Lue PDF-versio

Kirjoittaja: Mikko Kärkkäinen
Toimitusjohtaja, TkT
mikko.karkkainen@relexsolutions.com

Johdanto

Varaosalogistiikassa riittää haasteita. Toimintaympäristö on tyypillisesti monimutkainen. Varastointia tehdään monessa portaassa ja lukuisissa pisteissä niin valmistajan, tukkurin, jälleenmyyjän kuin loppukäyttäjänkin toimesta. Lisäksi nimikkeiden kirjo on laaja. Hallittavana on usein tuhansia tai kymmeniä tuhansia nimikkeitä, joiden ominaisuudet – arvo, elinkaaren pituus, paino, koko, prosessikriittisyys – vaihtelevat merkittävästi. Varaosille on myös tyypillistä että kysyntä on hajanaista ja vaikeasti ennustettavaa. Kun yhtälöön vielä lisätään kovat palvelutasovaatimukset ja logistiikan kustannustehokkuustavoitteet niin logistikon tehtävä alkaa tuntua lähes mahdottomalta.

Monissa tapauksissa varaosien hallintaa on kuitenkin pystytty merkittävästi tehostamaan. Kehitystoimilla on onnistuttu merkittävästi parantamaan sekä palvelutasoa että kustannustehokkuutta. On kuitenkin tärkeä pitää mielessä, että perinteiset toimitusketjun ohjaukseen luodut keinot ja mallit eivät kaikilta osin sovellu varaosien hallintaan. Varaosalogistiikan kehittämisessä on huomioitava liiketoiminnan erityispiirteet.

Varaosaliiketoiminnan erityispiirteitä

Varaosien ja lopputuotteiden toimitusketjut eroavat toisistaan niin toimintaympäristöjen kuin tuoteominaisuuksienkin osalta. Cohen et al. (2006) ovat laatineet yhteenvedon valmistavien ja jälkimarkkinoilla toimivien toimitusketjujen eroista (Taulukko 1).

Taulukko 1. Varaosaliiketoiminnan erityispiiteitä (Soveltaen Cohen et al., 2006).

Valmistava toimitusketju Jälkimarkkinatoimitusketju
Kysynnän luonne Kysyntä ennustettavaa Kysyntä arvaamatonta, usein hajanaista
Toimitusaika Toimitusaika standardoitavissa Toimitusaikavaatimukset erittäin kovat
Nimikemäärä Rajallinen 15 – 20 kertaa suurempi
Tuoteportfolio Usein aika homogeeninen Aina heterogeeninen
Varastonhallinnan tavoite Kiertonopeuden maksimointi Varastonimikkeiden oikea positiointi
Suorituskykymittari Täyttöaste (fill-rate) Tuotesaatavuus (Uptime)
Varaston kierto 6 – 50 1 – 4

Käytännössä erot toimitusketjujen välillä tarkoittavat kahta asiaa:

  • Varaosalogistiikassa on mahdotonta päästä, eikä kannata pyrkiäkään, samoihin tavoitteisiin kuin valmistavissa toimitusketjuissa
  • Valmistavien toimitusketjujen ohjausmallit saattavat johtaa huonoihin tuloksiin varaosien toimitusketjuissa.

Valmistavissa toimitusketjuissa tavoitteena on hyvän palvelutason ja tuotesaatavuuden aikaansaaminen mahdollisimman tehokkaasti kiertävien varastojen avulla. Varaosien taas kuuluukin olla varalla ja niitä on useimmiten tarkoituksenmukaista varastoida. Tuotteiden kierron maksimointi ei voi olla varaosalogistiikan päätavoite. Hyvästä varaosalogistiikan hallinnasta tunnettujen yritysten toimitusketjuissa kiertojen keskiarvo onkin vain 0,87 (Cohen et al., 1997).

Varaosalogistiikan kehittäminen

Varaosalogistiikan kehittämisessä on huomioitava tuotteiden ja niiden kysynnän erityispiirteet. Niillä on iso vaikutus valittujen ohjausmallien toimivuuteen, erityisesti kun on kyse kysynnän ennustamisesta, tuotteiden sijoittamisesta eri ohjausluokkiin, varmuusvarastotasojen määrittämisestä tai tehokkaimpien toimitusmallien valinnasta. Tuloksellinen kehittäminen vaatii nimikkeiden ja niiden kysynnästä kertyvän datan järjestelmällistä hyödyntämistä nimiketasolla.

