Les nouveaux outils de gestion de stock sont-ils sans risques ?

L’industrie 4.0 n’est pas un mythe ! Le progrès des nouvelles technologies et du digital a profondément changé le visage et l’organisation des entrepôts. L’homme travaille désormais aux côtés de machines intelligentes guidées par de puissants logiciels.

Les logiciels de gestion des stocks

Le logiciel de gestion de stock (ERP ou WMS), par ses nombreuses fonctionnalités, est un outil devenu incontournable pour fluidifier les processus logistiques des entreprises. Il contrôle le flux des marchandises et des commandes clients, génère des rapports et des indicateurs de performance (KPI) et simplifie la comptabilité.

Combinés à de l’IoT (Internet des objets) et à une solution Cloud, le potentiel de ses logiciels est sans cesse revu à la hausse :

• L’information est disponible partout dans le monde en temps réel, avec un accès sécurisé aux données pour tous les collaborateurs de l’entreprise (certificats GDPR/RGPD) ;
• La traçabilité des commandes clients est complète, avec une planification, un suivi et des alertes pour anticiper la rupture de stock et éviter les problèmes de livraison ;
• L’interconnectivité du logiciel avec des solutions d’inventaire (distributeurs automatisés, magasins autonomes, etc.) ou d’automatisation (transstockeurs, robots, lecteurs de codes-barres, etc.) qui assurent un contrôle intégral de l’entrepôt, du comptage et de l’approvisionnement.

Le Machine Learning

L’Intelligence artificielle (IA) donne aujourd’hui la capacité à des machines (ou au logiciel de gestion des stocks) d’apprendre à réaliser certaines tâches, sans avoir été préalablement programmées pour le faire.

Le Machine Learning (apprentissage automatique) est donc une technologie prédictive qui permet d’automatiser tout ou partie de votre chaîne d’approvisionnement.

Le fonctionnement de la Machine Learning

Dans un premier temps, le logiciel doit « apprendre » en collectant et en analysant une grande quantité de données. Selon les tâches que l’on souhaite lui confier, différents algorithmes sont utilisés :

1. L’apprentissage supervisé. L’ordinateur doit résoudre des calculs. Les questions et les réponses sont fournies par le programme qui s’évalue et progresse de ses erreurs.
2. L’apprentissage non supervisé. C’est le même principe, sauf que l’algorithme pose les questions sans fournir les réponses. Le logiciel doit alors identifier des modèles qui se répètent dans la chaîne logistique (les « patterns ») et établir des différences et des ressemblances.
3. L’apprentissage par renforcement. Cette fois-ci, aucun exemple n’est fourni à la machine. Elle va donc générer sa propre expérience, en réalisant des essais et en constatant le résultat. Au fur et à mesure de ses échecs, le programme va ajuster ses scénarios jusqu’à trouver la bonne solution.

Les applications du Machine Learning dans l’entrepôt

Le Machine Learning sert à :

• Regrouper des produits par famille pour faciliter l’étiquetage ou la préparation de commandes ;
• Réduire l’espace de stockage, grâce au système de vision artificielle ou au système de navigation intelligente qui optimise le rangement en fonction des dimensions du colis et des emplacements disponibles ;
• Orienter les préparateurs de commandes dans la recherche des articles, grâce à la reconnaissance vocale (système voice picking) ;
• Guider les véhicules autonomes (robots AGV ou drones), sans se heurter sur des obstacles ou des opérateurs ;
• Détecter des anomalies (maintenance prédictive) ;
• Obtenir des estimations précises d’heure d’arrivée des commandes et améliorer ainsi la qualité du service client ;
• Diminuer les stocks résiduels, analyser la rotation des produits, anticiper les périodes de forte activité, etc.

Le Deep Learning

Le Deep Learning (apprentissage profond) est une technique au sein même du Machine Learning. Elle vise à fournir plusieurs milliards de données au logiciel pour accroître sa performance et sa précision à des niveaux qui surpassent de loin les capacités humaines. Pour collecter suffisamment d’informations, le programme utilise le Big Data. Il a ainsi accès à toutes les données des objets et machines connectés. L’ordinateur devient alors capable de traiter des modèles infiniment complexes. Le Deep Learning est une technologie récente, mais qui tend à se développer dans les entrepôts logistiques au vu des avantages procurés !

La réalité augmentée

La réalité augmentée superpose des images virtuelles et des informations numériques au monde réel.

