Lorsqu'une entreprise exploite des installations sur cinq continents, les chaînes logistiques s'étirant sur des milliers de kilomètres, les interruptions à n'importe quelle étape du processus de gestion des commandes (O2C) peuvent entraîner des retards de livraison des produits. Mais en raison de la complexité de ses opérations lointaines, une grande multinationale de fabrication (MMC) avait du mal à trouver les causes premières des retards survenus dans son activité logistique.
« Nous avons remarqué des différences significatives dans les délais moyens et les coûts de livraison entre les différents clients, et les raisons de ces différences n'étaient pas bien comprises. » déclare le vice-président de la logistique de la MMC. « Nous avons également constaté que de nombreuses commandes étaient suspendues, mais nous ne pouvions pas toujours déterminer qui insérait les blocs ou pourquoi ils n'étaient pas conformes aux processus standard ».
Bien que les responsables de la logistique de la MMC aient essayé à plusieurs reprises de minimiser les retards, les mesures correctives ont été envahies par des informations incomplètes et déconnectées. Étant donné que les écarts par rapport aux processus standard n'étaient pas surveillés, il n'y avait aucun moyen de comprendre comment ces écarts ont affecté les calendriers et les coûts de livraison.
« Tant que nous n'aurions pas une meilleure idée de l'origine et de la raison des retards dans le système, nous ne serions pas en mesure de prendre les mesures nécessaires pour corriger les écarts », explique le vice-président de la MMC. « Nous pensions également que si nous disposions d'une vision détaillée et globale des processus réellement utilisés, nous pourrions commencer à automatiser davantage de processus et à réduire les efforts humains. »
Grâce à des entretiens et des méthodes informelles, les responsables logistiques de la MMC ont tenté de cartographier les processus O2C, d'identifier les goulots d'étranglement et de corriger les anomalies, sans succès. « Mais alors que nous déployions notre plateforme ERP, notre partenaire d'intégration des systèmes a recommandé un nouvel outil », explique le vice-président MMC. « Il pourrait nous fournir une vue détaillée de tous les processus et personnes impliquées avec O2C et être dirigé vers les données réelles de notre système ERP. Nous étions intrigués par les possibilités. »
Réduction des coûts
Réduction du nombre de cas de modification de la date de livraison pour une économie de 50 000 USD et raccourcissement du délai de 3 jours.
Automatisation des livraisons
Adoption d'une solution RPA pour réduire les retouches et automatisation de 75 % de l'activité de livraison pour réaliser 60 000 USD d'économies de coûts.
Après avoir examiné une preuve de concept (POC), la MMC a choisi la solution IBM Process Mining et l'a déployée via le logiciel IBM Cloud Pak for Business Automation. IBM Process Mining est également inclus en tant que fonctionnalité fondamentale dans le portefeuille de solutions IBM Cloud Paks for Automation. « Nous voulions voir un « jumeau numérique » de notre organisation logistique, déclare le vice-président de la MMC, « afin de pouvoir identifier les goulots d'étranglement dans nos processus O2C et repérer les opportunités d'automatisation. »
Lorsque les dirigeants de la MMC ont vu leur processus O2C cartographié pour la première fois, ils ont eu la même réaction que de nombreux clients face à la technologie de simulation alimentée par l'IA. « Notre première réaction a été : « Vous avez dessiné ceci. Nous ne pouvons pas croire pas qu'elle ait été créée automatiquement à partir des données. » La deuxième réaction a été « Ce n'est pas vrai, les données sont incorrectes », dit le vice-président de la MMC. « Mais dès que nous avons analysé la simulation, nous avons pu voir à quel point ce modèle a été bien construit, basé sur les données réelles de notre plateforme ERP. Cela a été une véritable révélation. »
En travaillant avec l'outil pour étudier toutes les activités, les points de contact et les employés impliqués dans le processus O2C, l'équipe logistique de la MMC a pu :
- Analyser le comportement des processus, trouver des activités non conformes et identifier les opportunités d'amélioration
- Identifier les activités critiques en termes d'impact sur les coûts et de variabilité des délais
- Découvrir les principaux utilisateurs des processus et vérifier la séparation des tâches
- Surveiller les reprises de travaux pour savoir où les erreurs et les procédures inappropriées ont un impact sur les calendriers de livraison
- Découvrir les coûts liés aux activités manuelles et les possibilités d'automatisation
L’analyse du comportement des employés a fourni des informations révélatrices. Par exemple, une responsable logistique passait manuellement outre les calendriers pour tenter d’aider son usine à atteindre ses objectifs de production. « Elle essayait d’aider, mais elle retardait en fait », explique le vice-président de la MMC. « Nous avons parlé avec elle et lui avons expliqué que son équipe faisait un bien meilleur travail sans son intervention. »
