Amazonは、主に高度な機械学習モデル、自動化技術、および広範な充足ネットワーク全体で材料の使用を監視するデータ分析、自動化技術、およびデータ分析を使用して、バッチからのパッケージングの削減を測定します。
機械学習とAIによる包装削減
2015年以来、Amazonは出荷あたりの平均包装重量を36〜43％減らし、世界中の300万トン以上の包装材料を排除しています。 Amazonが使用するコア方法の1つは、パッケージングの削減を測定および実現することです。各製品で最も効果的なパッケージングタイプを決定する機械学習モデルのアプリケーションです。これらのモデルは、寸法、脆弱性、および損傷のためにリターンで製品がどのように発生したかなど、製品に関するデータに関するデータを使用し、フルフィルメントセンターで取得した複数の製品角度からの顧客フィードバックと画像分析を組み合わせて使用します。 AIシステムは、この情報を分析して、廃棄物を削減しながら安全な配送を保証する最小限で十分なパッケージを選択します。多くの場合、パッケージ決定エンジンと呼ばれるこのモデルは、パッケージングの効率を改善するために継続的に学習および適応し、それにより段ボール箱、フィラー材料、テープ、プラスチックの使用を削減します。測定は、パッケージの重量、使用される材料タイプ、および炭素排出への影響を追跡することによって行われます。
自動包装技術
Amazonは、センサー、リアルタイムの測定、カスタムパッケージの作成を組み合わせたフルフィルメントセンターで革新的な自動機械を使用して、出荷ごとのパッケージ材料を最小限に抑えます。たとえば、ヨーロッパと米国では、Amazonは各アイテムをスキャンし、リサイクル可能な紙のロールからメイドの紙の袋をカットする自動梱包機を導入しました。これらのバッグは接着剤なしでヒートシールされており、追加のパディングを使用せず、従来の箱と比較してパッケージングの量と重量を大幅に削減します。ここでの削減の測定は、出荷ごとに節約された平均グラムのパッケージグラム(平均して出荷あたり26グラム以上)を介して、これらの紙袋に置き換えることで避けられたビニール袋の数を追跡します(2023年に米国だけでは避けられた1億3,000万袋)。このような自動化により、Amazonは包装削減の取り組みを確実にスケーリングし、毎日何百万もの出荷にわたる包装材料への累積的な影響を測定できます。
製品包装プログラムの船
Amazonが実装したもう1つのイニシアチブは、Amazonパッケージを追加せずに元のメーカーパッケージに直接出荷できる製品を識別および認証する製品パッケージプログラムの船舶です。機械学習は、製品情報と包装の安全性を分析することにより、Amazonがそのような製品を特定するのに役立ちます。このプログラムは、パッケージングを大幅に削減し、2019年以降、北米とヨーロッパだけでこのように出荷された55億個以上のアイテムを追加することなく、作成された出荷数によって測定されます。地域全体でこのプログラムの成長と売り手の参加の増加は、包装削減の重要なメトリックとして追跡されます。また、この削減は、出荷ごとに包装重量が少なく、プラスチックおよび段ボールの材料の使用量が少ないことにも反映されています。
ボックススイート用のPackopt最適化ツール
AmazonはPackoPTツールを開発しました。これは、製品の寸法をより密接に一致させるために、フルフィルメントセンターで使用されるボックスサイズのスイートを最適化するのに役立ちます。このWebベースのツールは、地域間の製品間フィットをシミュレートし、特大のボックスが過剰な「空気」出荷量を生成する非効率性を特定します。 Amazon ManagersはPackoptを使用して、どのボックスを識別して導入または廃止し、包装材料の削減に直接影響します。 Packoptは、使用されている総段ボール重量、パッケージングボリューム、ボックス利用率、貨物あたりの空気などのメトリックを通じて効率を測定します。 2022年末までに、北米のAmazonの箱の90％がPackoptを介して最適化され、その結果、段ボール廃棄物が7％〜10％減少し、その地域で年間約60,000トンが節約されました。
環境への影響と報告の測定
Amazonは、主にカーボンフットプリント削減メトリックを介して説明責任を負います。これは、パッケージの選択肢を全体的な持続可能性の目標に結び付けています。同社は、年間の包装重量削減、包装廃棄物の量を排除する量、および関連する炭素排出量を追跡します。たとえば、AI駆動型のパッケージモデルは、2015年から2022年の間に200万トン以上のパッケージを節約するのに役立ち、その後増加の増加が報告されています。 Amazonの持続可能性の更新は、出荷パッケージの重量削減に関する頻繁なデータ、軽量パッケージングを使用した出荷の割合、プラスチックパッケージの使用の削減、および追加のAmazonパッケージなしで出荷されるパッケージの数を提供します。これらの公開されたメトリックと内部追跡システムは、バッチングやその他の方法を通じて達成されるパッケージ削減の正確な測定を容易にします。
ビジネスメトリックとしての包装削減
Amazonは、パッケージングの効率を運用上および金融KPIに統合します。パッケージを削減すると、材料のコストが削減されるだけでなく、トラックの充填料金を上げて輸送量を下げることで物流効率が向上します。同社は、包装費用を含むユニットあたりの変動コストを監視して、包装革新の財政的利益を定量化します。バッチングと機械学習を通じて注文を統合し、パッケージングのサイズを最適化することにより、Amazonは注文あたりのパッケージング素材を減らしながら、取り扱い効率を向上させます。このビジネスフォーカスにより、包装の決定が継続的に測定され、環境効果とともに費用対効果のために最適化されることが保証されます。
まとめ
Amazonは、組み合わせて、バッチとパッケージングの最適化からのパッケージングの削減を測定します。
- 各アイテムの最適なパッケージを計算する機械学習モデル、使用されるパッケージの重量と材料を削減します。
- 廃棄物ごとの材料の節約を避けて追跡するために、メイド付きパッケージングを作成する自動パッケージマシン。
- 追加のパッケージなしで出荷された出荷数を定量化する製品パッケージの船舶などのプログラム。
- ボックスの使用率を分析し、パッケージング効率をシミュレートするパッコップなどのツールは、ボックススイートを最適化します。
- パッケージングの重量削減、廃棄物の回避、および定期的な持続可能性の更新で報告された貯蓄された炭素排出量を含む主要な持続可能性メトリック。
- ビジネスメトリックの追跡コストの削減とパッケージングの変更に関連するロジスティクス効率。