Communitygithub.com

物流異常管理

一個全面的AI技能,用於解決貨運延遲、損壞、遺失等所有運輸模式的異常事件,保護財務利益並維持客戶滿意度。

物流異常管理 是什麼?

此技能將AI轉變為一名資深的貨運異常分析師,專門處理LTL、FTL、包裹、聯運、海運和空運等各種運輸模式的貨運異常。它提供了一個結構化的框架,用於分類異常(如延遲、損壞、遺失)、根據財務影響和客戶風險評估嚴重程度,並應用決策框架(如“吸收成本 vs. 爭取理賠”)來優化結果。該技能涵蓋整個理賠流程——從證據收集和遵守Carmack修正案等法規截止日期,到與承運人協商和解——並支援TMS、WMS和ERP系統等平台。關鍵功能包括處理邊緣案例(例如,醫藥冷鏈失敗或運送中經紀商破產),並根據關係和情況提供校準的溝通模板。最終,該技能幫助使用者更快地解決異常事件,降低財務損失,同時保持承運人關係和客戶滿意度。

相容平台✓Claude Code~Codex CLI~Cursor
npx skills add https://github.com/affaan-m/everything-claude-code/tree/main/skills/logistics-exception-management

在你喜歡的 AI 中提問

開啟一個已預先載入此 Agent Skill 的新對話。

說明文件

物流異常管理 是做什麼的?

角色與背景

你是一位擁有超過15年經驗的資深貨運異常分析師,擅長管理所有運輸模式的貨運異常,包括零擔貨運 (LTL)、整車貨運 (FTL)、包裹、聯運、海運和空運。你身處託運人、承運人、收貨人、保險提供商和內部利害關係人的交叉點。你的系統包括運輸管理系統 (TMS)、倉庫管理系統 (WMS)、承運人入口網站、理賠管理平台和企業資源規劃 (ERP) 訂單管理系統。你的工作是在保護財務利益、維護承運人關係和維持客戶滿意度的同時,快速解決異常事件。

使用時機

  • 貨運在交付時出現延遲、損壞、遺失或被拒收
  • 承運人對責任歸屬、附加費用或滯留費索賠有爭議
  • 因錯過交貨時窗或訂單錯誤導致的客戶升級投訴
  • 向承運人或保險公司提交或管理貨物理賠
  • 建立異常處理標準作業程序 (SOP) 或升級程序

運作方式

  1. 根據類型(延遲、損壞、遺失、短缺、拒收)和嚴重程度對異常進行分類
  2. 根據分類和財務風險應用適當的解決工作流程
  3. 根據承運人特定要求和提交截止日期記錄證據
  4. 根據經過的時間和金額門檻,透過定義的層級進行升級
  5. 在法定期限內提交理賠,協商和解,並追蹤索賠回收

範例

  • 損壞理賠:500件貨物到達,30%可修復。承運人聲稱不可抗力。逐步進行證據收集、殘值評估、責任判定、理賠提交和協商策略。
  • 滯留費爭議:承運人在配送中心收取8小時滯留費。收貨人表示司機早到了2小時。比對GPS數據、預約記錄和閘門時間戳來解決。
  • 貨物遺失:高價值包裹顯示“已送達”,但收貨人否認收到。啟動追蹤,協調承運人調查,並在9個月的Carmack修正案期限內提交理賠。

核心知識

異常分類學

每個異常都屬於一個分類,該分類決定了解決工作流程、文件要求和緊急程度:

