O impacto do mundo digital na cadeia de suprimentos
A disrupção digital transformou o mundo, exigindo que as empresas se adaptem, explorando novas soluções digitais e adotando estratégias digitais. De acordo com Mckinsey, essa mudança de mentalidade estratégica é capaz de multiplicar o retorno do investimento na cadeia de suprimentos por quatro.
Tecnologias digitais como Big Data, Analytics, Inteligência Artificial e Aprendizado de Máquina ajudam a otimizar processos, ter uma tomada de decisão mais assertiva, construir uma cadeia de suprimentos totalmente conectada digitalmente e ter uma visão abrangente dela, entre muitos outros benefícios.
Big data: Optimizing the purchasing department
O impacto da inteligência artificial na cadeia de suprimentos
A inteligência artificial tem colaborado para construir um mundo mais digital há mais tempo do que se imagina: nos anos 1950, uma geração de cientistas e matemáticos já tinha uma ideia do que seria esse conceito de forma bem clara. O destaque fica para Alan Turing, que elaborou um estudo chamado “Computing Machinery and Intelligence” no qual discutia como as máquinas poderiam ser mais inteligentes e como seria possível testar o seu progresso.
Setenta anos depois, a pandemia de covid-19 faz com que o assunto venha à tona, em uma verdadeira corrida na qual diferentes empresas competem para se adaptarem a novos modelos digitais e gerarem eficiência. Dentro desses esforços, está a cadeia de suprimentos – com picos de demanda gerados pelo isolamento social de alguns produtos e as dificuldades de transporte ao redor do mundo, dados podem ser um apoio e tanto no dia a dia.
Isso inclui, é claro, a inteligência artificial propriamente dita: um conceito mais amplo de criar máquinas capazes de pensar como humanos. Não à toa, uma pesquisa realizada pela IBM mostra que 46% dos executivos do setor de compras afirmam que a inteligência artificial e aplicações na nuvem serão as maiores áreas de investimento em operações digitais nos próximos três anos.
O investimento faz sentido e é uma tendência global. Em um estudo recente da McKinsey a respeito dos investimentos em inteligência artificial, algumas das empresas entrevistadas, em setores variados, afirmam que pelo menos 20% de seu EBIT (lucro antes de juros e tributos) já vêm de aplicações relacionadas à IA. Pelo menos metade das empresas afirma que passou a usar esse tipo de aplicação durante o ano de 2020.
Dentro da cadeia de suprimentos, o estudo mostra que as funções nas quais essas novas aplicações são mais utilizadas envolvem a otimização da rede logística e melhorias na gestão de estoques e inventário. Já discutimos temas como esse anteriormente no blog da Soluparts, abordando o uso de tecnologias imersivas como outra tendência de tecnologia para o setor.
Aplicação na cadeia de suprimentos
Mas afinal, qual é o papel dos robôs dentro da cadeia de suprimentos? Como estar preparado para o departamento de compras 4.0 e como a inteligência artificial se encaixa nisso?
Todo esse processo faz parte de uma cadeia de suprimentos inteligente, capaz de trazer pelo menos três benefícios: maior eficiência, transparência e o melhor dimensionamento da demanda ao longo do tempo.
Nesse contexto, a inteligência artificial assume um papel de destaque, em que companhias líderes no setor já investem – pelo menos desde 2018 – em automatizar tarefas repetitivas que vão desde emissão de pedidos de compras, faturas, gestão de contratos até o gerenciamento global do processo de compras. De acordo com um estudo de Harvard de três anos atrás, a análise preditiva já era vista como uma tendência dentro do setor, capaz de melhorar a previsão de demanda e melhorar custos.
A esses fatores, se somam os sensores em máquinas para identificar quando será necessário fazer manutenção e até mesmo o uso de blockchain para ajustar redes de suprimentos flexíveis – mas esse é assunto de outro artigo. Por enquanto, um conceito-chave relacionado à aplicação de inteligência artificial dentro do setor de cadeia de suprimentos é o de torre de controle digital.
