Управление запасами деталей с единичным спросом и редкими отказами: методы, расчёты и практические рекомендации

Детали с единичным спросом и редкими отказами характерны для запасных частей оборудования, агрегатов с длительным сроком службы, узлов, выходящих из строя нерегулярно. Их спрос проявляется отдельными всплесками, часто интервалы между запросами измеряются месяцами или годами. Традиционные модели прогнозирования, основанные на среднем спросе и нормальном распределении, дают искажённые результаты, приводя к избыточным запасам или частым дефицитам. Ниже описаны подходы, которые учитывают особенности такого спроса и позволяют принимать обоснованные решения по уровню запасов.

Особенности спроса и цели управления запасами

Для деталей с единичным спросом типичны следующие свойства:

• Спрос в периоде равен либо 0, либо 1 единице (редко более 1).
• Интервалы между запросами следуют геометрическому или экспоненциальному распределению (прерывистый спрос).
• Время поставки (lead time) может быть переменным и часто значительно короче среднего интервала между запросами.
• Стоимость дефицита (например, простои оборудования) обычно значительно превышает стоимость хранения.

Цель управления запасами — обеспечить заданный уровень готовности (service level) при минимальных совокупных затратах на хранение и заказ. Из‑за редкости спроса основной акцент делается на расчёт страхового запаса, покрывающего variability спроса во время поставки.

Выбор модели прогнозирования спроса

Для прерывистого спроса применяются специальные методики, которые разделяют оценку интервала между запросами и оценку размера запроса (в данном случае размер обычно равен 1). Наиболее известные подходы:

• Метод Кростона (Croston) — экспоненциальное сглаживание отдельно для среднего интервала между спросами и среднего размера спроса. Прогноз спроса на период рассчитывается как отношение среднего размера к среднему интервалу.
• Метод SBA (Synthetic Boylan Approximation) — модификация Кростона, уменьшающая смещение за счёт корректировки уровня запаса.
• Метод TSB (Teunter Synthetic Boylan) — обновляет оценки интервала и размера только тогда, когда наблюдается спрос, что снижает задержку реакции на изменения.
• Простое экспоненциальное сглаживание (SES) — применимо, если спрос демонстрирует небольшую тенденцию или сезонность, но обычно даёт завышенные прогнозы для сильно прерывистых серий.

На практике рекомендуется начинать с метода TSB или SBA, так как они менее чувствительны к нулевым периодам и быстрее адаптируются к изменению частоты отказов. Если данные очень scarce (менее 10 наблюдаемых спросов за историю), можно использовать базовый подход: считать средний интервал между отказами и принимать размер спроса равным 1.

Оценка параметров lead time и спроса во время поставки

Для расчёта точки заказа (reorder point, ROP) необходимы два компонента:

1. Средний спрос за время поставки (lead time demand, LTD).
2. Страховой запас (safety stock, SS), компенсирующий вариабельность LTD.

Поскольку размер единичного спроса фиксирован (1), вариабельность LTD определяется исключительно случайным числом запросов, возникающих за lead time. Если интервалы между запросами экспоненциально распределены с параметром λ (средняя частота запросов за единицу времени), то число запросов за интервал t имеет распределение Пуассона со средним λt. Следовательно:

• Средний LTD = λ·L, где L — среднее время поставки.
• Дисперсия LTD = λ·L (для Пуассона среднее равно дисперсии).

Если lead time тоже переменной, его вариативность учитывается через удвоенную дисперсию: Var(LTD) = λ·E[L] + λ²·Var(L). Эта формула получена из свойства смешанного Пуассона.

Для расчёта страхового запаса при заданном уровне готовности (service level) используется коэффициент z, соответствующий выбранному доверительному интервалу из стандартного нормального распределения (приближение допустимо, когда λ·L достаточно велико, например >5). При малых значениях λ·L лучше пользоваться точным распределением Пуассона: подбирается наименьшее целое k такое, что P(X ≤ k) ≥ желаемый уровень готовности, где X ~ Poisson(λ·L). Тогда страховой запас SS = k − λ·L.