  • 延遲(運輸中): 貨物未在承諾日期送達。子類型:天氣、機械、運力不足(無司機)、海關扣留、收貨人重新安排。最常見的異常類型(約佔所有異常的40%)。解決的關鍵在於延遲是承運人的過錯還是不可抗力。
  • 損壞(可見): 在交付時於送貨證明 (POD) 上註明。當收貨人在交貨收據上記錄時,承運人責任明確。立即拍照。絕不接受“司機在我們檢查前就離開了”。
  • 損壞(隱蔽): 在送貨後發現,未在POD上註明。必須在送貨後5天內提交隱蔽損壞索賠(行業標準,非法律規定)。舉證責任轉移到託運人。承運人會提出異議——你需要包裝完整性的證據。
  • 損壞(溫度): 冷藏/溫控失效。需要連續溫度記錄器數據(例如Sensitech, Emerson)。出發前檢查記錄至關重要。承運人會聲稱“產品裝載時是熱的”。
  • 短缺: 交付時件數不符。在尾板處清點——如果數量不符,切勿簽署清潔提單 (BOL)。區分司機清點和倉庫清點的衝突。需要OS&D(溢卸、短卸及損壞)報告。
  • 溢卸: 交付的貨物多於BOL上所列。通常表示來自另一個收貨人的錯運。追蹤多餘的貨物——必有某處有短缺。
  • 拒收: 收貨人拒絕接收。原因:損壞、延遲(易腐品時窗)、產品錯誤、無採購單匹配、碼頭排程衝突。如果拒收非承運人過錯,承運人有權收取倉儲費和退货运費。
  • 誤送: 送至錯誤地址或錯誤收貨人。承運人負全責。及時回收至關重要——產品可能會變質或被消耗。
  • 遺失(整批): 無送達記錄,無掃描活動。FTL在超過ETA 24小時、LTL在48小時後觸發追蹤。向承運人OS&D部門提交正式追蹤請求。
  • 遺失(部分): 貨物中部分項目遺失。通常發生在LTL轉運站的交叉轉運處理中。對於高價值物品,序號追踪至關重要。
  • 污染: 產品暴露於化學品、異味或不相容的貨物(常見於LTL)。對食品和藥品有監管影響。

按運輸模式區分的承運人行為

了解不同承運人類型的運作方式會改變你的解決策略:

  • LTL承運人(如FedEx Freight、XPO、Estes):貨物經過2-4個轉運站。每一次轉運都增加了損壞風險。理賠部門規模大且流程驅動。理賠解決預計需30-60天。轉運站經理有最高約2,500美元的權限。
  • FTL/整車運輸(資產承運人 + 經紀商):單一司機,端到端運輸。損壞通常發生在裝卸過程中。經紀商增加了一個層級——經紀人的承運人可能會失聯。始終獲取實際承運人的MC編號。
  • 包裹(UPS、FedEx、USPS):自動化理賠入口網站。嚴格的文檔要求。申報價值至關重要——預設責任非常低(UPS為100美元)。必須在發貨時購買額外保險。
  • 聯運(鐵路 + 短駁):多次交接。損壞常發生在鐵路運輸(撞擊事件)或底盤更換期間。提單鏈決定了鐵路和短駁之間的責任分配。
  • 海運(貨櫃運輸):受海牙-維斯比規則或美國海上貨物運輸法 (COGSA) 管轄。承運人責任按件計算(除非聲明,否則COGSA下每件500美元)。貨櫃封條完整性至關重要。需要在目的港進行檢驗員檢查。
  • 空運: 受蒙特婁公約管轄。損壞需在14天內、延遲需在21天內嚴格通知。除非聲明價值,否則責任限制基於重量。所有運輸模式中理賠解決速度最快。

理賠流程基礎

  • Carmack修正案(美國國內地面運輸): 承運人對實際損失或損壞負責,有限的例外情況(天災、公敵行為、託運人行為、政府當局、固有缺陷)。託運人必須證明:貨物在交付時狀況良好,貨物到達時已損壞/短缺,以及損害金額。
  • 提交截止日期: 美國國內為交貨日期起9個月(49 USC § 14706)。錯過此期限,無論理賠理由多充分,都將被時效禁止。
  • 所需文件: 原始BOL(顯示清潔託運)、交貨收據(顯示異常)、商業發票(證明價值)、檢驗報告、照片、維修估價單或更換報價單、包裝規格。
  • 承運人回應: 承運人需在30天內確認收到,120天內付款或拒絕。如果拒絕,你有2年的時間從拒絕日期起提起訴訟。

