3 façons dont l’apprentissage automatique transforme l’industrie de la logistique

Les entreprises de logistique utilisent l’intelligence artificielle et l’apprentissage automatique pour garantir les meilleurs résultats et maintenir la productivité à son niveau le plus élevé, prendre de meilleures décisions commerciales, et rester compétitifs. L’importance de l’IA dans ce secteur est énorme. On estime que dans les 20 prochaines années, les entreprises tireront entre 1 300 milliards et 2 000 milliards de dollars par an en valeur économique grâce à cette technologie avancée dans la fabrication et les chaînes d’approvisionnement mondiales.

Si vous vous demandez toujours comment l’IA et l’apprentissage automatique peuvent aider votre entreprise, jetez un coup d’œil à certains cas d’utilisation passionnants et décidez si c’est la solution pour vous.

1. Logiciel de planification de route basé sur l’IA

​​Choisir la route optimale, planifier des pauses pour les conducteurs et éviter les chemins les plus encombrés et les plus dangereux font partie des nombreux défis qui font partie du travail quotidien dans l’industrie de la logistique.

Selon Goldman Sachs, lorsque l’on parle de la livraison de seulement 25 colis, les routes possibles atteignent environ 15 billions de billions. Et c’est là que l’apprentissage automatique vient à la rescousse. Le logiciel de planification de route basé sur l’apprentissage automatique peut analyser toutes les options pour choisir la solution optimale en termes de coûts, de délais applicables et d’événements routiers imprévus nécessitant des décisions immédiates.

Sur la base des grandes bases de données fournies au système, telles que des informations sur l’efficacité énergétique, les accidents de la route ou les obstacles possibles, la taille du véhicule et les horaires de travail des autres conducteurs, l’optimisation de route en temps réel les algorithmes déterminent la meilleure route pour les conducteurs. Ils sont basés sur le cloud, donc toutes les informations sont fournies en temps réel et peuvent être accessibles par les dispatchers, les conducteurs, les gestionnaires et d’autres employés, tels que les gestionnaires de compte, pour informer les clients sur l’heure de livraison prévue.

Sur la base de l’apprentissage automatique, le logiciel d’optimisation de route peut apporter de nombreux avantages à votre entreprise, tels que :

• Amélioration de l’expérience client : Avec des estimations de temps de livraison plus précises, les clients seront plus satisfaits de votre service et plus susceptibles de vous donner des commentaires positifs. De plus, vous pouvez également introduire des notifications sur une livraison à venir par e-mail ou SMS.
• Économies de coûts : L’un des principaux avantages de l’apprentissage automatique est généralement l’économie de temps et d’argent. C’est vrai ici, car les systèmes d’optimisation de route surveillent la consommation de carburant et suggèrent les routes les plus rentables.
• Surveillance de la performance des conducteurs : Un système basé sur le cloud et sur l’apprentissage automatique vous aide à superviser le travail de vos employés et à vous assurer qu’ils effectuent leurs tâches de manière fiable. Vous pouvez également vous assurer qu’ils suivent les règles de la route et leur horaire de travail. De plus, le fait que les gestionnaires aient accès à ces informations peut accroître l’efficacité et la productivité des employés.
• Suivi des KPI : Avec des informations clés telles que le temps de trajet, les coûts de carburant et la productivité des employés, vous pouvez mieux surveiller les performances de votre entreprise et réagir plus rapidement si un élément nécessite une amélioration.

Un exemple réel où l’optimisation de route algorithmique a amélioré les revenus dans l’industrie de la logistique est cette étude de cas de McKinsey. Leur client était une entreprise logistique asiatique qui a demandé à la société de technologie de résoudre son problème de correspondance entre l’offre de flotte et les routes et les exigences des clients.

Comment ont-ils réussi à le faire ?

Tout d’abord, l’équipe de McKinsey a collecté toutes les données essentielles sur leurs processus pour trouver des problèmes à améliorer. Ils ont analysé des informations vitales telles que les emplacements des clients, les emplacements des hubs et les ressources de flotte. Cette information leur a permis de créer un modèle d’optimisation de route qui génère des horaires personnalisés pour tous les véhicules. Avec cette solution, ils ont pu améliorer la gestion dans de nombreux domaines, en tenant compte de facteurs tels que :

• Type de véhicule
• Coût d’utilisation
• Charges maximales
• Temps de trajet

Qu’est-ce qui se cache derrière leur succès ?

C’était à la fois l’expérience et les algorithmes d’apprentissage automatique de pointe qu’ils ont utilisés pour créer cette solution. Par exemple, ils ont utilisé le modèle d’algorithme d’optimisation de réseau (NOAH) pour créer des guides visuels dans les cartes quotidiennes des routes. De plus, ils ont fourni une application mobile affichant des données en temps réel, ce qui a facilité le travail à la fois pour les dispatchers et les conducteurs.

En conséquence, leur solution a réduit les coûts de 3,6 % et a augmenté les efficacités du réseau de ligne de charge, ce qui a conduit à une augmentation de profit de 16 %.

