Chaque année avant la haute saison, les responsables d'entrepôt se posent la même question au sujet du slotting dynamique par IA : une campagne de réimplantation avant le pic, pour optimiser les emplacements de l'entrepôt, en vaut-elle la peine ? Selon des rapports publics du secteur, le mix des commandes change beaucoup plus brutalement pendant le pic qu'au cours d'un mois ordinaire, si bien qu'une implantation qui tourne sans accroc en saison calme ne tournera pas forcément aussi bien quand les volumes explosent, et la question revient chaque année au lieu d'être réglée une fois pour toutes.

Un entrepôt logistique tiers de l'est de la Chine s'est trouvé exactement dans cette situation avant le pic de l'année dernière. En mois ordinaires, il servait des dizaines de marques, les commandes étaient réparties de façon assez homogène et les emplacements avaient été organisés par catégorie et selon l'historique des ventes, si bien que les préparateurs connaissaient leurs itinéraires par cœur. Quand le pic est arrivé, les commandes d'une poignée de marques leaders ont pratiquement doublé, les mêmes produits revenaient commande après commande, et les préparateurs passaient une bonne partie de leur journée à faire de longs détours pour aller chercher les mêmes articles, tandis que des files d'attente se formaient aux postes de conditionnement. Le problème n'était pas un manque de bras. L'implantation reflétait toujours la logique de la saison calme, avec les produits les plus vendus enfouis au fond de l'entrepôt et des distances de déplacement bien supérieures à ce que le profil des commandes justifiait désormais.

Selon des rapports publics du secteur, la concentration croissante des commandes pendant le pic est un schéma récurrent : la part des commandes totales captée par les produits vedettes grimpe nettement pendant les périodes promotionnelles, tandis que les produits de longue traîne continuent de se vendre à peu près à leur rythme habituel. Cette forme compte, car elle signifie que le gain de l'optimisation des emplacements en entrepôt provient surtout du déplacement d'un petit nombre de produits à forte fréquence, et non du fait de retourner tout le bâtiment. Une fois cela compris, le périmètre d'une campagne avant le pic, l'effort qu'elle mérite et la façon de juger si elle a payé deviennent plus faciles à fixer.

Ce que le slotting dynamique par IA déplace réellement

Le slotting dynamique par IA a l'air nouveau, mais le travail derrière se décompose en étapes qui n'ont rien de mystérieux. Il commence par les données de demande : la fréquence à laquelle chaque produit a été expédié sur une période récente, sa fréquence d'apparition dans les commandes et les produits qui avaient tendance à apparaître ensemble dans la même vague, pour juger quels articles seront probablement commandés ensemble au pic. Vient ensuite la stratification ABC, qui regroupe d'un côté les produits expédiés fréquemment et régulièrement et de l'autre ceux qui sont expédiés rarement et de façon erratique, à partir des enregistrements réels d'expédition plutôt que de l'instinct de catégorie. L'étape suivante est la carte de chaleur des emplacements : superposer la fréquence de picking, la distance parcourue et la congestion de chaque emplacement pour voir quels endroits sont traversés encore et encore et lesquels restent inutilisés pendant des semaines. C'est seulement ensuite que l'itinéraire de préparation est retravaillé, en rapprochant les produits à forte fréquence du point de départ de la préparation et de la zone de conditionnement et en plaçant près les uns des autres les produits souvent commandés ensemble, pour que les préparateurs fassent moins de demi-tours et traversent moins d'allées encombrées.

Ce que l'IA fait réellement dans cette chaîne doit être dit clairement. Ce n'est pas une boîte magique qui imprime un plan d'implantation optimal. Ce sont des règles plus un modèle : les règles protègent les contraintes dures, comme les produits lourds aux niveaux inférieurs, les produits fragiles jamais en bas d'une pile, les produits dangereux stockés à part et les produits réfrigérés confinés à la zone froide, tandis que le modèle travaille à l'intérieur de ces contraintes, en utilisant les prévisions de demande et les combinaisons de commandes passées pour proposer des déplacements et classer leur bénéfice attendu. Le modèle propose des suggestions, pas des ordres, et le chef de site prend toujours la décision finale, en pesant les limites de charge des rayonnages, la largeur des allées et les plannings d'équipe. Considérer l'IA comme un conseiller plus rapide est plus proche de sa vraie place dans l'entrepôt que de la considérer comme un système qui décide à la place des personnes.

Le calcul avant le pic de l'optimisation des emplacements en entrepôt

Le coût d'une campagne avant le pic est visible et immédiat. Déplacer du stock demande de la main-d'œuvre et des chariots élévateurs, il faut le caser dans les interstices du travail normal de sortie, certains emplacements sont bloqués pendant qu'on les déplace et les préparateurs ont besoin de temps pour réapprendre où vivent les choses, si bien que les premiers jours après un déplacement tendent à apporter des erreurs de picking et des contrôles supplémentaires. Ces coûts tombent en quelques jours, alors que le bénéfice est réparti sur chaque jour du pic, donc le calcul doit étaler le bénéfice sur la durée de la saison plutôt que de le juger le jour du déplacement. Plus le pic dure longtemps et plus le volume est élevé, plus il y a de jours pour absorber le coût du déplacement ; quand le pic ne dure que quelques jours, le coût du déplacement peut encore ne pas être remboursé quand la ruée est terminée.

