Prognoza cererii de piese de schimb pentru flotele militare

Prognoza cererii de piese de schimb pentru flotele militare este disciplina cantitativă de a prezice câte unități din fiecare National Stock Number (NSN) vor fi consumate de o flotă de vehicule sau echipamente pe un orizont de planificare viitor — și de a poziționa în avans acele piese înainte ca cererea să se materializeze, în loc să reacționeze după ce o platformă cade în pană. Miza operațională este directă: un vehicul care este Not Mission Capable Supply (NMCS) din cauza unui garnituri de 40 de dolari indisponibilă nu contribuie cu nimic la disponibilitate, indiferent cât de bine este întreținut restul flotei. Acest ghid acoperă întreg stiva tehnică — arhitectura datelor de catalog, clasificarea cererii, modele stochastice de prognoză, stoc de siguranță bazat pe disponibilitate, integrare ERP și managementul acurateței în buclă închisă — în profunzimea necesară pentru a proiecta sau evalua un sistem de producție pentru o organizație de logistică în apărare.

De ce contează prognoza pieselor de schimb în disponibilitatea militară

Flotele de vehicule și echipamente militare sunt evaluate în raport cu un standard de disponibilitate — procentul de platforme autorizate care sunt pe deplin mission capable (FMC) la un moment dat. O formație blindată tipică la nivel de brigadă poate avea o cerință FMC de 90% pentru vehiculele terestre organice, ceea ce înseamnă că, într-o formație de 100 de vehicule, cel mult 10 pot fi non-mission-capable în orice moment al ciclului de raportare a disponibilității. Fiecare vehicul imobilizat din cauza unei piese lipsă erodează direct această cifră.

Taxonomia regulamentară distinge două tipuri de indisponibilitate determinată de aprovizionare. NMCS (Not Mission Capable Supply) descrie o platformă care a fost scoasă din uz deoarece o piesă necesară lipsește din lanțul de aprovizionare — acțiunea de întreținere este clară, tehnicianul este disponibil, dar piesa nu a sosit. PMCS (Partially Mission Capable Supply) descrie o platformă care poate îndeplini unele, dar nu toate misiunile atribuite, deoarece o componentă necritică este în așteptare; rămâne disponibilă pentru sarcini de anvergură redusă. Distincția este importantă din punct de vedere operațional: evenimentele NMCS reprezintă un eșec absolut al aprovizionării, în timp ce evenimentele PMCS reprezintă o contribuție degradată, dar nu nulă, la disponibilitate. Un sistem de prognoză bine proiectat urmărește să reducă la zero ratele NMCS pentru articolele cu Cod de Esențialitate ridicat, tolerând în același timp condiții PMCS scurte pentru piesele mai puțin critice, unde păstrarea unui stoc excedentar nu ar fi justificată economic.

Legătura dintre disponibilitatea pieselor de schimb și disponibilitatea operațională are și o dimensiune temporală care diferențiază logistica militară de cea comercială. Un comerciant care rămâne fără un produs pierde o vânzare; o unitate militară care nu poate desfășura o capabilitate necesară în fereastra unui deployment poate eșua misiunea. Semnalul de cerere în logistica militară nu este, prin urmare, determinat doar de client — este și bazat pe disponibilitate, ceea ce înseamnă că nivelul de serviciu necesar este definit de cerința operațională, nu de un calcul de minimizare a costurilor. Această asimetrie este faptul fundamental care modelează fiecare decizie arhitecturală într-un sistem de prognoză a pieselor de schimb militar. Pentru context privind modul în care întreținerea predictivă pentru flotele militare se integrează cu prognoza de aprovizionare pentru a reduce povara globală NMCS, consultați ghidul companion despre platformele CBM+.

Date de intrare: catalogul NSN, FEDLOG și semnalele istorice de cerere

Orice prognoză fiabilă a pieselor de schimb începe cu un catalog de articole curat. În sistemul de logistică al apărării SUA, catalogul de articole autoritar este catalogul National Stock Number publicat de Defense Logistics Agency (DLA) și distribuit prin FEDLOG (Federal Logistics Data) și interfața sa web, WebFLIS (Web Federal Logistics Information Service). Un NSN este un identificator de 13 cifre structurat ca o Federal Supply Class (FSC) de 4 cifre urmată de un National Item Identification Number (NIIN) de 9 cifre.

