Em todo o mundo, as cadeias de suprimentos estão expostas às condições e às mudanças normativas, geopolíticas, meteorológicas, geológicas, e de infraestrutura (como caminhos e estradas), com todos os riscos que isso implica e que podem interrompê-las ou atrasá-las. Ou seja, o risco tem muitas verticais: financeiras, operacionais, sociais, etc.
Portanto, risco e incerteza têm sido conceitos muito estudados no âmbito do comportamento das cadeias de suprimentos, e vêm mudando, porque as ameaças e os riscos são difíceis de medir, e vão além de um evento.
No entanto, desde uma visão realista e pragmática, e quando o objetivo é oferecer melhores e mais oportunas respostas aos clientes, ao tomar decisões com o fator incerteza, o risco não é o único a ser considerado, e uma tendência para ajudar às previsões tem sido se focar em características dos sistemas, como por exemplo, a eficiência dos processos, a capacidade de resposta, a vulnerabilidade e a resiliência. Considerá-los na tomada de decisões permite mitigar os riscos.
O tempo é o outro fator vital. De fato, risco e tempo são dois lados da mesma moeda, pois o tempo transforma o risco, e sem amanhã não haveria riscos, ou seja, o futuro é o campo de jogo. E para tentar ter algum controle sobre destino e tempo, a tendência é trabalhar com a probabilidade e a gravidade dos efeitos desfavoráveis para gerenciar as habilidades dos sistemas para se recuperar após um evento desfavorável.
O risco se soma à mudança
Além dos riscos listados acima, deve-se levar em consideração também as grandes mudanças na tecnologia, nas formas de fazer negócios e na sociedade em geral, como a evolução dos consumidores e seu nível de exigência, uma maior variedade de produtos e cadeias de suprimentos mais longas e complexas, fatores que não fizeram mais do que aumentar as incertezas nos mercados.
Para enfrentar estas mudanças, as empresas também tiveram que mudar para lidar com a variabilidade do abastecimento e tentar evitar as interrupções em suas cadeias de suprimentos.
Como reduzir a incerteza
Falando de cadeias de suprimentos, a incerteza refere-se às mudanças de cumprimento e rentabilidade devido a eventos potenciais e imprevisíveis, e às dificuldades do processo de tomada de decisões com a falta de transparência na cadeia de suprimentos, ou seja, desconhecendo o estado e o impacto das possíveis ações.
E com eventos podemos nos referir a um terremoto ou um furacão, bem como um pedido de última hora, um atraso na entrega de um fornecedor ou uma avaria nos equipamentos de produção, para citar exemplos.
E embora os modelos para medir riscos externos possam ser complexos, eles podem se basear em muitos dados públicos. E, por outro lado, existem ferramentas e dados de análises - muitas vezes já disponíveis dentro das empresas - que podem nos ajudar a reduzir a incerteza interna. Por exemplo:
O inventário
O inventário pode ser utilizado como uma reserva para lidar com imprevistos e mudanças abruptas na oferta e demanda.
A cadeia de suprimentos deve responder à demanda real, mantendo um alto nível de serviço ao cliente. No entanto, a melhor opção é otimizar continuamente o inventário com base em uma previsão sólida. E para isso, o padrão de otimização deve lidar não apenas com a demanda e a incerteza da demanda, mas também com as incertezas do lado da oferta, pois, como já mencionamos, os atrasos nas entregas dos fornecedores ou variações na qualidade costumam acontecer.
Para conseguir um bom modelo de otimização, você terá que se perguntar constantemente por que o inventário não está sincronizado com a cadeia de suprimentos, seja abaixo ou acima. Ao descobrir as causas destes casos, serão reveladas também as incertezas que o modelo de otimização deve enfrentar.
O próximo passo seria identificar os dados que sustentam o modelo, que podem estar disponíveis no sistema ERP, ou MES, por exemplo, as entregas tardias ou os problemas de qualidade.
A manutenção
As empresas devem ter em mente a lei de Murphy, porque definitivamente é verdade que "Tudo o que pode dar errado, vai dar errado, e no pior momento possível".
Em termos de produção, é necessário prever avarias para evitar que aconteçam nos momentos de mais carga, criando mais problemas de abastecimento e, portanto, de serviço ao cliente.
As organizações precisam de programas de manutenção preventiva, capazes de prever e prevenir falhas por desgaste. A manutenção preditiva (por exemplo, com sensores que medem informações sobre o equipamento, o processo ou o material) é um complemento final da manutenção preventiva para melhorar o desempenho dos equipamentos e maquinário.
Isso permite automatizar processos, alertar os operadores sobre eventos importantes ou inesperados e coletar dados para monitorar e medir o desempenho das máquinas. E se você for além, com uma análise abrangente dos dados dos sensores em relação aos dados de avarias históricas, podem ser revelados padrões mais complexos, e por isso, em vez de simplesmente reagir a uma leitura de um sensor, pode-se reagir às leituras de vários sensores, permitindo uma detecção de problemas mais precoce.
A qualidade
Outro fator de incerteza é não saber se os produtos que estão sendo produzidos passarão ou não nos testes de qualidade, pois a desmontagem ou retirada de componentes ou produtos finalizados que não cumprem a qualidade necessária é custoso de várias maneiras, e coloca uma pressão adicional na linha de produção.
Por um lado, está a qualidade experimentada pelo cliente, que podemos conhecer por meio de reclamações e redes sociais, e devemos estar atentos a isso. No entanto, o melhor, claro, é identificar os problemas internamente.
Para isso, a chave é encontrar as causas fundamentais da produção de baixa qualidade. Dependendo dos dados disponíveis e da linha de produção específica, isso pode exigir análises estatísticas, análises preditivas e inclusive inteligência artificial, ou a instalação de sensores adicionais na linha de produção para coletar dados faltantes.
Como conclusão, as empresas devem utilizar todos os dados externos disponíveis para avaliar da melhor forma possível a incerteza externa, e a análise de seus próprios dados para reduzir os custos associados à incerteza interna, aproveitando e unindo habilidades analíticas com o conhecimento do próprio processo de fabricação. Quanto mais sabemos sobre o presente, melhor podemos prever o futuro.
