Спрос на запасные части: Спрос на запчасти для сельхозтехники

Содержание

Спрос на запчасти для сельхозтехники

24 окт. Куплю редуктор Герингоф 501505 (5501660) ИП Каблучко Ирина Витальевна
24 окт. Куплю запчасти к роторным комбайнам John Deere ИП Каблучко Ирина Витальевна
24 окт. Ищем поставщика запасных частей Джон Дир ИП Каблучко Ирина Витальевна
24 окт. Gaspardo запчасти Гаспардо технику ООО «СХЗЧЕРНОЗЕМЬЯ»
24 окт. Kverneland запчасти Квернеланд технику ООО «СХЗЧЕРНОЗЕМЬЯ»
24 окт. Geringhoff запчасти Герингоф технику Герингофф или Герингхофф ООО «СХЗЧЕРНОЗЕМЬЯ»
24 окт. Куплю запчасти Джон дир Дмитрий
24 окт. Купим запчасти герингофф geringhoff Дмитрий
24 окт.
Запчасти холмер holmer
Дмитрий
24 окт. Куплю гидромоторы, гидронасосы Новые и б/у от спецтехники ДОРОГО ООО «СХ-ГИДРАВЛИКА»
24 окт. Насос-дозатор Д100-14.20-02 ООО «ЗУБР»
24 окт. Запчасти джон дир ООО «АВРОРА АГРО ПАРТС»
24 окт. SE501747 ГБЦ JD ООО «АВРОРА АГРО ПАРТС»
24 окт. Щиток приборов К-744Р2 ООО «НАША ТЕХНИКА»
24 окт. Клапан 700.13.15.000 ООО «НАША ТЕХНИКА»
24 окт. Насос ручной подкачки топлива РНМ-1КУ ООО «НАША ТЕХНИКА»
24 окт. Запасные части на технику Case New Holland, Flexi-Coil Ильдар
24 окт. Запчасти для опрыскивателей ООО «УРАЛТОРГ»
24 окт. Куплю запасные части на свеклоуборочный комбайн, ХОЛМЕР Т2,Т3,Т4 РОПА. (новые и Б/У) Юрий
24 окт. Куплю КПП Кировец К-700А ИП Земцов Иван Геннадьевич
24 окт. Куплю КПП Т-150 под ремонт ИП Земцов Иван Геннадьевич
24 окт. ГТР К-702, КПП К-702 ИП Земцов Иван Геннадьевич
24 окт. Куплю для сеялки KUHN Fastliner Юрий Валентинович
24 окт. Куплю запчасти Valtra, Fendt, Massey, Ferguson, Chellenger, новые и БУ Остатки складов ООО «ЗАПАДНО-ВОСТОЧНАЯ ТОРГОВАЯ КОМПАНИЯ»
24 окт. Ассортимент запчастей для сельхозтехники ООО «ЕВРОСТАЛЬ»
24 окт. Двигатель Kubota D722 ООО «ЗОЛОТАЯ НИВА»
24 окт. Куплю радиатор на ДТ-54 ООО «ЗОЛОТАЯ НИВА»
24 окт.
Цепь мысовая ПЗС 03.030 жатки ООО ДОН-СИНТЕЗ
24 окт. Куплю запчасти к комбайнам производства КЗ «Ростсельмаш» — ДОН-1500А/Б, НИВА, АКРОС, ВЕКТОР ООО ДОН-СИНТЕЗ
22 окт. Куплю запчасти JOHN DEERE Джон Дир ИП Нейлик Андрей Сергеевич
22 окт. Закупаем ножи Geringhoff ООО «Ойл Склад»
20 окт. 3518020-43020 КПП ДОН ООО «ЮГ-ЖИЛЬЁ СЕРВИС»
20 окт. 0092 095 037 б/у БОРТОВОЙ РЕДУКТОР ZF ООО «ЮГ-ЖИЛЬЁ СЕРВИС»
20 окт. 10.01.18.060 вариаторы б/у ООО «ЮГ-ЖИЛЬЁ СЕРВИС»
20 окт. Квернеланд запчасти AC819258 ООО «БРИЗ»
20 окт. Alpler запчасти ООО «БРИЗ»
18 окт. Куплю запчасти Claas. Наличка Алик
18 окт. Куплю запчасти на Комбайны Claas Tucano,Mega,наличка Алик
18 окт. Куплю запчасти для тракторов Buhler Versatile ООО «ГРИНЕР»
15 окт. Запчасти claas ИП Дроган Александр Геннадьевич
14 окт. Спрос на коленвал ЯМЗ 240 Александр
14 окт. Куплю кпп т 150 хтз Александр
14 окт. Куплю на кировец коробку к 700, к 744 Александр
14 окт. Ищем поставщиков запчастей John Deere Николай
14 окт. Покупаем запчасти John Deere Николай
14 окт. Мультипликатор КЗК-12-0114000 и КЗК-12-0114000-01 ООО «СЕЛЬХОЗТОРГ71»
14 окт. Запчасти Палессе 1218 ООО «СЕЛЬХОЗТОРГ71»
14 окт. Шкив мкш — 3518050-11075.вал мкш-3518050-16452 ООО «СЕЛЬХОЗТОРГ71»
14 окт. Куплю неликвид Рукав напорные ремни клиновые Тигран
7 окт. Запчасти на комбайн ООО «Л-АГРО»

Спрос на запчасти в России в 2020 году вырос на четверть

В 2020 году россияне стали на 25% чаще интересоваться автомобильными запчастями. Наибольшим спросом пользуются тормоза, стекла, аккумуляторы и расходные материалы для ТО. При этом цена на запчасти выросла на 20-25%. Падение реальных доходов вынудило россиян отказаться от запланированной продажи автомобиля и увеличить пробеги, что и подстегнуло спрос на комплектующие, полагают эксперты.

Россияне стали чаще интересоваться покупкой автозапчастей, следует из аналитических данных сервиса Avito, предоставленных «Газете.Ru». Интерес к объявлениям о продаже автозапчастей вырос с января по август 2020 года на четверть в сравнении с аналогичным периодом прошлого года.

Больше всего автомобилистов интересуют детали тормозной системы, спрос на них вырос на 50,2% в сравнении с прошлым годом. Далее по убыванию в популярности запросов следуют аккумуляторы (рост на 45,4%), система охлаждения (43,2%), стекла (42,2%), топливная и выхлопная системы (40,2%), рулевое управление (39,4%), запчасти для ТО (38,6%), элементы салона (38,4%), подвеска (38,1%), электрооборудование (34,6%), трансмиссия и приводы (32,7%), автосвет (31,6%), двигатели (30,5%), кузов (25,2%).

Аналогичный тренд отмечают эксперты сервиса «Яндекс.Маркет», по их данным, в августе и в первой половине сентября спрос на автозапчасти вырос на 20% в сравнении с тем же периодом прошлого года.

«Несмотря на снижение интереса к категории автотоваров во время режима самоизоляции, уже к концу апреля спрос вернулся на прошлогодний уровень и остактся стабильным.

В то же время к августу интерес к некоторым типам автомобильных товаров даже превысил показатели 2019 года.

Это может быть связано с тем, что после снятия ограничительных мер россияне стали больше пользоваться личным транспортом и, соответственно, чаще покупать автозапчасти и другие товары», — сообщили «Газете.Ru» в пресс-службе сервиса «Яндекс.Маркет».

Цены на запчасти корректируются постоянно, происходит их традиционная индексация, что-то дорожает, а некоторые детали, наоборот, дешевеют, отмечает директор по сервису и запасным частям дилерского центра «Авилон.Hyundai» Павел Соломкин. Изменение стоимости, по его словам, зависит от повышения цен на новые автомобили и инфляции.

«Кризис, конечно, отразился и на возможностях автовладельцев по ремонту автомобилей.

