Un tiers des matières premières et des denrées alimentaires produites dans le monde se gâte avant d’atteindre les consommateurs ou les utilisateurs finaux visés. Selon les Nations unies, cela représente environ 1,3 milliard de tonnes métriques de gaspillage alimentaire et environ 40 % de ce gaspillage se produit pendant le transport à travers les chaînes d’approvisionnement. Dans un contexte d’inflation croissante, la résolution des problèmes logistiques liés à l’industrie alimentaire et à la fabrication de boissons est devenue une priorité.
La compréhension des facteurs de causalité du gaspillage alimentaire constitue un point de départ pour lutter avec succès contre le gaspillage tout au long de la chaîne d’approvisionnement. Aujourd’hui, plusieurs raisons ont été avancées :
- Conditions de récolte variables
- Variations de température dans les moyens de transport
- Retards dans la chaîne d’approvisionnement et
- Processus de contrôle inadéquats pour suivre les mouvements de la chaîne d’approvisionnement
L’intégration de solutions de transformation numérique à travers les systèmes de logistique et de chaîne d’approvisionnement d’aujourd’hui introduit les concepts de l’industrie 4.0 dans la gestion des chaînes d’approvisionnement. Ces solutions technologiques fournissent aux fabricants d’aliments et de boissons les outils nécessaires pour mettre en œuvre des solutions telles que la surveillance en temps réel, la surveillance de l’état, la programmation optimisée et la prise de décision fondée sur les données afin d’éliminer le gaspillage. Dans ce billet, un aperçu de l’application de la technologie numérique pour développer des processus de chaîne d’approvisionnement intelligents sera fourni.
Saisir les données tout au long de la chaîne d’approvisionnement
Tirer parti de l’automatisation tout au long de la chaîne d’approvisionnement commence par la capture des données nécessaires à la prise de décision automatisée. L’intégration de l’IoT industriel (IIoT) au sein des lignes logistiques et des transporteurs fournit d’excellentes informations qui peuvent résoudre quelques-uns des facteurs de causalité du gaspillage mis en évidence ci-dessus. Les capteurs IIoT peuvent capturer les variations de température au sein des actifs de transport pour aider les gestionnaires de la chaîne d’approvisionnement à abaisser ou à augmenter les températures lorsque cela est nécessaire. Les capteurs de bord tels que les RFID et les traqueurs de codes-barres fournissent également un support de géolocalisation pour aider à la planification.
Un exemple des capacités de suivi de l’IIoT est l’utilisation par Bosch de son cadre IoT pour suivre l’état de santé des matières premières transférées de Porto Rico à Hambourg. Dans ce cas, les matières premières étaient des bananes et pour s’assurer qu’elles arrivent à destination dans des conditions optimales, les températures de transport spécifiques et leur durée de conservation doivent être connues. Le déploiement de dispositifs IIoT dans les caisses de bananes a permis à l’entreprise de transporter cette denrée périssable dans son état optimal jusqu’à l’atelier.
Communiquer à travers la chaîne d’approvisionnement
La collecte de données est la première étape de la mise en œuvre d’une chaîne d’approvisionnement intelligente ou de la logistique 4.0. Dans la plupart des cas, les données capturées doivent être analysées et les résultats communiqués en temps réel pour prendre des décisions. Dans les situations où des dispositifs de périphérie sont utilisés, la prise de décision décentralisée garantit un certain niveau d’automatisation. Pour revenir au cas d’utilisation de l’IIoT dans le suivi de l’état de santé des bananes, la température de transport optimale pour cette matière première est de 11 degrés Fahrenheit. Si la température interne tombe en dessous de ce seuil, l’appareil peut déclencher une notification pour augmenter la chaleur des systèmes de réfrigération – mais ce n’est pas toujours le cas.
Dans les scénarios où des décisions interconnectées, qui affectent d’autres plans de production, doivent être prises, une analyse plus complexe est nécessaire. Dans ces scénarios, les données capturées sont envoyées à une plateforme centralisée telle qu’une plateforme MES, de simulation ou de jumeau numérique pour une analyse plus approfondie. Un réseau de communication est nécessaire pour transférer les données entre ces technologies numériques et communiquer les résultats. Pour faciliter la communication à travers la chaîne d’approvisionnement, des réseaux sans fil plus traditionnels sont utilisés en raison de leur fiabilité et de leur saturation. Les appareils IIoT qui se déplacent dans des endroits éloignés sont plus susceptibles d’accéder aux réseaux 3G qu’aux réseaux 5G. Les données collectées peuvent ensuite être transférées à l’aide d’options de mise en réseau plus avancées lorsque les réseaux de communication sont plus stables.
Analyse des données de la chaîne d’approvisionnement
La saisie et le transfert de données tout au long de la chaîne d’approvisionnement fournissent aux logiciels d’analyse les outils dont ils ont besoin pour travailler. Une fois les données saisies et accessibles, il devient possible d’analyser les chaînes d’approvisionnement, d’évaluer la logistique, d’améliorer la planification de la production et de mettre en œuvre des stratégies de surveillance à distance.
Diverses plateformes logicielles analytiques fournissent aux fabricants, aux entrepôts et aux entreprises de logistique les outils nécessaires à la mise en œuvre d’une chaîne d’approvisionnement intelligente. Ces outils sont les suivants :
- Modélisation de simulation – Pour évaluer, tester et développer des stratégies d’optimisation afin d’améliorer les performances de la chaîne d’approvisionnement.
- Technologie Digital Twin – pour surveiller à distance et en temps réel les performances de la chaîne d’approvisionnement, les évaluations et l’optimisation de la prise de décision.
- Systèmes d’entreprise manufacturière – pour la gestion des stocks, la gestion des ressources et l’affectation des ressources.
- Les ERP – pour gérer les attentes des clients en ce qui concerne le respect des délais de livraison.
Un exemple d’application d’outils analytiques pour développer une chaîne d’approvisionnement intelligente est l’utilisation de Simio pour saisir les variations dans le transport des matières premières agricoles à travers les principaux points d’étranglement maritimes. L’étude a utilisé les données historiques de transport du canal de Panama, du canal de Suez et du détroit de Gibraltar pour évaluer l’impact de leur fermeture sur la chaîne d’approvisionnement mondiale des produits agricoles. Les résultats de l’évaluation ont mis en évidence les pénuries alimentaires importantes qui risquent de se produire et leur effet sur les coûts d’expédition, ainsi que les itinéraires alternatifs permettant d’atténuer les pénuries. Vous pouvez consulter les résultats complets ici.
Tirer parti de la logistique 4.0
L’intégration des technologies numériques pour saisir et analyser les données tout au long de la chaîne d’approvisionnement crée un environnement intelligent qui garantit la responsabilité tout au long de la chaîne. Cette chaîne d’approvisionnement intelligente permet de connaître l’emplacement des matières premières ou des produits, d’évaluer leur état et de suivre les progrès logistiques depuis le chargement d’un conteneur jusqu’à sa livraison finale.