Home Arrow Icon Knowledge base Arrow Icon Global Arrow Icon Як Amazon вимірює зменшення упаковки від партії


Як Amazon вимірює зменшення упаковки від партії


Amazon вимірює зменшення упаковки від партії насамперед завдяки використанню розширених моделей машинного навчання, технологій автоматизації та аналітики даних, які оптимізують рішення упаковки та контролюють використання матеріалів у її широкій мережі виконання.

Зменшення упаковки за допомогою машинного навчання та ШІ

Починаючи з 2015 року, Amazon знизила середню вагу упаковки на відвантаження на 36-43%, виключаючи понад 3 мільйони метричних тонн пакувальних матеріалів у всьому світі. Одним із основних методів Amazon використовує для вимірювання та досягнення зменшення упаковки, є застосування моделей машинного навчання, які визначають найбільш ефективний тип упаковки для кожного продукту. Ці моделі використовують дані про продукти, такі як розміри, крихкість та те, як продукти проходили у поверненні через пошкодження в поєднанні з відгуками клієнтів та аналізом зображень з декількох кутів продуктів, взяті в центрах виконання. Система AI аналізує цю інформацію, щоб вибрати мінімальну, але достатню упаковку, яка забезпечує безпечну доставку при зменшенні відходів. Ця модель, яку часто називають двигуном упаковки, постійно навчається та адаптується для підвищення ефективності упаковки, тим самим зменшуючи використання картонних коробки, матеріалів наповнювача, стрічки та пластику. Вимірювання проводиться шляхом відстеження ваги упаковки, типу матеріалу та впливу на викиди вуглецю.

Автоматизована технологія упаковки

Amazon використовує інноваційну автоматизовану машину у своїх центрах виконання, які поєднують датчики, вимірювання в режимі реального часу та створення спеціальних упаковки, щоб мінімізувати пакувальний матеріал на відвантаження. Наприклад, у Європі та США Amazon представила автоматизовані пакувальні машини, які сканують кожен предмет і вирізали паперові пакети з рулоном з переробки паперу. Ці мішки є тепловими без клею і не використовують додаткові накладки, різко зменшуючи об'єм та вагу упаковки порівняно з традиційними коробками. Вимірювання зменшення тут відбувається через середні грам упаковки, заощаджених за відвантаження (в середньому понад 26 грам на відвантаження) та відстеження, скільки поліетиленових пакетів уникали, замінивши їх на ці паперові пакети (130 мільйонів пластикових пакетів, які уникали в 2023 році лише в нас). Така автоматизація дозволяє Amazon надійно масштабувати зусилля щодо зменшення упаковки та вимірювати кумулятивний вплив на пакувальні матеріали на мільйони поставок щодня.

Кораблі в програмі упаковки товарів

Ще одна ініціатива Amazon впроваджена - це програма упаковки кораблів, яка визначає та сертифікує продукти, які можна відправити безпосередньо в оригінальній упаковці виробника без додаткової упаковки Amazon. Машинне навчання допомагає Amazon визначити такі продукти, аналізуючи інформацію про продукти та безпеку упаковки. Ця програма значно зменшує упаковку і вимірюється кількістю поставок, здійснених без додаткової упаковки Amazon, понад 5,5 мільярда предметів, що постачаються таким чином, з 2019 року лише в Північній Америці та Європі. Зростання цієї програми по географії та збільшення участі продавців відстежується як ключовий показник скорочення упаковки. Зниження також відображається у меншій вазі упаковки на відвантаження та меншим використанням пластикових та картонних матеріалів.

Інструмент оптимізації Packopt для коробки коробки

Amazon розробив інструмент Packopt, який допомагає оптимізувати набір розмірів коробки, які використовуються в центрах виконання, щоб уважніше відповідати розмірів продукту. Цей веб-інструмент імітує підходить для продуктів по всій регіонах та визначає неефективність, коли великі коробки генерують надмірний об'єм відвантаження "повітря". Менеджери Amazon використовують Packopt, щоб визначити, які коробки для введення або виходу на пенсію, безпосередньо впливають на зменшення матеріалів пакувальних матеріалів. Packopt вимірює ефективність за допомогою таких показників, як загальна вага картону, об'єм упаковки, швидкість використання коробки та повітря на відвантаження. До кінця 2022 року 90% ящиків Amazon у Північній Америці були оптимізовані за допомогою Packopt, в результаті чого в цьому регіоні щорічно заощаджувалося на 7% -10% щорічного зменшення картонних відходів.

Вимірювання впливу та звітності навколишнього середовища

Amazon несе відповідальність насамперед за допомогою метрики зменшення вуглецю, що пов'язує вибір упаковки до загальних цілей стійкості. Компанія відстежує щорічне зниження ваги упаковки, кількість упаковки упаковки, а пов'язані з ними викиди вуглецю уникали. Наприклад, моделі упаковки, керованих AI, допомогли заощадити понад 2 мільйони тонн упаковки між 2015 та 2022 роками, при цьому поступове збільшення повідомляється згодом. Оновлення стійкості Amazon надають часті дані про зменшення ваги упаковки відвантаження, відсоток поставок за допомогою легкої упаковки, скорочення використання пластикової упаковки та скільки пакетів, що постачаються без додаткової упаковки Amazon. Ці публічно спільні показники та системи внутрішнього відстеження полегшують точне вимірювання зменшення упаковки, досягнутому за допомогою партії та інших методів.

Зменшення упаковки як діловий показник

Amazon інтегрує ефективність упаковки у свої оперативні та фінансові KPI. Зменшення упаковки не тільки скорочує вартість матеріалів, але й підвищує ефективність логістики за рахунок підвищення швидкості заповнення вантажівок та зниження обсягів доставки. Компанія відстежує змінні витрати на одиницю, що включає витрати на упаковку, для кількісної оцінки фінансових вигод від інновацій упаковки. Консолідуючи замовлення та оптимізуючи розміри упаковки за допомогою партії та машинного навчання, Amazon знижує пакувальний матеріал на замовлення, а також підвищує ефективність роботи. Цей фокус бізнесу гарантує, що рішення упаковки постійно вимірюються та оптимізовані для економічної ефективності поряд із екологічними перевагами.

Резюме

Амазонка вимірює зменшення упаковки від оптимізації партії та упаковки шляхом поєднання:

- Моделі машинного навчання, які обчислюють оптимальну упаковку для кожного предмета, зменшуючи вагу упаковки та використовувані матеріали.
-Автоматизовані пакувальні машини, які створюють упаковку, що виготовляються з мірою, щоб уникнути заощаджень матеріалів для відходів та відстеження матеріалів.
- Такі програми, як кораблі в упаковці товарів, які кількісно оцінюють кількість поставлених поставлених без додаткової упаковки.
- Такі інструменти, як Packopt, які аналізують використання коробки та імітують ефективність упаковки для оптимізації коробки коробки.
- Ключові показники стійкості, включаючи зменшення ваги упаковки, уникнення відходів, та викиди вуглецю, заощаджених, повідомляються в регулярних оновленнях стійкості.
- Економія витрат на відстеження бізнесу та ефективність логістики, пов'язана з змінами упаковки.

Разом ці стратегії, керовані даними, дозволяють Amazon постійно вимірювати, звітувати та вдосконалювати зусилля щодо зменшення упаковки в масштабах у своїй глобальній мережі виконання. Цей інтегрований підхід використовує AI, автоматизацію та оперативні дані для відстеження впливу партії та інших інновацій упаковки на результати стійкості точно та ефективно.