Air France Industries ist die neue Filiale von AIR FRANCE KLM für MRO-Dienste mit über 200 Kunden - international, regional, Frachtfluggesellschaften, usw.
Lokad bietet ein neues Tool, das gleichzeitig leistungsfähig und innovativ ist. Zusätzlich hat Lokad ihre Expertise in der Bestandsoptimierung und im Supply-Change-Management mit Air France geteilt. Somit erhalten wir nicht nur eine ergänzende IT-Lösung sondern auch wahre Beratungskompetenz, auf die sich unsere Teams verlassen können.
Charles Segondat, Head of Inventory Management, Air France Industries
Spairliners ist ein weltweit führender Komponentenversorger für Ersatzteile und Wartung für Airbus A380- und Embraer E-Jet-Flotten.
Nach einer detaillierten Analyse der verfügbaren Lösungen für Lagerbestandsoptimierung auf dem Markt haben wir uns für unsere MRO-Tätigkeiten (Wartung, Reparatur und Betrieb) für Lokad entschieden. Lokads partnerschaftlicher Ansatz, sowie seine Reaktions- und Anpassungsfähigkeit und vor allem die Leistung seiner Lösung schuf genügen Vertrauen, um Sie mit der Lagerbestandsoptimierung von Ersatzteilen für Flugzeuge für unsere Kunden weltweit zur beauftragen. Lokad hat die Erwartungen unserer Branche in höchstem Maße erfüllt und die Komplexität dank seiner originellen und intelligenten Herangehensweise an unsere Bedürfnisse überwunden.
Olivier Mazzucchelli, CEO von Spairliners, Hamburg, Deutschland
Sehen Sie sich unsere Interviews auf Lokad TV an und erfahren Sie mehr über Supply Chain und Luftfahrt.
Allgemein erzielen klassische Ansätze für Lagerbestandsoptimierung schlechte Ergebnisse, wenn Ersatzteile im Spiel sind. In der Luft- und Raumfahrtindustrie ist die Leistung dieser Ansätze Lokads Erfahrung nach noch schlechter.
Der hohe Preis mancher Teile, lange Durchlaufzeiten, seltene Fehler und extrem hohe Kosten bei Fehlbeständen heben die Schwächen der klassischen Lagerbestandsoptimierung noch deutlicher hervor.
Besonders Zeitreihenprognose, die auf Grundlagen von Metriken wie MAD (mittlere Absolute Abweichung) oder MAPE (Mittlerer absolute prozentuale Fehler) optimiert werden, spiegeln die hohen asymmetrischen Kosten von Über- und Unterprognose in der Luft- und Raumfahrtindustrie nicht wieder.
Klassische Analysen des Sicherheitsbestands auf Grundlage von Normalverteilung oder Poisson-Verteilung liefern auch keine guten Ergebnisse.
Klassische Analysen des Sicherheitsbestands auf Grundlage von Normalverteilung oder Poisson-Verteilung liefern auch keine guten Ergebnisse, hauptsächlich weil unsere Beobachtungen von Daten zeigen, dass die Nachfrage mit keinem dieser Modelle übereinstimmt. Ebenso sind ABC-Analysen nicht geeignet, da Klassifizierungen, die alle Teile in eine kleine Auswahl an Kategorien für den Lagerbestand ordnen, somit die vielen verschiedenen Dimensionen, die die Teile oder Verbrauchsmaterialien, die moderne Flugzeuge benötigen, nicht erfassen kann.
Abgesehen von den Abweichungen der Annahmen der klassischen Modelle und der wahren Bedürfnisse in der Luft- und Raumfahrtindustrie, haben wir auch festgestellt, dass klassische Ansätze Hunderte manuelle Korrekturen benötigen. Dadurch entstehen oft Situationen, in denen die eingesetzten Arbeitskräfte für die Lagerbestandsoptimierung nicht aktiviert werden, sondern lediglich von den IT-Systemen für den täglichen Betrieb genutzt werden. Einige Muster für Softwareentwicklung, wie etwa "Alarme", führen zu einer Verschlechterung der Lage, da sie die Teams somit auf tägliche oberflächliche Lösungen weisen, statt sich auf die Grundursachen zu konzentrieren, um dauerhafte Lösungen zu erzeugen. Kontaktieren Sie uns für jegliche Anliegen unter contact@lokad.comMathematischen Prozesse, die zur Lagerbestandsprognose für Fluggesellschaften nötig sind, von Grund auf entwickeln.
