D'ici 2025, la quantité de données dans le monde augmentera de 10 fois par rapport à 2015. Ces chiffres ont été annoncés par la société internationale de recherche et de conseil IDC (en anglais International Data Company) dans le rapport « Ere des données 2025 ».
Dans le secteur de la logistique, la tendance n'est pas différente de celle mondiale. La quantité d'informations double tous les deux ans. Selon les analystes, déjà en 2020, la quantité de données sera de 44 zettaoctets. A titre de référence: 1 disque dur de 1 zettaoctet contient de la vidéo haute résolution 4K avec un timing total de plus de 63 millions d’années...
Pour l'analyse et l'interprétation de grands volumes de données, les algorithmes d'apprentissage automatique (AA) viennent à la rescousse. L’AA fait des prévisions sur la base des informations reçues et des tendances identifiées. Pour plus d'informations sur l'apprentissage automatique et son application dans l'industrie du transport et de la logistique, nous avons questionné Vitaly Verbilovich, responsable de la recherche et du développement du groupe international de sociétés AsstrA.
Vitaly, comment utilisez-vous l'apprentissage automatique en logistique?
L'apprentissage automatique est utilisé dans tous les domaines du transport et de la logistique.
- Logistique d'entrepôt. La vision par ordinateur surveille les marchandises restantes dans les entrepôts, contrôle les travailleurs, assure la sécurité des installations.
- Expédition. Sur la base des informations collectées sur le transport, on planifie et construit des itinéraires, prévoit les vagues de saisonnalité.
- Ventes. La prévision des volumes de vente, l'évolution de la politique tarifaire de l'entreprise de transport et de logistique sont établies, notamment, en tenant compte des indicateurs moyens de la vente des services.
- La sécurité. Les modèles de notation (remarque: la notation est un système d'évaluation ponctuelle basé sur des méthodes statistiques numériques) aident à identifier les entrepreneurs de mauvaise foi ou potentiellement problématiques avant même le début de la coopération, sur la base d'informations sur les relations avec les fournisseurs.
Quelles informations sont traitées à l'aide des algorithmes AA et que doivent retenir les analystes?
En analytique, la première priorité est l'énoncé du problème et la formulation de la demande de sélection des informations nécessaires. Cela n'est pas possible sans intervention humaine, des analystes avec de l’expérience et des connaissances dans un domaine d'activité spécifique. Ensuite, les algorithmes d'apprentissage automatique entrent en jeu, lesquels gèrent plus efficacement les tâches de collecte, de traitement et d'analyse primaire des informations. L'analyste est libéré des tâches routinières et trop longues et se concentre sur les aspects conceptuels du travail.
Comment AsstrA utilise-t-elle les algorithmes d'apprentissage automatique?
Le groupe de sociétés AsstrA-Associated Traffic AG utilise des algorithmes d'apprentissage automatique pour résoudre trois catégories de tâches:
- Numérisation du flux de travail grâce à la construction de bases de données pertinentes avec traitement ultérieur des informations.
- Prévision et information sur un éventuel cas de force majeure dans le trafic routier. Afin d'augmenter la transparence de la chaîne d'approvisionnement, AsstrA collabore avec Shippeo, dont les algorithmes peuvent augmenter la transparence des chaînes d'approvisionnement en temps réel, ainsi que pour prévoir les problèmes éventuels dans le trafic routier et les signaler.
- Analyse prédictive des tendances des indicateurs pour les périodes précédentes et évaluation des risques et opportunités futurs.
Grâce aux informations traitées, des décisions éclairées sont prises pour accroître l'efficacité des chaînes d’approvisionnement.