Centrum AI推出平台追踪200亿条记录，助MRO降低供应链成本

美国初创公司 Centrum AI 推出了一款人工智能平台，依托约 200 亿条全球及企业记录——包括进出口记录、货运数据和法定财务申报文件——为维修、修理和大修(MRO)服务商提供超出制造商所提供范围的零部件可用性视图。该平台构建了 Centrum 所称的「概率化物料清单」和「推断供应商图谱」，将 OEM 数据与原材料供应等因素结合在一起。

联合创始人兼首席执行官 Stefan Groschupf 表示，MRO 服务商缺乏完整的供应链可见性，原因在于制造商往往隐瞒或本身就不完全掌握其下游供应商的信息。他说：「OEM 自己往往既没有完全掌握其下游供应链的信息，也不愿透露自己不知道的部分。」他表示，一个零件缺失的真实成本远超其标价本身，发动机停转、加急货运、租赁备件和反复的排期延误都会叠加成本。Centrum 估计，目前部分 MRO 持有的零部件库存量是新冠疫情前的三倍，Groschupf 说，零部件和维修的交付周期自疫情以来逐年延长。

该平台监测特定材料，例如用于高压涡轮叶片的单晶镍基高温合金，通过追踪钴和铼的供应情况来发现预示交付问题的异常。Centrum 将其预测结果与每位客户过去 12 个月的企业资源计划(ERP)数据进行比对来验证预测的准确性，把预测结果与规划人员的实际决策和结果相对照；据此，该公司称该平台在预测物料到货时间方面比客户自有规划人员的准确率高出约 48%，并可生成支持审计的文档记录。Groschupf 表示，该平台对公务航空运营商尤具价值，因为其机队分布地域广，相对于大型航空公司在 OEM 面前的商业议价能力更弱，单次飞机停场事件影响的机队比例也更大。Centrum 还援引 CFM International 对 LEAP 1A 高压涡轮的耐久性改进为例——该项研究利用人造粉尘模拟沙漠运行环境，说明实际运行环境数据如何与维护规划相关。

此次发布是人工智能驱动的数据聚合被应用于供应链的一个例证——在这条供应链上，OEM 与其客户之间的信息不对称已经成为直接的成本驱动因素。按 Centrum 的估计，MRO 持有的库存量达到疫情前的三倍，这反映出行业面对交付周期拉长时选择靠囤货应对，而不是靠提升预测能力——这是一种代价高昂的可见性替代方案。

MRO 领域的供应链预测传统上依赖 OEM 提供的数据和内部规划人员的判断，Centrum 的比对方法表明，二者在与进出口、货运及财务申报数据交叉核对后仍有改进空间。公务航空运营商被特别指出为受益方，因为其机队分布分散，且在 OEM 面前的商业议价能力弱于大型航空公司，这使得单架飞机停场造成的相对损失更大。

目前尚待观察的是，Centrum 迄今所做的 ERP 对比之外，所称的 48% 准确率提升能否在更广泛的 MRO 客户群体中站得住脚，以及维修厂是否真的会转向依据量化的零部件风险报出交付日期，摒弃虚高的利润空间。下一个值得关注的信号将是，采用该平台的 MRO 能否报告出过剩库存水平的实质性下降——Centrum 表示这一库存水平自疫情以来一直在累积。