Por Simon Schalit, enero de 2015Cuando una empresa encarga una planta de energía completa, maquinaria industrial pesada, o flotas de aeronaves o automóviles, espera que su inversión genere ganancias en los años (o incluso en las décadas) siguientes. Para asegurar el rendimiento de la inversión, el mantenimiento y el servicio en el largo plazo de dicho equipo es crucial y generalmente representa una parte significativa, si no la mayor parte, de los costes del proyecto. Para cubrir este riesgo, se ha vuelto habitual recurrir a contratos de mantenimiento/servicio a largo plazo ofrecidos por el proveedor (OEM, MRO u otro).
Estos contratos pueden asumir diferentes formas. Sin embargo, el resultado es casi siempre el mismo: el riesgo financiero del mantenimiento es total o parcialmente transferido al proveedor con un horizonte de tiempo determinado (años o décadas) por un precio establecido al comienzo del contrato. Luego se plantea la pregunta: de las dos partes, ¿cuál es la que mejor puede evaluar este riesgo y tener ventaja en la negociación? Y, para el proveedor, ¿cómo puede optimizar su proceso para maximizar el margen durante el contrato?
Evalúe el riesgo antes de la venta y viva con él
Considerando la importancia financiera de los contratos de mantenimiento a largo plazo, y el hecho de que no es raro para un proveedor vender equipos con importantes descuentos al tiempo que cuenta con que el contrato de mantenimiento genere los márgenes, el precio y las condiciones del servicio generalmente están en el centro de la negociación entre las partes.
Las empresas utilizan varias herramientas y procesos para estimar los costes vinculados a las diferentes acciones de mantenimiento que pueden esperarse (costo de las piezas por reemplazar, personal dedicado para cada tipo de intervención, costes de la interrupción del servicio, etc.). Sin embargo, si bien esta estima puede ser compleja, aborda solo una pequeña parte del problema. El verdadero desafío sigue presente: ¿qué probabilidad hay de que se verifiquen esos eventos generadores de costos en un determinado momento y con qué frecuencia en el largo plazo? Si el proveedor subestima el riesgo, puede que acabe perdiendo dinero durante la vigencia del contrato. Por otro lado, si el proveedor sobrestima el riesgo, y entonces establece un precio excesivo por su servicio, puede acabar perdiendo el contrato.
La realidad de los contratos a largo plazo es que el costo final es muy incierto, y entonces podría variar razonablemente en una escala muy amplia. Cualquier intento de obtener un valor "preciso" que intente ser "correcto" o al menos "cercano a la verdad" sugiere un verdadero malentendido con respecto al proceso de pronóstico. Simplemente no existe "un valor preciso"; cualquier cálculo pronosticado tendrá un nivel de riesgo, y es la evaluación de este riesgo (financiero), expresado en dólares, que debería estar en el centro del proceso de pronóstico.Una vez firmado el contrato de mantenimiento, el proveedor tendrá que vivir con ello. Sin embargo, esto no significa que el esfuerzo de pronóstico acabe allí. Por el contrario, las actualizaciones regulares del riesgo son necesarias para asegurar la viabilidad del contrato. Esto incluye:
- Pronósticos a corto plazo para optimizar los recursos (inventario de piezas de recambio y personal) que se deben mantener para asegurar un tiempo de respuesta y un nivel de servicio apropiados. Estos pronósticos son a corto plazo en el sentido de que se concentran en un "horizonte de proceso" (o tiempo de entrega) par asegurar que este proceso sea lo más eficiente posible.
- Pronósticos a largo plazo para refinar la evaluación del riesgo que la empresa de todos modos asume por lo que resta del contrato, y el cálculo, en caso de que surgiera, de provisiones perdidas. El peligro con los contratos de mantenimiento a largo plazo es que la mayoría de los costos generalmente se acumulan hacia el final, mientras que las ganancias generalmente se reconocen regularmente durante la vigencia del contrato.
