Passer aux dernières avancées numériques pour des opérations d’entreposage plus rapides

Comment l’IA et l’edge computing accélèrent la logistique des entrepôts

Dans le prolongement de son article sur la visibilité et l’intelligence artificielle (IA) dans la chaîne logistique au sens large, Ruari McCallion examine de plus près le rôle croissant de l’IA et de l’edge computing dans les entrepôts.

(Résumé)

Les opérations d’entreposage et logistiques sont soumises à une pression simultanée exercée par toute une série de problèmes : pénurie de main-d’œuvre, augmentation des coûts énergétiques, contraintes d’espace et volatilité croissante de la demande. Dans le même temps, les technologies numériques autrefois expérimentales, telles que l’intelligence artificielle (IA), l’apprentissage automatique et l’edge computing (informatique en périphérie), sont désormais suffisamment abouties pour s’intégrer directement dans le flux de manutention.

Cela ne signifie pas pour autant que tous les entrepôts et toutes les opérations d’inventaire, quelle que soit leur envergure, vont soudainement devenir des supermarchés ultra-automatisés et rutilants où des plates-formes robotisées glissent sur le sol tandis que de petits robots messagers s’affairent comme des chiens de chasse. Nous ne sommes pas dans un film de science-fiction, mais dans le monde réel.

Le rapport « AI-driven warehouse automation: A comprehensive review of systems » (automatisation des entrepôts pilotée par l’IA : examen complet des systèmes), publié par GSC Online Press en février 2024[1], a identifié quatre avancées technologiques qui entraînent un changement structurel dans les opérations et la gestion des entrepôts :

• Intégration de l’IA dans la gestion des entrepôts
• Apprentissage automatique et vision par ordinateur
• Systèmes d’automatisation pilotés par l’IA
• Émergence rapide de l’edge computing

Les véhicules autonomes et les installations fixes mécanisées sont sur le point d’être remplacés par des systèmes connectés, enrichis en capteurs, et orchestrés par des logiciels, dans lesquels les chariots élévateurs, les personnes, les robots et le stockage interagissent à l’unisson, en temps réel.

Ce changement s’opère à des rythmes différents, en fonction de la taille et de l’intensité des opérations. Tout le monde n’est pas prêt à passer dès maintenant au mode « I, Robot », et certains ne le seront peut-être jamais. Mais cette évolution est en marche, inévitable, et de plus en plus rapide, à mesure que la valeur ajoutée des nouvelles technologies devient plus évidente et (surtout) plus attrayante sur le plan commercial.

Gains potentiels en termes de productivité et de rendement dans les entrepôts

Historiquement, les gains de productivité dans les entrepôts provenaient principalement de la mécanisation : des rayonnages mieux agencés, des chariots élévateurs plus performants, et la mise en place de systèmes de convoyage et de systèmes automatisés de stockage et de récupération (AS/RS).  Les systèmes de contrôle étaient basés sur des règles et étaient relativement statiques. Une fois ceux-ci conçus et installés, les flux étaient stables et les changements coûteux. En conséquence, les gains furent progressifs et graduels pendant des décennies.

Deux choses sont venues bouleverser ce modèle.

Premièrement, les données disponibles sur les opérations ont explosé. Les chariots, les convoyeurs, les scanners, les capteurs, les caméras et les systèmes de gestion des entrepôts génèrent tous des flux continus d’informations. Deuxièmement, l’IA et l’edge computing permettent de traiter ces données localement et de manière centralisée, ce qui permet de prendre des décisions désormais fondées sur des données en temps réel, plutôt que sur des rapports historiques. C’est la quatrième révolution industrielle (industrie 4.0) en action.

Que sont l’edge computing et l’IA ?

L’edge computing est un renversement de la tendance bien ancrée qui consiste à transférer les fonctions de traitement hors des opérations de première ligne, généralement vers le cloud.

La grande puissance de calcul offerte par les serveurs hors site est un énorme avantage pour la planification stratégique, le stockage des données et la coordination des opérations multisites, à l’échelle nationale et internationale. Dans l’industrie automobile, par exemple, elle a permis de ramener le temps de développement des nouveaux véhicules de plusieurs années à quelques mois tout au plus. Mais cela a un coût : un temps de réaction plus lent, appelé « latence » dans le jargon technique.

Les données circulent très rapidement le long des câbles et même dans les airs, à la vitesse de la lumière en fait, mais cela prend tout de même du temps. Le tri de ces données est également chronophage, car même la ferme de serveurs la plus puissante hiérarchisera les tâches à effectuer. Chez l’utilisateur, cette latence se traduit par une frustration : un écran qui affiche une balle de plage qui tourne, un blocage apparent ou une réponse tardive à une demande courante.

