A Realidade Aumentada está Revolucionando a Logística

A REALIDADE AUMENTADA ESTÁ REVOLUCIONANDO A LOGÍSTICA

“ Lich, mehr licht” (Luz, mais luz)

Goethe

Misturando o mundo real com o mundo virtual, a Realidade Aumentada (RA) permitem que objetos reais interajam como objetos virtuais. A coqueluche dessa tecnologia ficou demonstrada com o lançamento do jogo Pokémon da Nintendo, em cujo cenário os usuários podem “caçar” personagens numa mistura de realidade e virtualidade.

Obvio que essa tecnologia não ficou na mera utilidade em jogos e outras facilidades ligadas diretamente ao entretenimento. Essa tecnologia vem abrindo a possibilidade de maior interação com o mundo que nos cerca, criando um novo leque de oportunidades para a execução de tarefas e operações das mais diversas.

A Realidade Aumentada surgiu quando se verificou que o simples código de barras não era suficiente para conter a gama de informações necessárias para as transações informacionais. Acontece que esses códigos, agora bidimensionais, abriram a possibilidade de se inserir objetos virtuais em filmagens de ambientes reais, aumentando assim, consideravelmente a interatividade e criando espaço para o seu uso acoplado às novas tecnologias, como mostra a Figura 2.

Figura 2 – O mundo Real e o Mundo Virtual.

Fonte: Augmented Reality in Logistics– DHL (2014).

As aplicações da Realidade Virtual foram ampliadas consideravelmente e uma das áreas que se mostrou aberta ao uso intensivo dela está voltada para a logística!

Considerando, por exemplo, um Centro de Distribuição (CD), onde as atividades de armazenagem, expedição ou recebimento de materiais, respondem com cerca de 20% dos custos logísticos, a implementação de sistemas flexíveis e a automação resultam em melhoras substanciais nas operações de um CD.

Tomando por base as operações de picking (operações destinadas à coleta dos produtos), que absorvem entre 55 e 65 % dos custos operacionais de um Centro de Distribuição, o uso da Realidade Aumentada, que permite, de forma intuitiva, deixar os operadores do armazém com as “mãos livres” durante picking, resulta em um aumento de 25% na eficiência das operações, reduzindo também a taxa de erro produzida na separação dos pedidos, conforme demonstrou a experiência realizada pela DHL em seu projeto piloto na Holanda.

Nesse projeto piloto da DHL/Ricoh, dez funcionários passaram a utilizar o equipamento para a retirada de mais de 20.000 itens. Totalizando 9.000 pedidos, a coleta dos itens ocorreu dentro do prazo que havia sido fixado. Além de a operação ter sido realizada com maior eficiência e rapidez, não aconteceu erros na coleta dos produtos. 

Na Figura 3 apresentamos um fluxograma comparativo entre as operações de picking realizadas utilizando-se a tecnologia existente e a mesma operação com o uso da tecnologia incorporando a realidade aumentada.

Figura 3 – Picking tradicional x Picking com uso de Realidade Aumentada.

Fonte: DHL (2015).

Esse projeto foi desenvolvido em parceria com a Ricoh - fabricante de produtos eletrônicos como impressoras e fotocopiadoras - e a tecnologia denomina-se de Vison Picking e demonstrou que a realidade aumentada poderá oferecer ganhos significativos as operações logísticas.

Nas palavras do diretor de tecnologia da DHL : “O Vision Picking permite gerenciar a retirada dos materiais armazenados com as mãos livres, aumentado significativamente a produtividade” e na afirmação de Pieter-Jelle van Dijk, Diretor de Operações, Ricoh EMEA: "Estamos sempre à procura de melhorar ainda mais os nossos processos com novas tecnologias e ficamos felizes de ter DHL como nosso parceiro de inovação para esse projeto-piloto".  O fato é que a realidade aumentada vai proporcionar grandes benefícios em muitas operações da cadeia de suprimentos

Na Figura 4 apresentamos um exemplo no qual o operador, utilizando-se de um par de óculos especial para Realidade Aumentada, realiza a coleta dos pedidos posicionando-os posteriormente na área de expedição. Notar que, com o uso dessa tecnologia, as confirmações das operações ocorrem de forma imediata, online e em tempo real!

Figura 4 – Operação de picking e expedição dos pedidos com o uso de AR

Fonte: Picavi- The Way to Pick –Logcom.

