Stanley Black & Decker 分享 Lean AI 如何改变其供应链运营背后的工作

嘿,Ben,感谢你今天和我一起探讨 Stanley Black and Decker 与 Robinson Managed Solutions 之间的合作。回到大约六年前,即 2020 年底、2021 年初。回到最初决定与 RMS 合作的时候,是什么样的业务挑战或机遇促使你重新思考贵方物流组织的运作方式?

嗯,Brian,在过去,Black & Decker 采用的是一种分散式网络,运营活动在各站点层面推动。SBD 做出了战略决策,要转向更集中的模式,并借助一个提供支持的控制塔来管理整个网络。这一举措的目标是迅速改善路线规划合规性、增加集运机会并推动能力提升,从而削减供应链中的部分成本并减少浪费。

从历史情况来看,不完整或不一致的订单数据给你和 SBD 团队带来了哪些挑战?Stanley Black & Decker 有超过 40,000 个独立 SKU,因此要保持主数据准确且及时更新确实非常困难,尤其是涉及所有不同的产品线、供应商和地点时。

我们通常每月会有大约 2,000 笔人工订单在进入 Navisphere 时主数据缺失或不完整。这些订单通常无法继续处理,直到团队中有人进入系统更正订单。而这通常会导致这些订单的处理周期大幅延长。

有些订单数据不一致是系统设计导致的。我们在重量取整以及其他特定标准方面遇到了一些问题。而其他许多问题在订单下达之前,无法在上游主动发现。

现在我们来谈谈目前的情况。Lean AI Planner 如何介入并帮助更正这些订单,从而不再需要团队成员来完成这项工作?

对我们而言,Lean AI Planner 确实帮了大忙。它会利用自身的上下文学习能力,并结合我们的业务规则、产品属性、历史运输行为、供应商要求,以及其他各种信息,确定缺少什么,然后再进行更正。

我们仍有团队成员负责监督更正工作,但 Lean AI Planner 已能够立即实时介入,并自主更正所有过去最终进入暂挂状态的订单。

这使每笔订单的处理周期缩短至不到一分钟。传统上进入暂挂状态的订单中,近 90% 现已由 Lean AI Planner 主动更正。基本上,这一流程每月为我们节省了货物计划员超过 35 小时的非增值劳动。我们正在朝着能够预先纠正问题、避免下游出现中断和延误的供应链发展。而且,我们在这一过程中消除了大量浪费。

当我们想到传统的、以往的供应链评估时,其可能需要数周,甚至数月;评估范围可能不完整,无法覆盖你的整个网络。能否请你谈谈,在 Lean AI Engineer 推出之前,Stanley Black & Decker 的这一流程是什么样的?

在 Lean AI Engineer 推出之前,我们有专门负责账户的资深工程师。他们会大批审查货运量,以寻找改进和优化的空间。这一流程是临时性的。因此,当我们认为存在机会时,就会调取数据并进行分析。但由于所需投入很大,这项工作只能偶尔执行。

借助 Lean AI Engineer,手动提取和审核数据这一固有问题得以解决。因为我们能够持续查看所有站点的所有数据。我们现在能够实时地看到工程师过去需要手动发掘的相同机会。这使我们的工程师能够真正专注于评估输出结果,而不是去生成输出结果。

也就是说,我们把周期从数周甚至数月缩短到几分钟,然后专注于真正实现这些机会,并削减或节约成本。是的。这也使我们能够查看更多信息并发现更多机会,因为系统能够实时检视,而我们只需对此作出响应。

能否和大家分享一下,你通过 Lean AI Engineer 在 Stanley 业务方面发现的一项洞察或机会?到目前为止,Lean AI 已为 SBD 发现了几个新的机会。它做的另一件重要事情是,确认了此前的人工研究是有效的。

新的 Lean AI Engineer 的一个例子是:我们曾针对一位客户发现了一项特定类型的整合机会,并手动完成了这项工作。但其能够利用这些数据,应用于我们的所有客户,而无需分别开展研究或提取不同的数据。我们能够利用这些信息更好地实时支持业务决策,这确实实现了大量节约并消除了浪费。

对于正在探索 AI、但还不太确定从何入手的其他供应链领导者,你有什么建议?对我们来说,真正的关键是拥有像 RMS 这样的前沿合作伙伴。我建议他们与 RMS 合作,在业务中找到一个能够帮助他们创造价值的具体用例。

如果他们能解决这个问题,可以先从小处着手,不断迭代、快速推进,并预期并非所有事情都会尽善尽美;这样就能取得可量化的成果。有了初步成果后,您可以将这些具体成果分享给组织和相关利益方,这样就不只是谈论 AI,而是实际展示它为业务带来的价值。

Ben,非常感谢你的到来。我一直很重视这样的交流。很高兴能分享我们共同开展的一些工作,也特别期待未来的进展。谢谢。

非常感谢你,Brian,我很荣幸。

从 AI 潜力到真正的供应链价值

AI 不会仅仅因为它是 AI 就创造价值。只有在解决实际问题时,它才能创造价值。

对 Stanley Black & Decker 而言,这意味着让 Lean AI 处理其供应链背后的人工流程,使团队节约查找和解决问题的时间,将更多时间投向采取行动、把握机遇。

了解 Lean AI 在实际应用场景中的表现:

  • 自主订单更正:Lean AI Planner 运用上下文信息和业务规则识别缺失信息并采取行动,从而减少人工工作并确保订单持续流转。
  • 持续改进: Lean AI Engineer 持续分析网络绩效、检测趋势并发现优化机会,让专家能够专注于评估和行动。
  • 实现 AI 价值的务实路径:了解 Stanley Black & Decker 为何建议从具体用例入手,验证价值,并以此为基础逐步推进。