Hamid Montazeri, Senior Vice-Président du Logiciel et de l’Intelligence Artificielle chez Locus Robotics – Série d’entretiens

En tant que Senior Vice-Président (SVP) du Logiciel et de l’Intelligence Artificielle chez Locus Robotics, Hamid Montazeri apporte plus de 30 ans d’expérience dans la direction et la mise à l’échelle d’équipes réparties dans le monde entier. Il se spécialise dans l’architecture logicielle modulaire et évolutivaire, ainsi que dans l’application de technologies de transformation telles que le cloud, l’Internet des objets (IoT), les données massives et l’IA/ML. Tout au long de sa carrière, Hamid a fourni des solutions et des produits différenciés pour des entreprises allant des startups aux multinationales, alimentant des applications dans la robotique autonome, l’automatisation intelligente des entrepôts et les systèmes de chaîne d’approvisionnement qui desservent des industries du monde entier.

Locus Robotics conçoit et livre des solutions d’automatisation d’entrepôt alimentées par l’IA en combinant des robots mobiles autonomes avec un logiciel intelligent. Leur plateforme, appelée LocusONE, orchestre des flottes de robots pour effectuer des tâches telles que la prise, la mise en stock, le transport et les opérations de mezzanine, augmentant la productivité de deux à trois fois tout en réduisant les coûts de main-d’œuvre. Le système s’intègre sans effort dans les environnements d’entrepôt existants et s’adapte de manière flexible, permettant aux opérations de déployer quelques robots ou des milliers sans perturbation majeure.

Vous avez occupé des postes de direction dans des organisations allant de CNN à Stanley Black & Decker, Dematic, KION Group, et maintenant Locus Robotics. Comment ce parcours diversifié a-t-il façonné votre perspective sur les domaines où l’IA et la robotique peuvent avoir le plus d’impact ?

En occupant des postes techniques qui travaillent en étroite collaboration avec l’IA et le logiciel pendant plus de trois décennies, ma perspective a été fortement influencée par la façon dont j’ai vu l’industrie évoluer.

Lorsque j’ai commencé, l’industrie se trouvait à une époque où les efforts de développement logiciel adoptaient la transition de la programmation structurée à la programmation orientée objet, ainsi que de la monolithique à des composants logiciels pouvant s’exécuter sur différents processus de système d’exploitation et utiliser la communication inter-processus pour atteindre des objectifs de manière distribuée. Nous étions au seuil d’un grand changement, éloignant le logiciel de l’exécution sur une machine particulière pour le rendre distribué en utilisant les technologies de communication inter-processus et/ou de réseau. Au fil du temps, cet accent a changé pour se concentrer sur différents domaines, conduisant à de nouveaux développements, de la programmation des systèmes sous-jacents pour exploiter les capacités émergentes de réseau et d’Internet pour augmenter la scalabilité des systèmes, ainsi que les déploiements, le stockage, conduisant à l’éventuel développement du cloud.

Ces changements ont été essentiels pour l’industrie, car ils ont progressivement apporté un niveau d’élasticité de calcul et de stockage, et ont introduit de nouvelles opportunités pour l’IA et la robotique. Ces progrès ont continué à mesure que j’ai progressé dans ma carrière, et j’ai eu un aperçu de première main de l’impact que l’IA et la robotique peuvent avoir, en particulier dans les industries de la chaîne d’approvisionnement et de la logistique. Nous sommes maintenant à un stade où les robots possèdent la capacité, en termes de calcul, de stockage et d’IA, de naviguer et d’opérer avec précision dans des environnements denses et complexes, tels que les entrepôts, et de délivrer un impact commercial majeur, y compris la réduction des coûts, l’amélioration du débit, la flexibilité accrue et les performances du travail améliorées.

Qu’est-ce que signifie « l’IA physique » dans le contexte de l’automatisation des entrepôts, et comment diffère-t-elle des modèles de robotique ou d’IA plus traditionnels ?

L’IA physique est l’avenir de la logistique et de l’automatisation des entrepôts. C’est le fondement qui alimente les opérations autonomes grâce à une combinaison de perception en temps réel, de prise de décision et d’apprentissage continu, permettant aux robots de optimiser chaque décision instantanément.

Avec l’IA physique, les robots ne sont pas seulement capables de déplacer des biens dans des environnements hautement structurés et à configuration fixe. Ils sont équipés d’une intelligence qui va au-delà de la mémorisation d’un plan d’entrepôt spécifique et du déplacement d’objets d’un point A à un point B. Si les choses changent dans leur environnement, ils peuvent s’adapter automatiquement et réorganiser la planification pour prendre les meilleures décisions en fonction des conditions actuelles.