Aplicado em companhias líderes desde antes da pandemia, segundo a universidade de Harvard, ele consiste em fornecer informações de ponta a ponta a respeito de cadeias de suprimento globais. Essa “torre” nada mais é do que um centro de controle que funciona todos os dias da semana e, a partir de informações visualizadas em 3D e gráficos, é possível controlar antecipadamente problemas com entrega ou com falta de estoque.
Criar isso não é uma tarefa fácil. Um estudo recente de Oxford traz informações detalhadas a respeito do tema e, para resumir, traz a informação de que uma infraestrutura básica de inteligência artificial depende de diferentes fontes de dados.
Além dos tradicionais, como sistemas ERP e de gerenciamento de clientes, esse tipo de inteligência também precisa de dados de produtos físicos: sensores em produtos, etiquetas, locais e máquinas. Nesse conjunto, a internet das coisas (IoT) desempenha um papel essencial, na medida em que permite que um objeto físico seja vinculado a informações digitais usando uma identificação única.
Benefícios da inteligência artificial
Fato é que tecnologias como essas não são uma “onda passageira”. Um estudo feito pela McKinsey em 2019 que examinou mais de 400 casos de uso de inteligência artificial em 19 setores, mostra que o uso em gestão de suprimentos e em marketing/vendas responde pela maior parte (dois terços) de todas as oportunidades de IA globalmente.
Dentro do marketing, por exemplo, a inteligência artificial pode criar de US$ 1,4 trilhão a US$ 2,6 trilhões em valor anualmente e, dentro do setor de supply chain, esses valores podem atingir US$ 1,2 trilhão a US$ 2 trilhões na parte de abastecimento e fabricação de produtos.
Desafios em aplicar inteligência artificial em supply chain
Investir nessas tecnologias não é um processo fácil. O estudo citado acima mostra que a falta de confiança nos algoritmos de inteligência artificial – que reproduzem comportamentos tendenciosos de acordo com os vieses humanos implícitos nos dados – é um deles, bem como a falta de “casos de sucesso” no setor: enquanto a automação tem benefícios claros e se mostra um segmento com um retorno de investimento claro, alguns pontos como avaliação de risco, se mostram mais desafiadores na medida em que não têm ainda métricas bem definidas para mensurá-los em curto prazo.
Além disso, a escassez de mão de obra qualificada para oferecer suporte às empresas é um grande desafio. Como se trata de aplicações novas, há que se esperar um tempo para que haja uma quantidade significativa de pessoas treinadas para lidar com a tecnologia.
Diante desse cenário, os pesquisadores de Harvard levantam a questão: em um futuro com processos automatizados de ponta a ponta, a necessidade de trabalho humano será minimizada.
E, então, o que será dos humanos dentro da cadeia de suprimentos? A necessidade de “reskilling”, ou de se capacitar novamente, será um ponto fundamental para garantir empregos.
Analistas capazes de tirar insights a partir dos dados, usar ferramentas digitais e ter familiaridade com algoritmos serão parte da nova rotina que o setor deve enfrentar. Ainda assim, não há uma visão clara a respeito de como esses trabalhos serão rearranjados – cabendo às companhias do setor projetar o que querem para o futuro e, a partir daí, desenhar os novos papéis que o setor deve ter.
Fato é que a colaboração entre ambos deve ser essencial (e as máquinas não substituirão totalmente o papel humano dentro da operação). Em suma, pelo menos três novas linhas de trabalho devem ser criadas:
- Os “treinadores”, capazes de construir projetos de IA do zero e garantir que funcionem;
- Os “explicadores”, que vão tirar os insights a partir dos dados reunidos pelas máquinas;
- Os “sustentadores”, capazes de avaliar a disponibilidade dos sistemas e garantir que não fiquem fora do ar.
Foco no futuro
O futuro já faz parte da estratégia: uma pesquisa conduzida pela Accenture Strategy já mostra que 90% dos executivos de supply chain acreditam que sua força de trabalho vai se adaptar às tecnologias digitais e 92% afirmam que eles estarão capacitados para trabalhar com máquinas inteligentes de forma cada vez mais natural.
