INTEGRATION DE L’IA
DANS LA CHAINE
D’APPROVISIONNEMENT
MSEI 2023/2024
SOMMAIRE
01 - Introduction
3
02 - Description de l’invention
4
03 - Revendication
8
04 - Dessins
10
05-Abrégé
12
08 - Conclusion
13
INTRODUCTION :
L'intelligence artificielle (IA) révolutionne la gestion des chaînes
d'approvisionnement d'entreprise, offrant des outils puissants pour
optimiser les opérations, réduire les coûts et améliorer l'efficacité.
Grâce à des capacités telles que l'analyse prédictive de la demande,
l'optimisation des itinéraires de transport, la gestion des stocks
automatisée et la maintenance prédictive, l'IA s'immisce dans tous
les aspects de la chaîne d'approvisionnement, la rendant plus fluide,
plus résiliente et plus rentable.
L'avantage indéniable de l'IA est sa capacité à permettre aux
entreprises de prendre des décisions plus éclairées et plus rapides,
leur offrant ainsi un avantage concurrentiel certain. Cependant, des
défis subsistent, tels que le coût de la technologie, la qualité des
données nécessaires et le changement de culture au sein des
entreprises. Néanmoins, celles qui surmontent ces obstacles sont
récompensées par une chaîne d'approvisionnement plus
performante et un avenir plus prometteur.
Aujourd'hui, l'IA n'est plus une option, mais un moteur de
transformation incontournable pour les entreprises désireuses
d'exceller dans un monde en constante évolution.
3
1-Description de l’invention :
a-Domaine de l’invention : L'invention concerne le domaine de la
gestion de la chaîne d'approvisionnement (Supply Chain
Management). Le SCM englobe toutes les ressources, moyens,
méthodes, outils et techniques visant à gérer de manière optimale la
chaîne d'approvisionnement globale, depuis le fournisseur initial
jusqu'au client final. Notre invention concerne plus particulièrement,
l'optimisation des coûts de transport entre divers points de
distribution et de livraison, elle vise à fournir une approche innovante
pour minimiser ces coûts en utilisant différentes méthodes de calcul.
Elle s'applique à des secteurs industriels, comme la logistique, le
commerce de détail, et la fabrication, où le transport de
marchandises est un élément clé des opérations.
4
b-L’état de la technique antérieure : a- Dans les systèmes de chaîne
d'approvisionnement traditionnels, le transport de marchandises
entre différents sites constitue une part significative des coûts
globaux et la mauvaise gestion de ces mouvements de transport cout
plus chaire sur l’entreprise. Des méthodes existent pour optimiser ces
coûts, mais elles sont souvent limitées par des approches uniques ou
des hypothèses rigides qui ne s'adaptent pas à des scénarios plus
complexes, Tout comme le modèle mathématique du transport, il
s'agit de déterminer la meilleure façon de transporter des
marchandises depuis m entrepôts et de les transporter vers n
destinations, et en supposant que toutes les marchandises de tous les
entrepôts doivent être transportées vers des destinations différentes.
Ensuite, cela coûte du moins la destination.
c- Le problème technique : Le principal défi rencontré dans le
domaine de la chaîne d'approvisionnement est la recherche d'une
méthode optimale pour minimiser les coûts de transport, compte tenu
de divers facteurs comme les distances, les quantités à transporter
selon la demande du client, et les offres ou les quantités disponibles
dans la source, car chaque méthode parmi les méthodes
d’optimisation donne un cout minimal total différent. Les entreprises
souhaitent des solutions flexibles qui permettent de choisir la
meilleure méthode selon les besoins spécifiques du moment.
5
d- La solution apportée par l’invention : La présente invention propose
une interface graphique pour calculer le coût minimum de transport en
utilisant trois méthodes différentes : coût minimum, regret maximum et
coin nord-ouest. Le système prend en entrée des données pertinentes
telles que la quantité source, la quantité de destination, le coût de
transport et la quantité à transporter (demande) et la quantité
disponible (offre). Les trois méthodes sont utilisées pour déterminer le
coût et le système affiche le coût le plus bas indiqué par chaque
méthode, avec une comparaison manuelle, vous verrez le coût
minimum.
• Méthode du coût minimum : Pour cette méthode, un algorithme
d'optimisation est utilisé pour identifier des combinaisons de chemins
de transmission qui minimisent le coût total. Ceci est particulièrement
utile lorsque les coûts sont clairs et stables.
- Cette méthode est mise en œuvre de la manière suivante :
a) On sélectionne la case (i,j) avec le plus petit coût. Attribuez la plus
grande quantité possible à cette case pour satisfaire soit la demande j,
soit la source d’émission i.
b) Si offre < demande, on supprime la ligne i : demande ← demande –
offre. Sinon on supprime la colonne j : offre ← offre - demande.
c) L'étape (a) est recommencée à partir de la sous-matrice.
6
• Méthode du Regret maximal : Il s'agit de l'algorithme de Balas-Hammer,
également appelé méthode de différence maximale ou méthode du regret,
qui est un algorithme heuristique permettant d'optimiser les problèmes
de transmission, notamment les problèmes d'optimisation linéaire. Le but
de cette méthode est d’assurer une expédition à moindre coût.
