Você deve imaginar que a previsão de demanda é um elemento fundamental na operação de uma montadora automotiva, com influência direta na eficiência e nos custos. No contexto de gestão de estoques, ela envolve a análise de vários fatores críticos, incluindo a sazonalidade e o uso de peças na montagem dos veículos. A falta de precisão na previsão de demanda, por exemplo, pode resultar na escassez de peças e, consequentemente, comprometer a produção. A compra de peças em excesso, por sua vez, pode acarretar altos custos de armazenamento.
Uma montadora de veículos de alto padrão, que conta com estoques próprios, estoques de terceiros e fornecedores, estava enfrentando problemas em diversos armazéns espalhados pelo país. Portanto, recorremos à implementação da inteligência artificial para manter os estoques em níveis controlados e garantir que a linha de montagem não parasse devido à falta de peças.
Por meio do nosso Centro de Excelência em Dados e IA, desenvolvemos dois projetos distintos. Confira!
O que foi realizado
Em um primeiro momento, o foco foi resolver a questão que envolvia a previsão de demanda. O segundo projeto envolveu a utilização de Machine Learning e, posteriormente, IA Generativa para mapear possíveis falhas em máquinas e equipamentos. Como a linha de montagem do cliente é totalmente automatizada, realizamos uma análise preditiva.
Ambas as iniciativas foram baseadas em modelos generativos de IA e LLM (GPT-4, GPT-3.5, Llama 2, Mistral) e Prompt Engineering.
Resultados obtidos
A implementação das soluções relacionadas à previsão de demanda resultou em uma economia anual de aproximadamente R$ 500 mil por armazém. Tendo em vista que a melhoria foi realizada em 63 armazéns da montadora, o valor total economizado foi de R$ 31 milhões/ano. O sucesso do projeto foi tamanho que os processos foram implementados em outras instalações da marca.
Já em decorrência do segundo projeto, a estimativa é de uma economia de R$ 2,5 milhão no ano. Além da redução de gastos, as melhorias também evitaram uma possível parada na linha de montagem por falta de peças ou ferramentas com problemas. Os bons resultados também fizeram com que a iniciativa fosse estendida para o departamento de Qualidade de Análise de Peças.
