Comment Li & Fung utilise l'IA et les plateformes pour l'orchestration de la chaîne d'approvisionnement

Li & Fung, le prestataire de services de chaîne d'approvisionnement basé à Hong Kong, a intégré l'intelligence artificielle dans sa plateforme numérique pour automatiser les décisions clés d'approvisionnement, de l'établissement initial des coûts jusqu'à la sélection des usines et la gestion des commandes. L'entreprise, qui coordonne la production à travers un réseau de fournisseurs pour des marques mondiales de mode et de distribution, utilise l'IA pour traiter de vastes quantités de données sur les fournisseurs, associer les commandes aux usines en fonction de leurs capacités et de leur disponibilité, et générer des estimations de coûts plus rapidement que ne le permettent les processus manuels traditionnels.

Quelle est la stratégie de plateforme numérique de Li & Fung

Li & Fung est passé d'un modèle d'intermédiaire traditionnel à une plateforme d'orchestration technologique qui connecte les marques aux fournisseurs. La plateforme de l'entreprise consolide les données de milliers d'usines à travers son réseau, lui permettant de fournir visibilité et coordination à travers des chaînes d'approvisionnement fragmentées. Cette infrastructure numérique soutient le déploiement de l'IA de l'entreprise, car les modèles d'apprentissage automatique nécessitent des données cohérentes et structurées pour fonctionner efficacement.

L'approche par plateforme reflète les tendances plus larges de l'industrie vers la transparence et la rapidité. Plutôt que de simplement faciliter des relations, Li & Fung se positionne comme un fournisseur de technologie qui gère la complexité, particulièrement pour les marques qui n'ont pas l'échelle ou l'expertise pour construire des relations directes avec les fournisseurs dans plusieurs pays et catégories de produits.

Comment Li & Fung utilise-t-il l'IA pour l'appariement des usines

Li & Fung utilise des algorithmes d'apprentissage automatique pour associer les commandes entrantes aux usines appropriées de son réseau de fournisseurs. L'IA analyse plusieurs variables incluant les capacités des usines, la capacité de production, le bilan qualité, les certifications de conformité, les délais de livraison et la localisation géographique. En traitant ces données automatiquement, le système peut recommander des partenaires de production optimaux beaucoup plus rapidement qu'une évaluation manuelle.

Cette capacité est particulièrement précieuse lorsque les marques passent des commandes complexes qui nécessitent une expertise technique spécifique ou des délais de livraison serrés. L'IA peut filtrer des milliers de fournisseurs potentiels pour identifier ceux ayant le bon équipement, la capacité disponible et les performances éprouvées dans des catégories de produits similaires. Le système apprend également des commandes passées, affinant ses recommandations en fonction des appariements d'usines ayant conduit à des résultats réussis.

Quel rôle joue l'IA dans l'établissement des coûts et la tarification

Les outils d'établissement des coûts alimentés par l'IA permettent à Li & Fung de générer des estimations de prix plus rapidement en s'appuyant sur les données de commandes historiques, les coûts actuels des matériaux, les taux de main-d'œuvre et les mesures d'efficacité des usines. Les processus traditionnels d'établissement des coûts nécessitent souvent une négociation manuelle et plusieurs cycles de devis entre acheteurs et fournisseurs. Les systèmes automatisés peuvent compresser ce calendrier en accédant instantanément aux données de référence et en calculant les coûts probables en fonction des spécifications du produit.

Les modèles d'IA prennent en compte des variables telles que le volume de commande, le type de tissu, la complexité de construction et les exigences de livraison. Ils peuvent également signaler les facteurs de coûts potentiels dès la phase de conception, permettant aux marques de prendre des décisions éclairées sur les matériaux ou les méthodes de construction avant de s'engager dans la production. Cette capacité prédictive aide à éviter les dépassements de budget et réduit les allers-retours généralement nécessaires pour finaliser la tarification.