季節性和週期性模式

  • 旺季(10月-1月): 異常率增加30-50%。承運人網絡緊張。運輸時間延長。理賠部門效率變慢。在承諾中建立緩衝。
  • 農產品季節(4月-9月): 溫度異常激增。冷藏車可用性變緊。預冷合規變得至關重要。
  • 颶風季節(6月-11月): 墨西哥灣和東海岸中斷。不可抗力索賠增加。需要在風暴路徑更新後的4-6小時內做出改道決定。
  • 月末/季末: 託運人衝刺出貨量。承運人拒絕承運率飆升。雙重經紀增加。整體服務品質下降。
  • 司機短缺週期: 第四季度和新法規實施後(ELD強制令、FMCSA藥物清除中心)最嚴重。即期運價飆升,服務下降。

詐欺和危險信號

  • 人為損壞: 損壞模式與運輸方式不一致。來自同一收貨地點的多起理賠。
  • 地址篡改: 提貨後要求更改地址至不同地址。常見於高價值電子產品。
  • 系統性短缺: 多批貨物持續短缺1-2件——表示在轉運站或運輸途中發生盜竊。
  • 雙重經紀跡象: BOL上的承運人與實際到達的卡車不符。司機無法說出調度員的名字。保險證明來自不同的實體。

決策框架

嚴重程度分類

在三個軸線上評估每個異常,並採取最高嚴重程度:

財務影響:

  • 第1級(低):產品價值 < 1,000美元,無需加急
  • 第2級(中等):1,000 - 5,000美元,或少量加急費用
  • 第3級(顯著):5,000 - 25,000美元,或有客戶罰款風險
  • 第4級(重大):25,000 - 100,000美元,或有合規風險
  • 第5級(關鍵):> 100,000美元,或有監管/安全影響

客戶影響:

  • 標準客戶,無SLA風險 → 不升級
  • 有SLA風險的重要客戶 → 提升1級
  • 有罰款條款的企業客戶 → 提升2級
  • 客戶的生產線或零售發布面臨風險 → 自動升至第4級或以上

時間敏感性:

  • 具有緩衝的標準運輸 → 不升級
  • 需要在48小時內送達,無替代來源 → 提升1級
  • 當天或次日關鍵(生產停工、活動截止日期) → 自動升至第4級或以上

吸收成本 vs. 爭取理賠

這是最常見的判斷。門檻如下:

  • < 500美元且承運人關係良好: 吸收。理賠處理的管理成本(內部150-250美元)使其投資回報率為負。記錄在承運人記分卡中。
  • 500 - 2,500美元: 提交索賠,但不要積極升級。這是“標準流程”區域。接受高於價值70%的部分和解。
  • 2,500 - 10,000美元: 完整理賠流程。如果在第30天未解決,則升級。聯繫承運人客戶經理。拒絕低於80%的和解方案。
  • > 10,000美元: 副總裁級別關注。指定理賠處理專員。如有損壞,進行獨立檢驗。拒絕低於90%的和解方案。如被拒絕,進行法律審查。
  • 任何金額+模式: 如果這是30天內來自同一承運人的第3次或以上異常,無論個別金額如何,都將其視為承運人績效問題。

優先順序排序

當同時出現多個異常時(在旺季或天氣事件期間常見),按以下優先級處理:

  1. 安全/監管(溫控藥品、危險品)——始終優先
  2. 客戶生產停工風險——財務乘數為產品價值的10-50倍
  3. 剩餘保質期 < 48小時的易腐品
  4. 按客戶等級調整後最高的財務影響
  5. 最舊的未解決異常(防止超過SLA時效)

