Intelligence artificielle, clé de la transformation logistique

17/11/2021

L’intelligence artificielle (IA) est le présent et le futur de la technologie. Mais comment la mettre en œuvre pour améliorer les processus de production et la chaîne d’approvisionnement ? L’IA ouvre un nombre infini de scénarios à explorer et à développer, comme la possibilité de saisir de nouvelles opportunités commerciales pour plus de croissance, de rentabilité et de pérennité. Un exemple : conjuguer l’IA aux jumeaux numériques (répliques numériques d’un processus, d’un produit ou d’un service) pour personnaliser la production selon les exigences du client.

Le big data favorise le développement de l'IA en logistique

L’intelligence artificielle est la reproduction de l’intelligence humaine par des machines et des systèmes informatiques. L’objectif est de créer des machines qui peuvent agir comme des personnes, ce qui relevait de la science-fiction il y a quelques années, mais qui est de plus en proche de devenir une réalité.

Le terme « intelligence artificielle » (artificial intelligence) a été inventé par le scientifique américain John McCarthy en 1956. Cependant, le mathématicien britannique Alan Turing avait précédemment évoqué la question de savoir si les machines pourraient un jour être amenées à penser comme des humains, notamment à travers le test de Turing. C’est un critère qui apprécie l’intelligence d’une machine en fonction de la similarité et du discernement de ses réponses par rapport à un humain.

L’application de l’IA au monde du logiciel lui permet de changer son comportement sans être spécifiquement programmé. Pour ce faire, l’IA dispose de réseaux neuronaux approfondis (mieux connus en anglais sous le nom de Deep Neural Network ou DNN) qui analysent des informations complexes, telles que des vidéos, des images et des ensembles de données dans le but de décider, de détecter et de prédire en fonction des données reçues.

Sur la base des données collectées, l’analyse et l’observation, les systèmes d’IA peuvent identifier des modèles, faire des projections et fonctionner sans supervision dans certains scénarios. L’IA est appliquée à une multitude de domaines tels que la vision par ordinateur ou la reconnaissance automatique de la parole.

Qui sait si l’innovation permettra aux nouvelles technologies de ressentir, de comprendre et d’agir ? Les dernières avancées de la vision par ordinateur, de l’Internet des objets (IoT) et de l’apprentissage automatique ont permis aux machines d’être capable de traiter des images, des sons ainsi que des voix, de les analyser, et ainsi de prendre des décisions et mettre en place des actions.

Trois facteurs ont favorisé le développement de l’intelligence artificielle :

  • Accès illimité à la capacité de traitement. Le cloud a été le moteur de l’intelligence des données grâce à sa flexibilité, son élasticité et son efficacité, tant en termes d’espace de stockage que de rapidité et de sécurité dans la gestion et le contrôle de ces données.
  • L’essor du big data. Il ne s’agit pas seulement de stocker une grande quantité d’informations, mais aussi de les gérer et de les exploiter.
  • Multiplication des outils spécialisés dans l’amélioration de l’intelligence artificielle tels que le GPU (Graphical Processing Unit, processeur dédié au traitement graphique), le FPCA (Field Programmable Gate Array, réseau de portes programmables), ou le TPU (Tensor Processing Unit, unité de traitement de tenseur). Ce sont des outils beaucoup plus rapides et plus avancés pour analyser les données.

Une des prémisses de l’intelligence artificielle est de s’assurer que les processus de production sont de plus en plus efficaces

Comment appliquer l’intelligence artificielle

L’application de l’IA, tant dans notre vie quotidienne que dans le monde du travail, est un phénomène croissant. Une enquête menée par Gartner, un leader mondial des études de marché et du conseil, auprès d’environ 200 professionnels de l’informatique et des affaires, révèle que 24 % des organisations interrogées ont augmenté leurs investissements dans l’IA et 42 % les ont maintenus inchangés depuis le début de la pandémie de COVID-19.

« Les investissements des entreprises dans l’IA se sont poursuivis sans relâche malgré la crise », déclare Frances Karamouzis, vice-présidente et analyste chez Gartner. Le rapport ajoute également que 79 % des répondants ont déclaré que leurs organisations exploraient ou testaient des projets d’IA, tandis que seulement 21 % déclaraient que leurs initiatives d’IA étaient en phase de production.

À ce jour, la plupart des entreprises ont opté pour l’automatisation pour soutenir leur développement. Cependant, les dernières avancées en matière d’IA montrent que les entreprises doivent aller plus loin et tirer un meilleur parti du potentiel de l’intelligence des machines si elles veulent se différencier de leurs concurrents.

