Управление рисками

От ураганов до пожаров на предприятиях

Как справиться с непредвиденным сбоем поставок

Дэвид Симчи-Леви, Уильям Шмидт, Ехуа Вэй

ТРАДИЦИОННЫЕ МЕТОДЫ УПРАВЛЕНИЯ РИСКАМИ, связанными с цепочками поставок, основаны на знании вероятности наступления и масштабов последствий каждого из возможных событий, которые могут серьезно подорвать работу компании. Эти методы отлично подходят для обычных сбоев в цепочке поставок, таких как плохая работа поставщиков, ошибки в прогнозах, транспортные проблемы и так далее, поскольку для количественной оценки уровня риска можно использовать данные за прошлые периоды.

Но все выглядит совсем по-другому при маловероятных событиях, которые имеют значительные последствия, – стихийных бедствиях вроде урагана «Катрина» в 2005 году, вирусных эпидемиях (например, вспышки атипичной пневмонии в 2003 году) или серьезных перебоях в работе из-за непредвиденных обстоятельств, таких как пожары на заводах и политические потрясения. Такие события происходят редко, данных за прошлые периоды мало или вообще нет, поэтому и оценить риски с помощью стандартных методик в этом случае практически невозможно. В результате многие компании не могут должным образом к ним подготовиться, и это может привести к катастрофическим последствиям: бороться за жизнь приходится даже предприятиям с великолепно отлаженными рабочими процессами. Вспомните хотя бы о компании Toyota после землетрясения и цунами в Фукусиме в 2011 году.

Для решения этой непростой задачи мы разработали специальную модель – математическое описание цепочки поставок с возможностью компьютерной обработки. Ее задача – проанализировать последствия возможных сбоев в отдельных звеньях этой цепочки (таких, как закрытие предприятия-поставщика или наводнение в дистрибьюторском центре), а не на их причинах. Такой анализ снимает необходимость определять вероятность возникновения какого-либо конкретного риска – и это вполне разумно, поскольку эффективность мер по смягчению последствий любого сбоя не зависит от того, что его вызвало. С помощью этой модели компании могут оценить, с какими последствиями (с финансовой и организационной точек зрения) они могут столкнуться, если их ключевой поставщик по какой бы то ни было причине прекратит свою деятельность, допустим, на две недели. Автоматизированную модель можно легко и быстро обновлять, что очень важно, потому что цепочки поставок находятся в постоянном движении.

В ходе разработки нашей модели и ее применения в различных компаниях, включая Ford Motor Company, мы с удивлением обнаружили очень небольшую корреляцию между тем, сколько организация тратит ежегодно на закупки у конкретного поставщика, и тем, как может повлиять на ее эффективность сбой в работе этого партнера. В действительности, как будет показано далее в этой статье на примере компании Ford, наибольшее воздействие часто происходит в неожиданных точках.

На практике это означает, что руководители, применяя традиционные методы управления рисками и стандартные алгоритмы (например, сумма в долларах, расходуемая на объекте), часто в итоге сосредотачиваются исключительно на так называемых стратегических поставщиках. Именно у них компания закупает детали, считающиеся ключевыми для ассортимента выпускаемой продукции, причем закупает на крупные суммы (наименование «детали» условно и зависит от специфики деятельности компании – это могут быть ингредиенты, комплектующие и так далее). Риски же, связанные с недорогими поставщиками сырья, упускаются из виду. В результате руководители принимают неверные решения, нерационально расходуют ресурсы и подвергают организацию скрытым рискам. В этой статье мы опишем нашу модель и расскажем, как ее использовать для того, чтобы выявлять риски, связанные с цепочками поставок, управлять этими рисками и снижать уязвимость по отношению к ним.