Tradizionalmente, la Fair Value Estimation è una disciplina finanziaria che misura il valore reale di un bene, considerando il valore di acquisto e i deprezzamenti vari, l’usura: valutando costi, ricavi generati, obsolescenza etc.
In campo industriale, Aramix estende notevolmente il campo d’azione di questa metodologia, applicando un approccio diverso e mettendo a punto un ammortamento affidabilistico invece che uno tradizionale o esclusivamente finanziario.
Bisogna infatti considerare che gli asset industriali tipicamente non si deprezzano in modo standard, ma richiedono una stima più precisa: il ciclo di vita di un bene può essere calcolato in modo affidabilistico con un tot di anni – il suo cosiddetto periodo tipico – ma se l’asset è mantenuto in condizioni ottimali può durare molto di più.
Per esempio un’automobile può durare molto più anni se viene usata correttamente rispetto a una che viene trascurata, così come un impianto di pompe idrauliche che riceve una regolare manutenzione, durerà molto di più di uno che non la riceve.
In questo senso il fair value di due componenti identici può essere diverso, perché uno viene gestito bene e uno male.
Come funziona il calcolo del fair asset value
Il primo passo è quello di identificare tutti gli asset e i componenti che devono rientrare nella stima.
Questi elementi vengono poi corredati dalle loro informazioni contabili – il costo, la data di installazione o di sostituzione – e da tutti quei dati utili a stimare la loro vita utile, provenienti da varie fonti, a seconda dei casi:
- sensoristica;
- storico di guasti e statistica di utilizzo;
- la letteratura in merito o più generalmente la knowledge specifica sull’argomento;
- l’opinione degli esperti.
A questo punto occorre razionalizzare le informazioni degli asset sulla base di queste specifiche caratteristiche contabili e operative, per ottenere una stima sulla vita utile, la cosiddetta Useful Life.
Questa è la soglia entro la quale un componente andrebbe sostituito perché a rischio di rottura, e nel calcolarla si prende in considerazione anche il valore residuo dell’asset e la probabilità di occorrenza di guasti (sempre valutata attraverso il modello affidabilistico del componente).
Così facendo, si ottiene una stima più equa di:
- Valore residuo degli asset su base affidabilistica e non contabile/finanziaria
- OPEX, ovvero quanto si andrà a spendere di costi operativi, come la manutenzione ordinaria o straordinaria.
- CAPEX, attualizzando i costi degli asset, sulla base non solo del valore residuo ma anche calcolando il costo del riacquisto a nuovo
- RICAVI, in sostanza quanto è possibile guadagnare sopra questi asset, sapendo quanto sono costati e quanto occorre spenderei per mantenerli efficienti.
Un caso di Fair Value Estimation nel mondo Energy
Un top player italiano nell’industria dell’energia ci ha commissionato un’indagine data-driven sui propri stabilimenti di produzione.
Il nostro committente infatti esercisce questi impianti per società terze, e questa Fair Value Estimation ha permesso di ottenere una stima più robusta del valore dei propri asset, oltre a una base più solida per condurre un’eventuale compravendita.
La base di partenza è il registro di tutti gli asset: un database molto preciso e granulare con la lista di tutti gli item e tutte le informazioni correlate, come anno installazione, anno acquisto, macrocategoria etc.
Soprattutto in quest’ambito, valutare tutte queste informazioni è essenziale per capire realmente l’aspettativa di vita di ogni asset: sia nel caso di componenti singoli – come tubi e valvole – che di quelli più complessi, a loro volta costituiti da microelementi più piccoli, che hanno un impatto cruciale sulla stima dell’intero asset.
Per esempio, nel caso di una caldaia che può contare su uno standard di 40 anni di vita utile, occorre considerare che una sostituzione importante allunga notevolmente la vita globale di tutto il sistema.
In questo modo si riesce a dare una stima affidabile dell’orizzonte di vita di un intero registro di componenti, e questi si possono deprezzare sulla base del loro orizzonte di vita, calcolando quanto diminuiscono di valore nel tempo.
In questo caso specifico, gli asset in questione non erano particolarmente sensorizzati e si è reso necessario affidarsi ad altre fonti di informazione.
Combinando i dati proprietari con dati statistici, letteratura e opinione degli esperti, siamo riusciti a fornire una stima affidabile sull’orizzonte di vita dei componenti, deprezzandoli sulla base della loro Remaining Useful Life, ovvero prevedendo per quanto tempo ancora il componente potesse effettuare la propria funzione correttamente.
Potenzialmente sarebbe anche possibile calcolare con più precisione la soglia di accettabilità di ogni asset, per dismetterlo quando la sua affidabilità scende al 50%.
Questo offre la possibilità di affidarsi a una base analitica molto più solida per guidare le decisioni di business, e questa stima può essere integrata in un eventuale Decision Support System.
Si è scoperto che la vita utile degli elementi in vendita fosse molto più lunga di quanto prospettato dall’acquirente, che si basava solo su valori tabulati degli standard di riferimento.
In questo modo si sono ottenuti valori inconfutabili e condivisi dalla controparte, per un guadagno più equo nella fase di compravendita.
Altre applicazioni per la Fair Value Estimation
L’industria energetica è tipicamente caratterizzata da parchi macchine di grosse dimensioni, con una grande variabilità ma pochi esemplari per ciascun asset. Questa metodologia però può rivelarsi un game-changer per qualsiasi altra azienda che abbia un grande parco macchine, con flotte di macchinari simili.
La questione cruciale rimane la medesima: quanto questi macchinari si siano svalutati nel tempo e, di conseguenza, a che prezzo riacquistarli? E a quanto converrebbe rivenderli da usati?
Per calcolare la Fair Value di questi asset si esamineranno tutti i dati provenienti dalla sensoristica dei componenti più sofisticati: la frequenza e l’intensità di utilizzo, i guasti, il consumo energetico etc. Per quanto riguarda gli asset non sensorizzati si ricorre alla statistica e alle informazioni anagrafiche disponibili per i componenti (così come agli altri elementi citati precedentemente: letteratura e expert knowledge).
Una premessa fondamentale su cui si basano queste stime stima è questa: il ciclo di usura è diverso su item provenienti da luoghi diversi. Per esempio, a parità di anni, un conto è un macchinario che è stato collocato dalla palestra più affollata di una grande città, un conto è un macchinario nella palestra assai poco frequentata di un hotel.
