Stratégie data et modèles d’optimisation pour plus d’agilité dans la Supply Chain

Regards croisés entre adameo et Kardinal

Les Supply Chain, de plus en plus optimisées, sont devenues au cours de ces dernières années, de vrais leviers de compétitivité des entreprises. Malgré cette optimisation, la dépendance des approvisionnements à des bassins de production centralisés et le manque de visibilité et de collaboration entre les différents maillons de la chaîne ont rendu les Supply Chain plus vulnérables aux chocs exogènes. L’utilisation de modèles de prévision qui s’approchent au plus près de la demande réelle pourrait alors renforcer leur performance en leur permettant de s’adapter au nouveau contexte de consommation. En effet, à l’épreuve de la crise sanitaire et économique que nous traversons, l’anticipation de la consommation à court terme s’est complexifiée et ne suit plus les schémas connus. Si elle reste au cœur des préoccupations, l’anticipation des scénarios de sortie de crise à moyen terme semble elle aussi plus qu’incertaine. 

Comment alors piloter son activité sans avoir la capacité de prévoir ? En temps de crise, la Supply Chain devra désormais pouvoir réagir au plus près de la demande grâce la digitalisation de ses processus et l’utilisation, à tous les niveaux, de technologies de pointe permettant une visibilité et une agilité accrues.

Les acteurs de la distribution s’aventurent vers de nouveaux modèles

La crise du COVID-19 a très durement impacté les modèles de distribution en place jusqu’alors. Les acteurs du retail et de la grande consommation sont soumis à une tension inédite : les inquiétudes des consommateurs ont encouragé les achats « paniques » et en grande quantité. Les règles de distanciation sociale ont brutalement rendu impossible la consommation hors domicile dont la part habituelle s’est reportée sur les distributeurs. Les canaux d’achat ont également muté, avec une explosion de l’utilisation du Click & Collect, de la livraison à domicile et du Drive, demandant aux distributeurs de s’adapter rapidement. L’enjeu est important et les enseignes le savent : si l’expérience utilisateur est au rendez-vous, les modes de consommations pourraient évoluer de façon définitive.

De nombreux acteurs se sont donc adaptés afin de maintenir leur activité. Par exemple pour pallier la fermeture des marchés, Rungis a lancé « Rungis livré chez vous » à destination des habitants de la capitale, permettant aux producteurs de maintenir une partie de leur activité. Pour les commerçants qui ne disposent que d’un point de vente physique, des initiatives émergent et les livraisons à domicile se mettent en place, à l’instar de nombreux chocolatiers (pour qui la période de Pâques représente jusqu’à 30% du chiffre d’affaires annuel). Le gouvernement multiplie d’ailleurs les initiatives pour inciter les petits commerçants à se digitaliser et s’orienter vers la vente à distance. De nouvelles collaborations voient également le jour, telle que l’association de Carrefour et Uber Eats pour proposer une offre de livraison à domicile de produits de première nécessité. Monoprix et Deliveroo ambitionnent de leur côté de livrer 80 produits « en moins de 30 minutes en moyenne, sept jours sur sept ».

Ces exemples, aussi inspirants soient-ils, ne doivent toutefois pas occulter le fait que pour beaucoup d’acteurs et à de nombreux maillons de la chaîne logistique, une telle transformation en si peu de temps est trop complexe à opérer. Absentéisme, distanciation sociale, mesures d’hygiène, toutes ces nouvelles contraintes pèsent aujourd’hui sur l’activité des acteurs de la logistique, et en particulier sur le transport du dernier kilomètre. Dans les entrepôts notamment, les mesures de protection et d’adaptation sont difficiles à mettre en place.

Des outils pour optimiser la distribution à l’heure du Covid-19

Pour certains acteurs, la baisse des volumes inhérente au contexte actuel a permis la réduction des effectifs en entrepôt et a facilité les mesures de protection dont notamment la distanciation sociale. D’autres, tels que les e-commerçants doivent à l’inverse faire face au double défi suivant :

  • Comment faire face à une demande nouvelle, plus importante et non anticipée, avec des moyens déjà en tension ?
  • Comment organiser le travail de terrain, pour que le tri des colis et le chargement se fassent en limitant les risques pour les employés ?

 

Le schéma classique est de réaliser une sectorisation géographique fixe de la zone à livrer. Chaque camion est associé à un secteur et livrera les commandes correspondantes. Ce système facilite grandement l’organisation en entrepôt puisque le tri et l’acheminement des colis vers les baies de chargement se font en fonction du secteur de livraison. En pratique, il arrive fréquemment que les quantités à livrer dans un secteur excèdent la capacité effective du véhicule. Dans ce cas, les superviseurs procèdent à des rééquilibrages, souvent manuels et plus ou moins dans l’urgence. Ces rééquilibrages sont réalisés par les chauffeurs entre eux, ou par des pickers qui vont transférer colis et palette d’une baie à l’autre. Aujourd’hui, l’absentéisme et la nécessaire distanciation sociale rendent presque impossible ces transferts de dernière minute.

Mais faire évoluer une sectorisation est très complexe, car limiter les rééquilibrages peut impliquer un plus grand nombre de secteurs, et donc de véhicules et de chauffeurs. De plus, comment s’assurer que les nouveaux secteurs, potentiellement plus nombreux, seront plus stables que les précédents ?
La question a des implications mathématiques profondes et les décideurs sont aujourd’hui peu équipés pour y répondre. L’utilisation de modèles mathématiques innovants pourraient permettre aux organisations de faire face à des situations nouvelles en rendant possible l’adaptation de l’organisation en fonction des objectifs inhérents au nouveau contexte.

