Emploi
La plateforme s’appuie sur un algorithme génétique pour recommander des niveaux de stock optimaux et des stratégies de transport
Le Massachusetts Institute of Technology (MIT) Center for Transportation & Logistics et Mecalux ont développé un simulateur basé sur l’intelligence artificielle pour optimiser la répartition des stocks entre différents entrepôts au sein d’un même réseau logistique. La plateforme, baptisée Genetic Evaluation & Simulation for Inventory Strategy (GENESIS), utilise des modèles avancés de machine learning pour analyser des milliers de scénarios et déterminer le niveau de stock optimal pour chaque entrepôt, ainsi que le bon moment pour le renouveler.
Le simulateur d’IA prend en compte des variables telles que la demande prévisionnelle par région, les coûts de transport ou la capacité opérationnelle par entrepôt pour tester différentes politiques de renouvellement de stocks sans perturber les activités réelles. « L’algorithme génétique permet de réaliser plusieurs simulations à partir de différents paramètres afin d’identifier la stratégie logistique la plus efficace. Les entreprises peuvent comparer les scénarios et choisir celui qui convient le mieux à leur fonctionnement », explique le Dr Matthias Winkenbach, directeur de recherche au MIT Center for Transportation & Logistics et à l’Intelligent Logistics Systems Lab.
Une fois les données et les variables renseignées dans le système, GENESIS génère la solution optimale et fournit des tableaux de bord avec des statistiques avancées. L’utilisateur peut ainsi examiner des indicateurs tels que les modèles de consommation, les régions où la demande fluctue fortement, les références présentant un risque élevé de rupture de stock ou encore les entrepôts présentant des problèmes d’approvisionnement.
Redistribuer plutôt qu’acheter
L’une des principales fonctionnalités du système GENESIS est la possibilité de rééquilibrer les stocks entre les entrepôts. Ainsi, avant de passer automatiquement commande auprès d’un fournisseur, l’outil détermine s’il est plus judicieux de transférer des marchandises depuis un autre site du réseau disposant d’un excédent de stock. De cette manière, les entreprises peuvent mieux exploiter leurs stocks disponibles et réduire leurs coûts.
Le système donne également des conseils sur l’organisation du transport. Il indique par exemple s’il est préférable de regrouper les expéditions pour optimiser le remplissage des camions, ou si certaines commandes doivent être livrées à partir d’un site spécifique pour réduire les délais et les coûts.
« Le véritable défi a été, plutôt que de trouver le bon algorithme, de le rendre suffisamment rapide pour en faire un outil pratique. Nous avons développé GENESIS en partant de zéro pour pouvoir évaluer des milliers de scénarios simultanément plutôt que séquentiellement. Ce qui nécessitait auparavant plusieurs jours peut désormais être résolu en quelques minutes. Les entreprises peuvent s’appuyer sur cette technologie pour mettre en place une véritable planification stratégique, au-delà des analyses théoriques », confirme Rodrigo Hermosilla, chercheur au MIT Intelligent Logistics Systems Lab.
Contrairement à certaines solutions d’analyse réservées à un public spécialisé, GENESIS a été conçue pour convenir non seulement aux profils techniques, mais aussi aux décideurs. « Son objectif est de permettre aux entreprises de minimiser leurs coûts logistiques globaux tout en assurant un niveau de service maximal », déclare Javier Carrillo, PDG de Mecalux.
Les applications de l’IA à venir
Ce simulateur constitue l’un des premiers résultats concrets de la collaboration entre Mecalux et le MIT CTL. Une nouvelle phase s’ouvre désormais, consacrée à l’application de l’IA à d’autres processus logistiques, tels que le réapprovisionnement interne, l’utilisation de jumeaux numériques dans les systèmes de stockage automatisés à haute densité et l’optimisation du positionnement des produits.