在汽车行业面临前所未有的变革之际，Stellantis集团正在重新定义供应链管理的核心理念。在最近的ALSC欧洲2026大会上，Stellantis全球采购与供应链副总裁Carlos Vazquez和欧洲售后运输网络设计与成本控制高级经理Benoit Gaucherand共同揭示了一个关键转变：从成本驱动的物流模式转向以人工智能赋能、多式联运和人文关怀为核心的供应链体系，其中韧性与合作伙伴协作成为战略基石。这一转变标志着汽车供应链正在进入一个全新的发展阶段，不再仅仅依赖技术和数字化，而是更加注重人与人之间的合作与信任构建。
从精益到反脆弱：Stellantis供应链的演进历程
Vazquez详细阐述了Stellantis供应链管理理念的演进过程。上世纪80-90年代，最佳实践聚焦于精益生产和成本优化，这是第一次石油危机后的必然选择。”当时我们处于第一次石油危机的后遗症中，重点就是生产和廉价生产，”他回忆道。进入90年代至2000年代，重点转向ERP系统，旨在实现库存和订单的可视化，并建立销售与运营规划（S&OP）流程。这一时期需要关注未来，进行预测和规划，并研究各种”假设”情景。2000年代则是由客户中心性驱动的时期，”这真是一个敏捷性时期，完全改变了我们的运作方式，”Vazquez表示。然而，当新冠疫情到来时，这种敏捷性再次发生了变化。
Vazquez指出，随着疫情的到来，”韧性从董事会会议室里的PPT演示变成了每一天的会议和活动”。这促使Stellantis提出了”反脆弱”方法，他将其描述为能够失败、学习和以渐进方式成长的能力。人工智能是这家原始设备制造商目前所处的”反脆弱”时代的核心组成部分，通过数字孪生技术映射供应链，通过预测性AI进行预测、预期和规定，并通过AI驱动的自动化提高效率。但Vazquez提出了一个关键问题：”供应链最佳实践的下一个前沿是什么？未来是什么？”
“当人工智能拥有所有答案时，真正重要的是问题。技术是必需品，但它只是一个推动者。” — Carlos Vazquez, Stellantis全球采购与供应链副总裁
人工智能时代的供应链人文价值
Vazquez强调，虽然人工智能在当今供应链中是必需品，但如果没有人员和合作，其益处无法完全实现。”当人工智能拥有所有答案时，真正重要的是问题，”他说。”当人工智能拥有所有答案时，我们放在中心的是那些会提出问题的人员，以及跨公司和跨价值链的合作，因为我们在各自公司中都在AI孤岛中工作。”他补充道：”技术是必需品，但它只是一个推动者。”
这一理念在Stellantis的供应链实践中得到了充分体现。公司正在通过供应链和采购团队开发的框架——参与计划（Engaged Program）——进入这个新时代。该计划为期一年，涉及原始设备制造商价值链中的团队持续会面和分享学习成果。Gaucherand解释了该计划如何与Stellantis的供应链合作伙伴建立信任和协作。”我们有一个不断变化的市场，每天都有新的挑战和新的危机，它既复杂又具有竞争性，但我们能独自完成吗？我们很谦逊，知道我们不能独自完成；我们需要我们的合作伙伴，因为他们拥有技能和经验，可以对我们正在做的事情提出批判性观点。”
参与计划：构建供应链协作新范式
Stellantis的参与计划是一个系统性的合作伙伴协作框架，旨在打破传统供应链中的信息孤岛和信任壁垒。计划的第一阶段从远程市政厅会议开始，分享前一年的学习成果。然后，分享未来一年的目标和期望，包括趋势和预期产量、关键项目以及对合作伙伴的任何潜在影响。还会通过RFQ审查合作伙伴关系，以提高透明度和建立信任。全年将完成运营审查，并进行定期的KPI讨论。