Lokads Analysetechnologie wurde um die Impulsgeber der Luft- und Raumfahrtindustrie herum geschaffen. Statt auf bestehende Prognose- und Lagerbestandsmodelle für andere Branchen aufzubauen, hat Lokad alternative statistische Ansätze entwickelt, die auf die spezifischen Bedürfnisse der Luft- und Raumfahrtindustrie abgestimmt sind.
Lokads Prognosemodelle erfassen alle Faktoren, die mit der Flotte zusammenhängen, nicht als lineare Berichtigungskoeffizienten auf Zeitreihen, sondern als Variablen, die grundsätzlich die Nachfrage selbst erklären.
Die Nachfrage hängt vorrangig von der Notwendigkeit ab, eine Flugzeugflotte in Stand zu halten. Diese Flotte kann dann entweder wachsen oder zurückgehen. Auch die Kombination von Flugstunden und Gesamtanzahl der Flüge verändert sich über die Zeit. Manche Wartungsarbeiten sind zu einem bestimmten Zeitpunkt programmiert, während andere ungeplant stattfinden. Lokads Prognosemodelle erfassen alle Faktoren, die mit der Flotte zusammenhängen, nicht als lineare Berichtigungskoeffizienten auf Zeitreihen, sondern als Variablen, die grundsätzlich die Nachfrage selbst erklären. Außerdem ist die "durchschnittliche" Nachfrage nicht so ausschlaggebend wie die Spitzen, d.h. die Punkte, an denen die Nachfrage am größten ist, die die Produktverfügbarkeit am meisten beeinflussen. Dabei führen klassische auf Normalverteilung oder Poisson-Verteilung basierende Ansätze zu systematischen Fehlern bei allen Schätzungen.
Lokads Technologie setzt auf eine erweiterte Quantil-Prognose für die Nachfrage. Hierbei spielt die Sicht der Quantile eine grundlegende Rolle zur genauen Schätzung künftiger Nachfragespitzen und ihrer Wahrscheinlichkeit.
Doch abgesehen von der Nachfrage sind auch die Durchlaufzeiten ungewiss. Vor allem hängen kostspielige, reparierbare Teile nicht nur mit einer Durchlaufzeit zusammen, sondern mit einem ganzen Kreislauf, der von Komponentenwechsel bis zur erneuten Verfügbarkeit des reparierten Teils umfasst.
Die gesamte Durchlaufzeit beinhaltet viele Schritte: Verwaltungszeit, Beschaffungszeit, Laufzeit, Empfangszeit, TAT (Inspektionszeit bei MRO oder OEM und Reparaturabwicklung, falls zutreffend), Entlade- und Lagerbewegungszeiten, Durchlaufzeiten in den Werkstätten etc. Eine durchschnittliche oder mediane Durchlaufzeit zu berechnen reicht hierfür bei weitem nicht aus. Lokads Technologie modelliert die ganze Verteilung von Verzögerungen, d.h. die Wahrscheinlichkeit, dass eine bestimmte Verzögerung eintritt.
Zuletzt benötigen viele der beobachteten äußerst spezifische Nachfragemuster statistische Entsprechungen. So führen beispielsweise nachträgliche Änderungen verschiedene Fehler in den Verlauf ein, die erklärt werden müssen. Das Problem verschärft sich durch Austauschbarkeitsregeln zu Teilen, für die es verschiedene Versionen gleichzeitig gibt, vollkommen austauschbar oder nur in eine Richtung austauschbar. Im Gegensatz zu den klassischen Ansätzen, die alles in Zeitreihen zu stellen versuchen würden, nähert sich unsere Technologie diesen Problemen durch gründliche statistische Modelle an, die speziell für diese Herausforderungen angepasst sind.
