Planification du personnel basée sur l'IA : processus automatisé et planification proactive grâce à la puissance des données.

L'intelligence artificielle (IA) transforme l'intralogistique et modifie fondamentalement le travail quotidien dans les entrepôts. L'IA automatise et accélère les tâches de routine qui prennent beaucoup de temps. Nous utilisons déjà l'IA pour optimiser les processus de stockage et de déstockage grâce à la stratégie dite de "Warehouse Healing". L'accent est mis sur la réduction des temps de trajet, l'amélioration de la structure de l'entrepôt et la réduction des temps de traitement lors de la préparation des commandes. La question se pose néanmoins : ces mesures sont-elles suffisantes pour exploiter pleinement le potentiel d'amélioration de l'efficacité de l'entrepôt ? Non, répondons-nous. Une planification durable et anticipative des ressources humaines est tout aussi indispensable. C'est pourquoi notre expert en science des données Timofej Woyzichovski développe une solution basée sur l'IA pour la planification du personnel dans l'intralogistique.

Derrière le mot apparemment simple de "planification du personnel" se cache un processus long et exigeant. Le personnel spécialisé détermine et planifie souvent manuellement le personnel idéal par zone de l'entrepôt sans connaître précisément le volume de travail. Il faut également tenir compte des réglementations légales et opérationnelles, ainsi que des qualifications et des préférences des employés. L'objectif est de garantir le meilleur service possible aux clients tout en réduisant la charge de travail des employés. Mais ce processus est particulièrement sujet aux erreurs dans les entrepôts complexes et de grande taille, avec de nombreux employés et des exigences variables. Une tâche que l'IA pourra prendre en charge à l'avenir et qui simplifiera la planification du personnel en appuyant sur un bouton.

De la théorie à la pratique
Woyzichovski a encadré une de nos employées dans le cadre de sa thèse de licence. Le sujet était l'évaluation de l'amélioration de l'efficacité par la mise en œuvre de dispositifs intelligents, de l'automatisation et de la science des données dans la préparation des commandes. "En analysant les données existantes de notre logiciel de gestion d'entrepôt, telles que les entrées de commandes passées et les niveaux de stock, et en prenant en compte les données historiques des logs, j'ai réalisé le grand potentiel d'une utilisation plus poussée de l'IA", explique Woyzichovski. Malgré une planification minutieuse, les pics de commandes imprévisibles, les changements opérationnels de dernière minute et les absences de personnel constituent des défis majeurs pour les entreprises. L'IA peut identifier des modèles et des tendances dans les données et prédire quand des périodes de pointe sont à prévoir. L'objectif est de planifier et d'agir de manière proactive, et non plus seulement réactive, à l'aide de la planification intelligente des ressources humaines.

Une technologie avancée donne le rythme
Woyzichovski développe une approche de solution basée sur l'IA qui prédit les besoins en personnel dans l'entrepôt et optimise les processus de travail. Pour ce faire, il utilise les données du logiciel de gestion d'entrepôt SuPCIS-L8 et du système de stockage automatique AutoStore du client Hermann Müller Elektrogroßhandel GmbH. Il utilise des modèles complexes de prévision de séries temporelles pour assurer la précision et la fiabilité des prévisions. Hermann Müller est très ouvert aux technologies avancées. En utilisant la planification du personnel basée sur l'IA, l'entreprise espère obtenir un avantage concurrentiel. Ils veulent également gérer plus efficacement les défis opérationnels de leurs opérations d'entrepôt et réduire les coûts d'exploitation.

Que peut faire la planification des ressources humaines basée sur l'IA ? Aperçu des capacités.

