MG Ship a introduit un module d’optimisation des itinéraires et de sélection des transporteurs par IA, car les déploiements logistiques démontrent des retours rapides en termes de coûts et de délais.
Le module technique cible les détaillants mondiaux et les expéditeurs commerciaux, associant des algorithmes de routage automatisés à des systèmes de recommandation de transporteurs sur les corridors commerciaux internationaux. Le déploiement intervient alors que les opérateurs de la chaîne d’approvisionnement des entreprises signalent des retours opérationnels mesurables grâce aux outils d’apprentissage automatique, éloignant les allocations de capital des essais spéculatifs vers les déploiements de production.
Retours mesurables du déploiement de l’IA pour la logistique
Suki Cheung, PDG de MG Ship, présentera les mesures de déploiement lors d’une table ronde lors de la prochaine conférence WMX Asia. Cheung rejoindra les dirigeants de Pos Malaysia, Omniva et OnyX Space pour la session intitulée AI Beyond the Hype : Mesurable Results in Logistics Today.
« Trop de discussions sur l’IA dans le domaine de la logistique restent axées sur les possibilités futures », a déclaré Cheung. « La réalité est que l’IA produit déjà aujourd’hui des résultats commerciaux mesurables. Les grandes organisations réduisent les coûts de transport, améliorent la précision des prévisions, augmentent la productivité des entrepôts et obtiennent un retour sur investissement en quelques mois plutôt qu’en années. »
Les données opérationnelles du secteur indiquent que les retours sur investissement initiaux se concentrent sur trois flux de travail principaux :
- La planification dynamique des itinéraires a réduit la consommation de carburant de l’entreprise de 15 à 20 %, amélioré les vitesses de transport de 15 à 25 % et réduit les coûts globaux de transport de 12 à 22 %, avec un retour sur investissement en capital atteint en trois à six mois.
- La prévision prédictive de la demande a réduit les erreurs de projection de 20 à 40 pour cent, amélioré la précision de la planification jusqu’à 35 pour cent et diminué les stocks excédentaires de 20 à 30 pour cent en six à 12 mois.
- Le traitement automatisé des documents de fret a réduit la durée des tâches manuelles jusqu’à 85 %, recouvrant les dépenses initiales en trois à six mois.
Au cours de cycles de déploiement de cinq ans, les entreprises qui l’ont adopté ont enregistré des réductions moyennes des dépenses opérationnelles comprises entre 10 et 25 pour cent, accompagnées de gains de productivité dans les entrepôts de 25 à 35 pour cent.
Algorithmes de routage et score de transporteur
MG Ship a intégré la nouvelle capacité de routage directement dans sa plateforme de visibilité et d’intelligence de la chaîne d’approvisionnement, qui sert les détaillants, les fabricants et les opérateurs de fret sur plusieurs marchés internationaux. Le système de base synthétise la télémétrie en direct du fret avec les renseignements commerciaux, la surveillance des risques et l’analyse prédictive pour prendre en charge la planification opérationnelle et le financement du commerce.
Le moteur d’optimisation des itinéraires traite les journaux de transit en temps réel et historiques, les conditions météorologiques, les indicateurs de congestion des ports aériens et maritimes, les alertes douanières sur les risques et les données sur la fiabilité du transit. Les expéditeurs reçoivent des recommandations automatisées identifiant les itinéraires de transit à faible coût et à faible risque.
Les fonctionnalités d’évaluation des transporteurs classent les fournisseurs de transport par voie et par niveau de service. Plutôt que de sélectionner la capacité uniquement sur la tarification du fret au comptant, le système évalue les transporteurs en fonction de mesures historiques de ponctualité, de cohérence du transit, d’occurrences d’exceptions, de taux de réclamations, de volume disponible et de coût total de service.
Les équipes logistiques peuvent également exécuter des simulations de scénarios avant les trimestres de pointe des expéditions. Le logiciel modélise les délais de livraison, les niveaux de service, les dépenses de fret et les expositions aux risques selon des règles alternatives d’attribution des transporteurs.
Les premières mises en œuvre en entreprise démontrent des écarts de délai de livraison plus faibles, des dépenses de transport accélérées réduites et des taux de livraison améliorés dans les délais.
Cheung a déclaré que la plateforme « ne se contente pas d’indiquer aux entreprises où se trouvent leurs marchandises », ajoutant qu’« elle recommande le meilleur itinéraire, le bon transporteur et l’option la moins risquée en fonction des conditions en temps réel, aidant ainsi les organisations à prendre des décisions plus rapides et plus rentables ».