Mas deixamos o alerta: antes de aderir às novas tecnologias e processos inovadores, avalie e entenda até que ponto o investimento vai compensar a longo prazo se aplicada no seu cenário específico. Saiba mais sobre essa análise de viabilidade em nosso artigo.
Para saber mais sobre outras tecnologias que devem moldar o comportamento do setor nos próximos anos, acompanhe os artigos da Soluparts a respeito de aplicações inteligentes dentro da cadeia de suprimentos nos próximos anos.
Machine Learning: a tecnologia de ponta a favor da cadeia de suprimentos
A Inteligência Artificial, Machine Learning e Deep Learning estão permitindo mudanças de padrões em todos os campos de atuação que possamos imaginar – e estão, inclusive, ajudando a indústria quando se trata de cadeia de suprimentos: desde a aquisição, pagamento, planejamento e produção até a chegada ao destino final, é possível que esse processo seja otimizado de uma maneira nunca feita por uma análise tradicional.
Um subconjunto de inteligência artificial, que permite que um algoritmo, sistema ou software seja capaz de aprender sozinho a partir de testes em um conjunto de dados, sem ter sido programado para isso – assim pode ser definido o conceito de machine learning, ou aprendizado de máquina.
A partir de observações e dados obtidos através do uso, o aprendizado de máquina treina um modelo de computador, combinando resultados previstos e reais. Dessa maneira, quanto mais informação for exposta, melhor o seu funcionamento e assertividade na hora de realizar suas tarefas de maneira autônoma.
Deep Learning
Já o Deep Learning, ou aprendizado profundo, é uma versão mais avançada de aprendizado de máquina que surgiu em 2010, no qual computadores são ensinados a aprender por si mesmos a executar tarefas como seres humanos, incluindo identificação de imagens, reconhecimento de voz e previsões.
Esta tecnologia faz com que seja possível que o computador reconheça padrões em várias camadas de processamento, ao invés de apenas organizar e executar dados. Este conjunto de algoritmos modelam abstrações de alto nível compostas por informações lineares e não lineares.
A relevância destas tecnologias cresce cada vez mais devido às suas diversas vantagens. Na era da tecnologia da informação, onde a complexidade só aumenta, processos logísticos ágeis e eficientes desempenham um papel central.
Não é à toa que um estudo feito pela McKinsey em 2019 mostra que o deep learning deve trazer ganhos anuais de US$ 3,5 trilhões a US$ 5,8 trilhões para companhias em todo o mundo.
A importância do Machine Learning na cadeia de suprimentos
Quando falamos sobre cadeia de suprimentos, estamos lidando com grandes quantidades de dados complexos. Com o Machine Learning, é possível analisar tais informações e usar as descobertas para aprimorar seu gerenciamento: conforme os produtos se movem, o sistema é capaz de comparar esses dados com o histórico da empresa para identificar possíveis atrasos e dar sugestões para acelerar a cadeia, por exemplo.
Tendências sazonais são alguns dos dados que podem ser utilizados para prever demandas específicas e gerenciar a fabricação e o fornecimento. Não podemos esquecer como fornecer bons produtos, com qualidade, é algo imprescindível nesse setor, e com o aprendizado de máquina, o monitoramento funciona para evitar defeitos e erros na entrega, potencializando o funcionamento da cadeia.
Outro ponto positivo desta tecnologia é a possibilidade de análise de toda a documentação necessária para lidar com fornecedores, levando a melhores acordos e a uma administração mais efetiva.
Vantagens práticas do uso de Machine Learning na cadeia de suprimentos
De maneira clara, pelo menos cinco benefícios operacionais estão presentes no dia a dia da cadeia de suprimentos, segundo Louis Columbus em artigo publicado na Forbes:
Controle mais preciso do estoque
Com algoritmos e a partir de aplicativos que os executam, com Machine Learning, a análise de grandes e diversos conjuntos de dados é feita rapidamente, o que otimiza a precisão da demanda e reduz erros de previsão.
