亚马逊通过使用高级机器学习模型，自动化技术和数据分析来衡量包装减少，从而优化包装决策并在其广泛的履行网络中监视材料使用情况。
通过机器学习和人工智能减少包装
自2015年以来，亚马逊将每个货物的平均包装重量减少了36-43％，消除了全球超过300万吨的包装材料。亚马逊用于测量和实现包装降低的核心方法之一是应用机器学习模型，该模型确定了每种产品最有效的包装类型。这些模型使用有关产品的数据，例如尺寸，脆弱性，以及由于损坏而产生的产品如何回报，并结合了从满足中心采取的多个产品角度的客户反馈和图像分析。 AI系统分析了此信息，以选择最小但充分的包装，以确保在减少浪费的同时安全交付。该型号通常称为包装决策引擎，不断学习和适应以提高包装效率，从而减少了纸板箱，填充材料，胶带和塑料的使用。通过跟踪包装重量，所使用的材料类型以及对碳排放的影响来完成测量。
自动包装技术
亚马逊在其履行中心中使用创新的自动化机械，这些机械结合了传感器，实时测量和定制包装创建，以最大程度地减少每个发货的包装材料。例如，在欧洲和美国，亚马逊推出了自动包装机，这些机器扫描了每件物品，并从可回收纸卷中剪切了量子袋。这些袋子是没有胶水的热密封的，与传统盒子相比，不使用其他填充物，可大大减少包装量和重量。这里减少的测量是通过每次发货节省的包装的平均克(平均每货物的26克)，并通过用这些纸袋代替了多少个塑料袋(仅2023年就避免了1.3亿个塑料袋)。这种自动化使亚马逊能够可靠地扩展包装减少工作，并每天衡量数百万货物中对包装材料的累积影响。
产品包装计划中的船只
亚马逊实施的另一个倡议是产品包装计划中的船只，该船可以识别和认证可以直接在其原始制造商包装中运送的产品，而无需其他亚马逊包装。机器学习可以通过分析产品信息和包装安全性来帮助亚马逊识别此类产品。该计划可大大减少包装，并通过自2019年以来就在北美和欧洲就运送的55亿件商品而没有其他超过55亿件物品的货物数量来衡量。该计划跨地域的增长和卖方的越来越多的参与被追踪为减少包装的关键指标。减少也反映在每货物的包装重量较小以及塑料和纸板材料的使用较低的情况下。
盒子套件的PackOPT优化工具
亚马逊开发了PackOpt工具，该工具有助于优化履行中心中使用的盒子尺寸套件，以更紧密地匹配产品尺寸。这种基于网络的工具模拟了跨区域的产品对盒子的拟合，并确定了效率低下的超大盒子会产生多余的“空气”发货量。亚马逊经理使用PackOpt确定要引入或退休的盒子，直接影响包装材料减少。 PackOPT通过指标来衡量效率，例如使用的总纸板重量，包装量，盒子利用率和每个发货的空气。到2022年底，亚马逊在北美的盒子中有90％通过Packopt进行了优化，导致纸板浪费的年减少7％-10％，该地区每年节省约60,000吨。
测量环境影响和报告
亚马逊主要通过减少碳足迹度量指标来负责，该指标将包装选择与整体可持续性目标联系起来。该公司追踪减少包装重量，消除包装废物的数量以及相关的碳排放量。例如，AI驱动的包装模型在2015年至2022年之间有助于节省超过200万吨的包装，随后报道了增量增加。亚马逊的可持续性更新提供了有关减少货物包装重量的频繁数据，使用轻巧包装的货物百分比，塑料包装使用情况的减少以及有多少包装，没有其他亚马逊包装。这些公开共享的指标和内部跟踪系统有助于精确测量通过批处理和其他方法实现的包装减少。
减少包装作为业务指标
亚马逊将包装效率集成到其运营和财务KPI中。减少包装不仅削减了材料成本，而且通过提高卡车填充率和降低运输量来提高物流效率。该公司监视每单位的可变成本(包括包装费用)，以量化包装创新的财务收益。通过合并订单并通过批处理和机器学习来优化包装大小，亚马逊每订单降低包装材料，同时也提高了处理效率。该业务重点确保包装决策不断衡量和优化，以与环境福利以及环境福利一起进行成本效益。
概括
亚马逊通过合并来衡量批量减少和包装优化的包装：
- 计算每个项目最佳包装的机器学习模型，减少包装重量和所使用的材料。
- 自动包装机，可创建量化包装，以避免浪费和跟踪每种运输材料的节省。
- 诸如产品包装中的船舶之类的程序，这些程序可以量化运输量的数量而无需额外包装。
- 诸如PackOpt之类的工具，可以分析框使用并模拟包装效率以优化盒子套件。
- 关键的可持续性指标，包括减轻包装重量，避免废物以及在常规可持续性更新中保存的碳排放。
- 与包装更改相关的业务指标跟踪成本节省和物流效率。