保障效率--有用的工具RSPL.docx

悻山说：航材故事会系列之有用的工具RSPL”航空器材供应链的预测和管理，与其他行业相比较，其复杂程度和困难程度都是指数级的升高。原因是数量小（相对于汽车和日用品），品种太多。所以做起预测来，有时会无迹可寻。但我们同时会有一个非常有用的工具RSPL（RecommendedSparePartsList）推荐零件清单，在很多情况下可以帮到我们。在RSPL中，一项最重要的参数是MTBUR（MeanTimeBetweenUnscheduledRemoval）,即零件的平均无故障时间。就像是卖衣服的告诉你一件衣服大约穿多久就会破损，方便你预先知道什么时候改添置新衣服了。比如，737主电瓶是5000小时，737的飞控计算机是25000小时。知道了自己的飞机一年一共飞多少小时，就能大致算出所需要的备件数（或者周转数）。当然还要把修理周期等等因素考虑进去。需要说明的是，这并不是说零件过了这个时间才会坏，而是在这个时间内任何内任何时间点都可能出现（一次）故障。因此，有很多零件是需要事先准备好的。与单纯从市场入手做预测，RSPL的逻辑已经给出了一个数学上的判断，这就比“拍脑袋''做的计划科学的多了！那么这个MTBUR是怎么得来的呢？大量的情况是主机厂基于飞机的整体可靠性，在设计时就提出的，并且根据厂家的制造情况修正为一个厂家和市场都认可的数值。这个数值在大数据的统计下是相对准确的，但是在局部某个航空公司看来，则会有各种各样的差异。比如，总是飞高原航线的飞机的动力装置的寿命总是要低一些，总是飞沿海航线的机身遭遇的腐蚀总是要多一些等等。如果你发现这个数值不准，向主机厂或者制造厂提出修改MTBUR是否可以呢？可以。但除非你的数值与原始数值相差很大，否则是不会得到响应的。即使得到响应，主机厂和厂家也必须在全球范围收集更多的数据来支持修改，否则还是会维持原有数据。MTBUR定义得比实际值低，会造成超量采购和冗余，反之则会造成零件短缺和AOGo所以，通过RSPL计算得到的数据，是个理论值，是个订货的方向，具体订多少，什么时候订，还是要具体问题具体分析。需要考虑的因素包括：订购时的交货期，自身修理能力和修理周期，外委修理周期，仓库布局和分布拜访的策略等等。那么，如何解决按照RSPL的计算来订货但没有使用而造成的资金的损失呢？换句话说，你推荐我买了那么多东西却用不上，是不是能让我退货呢？根据客户的要求，目前很多厂家都开始接受这一所谓“BuyBack”回购条款，同时带有非常苛刻的附加条件。例如，必须全额按照RSPL的计算采购的数量，并全部没有使用，才能享受回购待遇。换句话说，如果RSPL推荐你买4个，你只买了3个，是不能退的。只能是买了4个，并且退回时4个全部未使用，才能退回。不能只退3个。在我处理过的有限次数的回购案例中，如果按金额来算，RSPL的推荐的确是大大超出了实际使用的需求。但我并不认为退货或者回购是最合理的解决方案。首先，退货的时机都是飞机交付数年年以后，也就是飞机基本结束保修的时候。以前在保修期内没有坏的零件该开始出故障了，此时退货可能就没有零件保障了（必须全退）。其次，经过几年，零件的市场价早已超过了当时的采购价，如果此时再买回来替换故障件，将付出更大的代价。第三，退货时以前付过的运费和关税是不能退回的。当然，退货回购对于一些航司减库存，轻资产的要求，还是有帮助的。前面说的，都是RSPL对于采购方的作用，其实对于航空器材的销售方，RSPL同样有用。当把一个航司集团，一个国家的所有航司，甚至全球的航司统一起来看时，用RSPL的逻辑可以推算出某个零件全球范围的实际需求。首先可以以销定产。对于原料的采购，上游供应链的管理，直至制造周期的把控，都是相对有的放矢的。在销售端，可以比较精准地布置销售任务。比如，就像前面说过的737的飞行数据计算机，推算出的全国的年更新量，基本没有根本的错误，只是具体采购时机点有偏差。更大一些的部件，比如QEC,比如起落架，预测得都非常精准。显然，RSPL将一个更杂的逻辑简化得可操作，虽然实际数值是需要修正的，但大趋势是准确的。如果计算时将所有变量都精准化，得出的数据也是足够精准的.在OPPland举办的航材论坛上，非常欣喜地听到我们国家自己的大飞机在这方面已有了长足进步，不仅是ARJ21和C919,就连CR929的MTUBUR也已开始逐步完善了。如此，当这些基础数据和基础工具都得到充分完善和应用时，相信我们对供应链的把控和售后服务也会上一个更高的台阶！