Restez à l'avant-garde. Recevez les derniers articles en suivant notre page LinkedIn
ai supply chain

Renforcer la résilience de la chaîne de valeur grâce à l’IA

Dans tous les secteurs, les chaînes de valeur sont confrontées à une incertitude croissante liée aux anomalies climatiques, aux tensions géopolitiques et à la pandémie de COVID-19, entre autres facteurs. Des industries aussi diverses que l’agriculture, le pétrole et le gaz, et l’exploitation minière sont confrontées au même problème : elles doivent pouvoir fonctionner avec une efficacité accrue et se remettre rapidement de défis imprévus ou inattendus. Ces deux objectifs entrent souvent en conflit.

LIRE ÉGALEMENT L’IA et la Blockchain vont transformer les études de marché

Si les entreprises se contentent d’augmenter les niveaux de production, elles se heurteront inévitablement à des goulots d’étranglement. Et si des défaillances aggravent ces goulots, l’ensemble du réseau peut ralentir et devenir moins résilient. La résolution de ce conflit présente plusieurs défis.

Les organisations prennent souvent des décisions locales en silos sans tenir compte des implications en aval, ce qui oblige les opérateurs en aval à demander manuellement des ajustements en amont lorsqu’ils découvrent des défis. Bien que les technologies numériques puissent améliorer la résilience en aidant à la prise de décision, l’obtention de la transparence sur l’ensemble de la chaîne de valeur nécessite l’alignement de nombreuses parties prenantes et des attentes diverses sur ce que les technologies devraient apporter.

  • Les technologies d’intelligence artificielle (IA) de plus en plus sophistiquées – telles que les prévisions avancées basées sur l’analyse, les simulations de chaînes d’approvisionnement numériques jumelées et les outils d’optimisation des chaînes d’approvisionnement – peuvent aider les entreprises à améliorer l’équilibre entre résilience et efficacité de leurs chaînes de valeur. Trois facteurs clés de succès dans la mise en œuvre et l’adoption des technologies numériques de la chaîne d’approvisionnement pourraient être :
  • conception de solutions axées sur la valeur ;
  • amélioration des processus d’entreprise et renforcement des capacités ;
  • et une mise en œuvre technologique sans faille.

Opportunités et défis dans l’incertitude

Dans n’importe quelle industrie, les conditions de la chaîne de valeur changent tous les jours. Il peut être difficile de faire face à cette dynamique dans un environnement intrinsèquement incertain. La nature probabiliste des chaînes de valeur doit être prise en compte dans toute initiative stratégique et opérationnelle.
Pour compliquer encore plus les choses, les processus doivent être continuellement mis à jour et les personnes doivent retrouver leurs compétences. Les technologies d’IA peuvent gérer efficacement la complexité, en aidant les organisations à suivre les changements, à atténuer les risques et à créer de la valeur.

Les technologies d’IA peuvent gérer efficacement la complexité, en aidant les organisations à suivre les changements, à atténuer les risques et à créer de la valeur.

La résilience de la chaîne de valeur est la capacité à se remettre rapidement et gracieusement des défis. Elle peut être obtenue en améliorant les processus de bout en bout, en déployant les capacités des actifs sur l’ensemble de la chaîne de valeur (par exemple en ajoutant des entrepôts et des camions si nécessaire) et en déployant des capacités de planification qui intègrent ces incertitudes (une source unique de vérité et des modèles d’optimisation alimentés par l’IA).

Souvent, le défi consiste à aligner les acteurs de la chaîne de valeur sur les compromis de bout en bout en se basant sur des faits. Sur ce point, les propriétaires de chaînes de valeur qui cherchent à accroître l’efficacité et la résilience doivent s’atteler aux tâches suivantes :

  • identifier les contraintes dans la chaîne de valeur et leur évolution dans le temps ;
  • déterminer la configuration optimale de la chaîne de valeur dans des conditions variables ;
  • choisir la meilleure façon de programmer la capacité dans l’ensemble de la chaîne de valeur de bout en bout ;
  • adopter la meilleure stratégie de production maximisant la valeur et mettre en place la chaîne de valeur pour soutenir cette stratégie ;
  • identifier les chaînes de valeur qui sont exposées à des risques liés à des facteurs tels que la crise du COVID-19 ou des géographies difficiles ;

Planification intégrée : Simulation, optimisation et suivi en temps réel.

La prochaine génération de processus de planification de bout en bout sera fondamentalement différente de celle d’aujourd’hui. L’IA peut contribuer à équilibrer l’efficacité et la résilience en intégrant l’incertitude dans des simulations réalistes de la réalité pour aider les organisations à évaluer les scénarios et à identifier les risques. L’IA peut également trouver des plans optimaux pour différents horizons temporels. Ce faisant, elle peut recommander des décisions opérationnelles qui équilibrent les coûts et les revenus et fournir une visibilité de bout en bout en temps réel pour mieux anticiper et réagir aux perturbations de la chaîne d’approvisionnement.

Dans l’agriculture, par exemple, un processus de prévision basé sur l’IA peut évaluer les implications en termes de coûts, de revenus, de services et de stocks dès le début du processus de croissance des cultures. À partir de là, un jumeau numérique (une représentation virtuelle de la chaîne de valeur) peut aider à identifier les risques et à renforcer la protection des cultures. Les fournisseurs mondiaux peuvent utiliser l’optimisation de la planification par l’IA pour extraire les ingrédients actifs des cultures et livrer ces ingrédients aux installations de formulation, où ils sont combinés pour créer des produits.

