Optimiser la logistique avec la Data Science - Cédric Hervet, Head of Science @ Citodi
•
0 j'aime•249 vues
www.jedha.co Services de livraisons en tous genres, transport de marchandises, la logistique représente un enjeu important depuis l'avènement du e-commerce. Lors de cette conférence, Cédric, co-fondateur @ Citodi nous parlera des possibilités qu'offre l'intelligence artificielle pour optimiser toutes ces chaînes.
Recommandé
Contenu connexe
Similaire à Optimiser la logistique avec la Data Science - Cédric Hervet, Head of Science @ Citodi
Similaire à Optimiser la logistique avec la Data Science - Cédric Hervet, Head of Science @ Citodi (20)
Plus de Jedha Bootcamp
Plus de Jedha Bootcamp (20)
Dernier
Dernier (6)
Optimiser la logistique avec la Data Science - Cédric Hervet, Head of Science @ Citodi
- 1. Data Science Bootcamp Commencez votre carrière dans la Data
- 2. Notre Speaker — Cédric Hervet Directeur Scientifique
- 3. Optimisation du dernier kilomètre et chauffeur augmenté
- 4. Au menu Citodi La décision en IA L’optimisation de tournées en théorie Le chauffeur augmenté en pratique
- 5. Citodi
- 6. Startup Fondée en 2015 Spécialiste de l’optimisation de tournées Particularités : - scalable - temps réel
- 7. Les fondateurs Cédric Hervet, Ph.D. Directeur Scientifique chez CITODI et co- fondateur Avant : chez des éditeurs de solutions « Marketing Automation » Jonathan Bouaziz, CEO Hugo Farizon, CTO
- 8. Ce qu’on fait Une IA pour optimiser les tournées du dernier kilomètre (livraison, collecte, intervention), en temps réel
- 9. La décision en IA
- 10. A quoi peut aider une IA ? Percevoir Comprendre Décider Big Data IoT Machine Learning Natural Language Processing Image recognition Reinforcement Learning Operations Research Knowledge representation
- 11. Classifier les décisions Pour un human Pourunemachine FACILE DIFFICILE FACILEDIFFICILE Choix quantifiés entre quelques alternatives Problèmes d’optimisation de complexité polynomiale Calculs à usage quotidien Presque IMPOSSIBLE Calcul sur des grands nombres Toute tâche calculatoire appliquée à des grands ensembles de données PresqueIMPOSSIBLE Jouer à des jeux (Go, Echecs, Dota) Identifier des problèmes, poser les bonnes questions Décisions « sociales » Les petits problèmes d’optimisation NP-Complet Les tâches humaines nécessitant un haut degré de spécialisation Les problèmes d’optimisation NP- Complet qu’on trouve dans l’industrie La politique La philosophie
- 12. L’homme VS La machine Calculer des trucs complexes et très gros très rapidement Définir des stratégies, avoir un comportement approprié, improviser. Homme Machine Remarque : la qualité de service est trop importante pour être laissée à une machine seule. Ce n’est juste pas fait pour ça ! Par exemple : un sourire et des excuses sincères d’un livreur peuvent faire oublier à son client qu’il est en retard. A l’inverse, un comportement grossier peut faire oublier que le livreur est toujours à l’heure…
- 13. L’optimisation de tournées en théorie
- 14. Un problème difficile Presque impossible pour un humain, très difficile pour une machine… Nombre de points 10 15 20 Nombre de possibilités 181 440 43 589 145 600 6 x 1016 Temps de calcul 0.18 secondes 12 heures 2000 ans
- 15. En pratique - Plusieurs milliers de points à visiter - Des centaines de chauffeurs avec des horaires et des types de véhicules variables - Des créneaux à respecter sur chaque point - En temps réel : moins d’une seconde pour optimiser
- 16. Les algorithmes d’optimisation Programmation mathématique Métaheuristiques Théorie des graphes
- 17. Pour quels gains théoriques ? En général, une approche « optimisation mathématique » sera 10% à 40% meilleure qu’un humain (ou un groupe d’humains)
- 18. Le chauffeur augmenté en pratique
- 19. La journée d’un chauffeur A B C D E Pic inhabituel de trafic entre A et B Client absent au point C En retard au point E
- 20. La journée d’un chauffeur A D E C B La tournée doit être réoptimisée en temps réel !
- 21. Le framework « event-responsive » Client absent/annulé Modification d’adresse Arrivée/départ en retard/en avance Véhicule en pane Pauses légales, déjeuner CITODI Optimise en continu Evolutions de trafic Modification de créneau Nouvelles commandes
- 22. Quand l’humain est plus malin que la machine
- 23. Le paradigme du chauffeur augmenté Le chauffeur suit à la lettre les recommandations optimales de l’algorithme Le chauffeur s’appuie sur les recommandations en temps réel de l’algorithme et peut interagir avec pour prendre la meilleure décision. Les inputs du chauffeur sont des événements auxquels l’algorithme doit s’adapter !
- 24. Exemple
- 25. Le mot de la fin Construire une IA vraiment utile sur le terrain revient à tracer la ligne entre ce qu’on doit laisser à la machine et ce qui doit être décidé par un humain. Le reste, ce n’est que de la technique.
- 27. Nos Prochains Workshops — 24 Avril — WORKSHOP Cristina Oprean & Pierre Stefani Machine Learning Engineers @ Photobox
- 28. Nos Prochaines Sessions — FONDAMENTAUX 3 Juin - 14 Juin Lundi au Vendredi 9h30 - 15h30 Semaine — 4 Mai - 22 Juin Samedis 9h30 - 15h30 Weekend — 7 Mai - 2 Juillet Mardis & Jeudis 18h30 - 21h Mardis & Jeudis —
- 29. Nos Prochaines Sessions — FULLSTACK : DEVENEZ DATA SCIENTIST 27 Mai - 21 Août Lundi au Vendredi 9h30 - 15h30 Semaine — 9 Sept - 3 Déc Lundi au Vendredi 9h30 - 15h30
- 30. Data Science Bootcamp Merci ! A la prochaine :)