Les premiers jours des jumeaux numériques dans la supply chain
Un jumeau numérique qui résout tous les problèmes de la chaîne d’approvisionnement n’est peut-être pas encore une réalité. Découvrez pourquoi et quels types de projets sont réalistes à date.
L’utilisation de jumeaux numériques pour comprendre les supply chains et prévoir les répercussions des troubles tels que la COVID-19, les guerres commerciales et les catastrophes naturelles est prometteuse. Cependant, ces doubles numériques n’en sont qu’à leurs débuts et la complexité de la chaîne d’approvisionnement crée un certain nombre d’obstacles à un usage significatif ou généralisé de ces répliques numériques.
Un jumeau numérique pour la chaîne d’approvisionnement
Dans sa forme la plus simple, un jumeau numérique est le modèle virtuel d’un élément physique, comme une chose, un processus, un lieu ou un client. Parmi les exemples bien connus en dehors de la gestion de la chaîne d’approvisionnement, citons leur emploi pour comprendre les risques de sécurité et la surveillance de moteurs d’avion ou d’équipements industriels tels que les plateformes pétrolières, afin de prévoir les potentielles pannes. Un prestataire de services d’assistance au sol et de restauration en vol a même recouru à la technologie pour améliorer la logistique alimentaire à bord de vols commerciaux.
L’utilisation des jumeaux numériques dans la gestion de la supply chain est peut-être moins répandue.
« Bien que l’expression “jumeau numérique de la supply chain” soit de plus en plus usitée, elle est sujette à confusion pour beaucoup. »
Steve BankerVP services supply chain, ARC Advisory Group
« Bien que l’expression “jumeau numérique de la supply chain” soit de plus en plus usitée, elle est sujette à confusion pour beaucoup », considère Steve Banker, vice-président des services supply chain chez ARC Advisory Group, une société de conseil en gestion.
Le « jumeau numérique » a une signification spécifique, mais dans la pratique, il s’agit d’un terme fourre-tout. Si l’on ajoute à cela la dimension supply chain, la question se complique énormément, car ce terme peut désigner tout ou partie de la chaîne d’approvisionnement.
Certains éditeurs profitent de cette confusion.
« Les éditeurs peuvent utiliser le terme “jumeau numérique” pour tenter de différencier leurs outils de modélisation et retenir l’attention de leurs auditeurs plus longtemps qu’ils ne le feraient autrement », déclare Steve Banker.
Il s’agit alors de comprendre ce qui distingue un digital twin d’un modèle ou d’une simulation. Selon certains experts, il s’identifie par sa capacité à interroger les données et à réellement apprendre quelque chose sur la chose qu’il représente.
Un jumeau numérique qui couvrirait l’ensemble de la supply chain refléterait les nombreuses facettes de cette chaîne. Il devrait utiliser des techniques de machine learning et d’exploration de données et des flux de données continus provenant de diverses sources, telles que des capteurs IoT et des systèmes ERP, de gestion du cycle de vie des produits (PLM) et de management des actifs de l’entreprise, pour formaliser les processus de manière exhaustive. Les parties prenantes pourraient s’en servir pour la planification tactique, opérationnelle et stratégique à travers plusieurs niveaux de la chaîne d’approvisionnement.
Il s’agit là d’une vision à long terme. L’association du jumeau numérique et de cette pratique spécifique demande de déployer un modèle unique intégré, capable de supporter des analyses prédictives et prescriptives à travers les organisations d’un écosystème. Mais faire de cette vision une réalité est un défi.
Défis et spéculations
Une chaîne d’approvisionnement est, par nature, complexe.
« Une chaîne d’approvisionnement ne dépend pas d’un, mais de multiples processus », prévient Michèle Pelino, analyste principal chez Forrester Research. « L’intérêt d’un jumeau numérique réside dans le fait que vous pouvez modéliser virtuellement l’ensemble de votre supply chain. »
Cela permettrait aux parties prenantes d’exécuter divers scénarios pour comprendre les problèmes et les faiblesses d’un tel système.
Il s’agirait d’arriver à un point où les jumeaux numériques fonctionnent sur différents types de procédures, comme des mises à jour simultanées, l’intendance des stocks, l’administration des entrepôts, la gestion de la flotte, le suivi et la traçabilité et la surveillance de la chaîne du froid.
