Statistik på standby i de sårbare forsyningskæder
Den islandske askesky viste, hvor udsatte forsyningskæderne er, når der ikke findes nødplaner. Typisk har man ikke kalkuleret på denne type risici, da de almindeligt anvendte statistikmodeller arbejder med antallet af forekomster målt over tid. Men rigtig mange virksomheder i forskellige brancher tager rent faktisk højde for forekomsten af naturkatastrofer. Statistikken sættes på standby til fordel for vurderinger af de rå og faktuelle konsekvenser af, at uheldet indtræffer.
Hvordan kan det ske, at et ganske naturligt forekommende naturfænomen kan stoppe den samlede europæiske trafik af mennesker i luftrummet? Kan det virkelig passe, at de kloge ingeniører, som har designet flymotorerne, ikke har taget højde for, at flyet muligvis skal passere i 10 kilometers højde over en vulkan, der er i udbrud? Og hvilke andre situationer er der så heller ikke taget højde for?
Modeller virker kun ved gentagelser
Det, som gør fænomenet interessant at behandle ud fra et supply chain-perspektiv, er, at ifølge flere eksperter burde askeskyen ikke komme som den store overraskelse for os. Sågar har flere eksperter decideret meldt ud, at der var en overvejende sandsynlighed for, at situationen kunne opstå. Derfor kan det undre, at der på ingen måde var planer for, hvordan der skulle handles, når nu situationen indtraf.
Ikke desto mindre er det på grund af den traditionelle skoling af supply chain-folk nærliggende at undlade at kalkulere på denne type af risici, da forekomsten af disse naturfænomener er så sjældne. Fordi alle almindeligt anvendte statistikmodeller, der anvendes til at kalkulere risici, arbejder med antallet af forekomster målt over tid. Det er så dejligt enkelt, da de fundne værdier efterfølgende kan placeres i en statistisk normalfordeling, der er enkel at anvende til at beregne, i hvor høj grad der skal tages højde for typen af hændelser. Problemet opstår i sagens natur, når forekomsten er så sjælden som i tilfældet med askeskyen fra Island.
Vi kender modellerne fra beregninger af mange andre typer af sikkerheder. Det være sig størrelsen af sikkerhedslageret eller det nødvendige lager for at opretholde en ønsket servicegrad overfor kunderne. I de situationer virker modellerne fint, da frekvensen af de hændelser, som gør det nødvendigt at kalkulere på sikkerheder, er langt højere. Hændelser som nedbrud af maskiner eller forsinkede leverancer fra en underleverandør er alle kendte situationer i de fleste virksomheder og forekommer som regel med en frekvens, der desværre ikke kan betegnes som sjælden. Med andre ord fungerer modellerne fint, når variansen i aftræk eller underleverancer er af en sådan beskaffenhed, at den er til at regne på.
Statistik på standby
Interessant er det imidlertid, at rigtig mange virksomheder i forskellige brancher rent faktisk tager højde for forekomsten af naturfænomener eller naturkatastrofer. Er der eksempelvis placeret anlæg eller fabrikker i områder med stor risiko for jordskælv eller oversvømmelser, er det naturligt at sikre, at leverancerne kan fortsætte, såfremt uheldet skulle være ude. Eller er virksomheden afhængig af at kunne fragte varer til søs, er der som regel også taget højde for de situationer, hvor havet viser så skarpe tænder, at end ikke de største fragtskibe kan sejle. Tilsvarende sikrer virksomheder, der befinder sig et trin eller to længere fremme i forsyningskæden, sig også mod de situationer, hvor deres underleverandører skulle blive ramt af en eller anden form for naturkatastrofe. I de situationer er det oplagt at indgå kontrakter med alternative leverandører, som kan overtage, såfremt uheldet skulle være ude, velvidende at der er visse omkostninger forbundet med dette.
I den slags situationer er det ikke de traditionelle statistikmodeller, som typisk bringes i anvendelse, men derimod en vurdering af de faktuelle konsekvenser af, at uheldet indtræffer, sammenholdt med omkostningen til at sikre sig imod selvsamme konsekvenser. I tilfældet med en kritisk underleverandør placeret i et område, der ofte rammes af jordskælv, vil vurderingen være, om virksomheden rent faktisk kan fortsætte med at servicere dens kunder, såfremt den kritiske underleverandør sættes ud af spillet.
Hvis svaret på dette spørgsmål er, at virksomheden ikke kan fortsætte eller kun kan fortsætte i en meget begrænset periode, giver det i høj grad svaret på, hvad der skal træffes af forholdsregler. Med andre ord sættes statistikken i sin reneste form på standby til fordel for vurderinger af de rå og faktuelle konsekvenser af den mulige situation. Passende kan der opstilles en matrix, der viser en vurdering af sandsynlighed for en given hændelse sammenholdt med den forretningsmæssige påvirkning af, at situationen opstår. (SE VEDHÆFTEDE FIGUR).
Image bør også medregnes
Det er nok tvivlsomt, hvorvidt tilsvarende overvejelser er gjort i luftfartsindustrien. Ingen kan efter den seneste askesky være i tvivl om, at de forretningsmæssige og økonomiske konsekvenser af hændelsen var enorme, med dønninger der stadig kan ses på overfladen. I sagens natur er der en række ukendte faktorer i tilfældet med asken over Europa. Blandt andet er det ikke almindelig kendt, hvor meget det vil koste at forebygge flymotorernes sårbarhed overfor aske. Og det kan jo være, at en simpel kalkulation hos flyproducenterne viser, at sådanne forebyggende tiltag vil gøre motorerne så dyre, at det vil påvirke den samlede industri. Altså en kalkuleret risiko.
Et andet forhold, som også bør indgå i virksomhedernes overvejelser, er den påvirkning af deres image i markedet, som en given situation kan medføre. I situationen med askeskyen er det alle leverandører på markedet, altså luftfartsselskaber, som rammes lige hårdt. Men der er mange andre situationer, hvor det nødvendigvis ikke er alle spillere på et marked, som sættes ud samtidig.
Hvis vi vender tilbage til virksomheden, der har en kritisk leverandør placeret i et område med risiko for jordskælv, så er det mindre sandsynligt, at alle konkurrenterne er afhængige af samme leverandør. Men det kan naturligvis forekomme, hvorved situationen vil være at sammenligne med luftfartsselskaberne og askeskyen. Mere sandsynligt er det imidlertid, at de forskellige aktører i markedet betjener sig af forskellige underleverandører, hvorefter det alt andet lige også skulle tage højde for tab af image overfor kunderne. Tab af image kan i mange industrier relativt hurtigt føre til tab af omsætning, såfremt det er enkelt at skifte fra en leverandør til en anden.
Tilbage er kun at fremsætte håbet om, at der i alle industrier, og ikke mindst i luftfartsindustrien, er indbygget en naturlig mekanisme omkring læring, som forhåbentlig afstedkommer, at der fremadrettet vil blive taget højde for de situationer, som med en vis sandsynlighed vil indtræffe på et eller andet tidspunkt.
