L'IA dans le transport et la logistique | L'IA en entreprise #75

Gestion de flotte avec l'IA dans les transports

Les systèmes basés sur l'IA peuvent analyser de très grandes quantités de données sur les véhicules, les conducteurs et les itinéraires. Cela permet d'ajuster les horaires et les itinéraires, de mieux utiliser les ressources de transport et de réduire la consommation de carburant jusqu'à 10 à 15 %.

Les systèmes intelligents équipés de capacités d'apprentissage automatique peuvent prédire les pannes potentielles des mois à l'avance sur la base des données des capteurs installés dans les véhicules et autres équipements. Cela permet de planifier les réparations et l'entretien à des moments opportuns, de minimiser les temps d'arrêt et d'éviter les arrêts imprévus sur la route.

Un exemple d’utilisation de l’IA dans la gestion de flotte est celui de DB Schenker, un leader mondial du secteur de la logistique. L'entreprise utilise des algorithmes d'IA avancés pour optimiser la planification des transports, la prévision de la demande et la gestion des offres. En Bulgarie, par exemple, l'entreprise a utilisé la solution Transmetrics AI pour améliorer l'utilisation des véhicules et réduire les temps de transit des expéditions en vrac.

Dans le transport aérien, l’entreprise utilise un outil hybride de simulation et de prévision qui permet de personnaliser les simulations et s’appuie sur des données historiques. En utilisant l'IA, DB Schenker accélère non seulement sa transformation numérique, mais s'assure également un avantage concurrentiel à long terme sur le marché de la logistique.

Source : DB Schenker (https://shippingwatch.com/logistics/article14448745.ece)

Mettre en œuvre l’IA pour optimiser les itinéraires et réduire les coûts de transport

Les systèmes de cartographie modernes basés sur l'IA peuvent analyser les embouteillages en temps réel, rechercher des détours et suggérer des itinéraires optimaux aux conducteurs en fonction des conditions actuelles. De plus, les algorithmes d'apprentissage automatique peuvent aider à mieux planifier la répartition des charges afin qu'elles soient transportées sur les distances les plus courtes possibles. Cela se traduit directement par des coûts d’exploitation inférieurs.

Un exemple d’entreprise spécialisée dans les solutions d’IA pour l’optimisation des itinéraires est la société américaine FourKites. Ils ont développé une plateforme de surveillance de la chaîne d'approvisionnement en temps réel qui exploite les données et l'apprentissage automatique pour améliorer la visibilité et l'efficacité du transport.

L'un de leurs clients, Henkel, bénéficie de l'utilisation de la solution FourKites en ayant accès à des données en temps réel sur la localisation et l'heure d'arrivée estimée (ETA) des expéditions. Cela leur permet de mieux planifier leurs tâches et de réagir à tout retard potentiel.

FourKites a également apporté des avantages supplémentaires à Henkel, tels que des économies de temps et d'argent, une amélioration de la qualité et de la responsabilité des LSP (fournisseurs de services logistiques), une résolution équitable des litiges et l'évitement de pénalités pour retards. En 2024, Henkel prévoit de suivre près d'un million d'expéditions à l'aide de FourKites.

Source : Quatre cerfs-volants (https://www.fourkites.com/platform/)

Gestion des stocks avec l'IA dans le transport

L’intelligence artificielle est capable d’analyser des quantités massives de données pour prédire avec précision la demande de biens et de matières premières spécifiques. En conséquence, les stocks peuvent être gérés plus efficacement, les entrepôts peuvent être réapprovisionnés avec plus de précision et les ruptures de stock peuvent être réduites.

