Construire la chaîne d'approvisionnement intelligente

La chaîne logistique intelligente est la réinvention de la chaîne logistique avec des technologies émergentes et intelligentes qui ont évolué pour une utilisation pratique:

• L'Internet des objets (IoT) permet aux applications commerciales d'interagir avec le monde physique

• Le Big Data prend de l'ampleur des ensembles de données accessibles pour l'analyse et l'intelligence avancées

• L'apprentissage automatique (ML) et l'intelligence artificielle (AI) automatisent les processus répétitifs et tirent des enseignements de la gestion des exceptions humaines et de la prise de décision

• L'analyse avancée permet de repérer des modèles de données permettant de prendre des décisions et de prédire l'avenir

• Blockchain distribue des processus collaboratifs sur l'ensemble du réseau de valeur

• L'intelligence des données trouve une nouvelle valeur dans les actifs de données pour les nouveaux modèles commerciaux

De telles technologies intelligentes sont sur le point d'automatiser et d'optimiser toute la chaîne logistique, de la conception à la fabrication. , à la gestion des actifs, à la logistique, aux services après-vente, dans le but de fournir aux clients alue dans les produits, les services et l'expérience de la marque de manière agile et réactive.

Définition de la chaîne d'approvisionnement intelligente

Une chaîne d'approvisionnement intelligente met les gens en relation avec des processus et des éléments permettant la visibilité, la communication, la planification , analyse, simulations et exécution. Ces processus sont orchestrés entre les différentes fonctions en fonction des entrées et des exigences en temps réel issues des actifs et des produits connectés via l'infrastructure IoT.

La chaîne logistique intelligente consiste à transformer une chaîne logistique conventionnelle en une chaîne logistique numérique en repensant la divers procédés et en les infusant de technologies intelligentes. Il connecte tous les actifs physiques qui composent la chaîne d'approvisionnement au modèle numérique afin d'étendre la visibilité, le contrôle et la simulation des opérations afin d'optimiser la prise de décision dans l'incertitude.

L'un des aspects fondamentaux d'une chaîne d'approvisionnement intelligente est la capture continue de les données pertinentes générées par la fabrication, le transport et d'autres actifs qui touchent ces produits et services. Les différents flux de données sont agrégés et combinés dans un modèle numérique de la chaîne d'approvisionnement physique. L'application de l'IA et de ML à ce modèle permet de prendre des décisions intelligentes

Un autre aspect fondamental est la flexibilité permettant de réagir rapidement aux priorités changeantes des clients. Les informations intelligentes capturées par le modèle de chaîne d'approvisionnement numérique permettent d'anticiper les problèmes ou opportunités potentiels et de les exploiter. L'augmentation de l'agilité en étant capable d'identifier les goulots d'étranglement et de simuler rapidement des alternatives en temps réel permet aux organisations de réagir de manière optimale aux problèmes potentiels.

Là où l'intelligence est appliquée aujourd'hui

Les fournisseurs de solutions ont incorporé des technologies intelligentes dans leurs applications pour y remédier. problèmes des clients. L'objectif est de combiner de manière transparente les plates-formes cloud avec le Big Data, l'analyse avancée, l'apprentissage automatique et l'IdO. La connexion de cet écosystème à une solution centrale de planification des ressources d'entreprise (ERP) et la combinaison de données sur l'expérience opérationnelle et sur l'expérience client fournissent des informations qui permettent une meilleure prise de décision.

Certaines de ses principales applications sont disponibles dans les domaines suivants: .

Gestion intelligente des actifs

IAM fournit une représentation numérique de tous les équipements industriels avec des droits de partage sécurisés et contrôlables entre partenaires commerciaux afin de permettre aux clients de mieux comprendre, analyser et analyser les performances, ainsi que de nouveaux services numériques. Les résultats recherchés incluent la maximisation de la productivité des actifs, la sécurité des opérations et la réduction des coûts.

Il couvre l’ensemble du cycle de vie des actifs: ingénierie, approvisionnement, construction, mise en service, opérations, inspections, révision, mises à niveau et déclassement.

construire des jumelles numériques de leurs actifs pour les surveiller tout au long de leur cycle de vie en boucle fermée, où l'ingénierie reçoit des informations en retour sur les opérations des sites des clients. Cela permet de détecter les problèmes avant qu'ils ne deviennent critiques. L'équipement en tant que service, le diagnostic à distance et la maintenance prédictive sont possibles sur la base du flux continu de données provenant de l'équipement et de l'analyse par des algorithmes d'intelligence artificielle.

Maintenance prédictive

IAM permet également à la maintenance prédictive de devenir une réalité.

L'apprentissage automatique couplé à des modèles numériques jumelés peut détecter des modèles de dysfonctionnements grâce à des algorithmes de prédiction et de détection d'anomalies, avant que leurs effets ne deviennent évidents sur les performances de l'équipement. Cela donne un délai plus long pour les mesures prédictives et normatives afin d'éviter les temps d'arrêt coûteux.

