Letalska in vesoljska industrija: optimizacija razvojnih programov, proizvodnih zmogljivosti, infrastrukture za vzdrževanje in posodobitev flote z umetno inteligenco
Dodeljevanje kapitala od določanja prednostnih nalog do matematične optimizacije
Podjetja običajno določajo prednostne projekte na podlagi poslovnih primerov, razvrstitev in odločitev odbora. Ta pristop se zdi racionalen, vendar ne upošteva celotnega prostora odločanja.
Že za 30 projektov obstaja več kot milijarda možnih kombinacij portfelja, za 50 projektov pa več kot 1 kvadrilijon. Tradicionalne metode ne morejo v celoti oceniti tega prostora. Izberejo verjetne rešitve, ki pa niso nujno optimalne.
Umetna inteligenca za optimizacijo portfelja projektov izračuna optimalni portfelj projektov v skladu z vašimi dejanskimi omejitvami - vključno s proračunom, viri, tveganjem in strateškimi smernicami. Rezultat je razumljiva, matematično utemeljena podlaga za odločanje o dodeljevanju kapitala.
Za nosilce odločanja to pomeni strukturno razliko: odločitve ne temeljijo več na približkih, temveč na izračunani optimizaciji.
Izhodišče: popoln seznam naložb pred dejansko odločitvijo
Odločilna razlika te nove metode izračuna je v času uporabe: ne uporablja se za potrjevanje po sprejetju odločitve, temveč pred dejansko odločitvijo, in sicer na podlagi popolnega seznama naložb in projektov podjetja.
Običajno obstaja seznam potencialnih projektov CAPEX - npr. posodobitve obratov, preoblikovanje IT, razvoj izdelkov, Infrastrukturni ukrepi ali programi učinkovitosti. Hkrati obstajajo fiksne omejitve, kot so omejen skupni proračun, omejene inženirske zmogljivosti, Proizvodna okna, proračuni tveganja in strateški okvirni pogoji.
Prav tu se pojavi pravi problem odločanja: vseh projektov ni mogoče uresničiti. Vprašanje torej ni kateri projekti se zdijo smiselni ločeno, temveč katera kombinacija teh projektov tvori globalno optimalni celotni portfelj ob danih omejitvah.
Nova metoda izračuna zato ne ocenjuje posameznih projektov ločeno, temveč izračuna na podlagi celotnega seznama projektov optimalni portfelj, pri čemer upošteva vse omejitve glede proračuna, zmogljivosti, tveganja in strategije. Rezultat je matematično utemeljen Rezultat je matematično utemeljen izbor tistih projektov, ki skupaj ustvarjajo največji prispevek k skupni vrednosti - še preden je sprejeta dejanska odločitev o naložbi. Odstopanja od izračunanega optimalnega izhodiščnega položaja se izvajajo z jasno vidnostjo nastalih oportunitetnih stroškov in njihovega merljivega vpliva na skupno vrednost portfelja.
S tem se načrtovanje CAPEX iz zaporednega postopka izbire spremeni v dosledno optimizacijo portfelja, pri kateri se v celoti upoštevajo oportunitetni stroški, ozka grla omejitev in učinki portfelja.
Projekti ne izginejo, temveč so bolje umeščeni in optimalno načrtovani za več let
V matematično optimiziranem naložbenem sistemu se projekti ne zavržejo. Namesto tega se spremenijo prioritete, preložijo ali strateško prerazporedijo, tako, da v optimalnem času in ob danih proračunskih, zmogljivostnih in tveganih omejitvah prispevajo največji ekonomski prispevek k celotnemu portfelju maksimizirajo svoj ekonomski prispevek k celotnemu portfelju.
Pri tem je odločilna večletna perspektiva. Naložbene odločitve se ne sprejemajo ločeno za posamezno leto, temveč se optimizirajo v okviru dvo-, tri-, pet- ali desetletnih načrtov.
Likvidnost, ustvarjena z optimizacijo v začetnem letu, se sistematično prenese v naslednje leto leto. S tem se poveča razpoložljivi naložbeni proračun za naslednje obdobje. To naslednje leto se nato prav tako ponovno optimizira.
Učinek: projekte je mogoče dodati takoj, ko se pod novimi pogoji glede proračuna, zmogljivosti in donosnosti prilegajo globalno optimiziranemu portfelju, Pogoji zmogljivosti in donosnosti ustrezajo globalno optimiziranemu portfelju. To ustvarja dinamično večletno optimizacijo, v kateri je vsako obdobje optimizacije Obdobje optimizacije strukturno izboljša naložbene priložnosti za naslednja leta.
Primer letalskega in vesoljskega sektorja:
10 projektov. Fiksni proračun: 850 milijonov EUR. Skupni stroški naložb: 2088 milijonov EUR.