FSC oferă prima variabilă de grupare pentru prognoză: articolele din aceeași FSC sunt în mare măsură interschimbabile din punct de vedere al funcției de întreținere, astfel încât agregatele de cerere la nivel FSC pot fi utilizate pentru a construi priorități pentru NIIN-uri individuale cu istorii de tranzacții rare. Atributele relevante ale catalogului de articole pentru prognoză includ:

Câmp FEDLOG	Utilizare pentru prognoză
Federal Supply Class (FSC)	Gruparea cererii; prior la nivel FSC pentru contracție bayesiană
Unit of Issue (UI)	Normalizarea unității de cerere între tranzacții
Prețul unitar	Clasificarea ABC după valoarea cererii; calculul costului de stocare
Essentiality Code (EC)	Suprascriere a țintei de nivel de serviciu; clasificarea riscului NMCS
Shelf Life Code	Poziția maximă de stoc; indicator de risc de uzură morală
Grup I&S (Interschimbabil și Substituibil)	Gruparea cererii pentru NSN-uri substitute; calculul ratei de satisfacere
CIIC (Controlled Inventory Item Code)	Constrângere de stocare; rutare de reaprovizionare determinată de securitate

Schema istoricului de cerere necesar pentru prognoză ar trebui să fie asamblată la granularitate de tranzacție — un rând per cerere de aprovizionare — cu cel puțin: NSN, identificatorul unității solicitante, data tranzacției, cantitatea solicitată, cantitatea emisă (care poate diferi de cea solicitată dacă stocul era parțial disponibil) și un indicator de îndeplinire care indică dacă cererea a generat o comandă în așteptare. Sunt necesare cel puțin 36 de luni de istoric pentru a capta tiparele sezoniere și ciclurile de revizie cu frecvență redusă care domină multe profiluri de cerere pentru articolele de Clasă IX. FEDLOG este reîmprospătat bimensual; un sistem operațional trebuie să reconcilieze înlocuirile și anulările de NSN la fiecare ciclu de reîmprospătare, astfel încât istoricul cererii pentru un NSN anulat să fie atribuit corect succesorului său înainte de a ajusta orice model.

Clasificarea cererii: mișcare lentă vs. intermitentă vs. neregulată

Înainte de a selecta un model de prognoză, fiecare articol trebuie clasificat după tiparul său de cerere. Cadrul de clasificare Syntetos-Boylan-Teunter (SBT) — standardul în cercetarea privind managementul inventarului de piese de schimb — utilizează două statistici calculate din istoricul cererii:

Average Demand Interval (ADI): numărul mediu de perioade de timp între observațiile consecutive de cerere pozitivă. Un ADI peste 1,32 perioade semnalează cerere intermitentă.

Squared Coefficient of Variation al dimensiunilor cererii (SCV): varianța cantităților pozitive de cerere împărțită la pătratul mediei cantităților pozitive de cerere. Un SCV peste 0,49 semnalează variabilitate ridicată a dimensiunii.

Diagrama de clasificare a cererii pe patru cadrane folosind aceste praguri:

          SCV ≤ 0.49          SCV > 0.49
          ─────────────────────────────────────
ADI ≤     │  SMOOTH            │  ERRATIC        │
1.32      │  (Holt-Winters)    │  (SES + extra)  │
          ├────────────────────┼─────────────────┤
ADI >     │  INTERMITTENT      │  LUMPY          │
1.32      │  (SBA / Croston)   │  (Compound      │
          │                    │   Poisson)      │
          ─────────────────────────────────────

În practică, inventarele de piese de schimb din Clasa IX militară sunt dominate de articole intermitente și neregulate. Un studiu al listelor de stocaj autorizat ale Armatei SUA arată în mod constant că mai mult de 60% din NSN-uri, ca număr de linii, se încadrează în cadranul intermitent sau neregulat, cadranul neted fiind populat în mare parte de consumabile cu rulaj ridicat (baterii, filtre, lubrifianți), iar cadranul erratic capturând articolele cu cereri ocazionale de loturi mari determinate de exerciții ale flotei.