Assim, não é preciso manter um volume de estoque muito grande, já que o fluxo de produtos é atualizado constantemente e acompanhado em tempo real. Outro ponto interessante é que a análise do nível de estoque também identifica quando os produtos estão perdendo popularidade ou ficando obsoletos.
Redução de custos
Além de reduzir os custos de armazenamento, ao estimular a melhoria da qualidade de controle e reduzir o desperdício, consequentemente há diminuição de gastos. O Machine Learning melhora também o desempenho logístico, com uma melhor escolha de rotas, modal e agente de carga, por exemplo, minimizando riscos de atrasos e custos.
Considerando também o calendário de manutenção e histórico de performance dos equipamentos, o aprendizado automático evita operações indevidas de máquinas com baixo rendimento e avisa sobre o momento da manutenção programada, buscando sempre minimizar os custos operacionais.
É possível reduzir despesas também nos processos fiscais previstos na legislação brasileira como emissão de notas fiscais e alterações de cálculos de impostos.
Alto desempenho
Com modelos treinados e capazes de aprender continuamente, é possível obter insights a partir da análise de grandes e diversos conjuntos de dados para melhorar o desempenho do gerenciamento da cadeia de suprimentos, melhorando a precisão da previsão de demanda sob uma perspectiva end-to-end – excelente especialmente em um mundo de rápidas mudanças pós-covid-19.
Inspeções de qualidade
O Machine Learning se destaca no reconhecimento visual de padrões, gerando muitas aplicações potenciais para inspeção física e manutenção de ativos em toda a rede da cadeia de suprimentos. Resultado: inspeções de qualidade e automatizadas para um gerenciamento robusto sem a ocorrência de falha humana.
Através de sensores IoT combinados com o aprendizado de máquina, as empresas estão estendendo a vida útil de seus principais ativos, incluindo máquinas, motores, transporte e equipamentos de armazenamento, encontrando novos padrões nos dados de uso coletados.
Práticas administrativas facilitadas
A gestão de relacionamento com os fornecedores é simplificada a partir do histórico e dos dados fornecidos a cada compra. Para facilitar o trabalho de cotação, por exemplo, é possível gerar uma planilha eletrônica padronizada para todos os fornecedores da empresa.
Redução de fraudes
Ao automatizar as inspeções e processos de auditoria a partir de análises em tempo real, os algoritmos conseguem aumentar a qualidade da entrega do produto e reduzir o risco de fraudes, já que detectam anomalias ou desvios dos padrões normais rapidamente.
Outro exemplo é que tal ferramenta também evita o abuso de credenciais privilegiadas, uma das principais violações dentro de uma cadeia de suprimentos.
Como chegar lá?
Softwares que integram sistemas entre fornecedores e fabricantes são indispensáveis para que a coleta e o processamento de dados sejam feitos automaticamente, facilitando as tomadas de decisões.
Para que esta otimização se concretize, todas as organizações que fazem parte da cadeia de suprimentos devem se modernizar ao mesmo tempo, estando capacitadas a fornecer dados de qualidade e de maneira consistente.
Não se esqueça que após ser integrado ao sistema, o aprendizado de máquina deve ser constantemente acompanhado por profissionais qualificados para que a empresa tenha a certeza de que os dados obtidos estão de acordo com as necessidades e expectativas do negócio e que geram informações qualificadas que de fato contribuam para a tomada de decisão.
Conclusão
Com o alto volume de dados ao qual somos submetidos dentro de uma empresa, o processamento e análise deles com ferramentas de gerenciamento convencionais tornou-se ineficiente. Assim, novos métodos são fundamentais para manter o pleno funcionamento da indústria.
O Machine Learning torna possível otimizar a cadeia de suprimentos a partir de algoritmos de IA que localizam rapidamente os fatores mais influentes para o sucesso de uma rede de suprimentos, ao mesmo tempo em que aprendem constantemente durante esse processo.
