Cinco maneiras de a IA resolver interrupções na cadeia de suprimentos

As interrupções nos negócios provocadas pela pandemia do coronavírus - de prateleiras vazias em supermercados a longos atrasos nas entregas de e-commerce - trouxeram luz sobre os pontos fracos da cadeia de suprimentos e uma oportunidade crescente para inteligência artificial.

Parte do problema foi a mudança para a manufatura just-in-time (JIT), que criou cadeias de suprimentos enxutas que mantêm níveis mais baixos de estoque para remover o risco associado à superprodução e ao excedente. Essa estratégia, emprestada da indústria automotiva, permitiu que os fornecedores reduzissem seus custos por meio de baixos níveis de estoque e custos de produção reduzidos. No entanto, quando algo como uma pandemia ou um desastre natural ocorre e cria um aumento na demanda, é difícil aumentar a produção ou obter suprimentos excedentes para preencher o oleoduto - especialmente quando fábricas inteiras são fechadas por causa de infecção. O que é necessário hoje, em vez disso, é um novo modelo que possibilite a manufatura sob demanda em tempo real em vez do JIT.

Kit de ferramentas baseadas em IA

Mais fornecedores estão recorrendo a várias formas de IA para enfrentar melhor os desafios da interrupção da cadeia de suprimentos agora e no futuro. Considere os cinco aplicativos a seguir:

• Análise preditiva. Para que as empresas não sejam surpreendidas pelas mudanças do mercado, econômicas ou do consumidor, a análise preditiva baseada em IA está permitindo uma previsão precisa ao analisar padrões em dados históricos. Ele usa mineração de dados, modelagem estatística e aprendizado de máquina para permitir que enormes conjuntos de dados prevejam resultados futuros. Por exemplo, um varejista pode usá-lo para determinar a probabilidade de que itens específicos estejam fora de estoque e quando, ou a probabilidade de que um consumidor ainda compre a Marca X de toalha de papel se a produção for interrompida no Bounty. Ele também pode analisar fornecedores para determinar quais serão os mais confiáveis ​​em uma situação de emergência.
• Aprendizado profundo. Ter visibilidade do local de uma loja remotamente tornou-se crucial durante a pandemia. Hoje, a vigilância por vídeo, combinada com soluções baseadas em aprendizagem profunda, pode ajudar os gerentes a determinar se os protocolos de segurança estão sendo seguidos, como limpar os sistemas POS, insistir no uso de máscara e distanciamento social. Além disso, esses tipos de vigilância por vídeo baseada em IA podem ajudar com auditorias de loja para gerenciamento de estoque para determinar onde as prateleiras vazias estão localizadas e o que não está vendendo.
• Robótica de armazém. Os robôs em pisos de depósito, coleta e embalagem de itens estão aumentando substancialmente a velocidade e a eficiência dos depósitos. Durante a pandemia, quando houve escassez de mão de obra humana por causa de trabalhadores doentes ou aqueles com condições de saúde comprometidas que os forçaram a permanecer em casa, os robôs conseguiram compensar.
• Automação de processos robóticos (RPA). Tarefas repetitivas, como faturamento, processamento de pedidos, entrada de dados e outras tarefas administrativas podem ser as principais responsáveis ​​pela interrupção da cadeia de suprimentos. O RPA permitiu que muitas empresas automatizassem essas tarefas e liberassem funcionários humanos para lidar com tarefas mais estratégicas, bem como lidar diretamente com parceiros, clientes e outros. Por exemplo, o RPA pode ser usado para processar pedidos de compra, identificar os níveis de estoque necessários e compará-los com o estoque real - tudo sem depender de intervenção humana, exceto para tratar de exceções.
• ComputerVision. Esta forma de detecção de imagem baseada em IA pode ser usada em transporte e logística, para ajudar a identificar áreas de alto tráfego e ajudar a planejar as melhores rotas de caminhões. Os algoritmos baseados no ComputerVision analisam imagens digitais ou vídeo de imagens de satélite para localizar e contar, por exemplo, carros e ônibus em certas áreas e ajudar os caminhoneiros a evitar essas áreas. Em outras aplicações, ele pode ser usado para determinar onde pode haver trilhos de trem danificados que possam impedir o abastecimento regular de mercadorias pelo trem.

Abordagem de MicroWarehouse

Além da automação, o que se tornará uma marca registrada das cadeias de suprimentos do futuro é o armazenamento e armazenamento localizados mais perto dos clientes. Mesmo de empresas como Amazon ou Walmart, os grandes armazéns serão substituídos por muitos outros menores - atendendo a uma base de clientes a menos de três quilômetros de distância. Em vez de ter alguns grandes armazéns, as empresas podem ter muitos para descentralizar o processo de distribuição, levar mercadorias para varejistas e consumidores com mais rapidez e até mesmo impulsionar práticas de sustentabilidade, com menos emissões no ar e nas rodovias.

Na verdade, a cadeia de suprimentos do futuro muito bem será composta por menos trabalhadores humanos; maior automação baseada em IA para gerenciar e prever as necessidades de estoque, processar dados e lidar com tarefas de back-office e operações de warehouse; e novos canais de entrega, incluindo drones, para entregas ao domicílio mais seguras e sem contato.

A cadeia de suprimentos do futuro precisará superar os principais obstáculos para se tornar uma realidade. Sistemas interoperáveis ​​e integrados precisarão compartilhar dados em toda a cadeia de suprimentos para serem eficazes. Mas as empresas precisarão estar abertas a essa interoperabilidade para ter sucesso. Outro desafio é o medo da perda de empregos que a automação trará. As empresas devem dissipar esses temores abrindo oportunidades para que os trabalhadores assumam papéis novos e mais estratégicos, oferecendo treinamento e suporte de educação continuada; e reforçando os benefícios da IA, sem perder de vista a vantagem inabalável que os humanos sempre terão sobre a IA.

O COVID-19 destacou as fragilidades da cadeia de suprimentos, mas por meio de suas lições estamos começando a reimaginar a cadeia de suprimentos do futuro, que será impulsionada pela IA e capacitada pela engenhosidade humana.

Carlos Melendez é diretor de operações da Wovenware.