Quantcast
Operadores Logísticos

As máquinas aprendem a ajudar: como o machine learning está a ser usado na logística

A tecnologia está em expansão nos sectores que lidam com enormes quantidades de dados e têm necessidade de melhorar a eficiência operacional, o que torna a logística num campo fértil para a sua aplicação.

Passaram dois anos desde que a DHL lançou uma ferramenta de deteção precoce de problemas, dentro da sua plataforma Resilience360, com recurso a tecnologias de Inteligência Artificial (IA). Denominada Supply Watch, a ferramenta foi desenvolvida para identificar qualquer disrupção na cadeia logística das empresas antes que ela pudesse causar perdas financeiras ou danificar a reputação das mesmas. A novidade, então, foi o recurso a Machine Learning (ML), um subconjunto do grande campo da Inteligência Artificial, para treinar o sistema. Desde então, a empresa alemã publicou um estudo em conjunto com a IBM Watson detalhando o impacto que o Machine Learning pode ter na logística. E este é potencialmente gigante.

“Na logística, a natureza baseada em redes da indústria fornece uma estrutura natural para a implementação e ampliação da IA, ampliando as componentes humanas de cadeias logísticas globais altamente organizadas”, escreveram os autores do relatório. “Além disso, as empresas que decidirem não adotar IA correm o risco de obsolescência no longo prazo, à medida que os concorrentes usam a IA de forma eficaz nos seus negócios.” A ameaça, advertiram, é ficar para trás num mundo em que a inteligência vai tomar conta de tudo.

De forma simplificada, pode descrever-se o ML como uma ferramenta que usa dados em grandes quantidades para treinar algoritmos e dar-lhes capacidades de executar tarefas de forma autónoma e com elevado grau de precisão. Um exemplo é o reconhecimento facial: para treinar um algoritmo neste campo, é preciso alimentá-lo com milhões de fotografias de caras com todo o tipo de características, de forma a que a sua capacidade de reconhecimento seja alargada e continuamente melhorada. Um sistema de catalogação automática de mercadoria precisa de receber dados não só em quantidade, mas também com qualidade, da mesma forma que um sistema de previsão de ocupação do armazém necessita de dados de várias fontes em fluxo contínuo para afinar a sua bola de cristal.

O Machine Learning melhora as operações?

André Rodrigues, gestor de engenharia de sistemas da Cisco Portugal, sublinha que o Machine Learning e a IA já desempenham “um papel primordial” nas empresas no que toca ao cumprimento de algumas tarefas e vão continuar a fazê-lo por muitos anos. “O Machine Learning permite gerar uma rede cada vez mais segura e com capacidade para resolver problemas por si só”, explica. “A otimização desses processos de aprendizagem vai permitir às operações de logística nas empresas terem os tempos de resposta mais precisos, ensinando os sistemas a serem autónomos e a deter e mitigar possíveis ameaças de forma célere.” É, de resto, precisamente o que a ferramenta Supply Watch da DHL promete fazer.

A utilização de ML também liberta as equipas responsáveis pelas operações de logística, sublinha André Rodrigues, “para que se possam focar noutro tipo de tarefas prioritárias e de valor acrescentado, permitindo que o Machine Learning otimize as suas operações e impulsione a sua produtividade e eficiência.”

No caso específico da Cisco, o ML é utilizado para correlacionar a grande quantidade de dados procedentes da rede, prevendo comportamentos e tendências para antecipar problemas e condicionalismos que poderão ter maior impacto, diz o especialista.

Na gigante de software SAP, a incorporação de IA e ML está a ser feita de forma transversal no portfólio, incluindo nas soluções para a cadeia de abastecimento. O solutions adviser Pedro Pires refere que o ML está a ser usado em várias vertentes, tais como a automatização de armazéns, com a possibilidade de empilhadores ou outras máquinas se deslocarem de forma autónoma dentro das instalações. Outros exemplos são a antecipação do volume de trabalho de determinado armazém e a respetiva alocação da força de trabalho necessária, e a capacidade de antecipar possíveis atrasos de determinadas encomendas, quer por fatores externos (como trânsito e meteorologia) ou internos, com reação proativa ao acontecimento. Pode-se falar ainda do reconhecimento de determinados padrões indetetáveis tendo em conta o volume de vendas.