Мы отмечаем, что снизился средний чек ремонтных работ, люди стали меньше внимания уделять техническому состоянию своего автомобиля»,

— рассказал корреспонденту «Газеты.Ru» Соломкин.

Официальные дилеры пока не видят у клиентов явной тенденции по смещению спроса в сторону неоригинальных или восстановленных запчастей. Процент использования таких запчастей автовладельцами остается примерно на том же уровне, что и всегда, уверен Соломкин.

Авторизованные станции, в свою очередь, фиксируют рост стоимости автомобильных запчастей, почти все детали покупаются за валюту, из-за этого ослабший рубль вносит свои коррективы, обратила внимание сооснователь сети умных автосервисов «Вилгуд» Барно Турсунова.

«В среднем в зависимости от позиции цены выросли на 10-20%. Основное влияние на рост оказало ослабление рубля и повышение курса доллара и евро. Еще одним триггером стало падение спроса на новые автомобили из-за экономических последствий пандемии — многим автовладельцам сейчас выгоднее чинить действующую технику», — уточнила в беседе с «Газетой.Ru» Турсунова.

По оценкам аналитического агентства «Автостат», по ситуации на начало августа 2020 года возраст автомобиля в России в среднем составил 13,6 года, при том, что за аналогичный период прошлого года этот показатель составлял 13,4 года. В 2011 году автопарк в стране был еще моложе — 11,9 года.

Более 30 млн автомобилистов России владеют машинам старше 10 лет, а старение автопарка ведет к увеличению потребности в запчастях, напоминает Турсунова.

За 8 месяцев 2020 года россияне купили 880,2 тысячи автомобилей, что на 17% меньше, чем в январе-августе прошлого года, свидетельствует отчет комитета автопроизводителей Ассоциации европейского бизнеса в России. Пандемия, падение рубля и общая стагнация в экономике отпугнули россиян от покупки новых авто, из-за этого они увеличивают пробеги на своих старых машинах, что в перспективе приведет к значительному росту спроса на запчасти, считает автоэксперт Сергей Ифанов.

И если официальные дилеры фиксируют спад клиентской активности, то у неофициальных станций идет рост. В III квартале этого года (в сравнении с АППГ) средний чек авторемонта вырос на 13%, наполнение в часах в заказ-наряде увеличилось на 8%, а стоимость нормо-часа выросла на 3,5%, отмечает Барно Турсунова из «Вилгуд».

«Увеличение среднего чека и других показателей мы связываем с тем, что люди стали более внимательно подходить к ремонту машин, так как в условиях распространения коронавируса личный автомобиль остается наиболее безопасным средством для передвижения», — заключила она.

Анализ спроса на запчасти

Группа агрегатов

Доля в общем спросе, %

Узлы и детали

Спрос внутри групп. %

Электрообо­рудование

23,0

Генератор

Система зажигания

Система освещения

Указатели поворотов

Система запуска

43,3

21,7

15,3

11,4

8,3

Итого

100,0

Кузов

20,3

Оперение

56,0

Детали кузова

29,9

Стекла

13,4

Внутренние детали

0,7

Итого

100,0

Механиче-

56,7

Подвеска и колеса

15,9

ская часть

Сцепление

13,5

Основные части двигателя

11,6

Тормоза

11,4

Система распределения

10,5

Система выпуска газов

6,7

Полуоси

6,5

Система охлаждения

5,5

Коробка передач

5,4

Система смазки

4,5

Система питания

4,1

Дифференциал

1,6

Электроарматура

1,3

Рулевое управление

1,1

Карданная передача

0,4

Итого

100,0

При анализе статистических данных выявляют соотноше­ния между количеством машин данной модели в исследуемом районе и количеством ремонтов, номенклатурой и количест­вом заказанных в течение года запасных частей, а также их стоимостью и весом. Полученные в результате анализа данные помогают выяснить средний спрос, частоту замены детали и среднюю величину расходов владельцев машин на их содер­жание.

В целях подчинения производства запасных частей услови­ям сбыта практикуется именно анализ спроса, а не фактиче­ских продаж, т.е. ведется учет и анализ как выполненного, так и неудовлетворенного спроса.

Наиболее совершенными считаются компьютерные про­граммы анализа, обеспечивающие получение данных статистики, анализов и прогнозов по каждому наименованию дета­лей в различных аспектах.

Отобранная и систематизированная информация, получен­ная при анализе спроса, служит базой для планирования про­изводства и поставок, управления запасами в сети распределе­ния и сбыта. Чтобы сконцентрировать основное внимание на тех деталях, которые чаще продаются и дают основную долю объема сбыта, данные о сбыте и прибылях разбивают по груп­пам деталей, выделенным в результате анализа спроса.

Известное «Правило Паретто» гласит, что если компания предлагает широкий ассортимент продукции, то обычно 80% всего объема продаж приходится на 20% наименований но­менклатуры товаров. На рынке автозапчастей это правило становиться еще более жестким — на 5% всей номенклатуры запчастей приходится 50-70% всего объема продаж. Именно на эти 5% товарных позиций и следует делать акцент.

Разделение номенклатуры запасных частей на группы по степени спроса выполняется по установленным критериям на основании анализа статистики продаж деталей за ряд лет. Компания «Volkswagen» делит номенклатуру на десять групп, по основным системам устройства автомобиля.

Известный каталог «aftermarket» — ТесDос делит весь ас­сортимент запчастей на шестнадцать продуктовых групп:

1) кузов;

2) мотор;

3) привод;

4) фильтры;

5)стеклоочистители;

6) топливная система;

7) подвеска;

8) тормозная система;

9) система выпуска;

10) система охлаждения;

11) рулевое управление;

12) внутренняя отделка;

13) освещение;

14) электрика;

15) система зажигания;

16) дополнительное оборудование.

Каждая группа может быть, в свою очередь, детализирова­на на составляющие.

Деление номенклатуры компании «Renault» на четыре группы показано в табл. 2.2.

Таблица 2.2.

Спрос на запчасти и на услуги ремонта в 2020 году вырос

Согласно данным Авито Авто, по итогам 2020 года в России заметно вырос спрос на автозапчасти и услуги ремонта автомобилей. Покупкой автозапчастей на Авито Авто в ушедшем году интересовались на 24,9% активнее, чем в 2019 году, а услугами авторемонта – на 73%. Как отмечают эксперты Авито Авто, столь значительный рост спроса на комплектующие отчасти объясняется переориентацией покупателей на вторичный авторынок на фоне пандемии коронавируса и валютных колебаний.

Предложение по продаже автозапчастей также демонстрирует по итогам года положительную динамику: рост в сравнении с 2019 годом составил 16,1%. А предлагать услуги по ремонту автомобилей на Авито Авто в 2020 году стали на 28,9% чаще, чем годом ранее.

«В 2020 году россияне при покупке автомобилей чаще делали выбор в пользу вторичного авторынка. По данным Автостат, весной соотношение сделок по покупке подержанных и новых автомобилей впервые в истории российского авторынка достигло 5 к 1. На этом фоне произошел рост спроса на ремонтные работы и автозапчасти. Кроме того, активность в этих сегментах подстегивает и то, что водители, отказавшиеся от покупки автомобиля из-за роста цен или по иным причинам, инвестируют в ремонт уже имеющегося транспортного средства», – рассказывает Александр Куроптев, руководитель категории «Запчасти и аксессуары» в Авито Авто.

Активнее всего россияне интересуются услугами по ремонту двигателя, автоэлектрике, а также ремонту и покраске кузова автомобиля. Соответствующие поисковые запросы стали наиболее распространенными в категории «Автосервис» на Авито Авто в 2020 году.

При этом, по данным Авито Авто, интерес к покупке битых автомобилей на запчасти в России снизился в 2020 году на 21,4%. Снижение наблюдается практически во всех крупных городах страны. Однако в Барнауле, Воронеже, Красноярске и Новосибирске при этом наблюдается противоположный тренд. В этих городах покупкой автомобиля на запчасти, напротив, интересовались активнее, чем в 2019 году – на 30%, 79%, 18% и 10% соответственно.

