Exploiter l'IA pour surmonter la crise mondiale de la chaîne d'approvisionnement

La pandémie de COVID-19 est devenue un terrain d'épreuve pour les innovations dans de multiples industries. Ce n'est pas surprenant. Tout au long de l'histoire, les crises ont engendré l'innovation. Maintenant, le monde est invité à innover une fois de plus au milieu d'une perturbation cataclysmique de notre chaîne d'approvisionnement mondiale.

Le problème que nous vivons maintenant peut sembler comme un goulot d'étranglement sans espoir, et les changements dont nous avons besoin pour le corriger vont prendre du temps pour réaliser de la valeur. Mais l'intelligence artificielle, combinée avec d'autres technologies et innovations, pourrait apporter des améliorations durables à travers toute la chaîne d'approvisionnement, du plancher de fabrication à l'étagère de vente au détail. Voici quelques scénarios.

Améliorer le plancher d'usine

La couverture médiatique du goulot d'étranglement de la chaîne d'approvisionnement a tendance à se concentrer sur les navires bloqués en mer au milieu des fermetures de ports. Mais les gestionnaires de chaîne d'approvisionnement savent qu'améliorer la chaîne d'approvisionnement s'étend au plancher d'usine où les matières premières sont approvisionnées et fabriquées en produits. L'IA connectée à d'autres technologies peut faire une grande différence. Par exemple, une prévision basée sur les données sur l'approvisionnement en matières premières peut aider à optimiser les décisions de planification de fabrication ainsi que la planification de la main-d'œuvre pour réduire l'épuisement professionnel. De plus, des capteurs intelligents sur le plancher d'usine peuvent rendre la production plus efficace et réactive aux fluctuations de l'offre ainsi que de la demande. Les capteurs intelligents peuvent également alerter le fabricant lorsque des pièces vitales s'usent, permettant au fabricant de prendre des mesures correctives proactives avant qu'une perturbation ne se produise.

Je suis le plus enthousiasmé par le potentiel pour les entreprises de combiner des technologies immersives telles que la réalité virtuelle, la réalité mixte et la réalité augmentée avec l'IA (par exemple, le mariage de l'apprentissage par renforcement profond avec la simulation 3D) pour améliorer les processus de fabrication. Les entreprises peuvent utiliser l'IA pour simuler différents scénarios de production et optimiser le plancher d'usine de manière moins chronophage et plus rentable. De plus, avec la simulation 3D et l'apprentissage par renforcement, un fabricant peut optimiser l'ensemble du processus de production, alors que les expérimentations de fabrication physiques ne peuvent optimiser que pour un processus spécifique. Alors que la promesse du métavers prend forme, cette application virtuelle de l'IA pourrait aider à transformer le plancher d'usine, pas seulement le rendre plus efficace.

Réagir à la perturbation

L'IA permet d'utiliser les données et l'analytique pour identifier et cartographier les stocks affectés par la perturbation de la chaîne d'approvisionnement. Si une entreprise manque de visibilité sur un navire transportant ses matériaux, elle devrait utiliser la crise comme une opportunité pour justifier la priorisation de la transformation numérique de la chaîne d'approvisionnement avec les données, l'internet des objets et l'analytique avancée (par exemple, l'apprentissage automatique et la simulation). Une entreprise a besoin de savoir où sont ses biens à tout moment pour évaluer avec succès l'impact que les contraintes du côté de l'offre auront sur ses opérations et sa capacité à répondre aux attentes de la demande du marché. Cela est particulièrement vrai pour les chaînes d'approvisionnement complexes qui reposent sur de nombreux acteurs opérant à l'échelle mondiale, comme nous le voyons dans l'industrie automobile. Les fabricants et détaillants automobiles peinent à tracer les goulots d'étranglement dans la chaîne d'approvisionnement pour les semi-conducteurs d'un pays à l'autre. Ce manque de transparence rend presque impossible pour eux de prendre des mesures telles que l'identification de comment briser le goulot d'étranglement ou de prédire quand les stocks pourraient revenir à la normale. Le partage de données transparent et l'IA peuvent aider à résoudre ce problème.

Répondre à la demande des consommateurs

Il est instructif de se rappeler qu'il n'y aurait pas de crise de la chaîne d'approvisionnement sans la demande des consommateurs. L'IA peut aider tous les acteurs de l'écosystème de la chaîne d'approvisionnement à mieux s'aligner sur la demande des consommateurs grâce à la technologie de l'étagère numérique. L'étagère numérique fait référence vaguement à une présentation de produit — à la fois en magasin et en ligne — qui est connectée à l'ensemble des opérations et de la chaîne d'approvisionnement d'un détaillant via des données en temps réel. Avec une étagère numérique, une entreprise connaît ses niveaux de stock précis dans chaque magasin à tout moment.

