Logistik prediktif dalam e-commerce

Diterbitkan pada: 25 Agustus 2015 / Pembaruan dari: 26 November 2018 - Penulis: Konrad Wolfenstein

Shutterstock / vipman

Hampir tidak dipesan, sudah di depan pintu

Dibeli kemarin - dikirim besok: Belum lama ini, pengiriman produk yang dipesan dalam waktu 48 jam merupakan fitur kualitas yang memungkinkan pengecer online memposisikan diri di atas pesaing mereka. Namun karena pengiriman pada hari berikutnya telah menjadi pembicaraan di kota dan penyedia pertama melakukan pengiriman pada hari yang sama, waktu pengiriman yang sangat singkat tidak hanya menjadi hal yang biasa bagi banyak pelanggan, tetapi juga secara eksplisit diwajibkan.

Hingga saat ini, terdapat batasan alami pada waktu pengiriman, yang hanya dapat didorong lebih jauh dengan banyak upaya teknis. Selain menyiapkan jaringan komprehensif lokasi penyimpanan terdesentralisasi dan memperluas armada transportasi, logistik prediktif adalah pendekatan utama untuk optimalisasi.

Perkembangan pengiriman prediktif sekali lagi didorong oleh pionir e-commerce Amazon . Tidak mengherankan, karena perusahaan dapat memanfaatkan harta karun berupa data yang tak ada habisnya; Setiap tampilan produk, setiap halaman yang dikunjungi, dan setiap klik di salah satu situs Amazon terdaftar. Dan justru informasi inilah yang menjadi bahan bagi algoritme yang digunakan, yang menentukan kemungkinan pihak yang berkepentingan akan menjadi pembeli berdasarkan kunjungan yang lebih lama atau kunjungan berulang ke suatu halaman. Metode analisis terus-menerus belajar dengan bantuan data yang baru diperoleh dan dengan demikian dapat terus meningkatkan ketepatan prediksinya. Setelah tingkat akurasi tertentu tercapai, masuk akal bagi Amazon untuk memilih proses logistik hilir seperti outsourcing, pengambilan, dan penyiapan barang untuk pengiriman. Ketika pelanggan akhirnya mengklik tombol beli, maka paket sudah siap dan hanya perlu dicetak label alamat sebelum dikirim dalam perjalanan.

Namun teknologi tersebut, yang telah dipatenkan oleh Amazon, melangkah lebih jauh karena ia memisahkan dirinya dari pemesan individu dan selanjutnya mengelilingi seluruh kelompok pelanggan dengan bantuan perhitungan probabilitas. Dengan cara ini, asumsi dibuat tentang perilaku pembelian di seluruh wilayah. Contohnya adalah acara olah raga di suatu kota. Seminggu sebelumnya, gudang terdekat akan mulai menyiapkan kaus untuk tim peserta untuk pengiriman. Paket tersebut kemudian akan diberi label alamat yang sudah mencantumkan kota penerima atau area kode pos. Barang-barang tersebut kemudian akan diangkut ke sana dan, jika perlu, ditempatkan di truk atau gudang penyangga yang terdesentralisasi sampai perkiraan pesanan benar-benar tiba. Berikut ini hanyalah penyelesaian label pengiriman. Truk kemudian berangkat dan mengantarkan jersey yang diinginkan segera setelah pesanan diterima.

Logistik gudang prediktif

Baik di gudang pusat maupun di gudang penyangga lokal, prasyarat pengiriman cepat adalah kelancaran pengambilan barang. Solusi logistik berkinerja tinggi diperlukan di sini agar keuntungan waktu yang diperoleh tidak hilang karena keterlambatan penyediaan. Dan di sinilah e-retail kecil mempunyai kesempatan untuk memposisikan diri mereka dalam hal kecepatan dibandingkan dengan raksasa dari Seattle.

Di sini juga, prosesnya dikelola dengan pandangan ke depan. Misalnya, perangkat lunak kontrol memberikan perintah tindak lanjut berdasarkan rencana kerja yang ditetapkan ke sistem transportasi atau pemetik pesanan jika lokasinya dekat dengan lokasi penyimpanan barang tambahan yang akan diambil. Detektor posisi seperti chip RFID atau perangkat GPS juga dapat berfungsi sebagai fitur seleksi lebih lanjut. Dengan robot self-driving, kontrol antisipatif terjadi di mana perangkat berkomunikasi secara mandiri satu sama lain dan memutuskan sendiri modul mana yang terbaik untuk mengambil item berdasarkan posisi saat ini atau rute yang direncanakan.

