Por Bento Ribeiro
Como peça essencial para a competitividade das cadeias produtivas 4.0, o setor Logístico sofre pressão crescente por eficiência e produtividade. Isso exige uma gestão operacional cada vez mais precisa. Com base em tecnologia de Inteligência Artificial, o Machine Learning, ou Aprendizado de Máquina, permite que os sistemas digitais “aprendam” a realizar projeções cada vez mais exatas sobre variáveis importantes do planejamento logístico. Desse modo, é possível reduzir riscos operacionais, custos e dar mais eficiência a toda a cadeia de suprimentos.
A primeira fase da industrialização, entre 1760 e 1830, foi marcada pela transição dos processos manuais para os processos mecanizados. A segunda teve início em meados do século XIX, quando o uso de novas fontes de energia deu escala à indústria e permitiu a manufatura em massa. A terceira fase vem em meados do século passado, à medida que a eletrônica e a tecnologia de informação e telecomunicações aumentam a eficiência das cadeias industriais.
Hoje, vivemos um período de transição para a chamada Quarta Revolução Industrial. Segundo Klaus Schwab, diretor-executivo do Fórum Econômico Mundial, e autor do livro “A Quarta Revolução Industrial”, essa nova fase não é definida por um conjunto de tecnologias emergentes em si mesmo, mas pela transição rumo a novos sistemas construídos sobre a infraestrutura da etapa anterior.
A nova realidade impulsiona as indústrias para a automação total das fábricas, com base no uso de sistemas que combinam máquinas e processos digitais. Esses sistemas ciberfísicos são capazes de tomar decisões descentralizadas e de cooperar entre si e com humanos, por meio da Internet das Coisas.
A Cadeia Produtiva 4.0
Ao mesmo tempo em que essa transformação de base digital proporciona altíssima eficiência para as Indústrias, ela inverte a lógica tradicional da manufatura. A internet, as tecnologias móveis, o comércio eletrônico empoderou o consumidor. Nesse novo cenário, o ritmo da produção passa a ser ditado não mais pela oferta da Indústria, mas pela demanda dos clientes, que se tornam mais exigentes em relação à qualidade de produtos, atendimento etc. e, também, mais sensíveis a preços.
Isso gera a necessidade de uma Cadeia Produtiva 4.0. Essa nova Cadeia precisa operar com muito mais agilidade e eficiência do que antes, com custos extremamente competitivos e de forma perfeitamente coordenada entre todos os seus elos: do fornecimento de insumos e matérias-primas até a última milha do Varejo, passando pela Produção e Distribuição dos produtos.
Como elemento de ligação entre esses elos está a Logística, que deixa de ser apenas um fator de competitividade para se tornar um componente de sobrevivência em um ambiente de negócios em permanente transformação.
Logística 4.0
A Logística 4.0 é a resposta lógica a esse desafio, uma nova etapa evolutiva do setor. Por meio do uso da tecnologia e de conexões inteligentes, ela permite que as empresas otimizem seus recursos para atender os requisitos de velocidade, eficiência, disponibilidade de informações, custos e qualidade de serviços exigidos pelas novas cadeias produtivas.
Esse nível de qualidade operacional só pode ser atendido a partir da otimização e da tomada de decisões com base no uso de dados.
Mas, quais dados?
Todos aqueles gerados em cada empresa na Cadeia Produtiva e na troca de informações entre transportadores, clientes, embarcadores, armazéns, operadores logísticos e todos os envolvidos em cada etapa do processo de logística.
Esse novo modelo pode proporcionar uma série de benefícios como redução nos prazos de entrega e nos custos de armazenagem, otimização de espaços, redução nas rupturas e nos excessos de estoque, mais produtividade, menos burocracia, otimização de frotas, mais segurança no suprimento, entre outros.
O que torna possível viabilizar todos esses benefícios logísticos, evidentemente, é a tecnologia. Tanto na automação dos processos, com eliminação de tarefas e registros manuais, quanto na coleta e tratamento dos dados.
Estamos falando de soluções de Big Data, Business Intelligence, EDI (Troca Eletrônica de Dados), entre outras ferramentas capazes de promover essa integração dos players logísticos com seus fornecedores, clientes, prestadores de serviços e demais parceiros.
Machine Learning
No entanto, a tecnologia disponível na Logística 4.0 está em franca evolução e a transformação do setor está apenas começando. Entre as inovações que vêm provocando grande impacto nas atividades logísticas está a tecnologia de Machine Learning, ou Aprendizado de Máquina.
Tendo como base o uso de plataformas de Inteligência Artificial, o Machine Learning permite que as máquinas ou sistemas digitais “aprendam” automaticamente à medida que desempenham suas tarefas, para que possam realizar os processos de forma autônoma e cada vez mais eficiente.