Límites de los métodos de pronóstico de mantenimiento clásicos
La evaluación del riesgo y los costes relacionados es un tarea difícil y, lamentablemente, este problema en general se verifica cuando los métodos de pronóstico clásicos utilizados por la mayoría de las empresas arrojan resultados poco satisfactorios.
Los métodos más simples, que se valen de las especificaciones proporcionadas por el fabricante (tipos de datos MTBUR, por ejemplo) ofrecen una representación muy pobre de la realidad, ya que la fiabilidad de las piezas generalmente sufre mucho el impacto de factores externos (uso, ambiente, etc.). En nuestra experiencia, los verdaderos patrones de fiabilidad tienen poco que ver con las cifras teóricas, especialmente en el largo plazo.
Los métodos clásicos más avanzados, al valerse de pronósticos estadísticos "clásicos" tradicionales, tampoco logran capturar la realidad de los patrones que se encuentran con las piezas de recambio. Estos métodos se apoyan en la suposición de que el pronóstico de mantenimiento es como cualquier otro pronóstico de "demanda" y que, por lo tanto, se puede abordar utilizando el mismo método. Esto, lamentablemente, no es así. Son varias las especificidades que hacen que el pronóstico del mantenimiento sea difícil:
- Eventos raros: las fallas mecánicas son, por definición, eventos raros, por lo que al observar piezas específicas, apoyarse demasiado en modelos que ofrecen patrones "suaves" (bastante similar a los vendedores minoristas importantes) es un poco inocente.
- Reemplazos en períodos: la realidad del mantenimiento es generalmente que la interrupción del servicio resulta más costosa que las piezas rotas mismas. Este un incentivo importante para reemplazar piezas en períodos en lugar de una por vez para evitar tiempos de inactividad innecesarios. Esto invalida la suposición de que diferentes piezas tienen patrones de mantenimiento independientes, e invalida a su vez los modelos de pronóstico más populares que se apoyan en esta suposición.
- Niveles de servicio esperado extremadamente altos: considerando el costo de la interrupción de un servicio, los niveles de servicio esperados para los contratos de mantenimiento son generalmente muy altos, muy por encima del rango al que en general se aspira en otros sectores. Como ejemplo, el costo de una aeronave en tierra (incidente AOG) puede llegar hasta cientos de miles de dólares por día.
- Ciclo de reparación cerrado: Muchas piezas son demasiado costosas para que se las deseche. Algunas se envían para verificación y reparación y luego vuelven a importarse al inventario para uso futuro. Esto deja a la empresa fuera del escenario tradicional de "venta y reorden": Una vez que la empresa ha comprado la pieza, esta puede quedar en inventario durante un largo tiempo. Esto hace que la decisión de compra para aumentar el inventario sea aún más seria, ya que compromete a la empresa en el largo plazo.
Sin embargo, el principal obstáculo es el concepto de pronóstico clásico en sí mismo. Por definición, el pronóstico en el sentido clásico no es ni una predicción ni una adivinanza, por más preciso que pueda ser. Es una estima estadística de la mediana esperada de la demanda/el costo. Así que, en este caso, la aplicación de pronósticos clásicos para la estima del costo total de un contrato de mantenimiento proporcionaría un valor que tendría, por definición, un 50 % de probabilidad de estar por encima o por debajo del costo real. Por supuesto, desde una perspectiva financiera, estas posibilidades son inaceptables en esta situación, lo que hace que el concepto de pronóstico clásico resulte irrelevante. Al final, la clave para generar pronósticos adecuados es adoptar una perspectiva financiera sobre el proceso de pronóstico desde el comienzo.
El objetivo es apoyarse en "escenarios pronosticados" que tengan en cuenta directamente en el pronóstico la cobertura financiera objetivo (riesgo financiero, nivel de servicio) que se debe lograr y, por lo tanto, las fuerzas impulsoras financieras subyacentes. Y eso es el pronóstico cuantílico.La solución de Lokad: intentar transformar un pronóstico de demanda clásico tradicional en una cobertura financiera agregando una reserva de seguridad encima (a la que generalmente se denomina "existencias o stock de seguridad" cuando se habla de inventario) no es más que un modo muy impreciso de generar un pronóstico cuantílico.