Matricea ABC-XYZ adaptează clasificarea SBT pentru a include valoarea. Articolele A (primele 20% din NSN-uri după valoarea anuală a cererii) care se află și în nivelul de variabilitate a cererii Z (extrem de intermitente sau neregulate) sunt articolele care necesită cel mai sofisticat tratament de prognoză și cea mai atentă configurare a stocului de siguranță. Acestea sunt, de obicei, și articolele cel mai susceptibile să poarte Coduri de Esențialitate ridicate, deoarece prețul unitar ridicat se corelează cu complexitatea componentei și cu termenele lungi de achiziție care fac ca lipsurile de stoc să fie semnificative.

Modele stochastice de prognoză

Perspectiva centrală din spatele prognozei stochastice a pieselor de schimb este că cererea intermitentă nu poate fi descrisă în mod adecvat de o singură estimare punctuală — prognoza trebuie să caracterizeze distribuția completă a cererii pe durata termenului de reaprovizionare, deoarece stocul de siguranță este calculat din coada acelei distribuții, nu din medie.

Metoda Croston și Sinteza Syntetos-Boylan (SBA). Metoda lui Croston, introdusă în 1972, separă problema prognozei în două modele independente de netezire exponențială: unul pentru intervalul inter-cerere q̂ și unul pentru dimensiunea cererii ẑ condiționat de un eveniment de cerere pozitivă. Estimarea cererii medii pe perioadă este ẑ/q̂. Varianta SBA aplică o corecție de bias — înmulțind estimarea Croston cu (1 − α/2) unde α este parametrul de netezire — care a fost demonstrată analitic și empiric că reduce eroarea medie pătrată pe seturile de date cu cerere intermitentă. Pentru un sistem militar, estimarea SBA ar trebui inițializată din prioruri la nivel FSC pentru articolele cu mai puțin de 12 observații istorice non-zero:

# SBA demand rate estimate (Python pseudocode)
alpha = 0.15          # smoothing parameter (tuned per item)
z_hat = demand_size_ema     # EMA of positive demand quantities
q_hat = interval_ema        # EMA of inter-demand intervals

# Croston rate
croston_rate = z_hat / q_hat

# SBA bias-corrected rate
sba_rate = (1 - alpha / 2) * croston_rate

# Lead-time demand distribution: Poisson with mean = sba_rate * lead_time_periods
import scipy.stats as stats
lt_demand_dist = stats.poisson(mu=sba_rate * lead_time)

Modele Poisson compuse pentru cerere neregulată. Atunci când atât ADI depășește 1,32, cât și SCV depășește 0,49, procesul de cerere este neregulat — evenimentele rare care apar implică cantități foarte variabile. Modelul standard este un proces Poisson compus: apariția cererii urmează un proces Poisson cu rata λ, iar cantitatea cererii condiționată de apariție urmează o distribuție secundară, de obicei negativă binomială pentru cantități întregi non-negative. Distribuția cererii pe durata termenului este atunci suma unui număr de extrageri negative binomiale distribuite Poisson, care are o funcție de generare a probabilității în formă închisă, dar necesită integrare numerică pentru calculul cuantilei. Într-un sistem de producție, funcția cuantilă este de obicei precalculată și stocată ca tabel de căutare indexat după (λ, r, p, lead_time) pentru a evita integrarea în timp real.

Modele Poisson pentru articolele cu volum redus și Essentiality Code 1. Pentru articolele care sunt solicitate cel mult de câteva ori pe an și au un Cod de Esențialitate care face orice lipsă de stoc inacceptabilă, un model Poisson simplu — unde parametrul de rată este estimat ca totalul cererilor observate împărțit la totalul perioadelor observate, contractat spre priorul FSC — este adesea preferat față de SBA. Simplitatea modelului Poisson face calculul stocului de siguranță complet transparent și auditabil, ceea ce contează atunci când un ofițer de aprovizionare trebuie să justifice o cerere de achiziție care pare să suprastocheze un articol solicitat rar. Transparența este o cerință de proiectare subevaluată în sistemele de inventar de apărare.