Nutzererfahrung der Fachkräfte für Lagerbestände von Grund auf neugestalten.
Teile müssen geliefert werden, um AOG-Vorfälle (aircraft on ground) zu vermeiden, doch diesbezüglich sind nicht alle Teile gleich. Wie die Wesentlichkeit eines Teiles beschrieben wird, als No-Go, Go-If oder Go-Varianten, spiegelt sich stark in den Kosten wieder, die bei Nichtvorhandensein des notwendigen Teils entstehen.
Viele Lösungen optimieren einen gewissen Prognosefehler, der in Prozent (z.B. MAPE, mittlerer absoluter prozentuale Fehler) oder anderen zufällige Einheiten (z.B. MAD, mittlere absolute Abweichung) ausgedrückt wird.
Im Gegensatz hierzu ist unser Technologiekern dazu entwickelt worden, die Kosten der Prognosefehler zu reduzieren. Unser Ansatz unterscheidet sich stark von klassischen statistischen Systemen, die finanzielle Variablen nicht berücksichtigen.
Die Kosten von Über- und Unterprognose sind in der Luft- und Raumfahrtindustrie äußerst asymmetrisch, was stark in unsere Technologie mit einspielt. Kostspielige reparierbare Teile sind nicht nur, wie der Name andeutet, teuer, sondern bringen einen "Ratschen" Effekt bei jedem Kauf auf der Seite der Fluggesellschaft mit sich. Da die Ausschussrate sehr niedrig ist, bedeutet dies, dass gekaufte Teile jahrelang Teil des Lagerbestands sein werden. Obwohl der Wiederverkauf manchmal möglich ist, geht dieser oft mit einer starken Ermäßigung im Vergleich zum Originalpreis einher. Daher sind unsere Prognosen absichtlich hoch verzerrt, um diese asymmetrischen Unternehmenssituation darzustellen. Das Ziel ist nicht nur, die besten Lagerbestandsprognosen im abstrakten statistischen Sinne zu erhalten, sondern Prognosen, die wirklich zur Minimierung der Betriebskosten beitragen, die mit Ungenauigkeiten der Prognosen zusammenhängen, zu erstellen.
Obwohl bessere Produktverfügbarkeit zu erlangen definitiv etwas Gutes ist, wenn damit nicht ein größerer Lagerbestand verbunden ist, zielen klassische Lösungen auf eine etwas zufällige Produktverfügbarkeit ab, der oft naive Lagerbestandsklassifizierungen, wie etwa solche die auf ABC-Analysen oder ähnlichen Varianten basieren, zu Grunde liegen. Im Prinzip ist es unser Ziel, mit unserer statistischen Technologie die beste Nutzung von jedem Cent, der in den Lagerbestand investiert wird, zu erreichen. Beispielsweise kann es rentabler sein, auch wenn ein Teil nur zu 90% verfügbar ist, obwohl das Unternehmen 98% Produktverfügbarkeit verfolgt, die Verfügbarkeit eines anderen Teils von 98% auf 99% zu heben, wenn dieses Teil 100-mal weniger kostet und 100-mal öfters benutzt wird als das erste Teil. ABC-Analysen vereinfachen hingegen übermäßig Lagerbestände für die Luft- und Raumfahrtindustrie, in der viele verschiedene Dimensionen berücksichtigt werden müssen: Einheitspreis, Lieferverzögerung, Wesentlichkeit, Zuschlag bei AOG-Kosten, ATA-Kapitel, potentielle Obsoleszenz, usw.
Statt "genaue falsche Zahlen zu liefern, hat Lokad zum Ziel, "ungefähre wahre" Zahlen hervorzubringen. Finanzielle und betriebliche Bedingungen direkt in die Prognosemodelle einzubauen, hat sich als eine herausfordernde Aufgabe erwiesen. Dennoch können wir unseren Beobachtungen nach sagen, dass klassische Ansätze, die diese Faktoren nicht berücksichtigen, äußerst schlechte Ergebnisse liefern.
Kundenbeziehungen von Grund auf neugestalten, um die erwartete ROI zu liefern.
