Air France Industries rappresenta il ramo MRO di AIR FRANCE KLM e conta oltre 200 clienti tra compagnie aeree internazionali, locali e cargo.
Lokad ci ha offerto uno strumento potente e innovativo, ma è andata anche oltre: ha condiviso con Air France Industries tutta la propria competenza nell'ottimizzazione delle scorte e nella gestione logistica, fornendoci non solo una soluzione IT, ma anche un vero e proprio servizio di consulenza su cui i nostri team possono fare affidamento.
Charles Segondat, Responsabile per la gestione delle scorte, Air France Industries
Spairliners è leader mondiale nella fornitura e nella manutenzione dei pezzi di ricambio per i velivoli Airbus A380 ed Embraer Ejet.
Dopo un'attenta analisi delle soluzioni di ottimizzazione delle scorte disponibili sul mercato, per la nostra attività di MRO (manutenzione, riparazione e revisione) abbiamo scelto Lokad. Forniamo pezzi di ricambio per aeromobili in tutto il mondo: l'approccio di partenariato, la sollecitudine, l'adattabilità e, soprattutto, le performance dei prodotti offerti ci hanno portati a dare piena fiducia a Lokad nell'ottimizzazione delle nostre scorte. Grazie all'approccio originale e intelligente alle nostre esigenze, Lokad è stata pienamente in grado di far fronte alle specificità e complessità del nostro settore.
Olivier Mazzucchelli, AD di Spairliners, Amburgo, Germania
Segui le nostre interviste su Lokad TV e scopri di più sulla Supply Chain nel settore aeronautico.
In linea di massima, i metodi tradizionali di ottimizzazione delle scorte danno risultati poco soddisfacenti nel caso dei pezzi di ricambio. La nostra esperienza in ambito aeronautico ci ha insegnato poi che in questo settore la situazione è ancora più complicata.
I costi elevati di alcuni pezzi, i lead time lunghi, i guasti occasionali e i costi esorbitanti delle rotture di stock non fanno altro che aggravare i punti deboli dei metodi tradizionali di ottimizzazione delle scorte.
In particolare, le previsioni di serie temporali ottimizzate attraverso indicatori come MAD (mean absolute deviation, deviazione media assoluta) o MAPE (mean absolute percentage error, errore medio assoluto percentuale) non riflettono appieno i costi fortemente asimmetrici di sovraprevisione e sottoprevisione tipici del settore aeronautico.
Danno scarsi risultati anche le analisi tradizionali della scorta di sicurezza basate sulla distribuzione normale o la distribuzione di Poisson.
Anche le analisi tradizionali della scorta di sicurezza basate sulla distribuzione normale o la distribuzione di Poisson danno scarsi risultati: dalle nostre osservazioni, appare evidente che i pattern di comportamento della domanda non seguono né l'uno né l'altro modello. Allo stesso modo, fallisce anche l'analisi ABC, poiché ogni tipo di classificazione che riduce l'inventario a poche categorie non riesce a considerare tutte le varie caratteristiche dei pezzi e dei materiali di consumo richiesti da un moderno aeromobile.
Oltre al fatto che i modelli classici mal si adattano alla realtà del settore aeronautico, abbiamo anche potuto constatare che gli approcci classici richiedono una notevole quantità di correzioni manuali. Dunque, la manodopera addetta all'ottimizzazione delle scorte non viene capitalizzata, ma semplicemente assorbita dalle operazioni quotidiane richieste dai sistemi informatici. Alcune funzionalità dei software, come ad esempio le “allerte”, tendono addirittura a peggiorare la situazione, attirando l'attenzione del team su correzioni quotidiane superficiali, invece che sui problemi di fondo, che, una volta risolti, potrebbero rappresentare una soluzione definitiva. Per qualsiasi domanda, scrivici a contact@lokad.comRipensiamo da zero i modelli matematici necessari alle compagnie aeree per prevedere le scorte.
La tecnologia analitica di Lokad è stata sviluppata intorno agli elementi chiave dell'industria aeronautica. Invece che riciclare modelli di previsione e ottimizzazione delle scorte pensati per altri settori, Lokad ha creato soluzioni statistiche alternative, in cui le specificità del settore aeronautico sono già integrate.
I modelli di previsione di Lokad riflettono tutti i fattori legati alla flotta aerea, non come meri coefficienti lineari per correggere le serie temporali, ma come variabili fondamentali per spiegare la domanda stessa.
