Cantu usa IA para reduzir erro na previsão de demanda

A Cantu Inc. automatizou a previsão de demanda de mais de 5 mil itens de seu portfólio e reduziu de cerca de duas semanas para seis horas o tempo necessário para gerar as análises utilizadas no planejamento de estoques. A companhia também registrou redução de 15% no erro das previsões após a implantação do sistema.

O projeto foi desenvolvido pela A3Data sobre infraestrutura de nuvem da Amazon Web Services (AWS) e utiliza modelos de aprendizado de máquina para projetar a demanda por produto e região. A mudança atinge uma operação que reúne produtos nacionais e importados e mais de 40 filiais e centros de distribuição nas cinco regiões do Brasil. A Cantu trabalha com pneus para veículos de passeio, carga e aplicações fora de estrada e atende frotistas, revendas e indústrias, além do varejo físico e eletrônico.

Antes da automação, o processo de forecasting era realizado manualmente e apresentava erro de 62%, medido pelo indicador WMAPE (Weighted Absolute Percentage Error). Segundo a empresa, a implantação da nova ferramenta reduziu esse erro em 15% nos primeiros cinco meses.

Previsão chega ao nível de cada SKU

Além da redução do tempo de processamento, a empresa passou a elaborar previsões por SKU e Unidade da Federação. Anteriormente, as projeções eram realizadas por grupos de produtos.

A maior granularidade permite ajustar decisões de compra, distribuição e reposição de estoques de acordo com a demanda prevista em cada mercado. Para uma operação com itens importados, o planejamento também influencia decisões relacionadas a prazos de abastecimento e capital imobilizado em estoque.

A arquitetura implantada consolida históricos de vendas e cadastros e automatiza etapas de captura, tratamento e processamento dos dados. Os modelos preditivos analisam os mais de 5 mil SKUs em paralelo. Segundo a Cantu, a melhoria das previsões permitiu reduzir estoques parados, custos associados a excessos e riscos de ruptura.

Como próxima etapa, a empresa pretende ampliar o uso da plataforma para visualização de dados e incorporar aplicações de inteligência artificial generativa em análises de mercado, cenários macroeconômicos e ferramentas voltadas à cadeia de suprimentos.