Atualmente os termos Inteligência Artificial, Machine Learning e Deep Learning estão em alta no mundo dos negócios, porém para alguns setores, essas tecnologias ainda são embrionárias e estão em fase inicial de implementação.
Mas o que são essas inovações? Bom, o Deep Learning é uma subárea do Machine Learning onde os algoritmos são desenvolvidos em diversas camadas de processamento e ambos fazem parte da Inteligência Artificial. A maioria dos modelos modernos de Deep Learning são baseados em redes neurais artificiais (RNAs). As RNAs foram inspiradas no cérebro biológico e aprendem a partir do processamento de um conjunto de dados, distinguindo características, reconhecendo padrões, aprendendo inter-relações ocultas, agrupando objetos e processando informações abstratas. Com isso, elas podem auxiliar na resolução de diversos problemas no supply chain, como otimização, previsão, reconhecimento de imagem e apoio a tomada de decisão.
A área de aplicação mais abordada com redes neurais artificiais (RNAs) é previsão de demanda, por ser um problema contínuo para as organizações e de extrema importância para o gerenciamento da cadeia de suprimentos. Muitas aplicações mostraram que a utilização das RNAs tem maior precisão ao prever demandas futuras comparada com técnicas de previsão tradicionais. Outro uso das RNAs que emergiu na literatura foi em problemas de otimização, como dimensionamento de lotes, problemas de roteamento de veículos e decisões vinculadas a inventários. As RNAs também podem ser útil para planejamento de produção e manutenção preventiva. Além disso, pode ser empregue para automatizar processos, manobrar veículos autônomos e reconhecer objetos devido sua capacidade de processamento de imagens. Elas se tornaram muito atraentes para resolução de diversos problemas por serem adaptáveis às mudanças.
Por fim, um campo bastante promissor para a utilização das técnicas de Deep Learning é no apoio a tomada de decisão, devido às suas habilidades de reconhecimento de padrões. Segundo a Gartner, 16% das empresas relatam um alto nível de automação na tomada de decisão e com uma expectativa de chegar a 65% para os próximos anos. Outro dado interessante destacado na pesquisa Gartner é que 21% das empresas utilizam Inteligência Artificial para automatizar a tomada de decisão no transporte, com expectativa de 56% para 2025. Portanto, devido as inúmeras aplicações, o Deep Learning pode ajudar na complexidade do gerenciamento da cadeia de suprimentos.
O 28º Fórum Internacional de Supply Chain (18 a 20 de outubro de 2022) trará inúmeras apresentações sobre inovação e tecnologias aplicadas à Logística. Mais informações sobre o evento no site www.forumilos.com.br
Referências:
– Leung, H. C. (1995, June). Neural networks in supply chain management. In Proceedings for Operating Research and the Management Sciences (pp. 347-352). IEEE.
– Min, H. (2010). Artificial intelligence in supply chain management: theory and applications. International Journal of Logistics: Research and Applications, 13(1), 13-39.
– Toorajipour, R., Sohrabpour, V., Nazarpour, A., Oghazi, P., & Fischl, M. (2021). Artificial intelligence in supply chain management: A systematic literature review. Journal of Business Research, 122, 502-517.
– ABOL (Associação Brasileira de Operadores Logísticos) – Perfil dos Operadores Logísticos 2022
– Gartner – Supply Chain AI
