Já publicamos diversos artigos aqui no Blog com o intuito de melhor esclarecer os novos conceitos, funcionalidades e, principalmente, os novos recursos da Inteligência Artificial. Hoje, trataremos dessa tecnologia, já tão bem inserida em nosso cotidiano, aplicada ao processamento e interpretação de dados do Siscarga e do Mantra com o Machine Learning.
Caso ainda tenha alguma dúvida sobre estes termos, mas queira entender seus ótimos diferenciais, pode conferir nosso artigo introdutório sobre os termos da inteligência artificial e também descobrir o que é um pouco mais o que é o Machine Learning.
Nos acompanhe!
Uma massa de dados rica de informações logísticas
Para seu conhecimento, saiba que algumas informações logísticas são lidas pelos nossos Robôs, sendo a fonte desses dados os sistemas do Siscarga (cargas marítimas) e Mantra (cargas aéreas e terrestres), mantidos pelo Governo Federal. Basicamente são sistemas onde todos os envolvidos no processo logístico precisam alimentar e atualizar os dados constantes nesse sistema.
Conheça nossos módulos: Rôbos.
A ML (Machine Learning) como conhecemos segue um princípio de funcionamento muito simples. Basicamente ela irá trabalhar sobre uma massa de dados e identificará padrões de dados X comportamentos/situações. Essa massa de dados será à base de treinamento da Máquina de Aprendizado, por isso ela deverá sempre estar sendo atualizada, o que permitirá ao algoritmo entender novas mudanças de padrões.
Então estamos falando de uma massa de dados rica de informações logísticas. A título de exemplo, no Siscarga basicamente encontramos: dados do embarcados, origem, destino, peso, volume, tipo do contêiner, NR do contêiner, NR lacre, NCM dos produtos que estão no contêiner, dados do transportador, consignatário, todas as informações de rota e escala do navio, dados da composição dos valores do frete, informações de restrições para retirar o produto no porto ou recinto, presença de carga, etc, etc, etc. São ao todos mais de 300 campos com informações logísticas.
Quando os robôs fazem a leitura eles importam os dados, atualiza os sistemas e compara com as leituras anteriores, e faz os devidos alertas cabíveis. Ele não invade a esfera da ML aplicando uma análise mais profunda, conforme falo logo abaixo, ou seja, são recursos tecnológicos complementares.
Machine Learning: como processa dados?
Já a ML aplicada nessa massa de dados, terá por objetivo identificar padrões de atrasos, padrões de problemas, comparando os dados coletados com os resultados observados no passado. Esses padrões poderão ser vistos por NCM, por origem, por embarcador, por exportador, etc. E serão analisados com o objetivo de entender comportamentos.
Ok. Agora já sabemos sobre as tendências e podemos prever situações futuras. Mas isso por si só é bem limitado, pois essas plataformas (Siscarga e Mantra) não possuem dados referentes aos problemas e ao restante da vida do processo, além da presença de carga e vinculo a uma DI, por exemplo.
Para que esses dados sejam realmente relevantes precisamos de todas as informações do processo de importação vinculadas a eles. E isso só é possível utilizando um sistema de gestão de processos que trabalhe integrado com essas informações.
Agora sim, estamos com a massa de dados desejada para podermos extrair o melhor proveito dessa maravilha moderna.
Podemos entender a correlação dos diversos problemas na fase aduaneira com os padrões logísticos, e pro ativamente, já nas fases preliminares receber essa informação para uma ação preventiva.
O espetacular do Machine Learning é que com o passar dos tempos, essas atitudes preliminares que mitigam os problemas irão influenciar no aprendizado da maquina, até o ponto que será considerado parte do fluxo. Algo que antes era atípico e com intuito de sanar algum problema passa a ser padrão para que o problema deixe de ser observado e/ou reduzido a níveis insignificantes.
Gostou desta nova perspectiva? Aproveite para entender como te ajudaremos com o futuro dos softwares de gestão, claro, focados no comércio exterior!