Od matematičnega modela do praktične uporabe
Logika optimizacije se lahko uporablja v vseh panogah in jo je mogoče uporabiti za dejanske naložbe, CAPEX, raziskave in razvoj ter infrastrukturne portfelje. Odločilni dejavnik ni vrsta projekta, temveč struktura odločitve: omejeni viri, konkurenčne možnosti in jasne omejitve.
Hkrati je bila arhitektura sistema dosledno zasnovana za zmanjšanje količine podatkov in njihovo zaupnost. Za izračun so potrebni le numerični parametri projekta. Opisi vsebine, strateški dokumenti ali pripovedi o posameznih projektih niso niti zahtevani niti jih ni mogoče razlagati.
V nadaljevanju si lahko ogledate posebne primere uporabe in osnovno arhitekturo za zaščito in minimizacijo podatkov.
Povzetek
Letalska in vesoljska industrija je eno od kapitalsko najbolj intenzivnih in dolgoročnih naložbenih področij v svetovnem gospodarstvu.
Razvoj novih letalskih platform, motorjev, satelitskih sistemov ali vzdrževalnih infrastruktur zahteva milijardne naložbe z obdobjem načrtovanja od 10 do 40 let.
Gospodarskega uspeha ne določajo posamezni programi, temveč matematična optimalnost celotnega naložbenega portfelja ob upoštevanju dejanskih proračunskih, zmogljivostnih, tveganih in regulativnih omejitev.
Strateški izziv je kombinatoričen: z le nekaj deset potencialnimi razvojnimi, proizvodnimi in infrastrukturnimi projekti nastane eksponentno naraščajoč prostor odločanja, ki ga z običajnimi postopki odločanja ni mogoče v celoti analizirati.
Umetna inteligenca za optimizacijo portfelja projektov prvič omogoča sistematičen izračun globalno optimalnega naložbenega portfelja, kar spreminja arhitekturo odločanja v letalski in vesoljski industriji od hevrističnega načrtovanja do matematično optimalnega razporejanja kapitala.
1. Aeronavtična podjetja kot kombinatorični sistemi za razporejanje kapitala
Proizvajalci originalne opreme, proizvajalci motorjev, letalska in vesoljska podjetja ter letalske družbe delujejo pod več hkratnimi omejitvami:
- Dolgoročni proračuni CAPEX za razvojne programe in infrastrukturo
- Inženirske zmogljivosti na področju aerodinamike, strukturne mehanike, programske opreme in avionike
- Proizvodne zmogljivosti v tovarnah in mrežah dobaviteljev
- Zahteve regulativnih organov po certificiranju
- Strategije za posodobitev flote
- Infrastruktura za vzdrževanje, popravila in remont (MRO)
- Omejitve tehnološkega načrta
Formalno je to problem kombinatorične optimizacije z omejitvami.
Recimo, da podjetje ocenjuje N potencialnih naložbenih programov:
- Razvoj novega modela letala
- Posodobitev obstoječih platform
- Izgradnja novih proizvodnih linij
- Naložbe v avtomatizirano proizvodnjo
- Razširitev zmogljivosti za vzdrževanje in storitve
- Razvoj novih generacij motorjev
- Satelitski programi ali vesoljske platforme
Vsak projekt ima merljive parametre:
- Pričakovani gospodarski prispevek (Ri)
- Investicijski stroški (Ci)
- Tehnološko in regulativno tveganje (σi)
- Strateški prispevek k dolgoročnemu načrtu (Si)
- Zahteve po inženirskih in proizvodnih virih
Cilj je izbrati optimalno kombinacijo projektov:
max Σ Ri xi
s.t. Σ Ci xi ≤ Proračun
xi ∈ {0,1}
2. Kombinatorična realnost v letalskih in vesoljskih programih
Obstaja že 40 potencialnih programov:
2⁴⁰ = 1 099 511 627 776 možnih portfeljev
S 60 programi:
2⁶⁰ = 1 152 921 504 606 846 976 možnih kombinacij
Ta velikostni red bistveno presega zmožnosti analize klasičnih postopkov odločanja.
V praksi odločanje običajno temelji na
- posameznih ocenah poslovnega primera
- krogih določanja strateških prednostnih nalog
- Postopkih dodeljevanja sredstev na podlagi proračuna
- postopno načrtovanje na podlagi obstoječih programov
Te metode se približujejo optimumu - ne izračunavajo ga.