La domanda è prima di tutto determinata dall'esigenza di servire una flotta aerea, che può crescere o restringersi. Anche la combinazione di ore di volo e ciclo di volo può variare con il tempo. Alcune operazioni di manutenzione sono programmate, altre no. I modelli di previsione di Lokad riflettono tutti questi fattori legati alla flotta aerea, non come meri coefficienti lineari per correggere le serie temporali, ma come variabili fondamentali per spiegare la domanda stessa. In questo caso, i livelli di servizio sono condizionati non tanto dalla domanda “media” delle componenti più importanti, ma piuttosto dai picchi, ossia dai punti più alti della domanda. I metodi tradizionali, basati sulla distribuzione normale o la distribuzione di Poisson, introducono errori sistematici in tutte le stime.
La tecnologia di Lokad fornisce un'analisi della domanda attraverso previsioni quantiliche avanzate. I quantili sono infatti necessari ad anticipare in maniera accurata i futuri picchi della domanda e la probabilità che essi si verifichino.
Bisogna considerare, poi, che non è solo la domanda a essere incerta, ma anche il lead time. Infatti, le costosissime componenti riparabili richiedono non un unico lead time, ma un intero circuito, che va dalla sostituzione del pezzo fino alla disponibilità del pezzo riparato.
L'intero lead time comprende diverse fasi: tempi amministrativi, tempi di approvvigionamento, di transito, di ricezione, di elaborazione (tempi di ispezione per MRO e OEM e tempi di riparazione, se necessario), tempi di scarico e di movimentazione delle merci, tempi di elaborazione in magazzino, etc. Elaborare un modello di lead time medio o mediano non è sufficiente. La tecnologia di Lokad ricorre a un modello che calcola direttamente l'intera distribuzione dei tempi, ossia la probabilità associata a ognuno di essi.
Infine, abbiamo osservato che molti pattern di comportamento specifici della domanda richiedono una controparte statistica nativa. Ad esempio, le operazioni di retrofit introducono, nei dati storici, una serie di errori sistematici che non possono essere ignorati. Il quadro della situazione è ulteriormente complicato dall'intercambiabilità, che può essere totale o parziale, delle componenti di cui esistono più versioni. A differenza degli approcci tradizionali, che tentano di ricondurre ogni cosa alle serie temporali, la nostra tecnologia si basa su modelli statistici sviluppati appositamente per affrontare queste sfide.
Riprogrammiamo da zero l'esperienza degli addetti al magazzino.
Per evitare una situazione di aeromobile al suolo (o AOG, Aircraft On Ground), bisogna fornire tempestivamente i pezzi di ricambio, ma, da questo punto di vista, ogni pezzo ha un diverso grado di importanza. Il costo della mancata disponibilità di un pezzo, infatti, dipende proprio dal grado di importanza assegnato al pezzo mancante (no-go, go-if o go, in ordine di rilevanza).
Molte soluzioni propongono, sbagliando, di ottimizzare un certo errore di previsione espresso in percentuale (come il MAPE, l'errore medio assoluto percentuale) o attraverso un'altra unità arbitraria (come la MAD, la deviazione media assoluta).
Al contrario, la nostra tecnologia è pensata per minimizzare il costo in dollari degli errori di previsione, rendendo il nostro approccio ben più innovativo rispetto ai sistemi classici, tradizionalmente “ciechi” di fronte alle variabili finanziarie.
Nel campo dell'aeronautica, i costi di una sovraprevisione e di una sottoprevisione sono fortemente asimmetrici: un aspetto, questo, che la nostra tecnologia non manca di prendere in considerazione. Le componenti riparabili a costo elevato non soltanto hanno, per l'appunto, un costo elevato, ma provocano anche una sorta di effetto “leva” su ogni acquisto effettuato dalla compagnia aerea. Infatti, se il tasso di scarto di ogni componente è molto basso, le componenti rimarranno in magazzino per anni. Certo, a volte è possibile rivendere i pezzi, ma spesso a un prezzo molto più basso rispetto al prezzo originale. Nelle nostre previsioni, quindi, viene introdotto di proposito uno stimatore distorto per riflettere le situazioni estremamente asimmetriche tipiche di questo settore. L'obiettivo non è quello di ottenere le migliori stime sulle scorte in qualche senso statistico astratto, ma di ottenere previsioni che possano minimizzare realmente i costi commerciali derivanti dalle imprecisioni delle previsioni stesse.
