Comment l'IA pourrait résoudre la crise de la chaîne d'approvisionnement

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

Le problème que nous rencontrons actuellement peut sembler être un goulot d'étranglement sans espoir, et les changements que nous devons apporter pour le résoudre vont prendre un certain temps avant de se concrétiser. Mais l'intelligence artificielle, combinée à d'autres technologies et innovations, pourrait apporter des améliorations durables sur l'ensemble de la chaîne d'approvisionnement, de l'atelier de fabrication aux rayons de vente au détail. Voici quelques scénarios.

Améliorer le sol de l'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 responsables de la chaîne d'approvisionnement savent que l'amélioration de la chaîne d'approvisionnement s'étend jusqu'à l'usine où les matières premières sont achetées et transformées 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 la fabrication ainsi que la planification de la main-d'œuvre pour réduire l'épuisement professionnel. De plus, des capteurs intelligents dans l'usine peuvent rendre la production plus efficace et réactive aux fluctuations de l'offre et de la demande. Des capteurs intelligents peuvent également avertir le fabricant lorsque des pièces vitales s'usent, ce qui permet au fabricant de prendre des mesures correctives proactives avant qu'une perturbation ne se produise.

Je suis très enthousiasmé par le potentiel des entreprises à 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 en profondeur avec la simulation 3D) pour améliorer les processus de fabrication. Les entreprises peuvent utiliser l'IA pour simuler différents scénarios de production et optimiser l'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, tandis que les expérimentations de fabrication physique ne peuvent optimiser que pour un processus spécifique. Alors que la promesse du métaverse se concrétise, cette application virtuelle de l'IA pourrait aider à transformer l'atelier, pas seulement à le rendre plus efficace.

Réagir à la perturbation

L'IA permet d'utiliser des données et des analyses pour identifier et cartographier l'inventaire qui est affecté par la perturbation de la chaîne d'approvisionnement. Si une entreprise manque de visibilité sur un navire transportant ses matériaux, elle devrait alors profiter de la crise pour justifier la priorité donnée à la transformation numérique de la chaîne d'approvisionnement avec des données, l'Internet des objets et des analyses avancées (par exemple, l'apprentissage automatique et la simulation). Une entreprise doit savoir à tout moment où se trouvent ses marchandises 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 des chaînes d'approvisionnement complexes qui reposent sur de nombreux acteurs opérant à l'échelle mondiale, comme nous le voyons dans l'industrie automobile. Les constructeurs automobiles et les détaillants ont du mal à retracer les goulots d'étranglement dans la chaîne d'approvisionnement des 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 la façon de briser le goulot d'étranglement ou de prédire quand les stocks pourraient revenir à la normale. Le partage transparent des données 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 membres de l'écosystème de la chaîne d'approvisionnement à s'aligner davantage sur la demande des consommateurs grâce à la technologie des étagères numériques. L'étagère numérique fait vaguement référence à un affichage de produit - à la fois en magasin et en ligne - qui est connecté 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 à tout moment ses niveaux de stock précis dans chaque magasin.

Prenez les épiceries d'Amazon.com Inc.. Les capteurs dans les magasins Amazon Go fournissent des informations constamment mises à jour sur les étagères numériques, ce qui permet au détaillant de personnaliser les niveaux de stock en fonction de la demande régionale et également de répondre aux augmentations ou diminutions soudaines de la demande de produits. À plus grande échelle, Walmart Inc. développe également cette capacité.

Le concept de la tablette 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 augmentation du commerce en ligne/hors ligne émergeant de la pandémie ont supprimé toute marge d'erreur pour les entreprises qui gèrent les niveaux de stocks.

Une étagère numérique ne résoudra pas le goulot d'étranglement de la chaîne d'approvisionnement, mais elle aidera les entreprises à gérer plus facilement 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 le manque de main-d'œuvre disponible, comme les employés 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 restreinte, en particulier si les entreprises font preuve de créativité quant à la façon dont elles l'utilisent pour trouver de la main-d'œuvre sous-traitante. De nombreuses entreprises opèrent encore à l'âge des ténèbres lorsqu'elles trouvent une aide temporaire pour gérer les augmentations de capacité :elles décrochent le téléphone et appellent une entreprise de recrutement. C'est une approche très inefficace. Et si une entreprise trouvait les ressources dont elle a besoin en puisant dans un portail unique alimenté par les données et l'IA ? En supposant que les entreprises et leurs partenaires de recrutement maintiennent le portail à jour avec des informations sur leurs besoins et leurs ressources en personnel, 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 calendrier. L'IA ne résoudrait pas le problème si aucune ressource n'était disponible, mais elle serait certainement utile si elle était activée par la bonne plate-forme.

