Comment un grand constructeur automobile a réalisé des économies en Millions d’euros et de tonnes de carbone grâce à une Supply Chain optimisée par le Machine Learning ?
Contexte et enjeux pour ce grand constructeur automobile
L’optimisation de la Supply chain représente pour ce grand constructeur automobile un projet monétisable auprès de ses clients en plus d’un levier important de réduction des émissions de carbone.
Le groupe a pour objectif de transformer son business modèle pour s’orienter sur une offre de services. Cette offre s’appuie sur la transformation numérique accélérée du groupe et doit représenter 50% du Chiffre d’Affaires en 2035.
Le groupe se fixe également des objectifs ambitieux de réductions de ses émissions d’ici 2030.
Approche et méthodologie choisies ensemble
Qualité de donnée : Le machine learning a permis de créer un forecast des pièces incluant leurs informations de packaging. Ces informations étaient de mauvaises qualité ou inexistantes et le Machine Learning a permis de corriger la qualité des jeux de données en plus de faire des prévisions.
Industrialisation : Un travail sur la logique de forecast et la logique d’optimisation a permis de simplifier la réutilisation des algorithmes. L’utilisation d’un déploiement infrastructure-as-code simplifie également la réutilisation des composants.
Livrables et implémentation
Une infrastructure Azure-Databricks alignée avec les règles de sécurité du groupe a permis de déployer les composants du projet rapidement et à moindre coûts.
La création d’un jumeau numérique a permis aux équipes métier de visualiser l’impact des changement proposés par le modèle.
Conclusions et résultats
Le Machine Learning a sensiblement augmenté la qualité des données notamment en forecast.
La supply chain est optimisée grâce a un travail sur les logiques de forecast et d’optimisation
Résultats en chiffres
Pour ce grand constructeur automobile, l’optimisation de la supply chain a permis une réduction de coûts estimée à + de 100 millions d’euros dans les années à venir.
En outre, cette implémentation a permis une réduction de l’empreinte carbone de plusieurs millions de tonnes.
Enfin, ce projet est industrialisable et reproductible donc prêt à être monétisé.
Vous souhaitez piloter efficacement vos acquisitions diverses ?