La vision
L'aube de l'intelligence artificielle (IA) dans la gestion de la chaîne d'approvisionnement n'est pas seulement à l'horizon, elle est déjà là. Chez b2wise, nous avons déjà développé et déployé des solutions de prévision, de segmentation et d'optimisation de la mémoire tampon par apprentissage automatique. Cette année, nous avons créé un L'équipe des innovations, visant à exploiter la puissance de l'IA « Pour faciliter la vie de nos planificateurs. » Notre vision est de tirer parti des grandes quantités de données de nos 170 clients et de les utiliser pour développer de puissants robots d'IA qui peuvent être facilement testés, améliorés et déployés en toute sécurité chez tous nos clients.
Lors d'un récent atelier au Cap avec un expert renommé en IA, issu d'un nouveau client qui a investi massivement dans l'IA, et avec mon équipe d'innovation nouvellement formée, j'ai acquis des informations précieuses sur la manière de développer et de déployer et sur les éléments à développer et à déployer. Dans cet article de newsletter, je souhaite vous donner un aperçu des principales étapes dont nous avons discuté pour lancer ce développement passionnant.
Étape 1 : Données
Dans le domaine de l'IA, tout commence par les données. Notre expert en IA a souligné la nécessité d'une base de données solide, notant que toutes les initiatives d'IA nécessitent de grands volumes de données continues et que la plupart des projets échouent car la collecte de ces données est difficile et prend du temps. Heureusement, notre équipe chargée des innovations a déjà maîtrisé ce problème grâce à notre Datamart, qui normalise et stocke des millions de lignes de données pertinentes sur la chaîne d'approvisionnement après chaque exécution quotidienne de notre application de planification. Cette première étape essentielle prépare le terrain pour le travail sophistiqué qui suit.
Étape finale : déploiement et visualisation
Ayant grandi dans un monde où relier les points était un processus méthodique, j'ai été intriguée lorsque la discussion a rapidement porté sur le déploiement de robots IA et la visualisation des données via des outils de Business Intelligence (BI). Il semble qu'avec l'IA, vos deux problèmes majeurs soient les entrées et les sorties de données. Il semble y avoir suffisamment de ressources et d'outils qualifiés pour créer les robots d'IA qui fournissent les informations.
Il s'avère que les plateformes de données d'IA les plus populaires sont AWS et Azure. Chez b2wise, nous venons de passer d'Azure à AWS afin de tirer parti de leur architecture sans serveur, qui nous permet de traiter des centaines de milliers de SKU en quelques heures. Grâce à AWS et à son utilisation de compartiments S3 sécurisés, il est étonnamment facile pour les développeurs d'IA de travailler avec les données en toute sécurité, puis de réécrire les résultats dans notre DataMart à des fins d'interprétation et de visualisation.
Les deux étapes intermédiaires : imaginer et construire le modèle
Mais qu'en est-il des étapes intermédiaires ? Que voulons-nous que l'IA accomplisse exactement ? C'est là que l'expérience et la créativité du secteur rencontrent la technologie. Un autre modèle d'IA prédictive ne nous intéresse pas ; nous cherchons à repousser les limites et à proposer quelque chose de rafraîchissant et de différent. Permettez-moi donc de décrire les domaines de transformation sur lesquels nos équipes d'innovation ont commencé à travailler avec quelques clients sélectionnés :
- Réglage dynamique de la mémoire tampon : Nous tirons parti des prouesses analytiques de l'IA pour affiner la taille des tampons, réduire les coûts de transport et prévenir les ruptures de stock.
- Rééquilibrage du réseau d'inventaire : Pour les clients disposant de grands réseaux, nous ajoutons les coûts de transport à notre modèle afin de proposer des opportunités de redéploiement avant le rachat.
- Analyse des performances des fournisseurs : En utilisant jusqu'à 3 ans de données d'approvisionnement, nous cherchons à ajuster dynamiquement les délais de livraison au cours de l'année et même à suggérer d'autres options de proximité pour faire face aux ruptures d'approvisionnement.
- Analyse prédictive pour la gestion des risques : En anticipant les perturbations, l'IA nous permet d'exécuter des scénarios rapides visant à identifier nos points faibles et à renforcer nos défenses avant que les défis ne surviennent.
- Optimisation des processus : Dans b2wise, nous avons intégré l'orchestration des processus. Nous utiliserons donc l'IA pour identifier les inefficacités de nos processus afin de minimiser le temps d'administration interne consacré à la passation des commandes ou à la réponse à la demande des clients.
- Utilisation innovante de grands modèles linguistiques (LLM) : L'intégration de LLM tels que GPT-4 nous permet d'interpréter les notes des utilisateurs et les e-mails afin de pouvoir résumer rapidement de grands volumes de données et obtenir des informations sur l'ensemble de l'organisation afin d'améliorer la prise de décision.
L'IA arrive et offre de formidables opportunités. Je pense que la méthodologie DDMRP, avec ses boucles de feedback continues intégrées qui nous obligent à stocker quotidiennement toutes les données de votre chaîne d'approvisionnement, est parfaitement adaptée pour exploiter la puissance de l'IA.
À la même époque l'année dernière, nous nous sommes concentrés sur la vitesse de traitement, ce que nous avons accompli en réécrivant l'intégralité de notre backend. Si nous le faisions en un an, j'ai hâte de voir où nous en serons avec notre nouvelle interface utilisateur et notre nouvelle IA dans un an.
Si vous avez une merveilleuse idée d'IA pour la chaîne d'approvisionnement, j'adorerais l'entendre.
Think Flow,
Kévin Boake
