35 TRANSFORMAÇÃO DIGITAL Uma importante área de aplicação das soluções de IA é o planeamento e controlo da produção (PPC, na sigla em inglês). É o que acontece, por exemplo, no Modelo Hannoveriano da Cadeia de Abastecimento (em alemão, Hannoveraner Lieferkettenmodell, ou HaLiMo), que estrutura as tarefas e processos de PPC de acordo com a sua sequência temporal e lógica (ver Figura 1). De seguida, descrevem-se três casos de utilização de soluções de IA, no âmbito do HaLiMo. Esta descrição abrange a previsão da data de entrega no contexto da gestão de encomendas, a previsão da procura de materiais no contexto do MRP e o controlo da produção através de agentes inteligentes. PREVISÃO DAS DATAS DE ENTREGA NA GESTÃO DE ENCOMENDAS Na indústria, ser capaz de oferecer e manter prazos de entrega curtos é de grande importância. A gestão de encomendas nas empresas transformadoras tem duas funções importantes. Por um lado, as datas de entrega são negociadas e é prometida uma data fixa como parte do processo de clarificação de encomendas no início do processamento das mesmas. Por outro lado, a coordenação das encomendas acompanha a evolução das mesmas e comunica um atraso em caso de interrupções irrecuperáveis. A IA pode ser utilizada para prever as datas de entrega, apoiando assim estas duas tarefas. Os métodos tradicionais para determinar as datas de entrega baseiam-se frequentemente em métodos estatísticos simples que apenas têm em conta alguns fatores influentes, bem como o conhecimento especializado. Com a ajuda de métodos de IA, é possível utilizar dados mestres e transacionais disponíveis nas empresas através da utilização de sistemas ERP e MES modernos (por exemplo, dados de confirmação, rotas, movimentos de armazém) e utilizá-los para prever datas de entrega. A possibilidade de pesquisar grandes quantidades de dados num curto espaço de tempo permite detetar padrões e tendências e calcular as datas de entrega automaticamente. Os algoritmos de IA utilizados são frequentemente muito superiores aos métodos estatísticos. No entanto, deve notar-se que o princípio GIGO (Garbage In - Garbage Out) também se aplica aqui. Os algoritmos só podem processar o que lhes é dado. Se os dados principais forem mal conservados ou se os dados de retorno forem incompletos e de baixa granularidade, o resultado será fraco. É também de notar que a IA nem sempre determina a data de entrega correta, mas sim a data mais provável com base nos modelos subjacentes. No entanto, uma vez que um modelo de IA não pode ter em conta todas as condições ambientais, como o absentismo ou estrangulamentos de entrega invulgares, é necessário verificar a data de entrega antes de a comunicar ao cliente. PREVISÃO DE NECESSIDADES DE MATERIAL NO PLANEAMENTO DE NECESSIDADES SECUNDÁRIAS No planeamento de necessidades secundárias, estas são determinadas Figura 1: Modelo Hannoveriano da Cadeia de Abastecimento.
RkJQdWJsaXNoZXIy Njg1MjYx