1. L'IA analyse les données historiques telles que les volumes de commandes, les variations saisonnières et les promotions afin d'identifier les modèles et les tendances. Elle utilise ces informations pour prévoir les charges de travail futures.
2. Elle planifie avec précision le nombre d'employés par équipe. Cela permet d'éviter les sureffectifs et les sous-effectifs qui entraînent des heures supplémentaires ou des ressources inutilisées.
3. L'IA crée automatiquement le planning optimal des équipes. Pour ce faire, elle prend en compte la charge de travail prévue, les disponibilités et les qualifications des employés, ainsi que les dispositions légales et opérationnelles telles que les heures de travail et de repos.
4. La planification du personnel basée sur l'IA réduit le travail administratif de planification des équipes. Le personnel spécialisé peut ainsi se consacrer à d'autres aspects importants des opérations de l'entrepôt.
5. L'IA crée des plans d'équipes équilibrés et transparents qui tiennent compte des préférences et des qualifications individuelles (si elles sont documentées). Cela favorise la motivation, assure la satisfaction au travail et contribue à augmenter la productivité.
6. Grâce à l'IA, les professionnels peuvent prendre des décisions basées sur des données plutôt que sur l'intuition ou des méthodes dépassées. Cela permet de prendre des décisions plus objectives et mieux informées en matière de gestion des ressources humaines.
7. Si, en plus, des données personnelles sont collectées dans les données de log, elle analyse les données de performance et identifie les domaines d'amélioration. Elle montre quelles équipes travaillent plus efficacement à certains moments. Cela permet d'améliorer la planification.

Défis de la mise en œuvre
Un défi majeur est de garantir la qualité et la disponibilité des données. Des données incomplètes nuisent aux performances de l'IA et des données obsolètes faussent les résultats. Pour éviter ces deux problèmes, nous avons intégré un contrôle et un nettoyage supplémentaires des données. L'intégration d'une planification des ressources humaines basée sur l'IA dans les systèmes informatiques et de gestion du personnel existants est complexe. Elle nécessite des interfaces transparentes pour l'échange de données. Un autre défi peut être l'inquiétude des employés. Surtout s'ils craignent que la planification des ressources humaines basée sur l'IA ne remplace les travailleurs humains. Il est donc important de susciter l'adhésion par une communication et une formation transparentes. La modélisation de l'IA à des fins de planification des ressources humaines est complexe. De nombreuses variables doivent être prises en compte et des adaptations constantes aux changements de conditions sont nécessaires. Le respect du cadre juridique et éthique, notamment en ce qui concerne la protection des données et le traitement des données des employés, doit être garanti. L'implication et l'échange continu avec les employés sont essentiels. L'outil d'IA doit également être évolutif pour s'adapter aux changements et à la croissance de l'entreprise, ce qui est le cas de cette solution.

Applications universelles
L'analyse des données d'AutoStore chez Hermann Müller peut également être appliquée à d'autres entrepôts et clients. Et ce, quelle que soit la technique de stockage qu'ils utilisent. La solution est principalement basée sur les données du système de gestion d'entrepôt SuPCIS-L8. Les processus et algorithmes développés pour l'analyse des données et la planification du personnel peuvent être appliqués de manière flexible à différentes configurations et conditions d'entrepôt, tant que les mêmes types de données sont disponibles. Ainsi, une mise en œuvre à grande échelle est possible sur différents sites et systèmes d'entrepôt.

‍Tests pratiqueset développements futurs
Une planification du personnel basée sur l'IA aide le personnel spécialisé dans l'intralogistique. Elle améliore la qualité de l'approvisionnement des clients et la satisfaction des employés. Les attentes en matière de prévision des besoins en personnel basée sur l'IA doivent toutefois être réalistes. L'IA fournit des suggestions, mais ne remplace pas l'évaluation finale par des professionnels expérimentés. À l'automne 2024, la solution sera testée en conditions réelles chez Hermann Müller. Cela nous permettra d'optimiser la solution sur la base du feedback et des exigences spécifiques. Dans un deuxième temps, d'autres fonctionnalités sont prévues. Il s'agit notamment de la possibilité de prendre en compte les changements de dernière minute, tels que les arrêts maladie ou les pics d'activité, dans le calcul de la planification du personnel. La planification du personnel basée sur l'IA permet de réorganiser rapidement le planning et d'adapter les équipes. Ainsi, l'entrepôt reste occupé de manière optimale, les temps d'arrêt sont minimisés et la qualité du service est améliorée.