Études de cas

Vooban a identifié trois processus sur lesquels se pencher afin d’atteindre les objectifs de CSL: l’amélioration de l’estimation de l’heure d’arrivée à destination des bateaux, la baisse moyenne du carburant utilisé et la réduction du rejet de CO2 dans l’atmosphère.

À la suite de l’implantation d’un modèle d’IA, l’ETA (heure d’arrivée estimée) peut maintenant être calculée avec une précision élevée, augmentant sa fiabilité de 30%. Un deuxième modèle prédit la consommation de carburant et affiche une exactitude de 96%. L’IA peut également planifier le moment idéal pour effectuer la maintenance préventive sur les navires, puisque l’accumulation d’algues sur la coque peut affecter jusqu’à 10% de la vitesse d’un bateau.

En établissant avec justesse ces derniers paramètres, on peut simuler l’efficacité générée par le vaisseau. En gérant sa vitesse et en maximisant ses itinéraires, on réduit la consommation de carburant, donc des émissions de GES. La prévision presque exacte de l’ETA permet d’optimiser le temps consacré aux opérations et permettre une planification plus efficace des activités.

Au cours de l'année prochaine, ce projet d'IA devrait permettre à la flotte canadienne de CSL de réduire considérablement ses émissions de CO2 et de diminuer sa consommation moyenne de carburant.

Grâce à l’estimation juste de l’ETA, l’efficacité globale de la compagnie est accrue. Lorsque les opérations comme la planification du changement des équipages, la synchronisation de la navigation avec la disponibilité des quais et des écluses, ainsi que la coordination de la livraison du matériel sont optimisées, elles sont plus efficaces et fluides. Ces changements permettent à CSL de renforcer la fiabilité de sa chaîne d’approvisionnement et d’améliorer sa gestion des coûts, lui permettant réellement de faire preuve d’ingéniosité maritime partout dans le monde!