As empresas estão alcançando melhorias de dois dígitos em: taxas de erros de previsão, produtividade e planejamento de demanda, reduções de custos e remessas no prazo usando aprendizado de máquina. Isso, felizmente, revoluciona o gerenciamento da Supply Chain no processo.
Como o aprendizado de máquina influencia a Supply Chain?
Os algoritmos de aprendizado de máquina e os modelos nos quais eles se baseiam são excelentes para encontrar anomalias. Além, é claro, de identificar padrões e insights preditivos em grandes conjuntos de dados. Paralelamente, muitos dos desafios da Supply Chain são baseados em restrições de tempo, custo e recursos. Ou seja, o aprendizado de máquina é a tecnologia ideal para resolvê-los.
Dessa forma, o aprendizado de máquina é definindo a próxima geração de gerenciamento da Supply Chain. O Gartner prevê que até 2020, 95% dos fornecedores de Supply Chain Planning (SCP) estarão contando com o aprendizado de máquina supervisionado e não supervisionado em suas soluções. O Gartner também está prevendo, até 2023, algoritmos inteligentes. Além disso, as técnicas de IA serão incorporadas ou aumentadas em 25% de todas as soluções de tecnologia de cadeia de suprimentos.
Aplicações práticas
Existem muitas maneiras que o aprendizado de máquina está revolucionando o gerenciamento da Supply Chain. Confira a seguir alguns deles com suas respectivas fontes oficiais:
Solução de problemas
Algoritmos baseados em aprendizado de máquina são a base da próxima geração de tecnologias de logística. Os ganhos mais significativos são conquistados com sistemas avançados de agendamento de recursos.
Vale lembrar que o aprendizado de máquina e técnicas baseadas em IA são a base de um amplo espectro de tecnologias de próxima geração de logística e Supply Chain. Portanto, os ganhos mais significativos estão sendo implementados de forma específica. Ou seja, onde a aprendizagem de máquina pode contribuir para resolver problemas complexos de restrição, custo e entrega enfrentados hoje.
A McKinsey prevê que as contribuições do aprendizado de máquina serão fornecer aos operadores da Supply Chain insights mais significativos sobre como o seu desempenho pode ser melhorado. Isso além de antecipar anomalias nos custos de logística e desempenho antes que ocorram. Dessa forma, o aprendizado de máquina também fornece informações importantes. Especialmente sobre onde a automação pode oferecer as vantagens de escala mais significativas.
*Fonte: McKinsey & Company, Automação em logística: Grande oportunidade, maior incerteza, abril de 2019. Por Ashutosh Dekhne, Greg Hastings, John Murnane e Florian Neuhaus
IoT
Em contrapartida, a ampla variação nos conjuntos de dados gerados a partir dos sensores da Internet das Coisas (IoT), telemática, sistemas de transporte inteligentes e dados de tráfego têm o potencial de fornecer o máximo valor para melhorar a Supply Chain usando aprendizado de máquina
A aplicação de algoritmos e técnicas de aprendizado de máquina para melhorar a Supply Chain começa com conjuntos de dados que têm a maior variedade e variabilidade neles. As questões mais desafiadoras enfrentadas pela Supply Chain costumam estar na otimização da logística. Portanto, os materiais necessários para concluir uma produção chegam na hora certa.
*Fonte: KPMG, Parte 1 da Série de Big Data da Cadeia de Fornecimento
Blockchain
O BCG analisou recentemente como uma Supply Chain descentralizada poderia melhorar o desempenho e reduzir custos. Isso usando aplicativos de acompanhamento e rastreamento. Eles descobriram que, em uma configuração de 30 nós, quando o blockchain é usado para compartilhar dados em tempo real em uma rede de fornecedores, combinado com uma melhor visão analítica, é possível obter economias de custo de US $ 6 milhões por ano.
* Fonte: Boston Consulting Group; Emparelhamento Blockchain com IoT para cortar custos da cadeia de fornecimento, 18 de dezembro de 2018; por Zia Yusuf, Akash Bhatia, Usama Gill, Maciej Kranz, Michelle Fleury e Anoop Nannra
Otimização
As vendas perdidas devido a produtos não disponíveis estão sendo reduzidas em até 65%. Isso através do uso de técnicas de planejamento e otimização baseadas em aprendizado de máquina. Reduções de estoque de 20 a 50% também estão sendo alcançadas hoje, quando são usados sistemas de gerenciamento de Supply Chain baseados em aprendizado de máquina.
*Fonte: Digital / McKinsey, Smartening com Inteligência Artificial (AI) – O que há para a Alemanha e seu setor industrial? (PDF, 52 pp., Sem opt-in).