Расчёт точки заказа и объёма заказа

После определения среднего спроса за lead time и страхового запаса точка заказа рассчитывается как:

ROP = средний LTD + SS.

Объём заказа (order quantity, Q) для системы непрерывного контроля (модель (Q, r)) определяется путём балансировки затрат на заказ и хранения. Классическая формула ЭОQ (Economic Order Quantity) применима, если предполагается постоянный спрос. Для прерывистого спроса её используют как ориентир, подставляя средний спрос за год (D) и учитывая, что реальные заказы будут происходить реже, чем предполагает формула. Более точный подход — минимизация ожидаемой годовой стоимости:

TC(Q) = (K·D)/Q + h·(Q/2 + SS) + p·B(Q),

где K — фиксированная стоимость заказа, h — стоимость хранения единицы в год, p — стоимость дефицита за единицу, B(Q) — ожидаемый дефицит за цикл (можно оценить через распределение Пуассона). Оптимальное Q находится численно (например, методом проб и ошибок или простого поиска по допустимому диапазону).

В системах периодического контроля (модель (T, S)) выбирают фиксированный период пересмотра T и целевой уровень запасов S после каждого пересмотра. S рассчитывается аналогично ROP, но с учётом спроса за интервал T + L.

Практические шаги по настройке управления запасами

1. Сбор данных: фиксировать даты каждого запроса (отказа) и даты поступления заказа. Вычислить межзапросочные интервалы и наблюдаемые lead times.
2. Определить среднюю частоту запросов λ = (число запросов)/(общий период наблюдения). Если данных мало, использовать средний интервал между отказами и взять λ как его обратное.
3. Выбрать модель прогнозирования (TSB/SBA/Croston) и рассчитать прогноз λ на ближайший период. Обновлять прогноз ежемесячно или после каждого нового события.
4. Оценить среднее lead time L и его дисперсию Var(L) на основе истории поставок.
5. Вычислить средний LTD = λ·L и дисперсию LTD = λ·L + λ²·Var(L).
6. Задать целевой уровень готовности (например, 95 %). Подобрать коэффициент z из нормального распределения или подобрать k по точному Пуассону, если λ·L < 5.
7. Рассчитать страховой запас SS = z·√(Var(LTD)) (нормальное приближение) либо SS = k − λ·L (точное).
8. Определить точку заказа ROP = λ·L + SS.
9. Рассчитать оптимальный объём заказа Q, используя формулу ЭОQ как начальную оценку и уточняя её через минимизацию общей ожидаемой стоимости (включая стоимость дефицита).
10. Внедрить выбранную политику (непрерывный контроль с параметрами (Q, r) либо периодический контроль (T, S)).
11. Мониторить эффективность: ежемесячно проверять фактический уровень сервиса, средние запасы и частоту заказов. При существенном отклонении скорректировать λ, L или целевой уровень готовности.

Сравнение популярных методов прогнозирования для прерывистого спроса

Метод	Основная идея	Преимущества	Ограничения	Когда предпочтителен
Croston	Отдельное сглаживание интервалов и размеров спроса	Прост в реализации, widely available в ПО	Систематическое смещение при низкой частоте спроса, запаздывание при изменении λ	Когда достаточно наблюдений (≥15–20 спросов) и изменения спроса медленные
SBA	Кростон с корректировкой уровня запаса	Снижает смещение Croston, лучше работает при очень низком λ	Все ещё зависит от параметров сглаживания, требует настройки	Когда спрос крайне редок (менее 1 запроса в месяц) и нужен менее смещённый прогноз
TSB	Обновляет оценки только при наличии спроса	Быстро реагирует на изменения λ, меньшее запаздывание	Требует учёта нулевых периодов в расчёте дисперсии, чуть сложнее в реализации	Когда наблюдаются изменения частоты отказов (например, после модернизации оборудования)
SES (простое экспоненциальное сглаживание)	Сглаживание самого ряда спроса	Простейший метод, подходит если есть слабый тренд или сезонность	Сильно завышает прогноз при прерывистом спросе, не подходит для чистого единичного спроса	Когда спрос демонстрирует заметную тенденцию (например, рост числа отказов из‑за износа)

