Simplificar e acelerar processos de negócios de alto volume ao longo da cadeia de suprimentos é essencial para as finanças, estoques de produtos, pedidos de compra, transações e fulfillment (transporte, armazenamento, manuseio e entrega) de uma empresa de logística, bem como para suas funções estratégicas. Muitas dessas atividades são repetitivas e sujeitas a erros humanos.
As ferramentas de RPA podem ajudar a automatizar muitas dessas tarefas, para reduzir erros e liberar os agentes humanos para trabalhar em projetos mais interessantes e de maior valor.
Entretanto, em vez de uma abordagem radical de tudo ou nada para a adoção da automação na cadeia de suprimentos, a Automação Robótica de Processos (RPA) é mais eficaz quando direcionada a subprocessos, para melhorar tarefas de alto volume, repetitivas e sujeitas a erros.
A RPA associada com a Inteligência Artificial (IA) também pode complementar outras tecnologias para melhorar as decisões de negócios, analisar documentos e prever riscos. Certamente a RPA tem suas limitações, mas que podem ser resolvidas com a combinação certa de ferramentas e do julgamento humano.
“Vemos que a tecnologia de RPA está se tornando amplamente adotada nas operações diárias da cadeia de suprimentos”, disse Mike Kreider, vice-presidente de TI para as Américas da DHL Supply Chain, com sede em Bonn, Alemanha. A DHL está usando a RPA para automatizar funções manuais de entrada de dados, gerar atualizações de status da cadeia de suprimentos e realizar funções de auditoria de sistema para sistema. “A RPA ajudou a preencher lacunas da comunicação entre sistemas, quando a integração de sistemas tradicionais e APIs não estão disponíveis”, acrescentou Kreider. Dessa forma, funções complexas da cadeia de suprimentos podem ser processadas mais facilmente nos sistemas de gerenciamento de ERP, transporte e armazenamento.
Muitos processos manuais são executados no setor de transporte, incluindo a entrada de pedidos, acompanhamento e rastreamento, monitoramento do agendamento e geração de comprovantes de entrega para os clientes. A DHL criou oito robôs de software de RPA rodando em um centro de controle localizado em Detroit, para dar suporte aos clientes. Kreider relatou que a empresa está economizando centenas de horas de trabalho por dia em tarefas repetitivas, como pesquisar o status de entrega dos carregamentos em sites de transportadoras, gerar atualizações por e-mail sobre o status de entrega, criar pedidos de transporte a partir de uma lista de itens prontos para envio e captura de documentos de prova de entrega a partir dos sites, para atualizar sistemas de gestão de transporte. “A RPA é uma parte crítica da nossa oferta de serviços”, disse Kreider, “e também nos ajudou a eliminar muita papelada, o que traz benefícios operacionais e ambientais”.
Por enquanto, Kreider vê a RPA na DHL usado principalmente no back office e em algumas operações de linha de frente. “No futuro”, observou ele, “prevejo que mais avanços em aprendizado de máquina e IA irão melhorar ainda mais a eficácia das ferramentas de RPA e torná-las mais fáceis de programar, o que provavelmente levará ao seu uso em outros aplicativos e processos na cadeia de abastecimento”.
Solução para múltiplos problemas
Qualquer tipo de falha ou gargalo ao longo da rota em uma cadeia de abastecimento pode retardar processos críticos e causar erros caros. A RPA ajuda a reduzir vários tipos de ineficiências. As cadeias de suprimentos têm muitos processos ponta a ponta, como “ordens de pagamento” e “contas a pagar”, e muitos subprocessos como “captura de pedidos” e “pagamento de faturas”.
“Sempre que possível, os dados digitais serão transmitidos sem problemas de sistema para sistema”, disse Simon Bailey, diretor de pesquisa sênior da cadeia de suprimentos do Gartner. “Mas as empresas se fundem e se separam, novos sistemas vêm e vão e as pessoas cometem erros ao redigitar os dados. Os erros aparecem graças a inúmeras ineficiências.”
Cada tipo de ineficiência pode levar a uma variedade de problemas em toda a cadeia de abastecimento:
-
As ineficiências de sistemas são geradas pela falta de integração, processos manuais ou erros nas configurações dos sistemas.
-
As ineficiências de dados são motivadas por dados desalinhados entre cliente e fornecedor, dados mestres incorretos ou ausentes em uma empresa ou atrasos na atualização de dados transacionais, como alterações de preços.
-
As ineficiências nas regras são causadas por diferenças em como os comerciantes e os fornecedores definem essas regras, como formas de pagamento do cliente.
-
A ineficiência das pessoas é impulsionada pela estrutura organizacional, funções e responsabilidades inconsistentes e funcionários sobrecarregados, descomprometidos, distraídos ou estressados.