Kysynnän ennustaminen

Varaosien kysynnän ennustamisessa haasteena on, että kysyntä tyypillisesti on varsin hajanaista. Yksittäiset kysyntäpiikit vuorottelevat pitkienkin nollajaksojen kanssa. Yleisesti käytetyt ennustemallit (esim. liukuva keskiarvo tai eksponenttitasoitettu kysyntä), jotka pohjautuvat eri tavoin painotettuihin keskiarvoihin eivät tämän takia tuota hyviä tuloksia.
Erityisesti hajanaisen kysynnän ennustamiseen löytyy kuitenkin omia ennustemalleja. Crostonin mallissa (Croston, 1972) pyritään esimerkiksi ennustamaan sekä kysyntäpiikkien kokoa että niiden välistä aikaa.

Keräämällä tietoa laitteiden vikaantumisfrekvensseistä ja varaosien elinkaarista pystytään myös jossain määrin ennakoimaan kysyntää (Ghodrati ja Kumar, 2005). Tosin tällaiset lähestymistavat soveltuvat parhaiten joko yksittäisten, erittäin kalliiden komponenttien käyttökohdetasoiseen hallintaan, jolloin yksityiskohtaiset analyysit ovat perusteltavissa komponentin poikkeuksellisen korkealla arvolla ja prosessikriittisyydellä, tai tietyn varaosan kokonaiskysynnän käyttäytymisen tilastolliseen arviointiin, jolloin menekin kehittymisestä voidaan saada tietoa esimerkiksi valmistuksen suunnittelun tueksi.
Parhaimmillaankin varaosien kysynnän ennustettavuus on kuitenkin huono, minkä takia monesti oleellisinta on tietää mille tasolle ennustamisessa päästään ja mihin osaan epävarmuudesta pitää varautua varmuusvarastoinnilla.

Tuotteiden luokittelu

Varaosien suuret nimikemäärät ja useat varastointipisteet tekevät hallittavasta kokonaisuudesta laajan ja monimutkaisen. Jokaisen nimike- ja varastointipisteyhdistelmän säännöllinen läpikäynti manuaalisesti vaatisi kohtuuttomasti resursseja.

Perinteisesti paljon käytetty lähestymistapa ohjauksen selkeyttämiseksi on tuotteiden ABC-luokittelu. ABC-analyysi perustuu tuotteiden luokitteluun niiden euromääräisen volyymin mukaan ja ajatuksena on keskittää ohjausresurssit liikevaihdon ja katteen kannalta oleellisimpiin tuotteisiin. ABC-luokittelun soveltaminen varaosiin on kuitenkin usein ongelmallista. Hallittavien varaosien hintojen ja tuoteominaisuuksien vaihdellessa huomattavasti, ABC-luokittelu saattaa johtaa harhaan. Käytännössä kaksi kappaletta vuodessa kuluva puolimoottori ja kymmenien tuhansien kappaleiden vuosimyynnin siipimutteri menevät helposti samaan ABC-luokkaan, vaikka niitä ei kaiken järjen mukaan kannata ohjata samalla logiikalla ja samojen varastointitavoitteiden mukaisesti.

Ongelmallisista on myös varastointipäätösten tekeminen ABC-luokittelun mukaan. Kärkiluokkiin tulee monia kalliita nimikkeitä, joiden myyntivolyymit ovat kuitenkin pieniä ja heilahtelevia. Näillä kalliilla nimikkeillä on siis varastoitaessa erittäin suuri epäkuranttiusriski, eikä niitä pitäisi hankkia suin päin varastoon, mikäli on mahdollista toimia muiden jakelumallien kautta. Muutenkin tapahtumiin tai tarvekertoihin perustuva luokittelu (XYZ-luokittelu) ja ohjaaminen on loppuasiakkaan kannalta usein oleellisempaa. Tavoitteena pitäisi olla asiakastarvekertojen maksimaalinen tyydyttäminen, ei sinänsä edes tuotekohtaisesti hyvä keskimääräinen palvelutaso.

Kuten monissa muissakin tuotealueissa, varaosissa päästään luokkaperusteisesti tekemään laadukkaampia päätöksiä yhdistämällä ABC- ja XYZ-luokitteluiden ohjausvaikutus. ABC- ja XYZ-luokittelun samanaikaista käyttöä esitellään esimerkinomaisesti Taulukossa 2.

Taulukko 2. ABC- ja XYZ-luokitteluiden hyödyntäminen varaosien ohjauksessa

A B C
X Pyrkimys mahdollisimman tarkkaan ohjaukseen (kustannusarvot ja ennusteet) Yleensä varastointi. Pyrkimys tarkkaan ohjaukseen (kustannusarvot ja ennusteet) Varastointi, paitsi poikkeustapauksissa. Suuret hankintaerät.
Y Pyrkimys tarkkaan ohjaukseen (varastointipäätös, kustannusarvot ja ennusteet) Varastointi kriittisille tuotteille, muuten kustannus-perusteisesti Varastointi, paitsi poikkeustapauksissa. Suuret hankintaerät.
Z Pääsääntöisesti tilaustuotteiksi. Varastointi vain kriittisille tuotteille Varastointi kriittisille tuotteille, muuten kustannus-perusteisesti Varastointi kriittisille tuotteille, muuten kustannus-perusteisesti.

