Carrefours Excellences

ÉDITION 2021

33è CARREFOURS EXCELLENCES

"Supply Chain"

Supply Chain de l’après : concilier résilience,
responsabilité et performance 

​

10 études de cas, 18 témoignages, avec les retours d'expériences de :

MARS, AERA TECHNOLOGY, ARAYMOND, SPINPART, MICHELIN, SAFECUBE, DANONE,   
METTLER-TOLEDO, MÖBIUS, ACOME, OPEO, NUTRISET, ARGON & CO, THALES AVS,
DEMAND DRIVEN TECHNOLOGIES, GROUPE SFPI, VAN DE VELDE

Les problématiques traitées :

• Répondre à la forte variabilité de la demande sans accroître la complexité des flux   

• Rendre l’incertitude explicite grâce aux best-case / worst-case pour les estimations S&OP

• Tirer profit du Machine Learning pour sortir des approches traditionnelles de Planification 

• Gagner en visibilité statique et dynamique afin d'identifier les défaillances et parer aux aléas

• Selon les enjeux business, définir les bons operating model par l'usage de datas pertinentes

• Orchestrer les Opérations end to end en accélérant le "remote everywhere"

• Évaluer le risque Fournisseurs en temps réel et ajuster les Appros

• Ajouter la durabilité au triptyque coût, stock, service, tout en restant agile

• Assurer le stock sans pouvoir stocker, dans un contexte de crises imprévisibles

• Structurer une chaîne d'Appro Interconnectée et Responsable, adaptée au Consommateur

• Soutenir la production en local, repenser les stratégies de Sourcing, raccourcir les circuits

• Rendre le packaging intelligent et utile, dans une logique d’économie durable

• Réorienter le modèle industriel linéaire et pivoter vers le circulaire

​ÉDITION 2021

33è CARREFOURS EXCELLENCES

"Performance Industrielle, Excellence Opérationnelle"

​

Le défi de l’après : conjuguer Excellence

et Industrie durable au mode 4.0

​

Avec les retours d'expériences de :

L’ORÉAL, SOMFY, BRAINCUBE, ROQUETTE, OPEO, KNAUF, MÖBIUS, NUTRISET, ALSTOM,
LEGRAND, LE MASQUE FRANÇAIS, QUANTMETRY, FAURECIA, SCHNEIDER ELECTRIC

​

10 études de cas, 20 témoignages, des résultats concrets :

1è jour : L’Intelligence Augmentée pour une organisation réactive et résiliente

2è jour : L’Agilité Augmentée pour une industrie compétitive et responsable

Les problématiques traitées :                     

• Préserver le juste équilibre entre le tout digital et un usage efficient des technologies

• Assurer continuité numérique et pilotage des opérations à distance grâce à l’IoT

• Concilier enjeux d’automatisation et demande de personnalisation

• Gérer l’usine en mode "stop & go", apte à redémarrer à tout moment en pleine capacité

• Réduire les pertes de productivité par la Data Science, les éviter par l’Analyse Prédictive

• Donner de la visibilité terrain sur les paramètres influents afin de corriger les écarts

• Mettre les nouveaux moyens de traitement de la donnée au service de l’Industrie Durable

• Interconnecter l’ensemble des maillons de la chaîne de valeur end to end

• S’intégrer verticalement pour ne pas dépendre des aléas des sourcings internationaux

• Mettre la circularité au cœur de la stratégie et amorcer le pivot du modèle industriel

• Transformer les processus en pensant réemploi et remanufacturing produits et matière

• Entretenir un cercle vertueux auto-transformateur pour une usine robuste face aux aléas

ÉDITION 2021

33è CARREFOURS EXCELLENCES

"Intelligence Augmentée"

​

Accélérer la Data Transformation, promesse d’un leadership durable

​

Avec les retours d'expériences de :

LVMH, IRIS by ARGON&Co, ​MICHELIN, UTT, AERA TECHNOLOGY, SAINT GOBAIN,

AUTOMI, EXXELIA, ROTHSCHILD & Co, OSS VENTURES, ADEO, ​PERNOD RICARD

​​

10 études de cas, 17 témoignages, des résultats concrets :

1è jour : Création de valeur par la démocratisation de l’IA : industrialiser les cas d’usage

2è jour : Innovation organisationnelle : orchestrer gouvernance et nouveaux rôles

Les problématiques traitées :

• A l’épreuve du chaos, appréhender la transformation comme un processus vital permanent

• Prioriser les opportunités de digitalisation focalisée finalité et performance globale

• Construire une Data Platform cloud, agile et évolutive

• Piloter un pôle de compétences, à l’interface entre data science, IT et opérationnels

• Changer de mindset et adapter l’organisation aux nouveaux talents numériques

• Sortir des architectures traditionnelles, désiloter, bâtir un système cognitif temps réel

• Déployer une stratégie algorithmique assurant l’explicabilité et la confiance des modèles

• Libérer les données, fournir aux opérationnels un catalogue d’algorithmes "as a service"

• Agir sur les "moments that matter" comme vecteur d’adhésion et d’engagement

• Combiner machine learning et tribal knowledge

• Profiter de la révolution NoCode pour inciter l’initiative terrain

• Protéger son savoir-faire et ses données tout en collaborant avec son écosystème