Cinq façons dont l'IA peut résoudre les perturbations de la chaîne d'approvisionnement

Les perturbations commerciales provoquées par la pandémie de coronavirus - des étagères vides dans les épiceries aux longs retards dans les livraisons du commerce électronique - ont mis en lumière les faiblesses de la chaîne d'approvisionnement et une opportunité croissante pour l'intelligence artificielle.

Une partie du problème a été le passage à la fabrication juste à temps (JIT), qui a créé des chaînes d'approvisionnement allégées qui détiennent des niveaux de stocks inférieurs afin d'éliminer le risque associé à la surproduction et aux excédents. Cette stratégie, empruntée à l'industrie automobile, a permis aux fournisseurs de baisser leurs coûts grâce à de faibles niveaux de stocks et à des coûts de production réduits. Pourtant, lorsqu'une pandémie ou une catastrophe naturelle se produit et crée une augmentation de la demande, il est difficile d'augmenter la production ou d'exploiter les stocks excédentaires pour remplir le pipeline, en particulier lorsque des usines entières sont fermées en raison d'une infection. Ce qu'il faut aujourd'hui à la place, c'est un nouveau modèle qui permet la fabrication à la demande en temps réel sur JIT.

Trousse d'outils basée sur l'IA

De plus en plus de fournisseurs se tournent vers diverses formes d'IA pour mieux relever les défis de la perturbation de la chaîne d'approvisionnement, aujourd'hui et à l'avenir. Considérez les cinq applications suivantes :

• Analyse prédictive. Pour que les entreprises ne soient pas prises au dépourvu par les changements du marché, de l'économie ou des consommateurs, les analyses prédictives basées sur l'IA permettent des prévisions précises en analysant les modèles des données historiques. Il utilise l'exploration de données, la modélisation statistique et l'apprentissage automatique pour permettre à d'énormes ensembles de données de prédire les résultats futurs. Par exemple, un détaillant peut l'utiliser pour déterminer la probabilité que des articles spécifiques soient en rupture de stock et quand, ou la probabilité qu'un consommateur achète toujours la marque X d'essuie-tout si la production s'arrête sur Bounty. Il pourrait également analyser les fournisseurs pour déterminer ceux qui s'avéreront les plus fiables en cas d'urgence.
• Apprentissage approfondi. Avoir une visibilité à distance sur un magasin est devenu crucial pendant la pandémie. Aujourd'hui, la vidéosurveillance, combinée à des solutions basées sur l'apprentissage en profondeur, peut aider les gestionnaires à déterminer si les protocoles de sécurité sont suivis, tels que le nettoyage des systèmes de point de vente, l'insistance sur l'utilisation du masque et la distanciation sociale. En outre, ces types de vidéosurveillance basés sur l'IA peuvent aider aux audits de magasin pour la gestion des stocks afin de déterminer où se trouvent les étagères vides et ce qui ne se vend pas.
• Robotique d'entrepôt. Les robots sur les sols des entrepôts, la cueillette et l'emballage des articles augmentent considérablement la vitesse et l'efficacité des entrepôts. Pendant la pandémie, lorsqu'il y a eu une pénurie de main-d'œuvre humaine en raison de travailleurs malades ou de personnes dont l'état de santé est compromis les obligeant à rester à la maison, les robots ont pris le relais.
• Automatisation robotique des processus (RPA). Les tâches répétitives, telles que la facturation, le traitement des commandes, la saisie de données et d'autres tâches administratives peuvent être l'un des principaux responsables des perturbations de la chaîne d'approvisionnement. La RPA a permis à de nombreuses entreprises d'automatiser ces tâches et de libérer des employés humains pour gérer des tâches plus stratégiques, ainsi que pour traiter directement avec des partenaires, des clients et d'autres. Par exemple, la RPA peut être utilisée pour traiter les bons de commande, identifier les niveaux de stock requis et les comparer au stock réel, le tout sans recourir à une intervention humaine, sauf pour traiter les exceptions.
• Vision informatique. Cette forme de détection d'images basée sur l'IA peut être utilisée dans les transports et la logistique, pour aider à identifier les zones à fort trafic et aider à planifier les meilleurs itinéraires de camionnage. Les algorithmes basés sur ComputerVision analysent des images numériques ou des vidéos à partir d'images satellite pour repérer et compter, par exemple, les voitures et les bus dans certaines zones et aider les camionneurs à éviter ces zones. Dans d'autres applications, il peut être utilisé pour déterminer où il peut y avoir des voies ferrées endommagées qui pourraient entraver le bon approvisionnement en marchandises par train.

Approche MicroWarehouse

En plus de l'automatisation, ce qui deviendra une caractéristique des futures chaînes d'approvisionnement, c'est l'entreposage et le stockage situés plus près des clients. Même chez Amazon ou Walmart, les grands entrepôts seront remplacés par de nombreux plus petits, desservant une clientèle dans un rayon de trois kilomètres. Au lieu d'avoir quelques grands entrepôts, les entreprises peuvent en avoir plusieurs pour décentraliser le processus de distribution, amener les marchandises aux détaillants et aux consommateurs plus rapidement et même renforcer les pratiques de durabilité, avec moins d'émissions atmosphériques et routières.

En fait, la chaîne d'approvisionnement du futur sera très bien composée de moins de travailleurs humains; une plus grande automatisation pilotée par l'IA pour gérer et prévoir les besoins d'inventaire, traiter les données et gérer les tâches de back-office et les opérations d'entrepôt ; et de nouveaux canaux de livraison, dont les drones, pour des livraisons à domicile plus sûres et sans contact.

La chaîne d'approvisionnement du futur devra surmonter des obstacles clés pour devenir une réalité. Les systèmes interopérables et intégrés devront partager les données tout au long de la chaîne d'approvisionnement pour être efficaces. Mais les entreprises devront être ouvertes à cette interopérabilité pour réussir. Un autre défi est la peur de la perte d'emploi que l'automatisation apportera. Les entreprises doivent dissiper ces craintes en offrant aux travailleurs des opportunités d'assumer de nouveaux rôles plus stratégiques, en offrant un soutien à la formation et à la formation continue ; et renforcer les avantages de l'IA, sans perdre de vue l'avantage indéfectible que les humains auront toujours sur l'IA.

COVID-19 a mis en lumière les fragilités de la chaîne d'approvisionnement, mais grâce à ses enseignements, nous commençons à réimaginer la chaîne d'approvisionnement du futur, qui sera pilotée par l'IA et renforcée par l'ingéniosité humaine.

Carlos Melendez est directeur de l'exploitation de Wovenware.