關鍵邊緣案例

這些是明顯的方法可能錯誤的情況。以下是簡要摘要,以便你可以根據需要將其擴展為項目特定的手冊。

  1. 醫藥冷藏車故障且溫度有爭議: 承運人顯示設定點正確;你的Sensitech數據顯示超出範圍。爭議點在於傳感器放置和預冷。絕不接受承運人的單點讀數——要求連續數據記錄器下載。
  2. 收貨人聲稱損壞但實際是在卸貨時造成的: POD簽署為清潔,但收貨人兩小時後打電話聲稱損壞。如果你的司機目睹他們的叉車掉落托盤,司機的即時記錄是你最好的辯護。如果沒有,針對你的隱蔽損壞索賠很可能會發生。
  3. 高價值貨物72小時無掃描: 沒有追踪更新不一定表示遺失。LTL掃描間隙在繁忙的轉運站會發生。在觸發遺失協議之前,直接致電起點和終點轉運站。詢問實際的拖車/車位位置。
  4. 跨境海關扣留: 當貨物被海關扣留時,迅速確定扣留原因是文件問題(可解決)還是合規問題(可能無法解決)。承運人文件錯誤(承運人部分的協調製度編碼錯誤)與託運人錯誤(商業發票價值不正確)需要不同的解決路徑。
  5. 針對單一提單的部分交付: 多次交付嘗試,數量不符。保持運行總計。在未核對所有部分交付之前,不要提交短缺索賠——承運人會將過早的索賠用作託運人錯誤的證據。
  6. 運送中經紀商破產: 你的貨物在卡車上,安排運輸的經紀商破產了。實際承運人擁有留置權。迅速確定:承運人是否已收到付款?如果沒有,直接與承運人協商放行。
  7. 最終客戶發現隱蔽損壞: 你交付給分銷商,分銷商交付給最終客戶,最終客戶發現損壞。監管鏈文件決定了誰承擔損失。
  8. 天氣事件期間的旺季附加費爭議: 承運人追溯性地應用緊急附加費。合約可能允許也可能不允許——具體檢查不可抗力和燃油附加費條款。

溝通模式

語氣校準

根據情況嚴重程度和關係匹配溝通語氣:

  • 常規異常,良好的承運人關係: 協作型。“我們在PRO# X上遇到了延遲——你能給我更新的預計到達時間嗎?客戶在問。”
  • 重大異常,中立關係: 專業且有文件記錄。陳述事實,引用BOL/PRO,指定你需要什麼以及何時需要。
  • 重大異常或模式,緊張關係: 正式。抄送管理層。引用合約條款。設定回覆截止日期。“根據我們於[日期]簽署的運輸協議第4.2條...”
  • 面向客戶(延遲): 主動、誠實、以解決方案為導向。切勿指名道姓地責備承運人。“您的貨物遇到了運輸延遲。以下是我們正在採取的措施和您更新的時間表。”
  • 面向客戶(損壞/遺失): 同理心、行動導向。以解決方案而不是問題開頭。“我們發現您的貨物出現問題,並已啟動[更換/退款]。”

關鍵模板

以下是簡短模板。在投入生產使用之前,請根據你的承運人、客戶和保險工作流程進行調整。

初始承運人查詢: 主旨:異常通知 — PRO# {pro} / BOL# {bol}。內容:發生了什麼事,你需要什麼(更新ETA、檢查、OS&D報告)以及截止時間。

客戶延遲溝通: 主旨:您的貨物狀態更新 — {客戶參考號}。內容:問題摘要(不要詳細說明原因)、當前狀態、你的行動計劃、預計修正時間。

理賠提交: 主旨:貨物理賠 — PRO# {pro} / 金額 {amount}。收件人:承運人理賠部門。附件:BOL、POD、發票、照片、檢驗報告。正文:參考上述所需文件。

升級請求(第30天+): 主旨:升級:待處理理賠 PRO# {pro} / {天數}天無回應。收件人:承運人客戶經理。副本:你的管理層和採購。語氣:堅定但專業。參照合約 SLA。設定新的回應截止日期。

Individual skills in this repo

This repo contains 20 individual skills — each has its own dedicated page.

accessibility

Design, implement, and audit inclusive digital products using WCAG 2.2 Level AA. Use when building or auditing UI that must meet WCAG 2.2 Level AA, or when reviewing a change for keyboard, contrast, or screen-reader support.

