少妇av中文字幕社_无码无码av中国精品片_婷婷五月在线精品视频在线_性色福利刺激无码专区

VIP標(biāo)識(shí) 上網(wǎng)做生意,首選VIP會(huì)員| 設(shè)為首頁(yè)| 加入桌面| | 手機(jī)版| RSS訂閱
食品伙伴網(wǎng)服務(wù)號(hào)
 
當(dāng)前位置: 首頁(yè) » 食品專題 » 食品物流案例專題 » 正文

物流后盾 沃爾瑪?shù)臑?zāi)難管理學(xué)

放大字體  縮小字體 發(fā)布日期:2007-01-19

中國(guó)禽流感預(yù)警計(jì)劃-事前、事中、事后的完美配合

  9月1日,“卡特里娜”颶風(fēng)肆虐后,當(dāng)路易斯安那州民主黨參議員瑪麗·蘭德里歐還在指責(zé)聯(lián)邦緊急事務(wù)管理局在撤離受害者時(shí)“拖拖拉拉”,對(duì)提供藥品、通信設(shè)備和其他急需物品的捐助建議也不加理睬時(shí),沃爾瑪已派出約1200輛載有水、食品和其他應(yīng)急物品的卡車前去補(bǔ)充商店供應(yīng)和提供救助。它通過(guò)設(shè)在本頓維爾的緊急反應(yīng)中心來(lái)協(xié)調(diào)其救災(zāi)措施,利用公司的GPS衛(wèi)星系統(tǒng)來(lái)追蹤卡車的行蹤。

  未雨綢繆

  颶風(fēng)的到來(lái)速度如火箭一般,但是沃爾瑪應(yīng)急能力也同樣驚人。8月28日,卡翠娜登陸美國(guó)佛羅里達(dá)州,接下來(lái)幾天,連續(xù)重創(chuàng)西南灣區(qū),沃爾瑪在災(zāi)區(qū)的126家分店以及發(fā)貨中心都受到停電、淹水或強(qiáng)風(fēng)摧殘等沖擊。9月2日就有分店陸續(xù)開(kāi)始營(yíng)業(yè)。

  而事實(shí)上,沃爾瑪?shù)臑?zāi)難管理從風(fēng)災(zāi)發(fā)生前就開(kāi)始了。8月24日,卡翠娜從熱帶性低氣壓轉(zhuǎn)成颶風(fēng)時(shí),沃爾瑪?shù)臓I(yíng)運(yùn)持續(xù)負(fù)責(zé)人杰克森就開(kāi)始進(jìn)駐緊急指揮中心。當(dāng)卡特里娜到了佛羅里達(dá)州時(shí),這個(gè)中心已經(jīng)有50個(gè)經(jīng)理和支持人員,從貨運(yùn)專家到損失預(yù)防專家都在備戰(zhàn)狀態(tài)。接著,杰克森就要求沃爾瑪?shù)膫}(cāng)庫(kù)增加發(fā)電機(jī)、干冰、飲用水、干糧等災(zāi)難緊急用品的庫(kù)存,而且要放在指定、較容易拿到的地方,如果受災(zāi)嚴(yán)重,一開(kāi)店就可容易取貨、補(bǔ)貨。

  “每天清晨6點(diǎn),沃爾瑪?shù)膯T工就開(kāi)始打開(kāi)收音機(jī)或者電視機(jī),仔細(xì)地關(guān)注著當(dāng)?shù)剡@一天的天氣狀況,然后根據(jù)氣象預(yù)報(bào),臨時(shí)決定新上架和需要補(bǔ)充的產(chǎn)品。”

  物流后盾

  沃爾瑪?shù)倪@些救災(zāi)功力,除了面臨災(zāi)變時(shí)的準(zhǔn)備,還有賴平日就已構(gòu)建好的高效率的運(yùn)籌與物流網(wǎng)絡(luò)。沃爾瑪在全國(guó)有七個(gè)發(fā)貨中心,能迅速地將商品運(yùn)往各店面。他們也從既有信息中擷取智能。沃爾瑪從全國(guó)氣象服務(wù)的氣象信息和店里的銷售紀(jì)錄中分析,在颶風(fēng)來(lái)臨前后,哪些商品的銷售會(huì)較佳,以預(yù)先做好庫(kù)存準(zhǔn)備。

  “強(qiáng)大的物流體系是快速反應(yīng)的保證。”一個(gè)月前,沃爾瑪全球總裁李斯閣在中國(guó)回憶那場(chǎng)颶風(fēng)時(shí)強(qiáng)調(diào),預(yù)告說(shuō)卡特里娜颶風(fēng)會(huì)呈扇面形向新奧爾良推進(jìn),于是沃爾瑪緊急把包括飲用水、燃料在內(nèi)的很多商品向該地區(qū)5個(gè)比較大的配送中心轉(zhuǎn)移,一旦其中一個(gè)物流中心覆蓋的區(qū)域出現(xiàn)嚴(yán)重災(zāi)害,就及時(shí)將其他4個(gè)物流中心的商品向這個(gè)區(qū)域運(yùn)送,以保證讓它們?cè)诋?dāng)天就能到達(dá)最需要的地方。臨近這個(gè)扇型區(qū)域、靠近墨西哥灣的佛羅里達(dá)州,也有沃爾瑪?shù)呐渌椭行暮秃芏嗉疑痰,這保證了沃爾瑪可以實(shí)現(xiàn)迅速配送。

