Comment l'IA s'attaque au gaspillage dans les usines et la chaîne d'approvisionnement

Si nous voulons un monde sans déchets, nous aurons peut-être besoin d'autre chose que du cerveau humain pour y parvenir.

La réponse, comme pour tant d'autres aspects de l'entreprise aujourd'hui, réside dans l'intelligence artificielle - dans ce cas, sa capacité à éliminer les déchets industriels dans la fabrication.

Stephen Pratt est directeur général de Noodle.ai, une entreprise utilisant l'IA pour rationaliser les opérations de flux industriel. Il considère la technologie naissante comme un outil pour « revenir à la façon dont les usines et les chaînes d'approvisionnement sont censées fonctionner ». Et cela signifie parvenir à « un flux continu des matières premières jusqu'aux étagères ».

Bien sûr, l'élimination des déchets dans l'usine et au-delà est une obsession des responsables de la chaîne d'approvisionnement depuis des décennies. Le célèbre système de production Toyota, qui identifie sept formes de muda , le mot japonais pour déchet, trouve ses origines à la fin des années 40. Plus récemment, les théories Lean et juste-à-temps (JIT) pour la fourniture de pièces aux usines et de produits finis aux entrepôts ont supprimé ce que les gestionnaires considéraient comme des stocks excédentaires. (À tel point, malheureusement, que de nombreux détaillants se sont retrouvés sans suffisamment de produits pour satisfaire la demande croissante de biens de consommation pendant la pandémie de COVID-19. La chaîne d'approvisionnement « allégée » d'une personne est la rupture de stock d'une autre personne.)

Il faut se demander si les théories précédentes pour éliminer les déchets du système ont donné plus de livres et d'articles universitaires que de résultats réels dans l'usine. Selon Pratt, la Banque mondiale estime que les déchets industriels mondiaux sont aujourd'hui 18 fois plus gros que les déchets solides municipaux - "ce que nous appelons déchets".

Pour être juste, Lean, JIT, la méthodologie Six Sigma, la théorie des contraintes et d'autres outils de planification avancés ont tous laissé leur empreinte sur les pratiques de gestion dans l'usine et au-delà. Les déchets de production ont été considérablement réduits, mais restent aujourd'hui un problème de 2 000 milliards de dollars. (Pratt détaille ce nombre ci-dessous.) « Il n'y a rien près d'un état de flux parfait », dit-il. "Beaucoup de chaînes d'approvisionnement ont des règles commerciales fixes, mais demandez à n'importe quel planificateur d'inventaire, et ils vous diront que la seule chose qu'ils savent, c'est que ces règles sont fausses."

Vient ensuite l'IA avec une nouvelle approche du contrôle des déchets. La différence, dit Pratt, réside dans l'utilisation d'algorithmes complexes pour prédire quand les pièces, les produits et les pratiques en excès menacent d'obstruer les travaux. De telles alertes permettent aux humains de prendre des mesures pour éviter le problème avant qu'il n'affecte le flux de produit.

L'utilisation de l'IA spécifiquement pour attaquer les déchets de production a moins d'une décennie, dit Pratt, mais s'est déjà avérée « incroyablement efficace ». Les applications de fabrication précédentes, y compris la planification des besoins en matériaux (MRP) et la planification des ressources de l'entreprise (ERP), étaient entravées par des ordinateurs lents et des données coûteuses.

« Le fléau de l'existence de ces technologies est qu'elles supposent des moyennes pour le rendement de production et les délais de livraison », explique Pratt. « C'est comme parler de la pointure moyenne d'une personne sur la planète. La différence entre la moyenne et la réalité est d'environ la moitié des déchets dans le monde entier."

Les sept formes de muda de Toyota tels qu'identifiés par l'ingénieur industriel japonais Taiichi Ohno, sont le transport, l'inventaire, le mouvement, l'attente, la surproduction, le surtraitement et les défauts. Avec l'IA dans l'image, Pratt étend le concept au-delà de l'usine pour délimiter ce qu'il considère comme les quatre plus grands domaines de déchets dans la chaîne d'approvisionnement aujourd'hui :

• Produits défectueux. Un article défectueux qui passe tout au long du processus de production doit être jeté. Le coût pour les fabricants, selon Pratt, est d'environ 861 milliards de dollars par an.
• Pannes d'usine. Les temps d'arrêt imprévus sont un "problème géant" qui coûte 689 milliards de dollars par an.
• Erreurs de distribution. L'usine s'avère un produit sans défaut, qui cale au stade de la distribution car l'IT actuel. les systèmes ne peuvent pas atteindre les objectifs de livraison en termes de temps, de lieu et de quantité. Le coût des stocks excédentaires :environ 446 milliards de dollars par an.
• Étagères vides. L'absence de quelque chose peut ne pas sembler être une forme de gaspillage. Mais la peur des ruptures de stock des détaillants lorsque les clients veulent acheter – ce qui se produit environ 9 % du temps – les amène à inonder la chaîne d'approvisionnement de stocks. En conséquence, dit Pratt, "ils produisent plus qu'ils n'ont à le faire."

Pour la première fois, des capacités informatiques sans cesse croissantes permettent d'attaquer efficacement ces quatre domaines. L'ordinateur moyen utilisé pour de tels calculs aujourd'hui est 2 000 fois plus rapide que le superordinateur le plus rapide du monde en 2000, note Pratt.

Le rôle de l'IA évolue rapidement de l'analyse descriptive à l'analyse prescriptive. Aujourd'hui, un système basé sur l'IA peut rechercher des anomalies, alerter les gestionnaires de leur imminence, prédire les conséquences de tels événements et recommander des mesures correctives. De plus, dit Pratt, "Il vous indique comment ajuster votre usine afin de ne pas produire de produits défectueux."

Rien de tout cela ne signifie que les gens sont complètement hors de vue. Pratt considère le système idéal comme celui qui combine la puissance de calcul de force brute de l'IA avec la créativité et les connaissances du cerveau humain. Et à tous égards, l'IA a encore un long chemin à parcourir avant de tenir ses promesses dans les environnements de fabrication, sans parler du reste du monde.

Comme pour toute technologie de pointe, l'acceptation de l'IA sera progressive. Mais Pratt pense que sa maturité est accélérée par les demandes des grands détaillants comme Walmart pour des performances sans faille de la part des fournisseurs. Leur capacité à répondre à de tels critères « pourrait faire la différence entre exister et périr », dit-il.