Les robots qui n’utilisent pas l’IA physique seront de plus en plus limités dans leur applicabilité. Intéressant, même l’application de modèles de fondation modernes généraux n’est pas très efficace pour créer le type d’IA physique qui répond aux besoins du domaine d’application. Lorsque l’on examine l’automatisation des entrepôts, l’objectif est d’avoir des processus aussi efficaces que possible, et les modèles génériques ne peuvent pas vraiment livrer cela. La réalité avec les modèles génériques est qu’ils ne sont pas conçus pour gérer efficacement les préoccupations spécifiques au domaine, telles que la navigation efficace et l’interaction avec les associés dans les environnements d’entrepôt. L’IA physique, équipée d’un modèle de fondation d’entrepôt spécialement développé, offre une approche conçue à cet effet qui garantit que les robots fonctionnent de la manière la plus efficace possible, avec la capacité de s’adapter et de s’ajuster automatiquement pour livrer le meilleur résultat à tout moment.

Comment les systèmes de robotique alimentés par l’IA s’adaptent-ils à des environnements en constante évolution, tels que de nouveaux SKU, des changements de disposition ou des pics soudains de demande ?

Ces domaines sont tous ceux où l’IA physique, équipée d’un modèle de fondation de domaine sous-jacent, excelle. Lorsque la demande augmente, les dispositions changent ou de nouveaux SKU sont introduits, les robots alimentés par l’IA physique sont équipés pour naviguer sans effort dans le changement constant.

C’est pourquoi les robots alimentés par l’IA physique sont optimaux pour la logistique. Cette approche conçue à cet effet peut en fait suivre le rythme du flux constant que l’industrie rencontre généralement.

Pourquoi croyez-vous que l’IA spécifique au domaine est plus efficace que la poursuite de modèles de fondation généraux lorsqu’il s’agit de chaîne d’approvisionnement et de logistique ?

L’IA spécifique au domaine est la plus efficace pour la chaîne d’approvisionnement et la logistique en général, mais plus particulièrement dans l’automatisation des entrepôts.

Lorsqu’il s’agit de l’automatisation des entrepôts, avoir des modèles spécifiques au domaine est ce qui amène finalement l’automatisation au niveau suivant. Un modèle de fondation général n’est pas conçu pour gérer les défis que les environnements d’entrepôt rencontrent généralement, comme la sécurité et la navigation dans des dispositions complexes, ce qui signifie que lorsque ces défis surviennent, les opérateurs continueront à subir le fardeau de ces obstacles.

À l’inverse, les modèles spécifiques au domaine sont alimentés par l’expertise nécessaire de l’industrie pour comprendre comment résoudre réellement ces défis. L’utilisation de modèles spécifiques au domaine soulage la pression sur les opérateurs et applique automatiquement l’expertise du domaine pour offrir et appliquer des solutions aux défis à mesure qu’ils surviennent.

Quels résultats mesurables avez-vous constatés suite au déploiement de l’IA physique dans les entrepôts, que ce soit en termes de débit, de réduction des temps d’arrêt ou de taux d’erreur ? 

Chez Locus Robotics, nos solutions alimentées par l’IA physique conçue à cet effet ont livré des résultats impactants dans les entrepôts de nos clients, notamment:

• Amélioration de la précision des commandes à 99%
• Diminution des taux d’erreur 04% à 0,01%
• Réduction des temps d’arrêt en mettant les sites en ligne en quelques semaines au lieu de mois
• Amélioration du débit, permettant aux clients de doubler ou de tripler leur débit opérationnel

Comment abordez-vous la sécurité, la fiabilité et la surveillance humaine lors du déploiement de systèmes autonomes dans des opérations à haute volume ?

Lors de l’automatisation d’opérations à haute volume comme les entrepôts, l’approche de la sécurité, de la fiabilité et de la surveillance humaine commence avec les solutions que vous sélectionnez.

Ces domaines sont critiques dans le processus de conception et soulignent pourquoi ceux qui cherchent à automatiser devraient donner la priorité à des solutions conçues à cet effet lors du processus de prise de décision.

Chez Locus Robotics, nos robots mobiles autonomes (AMR) sont conçus pour répondre aux normes de sécurité de l’industrie et les dépasser. Nos LocusBots utilisent des systèmes de sécurité multi-capteurs avec des caméras et des capteurs de détection de lumière et de distance (LiDAR) qui les aident à éviter les collisions et les obstacles, garantissant ainsi la sécurité des opérations d’entrepôt et des travailleurs.

