O agronegócio é um setor estratégico para o Brasil: representa 24,8% do PIB total brasileiro e 47,6% de toda a exportação nacional. A agricultura adaptada às regiões tropicais, a profissionalização da gestão e a modernização do setor por meio da tecnologia têm alçado o País ao papel de protagonista no comércio internacional de produtos agropecuários.
Mas, nessa trajetória de consolidação, ainda há muitos desafios para equilibrar a balança Produtividade X Custo. Gerar e interpretar dados para tomar decisões na hora certa e, assim, conseguir definir custos precisos de produção e garantir qualidade nas operações, não é tarefa fácil — tampouco possível de ser feito empiricamente com a acurácia necessária.
É aqui que o analytics e a Inteligência Artificial entram, para ajudar o setor com previsões e insights que levam a um resultado de produção com o menor custo possível. Os modelos preditivos e de machine learning contribuem para que o setor lide com o desafio de trabalhar as muitas informações e decisões do negócio.
Nesse conteúdo, vamos apresentar a complexidade da cadeia da Tereos Brasil, do plantio à entrega, e como a empresa ganhou maturidade em sua jornada de dados. Para isso, contamos com a contribuição de Julianne Versiani, Analytical Intelligence Manager da Tereos Sugar & Energy Brazil.
Tereos: contribuições reais do analytics no agronegócio
A Tereos é o 2º maior grupo de açúcar do mundo, 2º produtor de etanol da Europa e 3º maior produtor de amido da Europa. É uma empresa com mais de 16 mil colaboradores e processa 7 matérias-primas, comprometida com o fornecimento de alimentos e energia de qualidade.
Somente com relação ao processamento de cana-de-açúcar no Brasil, são 7 usinas localizadas no Estado de São Paulo (Andrade, Cruz Alta, São José, Severínia, Mandu, Tanabi e Usina Vertente), que processaram 15,6 milhões de toneladas de cana ao longo da safra 2022/2023. A empresa finalizou o ciclo com produção de 1,6 milhão de toneladas de açúcar, 480.000 milhões de litros de etanol e 1.355 GWh de energia.
Esses números já dão indícios de quão complexa é a cadeia de suprimentos da Tereos. São muitas as variáveis que tornam o supply chain desafiador — e que podem ser divididas em três momentos. São eles:
1º) Produção de cana
– a matéria-prima é altamente perecível: a cana-de-açúcar tem que ser processada em no máximo 48 horas após a colheita.
– são 50 variedades de cana-de-açúcar;
– as janelas de plantio são de 4 meses;
– a janela de colheita é de 8 meses;
– os recursos são compartilhados entre plantio, tratos e colheita;
– a cana-de-açúcar demora 18 meses para crescer;
– são de 5 a 6 colheitas para cada plantio;
– é necessário um sequenciamento correto de tratos (controle de pragas, uso de fertilizantes, etc.);
– as curvas de maturação são diferentes para cada variedade;
– a cana-de-açúcar tem alta sensibilidade ao clima;
– a distância das fazendas às unidades industriais varia entre 1km a 60km, o que traz um desafio operacional muito grande;
– há restrições rodoviárias;
– há mudanças diárias de preço;
– as premissas industriais são dinâmicas;
2º) Transformação em produto
– as 7 unidades industriais conseguem produzir produtos diferentes, que atendem a mercados diferentes e com embalagens diferentes. São 3 produtos: açúcar, etanol e energia;
– o açúcar é dividido em bruto, branco e refinado;
– o etanol pode ser o hidratado ou o anidro;
– a energia é para o consumo interno e para venda;
– há diferentes tipos de embalagens para o açúcar;
– além dos 3 produtos distribuídos para os mercados interno e externo, a cana gera um subproduto que precisa de tratamento adequado: a vinhaça (também conhecida por vinhoto ou restilo).
3º) Venda e entrega
– a venda acontece para diferentes canais e mercados, cada um exposto a fundamentos diferentes e com regras de preços diferentes;
– a venda é tanto para o mercado interno (açúcar B2B e B2C, etanol e energia) quanto para o mercado externo (açúcar granel e ensacado e etanol);
– para a entrega há a logística rodoviária (açúcar B2B e B2C, exportação de açúcar ensacado e etanol) e a logística ferroviária (açúcar e exportação a granel).
Toda essa complexidade da cadeia de suprimentos da Tereos é um desafio à gestão para arbitragem. E o analytics e a inteligência artificial vieram justamente para dar apoio à tomada de decisão — com resultados já tangíveis.
