Lazer Logistics : Uncle Phil AI révolutionne la logistique

Lazer Logistics, un leader dans le secteur de la logistique, a récemment lancé un outil d'intelligence artificielle innovant, Uncle Phil AI, pour améliorer la gestion des cours. Cet outil s'inspire de l'expertise du COO Phil Newsome, qui compte 36 ans d'expérience dans le domaine. Uncle Phil AI est conçu pour optimiser les opérations sur 750 sites en fournissant des informations opérationnelles en temps réel.

Lazer Logistics collabore avec des détaillants et des fabricants pour transporter leurs marchandises des quais vers les autoroutes et les entrepôts. L'outil Uncle Phil AI améliore la gestion des zones de chargement en offrant des informations opérationnelles en temps réel. Basé sur l'expertise de Phil Newsome, cet outil optimise la prise de décision à travers 750 sites. La plateforme alimentée par l'IA intègre des systèmes de données pour améliorer les opérations de la cour et accroître l'efficacité.

Mike Murphy, vice-président senior des solutions et de l'innovation de l'entreprise, a développé un outil de coaching en IA intégré dans son système d'exploitation. Appelé Uncle Phil AI et modélisé sur le COO Phil Newsome, il donne aux gestionnaires de site accès au type de connaissances institutionnelles qui n'étaient auparavant disponibles que dans l'esprit de Newsome, a déclaré Melanie Sandlin, directrice des systèmes d'information chez Lazer Logistics.

« Vous mettez Phil dans n'importe quelle cour, et en quelques minutes, il voit ce qui fonctionne, ce qui ne fonctionne pas, et exactement ce qui doit changer. Les conducteurs l'adorent. Les gestionnaires de site apprennent de lui. Il est ce que chaque opérateur de notre réseau souhaiterait avoir à disposition chaque jour », a déclaré Sandlin à Business Insider à propos de Newsome, qui possède 36 ans d'expérience dans la logistique. « Le problème, c'est qu'il n'y a qu'un Phil, et il y a 750 sites, alors nous nous sommes demandé : 'Que se passerait-il si nous pouvions changer cela ?' »

Uncle Phil AI extrait des données de l'ensemble des systèmes connectés de Lazer Logistics qui gèrent la télématique des camions, les vidéos en cabine, la maintenance, les rapports d'inspection des conducteurs, les données de main-d'œuvre et les flux de travail de gestion des zones de chargement sur une seule plateforme. De cette manière, les gestionnaires de site ont accès à des informations en temps réel et à des conseils exploitables qu'ils ne verraient autrement pas.

« Au lieu qu'un gestionnaire doive ouvrir quatre systèmes différents et reconstituer une image par lui-même, Uncle Phil met en avant ce qui est important : voici ce qui se passe, voici pourquoi cela pourrait se produire, voici ce qu'un excellent opérateur ferait à ce sujet », a expliqué Sandlin.

Contrairement à l'entrepôt, qui a été de plus en plus automatisé au cours des dernières décennies, la cour — qui gère le flux de camions, de remorques et de conteneurs entrant et sortant d'une installation — est l'une des dernières parties de la chaîne d'approvisionnement à bénéficier d'une mise à niveau technologique, a déclaré Bart De Muynck, conseiller stratégique en chaîne d'approvisionnement et consultant indépendant avec plus de 35 ans d'expérience dans ce domaine, y compris des rôles chez Gartner, project44 et YMX Logistics.

« Nous avons des KPI très clairs sur l'entrepôt, nous avons des KPI très clairs sur le transport, personne n'a de KPI sur la cour », a déclaré De Muynck. « Personne n'a vraiment de visibilité sur leur inefficacité ou sur la manière dont cela affecte réellement leur organisation. »

L'IA a le potentiel d'aider ceux qui gèrent les opérations de la cour à voir ces données, leur permettant de passer d'une prise de décision réactive à une prise de décision prédictive, a ajouté De Muynck. Dans un environnement de cour où les conditions changent constamment — en raison de la météo, des pannes d'équipement, des absences d'employés et des pics de volume de fret — Sandlin a déclaré que la prise de décision rapide est essentielle.

