Efektivní řízení zásob náhradních dílů v údržbě

Efektivní řízení zásob náhradních dílů v údržbě

Efektivní řízení zásob náhradních dílů v údržbě
Autoři: Tomáš Hladík, Marek Šucha, Petr Tulach – konzultanti údržby LOGIO, www.logio.cz
Abstract:
Spare parts inventory management is an important function in maintenance. Modern spare parts inventory
management information systems provide managers with visual outputs and detailed reports facilitating
management decisions. A case of spare parts inventory management failure is presented and analysed in the paper.
One of specific problems in spare parts inventory management is the nature of maintenance spare parts consumption
– intermittent demand. For forecasting intermittent demand a special statistical method (bootstrapping) can be
applied. Using bootstrapping for items with intermittent demand, reorder levels can be accurately calculated and
spare parts inventories substantially optimized.
Pod tlakem probíhající ekonomické krize hledají některé firmy možnosti okamžitých úspor mimo
jiné oblasti také v rozpočtech údržby. Prodloužení intervalů odstávek, odkládání plánovaných
investic do výrobního zařízení i infrastruktury a odložené preventivní údržby – to jsou
rozhodnutí, která jistě vedou k okamžitým úsporám, ale nevyhnutelně povedou k řádově vyšším
ztrátám v blízké budoucnosti. Po obratu ekonomického vývoje, který dříve nebo později přijde,
budou tyto firmy čelit problémům s nedostatečnou výrobní kapacitou, pohotovostí výrobního
zařízení a vysokými provozními náklady. Manažeři úspěšných firem si ovšem postupně začínají
uvědomovat, že údržba nepředstavuje pro firemní rozpočet pouze nákladové břemeno, ale ve
skutečnosti vytváří hodnotu.
Firmy ve všech oborech jsou v dnešní době finančních turbulencí nuceny lépe a efektivněji
využívat svůj majetek a výrobní zařízení a věnovat pozornost optimalizaci svých provozů. Údržba
výrobního zařízení (a aktiv obecně – physical asset management) tak nabývá stále většího významu.
Údržba je zcela zásadním procesem především v oborech těžkého průmyslu (energetika,
chemický a petrochemický průmysl, hutní průmysl, papírenství apod.), hraje významnou roli
v provozu infrastrukturních celků a neméně důležitá je i v dalších oborech jako je například
automobilový průmysl a strojírenství.
Specifickou oblastí v údržbě je řízení zásob náhradních dílů a ostatních materiálů potřebných pro
realizaci procesu údržby. Zejména v energetice, těžkém a chemickém průmyslu mohou firemní
zásoby náhradních dílů čítat desetitisíce různých položek v hodnotě řádu miliard korun. Je proto
zřejmé, že efektivní řízení zásob náhradních dílů může takovým firmám přinést významné úspory
provozních nákladů.
Řízení zásob v údržbě
Řízení zásob v údržbě je specifické odlišným přístupem k definování cílové dostupnosti
jednotlivých náhradních dílů. Zatímco při strategickém rozhodování o úrovni zákaznických
služeb hotových výrobků (například v sektoru rychloobrátkového zboží – FMCG) se cílový
logistický servis běžně pohybuje okolo 90-95%, v případě údržby je třeba zajistit téměř 100%
dostupnost kritických náhradních dílů. Následkem nedostupnosti těchto náhradních dílů
v případě poruchy jsou totiž obrovské ztráty v důsledku zastavení výroby, výpadku produkce a
vícenákladů spojených s odstávkou výrobního zařízení (především v těžkém průmyslu).
Obecným cílem řízení zásob náhradních dílů v údržbě je snížení (minimalizace) úrovně zásoby
při současném zachování (nebo zlepšení) dostupnosti položek na skladě (obr. 1). Minimalizace
zásoby a snížení rizika nedostupnosti jsou zdánlivě v přímém protikladu. Při důsledném a
efektivním využití možností specializovaných informačních systémů a sofistikovaných metod
řízení zásob náhradních dílů je však možné takového výsledku dosáhnout. Příklad výstupu
informačního systému pro řízení zásob je uveden na obr. 2.
