La programmation de l’avenir
Dans ce monde toujours plus complexe, fournir à l'industrie chimique une logistique de groupage de première classe implique une amélioration constante des services proposés. Les applications de l’IA jouent un rôle majeur dans cette transformation perpétuelle et durable. Michael Kriegel, Department Head DACHSER Chem Logistics, explique le potentiel de l'IA dans le domaine de la logistique et comment elle aide DACHSER à surmonter les défis actuels.
Très tôt, DACHSER a placé la numérisation au cœur de ses priorités. En introduisant des innovations telles que le code-barres SSCC et des systèmes de base hautement intégrés, l'entreprise a grandement contribué à la transformation numérique dans le secteur de la logistique. Aujourd'hui, l'apprentissage automatique et l'intelligence artificielle (IA) sont au premier plan de l'agenda de numérisation de DACHSER.
Aujourd'hui, l'industrie logistique est confrontée à un besoin urgent de transformation numérique afin d’assurer la qualité et de relever des défis tels que la pénurie de chauffeurs et de personnel qualifiés. De plus, il est impératif pour ce secteur d'accélérer l'adoption de nouvelles technologies et d'intégrer les mégatendances sociétales telles que la numérisation, l'urbanisation, l'électromobilité et la connectivité dans ses activités de développement. Ces changements requièrent une vision stratégique et une excellente maîtrise des contrôles, car tout se résume à façonner activement l'avenir en anticipant les besoins à venir. Chez DACHSER, nous explorons trois principaux cas d'utilisation pour les applications d'IA qui bénéficieront également à nos clients de l'industrie chimique : le groupage, les processus de planification et la réduction des émissions.
Transformation numérique de la logistique de groupage
La logistique de groupage joue un rôle central dans la compétitivité des économies industrielles, notamment dans l'industrie chimique. De plus, nous observons une diminution des volumes de marchandises chargées sur palettes et dans des big bags, ce qui justifie le partage de l'espace de chargement avec d'autres expéditeurs. Cette approche permet une livraison rapide et économique tout en réduisant les émissions de CO2. Toutefois, les interruptions dans les chaînes d'approvisionnement et la forte augmentation des livraisons aux clients finaux mettent à rude épreuve même les réseaux de groupage les plus efficaces. C'est là que la gestion intelligente des données, les algorithmes et l'intelligence artificielle interviennent : ils peuvent proposer les meilleures solutions possibles en utilisant des modèles mathématiques capables d'« apprendre » les modèles et les structures contenus dans les données d’apprentissage.
Tout commence par les pratiques logistiques, qui reposent avant tout sur l'expertise humaine et les ressources physiques nécessaires pour fournir des services, notamment les infrastructures de réseau et de terminal. L'efficacité découle en grande partie de ce qui se déroule au sein des hubs du réseau, où se rencontrent les transports longue distance et courte distance. Le succès dépend des opérateurs logistiques, notamment des chargeurs et des déchargeurs, qui possèdent l'expérience nécessaire pour optimiser la capacité de chargement des remorques et des caisses mobiles, comme dans un jeu de Tetris. La différence d’optimisation de la capacité de chargement entre un chargeur expérimenté et un chargeur inexpérimenté peut atteindre jusqu'à 15 %. Face aux défis liés à la transition démographique, à la pénurie de personnel qualifié et aux contraintes d'espace qui en découlent, il est essentiel que nous adoptions des méthodes de gestion des ressources de plus en plus intelligentes et efficaces. En partenariat avec le Fraunhofer IML, DACHSER s'est vu décerner le Prix allemand de la logistique par l'Association allemande de la logistique (BVL) pour @ILO à la fin de 2023, une innovation technologique qui numérise de manière étendue les processus de logistique de groupage.
L'industrie 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 un véritable bond en avant dans la logistique de groupage. @ILO, qui signifie « Advanced Indoor Localization and Operations », peut fournir une carte numérique complète d'un terminal de transit en temps réel. En guise d'identifiants, @ILO utilise des codes matriciels de données bidimensionnels, similaires aux codes QR, collés au sommet de chaque palette. Ces codes sont enregistrés par plusieurs centaines d'unités de numérisation optique sur le plafond du terminal. En quelques secondes et avec l'aide d'algorithmes basés sur l'IA, cette technologie produit un jumeau numérique, c’est-à dire une représentation en temps réel de tous les processus dans le terminal, y compris les mesures de volume et l'emplacement des articles à moins d'un mètre près. Grâce à un accès à ces informations sur des écrans et des appareils mobiles, les conducteurs de chariots élévateurs et collaborateurs de l’entrepôt savent exactement où se trouve chaque palette et où elle doit aller ensuite, ce qui permet de réduire la durée des processus individuels de 15 à 35 pour cent. Il en va de même pour les marchandises dangereuses, qui doivent naturellement toujours porter un étiquetage règlementaire. Ce qui a changé ici, c'est que le nouveau système fournit ces informations de manière nettement plus claire et efficace que les solutions précédentes.
