Logistik prediktif dalam e-commerce

Hampir tidak dipesan, sudah di depan pintu

Dibeli kemarin – dikirim besok: Belum lama ini, mengirimkan barang pesanan dalam waktu 48 jam merupakan fitur berkualitas yang memungkinkan peritel online memposisikan diri melawan pesaing. Namun, sejak pengiriman hari berikutnya menjadi tren dan penyedia pertama menawarkan pengiriman di hari yang sama, waktu pengiriman yang sangat singkat tidak hanya menjadi hal yang normal bagi banyak pelanggan, tetapi juga mutlak diperlukan.

Hingga saat ini, waktu pengiriman masih dibatasi oleh faktor alam yang hanya dapat diperpanjang lebih lanjut dengan upaya teknologi yang signifikan. Selain membangun jaringan gudang terdesentralisasi yang komprehensif dan memperluas armada transportasi forward-looking merupakan pendekatan kunci untuk optimalisasi.

Pengembangan forward-looking sekali lagi didorong maju oleh pelopor e-commerce Amazon . Tidak mengherankan, mengingat bahwa perusahaan dapat memanfaatkan harta karun data yang tampaknya tak ada habisnya; setiap tampilan produk, setiap halaman yang dikunjungi dan setiap klik di salah satu situs web Amazon terdaftar. Dan justru informasi inilah yang memberi makan algoritma yang digunakan, yang menggunakan waktu tunggu yang lebih lama atau tampilan halaman berulang untuk menentukan kemungkinan bahwa calon pelanggan akan menjadi pembeli. Metode analisis terus-menerus belajar dengan bantuan data yang baru diperoleh dan dengan demikian dapat terus meningkatkan ketepatan prediksinya. Setelah tingkat akurasi tertentu tercapai, sangat masuk akal bagi Amazon untuk memprioritaskan proses logistik hilir seperti outsourcing, pengambilan dan persiapan pengiriman. Ketika pelanggan akhirnya mengklik tombol beli, paket sudah siap dan hanya perlu dicetak dengan label alamat sebelum dikirim.

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, prosesnya juga dikendalikan secara forward-looking . Misalnya, perangkat lunak kontrol memberikan perintah tindak lanjut berdasarkan jadwal kerja yang diberikan kepada sistem transportasi atau petugas pengambil barang jika mereka berada di dekat lokasi penyimpanan barang tambahan yang akan diambil. Kriteria pemilihan tambahan juga dapat diterapkan pada sensor posisi seperti cip RFID atau perangkat GPS. Pada robot self-driving, kontrol antisipatif terjadi ketika perangkat berkomunikasi secara otonom satu sama lain dan memutuskan sendiri modul mana yang paling tepat untuk mengambil barang berdasarkan posisi mereka saat ini atau rute yang direncanakan.

Namun, baik yang digerakkan oleh perangkat lunak maupun yang beroperasi secara mandiri, perencanaan forward-looking membantu mengoordinasikan rute-rute yang akan dilalui di gudang secara efisien. Dahulu, barang-barang disimpan di rak konvensional, yang kemudian diambil dan diangkut secara manual dalam jarak jauh untuk pengiriman atau produksi. Namun, kini proses pergudangan di banyak perusahaan berjalan sepenuhnya otomatis dan 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.

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.