Com objetivo de melhor visualiza a operacionalidade dessa ferramenta, o leitor interessado poderá assistir o vídeo através do link abaixo: 

https://www.youtube.com/watch?v=jEpjUHzswT4

As aplicações da Realidade Aumentada (RA) na logística não param por ai. Listamos a seguir algumas áreas nas quais essa tecnologia vem sendo utilizada e aprimorada:

Projeto de Centros de Distribuição – com o uso de um computador sem fio que é controlado por gestos e voz, utilizando-se de uma tecnologia desenvolvida pela Microsoft denominada de Hololens, é possível visualizar o layout de um novo armazém, antes mesmo da sua construção.

Além disso, será possível fazer representações digitais da planta do armazém, visualizando-se também o fluxo das operações e permitindo assim maximizar virtualmente as suas melhorias, muito antes do mesmo ser construído fisicamente!

Controle de Estoque em Tempo Real – a Realidade Aumentada permite o monitoramento dos embarques com informações precisas do local onde os produtos se encontram e para qual destino serão enviados. Com o uso de sensores em 3D será possível visualizar faltas de paletes ou paletes danificados em toda a extensão do armazém. Aliado a esse processo encontra-se as facilidades de se realizar um inventario físico de forma rápida e precisa!

Gerenciamento do Transporte – com a tecnologia de Realidade Aumentada será possível melhorar as rotas dos veículos controlado a temperatura das cargas (no caso de cargas especiais), melhorar a eficiência energética no uso de combustíveis ou alterar os modais de transporte quando necessário.

Levando-se em conta que entre 40% e 60% do tempo gasto pelos motoristas está diretamente relacionado a localização dos pacotes dos pedidos ou encontrar o endereço de entrega de um produto, o uso da tecnologia de RA facilita o controle, permitindo assim que o motorista visualize o pacote certo, no momento necessário através do uso de um óculo especial para AR, reduzindo assim consideravelmente o tempo gasto nessas operações.

Controle de Contêineres – a organização dos contêineres em pátios é realizada mediante um arranjo físico que leva em conta a padronização das suas medidas de acordo com a norma ISO. No arranjo físico,  a determinação da localização dos contêineres é realizada através de quatro parâmetros, quais sejam: quadra, coluna, altura e fileira. Essa localização é anotada por um coletor de dados (figura 5) e transmitida para os computadores da empresa responsável. 

O cansaço e a rotina pouco criativa da operação acabam levando ao operador registar um contêiner de forma equivocada, bastando para isso, inserir erradamente um dos parâmetros de localização. O resultado é um grande trabalho para encontrar o contêiner procurado!

Figura 5 – Uso da Realidade Aumentada no Controle de Contêineres.

Com o uso da Realidade Virtual, os contêineres ao adentrarem no pátio, são registrados e sua localização determinada na área disponível do pátio. O operador, que vai acompanhar o posicionamento do contêiner no pátio, utiliza um Tablet (Figura5) fixando então a sua localização em função dos demais contêineres no entorno.

As tecnologias estão evoluindo numa velocidade exponencial e o leque de aplicações também segue a mesma trajetória. O resultado de tudo isso é a melhoria da produtividade, confiabilidade, agilidade nos processos e maior ganho para as empresas, parceiros e clientes.

Fonte:

Marr, B. in How big data and analyses are transforming supply chain management – disponível em www.forbes.com – acesso – 08/11/2016.

Marr, B. in The big data analytic war: IBM Watson x Kaggle – disponível em - Lindekin.com/pluse – acesso: 08/11/2016

http://oglobo.globo.com/sociedade/tecnologia/estudo-da-emc-preve-que-volume-de-dados-virtuais-armazenados-sera-seis-vezes-maior-em-2020-12147682 - acesso: 02/11/2016.

Josh James, Founder, CEO & Chairman of the Board - DOMOSPHERE  in Data Never Sleep - https://www.domo.com/blog/data-never-sleeps-3-0/

DHL in Global Technology Conference - 2015 - Dubai, 16th April 2015 – disponível em https://www.eiseverywhere.com/file_uploads/b05d26158820d377ca7a022173486cb0_T.6_InnovationinPractise-Augmented RealityinLogistics.pdf

Haustsh, O. in Como funciona a Realidade Aumentada - https://www.tecmundo.com.br/realidade-aumentada/2124-como-funciona-a-realidade-aumentada.htm - acesso: 11/12/2016.

DHL Trend Research in Augmented Reality in Logistics - Changing the way we see logistics –  DHL perspective 2014 – acess: 15/12/2016.

Besnainou , J. in  Augmented Reality: All Eyes on Industrial Applications - disponível em http://www.cleantech.com/augmented-reality-all-eyes-on-industrial-applications/ - acesso : 04/12/2016.