La fiabilité est également au cœur de ce que nous faisons. Pour les opérateurs d’entrepôt, négocier constamment les pics de demande est une réalité de l’entreprise dans laquelle ils sont, mais nous croyons que cela ne doit pas être un point de douleur. Chez Locus Robotics, notre modèle de robotique en tant que service (RaaS) permet aux opérateurs d’automatiser leurs environnements d’entrepôt sans les coûts initiaux ou les investissements de temps que l’automatisation exige généralement. Au lieu de cela, nos solutions permettent aux opérateurs de s’adapter automatiquement à la demande, en garantissant qu’ils soient toujours équipés pour faire face aux pics de demande à mesure qu’ils se présentent.

Dans les opérations à haute volume, la surveillance humaine sera toujours nécessaire, mais la clé de l’automatisation réussie est de mettre en œuvre des solutions capables de prendre plus de responsabilités. Un facteur de différenciation clé des AMR de Locus est notre combinaison de techniques de simulation d’événements discrets (DES) avec des modèles d’autonomie de robot détaillés, qui permet aux opérateurs de concevoir des concepts d’opération et de simuler avec précision l’utilisation la plus efficace des robots dans leurs environnements, aidant ainsi à rationaliser le temps de prise et à garantir que les commandes sont expédiées à temps, deux éléments essentiels pour tous les opérateurs.

Quels défis surgissent lors de l’intégration de la robotique alimentée par l’IA avec les systèmes de gestion d’entrepôt et de planification des ressources d’entreprise (ERP) existants, et comment les abordez-vous ?

Le temps d’implémentation de l’intégration est généralement considéré comme le plus grand défi qui accompagne l’automatisation. Les opérateurs devront examiner leurs piles technologiques existantes et envisager de s’éloigner des systèmes hérités obsolètes. Étant donné que l’IA utilise de vastes quantités de données, ils voudront également examiner leur infrastructure existante pour s’assurer qu’elle est en mesure de supporter et de prendre en charge les modèles d’IA.

En fonction des solutions qu’ils sélectionnent, les opérateurs peuvent se retrouver dans une situation où leur transition nécessite un engagement important en temps, car ils peuvent devoir migrer des systèmes et subir une formation approfondie pour leur main-d’œuvre.

Locus Robotics vise à éliminer le temps en tant que défi pour les opérateurs. Nos AMR sont conçus pour s’intégrer sans effort à ces systèmes, aidant les clients à éviter l’investissement de temps coûteux et l’effort de formation nécessaires pour la transition et la formation avec d’autres solutions sur le marché.

À quel point ces solutions sont-elles évolutives dans différents entrepôts et géographies, et quelle est l’étendue de la personnalisation généralement requise ?

La facilité d’évolutivité est ce qui rend l’automatisation flexible idéale pour les environnements d’entrepôt. Les systèmes d’automatisation traditionnels nécessitent des coûts initiaux importants et un engagement à long terme.

L’automatisation qui utilise un modèle de robotique en tant que service (RaaS), comme Locus Robotics, permet aux entrepôts de déployer et d’ajuster sans effort la taille de leur flotte en fonction de la demande. Cela signifie que, à mesure que la demande fluctue, les opérateurs peuvent adapter leurs opérations en conséquence dans leurs entrepôts.

En tant que leader mondial de l’automatisation des entrepôts, nos solutions sont évolutives dans toutes les géographies pour nos clients. Nos tableaux de bord offrent des informations en temps réel sur les principaux indicateurs de performance des entrepôts, tels que les unités et les prises par heure, ainsi que la productivité des travailleurs. Cette visibilité unifiée permet aux opérateurs de mettre facilement à l’échelle les solutions dans leurs environnements, en répondant aux besoins opérationnels en fonction des exigences spécifiques de chaque entrepôt.

Avec les solutions Locus Robotics, la personnalisation est facilement prise en charge sans aucun effort de la part des clients ; les choses sont conçues pour aider chaque client à évoluer en fonction de ses propres besoins uniques. 

Comment ces technologies changent-elles le rôle des travailleurs humains dans les entrepôts, et quels types de formation ou de gestion du changement sont nécessaires ?

Les robots mobiles autonomes (AMR) redéfinissent complètement les postes de travail standard dans les entrepôts pour les travailleurs humains en créant des environnements de travail plus sûrs et en ouvrant de nouvelles opportunités pour la main-d’œuvre humaine.

