Un approvisionnement accéléré avec la découverte de processus basée sur l’IA
Comment la solution IBM Process Mining accompagne la transformation d'un service public
Ingénieur électricien à côté d'un pylône travaillant sur un ordinateur portable au coucher du soleil

Pour les fournisseurs d'électricité, lors de la production ou de la distribution, les notions de sécurité et fiabilité sont à la base de leur modèle opérationnel, et donc au cœur de la quasi-totalité de leurs décisions.

Si la prise de conscience autour du changement climatique et de la durabilité n'a pas amenuisé l'importance de ces valeurs clés pour les services publics d'électricité, elle soulève un nouvel ensemble de défis opérationnels. Pour les relever, une bonne gestion des actifs est primordiale.

Pour maintenir leur réseau opérationnel, les fournisseurs doivent minimiser l’impact des équipements abîmés ou défaillants. Cela incite beaucoup d'entre eux à adopter des outils d'analyse avancés pour prévoir les dysfonctionnements et effectuer une maintenance proactive pour les empêcher. Une fois qu'une commande de service est générée, qu'elle soit planifiée ou imprévue, le service Achats prend le relais pour obtenir les pièces (isolant, transformateurs, disjoncteurs, etc.) nécessaires à l'exécution du travail. Plus le délai de livraison est long, plus le risque potentiel sur la performance du réseau est important. C'est la raison pour laquelle l'efficacité du processus d'approvisionnement (ou P2P) a gagné en importance aux yeux des fournisseurs d'énergie.

Ce choix est aussi motivé par des raisons économiques. Dans le marché déréglementé d'aujourd'hui, minimiser le coût total des biens achetés est un objectif essentiel. Lorsque les employés se livrent à des « achats improvisés », c'est-à-dire des achats qui sortent du cadre des procédures établies, les coûts et l'efficacité en pâtissent. En effet, ces achats sont à terme plus onéreux, car ils ne bénéficient pas des avantages prévus dans les contrats conclus avec les prestataires.

D'autres écarts par rapport aux processus établies, comme l'achat sans bon de commande ou la création d'un bon sans commande de service, augmentent également les coûts en exigeant un surcroît de travail. En effet, le temps passé à résoudre des factures erronées ou mal rapprochées peut faire bondir les frais administratifs et détourner le personnel en charge de l'approvisionnement de missions plus stratégiques.

Délais réduits

 

Identification d'une nouvelle approche pour réduire de 80 % le délai moyen d'exécution des commandes

Flux de processus optimisé

 

Cartographie d'un flux de processus optimisé qui réduit de 67 % les étapes requises

En utilisant les données réelles et l'IA pour cartographier nos processus d'approvisionnement, nous avons également acquis une feuille de route potentielle pour les transformer. Elle nous fournit un cadre rigoureux pour comprendre où se concentrer pour améliorer (et, si possible, automatiser) les différents éléments du flux de processus. Manager of Procurement Electric Power Provider
Des modèles d'IA qui révèlent le véritable flux de processus

Aux États-Unis, un grand fournisseur d'électricité diversifié souhaitait régler une bonne fois pour toutes les problèmes qu'il rencontrait avec les achats improvisés. Cela impliquait de passer à la loupe l'historique d'achats pour comprendre de manière granulaire où les écarts se produisaient et évaluer l'ampleur réelle du problème. L'entreprise s'est tournée vers myInvenio, une société IBM, pour mettre à profit l'analyse des processus.

L'équipe a travaillé en étroite collaboration avec le responsable des achats de l'entreprise en utilisant IBM® Process Mining, un outil de découverte et de modélisation de processus qui fait partie de la solution IBM Cloud Pak® for Business Automation.Dans la première partie du projet, l'équipe a capturé environ un an de flux de données provenant du module Achats de la suite IBM Maximo® Utilities, la plateforme de gestion des actifs critiques de l'entreprise. Les flux impliquaient principalement les services chargés de la comptabilité des entrepôts et des achats de l'entreprise, couvrant plusieurs secteurs d'activités.

Une fois les données ingérées dans IBM Process Mining, ses modèles sous-jacents basés sur l'IA les ont décomposées en cartes qui dissèquent chaque étape du processus P2P (demande d'achat, bon de commande, réception, facturation, etc.) pour chaque secteur d'activité. Grâce à cette analyse, le responsable des achats a pu d'une part identifier les problèmes dans les flux existants, mais aussi porter un regard nouveau, basé sur les données, sur le processus idéal qui devrait être appliqué. « Nous avons pu voir comme jamais auparavant le fonctionnement réel de nos processus P2P », explique-t-il. « Cela nous a également permis d'avoir une vision plus objective du processus de version de référence optimal, non pas de l'avis d'experts en processus, mais à partir des données elles-mêmes ».

