전자상거래에서의 예측 물류

거의 주문하지 않았는데 벌써 문 앞에 왔어요

어제 구매 – 내일 배달 : 얼마 전까지 만해도, 주문한 상품을 보내는 것은 48 시간 이내에 온라인 소매 업체가 경쟁 업체를 향해 자신을 배치 할 수있는 품질의 기능이었습니다. 그러나 다음 날 배달이 모든 사람의 입술에 있었고 같은 날에 첫 번째 제공자가 제공 한 이후 많은 고객에게 매우 짧은 배송 시간이 정상일뿐만 아니라 명시 적으로 요구되었습니다.

지금까지 배송 시간은 자연적인 한계에 직면해 왔으며, 상당한 기술적 노력을 통해서만 더욱 연장될 수 있었습니다. 분산형 창고의 포괄적인 네트워크를 구축하고 운송 차량을 확장하는 것 외에도 forward-looking 물류는 최적화를 위한 핵심 접근 방식입니다.

forward-looking 개발은 아마존 에 의해 다시 한번 주도되고 있습니다 . 아마존이 겉보기에 무한한 양의 데이터를 활용할 수 있다는 점을 고려하면 당연한 일입니다. 모든 제품 조회수, 방문한 모든 페이지, 아마존 웹사이트에서 클릭한 모든 내용이 기록됩니다. 바로 이 정보가 사용되는 알고리즘에 정보를 제공하는데, 이 알고리즘은 더 긴 체류 시간이나 반복적인 페이지 조회수를 사용하여 잠재 고객이 구매자가 될 확률을 결정합니다. 분석 방법은 새롭게 수집된 데이터의 도움으로 끊임없이 학습하며, 따라서 예측의 정확도를 지속적으로 높일 수 있습니다. 일정 수준의 정확도에 도달하면 아마존이 아웃소싱, 피킹, 배송 준비와 같은 다운스트림 물류 프로세스를 우선시하는 것은 당연한 일입니다. 고객이 마침내 구매 버튼을 클릭하면 패키지는 이미 준비된 상태이며, 배송 전에 주소 라벨만 인쇄하면 됩니다.

하지만 아마존에 특허 등록된 이 기술은 한 단계 더 나아가 개별 주문자로부터 분리되어 확률 계산을 통해 전체 고객 그룹을 포괄한다는 점에서 한 단계 더 발전했습니다. 이러한 방식으로 전체 지역의 구매 행동에 대한 가정이 이루어집니다. 도시에서 열리는 스포츠 이벤트를 예로 들 수 있습니다. 일주일 전부터 근처 창고에서 참가 팀의 배송을 위한 유니폼 준비를 시작했습니다. 그런 다음 소포에는 수취인 도시 또는 우편번호 지역이 이미 표시된 주소 라벨이 제공됩니다. 그런 다음 품목은 그곳으로 운송되고, 필요한 경우 예측 주문이 실제로 도착할 때까지 트럭이나 분산형 완충 창고에 보관됩니다. 다음은 단순히 배송 라벨을 완성하는 것입니다. 그런 다음 트럭은 주문을 받은 직후에 출발하여 원하는 저지를 배달합니다.

예측형 창고 물류

중앙 창고에서든 현지 완충 창고에서든 빠른 배송을 위한 전제 조건은 품목의 원활한 피킹입니다. 제공 지연으로 인해 얻은 시간 이점이 손실되지 않으려면 고성능 물류 솔루션이 필요합니다. 그리고 이것이 바로 소규모 전자 소매업체가 시애틀의 거대 기업과 비교하여 속도 면에서 자신을 포지셔닝할 수 있는 기회를 갖는 곳입니다.

여기에서도 프로세스는 forward-looking 방식으로 제어됩니다. 예를 들어, 제어 소프트웨어는 운송 시스템이나 피킹 작업자가 추가 피킹할 품목의 보관 위치 근처에 있는 경우, 해당 작업 일정에 따라 후속 명령을 할당합니다. RFID 칩이나 GPS 장치와 같은 위치 센서에 추가적인 선택 기준을 탑재할 수도 있습니다. 자율주행 로봇에서는 장치들이 서로 자율적으로 통신하고 현재 위치 또는 계획된 경로를 기반으로 어떤 모듈이 해당 품목을 가장 잘 피킹할지 스스로 결정할 때 예측 제어가 이루어집니다.

