Uma empresa de materiais de construção enfrentou um alto nível de estoques de produtos acabados em suas operações brasileiras devido ao espaço limitado de armazéns. Como resultado, não conseguiram manter um nível adequado de estoque de segurança, situação que foi agravada pela pandemia devido à volatilidade adicional da demanda.
| Indústria | Área funcional / Caso de Utilização | Caso de Uso Técnico |
| Materiais de Construção | – Cadeia de suprimentos – Contratos públicos – Planejamento de Inventário – Previsão da demanda | – Captura de dados – Aprendizagem de máquina – Combinação de Modelo |
Os Desafios
Sem espaço disponível e sem dados históricos explicando o novo padrão de demanda, o cliente decidiu aproveitar sua flexibilidade operacional e criar um processo formal de resposta para mitigar o risco de estoque. Os diretores da empresa optaram por passar diretamente para a previsão de inventário em vez de construir um ciclo de planejamento operacional e de percepção de demanda de curto prazo, que teria sido caro tanto em tempo quanto em dinheiro. Como resultado, conseguiram manter uma solução pragmática simples de executar e interpretar.
Como o dhauz ajudou
dhauz desenvolveu um framework de dados altamente escalável associado a um pipeline integrando diferentes fontes de informação. Através disso, foi possível hospedar e coletar dados armazenados em sistemas de TI e relatórios descritivos diários. Os dados necessários forneceram visibilidade total das operações nos dois anos anteriores diariamente, incluindo níveis de estoque, estoque em trânsito, planos de produção e horários, previsões de demanda e consumo, ordens existentes, histórico de estoque e muito mais.
Com os dados prontos, a equipe dhauz treinou um algoritmo Gradient-Boosting que utiliza aprendizagem baseada em árvores para a tarefa supervisionada de classificar se haveria estoque disponível para um determinado armazém e produto para a semana seguinte. Para tornar os resultados consistentes entre regiões e famílias de produtos, o algoritmo foi treinado utilizando diferentes horizontes temporais, comparando acurácia e identificando novas variáveis que explicavam desvios em áreas específicas.
Resultados
Após dois meses, a iniciativa lançou um algoritmo com mais de 80% de precisão e uma pontuação F1 acima de 0,7 para 87 produtos distintos nos cinco maiores armazéns em volume.
Segundo o Diretor de Planejamento e Cumprimento da Cadeia de Suprimentos: "Os modelos de IA criados pela dhauz apresentaram resultados muito melhores do que o esperado na previsão de inventário, e agora estamos criando uma cadeia de reação baseada nesses resultados que melhorarão nosso desempenho em uma escala sem precedentes."
Envie-nos uma mensagem
[id formidável=2]
