MtoM Mag - Le journal de l'MtoM.

Cette nouvelle fonctionnalité d’intelligence artificielle aide les équipes logistiques à comprendre ce qui se passe dans l’entrepôt, pourquoi cela se produit et quelles actions entreprendre ensuite.

IFS, leader des logiciels d’IA industrielle, annonce le lancement de Fulfillment Flow par IFS Softeon, une nouvelle fonctionnalité d’intelligence artificielle conçue pour intégrer une IA contextuelle directement au cœur des opérations en entrepôt.

Fulfillment Flow est la dernière innovation du WMS IFS Softeon. Elle vise à faire évoluer l’IA, jusqu’ici utilisée dans des outils isolés, vers une intelligence intégrée à l’ensemble des opérations d’entrepôt. En associant le contexte opérationnel en temps réel à une prise de décision pilotée par l’IA, le WMS IFS Softeon permet aux entrepôts de dépasser les règles statiques et les analyses réactives pour évoluer vers des opérations plus adaptatives et optimisées en continu.

« Fulfillment Flow intègre l’IA directement au cœur des opérations de l’entrepôt, là où les décisions se prennent au quotidien », déclare Mark Fralick, CTO d’IFS Softeon. « En connectant l’IA au contexte de l’entrepôt en temps réel, nous aidons les équipes à aller au-delà de la simple identification d’un problème, pour en comprendre les causes et déterminer comment y répondre. C’est une étape importante vers une IA active dans l’exécution des opérations d’entrepôt. »

Aujourd’hui, la préparation de commande peut générer des volumes de données très importants (niveaux de stocks, main-d’œuvre, équipements de manutention, automatisation de process, etc…). Le défi consiste à transformer ces données en décisions pertinentes pour améliorer l’exécution opérationnelle. Trop souvent, l’IA n’optimise qu’un volet des opérations, comme le réapprovisionnement, la planification des vagues de préparation, et ce au détriment du reste des opérations.

Fulfillment Flow a été conçu pour répondre à cet enjeu en intégrant une intelligence contextuelle plutôt que de devoir recouper des informations issues de multiples sources, les utilisateurs peuvent poser des questions dans un langage naturel, visualiser l’origine d’un problème et se voir proposées des recommandations sur les meilleures actions à engager en fonction des conditions opérationnelles du moment.

Les « Digital Workers » sont au cœur de Fulfillment Flow ; ces agents IA sont spécialisés chacun dans un domaine des opérations : la réception, la gestion des vagues de préparation, la gestion de la main-d’œuvre, l’automatisation, l’optimisation des emplacements, le réapprovisionnement et l’expédition. Chaque agent repose sur les six mêmes piliers d’intelligence, couvrant les caractéristiques de l’entrepôt lui-même, les opérations en temps réel, les interactions entre les différentes zones, les objectifs opérationnels (cut-off, niveaux de service), ainsi que les ressources humaines disponibles et les équipements automatisés de manutention.

Plutôt que de fonctionner de manière isolée, ces agents partagent leurs observations avec un agent central chargé d’optimiser les flux à l’échelle de l’entrepôt. Là où l’IA traditionnelle tend à optimiser un domaine au détriment d’un autre, Fulfillment Flow prend en considération les répercussions de chaque décision sur l’ensemble des opérations, y compris les interactions avec les zones de réception extérieure, des marchandises des lignes de production, etc.

Fulfillment Flow repose également sur une approche décisionnelle intégrant une supervision humaine. Les agents numériques fonctionnent comme des responsables de zone expérimentés, en transmettant leurs observations et leurs propositions à l’agent opérationnel central. Ce dernier agit comme un partenaire du responsable d’entrepôt, en suggérant les réponses opérationnelles à apporter. Le responsable d’entrepôt définit les priorités et prend la décision finale. Fulfillment Flow tient compte de ces décisions et poursuit son apprentissage au fil des shifts successifs.

« L’IA en entrepôt a besoin de contexte », souligne Mark Fralick. « Un système d’IA générique peut détecter des commandes en retard, mais la véritable valeur réside dans sa capacité à comprendre les causes de ce retard, à identifier les autres facteurs opérationnels en jeu et à déterminer les actions possibles. Le responsable d’entrepôt garde le contrôle. C’est ainsi que se construit la confiance nécessaire pour que l’IA trouve réellement sa place sur le terrain. C’est la direction que nous poursuivons : une intelligence ancrée dans la réalité opérationnelle de l’entrepôt et conçue pour aider les équipes à prendre les meilleures décisions. »

https://www.softeon.com