L'arrivée de la Supply Chain ‘Self-Driving’

L'ère des voitures et des camions autonomes est presque arrivée. Qu'en est-il des chaînes d'approvisionnement autonomes ?

Au cours des dernières décennies, la technologie s'est insinuée dans tous les aspects de la gestion de la chaîne d'approvisionnement. Jusqu'à présent, cependant, la présence d'un humain pour prendre les décisions clés sur la production et la distribution a été requise.

C'est particulièrement le cas lorsqu'il s'agit de la gestion des risques, une discipline devenue essentielle à la survie des organisations mondiales modernes. Les responsables de la chaîne d'approvisionnement doivent évaluer la probabilité d'un certain nombre de perturbations potentielles, qu'il s'agisse de catastrophes naturelles telles que des inondations, des tsunamis et des volcans, ou d'événements d'origine humaine tels que des actions de travail et des attaques terroristes, et prendre les mesures appropriées. Une telle détermination a été considérée comme dépassant les capacités des machines.

Jusqu'à maintenant. L'intelligence artificielle, avec sa capacité à passer au crible des quantités massives de données et à détecter des modèles invisibles à l'œil humain, joue un rôle de plus en plus important dans la prévision et la gestion des risques. Le jour viendra peut-être où les machines auront une meilleure vision de l'avenir que les humains qui les ont construites.

Les innovations les plus prometteuses en A.I. se déroulent aujourd'hui dans les produits pharmaceutiques et les biens de consommation emballés, selon Fred Laluyaux, PDG d'Aera Technology, Inc. Ils subissent la plus grande pression de la part d'Amazon pour transformer radicalement la façon dont ils servent les clients.

« Un client me l'a décrit de manière éloquente, se souvient Lalulaux. « Ils ont dit : « Nous sommes les prochains à partir si nous ne changeons pas. » »

Pour les marchands traditionnels, le défi consiste à protéger leurs marques à un moment où les consommateurs sont plus intéressés par le prix, la commodité et la rapidité. Grâce à Amazon, dit Laluyaux, aller dans un magasin devient « sans intérêt ». Pour égaler les capacités du géant du commerce électronique, les vendeurs doivent accroître leur efficacité à chaque étape de leurs chaînes d'approvisionnement. Et cela inclut une meilleure gestion des risques.

Une grande partie des progrès de l'IA. se produisent dans le domaine de l'analyse prédictive. Les fabricants sont obligés d'accélérer le processus d'acheminement des produits vers les acheteurs. Dans le même temps, la disponibilité des « big data », tout en présentant une image beaucoup plus large du marché, inonde les planificateurs d'informations. Sans l'aide de systèmes automatisés pour interpréter cette entrée, ils ne peuvent pas distinguer le « signal » du « bruit ».

Les entreprises ne peuvent plus se contenter de plans de promotion annuels et de cycles de planification des ventes et des opérations (S&OP) de six mois. Les conditions du marché, en particulier les goûts des consommateurs inconstants, changent trop rapidement pour cela. « Il faut passer au niveau supérieur de performance », dit Laluyaux. "Ce [degré d'] automatisation vous amène là où les humains ne peuvent pas suivre."

L'objectif ultime, bien qu'insaisissable, est un système qui réponde aux conditions du marché en temps réel. La détection de la demande n'est pas une discipline nouvelle, mais elle a longtemps été entravée par des outils et des processus hérités qui retardent les actions nécessaires. Dans sa forme actuelle, la capacité s'étend bien au-delà de l'accès aux chiffres de vente pour inclure des éléments tels que l'emballage « intelligent ».

Les entrées comprennent tout, des données de point de vente (POS) aux prévisions météorologiques, en passant par les évaluations Nielsen, les publications sur les réseaux sociaux et la veille concurrentielle. Dans le monde pharmaceutique, ajoutez des mises à jour sur l'approbation gouvernementale de nouveaux médicaments.

« Le filet est de plus en plus large, dit Laluyaux, et le grain de plus en plus fin. »

En tant que système autonome, A.I. a peu de valeur. Pour être efficace, il doit combiner des flux de données disparates et se répartir sur plusieurs fonctions de la chaîne d'approvisionnement. Supposons qu'un détaillant connaisse une augmentation de 2 % des ventes d'un article en particulier. Pour répondre à la demande inattendue, il doit être en mesure d'identifier la source optimale pour augmenter la production, évaluer les capacités de fabrication, réviser la nomenclature et ajuster les niveaux de stock en conséquence. Si les systèmes de transaction ne se « parlent » pas, ce processus peut prendre des jours — trop tard pour que le marchand puisse profiter d'une tendance éphémère.

De plus, l'A.I. le système doit combiner sa mine de données avec des experts humains, qui sont toujours chargés de prendre les décisions finales sur le moment et l'endroit où le produit doit être expédié.

Lalulaux décrit le concept de « établi cognitif », par lequel A.I. interprète les données et formule des recommandations, qui sont ensuite (pour la plupart) exécutées par des experts humains. Mais ce n'est qu'une phase de transition dans l'avancement de l'IA. La nature de l'apprentissage automatique est que le système s'améliore avec l'expérience pour proposer les actions appropriées à prendre. En fin de compte, il devrait être en mesure de prendre bon nombre de ces décisions clés sans avoir besoin d'une intervention humaine. À ce stade, l'analyse « prédictive » devient « prescriptive ».

On est loin du point où l'automatisation prend entièrement le relais des managers humains. Si la progression va de prédictif à prescriptif à totalement autonome, alors de nombreuses entreprises restent coincées entre les étapes un et deux, dit Laluyaux. Les perspectives d'une chaîne d'approvisionnement « autonome » sont raisonnablement bonnes ; c'est juste la chronologie qui est en cause. Pour l'instant, il est trop tôt pour que les humains songent à lâcher le volant.