Como a IA está lidando com os resíduos nas fábricas e na cadeia de suprimentos

Se queremos um mundo sem desperdício, podemos precisar de algo diferente do cérebro humano para alcançá-lo.

A resposta, como acontece com tantos outros aspectos dos negócios hoje, está na inteligência artificial - neste caso, sua capacidade de eliminar resíduos industriais na manufatura.

Stephen Pratt é CEO da Noodle.ai, uma empresa que emprega IA para agilizar as operações de fluxo industrial. Ele vê a tecnologia incipiente como uma ferramenta para "voltar à forma como as fábricas e cadeias de abastecimento devem operar". E isso significa alcançar “um fluxo contínuo da matéria-prima para a prateleira”.

Obviamente, a eliminação de resíduos na fábrica e fora dela tem sido uma obsessão dos executivos da cadeia de suprimentos por décadas. O famoso Sistema Toyota de Produção, que identifica sete formas de muda , a palavra japonesa para lixo, tem suas origens no final dos anos 1940. Mais recentemente, as teorias Lean e just-in-time (JIT) para fornecer peças às fábricas e produtos acabados aos armazéns eliminaram o que os gerentes consideravam estoque em excesso. (Tanto é verdade, infelizmente, que muitos varejistas ficaram sem produtos suficientes para satisfazer a demanda crescente por bens de consumo durante a pandemia de COVID-19. A cadeia de suprimentos "enxuta" de uma pessoa é a falta de estoque de outra.)

É preciso perguntar se as teorias anteriores para eliminar os resíduos do sistema renderam mais livros e trabalhos acadêmicos do que resultados reais na fábrica. De acordo com Pratt, o Banco Mundial estima que os resíduos industriais globais hoje são 18 vezes maiores do que os resíduos sólidos urbanos - “as coisas que chamamos de lixo”.

Para ser justo, a metodologia Lean, JIT, Six Sigma, a Teoria das Restrições e outras ferramentas de planejamento avançado deixaram sua marca nas práticas de gestão na fábrica e além. O desperdício de produção foi drasticamente reduzido, mas ainda hoje é um problema de US $ 2 trilhões. (Pratt decompõe esse número abaixo.) “Não há nada perto de um estado de fluxo perfeito”, diz ele. “Muitas cadeias de suprimentos têm regras de negócios fixas, mas pergunte a qualquer planejador de estoque, e eles dirão que a única coisa que sabem é que essas regras estão erradas.”

Em seguida, vem a IA com uma nova abordagem para o controle de resíduos. A diferença, diz Pratt, é o uso de algoritmos complexos para prever quando o excesso de peças, produtos e práticas ameaçam obstruir as obras. Esses alertas permitem que os humanos ajam para evitar o problema antes que ele afete o fluxo do produto.

O uso de IA especificamente para atacar resíduos de produção tem menos de uma década, diz Pratt, mas já provou ser “incrivelmente eficaz”. Os aplicativos de manufatura anteriores, incluindo planejamento de requisitos de material (MRP) e planejamento de recursos empresariais (ERP), eram prejudicados por computadores lentos e dados caros.

“A ruína da existência dessas tecnologias é que elas assumiram médias para o rendimento da produção e os tempos de entrega”, explica Pratt. “Isso é como falar sobre o tamanho médio do sapato de uma pessoa no planeta. A diferença entre a média e a realidade é cerca de metade do desperdício em todo o mundo. ”

As sete formas de muda da Toyota conforme identificado pelo engenheiro industrial japonês Taiichi Ohno, são transporte, estoque, movimento, espera, superprodução, superprocessamento e defeitos. Com a IA na foto, Pratt estende o conceito além da fábrica para delinear o que ele vê como as quatro maiores áreas de resíduos na cadeia de abastecimento hoje:

• Produtos com defeito. Um item defeituoso que percorre todo o processo de produção deve ser jogado fora. O custo para os fabricantes, diz Pratt, é de cerca de US $ 861 bilhões por ano.
• Avarias de fábrica. O tempo de inatividade não planejado é “um problema gigante”, custando US $ 689 bilhões por ano.
• Erros na distribuição. A fábrica produz um produto perfeito, que para na fase de distribuição porque o atual I.T. os sistemas não podem cumprir as metas de entrega de tempo, local e quantidade. O custo do excesso de estoque:cerca de US $ 446 bilhões por ano.
• Prateleiras vazias. A ausência de algo pode não parecer uma forma de desperdício. Mas o medo dos varejistas de rupturas de estoque quando os clientes querem comprar - o que acontece cerca de 9% das vezes - faz com que eles inundem a cadeia de abastecimento com estoque. Como resultado, diz Pratt, “eles produzem mais do que o necessário”.

Pela primeira vez, a capacidade de computação cada vez maior torna possível atacar todas as quatro áreas com eficácia. O computador médio usado para esses cálculos hoje é 2.000 vezes mais rápido do que o supercomputador mais rápido do mundo no ano de 2000, observa Pratt.

A função da IA ​​está mudando rapidamente de análises descritivas para prescritivas. Um sistema acionado por IA hoje pode fazer a varredura em busca de anormalidades, alertar os gerentes sobre sua iminência, prever as consequências de tais eventos e recomendar ações corretivas. Além disso, diz Pratt, “ensina como ajustar sua fábrica para não produzir produtos defeituosos”.

Nada disso significa que as pessoas estão totalmente fora de cena. Pratt vê o sistema ideal como aquele que combina o poder de computação de força bruta da IA ​​com a criatividade e as percepções do cérebro humano. E, de qualquer forma, a IA ainda tem um longo caminho a percorrer antes de cumprir sua promessa em ambientes de manufatura, muito menos no mundo maior.

Como acontece com qualquer tecnologia de ponta, a aceitação da IA ​​será gradual. Mas Pratt acredita que sua maturidade está sendo acelerada pelas demandas de grandes varejistas como o Walmart por um desempenho perfeito dos fornecedores. Sua capacidade de atender a esses critérios “pode ser a diferença entre existir e perecer”, diz ele.