IA Corporativa Impulsiona Inovação e Estabilidade no Setor de Aço

Com avanços em tecnologia impulsionados por inteligência artificial (IA) e a criação de data lakes, organizações estão reconhecendo seu valor para produção industrial.

IA Corporativa: Foco em Resultados

IA corporativa pode ser incorporada em modelos de negócio fundamentais para aumentar a tomada de decisão. Foca em resultados em vez da tecnologia em si, permitindo que uma organização transforme dados em insights valiosos para criar valor contínuo ao cliente.

O Setor de Aço: Contexto e Desafios

A indústria de metais, uma das mais antigas da civilização humana, tem sido a espinha dorsal do crescimento industrial moderno. O aço é o metal mais usado hoje, e o ferro, o quarto elemento mais comum na crosta terrestre, é seu constituinte chave.

Segundo a Worldsteel Association, a produção global de aço bruto aumentou de 189 milhões de toneladas métricas em 1950 para 1,8 bilhão de tm em 2018. Crescimento rápido nas últimas duas décadas veio de capacidade excedente produzida na China, que contribui com quase 50% da produção mundial de aço. O descompasso causou grandes disrupções na indústria, especialmente no mundo ocidental, conforme fabricantes chineses começaram a exportar seu excesso de inventário a preços baixos.

Embora esse desequilíbrio provavelmente continue, empresas estão trabalhando para melhorar eficiência através da modernização de suas tecnologias de produção de ferro e aço. No processo, gradualmente reduziram dependência de mão de obra humana, em favor da automação.

Uma usina de aço moderna emprega muito menos mão de obra humana que 25 anos atrás. Durante um período em que a produção mundial de aço cresceu duas vezes e meia, a indústria eliminou mais de 1,5 milhão de membros da força de trabalho.

Elementos Únicos da Cadeia de Suprimentos de Aço

A cadeia de suprimentos de aço contém alguns elementos únicos que são centrais para a indústria:

• Cadeia de suprimentos de entrada multi-origem. Minas geram fluxo contínuo de matérias-primas. No entanto, minério de ferro vem em variedade de formas e qualidade que frequentemente requer processamento adicional antes de mover para processamento de produto final. Isso pode resultar em vários graus de aço que não estão necessariamente atrelados a demandas específicas de clientes.
• Produção sensível a falhas. O processo de manufatura de ferro e aço requer fluxo ininterrupto de materiais entre estágios de produção, incluindo alto-forno, forno de oxigênio básico, lingotamento contínuo e laminador. Parar e reiniciar uma operação durante o processo de produção de aço pode ser custoso. Portanto, produção e fluxo de inventário precisam ser equilibrados para evitar custo de reaquecimento, minimizar trocas e eliminar acúmulo indesejado de inventário em processo.
• Rede complexa de armazenamento e distribuição de produto final. Armazenamento, rastreamento e distribuição são vulneráveis a ineficiências devido aos variados graus, peso e tamanho de produtos finais. Além disso, existem limitações ao uso de tecnologias de rastreamento para a indústria do aço, como tags de identificação por radiofrequência (RFID) que interferem com propriedades físicas do aço.
• Múltiplos canais de vendas. Tradicionalmente, empresas de aço confiaram em variedade de canais indiretos de vendas, como revendedores, agências e centros de serviços, todos mirando os mesmos mercados. OEMs de aço têm controle limitado no mercado, com visibilidade mínima a requisitos do consumidor final. Além disso, canais indiretos retardam o processo de venda devido a múltiplos handshakes e acúmulo de overhead, como comissões de agências. Com o advento de vendas pela internet e canais diretos, e-marketplaces e e-leilões se tornaram meios populares de aumentar transparência, encurtar ciclos de venda e reduzir overhead. Ao mesmo tempo, plataformas de e-marketplace deram aos clientes acesso pronto a dados de mercado e cotações competitivas para requisitos de grau especificados. Isso resultou em proliferação de graus de aço, 75% dos quais foram desenvolvidos nos últimos 20 anos. Atender requisitos dos clientes com o menor ciclo de fulfillment de pedido e preço mais competitivo tornaram-se chaves para o processo de venda.
• Mercado commoditizado e volátil. Na cadeia de suprimentos de aço, tanto matérias-primas quanto produto final são commoditizados. Logo, o negócio está exposto a volatilidade de preço tanto em pontos de demanda quanto de oferta, resultando em lucratividade diminuída.

Dados, Digital Twins e Big Data Lakes

Empresas estão gerando grandes volumes de dados diariamente, e está crescendo exponencialmente. Dados vêm em formas estruturadas e não estruturadas. À medida que computação em memória, armazenamento e tecnologias digitais se tornam confiáveis e acessíveis, muitas empresas de metais estão usando-os para desenvolver analytics avançados e ganhar insights de processo. Até agora, no entanto, a maioria desses esforços careceu de visão em nível organizacional na forma de estratégias integradas de cadeia de suprimentos. A indústria do aço tem espaço significativo para se beneficiar melhorando sua prowess digital.

