Cet article fait référence à une situation exposée dans un autre billet : retrouvez la situation initiale ici, les solutions envisageables grâce à un logiciel WMS et l’optimisation du traitement des commandes. Pour rappel, Caroline et Fabien ont vu une augmentation soudaine et imprévue des commandes couplée à une palette endommagée, ce qui a entraîné des retards importants dans les lignes de préparation et ont pris des décisions grâce à l’analyse des flux au sein de l’entrepôt.

Logiciel WMS et assistants numériques

Les ordinateurs peuvent être utilisés pour traiter et analyser facilement des grandes quantités de données. Aujourd’hui, sur les bases du Machine Learning, les ordinateurs deviennent plus intelligents et capables de réagir aux nouvelles situations en reproduisant des schémas connus. À condition que nous leur ayons transmis des résultats idéaux lors de l’apprentissage supervisé (Supervised Learning). Les machines peuvent également apprendre sans schéma prédéfini : dans ce cas, elles choisiront un schéma par défaut, qui peut être surprenant.

Avec l’aide des assistants numériques, les machines, en toute autonomie, pourront apprendre des suggestions adoptées ou non par le logiciel de gestion d’entrepôt. Ceux qui font confiance à la capacité d’analyse et de réaction des machines pourront laisser le contrôle au système automatisé, tout en surveillant la situation. Ils gardent, malgré tout, la possibilité d’intervenir à tout moment.

Il est important de noter que l’intervention humaine trop régulière pourrait interférer avec les systèmes d’auto-régulation et pourrait faire dévier les machines de leurs schémas initiaux. Nous avons remarqué que les systèmes automatisés qui travaillaient en autonomie sans intervention donnaient souvent les meilleurs résultats. Des algorithmes personnalisés ou des processus standardisés de Machine Learning peuvent être utilisés pour optimiser les entrepôts.

LE CONTRÔLE AUTOMATISÉ DES ENTREPÔTS

Dans un entrepôt géré par un logiciel WMS, une réplique numérique est créée. Cette cartographie numérique est utilisée par le logiciel de gestion d’entrepôt pour apprendre sans impacter les cycles de production. La réplique numérique est utilisée pour analyser et calculer les paramètres changeants dans l’entrepôt et envisager les différents impacts sur la supply chain. Le logiciel de gestion d’entrepôt sera en capacité de simuler des situations d’urgence sur la réplique numérique et pourra adapter les décisions à prendre pour optimiser la productivité. 

Le logiciel de gestion continuera son apprentissage tout au long de sa vie, en regroupant les informations pendant le fonctionnement direct de l’entrepôt. Cela permettra d’adapter le système de gestion de l’entrepôt et les flux de matériaux en fonction des besoins.

L’attribution dynamique des espaces de stockage

L’attribution des espaces de stockage dans les entrepôts est un véritable art. Nous avons déjà comparé les systèmes manuels et automatisés et la possibilité de regrouper les différentes catégories de marchandises.

• Dans un entrepôt manuel, le point important est de conserver les groupes de produits similaires les plus proches les uns des autres.
• Dans un système automatisé, il est important de répartir de manière homogène et optimisée tous les produits, pour ne pas solliciter le même groupe de produit, ce qui pourrait créer un goulet d’étranglement.

L’un des meilleurs moyens pour garantir l’optimisation des processus est d’utiliser différentes machines et systèmes de stockage (par exemple des palettes et des bacs). Il est aussi possible d’utiliser différents dispositifs de transport, pour créer un trafic mixte dans la même zone.

GESTION AUTOMATISÉE DES ORDRES DE COMMANDES

Le Machine Learning ou des algorithmes spécialisés peuvent être utilisés pour former des groupes d’ordres de commandes optimisés. Les groupes seront formés parmi le large choix de variations possibles. Le logiciel de gestion déterminera également leur séquence et leur point de départ optimal.

Le logiciel de gestion de l’entrepôt déploiera ici tout son potentiel et sa puissance de calcul pour compiler d’innombrable données. Cette capacité de calcul les différencie nettement de l’esprit humain, qui lui est capable d’interpréter des données ou des situations pour concevoir et imaginer des solutions viables.

Les systèmes agents

Si on prend du recul, les différentes machines de l’entrepôt réalisent automatiquement les tâches qui leur sont assignées. Le logiciel de gestion central est responsable de l’attribution des tâches. Si nous pouvons faire la comparaison, les machines vont réagir comme un troupeau face à leur berger.

Les interactions dans ce genre de système sont comparables à celles de l’Internet des Objets (IoT), avec des machines indépendantes qui sont conçues avec une certaine intelligence embarquée. De manière alternative et autonome, les machines dans le système logistique sont identifiées et peuvent interroger leur « agent » qui est responsable d’assigner les tâches. Les agents sont des répliques virtuelles des machines du systèmes logistiques. Comparable à leur cerveau virtuel, ils permettent de leur donner un certain degré d’intelligence et d’autonomie.