@ILO représente le fruit de plus de six ans de recherche collaborative entre DACHSER et Fraunhofer IML. Déjà implantée dans quatre sites de DACHSER en Europe, cette technologie sera déployée dans ses principales agences européennes au cours des prochaines années.
L'IA peut fournir des solutions sensées bien au-delà des terminaux de transbordement. Considérons l'automatisation en entrepôt : les véhicules à guidage automatique (VGA), équipés de systèmes de capteurs tels que des caméras, des lidars et des radars, naviguent avec l'aide de l'IA. Ces transporteurs fonctionnent de manière autonome, accomplissant des tâches simples et répétitives telles que le déplacement de palettes de l'entrepôt vers le terminal de transbordement.
L’IA pour une planification intelligente
La planification constitue un autre facteur crucial pour atteindre l'efficacité et la qualité dans le secteur de la logistique. Ici aussi, l'IA peut vraiment faire la différence, comme le montre le premier projet d'apprentissage automatique de DACHSER : PAnDA One. Il s'agit de l’acronyme de Prédictif (P) Analyse (An) DACHSER (DA), « One » indiquant 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, fournissant un soutien à la prise de décision pour la planification de la capacité, ce qui permet d'obtenir une capacité de charge adaptée sur le marché dès le début, ou de planifier les ressources dans le terminal de transbordement. À cette fin, le modèle de prévision fournit les volumes entrants en question jusqu'à 25 semaines à l'avance. PAnDA One offre ainsi aux agences un outil précieux, qui fournit des données pour étayer les « intuitions » des responsables d'exploitation expérimentés et pour confirmer les informations recueillies lors des discussions avec les clients. La technologie aide le personnel à prendre les bonnes décisions.
Réduction des émissions de transport
Les pratiques durables, avec leurs dimensions écologiques, sociales et économiques, ouvrent la voie à un avenir sécurisé et économiquement stable. DACHSER vise à atteindre des émissions nettes de CO2 nulles pour ses propres installations et véhicules dès que possible. Pour cette raison, l'entreprise a établi des sites spéciaux dédiés à l’électromobilité à Fribourg, Hambourg et Malsch près de Karlsruhe. Ces derniers se concentrent sur la recherche et le test de camions électriques à batterie à zéro émission et de leur infrastructure de recharge, l'utilisation et l'auto-production d'électricité renouvelable, ainsi que la gestion intelligente de l'énergie et de la recharge. À première vue, cela peut ne pas sembler évident, mais la collecte et l'utilisation judicieuse des données jouent également un rôle crucial ici : élaborer des modèles fiables et des scénarios d'application pour le déploiement de transports à émission zéro, que ce soit à courte ou à longue distance, nécessite une collecte de données à grande échelle. Il s'agit d'un cas d'utilisation passionnant pour l'application future de l'IA par DACHSER.
A la recherche de penseurs critiques
DACHSER a tiré des enseignements de l'utilisation des applications d'IA, notamment que l'apprentissage automatique nécessite souvent une approche basée sur l'expérimentation et l'erreur. Il s'agit de tester les données d'entraînement jusqu'à ce qu'on atteigne le degré de précision souhaité et un niveau de qualité suffisant pour le cas d'utilisation. Contrairement à la programmation conventionnelle, cela nécessite avant tout une chose : la patience. L'IA peut également présenter des inconvénients, tels que 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 en utilisant le bon sens humain. Mais dans l'ensemble, la transformation numérique offre d'excellentes opportunités de développement durable et pérenne. Plutôt que de remplacer les gens, une dose raisonnable d'IA et d'apprentissage automatique les aidera à prendre des décisions plus éclairées et donc meilleures. La logistique est réalisée par des personnes, pour des personnes, et cela ne changera pas. En d'autres termes, chaque entreprise a la capacité de façonner son propre avenir numérique.