«Mars Snacking» — подразделение Mars, которое выпускает снеки и кондитерские изделия. Компания работает с сетью распределительных центров в США и привлекает 3PL-партнёров для складских операций.
ПРОБЛЕМА
На каждом РЦ из смены в смену накапливались косвенные трудовые затраты. Это оплачиваемое время на перерывы, санитарную обработку, перемещение паллет и дополнительные задачи от руководства. Само по себе наличие этих затрат — норма, но «Mars Snacking» не понимала, насколько они обоснованы, есть ли отклонения, связанные с конкретным сотрудником или видом работ.
3PL-партнёры присылали отчёты каждую неделю, но они давали общее представление о ситуации. Итоговые затраты становились известны только при закрытии периода. Если бы компания видела отклонения раньше, то могла бы разобраться в причинах и сократить потери внутри периода.
Получить подробную картину можно было только вручную. Анализ косвенных трудозатрат и наличия нарушений занимал у каждого руководителя 5–10 часов в неделю. И даже в этом случае данные появлялись слишком медленно, чтобы вовремя изменить ситуацию.
РЕШЕНИЕ
Анализ автоматизировали с помощью ИИ-агента. Он собирает операционные данные по сети РЦ и находит, где теряются оплачиваемые часы и снижается производительность.
В разрезе каждого РЦ система показывает:
🟨 часы и стоимость косвенного труда по видам работ
🟨 превышения времени перерывов и обедов, вплоть до конкретного сотрудника, длительности и стоимости отклонения
🟨 сотрудников с наибольшими потерями рабочего времени
🟨 динамику затрат по сети за два месяца
3PL-партнёры получают отчёт ежедневно, менеджеры «Mars Snacking» — раз в неделю. Поэтому на встрече с подрядчиком компания может обсуждать не примерную динамику, а конкретные цифры.
⚡️ РЕЗУЛЬТАТ
— Первый же анализ обнаружил больше $29 000 затрат, которые раньше были видны только при закрытии периода. За два месяца ИИ выявил больше $60 000 таких затрат. Их удалось сократить почти на 28%.
— Только за одну неделю система нашла и оценила в деньгах больше 800 нарушений, связанных с перерывами.
— На одном из отстающих РЦ производительность выросла на 8,5%.
Авторы кейса описывают результат: «Visibility changed behavior. Behavior reduced costs». Когда затраты стали прозрачными, компания начала иначе работать с отклонениями. А это помогло вовремя снижать расходы.
👉 Как думаете, сработал бы такой сценарий на российских складах?
#ИИ_кейс #ИИ_в_логистике #ИИ_в_FMCG
📎 Источник