计划中最关键的部分是助推日（Booster Days），Stellantis与其供应链合作伙伴的成员在原始设备制造商的工厂或仓库亲自会面。Gaucherand表示这些助推日是参与计划中最重要的部分，并解释了它们的内容。”这些日子基于四个支柱，”他说，首先是向合作伙伴简要介绍任何有价值的新信息。然后，他们进行发现之旅，让Stellantis的合作伙伴更好地了解原始设备制造商在车间实际做什么，包括如何拣选零件和准备发货。随后与采购和运营部门进行个别会议，旨在共同改进和提高效率。最后以社交活动结束，加强关系。”我认为这部分是主要点，因为我们可以拥有所有我们想要的人工智能，但如果我们没有背后的人员，那么人工智能是什么？”他说。”相互了解和聚在一起可以带来价值。”
欧洲汽车供应链的挑战与应对策略
在小组讨论中，Vazquez与沃尔沃汽车供应链绩效办公室负责人Sean Bricknell、DSV全球关键客户汽车副总裁Jost Hock以及DP World全球总监Tobias Fenzl进一步讨论了如何更加互联、协作和战略性，以满足不断变化的欧洲汽车行业需求。小组一致认为，传统供应链模型和采购方法在当前环境中不足。行业需要适应持续变化并有效建模。数据和信息流方面，需要在合作伙伴之间自由流动良好、可信的信息。当前的数据分析阶段在RFQ期间很密集，但之后往往停止，导致持续过程中的差距。数据清理仍然是一个重大挑战，消耗了数据分析的大部分时间。
中期规划缺口方面，存在一个”U形”情况，即现在和过去的数据丰富，长期未来（5年以上）也有数据，但中期（1-2年）可靠数据和可见性存在显著差距。这个差距使得与合作伙伴建立关系和共同未来变得复杂。在VUCA世界（波动性、不确定性、复杂性、模糊性）中的预期方面，在特征为波动性、不确定性、复杂性和模糊性的市场中，情景范围很广，使得为苏伊士运河堵塞等不可预见事件做准备变得困难。挑战在于有效预期并保持规划的能量，即使计划可能需要重写。
人工智能与技术的战略应用
在人工智能和技术采用方面，小组强调了几个关键点。人工智能作为支持工具，支持数据分析，但在危机期间指导操作时，人类第一响应者仍然至关重要。人工智能将数据分析带入超大规模，但数据清理仍然占据大部分时间。概念验证和持续学习至关重要，因为即使在失败中也能发现意外价值。2013年的一个例子涉及集装箱监控的控制塔，最初旨在通知客户延误，但后来揭示了清洁数据库对于网络建模和理解挑战的价值。
对人工智能结果的信任方面，需要建立对人工智能生成结果的信任，因为人们倾向于比人类得出的分析更多地质疑它们。需要进行教育，帮助人们接受和有效利用人工智能输出。人工智能技能提升方面，沃尔沃汽车正在大力投资所有员工级别的大规模人工智能技能提升，以联合人工智能并赋能团队进行未来的工业运营。业务驱动的人工智能方面，人工智能和数据计划需要由业务需求驱动，以充分利用其潜力。业务表达需求和IT带来想法的结合对于成功实施至关重要。
参与计划的成果与未来展望
Stellantis的新计划已经为其供应链带来演变，并塑造了运营和物流决策。Stellantis现在通过铁路运输其34%的出站量，这是在整个欧洲转向低排放运输模式的更广泛推动的一部分。”我们非常致力于尽可能转向低排放运输模式，”Vazquez说，强调了模式平衡在减少车辆物流环境影响中的作用。助推日之后的一个收获是，需要仔细考虑运输模式。”知道我们缺乏司机，有二氧化碳减排目标，我们需要改善成本，这意味着我们需要跳出框框思考，找到运输货物的新方式，”Vazquez说。”我们要求我们的合作伙伴提出多式联运解决方案，即使它不符合我们所有的标准。”
虽然人工智能正在迅速改变可见性、预测和自动化，但Vazquez和Gaucherand都强调，仅凭技术不会定义最佳实践。相反，下一个前沿在于将人工智能与更强有力的人员协作、更深入的供应商整合以及更灵活的多式联运物流解决方案相结合，以应对日益波动的市场。这一战略转变不仅反映了Stellantis对供应链管理的深刻理解，也为整个汽车行业提供了宝贵的启示：在技术快速发展的时代，人文关怀和合作伙伴关系仍然是构建可持续竞争优势的核心要素。
信息来源：www.automotivelogistics.media
本文由AI辅助生成，经SCI.AI编辑团队审核校验后发布。
