Com as paralisações na cadeia de suprimentos dos últimos dois anos não mostrando sinais de diminuir tão cedo, as empresas estão se voltando para uma nova geração de simulações baseadas em IA, chamadas de gêmeos digitais (em inglês, digital twins), para ajudá-las a entregar bens e serviços aos clientes dentro do prazo. Essas ferramentas não apenas preveem interrupções futuras nas etapas de produção, mas também sugerem o que fazer a respeito. Empresas desesperadas que lutam com o colapso do transporte just-in-time estão usando-as para encontrar um equilíbrio crucial entre eficiência e resiliência.
A lista de coisas que têm sido difíceis de conseguir em um momento ou outro nos últimos meses é tão variada quanto longa: carros novos, novos telefones, lentes de contato, produtos de limpeza, produtos frescos, móveis de jardim, livros, a cor azul. “Não é como a vez onde todo mundo ficou sem papel higiênico em março de 2020”, diz Chris Nicholson, fundador da Pathmind, uma empresa que aplica IA a problemas de logística. “Desta vez, os itens que faltam parecem personalizados”.
A pandemia da Covid-19 afetou muitas das redes mundiais, desde a Internet até viagens aéreas internacionais. No entanto, as cadeias de abastecimento que cruzam o mundo com seus navios, caminhões e trens interligando as fábricas aos portos e armazéns para transportar quase tudo que compramos a milhares de quilômetros de onde é fabricado até onde é consumido, enfrentam mais dificuldades do que nunca.
“Podemos dizer que o que quer que você esteja vendendo, agora você tem um problema”, diz Jason Boyce, fundador e CEO da Avenue7Media, uma empresa de consultoria que assessora os principais vendedores da Amazon. Boyce diz que tem clientes que movimentariam dezenas de milhões de dólares por ano se pudessem manter o estoque. “Estamos conversando com clientes todos os dias, enquanto eles só choram”, diz ele. “Há meses eles não conseguem estar plenamente abastecidos por um período de 30 dias consecutivos”.
Os gêmeos digitais procuram resolver as quebras na cadeia de abastecimento antecipando-as antes que aconteçam e, em seguida, usam a IA para descobrir uma solução alternativa. O próprio nome representa a ideia-chave de simular um sistema complexo em um computador, criando uma espécie de gêmeo que espelha objetos do mundo real, de pontos de saída/ entrada a produtos, e os processos dos quais eles fazem parte. As simulações começaram a influenciar a tomada de decisões industriais nos últimos anos, ajudando as pessoas a explorar diferentes designs de produtos ou otimizar o layout de um depósito. Mas a disponibilidade de grandes quantidades de dados em tempo real e poder de computação significa que processos mais complexos podem ser simulados pela primeira vez, incluindo o caos das cadeias de suprimentos globais que muitas vezes dependem de vários fornecedores e redes de transporte.
Esse tipo de tecnologia deu à Amazon, que já tem a vantagem de controlar seus próprios caminhões e depósitos, uma vantagem a mais por anos. Agora, outros também estão aderindo a ela. Google está desenvolvendo a os gêmeos digitais da cadeia de suprimentos que a montadora Renault anunciou que começou a usar em setembro. Gigantes de transporte marítimo internacional como FedEx e DHL estão construindo seu próprio software de simulação. E empresas de IA como a Pathmind estão criando ferramentas sob medida para qualquer pessoa que possa pagar por elas. No entanto, nem todos se beneficiarão. Na verdade, a nova e poderosa tecnologia poderia ampliar uma crescente divisão digital na economia global.
Resistir à tempestade
É fácil culpar a pandemia pelos atuais problemas da cadeia de abastecimento. O fechamento de fábricas e a escassez de mão de obra derrubaram os centros de produção e entrega, enquanto um grande aumento nas compras online e nas compras impulsivas aumentaram a demanda por entregas em domicílio.
Mas, na verdade, a pandemia só piorou a situação. “Existem forças globais conduzindo isso, todas combinadas em uma tempestade perfeita”, diz D’Maris Coffman, um economista da University College London (Reino Unido) que estuda o efeito da pandemia nas cadeias de abastecimento.