Automação
A equipe de pesquisa da DHL rastreia e avalia continuamente o impacto das tecnologias emergentes na logística e no desempenho da Supply Chain. Eles também estão prevendo que a inteligência artificial permitirá a automação de back-office, operações preditivas, ativos inteligentes de logística e novos modelos de experiência do cliente.
*Fonte: DHL Trend Research, Radar de tendência logística, versão 2018/2019 (PDF, 55 p., Sem opt-in)
Mão de obra qualificada
Com base em conversas com fabricantes de nível intermediário da América do Norte, a segunda barreira de crescimento mais significativa que enfrentam atualmente é a falta de qualidade consistente e desempenho de entrega dos fornecedores. Ou seja, a maior barreira de crescimento é a falta de mão de obra qualificada disponível. Portanto, o uso de aprendizado de máquina e de fabricantes de análises avançadas pode descobrir rapidamente quem são seus melhores e piores fornecedores. Além de quais centros de produção são mais precisos na detecção de erros.
*Fonte: Microsoft, amostra de Análise da Qualidade do Fornecedor para o Power BI: Faça um tour, 2018
Riscos e fraudes
Quando as inspeções são automatizadas usando tecnologias móveis e os resultados são carregados em tempo real para uma plataforma segura baseada na nuvem, os algoritmos de aprendizagem de máquina podem fornecer insights que reduzem imediatamente os riscos e o potencial de fraude. O Inspectorio, por exemplo, é uma startup de aprendizado de máquina para assistir nessa área. Contudo, eles estão enfrentando os muitos problemas que a falta de inspeção e visibilidade da Supply Chain cria. Ou seja, têm se concentrado em como eles podem resolvê-los imediatamente para marcas e varejistas.
*Fonte: Como o Aprendizado de Máquina Melhora as Inspeções de Manufatura; a Qualidade do Produto e a Visibilidade da Cadeia de Suprimentos, 23 de janeiro de 2019
Visibilidade
A combinação de redes de comércio de várias empresas para o comércio global e o gerenciamento da Supply Chain com plataformas de IA e aprendizado de máquina estão revolucionando a visibilidade de ponta a ponta da Supply Chain em si.
Um dos primeiros líderes nessa área é o Control Center da Infor. O Control Center combina dados da Infor GT Nexus Commerce Network, adquirida pela empresa em setembro de 2015, com Infor Coleman Artificial Intelligence (AI). A Infor escolheu nomear sua plataforma de IA após a inspiradora física e matemática Katherine Coleman Johnson, cujo trabalho de rastrear ajudou a NASA a pousar na lua.
Ao adotar uma abordagem de acesso a privilégios mínimos, as organizações podem minimizar as superfícies de ataque. Isso, além de melhorar a visibilidade de auditoria e conformidade e reduzir o risco, a complexidade e os custos de operação de uma empresa moderna e híbrida. Portanto, os CIOs estão resolvendo o paradoxo do abuso de credenciais privilegiado em sua Supply Chain. Mesmo sabendo que um usuário privilegiado esteja inserido as credenciais corretas, se a solicitação entra em contexto arriscado, se torna necessária uma verificação mais forte para permitir o acesso.
Credenciais privilegiadas
O Zero Trust Privilege está surgindo como uma estrutura comprovada para impedir o abuso de credenciais privilegiadas. Ou seja, verifica quem está solicitando acesso, o contexto da solicitação e o risco do ambiente de acesso. A Centrify é líder nessa área, com fornecedores reconhecidos globalmente, incluindo Cisco, Intel, Microsoft e Salesforce, sendo clientes atuais.
*Fonte: Forbes, o maior desafio da High-Tech será garantir cadeias de suprimento em 2019, 28 de novembro de 2018.
Redução de custos
Capitalizar o aprendizado de máquina para prever a manutenção preventiva de máquinas de carga e logística com base em dados da IoT está melhorando a utilização de ativos e reduzindo os custos operacionais.
A McKinsey descobriu que a manutenção preditiva aprimorada pelo aprendizado de máquina permite uma melhor previsão e evita falhas de máquina. Isso por meio da combinação dados dos sensores avançados de IoT e registros de manutenção, bem como fontes externas. Aumentos de produtividade de ativos de até 20% são possíveis. Já os custos gerais de manutenção podem ser reduzidos em até 10%.
*Fonte: Digital / McKinsey, Smartening com Inteligência Artificial (AI) – O que há para a Alemanha e seu setor industrial? (PDF, 52 pp., Sem opt-in).
Fonte: Cloudtech