  災(zāi)難塑英雄

  “沃爾瑪變成了生命線、救生索”,《BusinessWeek》比喻。沃爾瑪并不只管公司營(yíng)運(yùn)的問(wèn)題,他們還直接投入救災(zāi)工作,在企業(yè)社會(huì)責(zé)任這堂課上拿下高分。

    在卡特里娜襲擊后,沃爾瑪卡車為災(zāi)區(qū)民眾送來(lái)了花生醬、罐頭、果醬餡餅、飲用水等生存用品,成為救命英雄。沃爾瑪還在受災(zāi)地區(qū)以卡車、帳篷和其他建筑形式設(shè)立了“迷你沃爾瑪”商店,免費(fèi)發(fā)放食品、牙刷和被褥等。并建立了一個(gè)失蹤人員信息在線查詢系統(tǒng),該系統(tǒng)頭兩天就收到了超過(guò)2000條信息和20萬(wàn)次訪問(wèn)。

  各分店恢復(fù)營(yíng)業(yè)后,災(zāi)難管理并沒(méi)有就此結(jié)束。因?yàn)闉?zāi)后治安混亂,沃爾瑪還在店里安排了人員維持店內(nèi)的秩序和商品、建筑物的安全,以防被劫掠。管理團(tuán)隊(duì)每天和執(zhí)行長(zhǎng)史考特舉行兩次電訊會(huì)議,討論應(yīng)變計(jì)劃和狀況,從如何供給警察干凈的內(nèi)衣到怎么付薪水給失散各地的員工。

  相關(guān)鏈接

  沃爾瑪?shù)闹袊?guó)禽流感預(yù)警計(jì)劃

  兩個(gè)月前,一個(gè)從采購(gòu)部、營(yíng)運(yùn)部、行政部……所有部門(mén)抽調(diào)人手組成的禽流感防治領(lǐng)導(dǎo)小組,在沃爾瑪成立了。而此時(shí),三本不同危機(jī)級(jí)別下的應(yīng)急操作手冊(cè)也成型。

  三本厚達(dá)幾十頁(yè)的危機(jī)處理手冊(cè),分別對(duì)三個(gè)級(jí)別的危機(jī)情況提出了工作細(xì)則,第一級(jí)是目前在禽流感發(fā)現(xiàn)之前人們的預(yù)防;當(dāng)一旦出現(xiàn)疫情如何升級(jí)應(yīng)對(duì);當(dāng)禽流感疫情嚴(yán)重到類似當(dāng)年SARS的危急情況下,又如何控制局勢(shì),正常運(yùn)轉(zhuǎn)。三本實(shí)施手冊(cè)也對(duì)不同部門(mén)分別提出了工作細(xì)則,采購(gòu)部負(fù)責(zé)控制原產(chǎn)地的進(jìn)貨源,營(yíng)運(yùn)部監(jiān)督執(zhí)行預(yù)防禽流感的相關(guān)規(guī)定,包括一些操作中必須佩戴手套;行政部負(fù)責(zé)在工作范圍內(nèi)進(jìn)行消毒等細(xì)化的要求……所有部門(mén)各司其職。

  在初期疫情沒(méi)有大面積流行的情況下,有專人日常向領(lǐng)導(dǎo)小組提供政府的疫情發(fā)布情況,總部和各地之間也保持密切聯(lián)系。每天總部負(fù)責(zé)搜集政府的相關(guān)公告,及時(shí)向各地通報(bào)。分公司與分店搜集當(dāng)?shù)氐挠嘘P(guān)信息,并且與醫(yī)院保持聯(lián)系。而員工內(nèi)部的信息也保持扁平化,內(nèi)部溝通已經(jīng)開(kāi)始,有專門(mén)的基本知識(shí)介紹和廣告張貼。領(lǐng)導(dǎo)小組也將根據(jù)疫情進(jìn)展修改員工工作日程和出差行程;為了不出現(xiàn)恐慌,人力資源部定期把地區(qū)和有關(guān)信息與員工共享;行政部也負(fù)責(zé)每天在一些地區(qū)消毒兩次的工作。沃爾瑪也統(tǒng)一大量采購(gòu)了口罩和手套類產(chǎn)品,以確保意外情況下,商品不斷檔。

  采購(gòu)是一個(gè)防止問(wèn)題產(chǎn)生的重要源頭。在這一點(diǎn),沃爾瑪隨時(shí)了解供應(yīng)商的情況,除根據(jù)政府、衛(wèi)生部的權(quán)威信息外,還要求所有相關(guān)產(chǎn)品的供應(yīng)商都必須提供原產(chǎn)地的檢疫證明和檢疫合格證,并精確到某一縣、鄉(xiāng)村。當(dāng)出現(xiàn)意外情況,嚴(yán)格依照衛(wèi)生部門(mén)和國(guó)家規(guī)定處理。

  雖然沃爾瑪?shù)那莸邦惖纳唐反蠖嗍潜镜夭少?gòu),由于在當(dāng)?shù)叵嚓P(guān)商品的供應(yīng)商不止一家,如果某一家出現(xiàn)問(wèn)題,只要采購(gòu)鏈不斷,就不會(huì)缺貨。(作者:郭德勇 厲林)

 

 

 
推薦圖文
推薦食品專題
點(diǎn)擊排行
 
 
Processed in 0.017 second(s), 18 queries, Memory 0.88 M