Obr. 1: Optimalizace zásob údržby: minimalizace zásoby při současném snížení rizika nedostupnosti.
Obr. 2: Příklad výstupu informačního systému pro řízení zásob Planning Wizard – graf průběhu zásoby
(historie) celého skladu údržby v množství. Souhrnný graf obsahuje historický průběh úrovně zásob v množství
(modrá plocha), historické spotřeby v množství (červená křivka) a předpověď budoucích spotřeb s projekcí zásob (v
grafu po listopadu 2007). Modrá křivka (reálné zásoby) reprezentuje očekávaný průběh zásob bez navržených
objednávek. Žlutá křivka jsou budoucí zásoby se započtením objednávek navržených systémem na základě
předpovědi. Černá křivka (minimální zásoby, basestock) představuje úroveň zásob, při které se automaticky
vygeneruje objednávka.
Selhání řízení zásob údržby
Na obr. 3 je uveden příklad selhání řízení zásob údržby z oblasti chemického průmyslu. Během
devítiletého období je patrný setrvalý trend nárůstu množství (v obecných měrných jednotkách) i
hodnoty zásob. Hodnota zásob údržby se v této firmě od roku 2000 více než zdvojnásobila. Toto
navýšení ovšem není zdůvodněné adekvátním zvýšením výrobních kapacit nebo novými
investicemi do výrobního systému – výrobní kapacita firmy je prakticky beze změny.
500
Hodnota zásob údržby (mil. Kč)
450
400
350
300
250
200
150
100
50
Obr. 3: Příklad selhání řízení zásob údržby.
Selhání řízení zásob údržby je zpravidla provázeno třemi typickými projevy:
a) Přezásobení – zásoba náhradních dílů a materiálů údržby (NDM) je nepřiměřeně
vysoká
b) Deficity – zároveň je často u některých položek nastavena nedostatečná zásoba a
dochází k deficitům
c) Rostoucí trend – historicky je rozlišitelný výrazný, ale neopodstatněný trend nárůstu
zásob
Podobná situace vede logicky ke dvěma otázkám:
1) Jak zastavíme trend nárůstu zásob ND?
2) Jak snížíme zásobu ND na optimální úroveň?
Přitom je třeba si uvědomit, že odpověď pouze na jednu z těchto otázek problém neřeší: samotné
snížení zásob – byť jakkoli sofistikovanou metodou – nezastaví trend nárůstu zásob. Podobně
samotné odstranění trendu ještě nevede k samovolné optimalizaci zásob.
Příčina nežádoucího nárůstu úrovně zásob má zpravidla procesní charakter. Odpovědí na první
otázku je tedy optimalizace procesu nákupu a spotřeby NDM – resp. životního cyklu náhradních
dílů ve firmě (obr. 4). Teprve úplné vyřešení existujících procesních problémů je předpokladem
pro úspěšnou optimalizaci zásob NDM.
Obr. 4: Typický proces (životní cyklus) náhradních dílů ve firmě.
Segmentace
Důležitým krokem při řízení zásob obecně je segmentace řízeného (zpravidla rozsáhlého)
portfolia položek podle vhodných kritérií, například:
 ABC analýza zásob v množství a v hodnotě disponibilní zásoby (obr. 5) a podle dalších
kritérií
 ABC analýza zásob podle spotřeby (obr. 6)
 Segmentace podle četnosti spotřeby (identifikace SMI – Slow Moving Inventory)
v množství a v hodnotě (příklad segmentace v hodnotě je uveden na obr. 7)
 Rozdělení podle dostupnosti položky (běžně dostupný, speciální, na zakázku)
 Speciální test, který určí, zda se jedná o položku se sporadickou spotřebou
 Segmentace podle délky dodacích lhůt (dodavatelský leadtime)
Cílem segmentace je efektivně rozdělit rozsáhlé portfolio na skupiny, které vyžadují odlišný
přístup při optimalizaci a mají specifické nároky na plánování a řízení zásob. Dobrý informační
systém pro řízení zásob náhradních dílů umožňuje provádět podobné analýzy a segmentace
portfolia snadno a rychle včetně vizualizace výsledků.