3. Tipične naložbene odločitve v letalski industriji
Primer 1: Razvoj nove letalske platforme
Proizvajalec se mora odločiti
- Razvoj popolnoma nove platforme: 12 milijard EUR
- Nadaljnji razvoj obstoječe platforme: 4 milijarde EUR
- Hibridna strategija z modularnimi posodobitvami
Ta odločitev ima dolgoročni učinek:
- Proizvodni stroški v desetletjih
- Konkurenčnost na trgu
- Stroški poslovanja za letalske družbe
- prihodnja tehnološka razširljivost
Primer 2: Razširitev proizvodne zmogljivosti
Možnosti:
- Razširitev obstoječih proizvodnih obratov
- Novogradnja visoko avtomatiziranih proizvodnih obratov
- Oddajo v zunanje izvajanje dobaviteljem
Ta odločitev vpliva na
- Zmogljivost proizvodnje
- Strukturo stroškov na enoto
- Dobavne roke
- dolgoročno razširljivost
Primer 3: Infrastruktura za vzdrževanje in storitve (MRO)
Možnosti naložb:
- Izgradnja novih centrov za vzdrževanje
- Avtomatizacija obstoječe infrastrukture
- Partnerstva s ponudniki storitev
Te odločitve imajo dolgoročni učinek:
- Prihodki od storitev
- Razpoložljivost voznega parka
- Strukturo stroškov življenjskega cikla
Primer 4: Posodobitev flote za letalske družbe
Letalski prevoznik se mora odločiti:
- Nadaljnje obratovanje obstoječe flote
- Posodobitev obstoječih zrakoplovov
- Zamenjava z novimi generacijami
Te odločitve vplivajo na
- Stroške poslovanja v desetletjih
- Učinkovitost goriva
- Stroške vzdrževanja
- Kapitalsko strukturo
4. Sistemske soodvisnosti med programi
Investicijski programi v letalski in vesoljski industriji so zelo soodvisni:
- Nove platforme zahtevajo nove proizvodne zmogljivosti
- Proizvodne zmogljivosti določajo dobavno sposobnost
- Storitvena infrastruktura vpliva na prodajo v življenjskem ciklu
- Tehnološke odločitve vplivajo na prihodnje razvojne možnosti
Iz tega sledi:
Vrednost portfelja ≠ vsota posameznih programskih odločitev
Vendar:
Vrednost portfelja = f(soodvisnosti, omejitve, dolgoročni načrt)
5. Matematični temelj umetne inteligence za optimizacijo portfelja
Formalno je to binarni celoštevilski problem optimizacije:
max Rᵀx
s.t. Ax ≤ b
x ∈ {0,1}
Z:
- x = izbor programov
- R = gospodarski prispevek
- A = matrika omejitev (proračun, zmogljivost, inženiring, regulativne omejitve)
- b = omejitve
Ta struktura omogoča natančno modeliranje dejanskih naložbenih odločitev v letalski in vesoljski industriji.
6. Konkretni primeri uporabe umetne inteligence za optimizacijo portfelja v letalski in vesoljski industriji
Proizvajalec zrakoplovov (OEM)
- Optimalno določanje prednostnih nalog razvojnih programov
- Optimizacija proizvodne mreže
- Optimizacija tehnološkega načrta
Proizvajalci motorjev
- Optimalna razporeditev naložb v raziskave in razvoj
- Načrtovanje proizvodnih zmogljivosti
- Načrtovanje infrastrukture za storitve v življenjskem ciklu
Letalski prevozniki
- Optimalna strategija posodabljanja flote
- Optimalno načrtovanje naložb v desetletjih
- Zmanjšanje stroškov življenjskega cikla
Vesoljska podjetja
- Določitev prednostnih nalog satelitskih programov
- Optimizacija izstrelitvenih zmogljivosti
- Dolgoročno načrtovanje infrastrukture
7. Gospodarski učinek in vrednost podjetja
Običajni obseg naložb znaša:
5 do 20 milijard EUR na leto
izboljšanje optimizacije portfelja le za
5 %
privede do dodatne dodane vrednosti v višini:
eUR na leto
V celotnem življenjskem ciklu letalskih in vesoljskih programov to pomeni več milijard evrov dodatne vrednosti podjetja.
8. Preoblikovanje upravljanja z matematično optimizacijo odločitev
Umetna inteligenca za optimizacijo portfelja preoblikuje procese odločanja od:
- hevrističnega določanja prednostnih nalog
- postopnega načrtovanja
- političnega odločanja
Na:
- matematično optimizirani razporeditvi naložb
- popolna preglednost oportunitetnih stroškov
- sistematično maksimiranje dolgoročne vrednosti podjetja
Zaključek
Letalska in vesoljska industrija deluje v enem najbolj zapletenih naložbenih okolij v svetovnem gospodarstvu.
Optimizacija portfelja, ki jo podpira umetna inteligenca, prvič omogoča sistematičen izračun globalno optimalnega naložbenega portfelja v okviru resničnih industrijskih omejitev.
To pomeni prehod od hevrističnega odločanja k matematično optimiziranemu strateškemu upravljanju v letalski in vesoljski industriji.