L'intelligence artificielle aide à la gestion des stocks en temps réel

La meilleure façon de commencer à appliquer l’intelligence artificielle est d’établir un plan stratégique qui ajoute de la valeur à l’entreprise en tenant compte des étapes suivantes :

  • Choisir les domaines d’application. La première étape consiste à dresser une liste des domaines dans lesquels il serait possible d’appliquer cette technologie. Pour ce faire, il est nécessaire d’identifier un expert dans chaque cas et de vérifier l’existence de sources de données valides, ainsi que des indicateurs de performance (KPI) qui fournissent des données objectives sur les progrès réalisés.
    Par exemple, une entreprise pourrait appliquer l’IA sur son site de production, soit pour améliorer sa consommation d’énergie, soit pour prendre des mesures visant à prévenir les incidents (entraînant ainsi une baisse des travaux de maintenance).
  • Donner la priorité aux domaines d’application. Estimer la valeur de chacun des cas identifiés, en plus de prévoir les difficultés possibles lors de l’application de l’IA (telles que l’absence de données exploitables ou l’impossibilité de mettre en place des améliorations). Des changements profonds ne doivent pas être entrepris tant que des améliorations progressives n’auront pas été apportées aux processus existants. Les scénarios sont ensuite triés en fonction de leur importance pour l’entreprise.
    Suivant le même exemple précédemment évoqué, l’entreprise privilégiera probablement l’application de l’IA dans le domaine de la maintenance, car elle représente chaque année un poste économique très élevé.
  • Regrouper les domaines d’application. Il est conseillé de regrouper les champs d’application en fonction des données qui les alimentent, afin qu’ils puissent être travaillés ensemble et non de façon isolée.
    Dans le cas précédent, le responsable de la maintenance, en collaboration avec le responsable des systèmes de contrôle, collecte des données telles que les temps d’arrêt en cas d’incident, la température des environnements de travail, les unités produites et vibrations, entre autres.
  • Mise en œuvre. Toute méthodologie de déploiement de projet utilisant des langages de programmation, comme CRISP-DM, doit être utilisée. En cas de manque de connaissances pour mettre en œuvre cette technologie, il est préférable de le faire avec un partenaire ayant une expérience technologique dans ce domaine.
  • Évaluer. Déterminer dans les ensembles de données d’essai si les KPI destinés à être améliorés le sont effectivement avec l’application du prototype d’IA.
    Dans l’exemple expliqué, si nous analysons comment évolue le KPI qui relie la température et les vibrations des machines au temps d’arrêt par incident, nous pouvons prédire quand une défaillance se produira à l’avenir et ainsi la prévenir.
  • Lancement. Une fois la solution évaluée avec succès, elle doit être lancée de manière contrôlée pour vérifier que ce qui a été obtenu lors des tests correspond à la réalité. Autrement dit, vérifiez que le système s’adapte correctement aux données reçues de l’environnement réel.
  • Déploiement complet. Il s’agit de lancer totalement le système pour pouvoir passer au prochain domaine d’application..

L’intelligence artificielle permet d’explorer de nouvelles opportunités commerciales pour plus de croissance, de rentabilité et de pérennité

Applications de l’intelligence artificielle en logistique

Les applications de l’intelligence artificielle en logistique sont encore en cours de développement, mais devraient atteindre leur plein potentiel dans les années à venir. Quoi qu’il en soit, certaines pratiques s’installent déjà dans le secteur :

  • Prédire les tendances de consommation. L’intelligence artificielle utilise les Big Data à des fins logistiques : elle croise des informations internes, telles que des historiques de vente, avec des données extraites de forums, de réseaux sociaux ou d’autres sources internet. De cette manière, le système est capable d’émettre des hypothèses sur l’intention de consommation des utilisateurs et, ainsi, prédire le comportement de la demande. Cela permet de mettre en place une logistique prédictive et d’éviter les ruptures de stock ou le stockage de biens excédentaires. C’est une façon d’atténuer le gaspillage des ressources.
  • L’automatisation des opérations de stockage. Un des plus grands exemples de l’intelligence artificielle en logistique sont les entrepôts automatisés. Ils combinent deux systèmes fondamentaux : la robotique appliquée à l’entrepôt et les logiciels de gestion. Ensemble, ils assurent une logistique qui intègre à la fois les mouvements de transport et de stockage ainsi que la gestion des opérations. Ce travail partagé génère des modèles dans le temps, qui sont continuellement analysés. De cette façon, l’intelligence artificielle aide à optimiser les ressources et à corriger les mouvements en cas de variations de flux.
  • Générer des itinéraires et des trajets de transport les plus rentables. La coordination du transport logistique est plus simple avec l’IA. D’une part, le WMS conserve une radiographie numérique des installations de l’entreprise et enregistre tous les mouvements intralogistiques qui se produisent. Ainsi, l’IA traite ces données et organise les mouvements, à la fois des véhicules autoguidés qui s’adaptent à l’environnement et ajustent l’itinéraire en fonction des besoins comme des opérateurs aidés par des engins de manutention. D’autre part, l’IA gère également les flottes de transport, en interprétant et en intégrant les informations de trafic actualisées dans les systèmes locaux. Avec cela, le logiciel trace les itinéraires les plus pratiques pour la livraison des différentes marchandises et corrige en temps réel les itinéraires en cas d’incidents.
  • Améliorer le contrôle de l’information dans la chaîne d’approvisionnement. L’automatisation des processus dans la chaîne d’approvisionnement, renforcée par l’intelligence artificielle, ouvre la porte à la gestion des stocks en temps réel, à l’émission de commandes d’approvisionnement instantanées ou au suivi précis des commandes, entre autres. De même, l’intégration des données et l’amélioration des systèmes de traçabilité permettent de répondre au besoin de connaissance de l’utilisateur. Par exemple, la question courante de savoir où se trouve le colis acheté sur un e-commerce est rapidement et efficacement résolue avec la mise en œuvre de chatbots dotés d’intelligence artificielle.

