Afin d’accompagner nos clients au travers de ces 3 domaines, Sopra Steria a développé différents assets d’IA et accélérateurs permettant de réduire les coûts et le “time-to-value” dans la mise en place d’un projet.
#1 : La gestion des incertitudes
Par nature, la visibilité des opérations non planifiées de maintenance ou autre opération post-sales est très faible, et de surcroit difficile à prévoir. Les demandes émanant des clients sont généralement
issues de casses ou d’usures inattendues, ou évènements exogènes aléatoires. Le domaine de la maintenance prédictive, mature grâce à l’IA, est aujourd’hui une première étape
vers des solutions d’amélioration de la visibilité et des prévisions des flux.
Cependant, la maintenance prédictive ne permet pas de comprendre quelle serait la meilleure décision à prendre au niveau de la gestion des opérations générée par les activités de maintenance (ordonnancement,
supply chain, etc.), que ce soit dans leur planification ou dans leur exécution, alors que, dans un contexte aléatoire, celles-ci sont d’autant plus compliquées.
Aujourd’hui, l’IA peut aller au-delà de la maintenance prédictive, en aidant les praticiens de la Supply Chain à mieux appréhender l’incertitude liée à leur processus de prise de décision,
et ainsi leur fournir des éléments déterminant dans les recommandations d’actions de pilotage à réaliser.
Les algorithmes les plus adaptés ici sont par exemple l’optimisation stochastique, la programmation dynamique, ou encore l’apprentissage par renforcement.
Sopra Steria a développé des algorithmes innovants dans ce domaine, en particulier pour optimiser les niveaux de stocks, ou positionner de manière optimale les pièces détachées, en utilisant de l’optimisation
stochastique. Cette approche permet de diminuer drastiquement les coûts de stocks immobilisés et améliorer le taux de disponibilité des pièces, en particulier pour des évènements inattendus.
#2 : Gestion des allocations dans un environnement contraint
Lorsque l’on considère la gestion des activités post-sales, les processus business sont en général contraints par les normes, par les spécifications fonctionnelles comme le design des produits, ou encore par les
contraintes industrielles des composants manufacturés.
Ces contraintes imposent des règles métier à respecter dans l’implémentation des processus, soit de manière « soft », c’est-à-dire en priorisant les opérations ou les choix à
réaliser, soit de manière « ferme », en bloquant les opérations selon certains seuils à respecter vis-à-vis de paramètres particuliers.
Ces contraintes font du processus de décision pour les Supply Chain managers un processus très complexe à gérer au niveau des allocations de composants, de pièces détachées, de la planification des opérations,
ou d’allocation de stock. Dans le domaine de la planification par exemple, les contraintes à respecter sont telles – capacités, outils, disponibilités des machines, disponibilités des personnes compétentes,
…- que le choix d’ordonnancement des tâches de maintenance ne peut pas être réalisé sans un outil d’aide à la décision dédié basé sur de l’IA.
Dans le domaine de l’allocation des stocks, un autre exemple illustratif est la réutilisation de pièces détachés usagées. En fonction de la pièce détachée, de la configuration du produit à
réparer, de l’opération à réaliser, de la version en stock, ou du client, telle ou telle pièce peut ne pas être compatible. Ceci peut également varier en fonction du type de contrat réalisé
entre l’industriel et son client. Par voie de conséquence, l’allocation des stocks peut rapidement devenir un problème combinatoire très difficile à résoudre, voire impossible manuellement sans outil
adapté.
Sopra Steria a développé des algorithmes d’optimisation qui accélèrent nettement le temps requis pour résoudre ce type de problème, de manière efficace et fiable (ie permettant de trouver une solution
systématiquement).
#3 : Optimisation et pilotage global end-to-end
En générant de nouveaux besoins bruts, les activités post-sales, comme la maintenance, génèrent naturellement des nouveaux besoins en composants et matériaux qui doivent être approvisionnés. Des ordres d’achat dédiés sont édités, des opérations logistiques spécifiques doivent être réalisées, etc.
Cependant, ces opérations Supply Chain peuvent parfois interférer avec les flux de produits standards, dans l’approvisionnement, la fabrication ou la distribution des produits finis.
Les nouvelles possibilités de modélisation offertes par l’Intelligence Artificielle permettent de prendre en considération la vision globale end-to-end de tous les flux de produits, qu’ils soient en amont ou en aval. Ainsi, la simultanéité et la synchronisation des deux types de flux est alors assurée, permettant d’éviter des optimisations locales superposées et parfois contradictoires, et assurant au contraire la cohérence globale du réseau.
En ce sens, Sopra Steria a développé différents assets technologiques, incluant un cockpit de visibilité end-to-end des opérations supply chain, ou encore un algorithme de lissage des activités end-to-end, assurant les performances tout au long de la chaine logistique.
Bénéfices
Sopra Steria a accompagné plusieurs de ces clients aéronautiques dans l’implémentation d’outils d’aide à la décision à base d’IA pour la gestion de la Supply Chain MRO. Par exemple, Sopra Steria a développé une solution de gestion de flotte qui prend en compte les opérations de maintenance, permettant l’optimisation des opérations liées, et en particulier la logistique.
Sopra Steria a également travaillé au développement d’un outil d’ordonnancement des activités end-to-end de la Supply Chain permettant de réduire le temps de cycle global et d’améliorer le taux de service final. En général, Sopra Steria estime, selon les analyses réalisées et aux vues des références, les bénéfices suivants au niveau de la Supply Chain MRO grâce à l’IA et aux assets développés :