Sufocar essa tempestade exigirá gastar trilhões de dólares em infraestrutura global, expansão de portos e frotas de entrega, investimento em melhor gerenciamento, melhores condições de trabalho e melhores acordos comerciais. “A tecnologia não vai resolver esses problemas. Não vai permitir que os navios carreguem mais contêineres”, diz David Simchi-Levi, que lidera o laboratório de ciência de dados no Instituto de Tecnologia de Massachusetts (EUA) e ajudou a construir gêmeos digitais para várias grandes empresas. Mas a IA pode ajudar as empresas a enfrentar o pior. “Os gêmeos digitais nos permitem identificar os problemas antes que eles aconteçam”, diz ele.
De acordo com Hans Thalbauer, diretor administrativo da equipe de cadeias de suprimentos e logística do Google, o maior problema que as empresas enfrentam é a incapacidade de prever eventos na cadeia. “Não importa com qual empresa você fala”, diz ele. “Todos no mundo da cadeia de abastecimento dirão que não têm a visibilidade que precisam para tomar decisões”.
É a visibilidade da cadeia de suprimentos que permite que a Amazon, por exemplo, preveja quando um item aparecerá na sua porta. Para cada item que a Amazon entrega, e isso inclui os milhões de itens que ela entrega em nome de vendedores terceirizados como Boyce e seus clientes, ela fornece uma estimativa precisa de quando chegará. Pode não parecer muito, diz Boyce, mas se a Amazon errasse nessas previsões, começaria a perder clientes, especialmente na época das festas de fim de ano, quando as pessoas compram presentes de última hora e confiam na Amazon para entregá-los. “É preciso um grande poder de computação apenas para mostrar aquele dia de entrega simples”, diz ele. “Mas as pessoas enlouquecem quando não entregam suas coisas a tempo”.
De acordo com Deliverr, uma empresa americana que gerencia a logística de entrega para várias empresas de comércio eletrônico, incluindo Amazon, Walmart, eBay e Shopify, um tempo de entrega estimado de dois dias contra sete a 10 dias aumenta as vendas em 40%; um tempo estimado de entrega de um dia aumenta as vendas em 70%.
Não é de admirar que outros queiram sua própria bola de cristal. As cadeias de suprimentos just-in-time estão quase mortas. As paralisações dos últimos dois anos afundaram muitas empresas que perseguiam a hipereficiência ao extremo. O espaço do depósito é caro, e pagar para armazenar o estoque de algo que não precisa por uma semana pode parecer extravagante em tempos de fartura. Mas quando o estoque da próxima semana não aparecer, você não terá nada para vender.
“Antes da pandemia, a maioria das empresas estava se concentrando em cortar custos”, diz Simchi-Levi. Agora eles estão dispostos a pagar pela resiliência, mas focar somente na resiliência também é um erro: você precisa encontrar o equilíbrio certo entre os dois. Este é o verdadeiro poder das simulações. “Estamos vendo um número crescente de empresas começando a testar a resistência de suas cadeias de suprimentos usando gêmeos digitais”, diz ele.
E se?
Explorando diferentes cenários possíveis, as empresas podem identificar o equilíbrio entre eficiência e resiliência que funciona melhor para elas. Adicione o deep reinforcement learning, que permite que uma IA aprenda por tentativa e erro quais ações tomar em diferentes situações, e os gêmeos digitais se tornam máquinas para explorar questões hipotéticas. E se houver uma seca em Taiwan e a escassez de água interromper a fabricação de microchips? Um gêmeo digital poderia prever o risco de isso acontecer, rastrear o impacto que isso teria em sua cadeia de suprimentos e, usando o reinforcement learning, sugerir quais ações tomar para minimizar os danos.
Se você é um fabricante de automóveis no centro-oeste dos EUA, um gêmeo digital pode sugerir que você compre componentes extras de um distribuidor na Costa Oeste que ainda tenha excedente. Mas encadeie vários cenários e as coisas logo se tornarão extremamente complexas. Por exemplo, de acordo com Simchi-Levi, a Ford mantém mais de 50 fábricas em todo o mundo, que usam 35 bilhões de peças para produzir 6 milhões de carros e caminhões a cada ano. Existem cerca de 1.400 fornecedores espalhados por 4.400 locais de fabricação com os quais a Ford interage diretamente, e muitos fornecedores e seus respectivos fornecedores de até 10 níveis de profundidade em uma cadeia entre a Ford e as matérias-primas que fazem parte dos veículos produzidos. Qualquer uma dessas cadeias pode quebrar, e um bom teste de resistência precisaria testar cada uma delas.