“Kardinal a développé un modèle de sectorisation stratégique basé sur l’utilisation du Machine Learning, qui optimise conjointement la performance en minimisant des ressources, et la robustesse des tournées, c’est à dire leur stabilité avant le départ.”

Jonathan Bouaziz, Co-fondateur & CEO de Kardinal.

Utilisé sur un historique de données court et récent (représentatif de quelques jours d’activité pendant la crise), il permet de redimensionner la flotte pour l’adapter aux nouvelles contraintes et de minimiser la manutention dans l’entrepôt. Si des scénarios de sortie de crise avec des prévisions fiables sont trouvées, ils peuvent être intégrés au modèle d’optimisation pour accompagner un retour progressif à l’activité “habituelle” à l’issue de la période.

Dans la logistique, la data a trop longtemps été mise de côté au profit de la connaissance des opérationnels par manque de scénarios d’usage. Tous s’accordent sur l’importance de la collecter mais son utilisation n’est souvent pas claire ; et si la quantité des données disponibles est considérable, la qualité est quant à elle loin d’être parfaite. Mais une vague d’avancées technologiques majeures reliées à la data (géolocalisation temps réel, intelligence artificielle, machine learning…) permet désormais d’inventer de nouveaux systèmes logistiques. 

De l’importance d’une stratégie data pour plus d’agilité de la Supply Chain

La mise en place d’une stratégie data s’avère aujourd’hui une étape cruciale pour les entreprises qui cherche à gagner en proactivité et en capacité d’adaptation. 

“Contrairement à ce que beaucoup de personnes pensent, mieux exploiter ses données n’est pas réservé aux grands acteurs matures mais est bien accessible à tous, y compris les PME !”

Albéric Piot, expert Innovation chez adameo

Quelle que soit la taille de l’entreprise, l’évaluation de la maturité data et la construction d’une feuille de route réaliste et cohérente sont les premières étapes. La mise en place d’une architecture et d’une organisation pour mieux exploiter les données et pouvoir en tirer de la valeur permettra de gagner en visibilité sur les activités et en performance grâce à l’implémentation des briques fonctionnelles.

La stratégie data va bien sûr générer des gains directs pour l’entreprise en question, et va également se répercuter positivement (voire se démultiplier) sur ses partenaires extérieurs quand un partage de données est instauré. L’effet bullwhip (une faible variation de la demande qui provoque des perturbations amplifiées en remontant tout au long de la chaîne d’acteurs) qui est très visible en ce moment sur certains produits de première nécessité peut être contrôlé et réduit grâce au partage de données entre les différents acteurs de la chaîne.

Les technologies qui permettent d’étendre une stratégie data à tout un écosystème d’acteurs sont aujourd’hui matures. La Supply Chain collaborative devient une réalité.

Pierre Olive, Responsable du lab by adameo

Ces technologies diverses et plus ou moins coûteuses (plateforme collaborative, blockchain pour sécuriser les échanges, etc.) apportent de l’agilité et de la réactivité à un ensemble d’acteurs interdépendants. Chaque acteur garde la main sur ses données et décide des droits d’accès mais l’écosystème entier peut réagir en temps réel aux évolutions du marché, et ainsi faire varier ses commandes, sa production, son stockage et son transport. Le partage certifié de la donnée permet également une meilleure gestion des litiges éventuels et certaines fonctionnalités associées aident à automatiser les tâches à faible valeur ajoutée (facturation, etc.).  

Prenons l’exemple d’un transport de produits périssables. Une livraison est en cours à destination de plusieurs acteurs, avec une contrainte de délais de vente acceptable (il faut que le produit arrive avec une date de durabilité minimale). Une montée en température (un dysfonctionnement du système de refroidissement par exemple) non prévue a lieu pendant la phase de transport. La qualité du produit est impactée et le délai pour vendre ce produit en respectant une certaine qualité est donc réduit. Grâce à une visualisation des opérations de transport en temps réel couplée à un pilotage des coûts, l’entreprise peut réagir immédiatement. Au lieu de poursuivre l’ordre de transport vers la destination initiale, elle va pouvoir réorienter la livraison vers un point plus proche par exemple, ou bien encore stopper directement la livraison en cours pour en déclencher une nouvelle (car elle aurait pu observer qu’il est moins pénalisant de relancer une commande que d’aller vers un litige qualité).

Optimiser son usage de la data et être agile signifie en somme être plus flexible, mieux maîtriser ses cycles et surtout s’adapter rapidement aux différents segments de marchés et aux clients. L’incertitude qui pèse sur la situation économique actuelle et sur le modèle de reprise rend d’autant plus nécessaires les outils qui aident à prendre des décisions rapidement. Comment piloter l’activité des prochaines semaines ? Comment s’adapter à la volatilité importante ? Quelles ressources mobiliser ? Comment optimiser les relations avec les prestataires ?

La liste des questions qui empêchent les dirigeants d’entreprises de dormir en ce moment est longue, mais des modèles mathématiques complexes et des technologies de valorisation des données existent pour les aider et les accompagner dans leurs choix de demain !

data optimisation Supply Chain

data optimisation Supply Chain

data optimisation Supply Chain

Partager