No fundo, explica o responsável, estas tecnologias inteligentes vão dotar as empresas de capacidades que até agora não eram possíveis. “Ao embebermos estas tecnologias nos processos de negócio, estamos a conseguir antecipar melhor os futuros volumes de venda e a preparar toda a operação logística tendo em vista os volumes previstos”, refere. Isso significa que passará a ser possível “fazer um planeamento mais preciso de toda a operação”, o que beneficiará a empresa com ganhos de produtividade, porque as equipas deixam de estar sobredimensionadas, e de inventário, sendo que a otimização ideal é não ter grandes volumes parados e evitar perda de possíveis vendas.

“Ainda ao nível da gestão de armazéns, é possível termos sugestões de eficiência acerca da própria disposição do armazém ou mesmo da localização de determinados produtos, nomeadamente os produtos com maior rotatividade que devem situar-se mais perto das portas de expedição”, exemplifica Pedro Pires.

Um dos casos emblemáticos desenvolvidos pela SAP em Portugal é com a Sogenave, do grupo Trivalor, uma das maiores empresas nacionais de distribuição alimentar e não alimentar. O projeto assenta numa solução de realidade assistida, que recorre à utilização de óculos inteligentes e que é aplicada ao processo de conferência pós-picking dos artigos no armazém, libertando as mãos do funcionário. A ideia é que o funcionário do armazém seja mais produtivo e flexível ao deixar de utilizar os habituais dispositivos de scanning e passando a controlar melhor as operações graças à informação disponibilizada no seu campo de visão, que é combinada com comandos de voz e possibilidade de reconhecimento de imagem. Um caso em que várias tecnologias se juntam para transformar a maneira como é feito o trabalho de armazém.

A receita e os pratos desejados

João Borrego, gestor sénior de soluções de engenharia da Oracle Portugal, argumenta que o Machine Learning pode ser aplicado na logística “como uma verdadeira receita”, seguindo passos que permitirão obter os pratos finais desejados – começa com a aquisição e armazenamento de dados, prossegue com a sua contextualização e preparação, passa pela gestão do ciclo de vida de modelos (descritivos e preditivos), continua para a análise de padrões e correlações e termina na análise preditiva. Os resultados, diz João Borrego, vão permitir obter informação passível de ação acerca das ineficiências operacionais, lidar com os riscos de forma proativa, executar uma análise das causas e avaliar/reduzir o impacto na empresa.

A norte-americana Microsoft, que não diferencia propriamente soluções de Machine Learning e IA – o ML está inserido na oferta de Inteligência Artificial – concentra tudo na plataforma Azure AI. Aqui, a área de Machine Learning disponibiliza o que o diretor de vendas de serviços da empresa, Daniel Duque, descreve como “capacidade de aprendizagem contínua e automática, tipicamente com acesso base a dados massivos”, quer sejam simples ou complexos. Os modelos matemáticos em ML “têm tipicamente a capacidade de se melhorar automaticamente em cada estágio incremental de aprendizagem”, refere. É um sistema que beneficia da experiência e vai ficando melhor com a passagem do tempo.

De acordo com Daniel Duque, o impacto da utilização de IA e modelos de ML na interpretação das grandes quantidades de dados gerados nas cadeias de logística “oferecem às organizações oportunidades ímpares de otimização de todo este processo.” Trata-se de dados estruturados e não estruturados que no passado eram desprezados, por não ser possível armazená-los e processá-los, e que hoje são considerados essenciais. Por isso mesmo, refere, as empresas que têm processos logísticos e de transporte “estão hoje muito atentas” às evoluções da Inteligência Artificial e muitas já usam hoje modelos mais ou menos maduros de Machine Learning.