Спрос на какие автозапчасти растет активнее всего

По итогам 2020 года заметнее всего увеличился спрос на комплектующие для ремонта кузова. Покупкой кузова целиком интересовались на 75% активнее, чем год назад, спрос на элементы кузова вырос на 64,3%, на пороги для кузова – на 56,1%.

Покупательский интерес к комплектующим для тормозных систем вырос на 52,4%, а к прокладкам и ремкомплектам для двигателей – на 51%.

Топ категорий запчастей по росту спроса в 2020 г., Авито Авто, Вся Россия

ТипРост спросаСредняя цена (руб)Изменение цены

Кузов/Кузов целиком

75,0%

10 000

0,0%

Кузов/Кузов по частям

64,3%

2 000

0,0%

Кузов/ Пороги

56,1%

2 500

-10,7%

Тормозная система

52,4%

1 500

7,1%

Двигатель/ Прокладки и ремкомплекты

51,0%

1 000

25,0%

Аккумуляторы

49,2%

3 600

2,9%

Система охлаждения

46,7%

2 000

0,0%

Двигатель/Ремни, цепи, элементы ГРМ

46,5%

1 500

15,4%

Двигатель/ Клапанная крышка

45,0%

1 500

0,0%

Стекла

44,8%

1 500

0,0%

Салон

43,6%

1 500

0,0%

Двигатель/Поршни, шатуны, кольца

43,1%

1 700

13,3%

Запчасти для ТО

43,0%

1 000

0,0%

Рулевое управление

42,7%

2 500

0,0%

Топливная и выхлопная системы

41,9%

2 000

0,0%

Кузов/ Кабина

41,5%

2 000

0,0%

Кузов/ Защита

41,2%

1 400

7,7%

Подвеска

40,2%

1 900

11,8%

Кузов/ Замки

40,1%

1 200

20,0%

Двигатель/ Крепление двигателя

38,6%

1 000

0,0%

Кузов/ Крепления

38,3%

1 000

0,0%

Автосвет

38,3%

2 300

9,5%

Кузов/ Крыша

38,1%

4 500

0,0%

Электрооборудование

37,7%

2 000

0,1%

Двигатель/ Генераторы, стартеры

37,3%

3 000

0,0%

Кузов/ Стойка кузова

37,0%

2 500

0,0%

Двигатель/ Двигатель в сборе

36,8%

15 000

50,0%

Трансмиссия и привод

36,7%

4 000

0,0%

Двигатель/ Приводные ремни, натяжители

35,3%

1 000

0,0%

Двигатель/ Масляный насос, система смазки

34,5%

1 800

20,0%

Кузов/ Капот

33,9%

5 000

0,0%

Двигатель/ Коленвал, маховик

33,8%

2 000

-20,0%

Кузов/ Брызговики

33,1%

980

8,9%

Кузов/ Рама

32,9%

3 000

-3,2%

Двигатель/ Катушка зажигания, свечи, электрика

32,5%

1 500

0,0%

Кузов/ Крышка, дверь багажника

32,2%

4 000

0,0%

Двигатель/ Блок цилиндров, головка, картер

31,9%

5 000

0,0%

Кузов/ Молдинги, накладки

31,0%

1 250

13,6%

Кузов/ Двери

30,9%

4 000

0,0%

Кузов/ Крылья

30,4%

2 800

3,7%

Кузов/ Заглушки

29,6%

600

0,0%

Кузов/ Балки, лонжероны

29,4%

3 000

3,4%

Двигатель/ Турбины, компрессоры

28,8%

7 000

7,7%

Двигатель/ Вакуумная система

28,5%

1 500

0,0%

Двигатель/ Электродвигатели и компоненты

26,0%

2 000

0,0%

Кузов/ Зеркала

25,8%

2 300

4,5%

Двигатель/ Коллекторы

25,6%

2 000

0,0%

Авито Авто: в России значительно вырос спрос на автозапчасти

Новости партнеров

27.08.2020

Согласно данным онлайн-сервиса Авито Авто, в I полугодии 2020 года россияне интересовались покупкой автозапчастей на 21% активнее, чем в аналогичный период прошлого года. Как отмечают эксперты Авито Авто, столь значительный рост спроса на комплектующие отчасти объясняется переориентацией покупателей на вторичный авторынок на фоне пандемии и валютных колебаний. Также влияние на показатель оказал переход покупателей к онлайн-приобретению автозапчастей во время самоизоляции.

Динамика роста предложения пока отстает от темпов роста спроса. По данным Авито Авто, в I полугодии 2020 года предложение в сегменте автозапчастей увеличилось по сравнению с прошлым годом на 18%. 

«В этом году россияне чаще делают выбор в пользу подержанных автомобилей. По данным Автостат, соотношение сделок по покупке подержанных и новых автомобилей впервые в истории российского авторынка достигло 5 к 1. На этом фоне растет спрос на ремонтные работы и автозапчасти. Кроме того, спрос подстегивает то, что водители, отказавшиеся от покупки автомобиля в этом году, инвестируют в ремонт уже имеющегося транспортного средства», – рассказывает Александр Куроптев, руководитель категории  Авито «Запчасти». 

Тормозные системы и аккумуляторы: спрос на какие запчасти растет активнее всего

Заметнее всего в I полугодии 2020 года увеличился спрос на комплектующие тормозных систем и аккумуляторы. Этими запчастями стали интересоваться на 41% чаще, чем в аналогичный период прошлого года. Как отмечают эксперты Авито Авто, повышение спроса на аккумуляторы может объясняться тем, что во время самоизоляции многие вынужденно отказались от поездок на автомобиле, а автомобильные аккумуляторы разряжаются во время простоя машины.  

Второе место по темпам роста спроса делят стекла, а также элементы топливной и выхлопной системы автомобиля. Спрос на стекла вырос за год на 35%, а на детали топливной и выхлопной системы – на 34%.  

Таким образом, в стране в первую очередь заметно вырос спрос на ключевые комплектующие, без которых невозможно безопасное функционирование автомобиля. 

Наибольший спрос в абсолютном выражении при этом, как и в 2019 году, зафиксирован на покупку битых автомобилей на запчасти. 

В каких городах наиболее заметно вырос интерес к автозапчастям

В четырех городах России – Воронеже, Иркутске, Красноярске и Тольятти спрос на автозапчасти в I полугодии 2020 года увеличился по сравнению с прошлым годом более, чем на 40%. Однако, эти города все равно не стали лидерами по спросу в абсолютном выражении. 

Активнее всего, как и в прошлом году, интересуются автозапчастями в Москве и Санкт-Петербурге. На долю столицы в I полугодии 2020 года пришлось более 20% от общефедерального спроса на комплектующие, а на долю Санкт-Петербурга – 7%. 

При этом в Санкт-Петербурге спрос на автозапчасти за год вырос незначительно по сравнению с другими городами России – менее, чем на 10%. Аналогично низкий рост спроса на автозапчасти наблюдается в Перми и Волгограде. 

Александр Губанов, StartVOLT: «Кризис привел к росту спроса на восстановленные запчасти»

Как «коронакризис» повлиял на российский рынок автозапчастей в целом и сегмент электрооборудования в частности? В каком направлении развивается мировая индустрия автоэлектрики? Как изменилось за последние годы качество запчастей и комплектующих из Поднебесной и можно ли сегодня в России выпускать детали, которые были бы не только не хуже, но и лучше штатных китайских? Об этом и многом другом «Движку» рассказал руководитель направления «Генераторы и стартеры» компании StartVOLT Александр Губанов.

 

Александр, каковы главные особенности российского рынка генераторов и комплектующих к ним? Что востребовано у российского потребителя и можно ли утверждать, что наибольшей популярностью в нашей стране пользуются недорогие запчасти, в том числе — в этом сегменте?