Après avoir analysé le modèle de processus O2C créé par l'outil IBM Process Mining et à l'aide des tableaux de bord de l'outil pour surveiller l'activité, les responsables logistiques de la MMC ont pu :
- Réduire le nombre d'instances de modification de la date de livraison, ce qui permet d'économiser 50 000 USD et de raccourcir les délais de trois jours
- Surveiller en permanence la variabilité du délai de livraison des clients, ce qui a augmenté l'alignement des indicateurs de performance clés de 25 % pour les activités de suppression des blocs logistiques et de date de livraison modifiée
- Repenser le processus pour réduire les activités de suppression des blocs logistiques, ce qui a permis de réaliser plus de 100 000 USD d'économies et de réduire les délais moyens de deux jours
La plate-forme IBM Process Mining a également permis à la MMC de déployer des outils d’automatisation des processus robotiques (RPA), un objectif de longue date de l’organisation. En surveillant les performances de la RPA, l'entreprise :
- A automatisé de 75 % de l'activité de livraison, permettant de réaliser des économies de 60 000 USD et de réduire considérablement les reprises de travaux
- A automatisé de 75 % des activités de création de lignes pour réaliser des économies de 50 000 USD et réduire les délais de trois jours
« Automatiser les processus où la faisabilité représente une énorme opportunité pour nous », déclare le vice-président de la MMC. « En raison du volume de travail que nous avons dans la logistique, nous avons parfois du mal avec les ressources humaines disponibles. En réduisant le nombre de fois où les commandes sont bloquées ou reprogrammées, nous pouvons libérer du temps pour que notre personnel travaille sur d'autres tâches. »
« L'une des étapes que nous souhaitons franchir à l'avenir avec IBM Process Mining est de comprendre les comportements des clients et la manière dont ceux-ci peuvent ajouter des retards et des coûts associés au processus », déclare le vice-président de la MMC. « Nous pensons que cet outil nous aidera à modifier ces comportements afin de pouvoir réduire les délais de livraison et être plus rentables. »
En tant que grande entreprise mondiale, la MMC souscrit à une gamme de services d’aide à la décision pour la surveillance et la planification des performances. « Nous avons déjà beaucoup d’informations avec lesquelles travailler, mais il y a plusieurs KPI critiques que nous surveillons avec IBM Process Mining que nous ne pouvons obtenir nulle part ailleurs », explique le vice-président de la MMC. « Il faut toujours garder une longueur d’avance sur la concurrence. Et en augmentant l’automatisation de nos processus métier avec IBM Process Mining, nous avons l’intention de creuser l’écart entre nous et nos concurrents. »
Fondée il y a plus de 100 ans, la MMC exploite plus de 100 usines dans 50 pays et compte plus de 20 000 employés. Elle est un fournisseur de premier plan dans les secteurs des télécommunications, de la transmission d'énergie, de la construction et du transport. Le client présenté dans cette étude de cas a initialement collaboré avec MyInvenio, qui a commencé à exercer ses activités sous le nom d'IBM le 1er août 2021. Le produit myInvenio présenté dans cette étude de cas, myInvenio Process Mining, est désormais connu sous le nom d'IBM Process Mining.
Notes de bas de page
© Copyright IBM Corporation 2022. IBM Corporation, New Orchard Road, Armonk, NY 10504
Produit aux Etats-Unis, mars 2022.
IBM, le logo IBM, ibm.com et IBM Cloud Pak sont des marques commerciales d’International Business Machines Corp., déposées dans de nombreux pays. Les autres noms de produits et de services peuvent être des marques d’IBM ou d’autres sociétés. Une liste actuelle des marques de commerce IBM est disponible sur le Web à l'adresse suivante : « Informations sur les droits d'auteur et les marques de commerce » à l'adresse https://www.ibm.com/fr-fr/legal/copytrade.
Les informations contenues dans le présent document étaient à jour à la date de sa publication initiale. Elles peuvent être modifiées sans préavis par IBM. Les offres mentionnées dans le présent document ne sont pas toutes disponibles dans tous les pays où la société IBM est présente.
Les données de performance et les exemples de clients cités sont présentés à titre informatif uniquement. Les résultats des performances peuvent varier en fonction des configurations et des conditions de fonctionnement. LES INFORMATIONS CONTENUES DANS LE PRÉSENT DOCUMENT SONT FOURNIES « EN L’ÉTAT », SANS AUCUNE GARANTIE EXPLICITE OU IMPLICITE, NOTAMMENT SANS AUCUNE GARANTIE DE QUALITÉ MARCHANDE, D’ADÉQUATION À UN USAGE PARTICULIER ET AUCUNE GARANTIE OU CONDITION D’ABSENCE DE CONTREFAÇON. Les produits IBM sont garantis conformément aux dispositions des contrats qui régissent leur utilisation.