Calculul stocului de siguranță bazat pe disponibilitate

Formulele comerciale pentru stocul de siguranță derivă cantitatea tampon dintr-un nivel de serviciu țintă care este el însuși derivat dintr-un compromis economic între costul de stocare și costul lipsei de stoc. În managementul inventarului militar, nivelul de serviciu țintă este stabilit de cerința operațională — o rată de disponibilitate impusă de conceptul operațional — iar constrângerea costului de stocare este secundară. Această inversare are consecințe practice semnificative pentru nivelurile stocului de siguranță.

Calculul stocului de siguranță bazat pe disponibilitate pentru un singur NSN pe un termen de reaprovizionare L (în perioade) se desfășoară astfel:

1. Specificați rata de disponibilitate a flotei necesară R (de exemplu, 0,90 pentru o cerință FMC de 90%).

2. Identificați setul de NSN-uri clasificate ca esențiale pentru misiune pentru tipul de platformă. Fie cardinalitatea acestui set n.

3. Distribuiți bugetul de probabilitate a lipsei de stoc permis între cele n articole. Probabilitatea comună că niciun articol nu se află în lipsă de stoc este produsul probabilităților individuale de non-lipsă de stoc, astfel încât ținta de rată de satisfacere per articol P_i satisface constrângerea:

Product(P_i for i in 1..n) >= R

# Equal allocation (conservative baseline):
P_i = R^(1/n)

# Example: R=0.90, n=20 mission-essential NSNs
# P_i = 0.90^(1/20) = 0.9947
# Each NSN must achieve 99.47% fill rate

4. Calculați stocul de siguranță SS_i pentru fiecare NSN ca cuantila distribuției cererii pe durata termenului la nivelul P_i, minus cererea medie pe durata termenului:

mu_LT = sba_rate * L          # mean lead-time demand
SS_i  = quantile(dist, P_i) - mu_LT

# Reorder point:
ROP_i = mu_LT + SS_i

Abordarea de alocare egală de mai sus este conservatoare: tratează fiecare NSN ca individual responsabil pentru întregul deficit de disponibilitate. O abordare mai sofisticată utilizează ponderi de importanță derivate din Codul de Esențialitate și costul așteptat al timpului de nefuncționare per eveniment de lipsă de stoc pentru a aloca bugetul asimetric — acordând mai mult din alocarea de lipsă de stoc articolelor mai ieftine și mai ușor de procurat și mai puțin celor cu termene lungi și cost ridicat. Alocarea asimetrică reduce de obicei investiția totală în inventar cu 10–20% față de alocarea egală, menținând în același timp aceeași rată globală de disponibilitate.

Merită, de asemenea, menționată interacțiunea dintre prognoza pieselor de schimb și software-ul de management al inventarului militar: nivelurile de stoc de siguranță calculate aici trebuie să fie transmise înapoi sistemului de management al aprovizionării ca cantități autorizate în lista de stocaj, iar logica de reaprovizionare din acel sistem trebuie apoi să aplice punctul de reordonare. Un model de prognoză care produce ținte corecte de stoc de siguranță, dar nu le poate propaga la sistemul de execuție, nu oferă niciun beneficiu operațional.

Integrare cu ERP și sistemele de management al întreținerii

Un model de prognoză a pieselor de schimb care funcționează izolat față de sistemul de execuție a aprovizionării este un exercițiu academic. Valoarea de producție necesită integrare bidirecțională: sistemul de prognoză consumă date din sistemele ERP și de întreținere, iar ieșirile sale conduc acțiunile de reaprovizionare în aceleași sisteme.

