Como os dados estão modernizando e trazendo vantagens competitivas para operadores logísticos, desde entregas autônomas até análises de rotas.
Veja aqui uma constatação interessante sobre a área de logística e dados. A palavra logística tem suas raízes na palavra grega logos, que significa razão. Outro significado possível para a palavra é “aritmética prática”. Atualmente, muitos provedores de serviços de logística (LSPs) criam fluxos massivos de mercadorias e, nesse processo, criam vastos registros informativos. Responsável por milhões de remessas todos os dias e milhões de informações associadas a elas, a única coisa que os LSPs precisam fazer é aproveitar as informações valiosas que os dados podem fornecer. A aplicação prática desses dados ajuda suprir muitas lacunas nas operações logísticas. Dessa forma, é possível colocar a parte de Aritmética Prática de volta na palavra.
O setor de logística há muito depende de processos manuais obsoletos com aparelhos e máquinas inflexíveis, o que acarreta em perda de produtividade, altos custos e também insatisfação dos clientes. Porém, com a ciência de dados, esse cenário está mudando. A combinação de análises de dados, inteligência artificial e aprendizado de máquina para explorar tendências e identificar padrões tem potencial para fornecer um grande impulso para transformar os negócios de LSP.
Um estudo do Conselho de Profissionais de Gerenciamento da Cadeia de Suprimentos mostra que 93% dos transportadores e 98% das empresas 3PL (Third Party Logistics Provider) acreditam que a análise de dados é fundamental para a tomada de decisões inteligentes. Quase 81% dos remetentes e 86% dos 3PLs pesquisados disseram que o uso eficaz de big data e ciência de dados se tornará uma competência essencial de suas organizações de cadeia de suprimentos. Além disso, 71% deles acreditam que big data melhora a qualidade e o desempenho das operações.
Todos esses pontos apenas reforçam a força dos dados nas operações logísticas. Vamos nos aprofundar em alguns casos de uso, com foco em logística e entregas, para você ter uma ideia melhor da dimensão desse impacto. Caso queira uma visão mais ampla sobre dados e Supply Chain, consulte este post.
Otimização de rotas
A otimização de rotas é o processo de determinar a rota mais rápida possível para chegar a um local. Isso ajuda a evitar problemas como o roteamento de veículos (VRP) que se preocupa com uma rota ideal para um veículo entregar o item ao cliente. O algoritmo de otimização de rotas considera dados que incluem a quantidade de mercadorias encomendadas, distância geográfica do local de coleta e entrega, frequência do pedido, etc. A ciência de dados pode ser empregada para rastrear o veículo mais próximo e as informações podem ser compartilhadas sem demora.
Também pode ajudar na identificação de tendências com base no número de pedidos, clima, velocidade média na rota, quantidade de combustível e tempo. O big data também ajuda a identificar comportamentos de viagem com precisão e de forma mais abrangente. A coleta de dados ambientais por meio dos sensores acoplados aos veículos ajudará na identificação da poluição, níveis de ruído, detalhes de tráfego, etc. De acordo com os dados, a otimização de rotas tem o potencial de reduzir a emissão de Co2 entre 5% e 25%, aumentar a otimização de quilometragem percorrida em até 15%, e reduzir o tempo gasto em planejamento e administração em 25% a 75%.
Veículos autônomos
O conceito de entrega autônoma se mostrou uma solução muito aderente ao cenário de pandemia. E para colocar essa operação em pé, é necessário muitos dados e tecnologia. Estamos falando aqui de bots autônomos que entregam pedidos online diretamente na porta dos clientes, sem motoristas ou entregadores humanos. Esses bots podem funcionar 24 horas por dia, 7 dias por semana e chegar em nossa casa quando voltarmos do trabalho.
E não estamos falando aqui de um conceito imaginário. Já existem bots de entrega autônoma! E claro que o exemplo vem da Amazon. A gigante da logística possui uma frota inteira dos chamados robôs Scout, entregando pacotes em áreas suburbanas selecionadas nos Estados Unidos. Vamos ver como os robôs Scout funcionam na vida real:
Essas lojas, localizadas em quatro províncias diferentes, são entregues por meio de prestadores de serviços de transporte terceirizados. Eles fornecem caminhões com três capacidades diferentes (3,5 toneladas, 5 toneladas, 8 toneladas). Com base nos planos de roteamento e carregamento projetados pelos planejadores de transporte, um caminhão dedicado é alocado para entregar as lojas.