Dividir processos complexos em subprocessos criados a partir de tarefas simples pode ajudar a eliminar gargalos. A RPA atua melhor para automatizar a movimentação de dados estruturados usados em tarefas padronizadas em vários sistemas estáveis, especialmente tarefas altamente repetitivas, não processos, que exigem grandes volumes de redigitação e apresentam maior potencial para erros.
“A RPA”, explicou Bailey, “pode executar tarefas ininterruptamente por meio de scripts, de maneira mais rápida, com menos erros e com custo mais baixo do que executar manualmente o mesmo processo para tarefas rotineiras, repetitivas, baseadas em regras e previsíveis, e é menos eficaz quando este não é o caso”.
Superando interrupções com RPA e IA
A estratégia da cadeia de suprimentos não estava recebendo muita atenção dos executivos de todo o mundo antes dos eventos do ano passado. Devido às ameaças de interrupções reais e potenciais da cadeia de abastecimento causadas pela pandemia do COVID-19, bem como pelo Brexit (saída do Reino Unido da União Europeia) e a guerra comercial em andamento entre os EUA e a China, o assunto está merecendo uma análise mais cuidadosa.
Unir os silos de dados de forma eficaz é uma maneira de superar essas interrupções, de acordo com Jeanette Barlow, vice-presidente de estratégia e gerenciamento de ofertas da IBM Sterling. As empresas normalmente implantam sistemas separados para gerenciamento de transporte, armazenamento e logística de terceiros, tornando mais difícil para os executivos fazerem avaliações de interrupções. “Se você não tem visibilidade, pode corrigir para mais ou para menos, e isso pode custar caro”, argumentou Barlow.
A RPA pode ajudar a preencher essas lacunas de visibilidade nos sistemas, especialmente para as empresas que lidam com vários parceiros de negócios de menor porte. Uma grande empresa, por exemplo, pode ter vários grandes clientes varejistas com milhares de pequenos fornecedores que dependem de diferentes sistemas de faturamento. A RPA, em conjunto com outras tecnologias, pode determinar por que uma fatura parece diferente do esperado e ajudar a reduzir o tempo que as pessoas gastam contestando-a e garantir que os fornecedores sejam pagos em dia.
Muitas decisões da cadeia de suprimentos envolvem origem e custo dos fornecedores. Durante a pandemia do COVID-19, grandes quantidades de dados de fornecedores que podem afetar a avaliação de risco estão mudando continuamente. A RPA desempenha um papel importante na coleta e entrada desses dados, enquanto a IA e o aprendizado de máquina podem avaliar rapidamente os fatores de risco envolvidos.
Como a RPA não é eficaz em fazer previsões por conta própria, os recursos de IA e de aprendizado de máquina podem ajudar a atender essa necessidade. RPA e IA, por exemplo, podem ser usadas para melhorar a velocidade de sourcing (análise do orçamento total do valor a ser gasto com determinados produtos ou serviços) e a precisão dos dados relacionados aos riscos, com o aprendizado de máquina processando esses dados para ajudar a fornecer recomendações sobre opções alternativas de fornecedores que melhoram a gestão da cadeia de suprimentos.
Dimensionando as implantações de RPA
Os processos da cadeia de suprimentos que usam RPA e IA geralmente evoluem com o tempo, para se adaptar às necessidades de mudança das empresas de transporte e logística, fornecedores e clientes. A RPA foi considerada um dos setores de crescimento mais rápido em 2019, mas muitas empresas ainda enfrentaram desafios para dimensionar suas implantações de RPA.
O Gartner aponta que a hiperautomação está entrando em ação, desenvolvendo uma estratégia para a cadeia de suprimentos de ponta a ponta, visando trazer inteligência ao processo de criação de novos bots de RPA e escalar além dos poucos resultados iniciais dos processos de rotina que não podem ser resolvidos por uma ferramenta única ou com estratégias isoladas.
Uma estratégia emergente é usar a mineração de processos e ferramentas de inteligência para identificar todas as tarefas associadas aos principais processos de negócios, visando ajudar a priorizar os esforços de automação. Usar IA para mineração de processos e descoberta antes de implantar a RPA é uma das maneiras mais seguras de tomar decisões inteligentes sobre automação, podendo identificar onde há gargalos, recorrências, variações e onde tudo está funcionando corretamente na cadeia de suprimentos.
Somos uma consultoria especializada em Transformação Digital e oferecemos medidas e soluções ágeis que superam as expectativas. Com mais de 20 anos de experiência, estamos aptos a acelerar e impulsionar os nossos clientes e a criar parcerias duradouras e agregadoras.
Entre em contato conosco e saiba como podemos auxiliar sua organização a automatizar seus processos com a RPA. Clique aqui.
Texto adaptado do artigo “RPA, AI bolster supply chain resilience in times of crisis”, TechTarget, 2020.
