Les changements constants et les perturbations sont une norme dans l’industrie de la chaîne d’approvisionnement. C’’est la façon dont vous ’êtes capable de vous adapter à ce changement constant, de mieux gérer les risques et de prendre de l’avance sur les perturbations qui peuvent vous démarquer. Les technologies, en particulier les nouvelles technologies qui utilisent l’IA et qui ont des capacités en temps réel, deviennent de véritables facilitateurs d’efficacité, de décisions intelligentes(er) et de planification avancée intelligente(er).

Jetons un coup d’’œil sous le capot de ces technologies pour comprendre comment les organisations de la chaîne d’approvisionnement peuvent renforcer la résilience avec l’aide d’idées basées sur l’IA et les dernières technologies. Et nous approfondirons la gestion ’des parcs et du transport, partagerons des applications pratiques et des pratiques exemplaires pour l’adoption de l’IA.

Où ’sont mes affaires?

Dans cette industrie chaotique et complexe qui dépend de plusieurs parties prenantes et qui est constamment en mouvement, il est essentiel d’avoir une visibilité sur votre chaîne d’approvisionnement. Toutes les parties prenantes veulent savoir où ’se trouvent leurs “affaires” à un moment donné. Ils veulent une visibilité en temps réel. Et aujourd’hui’, la pile technologique est meilleure pour le permettre. Et en approchant ces données, tant à la macro qu’au niveau micro, c’est ce qui stimulera l’excellence de la chaîne d’approvisionnement.

Armées de ce type de données, les organisations peuvent obtenir cette source unique de vérité insaisissable et super importante. Ce Saint-Graal peut garantir que tous les intervenants, expéditeurs, transporteurs, partenaires, clients, ont accès aux mêmes renseignements, exacts et à jour. Cela élimine les divergences et la confusion, car connaître l’emplacement, l’état et l’état exacts des marchandises peut aider à gérer les exceptions, les retards et à résoudre les problèmes de manière proactive.

Cette source unique de vérité peut être taquinée par l’IA, mais pour cela, les organisations doivent surmonter les obstacles liés aux données

Surmonter le défi des données

Les modèles de données fondamentales et la gestion des données constituent la véritable base de la réussite de l’IA. Cette couche de base est la première étape et est importante non seulement au sein d’une seule organisation, mais doit également être établie entre les organisations de l’écosystème de la chaîne d’approvisionnement. Ensuite, la qualité des données; l’information doit être exacte et fiable. Le principe de la « mise au rebut » souligne l’importance de la qualité des données.

L’atteinte d’une intégrité élevée des données est un défi important, car les entreprises utilisent souvent trois ou quatre solutions différentes pour gérer l’ensemble de leur chaîne d’approvisionnement, et ces solutions peuvent ne pas être bien intégrées. Même si une organisation dispose de données propres, complètes, exactes et intégrées, le défi de l’interopérabilité demeure. Les entreprises de la chaîne d’approvisionnement comprennent les fournisseurs, les fabricants, 3PLs, les expéditeurs, les fournisseurs et les partenaires, chacun utilisant des systèmes différents. Les données doivent circuler de façon transparente dans ces divers systèmes, ce qui est particulièrement difficile en raison des multiples silos au sein d’une entreprise et de l’écosystème plus vaste et plus diversifié. Pour tirer parti de la gamme complète de technologies d’IA, les organisations doivent poursuivre sans relâche :

1.  Gestion des données
2.  Qualité des données
3.  Interopérabilité des données

Comment NTT DATA et Penske aident les organisations à réussir

Notre stratégie de chaîne d’approvisionnement et nos programmes d’amélioration des opérations commencent souvent par les données et comprennent l’intégration des données de divers systèmes, tels que les systèmes de gestion des transports (SGT), les systèmes de gestion des entrepôts (SGE) et la planification des ressources de l’entreprise (PRE). Au fil des ans, nous avons développé nos propres méthodes d’évaluation de la qualité et de l’exhaustivité des données. Ces méthodes améliorent non seulement l’efficacité, mais fournissent également aux clients des renseignements précieux pour l’amélioration. Cette approche nous aide à identifier les domaines où nous devons travailler avec les clients pour augmenter leurs données de base pour des analyses plus avancées. Il souligne également les occasions pour les clients de traiter les incohérences dans les données à la cause profonde.