— На сегодняшний момент рынок генераторов очень сильно развит. На нем присутствует большое количество брендов, начиная от производителей оригинального оборудования и заканчивая малоизвестными марками­новичками. Основная конкуренция идет в среднем сегменте. Стоит отметить, что в последнее время в связи с текущей экономической ситуацией вновь отмечается тренд на восстановленные генераторы и узлы, а также повышенный спрос на комплектующие для ремонта.

Каждый год происходит естественная ротация брендов: одни уходят, не выдерживая меняющихся условий рынка, другие приходят. Сделать продукт дешевым не так уж сложно, а вот сделать его качественным по доступной цене весьма непросто. Поэтому на рынке остаются только проверенные временем производители.

Отвечая на ваш вопрос — безусловно, в нашей стране пользуются большим спросом недорогие запчасти. Но также стоит отметить, что автомобилисты обращают внимание не только на цены, но и на репутацию бренда, предоставляемое им качество и, конечно же, гарантийную политику. Только совокупность всех этих факторов влияет на выбор покупателя: выделять что­то одно было бы неверно.

 

В каком направлении развивается сегодня индустрия производства автомобильного электрооборудования? Какие требования к деталям электросистемы предъявляют автопроизводители и как удается им соответствовать?

— Автопроизводители с каждым годом существенно усложняют и модифицируют применяемые в автомобилях узлы. Развитие технологий, ужесточение экологических стандартов, удовлетворение потребительских нужд — все это, безусловно, ведет к техническому усложнению всех агрегатов автомобиля, в том числе и электро­оборудования, так как повышается нагрузка на бортовую сеть.

К примеру, еще пять­шесть лет назад средние показатели выходного тока генератора в автомобиле составляли 100–120 А. Этого хватало обычному автомобилисту, даже если он устанавливал дополнительное оборудование для своего комфорта. На современных же новых автомобилях средние показатели генератора — 150–180 А. Как можно заметить, мощность увеличилась на 50%. Это напрямую связано с внедрением новых возможностей автомобилей. Помимо этого, совершенствуется система управления генератора, усложняются протоколы обмена данными между блоками управления и регулятором напряжения и т. д.

В общем, за нововведениями, упрощающими жизнь автолюбителя, всегда стоит техническое усложнение электросистем. И мы как производитель автоэлектрики стараемся адаптировать наше предложение под текущие реалии.

 

Расскажите в таком случае подробнее об особенностях адаптации производственной гаммы бренда StartVOLT к нынешнему автопарку. Как происходит этот процесс от идеи до воплощения?

— Процесс этот в целом прост, но при этом логичен. В первую очередь мы ориентируемся на модельный ряд автопарка России. По результатам скрупулезного анализа становится ясно, что из необходимого уже есть в нашем ассортименте, а чего еще нет. Исходя из этого и определяется основное направление дальнейшей работы.

Далее следует производственная и технологическая работа по созданию того или иного нужного продукта, определенного нами. Обработав чертежную и производственную документацию, наш инженерный отдел начинает проверку — как стендовую, так и ресурсную: это и проверка на специализированном оборудовании, и непосредственно испытания на самих автомобилях. Только после этого продукт допускается к массовому серийному производству.

Стоит отметить, что весь технологический цикл создания продукта проводится только с оригинальными изделиями и по документации автопроизводителей. Это позволяет удостовериться в полной взаимозаменяемости основного изделия, а также внести технические улучшения в будущий продукт, если это необходимо. На самом производстве внедрена усложненная процедура поэтапной проверки качества, она включает в себя полную проверку не только габаритных размеров, но и работоспособности. Абсолютно все детали на каждом этапе производства проходят стопроцентный пооперационный контроль.

Результатом таких изысканий, если мы о говорим о генераторно­стартерной группе, является индивидуальный технический паспорт в комплекте с каждым продуктом. Это специальный отчет, свидетельствующий о стопроцентном выходном контроле всех изделий, в нем зафиксированы результаты финальной прогонки генератора на специализированном стенде и отражены все необходимые характеристики (напряжение, выходные токи без нагрузки, со средней нагрузкой, с максимальной нагрузкой, фирменный уникальный номер паспорта, продублированный на генераторе, и т. д.).

 

На первичном авторынке России в настоящее время наблюдается весьма бурный рост продаж автомобилей ряда китайских марок (Haval, Chery, Geely). Что вы и технические специалисты StartVOLT думаете о современном китайском автопроме и качестве штатных деталей, устанавливаемых на машинах из Поднебесной? Можно ли сегодня в России разрабатывать и производить автозапчасти и компоненты, которые были бы не хуже или даже лучше штатных китайских по качеству и основным характеристикам?

— Да, не могу с вами не согласиться: в последнее время представители китайских марок автомобилей показывают активный рост. Если сравнить продажи 2021 и 2020 годов за аналогичный период, то можно увидеть, что продажи марки Chery выросли более чем на 300%, Haval — больше чем на 100%, Geely — на 80% с лишним. Такой спрос обусловлен в первую очередь удачным соотношением ценового предложения и потребительских характеристик. 

Автомобили / Тесты

Производители угадали желание потребителей, и здесь надо отдать должное их инженерной службе и, безусловно, маркетинговому отделу, которые в связке смогли попасть в целевое предложение, востребованное в России. Примерами такой удачной синергии является целый ряд кроссоверов (Haval F7, Chery Tiggo, Geely Atlas), которые уже пользуются большой популярностью на нашем рынке.

Также нельзя не отметить эволюцию модельного ряда. С выходом каждой новой модели производители не только добавляют новые решения в области комфорта и безопасности пассажиров, но и значительно улучшают техническую часть. В настоящее время наблюдается очевидный рост качества штатных изделий у китайских автопроизводителей. Я думаю, эти марки уверенно чувствуют себя в конкурентной среде российского авторынка и на данный момент имеют все шансы увеличить на нем свою долю.

Что касается нас, то, разрабатывая новые детали для китайского сегмента, наш технический отдел сталкивался с рядом трудностей, связанных не с технологией, а с тем, что под одним оригинальным номером могут поставляться совершенно разные детали. Надо отметить, что эта проблема встречается не только у китайских производителей, однако именно у них она возникла системно. Это вносило в нашу работу определенные трудности. Сталкиваясь с такими ситуациями, мы проводили дополнительные исследования, а именно: организовывали поиск информации на различных форумах и в экспертных сообществах, проводили поиск машины с оригинальными, штатными изделиями, обеспечивали необходимые тесты и т. д. Все это позволило произвести определенные доработки, чтобы наши аналоги не только не имели недостатков по сравнению со штатным изделием, но и позволяли покупателю легко идентифицировать наш продукт и быть уверенным, что он подойдет именно для его автомобиля.

StartVOLT активно следит за новыми потенциальными хитами российского авторынка и старается предоставить лучшую замену оригинальных автозапчастей. В последнее время наш ассортимент значительно расширился по китайскому направлению. Мы стараемся предложить автомобилистам лучшее качество и улучшенные характеристики там, где это возможно. Надеемся, что, благодаря нашему методичному подходу к работе с рынком и производству в среднесрочной перспективе, мы станем одними из топовых игроков рынка автоэлектрооборудования в России.

Фото: пресс-служба StartVOLT

Что происходит со спросом на запчасти для корейских автомобилей?

На глобальном автомобильном рынке сегодня происходит экспансия корейских автогигантов. Эта тенденция также продолжается на региональных рынках России, Беларуси, Казахстана, порождая огромный спрос на автомобили корейского производства. К факторам, подстегивающим спрос на корейские авто, относят: доступные цены, надежность автомобилей, средний ценовой диапазон запчастей.