GCSS-Army (Global Combat Support System — Army) este principalul sistem de aprovizionare și întreținere la nivel de unitate pentru formațiunile Armatei SUA. Acesta expune istoricul tranzacțiilor prin exporturi de fișiere batch bazate pe SFTP în fișiere plate de format fix (formatul moștenire SARSS/ULLS-G) și, în versiuni mai recente, prin API-uri de servicii web. Un pipeline de prognoză care consumă date GCSS-Army trebuie să gestioneze: înlocuirea NSN-urilor (când DLA înlocuiește un NSN, înregistrările de cereri deschise și stocurile existente pot purta temporar vechiul NSN); evenimentele de reorganizare a unităților (când o unitate se restructurează, densitatea sa de echipamente se schimbă și ratele istorice ale cererii devin nereprezentative); și distincția dintre cereri (cereri de aprovizionare) și emisii reale (cereri îndeplinite), deoarece cantitatea cererii este adevărata țintă de prognoză, dar numai emisiile apar în jurnalele standard de tranzacții, dacă nu sunt solicitate în mod specific.

LMP (Logistics Modernization Program) acoperă aprovizionarea, întreținerea și achizițiile la nivel de depozit pentru Armata SUA. Integrarea cu LMP este necesară pentru a încorpora timpii de ciclu de reparare la depozit în estimările termenului de reaprovizionare — o componentă cu un pipeline de revizie la depozit de 90 de zile produce o distribuție a cererii pe durata termenului foarte diferită față de una cu o achiziție comercială de 5 zile. LMP expune date prin fișiere plate livrate prin SFTP și, pentru partenerii autorizați, prin BAPI-uri standard SAP. Interfața AWRDS (Army War Reserve Deployment System) adaugă pozițiile de stoc de rezervă de război prepoziționate la nivel de teatru, care trebuie excluse din calculele de stocaj la nivel de unitate pentru a evita dubla contabilizare a inventarului disponibil.

Modelul de sincronizare a datelor care funcționează fiabil în practică este un pipeline de extragere-transformare-încărcare care rulează pe un ciclu zilnic, cu un supliment bazat pe evenimente care declanșează o actualizare imediată a poziției când sosește o tranzacție de cerere mare (peste o cantitate prag). Ciclul zilnic menține acuratețea poziției inventarului pentru tiparele normale de cerere; suplimentul bazat pe evenimente împiedică sistemul să opereze pe poziții depășite atunci când un eveniment de întreținere la nivel de batalion generează un vârf de cerere care altfel nu s-ar reflecta până la procesarea batch a zilei următoare.

Integrarea cu managementul întreținerii permite, de asemenea, detectarea cererii — utilizarea ordinelor de lucru deschise ca indicator de vârf al cererii iminente de piese. Când un sistem de management al întreținerii înregistrează că un tehnician a deschis un ordin de lucru pentru o acțiune de reparare specifică, sistemul de piese de schimb poate căuta lista de materiale pentru acel tip de reparare și poate pregăti o cerere de extragere pentru NSN-urile necesare înainte ca piesele să fie solicitate formal. Acest tipar, bine stabilit în MRO comercial aerospațial, reduce termenul efectiv pentru acțiunile de întreținere prioritare și este direct transferabil în contextul apărării utilizând datele ordinelor de lucru GCSS-Army. Contextul mai larg pentru acest tip de anticipare a cererii bazată pe AI este tratat în detaliu în articolul despre optimizarea AI în logistica militară.

Îmbunătățire continuă: acuratețea prognozei în buclă închisă

Un sistem de prognoză a pieselor de schimb care nu este măsurat și actualizat continuu se va degrada pe măsură ce compoziția flotei se schimbă, ritmul operațional se modifică și procesul de cerere derivă departe de tiparele statistice observate în datele de antrenament. Managementul acurateței în buclă închisă nu este o îmbunătățire opțională — este mecanismul care menține ieșirile modelului operațional valide în timp.