Namun baik yang dikontrol oleh perangkat lunak atau beroperasi secara independen, perencanaan berwawasan ke depan membantu mengoordinasikan jarak yang harus ditempuh di gudang secara efisien. Jadi, jika belum lama ini barang-barang disimpan di gudang rak konvensional, yang kemudian dipindahkan secara manual dan tersedia dalam jarak jauh untuk pengiriman atau produksi, di banyak perusahaan saat ini proses penyimpanan sepenuhnya otomatis dan dijalankan secara paralel.

Logistik otomatis ini memerlukan perangkat penyimpanan ringkas yang dapat ditempatkan dekat dengan stasiun pengambilan dan juga memiliki kinerja pengiriman yang tinggi. Penyimpanan buffer vertikal dapat menjadi solusi karena dimensinya yang kecil dan kinerja pengambilan yang tinggi.

Drone pengangkut Amazon (Sumber: Amazon)

Transportasi ke pelanggan

Namun apa gunanya semua algoritme, lokasi penyimpanan terdesentralisasi, dan pengambilan tercepat jika paket terjebak kemacetan dalam perjalanan ke pelanggan? Di sini pun, teknologi dalam bentuk data besar membantu: arus lalu lintas terus dipantau dan pengemudi selalu diperlihatkan rute optimal. Para peneliti di Hasso Plattner Institute . Mereka baru-baru ini mengembangkan sistem yang menghubungkan informasi internal dengan data terkait lalu lintas yang tersedia online secara real-time. Dengan solusi ini, perusahaan logistik dapat menerima prediksi arus lalu lintas yang tepat. Sistem ini menggabungkan dan mengevaluasi informasi terbaru dari armada angkutan milik pengguna dengan data lalu lintas terkini. Dengan cara ini, Anda dapat segera mengetahui apakah, di mana, dan sejak kapan salah satu truk Anda mengalami kemacetan dan sejauh mana hal tersebut menghambat pengangkutan.

Namun sistem ini dapat berbuat lebih banyak lagi, karena memungkinkan untuk memprediksi gangguan lalu lintas sebelum gangguan tersebut benar-benar terjadi. Misalnya, jika data GPS menunjukkan peningkatan jumlah kendaraan yang bergerak di jalan raya, maka dapat disimpulkan bahwa kemacetan akan segera terjadi. Informasi mengenai kondisi cuaca juga dapat digunakan untuk menarik kesimpulan tentang waktu keberangkatan kapal feri atau pesawat. Dengan bantuan informasi ini, rute yang direncanakan dapat dioptimalkan sejak awal sehingga pelanggan benar-benar memiliki barang di tangannya segera setelah ia memesannya secara online.

Alternatifnya mungkin adalah raksasa web Amerika, yang ingin melayani pasar langsung dari udara dengan drone pengirimannya, setidaknya dalam jangka menengah. Dari sisi perusahaan, hal ini tentunya merupakan peluang bagus untuk mengoptimalkan layanan Prime Now melalui bantuan pengangkutan barang dengan drone. Kemacetan lalu lintas, kepadatan jalan, atau kurangnya tempat parkir untuk kendaraan pengiriman: semua ini tidak lagi menghalangi pengiriman cepat.

Manajer perusahaan sudah menyerukan koridor udara khusus untuk pesawat tak berawak tersebut. Drone pengiriman dapat beroperasi pada ketinggian antara 60 dan 120 meter sehingga tidak mengganggu lalu lintas udara. Secara teknis dimungkinkan untuk mengangkut barang dengan drone tanpa masalah besar. Perangkat tersebut sudah diuji, termasuk di Kanada. Persetujuan resmi yang diperlukan saat ini masih bermasalah. Namun begitu hal ini tidak lagi terjadi, maka Prime Air , yang mengirimkan dalam waktu 30 hingga 60 menit setelah pemesanan, tidak lagi hanya menjadi impian masa depan. Pertanyaannya adalah pelanggan mana yang akan membayar biaya tambahan yang tidak terlalu besar untuk layanan ini. Tapi Amazon pasti sudah punya jawabannya dengan algoritmanya.