Maziliauskaite,K in Augmented Reality – Improving Supply Chains One Pixel at a Time? – disponível em http://www.inventory-and-supplychain-blog.com/augmented-reality-improving-supply-chains-one-pixel-time/ - acesso : 04/12/2016.

EPS News in DHL Tests Augmented Reality For Use in Logistics – disponível em https://epsnews.com/2015/01/28/dhl-tests-augmented-reality-use-logistics/ - acesso: 15/12/2016.

______________________________________________

Paulo Sérgio Gonçalves é engenheiro pela Universidade Federal do E.E.Santo, M.Sc. em Engenharia de Produção pela COPPE/UFRJ e MBA em Estratégia Empresarial pelo PDG/IBMEC , consultor na área de operações (manufatura e serviços), professor do IBMEC/RJ e autor das seguintes obras didáticas:

Administração de Materiais - 5ª Edição - Editora Elsevier.

Logística e Cadeia de Suprimentos - O Essencial - Editora Manole.

Administração de Estoques - Teoria e Prática - em coautoria de E. Schwember - Editora Interciência.

Como o Big Data está melhorando a logística - Parte II

COMO O BIG DATA ESTÁ MELHORANDO A LOGÍSTICA

Parte II

“Dados, mais dados!”

Parodiando Goethe.

Recente pesquisa realizada pela Accenture mostrou que um volume razoável de empresas tem grandes expectativas no uso das análises de dados em suas cadeias de suprimentos, porém o grande problema encontrado está relacionada as dificuldades em adaptar-se a essa nova tecnologia.

A pesquisa mostrou que apenas 17% dos executivos entrevistados informaram que implementaram a análise de dados, em pelo menos, em uma das operações da cadeia de suprimentos.

Na figura 2 apresentamos o resultado da pesquisa realizada pela Accenture quanto à experiência do uso da análise de dados pelas empresas.

Figura 2 – Experiência das empresas com o Big Data.

Fonte: Big Data Analytics in Supply Chain:Hype or Here to Stay?

Accenture Global Operations Megatrends Study (2014).

Uma coisa está clara, o uso do Big Data tem um grande potencial para promover vantagens competitivas e também produzir resultados significativos na performance financeira e operacional das empresas.

Uma questão básica que surge nas empresas que começam a utilizar as técnicas de análise de dados está voltada para uma pergunta chave: “Como o Big Data pode contribuir desde a base ao topo da pirâmide empresarial ?”  Ora, o valor do Big Data pode ser visualizado através de três pontos básicos:

• Eficiência operacional;
• Experiência com clientes;
• Novo modelo de negócio,

como mostramos na figura 3.

Figura 3 – Valores dimensionais do Big Data.

Fonte: Big Data in Logistics - DHL White Paper.

No quesito de Eficiência Operacional o uso do Big Data permite propiciar melhor nível de transparência, aperfeiçoar recursos, melhorar os processos de qualidade e desempenho da empresa, como por exemplo, otimização da “ultima milhas”, predição da capacidade e planejamento das redes entre outras atividades operacionais, etc.

Quanto à Experiência com os Clientes, podemos considerar o aumento da lealdade e retenção de clientes, melhor desempenho na interação com os serviços oferecidos e uma melhoria substancial na segmentação dos mercados e direcionamento dos objetivos, antecipação de eventuais atritos como os clientes, melhoria continuada nos serviços e identificação de requisitos de inovação em  um novo produto, etc. .

E no que se refere Novos Modelos de Negócios,  podemos destacar a expansão das receitas para os produtos existentes e a criação de novas receitas originárias de novos produtos, tais como: previsão de demanda e suprimentos para diferentes industrias e regiões, análise da performance financeira com base numa plataforma de dados, etc.

É claro que o sucesso na implementação do Big Data vai depender substancialmente de uma convergência da tecnologia da informação e processos de negócios das empresas. Isso porque a informação não é apenas uma janela de oportunidade dos negócios, muito especialmente porque a economia, cada vez mais globalizada, reformulou o fluxo dos processos que hoje passam a ser descritos quase que totalmente por meios eletrônicos.

Uma concepção bastante ampla da aplicação do Big Data nos processos logísticos é apresentada na figura 4 que mostra fontes externas, fornecedores, marketing e vendas, gestão da produção, operação, novos negócios e base de novos consumidores, bem como os fluxos físicos (movimentação de produtos) e o fluxo informacional (fluxo de dados).

