L’IA au service de l’optimisation des processus dans l’entrepôt manuel

L’optimisation des processus consiste à analyser les procédures, à les documenter, à déceler les points faibles et à améliorer les procédures. Outre le fait d’assurer un meilleur fonctionnement et d’améliorer la qualité, les objectifs peuvent également être des économies de coûts (1). En raison du développement rapide de l’intelligence artificielle (IA) et des systèmes cyber-physiques, l’optimisation des processus se fait de plus en plus via l’IA. 

Dans l’entrepôt manuel, il existe de nombreuses applications possibles pour optimiser les processus et les échéances. Les méthodes classiques sont, par exemple, la cartographie de la chaîne de valeur, la cartographie des processus métier, la réingénierie des processus métier, la gestion intégrale de la qualité, le LEAN, les méthodes Kaizen, Six Sigma, de la tortue (2), 5S/ 5A et autres approches. Dans le contexte de la numérisation, cependant, de nouveaux développements tels que la cartographie numérique de la chaîne de valeur, le « Process Mining » ou le « Motion mining » gagnent de plus en plus de terrain. Grâce à ces applications, une grande quantité de données est collectée numériquement, de sorte qu’elles ne peuvent plus être évaluées et interprétées manuellement à l’aide de méthodes classiques. Ce défi est résolu par l’IA. Grâce aux analyses de Big Data, les structures et les dépendances des données peuvent être reconnues et identifiées, ce qui permet au concepteur d’une part, mais aussi aux responsables de l’entreprise d’autre part, de prendre diverses mesures ciblées afin d’optimiser les processus. 

Selon le Gabler Wirtschaftslexikon, l’intelligence artificielle (IA) est « l’étude du comportement intelligent de résolution de problèmes et la création de systèmes informatiques intelligents ». Elle traite des méthodes qui permettent à un ordinateur de résoudre des tâches dont la résolution nécessite l’intelligence des humains. « L’IA, avec ses nombreuses sous-disciplines, a déjà pénétré d’innombrables domaines industriels, techniques et sociaux. L’intelligence artificielle 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 profond), 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. 

Il existe des possibilités d’utilisation des applications d’IA, telles que le « Process mining » et le « Motion mining » mentionnés plus haut, dans presque tous les domaines de l’intralogistique. Il s’agit par exemple du transport au sein même de l’usine (chariots élévateurs à fourche et autres chariots de manutention, mais aussi des système de manutention continue), des analyses de processus avec les données de performance et de qualité correspondantes, et des analyses de mouvement pendant la préparation des commandes et de l’emballage. Un autre aspect essentiel, outre l’identification des déficiences de qualité et du « gaspillage », est l’amélioration de la conception ergonomique des processus de travail. À cette fin, un « jumeau numérique » - c’est-à-dire un modèle virtuel - de l’entrepôt est généralement créé. Grâce à ce jumeau virtuel, il est possible d’effectuer des simulations des opérations et des processus de l’entrepôt afin d’optimiser les emplacements de stockage. 

Le Process mining (exploration de processus) est une combinaison des termes gestion de processus et exploration de données. Elle offre la possibilité d’examiner les processus d’entreprise et d’identifier les possibilités d’optimisation. Les algorithmes d’exploration de données sont utilisés pour examiner de grandes quantités de données (Big Data) à la recherche de certains modèles. C’est-à-dire que les processus réels sont analysés sur la base des journaux d’événements des systèmes informatiques (informations provenant des journaux d’événements) à l’aide d’algorithmes. Les processus qui peuvent être examinés et optimisés dans une entreprise grâce à l’exploration des processus comprennent, par exemple, les processus de fabrication, les processus de la chaîne d’approvisionnement et les processus de vente. Les techniques d’exploration des processus sont de trois types : découverte, conformité et amélioration. Dans le cadre de la découverte, les processus sont analysés, reconnus et des modèles numériques des processus sont créés. La conformité permet d’évaluer la conformité des modèles de processus existants aux données actuelles. En d’autres termes, les modèles de processus existants sont validés et comparés aux nouvelles données. Enfin, l’amélioration est utilisée pour mettre à niveau les modèles de processus existants. Contrairement aux méthodes classiques d’analyse des processus, le Process mining est de nature holistique. Cela signifie que les interrelations et les dépendances de tous les processus commerciaux et de stockage sont incluses. Les processus sont représentés dans toute leur complexité grâce au Process mining. Le Process Mining se distingue des techniques classiques de création de modèles de processus par son haut degré d’automatisation. Les processus, les coûts et les délais de traitement des commandes peuvent être affichés en détail et de manière transparente grâce à un large éventail d’options de visualisation. Cela permet également de réagir rapidement et efficacement aux changements et d’anticiper les problèmes qui pourraient survenir à l’avenir. Les sources de problèmes et de déviations deviennent également visibles grâce au Process mining. En particulier à l’ère numérique de l’industrie 4.0 et de la logistique 4.0, les entreprises doivent constamment adapter leurs processus de manière flexible et optimale afin de rester compétitives. Grâce au Process mining, une entreprise peut mieux comprendre le fonctionnement de ses processus commerciaux et savoir où se trouve le potentiel d’amélioration. La technologie du Process mining est considérée comme une technologie clé pour créer un jumeau numérique de l’entrepôt ou de l’entreprise entière (3). 