Melhorar a eficiência da cadeia de suprimentos desempenha um papel crucial em qualquer empresa, aumentando o lucro e tornando mais fácil lidar com os desafios. No blog da Soluparts, você encontra diversos conteúdos sobre como otimizar a cadeia de suprimentos utilizando a tecnologia.
Mas não para por aí: com a Soluparts, você também conta com um parceiro especializado em negociação para compras de materiais indiretos. Com uma equipe multicultural e vasta experiência em negociação com fornecedores, estamos localizados nos mercados mais estratégicos do mundo para facilitar as suas compras. Entre em contato conosco para saber mais.
Big data: Otimizando o departamento de compras
O termo “big data” pode parecer um velho conhecido – e não é à toa. Desde 2013, o tema apresenta uma trajetória de alta em volume de buscas e uma grande quantidade de empresas afirma usá-lo nas mais diversas áreas.
Fonte: Google Trends
O termo surgiu em 2005 pela primeira vez, pouco depois de Roger Mougalas ter criado outro termo bastante popular nesse período, a “web 2.0”. Mantendo o foco no big data, trata-se de uma capacidade de analisar volumes exorbitantes de dados, que jamais poderiam ser cruzados usando métodos tradicionais de análise de dados.
Em 2014, um artigo na revista Harvard Magazine defendia que esse novo processamento de informações era capaz de mudar o mundo. E como isso seria possível?
Segundo o material publicado, a chave do big data não está na quantidade de dados disponíveis – mas sim na imensa qualidade dos insights gerados a partir do processamento de informações usando algoritmos.
Gary King, professor de Harvard, já citava um exemplo eficaz dessa nova forma de processar dados: naquele ano, o Google analisou grupos de termos de pesquisa por região nos Estados Unidos para prevenir surtos de gripe. Apesar de notável, o professor defendia que essa era uma pequena fração do que poderia ser feito, caso as empresas estivessem dispostas a investir nisso e analisar seus dados.
Atualmente, a gigante de buscas do Vale do Silício anunciou estar ajudando estados norte-americanos a levar a vacina da covid-19 a mais pessoas, de forma mais rápida. Isso é feito por meio da solução Intelligent Vaccine Impact Solution (IVI) e já tem provocado resultados importantes, segundo a multinacional.
Ainda assim, não se trata de uma tendência adotada rapidamente pelas empresas. Em 2013, um estudo da consultoria norte-americana Bain & Company mostrou que apenas 4% das empresas tinham a combinação certa de pessoas, ferramentas, dados e intenções de obter insights valiosos a partir dos dados.
Dentro da cadeia de suprimentos, há também desafios a serem superados: o papel da contratação de profissionais capazes de coletar dados, tecnologia para capturá-los e para combiná-los. Ainda assim, importantes benefícios podem ser colhidos, como a capacidade de projetar demandas com mais facilidade, reduzir falhas, melhorar a gestão e os resultados.
De maneira geral, quem aderiu primeiro a essa tendência, em diferentes setores, se deu bem. Segundo a consultoria, ao analisar mais de 400 empresas, foi possível diferenciá-las por meio das seguintes vantagens:
- Essas empresas têm o dobro de chances de estarem no topo de rankings de desempenho financeiro dentro dos seus setores
- Cinco vezes mais chances de tomar decisões com mais agilidade do que seus concorrentes
- Três vezes mais chances de executar decisões de acordo com o que foi planejado
O impacto de big data no departamento de compras
Entrando a fundo nos desafios específicos para o setor de compras, a consultoria norte-americana McKinsey cita dois obstáculos principais para a adoção dessas ferramentas no setor: líderes do setor têm pouca ou nenhuma afinidade com técnicas de análise usadas por cientistas de dados; e o fato de que companhias carecem de um processo estruturado para explorar, avaliar e captar oportunidades dentro do setor.
Em relação ao potencial de benefícios a serem obtidos, a consultoria destaca dois:
- Expandir o conjunto de dados para análise além dos tradicionais dados mantidos nos sistemas Enterprise Resource Planning (ERP) e supply chain management (SCM).
