Logistique et analytics : Comment optimiser votre plan de transport ?

September 3, 2020

Nous vous emmenons aujourd’hui dans les coulisses du traitement des données, à la découverte de notre nouveau module d’analytics. Le parcours de la data est original : débutant dans l’univers industriel des remorques.

Nous vous emmenons aujourd’hui dans les coulisses du traitement des données, à la découverte de notre nouveau module d’analytics.

Le parcours de la data est original : débutant dans l’univers industriel des remorques, wagons et conteneurs, les données finissent leur parcours sur scène, dans le rôle d’informations logistiques.

Mais avant de revêtir ce costume, elles doivent se préparer en backstage. Tels des acteurs, les données de géolocalisation, de chocs, de température ou de remplissage ont besoin d’un petit makeover avant d’être pertinentes, fiables et crédibles dans ce rôle.

Temps réel, historique et reporting logistique

Ce makeover, c’est la plateforme Everysens qui le réalise. Chaque actif – wagon, remorque, benne, conteneur ou support de manutention – a pour nous son histoire, et c’est dans cette optique que nous traitons la donnée.

Chaque actif mobile a deux niveaux d’histoire à raconter.

1. L’histoire temps réel des actifs logistiques : gérer le quotidien

Au quotidien, différents chapitres composent les péripéties de la journée des actifs, que ce soit le temps passé au port, en atelier ou en chargement.

Le temps réel s’écrit au fur et à mesure sur notre plateforme de visibilité logistique : les points GPS se transforment instantanément en informations actionnables par les pilotes de flux, les responsables supply chain et les coordinateurs logistiques de votre entreprise.

2. L'histoire collective de la flotte : optimiser le plan de transport

Sur le plus long terme, une deuxième histoire, collective elle, se tisse. Les allées et venues des remorques, chevalets, palettes, conteneurs ou wagons, dessinent les flux et tendances de comportement de la flotte.

Cette histoire fait appel à un traitement poussé des données, et notamment au Big Data. Pour vous la rendre accessible, nous avons fait évoluer notre module d’analytics en un module de data visualisation. Le but en est de vous permettre, au niveau stratégique, d’explorer facilement vos données logistiques. [Article. Comprendre ce qu’est la dataviz].

Sur notre plateforme de visibilité logistique, vous passez aisément des indicateurs macro aux statistiques plus fines, et pouvez ainsi mettre en place des actions correctives.

Data visualisation en action : comment maximiser les rotations ?

Comment tirer profit de la dataviz en logistique ? Prenons un exemple. Vous débutez un travail de maximisation des rotations de votre flotte.

La première étape est pour vous de consulter le volume de rotations aller-retour. Cela vous donne une indication globale sur votre activité, mais ne vous permet pas de prendre quelque action que ce soit.

Vous décidez de creuser, et d’affiner votre compréhension grâce à une visualisation des données de rotations par flux. Plus le trait est épais, plus le nombre de rotations sur ce trajet est important. Plus la couleur est rouge, plus la rotation est longue. Vous choisissez donc de vous concentrer sur un flux épais et rouge, pour que vos actions aient un impact visible.

Sur ce flux, comment se comportent vos wagons, vos remorques, vos emballages spécifiques ? C’est ce que vous allez découvrir grâce au taux d’utilisation, et au zoom possible sur les temps improductifs. En cliquant par exemple sur le temps de stationnement en gare, le temps moyen par gare s’affiche. Vous pouvez alors prendre des actions avec les “mauvais élèves” pour optimiser votre taux de rotation.

Et voilà ! En quelques clics, grâce à la data visualisation, vous êtes passés d’une analyse globale des rotations à une mesure corrective concrète.

Vous pouvez aussi explorer sur ce module d’autres chemins d’analyse, centrés sur le remplissage, l’utilisation et la ponctualité des livraisons.

Envie d'en apprendre un peu plus ? Planifiez un meeting avec notre équipe.