Figura 4 – Big Data na Logística

Fonte: DHL

A gama de análises produzidas pelo  massivo volume de dados gerados e que fluem nas redes seguramente elevam a patamares superiores as possibilidades de melhorias significativas nas operações, otimização no fluxo de bens e serviços e, prospectivamente, visualizar janelas de novas oportunidades, tanto na captura de novos clientes quanto da geração de novos negócios.

Explorando o potencial do Big Data, as empresas poderão reduzir significativamente os seus custos, gerando assim uma maior receita líquida e aumentando a agilidade de seus processos. Por exemplo, um dos grandes desafios da logística hoje se refere ao famoso problema de entrega, a denominada “última milha”. Utilizando-se de softwares avançados de roteirização será possível o planejamento das rotas, com base na análise dos padrões históricos de tráfego na região considerada e assim, abri o leque de possibilidades para reduzir custos no uso de combustíveis, maximizar a eficiência operacional da frota de veículos e permitir de forma dinâmica visualizar e calibrar as rotas a serem percorridas.

Outro aspecto interessante envolve, por exemplo, a modelagem das redes de distribuição, com base na localização geográfica e dados de entregas realizadas, permitindo assim visualizar a densidade das ordens de entrega por localização e identificar superposições das redes e também gerar cenários prospectivos com base no fluxo históricos das entregas, padrões de demanda e com isso melhorar consideravelmente a eficiência, a agilidade dos serviços e promovendo redução de custos! Além disso, será possível, analisando a massa de dados gerados pelas operações, usar ferramentas avançadas para projetar uma nova rede de distribuição que melhor atenda aos requisitos de demandas e exigências dos clientes.

Examinando-se novamente o contexto da figura 4, produzindo-se um link “ponta-a-ponta” da cadeia de suprimentos, ou seja, tornando-a visível desde o fornecedor das matérias primas até o cliente final, abre-se um enorme leque de oportunidades tanto de análise de dados quanto no processo de subsidiar informações online e real time para clientes e parceiros.

Por exemplo, os problemas originários na produção motivados por eventuais atrasos de alguns fornecedores poderão ser transmitidos adequadamente para permitir que os clientes tenham essa informação disponível no que se refere ao reflexo do evento nos prazos de entrega e assim criando um maior nível de confiabilidade nos serviços.

E fim, o Big Data veio para ficar e operar de forma ampla para permitir que empresas nos mais diversos países possam abrir a “caixa de pandora da logística” e assim desvendar formas criativas para melhorar os sistemas de previsão, logística de transporte, distribuição física e operações a nível doméstico e internacional.

Fonte:

Marr, B. in How big data e analyses are transforming supply chain management – disponível em qwww.forbes.com – acesso – 08/11/2016.

Marr, B. in The big data analytic war: IBM Watson x Kaggle – disponível em  - Lindekin.com/pluse – acesso: 08/11/2016

http://oglobo.globo.com/sociedade/tecnologia/estudo-da-emc-preve-que-volume-de-dados-virtuais-armazenados-sera-seis-vezes-maior-em-2020-12147682 - acesso: 02/11/2016.

Josh James, Founder, CEO & Chairman of the Board - DOMOSPHERE  in Data Never Sleep - https://www.domo.com/blog/data-never-sleeps-3-0/

Kubác, L – in Internet of things and his application in logistic – disponível em http://www.vslg.cz/wcd/docs/vslg/acta_logistika/5.-rocnik-2015/cislo-1-2015/4-kubac.pdf - acesso: 08/11/2016.

DHL in Internet of Things in Logistic - A collaborative report by DHL and Cisco on implications and use cases for the logistics industry – 2015 – disponível em http://www.dhl.com/content/dam/Local_Images/g0/New_aboutus/innovation/DHLTrendReport_Internet_of_things.pdf - acesso: 10/11/2016.

______________________________________________

Paulo Sérgio Gonçalves é engenheiro pela Universidade Federal do E.E.Santo, M.Sc. em Engenharia de Produção pela COPPE/UFRJ e MBA em Estratégia Empresarial pelo PDG/IBMEC , consultor na área de operações (manufatura e serviços), professor do IBMEC/RJ e autor das seguintes obras didáticas:

Administração de Materiais - 5ª Edição - Editora Elsevier.

Logística e Cadeia de Suprimentos - O Essencial - Editora Manole.

Administração de Estoques - Teoria e Prática - em coautoria de E. Schwember - Editora Interciência.

---

Como o big data está melhorando a logística - Parte I

COMO O BIG DATA ESTÁ MELHORANDO A LOGÍSTICA

Parte I

“Os números não mentem!”

Já comentamos nesse Blog, em postagem anterior, que é avassalador o volume de dados gerados diariamente em todo o mundo, considerando muito especialmente a convergência de mídias que se faz presente hoje, por todo o planeta.

Isso ocorre especialmente em face de as redes de dados poderem fluir de um ambiente para outro sem grandes complicações: por exemplo, você pode transferir uma foto utilizando um smartphone, um notebook, um desktop ou até mesmo a própria máquina fotográfica caso ela tenha em sua arquitetura um sistema de wifi que lhe permita acessar a rede de forma remota.

Antes falávamos em petabytes (10¹⁵) e agora já tratamos de zetabytes (10²¹) e a tendência é um aumento exponencial desse tsunami de dados, como mostra o gráfico da figura 2.

Figura 2 – Geração de dados na rede.

Fonte: Terradata.

De um lado, as estimativas dos especialistas indicam que, entre o ano de 2015 e o ano de 2016, foram detectados um elevado volume de dados circulando na rede correspondentes à 1,3 zetabytes !

De outro lado, de acordo com a Gatner, em face da avalanche de dados gerados na rede e em uma velocidade estonteante, a carência de especialistas na área deverá atingir, já ano de 2020, um número de profissionais de cerca de 100.000 cientistas especialista em análise de dados.

A explicação é simples, a carência de especialistas é oriunda do fato de que o big data explodiu tão rapidamente que não houve tempo para qualificar um grande número de especialistas na área de análise de dados.

O uso de dados na cadeia de suprimentos é um fato real, haja vista que as redes de suprimentos são impulsionadas por análise estatísticas e indicadores de desempenho e o que pesa nesse campo é exatamente o fato de que, além da geração avassaladora de dados, esse dados não estão estruturados, ou seja, eles existem mas em um conjunto confuso!

Dados não estruturados existem com grande frequência na gestão de materiais, previsão de demanda, logística de transporte, no monitoramento dos centros de distribuição no gerenciarem os estoques dos produtos disponíveis no armazém e em inúmeras outras funções operacionais da logística.

Nesse sentido, vislumbra-se uma grande oportunidade de se utilizar essa massa de dados gerados e disponíveis, de forma mais inteligente, buscando assim, melhorar a eficiência operacional dos sistemas logísticos e reduzir custos das operações.

Figura 3 – Big data na logística

Adpatado de Mikavicaa, B.; Kostić-Ljubisavljevića, A ; Đogatovića, V.R.

A cadeia de suprimentos vem crescendo consideravelmente e hoje abrange um leque de vários continentes, o que de um lado a torna cada vez mais complexa por envolver uma gama de fornecedores de diversos países e clientes com demandas multivariadas e complexas e, de outro, exigir que tenhamos métodos mais precisos para analisá-la buscando eficiência nos processos de negócios.

Uma combinação dos fluxos de dados que circulam nas cadeias de suprimentos, aliado a avançadas técnicas, como por exemplo, geoanalytics[1], permitem criar inovações no gerenciamento da cadeia de suprimentos.

Nesse sentido, a otimização da distribuição física, redesenho das redes de suprimentos e projetos e alocação de novas unidades de produção passam a ser realizadas através de poderosas ferramentas de análise e processamento de dados.

Uma poderosa ferramenta de análise está relacionado à Internet das Coisas (IOT), cujo processo evoluiu através da integração de diversos dispositivos eletrônicos, permitindo assim que conexões de Internet, sejam agora estendida à objetos físicos, não necessariamente computadores no sentido clássico. 

Por exemplo, imaginemos um palete que possua um disposto de conexão, como uma etiqueta de RFID. Ele pode indicar ao seu proprietário aonde ele se encontra e as condições de sua expedição. Um caminhão interconectado poderá indicar as necessidades de manutenção; sensores ligados à luz de uma rua poderão detetar a presença de um maior fluxo de veículos e ajustar o sistema de controle de tráfego, aumentado assim a eficiência no fluxo dos veículos que circulam nas vias.

Essas são apenas algumas das muitas possibilidades instigantes para as aplicações da Internet das coisas em logística!

Figura 4 – Aplicações da IOT na Logística

Fonte: Kubác, L – in Internet of things and his application in logistic.

Na figura 4, apresentamos um exemplo de integração da Internet das Coisas (IOT), aliada a análise rápida do volume de dados gerados nos clientes, fornecedores e sensores disponibilizados nos diversos equipamentos da rede, permitindo assim combinar uma serie de elementos para a tomada de decisão, mediante análise avançada desses dados, buscando-se ao final, melhorar a otimização dos recursos aplicados, promover melhorias significativas nos processos e assim, aumentar eficiência operacional e a competitividade.

Em nossa próxima postagem avançaremos mais sobre esse fascinante tema que é o uso do big data na logística... aguardem !

Fonte:

Marr, B. in How big data e analyses are transforming supply chain management – disponível em qwww.forbes.com – acesso – 08/11/2016.

Marr, B. in The big data analytic war: IBM Watson x Kaggle – disponível em  - Lindekin.com/pluse – acesso: 08/11/2016

http://oglobo.globo.com/sociedade/tecnologia/estudo-da-emc-preve-que-volume-de-dados-virtuais-armazenados-sera-seis-vezes-maior-em-2020-12147682 - acesso: 02/11/2016.

Josh James, Founder, CEO & Chairman of the Board - DOMOSPHERE  in Data Never Sleep - https://www.domo.com/blog/data-never-sleeps-3-0/

:Kubác, L – in Internet of things and his application in logistic – disponível em http://www.vslg.cz/wcd/docs/vslg/acta_logistika/5.-rocnik-2015/cislo-1-2015/4-kubac.pdf - acesso: 08/11/2016.

DHL in Internet of Things in Logistic - A collaborative report by DHL and Cisco on implications and use cases for the logistics industry – 2015 – disponível em http://www.dhl.com/content/dam/Local_Images/g0/New_aboutus/innovation/DHLTrendReport_Internet_of_things.pdf - acesso: 10/11/2016.

_______________________________________________________________

Paulo Sérgio Gonçalves é engenheiro pela Universidade Federal do E.E.Santo, M.Sc. em Engenharia de Produção pela COPPE/UFRJ e MBA em Estratégia Empresarial pelo PDG/IBMEC , consultor na área de operações (manufatura e serviços), professor do IBMEC/RJ e autor das seguintes obras didáticas:

Administração de Materiais - 5ª Edição - Editora Elsevier.

Logística e Cadeia de Suprimentos - O Essencial - Editora Manole.

Administração de Estoques - Teoria e Prática - em coautoria de E. Schwember - Editora Interciência.

---

[1] http://www.geoanalytic.com/#services – aplicativo de mapeamento e rastreamento.

Inteligência Artificial aplicada à Logística

INTELIGÊNCIA ARTIFICIAL

APLICADA À LOGÍSTICA

De um lado, nos últimos anos, ocorreram significativas reduções de custos nos dispositivos destinados ao armazenamento de dados (o primeiro disco rígido projetado pela IBM, o modelo 305 RAMAC – Acess Method of Accouting and Control – tinha capacidade de armazenar 5 megabytes e pesava mais de uma tonelada!), o mesmo aconteceu com o declínio  nos custos de processamento de dados.

De outro lado, o volume de dados gerados na rede a cada ano é elevadíssimo, com tendências de crescimento acelerado (Figura 2). Nesse contexto, esse volume de dados passou a formar um acervo de enorme capacidade de exploração e, nesse sentido criou-se o denominado Big Data, considerando-se a possibilidade de extrair informações preciosas com a análise desses dados.

Figura 2 – Volume de dados gerados na rede anualmente

A manipulação e análise desse volume de dados envolve especialmente quatro aspectos, denominados no Big Data de 4V´s: Volume, Velocidade, Variedade e Veracidade. O Volume representa a imensa quantidade de dados, a Velocidade destaca a rapidez na coleta desses dados, a Variedade é a alta diversidade de tipos e formatos de dados que necessitam de ser armazenados e analisados em conjunto e a Veracidade envolve as questões relacionadas à fidelidade desses dados, ou seja, quão confiáveis eles são!

Todo esse arsenal de dados e tecnologias disponíveis, permite o desenvolvimento de diversos sistemas de tratamento de dados que produzem avanços significativos nas pesquisas e a criação de algoritmos computacionais complexos, aliados à técnicas de modelagem extremamente sofisticadas

Esses algoritmos passaram a ser incorporados (embarcados) nas mais diversas aplicações, flexibilizando as operações com a possibilidade da tomada de decisões com base em análises computacionais dos dados disponíveis e mediante uma aprendizagem contínua, como por exemplo, o uso de redes neurais artificiais.

Essas tecnologias e processos evoluíram com tamanha intensidade que hoje é possível conversarmos com robôs, como, por exemplo, o recente modelo robótico, mostrado na figura 3. Esse robô androide, denominado Sofia, não é um simples objeto de decoração ambiental que solta frases, como os brinquedos infantis que o fazem apertando-se um botão.  Esse robô androide tem a “capacidade” de ouvir e, com uma inteligência artificial embarcada, pode responder as perguntas formuladas.

