[ad_1]
Mesmo durante uma pandemia, os gerentes da cadeia de suprimentos do Walmart precisam garantir que as lojas e os armazéns estejam estocados com o que os clientes desejam e precisam. O COVID-19, no entanto, lançou o programa digital que os ajuda a prever quantas fraldas e mangueiras de jardim precisam para manter as prateleiras.
Normalmente, o sistema pode analisar de forma confiável itens como níveis de estoque, tendências históricas de compras e descontos para recomendar a quantidade de um produto a ser pedido. Durante a interrupção mundial causada pela pandemia do COVID-19, as recomendações do programa mudam com mais frequência. “Tornou-se mais dinâmico e a frequência que estamos vendo aumentou”, disse um gerente da cadeia de suprimentos do Walmart, que pediu para não ser identificado porque não tinha permissão para falar com a mídia. The Cibersistemas.
A maioria das empresas de varejo depende de algum tipo de modelo ou algoritmo para ajudar a prever o que seus clientes desejam, seja uma simples planilha do Excel ou um programa refinado e desenvolvido por engenheiros. Normalmente, esses modelos são bastante confiáveis e funcionam bem. Mas, como todo o resto, eles são afetados pela pandemia.
“Quando você tem algo como o COVID-19, é apenas um erro total”, diz Joel Beal, co-fundador da empresa de análise de bens de consumo Alloy. “Nenhum modelo pode prever isso.”
Os pesquisadores entendem como choques no sistema, como desastres naturais, podem prejudicar as cadeias de suprimentos e como afeta as previsões de demanda. Desastres como furacões ou inundações, no entanto, são geralmente regionais. A pandemia está afetando o mundo inteiro. Mesmo que as empresas testassem seus modelos de previsão de demanda contra doenças como H1N1 e SARS, elas não teriam representado algo desse tamanho. “Essa pandemia de coronavírus está em outro nível inteiramente”, diz Anna Nagurney, especialista em modelo de cadeia de suprimentos e professora de operações e gerenciamento de informações da Universidade de Massachusetts em Amherst.
Os modelos de previsão geralmente usam dados passados para prever tendências futuras. Se uma empresa vendeu muitos cortadores de grama em abril, eles podem usar esses dados para informar à empresa que mantenha mais cortadores de grama em estoque em abril do ano seguinte. Os modelos também podem normalmente assumir que os cortadores de grama podem ser produzidos e transportados em um determinado horário.
As mudanças radicais no comportamento, transporte e produção das pessoas durante essa pandemia significam que o fluxo e refluxo geralmente previsíveis são reduzidos. “Agora teremos tantos discrepantes em termos de dados”, diz Nagurney. “Tudo mudou.”
Devido às enormes interrupções em todo o mundo, os dados normais que alimentam os modelos – que incluem padrões de compra ao longo dos anos – não são tão relevantes.
“Você provavelmente não usará tantos dados históricos ou não estará pesando tanto quanto esperava”, diz Beal. Em vez disso, as empresas provavelmente estão usando dados muito mais recentes: olhando para a semana passada para prever a próxima semana, por exemplo, ou apenas contando com os poucos meses de informações sobre o que foi comprado desde que a pandemia decolou em todo o mundo.
Os modelos ainda podem ser usados. “São os dados que você digita que precisam ser alterados”, diz Nagurney. Empresas como Walmart e Amazon que usam modelos de aprendizado de máquina mais complicados provavelmente também aumentarão a quantidade de incerteza incorporada em seus sistemas, diz ela.
Esses ajustes permitem que as empresas continuem prevendo. As previsões que eles fazem agora, no entanto, não serão tão precisas quanto as que eles foram capazes de fazer alguns meses atrás. “Eles não vão nos dar a precisão que já vimos antes”, diz David Simchi-Levi, professor de engenharia civil e ambiental do Instituto de Tecnologia de Massachusetts.
Em vez disso, as pessoas que gerenciam cadeias de suprimentos terão que interpretar mais ativamente as projeções, diz Beal. “As empresas precisam confiar mais em bons planejadores de demanda e pessoas de previsão, que dirão: ‘eu acredito nisso’? Em vez de acreditar que esses modelos serão capazes de capturar tudo o que está acontecendo”.
A Alloy, por exemplo, trabalha com uma empresa que viu as vendas de seus produtos subirem 40% em um grande varejista em março. (Beal não pôde divulgar os nomes da empresa ou do varejista.) O varejista fez um pedido enorme para abril, devido ao aumento nas vendas, mas sabia que a demanda pelo produto já havia caído novamente, e o varejista não não será capaz de vender tudo o que eles pediram. “É isso que estamos vendo repetidamente”, diz Beal. “Muitos desses sistemas não foram alcançados”. Nesse caso, a empresa disse ao varejista para não comprar grande parte de seu produto, e eles puderam se ajustar.
Algumas empresas estão mudando seus sistemas para dar conta da pandemia, diz Simchi-Levi. Ele está trabalhando com uma empresa que está tentando combinar modelos que prevêem a duração e a gravidade dos surtos de COVID-19 em vários países com seus modelos usuais de aprendizado de máquina da cadeia de suprimentos.
Os modelos da cadeia de suprimentos também terão que mudar para dar conta da pandemia, mesmo depois que ela passar. “Este é um período em que provavelmente não vou querer usar o que estou prevendo o que acontecerá no próximo ano”, diz Beal. Além disso, as pessoas podem continuar comprando coisas como papel higiênico e feijão a taxas diferentes das praticadas antes da pandemia, portanto algumas mudanças podem durar mais tempo do que a crise, diz ele. “Teremos que entender o novo estado estacionário”.
As interrupções nos sistemas de modelagem durante esta pandemia mostram algumas das limitações de depender de computadores para prever a demanda por produtos. “A maioria das empresas luta com isso e é um desafio contínuo, mesmo em ‘tempos normais'”, diz Beal. A pandemia pode levar as empresas a investir menos recursos em previsão de demanda e a se concentrar mais em responder ao que vêem diante delas. “É muito diferente pensar que você pode prever como será o mundo meses depois”, diz ele.
[ad_2]
Fonte
