Amazon mengukur pengurangan pengemasan dari batching terutama melalui penggunaan model pembelajaran mesin canggih, teknologi otomasi, dan analisis data yang mengoptimalkan keputusan pengemasan dan memantau penggunaan materi di seluruh jaringan pemenuhannya.
Pengurangan Kemasan Melalui Pembelajaran Mesin dan AI
Sejak 2015, Amazon telah mengurangi berat pengemasan rata-rata per pengiriman sebesar 36-43%, menghilangkan lebih dari 3 juta metrik ton bahan pengemasan di seluruh dunia. Salah satu metode inti yang digunakan Amazon untuk mengukur dan mencapai pengurangan kemasan adalah penerapan model pembelajaran mesin yang menentukan jenis kemasan yang paling efektif untuk setiap produk. Model -model ini menggunakan data tentang produk, seperti dimensi, kerapuhan, dan bagaimana produk telah bernasib sebagai imbalan karena kerusakan, dikombinasikan dengan umpan balik pelanggan dan analisis gambar dari berbagai sudut produk yang diambil di pusat pemenuhan. Sistem AI menganalisis informasi ini untuk memilih kemasan minimal tetapi memadai yang memastikan pengiriman yang aman sambil mengurangi limbah. Model ini, sering disebut sebagai mesin keputusan paket, terus belajar dan beradaptasi untuk meningkatkan efisiensi kemasan, sehingga mengurangi penggunaan kotak kardus, bahan pengisi, pita, dan plastik. Pengukuran dilakukan dengan melacak berat kemasan, jenis material yang digunakan, dan dampaknya pada emisi karbon.
Teknologi Pengemasan Otomatis
Amazon menggunakan mesin otomatis yang inovatif di pusat pemenuhannya yang menggabungkan sensor, pengukuran waktu-nyata, dan pembuatan kemasan khusus untuk meminimalkan bahan pengemasan per pengiriman. Misalnya, di Eropa dan AS, Amazon telah memperkenalkan mesin pengemasan otomatis yang memindai setiap item dan memotong kantong kertas yang dibuat untuk mengukur dari gulungan kertas yang dapat didaur ulang. Tas-kantong ini disegel panas tanpa lem dan tidak menggunakan bantalan tambahan, secara drastis mengurangi volume dan berat kemasan dibandingkan dengan kotak tradisional. Pengukuran pengurangan di sini adalah melalui gram rata -rata kemasan yang disimpan per pengiriman (lebih dari 26 gram per pengiriman rata -rata) dan melacak berapa banyak kantong plastik yang dihindari dengan menggantinya dengan kantong kertas ini (130 juta kantong plastik dihindari pada tahun 2023 di AS saja). Otomatisasi semacam itu memungkinkan Amazon untuk skala upaya pengurangan kemasan dengan andal dan mengukur dampak kumulatif pada bahan pengemasan di jutaan pengiriman setiap hari.
Kapal Program Kemasan Produk
Inisiatif lain yang telah diterapkan Amazon adalah Program Pengemasan Produk Kapal, yang mengidentifikasi dan mensertifikasi produk yang dapat dikirim langsung dalam kemasan pabrikan asli mereka tanpa kemasan Amazon tambahan. Pembelajaran mesin membantu Amazon mengidentifikasi produk tersebut dengan menganalisis informasi produk dan keselamatan pengemasan. Program ini mengurangi pengemasan secara signifikan dan diukur dengan jumlah pengiriman yang dilakukan tanpa tambahan kemasan Amazon lebih dari 5,5 miliar item yang dikirim dengan cara ini sejak 2019 di Amerika Utara dan Eropa saja. Pertumbuhan program ini lintas geografi dan peningkatan partisipasi penjual dilacak sebagai metrik utama pengurangan kemasan. Pengurangan juga tercermin dalam berat pengemasan yang lebih sedikit per pengiriman dan penggunaan bahan plastik dan kardus yang lebih rendah.