소프트웨어 기반이든 자율 운영이든, forward-looking 계획은 창고에서 처리해야 할 경로를 효율적으로 조정하는 데 도움이 됩니다. 얼마 전까지만 해도 품목은 기존의 랙 스토리지에 보관되어 배송이나 생산을 위해 수동으로 검색하여 장거리 운송되었지만, 오늘날 많은 기업의 창고 프로세스는 완전히 자동화되고 병렬로 운영됩니다.

이러한 자동화된 물류에는 피킹 스테이션에 근접하게 배치할 수 있고 배송 성능도 뛰어난 소형 보관 장치가 필요합니다. 수직 버퍼 저장소는 작은 크기와 높은 피킹 성능으로 인해 솔루션이 될 수 있습니다.

고객에게 운송

그러나 모든 알고리즘, 분산된 저장 위치 및 패키지가 고객에게 가는 도중 교통 체증이 발생하는 경우 가장 빠른 선택이 무슨 소용이 있습니까? 여기에서도 빅데이터 형태의 기술이 도움이 됩니다. 교통 흐름을 지속적으로 모니터링하고 운전자에게 항상 최적의 경로를 보여줍니다. Hasso Plattner Institute 의 연구원들은 . 최근에는 내부 정보를 온라인에서 실시간으로 확인할 수 있는 교통 관련 데이터와 연결하는 시스템을 개발했습니다. 이 솔루션을 통해 물류회사는 교통 흐름에 대한 정확한 예측을 받을 수 있습니다. 이 시스템은 사용자가 소유한 화물 차량의 최신 정보를 현재 교통 데이터와 결합하고 평가합니다. 이러한 방식으로 트럭 중 하나가 교통 체증에 빠졌는지, 어디서, 언제부터 발생했는지, 이로 인해 운송이 어느 정도 지연되고 있는지 즉시 확인할 수 있습니다.

하지만 시스템은 교통 혼란이 실제로 발생하기 전에 예측할 수 있으므로 훨씬 더 많은 일을 할 수 있습니다. 예를 들어, GPS 데이터에 고속도로에서 이동하는 차량 수가 증가하는 것으로 나타나면 혼잡이 임박했음을 추론할 수 있습니다. 기상 조건에 대한 정보는 페리나 비행기의 출발 시간에 대한 결론을 도출하는 데에도 사용될 수 있습니다. 이 정보의 도움으로 고객이 온라인으로 주문하자마자 실제로 상품을 손에 넣을 수 있도록 계획된 경로를 초기 단계에서 최적화할 수 있습니다.

이에 대한 대안은 적어도 중기적으로는 배송 드론을 통해 공중에서 직접 시장에 서비스를 제공하고자 하는 미국의 거대 웹 기업일 수 있습니다. 회사 입장에서는 드론을 통한 물품 운송의 도움으로 Prime Now 서비스를 최적화할 수 있는 좋은 기회임이 분명합니다. 교통 체증, 혼잡한 거리, 배송 차량 주차 공간 부족 등 이 모든 것이 더 이상 빠른 배송을 방해하지 않습니다.

회사 관리자들은 이미 무인 항공기를 위한 특수 항공 통로를 요구하고 있습니다. 배송 드론은 항공 교통을 방해하지 않는 60~120미터 고도에서 작동할 수 있습니다. 드론으로 물품을 운송하는 큰 문제 없이 가능합니다 이 장치는 캐나다를 포함하여 이미 테스트되고 있습니다. 필요한 공식 승인은 현재 여전히 문제가 있습니다. 그러나 이러한 문제가 해결되면 Prime Air는 더 이상 미래의 꿈이 아닐 것입니다. 문제는 어느 고객이 이 서비스에 대해 적지 않은 추가 비용을 지불할 것인지입니다. 하지만 아마존은 이미 알고리즘을 통해 이에 대한 답을 갖고 있습니다.