Una perspectiva financiera del pronóstico: los cuantiles
El pronóstico del mantenimiento es, antes que nada, una optimización financiera, tanto del riesgo financiero durante todo el contrato como del grado de eficiencia que puede lograr el proceso de mantenimiento manteniendo al mismo tiempo la cobertura/el nivel de servicio. Cuanto más alta sea la estima de los costes/el nivel de existencias necesario, menor será la probabilidad de que esta estima sea superada por la realidad, pero es importante tener en cuenta que ninguna estima puede garantizar una cobertura del 100 %.
Estos escenarios puede generarse a través de pronósticos cuantílicos, que son de hecho una extensión de los pronósticos clásicos: en lugar de mirar el valor que tiene un 50 % de cobertura de la demanda/los costes futuros, los pronósticos cuantílicos nos permiten determinar cualquier umbral, ya sea 10 %, 60 %, 80 % o 98 % dentro de la distribución costo/riesgo.
Estima de los costes generales y el riesgo restante
El objetivo es generar pronósticos que correspondan con los diferentes niveles de riesgo que la empresa estaría dispuesta a aceptar. Este análisis debería asumir la forma de varios escenarios simulados, que fueran desde la menor cobertura aceptable, proporcionando un precio base no negociable, hasta niveles de cobertura más altos, proporcionando escenarios favorables a un precio mayor.
En la realidad, el precio de los contratos de mantenimiento se verá impulsado en gran medida por la "voluntad de pago" del cliente y el grado de competencia. Por lo tanto, el proveedor generalmente está obligado a moderar su precio, pero la elaboración de los escenarios mencionados le permitirá cuantificar verdaderamente el riesgo que enfrentará para un determinado nivel de precio.
Estos escenarios también son particularmente útiles cuando se actualizan durante el contrato para evaluar el riesgo en lo que queda del mismo, y así determinar si es necesario crear o ajustar las estipulaciones, y en qué medida. Este abordaje ofrece una gran ventaja para proporcionar una cuantificación del riesgo, permitiendo una estima financiera directa y un control completo sobre el nivel de prudencia que de debe adoptar.
Optimización del proceso de mantenimiento en el contrato
Con respecto a la optimización de recursos/inventario, la situación ideal sería establecer un nivel de servicio objetivo por alcanzar y calcular el nivel de recursos/inventario mínimo correspondiente necesario para asegurar este nivel de servicio. Esto es difícil en sí mismo, considerando las especificidades del contrato de mantenimiento mencionadas anteriormente, pero puede lograrse mediante los pronósticos cuantílicos, que permiten, del mismo modo que los escenarios anteriores, apuntar directamente al nivel de servicio deseado y evaluar la necesidad correspondiente.
Sin embargo, la realidad del mantenimiento es a menudo más complicada, ya que las empresas generalmente necesitan operar con un presupuesto limitado y arbitrar entre las diferentes partes para asegurarse de obtener el mejor ROI en términos de nivel de servicio por dólar invertido. Esta optimización es posible generando una grilla de cuantiles, que es la representación de los resultados para todos los tipos de piezas de todos los escenarios posibles, dentro del rango de niveles de servicio aceptables (cuántas piezas de cada tipo se necesitarían para asegurar todo el rango de niveles de servicio posibles). Esto le permite a la empresa navegar por esa grilla para determinar la cantidad de inventario que sería más eficiente tener con una restricción de presupuesto.
La solución de Lokad: Varios sistemas afirman valerse de los métodos "Monte-Carlo". Las empresas deberían tener en cuenta que "Monte-Carlo" no es una palabra mágica en estadística y que no debería ser utilizada como excusa para justificar la falta de comprensión de las fuerzas impulsoras que subyacen a los modelos y la falta de datos adecuados.