Автозапчасти Made in Korea (Сделано в Корее)

В ответ на запросы рынка специализированные компании – поставщики автомобильных запчастей для корейских авто – расширяют предложение по брендам и номенклатуре. Среди перечня брендов корейских запчастей выделяются: Hyundai/Kia (Хендай, Киа), Iljin (Илджин), CTR (ЦАП — централ автомотив продактс), HSB (Хонг Санг Брейк), Valeo PHC (Валео ПХК) и другие.

При выборе деталей автовладельцам стоит ориентироваться на надежных и проверенных поставщиков. Компания «Шате-М Плюс» поставляет на рынок корейских автомобилей широкий ассортимент запасных частей с прекрасным соотношением цена – качество.

Из ассортимента «Шате-М Плюс» большим спросом пользуются следующие автомобильные запчасти на корейские авто: тормозные колодки HSB, детали подвески CTR, элементы сцепления Valeo PHC, подшипники, помпы и ролики GMB (ГМБ), ступичные подшипники и детали подвески Iljin. Есть и огромное количество деталей по мультибренду Onnur (Оннури)i, а также ремни Dongil (Донгил).

Компании «Шате-М Плюс» принадлежит собственный бренд автомобильных запчастей Patron (Патрон), в ассортименте которого появилась новая линейка продукции — детали для корейских автомобильных марок Patron Korea (Патрон Корея).

Patron Korea – поставщик деталей от оригинальных производителей для корейского автопрома.

Торговая марка Patron имеет международную регистрацию с 2004 года. Более 70 заводов в мире выпускают продукцию под брендом Patron.

На сегодня ассортимент деталей и узлов для всех корейских авто Patron Korea включает в себя следующие группы товаров: тормозные колодки дисковые, детали подвески рулевого управления, амортизаторы подвески, фильтры всех видов, катушки зажигания. В ближайшее время с конвейеров заводов Patron на авторынок поступят водяные помпы и высоковольтные провода.

Сделав выбор в пользу автозапчастей Patron Korea, вы экономите время и деньги, сотрудничая с командой профессионалов, которые придерживаются высоких стандартов в работе.

Благодаря грамотной политике и ориентации на клиентов, компании «Шате-М Плюс» удается облегчить жизнь миллионам владельцев автомобилей корейского производства, поставляя им высококачественную альтернативу премиальным брендам.

Прогнозирование спроса и управление запасами запасных частей

Аннотация

Управление запасными частями является важной операцией в цепочке поставок многих компаний из-за его стратегической важности в обеспечении доступности оборудования и непрерывности операций. Во многих цепочках поставок спрос на запасные части по своей природе более неопределенный по сравнению с традиционными быстродействующими продуктами. Это связано с тем, что спрос на запасные части очень прерывистый, в основном наблюдается при длительном периоде между последовательными заказами, когда за периодом отсутствия спроса следует период сигнала заказа.Поскольку запасные части имеют решающее значение для бесперебойной работы, компании, как правило, запасаются большими запасами, чтобы снизить риск нерегулярного спроса. Gerber Technology, производственная компания, которая продает промышленное оборудование и запасные части для него, сталкивается с проблемами при прогнозировании спроса на запасные части и управлении запасами. Эта проблема в последнее время негативно сказывается на затратах компании на товарно-материальные запасы и уровне обслуживания клиентов, где фактические запасы постоянно превышают целевой уровень.Между тем, более высокий уровень запасов не переводится в более высокий уровень обслуживания клиентов. Таким образом, компания столкнулась с увеличением затрат при более низком уровне обслуживания. Таким образом, целью этого проекта было повышение точности прогноза спроса и уровня сервиса запасных частей в компании при оптимизации затрат на складские запасы. Для этого мы использовали классификацию SKU для категоризации спроса и управления запасами. С помощью этих категорий мы затем выделяем рекомендуемые методы прогнозирования спроса и оптимизируем уровни запасов компании.Следуя этим процессам, мы достигли повышения точности прогнозов на 7–14%, измеряемой среднеквадратичной ошибкой (RMSE). Мы также можем улучшить уровень обслуживания до 3%, что приведет к дополнительному доходу в размере 1,3 миллиона долларов США.

Управление спросом на запасные части

Почему запчасти такие особенные?

Важно подчеркнуть, что запасные части имеют разные факторы и переменные, влияющие на них, по сравнению с «типичными» артикулами, такими как готовая продукция, и, следовательно, с ними нужно обращаться по-другому.

Компании часто не обладают компетенцией и знаниями о том, как оценивать каждую запасную часть с целью определения того, какими должны быть уровни запасов — это отсутствие прозрачности в конечном итоге приведет к дорогостоящему затовариванию запасов или недостаточному уровню обслуживания. Также следует отметить, что некоторые из традиционных инструментов управления запасами не могут быть применены в этом контексте, например, JIT (точно в срок) и ABC-анализ для поиска наиболее прибыльной позиции (например, прибыль на единицу / количество комплектов). ).

Одна из основных проблем с управлением, прогнозированием и контролем компонентов запасных частей связана с их неоднородными характеристиками спроса. В случае запасных частей спрос возникает всякий раз, когда какой-либо компонент выходит из строя или требует замены, и поэтому он отличается от такового, связанного с «типовой» единицей складского хранения. Другими словами, этот тип спроса можно охарактеризовать как «прерывистый», что означает, что спрос поступает нечасто и разбросан по временным периодам, когда спрос вообще отсутствует, и поэтому может быть чрезвычайно спорадическим.Сложность запасных частей может увеличиться еще больше из-за большой разницы в количестве и требуемом размере.

Кроме того, запасные части имеют множество факторов / переменных, влияющих на способ управления ими — существует огромная разница в уровне критичности запасных частей, некоторые из них гораздо важнее других и могут иметь непропорционально высокие затраты на дефицит. по сравнению со стоимостью предмета. Более того, предметы очень низкой стоимости могут оказаться критически важными для операции.Во многих случаях медленно движущиеся и периодические товары будут производиться на заказ MTO), и, таким образом, время выполнения заказа может быть очень долгим.

Компании должны осознавать, что запасные части часто являются «специфическими для использования», что означает, что в большинстве случаев запасные части должны использоваться только для конкретного использования и функции, для которой они были приобретены. Это может привести к риску накопления больших запасов устаревших запасов, которые вы не сможете использовать.

Из-за прерывистого характера, который характерен для многих запасных частей, «нормальный» принцип и методы прогнозирования могут быть неприменимы и неточны, и поэтому придется использовать альтернативные методы.Это также относится к инструментам измерения производительности, используемым для измерения периодически возникающих элементов.

Часто компаниям приходится управлять несколькими тысячами запасных частей, и очевидно, что со всеми ними нельзя обращаться одинаково. Без структурированного подхода к управлению это было бы крайне сложно сделать.

(PDF) Прогнозирование спроса на запасные части с использованием статистического анализа

R. Hemeimat et al.

Результаты

показывают, что метод МА дает минимальное среднее количество неконтролируемых TS со средним значением 1.691.

Недалеко от этого методы TSB и ES показывают хорошую производительность со средними показателями 1,868 и 1,836 соответственно —

лет. Напротив, прогнозирование CR и методы SBA показывают низкую производительность со средним значением 4,507 и 4,066

соответственно. Стоит отметить, что это применялось только к быстро движущимся предметам.

Результаты показали очень близкую производительность RMSE для всех пяти использованных методов. Однако в методе отслеживания сигналов

есть три метода, которые превосходят другие методы.Мы не можем сравнивать

результатов RMSE и TS подходов, потому что методы использовали разные оптимальные параметры. Например, параметры

N (количество месяцев в методе скользящего среднего) имеют заметную разницу между двумя подходами

; 10 для подхода RMSE и 1 для подхода TS. Кроме того, результаты показали, что использование

RMSE вместо MAD оказывает небольшое влияние на сравнение методов.

