Daher

Dans le cadre de ses activités de Global Logistics Provider, Daher doit piloter les espaces de stockage pour ITER. Dans ce cadre Daher gère l’acheminement des pièces à partir des pays membres puis leur stockage avant installation.

Contexte

Le Projet industriel est complexe car cette activité est marquée par la faible récurrence des flux et la difficulté à anticiper leurs évolutions.

L'ancien processus de planification était devenu inefficace :
- Hypothèses sur les flux entrants basées sur des données incomplètes et complexes à réconcilier, à intégrer manuellement de surcroît
- Sources de données multiples avec des formats de données différents
- Utilisation d’un outil de simulation peu flexible, ne permettant d’intégrer de nouvelles contraintes avec un un paramétrage long ne permettant pas de faire de multi-scénarisation
- Manque de visibilité des flux entrants/sortants

L'impact sur les capacités d’entreposage est très important.

Intervention DCbrain

DCbrain a mis en place un processus qui permet simplement de simuler le remplissage et l’ordonnancement du site avec la mise en place d'un algorithme de Reinforcement Learning pour calculer et optimiser les différents espaces de stockage selon la taille variable des items, les opérateurs et le re-calcul selon les entrants.

Les résultats de cette modélisation sont les suivants :
- Prévision du taux de remplissage des différents espaces de stockage
- Possibilité de faire évoluer les données d’entrée ou d’ajouter une nouvelle contrainte
- Proposition de scenarii (via le Reinforcement Learning)

Téléchargez notre livre blanc sur l’optimisation de la Supply Chain grâce à l’Intelligence Artificielle