Isso acontece, porque, à medida em que executam suas funções, essas máquinas e sistemas são alimentados com dados sobre a própria operação e sobre a cadeia produtiva. Os algoritmos enxergam os padrões nesses dados e podem, então, apontar os fatores mais influentes na operação e qual a melhor tomada de decisão em cada circunstância. Com o tempo, o Machine Learning refina essa percepção, gerando resultados cada vez mais precisos e eficientes.
A tecnologia vem sendo aplicada nas mais diferentes tarefas logísticas, como o planejamento do supply chain, a gestão de armazenagem, previsão de demanda, otimização de rotas, gerenciamento de frotas, seleção de fornecedores, entre outros processos. O resultado é uma jornada logística mais eficiente, produtiva e lucrativa.
Previsão de demanda
O machine learning pode ser aplicado para elaborar previsões de demanda mais assertivas. Com base em estatísticas, a tecnologia detecta padrões de venda e vai aprimorando as previsões, de modo a antecipar as oscilações de queda ou de alta na demanda.
A qualidade proporcionada nas previsões permite que as empresas trabalhem com estoques mais enxutos, realinhando pedidos, produção e compras na cadeia produtiva.
Gestão de Estoque e de Armazenagem
Uma vez que o machine learning permite que o planejamento de produção e compras das empresas tenha caráter preditivo, a empresa passa a ter condições de executar a gestão de estoque com mais precisão. Ao mesmo tempo, o Aprendizado de Máquina também poderá ser aplicado a essa rotina.
Usando as bases de dados dos sistemas de ERP e dos Warehouse Managements Systems (WMS), a tecnologia de Machine Learning captura e atualiza dados, aprendendo sobre as características de movimentação de itens, níveis de estoque mínimo e máximo, tempo de reposição, entre outras variáveis da gestão de estoque.
Dessa maneira, fica mais fácil operar sem rupturas ou excessos de estoque, uma condição fundamental para a integração nas cadeias produtivas 4.0.
O Machine Learning também pode ser aplicado à Gestão da Armazenagem, com base na avaliação permanente das movimentações e da ocupação do espaço dos armazéns. Com isso, as empresas terão dados mais precisos para aumentar a produtividade nos processos de recebimento e despacho de carga, além de proporcionar oportunidades para otimização do espaço útil das áreas de armazenagem.
O Aprendizado de Máquina também permite que os equipamentos consigam aprender a reproduzir ações humanas, com o tempo. Isso abre caminho para aumentar, futuramente, o nível de automação nas operações de armazenagem.
Roteirização
O estudo das rotas de coleta e entrega de produtos permite que a tecnologia de Machine Learning crie roteirizações mais eficientes tanto do ponto de vista do tempo de entrega, quanto do ponto de vista de custo. Em ambos os casos, o sistema de roteirização será alimentado com o histórico de viagens e com os dados das viagens realizadas a partir da implementação da tecnologia.
O resultado são entregas e coletas mais ágeis, mais segurança para a carga e para os transportadores, menor custo por viagem, menor índice de perdas e mais precisão no cálculo do tempo de entrega. A melhoria nesses indicadores terá grande impacto na satisfação dos consumidores finais e, também, dos clientes de transportadoras e operadores logísticos ao longo da cadeia produtiva.
Gerenciamento e Manutenção de Frotas
A aplicação do Machine Learning à Logística também pode ser feita na gestão e manutenção de frotas. Os dados registrados nos veículos e em seus computadores de bordo e sensores, assim como informações de ordens de manutenção, ajudam os sistemas a encontrar maneiras de otimizar os processos de uso e manutenção da frota.
Com isso, as empresas podem realizar manutenções preventivas ou mesmo preditivas, de forma mais eficiente. Assim, você reduz o custo de manutenção e de insumos, aumenta a disponibilidade e a vida útil da frota.
Seleção de Fornecedores e Outras Aplicações
A tecnologia de Aprendizado de Máquina pode ser ainda utilizada para ranqueamento e seleção de fornecedores na cadeia logística. Com base no histórico de desempenho e na execução de cada serviço, os sistemas aprendem a selecionar os melhores fornecedores, evitando que a escolha seja feita exclusivamente com base em preço.
Além disso, o Machine Learning pode ser utilizado para aumentar a eficiência em uma série de processos administrativos dentro da cadeia logística, como gestão financeira, contábil e fiscal, entre outras.
O Machine Learning já é uma realidade no setor logístico e nas cadeias produtivas 4.0. Com isso, a adoção de sistemas que utilizam o Aprendizado de Máquina vem se tornando cada vez mais um diferencial competitivo importante para as empresas que atuam na Logística, seja em termos de custos, seja em eficiência.
Por isso mesmo, é preciso ficar atento e aprender com os erros do passado. Assim como aconteceu no início do processo de transformação digital, os early adopters dessa tecnologia ganharão terreno no mercado. E quem ficar para trás poderá ter sérios problemas para participar de forma relevante de cadeias produtivas cada vez mais integradas, exigentes e sensíveis a custo.
*Bento Ribeiro é VP da Infradata na Infracommerce
