Applications de l'IA dans le domaine de la logistique

L'intelligence artificielle (IA) est sur toutes les lèvres en tant que technologie du futur et ne suscite pas seulement des sentiments positifs chez certaines personnes. Cependant, la technologie basée sur des algorithmes d'auto-apprentissage est déjà présente dans de nombreuses applications et produits de tous les jours. En voici quelques exemples : Assistants vocaux, domotique, streaming musical, fil d’actualité et publicités Facebook, algorithme de suggestion de produits d'Amazon, traduction, création/reconnaissance d'images, conduite assistée et autonome et navigation. L'intelligence artificielle (1) comprend aujourd'hui de nombreux sous-domaines, dont le nombre ne cesse de croître : Bots, maintenance prédictive, extraction de données, extraction de processus, réseaux de neurones, machine learning (apprentissage automatique), deep learning (apprentissage en profondeur), et bien plus encore.... Le Deep Learning utilisant les réseaux de neurones est actuellement l'approche la plus prometteuse en matière d'intelligence artificielle et, là encore, une approche dans le cadre de l'apprentissage automatique. 

Le McKinsey Global Institute (MGI) considère l'intelligence artificielle comme un moteur essentiel de la croissance économique mondiale. Pour l'étude « Intelligence artificielle - La prochaine frontière numérique » (2017, 2), 3 000 entreprises de 14 secteurs ont été interrogées. Selon l'étude, les cinq technologies d'IA les plus susceptibles d'être utilisées par les entreprises à l'avenir sont la reconnaissance automatique d'images, le langage naturel, les assistants virtuels, l'automatisation des processus basée sur des robots et l'apprentissage automatique avancé. D'ici 2030, environ 70 % des entreprises utiliseront au moins une de ces technologies d'IA. Selon les auteurs de l'étude, les entreprises qui mettent en œuvre les technologies d'IA à un stade précoce peuvent doubler leur trésorerie, tandis que les retardataires verraient leur trésorerie diminuer d'environ 20 % par rapport aux niveaux actuels. 

Les entreprises allemandes n’ont pas raté le coche, elles non plus. Selon l'association numérique Bitkom, une entreprise allemande sur deux part désormais du principe que l'apprentissage automatique ou l'intelligence artificielle va changer durablement les modèles économiques actuels. 90 % des entreprises déclarent que les Big Data et l'analyse des données sont d'une très grande ou plutôt grande importance pour la compétitivité future des entreprises allemandes. Il y a un an, elle n'était que de 83 %. Derrière eux se trouve l'Internet des objets avec 81 % (2019 : 79 %) et l'impression numérique en 3D à 72 % (2019 : 68 pour cent). On constate également une augmentation significative des véhicules autonomes, qui passent de 57 à 68 %, et de l'intelligence artificielle, qui passe de 60 à 67 %. Néanmoins, seule une entreprise sur quatre (24 %) avait prévu d'investir spécifiquement dans le développement de modèles commerciaux numériques au début de l'année.  

Les trois principaux obstacles à l'adoption des nouvelles technologies numériques, selon les entreprises, sont les exigences en matière de protection de la vie privée (79 % en 2019 : 74 %), les exigences techniques de sécurité (63 %, 2019 : 57 %) et le manque de professionnels qualifiés (55 %, 2019 : 48 pour cent). Viennent ensuite, à une distance considérable, le manque de temps dans les affaires courantes (33 %), le manque de ressources financières (25 %) et le manque de solutions commercialisables (18 %).

« La crise du Coronavirus nous a fait prendre conscience très clairement de l'importance des technologies numériques pour les entreprises, les gouvernements et la société. La crise est un signal d'alarme pour faire avancer la numérisation à grande échelle. Nous avons pris trop de temps avec la numérisation dans le passé », a déclaré Achim Berg, président de Bitkom. Il a ajouté : « Nous devons dès maintenant commencer à penser à l'après-Coronavirus et mettre le cap sur la numérisation partout. Nous pouvons actuellement voir très clairement que les entreprises plus numérisées et l'économie numérique sont bien plus qu'un moteur de croissance. Ils sont moins vulnérables en temps de crise, ils stabilisent l'économie et le marché du travail. » Selon une étude réalisée par TCS et Bitkom (3), une majorité d'entreprises (75 %) ont déjà augmenté leurs investissements en raison de la pandémie. Seule une minorité (7 %) freine pour l'instant la transformation numérique par manque de moyens financiers.