Planifier la prochaine crise

L'IA peut aider une entreprise à mener des exercices de planification de scénarios et à éclairer les décisions commerciales critiques. La pandémie est un signal d'alarme pour les entreprises afin qu'elles planifient 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, puis à réagir avec des stratégies de résilience, par exemple en réacheminant la livraison de matériaux essentiels en cas de fermeture d'un port. Cela nécessiterait de disposer des données et d'être capable de simuler des réponses de résilience. L'IA pourrait également aider les entreprises tout au long de la chaîne d'approvisionnement à prédire si une perturbation particulière (telle qu'une catastrophe naturelle mettant fin à la production de café) est transitoire ou à plus long terme et à simuler des scénarios de réponse sur la base de ces données.

Semblable à la simulation d'usine alimentée par l'IA, les entreprises peuvent utiliser des jumeaux numériques pour planifier des scénarios pour la prochaine perturbation. Comme l'a noté le MIT Technology Review, « Et s'il y avait une sécheresse à Taïwan et que la pénurie d'eau interrompait la fabrication de puces électroniques ? Un jumeau numérique pourrait prédire le risque que cela se produise, tracer l'impact que cela aurait sur votre chaîne d'approvisionnement et, à l'aide de l'apprentissage par renforcement, suggérer les mesures à prendre pour minimiser les dommages. »

Il n'y a pas de moyen facile de sortir de la crise de la chaîne d'approvisionnement. L'IA en elle-même ne fournira pas non plus la solution. Je suggère que les entreprises décomposent d'abord la crise de la chaîne d'approvisionnement en points douloureux 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 facile à résoudre, comme « Comment puis-je aligner plus efficacement mon parc de camions avec les augmentations de la demande ? » Répondre à la question aidera l'entreprise à comprendre le rôle clair et convaincant de l'IA.

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

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

Le problème que nous rencontrons actuellement peut sembler être un goulot d'étranglement sans espoir, et les changements que nous devons apporter pour le résoudre vont prendre un certain temps avant de se concrétiser. Mais l'intelligence artificielle, combinée à d'autres technologies et innovations, pourrait apporter des améliorations durables sur l'ensemble de la chaîne d'approvisionnement, de l'atelier de fabrication aux rayons de vente au détail. Voici quelques scénarios.

Améliorer le sol de l'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 responsables de la chaîne d'approvisionnement savent que l'amélioration de la chaîne d'approvisionnement s'étend jusqu'à l'usine où les matières premières sont achetées et transformées 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 la fabrication ainsi que la planification de la main-d'œuvre pour réduire l'épuisement professionnel. De plus, des capteurs intelligents dans l'usine peuvent rendre la production plus efficace et réactive aux fluctuations de l'offre et de la demande. Des capteurs intelligents peuvent également avertir le fabricant lorsque des pièces vitales s'usent, ce qui permet au fabricant de prendre des mesures correctives proactives avant qu'une perturbation ne se produise.

Je suis très enthousiasmé par le potentiel des entreprises à 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 en profondeur avec la simulation 3D) pour améliorer les processus de fabrication. Les entreprises peuvent utiliser l'IA pour simuler différents scénarios de production et optimiser l'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, tandis que les expérimentations de fabrication physique ne peuvent optimiser que pour un processus spécifique. Alors que la promesse du métaverse se concrétise, cette application virtuelle de l'IA pourrait aider à transformer l'atelier, pas seulement à le rendre plus efficace.

