Manufacturing Logistics IT a interviewé des porte-parole, membres de la communauté des analystes et vendeurs, pour leur demander comment les solutions de demande et prévision/planification des ventes et opérations (S&OP) et autres technologies liées à la prévision peuvent contribuer à assurer une meilleure efficacité de la chaîne d’approvisionnement, de la fabrication et du régime de distribution.
Karen Sage, CMO chez Syncron, est convaincue que l’intelligence artificielle (IA) et le machine learning (ML) devraient être des piliers fondamentaux dans la conception du logiciel de demande et prévision/planning/S&OP. « Ensemble, l’IA et le ML sont capables de surpasser ce que n’importe quel tableur Excel, n’importe quelle solution développée en interne ou même n’importe quel investissement humain pourrait effectuer seul », affirme-t-elle. « Chercheur reconnu en IA et ancien professeur d’une grande université américaine de la Ivy League, Dr. Darrell West décrit élégamment l’IA comme un vaste outil qui permet aux individus de repenser l’intégration de l’information, l’analyse des données et l’utilisation les réflexions qui en résultent pour améliorer la prise de décision.
En effet, l’IA est intentionnelle et adaptative, attributs fondamentaux de toute entité de prise de décision efficace, et particulièrement pour les tâches comme la gestion du stock qui inclut de nombreuses données complexes, à la fois anciennes et en temps réel, et doit exploiter ces données tout en capturant et en optimisant des objectifs multidimensionnels comme les coûts d’équilibrage, le niveau de service et le risque. Les bénéfices de l’IA combinés à la force du ML, qui analyse les données pour identifier les tendances et les anomalies sous-jacentes, offrent aux fabricants un fondement stable pour prendre les meilleures décisions pour leur entreprise et pour leurs clients qui dépendent de leur situation. L’argument ultime est que l’IA et le ML favorisent une prise de décision intelligente et automatique pour des situations réelles et de grande ampleur. »
Promesse de récompense supplémentaire
En termes de facteurs de changement, Karen Sage considère que l’IA et le ML ont commencé à jouer des rôles majeurs dans tout ce que nous entreprenons pour simplifier et automatiser nos vies lorsqu’il s’agit de pouvoir faire fonctionner et gérer une chaîne d’approvisionnement avec succès. « Comme ces technologies ont seulement commencé récemment à être déployées à grande échelle, mais qu’elles ont déjà montré des avantages immédiats et importants même dans leurs formes les plus rudimentaires, les modèles IA/ML doivent être affinés, avancés et mûris, » explique-t-elle. « Sans doute, l’IA et le ML resteront des outils essentiels et leur utilisation et perfectionnement continueront à augmenter. Ils deviendront encore plus efficaces dans la résolution des problèmes d’optimisation du stock à grande échelle. »
Cependant, ajoute Karen Sage, la pandémie nous a appris que les modèles IA fonctionnent mieux lorsqu’ils font face à des événements opérationnels normaux et des consignes habituelles comme réaliser des économies de coûts sous des contraintes d’objectifs définis par des métriques utilisées pour s’assurer que les attentes des clients sont satisfaites de manière cohérente et prévisible. « Face à l’incertitude et à différents objectifs variables, de simples modèles IA/ML peuvent échouer à satisfaire les attentes et peuvent devenir non prévisibles dans le cadre de leurs conséquences recommandées, » ajoute-t-elle. « Par exemple, dans le cas où une énorme tempête est prévue, il est probable que les individus se précipitent pour acheter les denrées de base au supermarché local. Les algorithmes AI/ML qui ne prennent pas en compte la météo ou une vision plus globale des zones alentours et l’incapacité à transporter les marchandises sur la route, peuvent recommander des réponses qui pourraient non seulement provoquer des ruptures de stock, mais également des coûts d’exécution supplémentaires.
Pendant la tempête mentionnée ci-dessus, une ruée vers les denrées de base peut épuiser le stock au point où cela déclenche la commande d’un nouveau stock. Pire encore, à cause de l’état du stock et des délais de livraison estimés, les modèles peuvent recommander des livraisons accélérées, l’augmentation du plafond de dépense pour les marchandises, empirer la situation et provoquer la sous-optimisation des dépenses, sans le vouloir. La prévision de l’exécution est particulièrement complexe lorsqu’il s’agit de prédire la demande, bien plus que l’approvisionnement. Ceci étant dit, les anomalies proviennent à la fois des données d’approvisionnement et de la demande, puisqu’il y aura des fluctuations inattendues dans les deux. »
Karen Sage souligne que les récentes fluctuations de la chaîne d’approvisionnement ont mis en lumière la manière dont nous sommes tous impactés par notre économie mondiale partagée. « Les pénuries de conteneurs, les délais d’exécution allongés et les fournisseurs à court d’argent ont poussé les fabricants à réexaminer leurs anciens systèmes et à se prononcer de manière radicale pour savoir s’ils disposent des bons outils pour satisfaire les demandes du futur », affirme-t-elle. « Aujourd’hui, le succès d’une entreprise ne dépend plus seulement des anciennes données provenant des ventes passées ou des ruptures de stock, mais plutôt de l’introduction de la complexité dans la prévision de la demande, en utilisant une technologie spécifiquement développée pour cet objectif.
Pour réussir sur le marché des pièces détachées, vous devez maîtriser l’équilibre fragile de la gestion de la demande sporadique et non traditionnelle de la chaîne d’approvisionnement, tout en satisfaisant les attentes de vos clients. » Karen Sage ajoute que mettre en place une solution pour l’optimisation et l’uniformisation de votre écosystème d’inventaire offre des bénéfices résiduels au fabricant, comme un sous-produit représente des données plus fiables et exhaustives qui peuvent ensuite être analysées pour améliorer les opérations de l’entreprise. « Syncron se distingue par sa spécialisation sur le marché des pièces détachées, permettant à nos clients de profiter d’un avantage supplémentaire qui est l’exploitation des réflexions provenant d’entreprises comparables à travers plusieurs secteurs, » ajoute-t-elle.
Note : Cet article a été initialement publié dans le magazine Manufacturing & Logistics IT, ici