- Le processus de cette approche est le suivant :
a) Évaluer la différence entre le coût le plus bas et le coût immédiatement
supérieur pour chaque ligne et chaque colonne. On nomme cette
distinction "regret".
b) Sélectionner l'affectation qui correspond à la rangée avec le regret le
plus élevé (lignes et colonnes confondues), afin de compléter une matrice
de transports.
c) Recommencer la procédure.
•Méthode du Coin nord-ouest : Cette approche propose une solution
approximative en commençant par le coin nord-ouest de la matrice
des coûts et en progressant pour répondre aux besoins en matière de
transport. Elle peut être utile comme point de départ ou pour des
solutions rapides lorsque le temps est limité.
e- Les diverses utilisations industrielles envisageables :
Il est possible d'appliquer cette invention dans divers domaines
industriels qui requièrent le transport de marchandises, tels que la
production, la logistique et le commerce en ligne. L'utilisation de ce
système permet aux entreprises d'améliorer leurs opérations de transport,
de diminuer les dépenses et d'améliorer l'efficacité globale de la chaîne
d'approvisionnement. Il est aussi possible d'intégrer cette fonctionnalité
dans des logiciels de gestion de la chaîne d'approvisionnement ou des
systèmes ERP (Enterprise Resource Planning).
7
2- Revendication :
Une avancée significative dans le domaine de la logistique et de la
gestion des opérations est l'intégration de l'intelligence artificielle (IA)
dans la gestion des chaînes d'approvisionnement. Un ensemble de
revendications soutient cette intégration, définissant les objectifs et les
limites de la protection visée. L'objectif de ces revendications est de
repérer les avantages concrets que l'intelligence artificielle apporte à la
gestion des chaînes d'approvisionnement, tout en précisant les aspects
spécifiques sur lesquels la protection de cette technologie devrait être
appliquée.
Utilisation d'algorithmes sophistiqués pour optimiser les processus
logistiques :
Les revendications liées à l'amélioration des processus logistiques
soulignent l'emploi d'algorithmes avancés qui permettent d'analyser de
manière efficace les données et de trouver les solutions les plus
efficaces pour la gestion des stocks, la planification des itinéraires et
l'optimisation des opérations logistiques.
Utilisation d'algorithmes sophistiqués pour optimiser les processus
logistiques :
Les revendications liées à l'amélioration des processus logistiques
soulignent l'emploi d'algorithmes avancés qui permettent d'analyser de
manière efficace les données et de trouver les solutions les plus
efficaces pour la gestion des stocks, la planification des itinéraires et
l'optimisation des opérations logistiques.
8
Amélioration de la transparence et de la trace :
Le suivi en temps réel des marchandises tout au long de la chaîne
d'approvisionnement est souligné par les demandes de transparence et
de traçabilité, ce qui permet aux entreprises d'avoir une vision globale de
leurs opérations et de faciliter la gestion des flux de marchandises.
Les prestations sur mesure et la satisfaction des clients :
Étude des informations des clients : Les demandes concernant la
personnalisation des services soulignent la capacité de l'intelligence
artificielle à analyser les informations sur les préférences d'achat et les
comportements des clients, ce qui permet aux entreprises de proposer
des offres et des services sur mesure, ce qui renforce la satisfaction des
clients et la fidélité.
La souplesse et l'adaptabilité :
Réactivité face aux fluctuations du marché : Les demandes de souplesse
et d'adaptation soulignent la capacité de l'intelligence artificielle à réagir
rapidement aux évolutions du marché en analysant en temps réel les
tendances du marché et les comportements des consommateurs, ce qui
permet aux entreprises de prendre des décisions éclairées et de s'adapter
rapidement aux nouvelles conditions.
9
4-Dessins :
le langage utilisé pour programmer cette interface graphique est
‘Python’, vous trouvez ce dessous quelques image qui décrit le
fonctionnement de notre interface graphique :
1-interface graphique :
Exemple sur la méthode de coin nord-ouest :
-L’interface graphique :
10
-Une fois vous cliquer sur ‘Run’, une autre fenêtre s’ouvre pour vous pouvez
entrer les différentes valeurs de cout de transport entre les m sources et les n
destinations :
11
5-ABRÉGÉ
L'invention concerne le domaine de la gestion de la chaîne
d'approvisionnement (Supply Chain Management). Elle propose une
interface graphique de calcul du coût minimal de transport utilisant
trois méthodes différentes : le coût minimal, le regret maximal et le coin
nord-ouest. Le système prend en entrée le nombre de sources, le
nombre de destinations, les coûts de transport, les quantités à
transporter (demande) et les quantités disponibles (offre). Les trois
méthodes sont utilisées pour déterminer les coûts et le système affiche
le coût minimal donné par chaque méthode, permettant une
comparaison manuelle pour identifier le coût le plus faible. L'invention
peut être utilisée dans divers secteurs industriels nécessitant le
transport de marchandises, comme la production, la logistique et le e-
commerce, pour optimiser les opérations de transport, réduire les
coûts et améliorer l'efficacité de la chaîne d'approvisionnement.
12
CONCLUSION :
En conclusion, l'IA n'est plus une option, mais un impératif pour les
entreprises qui souhaitent prospérer dans un environnement
commercial en constante évolution. Les entreprises qui adoptent l'IA
pour leur chaîne d'approvisionnement seront mieux armées pour
relever les défis de demain et se positionner comme des leaders sur
leur marché.
En résumé, l'IA offre aux entreprises une opportunité unique de
transformer leur chaîne d'approvisionnement et d'atteindre de
nouveaux sommets de performance.