Embora o conjunto de possíveis respostas tenha sido previamente escolhidas por seus programadores, essa máquina tem autonomia para decidir qual resposta é a mais adequada para cada situação, visto que o sistema em AI escolhe as palavras adequadas de acordo com o que ouve e assim acaba passando a sensação de que estamos ouvindo uma resposta espontânea. É claro que ainda estamos “engatinhando nessa área” e, em razão disso, nem sempre a resposta fará sentido. Isso ocorre porque o algoritmo não é perfeito e também porque os projetistas estão bastante distantes do que denominamos de "consciência humana".

Esse robô também possui 62 arquiteturas faciais que lhe permite expressar-se de diversas formas, como mostramos na figura 3 e que pode ser visualizado, em operação, no vídeo do link apresentado logo abaixo da figura referida.

Figura 3 – Androide Sofia em um entrevista.

Vejam as expressões faciais que ela pode produzir

Fonte: www.digg.com

Disponível em: https://www.youtube.com/watch?v=W0_DPi0PmF0

Tratando-se de consciência humana, vale a pena mencionar o filme de Alex Garland, denominado “Ex-Machine”, no qual o robô Eva (Figura 4), passa a ter “consciência humana” e  acaba conseguindo enganar seu par humano. Para o leitor interessado, basta assistir o trailer desse filme usando o link que apresentamos logo abaixo da figura 4.

Figura 4 – Robô Eva e seu par humano a observá-la.

Fonte: Ex Machina Official Teaser Trailer #1 (2015) – Direção: Alex Garland

Disponível em: https://www.youtube.com/watch?v=EoQuVnKhxaM

Dentro desse escopo, é esperado num futuro próximo, o uso de robôs em centros de distribuição, por exemplo, capazes de realizar com velocidade e precisão, complexas atividades, como o picking, despacho das cargas e o transporte dessas cargas até o destino final, com o uso de caminhões robóticos. Essa evolução ocorrerá! Um primeiro lance já está acontecendo, como relatamos aqui, embora ainda em caráter esperimental, através dos robôs carteiros e caminhões autônomos. Em um futuro breve, solícitos e educados robôs androides, poderão estar realizando a entrega de encomendas em nossas residências !

Tomemos como foco, a Inteligência Artificial, normalmente conhecida com AI (Artificial Intelligence) que pode ser definida como: um ramo da ciência da computação que se propõe a elaborar dispositivos que simulem a capacidade humana de raciocinar, perceber, tomar decisões e resolver problemas.

O uso de algoritmos capazes de apreender características e a detectar padrões a partir da mineração dos dados existentes permitem hoje, melhorar os processos, reduzir custos, aumentar a desempenho operacional e agilizar as operações logísticas.

Nesse contexto, a ciência da computação evoluiu de tal maneira que hoje já dispomos de um ramo dessa atividade dedicada exclusivamente aos estudos de otimizações logísticas; trata-se ciência computacional aplicada à logística.

Entre as tendências de aplicações hoje, podemos citar:

Interação homem-máquina – uso de Realidade Aumentada (RA) e “óculos inteligentes”, por exemplo, nas operações de picking onde os operadores poderão trabalhar em operações de “mãos livres inteligentes”: o operador recebe as orientações do WMS ( Warehouse Management System) através de indicações visuais informando o caminho que esse operador deverá percorrer no depósito e os produtos que deverão ser selecionados.

Robótica e automação – robôs, agora mais leves e mais flexíveis, já estão em uso em diversas atividades. A DHL, por exemplo, testou com sucesso o uso de robôs ao lado de funcionários no apoio de operações logística repetitivas,. Também não podemos deixar de registrar o uso dos “robôs carteiros”, hoje em operações experimentais pelos correios suíços. Entre diversas outras aplicações, podemos citar o sistema robótico Kiva que utiliza um poderoso software de controle e vem sendo utilizado no armazém da Amazon e em outras unidades varejistas.

Veículos autônomos – além dos caminhões que comentamos nesse blog, empilhadeira e outros equipamentos autônomos já estão atingindo um bom “nível de maturidade” nas operações, segundo informa a DHL.

Veículos aéreos não tripulados (UAV´s) – Drones já cruzam os céus, em caráter experimental, em operações de entrega de produtos aos clientes.

Uso de impressão 3D – nesse sentido promovendo, por exemplo, a descentralização da produção e fabricação nas proximidades de grandes centros de urbanos através da digitalização e transmissão do projeto para pequenas “fabricas” mais próximas dos clientes, o que a DHL denomina de “hiper-personalização”. Peças de reposição de aeronaves já estão sendo impressas em impressoras 3 D. O mesmo aconteceu quando a NASA disponibilizou uma impressora 3 D na Estação Espacial Internacional para atender aos serviços de manutenção da própria estação espacial. 