Principalele metrici de acuratețe pentru articolele cu cerere intermitentă sunt Mean Absolute Scaled Error (MASE) și Periodic Fill Rate. MASE scalează eroarea absolută de prognoză prin eroarea prognozei naive în eșantion (utilizând ultima cerere pozitivă observată ca prognoză naivă), făcând-o comparabilă între articolele cu volume de cerere foarte diferite și evitând comportamentul nedefinit al MAPE la perioadele de cerere zero. Periodic Fill Rate măsoară fracțiunea tranzacțiilor de cerere satisfăcute fără o comandă în așteptare în fereastra de măsurare, mapeând direct la țintele de nivel de serviciu bazate pe disponibilitate stabilite în etapa de calcul al stocului de siguranță.

Un cadru practic de monitorizare pentru un sistem militar de piese de schimb:

Cadență de monitorizare:
  Lunar:    MASE și Fill Rate per NSN și per agregat FSC
  Lunar:    Urmărire bias (eroare semnată, pentru detectare supra/sub-prognoză sistematică)
  Trimestrial: Reselecție completă a modelului și re-estimare a parametrilor
  Bazat pe evenimente: Declanșator de re-antrenament când:
    - Fill rate scade >5 pp sub țintă pentru 2 luni consecutive
    - Tabelul densității echipamentelor se schimbă cu >10%
    - O nouă variantă de platformă este adăugată în flotă
    - Eveniment de ciclu de revizie înregistrat în sistemul de întreținere

Rutare de escaladare:
  Fill rate FSC < țintă - 5 pp → Revizuire de către analist de aprovizionare
  MASE NSN > 2.0 timp de 3 luni → Reasignarea clasei de model
  Bias pozitiv sistematic (>20% din medie) → Verificare derivă a cererii
  Bias negativ sistematic → Verificare creștere a populației sau creștere a ritmului

Feedbackul în buclă închisă necesită, de asemenea, urmărirea suprascrierilor manuale. Ofițerii de aprovizionare suprascriu frecvent recomandările de reaprovizionare generate de model pe baza cunoștințelor locale — un exercițiu anticipat, o perturbare cunoscută a furnizorului, un tipar de defecțiune recent observat care nu este încă vizibil în datele istorice. Aceste suprascrieri ar trebui capturate în sistem cu un cod de motiv, iar rezultatul (dacă suprascriera a fost justificată de cererea ulterioară) ar trebui retroalimentat în datele de antrenament ale modelului. Rezultatele suprascrierilor sunt o sursă bogată de cunoștințe de domeniu care altfel se pierd; un sistem care le ignoră nu poate învăța din raționamentul operațional al ofițerului de aprovizionare.

Detectarea derivei modelului este elementul final al sistemului în buclă închisă. Procesele de cerere militară nu sunt staționare: dimensiunile flotelor se schimbă odată cu activările și dezactivările unităților, ritmul operațional variază cu calendarul de antrenament și ciclurile de deployment, iar doctrina de întreținere se schimbă când sunt emise noi manuale tehnice. O diagramă de control Cumulative Sum (CUSUM) aplicată erorii de prognoză semnate la nivelul NSN va semnala o schimbare a nivelului de cerere în câteva perioade de la apariția sa, declanșând o re-estimare a parametrilor înainte ca stocul de siguranță să scadă sub nivelul minim necesar. Pragul CUSUM ar trebui calibrat astfel încât timpul de detectare așteptat al unei creșteri de 50% a cererii să fie mai mic de un termen de reaprovizionare, asigurând că actualizarea modelului poate conduce o acțiune de reaprovizionare înainte de apariția unei lipse de stoc.

Disciplina managementului acurateței prognozei în buclă închisă este cea care separă un sistem de prognoză a pieselor de schimb care menține acuratețea inițială pe un deployment multi-anual de unul care se degradează într-o instalare costisitoare de tip raft. Organizațiile de logistică în apărare care investesc în infrastructura de monitorizare și re-antrenament raportează în mod consistent îmbunătățiri susținute ale ratei de disponibilitate, în timp ce cele care tratează ajustarea inițială a modelului ca punct final al programului înregistrează de obicei degradarea acurateței în 12 până la 18 luni pe măsură ce procesul de cerere suport evoluează.