Modélisation de l'usine numérique

Mais de nouvelles idées mûrissent déjà dans les laboratoires de développement des concepteurs de logiciels. Orsoft, l'une des principales sociétés de développement et de conseil dans le domaine des logiciels de planification, nous en donne un aperçu. Considérer la planification comme un outil global de gestion des processus de l'entreprise figure en tête de l'agenda. Les processus autonomes sont donc inclus dans l'ensemble du niveau shop-floor et modélisés sur la base de jumeaux numériques.

Avant d'entrer dans le vif du sujet, il convient de clarifier certaines notions. Pour définir l'intelligence artificielle (IA), Orsoft utilise la définition du spécialiste des études de marché en matière de gestion de la chaîne d'approvisionnement, Gartner. L'IA applique des techniques avancées d'analyse et de logique, y compris l'apprentissage automatique, pour interpréter les événements, soutenir et automatiser les décisions et prendre des mesures.

En tant que forme d'IA, l'apprentissage automatique (ML) a pour objectif d'apprendre à un algorithme, par un entraînement répétitif, à accomplir des tâches de manière autonome. Contrairement aux algorithmes traditionnels, la reconnaissance des structures (de données) n'est pas imposée par un modèle implicite, mais laissée à la "machine" de manière autonome.

Autonomisation des processus de planification

Grâce aux modèles reconnus par le ML, la qualité de prévision des processus basés sur des séries chronologiques atteint une toute nouvelle qualité. L'autonomisation est considérée comme le but ultime du ML. Pour se distinguer de l'automatisation, le Fraunhofer IESE décrit ces termes comme suit : Si l'on sait comment un système se comporte dans une situation donnée, il s'agit d'automatisation. Si cela est inconnu, on parle d'autonomisation.

Une extension intelligente des systèmes de planification des ressources d'entreprise (ERP) existants par des systèmes de planification avancée (APS) est recherchée. Étant donné que l'ERP n'est pas explicitement conçu pour les tâches de planification - il ne peut par exemple représenter que des contrôles de stock rudimentaires ou des processus de planification simples comme les cycles MRP -, des systèmes de planification avancée supplémentaires sont souvent utilisés pour représenter et optimiser les processus commerciaux transactionnels. Toutefois, ceux-ci ne répondent plus aux attentes de la réalité de la planification actuelle.

Les systèmes, souvent peu agiles, ne représentent pas des chaînes d'approvisionnement complètes ni la possibilité d'ajustements de planification ad hoc proches de la taille de lot unique. Avec ses outils logiciels pour la planification stratégique, tactique et opérationnelle, Orsoft a toujours suivi une approche intégrative de bout en bout de la planification - ce qui signifie que toutes les instances de planification sont modélisées dans leur intégralité, reliées entre elles de manière intelligente et que de multiples possibilités de simulation et de prévision sont créées. Ces caractéristiques sont la condition de base pour l'utilisation d'instances de planification (partiellement) autonomes, la troisième grande disruption dans la gestion de la chaîne d'approvisionnement après les systèmes ERP et Advanced Planning.

Jumeaux numériques

Les instances de planification autonomes doivent être modélisées à l'aide d'un jumeau numérique. Qu'est-ce qu'un jumeau numérique ? Comme en génétique - où les vrais jumeaux partagent un ADN identique - le jumeau numérique partage des propriétés fonctionnelles spécifiques avec son frère réel. Transposé dans la réalité industrielle, il peut s'agir par exemple du domaine Shopfloor et de sa copie numérique dans le domaine de la production ou d'un jumeau numérique Supply Chain dans le domaine de la planification.

Le Supply Chain Twin numérique est la base de l'autonomisation de la planification. Grâce à lui, les processus deviennent plus interconnectés, plus efficaces, plus agiles, plus rapides et plus transparents. Plus les chaînes de valeur sont complexes - une usine avec une unité de distribution ou un vaste réseau de processus de production, d'achat et de distribution fait une grande différence -, plus la synchronisation en temps réel des données entre les instances de planification et l'ERP central est nécessaire. 

Une couche de données unifiée avec un maximum de détails, d'intégrité des données et de vitesse de réaction peut être mise à disposition via la plateforme PaaS Edge.One, extensible de façon modulaire et ouverte aux interfaces. Il est ainsi possible, dans l'esprit de l'usine numérique, de reproduire de nombreux processus de l'atelier et de l'étage supérieur et de les intégrer dans l'approche de la plateforme centrale.

Analyses avancées

L'analyse avancée ne se limite plus à l'analyse descriptive des données basée sur le passé (la question "que s'est-il passé ?"), mais se focalise sur l'analyse prédictive ("que va-t-il se passer ?") et prescriptive ("comment puis-je y parvenir ?").