Unsere Technologie stütz sich auf das Prinzip, so viel Daten wie möglich einzusetzen, so ferne Daten verfügbar und natürlich sind, also relevant für die jeweilige Lagerbestandsoptimierung. Diese Ansicht unterscheidet sich von den klassischeren Ansätzen, die "stark" von spezifischen Daten abhängen. In der Tat besteht bei solchen Ansätzen manchmal keine Alternative zur Lösung der Situation, wenn bestimmte Daten nicht verfügbar sind, wobei im Idealfall die Qualität der Prognose so wenig wie möglich unter dem Mangel an bestimmten Daten leiden sollte.
Dadurch, dass bei Lokad im Vergleich zu klassischen Modellen zur Lagerbestandsoptimierung mehrere Dimensionen benutzt werden, liegen die Ergebnisse der unternehmensspezifischen Realität näher.
Für die Lagerbestandsoptimierung kann Lokad eine Menge verschiedener Daten einsetzen. Unter den gängigsten Elementen befinden sich der Verlauf vom Erwerb von Teilen, Anfrage von Teilen, Komponentenwechsel, Reparaturen, Ausschüsse und Rückgabe von Teilen, um einige zu nennen.
Auch die Beschreibung der Flotte mit ihrer historischen Zusammensetzung und den relevanten Flugstunden und Gesamtanzahl der Flüge fließen gewöhnlich mit ein. Zuletzt spielen auch Daten über Teile (oder Verbrauchsmaterialien) mit ihren Eigenschaften wie Wesentlichkeit, ATA-Kapitel, Kritikalität, Sperrigkeit oder Gefährlichkeit eine wichtige Rolle bei der Lagerbestandsoptimierung.
Zusätzlich stellen auch die Kosten für den Erwerb der Teile, sowohl in Großmengen zu geringeren Preisen, als auch im Zusammenhang mit AOG-Problemen zu viel höheren Preisen, Schlüsselfaktoren für die Verbesserung der "finanziellen" Genauigkeit der Prognosemodelle dar.
Sogar etwas so Einfaches wie der Zustand des Lagerbestands benötigt ziemlich vielfältige Daten. So umfasst der Bestand nicht nur die Bestandsvorräte und die fälligen Kaufaufträge, sondern auch künftige Reparaturrücksendungen, Rücksendung von zu wartenden Teilen, an andere Fluggesellschaften ausgeliehene und von anderen Fluggesellschaften geliehene Teile.
Dadurch, dass bei Lokad im Vergleich zu klassischen Modellen zur Lagerbestandsoptimierung mehrere Dimensionen benutzt werden, liegen die Ergebnisse der unternehmensspezifischen Realität näher.
Daten Dritter, wie etwa MTBUR-Werte (mittlerer Abstand zwischen unplanmäßigem Bau), wie OEM liefern, können auch mit berücksichtigt werden. Allgemein ziehen wir es mit unserer Technology vor, statt uns 100%-ig auf eine einzige Datenquelle zu verlassen, verfügbare Daten auszuschöpfen.
Wurde ein Bauteil über 100-mal ausgetauscht, ist der geschätzte MTBUR auf Grundlage von historischen Daten mit ziemlicher Wahrscheinlichkeit genauer als der geschätzte OEM. Andererseits ist der geschätzte OEM für ein Bauteil, das sehr selten ausgetauscht wird, die einzige relevante Information. Lokads Technologie nutzt die beste Kombination der notwendigen Informationen zur Senkung der finanziellen Kosten, die mit der Ungewissheit assoziiert sind.
„Lokad hat uns die richtigen Tools an die Hand gegeben und die passende Unterstützung geboten, um mit der Einführung eines probabilistischen Ansatzes den Planungsprozess unserer Supply-Chain zu verbessern und die Ungewissheit zu verringern. Dabei hat uns Lokad mit ihrer hervorragenden Arbeit erstklassig geholfen, unsere Bedarfsprognose zu optimieren, sodass bei reduzierten Risiken anspruchsvolle Auftragserfüllungsraten erreicht werden können.“
Rob Cords,
President at MRO Holdings