Deux outils populaires qui utilisent l’IA et l’apprentissage automatique pour optimiser la chaîne d’approvisionnement sont :

• RELEX (https://www.relexsolutions.com/) – une plateforme complète utilisée pour la prévision de la demande et le réapprovisionnement automatique des stocks. L'entreprise aide ses clients de tous les secteurs à planifier la demande, à gérer les stocks, à optimiser les processus logistiques et à stimuler la croissance des revenus.
• SAP IBP (https://www.sap.com/products/scm/integrated-business-planning.html) – Un module avancé de planification des stocks et de chaîne d'approvisionnement qui fait partie de la suite SAP. SAP IBP aide à optimiser les processus logistiques et fournit diverses fonctionnalités, notamment la planification des ventes et des opérations (S&OP), la prévision de la demande, la réponse et la livraison, la planification des stocks et la planification des transports.

Présentation de l'IA pour automatiser les processus d'entrepôt et le transport autonome

Des robots autonomes équipés de modules d’intelligence artificielle sont déjà à l’œuvre dans de nombreux entrepôts et centres logistiques modernes. Ils sont capables de préparer les commandes, d’emballer les produits et de transporter des palettes de marchandises. Les algorithmes d'apprentissage automatique permettent à ces robots de reconnaître des marchandises et des colis individuels, de planifier leurs propres parcours dans l'entrepôt et même de communiquer avec les employés.

Que se passe-t-il lorsqu’un produit, emballé et préparé par un robot, est prêt à prendre la route ? Cela ouvre la porte à la mise en œuvre de l’IA dans les véhicules autonomes. Un exemple est le camion autonome T-Pod, actuellement testé dans les centres de distribution de DB Schenker. Il peut être contrôlé par un opérateur pendant la conduite sur route ou, grâce à la mise en œuvre de l'IA, il peut transporter de manière autonome des palettes de produits, en évitant les obstacles sur le chemin. La navigation est facilitée grâce à l'utilisation de caméras, de radars et de capteurs de profondeur.

Le DB Schenker T-Pod est le premier véhicule de ce type à être homologué pour la voie publique en Suède. Il peut transporter jusqu’à 20 tonnes de marchandises et a une autonomie d’environ 200 km avec une seule charge.

Source : DB Schenker (https://www.dbschenker.com/)

Surveillance et analyse des données en temps réel avec l'IA dans les transports

Les données des capteurs embarqués, des systèmes d'automatisation d'entrepôt et des localisateurs d'expédition peuvent être analysées en temps réel par des algorithmes d'intelligence artificielle. Cela permet de prendre instantanément des décisions commerciales précises et d’améliorer l’efficacité de l’ensemble de l’organisation. Par exemple, un système équipé d'un module d'IA peut aider à réagir immédiatement aux retards de livraison et à informer les clients ou à prendre des mesures préventives.

L'équipe OLX a utilisé l'apprentissage automatique pour créer un modèle prédictif ETA, qui, dans le domaine du transport et de la logistique, signifie Estimation de l'heure d'arrivée. Le modèle prend en compte des facteurs tels que :

• emplacement,
• type de marchandises,
• conditions météorologiques,
• vacances, etc

Le modèle a été formé sur les données de plus de deux millions de transactions et testé avec des données de six pays. Le modèle ETA a atteint une exactitude et une précision très élevées et a démontré sa capacité à s'adapter aux changements du marché et des conditions opérationnelles. Le modèle ETA a contribué à accroître la confiance et la satisfaction des clients, ainsi qu'à améliorer l'efficacité et la rentabilité du processus de livraison.

Sécurité et prévention des accidents

Les systèmes de surveillance intelligents équipés de modules d'IA ne protègent pas seulement les actifs des entreprises de transport. En analysant les images des caméras et les données des capteurs, ils peuvent évaluer le comportement du conducteur et détecter des signes de fatigue, suggérant des pauses pendant le trajet. De plus, les algorithmes d’apprentissage automatique, analysant en permanence les données télémétriques entrantes des véhicules, peuvent prédire les pannes potentielles bien à l’avance.

Ainsi, la start-up israélienne Cortica a appliqué des réseaux neuronaux pour analyser les bruits des moteurs afin de détecter rapidement les dysfonctionnements imminents. Des entreprises comme Continental et ZF Friedrichshafen AG proposent des solutions similaires pour le diagnostic prédictif des véhicules aux transporteurs.