La clé pour tirer parti de toute technologie est de comprendre comment elle peut profiter à la fois à la personne et à l’organisation. Par exemple, une personne peut consulter une feuille de calcul et prendre des décisions éclairées en fonction des données. Cependant, lorsque vous traitez des gigaoctets de données, cela devient difficile. C’est là que la technologie, en particulier les solutions compatibles avec l’IA, entre en jeu. L’IA peut analyser de vastes ensembles de données qui sont trop complexes pour la compréhension humaine, aidant à identifier les tendances et les modèles clés. Il fournit des solutions optimales basées sur des données, améliorant vos capacités de prise de décision sans vous remplacer.

Applications pratiques de l’IA dans le transport et la gestion de parc de véhicules à Penske

Penske utilise l’apprentissage automatique pour analyser des milliards de points de données, en identifiant les modèles et les tendances pour prédire et prévenir les problèmes liés aux véhicules. Cela réduit les interruptions de service et améliore les temps de réponse. L’IA est également de plus en plus apte à transformer les données en informations exploitables, en particulier dans la gestion de l’analyse du carburant, ce qui aide à améliorer les itinéraires, l’efficacité du carburant et la gestion globale du parc de véhicules. Dans un cas, Penske a utilisé l’apprentissage automatique pour fournir aux parcs de véhicules des références de l’industrie en combinant les données de différents parcs de véhicules et en incorporant des indicateurs de performance clés (ICP) tels que le kilométrage par gallon (mpg) et l’utilisation. Ces points de référence aident les flottes à prendre des décisions éclairées.

Chez Penske, nous utilisons l’IA depuis un certain temps maintenant et affinons continuellement nos modèles. Nous croyons que la meilleure IA est invisible et subtile, améliorant la performance humaine sans être perceptible. La plupart de nos applications d’IA se concentrent sur la maintenance, offrant de la valeur aux clients sans même qu’ils ne s’en rendent compte. Trois pratiques exemplaires pour l’adoption de l’IA

1. Commencer petit : Commencez par des problèmes spécifiques et tangibles à résoudre, au lieu de poursuivre la dernière technologie pour son propre compte; mettez-la en œuvre lentement, en améliorant les processus existants sans submerger les utilisateurs
2. Tirer parti des grands ensembles de données : Assurez-vous d’abord que vos données sont exactes, de haute qualité et interopérables; cela permettra l’intégration d’ensembles de données volumineux, y compris ceux générés par le transport, les clients, les fournisseurs; ensuite, ajoutez des facteurs externes comme la météo ou d’autres perturbateurs connus, pour découvrir des tendances qui peuvent vous aider à mieux gérer vos opérations.
3. Mettre l’accent sur la gestion du changement : L’adoption de l’IA exige que les humains changent leur façon de faire les choses. Assurez-vous que les personnes impliquées sont alignées et engagées dans votre initiative d’IA; positionnez l’IA comme un “augmenter des capacités” humaines qui peuvent s’occuper des tâches de routine et améliorer les rôles.

L’IA est là pour rester et elle ’va devenir de plus en plus importante. Écoutez notre conversation approfondie  dans ce webinaire pour prendre une longueur d’avance et surmonter les défis actuels liés à la mise à l’échelle des solutions d’IA. Nous discutons de la façon dont les organisations de la chaîne d’approvisionnement peuvent renforcer la résilience, en utilisant des technologies émergentes et des idées axées sur l’IA, en partageant des histoires pratiques et en fournissant des pratiques exemplaires.