Transport deadlines and common demand batches in regional generator spare stock allocation

Wanneer een massieve generator uitvalt op een afgelegen locatie, komt het verschil tussen een paar uur downtime en een catastrofale uitval vaak neer op één enkel reserveonderdeel dat in een magazijn ligt. De uitdaging voor ingenieurs is om te beslissen waar ze die onderdelen bewaren. Moet een bedrijf een enorm, centraal magazijn aanhouden met een enorme voorraad, in de hoop een onderdeel naar elke locatie te kunnen verzenden wanneer de ramp zich voordoet? Of moeten ze kleinere voorraden verspreiden over verschillende regio's, waardoor onderdelen dichter bij de machines komen te liggen die ze nodig hebben? Deze vraag staat in het hart van voorraadbeheer, een vakgebied dat probeert de kosten van het aanhouden van extra artikelen af te wegen tegen het risico om tekorten te hebben wanneer ze het hardst nodig zijn. Een belangrijke complicatie is dat machines niet altijd één voor één uitvallen. Soms kan één gebeurtenis — een storm, een spanningspiek of een gecoördineerd onderhoudsbezoek — ervoor zorgen dat meerdere generatoren op exact hetzelfde moment defect raken, wat een plotselinge, gelijktijdige vraag naar onderdelen in verschillende gebieden creëert. Het begrijpen van hoe deze "batch"-vragen interageren met de tijd die nodig is om een onderdeel te transporteren, is cruciaal om het licht aan te houden.

Een recente studie door Mahmoud Abdelfattah Abbas Mahmoud pakt dit probleem aan door een nauwkeurig wiskundig model op te stellen om deze twee strategieën te vergelijken: één centrale pool versus drie afzonderlijke regionale voorraden. De onderzoeker gebruikte geen echte gegevens van een specifiek bedrijf, maar construeerde een hypothetisch scenario met drie verschillende regio's, elk met een eigen frequentie van willekeurige, enkelvoudige defecten. Cruciaal was dat het model ook een aparte stroom van "gemeenschappelijke gebeurtenissen" bevatte, waarbij één incident tegelijkertijd een aanvraag voor één onderdeel in elke regio zou triggeren. De studie ging ervan uit dat telkens wanneer een onderdeel nodig was, er onmiddellijk een nieuwe bestelling bij een leverancier werd geplaatst, en dat dit nieuwe onderdeel precies zeven dagen later zou arriveren, ongeacht de omstandigheden. Het doel was om te zien hoe goed elk systeem een strikte deadline kon halen voor het leveren van het onderdeel, variërend van acht uur tot achtenveertig uur.

De studie toonde aan dat het antwoord volledig afhangt van hoeveel tijd er wordt toegestaan voor levering. Wanneer de deadline krap is, zoals acht uur, wint de regionale strategie beslissend. In het specifieke scenario dat werd getest met negen totale reserveonderdelen, kon de regionale opstelling ongeveer 91 procent van de aanvragen binnen de deadline vervullen. Het centrale magazijn slaagde er echter slechts in 21 procent te vervullen. Dit kwam niet doordat het centrale magazijn een tekort aan onderdelen had, maar omdat de tijd die nodig was om een onderdeel vanuit het centrum naar de verste regio's te verschepen simpelweg de acht uur overschreed. Zelfs als het centrale magazijn een oneindige voorraad had, kon het de fysieke reistijd naar de meest afgelegen locaties niet overwinnen. Naarmate de deadline werd verlengd naar vierentwintig uur, verbeterde de prestatie van het centrale magazijn aanzienlijk en bereikte het ongeveer 51 procent. Tegen de tijd dat de deadline werd opgerekt naar achtenveertig uur, was het centrale magazijn de superieure optie en vervulde het bijna 98 procent van de aanvragen, terwijl de regionale voorraden op hun eerdere niveau bleven steken.

Het onderzoek bracht ook een subtiele maar belangrijke fout aan het licht in de manier waarop sommige bedrijven hun behoeften inschatten. Een veelgebruikte aanpak in voorraadplanning is om alle vraag te behandelen alsof het onafhankelijke, willekeurige gebeurtenissen zijn, waarbij wordt genegeerd dat ze soms in groepen binnenkomen. De studie toonde aan dat als u deze vereenvoudigde "gemiddelde" methode gebruikt om voor een hoog serviceniveau te plannen, u de hoeveelheid onderdelen die u daadwerkelijk nodig heeft, onderschat. In één voorbeeld waarbij het doel was om een onderdeel in 98 procent van de gevallen gereed te hebben, suggereerde de vereenvoudigde methode dat zestien onderdelen voldoende waren. De exacte berekening, die rekening hield met de gelijktijdige drie-onderdelen-vragen, toonde aan dat er eigenlijk achttien onderdelen nodig waren. Het vertrouwen op de eenvoudigere wiskunde zou het systeem met twee eenheden tekort hebben laten komen, waardoor het zijn doel niet zou halen.

De studie ging nog een stap verder door te kijken naar wat er gebeurt als een onderdeel niet onmiddellijk beschikbaar is. In de echte wereld wacht een aanvraag, als een onderdeel niet op voorraad is, in een wachtrij totdat een nieuwe zending arriveert. De onderzoeker berekende de totale tijd vanaf het moment dat een machine defect raakt tot het moment dat het onderdeel wordt geleverd, inclusief deze wachttijd. Wanneer deze wachttijd werd meegerekend, verbeterde de prestatie van beide systemen, maar het centrale magazijn won het meeste terrein. Met een deadline van achtenveertig uur sprong het succespercentage van het centrale systeem van ongeveer 98 procent naar meer dan 99 procent, terwijl het regionale systeem steeg naar ongeveer 95 procent. Dit suggereert dat hoewel regionale voorraden sneller zijn voor directe behoeften, een centraal magazijn verrassend effectief is in het inhalen van de achterstand en het tijdig leveren van onderdelen, zelfs als ze eerst moeten wachten op de aankomst van een nieuwe zending.

Uiteindelijk biedt het artikel een heldere, exacte vergelijking van deze twee architecturen, waarbij wordt aangetoond dat geen van beide universeel beter is. De keuze hangt af van de specifieke beperkingen van de operatie: hoe ver de onderdelen moeten reizen, hoe lang de toeleveringsketen nodig heeft om aan te vullen en hoe vaak defecten in groepen voorkomen. De studie benadrukt dat hoewel de wiskunde de waarschijnlijkheid kan voorspellen dat een onderdeel op tijd arriveert, dit niet garandeert dat de machine gerepareerd zal worden, aangezien dat afhangt van vele andere factoren zoals diagnose en installatie. Echter, door de logistiek van het verplaatsen van het onderdeel te scheiden van de mechanica van het repareren van de machine, biedt dit werk een nauwkeurig instrument voor managers om te beslissen waar ze hun voorraad moeten plaatsen. Het benadrukt dat praktische toepassing een gekalibreerde vraag, aanvulling en transportdata vereist, en dat de resultaten de soorten gegevens identificeren die nodig zijn om te beslissen of een centraal magazijn, een regionale voorraad of een gemengde architectuur een meer gedetailleerde analyse verdient.