5 minutes avec Hong Mo Yang de Blue Yonder

Hong Mo Yang, vice-président principal et directeur général, secteur manufacturier, Blue Yonder s'entretient avec Manufacturing Global sur l'importance des chaînes d'approvisionnement intelligentes dans la fabrication

1. Que signifie avoir une chaîne d'approvisionnement intelligente et quel est son rôle dans la fabrication ?

Une chaîne d'approvisionnement intelligente est une chaîne qui utilise la technologie pour accroître l'efficacité, s'auto-optimiser et répondre intelligemment à l'évolution de la demande et aux perturbations. Par exemple, en utilisant l'intelligence artificielle (IA) et l'apprentissage automatique (ML) pour automatiser les processus, la chaîne d'approvisionnement peut prendre des décisions intelligentes sans nécessiter d'intervention humaine. Il peut s'agir de trouver un plan B pour acheminer à temps un composant retardé vers l'usine ou de signaler à l'avance qu'une pénurie de personnel pourrait retarder la production.

2. Quelle importance a une chaîne d'approvisionnement intelligente pour les fabricants, quelle valeur apporte-t-elle à une organisation ?

L'adoption de technologies telles que l'IA et le ML aide les fabricants à suivre l'évolution de la demande en leur permettant de prévoir les problèmes avant qu'ils ne surviennent et de naviguer à travers les perturbations. Il permet aux entreprises et aux fabricants de garder une longueur d'avance sur le comportement d'achat des clients plutôt que de simplement répondre à ces incidents lorsqu'ils se sont déjà produits.

3. Quel rôle la technologie joue-t-elle dans la création d'une chaîne d'approvisionnement intelligente ?

La pandémie a gravement perturbé les chaînes d'approvisionnement dans le monde entier, obligeant les entreprises à prendre des décisions et à réagir à court terme. Les machines permettent de réagir aussi rapidement et intelligemment que possible - par exemple, en utilisant ML pour identifier où des retards ou des pannes peuvent survenir. Le ML peut fonctionner à un niveau granulaire, par exemple en inspectant des chargements individuels et en prédisant quelle livraison présente un risque élevé d'échec, puis les algorithmes peuvent rediriger les livraisons en cas de panne. L'ensemble du processus peut être automatisé, de la planification à l'exécution.

Le ML peut également aider les fabricants à hiérarchiser les produits dont les besoins sont les plus urgents afin que les engagements de production et de livraison puissent être respectés. Les humains, d'autre part, ont souvent besoin de jours pour prendre de telles décisions et sont enclins à faire des erreurs lorsqu'ils traitent une grande quantité de données et sont confrontés à des délais serrés. Les machines peuvent gérer de telles choses sans émotion, prenant rapidement la bonne décision sur la base des données, ce qui signifie que l'approche séquentielle traditionnelle de la planification pourrait bien toucher à sa fin.

4. Quelles sont les trois principales tendances des chaînes d'approvisionnement intelligentes ?

Les trois principales tendances sont l'IA/ML, le jumeau de la chaîne d'approvisionnement numérique et la demande croissante de data scientists pour prendre en charge les nouvelles technologies. Comme mentionné précédemment, il existe de nombreux cas d'utilisation de l'IA/ML tout au long de la chaîne d'approvisionnement. Qu'il s'agisse de prévoir la demande et d'anticiper les perturbations ou d'optimiser les itinéraires de transport, la planification des ressources et les stratégies de satisfaction des clients, l'IA/ML est largement mise en œuvre pour améliorer l'efficacité, l'automatisation et permettre une plus grande visibilité et intégration sur l'ensemble du réseau de la chaîne d'approvisionnement.

Pour aider les responsables de la chaîne d'approvisionnement à prendre les bonnes décisions tout au long de la chaîne d'approvisionnement, un jumeau numérique est essentiel. En créant une représentation numérique de la chaîne d'approvisionnement physique, les entreprises peuvent tirer parti du jumeau numérique pour prendre des décisions locales et mondiales, accroître la connaissance de la situation et évaluer l'impact de divers scénarios en toute confiance. Plus important encore, les organisations peuvent anticiper l'impact des décisions sur les objectifs commerciaux stratégiques tels que la croissance des revenus, le contrôle des marges et les objectifs de satisfaction client.

Et à mesure que les entreprises continuent d'investir dans de nouvelles technologies à travers l'IA/ML, l'IoT et la robotique, combinées aux exigences pour les entreprises d'agréger des volumes plus élevés de données sur des ressources internes et externes, la demande de data scientists va augmenter. Aujourd'hui, les scientifiques des données s'efforcent de résoudre de nombreux défis, tels que la modélisation des données et l'élaboration de plans pour rendre la chaîne d'approvisionnement plus durable, l'amélioration des temps de réponse et de l'agilité avec une visibilité et un contrôle accrus, et l'automatisation des processus de prise de décision avec l'IA/ML et le big data pour permettent aux entreprises de prendre des décisions commerciales plus intelligentes et plus stratégiques.