Закупка карьерной техники: почему реальные расходы на ОГР всегда выше планового ТЭО?
В предыдущем материале был рассмотрен стандартный процесс обновления парка карьерной техники в организациях. Однако закупка и физический ввод машин в эксплуатацию — начальная точка их жизненного цикла, формирующая базис для всех последующих операционных и финансовых результатов предприятия.
На сегодняшний день отечественный B2B-рынок (продажи между компаниями, Business-to-Business) демонстрирует высокую насыщенность: в активном обороте представлено более десяти крупных ОЕМ-изготовителей (изготовитель оригинального оборудования, Original Equipment Manufacturer) основных карьерных машин, включая экскаваторы, самосвалы, погрузчики, бульдозеры и грейдеры. Дистрибьюцией данного оборудования занимаются разветвленные сети поставщиков — от официальных дилеров до независимых посредников. К примеру, анализ сегмента карьерных самосвалов грузоподъемностью до 100 тонн показывает высокую вариативность предложений. Так, в линейках технологического транспорта таких китайских брендов, как TONLY и LGMG, насчитывается до 13 различных модификаций самосвалов, в то время как SANY, LIUGONG и ZOOMLION фокусируются на нескольких базовых моделях.
Иллюзия простоты и дефицит анализа
Подобное многообразие брендов и спецификаций создает у менеджмента организаций опасную иллюзию простоты выбора. Однако именно на этапе промышленной эксплуатации проявляется системная проблема — нехватка предиктивного анализа, который позволяет ответить на ключевой вопрос: «Что, вероятнее всего, произойдет в будущем?». В моделировании бизнес-процессов этот момент характеризуют как опережающий параметр, который важен для эффективного управления и планирования.
Сразу после запуска техники предприятие сталкивается с формированием реального потока операционных расходов (OPEX, Operating Expenditures) на содержание активов. Итоговый объем этих затрат находится в прямой зависимости от доскональности проведенного до закупки инвестиционного аудита и достоверности выходных данных используемой математической модели, формирующее качество информации. Достоверность результатов влияет на сходимость экономического эффекта после внедрения оборудования в производство, и чем выше надежность данных, тем грамотнее управленческое решение.
Учитывая многообразие техники, возникает задача минимаксного моделирования, которое сводится к определению минимальной стоимости владения (TCO, Total Cost of Ownership) и максимальной производительности относительно всевозможных комплектаций парка техники и факторов, влияющих на эксплуатацию, например, крепость и фракционный состав материала, состояние опорной поверхности и тягово-тормозные характеристики, климатические условия и календарный фонд рабочего времени и т. д. Зачастую эти факторы заложены в параметры принятия решения по выбору поставщика в момент осуществления этапа закупки. Результатом качественного моделирования должна являться выборка из нескольких строго оптимальных вариантов комплектации парка.
Скрытые издержки расчетов «на глаз»
В ситуации, когда расчеты проводятся кустарными методами «на пальцах», «так у соседа», «так пишут», «так считают», «прикинули, накинули и запустили» и т. д. происходит следующее. Себестоимость фактическая в большинстве таких случаев оказывается выше планово-расчетной из-за некорректного учета рисков. Это исключает из выборки комплектации заведомо более выгодные модели машин, имеющих достаточную производительность для гарантированного выполнения плана работ и более низкую TCO.
Пытаясь минимизировать технологический риск и компенсировать недостаток точных знаний, менеджмент допускает критическую ошибку. Чтобы сократить время простоев оборудования, вызванных аварийными ремонтами, склад запасных частей комплектуют избыточными номенклатурами. Впоследствии эти излишки оседают на балансе как неликвидные ЗИП, вымывая оборотные средства и нанося удар по экономике предприятия в целом.
Выполняя взятые на себя производственные обязательства и проходя через лавину скрытых издержек, организация начинает вынужденно экономить «буквально на всем», что разрушает производственную культуру. В конечном итоге все эти неоптимальные затраты перекладываются на себестоимость готовой продукции (песка, щебня, угля, руды), напрямую снижая конкурентоспособность компании на рынке.
Экономический эффект: сколько сгорает в карьере?
Поскольку современная китайская карьерная техника от бренда к бренду конструктивно представляет собой «инженерный конструктор», состоящий из одних и тех же узлов и агрегатов, например: ДВС — Weichai; КПП — Fast Gear; мосты — Penqxiang; гидравлика— Hengli и т. д. Ключевая разница кроется именно в стратегии управления OPEX и стоимости ЗИП.
На основании результатов информационного динамического моделирования методом параллельных исчислений, достоверность планирования которого составляет более 95 %, установлены жесткие рыночные закономерности:
- Использование близлежащего («соседнего») варианта комплектации парка техники относительно строго эффективного обходится предприятию дороже на 5—30 % в зависимости от количества машин;
- Сопоставление данных с разных производственных площадок, имеющих схожие горно-геологические условия, показало, что себестоимость выполнения механизированных работ варьируется в пределах 10 % исключительно из-за разницы в расходах на содержание.
Данное расхождение имеет под собой конкретное и крайне болезненное финансовое выражение как для инвесторов, так и для лицензиодержателей. Согласно верифицированным оценкам, в течение стандартного жизненного цикла машин организации безвозвратно теряют от 10 до 40 млн рублей в год. Эти оборотные средства фактически бесследно «сгорают» вследствие неоптимального управления операционными затратами.
Вывод
Таким образом, ошибка, допущенная на этапе предынвестиционного формирования и расчета парка, никогда не остается разовой финансовой потерей. Она перекладывается на каждый моточас работы техники, на каждую добытую тонну горной массы, напрямую снижая маржинальность бизнеса и подрывая его конкурентоспособность на рынке. Осознание этих скрытых операционных рисков подводит прогрессивный менеджмент к необходимости отказа от ручных таблиц и перехода к технологиям сквозного информационного моделирования открытых горных работ.