Типичные ошибки и как их избежать

• Использование среднего спроса и нормального распределения для расчёта страхового запаса. При λ·L < 5 нормальное приближение даёт неверные quantiles, приводя к избыточному или недостаточному запасу. Что делать: применять точное распределение Пуассона или подбирать k из таблицы кумулятивных вероятностей.
• Игнорирование вариабельности lead time. Если время поставки сильно варьирует, страховой запас будет занижен. Что делать: собрать данные о lead time, оценить его среднее и дисперсию, использовать формулу Var(LTD) = λ·E[L] + λ²·Var(L).
• Обновление прогноза слишком редко. При изменении условий эксплуатации (например, после замены узла) λ может меняться быстро, а устаревший прогнёт ведёт к постоянному дефициту или избытку. Что делать: пересчитывать λ после каждого нового отказа или хотя бы ежемесячно.
• Выбор фиксированного объёма заказа без учёта стоимости дефицита. При высокой стоимости простоев оптимальный Q может быть значительно меньше ЭОQ, иначе дорогой дефицит будет компенсироваться излишними запасами. Что делать: включать стоимость дефицита в функцию общей стоимости и искать минимум численно.
• Неучёт минимального размера партии поставщика. Если поставщик отгружает только кратно определённому числу единиц, рассчитанный Q может быть невыполним. Что делать: округлять Q до ближайшего допустимого кратного и пересчитывать соответствующие издержки.

Сценарии применения и рекомендации по выбору политики

В зависимости от характеристик товара и целей бизнеса можно выбрать одну из следующих политик:

• Непрерывный контроль (Q, r) с малым Q. Подходит, когда стоимость заказа низка (например, электронный заказ через систему ERP) и желательно минимизировать средний уровень запасов. ROP рассчитывается как описано выше, а Q выбирается из баланса затрат.
• Периодический контроль (T, S) с длинным T. Удобно, когда проверка запасов выполняется совместно с другими процедурами (например, ежемесячная инвентаризация). Период T выбирается так, чтобы среднее число заказов в год было приемлемо; S рассчитывается для интервала T+L.
• Заказ по факту отказа (режим «just‑in‑time» для запасных частей).** Если стоимость дефицита крайне высока, а lead time очень короток и надёжен, можно отказаться от страхового запаса и заказывать деталь только после подтверждённого отказа. Требует надёжной системы уведомления и быстрой доставки.

При выборе политики рекомендуется выполнить простую симуляцию: сгенерировать ряд спроса на основе оценённого λ, смоделировать работу выбранной (Q, r) или (T, S) политики за несколько лет и сравнить среднегодовые затраты (хранение + заказ + дефицит). Политика с наименьшей ожидаемой стоимостью считается предпочтительной.

Практический следующий шаг

После прочтения этой статьи вы можете приступить к следующему:

1. Сформировать базу данных по датам отказа и датам поступления заказов для каждой интересующей вас детали.
2. Вычислить λ и оценить среднее lead time и его вариацию.
3. Выбрать модель прогнозирования (рекомендовано TSB) и получить обновлённый λ на ближайший период.
4. Определить целевой уровень готовности (например, 95 % или 99 % в зависимости от критичности простои).
5. Рассчитать страховой запас и точку заказа, используя точные таблицы Пуассона, если λ·L небольшое.
6. Выбрать объём заказа, начав с ЭОQ и уточнив его через оценку общей стоимости.
7. Внедрить выбранную политику в вашу систему управления запасами и установить ежемесячный процесс пересмотра параметров.

Следуя этим шагам, вы сможете перейти от интуитивного управления запасами к методу, основанному на статистике спроса и чёткой оценке рисков, что снизит как избыточные инвестиции в запасы, так и простои оборудования из‑за отсутствия нужной детали.

Данная статья носит информационный характер и предоставляет общие рекомендации по управлению запасами деталей с единичным спросом и редкими отказами. Для принятия решений, связанных с конкретными условиями эксплуатации, стоимостью простоев и характеристиками поставщиков, рекомендуется дополнительно проверить актуальные данные и, при необходимости, проконсультироваться со специалистом по логистике или управлению цепями поставок.