Pro náhradní díly je v ABC analýzách podle spotřeby typická převaha kategorií C a D – tedy
položek, které mají dlouhodobě velmi nízkou spotřebu.
Segmentace podle četnosti spotřeb rychle odhalí položky SMI (položky s minimální obrátkou,
„ležáky“). Pro zásoby náhradních dílů je typicky nejvýznamnější segment 0. Ten obsahuje
položky, u kterých nebyl během posledních 12 měsíců zaznamenán žádný výdej. Segment 0 je
zpravidla nejvýznamnějším nejen v pohledu přes množství, ale zejména v hodnotě zásoby (obr. 7).
Segment 0 totiž zahrnuje položky strategicky významných kritických náhradních dílů, které mají
z celého portfolia zdaleka nejvyšší hodnotu. Významné jsou i další segmenty s nízkou četností
spotřeb (segmenty 1, 2 ad.), naopak v segmentech s častou spotřebou (segmenty 10, 11, 12) bývá
často spojovací materiál, jehož hodnota je relativně nízká (obr. 7).
Součástí segmentace může být také specifikace vazeb mezi náhradními díly a příslušným
výrobním zařízením (technickým místem). Výsledkem je kusovník náhradích dílů, který umožňuje
přesně sledovat spotřebu ND na jednotlivých výrobních zařízeních, nákladovost v jednotlivých
fázích životního cyklu výrobního zařízení a identifikovat kritické náhradní díly ve vazbě na
kritičnost výrobního zařízení.
Obr. 5: ABC analýza zásob náhradních dílů podle hodnoty disponibilní zásoby.
Obr. 6: ABC analýza zásob náhradních dílů podle spotřeby v množství. Pro náhradní díly je typická převaha
kategorie C a D, tedy položek s velmi nízkou nebo nulovou spotřebou.
Obr. 7: Segmentace zásob náhradních dílů v hodnotě: Segment 0 představuje hodnotu položek, které za posledních
12 měsíců nebyly vůbec spotřebovány; segment 1 představuje hodnotu položek, které měly spotřebu alespoň
v jednom z dvanácti měsíců uplynulého roku atd.
Predikce spotřeby
Dalším krokem pro nastavení optimálního režimu řízení zásob náhradních dílů je předpověď
budoucí spotřeby skladovaných položek. Předpověď (angl. forecast) vychází vždy z historie
spotřeb, která musí být reprezentativní – tedy dostatečně dlouhá. V případě náhradních dílů
pracujeme typicky s historií 5-10 let, u sporadických položek jsou minimem alespoň 3 roky
evidované historie spotřeb (obecně platí pravidlo: čím delší je historie, tím přesnější a
spolehlivější je předpověď).
Při analýze historických spotřeb je nutné rozlišovat výdeje na předem plánované údržby
(plánované zarážky, generální opravy, preventivní údržba) a výdeje dílů na neplánované
(korektivní) údržbářské zásahy – opravy po poruše. Pro potřeby předpovědi je třeba historii
očistit od plánovaných spotřeb náhradních dílů.
K jednotlivým položkám je třeba přistupovat podle charakteru jejich spotřeby. Položky s běžnou
poptávkou (rychloobrátkové díly typu spojovací materiál apod.) jsou předpovídány pomocí široké
palety statistických metod běžně užívaných pro řízení zásob (klouzavé průměry, exponenciální
vyrovnání, Holtovo exponenciální vyrovnání, trendy, sezónní koeficienty, Wintersova metoda
ad.). Položky, jejichž spotřeba je sporadická, jsou předpovídány speciálními metodami vhodnými
pro předpověď sporadické poptávky (bootstrapping, metoda Smart-Willemain). Použití
klasických metod predikce a řízení zásob vede u sporadických položek často k výraznému
nadhodnocení předpovědi a tedy i úrovně zásoby.
