Quando a Suíça decidiu reduzir o congestionamento e a poluição ao remover dezenas de milhares de camiões de carga das vias rodoviárias alpinas, construiu o Túnel Gotthard, o mais longo e profundo túnel ferroviário do mundo. Este feito de engenharia moderna é uma bênção para as entidades civis e comerciais, mas esses impressionantes projetos de construção não são a única maneira de melhorar o futuro do transporte e da logística.
Num mundo cada vez mais competitivo e conectado, onde apenas 29% dos CEOs de transporte e logística (T&L) estão confiantes de que as receitas das empresas vão crescer no próximo ano, mais e mais empresas de T&L estão a recorrer a novos serviços de machine learning baseados na cloud para ajudá-los a tornarem-se mais eficientes e a proporcionar uma melhor experiência aos seus clientes.
Essa convergência da cloud e da IA está a permitir uma inovação generalizada na tecnologia autónoma, especialmente na mobilidade. Isto é uma mudança no jogo, pois 68% dos diretores das empresas de T&L acreditam que as mudanças nas principais tecnologias de prestação de serviços vão revolucionar o setor nos próximos cinco anos, de acordo com a PWC, enquanto 65% antecipam o progresso nos canais de distribuição.
No total, existem quatro áreas principais onde o machine learning está a impulsionar uma revolução da mobilidade para a indústria dos transportes e logística: prever a procura e a otimização das rotas; condução autónoma e mapeamento; robótica; e deteção de anomalias.
Por exemplo, o Convoy, que está a revolucionar o setor dos camiões em cerca de 740 mil milhões de euros, otimiza as rotas aproveitando os modelos de machine learning. O transporte rodoviário de mercadorias nos Estados Unidos é uma rede fragmentada de carregadores e transportadores que trabalham através de corretores humanos – um sistema ineficiente, que resulta em 40% dos 152 mil milhões de km percorridos anualmente são atravessados por veículo com transporte vazio. O Convoy é capaz de analisar milhões de tarefas de transporte para criar as combinações mais eficientes no setor, aumentando os lucros ao reduzir km vazios e, crucialmente, diminuindo as emissões de CO2.
Mas a indústria dos pesados está a passar por uma escassez nacional de, pelo menos, 100 mil condutores. Solução? Camiões autónomos. Na TuSimple, a equipa de tecnologia implementou mais de 100 módulos de IA baseados na cloud para fazer, de forma segura e eficiente, entregas comerciais mais autónomas em mais de 100 milhas. Mesmo a 104 km/h num veículo carregado, o algoritmo avançado de IA da TuSimple pode fazer uma distinção entre os tipos de veículos que partilham a estrada e determinar a velocidade, além de manter os camiões da TuSimple centrados com segurança nas faixas com uma precisão de 5cm.
No Sudeste Asiático, a empresa de partilha de boleias Grab queria impulsionar os algoritmos de match e fornecimento on-demand, em tempo real. A empresa apostou nas ferramentas de machine learning para ter acesso a dados de computação em tempo real e fluxos de dados que suportam 1,5 milhões de reservas de boleias, melhorando, em última instância, o desempenho de match e fornecimento em 30%.
Outro exemplo de IA e machine learning que impactam positivamente a indústria T&L é a solução analítica de séries temporais alimentadas por IA que a Lyft usa. Esta tecnologia apresenta automaticamente anomalias que sinalizam problemas de negócios maiores e deteta incidentes que exigem uma inspeção. A Lyft tem experienciado uma enorme economia de custos por não ter de investir em grandes quantidades de dados in-house ou inspecionar dashboards de forma manual.
A precisão das previsões é um fator importante e na Aramex – que providencia entregas expresso internacionais e domésticas, reencaminhamento de carga e serviços de compras online – as operações de tráfego em tempo real processam milhares de pedidos por minuto. Ao implementar um serviço totalmente gerido e baseado na cloud a Aramax registou um aumento de 74% na precisão das previsões de tempo de tráfego, diminuindo em 40% as chamadas de serviço relacionadas com entregas.
O machine learning baseado na cloud e nas ferramentas de IA está também no próprio seio da Amazon.com – que entrega por ano mil milhões de encomendas – desde o momento em que os clientes fazem a encomenda até à entrega. Usamos algoritmos de forecast para prever o que é que os clientes podem pedir, de forma a garantir que temos stock suficiente nos armazéns. Os serviços de IA e machine learning da AWS também capacitam a distribuição dos nossos centros de robótica, os métodos para trabalhar com os nossos parceiros de distribuição e ainda otimizar as nossas rotas de entrega.
As lições dos últimos anos são claras: ser competitivo no setor de T&L nunca foi tão complexo e o lucro vem apenas com a eficiência impulsionada pela tecnologia. Felizmente, as novas inovações em IA e ML fornecem às empresas de transportes uma enorme vantagem, oferecendo-lhes as ferramentas avançadas necessárias para resolver seus maiores problemas e, assim, prosperar.