Les trois couches fonctionnelles de la supply chain
Trois couches principales composent un jumeau numérique de la chaîne, selon Tim Payne, analyste chez Gartner.
La couche de données consomme, organise et modélise les données provenant d’applications métiers comme les plateformes ERP et IoT. Elle inclut la dimension de gestion des données de référence (Master Data Management, MDM). Cela va au-delà de la simple construction d’un lac ou même d’un entrepôt de données, car ces ressources doivent être correctement nettoyées et organisées pour le jumeau numérique.
La couche d’association des données se situe au-dessus de cela et constitue la base du jumeau numérique. Chaque entreprise voudra standardiser cette couche en s’appuyant sur les services d’un fournisseur, selon l’analyste.
« Je pense que nous verrons des éditeurs se spécialiser dans l’extraction des données dont ils ont besoin à partir d’un lac de données, puis faire le travail d’association de la manière appropriée », considère-t-il.
Une couche d’analyse prédictive et prescriptive se trouve au-dessus de la couche d’association des données. De nombreuses organisations utilisent des logiciels analytiques standalone proposés par différents éditeurs au-dessus d’une seule couche d’association de données.
« Les grandes entreprises veulent avoir le choix du dispositif d’analyse prédictive et prescriptive à raccorder », indique Tim Payne.
À terme, les entreprises déploieront ce type de fonctionnalités à l’aide d’une architecture composable reposant sur une collection de microservices pour ces différentes fonctionnalités.
« Chaque chaîne d’approvisionnement est unique, et même dans le même secteur, les modèles de données sont différents », confie l’analyste.
La confiance des fournisseurs est nécessaire avant l’intégration
Un jumeau numérique complet de la chaîne d’approvisionnement devrait intégrer des données provenant de plusieurs couches d’interaction entre les entreprises et leurs fournisseurs et les fournisseurs de leurs fournisseurs. Ce type de modélisation permet de détecter les éventuels goulets d’étranglement et autres problèmes.
« Les défis sont multiples lorsqu’il s’agit de produits et de processus situés en dehors des limites de l’organisation », considère Vishnu Andhare, responsable des services d’ingénierie chez ISG, une société de recherche et de conseil en technologie.
Par exemple, « établir des relations qui facilitent l’instauration d’un flux d’informations au-delà des frontières de l’entreprise n’est pas une mince affaire », constate Vishnu Andhare. L’intégration des données entre les divers silos IT est également un enjeu pour les dirigeants commerciaux et les DSI.
Un jumeau numérique de la supply chain doit aussi incorporer des données provenant d’une variété d’applications d’entreprise, y compris les logiciels de gestion de la production (MES), les ERP et les outils spécifiques à la chaîne d’approvisionnement, déclare Vishnu Andhare.
Un autre défi d’intégration réside dans le couplage des modèles de données à différentes catégories de cas d’usage. Les chefs d’entreprise devront trouver des moyens de construire un jumeau numérique basé sur un modèle cohérent et partagé. Il devra également supporter divers types de données commerciales, IoT, et contextuelles. Par ailleurs, les participants à la chaîne d’approvisionnement devront préserver leur souveraineté.
Cette reconnaissance est essentielle : une multitude de parties prenantes doivent être impliquées pour créer une stratégie de jumelage numérique réussie.
Des bénéfices à venir
Les jumeaux numériques consacrés à la supply chain doivent être considérés comme faisant partie d’un cadre stratégique afin de favoriser la transformation continue des pratiques et des technologies de la « chaîne » et du « réseau » d’approvisionnement numérique, théorise Matthew Lekstutis, associé directeur mondial et responsable du conseil en supply chain chez Tata Consultancy Services. Dans ce contexte, un jumeau numérique du réseau d’approvisionnement pourrait faciliter la simulation des différents résultats perturbateurs et des scénarios d’atténuation des risques, ainsi que les conséquences des actions de réponse sur l’entreprise et l’écosystème auquel elle appartient.
À long terme, les chefs d’entreprise pourraient chercher des moyens de connecter les jumeaux numériques les uns aux autres afin de partager des données, d’améliorer les performances globales et la prise de décision au sein des organisations, entrevoit Matthew Lekstutis. Les échanges commerciaux interentreprises existants constitueront l’épine dorsale idéale pour assurer l’interopérabilité des digital twins utilisés par ces acteurs membres d’un écosystème. À l’avenir, ce type d’intégration permettra aux sociétés de réagir plus facilement à des changements massifs, comme ceux qui ont été observés au lendemain de la pandémie.