« La plupart des opérations de cour aujourd'hui manquent encore de conscience en temps réel de ce qui se passe réellement sur leur site », a déclaré Sandlin. « Où est cette remorque ? Pourquoi ce quai est-il encombré ? Quel camion est resté inactif pendant deux heures, et pourquoi ? Sans réponses à ces questions au fur et à mesure qu'elles se posent, vous êtes toujours en train de réagir. »

Une partie de la possibilité de prendre des décisions rapides et précises est d'avoir les connaissances nécessaires pour les soutenir — quelque chose que Sandlin a déclaré que Lazer Logistics n'a trouvé que chez les employés les plus expérimentés.

Sandlin a expliqué qu'Uncle Phil AI a été formé sur les trois décennies de connaissances opérationnelles de Newsome afin qu'il puisse agir comme un partenaire pour les opérateurs qui n'ont pas ce niveau d'expérience sur lequel s'appuyer lors de la gestion d'un problème. Cela fonctionne particulièrement bien dans les opérations de cour, a-t-elle ajouté, car elles sont basées sur des modèles.

« Les mouvements, les séquences et les conditions qui entraînent des retards ou des incidents ne sont pas aléatoires ; ils suivent des modèles qui peuvent être appris, et l'IA est exceptionnellement bonne pour reconnaître ces modèles à une échelle qu'aucune équipe humaine ne pourrait gérer à travers 750 sites simultanément », a déclaré Sandlin.

Pour un gestionnaire de site qui prend des dizaines de décisions chaque jour — comme où prioriser les mouvements, comment réagir à une panne, quand ajuster le personnel, ou si un conducteur a besoin de coaching — ce type de conseils, a déclaré Sandlin, est ce qui entraîne de réels changements dans la manière dont les camions sont traités, rendant les opérations plus rapides et plus sûres tout en réduisant les coûts.

Depuis la mise en œuvre d'Uncle Phil, Sandlin a déclaré que Lazer Logistics a constaté des retours sur le plan opérationnel, où la numérisation de ses rapports d'inspection des véhicules et l'élimination du papier du processus ont permis aux gestionnaires de site de retrouver plus de temps dans leur journée, auparavant consacré à la saisie manuelle.

« Ce ne sont pas des chiffres d'IA flashy, mais ils représentent quelque chose d'important : nos meilleurs atouts, nos personnes, passent moins de temps sur des frictions administratives et plus de temps sur le travail qui compte réellement : coacher les conducteurs, servir les clients et gérer de meilleures cour », a déclaré Sandlin. « Des données propres, cohérentes et en temps réel circulent désormais du terrain d'une manière qui n'était jamais arrivée auparavant, ce qui est le carburant qui rend Uncle Phil AI possible. »

Sandlin a déclaré qu'avant Uncle Phil AI, Lazer Logistics avait fait des investissements dans son infrastructure de données une priorité. Elle a expliqué que la plupart des entreprises essayant de déployer l'IA travaillent souvent avec des données rares, incohérentes ou cloisonnées et se demandent pourquoi cela ne fonctionne pas bien.

« Ce que nous avons choisi de faire, c'est construire d'abord la base de données », a déclaré Sandlin. « Connecter notre télématique de camions, nos systèmes de sécurité vidéo en cabine, nos flux de travail de gestion des zones de chargement, nos dossiers de maintenance et de réparation, nos données de main-d'œuvre et de planification en une seule couche de données gouvernée et fiable a nécessité une réelle discipline, mais c'est pourquoi ce que nous faisons avec l'IA fonctionne réellement maintenant. »

En ce qui concerne les opérations de cour, De Muynck a déclaré que la mise à jour des processus de collecte de données est là où le parcours technologique de la plupart des entreprises devrait commencer. Il a ajouté que l'utilisation de l'IA sur de mauvaises données ne fera qu'amplifier de mauvaises suggestions et actions.

« Dans le passé, nous utilisions simplement les données pour l'analyse commerciale, donc si les données étaient incorrectes, c'était déjà dans le passé, mais maintenant nous utilisons les données pour prédire des choses et prescrire des actions ainsi que pour automatiser des flux de travail », a déclaré De Muynck. « Si vous construisez cela sur de mauvaises données, tout ce qui en sortira sera également mauvais et pourrait entraîner des problèmes beaucoup plus importants. »