Les consommateurs veulent leurs produits immédiatement. Il n’en va pas autrement des acheteurs de grandes entreprises : une fois qu’ils ont décidé d’acheter un article, ils aimeraient pouvoir en profiter dès que possible. Afin de réduire le temps d’attente des consommateurs, les développeurs de logiciels ont créé des solutions permettant d’optimiser les délais de transport. C’est ce que l’on appelle communément des systèmes de gestion des transports (TMS).

Ces systèmes assistent les entreprises dans la planification logistique en modélisant les itinéraires d’expédition dans le but de réduire le temps de transport. Sachant que plus de 21 milliards de colis sont expédiés chaque année rien qu’aux États-Unis¹, les logiciels TMS permettent de s’assurer que les itinéraires d’expédition et les transporteurs se croisent et interfèrent le moins possible entre eux.

Dans cet article de blog, nous allons voir dans quelle mesure les TMS peuvent s’appuyer sur l’intelligence artificielle (IA) pour améliorer la logistique de fret, réaliser un maximum d’économies, raccourcir les délais de livraison et promouvoir des pratiques plus respectueuses de l’environnement en vue de réduire l’empreinte carbone du fret.

Présentation des systèmes de gestion des transports

Les TMS remplissent trois fonctions principales permettant de rendre le transport plus efficace et moins complexe :

1. planification et cartographie des transports ;
2. gestion du fret ;
3. tableau de bord analytique des prévisions et des rapports.

Un logiciel TMS compare les tarifs d’expédition de différents transporteurs afin d’optimiser les coûts en fonction de l’itinéraire. À cet effet, il tient compte de variables telles que la taille du conteneur, la géométrie de chargement et le mode de transport du fret (route, rail, mer ou air) afin de transporter un maximum de marchandises dans chaque colis d’expédition.

Par exemple, la « conteneurisation » est un procédé visant à optimiser l’orientation et l’empilement de colis dans un conteneur d’expédition. Dans le cas de marchandises volumineuses, orienter les colis de façon à pouvoir ajouter une rangée supplémentaire dans un conteneur peut présenter d’énormes avantages financiers. De plus, si le calendrier de commercialisation est assez souple pour recourir au fret maritime plutôt qu’au fret aérien, par exemple, les économies réalisées (le fret aérien étant plus cher que le transport maritime) compensent largement le délai de livraison plus long.

La fonction « gestion du fret » des TMS comprend l’estimation du fret, l’exécution du contrat et la gestion des devis, de la facturation et de la résolution des litiges avec les différents transporteurs.

Le troisième élément fonctionnel des TMS est un tableau de bord offrant une synthèse des analyses et des prévisions de la demande de fret. Le logiciel TMS analyse la rentabilité et adapte le mode de transport aux nouvelles conditions. Le fait de disposer d’un système qui offre un aperçu synthétique de chaque étape du processus logistique permet de repérer les problèmes sitôt qu’ils apparaissent.

Avantages des TMS

Les principaux avantages des TMS découlent de leur capacité à collecter des données capables d'optimiser les fonctions décrites ci-dessus. La collecte de données tout au long du processus permet aux planificateurs logistiques de tenir compte des changements dans la stratégie du transporteur, dans la structure tarifaire ou dans le mode de transport. En outre, les planificateurs logistiques peuvent collecter des données sur la casse des produits, par transporteur ou par mode de transport et ainsi prendre ce facteur en compte dans le budget dédié au transport. En étant capables d’améliorer le transport sur la base d’une utilisation optimale des données, les TMS semblent tout désignés pour profiter des avantages de l’IA.

Comment l’IA peut-elle améliorer la gestion des transports ?

La gestion numérique des transports et de la logistique s'est traduite par les gains d’efficacité que nous avons évoqués plus haut. Et puisqu’on ne peut pas résoudre un problème dont on ignore l’existence, la collecte de données et le suivi des tendances sont venus renforcer l’efficacité du processus logistique. L’IA apporte de nombreuses améliorations aux TMS. Parmi celles-ci, trois applications se démarquent.

