Die Verbesserung von Planung und Forecasting ist eine kontinuierliche Aufgabe. Auch nach Abschluss des oben beschriebenen Projektes wurde die Planungsqualität weiter verbessert. Durch die Verfügbarkeit von "Big Data" und die fortschreitende Digitalisierung der Fluggastsitze, eröffnen sich neue Möglichkeiten im Bereich der Prognosegenauigkeit für das Ersatzteilgeschäft.
Aufgrund der luftfahrtrechtlichen Anforderungen gibt es für jedes Flugzeug auf der Welt öffentlich verfügbare und detaillierte Daten, z. B. über Flugzeugtyp, Alter der Maschine und den Eigentümer. Es ist auch bekannt, welche Sitztypen in der jeweiligen Maschine installiert sind. Auch die Instandhaltungsunternehmen der Branche (wie z. B. Lufthansa Technik) verfügen über große Datenbanken zu Instandhaltungsmaßnahmen und Ersatzteilbedarfen. Bezüglich der von RECARO selbst ausgelieferten Sitze gibt es noch genauere eigene Daten. Zum eigenen Ersatzteilgeschäft sind Daten zu Umsatz, Absatz, Auftragsbestand und Lagerbewegungen verfügbar.
Die neuen Möglichkeiten der Digitalisierung und Sensorik befähigen es, direkt im oder am Sitz interessante Daten zu generieren:
- Sensoren ermitteln Hauptbelastungszonen des Sitzes oder Defekte
- Passagiere verbinden eigene elektrische Geräte (Tablets) mit dem Sitz
- Apps zur Steuerung des Sitzes durch den Passagier werden angeboten
Daraus können Fernwartungsinformationen ermittelt und direkt am Zielort an den Service gesendet werden. Schnelle Reparatur und hohe Verfügbarkeit der Sitze werden unterstützt. Dies führt zu Kosteneinsparungen für die Fluggesellschaften. Es entsteht aber auch viel Information zu Verhalten und Präferenzen der Passagiere.
In Summe steht eine große Datenmenge aus unterschiedlichsten Quellen zur Verfügung, die in einem Data Warehouse gespeichert und in einheitliche, zur Auswertung geeignete, Tabellen transformiert werden kann. Diese Daten eignen sich z. B. zur
- Prognose von Ersatzteilbedarfen
- Planung von Full-Service-Angeboten
- Festlegung rollierender Bevorratungsstrategien
- Steuerung von Servicedienstleitern
Zur verbesserten Prognose von Ersatzteilbedarfen wird das statistische Verhalten von Ersatzteilen mit mathematischen Modellen untersucht:
| Mathematisch-statistisches Modell | Berechnungslogik | Einsatzbereich |
|---|---|---|
| Lineare Regression | Ersatzteile mit geringen Umsatzschwankungen (z. B. Highrunner, Gleichteile, Kleinteile) | |
| Multiplikator Modell | Geglättete Regression mit Abbildung von Saisonalitäten | Ersatzteile mit durchschnittlichen Umsatzschwankungen |
| Exponentielle Glättung | Neuere Daten werden übergewichtet | Ersatzteile mit starken Umsatzschwankungen |
| Prognose von Lebensdauer und Ausfallhäufigkeiten | Teile neuer Sitztypen ohne historische Daten für Ersatzteile |
Auf Basis der analysierten Zahlen werden Empfehlungen für optimale Beschaffungsmengen und -zeitpunkte generiert. Es wird auch ermittelt, wie viel Sockelbestand eines Teils abhängig von seiner Gängigkeit bevorratet werden sollte. Diese Optimierung schafft für die Kunden und das Unternehmen selbst erheblichen Nutzen:
- Maximale Verfügbarkeit definierter Teile (sog. Highrunner)
- Pünktliche Ersatzteillieferung
- Minimale Standzeiten von Flugzeugen erhöhen die Zufriedenheit der Fluggesellschaften
- Kaufpreis- und prozesskostenoptimierte Bestellung
- Die ABC (Kunden) und XYZ (Teile) Klassifizierung wird erleichtert
Durch Anwendung der Prognosemodelle liegt die Ersatzteilverfügbarkeit für die Fluggesellschaften durchschnittlich > 95 %. Es kann eine substanzielle Kosteneinsparung und Lageroptimierung durch die optimierten Wiederbeschaffungszyklen erreicht werden. Daraus resultiert eine höhere Entscheidungssicherheit und mehr Transparenz für das Management.
Das ist nur ein Ausschnitt aus dem Produkt Haufe Finance Office Premium. Sie wollen mehr?
Jetzt kostenlos 4 Wochen testen
Anmelden und Beitrag in meinem Produkt lesen