Programmer l'avenir
Dans ce monde de plus en plus complexe, offrir à l'industrie chimique une logistique de groupage de qualité supérieure nécessite une amélioration continue des services proposés. Les applications de l'IA jouent un rôle majeur dans cette transformation constante et durable. Michael Kriegel, Department Head DACHSER Chem Logistics, explique le potentiel de l'IA pour la logistique et comment elle aide DACHSER à relever les défis actuels.
DACHSER a rapidement fait de la numérisation une priorité. En introduisant le code-barres SSCC (Serial Shipping Container Code) et en intégrant les systèmes informatiques, l'entreprise a contribué à façonner le virage numérique pris par le secteur de la logistique. Aujourd'hui, les axes principaux du programme de numérisation de DACHSER sont l'apprentissage automatique et l'intelligence artificielle (IA).
Le secteur de la logistique a un besoin urgent de transformation numérique pour garantir la qualité et relever des défis tels que la pénurie de conducteurs et d'autres travailleurs qualifiés. De plus, il est impératif pour le secteur d’accélérer l'adoption de nouvelles technologies et d'intégrer les mégatendances sociétales telles que la numérisation, l'urbanisation, l'e-mobilité et la connectivité, qui modifient notre mode de vie, dans ses activités de développement. Cela nécessite une approche stratégique et une capacité à anticiper les besoins futurs. Chez DACHSER, nous explorons trois domaines clés d’applications de l'IA qui profiteront également à nos clients de l'industrie chimique : la manutention du groupage, la planification des processus et la réduction des émissions.
La transformation numérique de la logistique de groupage.
La logistique de groupage est un facteur fondamental de la compétitivité des économies industrielles et donc, de l'industrie chimique. Dans ce domaine également, les volumes de marchandises transportées sur des palettes et dans des big bags diminuent, ce qui rend avantageux le partage de l'espace de chargement avec d'autres expéditeurs. Cette approche permet de livrer les marchandises rapidement et à moindre coût tout en réduisant au minimum les émissions de CO2. Cependant, la rupture des chaînes d'approvisionnement et la forte augmentation des livraisons aux clients finaux mettent même sous pression les réseaux de groupage les plus efficaces. C'est là que la gestion intelligente des données, les algorithmes et l'IA entrent en jeu : à l'aide de modèles mathématiques capables d'apprendre les modèles et les structures présents dans leurs données d'entraînement, ils peuvent générer les meilleures solutions possibles.
Tout commence par les pratiques logistiques, qui reposent avant tout sur l'expertise humaine et les actifs physiques nécessaires pour fournir des services, tels que les structures des réseaux et des terminaux. L'efficacité dépend en grande partie de ce qui se passe dans les centres de réseau, où les transports longue distance et courte distance se connectent. Le succès dépend des opérateurs logistiques, en particulier des chargeurs et des déchargeurs, qui ont l'expérience nécessaire pour optimiser la capacité de chargement des remorques et des caisses mobiles, comme s'il s'agissait d'un jeu de Tetris. La différence d'utilisation de la capacité de charge entre un chargeur expérimenté et un chargeur novice peut atteindre 15%. Avec l'évolution démographique, le manque de personnel qualifié qui en découle et la pénurie d'espace, il est essentiel que nous adoptions des moyens de plus en plus intelligents et efficaces pour gérer nos ressources. En collaboration avec Fraunhofer IML, DACHSER a reçu le Prix allemand de la logistique par l'Association allemande de logistique (BVL) pour @ILO fin 2023, une innovation technologique qui numérise les processus logistiques de groupage dans une large mesure.
Le secteur de la logistique a un besoin urgent de transformation numérique pour garantir la qualité et relever des défis tels que la pénurie de conducteurs et d'autres travailleurs qualifiés.
Le jumeau numérique @ILO représente une avancée considérable dans la logistique du groupage. @ILO, qui signifie Advanced Indoor Localization and Operations, peut fournir une carte numérique complète d'un terminal de transit en temps réel. Comme identifiants, @ILO utilise des codes Data Matrix bidimensionnels, semblables aux codes QR, apposés sur le dessus de chaque palette. Ces codes sont enregistrés par les unités de lecture optique situées au plafond du terminal. En quelques secondes et avec l'aide d'algorithmes basés sur l'IA, cette technologie produit un jumeau numérique : une représentation en temps réel de tous les processus dans le terminal, y compris les mesures de volume et la localisation précise des articles. En accédant à ces informations sur des écrans et des appareils mobiles, les conducteurs de chariots élévateurs et les collaborateurs de l'entrepôt savent exactement où se trouve chaque palette et où elle doit se rendre ensuite. Cela permet de réduire de 15 à 35% la durée des processus individuels. Il en va de même pour les marchandises dangereuses, qui doivent être étiquetées conformément à la réglementation. Ce qui a changé ici, c'est que le nouveau système offre une clarté et une efficacité supérieures aux solutions précédentes.
