In un
articolo pubblicato sul blog aziendale,
Amazon ha descritto come sta utilizzando approcci di
machine learning (ML) e una combinazione di elaborazione del linguaggio naturale e computer vision per determinare come utilizzare la giusta quantità di imballaggi per le centinaia di milioni di prodotti che spedisce.
Secondo
Amazon, questi strumenti l'hanno aiutata a ridurre il peso degli imballaggi per spedizione del
36% e a eliminare più di un milione di tonnellate di imballaggi, equivalenti a più di 2 miliardi di scatole di spedizione, negli ultimi sei anni.
Per prevedere se un determinato prodotto può essere spedito in modo sicuro in un particolare tipo di imballaggio, Amazon ha costruito un modello di analisi ML basato in gran parte su dati testuali provenienti da annunci di
prodotti online, come il nome dell'articolo, la descrizione, il prezzo e le dimensioni della confezione.
Il modello è stato addestrato su milioni di esempi di prodotti consegnati con successo in vari tipi di imballaggio e su esempi di prodotti arrivati danneggiati in determinati
tipi di imballaggio.
Amazon ha accesso a un feedback quasi in tempo reale quando un prodotto non è sufficientemente protetto dal suo imballaggio, perché i clienti lo segnalano attraverso diversi meccanismi di feedback online.
Il modello ha imparato che alcune parole chiave erano particolarmente importanti per prendere decisioni sull'imballaggio.
Ad esempio, tra le parole chiave che indicavano che una busta imbottita non sarebbe stata l'imballaggio giusto c'erano "ceramica", "drogheria", "tazza" e "vetro".
Per questi prodotti era meglio spedire in una scatola.
Tecnologia e raggiungimento dell’obbiettivo
Per identificare l'imballaggio dei prodotti, Amazon ha utilizzato la
tecnologia di visione computerizzata per includere le immagini dei prodotti provenienti da tunnel di visione computerizzata dotati di telecamere che catturano le immagini degli articoli da più angolazioni mentre passano attraverso i nastri trasportatori dei centri di approvvigionamento.
L'integrazione di dati visivi e testuali ha migliorato le prestazioni del modello di ML fino al
30%, rispetto all'utilizzo dei soli dati testuali.
La tecnologia viene attualmente applicata alle linee di prodotti in Nord America e in Europa, riducendo automaticamente, secondo Amazon, gli sprechi.
Amazon afferma che questo approccio all’imballaggio è l'ultimo passo dell'impegno dell'azienda sia verso il
Climate Pledge, un'iniziativa globale che ha co-fondato nel settembre 2019 con cui si impegna a raggiungere l'
obiettivo di decarbonizzazione dell'Accordo di Parigi del 2050 con 10 anni di anticipo, sia verso la costruzione di un'azienda sostenibile.
Amazon sta inoltre lavorando per rendere tutte le sue spedizioni a zero emissioni di carbonio attraverso
Shipment Zero, con l'obiettivo di consegnare il
50% di tutte le spedizioni a zero emissioni di carbonio entro il 2030.
Matthew Bales, responsabile della ricerca scientifica di
Amazon, ha dichiarato: "Quando il modello è sicuro del tipo di imballaggio migliore per un determinato prodotto, gli permettiamo di autocertificarlo per quel tipo di imballaggio.
Quando il modello è meno sicuro, segnala il prodotto e la sua confezione per un test umano.
È una triplice vittoria:
riduzione degli sprechi,
aumento della soddisfazione dei clienti e
riduzione dei costi".
Vuoi conoscere in anteprima le notizie pubblicate su Logisticamente.it?
Ricevi la newsletter gratuita per rimanere aggiornato sulle ultime novità del mondo della logistica