[RAPPORT]
Intelligence Artificielle en logistique : 6 exemples d’applications
Société leader du transport et de la logistique, DHL opère dans plus de 220 pays et territoires. La société transporte chaque année 1,5 milliard de colis. En France, DHL Express représente 35% de part de marché du transport express international.
Ce nombre impressionnant de colis traités nécessite la mise en place d’une logistique très organisée et optimisée. A cette échelle, réaliser manuellement toutes les étapes de la chaîne d’approvisionnement n’est pas envisageable. Notre article sur les cas d’usage de l’Intelligence Artificielle en logistique a démontré les bénéfices colossaux de l’utilisation de ce type d’outil pour les acteurs de la logistique et du transport.
DHL a d’ailleurs bien compris l’intérêt de l’IA pour son activité et envisage de l’intégrer à chaque étape de sa supply chain. Dans son rapport intitulé « Artificial Intelligence in Logistics », rédigé en collaboration avec IBM en 2018, DHL expose sa vision d’un futur très proche pour ses entrepôts de distribution.
Sur cette image, DHL expose 7 usecases que la société envisage d’implémenter à court ou moyen terme :
1. La gestion d’inventaire automatique
Des drones parcourent l’entrepôt afin d’identifier les emplacements vides sur les différents racks de rangement, et ainsi informer le WMS (Warehouse Management System ou Système de Gestion d’Entrepôt) de l’état courant des étagères. De cette façon, les slots disponibles sont connus à chaque instant et ceux qui le sont de façon anormale (par exemple à cause d’une erreur ou d’un vol) peuvent être signalés automatiquement. Ces drones sont pilotés par une IA, et une autre IA traite le flux vidéo pour identifier les emplacements vides.
2. Des véhicules autonomes (AGV)
Des AGV se déplacent tout seul dans l’entrepôt pour acheminer des colis vers la livraison ou vers des rangements dédiés. Pas besoin d’une programmation lourde, ces robots apprennent seuls les meilleurs chemins à prendre et sont capables de collaborer entre eux, sans intervention humaine, pour maximiser leur productivité qui s’améliore avec le temps !
3. La perception vidéo automatique
Une IA analyse en continu les flux vidéo pour détecter, à partir du comportement des hommes, de leurs attitudes, ce qu’ils sont en train de faire (ou déduire ce qu’ils ont fait). Initialement appliquées dans la grande distribution pour détecter les vols ou les comportements suspects, ces technologies en entrepôt permettront d’identifier qu’un colis est en cours de transport par un manutentionnaire (sans que celui-ci ait besoin de déclarer tout ce qu’il fait pour le suivi), ou bien que certaines opérations prennent un temps anormalement long à cause d’une allée bouchée par des colis qui sont tombés. Cette détection automatique d’évènements doit permettre une plus grande réactivité des équipes de surveillance.
4. Le tri intelligent par la vision
Un robot est capable, à partir d’un flux vidéo, de mesurer les dimensions des colis et de les trier en fonction des informations du colis lui-même (destination, type de produit, etc.) mais bien évidemment de ses dimensions. Le robot joue à Tétris en temps réel et range les colis sur des palettes afin d’optimiser le rangement futur et le transport.
5. La livraison par une flotte autonome
L’un des grands enjeux face à la pénurie de chauffeurs et la congestion urbaine : opérer les livraisons grâce à des véhicules autonomes. Cela implique une optimisation en continu des tournées de livraison et un monitoring de la flotte qui soit global. Si les infrastructures publiques suivent, ce mode de livraison pourrait être la norme dans quelques années.
6. Le WMS conversationnel
Pour éviter les tâches fastidieuses de saisie, de validation de la donnée à chaque étape du cycle de vie de la marchandise (étapes qui se font souvent sur pda ou équivalent), le WMS de demain sera équipé d’une IA conversationnelle qui permettra aux opérateurs d’indiquer par la voix les tâches qu’ils sont en train de réaliser. Cela va fortement fluidifier leur travail et leur permettre de garder les mains libres pour agir. Un gain évident de productivité, encore faut-il que l’IA soit véritablement opérationnelle pour ne pas alourdir un processus déjà stressant et répétitif pour les hommes.
7. L’inspection de contrôle par l’IA
Le contrôle de l’état des véhicules est un enjeu phare de la sécurité du transport de marchandises. Les nouveaux systèmes d’IA seront capables, à partir d’un flux vidéo, de détecter les éventuelles anomalies sur un véhicules : corrosion sur les parties métalliques, pièces manquantes (écrou, vis, etc.), surfaces huilées pouvant indiquer une fuite ou encore des fissures laissant craindre une casse prochaine. Cette inspection, aujourd’hui manuelle et non systématique, sera faite automatiquement et en quelques instants par une IA, ce qui constituera un élément majeur dans l’amélioration de la maintenance prédictive et dans la diminution des accidents.
Conclusion
Dans ce rapport, DHL et IBM expliquent comment les acteurs de la chaîne logistique peuvent tirer parti des principaux avantages et opportunités de l’IA maintenant que les performances, l’accessibilité ainsi que les coûts sont plus favorables que jamais.
Il souligne que l’IA a le potentiel d’augmenter considérablement l’expertise humaine grâce à des systèmes d’auto-apprentissage qui aident à générer de nouvelles informations à partir du Big Data et à éliminer les tâches difficiles. Cela permet aux opérationnels de se concentrer sur des tâches plus significatives et à valeur ajoutée.
Retrouvez plus d’informations sur le sujet dans notre vidéo « Comment mener un projet d’IA en industrie ? »