L'avenir de l'IA dans le transport et la logistique

Les experts s’accordent à dire que grâce à l’intelligence artificielle, l’industrie TSL connaîtra une transformation complète au cours des dix prochaines années. Les camions autonomes deviendront la norme sur les routes aux États-Unis et commenceront à apparaître plus fréquemment dans d’autres régions du monde. Pendant ce temps, dans les entrepôts, la majorité des opérations, de la préparation des commandes au chargement, seront assurées par des robots.

Grâce à l'IA, les coûts de transport et de logistique diminueront jusqu'à 30 à 40 %. Les délais de livraison seront également réduits grâce à l'optimisation des itinéraires et du chargement, ainsi qu'à la mise en œuvre de systèmes urbains intelligents qui facilitent la circulation des véhicules pendant les derniers kilomètres du trajet. L’intégration de l’IA dans la logistique améliorera la qualité du service client et le risque d’erreurs humaines sera presque éliminé.

Source : DALL·E 3, invite : Marta M. Kania (https://www.linkedin.com/in/martamatyldakania/)

L’IA dans les transports – résumé

En conclusion, les systèmes utilisant l’apprentissage automatique et les algorithmes d’IA dans les transports ont un grand potentiel dans l’industrie TSL qui commence tout juste à être exploité. Leur mise en œuvre est une opportunité de réduire considérablement les coûts, de raccourcir les délais de livraison, d’améliorer la sécurité des transports et de mieux servir les clients. Toutefois, pour réussir, la mise en œuvre de ces technologies doit être abordée de manière stratégique.

Si vous aimez notre contenu, rejoignez notre communauté d'abeilles très active sur Facebook, Twitter, LinkedIn, Instagram, YouTube, Pinterest, TikTok.

Auteur : Robert Whitney

Expert JavaScript et instructeur qui coache les départements informatiques. Son objectif principal est d'améliorer la productivité de l'équipe en apprenant aux autres comment coopérer efficacement lors du codage.

Afficher tous les messages

L'IA en entreprise :