L’opérateur, muni de lunettes, d’une tablette ou d’un smartphone, accède ainsi à des données (ou des instructions) en se déplaçant le long des allées et en visualisant des emplacements dans une zone de stockage.

Ainsi, la réalité augmentée aide les opérateurs de la chaîne logistique :

• En les orientant vers les articles à récupérer, tout en minimisant leur nombre de pas (système vision picking) ;
• À identifier et à scanner automatiquement les codes-barres (ou puces RFID) des produits ;
• À trouver rapidement un emplacement vide, adapté à la taille du colis à ranger ;
• À former le personnel sur l’utilisation de machines ou de robots, grâce à la simulation virtuelle.

Pour augmenter la performance de ses fonctionnalités, la réalité augmentée est souvent couplée au Machine Learning.

Les exosquelettes et les cobots Les exosquelettes sont des robots d’assistance physique au port de charges lourdes. L’idée est de mécaniser les mouvements des opérateurs pour leur conférer plus de force, limiter leur fatigue et le risque d’accident lors de la manutention.

Les cobots sont des robots collaboratifs qui travaillent « main dans la main » avec les opérateurs. Ceci est rendu possible grâce à leurs nombreux capteurs et leur grande intelligence artificielle. Bras robotique, robots AGV, AMR… il existe une multitude de cobots pouvant intervenir à tout niveau de la chaîne d’approvisionnement, de la réception des marchandises à la livraison des commandes clients.

L’acquisition de nouveaux outils de gestion dans un entrepôt pour optimiser la compétitivité d’une entreprise ne doit jamais se faire au détriment de la sécurité et de la santé des travailleurs. Il convient donc de bien évaluer les risques avant d’investir dans une solution automatisée.

Le risque mécanique

Être entouré de robots n’est jamais sans risques de chocs, de collisions ou de chutes. Pour les limiter, il est important de prendre quelques mesures :

• Bien réfléchir à l’aménagement de l’entrepôt, en implantant des zones sécurisées réservées aux machines ;
• Contrôler et entretenir régulièrement les robots (et cobots), notamment en vérifiant le bon fonctionnement des capteurs ;
• S’assurer du respect du port des EPI (Équipements de protection individuelle) et des règles de sécurité ;
• Former le personnel sur l’utilisation des outils de gestion de stock.

Le risque électrique

Tout matériel électrique sous tension présente un risque d’électrocution qui peut lui-même entraîner plusieurs conséquences : électrisation, incendie ou explosion.

D’autre part, moins perceptibles et pourtant bien présents dans les entrepôts, les appareils électriques émettent des champs électromagnétiques qui peuvent perturber la qualité de travail et la santé de vos travailleurs. Vertiges, troubles visuels, stimulation excessive du système nerveux, migraines… certains signaux sont à surveiller de près !

Le risque électrique et électromagnétique peut être réduit en faisant appliquer les règles (et distances) de sécurité, en formant vos salariés et en réalisant une maintenance régulière des machines.

Le travail sur écran

Les ordinateurs sont omniprésents à tous niveaux de la chaîne d’approvisionnement. Mais, lorsque le travail sur écran devient continuel, certains effets néfastes se font ressentir sur la santé : fatigue visuelle, maux de têtes, troubles musculosquelettiques, stress, rougeurs, myopie temporaire, etc. (1) Il est possible de limiter ces risques en organisant au mieux le poste de travail :

• Une bonne luminosité ;
• L’utilisation d’un écran mat avec un affichage sur fond clair ;
• Une disposition de l’écran perpendiculairement aux fenêtres pour éviter les reflets, à bonne hauteur et à une distance suffisante des yeux ;
• Une alternance des postures de travail (assis et debout) ;
• L’acquisition d’outils ergonomiques (souris, clavier, siège, etc.) pour maintenir une position confortable, sans trop solliciter les muscles ;
• Une pause toutes les heures, si le travail devient trop intensif.

Les troubles musculosquelettiques

Les troubles musculosquelettiques (TMS) touchent les membres supérieurs et inférieurs. Ils affectent principalement les muscles, les tendons et les nerfs (tendinites, syndrome du canal carpien, etc.). Ils sont généralement dus à une mauvaise posture ou à des gestes répétitifs. Si les exosquelettes semblent représenter une solution satisfaisante pour les éviter, l’INRS met toutefois en garde sur leur utilisation. L’opérateur reste en effet exposé aux risques mécaniques, électriques, thermiques, bruits, vibrations, etc.

(1) Source : INRS (Institut national de recherche et de sécurité pour la prévention des accidents du travail et des maladies professionnelles).