7. Заключение

Поддержание достаточных запасов запасных частей необходимо любой организации для быстрого проведения ремонтных

операций и предотвращения остановки производства.Характер спроса на запасные части, который, как известно,

,

является неоднородным и прерывистым, требует рассмотрения различных методов прогнозирования, включая: MA, ES,

TSB, SBA и CR. В литературе используются различные методы для сравнения методов прогнозирования с целью минимизации ошибки прогнозирования

. В этой статье с помощью тематического исследования мы продемонстрировали использование

традиционного подхода с отслеживанием сигналов с дополнительными шагами для поиска наилучшего метода прогнозирования и его параметров.Наши результаты показали, что применение предложенного подхода может помочь в выборе оптимального метода прогнозирования

лучшим и более убедительным способом по сравнению с другими методами, которые также были протестированы здесь в

этой статье. Тематические исследования не обязательно предлагают обобщаемые решения. Следовательно, будущая работа может подтвердить полезность

предлагаемого подхода, применяя его в различных секторах.

Ссылки

[1] Моррис, М. (2013) Прогнозирование проблем отрасли запасных частей.Журнал бизнес-прогнозирования, 32, 22-27.

[2] Kennedy, W.J., Patterson, J.W. и Фредендалл, Л. (2002) Обзор новейшей литературы по запасным частям Invento-

ries. Международный журнал экономики производства, 76, 201-215. http://dx.doi.org/10.1016/S0925-5273(01)00174-8

[3] Кростон, Дж. Д. (1972) Прогнозирование и управление запасами для непостоянного спроса. Operational Research Quarterly, 23,

289-303. http://dx.doi.org/10.2307/3007885

[4] Синтетос, А.А. и Бойлан, Дж. Э. (2001) О предвзятости оценок периодического спроса. Международный журнал производства

Экономика, 71, 457-466. http://dx.doi.org/10.1016/S0925-5273(00)00143-2

[5] Синтетос, А.А., Бойлан, Дж. Э. и Кростон, Дж. Д. (2005) О классификации моделей спроса. Журнал Оперативного исследовательского общества

, 56, 495-503. http://dx.doi.org/10.1057/palgrave.jors.2601841

[6] Тюнтер, Р. и Дункан, Л. (2009) Прогнозирование непостоянного спроса: сравнительное исследование.Журнал Operational

Research Society, 60, 321-329. http://dx.doi.org/10.1057/palgrave.jors.2602569

[7] Тюнтер, Р.Х., Синтетос, А.А. и Зиед Бабай, М. (2011) Периодический спрос: увязка прогнозирования с инвентаризацией Ob-

solescence. Европейский журнал операционных исследований, 214, 606-615. http://dx.doi.org/10.1016/j.ejor.2011.05.018

[8] Виллемейн Т.Р., Смарт К.Н. и Шварц, Х.Ф. (2004) Новый подход к прогнозированию непостоянного спроса на запасные части Ser-

Vice.Международный журнал прогнозирования, 20, 375-387.

[9] Поррас, Э. и Деккер, Р. (2008) Система управления запасами запасных частей на нефтеперерабатывающем заводе: эмпирическое сравнение

Сын различных методов повторного заказа. Европейский журнал операционных исследований, 184, 101-132.

http://dx.doi.org/10.1016/j.ejor.2006.11.008

[10] Ромейндерс, В., Тюнтер, Р. и ван Яарсвельд, В. (2012) Двухэтапный метод для Прогнозирование потребности в запасных частях

Использование информации о ремонте компонентов.Европейский журнал операционных исследований, 220, 386-393.

http://dx.doi.org/10.1016/j.ejor.2012.01.019

[11] Шахин М., Кызыласлан Р. и Демирель Ö.F. (2013) Прогнозирование спроса на запасные части для авиации с использованием методов Croston

и искусственных нейронных сетей. Журнал экономических и социальных исследований, 15, 1-21.

[12] Контреч, Н.З., Милованович, Г.В., Панич, С.Р. и Милошевич, Х. (2015) Подход, основанный на надежности, к прогнозированию безремонтных запасных частей в системе технического обслуживания самолетов.Математические проблемы в технике, 2015, 1-7.

http://dx.doi.org/10.1155/2015/731437

[13] Nuqul Tissues. (2015). http://www.nuqultissue.com

[14] Краевски, Л.Дж., Ритцман, Л.П. и Малхотра, М.К. (2012) Операционный менеджмент: процессы и цепочка поставок. 10-е издание

, Прентис-Холл, Нью-Джерси.

(PDF) Двухэтапный метод прогнозирования потребности в запасных частях с использованием информации о ремонте компонентов

Прогнозы ошибок двухступенчатого метода могут быть уменьшены до

20%.Другие методы не могут извлечь выгоду из этой информации, поскольку они

не связывают спрос на уровне детали с конкретными операциями ремонта.

Остальная часть этого документа организована следующим образом. Раздел 2

дает обзор соответствующей литературы. Раздел 3 описывает

данных, а в Разделе 4 вводятся различные методы прогнозирования

. В разделе 5 обобщены результаты нашего тематического исследования, а в разделе

Раздел 6a имитационное исследование дает представление о различиях

между новым двухэтапным методом и экспоненциальным сглаживанием.

Наконец, мы даем некоторые заключительные замечания и направления для будущих исследований

в Разделе 7.

2. Соответствующая литература

В этом обзоре мы ограничиваемся прогнозированием спроса, мы

ссылаемся на Guide and Srivastava (1997) и Kennedy et al. (2002) для

более общие обзоры по управлению запасными частями. Фактически, мы концентрируем

на прогнозах, которые наиболее актуальны для нашего исследования, и ссылаемся на Boylan and Syntetos (2010) за подробным обзором

по прогнозированию спроса на запасные части.

Прогнозирование спроса было важным вопросом на протяжении

лет. Традиционные методы включают скользящее среднее и экспоненциальное сглаживание, см., Например, Axsäter (2006). Экспоненциальное сглаживание в

, в частности,

зарекомендовало себя как очень надежный метод прогнозирования, который

способен быстро адаптироваться к изменениям в процессе спроса, и

широко используется на практике. Однако Кростон (1972) показал, что

как экспоненциальное сглаживание, так и скользящее среднее не работают хорошо при непостоянном спросе, т.е.е. когда много периодов

с нулевым спросом. Он предлагает обновлять размер спроса и

интервал спроса отдельно, используя экспоненциальное сглаживание. Даты Up-

выполняются только в периоды с положительным спросом.

Syntetos и Boylan (2001) показывают, что метод Кростона

смещен, и предлагают корректировку для решения этой проблемы в следующей статье

low-up (Syntetos and Boylan, 2005). В литературе предлагаются и другие варианты метода Кро-

Стона.В сравнительном исследовании

Teunter и Sani (2009) показывают, что варианты

Syntetos (2001) и Syntetos and Boylan (2005) являются наиболее многообещающими. В других исследованиях сравниваются варианты метода Кростона meth-

od с традиционными методами; см. например Willemain et al. (1994),

Гоббар и Френд (2003) и Ивз и Кингман (2004). Эти исследования

показывают, что большинство вариантов в среднем превосходят традиционные методы

, но не во всех возможных ситуациях.

Teunter et al. (2011) показывают, что подход Кростона не подходит для решения проблем устаревания. Они предлагают обновить вероятность спроса

вместо интервала спроса. Преимущество

состоит в том, что вероятность спроса может обновляться каждый период,

, тогда как интервал спроса может обновляться только в период с положительным спросом

.

Bootstrapping предлагает непараметрическую альтернативу для прогнозирования спроса на запасные части

.Подобно описанным выше методам, прогнозы

основаны исключительно на истории спроса. Однако вместо

, а затем определения определенной структуры обновления для прогноза и

связанной ошибки прогнозирования, статистика выборки используется для оценки

распределения спроса. Методы начальной загрузки варьируются от очень простых

(Efron, 1979; Porras and Dekker, 2008) до более сложных

(Willemain et al., 2004).