Ensuite, un réseau de chaîne d’approvisionnement optimisé peut distribuer ces produits aux distributeurs et aux détaillants de la manière la plus efficace possible. Enfin, chaque étape peut être surveillée en temps réel grâce à des tours de contrôle permettant de réagir à toute perturbation ou contrainte imprévue – comme des événements météorologiques extrêmes ou des limitations d’approvisionnement – et de garantir des livraisons de produits sans heurts.

Simulations de la réalité

Les simulations sont des outils d’analyse descriptive. Dans une simulation, un jumeau numérique est construit avec des mesures d’incertitude et des entrées opérationnelles. Ensuite, un certain nombre de simulations du futur sont effectuées à l’aide de ce jumeau numérique et un résumé est présenté à l’utilisateur pour analyse.

En ce sens, les simulations peuvent aider à identifier et à analyser les causes profondes des goulets d’étranglement. Cela est particulièrement important lorsqu’il s’agit de réagir à des points d’étranglement du système qui varient dans le temps, notamment les conditions d’exploitation changeantes, les temps d’arrêt pour maintenance, les conditions météorologiques ou les dépendances de tiers.

Optimisation de l’exécution

Les modèles d’optimisation sont des outils d’analyse prescriptifs. Le principal résultat est un plan d’exécution optimal pour l’environnement actuel, dans lequel les décisions sont prises en tenant compte de l’impact de bout en bout.

Par exemple, une société minière était confrontée à des défis opérationnels tout au long de la chaîne de valeur de la mine à la commercialisation. Son modèle d’exploitation cloisonné ne disposait pas d’un moteur d’optimisation de bout en bout, qui aurait proposé un plan de production, un calendrier de navires, un mélange de produits et un calendrier de trains optimaux, ainsi que des décisions relatives aux stocks. L’entreprise a déployé une IA d’optimisation qui a permis aux opérateurs d’analyser et de mettre en œuvre des suggestions granulaires et exploitables sur l’ensemble de la chaîne de valeur et d’améliorer ensuite le débit.

Suivi en temps réel de la chaîne d’approvisionnement

La plupart des entreprises disposent d’une tour de contrôle servant de centre nerveux opérationnel. Cependant, les tours de contrôle de bout en bout entièrement numériques peuvent accroître la résilience en élargissant la portée de la surveillance en temps réel pour anticiper et répondre aux perturbations à venir ou potentielles de la chaîne d’approvisionnement. Ainsi, l’IA permet d’améliorer la planification de bout en bout, en faisant bénéficier des fonctions historiquement isolées d’une transparence totale.
L’IA peut également améliorer la communication entre les partenaires de la chaîne de valeur, ce qui permet d’améliorer la prise de décision et de détecter et de réagir plus rapidement aux perturbations. Une telle transparence met en évidence la valeur d’une demande flexible : plus les partenaires et les parties prenantes internes acceptent d’être flexibles, plus la chaîne de valeur dispose d’options pour réagir aux défis. Enfin, le modèle d’exploitation peut ensuite être adapté pour tenir compte de tout nouvel éclairage opérationnel.

Renforcer la résilience de la chaîne de valeur par une triple approche

L’amélioration de la prise de décision de bout en bout grâce à l’IA exige des entreprises qu’elles réfléchissent en termes de réponses concrètes qu’elles souhaitent obtenir. Par exemple, voulez-vous un plan d’action étape par étape pour vous aider à gérer votre chaîne de valeur ? L’objectif est-il de produire une décision de type « go-no-go » pour un investissement basé sur des conditions normales ? Ou cherchez-vous avant tout à faciliter la communication et à centraliser la prise de décision ?

Déterminer les réponses à ces questions – et les aligner avec les parties prenantes et les opérateurs – crée une stratégie partagée pour la phase de développement. Sur ce point, le déploiement de l’IA dans la chaîne de valeur nécessite une triple approche :

  • Définissez les défis que chaque solution numérique doit relever, qui doit être l’utilisateur principal et quel processus doit bénéficier de la technologie activée.
  • Reconcevoir ou améliorer les processus opérationnels qui devraient bénéficier des nouvelles solutions basées sur l’IA. Améliorer la gouvernance des données afin de faciliter l’obtention de données de haute qualité pour la mise en œuvre de ces solutions d’IA. Faire participer les utilisateurs finaux attendus à la conception des solutions d’IA, tout en les dotant des capacités technologiques requises.
  • Commencez par mettre à disposition les données pertinentes. Assurez une collaboration étroite entre les scientifiques des données, les opérateurs et les parties prenantes tout en élaborant des solutions basées sur l’IA.

Déployer les bonnes capacités d’IA pour examiner en profondeur la chaîne de valeur d’une organisation peut permettre aux équipes de pivoter rapidement tout en équilibrant efficacité et résilience. Armées des bons processus, les organisations peuvent créer et ajuster des plans pour l’ensemble de l’organisation tout en gardant tout le monde aligné sur les risques et les récompenses.
Sur le plan opérationnel, les capacités d’IA peuvent permettre des discussions fondées sur des faits dans l’ensemble de la chaîne de valeur, ce qui a non seulement une incidence sur les processus commerciaux, mais aussi un meilleur alignement entre les différentes unités commerciales.