En poursuivant votre navigation sur ce site, vous acceptez l'utilisation de cookies pour vous proposer des contenus et services adaptés à vos centres d'intérêts. En savoir plus et gérer ces paramètres. OK X
 
 

 

 

Dossiers

5 manières de rationaliser la chaîne logistique grâce à l’Intelligence Artificielle

Par Eric Choppe, Directeur France de Magic Software

Publication: 28 mai

Partagez sur
 
Les industriels investissent massivement dans des projets d’Intelligence Artificielle (IA) à la recherche d’une plus grande efficacité afin d’améliorer leur performance...
 

IDC (International Data Corporation) prévoit que les dépenses en Intelligence Artificielle vont connaître un taux de croissance annuel composé de 46% entre 2016 et 2021 pour atteindre les 52,2 milliards de dollars.

L’IA peut considérablement améliorer les opérations des entreprises en tirant parti de l’importante quantité de données générées par les capteurs qui surveillent la production et le cheminement des produits et en utilisant l’Internet des Objets. En résulte le mariage de l’Intelligence Artificielle avec l’Internet des Objets, l’AIIOT pour les Anglo-Saxons, qui permet de gérer les stocks, la logistique et les fournisseurs avec un plus haut niveau de connaissance et de précision.

La chaîne logistique est un domaine qui peut tirer le plus de bénéfices de la rationalisation, car elle a une influence directe sur la rentabilité et la satisfaction des clients. Il existe plusieurs applications pour lesquelles l’efficacité de la chaîne logistique est améliorée grâce à l’Intelligence Artificielle et l’apprentissage automatique, comme par exemple :

1. La maintenance prédictive

En utilisant des capteurs pour surveiller les conditions de fabrication, les techniciens peuvent être avertis à l’avance de problèmes d’équipement potentiels et de besoins de révision des machines en fonction de l’usure en temps réel plutôt que d’être obligés d’effectuer des visites de services programmées.

Siemens a mis en œuvre avec succès la maintenance prédictive des systèmes de refroidissement de la NASA sur la base aérienne de l’armée de l’air américaine Edwards en Californie, en surveillant les performances des ventilateurs, des pompes, des dispositifs de traitement d’air et des tours de refroidissement afin de recueillir des informations sur des pistes potentielles de réductions des coûts d’exploitation et de maintenance. Deutsche Ban (DB) et Siemens ont lancé une application pilote de maintenance prédictive sur les trains à grande vitesse.

2. Des transports plus intelligents

Des algorithmes sont utilisés pour gérer les modifications de dernière minute, y compris la sélection du meilleur port alternatif lorsque le port d’origine est bloqué, l’estimation des heures d’arrivée et même la probabilité qu’un opérateur annule une réservation.

L’IA est également utilisée pour calculer l’influence de conditions météorologiques extrêmes sur les horaires de livraison. IBM et sa filiale The Weather Company utilisent chaque jour 100 téraoctets de données météorologiques pour produire des prévisions locales qui mesurent les retards potentiels dus aux tempêtes, aux ouragans et aux typhons.

3. La gestion des entrepôts

L’IA a la capacité d’identifier des modèles d’inventaires et de commandes pour révéler quels articles sont vendus et doivent être réapprovisionnés en priorité. La reconnaissance vocale peut également être utilisée pour améliorer l’efficacité et la précision du prélèvement des produits en permettant à un système de gestion des entrepôts d’indiquer aux employés, par le biais d’un casque, l’article à sélectionner et son emplacement.

Une fois l’élément trouvé, l’employé lit le numéro de l’article et, grâce à la reconnaissance vocale, le système comprend sa voix et confirme l’élément sélectionné. Plus il est utilisé et plus le système est entraîné à reconnaître le ton et la manière de parler de l’employé, ce qui lui permet de travailler les mains libres et en toute sécurité.

En outre, lors de l’implémentation de l’IoT, chaque composant d’un produit donné peut être suivi depuis sa première fabrication jusqu’à son assemblage et sa livraison chez le client final. BMW suit une pièce, de sa fabrication jusqu’à ce que le véhicule concerné soit vendu, dans ses 31 sites d’assemblage situés dans plus de 15 pays en utilisant l’apprentissage automatique pour optimiser la logistique.

4. La livraison

Le dernier kilomètre est essentiel, et les entreprises de livraison se livrent une réelle bataille pour proposer les services les plus avancés et les plus efficaces. DHL a investi dans la robotisation de ses entrepôts et centres de fret aérien, avec des véhicules semi-autonomes qui roulent de manière indépendante avec peu d’intervention humaine, pour les robots longue distance et les robots ‘follow me’ qui accompagnent les livreurs et portent leurs colis dans les zones urbaines.

Chez UPS, les analyses prédictives sont utilisées pour planifier les itinéraires des chauffeurs et les plannings de livraison en constante évolution, en incluant des prédictions de résultats en fonction des conditions de circulation. Des robots à six roues livrant des repas dans Londres ont été lancés par Starship Technologies, une entreprise créée par les co-fondateurs de Skype. Les robots livreurs sont équipés de neuf caméras, d’un GPS et sont surveillées par de vraies personnes qui peuvent intervenir immédiatement et prendre le contrôle à distance si nécessaire.

En plus d’être économiques et bons pour l’environnement, ils peuvent régler et maintenir la température des repas livrés pour la plus grande satisfaction des clients.

5. La gestion des fournisseurs

Les données agrégées en suivant la chaîne logistique sont également importantes, car elles permettent aux entreprises d’adapter leurs propres plannings de production, et d’identifier les fournisseurs qui pourraient leur faire gaspiller inutilement des ressources.

Selon IBM, jusqu’à 65% de la valeur des produits ou services d’une entreprise provient de ses fournisseurs. Ce pourcentage élevé incite les entreprises à gérer plus efficacement cette relation.

Les algorithmes peuvent garantir une sélection objective des fournisseurs en intégrant des mesures de performance qualitatives et quantitatives. En créant des modèles de décision basés sur différents facteurs, l’Intelligence Artificielle rend les approvisionnements stratégiques, au-delà de leur rôle traditionnel de réducteurs de coûts.

L’IA s’autofinance rapidement

Faire appel à l’Intelligence Artificielle pour rationaliser la chaîne logistique présente plusieurs avantages financiers, mais nécessite également un certain investissement. En effet, un système AI qui fonctionne requière certaines exigences pratiques comme posséder une infrastructure flexible pour être conforme aux exigences légales, évolutive pour gérer d’énormes volumes de données, et une intégration des données transparente pour alimenter les algorithmes de l’apprentissage automatique. Pour un usage efficace de l’IA, plusieurs systèmes différents peuvent devoir être intégrés comme les outils de gestion du cycle de vie des produits (PLM), les progiciels intégrés (ERP) et les logiciels de gestion de la relation client (CRM).

Indépendamment des coûts d’infrastructure, grâce à l’efficacité accrue à chaque étape de la livraison du produit, l’AI s’autofinance rapidement. Avec toutes les récentes innovations survenues dans les algorithmes d’apprentissage automatique, ce n’est qu’une question de temps avant que l’IA devienne incontournable dans la gestion de la chaîne logistique.

http://www.magicsoftware.com/

Suivez Industrie Mag sur le Web

 

Newsletter

Inscrivez-vous a la newsletter d'Industrie Mag pour recevoir, régulièrement, des nouvelles du site par courrier électronique.

Email: