{"id":3078,"date":"2024-01-18T18:52:20","date_gmt":"2024-01-18T18:52:20","guid":{"rendered":"https:\/\/www.manutan.pt\/blog\/?p=3078"},"modified":"2024-01-31T11:54:34","modified_gmt":"2024-01-31T11:54:34","slug":"big-data-ai-crescimento-cadeia-abastecimento-ecologica","status":"publish","type":"post","link":"https:\/\/www.manutan.pt\/blog\/big-data-ai-crescimento-cadeia-abastecimento-ecologica\/","title":{"rendered":"Big data e IA, motores de crescimento da cadeia de abastecimento ecol\u00f3gica"},"content":{"rendered":"\n<div class=\"wp-block-group\"><div class=\"wp-block-group__inner-container\">\n<div class=\"wp-block-group\"><div class=\"wp-block-group__inner-container\">\n<div class=\"wp-block-group\"><div class=\"wp-block-group__inner-container\">\n<div class=\"wp-block-group\"><div class=\"wp-block-group__inner-container\">\n<div class=\"wp-block-group\"><div class=\"wp-block-group__inner-container\">\n<p>A par da intelig\u00eancia artificial (IA), o big data \u00e9 uma ferramenta essencial para o desenvolvimento da Cadeia de Abastecimento Verde em larga escala. O objetivo, claro, \u00e9 alcan\u00e7ar a neutralidade de carbono dentro da cadeia de abastecimento, sem comprometer o desempenho.<\/p>\n<p>De acordo com um estudo realizado pela Capgemini em agosto de 2020, 85% das empresas acreditam ser poss\u00edvel combinar a otimiza\u00e7\u00e3o de custos com a prote\u00e7\u00e3o ambiental. \u00c9 uma prioridade estrat\u00e9gica, respondendo a uma demanda real dos clientes. Segundo o mesmo estudo, 79% dos consumidores agora consideram o impacto ambiental de suas compras.<\/p>\n<h2><span style=\"color: #005641;\">O big data e a IA estruturam a Cadeia de Abastecimento Verde<\/span><\/h2>\n<p>As transi\u00e7\u00f5es ecol\u00f3gicas e digitais andam de m\u00e3os dadas. Eles est\u00e3o na mesma rota e atendem aos mesmos objetivos de desempenho operacional e ambiental com foco na otimiza\u00e7\u00e3o de custos.<\/p>\n<h3>Como a tecnologia pode server o meio ambiente?<\/h3>\n<p>As tecnologias digitais podem aumentar a resili\u00eancia e o desempenho da Cadeia de Abastecimento enquanto reduzem sua pegada de carbono. Economia de combust\u00edvel e energia, redu\u00e7\u00e3o de res\u00edduos e aumento do tempo e efici\u00eancia s\u00e3o todos poss\u00edveis gra\u00e7as a sistemas de coleta e processamento de dados em tempo real.<\/p>\n<p>De acordo com o estudo citado acima, quase 80% das empresas planejam investir em tecnologias digitais para acelerar sua transi\u00e7\u00e3o ecol\u00f3gica, por exemplo, ao migrar para o Armaz\u00e9m 4.0 automatizado. Eles consideram este potencial investimento da seguinte forma:<\/p>\n<ul>\n<li>Para 59% deles, sistemas de coleta e an\u00e1lise de dados fornecem indicadores valiosos para a gest\u00e3o e controle de quest\u00f5es ambientais (consumo de energia, combust\u00edvel e \u00e1gua, bem como emiss\u00f5es de CO2).<\/li>\n<li>50% tamb\u00e9m consideram que o progresso tecnol\u00f3gico aumenta a precis\u00e3o desses indicadores.<\/li>\n<\/ul>\n<p>Intelig\u00eancia artificial para reduzir o custo ambiental do transporte rodovi\u00e1rio<\/p>\n<p>O transporte rodovi\u00e1rio tem acesso a solu\u00e7\u00f5es concretas gra\u00e7as ao big data e \u00e0 IA. A coleta de dados em tempo real fornece uma riqueza de informa\u00e7\u00f5es sobre como os motoristas dirigem e, portanto, sobre o consumo de combust\u00edvel. Por meio da an\u00e1lise de dados, \u00e9 poss\u00edvel educar os motoristas sobre como dirigir de maneira mais eficiente em termos de energia e, portanto, reduzir as emiss\u00f5es de CO2.<\/p>\n<p>Os principais ativos do uso de big data e IA no setor de transporte rodovi\u00e1rio s\u00e3o:<\/p>\n<ul>\n<li>Redu\u00e7\u00e3o de custos de transporte;<\/li>\n<li>Redu\u00e7\u00e3o da pegada ambiental da cadeia de suprimentos;<\/li>\n<li>Motoristas geralmente dirigem com mais cuidado.<\/li>\n<\/ul>\n<p>O big data tamb\u00e9m reduz o tempo de entrega otimizando rotas e reabastecimento. A an\u00e1lise de tr\u00e1fego em tempo real permite selecionar sempre a rota mais eficiente e reduzir o n\u00famero de viagens. Estima-se que essas ferramentas reduzam as dist\u00e2ncias percorridas em 16% e aumentem o pontualidade das entregas para uma m\u00e9dia de 98%. Um passo \u00e0 frente tanto para a responsabilidade social corporativa quanto para a satisfa\u00e7\u00e3o <span style=\"color: #005641;\">do cliente.<\/span><\/p>\n<h2><span style=\"color: #005641;\">Quando a intelig\u00eancia artificial e a Cadeia de Suprimentos significam previsibilidade<\/span><\/h2>\n<p>Os outros grandes benef\u00edcios do big data, quando combinados com software de intelig\u00eancia artificial (IA) e processado por algoritmos de aprendizado (Deep Learning), residem em sua capacidade anal\u00edtica. As empresas est\u00e3o, portanto, passando de um modelo de an\u00e1lise baseado no desempenho passado para um modelo que pode informar sobre eventos futuros potenciais. Adaptada \u00e0 log\u00edstica, essa funcionalidade preditiva fornece \u00e0 Cadeia de Suprimentos solu\u00e7\u00f5es eficazes, tanto operacionalmente quanto ambientalmente.<\/p>\n<p>Por exemplo, essa escolha foi feita pelo porto de Antu\u00e9rpia, por meio da cria\u00e7\u00e3o de um modelo 3D do porto chamado APICA (Antwerp Port Information and Control Assistant). A modelagem \u00e9 poss\u00edvel gra\u00e7as ao processamento de dados em tempo real que sintetiza toda a atividade do porto. Ele considera os seguintes dados:<\/p>\n<ul>\n<li>Movimento de mercadorias;<\/li>\n<li>Condi\u00e7\u00f5es meteorol\u00f3gicas;<\/li>\n<li>Qualidade do ar;<\/li>\n<li>Mar\u00e9s;<\/li>\n<li>Disponibilidade de pessoal;<\/li>\n<li>Movimentos de pontes e eclusas.<\/li>\n<\/ul>\n<p>Todos esses dados s\u00e3o transmitidos por sensores IoT (Internet das Coisas), c\u00e2meras e drones. Isso d\u00e1 aos gerentes do porto uma vis\u00e3o abrangente da atividade em tempo real, o que lhes permite prever situa\u00e7\u00f5es incomuns. Isso permite, por exemplo, prever a toxicidade das emiss\u00f5es dos navios em diferentes circunst\u00e2ncias e tomar as medidas corretivas apropriadas.<\/p>\n<p><strong>A previsibilidade proporcionada por dados e intelig\u00eancia artificial na Cadeia de Suprimentos \u00e9 tamb\u00e9m uma solu\u00e7\u00e3o para reduzir drasticamente o desperd\u00edcio, especialmente no transporte de produtos frescos. Estima-se que a capacidade de ajustar estoques e cargas com anteced\u00eancia o mais pr\u00f3ximo poss\u00edvel das vendas pode reduzir o n\u00famero de caminh\u00f5es nas estradas em 15-20%. A qualidade das previs\u00f5es aumenta de 10 a 15 pontos gra\u00e7as \u00e0 IA.<\/strong><\/p>\n<h2><span style=\"color: #005641;\">O big data e a IA transformam a Cadeia de Abastecimento<\/span><\/h2>\n<p>Para reduzir seu impacto ambiental, otimizar suas intera\u00e7\u00f5es e responder a disrup\u00e7\u00f5es em tempo real, as empresas devem ter controle total de sua cadeia de abastecimento.<\/p>\n<h3>Porqu\u00ea recolher dados ao longo do ciclo de vida do produto?<\/h3>\n<p>As empresas precisam de uma vis\u00e3o mais abrangente dos materiais, componentes e ingredientes usados, embalagem, origem, processos de produ\u00e7\u00e3o e consumo de energia. Essa vis\u00e3o abrangente de seu neg\u00f3cio fornece os recursos necess\u00e1rios para fazer mudan\u00e7as profundas na cadeia de suprimentos da ind\u00fastria.