Comment l'IA est-elle appliquée à la gestion et au suivi des commandes

Une fois les commandes passées, les outils d'IA surveillent la progression de la production et signalent les retards potentiels ou les problèmes de qualité. La plateforme de Li & Fung agrège les données en temps réel des usines, incluant les étapes de production, les résultats d'inspection et le statut d'expédition. Les modèles d'apprentissage automatique peuvent détecter des modèles qui indiquent un risque, comme une usine prenant du retard sur le calendrier ou des mesures de qualité en baisse, et alerter les gestionnaires de la chaîne d'approvisionnement pour qu'ils interviennent.

Cette surveillance prédictive aide à atténuer les perturbations avant qu'elles ne s'aggravent. Si une usine risque de manquer une échéance, l'IA peut suggérer des plans de production alternatifs ou réaffecter des portions d'une commande à d'autres installations ayant une capacité disponible. Le système fournit également aux marques une visibilité sur leurs commandes à travers plusieurs fournisseurs et zones géographiques, consolidant des informations qui seraient autrement dispersées entre emails, tableurs et systèmes d'usines séparés.

Quels sont les principaux cas d'usage dans les opérations de Li & Fung

Le déploiement de l'IA par Li & Fung couvre plusieurs fonctions essentielles au sein de son modèle d'orchestration de la chaîne d'approvisionnement :

• Découverte et vérification des fournisseurs : L'IA examine les nouvelles usines potentielles en analysant les dossiers de conformité, la stabilité financière, les capacités de production et l'historique de qualité, accélérant le processus d'intégration.
• Prévision de la demande : Les modèles d'apprentissage automatique analysent les modèles de commandes historiques et les signaux du marché pour aider Li & Fung et ses clients de marque à anticiper les besoins de production et à allouer la capacité.
• Prédiction de la qualité : Les modèles d'IA utilisent les données d'inspections passées et de performance des usines pour prédire quelles commandes peuvent rencontrer des défis de qualité, permettant un contrôle qualité proactif.
• Optimisation logistique : Les algorithmes évaluent les routes d'expédition, les opportunités de consolidation et les exigences douanières pour réduire les coûts de transport et les délais de livraison.
• Suivi de la durabilité : Les outils d'IA surveillent les données de conformité environnementale et sociale des fournisseurs, aidant les marques à répondre aux exigences de transparence et de reporting.

Quels défis l'IA résout-elle dans les chaînes d'approvisionnement de la mode

Les chaînes d'approvisionnement de la mode se caractérisent par la complexité, la fragmentation et la volatilité. Les marques travaillent généralement avec des dizaines ou des centaines de fournisseurs, chacun ayant des capacités, des systèmes et des normes différents. Coordonner la production à travers cet écosystème nécessite une communication constante, une réconciliation des données et une prise de décision. L'IA aide à automatiser les tâches routinières, comme vérifier la disponibilité des usines ou calculer les délais de livraison, libérant les équipes humaines pour se concentrer sur les exceptions et les relations stratégiques.

La technologie aborde également l'asymétrie d'information. Les marques manquent souvent de visibilité détaillée sur les opérations des usines, s'appuyant sur des mises à jour périodiques et des rapports manuels. En numérisant les données des fournisseurs et en appliquant l'apprentissage automatique, Li & Fung peut fournir des aperçus plus granulaires et en temps réel sur le statut de production, les contraintes de capacité et les risques potentiels. Cette transparence est de plus en plus importante alors que les marques font face à une pression pour démontrer la responsabilité de la chaîne d'approvisionnement et répondre rapidement aux perturbations.

Cependant, le déploiement de l'IA dans ce contexte dépend de la qualité des données et de la participation des fournisseurs. Les usines doivent adopter des outils numériques et partager des informations de manière cohérente pour que la plateforme fonctionne efficacement. La capacité de Li & Fung à stimuler cette adoption découle de son échelle et de ses relations de longue date avec les fournisseurs, qui lui donnent un levier pour établir des normes et investir dans des mises à niveau technologiques à travers son réseau.