A jornada da Tereos no uso de dados
Assim como a usina depende da cana-de-açúcar para produzir, a inteligência artificial precisa de dados para trazer resultados. As fontes de captura são as mais diversas possíveis: satélites, drones, dados externos, sistemas internos e sensores IoT (internet das coisas) nos equipamentos.
Mas, para além de captar, é preciso organizar, transformar e disponibilizar para que os dados estejam em formato útil e acessível. São os 4Vs da Big Data: Volume | Velocidade | Variedade | Veracidade.
Ao obter uma grande quantidade e variedade de dados, corretos e em tempo real, é possível entrar no mundo do analytics e se beneficiar com insights para tomar decisões. O primeiro grande passo é a análise descritiva, respondendo à pergunta “o que aconteceu?”: é importante olhar no retrovisor, a fim de entender o que aconteceu no passado e tomar melhores decisões. Mas, como ninguém dirige sem olhar para frente, a análise preditiva é o próximo nível de complexidade, por meio da Inteligência Artificial Clássica e Avançada.
- Inteligência Artificial Clássica: inclui a regressão (prever valores), a classificação (prever classes) e a clusterização (encontrar grupos).
- Inteligência Artificial Avançada: também faz a regressão, a classificação e a clusterização, mas os algoritmos são mais avançados porque os problemas também são mais complexos.
A IA no agronegócio apoia a análise preditiva para responder à pergunta “o que vai acontecer?”, e então vem a análise prescritiva para mostrar o que efetivamente é possível fazer para traduzir valor ao negócio. É aqui que entram os otimizadores.
São eles que buscam responder à pergunta “o que devemos fazer”, ou seja, definem a melhor solução para problemas complexos. E na jornada da Tereos, eles entraram na cadeia de suprimentos com diferentes técnicas.
A rentabilidade que o SuPLEX trouxe à Tereos
O SuPLEX foi o início da jornada de dados da Tereos, em 2016. Até então, o S&OP ocorria de forma tradicional, em Excel, o que dificultava correlacionar todas as variáveis de decisão do que vender, quando vender e como ajustar o mix de produção: etanol, açúcar refinado para o mercado interno ou bruto para o mercado externo.
Em parceria com a UniSoma, um otimizador robusto e completo foi desenvolvido para maximizar o resultado financeiro de ponta a ponta, ou seja, desde a colheita da cana-de-açúcar até a entrega do cliente.
No início, o projeto tratava de 1,3 milhão de variáveis e 70 mil inputs restritivos de todo o processo. De lá para cá, foram desenvolvidos modelos mais complexos. Agora, a ferramenta trabalha com 3,5 milhões de variáveis e 578 mil inputs. É maleável a ponto de rodar cenários simples em 10 minutos de otimização até cenários bastante complexos em até 4 horas de otimização.
O SuPLEX mostra a quantidade de cana necessária para cada usina, qual produto a ser produzido e em qual embalagem, onde o produto deve ser armazenado, qual cliente será atendido e em qual mês”, exemplifica Julianne.
Ou seja, o otimizador consegue prescrever o que fazer de ponta a ponta. Assume premissas agronômicas, operacionais de produção de cana-de-açúcar até a produção, logística e venda para entregar o melhor resultado à empresa. Ele considera:
-
No manejo agrícola:
Curva de açúcar da cana-de-açúcar (ATR); tonelada de cana por hectares, mix por tipo de contrato, etc.
-
Na colheita e transporte:
Capacidade dos equipamentos; custos das operações; distância de fazendas para plantas; produtividade operacional, etc.
-
Na produção, logística e vendas:
Capacidades industriais; capacidades logísticas; custos e despesas; preços e contratos comerciais, etc.
Somente no primeiro ano de operação, o SuPLEX entregou mais de R$ 30 milhões de rentabilidade adicional ao que seria feito tradicionalmente (em planilhas de Excel). Outro resultado surpreendente é de uma rodada importante de locação de cana para o final da safra em 2020: após 6 horas de rodagem do otimizador, o resultado foi de R$ 25 milhões de rentabilidade adicional ao que seria feito tradicionalmente.
A ferramenta desenvolvida em parceria com a UniSoma trouxe ainda vários outros elementos que contribuíram para que a Tereos desse continuidade à jornada de dados — e não parasse mais.
Esse início do uso de dados alavancado pelo SuPLEX permitiu que a empresa conduzisse por si só outras iniciativas além do S&OP, focando nas áreas agrícola, industrial e comercial. E a ideia é dar continuidade ampliando o uso de dados para outras áreas da empresa, como Recursos Humanos e Segurança.
A IA no agronegócio agrega tanto valor ao negócio que é um caminho sem volta.
Se você quer conhecer os benefícios que eles podem trazer à sua empresa — pode ter certeza, são muitos! — fale com a UniSoma!
