Avertissement 1 : il ne sera pas (trop) question dans cet article d’intelligence artificielle, et pas du tout d’intelligence artificielle générative, de LLM. Si vous êtes adeptes de trucs qui brillent et qui contribuent à épuiser les ressources de la planète en gaspillant un maximum d’énergie, passez votre chemin !
Avertissement 2 : si vous pensez que le supply chain management est un art, ou un artisanat qui requiert pour chaque décision une intervention humaine – dans l’ERP ou dans Excel – passez aussi votre chemin, vos convictions risquent d’être ébranlées.
Avertissement 3 : si vous pensez qu’un système APS peut prendre en compte toutes les contraintes, tous les aléas, et en temps réel décider ce qu’il faut faire de manière automatique – désolé, beaucoup y ont cru, ont essayé, et s’y sont cassés les dents – passez votre chemin.
Vous êtes encore là ? ça veut sans doute dire que vous êtes pragmatique, et que vous pensez que de nombreuses décisions de routine peuvent être largement automatisées, tout en maintenant un contrôle humain sur les exceptions. Explorons cela ensemble !
Nous identifions plusieurs domaines dans lesquels l’automatisation – ou la semi-automatisation – est pertinente :
- Le dimensionnement des stocks
- L’approbation des commandes
- L’ordonnancement
- Les prévisions de vente
Le dimensionnement des stocks
A partir du moment où vous avez décidé à quel endroit dans la chaîne de valeur maintenir du stock, le dimensionnement des boucles de réapprovisionnement peut être grandement automatisé. Attention toutefois, les formules de stock de sécurité qui ont sévi depuis longtemps dans ce domaine donnent des recommandations trop élevées qui requièrent une correction humaine. Par ailleurs ces formules ne couvrent qu’une partie du sujet, et ignorent par exemple les fréquences de commande et minimums de commande.
Dans Intuiflow nous avons depuis des années mis en œuvre un assistant qui permet l’actualisation en masse des boucles de réapprovisionnement, sur la base des délais, de la variabilité et des tailles de lot. Cette logique a été complétée par l’assistant breveté « autopilot » qui fait appel à l’intelligence artificielle et permet un réglage plus fin.
Cette logique couplée aux buffers dynamiques et aux ajustements intelligents permet une automatisation quasi complète du dimensionnement des stocks et des boucles de réapprovisionnement – les planificateurs se focalisent sur les quelques exceptions et sur la surveillance du modèle.
L’approbation des commandes
A partir du moment où les boucles de réapprovisionnement sont en permanence ajustées, il est possible d’approuver automatiquement la génération des commandes, en appliquant éventuellement des règles métier.
Nous constatons chez nos clients des taux d’automatisation qui peuvent être de 100% en distribution et sur des approvisionnements, et jusqu’à 70% en planification de production. Il reste aux planificateurs à réellement se focaliser sur les situations où ils apportent de la valeur.
L’ordonnancement
En identifiant les contraintes capacitaires clés, les règles de regroupement, les règles de priorités et les marges de sécurité à intégrer dans le plan, on permet de générer automatiquement un ordonnancement pertinent, et des dates promises réalistes. Attention ! Le plan parfait n’existe pas, on établit un plan réaliste mais l’exécution diffèrera sans doute.
Ceci permet à l’agent d’ordonnancement de n’intervenir que sur les cas spécifiques qui nécessitent une intelligence métier complémentaire où des arbitrages business.
Les prévisions de vente
Notre parti pris dans le module de prévisions de ventes est de laisser les algorithmes sélectionner la meilleure tactique de prévision. Les prévisionnistes n’agissent que pour enrichir le modèle en fonction des évènements prévus. Nous intégrons la mesure de la valeur ajoutée de ces enrichissements (FVA) pour aider à limiter ces ajustements manuels aux situations dans lesquelles ils apportent une amélioration du signal.
Osez l’automatisation !
L’automatisation en supply chain management est non seulement possible mais nécessaire. Elle permet d’une part des gains de productivité, mais surtout elle permet de concentrer l’attention sur les points qui requièrent un arbitrage.
Il y a des prérequis cependant :
- Une bonne discipline de gestion des données techniques et transactionnelles
- La modélisation du modèle de pilotage et la définition des règles métiers – il s’agit souvent de connaissance diffuse, tribale, qu’il convient de transcrire dans un modèle formel et pérenne.