“A capacidade da cloud, aliada aos avançados algoritmos de IA vão e estão a permitir aos gestores logísticos, diretores de operações, entrega e do last-mile tomarem decisões bastante mais informadas, com insights e muitas vezes através de modelos preditivos baseados no claro entendimento dos dados passados, projetando o futuro com níveis razoáveis de confiança”, afirma o responsável da Microsoft.

E os riscos? Há?

Também os há, em especial num mercado como o português, onde a aplicação deste tipo de tecnologias ainda é mais ou menos recente. Francisco Rocha, gestor sénior da Capgemini Portugal, salienta que este investimento tem de ser relevante para o processo ou atividade onde será aplicado – de resto, um princípio que é ajuizado em qualquer tipo de investimento. “A tecnologia deve utilizar-se para transformar os processos e não para ser mais um passo num processo obsoleto”, sublinha, frisando que deve tratar-se de um passo economicamente viável para a empresa.

O especialista cita o estudo interno da Capgemini sobre o impacto da digitalização na cadeia de abastecimento, “The Digital Supply Chain’s Missing Link: Focus” para avisar que “existe uma percentagem muito pequena de implementações que estão a cumprir os seus objetivos globais”. Isto espelha como é importante que “as empresas levem as suas experiências à obtenção dos benefícios para os quais foram considerados os investimentos antes de abrirem novas fontes de dispersão de atenção.”

Daniel Duque, da Microsoft, também indica que a utilização de IA e ML “está num estágio relativamente embrionário” nalgumas organizações e que os resultados finais “nem sempre são óbvios.” Ou seja, o responsável adverte que é imprudente e até pouco responsável criar expectativas sólidas de sucesso, sendo que os investimentos em algoritmos ou capacidades de Inteligência Artificial sem dados e casos de uso relevantes “podem ser um risco muito elevado do ponto de vista do retorno associado.” Duque reitera que são necessários dados e requisitos relevantes e, por isso, “é necessário estudar e aprofundar casos de uso válidos para a utilização de soluções deste género.”

Reconhecendo que existe algum desconhecimento na área, o responsável diz que é a partir deste estágio que deve “nascer uma estratégia de IA para descobrir, estudar e definir as métricas de sucesso na utilização destas tecnologias.” Só depois se começará a aplicar técnicas, métodos, algoritmos e plataformas inteligentes, quer estas sejam de Machine Learning, serviços cognitivos ou de outro tipo. “É esta a visão que temos promovido junto dos nossos parceiros e clientes. O investimento seguro, responsável em IA depende de muitos fatores que vão muito além da qualidade e do fator UAU tecnológico”, resume.

Nuno Maximiano, responsável de vendas na divisão Data and AI da IBM Portugal, deixa uma ideia semelhante. “A qualidade dos dados é critica para o resultado da aplicação de tecnologias inteligentes”, afirma. “O Machine Learning depende muito da quantidade e qualidade de dados utilizados para treinar os algoritmos que permitem obter resultados diferenciadores.”

O panorama é de longo prazo e apresenta desafios, analisa André Rodrigues, da Cisco. As empresas portuguesas têm curiosidade quanto ao Machine Learning, “mas o caminho a percorrer ainda apresenta alguns desafios”, diz, referindo que algumas empresas ainda não têm pleno conhecimento das potencialidades do ML e da IA. “Sabemos que o tecido empresarial nacional é composto maioritariamente por empresas de dimensão mais reduzida e isso condiciona a capacidade de investimento em soluções completas de Machine Learning”, reconhece. “Mas é importante mudar o paradigma”, avisa. “Se ontem falávamos na digitalização, hoje temos de estar preparados para todo esse processo.” Aqui, a questão temporal é o vetor mais importante, porque as empresas já não têm meses ou anos para pensarem nos processos, têm dias, e todos os dias há novos dados a serem digitalizados e disponibilizados online. “É crítico que as empresas compreendam isso e aceitem essa realidade para conseguirem encontrar as melhores soluções e parceiros para os seus negócios.”