Inoltre, raggiungere un miglior livello di servizio senza aumentare le scorte in magazzino è sicuramente un ottimo proposito. Le soluzioni classiche, però, puntano a livelli di servizio piuttosto arbitrari, sulla base di classificazioni semplicistiche delle scorte, come l'analisi ABC o simili. La nostra tecnologia di analisi statistica, invece, consente di far fruttare ogni singolo dollaro investito nel magazzino. Ad esempio, se una componente ha un livello di servizio del 90%, ma la compagnia mira a un livello di servizio complessivo del 98%, potrebbe essere economicamente più redditizio alzare il livello di servizio di un'altra componente dal 98 al 99%, se quest'ultima ha un costo 100 volte inferiore e viene richiesta 100 volte più spesso rispetto alla prima. L'analisi ABC si rivela troppo superficiale nel gestire il magazzino di una compagnia aerea, dove le variabili da tenere in conto sono molte e varie (costo unitario, ritardi nella consegna, grado di importanza del pezzo, spese di AOG, capitoli ATA, potenziale obsolescenza, etc.).
Invece che indicare cifre “sicuramente sbagliate”, Lokad ha l'obiettivo di fornire cifre “approssimativamente corrette”. Includere tutti i vincoli finanziari e operativi direttamente nel modello di previsione è stato sicuramente un arduo compito, ma abbiamo potuto constatare che fare affidamento su approcci più tradizionali, “ciechi” di fronte a questi aspetti, dà scarsi risultati.
Ricostruiamo da zero il rapporto con il cliente per ottenere il ROI previsto.
La nostra tecnologia è stata sviluppata partendo dall'assunto che dobbiamo sfruttare quanti più dati possibili tra quelli disponibili e, ovviamente, tra quelli rilevanti per l'ottimizzazione delle scorte. Questo è un punto di vista molto diverso rispetto a quello adottato dai metodi tradizionali, che invece sono fortemente dipendenti da dati specifici. Se, infatti, per qualsiasi motivo dovessero mancare alcuni dati, l'unica soluzione sarebbe quella di sfruttare quelli a disposizione e, possibilmente, fare in modo che la qualità delle previsioni non precipiti bruscamente.
A differenza dei metodi tradizionali, Lokad sfrutta più dimensioni, ottenendo quindi risultati più in linea con la realtà del settore aeronautico.
Per ottimizzare le scorte, Lokad ricorre a una grande quantità di dati diversi. Tanto per citarne alcuni, possiamo servirci di dati storici su acquisti, richieste, sostituzioni, riparazioni, scarti e resi delle varie componenti.
Ci basiamo spesso anche su parametri come descrizione della flotta, composizione storica, ore e cicli di volo. Inoltre, teniamo in conto le proprietà dei vari pezzi, come importanza, capitoli ATA, criticità, voluminosità, pericolosità e altri fattori importanti in materia di ottimizzazione delle scorte.
Infine, non possiamo ignorare i costi di acquisto delle varie componenti: che siano bassi per acquisti in grandi quantitativi, o elevati per pezzi singoli destinati a risolvere una situazione di AOG, questi costi sono essenziali per migliorare l'accuratezza dei nostri modelli in termini “finanziari”.
Anche qualcosa di apparentemente semplice come lo stato di un magazzino richiede un set di dati relativamente ampio. Infatti, il magazzino non include solo le scorte disponibili o quelle ordinate, ma anche i pezzi in riparazione che verranno restituiti, i pezzi utilizzabili che verranno restituiti, i pezzi prestati o presi in prestito da altre compagnie aeree.
A differenza dei metodi tradizionali, Lokad sfrutta più dimensioni, ottenendo quindi risultati più in linea con la realtà del settore aeronautico.
Possono essere sfruttati anche i dati di terze parti, come i valori MTBUR (mean time between unscheduled removal, tempo medio tra rimozioni non programmate) forniti dagli OEM. Tuttavia, invece che affidarsi completamente a un'unica origine dati, la nostra tecnologia preferisce sfruttare al meglio tutti i dati a disposizione.
Se una componente è stata sostituita più di 100 volte, il MTBUR previsto sulla base dei dati storici sarà sicuramente più accurato di quello previsto dall'OEM. D'altro canto, se una componente è sostituita molto di rado, la stima fornita dall'OEM è l'unica fonte sicura. Lokad combina quindi tutte le informazioni rilevanti in modo da minimizzare i costi finanziari legati all'incertezza.
"Lokad ci ha fornito i giusti strumenti e il supporto necessario a migliorare il nostro processo di pianificazione della supply chain e ridurre l'incertezza incorporando un approccio probabilistico. Lokad ha fatto un lavoro eccezionale aiutandoci a ottimizzare le nostre previsioni della domanda per raggiungere obiettivi estremamente esigenti in termini di tasso di riempimento con un rischio ridotto."
Rob Cords,
Presidente di MRO Holdings