La technologie du « Motion mining » (4) peut être utilisée pour enregistrer automatiquement, efficacement et anonymement des données et optimiser les processus de travail manuels en termes d’ergonomie et d’efficacité, dans un large éventail de domaines d’application tels que la logistique et les chaînes d’approvisionnement ainsi que l’intralogistique. Pour enregistrer les données, les magasiniers portent des dispositifs portables (capteurs mobiles) au poignet et à la ceinture. Grâce aux capteurs intégrés, les mouvements pendant les différentes opérations peuvent être enregistrés et détectés avec précision. Tous les procédures peuvent être effectuées confortablement et comme d’habitude sans être gênés par les Wearables. Afin d’analyser plus précisément l’interaction homme-technologie, les outils - tels que le matériel de transport ou les chariots élévateurs - peuvent également être équipés de capteurs spéciaux. Grâce à des émetteurs radio miniatures avec une source d’énergie intégrée (balises), les collaborateurs et les activités sont localisés. L’avantage des balises est qu’elles peuvent être placées facilement et rapidement dans les zones de traitement respectives. L’équipement de mesure détecte les signaux radio des émetteurs et calcule ainsi l’emplacement actuel, de manière similaire au GPS. Comme toutes les valeurs mesurées (données d’activité et de localisation) sont toujours collectées sans fournir de référence au collaborateur, toujours dans le respect du champ d’application du RGPD. L’importante quantité de données obtenues est automatiquement analysée par une intelligence artificielle. L’attribution des activités et des étapes du processus s’effectue par le biais d’une procédure de reconnaissance des formes spécialement développée, basée sur l’apprentissage profond. L’intelligence artificielle reconnaît indépendamment les différentes procédures et les composantes du processus, comme le temps d’attente, le temps de trajet ou le temps de traitement. Le catalogue de reconnaissance intégré comprend de nombreuses activités différentes et peut être complété par de nouvelles activités si nécessaire. Grâce aux analyses d’ergonomie, les mauvaises postures du corps, le travail en hauteur ou les distances de marche peuvent également être analysés. En outre, la technologie offre également des analyses spécifiques à un lieu, des indicateurs d’activité et l’évaluation de l’utilisation des véhicules et des aides. Les analyses peuvent être présentées sous forme de chiffres clés ou dans de nombreux formats différents tels que des diagrammes circulaires, des graphiques (diragrammes à barres), des diagrammes boxplot (en boîte) et des Heatmaps (diagrammes en couleur). Il est également possible d’effectuer des évaluations statistiques sur une certaine période et de quantifier ainsi les dépenses et les fluctuations. En combinaison avec les données du système de gestion des entrepôts (WMS), une référence au programme de production peut également être établie. En général, le Motion mining peut être utilisé pour optimiser les procédures (ergonomie et efficacité), collecter des données valides, effectuer des mesures sans intégration informatique, garantir l’anonymat des données et économiser du temps et à moindre coût. 

Références:

1 Expertise BITO, Optimisation du processus dans la logistique de production, Lien 

2 Expertise BITO, Le « Process mining » optimise les processus commerciaux 

3 Scurry Maria, How Process Mining Enables the Digital Twin of an Organization (DTO), Lien 

4 Motion-Mining®, Analyse et optimisation automatisée et anonyme des processus manuels, Lien