AI no tratamento e processamento de cargas aéreas - através de um conjunto de regras e restrições, tais como: prioridades, tipo de carga, horários de voos, horários de pico etc. e com auxilio de sistemas com AI. Os terminais da Hong Kong Air Cargo Ltd. vem utilizando essa modelagem para tratar e processar cada carga que chega e parte nas diversas aeronaves. Importante destacar que muitas empresas já estão utilizando técnicas baseadas em Inteligência Artificial para gerenciar e monitorar processos de negócios complexos e fluxos de trabalho, especialmente aqueles envolvendo aspectos organizacionais e geográficos.

O que podemos verificar é que a Inteligência Artificial está ficando exponencialmente mais inteligente ao longo dos anos e terá grandes aplicações nas mais diversas atividades da logística. Alguns especialistas, entre eles, Ray Kruzwell, atualmente Diretor de Engenharia da Google e à frente de uma equipe de desenvolvimento de inteligência da máquina e compreensão da linguagem natural, acreditam que a inteligência das máquinas vai ultrapassar a capacidade humana e mesmo reagir com os seres humanos!

Nesse sentido, convido os leitores desse blog, a assistirem a série do HBO denominada Westworld, escrita por Jonathan Nolan e Lisa Jay e dirigida por Neil Marshall, que é baseada no filme de ficção científica escrito e dirigido por Michael Crichton em 1973 e que leva o mesmo nome. O trailer da nova série da HBO pode ser visto no link abaixo:  https://www.youtube.com/watch?v=IuS5huqOND4.

Fontes:

Hoffman, w. in This Humanoid Robot Used SXSW to Gather Data on Humans – disponível em : https://www.inverse.com/article/13089-this-humanoid-robot-used-sxsw-to-gather-data-on-humans - acesso: 1510/2016.

Olhar Digital in - Conheça Sophia, a robô que disse ter 'alma' durante uma entrevista – disponível em : http://olhardigital.uol.com.br/noticia/conheca-sophia-a-robo-que-disse-ter-alma-durante-uma-entrevista/63071 - acesso: 15/10/2016.

Moore, B. in Using Big Data to build tomorrow´s supply chain today – disponível in: http://www.inboundlogistics.com/cms/article/using-big-data-to-build-tomorrows-supply-chain-today/ - acesso: 10/10/2016.

Mikaca, B; A, Kostic-Ljubisavljevic, V. R.Dogatovic in Big Data: challenges and opportunities in logistics systems – 2^nd Logitic Internacional Conference – Belgrad, Servi – 21-23 May 20156. Pag. 185-190.

Kognitio (AnalyticNews)  in How Big Data is helping transform the logistics industry – disponível em : http://kognitio.com/how-big-data-is-helping-transform-the-logistics-industry/ - acesso: 10/10/2016.

Writika.bhaskar in How to use big data in supply chain logistics – disponível em : http://dreamorbit.com/how-to-use-big-data-in-supply-chain-logistics/ - acesso: 10/10/2016.

Armstrong, A in Big Data analytics and the evolution of the supply chain – disponível em http://tech.co/big-data-analytics-evolution-supply-chain-2016-05 - acesso: 10/10/2016.

DHL report – Big Data in Logitics – DHL Customer Solutions & Innovation – Version:1: Jne 2013 – disponível em : https://www.delivering-tomorrow.com/wp-content/uploads/2015/08/CSI_Studie_BIG_DATA_FINAL-ONLINE.pdf - acesso: 08/10/2016.

Rignel, D. G.; Chenci, G.P. e Lucas, C.A. – in Uma introdução a Logica Fuzzy. RESIGeT - Revista Eletrônica de Sistema de Informação e Gestão Tecnológica – Volume 1 – Ano 1- 2011 - Pags. 17 – 28.

_______________________________________

Paulo Sérgio Gonçalves é engenheiro pela Universidade Federal do E.E.Santo, M.Sc. em Engenharia de Produção pela COPPE/UFRJ e MBA em Estratégia Empresarial pelo PDG/IBMEC , consultor na área de operações (manufatura e serviços), professor do IBMEC/RJ e autor das seguintes obras didáticas:

Administração de Materiais - 5ª Edição - Editora Elsevier.

Logística e Cadeia de Suprimentos - O Essencial - Editora Manole.

Administração de Estoques - Teoria e Prática - em coautoria de E. Schwember - Editora Interciência.