d’Hardis, le drone pour les inventaires dans les allées grande hauteur. Pour François Biesbrouck, c’est la robotisa- tion, devenue plus abordable, qui va profondément changer la préparation de détail. « Chez nous, le WMS attaque directement la couche des automa- tismes en temps réel, le WCS n’est pas nécessaire », glisse-t-il en passant. « Ce qui m’intéresse dans l’apport des objets connectés, estime Gilbert Garcia, c’est la vision différente que l’on peut avoir du modèle d’organisation. Au lieu de pousser comme aujourd’hui des bat- ches de missions aux équipes de pré- parateurs, les opérateurs pourraient, comme en production, venir tirer les ordres dans le portefeuille de com- mandes, ce qui permettrait de traiter beaucoup plus facilement les com- mandes urgentes grâce à une vision temps réel de l’ensemble des ressources et le support d’outils comme les lunettes ou autres objets connectés ». Remy Malchirand abonde dans son sens. « Un des grands apports des tablettes en entrepôt, technologie sur laquelle Manhattan a investi fortement, est tout simplement de rendre les managers capables de modifier des missions en temps réel, de réaffecter dynamiquement des tâches prioritaires et de gérer des équipes de manière beaucoup plus proche du terrain ».
Big ou Middle Data ?
Le Big Data parle beaucoup à Driss Guessous, qui laisse entendre que Meca- lux travaille au lancement début 2016 d’une offre qui utiliserait de manière intelligente le maximum d’informations exploitables provenant de l’entrepôt afin de donner une meilleure visibilité à ses clients et de les aider dans leurs prises de décision. Pour Hans Kou- rimsky, l’arrivée du Big Data sonne le glas du décisionnel, dans le sens où il n’est plus besoin d’extraire des données, de les réinjecter dans un système spéci- fique et de les faire analyser par des experts statisticiens. « Les données sont stockées en mémoire vive et on peut analyser de manière très dynamique l’impact de n’importe quel aléa, sous n’importe quel angle » s’enthousiasme- t-il. Remy Malchirand est plus mesuré quant à l’utilisation extensive du Big Data dans le WMS. « Je ne vois que deux
MAI 2015 - SUPPLY CHAIN MAGAZINE ■ N°94 81
©C.POLGE
©C.POLGE
©C.POLGE
Page 1 |
Page 2 |
Page 3 |
Page 4 |
Page 5 |
Page 6 |
Page 7 |
Page 8 |
Page 9 |
Page 10 |
Page 11 |
Page 12 |
Page 13 |
Page 14 |
Page 15 |
Page 16 |
Page 17 |
Page 18 |
Page 19 |
Page 20 |
Page 21 |
Page 22 |
Page 23 |
Page 24 |
Page 25 |
Page 26 |
Page 27 |
Page 28 |
Page 29 |
Page 30 |
Page 31 |
Page 32 |
Page 33 |
Page 34 |
Page 35 |
Page 36 |
Page 37 |
Page 38 |
Page 39 |
Page 40 |
Page 41 |
Page 42 |
Page 43 |
Page 44 |
Page 45 |
Page 46 |
Page 47 |
Page 48 |
Page 49 |
Page 50 |
Page 51 |
Page 52 |
Page 53 |
Page 54 |
Page 55 |
Page 56 |
Page 57 |
Page 58 |
Page 59 |
Page 60 |
Page 61 |
Page 62 |
Page 63 |
Page 64 |
Page 65 |
Page 66 |
Page 67 |
Page 68 |
Page 69 |
Page 70 |
Page 71 |
Page 72 |
Page 73 |
Page 74 |
Page 75 |
Page 76 |
Page 77 |
Page 78 |
Page 79 |
Page 80 |
Page 81 |
Page 82 |
Page 83 |
Page 84 |
Page 85 |
Page 86 |
Page 87 |
Page 88 |
Page 89 |
Page 90 |
Page 91 |
Page 92 |
Page 93 |
Page 94 |
Page 95 |
Page 96