Amazon은 주로 포장 결정을 최적화하고 광범위한 주문 처리 네트워크에서 자재 사용을 모니터링하는 고급 기계 학습 모델, 자동화 기술 및 데이터 분석을 사용하여 배치 처리로 인한 포장 감소를 측정합니다.
머신러닝과 AI를 통한 포장 감소
2015년부터 Amazon은 배송당 평균 포장 중량을 36~43% 줄여 전 세계적으로 300만 미터톤 이상의 포장재를 제거했습니다. Amazon이 포장 감소를 측정하고 달성하기 위해 사용하는 핵심 방법 중 하나는 각 제품에 가장 효과적인 포장 유형을 결정하는 기계 학습 모델을 적용하는 것입니다. 이러한 모델은 치수, 파손 위험, 제품의 손상으로 인한 반품 상황 등 제품에 대한 데이터를 고객 피드백 및 주문 처리 센터에서 찍은 다양한 제품 각도의 이미지 분석과 결합하여 사용합니다. AI 시스템은 이 정보를 분석해 폐기물을 줄이면서 안전한 배송을 보장하는 최소한이지만 충분한 포장을 선택합니다. 종종 패키지 결정 엔진이라고 불리는 이 모델은 포장 효율성을 향상시키기 위해 지속적으로 학습하고 적응하여 판지 상자, 충전재, 테이프 및 플라스틱의 사용을 줄입니다. 측정은 포장 중량, 사용된 재료 유형, 탄소 배출에 미치는 영향을 추적하여 수행됩니다.
자동화된 포장 기술
Amazon은 주문 처리 센터에서 센서, 실시간 측정 및 맞춤형 포장 생성을 결합하여 배송당 포장 재료를 최소화하는 혁신적인 자동화 기계를 사용합니다. 예를 들어, 유럽과 미국에서 Amazon은 각 품목을 스캔하고 재활용 종이 롤에서 맞춤형 종이 봉지를 자르는 자동 포장 기계를 도입했습니다. 이 백은 접착제 없이 열 밀봉되며 추가 패딩을 사용하지 않아 기존 상자에 비해 포장 부피와 무게를 대폭 줄입니다. 여기서 감소 측정은 배송당 절약된 평균 포장 그램(배송당 평균 26그램 이상)을 통해 이루어지며, 이를 종이 봉지로 교체하여 얼마나 많은 비닐봉지를 줄였는지 추적합니다(미국에서만 2023년에 비닐봉지 1억 3천만 개 절감). 이러한 자동화를 통해 Amazon은 포장 감소 노력을 안정적으로 확장하고 매일 수백만 건의 배송에서 포장 재료에 대한 누적 영향을 측정할 수 있습니다.
제품 포장 프로그램에 포함된 배송
Amazon이 구현한 또 다른 이니셔티브는 제품 포장 내 배송 프로그램입니다. 이 프로그램은 추가 Amazon 포장 없이 원래 제조업체 포장으로 직접 배송할 수 있는 제품을 식별하고 인증합니다. 기계 학습은 Amazon이 제품 정보와 포장 안전을 분석하여 이러한 제품을 식별하는 데 도움이 됩니다. 이 프로그램은 포장을 크게 줄였으며, 추가 아마존 포장 없이 이루어진 배송 건수로 측정됩니다. 2019년 이후 북미와 유럽에서만 이 방식으로 배송된 품목이 55억 개가 넘습니다. 지역 전반에 걸쳐 이 프로그램의 성장과 판매자의 참여 증가는 포장 감소의 주요 지표로 추적됩니다. 이러한 감소는 배송당 포장 무게 감소와 플라스틱 및 판지 재료 사용 감소에도 반영됩니다.
Box Suite용 PackOpt 최적화 도구
아마존은 주문 처리 센터에서 사용되는 상자 크기 제품군을 최적화하여 제품 크기와 더 밀접하게 일치하도록 돕는 PackOpt 도구를 개발했습니다. 이 웹 기반 도구는 지역 전반에 걸쳐 제품과 상자의 적합성을 시뮬레이션하고 대형 상자로 인해 과도한 "항공" 배송량이 발생하는 비효율성을 식별합니다. Amazon 관리자는 PackOpt를 사용하여 어떤 상자를 도입하거나 폐기할지 식별하여 포장재 감소에 직접적인 영향을 미칩니다. PackOpt는 사용된 총 판지 중량, 포장 부피, 상자 활용률 및 배송당 공기와 같은 지표를 통해 효율성을 측정합니다. 2022년 말까지 북미 지역 Amazon 상자의 90%가 PackOpt를 통해 최적화되어 판지 폐기물이 연간 7~10% 감소했으며, 해당 지역에서는 연간 약 60,000톤이 절약되었습니다.
환경영향 측정 및 보고
Amazon은 포장 선택을 전반적인 지속 가능성 목표와 연결하는 탄소 배출량 감소 지표를 통해 주로 책임을 집니다. 회사는 연간 포장 무게 감소, 제거된 포장 폐기물의 양, 방지된 관련 탄소 배출을 추적합니다. 예를 들어, AI 기반 포장 모델은 2015년부터 2022년까지 200만 톤 이상의 포장을 절약하는 데 도움이 되었으며 이후 점진적인 증가가 보고되었습니다. Amazon의 지속 가능성 업데이트는 배송 포장 무게 감소, 경량 포장을 사용한 배송 비율, 플라스틱 포장 사용 감소, 추가 Amazon 포장 없이 배송된 패키지 수에 대한 데이터를 자주 제공합니다. 공개적으로 공유되는 이러한 지표와 내부 추적 시스템은 일괄 처리 및 기타 방법을 통해 달성된 포장 감소의 정확한 측정을 용이하게 합니다.
비즈니스 지표로서의 패키징 감소
Amazon은 패키징 효율성을 운영 및 재무 KPI에 통합합니다. 포장을 줄이면 자재 비용이 절감될 뿐만 아니라 트럭 적재율이 증가하고 배송량이 감소하여 물류 효율성이 향상됩니다. 회사는 포장 혁신으로 인한 재정적 이익을 정량화하기 위해 포장 비용을 포함한 단위당 변동 비용을 모니터링합니다. Amazon은 일괄 처리 및 기계 학습을 통해 주문을 통합하고 포장 크기를 최적화함으로써 주문당 포장 재료를 줄이는 동시에 처리 효율성도 향상시킵니다. 이러한 비즈니스 초점은 환경적 이점과 함께 비용 효율성을 고려하여 포장 결정을 지속적으로 측정하고 최적화하도록 보장합니다.
요약
아마존은 다음을 결합하여 배치 처리 및 포장 최적화로 인한 포장 감소를 측정합니다.
- 각 품목에 대한 최적의 포장을 계산하여 포장 무게와 사용되는 재료를 줄이는 기계 학습 모델입니다.
- 낭비를 방지하고 선적당 자재 절감을 추적하기 위해 맞춤형 포장을 만드는 자동화된 포장 기계입니다.
- 추가 포장 없이 배송된 배송 수를 정량화하는 제품 포장 내 배송과 같은 프로그램.
- 박스 활용도를 분석하고 포장 효율성을 시뮬레이션하여 박스 제품군을 최적화하는 PackOpt와 같은 도구입니다.
- 정기적인 지속 가능성 업데이트에서 보고되는 포장 무게 감소, 폐기물 방지, 탄소 배출 감소 등 주요 지속 가능성 지표가 보고됩니다.
- 포장 변경과 관련된 비용 절감 및 물류 효율성을 추적하는 비즈니스 지표입니다.