Alat Optimasi Packopt untuk Suite Box
Amazon telah mengembangkan alat Packopt, yang membantu mengoptimalkan rangkaian ukuran kotak yang digunakan di pusat pemenuhan untuk mencocokkan dimensi produk lebih dekat. Alat berbasis web ini mensimulasikan produk-ke-kotak yang cocok di seluruh wilayah dan mengidentifikasi inefisiensi di mana kotak besar menghasilkan volume pengiriman "udara" berlebih. Manajer Amazon menggunakan Packopt untuk mengidentifikasi kotak mana yang akan diperkenalkan atau pensiun, secara langsung mempengaruhi pengurangan bahan pengemasan. Efisiensi pengukuran Packopt melalui metrik seperti berat karton total yang digunakan, volume pengemasan, laju pemanfaatan kotak, dan udara per pengiriman. Pada akhir 2022, 90% dari kotak Amazon di Amerika Utara dioptimalkan melalui Packopt, menghasilkan pengurangan tahunan 7% -10% dalam limbah kardus, sekitar 60.000 ton disimpan setiap tahun di wilayah itu.
Pengukuran dampak dan pelaporan lingkungan
Amazon bertanggung jawab terutama melalui metrik pengurangan jejak karbon, yang mengikat pilihan pengemasan dengan tujuan keberlanjutan secara keseluruhan. Perusahaan melacak pengurangan berat badan pengemasan tahunan, jumlah limbah pengemasan yang dihilangkan, dan emisi karbon terkait dihindari. Misalnya, model pengemasan yang digerakkan AI telah membantu menghemat lebih dari 2 juta ton kemasan antara 2015 dan 2022, dengan peningkatan tambahan yang dilaporkan selanjutnya. Pembaruan keberlanjutan Amazon sering memberikan data pengurangan berat pengemasan pengiriman, persentase pengiriman menggunakan kemasan ringan, pengurangan penggunaan kemasan plastik, dan berapa banyak paket yang dikirim tanpa kemasan Amazon tambahan. Metrik dan sistem pelacakan internal yang dibagikan secara publik ini memfasilitasi pengukuran pengurangan kemasan yang tepat yang dicapai melalui batching dan metode lainnya.
Pengurangan Kemasan sebagai Metrik Bisnis
Amazon mengintegrasikan efisiensi pengemasan ke dalam KPI operasional dan keuangannya. Mengurangi kemasan tidak hanya memotong biaya bahan tetapi juga meningkatkan efisiensi logistik dengan meningkatkan laju pengisian truk dan menurunkan volume pengiriman. Perusahaan memantau biaya variabel per unit, yang mencakup biaya pengemasan, untuk mengukur manfaat finansial dari inovasi pengemasan. Dengan mengkonsolidasikan pesanan dan mengoptimalkan ukuran pengemasan melalui batching dan pembelajaran mesin, Amazon mengurangi bahan pengemasan per pesanan sambil juga meningkatkan efisiensi penanganan. Fokus bisnis ini memastikan bahwa keputusan pengemasan terus diukur dan dioptimalkan untuk efektivitas biaya di samping manfaat lingkungan.
Ringkasan
Amazon mengukur pengurangan kemasan dari optimasi batching dan pengemasan dengan menggabungkan:
- Model pembelajaran mesin yang menghitung kemasan optimal untuk setiap item, mengurangi berat kemasan dan bahan yang digunakan.
-Mesin pengemasan otomatis yang membuat kemasan yang dibuat untuk menghindari limbah dan melacak penghematan material per-pengiriman.
- Program seperti kapal dalam kemasan produk yang mengukur jumlah pengiriman yang dikirim tanpa kemasan tambahan.
- Alat seperti Packopt yang menganalisis pemanfaatan kotak dan mensimulasikan efisiensi pengemasan untuk mengoptimalkan suite kotak.
- Metrik keberlanjutan utama termasuk pengurangan pengemasan berat badan, limbah dihindari, dan emisi karbon yang disimpan dilaporkan dalam pembaruan keberlanjutan reguler.
- Metrik bisnis pelacakan penghematan biaya dan efisiensi logistik terkait dengan perubahan pengemasan.