Varmuusvarastotasojen asettaminen

Nimikkeiden tehokas luokittelu tukee varastointitavoitteiden asettamista, mutta sen pohjalta ei kuitenkaan päästä käsiksi nimikekohtaisesti optimaalisiin varmuusvarastotasoihin, joihin vaikuttavat muun muassa nimikkeen kysynnän ennustettavuus, nimikkeen toimitusaika ja toimitusajan epävarmuus sekä nimikkeen epäkuranttiusriski. Varaosanimikkeiden suuren määrän takia varmuusvarastotasojen asettamiseen tarvitaan ainakin jonkin tasoista automatisointia. Jokaisen nimikkeen ohjausparametreja ei voida hallita tehokkaasti manuaalisesti. Ongelmana on, ettei varaosille yleensä pystytä luotettavasti määrittämään ohjausparametreja keskikulutuksen, ennustevirheen tai kysynnän hajontaan perustuvien laskentakaavojen kautta.

Varaosien kysyntää ei tyypillisesti kannata arvioida keskikulutuksen mukaan. Kun kysyntä koostuu vuorottelevista kysyntäpiikeistä ja olemattoman kysynnän jaksoista, keskimääräinen kulutus ei kuvaa varastointitarvetta kovinkaan hyvin. Käytännössä yksittäinen menekkipiikki voi ylittää hyvinkin pitkän ajan keskikulutuksen. Piikkien koko ja tiheys myös vaihtelee nimikkeittäin – yhdellä nimikkeellä sopiva varmuusvarasto saattaa vastata kahden kuukauden keskikulutusta, toisella sopiva taso saattaa vastata kahden vuoden keskikulutusta.

Yleisesti hyödynnetyt laskentakaavat varmuusvarastotasojen määrittämiseksi (esim. Vollman et.al., 1997) eivät myöskään sovellu kovin hyvin varaosien varmuusvarastojen asettamiseen, sillä ne perustuvat oletukseen normaalijakautuneesta kysynnästä. Varaosien kysyntä ei yleensä noudata normaalijakaumaa, vaan on hajanaista ja piikikästä. Yksittäisissä nimikkeissä, erityisesti sellaisissa jotka ovat luonteeltaan enemmän perustarvikkeita kuin varaosia (kuten hehkulamput), kysynnässä saattaa olla mukavasti volyymia ja jopa normaalijakauman mukainen käytös, mutta näiden nimikkeiden ohjaus ei pääsääntöisesti aiheutakaan merkittäviä ongelmia.

RELEXissä olemme määrittäneet hälytysrajoja ja varmuusvarastoja simuloinnin avulla. Varastontäydennyksen prosessi mallinnetaan järjestelmiin mm. toimitusviiveet ja eräkokorajoitteet huomioiden. Aitoa kysyntädataa, kaikkine luonnollisine piikkeineen, käytetään syötetietona, jonka avulla järjestelmä hakee palvelutasotavoitteet täyttävät varastotehokkaimmat ohjausparametrit automaattisesti. Näin toimitusprosessin luonne, kysynnän vaihtelu ja ennustettavuus sekä myös toteutunut toimitusajan vaihtelu voidaan huomioida parametrien optimoinnissa. Käytännössä esimerkiksi Maatalouskeskolla on tarkemman ohjauksen avulla voitu nostaa palvelutasoa merkittävästi ilman että varastoon on sitoutunut yhtään enempää pääomaa. Kun järjestelmää on hyödynnetty tehokkaasti, toimitusketjun ohjausprosessi on pystytty lisäksi hoitamaan aiempaa pienemmällä miehityksellä, mikä onkin johtanut useampien miestyövuosien säästöihin. (TIEKE, 2007)

Varastointipisteiden määrittely

Toimitusaikarajoitteet ja nimikkeiden kriittisyys pakottavat tietyn osan nimikkeistä varastoitaviksi lähellä asiakasta. Suurelle osalle nimikkeistä on kuitenkin mahdollista valita eri toimitusmalleista kustannustehokkain.

Edullisin toimitusvaihtoehto riippuu tuotteen menekistä, tuotteen arvosta sekä varastoinnin ja toimitusmallien kustannuksista. Nyrkkisääntönä voidaan pitää, että halpoja, suuren menekin tuotteita kannattaa varastoida ja kalliita, harvoin tarvittavia tuotteita tilata vain asiakastarpeeseen. Tuote- ja toimittajakohtaiset kustannukset vaihtelevat kuitenkin usein merkittävästi ja vaikuttavat näin tilannekohtaisesti tehokkaimpaan toimitusvaihtoehtoon.

