Comment l'IA peut mettre fin aux perturbations de la supply chain : 5 stratégies éprouvées

Les perturbations d'activité provoquées par la pandémie de coronavirus — des rayons vides dans les épiceries aux longs retards dans les livraisons e-commerce — ont mis en lumière les faiblesses de la supply chain, 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 supply chains allégées maintenant des niveaux de stocks plus bas afin d'éliminer le risque associé à la surproduction et aux surplus. Cette stratégie, empruntée à l'industrie automobile, a permis aux fournisseurs de réduire leurs coûts grâce à de faibles niveaux de stocks et des coûts de production réduits. Pourtant, lorsqu'un événement comme une pandémie ou une catastrophe naturelle se produit et crée une pointe de demande, il est difficile d'augmenter la production, ou de puiser dans les stocks de surplus pour remplir le pipeline — surtout lorsque des usines entières sont fermées à cause de l'infection. Ce qui est requis aujourd'hui, c'est un nouveau modèle qui permet la fabrication à la demande en temps réel au lieu du JIT.

Boîte à outils pilotée par 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 supply chain maintenant et à l'avenir. Considérez les cinq applications suivantes :

• Analytique prédictive. Pour que les entreprises ne soient pas prises au dépourvu par les changements de marché, économiques ou de consommation, l'analytique prédictive basée sur l'IA permet une prévision précise en analysant les modèles dans les données historiques. Elle utilise l'exploration de données, la modélisation statistique et le machine learning 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 de papier essuie-tout si la production de Bounty s'arrête. Elle pourrait aussi analyser les fournisseurs pour déterminer lesquels seront les plus fiables en situation d'urgence.
• Deep learning. Avoir une visibilité à distance sur un point de vente est devenu crucial pendant la pandémie. Aujourd'hui, la vidéosurveillance, combinée à des solutions basées sur le deep learning, peut aider les gestionnaires à déterminer si les protocoles de sécurité sont respectés, comme le nettoyage des systèmes POS, l'exigence du port du masque et la distanciation sociale. De plus, 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 rayons vides et ce qui ne se vend pas.
• Robotique d'entrepôt. Les robots sur les sols d'entrepôt, prélevant et emballant les articles, augmentent substantiellement 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 ceux avec des conditions de santé compromises qui les ont forcés à rester à la maison, les robots ont pris le relais.
• Automatisation des processus robotiques (RPA). Les tâches répétitives, telles que la facturation, le traitement des commandes, la saisie de données et autres tâches administratives, peuvent être un coupable majeur de perturbation de la supply chain. La RPA a permis à de nombreuses entreprises d'automatiser ces tâches, et de libérer les employés humains pour gérer des tâches plus stratégiques, ainsi que traiter directement avec les partenaires, clients et 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 compter sur l'intervention humaine, sauf pour traiter les exceptions.
• Computer Vision. Cette forme d'IA de détection d'image peut être utilisée dans le transport et la logistique, pour aider à identifier les zones à fort trafic et planifier les meilleures routes de camionnage. Les algorithmes basés sur Computer Vision analysent les images numériques ou vidéos provenant d'images satellites pour repérer et compter, par exemple, les voitures et bus dans certaines zones et aider les camionneurs à les éviter. Dans d'autres applications, elle peut être utilisée pour déterminer où il peut y avoir des voies ferrées endommagées qui pourraient entraver l'approvisionnement fluide des marchandises par train.

Approche Micro-Entrepôt

En plus de l'automatisation, ce qui deviendra une marque de fabrique des futures supply chains est l'entreposage et le stockage situés plus près des clients. Même de la part de géants comme Amazon ou Walmart, les grands entrepôts seront remplacés par de nombreux plus petits — servant une base de clients dans un rayon de deux miles. Au lieu d'avoir quelques grands entrepôts, les entreprises peuvent en avoir beaucoup pour décentraliser le processus de distribution, apporter les biens aux détaillants et consommateurs plus rapidement et même améliorer les pratiques de durabilité, avec moins d'émissions aériennes et routières.

En fait, la supply chain du futur sera très probablement composée de moins de travailleurs humains ; une plus grande automatisation pilotée par l'IA pour la gestion et la prévision des besoins en stock, le traitement des données et la gestion des tâches back-office et des opérations d'entrepôt ; et de nouveaux canaux de livraison, y compris les drones, pour des livraisons à domicile plus sûres et sans contact.

La supply chain du futur devra surmonter des obstacles clés pour devenir réalité. Des systèmes interopérables et intégrés devront partager les données à travers la supply chain pour être efficaces. Mais les entreprises devront être ouvertes à cette interopérabilité pour réussir. Un autre défi est la peur de la perte d'emplois que l'automatisation apportera. Les entreprises doivent dissiper ces peurs en ouvrant des opportunités pour les travailleurs de prendre de nouveaux rôles plus stratégiques, en offrant formation et soutien à l'éducation continue ; et en renforçant les avantages de l'IA, sans perdre de vue l'avantage immuable que les humains auront toujours sur l'IA.

Le COVID-19 a mis en lumière les fragilités de la supply chain, mais à travers ses leçons, nous commençons à réimaginer la supply chain du futur, qui sera pilotée par l'IA et renforcée par l'ingéniosité humaine.

Carlos Melendez est directeur des opérations de Wovenware.