Science et tech de Supply Chain
RETOUR À LOKAD TV ›
Internet des Objets pour Supply Chains
Pour qu'une pratique de gestion de la supply chain soit performante, les gestionnaires doivent avoir accès à la position de chaque actif. Contrairement à la gestion électronique des stocks classique, l'Internet of Things (IoT) offre la possibilité d'obtenir une visibilité en temps réel sur tous les actifs, y compris les véhicules.
Préparation des données dans la supply chain
La bonne préparation des données est une condition sine qua non pour réussir toute initiative basée sur les données. Lorsqu'on considère les défis de la supply chain, la préparation des données est difficile car elle implique des systèmes d'entreprise complexes qui n'ont pas été conçus en tenant compte de la science des données.
L’intelligence artificielle et supply chains
Dans cet épisode, nous parlons de ce mot à la mode majeur et de son application à la supply chain.
Prévision des promotions
La prévision de la demande promotionnelle est nécessaire afin d'allouer la bonne quantité de stocks. Cependant, les modèles de prévision des séries temporelles ne conviennent généralement pas pour aborder les schémas de demande liés à la tarification. Des modèles de prévision par machine learning plus complexes sont nécessaires pour prendre correctement en compte les promotions passées, et pour refléter l'impact à venir de celles qui sont planifiées.
Le paradoxe de l’expérience utilisateur
Les systèmes de gestion de la supply chain (SCM) présentent des interfaces utilisateurs complexes. Parmi eux, les sous-systèmes de prévision de la demande ne sont pas seulement complexes, mais également compliqués. De meilleures interfaces utilisateurs sont nécessaires pour gérer cette complexité.
Silos et décisions en Supply Chain
Les supply chains modernes sont complexes, et la réponse la plus directe à cette complexité est une 'spécialisation du travail'. Malheureusement, cette approche se traduit par des 'silos' qui ne parviennent pas à fournir des décisions maximisant les rendements pour l'entreprise.
Le Data Scientist en supply chain
Les défis de la supply chain sont fréquemment quantitatifs et axés sur les données. Cela en fait un domaine d'application idéal pour une pratique de data science. Cependant, la compréhension du business est un aspect souvent négligé de la pratique de data science en supply chain.
Blockchain et Bitcoins
Les blockchains et Bitcoin ont des applications pour les supply chains, mais pas celles que mettent le plus en avant les fournisseurs de logiciels.
Intelligence Artificielle pour supply chain
L'intelligence artificielle (IA) est un terme générique qui englobe de nombreuses méthodes statistiques à haute dimension, telles que le deep learning ou la programmation différentiable. Ces méthodes peuvent être utilisées de diverses manières pour améliorer les performances opérationnelles des supply chains. Cependant, tant les problèmes que les solutions diffèrent largement des problèmes d'IA classiques comme le traitement automatique du langage naturel (TALN).
L’exactitude de la prévision de la demande
Atteindre une prévision de demande d'une précision exceptionnelle est traditionnellement considéré comme la première étape vers l'optimisation de la supply chain. Des prévisions plus précises devraient permettre de réduire les stocks et d'améliorer les taux de service.