Réagir à la perturbation

L'IA permet d'utiliser des données et des analyses pour identifier et cartographier l'inventaire qui est affecté par la perturbation de la chaîne d'approvisionnement. Si une entreprise manque de visibilité sur un navire transportant ses matériaux, elle devrait alors profiter de la crise pour justifier la priorité donnée à la transformation numérique de la chaîne d'approvisionnement avec des données, l'Internet des objets et des analyses avancées (par exemple, l'apprentissage automatique et la simulation). Une entreprise doit savoir à tout moment où se trouvent ses marchandises 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 des chaînes d'approvisionnement complexes qui reposent sur de nombreux acteurs opérant à l'échelle mondiale, comme nous le voyons dans l'industrie automobile. Les constructeurs automobiles et les détaillants ont du mal à retracer les goulots d'étranglement dans la chaîne d'approvisionnement des 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 la façon de briser le goulot d'étranglement ou de prédire quand les stocks pourraient revenir à la normale. Le partage transparent des données 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 membres de l'écosystème de la chaîne d'approvisionnement à s'aligner davantage sur la demande des consommateurs grâce à la technologie des étagères numériques. L'étagère numérique fait vaguement référence à un affichage de produit - à la fois en magasin et en ligne - qui est connecté 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 à tout moment ses niveaux de stock précis dans chaque magasin.

Prenez les épiceries d'Amazon.com Inc.. Les capteurs dans les magasins Amazon Go fournissent des informations constamment mises à jour sur les étagères numériques, ce qui permet au détaillant de personnaliser les niveaux de stock en fonction de la demande régionale et également de répondre aux augmentations ou diminutions soudaines de la demande de produits. À plus grande échelle, Walmart Inc. développe également cette capacité.

Le concept de la tablette 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 augmentation du commerce en ligne/hors ligne émergeant de la pandémie ont supprimé toute marge d'erreur pour les entreprises qui gèrent les niveaux de stocks.

Une étagère numérique ne résoudra pas le goulot d'étranglement de la chaîne d'approvisionnement, mais elle aidera les entreprises à gérer plus facilement 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 le manque de main-d'œuvre disponible, comme les employés 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 restreinte, en particulier si les entreprises font preuve de créativité quant à la façon dont elles l'utilisent pour trouver de la main-d'œuvre sous-traitante. De nombreuses entreprises opèrent encore à l'âge des ténèbres lorsqu'elles trouvent une aide temporaire pour gérer les augmentations de capacité :elles décrochent le téléphone et appellent une entreprise de recrutement. C'est une approche très inefficace. Et si une entreprise trouvait les ressources dont elle a besoin en puisant dans un portail unique alimenté par les données et l'IA ? En supposant que les entreprises et leurs partenaires de recrutement maintiennent le portail à jour avec des informations sur leurs besoins et leurs ressources en personnel, 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 calendrier. L'IA ne résoudrait pas le problème si aucune ressource n'était disponible, mais elle serait certainement utile si elle était activée par la bonne plate-forme.

Planifier la prochaine crise

L'IA peut aider une entreprise à mener des exercices de planification de scénarios et à éclairer les décisions commerciales critiques. La pandémie est un signal d'alarme pour les entreprises afin qu'elles planifient 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, puis à réagir avec des stratégies de résilience, par exemple en réacheminant la livraison de matériaux essentiels en cas de fermeture d'un port. Cela nécessiterait de disposer des données et d'être capable de simuler des réponses de résilience. L'IA pourrait également aider les entreprises tout au long de la chaîne d'approvisionnement à prédire si une perturbation particulière (telle qu'une catastrophe naturelle mettant fin à la production de café) est transitoire ou à plus long terme et à simuler des scénarios de réponse sur la base de ces données.

Semblable à la simulation d'usine alimentée par l'IA, les entreprises peuvent utiliser des jumeaux numériques pour planifier des scénarios pour la prochaine perturbation. Comme l'a noté le MIT Technology Review, « Et s'il y avait une sécheresse à Taïwan et que la pénurie d'eau interrompait la fabrication de puces électroniques ? Un jumeau numérique pourrait prédire le risque que cela se produise, tracer l'impact que cela aurait sur votre chaîne d'approvisionnement et, à l'aide de l'apprentissage par renforcement, suggérer les mesures à prendre pour minimiser les dommages. »

Il n'y a pas de moyen facile de sortir de la crise de la chaîne d'approvisionnement. L'IA en elle-même ne fournira pas non plus la solution. Je suggère que les entreprises décomposent d'abord la crise de la chaîne d'approvisionnement en points douloureux 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 facile à résoudre, comme « Comment puis-je aligner plus efficacement mon parc de camions avec les augmentations de la demande ? » Répondre à la question aidera l'entreprise à comprendre le rôle clair et convaincant de l'IA.

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