Sporadické spotřeby – predikce a efektivní řízení zásoby
Významným specifikem řízení zásob v údržbě je charakter spotřeby náhradních dílů. Sledujeme-li
historii spotřeb typického náhradního dílu, zjistíme, že ve většině sledovaných období (týdnů,
měsíců) byla spotřeba dílu nulová. Takováto občasná – sporadická – poptávka (angl. intermittent
demand), zpravidla v počtu několika kusů, je velmi typická pro náhradní díly a materiály v údržbě.
Příklad historie spotřeby položky se sporadickou poptávkou je na obr. 8.
V praxi se můžeme setkat i s některými speciálními položkami, které jsou charakteristické
podobně občasnou spotřebou, ale v řádu stovek až tisíců kusů. Může se jednat například o
spojovací materiál spotřebovaný při opravě poruchy většího technologického celku apod. Tento
typ sporadické poptávky se v angličtině označuje jako „lumpy demand“.
Sporadická spotřeba se v údržbě často vyskytuje v kombinaci s dlouhou dodací lhůtou (angl.
leadtime – LT). Při řízení zásob údržby představuje sporadická poptávka a dlouhá dodací lhůta
velmi obtížný problém, který velmi často vede k velkému přezásobení.
Vedle položek se sporadickou spotřebou se ale v rozsáhlém portfoliu zásob údržby setkáváme
také s rychloobrátkovými položkami, jejichž spotřeba je stálá a dlouhodobě vysoká. V praxi se
jedná zejména o spojovací materiál. Pro takové položky je možné uplatnit klasické metody řízení
zásob a předpovědi budoucí spotřeby.
Obr. 8: Sporadická spotřeba v údržbě – intermittent demand (Ventil zpětný SS-12C-MM)
Fundamentální otázka řízení zásob zní: Kolik kusů konkrétního náhradního dílu musíme držet na skladě?
Na takto položenou otázku ovšem přímo odpovědět nelze – je totiž nutné také říci, jaké úrovně
dostupnosti dílu na skladě (logistického servisu – service level) chceme dosáhnout. Požadovaný
logistický servis úzce souvisí s kritičností dílu: pro kritické díly budeme požadovat logistický
servis na úrovni například 99.97 %. Logicky platí vztah: čím vyšší logistický servis je požadován,
tím vyšší je i potřebná minimální zásoba.
Uvažujme položku – náhradní díl – se sporadickou poptávkou (příklad historie spotřeby takové
položky je uveden na obr. 9) a dodací lhůtou (leadtime, LT) 6 týdnů. Jak tedy nastavit úroveň
zásoby (resp. objednací hladinu), abychom zajistili požadovanou dostupnost takového
náhradního dílu?
Obr. 9: Pro náhradní díly je typická sporadická spotřeba s velkým počtem období bez spotřeby.
V roce 2002 byla autory Smartem a Willemainem navržena simulační statistická metoda, jejímž
základem je stochastická předpověď budoucí spotřeby. Pomocí této metody je možné stanovit
minimální hladinu zásoby (objednací hladinu) tak, aby bylo zajištěno pokrytí požadavků
s určenou pravděpodobností (logistickým servisem). Základem metody Smart-Willemain je
náhodné vzorkování z historie spotřeb (ve statistice se tento postup nazývá bootstrapping).
Vzhledem k dodací lhůtě 6 týdnů je z časové řady historických spotřeb náhodně vybráno
(vzorkováno) právě 6 období – týdnů. Součet spotřeb v těchto šesti náhodně vybraných týdnech
je prvním náhodným vzorkem spotřeby dílu během dodací lhůty dodavatele. Výběr je patrný na
obr. 10 – pro vzorek č. 1 dosahuje spotřeba 5 ks. Opakováním tohoto postupu dostaneme další
náhodné vzorky spotřeby. Provedeme-li dostatečný počet takových výběrů (simulací spotřeby),
dostaneme stochastickou charakteristiku spotřeby dílu během období 6 týdnů. Výsledek cca
100 000 vzorkování v podobném případu položky se sporadickou spotřebou je ve formě
histogramu uveden na obr. 11. Histogram četností spotřeb je vlastně formou stochastické
předpovědi spotřeby dílu.