Toimitusmallin valinnalla voidaan pääsääntöisesti vaikuttaa merkittävästi logistiikkakustannuksiin. Valinnassa on oleellista huomioida nimikkeen käyttökohteesta johtuva palvelutasotavoite sekä eri toimitusmallien kustannusrakenteet. Periaatteessa tarkastelu on yksinkertainen – haasteena on sen tekeminen kymmenille tuhansille tuotteille ja lukuisille toimipisteille. Käytännössä suurin ongelma on tarvittavien kustannustietojen tuottaminen ja ylläpito. Varaosien osalta epäkuranttiusriski on usein merkittävä kustannustekijä, mutta harvassa yrityksessä on tarkkaa tietoa eri tuotteiden arvioiduista elinkaarista. Lisäksi esimerkiksi toimitus- tai rivikohtaisten rahtikustannusten seurannassa on yleensä kehitettävää. Mitä tarkempaa kustannustietoa on käytettävissä, sitä parempia valintoja pystytään tekemään ja sitä suurempia säästöjä pystytään saavuttamaan. Yleensä karkeallakin datalla kuitenkin päästään lähtötilaa huomattavasti tehokkaampaan lopputulokseen.

Kustannustietojen määrittämiseen ja hallintaan käytettävä työ on tyypillisesti erittäin kannattavaa. Olemme kyenneet tuottamaan asiakkaillemme kouriintuntuvia hyötyjä kustannusperusteisella toimitusmallien valinnalla. Esimerkiksi Maatalouskeskolla suoritettiin nimiketasoinen jakeluketjutarkastelu, jossa määriteltiin mitä tuotteita kannattaa varastoida ja mitä toimittaa terminaalituotteina. Käytännössä pikarahditus- ja muissa toimituskuluissa säästetään huomattavia summia, kun varastossa on oikeita tuotteita. (GS1 Info, 2007; TIEKE, 2007.)

Yhteenveto

Varaosalogistiikan tekee haasteelliseksi nimikkeiden suuri määrä ja laaja kirjo. Nimikkeiden heterogeenisuuden takia tehokas ohjaus edellyttää nimikkeiden ja toimipisteiden yksilöllistä tarkastelua – pelkillä yleistyksillä, kuten ABC-luokittelulla, päästään harvoin hyviin tuloksiin. Nimikekohtainen ohjaus on mahdollista, mutta vaatii panostamista kysyntä- ja kustannustietojen laatuun ja tarkkuuteen sekä järjestelmätukea tuotekohtaisten analyysien ja ohjauksen toteuttamiselle.

Lähteet:

Cohen, M.A., Zheng, Y.-S., Agraval, V. (1997), ”Service parts logistics: a benchmark analysis”, IIE Transactions, Vol. 29, pp. 627-639.

Cohen, M.A., Agrawal, N., Agrawal V. (2006), “Winning in the Aftermarket”, Harvard Business Review, May 2006.

Croston J.D. (1972), Operational Research Quarterly, Vol. 23, No. 3, pp. 289-303.

Ghodrati, B., Kumar, U., (2005), ”Operating environment-based spare parts forecasting and logistics: a case study”, International Journal of Logistics: Research and Application,
Vol. 8, No. 2, pp. 95-105.

GS1 Info (2007), ”Automaattinen myymälätäydennys”, 2/2007, sivut 6-8.

TIEKE (2007), “Kysynnän ennustaminen tuo kaupalle huomattavia säästöjä”

Vollman, T.E., Berry, W.L., Whybark, D.C. (1997), “Manufacturing planning and control”, 4. painos, pp. 708-709.

Kirjoittajat:

Artikkelin kirjoittajat TkT Mikko Kärkkäinen ja TkT Johanna Småros työskentelevät RELEX Oy:ssä. Mikolla on vankka kokemus varaosien hallinnasta sekä varastoinnin ja jakelun kustannusmallinnuksesta. Johannan osaamisalueita ovat muun muassa kysynnän hallinta ja operatiivisten prosessien kehitys.

Retail Logistics Excellence – RELEX Oy tarjoaa asiantuntijapalveluita ja ohjelmistotuotteita toimitusketjujen ja erityisesti tuotetäydennysprosessin tehostamiseen. RELEXin ratkaisut perustuvat nimikkeiden ja toimipisteiden käsittelemiseen yksilöinä – sellaisissakin tapauksissa joissa ohjattavien yhdistelmien määrä nousee satoihin tuhansiin, jopa miljooniin.