Prenez les épiceries d'Amazon.com Inc. Les capteurs dans les magasins Amazon Go fournissent une intelligence constamment mise à jour sur les étagères numériques, ce qui permet au détaillant de personnaliser les niveaux de stock en fonction de la demande régionale et aussi de répondre aux hausses ou baisses soudaines de la demande de produits. À plus grande échelle, Walmart Inc. construit cette capacité aussi.

Le concept d'étagère numérique existe depuis quelques années, mais la pandémie l'a rendu plus urgent et opportun. C'est parce que les changements rapides et imprévisibles de la demande des consommateurs et une hausse du commerce en ligne/hors ligne émergeant de la pandémie ont éliminé toute marge d'erreur pour les entreprises gérant les niveaux de stock.

Une étagère numérique ne résoudra pas le goulot d'étranglement de la chaîne d'approvisionnement, mais elle aidera les entreprises à gérer plus fluidement un élément crucial de la chaîne d'approvisionnement — le dernier kilomètre de livraison.

Gérer la pénurie de main-d'œuvre

L'une des raisons pour lesquelles la crise de la chaîne d'approvisionnement s'est intensifiée est un manque de main-d'œuvre disponible, comme les travailleurs d'entrepôt pour décharger les produits et les camionneurs pour les transporter. L'IA peut aider les entreprises à gérer une offre de main-d'œuvre serrée, surtout si les entreprises font preuve de créativité sur la façon dont elles l'utilisent pour sourcer de la main-d'œuvre contractuelle. De nombreuses entreprises fonctionnent encore dans l'âge de pierre lorsqu'elles cherchent de l'aide temporaire pour gérer les pics de capacité : elles prennent le téléphone et appellent une agence d'intérim. C'est une approche hautement inefficace. Et si une entreprise trouvait les ressources dont elle a besoin en accédant à un portail unique alimenté par les données et l'IA ? En supposant que les entreprises et leurs partenaires d'intérim tiennent le portail à jour avec des informations sur leurs besoins en personnel et leurs ressources, l'IA pourrait faire correspondre les ressources en fonction de facteurs tels que l'étendue du besoin, la proximité du personnel et des ressources disponibles, et le délai. L'IA ne résoudrait pas le problème si zéro ressource était disponible — mais elle aiderait certainement si elle est activée par la bonne plateforme.

Planifier pour la prochaine crise

L'IA peut aider une entreprise à réaliser des exercices de planification de scénarios et éclairer des décisions d'affaires critiques. La pandémie est un signal d'alarme pour les entreprises pour planifier la prochaine perturbation — qu'il s'agisse d'une autre pandémie, d'une catastrophe naturelle, de troubles civils ou de toute autre perturbation. L'IA peut aider les entreprises à anticiper les pénuries et les problèmes d'approvisionnement à l'avance et puis répondre avec des stratégies de résilience — par exemple, réacheminer la livraison de matériaux essentiels lorsqu'une fermeture de port se produit. Cela nécessiterait d'avoir les données et d'être capable de simuler des réponses de résilience. L'IA pourrait également aider les entreprises le long de la chaîne d'approvisionnement à prédire si une perturbation particulière (comme une catastrophe naturelle bouleversant la production de café) est transitoire ou plus longue et simuler des scénarios de réponse basés sur ces données.

De manière similaire à la simulation d'usine alimentée par l'IA, les entreprises peuvent utiliser des jumeaux numériques pour faire de la planification de scénarios pour la prochaine perturbation. Comme l'a noté le MIT Technology Review, « Et s'il y a une sécheresse à Taïwan et que la pénurie d'eau arrête la fabrication de puces ? Un jumeau numérique pourrait prédire le risque que cela se produise, tracer l'impact que cela aurait sur votre chaîne d'approvisionnement, et — en utilisant l'apprentissage par renforcement — suggérer quelles actions entreprendre pour minimiser les dommages. »

Il n'y a pas de sortie facile de la crise de la chaîne d'approvisionnement. L'IA en elle-même ne fournira pas la solution non plus. Je suggère que les entreprises décomposent d'abord la crise de la chaîne d'approvisionnement en points de douleur plus petits et trouvent comment les résoudre, comme cet article l'a fait. Demander « Comment pouvons-nous protéger notre entreprise de la prochaine perturbation ? » est probablement une question trop large. Au lieu de cela, concentrez-vous sur quelque chose de plus concret et plus facilement résoluble, comme « Comment puis-je aligner ma flotte de chauffeurs de camion plus efficacement avec les pics de demande ? » Répondre à la question aidera l'entreprise à comprendre un rôle clair et convaincant pour l'IA.

Ahmer Inam est directeur de l'IA chez Pactera EDGE, une entreprise mondiale de services numériques et technologiques.