Je zřejmé, že v případě sporadické spotřeby dílu (velký počet období – týdnů – s nulovou
spotřebou) dostaneme při náhodném vzorkování také velký počet vzorků s nulovou spotřebou.
V histogramu na obr. 11 je tento jev patrný na prvním a nejvyšším sloupci histogramu – výsledek
většiny provedených simulací spotřeby je 0. Po této typické špičce histogram zpravidla pokračuje
v mírně asymetrickém tvaru rozdělení sešikmeného k vysokým hodnotám (tvar histogramu je
výrazně ovlivněn charakterem náhradního dílu).
Optimální úroveň zásoby pak můžeme určit snadno odečtením z vynesené distribuční funkce (na
obr. 11 červeně), kterou dostaneme postupnou kumulací relativních četností v histogramu. Pro
požadovanou úroveň logistického servisu (dostupnosti) například 99 % odečteme optimální
zásobu – například 26 ks.
Obr. 10: Bootstrapping – příklad pro LT = 6 týdnů.
Cíl: dostupnost dílu = 99 %
10 000
100 %
5 000
Optimální zásoba = 26 ks
0
0
5
10
15
20
Spotřeba během LT – intervaly (ks)
25
30
Obr. 11: Stochastická předpověď spotřeby: histogram četností spotřeb během LT a určení optimální zásoby
(příklad).
Automatizované hladinové řízení zásoby
Nyní zbývá podle určené optimální hladiny zásoby nastavit automatické hladinové řízení ve
firemním ERP systému nebo ve specializovaném informačním systému pro řízení zásob údržby.
Hladinové řízení pak může fungovat automaticky podle principu na obr. 12. Počáteční zásoba je
průběžnou spotřebou postupně snižována až na úroveň optimální zásoby (řídicí objednací
hladiny). V okamžiku protnutí řídicí hladiny informační systém automaticky generuje objednávku
dodavateli. Objednané množství je určeno podle předpovědi spotřeby během dodací lhůty
dodavatele a zaokrouhleno na nejbližší vyšší možné objednací množství.
Takto nastavené automatické hladinové řízení zásoby s řídicí hladinou nastavenou metodou
Smart-Willemain zaručuje dosažení cílového logistického servisu i v případě položek se
sporadickou spotřebou.
Obr. 12: Automatizované hladinové řízení zásoby.
Použitá literatura:
Formánek, T., Strachotová, D.: PLANNING WIZARD – systém pro efektivní řízení zásob údržby.
Sborník mezinárodní konference ÚDRŽBA 2006, ČSPÚ, 2006
Formánek T.: Efektivní předpověď poptávky a řízení zásob. IT SYSTEMS 9/2007
Willemain, T.R, Smart, C.N. and Schwarz, H.F.: A new approach to forecasting
intermittent demand for service parts inventories. International Journal of Forecasting, 20, 375-387, 2004,
ISSN: 0169-2070
Šucha, M.: Optimalizace skladových zásob materiálů a náhradních dílů údržby. Sborník mezinárodní konference
ÚDRŽBA 2006, ČSPÚ, 2006
Autoři:
Tomáš Hladík, projektový manažer LOGIO, řízení zásob náhradních dílů, optimalizace údržby, dynamická simulace
(e-mail: [email protected])
Marek Šucha, partner LOGIO pro oblast optimalizace údržby, optimalizace dopravy a distribuce a dynamickou simulaci
(e-mail: [email protected])
Petr Tulach, konzultant LOGIO v oblastech údržba, řízení zásob a dynamická simulace (e-mail: [email protected])
LOGIO s.r.o.
Evropská 37
160 41 Praha
www.logio.cz
LOGIO je poradenská společnost orientovaná na moderní logistické technologie a optimalizaci logistických procesů.