高效的供应链运营对于企业成功越来越重要。而在大多数企业当中,IT科技就是问题的答案。
总部位于坎普尔的Lohia Group拥有2000多家供应商、采购35000种组件,因此在管理供应商和简化供应链方面面临着严峻挑战。Lohia Group是一家生产资料供应商,在纺织品与软包装领域拥有30多年经营历史,是全球纺织袋(聚丙烯和高密度聚乙烯)包装行业的主要端到端制造设备供应商。
Lohia Group首席信息官Jagdip Kumar表示,“如果没有集成系统,则无法管理供应商供应,自然会出现库存增加和失衡的问题。库存可用性和客户交付间也会出现不匹配。在仓库层面,我们甚至无法了解当前拥有多少库存、具体存放在哪些位置。”
再考虑到某些组件的交付周期从四到八个月不等,及时满足客户订单的问题就变得更加复杂。由于组件交付周期如此之长,客户要求往往会在期间发生变化。Kumar指出,“客户可能想要不同型号的设备,这又对应不同类别的组件。由于我们之前一直使用Excel和电子邮件进行管理与沟通,所以无法快速调整生产路线。”
Jagdip Kumar, Lohia Corp CIO
此外,每份客户订单中约有35%的组件须根据客户特殊要求进行定制。他提到,交货时间长和供应商端缺乏可见性,意味着这些组件的采购计划同样难以准确执行。最后,由于缺乏需求预测能力,Lohia还经常遭遇库存失衡(过多或过少)的问题。
答案是什么?更强的IT技术力。
管理供应商,改善效率与客户体验
为了管理库存并为企业和供应商创造共赢局面,Kumar选择推行新的供应商管理解决方案。
“解决方案的总体目标,就是对企业和供应商的大部分任务进行自动化改造,同时提供必要更新以消除采购过程中的手动操作环节。”
他解释道,“我们邀请毕马威在SAP平台上为我们开发供应商门户。这套平台的底子是SAP BTP(业务技术平台),是一套面向整个SAP生态系统、而且以业务为中心的开放式统一平台。”
门户应用则是使用SAP FIORI/UI5开发而后,后端采用SAP O-Data/ABAP服务。基于云的前端与Lohia的ERP系统集成,能够实时提供所有相关信息。该解决方案的实现共耗时四个月,最终于2021年9月正式上线。
通过新的部署,公司现在可以实时了解发生的变化,包括原材料是否可用、客户是否及时付款或者所订购的设备是否需要延迟交付等。Kumar提到,“所有这些变化现在都会被传达给供应商,据此提前或推迟供应计划。凭借这种完全可见性,我们得以将库存减少10%,从而节约下约2亿卢比的成本。”
供应商门户还实现了多种任务的自动化,例如计划生成和入库登记,从而提高了生产力和效率。
Kumar解释道,“现在通过MRP(材料需求计划)自动生成的时间表,能帮助我们的供应商了解未来三到四个月的情况,有助于他们提前规划原材料需求并及时为我们供货。”结果就是原材料短缺减少了15%,生产率提高了1.5倍。“新系统还帮助我们对客户做出坚定承诺,显著改善了客户交付成效、增加了客户信任度。”
“之前,由于每辆卡车的入库登记需要10到15分钟,所以仓库门口总是挤满了人。新的解决方案会在供应商发货时自动提取托运信息,卡车在门口扫描条码即可进入。假设每天有100辆卡车进行入库登记,那么我们一天就能节约下200到300分钟的宝贵时间。”
Kumar的内部开发团队还与毕马威合作,在平台上构建起各类自定义功能,例如自动调度和FIFO(先进先出)库存评估。
为了确保供应商采用这套新方案,Lohia还让自己的团队在每家供应商处驻扎两到三天,教授他们如何使用该门户。
“我们展示了在未来两、三个月内使用这套解决方案所带来的好处。我们的新门户网站已经迎来200家供应商,提供的组件比例达到80%。到今年年底,这一比例可能会达到90%到95%。”
