PwC Consulting

【PwC Insight Hub】為什麼庫存壓力總是失控？這家製造商用 AI 做到 40% 減量的背後邏輯

日劇《下町ロケット》（下町火箭）講的是一間小工廠靠自研技術打進大企業供應鏈的故事，熱血背後，其實藏著最真實的製造業痛點——當每個部門都想「多備一點」以防萬一，庫存卻越堆越高。 PwC Consulting 協助一家高精密製造企業導入 AI × IBP 庫存優化計畫，重構權限模型與預測機制，在幾季內削減 40% 可控庫存。這篇案例揭示：減庫存的關鍵，不是砍料，而是讓整個組織都能「看得清風險、算得出彈性」。

Hank

24 Oct 2025 — 12 min read

《下町ロケット》(中文翻譯：下町火箭)是 2015 年由阿部寬主演的日劇，改編自池井戶潤的小說，講的是一間東京下町的小工廠，怎麼靠著火箭引擎零件的自研技術，一路打進大企業供應鏈的故事。

表面上，它是一部關於「職人精神」與「中小企業對抗大企業不公」的熱血劇集；

但真正讓我印象深刻的，是劇中大量與現實工廠無比貼近的管理痛點：

當上游供應不穩、交期緊迫，採購端寧願超前叫貨，也不願冒風險，形成過度備料（over-buffering）；
財務部門為了控成本與資金週轉，對庫存高度敏感；
技術與現場人員則主張「一定要有備料彈性，才能避免停線或品質出包」。

這些情節不是戲劇誇張，而是從中小企業到全球大廠都會遇到的真實困境。每個角色都從自己的角度做了「看似合理」的選擇──結果卻把整體庫存壓得更高、系統更難協調。

多備一點，真的比較安全嗎？

在供應鏈管理的世界裡，庫存是一種矛盾的存在。備太多會壓資金、佔空間，備太少又怕斷料、趕不上交期。很多製造業主管會說：「我們不是不想減庫存，而是不能不備料。」但這種出發點，很容易讓企業陷入一種結構性錯覺：

「我們以為問題出在備得不夠，而不是預測不準、流程不清、或權責不明」

換句話說，庫存過高可能不是「風險控得太少」，而是「看不清風險在哪裡」。這正是許多企業長期無法解決庫存問題的根本原因。

這篇文章不是要談怎麼「再省一點成本」，而是想說明：為什麼從根本上重構庫存策略，才有可能同時實現穩定性與效率。

我們會從一間 PwC Counsulting 實際協助的高精密製造企業出發，拆解他們如何在短短幾季內，把可控庫存削減 40%，並在全球供應鏈不穩的當下，反而建立起更有韌性的生產系統。

不是流程出問題，是誰都能備料卻沒人該負責

這家工業製造企業早已導入 ERP，該有的流程也都有。但問題在於，每個人都能下單備料，但沒人真正負責庫存合理性。

想像這種場景：

業務怕交不出貨，要求加備一波；
生管怕機台停工，也偷偷拉高安全庫存；
採購部門趁有好價就先訂一批；
財務則抱怨週轉率太低、庫存壓力太高。

乍看之下每個部門都沒錯，但整體庫存卻越堆越高。這不是流程沒設好，而是「流程邏輯」和「權限分配」完全不對稱。

PwC Consulting 在這個案子裡做的第一步不是改流程，而是建立一套「should-be 權限模型」：

什麼人、在什麼條件下，有備料的權限；而什麼樣的庫存，應該歸屬在哪個角色負責。

這不只是為了管控權限，更是讓整個供應鏈從臆測式下單 → 模型式決策的第一步。

減 40%，怎麼做到？不是砍庫存，而是重建預測與彈性

這家企業在導入 PwC Consulting 的庫存優化計畫後，最終將原物料與外購件的可控庫存削減了 40%，而且是在產量成長的情況下做到的。這點非常關鍵，因為代表它不是靠「縮編」「延遲交期」或「消耗老庫存」來達成的。

我認為，這背後的關鍵不是「把東西砍掉」，而是建立一個能讓企業看清楚、動得了、排得快的供應鏈系統。

具體作法上，PwC Counsulting 採取了以下幾個策略層面的變革：

從靜態庫存 → 動態模擬：用 IBP（Integrated Business Planning）工具模擬多種 demand scenario，提前演練缺料與備料時機。
從標準配置 → 彈性配置：重新定義「什麼才是必要備料」與「何時需要保守策略」，讓每筆備貨有據可循，而非一刀切。
從單點下單 → 端到端共識：導入「供應鏈控制塔」邏輯，讓採購、生管、業務、財務看的是同一組數據模型，形成「一致行動準則」。