Même si le terme et le domaine de recherche de « l'intelligence artificielle » existent depuis les années 1950, l'essor actuel de l'intelligence artificielle est le résultat de la puissance du matériel informatique qui est maintenant disponible à prix accessibles. Ce n'est que maintenant que les processeurs, les réseaux à haut débit et les capacités de stockage de grands volumes de données (« Big Data ») sont disponibles, ce qui rend possible la mise en œuvre pratique de nombreuses considérations théoriques. L'IA et ses algorithmes sont particulièrement adaptés à la logistique, car les réseaux logistiques très ramifiés offrent un champ d'application idéal pour l'intelligence artificielle. Les relations de cause à effet dans ces réseaux sont très bien calculables et prévisibles. 

« La logistique est déjà l'un des domaines les plus numérisés d'une entreprise. Mais avec les drones, les systèmes autonomes et l'intelligence artificielle, la logistique est confrontée non seulement à une optimisation des processus commerciaux, mais aussi à une véritable révolution », a déclaré Bernhard Rohleder, PDG de Bitkom. Les résultats d'une enquête représentative (4) menée auprès de 508 entreprises ayant des processus logistiques, commandée par l'association numérique Bitkom, montrent que deux tiers (65 %) des entreprises interrogées pensent que les systèmes d'IA d’apprentissage automatique prendront en charge de nombreuses tâches logistiques, telles que la planification du meilleur itinéraire ou le déclenchement des processus de commande. 75 % des personnes interrogées s'attendent à ce que les lunettes intelligentes aident les employés dans le domaine de la logistique. Six entreprises sur dix (58 %) s'attendent à ce que des drones autonomes fassent l'inventaire des stocks. Un nombre similaire (57 %) suppose que les marchandises seront transportées par des véhicules autonomes. Quatre sur dix (42 %) pensent que les drones et les robots de livraison apporteront même des produits directement au client. 

Les entreprises apprécient les nombreux avantages de la numérisation et de l'intelligence artificielle. 89 % d'entre eux attendent une réduction des coûts logistiques à long terme et une accélération du transport (86 %). 72 % des entreprises interrogées s'attendent à moins d'erreurs dans la chaîne de transport et 58 % à un transport plus respectueux de l'environnement. Dans l'ensemble, 88 % considèrent la numérisation comme une opportunité, et seulement 11 % comme un risque. 

Voici quelques exemples de l'utilisation de l'IA dans la logistique et l'intralogistique. 

L'utilisation de l'intelligence artificielle dans le domaine de la logistique est particulièrement utile pour prédire les futurs états du réseau logistique. 

Grâce aux algorithmes d’apprentissage automatique de l'IA, il est possible d'évaluer de grandes quantités de données (Big Data), qui décrivent le comportement des clients dans le passé. En reconnaissant des modèles dans ces données, il est possible de prédire l'occurrence de certains événements (comportement d'ordre, etc.) avec une certaine probabilité (analyse prédictive). Grâce à cette analyse prédictive, des modèles générés par ordinateur du système logistique (par exemple la chaîne d'approvisionnement) peuvent être créés pour l'avenir. À partir de là, des décisions intelligentes peuvent être prises concernant les actions futures dans ce domaine. On peut par exemple prévoir dans quelle région un article spécifique sera commandé particulièrement fréquemment. De là, on peut faire des déclarations pour la logistique sur l'espace de stockage nécessaire, les camions, les magasiniers, etc. et en déduire certaines actions. Par exemple, les articles peuvent être stockés dans un entrepôt proche du domicile du client avant d'être commandés, ce qui permet de réduire les délais de livraison. La gestion des risques de l'ensemble de la chaîne d'approvisionnement peut également être davantage planifiée. De cette façon, les données en direct de la chaîne d'approvisionnement, comme celles fournies par les capteurs de suivi de l'état des marchandises transportées, ou les rapports de trafic peuvent être intégrés dans les modèles de données et des mesures appropriées peuvent être prises. Il s'agit donc d'une planification intelligente basée sur la simulation qui révolutionne déjà non seulement l'industrie de la logistique, mais aussi de nombreuses autres industries. 

