Optimization of Maintenance Strategies for Leased Equipment Considering Learning Effects and Spare Parts Inventory

In de moderne wereld van de zware industrie en de bouw zijn enorme machines zoals graafmachines en kranen vaak te duur om direct aan te schaffen. In plaats daarvan huren bedrijven ze, wat een partnerschap creëert tussen de eigenaar van de machine en het bedrijf dat deze gebruikt. Deze regeling werkt alleen goed als de apparatuur blijft draaien. Wanneer een machine defect raakt, verliest de gebruiker geld omdat het werk stil komt te liggen, terwijl de eigenaar geld verliest omdat hij de reparaties moet betalen. De centrale uitdaging in deze relatie is beslissen hoe vaak de machine onderhouden moet worden voordat deze kapot gaat. Als de eigenaar het onderhoud te zelden uitvoert, valt de machine vaak uit, wat de gebruiker tot woede drijft. Als ze het onderhoud te vaak uitvoeren, staat de machine te veel stil, wat tijd en geld verspilt voor beide partijen. Bovendien hangt de snelheid van een reparatie af van de vraag of de juiste reserveonderdelen op voorraad zijn en hoe bekwaam de reparatieploeg is geworden door ervaring.

Onderzoekers aan de Anhui University of Technology zetten zich in om dit complexe puzzelstuk op te lossen door een gedetailleerd model te bouwen van hoe deze huurrelaties werken. Ze richtten zich op twee specifieke factoren die vaak over het hoofd worden gezien bij traditionele planning: het "leereffect" en het beheer van de voorraad reserveonderdelen. Het leereffect beschrijft hoe een reparatieteam sneller en efficiënter wordt naarmate ze vaker hetzelfde type machine repareren, simpelweg omdat ze ervaring opdoen. De voorraad reserveonderdelen verwijst naar de voorraad vervangende componenten die een verhuurder gereed houdt om ervoor te zorgen dat een defecte machine onmiddellijk kan worden gerepareerd zonder te hoeven wachten op een zending. De onderzoekers wilden weten hoe deze twee factoren met elkaar interageren en hoe ze kunnen worden gebruikt om de belangen van de machineeigenaar en de huurder op één lijn te brengen, zodat beide partijen beslissingen nemen die de gehele keten ten goede komen, in plaats van alleen hun eigen belangen na te streven.

De studie begon met het in kaart brengen van de financiële realiteiten voor beide zijden. De machineeigenaar wil de kosten van reparaties en de tijd die aan het repareren wordt besteed minimaliseren, terwijl de huurder de tijd dat de machine daadwerkelijk werkt wil maximaliseren om omzet te genereren. In een typisch huurcontract botsen deze doelen. De eigenaar kan het onderhoud uitstellen om geld te besparen, maar dit vergroot het risico op defecten die de huurder schaden. Om de beste aanpak te begrijpen, creëerden de onderzoekers twee verschillende scenario's. In het eerste scenario nemen de eigenaar en de huurder onafhankelijk van elkaar beslissingen, waarbij elk probeert de eigen winst te maximaliseren. In het tweede scenario treden ze op als één team, waarbij beslissingen worden genomen om de totale winst van het partnerschap te maximaliseren.

Toen de onderzoekers het onafhankelijke scenario simuleerden, ontdekten ze dat de twee partijen van nature verschillende onderhoudsschema's kozen. De huurder, die zich bezighoudt met het minimaliseren van de tijdconsumptie en de kostenlast die met onderhoud gepaard gaat, neigde naar een aanzienlijk lagere onderhoudsfrequentie. In tegen plaats koos de eigenaar, die een balans zocht tussen onderhoudskosten en betrouwbaarheidswinst, voor een veel hogere frequentie. Deze mismatch betekende dat de machine niet op het optimale niveau werd onderhouden voor het hele systeem; specifiek lag de voorkeur van de huurder qua frequentie ver onder het systeemoptimum, terwijl die van de eigenaar er ver boven lag. Echter, toen de onderzoekers het leereffect in het model introduceerden, veranderde het beeld. Naarmate de reparatieploeg meer ervaring opdeed, daalden de tijd en de kosten die nodig waren voor elke onderhoudstaak. Deze verbetering maakte het aantrekkelijker voor de eigenaar om onderhoud vaker uit te voeren, wat op zijn beurt de betrouwbaarheid van de machine verbeterde en de winsten van de huurder verhoogde. De studie toonde aan dat naarmate het vaardigheidsniveau van de ploeg groeide, het optimale aantal onderhoudscontroles toenam en de totale winst voor iedereen steeg.