Locus Robotics propose une approche unique et intuitive pour l’interaction entre les AMR et les associés, et rend la formation et la gestion du changement pour le déploiement et l’exploitation de l’automatisation des robots une tâche très légère pour les opérateurs. Par exemple, lors du déploiement de LocusBots sur site, la formation peut permettre aux associés de commencer à travailler avec les robots en 10 minutes ou moins, ce qui signifie que les opérateurs et les employés n’ont pas à s’inquiéter d’être retardés par des formations stressantes et coûteuses en temps.

Les AMR peuvent réduire la charge de travail physique intense, minimisant le risque de blessures et de fatigue des travailleurs humains. En prenant en charge des responsabilités telles que le levage d’objets lourds et les déplacements à longue distance dans l’entrepôt, les AMR améliorent les conditions pour les travailleurs humains en prenant en charge les tâches qui nécessitent des efforts ardus. Ils peuvent également soulager les travailleurs humains de tâches répétitives, comme la prise, offrant ainsi l’opportunité de se concentrer sur des tâches plus complexes.

L’introduction d’AMR dans les entrepôts est une excellente occasion d’améliorer les rôles des travailleurs humains. Ceux qui cherchent à automatiser devraient également se concentrer sur l’identification des opportunités de formation que cela apporte à leur main-d’œuvre humaine pour explorer des responsabilités plus élevées et identifier les domaines où de nouveaux rôles peuvent être introduits, y compris des postes qui travaillent directement avec les robots, comme des analystes qui surveillent les données de performance des robots.

Pouvez-vous partager quels types de modèles et d’approches d’IA alimentent ces systèmes, et s’ils fonctionnent plus sur le bord ou dans le cloud ? 

Chez Locus Robotics, nos solutions d’IA se concentrent sur trois traits : physique (IA intégrée à l’entrepôt et conçue pour s’adapter à son environnement), fiable (IA capable d’expliquer ses décisions) et holistique (IA qui orchestre l’entrepôt en tant que système et non seulement alimente un robot ou une tâche unique). Pour nous, il s’agit de construire une IA qui comprend vraiment l’entrepôt et peut livrer des résultats réels pour les environnements de nos clients.

Les données sont la base de tout modèle, et l’expertise approfondie de l’industrie de Locus, associée à notre trésor de données du monde réel, y compris près de 6 milliards d’unités prises, nous permet de construire des modèles spécifiques au domaine et de développer des systèmes conçus pour être les premiers dans l’entrepôt.

Chez Locus Robotics, nous exploitons l’IA à la fois sur le bord et dans le cloud : nos AMR utilisent l’IA de bord pour accomplir ce que l’IA physique et fiable exige, tandis que notre stratégie de « système d’enregistrement des actions » et notre modèle de fondation d’entrepôt tirent parti de la puissance de calcul évolutivaire que le cloud offre.

En regardant cinq ans à l’avance, quels progrès ou changements majeurs attendez-vous dans la robotique alimentée par l’IA pour la logistique et la chaîne d’approvisionnement ?

Le plus grand changement que nous verrons est que l’IA physique dominera. À mesure que les entreprises continueront à examiner le retour sur investissement (RSI) qu’elles obtiennent de leurs investissements dans l’IA, les opérateurs évalueront de près les résultats qu’ils voient de l’automatisation.

Nous pouvons nous attendre à ce que ceux qui ont alloué des budgets pour l’automatisation avec des solutions qui ne sont pas conçues à cet effet ne voient pas le RSI dans leurs entrepôts qu’ils espèrent. Les solutions qui ne sont pas alimentées par l’IA physique manquent de la compréhension nécessaire pour exceller dans ces environnements. Cela incitera les opérateurs à donner la priorité à l’allocation de budgets pour les solutions d’IA physique, qui peuvent optimiser chaque décision en temps réel et livrer les résultats qu’ils recherchent.

Parallèlement à la montée en puissance de l’IA physique, nous verrons également la robotique dans la logistique et la chaîne d’approvisionnement s’éloigner des modèles de fondation généraux pour se concentrer sur le développement de modèles spécifiques au domaine. Comme mentionné, les opérateurs rechercheront des moyens d’augmenter leur RSI, et les solutions qui utilisent des modèles spécifiques au domaine sont un élément essentiel de cela.

Pour que l’IA réussisse, nous verrons l’industrie acquérir une meilleure compréhension de pourquoi nous devons investir dans l’IA qui bénéficie de et intègre une expertise de domaine réelle. Par conséquent, nous nous concentrerons sur la mise en œuvre de ressources et de développement derrière l’IA conçue pour prospérer dans les environnements de la chaîne d’approvisionnement et de la logistique.

Merci pour cette grande interview, les lecteurs qui souhaitent en savoir plus peuvent visiter Locus Robotics.