L'analyse avancée permet de représenter des scénarios et de les exécuter de manière automatisée sur la base d'objectifs ou de hiérarchies d'objectifs prédéfinis - par exemple un service client maximal, une segmentation de la clientèle, un programme de production à marge optimale, etc. Les règles de priorisation aident à résoudre au mieux les situations conflictuelles et à les automatiser grâce à l'apprentissage automatique. Selon la complexité de l'optimisation du plan, le facteur humain peut être partiellement ou totalement privé de son pouvoir de décision. 

Sur la base de l'analyse ML des séries temporelles, des valeurs prévisionnelles fiables sont mises à disposition pour la planification de la demande. Cela permet de réduire les fluctuations dans la chaîne d'approvisionnement et d'améliorer les processus de suivi. Les conclusions sur la gestion des stocks sont tout aussi évidentes : la réduction des stocks de sécurité nécessaires pour couvrir les fluctuations de la demande est un autre objectif important. Avec l'aide de l'IA, la planification des stocks peut être transformée en stocks de sécurité dynamiques. L'ordonnancement réactif est un mot-clé dans le domaine de la planification assistée par l'IA. Le processus de planification est décrit comme un processus agile, ouvert jusqu'à la dernière minute. L'objectif est de pouvoir réagir à des conditions changeantes - commande ad hoc d'un client A, changements de commande, goulots d'étranglement dans les livraisons, pannes de collaborateurs/d'installations ou autres. L'apprentissage continu à partir des décisions prises dans le passé "alimente" continuellement l'IA en données. Un moteur de planification en arrière-plan, toujours actualisé et alimenté par le système en temps réel, aide à ne devoir adapter que de manière marginale et continue le plan initial calculé à l'avance. 

Les méthodes d'apprentissage automatique offrent également des fonctionnalités intéressantes dans le domaine de la gestion des conflits. Sur la base de ses propres décisions antérieures et de l'analyse de leurs résultats, des propositions de solution sont élaborées et, si on le souhaite, rendues autonomes. La comparaison entre la production planifiée et le feed-back réel de l'atelier permet d'évaluer la qualité du plan et de la réintégrer dans la modélisation de l'algorithme de planification, y compris en ce qui concerne l'implémentation des prévisions de maintenance. Les fonctionnalités d'alerte sont également (partiellement) automatisées et auto-apprenantes grâce à des processus de décision basés sur l'IA.

Environnement SAP

L'autonomisation de l'Advanced Planning and Scheduling (APS) dans l'environnement SAP est un cas d'utilisation Orsoft. La mission du client était clairement définie : Autonomisation sans contact de la planification opérationnelle dans le but d'implémenter un système qui fonctionne de manière autonome en temps normal - c'est-à-dire dans ce que l'on appelle le Happy Flow - et qui peut impliquer les planificateurs/trices de manière automatisée lors de certains événements. Les conditions secondaires suivantes ont également été convenues : interaction automatique (itérative) avec SAP, forte configurabilité du modèle de données, réaction automatique à certains événements librement configurables et exécution de fonctions sur un noyau d'application propre, ce qui permet d'exploiter le logiciel même sans utilisateurs connectés.

Afin d'autonomiser la planification opérationnelle, il convient de définir les objectifs du processus de planification, qui sont représentés sous forme de règles de priorité prédéfinies - également échelonnées sous forme d'ordre de priorité. Tout comme les conditions marginales, ces objectifs peuvent être définis en détail. Tous les champs SAP - y compris ceux des objets référencés, par exemple les clients pour la commande client d'un ordre planifié - peuvent être configurés manuellement ou automatiquement et classés en fonction de la gestion des valeurs limites et des valeurs de prémisses exactes. Dans le cas concret, la prise en compte de la disponibilité des matériaux/des délais de réapprovisionnement, de la présence et de la qualification du personnel a été définie par le client comme conditions limites explicites. 

Grâce à la comparaison bidirectionnelle en temps réel avec les données de base et les données de mouvement dans SAP, les plans créés sont toujours comparés en termes de capacité au niveau des installations et des matériaux. Orsoft applique à cet effet une exécution MRCP (Material Resource Capacity Planning) complexe avec des ressources finies, donc disponibles en quantité limitée et sans surcharge, qui n'est pas disponible sous cette forme dans SAP. Dans le cas d'application concret, les mises à disposition de matériel des clients sont en outre intégrées dans le cycle de planification. Un contrôle immédiat CTP (Capable to Promise), mis en œuvre par Orsoft et interagissant avec SAP, fait office de déclencheur de l'autonomisation de la planification. Ce n'est qu'en cas de conflits d'objectifs ou de ressources manquantes au niveau des matériaux et des capacités que des alarmes automatisées sont affichées et envoyées sous forme d'alerte e-mail.

PDF (en anglais)