Análise Preditiva da Cadeia de Suprimentos: Modelos de IA Integrados a Sistemas de Informação Gerencial para a Resiliência da Manufatura nos EUA

O setor de manufatura dos EUA enfrenta desafios sem precedentes para sustentar a resiliência operacional em meio a interrupções globais, flutuações na demanda e incertezas logísticas. As técnicas tradicionais de gerenciamento da cadeia de suprimentos muitas vezes falham em proporcionar adaptabilidade em tempo real, resultando em ineficiências e perdas de receita. Este artigo propõe uma estrutura de análise preditiva impulsionada por IA integrada aos Sistemas de Informação Gerencial (MIS) para melhorar a tomada de decisões e aprimorar a resiliência da cadeia de suprimentos. Utilizando aprendizado de máquina (ML) e modelagem estatística avançada, a abordagem proposta permite previsão de demanda em tempo real, avaliação de riscos e otimização de inventário. A pesquisa destaca resultados experimentais derivados de conjuntos de dados de manufatura baseados nos EUA, demonstrando uma melhoria de 35% na precisão da previsão de demanda e uma redução de 22% nos atrasos operacionais. As descobertas estabelecem que a integração do MIS com modelos preditivos impulsionados por IA melhora significativamente a visibilidade, agilidade e a resiliência geral da manufatura.