@ILO est le résultat de plus de six années de recherches menées conjointement par DACHSER et Fraunhofer IML. DACHSER a déjà mis en œuvre cette technologie dans quatre de ses sites européens et la déploiera dans ses plus grandes agences en Europe au cours des prochaines années.
Les terminaux de transit ne sont pas les seuls endroits où l'IA peut fournir des solutions innovantes. Prenons l'automatisation dans les entrepôts : les véhicules à guidage automatique (AGV), équipés de systèmes de capteurs tels que des caméras, des lidars et des radars, se déplacent avec l'aide de l'IA. Ces transporteurs autoguidés effectuent des tâches répétitives simples, telles que le déplacement de palettes de l'entrepôt vers le terminal de transit, de manière autonome.
L'IA pour une planification intelligente
Un autre facteur essentiel pour atteindre l'efficacité et la qualité dans la logistique est la capacité de planification. Ici aussi, l'IA peut faire la différence, comme le démontre le premier projet d'apprentissage automatique de DACHSER : PAnDA One. Il s'agit de l'acronyme de Predictive (P) Analytics (An) DACHSER (DA), où "One" indique qu'il s'agit du premier projet d'apprentissage automatique de l'entreprise. Le modèle PAnDA One a été spécialement conçu pour prévoir les volumes entrants dans nos agences logistiques européennes, afin de fournir une assistance à la planification des capacités. Cette approche permet d’anticiper les capacités de chargement sur le marché, ou de planifier les ressources dans le terminal de transit dès le début. Le modèle de prévision fournit les volumes entrants jusqu'à 25 semaines à l'avance. PAnDA One donne ainsi aux agences un autre outil précieux fournissant des données pour étayer les intuitions des gestionnaires d'opérations expérimentés et pour valider les idées issues des discussions avec les clients. Cette technologie aide les gens à prendre des décisions judicieuses.
Réduire les émissions dues au transport
Les pratiques durables, couvrant les aspects écologiques, sociaux et économiques, ouvrent la voie à un avenir sûr et économiquement stable. DACHSER a pour objectif d’atteindre rapidement des émissions nettes de CO2 nulles pour ses propres installations et véhicules. C'est pourquoi l'entreprise a créé des sites spéciaux pour l'e-mobilité à Fribourg, Hambourg et Malsch, près de Karlsruhe. Ces sites se concentrent sur la recherche et le test de camions électriques à batterie zéro émission, ainsi que leur infrastructure de recharge, sur l'utilisation et l'autoproduction d'électricité renouvelable et sur la gestion intelligente de l'énergie et de la charge. Cela peut ne pas sembler évident au premier abord, mais la collecte de données et leur utilisation intelligente jouent aussi un rôle clé : le développement de modèles fiables et de scénarios d'application pour le déploiement de transports zéro émission sur courte et longue distance nécessite la collecte de données à grande échelle. Il s'agit là d'un cas d'utilisation passionnant pour l'application future de l'IA par DACHSER.
Recherchés : des penseurs critiques
Ce que DACHSER a appris en utilisant l'IA, c'est que l'apprentissage automatique implique souvent une approche basée sur des essais et des erreurs. Il est essentiel de tester les données d'entraînement aussi longtemps qu'il le faut pour atteindre le degré de précision souhaité et un niveau de qualité suffisant pour répondre aux besoins spécifiques. Contrairement au codage classique, cela exige principalement de la patience. L'IA peut aussi venir avec son lot d'inconvénients, comme la perte de contrôle, les risques de responsabilité et d'autres défis. C'est pourquoi il est important d'examiner chaque processus de manière critique et en faisant preuve de bon sens humain. Mais dans l'ensemble, la transformation numérique offre des opportunités exceptionnelles pour un développement durable et à l'épreuve du temps. Plutôt que de remplacer les personnes, une utilisation judicieuse de l’IA et de l’apprentissage automatique les aidera à prendre des décisions plus éclairées. La logistique est une activité humaine, et cela ne devrait pas changer. En d'autres termes, chaque entreprise a ce qu'il faut pour façonner son propre avenir numérique.