Itinéraires de transport optimisés

Grâce à l’IA, les TMS peuvent absorber des quantités croissantes de données utilisées pour améliorer le processus logistique en continu et en temps réel. Plutôt que de formuler des hypothèses générales en comparant le calendrier du fret maritime à celui du transport aérien, les TMS peuvent collecter des informations leur permettant de modéliser le transport des marchandises suivant les deux modes. Sur la base de ces modélisations, ils peuvent ensuite recommander un plan permettant de réaliser à la fois des économies de coûts et d’énergie.

L’IA peut s’intégrer aux données du trafic pour optimiser les itinéraires des camions tout au long de la journée. Par exemple, les grandes villes sont souvent saturées aux heures de pointe, mais au fil du temps, le logiciel est capable de déduire les points d'embouteillage et de conseiller des itinéraires de contournement optimisés. Enfin, les TMS intégrant une IA peuvent éviter des retards coûteux en restant informés en temps réels des accidents sur la route, des conditions météorologiques ou d’autres événements imprévus qui perturbent les parcours habituels.

Capacité prédictive

Les logiciels TMS intelligents peuvent collecter les données de casse saisies par l’acheteur ainsi que toutes les plaintes déclarées auprès du service client à réception des marchandises. Le système peut comparer la perte de qualité du produit avec diverses suggestions d’itinéraire et en tenir compte lorsqu’il réalise un modèle prédictif pour définir un itinéraire.

De plus, l’ajout de capteurs intelligents aux véhicules permet aux logiciels TMS de collecter des données utiles pour prédire les besoins d’entretien des véhicules avant que des problèmes n’apparaissent. Ces capteurs intelligents sont de différents types. Il peut s’agir de capteurs d’émissions qui surveillent les gaz d’échappement du moteur ou encore de capteurs de vibrations qui surveillent les vibrations du moteur ou de la transmission. Les informations provenant de ces capteurs sont utilisées pour réduire à un minimum les temps d’arrêt et les coûts en cas de panne, ainsi que les risques pour la sécurité qui découlent d’une panne majeure d’un véhicule sur la route.

Réduction des coûts et de l’empreinte carbone

L’intégration de l’IA aux TMS présente un troisième avantage certain, à savoir le fait de réduire à la fois les coûts et l’empreinte carbone. L’optimisation des itinéraires de transport accélère la livraison et améliore la rentabilité, mais elle permet aussi de réduire au mieux le temps de transport retour des conteneurs vides. Bien qu’il soit indispensable pour récupérer les camions et les conteneurs, le transport retour est un facteur d’inefficacité, surtout s’il s’effectue à vide.

Or, les logiciels TMS intégrant l’IA sont capables d’optimiser l’acheminement des conteneurs vides vers des sites de dépôt ou de ramassage plus proches pour réduire les délais de retour. Les entreprises peuvent réaliser des économies de carburant substantielles, réduire leur empreinte carbone et prolonger la durée de vie de leurs véhicules en réduisant les déplacements.

Conclusion et tendances futures

Les consommateurs s’attendent à des livraisons rapides. Dans cette optique, les systèmes de gestion des transports (TMS) sont devenus des outils indispensables dans le secteur de la logistique. Ces systèmes rationalisent la planification des transports, la gestion du fret et l’analyse des données pour optimiser les opérations.

Désormais, les fonctionnalités intelligentes des logiciels TMS génèrent une quantité croissante de données et fournissent ainsi un contexte favorable pour intégrer l’IA et développer les capacités d’apprentissage automatique (ML, machine learning). À l’avenir, le ML optimisera en continu les processus et les tâches, tandis que l’IA fournira la meilleure réponse humaine pour réagir instantanément à un signal négatif dans les données. Le ML et l’IA ont le potentiel d’améliorer l’efficacité logistique de la chaîne d’approvisionnement, de réduire les coûts pour le consommateur et d’améliorer les performances climatiques du cycle de vie.

Source

• 1. DC Velocity Staff. “U.S. Parcel Volume Dipped 2% in 2022 after a 6% Rise in 2021.” DC Velocity, le 28 mars 2023. https://www.dcvelocity.com/ articles/ 57046- us- parcel- volume- dipped- 2- in- 2022- after- a- 33- jump- in- 2021#:~:text= Broken %20out %20by %20carrier %2C %20the,billion%2C %20down %20from %204.3 %20billion.