La logistique de A à
Z >
Machine Learning
Témoignages
‘‘ Le machine learning trouve dans l’entrepôt des cas d’usage prometteurs ’’
Dossier
"Supply Chain : quelles innovations en 2019 ?"
1er Avril 2019
E.RAYNAUD | A-SIS : "Le machine learning consiste à étudier les données et les comportements pour mettre en évidence des corrélations entre des facteurs dans le but d’aider à prédire l'avenir. Il s’agit de procéder par itération, sur la base de l’analyse d’historiques, pour améliorer de manière continue la pertinence du modèle. Ces techniques ne pouvaient exister tant qu'il n’était pas possible de collecter des masses de données importantes et que les machines ne disposaient pas de puissances de calcul suffisantes. C’est désormais le cas. Les conditions sont donc réunies pour que les algorithmes de ce type prennent leur essor. Ils se répandent d’ailleurs déjà dans nos environnements personnels quotidiens. ".
‘‘ Les plateformes collaboratives sont une véritable révolution pour la supply chain ’’
Dossier
"Innovation : la supply chain en pole position "
3 Avril 2018
Depuis 4 ou 5 ans, c’est incontestablement l’essor de l’omnicanal qui a marqué le secteur. Les comportements et les façons d'acheter ont clairement changé.
En découle le développement de la préparation unitaire, de la livraison à domicile, etc. La supply chain s'est en fait rapprochée du consommateur final. Complètement intégrée au service client, elle contribue fortement à l'image de l'entreprise en termes de qualité, de satisfaction et même de sympathie que peuvent éprouver les utilisateurs de la marque. Bref, elle constitue dorénavant une vitrine pour la société. C’est ainsi que les fonctions logistiques et supply chain sont désormais proches des cercles de décision stratégique des entreprises, même si certains acteurs historiques n’ont pas encore adopté l’organisation permettant d’en faire un véritable levier de création de valeur.
‘‘ Le système d’information n’est qu’un support de la digitalisation supply chain ’’
Dossier
"Digitalisation de la supply chain"
4 Décembre 2017
Dans le domaine du transport routier, nous travaillons également sur la e-CMR qui est un cas concret d'utilisation collaborative. Il s’agit d’arriver à coordonner un flux d'informations dans une relation 1PL, 2 PL voire 3PL dans un environnement plutôt international prenant en compte les contraintes réglementaires de chaque pays. C’est un sujet sur lequel nous amenons notre expertise technique dans des groupes de travail. D’autres sujets comme le machine learning ou le big data devraient avoir des applications particulièrement intéressantes dans les prochaines années.
‘‘ La donnée est l’or noir de demain, (…) nos mécanisations génèrent des données en quantité et au plus proche des flux physiques de nos clients. ’’
Dossier
"Mécanisation des plateformes: enjeux et solutions"
1er Février 2017
Notre département informatique a développé un algorithme permettant de ressortir les informations que nous jugeons importantes sous forme de synthèse et d’alertes. Il devient ainsi possible de détecter une perte de productivité sur une période de la semaine. Le client en est informé et pourra donc mener les actions correctives en conséquence. Ces données peuvent également être intégrées dans d’autres systèmes tels que le WMS de la société ou, sur une couche supérieure, dans son ERP. Demain, ces données pourront remonter à un niveau encore supérieur, et contribueront à augmenter les capacités de nos clients en termes d'analyse (big data) et de traitement prédictif (machine learning).
‘‘ Le prédictif et le temps réel pour des opérations transport performantes ’’
Dossier
"Transport : concilier productivité et service"
2 Octobre 2017
Au démarrage d’un projet, nous alimentons généralement l’algorithme avec la ou les deux dernières années d'activité. Le moteur est par la suite alimenté en continu. Ensuite des données exogènes ayant une influence sur la consommation sont considérées (météo, social). Elles permettent de tenir compte de la volatilité de la clientèle. L’utilisation du moteur facilite l’adoption d’une organisation très flexible en mesure de s’adapter aux variations de flux. Il fonctionne sur une notion de machine learning, d'apprentissage automatique et continu. Des corrections peuvent ainsi être apportées lorsque l'outil constate des pics anormaux qui ne seront pas amenés à se répéter dans le temps. L’opérateur dispose également de la liberté de modifier les résultats des prédictions.
‘‘ La robotisation marquera certainement la supply chain dans un futur proche ’’
Dossier
"Innovation : la supply chain en pole position "
3 Avril 2018
Le sujet du machine learning comporte plusieurs volets. Nous travaillons principalement sur la partie prédictive. Nous disposons d’un département de recherche opérationnelle qui s’appuie sur des équipes spécialisées dans les algorithmes mathématiques. Notre objectif est d’introduire des notions d'anticipation dans nos solutions logicielles.
Actualités
Savoye dévoile un nouveau module de Labour Management fondé sur le machine learning - 03/06/2022
Pour sa solution WMS/TMS ODATiO, Savoye redonne toute sa puissance au Labour Management avec le développement d’un nouveau module innovant augmenté par du machine learning.
Descartes enrichit sa solution d'optimisation de tournées grâce à l’IA et au Machine Learning - 27/01/2022
L’éditeur de solutions logicielles pour la Supply Chain, Descartes System Group, a enrichi sa solution de planification et d’optimisation de tournées d’un module de configuration basé sur l’Intelligence Artificielle et d’algorithmes de Machine Learning. Objectif : créer des itinéraires de livraison optimisés sur la base de scénarios approfondis.
Machine Learning : A-SIS présente sa vision des usages et de l’avenir de cette technologie dans la Supply Chain - 09/11/2018
Trouvant son essor avec l’avènement du Big Data et l’augmentation des capacités de calculs, le Machine Learning interprète et fait parler les données. Ses algorithmes ont pour particularité d’apprendre en itération sur la base de l’analyse du passé et du présent pour en déduire le futur. A-SIS, convaincu de la nécessité d’exploiter le Big Data et le Machine Learning dans ses solutions, a renforcé ses compétences depuis quelques années sur ce sujet.