Некоторые авторы также рассматривали возможность использования типов информации

, отличных от исторического спроса, таких как установленная базовая информация

(Song and Zipkin, 1996; Jalil et al., 2011), информация о надежности

(Петрович и Петрович, 1992) и экспертное заключение (Syntetos et al.,

,

и др., 2009). Ван и Синтетос (2011) обсуждают основанную на техническом обслуживании модель

для прогнозирования спроса на запасные части, которая использует информацию

о процессе формирования спроса. Однако они не учитывают

, что запасные части могут быть использованы при ремонте различных типов компонентов

. Насколько нам известно, ранее не предлагалось никаких методов

, которые использовали бы информацию о типе компонента

, ремонт которого вызвал спрос на запасную часть

, как мы делаем в этом исследовании.

3. Описание данных

Набор данных содержит информацию о более чем 100 000 ремонтов в

Fokker Services за период с 01.01.2000 по 28.02.

2010. Для каждого ремонта дата выпуска, тип компонента, который отремонтирован,

, а использованные запасные части зарегистрированы. Для некоторых ремонтных работ

не требуется никаких запчастей, для других требуется много запчастей

различных типов. Всего отремонтировано 3329 различных типов компонентов

, а в течение

этих ремонтов использовано 17 012 различных типов запчастей.Прогнозирование в Fokker Services осуществляется на ежемесячной основе

, что типично для сферы услуг. Таким образом, создается

ежемесячных агрегатов.

Первые семь лет, т.е. период с 01.01.2000 по 31.12.

2006, представляют собой период инициализации. Это примерно две трети от общего периода

, как и у Тюнтера и Дункана (2009). В течение

этого периода инициализируются методы прогнозирования; см. Раздел

4.8. Обратите внимание, что запасные части, которые не востребованы в течение начального периода эксплуатации, не принимаются во внимание.

Запасные части классифицируются по количеству месяцев

с положительным спросом в течение периода инициализации. Три категории

: очень медленно меняющиеся (1–5 месяцев с положительным спросом

mand), медленно меняющиеся (6–20 месяцев) и быстро меняющиеся (21–84

месяцев). Мы могли бы создать дополнительные категории, рассматривая

как непостоянство размера спроса (как в Syntetos et al.,

2005), но предварительные тесты показали, что «скорость» спроса имеет наибольшее влияние на сравнительные результаты, которые мы изучаем.

Выбор границ между тремя категориями примерно

, что произвольно, но гарантирует в соответствии с традиционным анализом ABC

, что самая медленно движущаяся категория содержит наибольшее количество из

частей, а самая быстро движущаяся категория содержит наименьшее число —

бер деталей. Кроме того, различные границы, которые мы рассмотрели

, дали результаты, аналогичные тем, которые мы представим.Таблица 1

дает обзор трех категорий.

4. Методы прогнозирования

В этом разделе описаны все рассмотренные методы прогнозирования

. Таблица 2 дает обзор этих методов и их

Таблица 1

Обзор трех категорий запасных частей. Вся статистика рассчитывается с использованием совокупных ежемесячных данных

в течение периода инициализации.

Количество

типов деталей

Ср.ежемесячно

спрос

Ср. количество

требований в год

Очень медленно меняющиеся 6015 0,0514 0,301

Медленные 2865 0,340 1,541

Быстро меняющиеся 1696 3,134 5,735

Таблица 2

Используемые методы прогнозирования и их сокращения.

Метод сокращения

ZF Zero прогноз

NF Наивный прогноз

MA Прогноз скользящего среднего

ES Прогноз экспоненциального сглаживания

CR Метод прогнозирования Кростона

SBA Syntetos – Boylan аппроксимация

Babai

te TS

2S Двухступенчатый прогноз

W.Romeijnders et al./ European Journal of Operational Research 220 (2012) 386–393 387

Разработка системы прогнозирования спроса на запасные части

    Мехметан
Документ конференции

Первый онлайн:

Часть Конспект лекций по машиностроению книжная серия (ЛНМЭ)

Аннотация

Основное внимание в этом исследовании уделяется разработке системы поддержки принятия решений (DSS) для прогнозирования спроса на запасные части для компании, производящей высокотехнологичную продукцию в Турции.Компания является одним из ведущих мировых производителей оригинального дизайна в области бытовой электроники и бытовой техники. Точные прогнозы потребительского спроса на предварительную продукцию и запасные части играют важную роль в сокращении затрат и повышении удовлетворенности клиентов. В настоящее время система прогнозирования компании основана на опыте персонала и статистическом подходе, который не позволяет фиксировать поведение данных о спросе. Применяемый подход приводит к увеличению ошибки прогнозирования, что увеличивает производственные затраты, приводит к нехватке запасных частей и снижает удовлетворенность клиентов.Целью этого проекта является разработка DSS для минимизации ошибки прогнозирования; поэтому помогите компании разработать политику оптимизации запасов, снижения затрат и повышения удовлетворенности клиентов. Для того, чтобы понять динамику потребительского спроса на запасные части, телевизионные продукты компании выбраны для пилотного исследования, поскольку на эти продукты сильно влияют быстрые технологические изменения и изменения в моделях продуктов. Запасные части классифицируются по различным группам с использованием анализа ABC, чтобы разработать модель прогнозирования для каждой группы.В части методологии решения, соответственно, были изучены три различных статистических методологии для процесса прогнозирования; Методы Винтера, двойного экспоненциального сглаживания и скользящего среднего. Метод Винтера используется для данных, которые демонстрируют тенденцию и сезонность, двойное экспоненциальное сглаживание используется для данных, которые демонстрируют тенденцию, а метод скользящего среднего используется для данных, которые демонстрируют стационарное поведение. В разработанной DSS вышеупомянутые методологии кодируются с использованием языка программирования Excel VBA, анализируются исторические данные и составляются прогнозы будущего спроса на запасные части.Результаты прогнозирования сравниваются на основе минимальной ошибки (PAE), чтобы решить, какая методология прогнозирования является наиболее подходящей для использования в соответствии с прошлым поведением конкретных запасных частей.

Ключевые слова

Система поддержки принятия решений для прогнозирования Метод Винтера Метод экспоненциального сглаживания Запасные части

Это предварительный просмотр содержимого подписки,

войдите в систему

, чтобы проверить доступ.

Список литературы

  1. 1.

    Karahan, M.: İstatistiksel Tahmin Yöntemleri: Yapay Sinir Ağları Metodu ile Ürün Talep Tahmini Uygulaması. Doktora tezi, Selçuk Üniversitesi (2011)

    Google Scholar
  2. 2.

    Нахмиас, С., Олсен, Т.Л .: Анализ производства и операций, 7-е изд. WaveLand Press, Long Grove (2015)

    Google Scholar
  3. 3.

    Xie, M., Hong, G.Y., Wohlin, C .: Исследование техники экспоненциального сглаживания в прогнозировании роста надежности программного обеспечения. Qual. Надежный. Англ. Int.

    13

    , 247–353 (1997)

    CrossRefGoogle Scholar
  4. 4.

    Нахмиас, С., Олсен, Т.Л .: Метод Винтерса для сезонных проблем. В: Nahmias, S., Olsen, T.L. (ред.) Анализ производства и эксплуатации, стр. 85–86. Waveland Press, Long Grove (2015)

    Google Scholar
  5. 5.

    Hyndman, R.J., Athanasopoulos, G .: Forecasting: Principles And Practice, 2nd edn. Университет Монаша, Мельбурн (2018)

    Google Scholar
  6. 6.

    Кростон, Дж .: Прогнозирование и контроль запасов для периодического спроса. Опер.Res. Q.

    23

    (3), 289–303 (1972)

    CrossRefGoogle Scholar
  7. 7.

    Box, G.E.P., Jenkins, G.M., Reinsel, G.C .: Анализ временных рядов; Прогнозирование и контроль, 3-е изд. Прентис Холл, Энглвуд Клиффс (1994)

    zbMATHGoogle Scholar
  8. 8.