Avec la technologie appropriée, les données d'actif collectées par les capteurs IoT et collectées via le cloud peuvent être analysées en temps réel pour permettre aux entreprises de surveiller l'utilisation des équipements de manière proactive. conseiller ou recommander des activités de service ou de maintenance.

Les accords de service et le dépannage à distance peuvent être améliorés grâce à l'analyse prédictive, à l'apprentissage automatique et aux ressources numériques virtuelles gérées par l'IdO alimentées par des ressources déployées, capables de modéliser les performances du produit et de diagnostiquer (voire même anticiper) le matériel. problèmes de logiciel.

En outre, la réalité augmentée avancée peut améliorer les activités de maintenance en superposant des dessins et des schémas sur une machine, en visualisant les informations du capteur et en recevant des instructions de réparation sur des appareils mobiles (tels que des lunettes intelligentes); elles sont en train de devenir une réalité dans de nombreuses entreprises manufacturières.

Flottes connectées pour la logistique numérique

Les véhicules connectés permettent aux entreprises d'ajuster les expéditions en cours de route et d'optimiser les itinéraires de livraison en fonction des conditions météorologiques et de circulation en temps réel, afin de maintenir les dates de livraison ou de les minimiser. l'impact d'événements inattendus. Cette technologie permet également de suivre et de surveiller en temps réel des conditions telles que la température des conteneurs de congélation, afin de garantir la qualité des produits.

Ce modèle augmente la productivité, achemine les marchandises vers les clients plus rapidement et améliore la transparence de la flotte grâce à la collecte, la cartographie, le stockage, etc. analyse de la télématique et des données de capteurs.

Suivi global

Les réseaux de capteurs des produits et des flottes de transport permettent aux entreprises de détecter et de réagir aux informations logistiques, fournissant ainsi aux utilisateurs concernés des informations en temps réel sur leurs besoins commerciaux et de conformité. Les événements professionnels sont capturés dans l'environnement réseau étendu en les connectant à l'infrastructure IoT, assurant ainsi le suivi des processus, des matériaux, des produits et des actifs avec des performances et un débit évolutifs.

Automatisation des entrepôts

La gestion intelligente de la chaîne logistique modifie la jeu pour les entrepôts traditionnels, les détaillants, les consommateurs et les employés. L'utilisation de la réalité augmentée (RA) pour les processus de préparation de commandes et d'emballage simplifie et optimise les activités d'entreposage, augmentant ainsi l'efficacité et réduisant les délais de stockage à la livraison. Associées à l'automatisation via des robots pour les opérations de transfert, ces technologies permettent aux entreprises de raccourcir leurs délais de livraison et de tenir leurs promesses envers leurs clients.

Intégration de véhicules à guidage automatique (AGV) dans des entrepôts dotés d'un système ERP et d'exécution de la fabrication (MES), les fabricants peuvent mieux gérer les niveaux d’inventaire et améliorer les délais de livraison. Cela garantit que le matériel est livré à la production et entre les opérations au bon moment afin de minimiser les temps d'arrêt. Cela permet à l’usine automatisée du futur, ouverte 24 heures sur 24.

Planification et planification de la fabrication

Les fabricants industriels utilisent des algorithmes d’apprentissage automatique, composants essentiels de l’intelligence artificielle, pour exploiter les sources de données précieuses disponibles et utiliser les technologies Big Data. améliorer la planification de la fabrication et les processus de planification.

Des capteurs intelligents fournissant des données d'état critiques peuvent faciliter le routage automatique des produits vers les postes de travail dans le processus de production, améliorant ainsi l'efficacité d'utilisation des ressources et fournissant un retour d'information en temps réel aux planificateurs et aux planificateurs. Ce cycle améliore la précision de la planification et la simulation en temps réel des solutions de remplacement en cas de problèmes sur la chaîne de production.

Modèles commerciaux de paiement à l'utilisation

Des entreprises, en particulier celles du secteur de la fabrication industrielle et de leurs composants proposer un paiement à l'utilisation en tant que modèle commercial supplémentaire pour les logiciels et les services numériques, ainsi que pour les machines et les équipements. Les contrats d’équipement en tant que service pour les produits auxiliaires et les activités principales deviendront monnaie courante dans un proche avenir.

Les entreprises manufacturières revoient en permanence leurs stratégies pour générer une croissance rentable sur des marchés difficiles. Pour concurrencer, les grands fabricants passent de la vente de machines à forte intensité de capital à la fourniture d’équipements aux clients et à la facturation en fonction du nombre de travaux réalisés. Cette facturation basée sur les dépenses d'exploitation est très populaire auprès des clients, car le risque est partagé.

