster, wie “Alerts”, verschlimmern die Situation oft, indem sie Teams auf tägliche oberflächliche Korrekturen fokussieren, anstatt sie auf die eigentlichen Ursachen zu konzentrieren, um dauerhafte Lösungen zu liefern. Bei Fragen kontaktieren Sie uns unter contact@lokad.com

Im Gegensatz dazu ist der Kern unserer Technologie darauf ausgelegt, die Dollars an Prognosefehlern zu minimieren. Unser Ansatz unterscheidet sich sehr von klassischen statistischen Systemen, die einfach “blind” gegenüber finanziellen Variablen sind.

Die Kosten, die mit Überprognosen und Unterprognosen verbunden sind, sind in der Luft- und Raumfahrt stark asymmetrisch und dies hat einen tiefgreifenden Einfluss auf unsere Technologie. Hochpreisige reparierbare Teile sind nicht nur, wie der Name vermuten lässt, teuer, sondern sie haben auch einen “Ratscheneffekt” auf jeden Kauf auf Seiten der Fluggesellschaft. Tatsächlich bedeutet dies, dass jedes gekaufte Teil jahrelang im Bestand verbleibt, da die Ausschussrate für viele Teile sehr niedrig ist. Und während der Wiederverkauf von Teilen manchmal möglich ist, geht dies häufig mit einem erheblichen Rabatt gegenüber dem ursprünglichen Preis einher. Daher sind unsere Prognosen von Natur aus und bewusst stark voreingenommen, um diese asymmetrischen Geschäftssituationen genau widerzuspiegeln. Das Ziel ist nicht, die besten Bestandsschätzungen in einem abstrakten statistischen Sinne zu haben, sondern Schätzungen, die wirklich dazu beitragen, die Geschäftskosten im Zusammenhang mit den Ungenauigkeiten der Schätzungen selbst zu minimieren.

Darüber hinaus zielen klassische Lösungen, die bessere Servicelevel erreichen, zwar sicherlich auf gute Dinge ab, wenn dies jedoch nicht mit einer höheren Bestandsführung verbunden ist, zielen sie eher auf willkürliche Servicelevel ab, die auf naiven Bestandsklassifizierungen basieren, die häufig auf ABC-Analysen oder ähnlichen Varianten basieren. Im Kern nimmt unsere statistische Technologie die Herausforderung an, das Beste aus jedem einzelnen Dollar zu machen, der in den Bestand investiert wird. Zum Beispiel kann es trotz eines Servicelevels von nur 90% für ein Teil, während das Unternehmen insgesamt ein Servicelevel von 98% anstrebt, profitabler sein, das Servicelevel eines anderen Teils von 98% auf 99% zu erhöhen, wenn dieses Teil 100-mal weniger kostet und 100-mal häufiger angefordert wird als das erste. Die ABC-Analyse vereinfacht die Bestandslandschaft in der Luft- und Raumfahrt, bei der viele verschiedene Dimensionen berücksichtigt werden müssen: Stückkosten, Lieferverzögerung, Wesentlichkeit, AOG-Kaufaufwand, ATA-Kapitel, potenzielle Veraltetheit usw.

Anstatt Zahlen zu liefern, die “genau falsch” sind, strebt Lokad danach, Zahlen zu liefern, die “ungefähr wahr” sind. Die Berücksichtigung aller finanziellen und operativen Einschränkungen direkt in die Prognosemodelle erwies sich als sehr anspruchsvolle Aufgabe, doch wir haben festgestellt, dass sich auf klassische Ansätze, die “blind” für diese Faktoren sind, sehr schlechte Ergebnisse erzielen lassen.

Sogar etwas scheinbar Einfaches wie der Bestandszustand erfordert eine relativ vielfältige Datenmenge. Tatsächlich umfasst der Bestand nicht nur den Lagerbestand und die fällige Bestellung, sondern auch die zukünftigen Reparaturrückgaben, die rückgabefähigen Teilerückgaben, Darlehen an andere Fluggesellschaften und an andere Fluggesellschaften verliehene Teile. Durch die Verwendung von mehr Dimensionen im Vergleich zu klassischen Modellen zur Bestandsoptimierung liefert Lokad Ergebnisse, die enger an die geschäftsspezifische Realität angepasst sind.

Auch Drittanbieterdaten wie MTBUR-Werte (mittlere Zeit zwischen ungeplanten Ausbauten), wie sie von OEMs bereitgestellt werden, können genutzt werden. Unsere Technologie bevorzugt jedoch nicht zu 100% auf eine einzige Datenquelle zu vertrauen, sondern macht das Beste aus allen verfügbaren Daten.

Wenn eine Komponente mehr als 100 Mal gewechselt wurde, ist die geschätzte MTBUR auf der Grundlage historischer Daten mit großer Sicherheit genauer als die OEM-Schätzung. Für eine Komponente, die jedoch sehr selten gewechselt wird, ist die OEM-Schätzung die einzige relevante Information. Die Technologie von Lokad nutzt die beste Mischung an Informationen, um die mit Unsicherheit verbundenen finanziellen Kosten zu minimieren.