L'IA ouvre de nouvelles opportunités commerciales

Grâce à l'intelligence artificielle, il est possible de dresser l'inventaire en temps réel, d'émettre des commandes de réapprovisionnement et de suivre les commandes avec précision

Comment Mecalux œuvre pour appliquer l’IA ?

Mecalux Software Solutions travaille sur différents domaines d’application pour ajouter plus de valeur à Easy WMS, le système de gestion d’entrepôt mis en œuvre dans plus de 1 000 installations dans le monde. Voici quelques-uns des points sur lesquels Mecalux travaille :

Amélioration du picking dans les entrepôts e-commerce

L’un des défis d’un entrepôt e-commerce est la gestion d’un volume important d’ordres de sortie ou de commandes, il est donc très important d’optimiser les itinéraires des opérateurs lors du picking.

L’application de l’IA permet au système de donner des indications précises à chaque opérateur sur chaque commande. Le système peut le faire grâce à un apprentissage basé sur des historiques. Cela permet d’atteindre une efficacité maximale, en particulier dans les entrepôts où le picking est intensif, comme ceux du commerce électronique.

Système prédictif pour optimiser la préparation de commandes

L’IA intégrée à Easy WMS est pratique pour prévoir le temps nécessaire à la préparation de nouvelles commandes, sur la base de l’analyse des données historiques.

L’objectif principal du système prédictif est d’estimer à l’avance le temps alloué au picking en fonction du type de commandes et des éléments qui les composent.

L'intelligence artificielle optimise les flux de marchandises dans l'entrepôt

En outre, le Warehouse Execution System (WES), intégré à Easy WMS, est en mesure de déterminer quand et comment lancer les ordres de préparation des commandes aux opérateurs afin qu’ils aient un flux de travail régulier (order streaming).

Contrôle d’étiquetage et de traçabilité

Avec les systèmes de reconnaissance d’images, l’intelligence artificielle peut aider à la détection automatique des numéros de série dans les processus d’emballage. Par exemple, c’est très utile pour l’identification des numéros de série de l’appellation d’origine des bouteilles de vin et leur association avec les cartons d’emballage.

Le système identifie les articles portant des étiquettes imprimées avec les codes série de l’appellation d’origine qui doivent passer par un convoyeur à bandes pour être emballés dans des cartons. Il reconnaît également les numéros de série sur le convoyeur, ce qui permet de savoir dans quel carton une bouteille déterminée a été déposée.

L’utilisation de l’intelligence artificielle dans la reconnaissance d’images conduit à des améliorations considérables des éléments matériels du système informatique (hardware) actuel.

Systèmes de communication en tant qu’interface utilisateur-système

Mecalux intégrera un module de consultation des tableaux de bord et des résultats des indicateurs via des plateformes telles que le courrier électronique, Skype ou Telegram. L’avantage de ce système est que les données de productivité de l’entrepôt peuvent être accessibles instantanément, de n’importe quel lieu dans le monde où il y a une connexion Internet, tout en offrant une navigation facile dans le système.

Mecalux développe l’intelligence artificielle

Dire que l’intelligence artificielle fait partie de notre quotidien et de la logistique est évident. Il est également évident que la technologie est un allié pour améliorer davantage tous les processus de la chaîne d’approvisionnement. Pour cette raison, Mecalux développe des projets d’innovation technologique depuis des années et met en application ses résultats pour améliorer la gestion des entrepôts, dans le but ultime de rendre ses clients plus compétitifs et rentables.