Les robots équipés d'algorithmes d'intelligence artificielle ou de Deepl learning peuvent prendre des décisions autonomes et intelligentes concernant l'identification, l'analyse et le comptage des marchandises ainsi que leur manipulation et leur transport. Par exemple, la robotique peut être utilisée pour suivre, localiser et déplacer les stocks dans les entrepôts. Les robots conçus pour la préparation des commandes, les robots de chargement et les cobots (robots collaboratifs) façonneront l'avenir de l'intralogistique. Les robots autonomes conçus pour la préparation des commandes sont particulièrement intéressants pour les articles en petits lots, par exemple dans le commerce de détail en ligne. Les cobots assistent de plus en plus les humains dans leur travail en entrepôt. Il y a entre autres des cobots qui guident les employés vers les articles dans une zone de préparation des commandes. La solution basée sur l'IA augmente non seulement les taux de préparation de commandes de 200 à 300 %, mais aide les préparateurs à travailler plus rapidement et avec plus de précision. 

La conduite autonome désigne la conduite entièrement automatisée d'un véhicule sans conducteur. En intralogistique, les véhicules autonomes sont des véhicules à guidage automatique (VGA). Grâce à eux, le nombre de trajets à vide et de trajets erronés peut être considérablement réduit parce que les véhicules se dirigent automatiquement vers le bon rayonnage. Ils sont basés sur différentes technologies telles que les bandes d'indication, les lasers de précision, les réflecteurs ou de simples traces de ruban adhésif. Alors que la plupart des entrepôts intralogistiques reposent encore aujourd'hui sur des chariots de manutention tels que les chariots élévateurs, que les chauffeurs conduisent à vue et sur appel, les AGV suivent un trajet programmé automatiquement. Pour ce faire, une trace visuelle peut être utilisée, par exemple, qu'un AGV peut suivre sur son chemin. Les goulots d'étranglement, les collisions ou autres obstacles dans le flux de travail peuvent ainsi être presque totalement éliminés. Cela rend toute la logistique interne d'une entreprise plus rapide et plus efficace. Le défi consiste uniquement à créer une infrastructure ouverte. Dans la logistique des transports, des véhicules autonomes et des drones peuvent être utilisés pour la livraison de colis, entre autres.

L'intelligence artificielle visuelle peut être utilisée pour la détection et la classification des dommages. Elle est beaucoup plus rapide et plus précise que des experts en chair et en os. Un exemple est l'utilisation de l'intelligence artificielle visuelle chez le géant de l'internet Amazon. Ici, les bacs contenant des articles sont déchargés dans un délai très court et leur contenu est classé par catégorie. 

L'intelligence artificielle visuelle ou la technologie du Deepl learning peuvent être utilisées pour la reconnaissance d'objets sans code barres, le comptage et la mesure de produits. Cela permet, par exemple, d'automatiser la réception des marchandises en identifiant les produits de manière indépendante, en déterminant les dimensions et le poids des produits et, si nécessaire, en lisant des informations supplémentaires. Les processus d'emballage peuvent être accélérés, par exemple, en éliminant la nécessité de scanner les produits et en affichant le schéma d'emballage en 3D ou en scannant automatiquement plusieurs codes à barres et codes QR à la fois. Les objets peuvent être comptés et mesurés simultanément grâce à l'IA et à la vision numérique. 

Au cœur d'un entrepôt intelligent se trouve un système de gestion des entrepôts intelligent (WMS) destiné à accroître la productivité et l'efficacité. Il visualise et utilise de manière cohérente les données relatives aux objets logistiques, découvre les anomalies avant que les problèmes ne surviennent et traite les informations pour obtenir des optimisations efficaces telles que la réduction du temps de parcours. Des solutions d'automatisation telles que les robots AI, les AGV, l'intelligence artificielle visuelle, la RFID, les solutions de pick-by, les lunettes de réalité argumentée et bien d'autres sont intégrées dans le système de gestion des entrepôts intelligent. Il est également possible de réaliser d'énormes économies d'énergie en intégrant des réseaux intelligents pour économiser l'électricité et des systèmes de refroidissement et de chauffage intelligents.

Références:

1 Comment l'intelligence artificielle révolutionne la logistique, Bito Expertise, Lien 

2 Bughin Jacques et al., Artificial Intelligence - The next digital frontier, McKinsey Global Institute, 2017, San Francisco Amsterdam Shanghai 

3 L'Allemagne apprend l'IA - Comment les entreprises utilisent les technologies numériques, Bitkom Research GmbH et Tata Consultancy Services, 2020, Francfort, www.studie-digitalisierung.de   

4 Dr. Rohleder Bernhard, Digitalisierung in der Logistik, Präsentation, Mars 2017, Bitkom e.V., Berlin, télécharger