Chaînes d'approvisionnement pilotées par l'IA : Quand cela touchera-t-il l'électronique ?

L'intelligence artificielle (IA) a été et continue d'être très en vogue dans la robotique, les réseaux sociaux, la personnalisation et d'autres domaines émergents. Tout cela fonctionne discrètement en arrière-plan, grâce en grande partie à la communauté des développeurs de logiciels ; le nombre de cadres, bibliothèques, projets d'exemple et services d'entreprise est si vaste qu'il peut être difficile de suivre. Nous avons maintenant des services comme IBM Watson et les services IA sur AWS qui agissent comme le système d'exploitation sous-jacent pour les applications d'IA de bas niveau.

L'industrie électronique s'attend raisonnablement à ce que l'IA se répande jusqu'à l'automobile, l'Industrie 4.0 et la robotique au niveau du produit, mais qu'en est-il de la gestion de la chaîne d'approvisionnement ? La vérité est que l'IA est déjà utilisée sous diverses formes dans la gestion de la chaîne d'approvisionnement, à l'intérieur et à l'extérieur de l'industrie électronique. Tout comme dans d'autres industries, les applications de gestion de la chaîne d'approvisionnement pilotées par l'IA de bas niveau peuvent aider votre équipe à être plus productive et à obtenir rapidement les données de la chaîne d'approvisionnement dont vous avez besoin. Voici ce qu'il faut surveiller si vous êtes dans le domaine des achats et comment cela affectera la recherche de composants électroniques.

À quoi ressemblent les chaînes d'approvisionnement pilotées par l'IA ?

Tout comme d'autres logiciels, les applications de chaîne d'approvisionnement pilotées par l'IA utilisent l'IA en arrière-plan. Les entreprises de logiciels sont devenues expertes pour faire de l'IA une partie de l'expérience, plutôt qu'un outil que l'utilisateur contrôle explicitement. Elle fonctionne en arrière-plan des applications de gestion de la chaîne d'approvisionnement et des plateformes web, et nous n'avons certainement pas de systèmes de niveau Skynet pour la gestion de la chaîne d'approvisionnement.

En bref, si vous avez un ordinateur ou un système matériel qui prédit le résultat d'une décision de chaîne d'approvisionnement (disons, un itinéraire de livraison), observe le résultat réel, puis s'ajuste pour que les prédictions soient plus proches de la réalité, alors vous faites de l'apprentissage automatique (ML). Lorsque ces techniques sont intégrées dans une stratégie plus large basée sur des règles pour la prise de décision, vous avez maintenant une forme d'intelligence artificielle de bas niveau. Les chaînes d'approvisionnement pilotées par l'IA utilisent ce type d'applications d'IA aux côtés d'autres applications de niveau entreprise pour collecter des données, traiter des données et faire des prédictions liées à l'approvisionnement et aux achats.

Ces applications sont devenues proéminentes dans les domaines suivants de l'ERP :

• Prévision de la demande : Comme son nom l'indique, les modèles ML dans le cadre des systèmes d'IA sont régulièrement utilisés pour prédire la demande locale et régionale. Cela est utilisé dans le cadre de la gestion des stocks, de la logistique et d'autres tâches qui dépendent des prévisions de demande. Les professionnels de la chaîne d'approvisionnement et des achats utilisent des techniques de prévision de la demande depuis le début des années 2000.

• Logistique : Ce vaste domaine concernait autrefois la résolution du problème du voyageur de commerce. Aujourd'hui, les applications d'IA interviennent dans la planification des options d'itinéraire basées sur les observations et les prédictions de la demande régionale pour créer un flux de biens plus efficace.

• Visibilité de la chaîne d'approvisionnement : Une véritable visibilité nécessite le traitement de grandes quantités de données et leur affichage pour les utilisateurs dans des formats conviviaux. Ces données et résultats de traitement peuvent également être utilisés dans d'autres modèles ML dans le cadre d'un système d'IA plus large.

Les modèles de ML utilisés dans les trois domaines peuvent reconnaître des tendances qui ne sont pas évidentes pour tout le monde. L'objectif de l'application de l'IA à la prévision de la demande est de rendre les chaînes d'approvisionnement plus agiles. Si les tendances critiques de la chaîne d'approvisionnement peuvent être identifiées tôt, alors les producteurs, les fournisseurs, les distributeurs, et même le client final (par exemple, les concepteurs de PCB) peuvent ajuster leur stratégie d'approvisionnement en conséquence.

Qui utilise l'IA pour l'approvisionnement ?

Dans le rapport annuel 2020 de MHI.org, les résultats d'une enquête auprès de 1 000 professionnels de la chaîne d'approvisionnement révèlent que 12 % des répondants déclarent que leurs organisations utilisent l'IA dans leurs opérations de gestion et d'approvisionnement (ce chiffre restant stable depuis 2019). 60 % des répondants s'attendent à utiliser ces types d'applications dans les 5 prochaines années, ce qui reflète l'aspect poussée technologique des applications spécialisées en IA. Les répondants travaillent dans des industries allant du transport à la fabrication, ainsi que dans d'autres domaines.

