Um estudo recente (Pre-COVID19) descobriu que o empresas perdem entre 9% e 20% de seu valor em apenas 6 meses devido a problemas na cadeia de suprimentos. Os problemas, acentuados pela atual pandemia, vão desde a escassez de peças, excesso de estoque de produtos acabados, capacidade instalada subutilizada, custos desnecessários de armazenamento e transporte desnecessário de suprimentos e mercadorias.
Devido à obrigação dos fornecedores de manter seus sistemas de informação e vantagens operacionais em reserva, os problemas se repetem com mais frequência, sem possibilidade de romper a inércia.
Inteligência Artificial (IA)
As crises demonstram que a avaliação de riscos e a preparação de planos de contingência antes de uma mudança drástica na cadeia de suprimentos podem evitar perdas significativas. Para conseguir isso, é necessário estratégias proativas e capacidade de prever com precisão a probabilidade de ocorrência, bem como o impacto dos riscos.
Essa capacidade pode ser obtida por meio de uma das muitas técnicas fornecidas pela Inteligência Artificial, até agora pouco utilizado nas indústrias locais:
-Técnicas de otimização matemática.
-Aproximações de redes neurais, representando um conjunto de possíveis estados e transições. Redes Neurais Artificiais (ANN).
-Metodologias que adotam a modelagem de interação com vários agentes.
Abordagens que usam raciocínio automatizado baseado em conhecimento.
-Técnicas de aprendizado de máquina e Big Data.
-Algoritmos de máquinas de classificação, dos quais o SVM (Support Vector Machine) é um dos mais populares.
Como isso funciona?
A Inteligência Artificial deve ser habilitada para de forma autônoma Decidir sobre o curso de ação que levará à realização bem-sucedida dos objetivos das áreas de Compras e fazer isso em um ambiente que seja parcialmente desconhecido Gerenciamento da cadeia de suprimentos. A IA baseia-se em representações matemáticas, computação evolutiva e estatística.
Análise de dados
A padronização de processos é a base para mitigar os riscos inerentes ao fornecimento de bens e serviços. Com ela, obtemos os comportamentos "esperados" dos agentes e, com a análise de dados, podemos medir e entender com alto grau de certeza o impacto de cada processo e, por fim, estabelecer se são necessários ajustes.
Com sua implementação, também podemos garantir a precisão das transações, que não haja interpretações errôneas com os fornecedores, sugerir, por meio de interpretação, como lidar com as exceções e, acima de tudo, nos permitir tomar decisões estratégicas que garantam a melhoria contínua dos objetivos.
Casos de uso
1. seleção automatizada de fornecedores com base em identificação de riscos.
2. seleção automatizada de propostas usando parâmetros definidos em algoritmos de máquinas de classificação.
3. Propagação modelada do risco na rede de suprimentos.
4. Identificação e previsão de práticas enganosas na cadeia de suprimentos.
5. Explicação do desastres orientado por dados.
6. Suporte de ponta a ponta para facilitar a interrupção colaborativa no gerenciamento.
Exemplos aplicados avançados
1. identificação de variáveis críticas ("Confiança Rápida" e "Compartilhamento Transparente de Informações".) durante um evento de desastre (como o terremoto do Nepal em 2015) para obter uma cadeia de suprimentos confiável.
2. O governo chinês discute sua fornecer dados para treinar máquinas de classificação. Esses dados são usados para determinar se uma empresa tem a capacidade de produzir, demandar e fornecer por meio de eventos externos disruptivos.
3. As previsões bayesianas são usadas para determinar os riscos de atrasos nas cadeias de suprimentos aeroportos.
4. Sensores de alimentos em supermercados que ajustar dinamicamente os preços dependendo de sua maturidade e perfil de temperatura.
Dando o primeiro passo para o uso de dados
Embora a América Latina até agora se aventure a tomar as primeiras iniciativas, isso requer uma equipe de gerenciamento corajosa que acredite na adoção de novas tecnologias para liberar o poder dos dados que suas empresas produzem todos os dias.
Isso não significa que a Inteligência Artificial e a Análise de Dados sejam as únicas que devem ser levadas em consideração na tomada de decisões estratégicas, mas que devem ser consideradas como ferramentas cruciais para descobrir novos insights. Dessa forma, os verdadeiros tomadores de decisão podem combiná-los com sua própria experiência e chegar a resoluções ideais.
Fontes:
-Gerenciamento de riscos da cadeia de suprimentos e inteligência artificial: estado da arte e direções futuras de pesquisa.