Mais la capacité des puces informatiques a considérablement augmenté au cours des 20 dernières années et l’edge computing fournit la puissance de traitement là où le travail est réellement effectué. Au lieu d’envoyer toutes les données vers un cloud distant pour analyse, les algorithmes stratégiques sont exécutés directement dans les véhicules sur des contrôleurs, des processeurs intégrés et des appareils intelligents, tels que des caméras embarquées et fixes, des capteurs et des passerelles, ainsi que des serveurs locaux.

Cliquez ici pour obtenir un résumé des articles précédents d’Eureka portant sur l’automatisation des entrepôts.

Le traitement au plus près du lieu d’activité donne lieu à une latence réduite : les flux de données brutes provenant des caméras, des LiDAR (télédétection par laser) et des capteurs peuvent être gérés localement. Ainsi, les fonctions qui ne tolèrent pas les retards du réseau, telles que la navigation, le freinage, la détection d’obstacles et la prévention des collisions, deviennent plus réactives, fiables et résistantes. Les opérations sur site peuvent se poursuivre en toute sécurité, même si les connexions externes sont compromises.

En traitant les données à la périphérie, les systèmes sont en mesure de ne transmettre hors site que les informations nécessaires à l’optimisation de l’ensemble de la flotte et à l’analyse à long terme. Tout ce qui peut l’être est traité localement.

La manutention intelligente permet de mettre en place des systèmes de gestion et de contrôle des entrepôts qui optimisent les itinéraires, les priorités et la répartition de la main-d’œuvre. Les nouvelles technologies permettent une adaptation dynamique en temps réel, plutôt que de devoir adhérer à des règles fixes reposant sur des données historiques.

Les chariots élévateurs ne sont plus des véhicules ayant pour seule mission de déplacer des palettes. Ce sont des actifs mobiles et connectés qui transmettent des informations à une couche d’optimisation plus large et reçoivent des instructions de celle-ci. Ils deviennent des points nodaux intelligents dans un système plus vaste.

Les robots mobiles autonomes (AMR) et les véhicules à guidage automatique (AGV) qui naviguent librement, plutôt que de suivre des trajectoires fixes, se présentent sous la forme d’équipements de stockage et de manutention automatisés capables de rééquilibrer instantanément les charges de travail, de modifier les itinéraires et de s’adapter au trafic surchargé. Les opérateurs humains, plutôt que d’être distraits par les goulots d’étranglement, les blocages et les stocks mal placés, sont assistés par des systèmes qui réagissent en temps réel à leur comportement et à leur environnement.

Monétiser les gains technologiques dans la gestion des entrepôts

Les chariots élévateurs électriques Cat, en particulier la dernière génération alimentée par des batteries Li-ion, intègrent déjà de nombreuses fonctionnalités intelligentes. Les systèmes de gestion de la batterie (BMS), par exemple, surveillent en permanence la tension, la température et le courant des éléments, ainsi que le niveau de charge et l’état de santé général de la batterie. D’autres systèmes de surveillance traitent, entre autres choses, les profils des caristes et leurs habitudes en matière d’accélération et de freinage. Ce sont là des indicateurs clés que beaucoup connaissent grâce aux outils TRS (taux de rendement synthétique, également appelé « efficacité globale des équipements », OEE).  L’IA optimise la gestion de l’efficacité globale des équipements, et la rend plus claire et plus intégrée.

L’IA, dans le cadre de l’optimisation opérationnelle (le processus consistant à décider quelle palette déplacer ensuite, quel chariot la déplacera et en suivant quel itinéraire), prend en compte l’encombrement, la disponibilité des opérateurs, l’état des chariots élévateurs et d’autres priorités que les règles fixes peinent à respecter.

Plutôt que de se baser principalement sur les moyennes historiques, l’IA permet d’améliorer les prévisions et la gestion des stocks en utilisant des signaux tels que la saisonnalité, les promotions et le comportement des clients. Les systèmes de vision par ordinateur peuvent lire les étiquettes et les codes-barres à grande vitesse, détecter les produits et/ou les emballages endommagés, vérifier l’exactitude des expéditions et prendre en charge le traitement automatisé des exceptions.

L’intégration de l’IA et de l’edge computing dans les systèmes de gestion des entrepôts permet d’obtenir un flux de marchandises plus adaptatif. Les décisions sont fondées sur des données en temps réel, plutôt que sur des données historiques qui sont obsolètes avant même d’être présentées lors d’une réunion de planification. Résultat ? Les actions, les réactions et le contrôle se font véritablement en temps réel.