Comment optimiser sa supply chain avec l’IA ?
Pour réduire considérablement son empreinte carbone et améliorer sa supply chain, TEREOS a fait appel à JEMS afin de mettre en place une plateforme data et un algorithme de machine learning. Un résultat sans appel.
- Publié le
En quelques chiffres...
+10K
camions par jour
circulent quotidiennement entre les champs et les usines pendant la récolte
2e
groupe sucrier mondial
un acteur industriel d’envergure, avec des enjeux logistiques massifs
12K
coopérateurs agriculteurs français
un écosystème large, nécessitant une coordination fine des opérations
1+1
une plateforme data + un algorithme de machine learning
mis en place pour piloter et optimiser les flux de collecte
Le projet
Notre approche
JEMS a accompagné TEREOS à la fois dans la définition de la feuille de route data et dans l’exécution du projet. L’approche a consisté à bâtir une plateforme data cloud capable de centraliser, structurer et exploiter les données logistiques, puis à développer un algorithme de machine learning pour améliorer la gestion des flux de camions en période de récolte.
Le diagnostic
Pendant la campagne betteravière, TEREOS doit orchestrer chaque jour des flux logistiques très importants entre les champs et les usines. Cette intensité opérationnelle génère naturellement des points de tension sur la supply chain, notamment lorsque les arrivées de camions ne sont pas suffisamment anticipées ou réparties. Les temps d’attente s’allongent alors, les congestions se multiplient et la collecte perd en efficacité. Dans ce contexte, l’enjeu pour TEREOS était de mieux exploiter la donnée afin d’améliorer le pilotage des opérations, fluidifier les flux et réduire les impacts opérationnels comme environnementaux.
Les livrables clés
- Définition de la feuille de route data
- Mise en place d’une plateforme data sur Microsoft Azure
- Intégration et organisation des données avec Talend
- Structuration du stockage et de l’exploitation des données avec Snowflake et DataStax
- Création de tableaux de bord de visualisation avec Tableau
- Développement d’un algorithme de machine learning pour optimiser les temps d’attente des camions
Comment optimiser sa supply chain avec l'IA ?
Les bénéfices pour tereos
Une supply chain plus fluide
L’optimisation des flux permet de mieux répartir les arrivées de camions et de limiter les phénomènes de saturation.
Des temps d'attente réduits
Le recours au machine learning améliore l’organisation des rotations et réduit les pertes de temps sur le terrain.
Un impact carbone diminué
En réduisant les bouchons et les temps d’immobilisation, TEREOS agit aussi sur son empreinte environnementale.
Une meilleure capacité de pilotage
La plateforme data donne aux équipes une vision plus structurée et plus exploitable des opérations logistiques.
