Pourquoi les données système dans l'entrepôt ne suffisent pas
Les systèmes ERP et de gestion d'entrepôt sont indispensables. Ils structurent les flux de marchandises, gèrent les stocks et fournissent la base pour la planification et le reporting. À ce niveau, ils remplissent exactement la fonction pour laquelle ils ont été conçus. Mais ils ont une limite structurelle : ils enregistrent les états de transaction, mais pas la réalité.
Dans le quotidien opérationnel, cela signifie ce qui suit : Un système enregistre la réception des marchandises dès que le scan est effectué. Il ne sait pas que la palette est restée vingt minutes dans l'allée ensuite, parce que la zone de destination était occupée. Il ne sait pas que l'employé a parcouru le même chemin trois fois parce que la logique de stockage ne correspondait pas à l'occupation actuelle de l'entrepôt. Et il ne sait pas que du temps est perdu chaque jour lors du transfert entre la réception des marchandises et la préparation des commandes.
Les retards sont donc rarement dus à une seule erreur clairement identifiable. Ils résultent de nombreuses petites déviations qui s'accumulent au cours d'une journée et n'apparaissent dans aucun rapport, jusqu'à ce qu'elles se manifestent par un niveau de service non atteint ou un rayon vide. Tant que les systèmes ne montrent que ce qui se passe, mais que nous ne savons pas pourquoi, l'optimisation ciblée reste de la pure spéculation.
La boîte noire du travail manuel
Selon une étude de BOSTONtec aujourd'hui encore, la majeure partie des coûts opérationnels est imputable au travail manuel. En même temps, c'est précisément ce domaine qui est le moins transparent et qui ne se manifeste guère dans les opérations quotidiennes, jusqu'à ce que les chiffres parlent d'eux-mêmes. Les temps de cycle varient, les niveaux de service ne sont pas atteints, mais les raisons restent floues, car elles ne peuvent pas être lues dans un seul indicateur. Elles se cachent dans les interstices du processus.
Quelques exemples concrets : Les trajets s'allongent parce qu'une modification de l'agencement, effectuée il y a des mois, n'a jamais été réellement évaluée quant à ses impacts. Des temps d'attente apparaissent lors du transfert entre deux zones – non pas parce que quelqu'un travaille trop lentement, mais parce que le rythme entre les zones n'a jamais été coordonné. Les interruptions dues aux requêtes système, aux questions ou aux matériaux manquants deviennent une routine inaperçue qui coûte quelques minutes chaque jour. Multiplié par tous les employés et sur tous les quarts de travail, cela peut représenter un désavantage de coût immense. De plus, les soi-disant « high performers » ou ceux qui travaillent particulièrement efficacement, restent méconnus et l'opportunité d'adapter leur méthode de travail est perdue. C'est aussi un inconvénient de l'intransparence. Ces effets n'apparaissent dans aucun indicateur. Pourtant, ils décident quotidiennement de la qualité de service, des coûts et de la capacité.
Rendre visible la réalité des processus : Ce que Motion-Mining® apporte
Les systèmes classiques s'arrêtent là où le travail réel commence. Motion-Mining® intervient précisément à ce niveau. À l'aide de wearables et de balises Bluetooth, une image numérique des processus manuels est créée, entièrement anonymisée, conforme au RGPD et sans intervention dans l'IT existante. Pas des états de transaction, mais de véritables données de mouvement issues de l'exploitation. Le système identifie non seulement ce que font les employés, mais aussi où, combien de temps et où du temps est perdu. Si des données d'exploitation existantes sont disponibles, les données Motion-Mining® peuvent être enrichies, par exemple, avec des données de transaction d'un système WMS, offrant ainsi une vue encore plus détaillée des événements du processus.
Ce qui peut être déduit du « Quoi, Où et Combien de temps » : Un préparateur de commandes parcourt douze kilomètres par jour, mais trois d'entre eux seraient évitables si quatre articles étaient stockés différemment. Au point de transfert entre la réception des marchandises et la préparation des commandes, une file d'attente silencieuse de huit minutes se forme chaque matin, car les équipes ne sont pas synchronisées. Et dans une zone donnée, le même processus prend jusqu'à 40 % plus de temps pour différents employés. Non pas parce que quelqu'un travaille moins bien, mais parce que l'agencement des chemins y est structurellement défavorable.
Ces connaissances ne proviennent pas d'échantillonnages ou d'observations. Elles sont issues de données de mouvement complètes sur plusieurs semaines et permettent ainsi pour la première fois une optimisation qui ne repose pas sur des suppositions, mais sur des faits.
Agentic Fulfillment : Pourquoi l'exécution devient la base de la décision
Les systèmes agentiques vont fondamentalement transformer la logistique. Ils priorisent, contrôlent et déclenchent des actions de manière autonome. Non pas sur la base de rapports quotidiens, mais sur la base de la réalité opérationnelle. Mais pour que cela fonctionne, ils ont besoin d'une base qui va bien au-delà des états de transaction.
Un agent qui doit apprendre le fonctionnement réel d'un entrepôt a besoin de données sur la manière dont le travail se déroule concrètement : quels chemins sont empruntés ? Où se créent les temps d'attente ? Comment la capacité évolue-t-elle en fonction des équipes, des zones ou de la charge de travail ? Or, ces données manquent aujourd'hui dans la plupart des organisations, car il n'existait jusqu'à présent aucune méthode pour les collecter systématiquement.
Motion-Mining® comble cette lacune. Les données de mouvement collectées lors des opérations physiques constituent une base d'entraînement solide pour les systèmes agentiques ou l'IA physique, jetant ainsi aujourd'hui les bases d'une automatisation qui pourra réellement réagir à la réalité opérationnelle de demain.
%20(1).webp)
