Foto: Divulgação

Operações que funcionam na cadeia de suprimentos são bem diferentes de operações otimizadas...

Reduzir custos operacionais (ex.: mão de obra), eliminar erros e defeitos, acabar com perdas de tempo não planejadas, ser cada vez mais ágil e maximizar as entregas perfeitas são grandes desafios para a Supply Chain competitiva.

O discurso de começar pelo simples, eliminar as grandes perdas e desperdícios e focar nos resultados, investindo em pessoas continua sendo a base do desenvolvimento corporativo.

Sim, o foco na simplicidade (“KISS – Keep It Simple, Stupid”), que teve grande sucesso na busca da excelência operacional a partir das práticas de operações enxutas (“lean”), não significa simplesmente descartar nossa capacidade intelectual de transformar modelos mais “complexos” e avançados em sistemas “simples” que asseguram maior competitividade no curto, médio e longo prazo.

São inúmeras empresas no Brasil e ao redor do mundo, independente do porte, que já perceberam o poder da tecnologia no avanço dos sistemas “simples” de gestão da cadeia de suprimentos.

Diferentes áreas da Supply Chain podem ser otimizadas por meio do uso da inteligência artificial e machine learning, desde o monitoramento, identificação, diagnóstico, até a prescrição de acordo com o aprendizado e reconhecimento das tendências e padrões de dados.

Dez aplicações da Inteligência Artificial na Supply Chain

Nem todos os profissionais conseguem visualizar facilmente as aplicações da IA na cadeia de suprimentos. A maioria observa robôs autônomos em armazéns, RPA – Robotic Process Automation, entre outras aplicações de automação, mas muitas vezes não conseguem visualizar onde a IA está atuando.

Assim, segue uma relação de 10 aplicações da IA que podem gerar bons “insights” de projetos de otimização na Supply Chain:

1. Visão computacional para qualidade

Automatizar a verificação da qualidade de produto, da quantidade por embalagem e do fluxo de materiais pode ser feito por meio da visão computacional que, por meio de algoritimos de IA e Machine Learning, aprender padrões e alertam sobre desvios, funcionando como um método poka-yoke, digital, a prova de erros/falhas.

2. Algoritmos de previsão de demanda

Um dos principais desafios da cadeia de suprimentos é aumentar a acuracidade da previsão da demanda e as tendências de mercado. Obviamente ninguém possui “bola de cristal” para saber o que vai acontecer, mas aproveitar a tecnologia da IA / Machine Learning e analisar diferentes variáveis pode ajudar a Supply Chain com projeções muito mais precisas e uma gestão de estoques bem mais eficiente.

3. Automação da intralogística

O processo de armazenagem envolve uma enorme quantidade de operações e a gestão integrada de recursos, envolvendo AGV´s, AMR´s, recursos humanos, sistemas automáticos pode ser potencializada por meio de IA embarcada, possibilitando que os recursos operem como um verdadeiro “time” operacional, maximizando a produtividade operacional ou qualquer outro indicador objetivo.

4. Gestão automatizada de inventário

Apesar de rotinas de inventário cíclico ainda nem terem sido muito bem implementadas em muitas empresas, a tecnologia pode, por meio da Inteligência Artificial e Machine Learning, integrada à Visão Computacional, automatizar tarefas repetitivas no controle de estoque. Robôs ou drones podem realizar varreduras de estoque em tempo real e monitorar a qualidade da informação.

5. Automação de tarefas de back-office

Atualmente, tarefas repetitivas, como por exemplo: o processamento de documentos, podem ser automatizadas com Inteligência artificial e RPA (Robotic Process Automation). Este tipo de automação inteligente obviamente libera profissionais de trabalhos mais operacionais e disponibilizam os mesmos para trabalhos mais nobres (criatividade, intuição, change manegement etc.) relacionados com análises na busca da excelência operacional.

6. Logística de transportes automatizada

Nem precisa destacar que a excelência nos transportes é fundamental para uma Supply Chain competitiva e neste universo existem muitas aplicações de IA, desde sistemas de planejamento, simulação e roteirização, passando até por projetos de veículos autônomos em vários locais do mundo. O transporte representa uma parcela elevada dos custos de uma cadeia de suprimentos e sua otimização é garantia de competitividade.

7. Comunicação em tempo real com clientes e fornecedores

RPA, sistemas de automação de processos alimentados por IA também podem contribuir na automação das comunicações rotineiras com clientes e fornecedores. Automatizar esses processos pode impactar em uma gestão em tempo real, eliminando as esperas, reduzindo o impacto do “efeito chicote” e aumentando significativamente o desempenho da cadeia de suprimentos.

8. Monitoramento e avaliação automática de fornecedores

Sistemas de SRM – Supplier Relationship Management habilitados com IA podem ajudar no monitoramento e avaliação de desempenho e seleção de fornecedores, considerando variáveis de preço, prazos, confiabilidade, sustentabilidade etc.

9. Projetos de otimização da supply chain

A base de bons projetos de otimização da cadeia de suprimentos são os DADOS. A falta de dados relevantes para o desenvolvimento de projetos é muitas vezes a lacuna que precisa ser preenchida e neste contexto que a IA pode contribuir. Por meio de análise das bases de dados existentes, diferentes padrões podem ser identificados e a IA com Machine Learning pode gerar dados faltantes muitos consistentes com a realidade.

10. Sustentabilidade com ia

Se reunirmos o impacto dos transportes e da armazenagem na Cadeia de Suprimentos, identificaremos que toda a aplicação de IA e Machine Learning na cadeia de suprimentos impacta positivamente, direta ou indiretamente, nestes 2 (dois) componentes. Assim, toda a aplicação da IA na cadeia de suprimentos tem um benefício direto na redução das emissões de carbono das organizações.

Considerações Finais

Algoritmos de Inteligência Artificial, apesar de terem muitas aplicações na Supply Chain, não são tão simples de se implementar, pois passam também por desafios comportamentais que nem sempre a alta gestão está preparada para enfrentar.

Por trás da inteligência humana e não artificial, muitas vezes, se escondem critérios de decisão que não são lógicos e racionais, pois estão relacionados muito mais com a manutenção de interesses pessoais e/ou de disputa de poder do que com o ideal de otimização da cadeia de suprimentos.

Assim, esteja sempre atento às oportunidades oferecidas pela IA, mas nunca subestime a IH - Inteligência Humana. Vamos em frente!

Eduardo Banzato – Diretor do Grupo IMAM

O conteúdo dos artigos é de responsabilidade dos seus autores. Não representa exatamente a opinião do MODAIS EM FOCO.