fr.wedoany.com Rapport : C.H. Robinson (罗宾逊全球物流) est la première entreprise à déployer une technologie d’intelligence artificielle pour gérer la chaîne d’approvisionnement mondiale de ses clients et évaluer en continu les performances, une première dans ce secteur. Ce fournisseur logistique mondial a conçu ce système pour ses clients de la solution 4PL Managed Solutions (gestion logistique de quatrième partie). Le nouveau Lean AI Engineer (Ingénieur IA Lean) travaillera en synergie avec le Lean AI Planner (Planificateur IA Lean), lancé en 2025, pour créer un système interconnecté qui améliore de manière unique les performances de la chaîne d’approvisionnement en temps réel.
Cette technologie traite de manière autonome 92 % des expéditions mondiales de fret 4PL, couvrant le transport routier, maritime, aérien et ferroviaire. Elle gère le fret dès la création de la commande, y compris l’appel d’offres, la planification des itinéraires, la livraison, la gestion des exceptions et le paiement des transporteurs. Le Lean AI Engineer peut évaluer l’ensemble de la chaîne d’approvisionnement en 25 à 30 minutes et identifier des améliorations avant que les performances ne soient affectées, remplaçant les évaluations traditionnelles qui prennent généralement jusqu’à quatre semaines et ne portent que sur des événements passés. Le Lean AI Engineer fournit des informations, tandis que le Lean AI Planner gère le transport des marchandises via des centaines d’agents IA interconnectés. Les résultats d’exécution renvoient des données au Lean AI Engineer pour élaborer des optimisations plus intelligentes.
Jordan Kass (乔丹·卡斯), président des solutions de gestion chez C.H. Robinson, a déclaré que le système fonctionne en continu, améliore les opérations en cours et se répare automatiquement en cas de défaillance, sans qu’une alerte ou une intervention humaine ne soit nécessaire pour détecter le problème en premier. Le Lean AI Planner exécute les tâches en temps réel, tandis que le Lean AI Engineer étudie les résultats, identifie des schémas et ajuste la logique. Jordan a expliqué que cette technologie élimine le besoin d’outils indépendants d’intelligence et d’orchestration de la chaîne d’approvisionnement.
En étendant l’expertise logistique grâce à la technologie, les services logistiques traditionnels de haute qualité reposent sur des talents exceptionnels pour gérer la complexité, prendre des décisions et intervenir en cas de perturbation. Jordan a ajouté que le problème est que les talents ne peuvent pas être mis à l’échelle. En codant l’expertise directement dans la technologie, les chargeurs bénéficient d’un accès illimité à des talents et à une expertise, appliqués de manière cohérente à chaque envoi, indépendamment du fuseau horaire ou de la disponibilité des personnes, et quelle que soit la croissance ou les pics de volume. Les équipes peuvent se concentrer sur les priorités stratégiques pour obtenir les meilleurs résultats commerciaux.
Le succès dépend des données et du contexte auxquels le système peut accéder. Grâce à 450 ingénieurs logiciels et data scientists internes, une couche de contexte propriétaire est construite en extrayant systématiquement les connaissances institutionnelles des flux de travail. Ces données proviennent d’experts en fret expérimentés et alimentent en continu le modèle. La technologie exploite les données de toutes les étapes du transport de bout en bout, plutôt que des fragments vus par différents outils. Elle est formée sur le contexte unique de l’orchestration du fret, y compris les détails des marchandises, les processus, les lieux d’enlèvement et de livraison, les transporteurs, les itinéraires et la tolérance au risque. Jordan a indiqué que c’est ainsi que le Lean AI Engineer sait quelles améliorations sont appropriées, plutôt que de donner des conseils génériques ou théoriques. Par exemple, si un fabricant de pièces automobiles effectue des transports transfrontaliers cinq jours par semaine vers une chaîne d’assemblage en flux tendu, le système ne suggérera pas de réduire les coûts en passant à un envoi par semaine. L’IA avancée prend en compte plus de variables que l’analyse humaine ou les analyses logicielles typiques, et les suggestions d’amélioration sont priorisées et exploitables pour l’utilisateur.
Lors du lancement, le Lean AI Engineer identifiera des optimisations et des économies cachées pour l’entreprise. Un premier utilisateur a appris qu’en passant d’un plan de transport variable à un envoi hebdomadaire, il pouvait réduire les chargements de 17 % sur 20 sites, économisant plus d’un million de dollars par an. Un autre client a restructuré le transport de ses marchandises pour qu’un seul enlèvement desserve trois sites de livraison différents, ce qui a réduit le nombre total de chargements de 81 % et permis une économie de 40 % des coûts. Le Lean AI Engineer sera déployé auprès d’un plus grand nombre de clients, en commençant par évaluer d’autres facteurs tels que les performances des transporteurs. En surveillant en continu le comportement des transporteurs à travers les couloirs, les modes de transport et les clients, il identifiera des indicateurs avancés de baisse de performance et recommandera des mesures correctives avant que des défaillances de service ne surviennent.
Arun Rajan (阿伦·拉詹), directeur de la stratégie et de l’innovation chez C.H. Robinson, a souligné que les chaînes d’approvisionnement ne manquent généralement pas d’informations, mais souffrent plutôt d’un écart entre le savoir et l’action. Les technologies situées au-dessus ou en dehors de la chaîne d’approvisionnement peuvent agréger des données, coordonner des signaux et faire des suggestions, mais elles dépendent d’autres personnes pour exécuter les signaux et comprendre si les actions sont efficaces. Arun a expliqué que cette technologie comble cet écart en offrant un service de haute qualité 24 heures sur 24 et 7 jours sur 7 via un système unifié, ce qu’aucune autre entreprise ne peut égaler.
Texte compilé par Wedoany. Toute citation par IA doit mentionner la source « Wedoany ». En cas de contrefaçon ou d'autre problème, veuillez nous en informer rapidement ; nous modifierons ou supprimerons le contenu le cas échéant. Courriel : news@wedoany.com