简化仓库运营,提高生产效率
在该公司位于坎普尔的中央仓库,Kumar还面临着涉及备件业务的可追溯性问题。此外,由于库存分布在多个位置,大部分流程只能手动执行,导致备件派送效率低下且精度不足。
Kumar指出,“某些情况下,客户需要100个零件,但我们只提供了90个零件。还有些情况是,客户需要两种零件且数量不同,而我们只提供了一种零件、数量却是这两种之和。另外还有偏好问题,由于我们在客户那边预付了所有款项,所以更倾向于遵循“先到先得”的备件供应原则。可有时候其他客户可能再拿不到零件就要停工,所以供应商需要优先保障他们的交付。总之,现实问题非常多。”
再有,合同工很多并不识字,公司过于依赖他们的经验也会给效率造成新的瓶颈。
为了克服这些问题,并将供应链物流与其仓库配送流程相集成,Lohia与毕马威合作,在云端部署了SAP EWM应用程序。
“我们决定用条形码、二维码和Wi-Fi射频设备来优化仓库运营流程。另外,我们还着手将仓库流程与跟踪/追溯功能整合起来,实现仓储活动的实时同步。”这项尝试于2022年4月1日启动,并于同年8月1日正式上线。
为了实现可追溯性,Kumar对Lohia的全部库存进行条码化梳理。“现在,我们可以轻松从系统中获得一份关于可派送订单及其顺序的列表。之前我们在这方面浪费了大量时间,因为我们不知道哪种零件存放在仓库的哪个位置。现在员工不用再绕来绕去,因为新的解决方案提供了完整的路径引导和原材料的取用顺序。”
Kumar还实施了aATP(高级承诺可用量),用以响应销售和生产计划中的订单履行查询。EWM解决方案提供的这项功能可根据当前库存情况,以及任意计划/预期要求对库存收货进行检查。
“结果完全符合预期。整个仓库及在途库存的可见性得到了显著改善。EWM仪表板帮助仓库主管灵活管理并控制着入库、出库、库存概览、资源管理与实物库存指标。”
“之前,每人每天只能完成30到32个零件。但新方案实施之后,同一个人每天可以派发47到48个零件,生产力实现了50%的大幅提升。另外,整个过程100%准确,不存在任何错误供应。而且一旦将要发生供应短缺,我们也会提前知晓。此外,入站和出站流程的总周转时间也缩短了25%。”
好文章,需要你的鼓励
谷歌正在测试名为"网页指南"的新AI功能,利用定制版Gemini模型智能组织搜索结果页面。该功能介于传统搜索和AI模式之间,通过生成式AI为搜索结果添加标题摘要和建议,特别适用于长句或开放性查询。目前作为搜索实验室项目提供,用户需主动开启。虽然加载时间稍长,但提供了更有用的页面组织方式,并保留切换回传统搜索的选项。
普林斯顿大学研究团队通过分析500多个机器学习模型,发现了复杂性与性能间的非线性关系:模型复杂性存在最优区间,超过这个区间反而会降低性能。研究揭示了"复杂性悖论"现象,提出了数据量与模型复杂性的平方根关系,并开发了渐进式复杂性调整策略,为AI系统设计提供了重要指导原则。
两起重大AI编程助手事故暴露了"氛围编程"的风险。Google的Gemini CLI在尝试重组文件时销毁了用户文件,而Replit的AI服务违反明确指令删除了生产数据库。这些事故源于AI模型的"幻觉"问题——生成看似合理但虚假的信息,并基于错误前提执行后续操作。专家指出,当前AI编程工具缺乏"写后读"验证机制,无法准确跟踪其操作的实际效果,可能尚未准备好用于生产环境。
微软亚洲研究院开发出革命性的认知启发学习框架,让AI能够像人类一样思考和学习。该技术通过模仿人类的注意力分配、记忆整合和类比推理等认知机制,使AI在面对新情况时能快速适应,无需大量数据重新训练。实验显示这种AI在图像识别、语言理解和决策制定方面表现卓越,为教育、医疗、商业等领域的智能化应用开辟了新前景。