Ce modèle a notamment mis en lumière que seulement 20 % des achats liés aux matériaux (achat de pièces de rechange, etc.) ont suivi le parcours d'approvisionnement optimal. Pour les 80 % restants, qui déviaient du processus idéal, le délai moyen de livraison des commandes était plus de 30 % plus long, en grande partie en raison du temps supplémentaire consacré au rapprochement des factures et au remaniement des commandes.

Les services d'approvisionnement ne s’en sortaient guère mieux. Alors que le modèle IBM Process Mining n'a trouvé que 10 étapes dans le processus optimal, le processus non conforme moyen en comptait près de 30. Pour le responsable des achats, ce fut une révélation. « Nous savions que le remaniement des commandes était un problème majeur », explique-t-il. « Mais de voir grâce aux données que plus de 50 % des bons d'approvisionnement étaient concernés, cela nous a ouvert les yeux ».

L'analyse comme feuille de route pour la transformation des processus

Le projet entrepris par ce fournisseur d'électricité a atteint son objectif : déterminer comment se passait réellement l'approvisionnement, ainsi que son impact sur ses indicateurs clés de performance. Comme l'explique le responsable des achats, ces résultats guideront l'entreprise dans ses efforts de transformation des processus. « En utilisant les données réelles et l'IA pour cartographier nos processus d'approvisionnement, nous avons également acquis une feuille de route potentielle pour les transformer », ajoute-t-il.« Elle nous fournit un cadre rigoureux pour comprendre où se concentrer pour améliorer (et, si possible, automatiser) les différents éléments du flux de processus. »

Cela va dans le sens de ce qui compte le plus pour les fournisseurs d'électricité : fournir une énergie sûre et fiable à ses clients. En d'autres termes, les bonnes pratiques d'achat – celles qui sont efficaces, normalisées et rentables – s'intègrent dans la stratégie plus large de gestion des actifs d'une entreprise de service public.

De plus, comme le souligne le responsable des achats, sur le plan pratique, les informations fournies par les données au sujet des processus aident à plaider en faveur de la poursuite des initiatives de transformation. « Grâce à un cadre dynamique de modélisation des processus basé sur l'IA, nous pouvons simuler l'impact de la réduction des processus non conformes sur le délai moyen de commande de pièces », explique-t-il. « C'est un message fort dans une étude de rentabilité, et c'est pourquoi la solution IBM Process Mining est un outil si puissant. »

À propos de ce fournisseur d'électricité

Basée aux États-Unis, cette société énergétique sert des millions de clients résidentiels, commerciaux et industriels dans plusieurs États, y compris certains des marchés d'énergie les plus compétitifs.

Le client présenté dans cette étude de cas a initialement collaboré avec MyInvenio, qui a commencé à exercer ses activités sous le nom d'IBM le 1er août 2021. Le produit myInvenio présenté dans cette étude de cas, myInvenio Process Mining, est désormais connu sous le nom d'IBM Process Mining.

Passez à l’étape suivante

Pour en savoir plus sur les solutions IBM présentées dans cette étude de cas, veuillez contacter votre interlocuteur IBM habituel ou votre partenaire commercial IBM.

Voir plus d’études de cas Contacter IBM Étude Forrester TEI
Découvrez le retour sur investissement potentiel d’IBM Automation
Inscrivez-vous dès maintenant
Lire le rapport
Inscrivez-vous pour télécharger le rapport
Inscrivez-vous dès maintenant
Documentation technique
Premiers pas avec IBM Process Mining
Lire la documentation
Aspects juridiques

© Copyright IBM Corporation 2022. IBM Corporation, Watson and Cloud Platform, New Orchard Road, Armonk, NY 10504

Produit aux Etats-Unis, mars 2022.

IBM, le logo IBM, ibm.com, IBM Cloud Pak et Maximo sont des marques commerciales d’International Business Corp., déposées dans de nombreux pays. Les autres noms de produits et de services peuvent être des marques d’IBM ou d’autres sociétés. La liste actualisée de toutes les marques d’IBM est disponible sur la page Web « Copyright and trademark information » à l’adresse ibm.com/trademark.

Les informations contenues dans le présent document sont à jour à la date de publication initiale et peuvent être modifiées sans préavis par IBM. Les offres mentionnées dans le présent document ne sont pas toutes disponibles dans tous les pays où la société IBM est présente.

Les données de performance et les exemples de clients cités sont présentés à titre informatif uniquement. Les résultats des performances peuvent varier en fonction des configurations et des conditions de fonctionnement. LES INFORMATIONS CONTENUES DANS LE PRÉSENT DOCUMENT SONT FOURNIES « EN L’ÉTAT », SANS AUCUNE GARANTIE EXPLICITE OU IMPLICITE, NOTAMMENT SANS AUCUNE GARANTIE DE QUALITÉ MARCHANDE, D’ADÉQUATION À UN USAGE PARTICULIER ET AUCUNE GARANTIE OU CONDITION D’ABSENCE DE CONTREFAÇON. Les produits IBM sont garantis conformément aux dispositions des contrats qui régissent leur utilisation.