De onderzoekers onderzochten ook de rol van reserveonderdelen. Ze ontdekten dat het ter hand hebben van een voorraad reserveonderdelen het risico op lange vertragingen aanzienlijk verminderde wanneer een machine defect raakte. Deze beschikbaarheid maakte snellere reparaties mogelijk, wat minder downtime betekende voor de huurder en een hogere operationele continuïteit. Interessant genoeg veranderde de aanwezigheid van reserveonderdelen de onderhoudsstrategie. Met onderdelen direct beschikbaar, voelde de huurder minder druk om frequente preventieve controles te eisen, wat leidde tot een lichte afname van het aantal geplande onderhoudsmomenten. De eigenaar was echter, wetende dat de onderdelen klaar liggen, eerder bereid om de frequentie van het onderhoud te verhogen om de machine in topconditie te houden. Deze verschuiving creëerde een nieuwe dynamiek waarbij de voordelen van het hebben van onderdelen gedeeld werden, maar de kosten van het aanhouden van die voorraad aanvankelijk alleen door de eigenaar werden gedragen.

Om de afstemming van belangen te herstellen, stelde de studie twee specifieke strategieën voor om de eigenaar en de huurder weer tot overeenstemming te brengen. De eerste strategie, de "failure limitation policy" (beperking van defecten), stelt een strikte limiet aan het aantal keren dat een machine tijdens de huurperiode defect mag raken. Als de machine dit limiet overschrijdt, betaalt de eigenaar een boete. Dit dwingt de eigenaar om meer in onderhoud te investeren om de boete te vermijden, waardoor hun acties in lijn worden gebracht met de behoefte van de huurder aan betrouwbaarheid. De tweede strategie, de "uptime target bonus" (bonus op de werktijd), werkt in de tegenovergestelde richting. Hierbij belooft de huurder een cashbonus aan de eigenaar als de machine gedurende een bepaalde tijd blijft draaien. Dit beloont de eigenaar voor het operationeel houden van de machine, wat hen aanmoedigt om proactief onderhoud te plegen.

De simulaties toonden aan dat beide strategieën succesvol de supply chain konden coördineren, waardoor de onafhankelijke beslissingen van de eigenaar en de huurder in lijn werden gebracht met de optimale uitkomst voor het hele systeem. De keuze tussen de twee hangt af van de specifieke situatie. Als de machine gevoelig is voor frequente defecten en de kosten van een defect hoog zijn, werkt de "failure limitation policy" het best. Als de machine intensief wordt gebruikt en de kosten van downtime de primaire zorg zijn, is de "uptime target bonus" effectiever. De studie benadrukte ook dat de huurder de financiële last van de voorraad reserveonderdelen moet delen. Door een subsidie te verlenen aan de eigenaar voor het op voorraad houden van onderdelen, zorgt de huurder ervoor dat de eigenaar de middelen heeft om een hoge beschikbaarheid te garanderen, wat uiteindelijk leidt tot hogere winsten voor beide partijen.

De onderzoekers testten hun model met diverse scenario's, waarbij ze factoren veranderden zoals de intensiteit van het gebruik van de machine en de duur van de huurperiode. Ze ontdekten dat langere huurperioden over het algemeen leidden tot hogere winsten voor iedereen, omdat de voordelen van leren en onderhoud in de loop van de tijd cumulatief werden. Daarentegen, als de machine zeer intensief werd gebruikt, steeg de foutmarge scherp en begonnen de winsten voor beide zijden te dalen, tenzij het onderhoud aanzienlijk werd verhoogd. De studie bevestigde dat het leereffect en de voorraad reserveonderdelen niet slechts kleine details zijn, maar krachtige hefbomen die, wanneer ze correct worden beheerd, een conflicterende huurrelatie kunnen veranderen in een uiterst efficiënt partnerschap. Door te begrijpen hoe ervaring en voorraad met elkaar interageren, kunnen bedrijven afstappen van rigide, eenheidsstrategieën voor onderhoud en overgaan op dynamische strategieën die zich aanpassen aan de werkelijke prestaties van hun apparatuur.