Poste Ce que coûte une campagne avant le pic Ce que le pic peut rapporter
Main-d'œuvre et équipements Main-d'œuvre de déplacement, temps de chariot, emplacements bloqués pendant le déplacement Déplacements des préparateurs plus courts, temps de picking plus faible par commande
Coût d'apprentissage Préparateurs qui réapprennent les emplacements, plus d'erreurs de picking au début Moins d'erreurs de picking et moins de retouches une fois les itinéraires stabilisés
Coût d'opportunité Rythme de sortie interrompu pendant le déplacement Pas de files d'attente au conditionnement dues à des itinéraires de déplacement encombrés

Un entrepôt de produits de beauté du nord de la Chine illustre l'arbitrage. Avant le pic d'il y a deux ans, il a déplacé près de la moitié de tous ses emplacements en un seul effort, dans le but de bien régler l'implantation en une seule passe, et le déplacement lui-même a pris beaucoup plus de temps que prévu, si bien que les préparateurs apprenaient encore les nouveaux emplacements pendant les premiers jours du pic et que les erreurs et les retouches ont augmenté au lieu de diminuer. L'année suivante, le même entrepôt n'a déplacé que le petit nombre de zones contenant des produits à forte fréquence et a laissé le reste intact, terminant le déplacement en deux jours, et le rythme de préparation pendant le pic est resté plus stable. La leçon contre-intuitive est que plus de mouvement n'est pas un meilleur mouvement : à mesure que le périmètre grandit, le coût du déplacement du stock et du réapprentissage augmente plus vite que le bénéfice supplémentaire, et le gain marginal s'estompe rapidement, si bien que la campagne avant le pic la plus économique est souvent celle qui ne touche que la tranche la plus chaude de la gamme.

La question de savoir si une campagne en valait la peine doit se juger sur des mesures avant et après, et non sur des impressions. Les mesures à suivre sont le temps de picking par commande, la distance parcourue par préparateur, les erreurs de picking et les retouches, les heures de main-d'œuvre consommées par le déplacement lui-même et les heures supplémentaires pendant le pic. Notez la référence de chaque mesure avant le déplacement et comparez semaine après semaine jusqu'à la fin du pic. Juger sur le premier jour seul confond facilement la confusion de la période d'apprentissage avec un déplacement raté, ou confond une baisse naturelle du volume des commandes avec un déplacement réussi.

Quels entrepôts devraient faire du slotting — et lesquels devraient s'abstenir

Les entrepôts qui tirent le plus d'une campagne avant le pic partagent plusieurs traits : une large gamme de produits, un mix de commandes qui change nettement au pic, une forte concentration sur un petit nombre de produits à rotation rapide, une préparation principalement manuelle ou assurée par des personnes travaillant avec des machines, et une haute saison assez longue pour rembourser le déplacement. Dans un tel entrepôt, déplacer quelques produits affecte une grande part des commandes, si bien que le bénéfice a de la place pour se multiplier. À l'inverse, un entrepôt avec très peu de produits et un mix de commandes stable toute l'année a peu de choses à réorganiser ; un entrepôt très automatisé doit modifier la logique des équipements et les règles de planification pour déplacer des emplacements, à un coût et un risque plus élevés qu'un déplacement manuel ; et un entrepôt dont le pic est court et dont les variations de volume peuvent être absorbées en ajoutant du personnel temporaire aura du mal à récupérer le coût du déplacement et du réapprentissage.

Selon des rapports publics du secteur, le slotting dynamique passe d'un projet spécial mené par quelques grands entrepôts à une considération routinière avant le pic pour davantage de sites de taille moyenne, porté par davantage de données de demande déjà présentes dans les systèmes de gestion d'entrepôt, la baisse des coûts de calcul et une concentration plus forte des commandes au pic. Au cours des deux à trois prochaines années, le schéma le plus probable est une divergence plutôt qu'une adoption uniforme : les entrepôts à forte fréquence avec des pics longs feront de la campagne avant le pic une routine annuelle fixe, tandis que les entrepôts à faible fréquence avec des pics courts garderont des emplacements fixes et se débrouilleront avec du stock d'appoint temporaire, et l'IA passera progressivement de la proposition d'un plan complet de réimplantation à de petites suggestions continues tout au long de l'année, avec une revue plus importante concentrée avant le pic.

Alors, une campagne de réimplantation avant le pic en vaut-elle la peine ? Il n'y a pas de réponse qui vaille pour tous les entrepôts. Cela dépend de l'ampleur du changement du mix des commandes, de la durée du pic, de la quantité de stock à déplacer et de la volonté des responsables de consacrer plusieurs semaines après le déplacement à comparer les mesures comme il faut. Quand ces questions peuvent recevoir une réponse avant qu'on touche au moindre stock, la campagne vaut la peine d'être menée avec soin ; quand elles ne le peuvent pas, la première étape la plus utile n'est peut-être pas de déplacer du stock du tout, mais d'enregistrer les données de demande et les mesures de préparation avec assez de clarté pour que la décision puisse être prise sur des preuves la prochaine fois.

Par Dr. Chen, chercheur en supply chain

Traduit de l'anglais. En cas de divergence, la version anglaise fait foi.