Interview de Selene Silvestri, chercheuse au MIT CTL

Mecalux s’entretient avec Selene Silvestri, chercheuse du MIT CTL, au sujet du projet de gestion distribuée des commandes dans lequel elle travaille dans le cadre de la collaboration scientifique entre le MIT et Mecalux.

• Comment le projet mené conjointement par le MIT et Mecalux contribuera-t-il à mieux organiser les stocks sur le réseau de distribution ?

  L’affectation et la gestion des stocks dans les entrepôts et les magasins sont des processus très complexes. La plupart des entreprises les abordent actuellement avec des hypothèses simplifiées, basées sur des règles ou l’expérience humaine. Cependant, ces méthodes entraînent des ruptures de stock, des coûts inefficaces, et des déchets et émissions inutiles. L’objectif du projet de gestion des stocks sur lequel nous travaillons en collaboration avec Mecalux vise à développer une solution basée sur l’apprentissage pour aider les organisations à identifier la meilleure répartition de leur marchandises. Cela veut dire déterminer l’instant et l’endroit optimaux pour affecter les stocks sur le réseau de distribution.

  L’algorithme sélectionne, parmi les milliers de stratégies prises en compte, celles offrant le meilleur équilibre entre les coûts et le niveau de service

• Comment l’intelligence prescriptive est-elle utilisée dans le cadre de cette recherche ?

  L’intelligence prescriptive permet d’identifier les meilleures stratégies pour gérer et affecter les stocks dans les réseaux de la chaîne logistique. En s’appuyant à la fois sur l’analyse des données historiques, les théories de gestion des stocks et des algorithmes d’optimisation avancés, nos approches accompagnent les entreprises dans leur prise de décision.

  À l’aide de simulations et d’algorithmes évolutifs, nous pouvons analyser des milliers de scénarios, mais aussi des milliers de stratégies différentes pour optimiser les stocks dans la supply chain. L’algorithme que nous développons sélectionne, parmi toutes les possibilités prises en compte, celles offrant le meilleur équilibre entre les coûts et le niveau de service. L’idée est que les entreprises puissent appliquer cet algorithme pour dynamiser leurs opérations et éliminer ainsi les ruptures de stock, réduire le surstockage et améliorer les performances globales de leur chaîne d’approvisionnement.

• Vous utilisez des algorithmes inspirés de la biologie. Pouvez-vous nous donner un exemple ?

  

  Ce que nous développons c’est un algorithme génétique, c’est-à-dire un algorithme imitant l’évolution naturelle d’une population. Ce type d’algorithme s’avère très efficace pour résoudre des problèmes d’optimisation à grande échelle.

  Dans le cadre de la gestion des stocks, nous sélectionnons d’abord plusieurs possibilités d’affectations au sein du réseau de la chaîne logistique. L’algorithme applique ensuite, à cette population initiale, des croisements, des recombinaisons ou des reproductions pour trouver de nouvelles solutions. Ces dernières héritent des caractéristiques de leurs solutions parents et évoluent au fil du processus. Avec le temps, l’algorithme sélectionnera, parmi toutes les solutions réalisables, celles qui seront les plus adaptées. Autrement dit, celles offrant le meilleur équilibre coût-service auront une plus grande probabilité d’être choisies pour créer de nouvelles solutions.

• De quelle manière ce projet permettra-t-il aux entreprises d’optimiser l’affectation de leurs stocks ?

  Nous sommes convaincus que dans les prochaines années les entreprises vont de plus en plus utiliser des solutions exploitant l’IA et des algorithmes basés sur l’apprentissage. Notre but est d’intégrer ces résultats avec ceux d’un autre projet de recherche, toujours en collaboration avec Mecalux, visant à perfectionner l’exécution des commandes. Il s’agit finalement d’avoir une solution unique intégrant la gestion des stocks et l’exécution des commandes, de créer une solution offrant une visibilité complète de l’ensemble de la supply chain et de ses flux, des fournisseurs au client. De cette manière, nous ne dépendrons plus des outils d’optimisation des stocks qui ne tiennent pas compte de la demande, ainsi que des solutions entièrement axées sur l’exécution des commandes qui négligent la disponibilité des stocks.