L’état de l’art du jumeau numérique dédié à la supply chain
« Les jumeaux numériques dédiés à la supply chain n’en sont encore qu’au début du “Hype Cycle” évalué par Gartner, et il faudra plusieurs années avant qu’ils ne s’imposent pleinement », estime Tim Payne, analyste chez Gartner. En attendant, il existe des outils et des versions plus limitées des jumeaux numériques de la chaîne logistique qui peuvent améliorer les analyses prédictives et prescriptives dès aujourd’hui. Ces logiciels peuvent aider les responsables de la chaîne d’approvisionnement et d’autres personnes à développer les compétences et les processus nécessaires pour exploiter efficacement des jumeaux numériques plus complets lorsque la technologie arrivera à maturité.
Pour trouver des exemples de jumeaux numériques de supply chain actuellement en production et en tirer des enseignements, il faut se tourner vers des applications spécifiques dans la logistique ou la fabrication.
Par exemple, Unilever utilise des jumeaux numériques d’usines. Les équipements et les machines présentes au sein de ces sites industriels sont connectés à des capteurs IoT et à des services de périphérie intelligents dans la plateforme Azure IoT. Ces senseurs transmettent différents indicateurs, de la température à la durée des cycles de production, au logiciel de jumeau numérique, que l’équipe d’ingénieurs d’Unilever a créé en collaboration avec le partenaire Microsoft The Marsden Group. Les machines et les processus sont représentés et les parties prenantes peuvent les exploiter à la recherche de modèles, à l’aide d’algorithmes d’analyse et d’apprentissage automatique, ce qui permet ensuite de prédire les performances des organes de production.
L’utilisation des jumeaux numériques a permis d’améliorer les produits de l’entreprise et augmente sa capacité de production, grâce à de nouvelles connaissances.
Supply Chain : sept blocs requis pour bâtir un jumeau numérique
Selon Tim Payne, sept modules sont nécessaires pour créer un jumeau numérique dédié à la supply chain. Voici ce qu’il recommande.
Les transactions et les événements en temps réel doivent être capturés automatiquement à partir d’objets connectés, des applications d’entreprise et des sources de données tierces pour effectuer des mises à jour du modèle toutes les deux minutes.
Les entités, attributs et paramètres qui composent la chaîne d’approvisionnement doivent être automatiquement extraits des flux de données. Il peut s’agir de choses comme les produits, les clients, les délais, la nomenclature et la source d’origine. Des corrélations plus granulaires conduisent à des modèles plus précis.
La configuration et les corrélations indiquant la relation entre les entités, les attributs et les paramètres doivent être cartographiées à l’aide d’algorithmes d’apprentissage automatique pour regrouper et identifier les relations. Il peut s’agir, par exemple, de savoir quels produits sont liés à un client et à une installation donnés et comment ils sont affectés par des variations telles que la saisonnalité.
La distribution des probabilités doit être calculée sur la base de ces données. Par exemple, un modèle peut définir un délai d’exécution standard et une expression mathématique pour déterminer ce qui l’influence.
L’ancrage dynamique permet de modifier dynamiquement les relations entre les entités à travers le modèle. Une commande client peut être rattachée à une quantité spécifique de stock et/ou à une demande de fabrication. Lorsque des contraintes ou des opportunités perturbent les plans, l’ancrage dynamique peut ajuster ces connexions. Il est ainsi plus facile de prévoir et de réagir à l’impact d’événements majeurs tels qu’un tremblement de terre régional qui peut affecter plusieurs nœuds d’une chaîne d’approvisionnement en même temps.
Les responsables de la chaîne d’approvisionnement ont besoin d’outils afin d’appliquer des règles d’engagement pour certains niveaux de service et de rotation des stocks. Le jumeau numérique doit permettre de représenter aisément les types de décisions que les gestionnaires pourraient prendre et qui peuvent être simulées sur le modèle.
La data visualisation de la supply chain offrent la possibilité de la voir sous différents angles en utilisant plusieurs méthodes analytiques.
Pour approfondir sur Outils décisionnels et analytiques