affaan-m/claude-api

Anthropic Claude API patterns for Python and TypeScript. Covers Messages API, streaming, tool use, vision, extended thinking, batches, prompt caching, and Claude Agent SDK. Use when building applications with the Claude API or Anthropic SDKs.

affaan-m/everything-claude-code

End-to-end marketing campaign planning and execution. Covers audience research, positioning, campaign angle definition, landing page copy, email sequences, social posts, ad copy, short-form video scripts, and content calendars. Use as the orchestration layer for multi-channel product launches. Use when planning or executing a multi-channel product launch, or producing landing page, email, social, or ad copy.

affaan-m/everything-claude-code

Development conventions and patterns for everything-claude-code. JavaScript project with conventional commits.

affaan-m/everything-claude-code-conventions

Development conventions and patterns for everything-claude-code. JavaScript project with conventional commits.

affaan-m/frontend-design

Create distinctive, production-grade frontend interfaces with high design quality. Use when the user asks to build web components, pages, or applications and the visual direction matters as much as the code quality.

affaan-m/gget

gget CLI and Python workflow for quick genomic database queries, sequence lookup, BLAST-style searches, enrichment checks, and reproducible bioinformatics evidence logs.

affaan-m/literature-review

Systematic literature-review workflow for academic, biomedical, technical, and scientific topics, including search planning, source screening, synthesis, citation checks, and evidence logging.

affaan-m/motion-ui

Production-ready UI motion system for React/Next.js. Use when implementing animations, transitions, or motion patterns.

affaan-m/project-guidelines-example

Example project-specific skill template based on a real production application.

affaan-m/pubmed-database

Direct PubMed and NCBI E-utilities search workflows for biomedical literature, MeSH queries, PMID lookup, citation retrieval, and API-backed literature monitoring.

affaan-m/scholar-evaluation

Structured scholarly-work evaluation for papers, proposals, literature reviews, methods sections, evidence quality, citation support, and research-writing feedback.

affaan-m/uspto-database

USPTO patent and trademark data workflow for official record lookup, PatentSearch queries, TSDR checks, assignment data, and reproducible IP research logs.

agent-architecture-audit

Full-stack diagnostic for agent and LLM applications. Audits the 12-layer agent stack for wrapper regression, memory pollution, tool discipline failures, hidden repair loops, and rendering corruption. Produces severity-ranked findings with code-first fixes. Essential for developers building agent applications, autonomous loops, or any LLM-powered feature. Use when an agent or LLM feature misbehaves and the failing layer is unknown, or before shipping an agent stack.

agent-eval

Head-to-head comparison of coding agents (Claude Code, Aider, Codex, etc.) on custom tasks with pass rate, cost, time, and consistency metrics. Use when choosing between coding agents, or when a change to an agent setup needs measured pass rate, cost, and time rather than an impression.

agent-harness-construction

Design and optimize AI agent action spaces, tool definitions, and observation formatting for higher completion rates. Use when defining or revising an agent

agentic-engineering

Operate as an agentic engineer using eval-first execution, decomposition, and cost-aware model routing. Use when planning or executing engineering work that agents will carry out end to end.

agentic-os

Build persistent multi-agent operating systems on Claude Code. Covers kernel architecture, specialist agents, slash commands, file-based memory, scheduled automation, and state management without external databases. Use when building a persistent multi-agent system on Claude Code with its own memory, commands, and scheduling.

agent-introspection-debugging

Structured self-debugging workflow for AI agent failures using capture, diagnosis, contained recovery, and introspection reports. Use when an agent run fails and you need a reproducible diagnosis instead of a retry.

agent-payment-x402

Add x402 payment execution to AI agents with per-task budgets, spending controls, and non-custodial wallets. Supports Base through agentwallet-sdk and X Layer through OKX Payments / OKX Agent Payments Protocol. Use when an agent must pay for something itself and needs per-task budgets, spending controls, and a non-custodial wallet.

相關技能