La diligence raisonnable avec l'apprentissage automatique peut recommander des clients à faible risque pour ce modèle de paiement par résultat. Les prix peuvent être générés automatiquement en fonction des facteurs de risque du client et des coûts typiques d'une fabrication discrète, tels que l'installation, le transport, les consommables, etc. La solution technologique apprend à chaque nouveau contrat et corrige ses erreurs. Les fabricants discrets peuvent se concentrer sur le partenariat avec leurs clients, pas seulement sur la fourniture de machines. Il s’agit d’un premier pas vers la réussite d’une chaîne logistique intelligente.

Blockchain

La chaîne de chaînes est utilisée dans la chaîne logistique de plusieurs manières, notamment:

• Gestion des actifs (jumeaux numériques)
• Fabrication distribuée (impression 3D) )
• Identifiants numériques de confiance
• Appel d’offres sécurisé dans les marchés publics
• Sécurité de la chaîne d’approvisionnement en médicaments
• Suivi des actifs
• Suivi des informations sur les inspections obligatoires et les audits
• Scénarios de paiement à l’utilisation basé sur les données du capteur micro-paiements
• Pièces d'origine
• Transfert de propriété d'équipement

Les jumeaux numériques et l'Internet des objets, pilier de la chaîne d'approvisionnement intelligente

Du point de vue des fabricants et des exploitants d'actifs, des jumeaux numériques dans l'offre chaîne donne une visibilité sur les produits et équipements au fur et à mesure de leur conception, configuration, acquisition, construction, installation et exploitation. Ils collectent des données en temps réel tout au long du cycle de vie d'un produit ou d'un service, fermant ainsi le cycle des opérations à l'ingénierie.

Il est essentiel de comprendre comment les produits sont utilisés et fonctionnent dans des conditions réelles, une fois qu'ils sont entre les mains du client. décisions techniques concernant les mises à niveau, les augmentations ou les ajouts de produits.

Les capteurs IoT et intégrés fournissent des informations en continu sur les performances des produits sur le terrain. Les données peuvent être collectées en arrière-plan et en temps réel sans interférer avec l'utilisation. Ceci, à son tour, peut directement informer de nouveaux produits, fonctionnalités ou mises à niveau qui répondent mieux aux besoins des clients.

Défis à venir

Comme pour toute technologie perturbatrice, il n’ya pas de solution claire ni de meilleures pratiques sur lesquelles s’appuyer. Les fournisseurs de solutions construisent ces pratiques et méthodes en fonction de l’expérience acquise dans le cadre de projets pilotes et de projets de mise en œuvre. La situation est exacerbée par le fait que plusieurs technologies émergentes ont convergé ces dernières années pour constituer le fondement de Industrie 4.0. Il existe maintenant de nombreux noms différents pour désigner essentiellement la même chose: entreprise intelligente, chaîne d'approvisionnement intelligente, usines intelligentes, usines du futur, etc.

La nouveauté de la technologie et le fait que tant de fournisseurs essaient de s'implanter dans l’industrie, il est très difficile pour les clients de décider quelle plate-forme utiliser ou quelle direction stratégique prendre (même si tous sont d’accord pour dire que ne rien faire est une mauvaise stratégie). C’est une des raisons pour lesquelles tant de projets ne passent pas de la validation de principe ni de la mise en œuvre pilote au déploiement à l’échelle de l’entreprise. Il y a trop de confusion et la vitesse de maturité de la technologie est bien plus rapide que ce que les dirigeants d'une entreprise peuvent absorber et assimiler pour prendre des décisions stratégiques relatives à la chaîne d'approvisionnement intelligente.

Ces technologies étant relativement nouvelles et en évolution, les grandes entreprises ont piloter différentes solutions en tant que moyen d'apprendre et de construire une analyse de rentabilisation pour un déploiement à grande échelle. Malheureusement, beaucoup n’ont pas pu quitter la phase pilote et l’adapter aux opérations et à l’entreprise pour les raisons susmentionnées. Nous avons connu du succès dans des projets à petite échelle, tels qu'un entrepôt dans une usine de fabrication; ramassage des ordures dans une ville; vendre de l'air comprimé en tant que service plutôt que de vendre des compresseurs d'air; et intégrer des capteurs dans des moteurs électriques pour vendre le temps de disponibilité comme service et pour assurer la maintenance à distance.

Comme dans toutes les perturbations passées, la voie n'est pas totalement claire, mais le brouillard se dissipera aussi vite que nous avancerons, tirez les leçons de nos erreurs, développons les capacités nécessaires et, en fin de compte, transforment les processus et les modèles commerciaux pour créer l'entreprise intelligente.

Les données sont la nouvelle huile. La correspondance de hiérarchie SAP Leonardo constitue une «usine de raffinage» pour vos données de base en utilisant les capacités d’apprentissage automatique pour résoudre divers problèmes de l’entreprise. Pour en savoir plus, consultez notre webinaire du 11 juin .