Imaginemos um cenário com três lojas em Xangai que encomendaram um total de 30 paletes (5 T). A equipe do armazém prepara os pedidos e coloca as caixas em paletes. O planejador de transporte decide entregar essas três lojas com um único caminhão 5T. Os paletes são carregados no caminhão.
Para a entrega dessas três lojas em Xangai o custo = 650 (Rmb). O papel da equipe de planejamento de transporte é projetar rotas para garantir que seus caminhões estejam cheios quando saem do armazém.
Portanto, eles evitam o maior número possível de rotas de loja única para maximizar a taxa de enchimento. Agora, com o objetivo de reduzir o custo total de transporte, a primeira percepção é que, se aumentarmos o tamanho médio dos caminhões, reduzimos o custo total por tonelada Um bom método é entregar mais lojas por rota.
Analisando os últimos 12 meses de entregas, é preciso desenhar um novo plano de transporte para aumentar o tamanho médio dos caminhões entregando mais lojas por rota. Devido às limitações operacionais, é preciso respeitar as restrições como:
-
Janela de tempo de entrega: as lojas podem receber produtos apenas em um determinado horário do dia
-
Restrições Rodoviária : caminhões grandes são proibidos em algumas estradas
-
Condições de Descarga: algumas lojas precisam ser entregues primeiro
Solução: Teoria dos Grafos
Um grafo é uma estrutura que contém nós (lojas) e cada um dos pares de nós relacionados é chamado de aresta.
Uma borda de duas lojas significa que essas lojas foram entregues juntas pelo menos uma vez. Por exemplo, a loja 2 foi entregue com a loja 3, a loja 5 e a loja 1. E a pergunta que paira é: com o roteamento atual, quais lojas são entregues juntas?
Vamos dar uma olhada nos resultados com o roteamento atual:
Podemos encontrar diferentes tipos de clusters:
-
Tipo 1: as lojas são todas interligadas que geralmente representam uma única rota (bom para agrupar várias lojas em uma rota)
-
Tipo 2: as lojas são conectadas sequencialmente criando uma cadeia
-
Tipo 3: 1 loja está conectada a todas as outras lojas
Este visual pode apoiar discussões com a equipe de transporte.
-
Por que temos 2 lojas isoladas em Zhejiang ?
-
Podemos aumentar o tamanho médio do caminhão se agruparmos os dois pares isolados de Xangai?
-
Podemos ter mais clusters do tipo 1?
E a pergunta: Qual é o impacto do tamanho dos caminhões?
Exemplo: apenas caminhões de 3,5 T. Nosso principal problema é a alta proporção de caminhões pequenos em nossa frota.
Gráfico de rede de caminhões 3.5T
Há menos interconexões para essas rotas. Não há grandes clusters de nós interconectados.
Tamanho Médio do Caminhão: A observação é confirmada quando você observa o número médio de entregas por rota para cada tamanho de caminhão.
Exceto durante o período de pico do Ano Novo Chinês, você pode ver que caminhões grandes têm um número maior de entregas por rota.
Pergunta: Qual é a diferença entre o menor e o maior índice de lojas por rota?
Para o melhor cenário (esquerda), as lojas são altamente interconectadas (até 4 conexões). O contraste é claro com a outra rede que é altamente fragmentada.
Por fim, Samir Saci conclui que o estudo em questão fornece uma representação visual da rede de distribuição para apoiar o trabalho colaborativo com as equipes de transporte. Com base nessa análise, é possível propor melhorias potenciais (agrupar lojas adicionais, mesclar rotas) e avaliar a viabilidade operacional com as equipes. Esta análise é o início do estudo, cada uma das soluções potenciais precisa ser validada pelas operações e gerentes de loja para garantir uma implementação efetiva.
