PREVISIONE DELL'INVENTARIO PER L'AEROSPAZIALE

Il costo elevato di alcune parti, i tempi di consegna lunghi, le guasti poco frequenti e i costi molto elevati delle mancanze di magazzino non fanno che aggravare tutte le debolezze dell’ottimizzazione classica dell’inventario.

In particolare, le previsioni delle serie temporali ottimizzate rispetto a metriche come MAD (deviazione media assoluta) o MAPE (percentuale media assoluta) non riflettono correttamente i costi altamente asimmetrici tra sovrastima e sottostima riscontrati nel settore aerospaziale.

L’analisi classica delle scorte di sicurezza basata su distribuzioni normali o distribuzioni di Poisson funziona anche male.

L’analisi classica delle scorte di sicurezza basata su distribuzioni normali o distribuzioni di Poisson funziona anche male, perché le nostre osservazioni dei dati indicano semplicemente che i modelli di domanda non seguono effettivamente nessuno di questi modelli. Allo stesso modo, l’analisi ABC fallisce perché una classificazione che ordina tutte le parti in una manciata di categorie di inventario non riesce a catturare le molte dimensioni diverse che definiscono le parti o i consumabili richiesti dagli aeromobili moderni.

Oltre allo scollamento tra le ipotesi alla base dei modelli classici e la realtà del settore aerospaziale, abbiamo anche scoperto che gli approcci classici si basano troppo su una miriade di correzioni manuali. Ciò porta spesso a situazioni in cui il lavoro umano investito nell’ottimizzazione dell’inventario non viene capitalizzato, ma viene semplicemente consumato dai sistemi informatici solo per tenere il passo con le operazioni quotidiane. Alcuni modelli di progettazione del software, come gli “avvisi”, tendono anche a peggiorare la situazione concentrandosi sulle correzioni superficiali quotidiane anziché sulle cause profonde al fine di fornire soluzioni durature. Per qualsiasi domanda, contattaci all’indirizzo contact@lokad.com

Al contrario, il nucleo della nostra tecnologia è progettato per minimizzare i Dollari degli errori di previsione. Il nostro approccio è molto diverso dai sistemi statistici classici che sono semplicemente “ciechi” alle variabili finanziarie.

I costi associati alle sovrastime e alle sottostime delle previsioni sono altamente asimmetrici nel settore aerospaziale, e ciò ha un profondo impatto sulla nostra tecnologia. Le parti riparabili ad alto costo non sono solo, come suggerisce il nome, costose, ma hanno anche un effetto “ratchet” su ogni acquisto dal lato delle compagnie aeree. Infatti, dato che il tasso di scarto è molto basso per molte parti, significa che qualsiasi parte acquistata rimarrà nell’inventario per anni. E sebbene la rivendita delle parti sia talvolta possibile, spesso comporta uno sconto significativo rispetto al prezzo originale. Pertanto, le nostre previsioni sono intrinsecamente e intenzionalmente fortemente influenzate per riflettere precisamente queste situazioni aziendali asimmetriche. L’obiettivo non è avere le migliori stime dell’inventario in un senso statistico astratto, ma le stime che aiutano realmente a minimizzare i costi aziendali associati alle imprecisioni delle stesse stime.

Inoltre, sebbene raggiungere livelli di servizio migliori sia certamente una cosa positiva se non comporta un aumento dell’inventario, le soluzioni classiche mirano a livelli di servizio piuttosto arbitrari basati su classificazioni di inventario naive spesso basate su analisi ABC o altre varianti simili. Al suo nucleo, la nostra tecnologia statistica affronta la sfida di sfruttare al massimo ogni singolo Dollaro investito nell’inventario. Ad esempio, anche se una parte ha solo un livello di servizio del 90%, mentre l’azienda cerca un livello di servizio complessivo del 98%, potrebbe essere più redditizio aumentare il livello di servizio di un’altra parte dal 98% al 99% se questa parte costa 100 volte meno ed è richiesta 100 volte più frequentemente rispetto alla prima. L’analisi ABC semplifica eccessivamente il panorama dell’inventario aerospaziale in cui devono essere presi in considerazione molti diversi fattori: costo unitario, ritardo di fornitura, essenzialità, costi aggiuntivi per l’acquisto AOG, capitolo ATA, obsolescenza potenziale, ecc.

Invece di fornire numeri “esattamente errati”, Lokad si impegna a fornire numeri “approssimativamente veri”. Considerare tutti i vincoli finanziari e operativi direttamente nei modelli di previsione si è rivelata un’attività molto impegnativa, ma abbiamo osservato che fare affidamento su approcci classici che sono “ciechi” a questi fattori produce risultati molto scadenti.

Anche qualcosa di apparentemente semplice come lo stato dell'inventario richiede un insieme relativamente diversificato di dati. Infatti, l'inventario include non solo la scorta disponibile e l'ordine di acquisto in scadenza, ma anche i futuri resi di riparazione, i resi di parti in servizio, i prestiti ad altre compagnie aeree e le parti prestate ad altre compagnie aeree. Utilizzando più dimensioni rispetto ai modelli classici di ottimizzazione dell'inventario, Lokad fornisce risultati più strettamente allineati alla realtà specifica dell'azienda.

Anche i dati di terze parti come i valori MTBUR (mean time between unscheduled removal) forniti dagli OEM possono essere sfruttati. Tuttavia, invece di fare affidamento al 100% su una singola fonte di dati, la nostra tecnologia preferisce sfruttare al massimo tutti i dati disponibili.

Se un componente è stato cambiato più di 100 volte, la stima MTBUR basata sui dati storici è quasi certamente più accurata della stima OEM. Ma d'altra parte, per un componente che viene cambiato molto raramente, la stima OEM è l'unico elemento rilevante di informazione. La tecnologia di Lokad sfrutta la migliore combinazione di informazioni necessarie per minimizzare i costi finanziari associati all'incertezza.