- Aplicar métodos estatísticos altamente eficazes a fontes novas de dados, combinando-as com as existentes.
De forma prática, a consultoria KPMG mostrou como as cadeias de suprimentos estão usando esse tipo de tecnologia no dia a dia:
Fonte: KPMG
Ou seja: a cadeia de suprimentos do futuro terá algoritmos e análise de dados como um ponto essencial.
Como implantar? Com os “maturity models”
Como trazer essa discussão para a prática? Por meio de modelos de evolução (tradução livre dos Big Data Maturity Models). Há diferentes abordagens a respeito de como isso poderia ser feito, mas um estudo conduzido por pesquisadores a respeito do tema ressalta três:
O primeiro é o modelo de Charles Poirier: em 1999, ele recomendou que quatro etapas fossem seguidas:
- Fornecimento e logística: caracterizada por excelência funcional e programas como redução de fornecedores, redução de estoque e redução de custos;
- Excelência interna: uso de custeio baseado em atividades e gestão de processos;
- Construção de rede: desenvolvimento de processos diferenciados em toda a empresa e planejamento cooperativo;
- Líder da indústria: amplo uso de ferramentas de tecnologia, vínculos de oferta e demanda e uma visão global.
Em seguida, a Universidade Carnegie Mellon define as seguintes etapas: planejar, fornecer, fazer, entregar e devolver.
Por fim, o modelo adotado pelos pesquisadores, que consiste em quatro fases:
1. Foco funcional:
Poucos processos da cadeia de suprimentos e fluxos de dados são bem documentados e compreendidos. As funções organizacionais, responsabilidades e parcerias com fornecedores não são bem definidas.
As informações básicas, que não estão disponíveis em toda a organização, são eletronicamente coletadas de muitos bancos de dados diferentes com acesso limitado.
2. Integração interna:
As informações específicas do processo são coletadas e compartilhadas dentro da fábrica usando sistemas integrados e bancos de dados internos.
Neste ponto, as parcerias com fornecedores já estão bem definidas e classificadas. Recursos são gerenciados em níveis funcionais e interfuncionais.
3. Integração externa:
As práticas agora são estendidas aos pontos de interface com os clientes e fornecedores, identificando aqueles mais estratégicos, bem como as principais informações que a empresa precisa para apoiar seus processos de negócios.
Além disso, a colaboração eficaz de processos com clientes-chave são implementados e as informações são coletadas e compartilhadas eletronicamente com as partes da cadeia de valor.
4. Colaboração por toda a empresa:
A tecnologia da informação desempenha um papel importante nesta fase. Clientes e fornecedores trabalham para definir uma estratégia e princípios mutuamente benéficos e definem em tempo real metas de desempenho.
A tecnologia da informação agora automatiza a integração dos processos de negócios nessas empresas, apoiando uma cadeia de suprimentos totalmente baseada em estratégia.
Aplicabilidades de big data no departamento de compras
Além dos temas debatidos aqui, é possível acompanhar a implantação de big data no departamento de compras por meio de outros materiais produzidos pela Soluparts. Além do core business das áreas e empresas, com a adoção do big data, outros departamentos podem ser beneficiados pelo uso massivo e inteligente de dados.
Um deles é o compliance. Realizar auditorias e padronizar processos podem se tornar tarefas muito mais céleres com o uso de dados capazes de reunir diferentes fontes em um único lugar, por exemplo.
A padronização de processos também é um ponto que pode ser auxiliado por meio do big data, uma vez que a tecnologia é capaz de reunir em um único lugar dados estruturados e não estruturados.
Com uma política de adoção de dados mais resiliente, organizações também tornam-se mais resilientes. Novamente, o big data é uma consequência natural para empresas que aproveitam ao máximo o potencial dos dados e que investem em Pesquisa e Desenvolvimento (P&D), contribuindo para que se tornem cada vez mais lucrativas e inovadoras.
Antes de investir em big data em seu departamento não deixe de ler nosso artigo com dicas para colher bons resultados com a implantação de tendências inovadoras: Como escapar do efeito manada.