2. Chatbots dans la logistique

Saviez-vous que jusqu’à 97 % des personnes disent que de mauvais services client ont un impact sur leurs intentions d’achat ? Cependant, une autre ressource indique que 36 % des clients sont toujours frustrés par le fait que les entreprises ne répondent pas à leurs simples questions.

Ces données montrent l’importance d’avoir un chatbot pour répondre aux clients immédiatement afin d’économiser du temps et d’améliorer l’expérience client. Les assistants virtuels utilisent le traitement du langage naturel pour discuter avec les gens sur un chat, généralement directement sur la page d’accueil de l’entreprise. Ils sont construits avec des algorithmes qui peuvent reconnaître la question posée et puis correspondre à la réponse. Supposons qu’un utilisateur pose une question incompréhensible pour laquelle il n’y a pas de réponse dans la base de données. Dans ce cas, le chatbot essaie de correspondre à l’une des réponses de “secours” ou d’apprendre de nouveaux modèles à partir du client pour utiliser ces informations la prochaine fois qu’une question similaire est posée.

Un chatbot a une certaine quantité de connaissances sur une entreprise et ses produits ou services. Il peut utiliser ses bases de données ou puiser des informations à partir de sources externes. Le conseiller virtuel répond aux questions et conduit la conversation lui-même, en dirigeant la conversation vers des sujets liés aux activités de l’entreprise ou en suggérant une visite d’une page liée.

5 avantages clés des chatbots

Toujours pas sûr que les chatbots soient une bonne solution pour votre entreprise ? Il suffit de jeter un coup d’œil à cinq avantages clés de leur mise en œuvre dans une entreprise de logistique.

1. Réponses immédiates 24/7/365

Dans les entreprises de logistique, le contact client est crucial. Par exemple, DHL propose trois formulaires de contact différents :

• E-mail au service client
• Contact téléphonique
• Chatbot 24/7

Le chatbot permet aux clients d’obtenir des informations instantanées sur le statut d’expédition, le prix, l’heure de livraison prévue d’un colis et plus encore.

Pourquoi est-ce important ?

Aujourd’hui, 77 % des personnes s’attendent à des réponses immédiates du chat en ligne à tout moment de la journée ou de la nuit. Les chatbots peuvent travailler tout le temps, même lorsque vos employés ne travaillent pas (en plus, ils ne seront jamais fatigués).

La mise en œuvre d’un chatbot toujours disponible améliore considérablement l’expérience utilisateur. Par exemple, avec le chatbot Helmi créé par GetJenny, The Foundation for Student Housing in the Helsinki Region a noté une augmentation de son score de satisfaction du service client global de 4,11 à 4,26.

2. Meilleure navigation du site Web

Saviez-vous que 34 % des clients sont frustrés par une navigation de site difficile ?

Les chatbots peuvent résoudre ce problème en aidant les visiteurs à naviguer sur le site et à trouver rapidement les informations qui les intéressent. Ils vous aident à créer une image de marque positive et une expérience client personnalisée. Donc, si vous vous souciez de construire la satisfaction et la loyauté de la marque parmi vos clients, un chatbot peut être un excellent premier pas.

Un exemple intéressant de chatbot qui vous aide à trouver toutes les informations sur un produit est le chatbot Alex, disponible sur le site Web Intellexer Summarizer. Lorsque vous lui posez une question, vous recevrez un message avec un lien vers une page où vous pouvez trouver des informations d’intérêt.

Source: https://summarizer.intellexer.com/

Pour créer un tel bot, vous n’avez pas besoin de fournir et d’extraire beaucoup de données. Vous devez simplement traiter le contenu du site Web pour le fournir sous une forme appropriée. Ensuite, vous séparez les informations sur le contenu de la page et les données pour créer un flux de conversation logique. De plus, les chatbots apprennent en permanence, donc plus ils reçoivent de questions, plus leurs réponses seront précises. Souvent, ce type de chatbot est la première solution d’IA que les entreprises choisissent.

3. Assistance à la livraison

Les assistants virtuels peuvent être le premier contact avec les clients et recevoir des demandes de livraison de leur part. Comme d’autres solutions d’IA, ils peuvent soulager vos employés de nombreuses tâches répétitives, telles que la collecte d’informations sur les commandes. De plus, ils peuvent également exécuter immédiatement les demandes des clients liées à la livraison, telles que l’envoi d’une facture pour une commande ou l’information sur le statut de livraison.

4. Soutien complet aux employés

Les chatbots peuvent aider vos employés de nombreuses manières, de la paperasse à la passation de commandes et au traitement des paiements. Ils peuvent recevoir ou remplir des documents tels que des factures ou des demandes de paiement, et bien plus encore. Et lorsque les machines ont besoin d’une assistance humaine, ils envoient un message aux travailleurs humains pour effectuer la bonne prochaine étape.