    Монтгомери Д., Дженнингс К.Л., Кулахчи М .: Введение в анализ и прогнозирование временных рядов. Wiley, New York (2008)

    zbMATHGoogle Scholar
  9. 9.

    Adalı, E., Аташ, Ю., Байкан, О.М., Гюльдоган, И., Корал, Э .: Сон Урун Талеп Такип Ве Тахминлеме Projesi. Лицензионные документы, Project Yasar Unıversıty (2015)

    Google Scholar

Информация об авторских правах

© Springer Nature Switzerland AG 2020

Авторы и аффилированные лица

  1. 1.Промышленная инженерияЯшарский университетИзмирТурция

Прогнозирование в бизнесе запасных частей | Антонио Фернандес

Замены

В бизнесе запасных частей много замен. Часть начинается с артикула A, меняется на B, переходит в C (или обратно в A)… Беспорядок для тех, кто хочет чистого подхода.

Замена используется для:

  • Замена одной детали другой
  • Из-за технических изменений устаревшие детали, которые необходимо заменить более новыми версиями

Итак, нам понадобится функция, которая может извлекать для детали , его цепочка замещения.Благодаря рекурсивным общим табличным выражениям одним махом он может получить все части в цепочке:

А из табличного представления замен мы получаем список:

Время выполнения и периоды прогнозирования

Это, возможно, что-то труднее взяться за дело. Для каждой части, поставляемой несколькими поставщиками (с разным сроком выполнения), необходимо оценить основного поставщика (если есть несколько поставщиков) и сделать соответствующий прогноз.

Предположим, например, что у поставщика A время выполнения заказа на пополнение запасов составляет 1 неделю (от заказа до наличия запасов после поступления товаров), мы можем прогнозировать для n периодов по 1 неделе каждый.Если, с другой стороны, доставка запчастей поставщика B ’занимает месяц, то его период прогноза также должен быть в окнах продолжительностью в 1 месяц.

Для краткости в этом посте, проведенный анализ будет предполагать окна в 1 месяц (производственный подход имел переменные сроки выполнения для каждого поставщика / бренда).

Преобразование табличных данных о продажах во временные ряды

Практически каждый источник данных о продажах имеет табличную форму. Вы получите что-то вроде этого:

Для целей прогнозирования необходимо изменить эту структуру на временной ряд (например, для одного номера SKU с использованием ежемесячных сегментов — обратите внимание на отрицательное событие в сентябре 2018 года):

Для преобразования из табличного к ряду, просто «сгруппируйте» по периоду времени в базе данных:

Минимальный жизнеспособный продукт для прогноза

Теперь, используя данные, нам нужно было настроить его прогнозирующую сторону.Мы использовали для этого R (благодаря феноменальному прогнозу библиотеки), но вы могли использовать Python или другие решения.

Добавьте необходимые библиотеки и подключитесь к базе данных:

Получите данные из базы данных:

Создайте временной ряд из данных:

Попробуйте первые прогнозы (только для Croston, если нет отрицательных вхождений):

Если вы, тем не менее, решите использовать Croston, вы можете обнулить отрицательные явления (пожалуйста, учитывайте при сравнении методов прогнозирования, поскольку вы меняете данные для одного из них):

Глядя на графики, мы склонны выбирать Holt- Зима впереди (остальные кажутся «слишком плоскими»).Но для этого варианта использования важен только прогноз на «следующий период», потому что мы будем делать это периодически.

Все методы приводят к аналогичному результату: в среднем в январе 2020 года было продано 4 или 5 единиц, а интервал «Hi 95» достиг 18 или 13.

Что насчет Prophet?

Как я уже упоминал, сбор данных Prophet немного отличается. Сначала он ожидает ежедневные данные, а заголовки должны быть « ds » и « y »:

Итак, нам нужно будет изменить наш источник данных SQL.Подойдет что-то вроде этого:

(Если вы обратили внимание, мы обнуляем отрицательные явления. В модели также есть функция под названием «Минимум насыщения», которую мы можем использовать.)

И получить прогноз на следующий период — просто вопрос уточнения прогноза:

Как составлять более точные прогнозы спроса на запасные части

Краткий ответ: Замени прокси на актуальные данные.

Причина, по которой составление точных прогнозов потребности в запасных частях так сложно, заключается в том, что проектировщики запасных частей часто используют оценки следующих факторов:

  • коэффициент использования оборудования
  • количество установленных активов
  • расположение активов по установленной базе

Если вы думаете, что ваши машины работают 10 часов в день, а на самом деле работают 12, это, очевидно, вызывает ошибки прогнозирования.Проблема усугубляется, если предположить, что у вас есть четырех ресурсов в зоне обслуживания A, но на самом деле имеется 11 .

Отлично, но где взять достоверные и точные данные об использовании и расположении оборудования? Из самих активов .

Использование данных от оборудования для создания точных прогнозов

Теперь, прежде чем закрыть вкладку, позвольте мне кое-что прояснить: Не все оборудование в вашей установленной базе должно быть подключено .Вероятно, это не так — исследование аналитика Билла Поллока показало, что почти половина проектировщиков запчастей заявили, что подключено менее 25% их оборудования.

Итак, что, если 25% вашего оборудования подключено к ? Назовем эту установленную базу «Сегмент А». В этом случае вы извлекаете данные об использовании и местоположении из этих активов, чтобы сгенерировать прогноз потребности в запасных частях для сегмента A.

Еще одно важное замечание: Вам не нужны данные в реальном времени . Если вы запускаете прогнозы спроса на ежемесячной основе, все, что вам нужно сделать, это получить данные об использовании оборудования, созданные за последние 30 дней.Данные в реальном времени полезны, когда вы запускаете программы профилактического обслуживания, но они не очень полезны планировщикам запчастей — причина в том, что планировщики запчастей не составляют прогнозы 24/7.

Тот факт, что вам не нужны данные в реальном времени, на самом деле может помочь вам ориентироваться в любых политиках управления данными, которые используются в вашей организации. Мои коллеги Стивен Колдуэлл и Винод Арекар обсуждали этот вопрос в руководстве по управлению подключенными запасными частями. Организации могут хранить данные из подключенных активов в базах данных, которые не имеют прямого соединения с самими активами, тем самым сводя к минимуму вероятность того, что хакеры воспользуются любыми планировщиками систем для взлома оборудования.

Первые шаги к использованию прогнозной аналитики

Специалистам по планированию запчастей не нужны данные Интернета вещей для использования прогнозной аналитики, но это предпочтительнее, исходя из соображений, о которых я говорил ранее. Мы с Арекаром совместно представляем приложения прогнозной аналитики в управлении запасными частями 7 августа во время часового вебинара. Вы можете зарегистрироваться на мероприятие ниже :

Теги:
  • CAD
  • Промышленный Интернет вещей
  • Обслуживание и запчасти

об авторе

Эд Водарски

Эд Водарски (Ed Wodarski) — специалист по планированию запасных частей (SPM) в компании Servigistics, специализирующийся на экосистеме коммерческой авиации.Эд имеет более 36 лет опыта в разработке, развертывании и поддержке продаж программного обеспечения SPM. Начав свою карьеру в Xerox в 1981 году в составе группы разработчиков первой глобальной системы планирования запасных частей, Эд получил широкое признание как основатель отрасли. Позже он разработал первое коммерческое предложение для LPA / Xelus, которое с тех пор было включено в платформу Servigistics. Эд также был старшим исполнительным директором Accenture, консультируя по всему миру по передовым методам планирования запасных частей. В PTC Эд тесно сотрудничал с рядом ведущих авиационных предприятий, включая Boeing, Aviall, JetBlue и Southwest.


.

Добавить комментарий

Ваш адрес email не будет опубликован. Обязательные поля помечены *