Um digital twin é a réplica virtual de processos físicos da cadeia de suprimentos, e a espinha dorsal para integração ciber-física. Garante a transmissão contínua de dados entre mundos digitais e entidades físicas. Para habilitar IA corporativa, os seguintes atributos de digital twins são necessários:

• Plataforma de comércio de ecossistema para troca de informação com todos os parceiros de negócio internos e externos, através de software comercialmente disponível off-the-shelf.
• Plataforma de escuta e assinatura de informação, para capturar informação além das fronteiras de controle direto.
• Conectividade de equipamento físico e captura de eventos através de dispositivos Internet das Coisas (IoT). O digital twin garante coleta contínua de dados em tempo real em vários nós da cadeia de suprimentos, como armazenamento de minério (por mineradores, fornecedores e operadores de navios), produção (por forno de coque, planta de sinter, alto-forno, lingotamento e laminador), armazenamento e distribuição de produto (por pátios e transportadores de frete), e canais de vendas (incluindo e-marketplaces, centros de serviços e revendedores).

Um big data lake é o local único de armazenamento para todos os dados empresariais em seu formato nativo. Pode ser usado para variedade de propósitos, como analytics orientados por data science e machine learning. Para empresas de aço, um big data lake pode armazenar dados de negócio não relacionados de vários nós da cadeia de suprimentos, incluindo minas, pátios, altos-fornos, lingotamento e laminadores, em formatos brutos. Big data pode ser usado para obter insights nas seguintes áreas:

• Inteligência de mercado, composta por informações sobre macroeconomia, políticas monetárias, tarifas, bolsas de metais, flutuações de preço de commodities, informação de concorrentes e situações geopolíticas.
• Dados da usina de aço, fornecendo detalhes de capacidade e operações em vários estágios, como produção de ferro e aço, gestão de pátios e transporte.
• Dados do plano de negócios, incluindo planos de produção e embarque.
• Dados do ecossistema de parceiros, gerados por stakeholders externos como clientes, agências, centros de serviços, mineradores, freight forwarders e operadores de navios. O ecossistema de parceiros deve fornecer acesso a dados em uma rede de negócios multi-empresa (como uma plataforma de comércio de ecossistema) de organizações externas com quem empresas de aço fazem negócios.

Funções da IA Corporativa

IA corporativa compreende as seguintes funções:

• Sensoriamento de eventos em vários estágios na cadeia de suprimentos de aço. Antes de chegar à porta do consumidor, um produto de aço tem que passar por um ciclo de vida de manufatura completo. À medida que minério de ferro a granel é convertido em produtos de aço discretos, matérias-primas movem-se através de múltiplos equipamentos e passos de processo. Qualquer disrupção ou mudança em qualquer parte da cadeia de suprimentos terá grande impacto em outras fases de produção. Um digital twin, com atributos associados como IoT, reconhecerá imediatamente as mudanças e coletará os dados para análise posterior.
• Análise de eventos e determinação de seu impacto em KPIs em diferentes horizontes de tempo. Uma vez que dados de eventos são coletados, uma plataforma analítica avançada é acionada para identificar possíveis influências em atividades planejadas. Este passo cria numerosos cenários "what-if" em fração de segundo, permitindo comparação de resultados de possíveis mudanças em toda a rede de suprimentos. A avaliação pode determinar impactos em vários KPIs dentro do horizonte de planejamento.
• Recomendação de soluções alternativas. Enquanto coleta e análise de dados são essenciais, o valor real da IA corporativa reside em sua capacidade de analisar a extensão total de impactos, e fornecer recomendações associadas. Se o impacto está além do limiar de certos KPIs, regras de negócio e lições de experiência cognitiva prévia podem ajudar a IA corporativa a recomendar soluções que entreguem resultados de negócio desejados. Tais recomendações devem considerar influências através da rede da cadeia de suprimentos, e recomendar planos ótimos.
• Otimização de resultados através de aprendizado cognitivo contínuo. Um big data lake fornece insights através de data science. IA corporativa, por sua vez, usa a informação para permitir a otimização contínua de resultados. Um big data lake é uma massa de informação não relacionada que levaria a vida de um humano para compreender. Sem estrutura, esta informação não pode ser usada para propósitos de negócio. Técnicas de data science podem filtrar dados não estruturados dentro de dimensões de negócio específicas, como período, geografia e produto, e desenterrar conexões ocultas para permitir auto-aprendizado contínuo.

Transformando a Indústria do Aço

IA corporativa impulsiona confiabilidade, eficiência e produtividade na indústria do aço através de redução de mão de obra manual, substituindo-a por conectividade máquina-a-máquina e analytics prescritivos. Pode sensoriar elementos como insight de mercado, volatilidade de demanda, e disrupções em produção e suprimento. O uso industrial de tecnologias de IA, junto com investimentos em big data lakes e digital twins, promete transformar empresas de aço em operações mais responsivas e lucrativas. Uma visão pragmática de IA corporativa pode aumentar dramaticamente eficiências da cadeia de suprimentos de aço, levando a custos reduzidos de manutenção de inventário e encurtando time-to-market no volátil mercado do aço.

Hiranmay Sarkar é managing partner na Prática de Consultoria e Integração de Serviços da Tata Consultancy Services (TCS).