Selon Bas Vogels, superviseur et formateur de l’équipe de service client de DHL : “Les employés ont beaucoup plus de temps pour résoudre des questions de clients complexes et prévenir les escalades. Le taux de satisfaction des employés a également augmenté de manière considérable.”

5. Suivi de la livraison en temps réel

Dans la logistique, le temps de livraison et les informations en temps réel sur le statut d’une commande sont cruciaux. Les chatbots s’assureront que vos clients n’aient pas à attendre une réponse. Un exemple réel de cette solution est l’étude de cas de RoboRobo. Ils ont créé un bot pour RPL qui informe les clients sur le statut de leur commande. Le chatbot permet aux clients de RPL de suivre l’emplacement de leur colis et de savoir quand il sera livré.

Les chatbots peuvent être utilisés dans de nombreux endroits, pas seulement sur un site Web. De plus en plus d’entreprises optent pour des chatbots disponibles sur Facebook, Skype, WhatsApp et d’autres canaux.

3. Résolution des problèmes de routage et de regroupement des cueilleurs dans les opérations d’entrepôt

Une autre tâche que l’intelligence artificielle remplit dans la logistique est de développer les méthodes les plus efficaces pour le flux de marchandises à la fois dans l’entrepôt et dans la phase de distribution.

Les systèmes de gestion d’entrepôt basés sur l’IA peuvent enregistrer toutes les activités et les processus qui se déroulent dans l’entrepôt. Le logiciel analyse les données historiques collectées et les utilise pour planifier la façon dont les équipements utilisés (robots et systèmes automatiques et semi-automatiques) géreront les charges. Surtout utile ici peut être l’apprentissage profond, l’analyse prédictive, la vision par ordinateur et le logiciel de reconnaissance de produits qui peuvent aider à reconnaître les objets dans l’entrepôt et effectuer une prévision étendue des actions qui seront nécessaires.

L’un des principaux objectifs des algorithmes d’apprentissage automatique est d’aider les personnes avec des tâches fastidieuses mais difficiles. Dans l’industrie de la logistique et de la fabrication, l’une de ces tâches est le routage des cueilleurs, que les machines peuvent également soutenir.

Un exemple passionnant est la solution créée par Nvidia pour Zalando, un géant du commerce électronique, qui reçoit des milliers de nouvelles commandes chaque heure. Leur solution basée sur l’IA a permis de résoudre deux problèmes.

​​1. Réduction du temps de routage des cueilleurs

Ils ont préparé une solution permettant un contrôle d’entrepôt avec un agencement “échelle de corde” (ce qui signifie que tous les produits sont stockés sur des étagères placées dans plusieurs rangées avec des allées). Étant donné qu’un travailleur doit récupérer des produits situés dans différentes parties de l’entrepôt, le système suggère la route la plus courte possible à travers l’entrepôt qui permet de cueillir tous les articles nécessaires.

Les développeurs de Nvidia ont créé l’algorithme OCaPi (Optimal Cart Pick) qui trouve le tour de cueillette optimal pour le travailleur et même pour les mouvements de la charrette du travailleur. Cela a permis aux travailleurs de Zalando d’arrêter d’utiliser l’heuristique de routage en forme de S et de planifier une route plus optimale.

2. Résolution du problème de regroupement

Chez Zalando, toutes les commandes doivent être attribuées à une liste de cueillette. Lorsque la liste est complète, les produits sont emballés pour le client.

Les développeurs de Nvidia ont essayé de créer une solution qui permet d’obtenir la somme des temps de trajet pour toutes les listes de cueillette aussi petite que possible, en supposant qu’un travailleur ne peut contenir que 10 articles dans la charrette. Ils ont analysé les tournées de cueillette OCaPi pour dix commandes de deux choses pour trouver les divisions les plus efficaces des commandes en listes de cueillette.

Quelles technologies peuvent réduire ces problèmes ?

Une technologie clé utilisée dans ces projets est l’algorithme OCaPi — une fonction hautement non linéaire qui a permis aux développeurs de calculer le temps de trajet, en tenant compte de différentes positions de cueillette. Cette solution leur a montré que le trajet dépend principalement du temps passé à cueillir un article du coin arrière, situé loin de tous les autres produits.

Pour rendre l’estimation du temps de trajet OCaPi encore plus rapide, ils ont utilisé le cadre de réseau neuronal Caffe et la bibliothèque de réseau neuronal convolutif cuDNN d’NVIDIA. Cela leur a permis de former quatre modèles en parallèle pour trouver une architecture de réseau neuronal très précise. En conséquence, leur système a permis à l’entreprise de réduire le temps de trajet par article cueilli d’environ 11 %.

De telles solutions basées sur l’apprentissage automatique permettent aux entreprises de :

• Augmenter la productivité
• Accélérer les temps de cueillette des commandes, ce qui se traduit par une satisfaction accrue des consommateurs
• Augmenter la satisfaction des employés dont le travail est soutenu par des solutions intelligentes
• Améliorer le flux de travail quotidien des employés
• Éliminer les erreurs humaines, car le calcul de la route est plus rapide et plus précis que si un humain le faisait.