當製造業談論 AI 應用時，焦點多半放在生產設備、品質檢測或預測維護。然而，雀巢美國（Nestlé USA）近期分享的一項案例顯示，看似不起眼的「備件數據」管理，反而可能隱藏更大的成本黑洞：由於各工廠長年各自管理 SAP 備件資料，相同零件在約 20 座工廠被建立成多個不同料號，造成重複採購、庫存膨脹，也讓大量營運資金長期卡在無法有效利用的備件庫存。
20 座工廠的數據孤島，「一物多碼」造成營運資金黑洞
雀巢透過導入整合 SAP 的 AI 備件管理平台，重新建立標準化流程與資料治理，成功將備件搜尋時間縮短，並把各工廠原本各自管理的庫存，轉變為可跨廠共享調度的全網資源。
雀巢美國資深工程維護經理 Steven Gould 分享，在系統改善之前，每逢週末經常收到來自工廠的求救訊息，希望總部協助尋找急需的備件。原因並非零件不存在，而是現場人員難以在系統中找到正確資料，即使熟悉系統的人，也必須登入後，逐一比對資訊，再跨越不同工廠搜尋是否仍有庫存。
問題核心來自主數據缺乏一致性。雀巢資深維護工程專家 Andy Goldinger 表示，過去各工廠多半依照各自習慣建立料號，而非以設備製造商的原始零件編號作為標準，因此相同備件在不同工廠往往擁有不同名稱與不同料號，甚至同一座工廠內，也可能因重複建檔而產生兩到三筆相同零件資料。
這種資料碎片化帶來連鎖效應。由於無法確認其他工廠是否已有相同備件，各據點往往各自採購、各自囤貨。COVID-19 疫情期間，供應鏈交期拉長，雀巢提高安全庫存因應缺料風險，但疫情過後，這些備件並未同步回歸合理水位，導致大量資金持續沉澱在倉庫中。由於缺乏跨廠透明度，公司也難以掌握特定零件的實際使用量與總庫存，更削弱了與供應商議價的能力。
像用 Google 一樣找零件，AI 視覺比對如何讓尋料時間砍半
為了解決問題，雀巢先重新設計整套備件建立流程。過去各工廠可能使用 Microsoft Forms、Power Query，甚至紙本表單申請新增料號，如今全美工廠全面採用一致流程，建立「一個零件、一個料號」的管理原則，並限制只有倉儲主管與維護經理等指定人員具有最終核准權限，以避免重複建立相同備件。
真正提升效率的關鍵則是 AI 的導入。現在，員工只要輸入製造商零件編號，系統便立即比對既有資料庫，自動提示可能重複的備件，防止建立新的重複料號。AI 也會自動生成符合規範的零件描述，大幅減少人工輸入造成的不一致。
搜尋方式也變得更加直覺。過去員工必須熟悉料號、關鍵字甚至萬用字元搜尋技巧，如今維修技術人員可以像使用 Google 一樣輸入已知資訊，再逐步縮小搜尋範圍。
AI 同時整合設備型錄、技術規格與零件照片，現場技術人員透過平板即可直接比對影像，確認是否為所需零件，再決定是否前往倉庫領料，減少往返時間與拿錯零件的情況。系統也能辨識已停產零件，甚至提前提醒未來即將停產的元件，讓維護團隊能及早規劃備料與替換策略。
雀巢測試結果顯示，導入新 AI 整合系統後，尋找備件所需時間縮短約 50%，操作介面也相當容易上手，多數員工只需約 5 分鐘便能掌握基本操作，因此系統推行阻力遠低於預期。公司也透過 Microsoft Power BI 持續追蹤各工廠使用情況，目前每月使用率已超過 95%，顯示現場人員普遍認同新流程帶來的效益。
更重要的是，這次轉型改變了雀巢管理備件的思維。過去每座工廠都必須自行準備昂貴的關鍵備件，有些設備零件價格高達數十萬美元，卻可能多年都未曾使用。如今透過統一料號與跨廠透明化庫存，各工廠能即時查看其他據點是否已有相同備件，必要時直接跨廠調撥，大幅降低重複備貨需求，也讓整體營運資金獲得更有效運用。
Steven Gould 表示，雀巢如今管理的已不再是各工廠獨立的備件倉庫，而是把整個市場視為一個共享庫存網絡。各據點可以依照整體需求配置高價備件，避免相同零件分散閒置於不同工廠，也讓企業具備更完整的庫存視野與協作能力。
這項案例也反映，AI 在製造業的價值未必來自最複雜的演算法，而是在於協助企業建立一致的資料標準、改善流程治理，讓原本分散的資訊重新連結。
【推薦閱讀】
◆ PepsiCo 41 輛無人卡車上路：全美首家公開大規模商轉的消費品巨頭
＊本文開放合作夥伴轉載，參考資料：《Plant Services》、SPARETECH，首圖來源：Nestlé
（責任編輯：廖紹伶）