Os gêmeos digitais utilizam o máximo de dados possível para executar suas simulações e treinar suas IAs. Há informações logísticas sobre a empresa e seus fornecedores, contabilizando insumos como estoque e dados de envio. Depois, há dados sobre o comportamento do consumidor, com base em análises de mercado e projeções financeiras. E dados sobre o mundo em geral, como tendências geopolíticas e socioeconômicas. Simchi-Levi até extraiu dados das redes sociais para prever o comportamento das pessoas, especialmente durante a pandemia.
O gêmeo digital do Google pode ser conectado ao Google Earth e levar em consideração os padrões climáticos globais. Se você é um produtor de vegetais na Califórnia (EUA), pode fazer simulações para ver quais de seus campos estão em risco pelo fenômeno La Niña, diz Thalbauer. Quando o Google configura um gêmeo digital para um cliente como a Renault, eles podem escolher quais das muitas fontes de dados disponíveis incluir.
Pathmind tem uma abordagem diferente. Seu gêmeo digital simplesmente reúne as ferramentas de gerenciamento da cadeia de suprimentos existentes de uma empresa, aproveitando os dados que já produzem. Em seguida, ele aumenta esses dados executando simulações hipotéticas e adicionando os dados sintéticos resultantes ao ambiente no qual treina sua IA. A abordagem é semelhante a como AlphaZero dominou Go e xadrez jogando milhões de jogos virtuais contra si mesmo. Em vez de aprender que peça mover em um tabuleiro, os gêmeos digitais podem aprender que estoque pedir e quando, ou onde abrir um novo depósito.
Com os dados sintéticos corretos, um gêmeo digital pode aprender a responder a eventos nunca vistos anteriormente, até mesmo a pandemias globais. “É aqui que entramos em todo o mistério de ‘Por que a IA é inteligente?’”, Diz Nicholson. “Ela vive mais do que nós, em muitos mundos diferentes, alguns dos quais nunca existiram antes”.
Em teoria, qualquer pessoa pode se beneficiar dessa tecnologia. Na prática, haverá vencedores e perdedores. “A tecnologia gêmeo digital apresenta uma oportunidade poderosa para empresas de qualquer tamanho”, diz Rick Lazio, advogado e ex-congressista dos EUA que agora é vice-presidente sênior da Alliantgroup, uma consultoria tributária com sede nos Estados Unidos. Mas ele observa que são as empresas maiores, que já são as mais protegidas contra perdas, que estão começando a usar essa tecnologia mais rapidamente.
Lazio acredita que muitas empresas menores precisarão de ajuda para não ficar para trás, talvez por meio de investimentos governamentais. “Empresas que adotam tecnologia cedo veem benefícios maiores do que a soma de suas partes”, diz ele.
E não são apenas empresas menores. “Muitos portos do mundo funcionam no papel; se você tiver sorte, eles usam PDFs e e-mails”, diz Nicholson. “Essas são operadoras importantes, não uma fabricante de velas em New Hampshire. Mas sem digitalização, não temos IA”.
Simchi-Levi é mais otimista. Muitas empresas costumavam presumir que a criação de um gêmeo digital exigiria um grande investimento e anos para pagar por isso, diz ele, mas não é mais o caso: um milhão de dólares e 18 meses podem gerar muitos dos benefícios.
Simchi-Levi não tem dúvidas de que o burburinho em torno dos gêmeos digitais permanecerá mesmo depois que o pior dos distúrbios atuais passar. Se não for a pandemia, será outra coisa, diz ele. Os últimos anos ensinaram as empresas a se preparar melhor e a competir melhor. “Quando voltarmos ao normal, não será mais como antes”, diz ele. “A pandemia provou que o futuro está aqui”.
MIT Technology Review