<\/p>\n<p>As empresas tamb\u00e9m precisam de construir redes inteligentes que incluam os diferentes intervenientes no seu mercado, come\u00e7ando pelos seus clientes. Isto permite aceder a dados sobre a distribui\u00e7\u00e3o e reciclagem dos seus produtos. Modelos de intelig\u00eancia artificial concebidos para a Cadeia de Suprimentos e ML (Machine Learning) s\u00e3o essenciais para tornar estes dados utiliz\u00e1veis.<\/p>\n<h3>Rumo \u00e0 transpar\u00eancia da Cadeia de Abastecimentos para melhor compreender os seus desafios<\/h3>\n<p>Estabelecer um processo de monitoriza\u00e7\u00e3o e rastreio computacional eficaz requer a cria\u00e7\u00e3o de uma rede de empresas que partilhe informa\u00e7\u00f5es. Para compreender plenamente os desafios da redu\u00e7\u00e3o do impacto ambiental da produ\u00e7\u00e3o, uma empresa precisa criar liga\u00e7\u00f5es com os seus fornecedores diretos e indiretos. Esta rede tamb\u00e9m pode incluir fontes como sat\u00e9lites para monitorizar a desfloresta\u00e7\u00e3o, a explora\u00e7\u00e3o da \u00e1gua, a agricultura e a minera\u00e7\u00e3o.<\/p>\n<p>Tecnologias como Blockchain, 5G e sensores em paletes tamb\u00e9m ajudam a fornecer conectividade segura em tempo real. Estas ferramentas tamb\u00e9m fornecem visibilidade em cadeias de cust\u00f3dia e intera\u00e7\u00f5es de rede. Coletar e gerir todas estas informa\u00e7\u00f5es requer um data lake escal\u00e1vel e a integra\u00e7\u00e3o de muitas fontes de dados.<\/p>\n<h3>Intelig\u00eancia Artificial na Cadeia de Abastecimento e no Armaz\u00e9m<\/h3>\n<p>A tecnologia trouxe o armaz\u00e9m para a era 4.0. A gest\u00e3o de armaz\u00e9ns do futuro \u00e9 otimizada com o uso combinado de automa\u00e7\u00e3o, intelig\u00eancia artificial e processamento de big data. Estes avan\u00e7os tecnol\u00f3gicos tornam poss\u00edvel agir a favor da transi\u00e7\u00e3o ecol\u00f3gica, melhorando todos os processos de armaz\u00e9m. Esta otimiza\u00e7\u00e3o do armaz\u00e9m leva a mudan\u00e7as na gest\u00e3o das equipas, o que por sua vez leva a uma nova organiza\u00e7\u00e3o de servi\u00e7os e mudan\u00e7as na gest\u00e3o.<\/p>\n<p><strong>Descarregue o nosso white paper sobre &#8220;<a href=\"https:\/\/www.manutan.pt\/blog\/livro-branco-armazem-4-0-transformacao\/\" target=\"_blank\" rel=\"noopener\">A transforma\u00e7\u00e3o do armaz\u00e9m e as suas opera\u00e7\u00f5es<\/a>&#8221; para compreender melhor os novos desafios humanos deste setor.<\/strong><\/p>\n<\/div><\/div>\n<\/div><\/div>\n<\/div><\/div>\n<\/div><\/div>\n<\/div><\/div>\n","protected":false},"excerpt":{"rendered":"","protected":false},"author":1,"featured_media":3080,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":[],"categories":[14,12,19,21],"tags":[],"_links":{"self":[{"href":"https:\/\/www.manutan.pt\/blog\/wp-json\/wp\/v2\/posts\/3078"}],"collection":[{"href":"https:\/\/www.manutan.pt\/blog\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/www.manutan.pt\/blog\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/www.manutan.pt\/blog\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/www.manutan.pt\/blog\/wp-json\/wp\/v2\/comments?post=3078"}],"version-history":[{"count":3,"href":"https:\/\/www.manutan.pt\/blog\/wp-json\/wp\/v2\/posts\/3078\/revisions"}],"predecessor-version":[{"id":3085,"href":"https:\/\/www.manutan.pt\/blog\/wp-json\/wp\/v2\/posts\/3078\/revisions\/3085"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/www.manutan.pt\/blog\/wp-json\/wp\/v2\/media\/3080"}],"wp:attachment":[{"href":"https:\/\/www.manutan.pt\/blog\/wp-json\/wp\/v2\/media?parent=3078"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.manutan.pt\/blog\/wp-json\/wp\/v2\/categories?post=3078"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.manutan.pt\/blog\/wp-json\/wp\/v2\/tags?post=3078"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}