Pourquoi y a-t-il un mouvement pour utiliser des applications créant des chaînes d'approvisionnement pilotées par l'IA ? Nous ne pouvons que spéculer sur ce qui se passe dans une organisation donnée. Cependant, l'adoption d'outils d'analyse prédictive, qui utilisent des techniques d'apprentissage automatique, est à 28 % selon les résultats de l'enquête MHI. Ces outils sont encore de bas niveau, ce qui signifie qu'ils nécessitent une certaine interaction avec un groupe d'utilisateurs ou une intégration avec d'autres plateformes de suivi des actifs pour fonctionner efficacement.

Certains dans l'industrie électronique sont effrayés lorsque des discussions autour de l'IA surgissent. Cependant, les concepteurs et les gestionnaires d'approvisionnement ne devraient probablement pas être préoccupés par ces développements. Ces applications ne peuvent pas fournir la même valeur et les mêmes insights qu'un humain expérimenté. Au lieu de cela, elles sont des outils extrêmement utiles pour repérer les tendances importantes qui pilotent les décisions critiques de la chaîne d'approvisionnement. Que ce soit la volatilité récente entourant la COVID-19 ou le manque de talents techniques travaillant dans la gestion de la chaîne d'approvisionnement, nous pouvons nous attendre à ce que plus d'entreprises utilisent ces outils pour l'approvisionnement et la gestion.

De quoi les concepteurs de PCB ont-ils besoin de la part des chaînes d'approvisionnement pilotées par l'IA ?

Il y a un groupe en particulier qui peut bénéficier des applications de chaîne d'approvisionnement pilotées par ML et IA : les concepteurs électroniques. Ce groupe a besoin de visibilité sur la chaîne d'approvisionnement pour sélectionner, suivre et acheter des composants, tant en petits qu'en grands volumes. 

Les fiches techniques contiennent une énorme quantité d'informations, et les concepteurs individuels n'ont pas le temps de suivre les données de la chaîne d'approvisionnement de chaque distributeur. Les concepteurs ont besoin de systèmes pour les aider à obtenir exactement les informations dont ils ont besoin lorsqu'ils recherchent des composants et élaborent leur propre stratégie d'approvisionnement avant la production. Avec le bon moteur de recherche de composants, les concepteurs peuvent tirer parti des fonctionnalités de filtrage pilotées par l'IA pour :

• Trouver des composants : Un seul composant peut s'intégrer dans une application sous de nombreux noms différents (par exemple, régulateur de tension, convertisseur de puissance, etc.). Lors de la recherche d'un type spécifique de composant, les fonctionnalités de recherche pilotées par l'IA peuvent être utilisées pour regrouper et catégoriser des composants similaires par application. Cela aide les concepteurs à repérer les composants dont ils pourraient avoir besoin avant de finaliser leurs conceptions.

• Filtrage des composants : La plupart des concepteurs se soucient davantage des spécifications techniques que du fabricant ou du prix, et personne ne devrait avoir à éplucher des fiches techniques pour réduire à un petit nombre de spécifications techniques. Les outils d'analyse et de filtration pilotés par l'IA peuvent extraire les spécifications techniques pertinentes et les montrer rapidement à un concepteur lorsqu'il examine un grand nombre de composants.

Tout cela repose sur l'agrégation de données provenant de plusieurs distributeurs et le traitement des données par l'IA pour les utilisateurs, permettant aux concepteurs de prendre de meilleures décisions plus tôt dans le processus de conception. Les grandes entreprises de conception électronique, les services EMS et les distributeurs peuvent bénéficier de l'intégration de ces fonctionnalités dans leurs propres systèmes ERP. En fin de compte, ces outils atténueront la volatilité de la chaîne d'approvisionnement et, espérons-le, aideront les entreprises à anticiper et à prévenir les pénuries de composants.

Octopart joue un rôle actif dans le paysage de la chaîne d'approvisionnement pilotée par l'IA et donne aux concepteurs accès à une gamme de données sur la chaîne d'approvisionnement. Lorsque vous utilisez Octopart, vous aurez accès à un moteur de recherche avec des fonctionnalités de recherche et de filtration avancées et accès aux données de pièces de distributeurs du monde entier gratuitement. Si vous êtes développeur, vous pouvez obtenir l'accès à l'API Octopart et développer vos propres solutions de chaîne d'approvisionnement pilotées par l'IA. Jetez un œil à nos pages de catégories pour commencer à rechercher les composants dont vous avez besoin.

Restez à jour avec nos derniers articles en vous inscrivant à notre newsletter.