簡單說，他們做的不是「減庫存」本身，而是建立一個世界級供應鏈該有的思考框架，讓預測變得可驗證、行動變得有邏輯。

在這樣的架構下，AI 不再只是提示工具，而是一個決策模擬的好夥伴。透過 AI 模型，我們可以根據歷史波動、需求分類與供應風險，快速建立出多版本的備料策略情境，並量化其成本與風險，讓人能更快「看到未來的各種可能性」，而不是事後拆解失誤。

這也是我認為 AI 在供應鏈裡能發揮作用的起點：當權責模型與數據框架一致時，AI 的建議才有意義；否則只是另一種猜。

為什麼在這種時代，減庫存反而變得更重要？

過去很多製造業的默契是：「多備一點，總比臨時斷料好。」但在現在這種供應鏈高風險的時代，這句話其實正在反過來成為風險本身。地緣政治、關稅波動與運輸不穩定，正在讓「庫存」從緩衝角色變成拖油瓶。

舉幾個現象你會更有感：

因為關稅政策不穩，原本從中國進的料，可能突然得改線，舊料一堆、新料還沒來；
因為地緣政治風險，跨境運輸時間變長，進貨頻率不敢太低，結果又被迫多備一輪；
因為供應來源分散、資料不同步，導致很多庫存根本「可用不可見」，備了還要再備。

這些都讓企業原本備來「避險」的庫存，變成一種沒有換到更高彈性的資產沉沒。

我認為，在這種時代背景下，企業需要的是一種新的庫存邏輯：

不是多備，而是能快備、會變。不是看庫存，而是看風險權重。

這種轉換，不只需要技術，更需要決策架構的重建。而這正是我們在前一段談到「端到端權限模型」「彈性策略分類」「AI 模擬規劃」的意義所在。

減庫存不是目的，而是供應鏈越趨成熟化的副產品

這家工業製造商最後做到了什麼？成果不只是單一指標的進步，而是形成一個可以複製、擴張的供應鏈策略邏輯。

實際成效包含：

制定涵蓋端到端流程的庫存削減路徑圖，清楚定義供應商、現場零件、生產與交付的關鍵節點與決策節奏；
原物料與外購零件庫存減少約 40%，釋放大量營運資金；
供應商協作效率提升，關鍵件備料提前期縮短；
跨部門協調會議次數大幅減少，決策週期從一週壓縮至 2–3 天；
預測與調度模型能即時模擬不同情境，提升應對地緣變化的彈性；
財務單位能清楚掌握庫存結構與週轉率變化，推動與 ESG 財務掛鉤的決策依據；
描繪以簡潔性與穩定性為核心的世界級供應鏈藍圖，實現成本與交付效率雙重優化。

這些效果不是靠單點施壓或一次砍到底，而是來自一整套底層邏輯的重構──PwC Consulting 將這套方法總結為「從人治到模型治理」

不是憑經驗備料，而是透過模型模擬風險與需求情境
不是部門各做各的，而是透過控制塔建立共識決策機制
不是事後拆帳，而是事前模擬成本、風險與客戶影響的最優組合

從戰術成果到策略升級，該怎麼開始？

你也許會問，那其他企業能不能做到？

我們觀察到的關鍵不是「做不做得到」，而是「怎麼開始，才跑得久」。

很多企業一談到要推數位供應鏈，就會陷入「要嘛全部改、要嘛先等等」的困局。但事實是——供應鏈升級從來不是大改起步，而是小規模、快驗證、穩擴張。

也就是 PwC Consulting 採取的做法：

用 MVP（最小可行專案）找出企業庫存裡最痛的一塊，先做局部建模與流程串接，跑通後再逐步複製。

而在這過程中，AI、IBP、控制塔這些工具的角色不是主角，而是加速器。你要先有一套能被模擬、能共識決策的供應邏輯，工具才有發揮空間。

減庫存不是萬用解方，不同行業的策略選擇也該不同

值得注意的是，減庫存本身不是目的，也不該用同一套策略套用所有產業。不同產業的供應鏈特性、波動來源與庫存成本結構，決定了優化庫存的「起手式」也應該有所差異。

舉例來說：

電子產業：產品週期短、客製化高，供需波動劇烈，預測準確度是關鍵，特別適合導入 AI 模擬與需求分類（ABC 分類 + volatility mapping）。
化工與原物料產業：安全庫存與儲運風險為主軸，庫存壓力多來自批量採購與運輸時差，則更需要強化風險緩衝模型與地緣調度彈性。
汽車與機械產業：多階組裝、長交期物料多，庫存優化要從BOM 展開結構與供應商協同能量著手。
零售與快速消費品（FMCG）：SKU 多、季節性強、促銷密集，需強化促銷反應模型、動態貨架配置與快週轉高頻補貨能力。

這些差異意味著——不是所有企業都該砍一樣的庫存，也不是所有企業都該用一樣的工具。真正成熟的供應鏈，是根據自己面對的風險來源、現有基礎與競爭策略，找到最適優化節奏與工具組合。