1. Menaces et opportunités de l’IA en entreprise (partie 1)
2. Menaces et opportunités de l’IA en entreprise (partie 2)
3. Applications de l'IA en entreprise - aperçu
4. Chatbots textuels assistés par l'IA
5. La PNL commerciale aujourd'hui et demain
6. Le rôle de l’IA dans la prise de décision en entreprise
7. Planification des publications sur les réseaux sociaux. Comment l’IA peut-elle aider ?
8. Publications automatisées sur les réseaux sociaux
9. Nouveaux services et produits fonctionnant avec l’IA
10. Quelles sont les faiblesses de mon idée d’entreprise ? Une séance de brainstorming avec ChatGPT
11. Utiliser ChatGPT en entreprise
12. Acteurs synthétiques. Top 3 des générateurs vidéo IA
13. 3 outils de conception graphique IA utiles. L'IA générative en entreprise
14. 3 superbes rédacteurs d'IA que vous devez essayer aujourd'hui
15. Explorer la puissance de l'IA dans la création musicale
16. Naviguer dans de nouvelles opportunités commerciales avec ChatGPT-4
17. Outils d'IA pour le manager
18. 6 superbes plugins ChatGTP qui vous faciliteront la vie
19. 3 graphiques AI. Génération d'intelligence pour l'entreprise
20. Quel est l’avenir de l’IA selon McKinsey Global Institute ?
21. L'intelligence artificielle en entreprise - Introduction
22. Qu'est-ce que la PNL, ou traitement du langage naturel en entreprise
23. Traitement automatique des documents
24. Google Traduction contre DeepL. 5 applications de la traduction automatique pour les entreprises
25. Le fonctionnement et les applications métiers des voicebots
26. La technologie des assistants virtuels, ou comment parler à l’IA ?
27. Qu’est-ce que la Business Intelligence ?
28. L’intelligence artificielle va-t-elle remplacer les analystes commerciaux ?
29. Comment l’intelligence artificielle peut-elle aider avec le BPM ?
30. IA et réseaux sociaux : que disent-ils de nous ?
31. L'intelligence artificielle dans la gestion de contenu
32. L'IA créative d'aujourd'hui et de demain
33. L'IA multimodale et ses applications en entreprise
34. De nouvelles interactions. Comment l’IA change-t-elle la façon dont nous utilisons les appareils ?
35. RPA et API dans une entreprise numérique
36. Le futur marché du travail et les métiers à venir
37. L'IA dans l'EdTech. 3 exemples d’entreprises qui ont utilisé le potentiel de l’intelligence artificielle
38. Intelligence artificielle et environnement. 3 solutions d'IA pour vous aider à bâtir une entreprise durable
39. Détecteurs de contenu IA. En valent-ils la peine ?
40. ChatGPT contre Bard contre Bing. Quel chatbot IA mène la course ?
41. L’IA chatbot est-elle un concurrent de la recherche Google ?
42. Invites ChatGPT efficaces pour les ressources humaines et le recrutement
43. Ingénierie rapide. Que fait un ingénieur rapide ?
44. Générateur de maquette IA. Les 4 meilleurs outils
45. L'IA et quoi d'autre ? Principales tendances technologiques pour les entreprises en 2024
46. IA et éthique des affaires. Pourquoi devriez-vous investir dans des solutions éthiques
47. Méta-IA. Que devez-vous savoir sur les fonctionnalités prises en charge par l'IA de Facebook et Instagram ?
48. Réglementation de l'IA. Que faut-il savoir en tant qu’entrepreneur ?
49. 5 nouveaux usages de l'IA en entreprise
50. Produits et projets d'IA : en quoi sont-ils différents des autres ?
51. Automatisation des processus assistée par l'IA. Où commencer?
52. Comment adapter une solution d’IA à un problème métier ?
53. L'IA en tant qu'expert dans votre équipe
54. Équipe IA vs répartition des rôles
55. Comment choisir un domaine de carrière en IA ?
56. Cela vaut-il toujours la peine d’ajouter l’intelligence artificielle au processus de développement de produits ?
57. L'IA dans les RH : comment l'automatisation du recrutement affecte les RH et le développement des équipes
58. 6 outils d'IA les plus intéressants en 2023
59. 6 plus gros incidents commerciaux causés par l’IA
60. Quelle est l’analyse de la maturité IA de l’entreprise ?
61. L'IA pour la personnalisation B2B
62. Cas d'utilisation de ChatGPT. 18 exemples de comment améliorer votre entreprise avec ChatGPT en 2024
63. Microapprentissage. Un moyen rapide d'acquérir de nouvelles compétences
64. Les implémentations d'IA les plus intéressantes en entreprise en 2024
65. Que font les spécialistes de l’intelligence artificielle ?
66. Quels défis le projet IA apporte-t-il ?
67. Top 8 des outils d'IA pour les entreprises en 2024
68. L'IA dans le CRM. Qu’est-ce que l’IA change dans les outils CRM ?
69. La loi UE sur l’IA. Comment l’Europe réglemente-t-elle l’utilisation de l’intelligence artificielle
70. Sora. Comment les vidéos réalistes d’OpenAI vont-elles changer le business ?
71. Top 7 des créateurs de sites Web IA
72. Outils sans code et innovations en matière d'IA
73. Dans quelle mesure l’utilisation de l’IA augmente-t-elle la productivité de votre équipe ?
74. Comment utiliser ChatGTP pour des études de marché ?
75. Comment élargir la portée de votre campagne marketing IA ?
76. « Nous sommes tous des développeurs ». Comment les développeurs citoyens peuvent-ils aider votre entreprise ?
77. L'IA dans le transport et la logistique