전자상거래에서의 예측 물류

거의 주문하지 않았는데 벌써 문 앞에 왔어요

어제 구매 - 내일 배송: 얼마 전까지만 해도 주문한 제품을 48시간 이내에 배송하는 것은 온라인 소매업체가 경쟁업체보다 우위에 설 수 있는 품질 기능이었습니다. 그러나 익일 배송이 화두가 되고 최초의 공급업체가 당일 배송을 시작함에 따라 극도로 짧은 배송 시간이 많은 고객에게 일반화되었을 뿐만 아니라 명시적으로 요구되는 사항이 되었습니다.

지금까지는 배송 시간에 자연적인 한계가 있었고, 이는 많은 기술적 노력을 통해서만 더 늘어날 수 있었습니다. 분산된 저장 위치의 포괄적인 네트워크를 설정하고 운송 차량을 확장하는 것 외에도 예측 물류는 최적화를 위한 주요 접근 방식입니다.

Amazon 에 의해 다시 한 번 추진되고 있습니다 . 회사가 거의 끝없이 풍부한 데이터를 활용할 수 있다는 것은 놀라운 일이 아닙니다. 모든 제품 보기, 방문한 모든 페이지 및 Amazon 웹사이트 중 하나에 대한 모든 클릭이 등록됩니다. 그리고 사용된 알고리즘의 기초가 되는 것은 바로 이 정보입니다. 이 정보는 관심 있는 당사자가 페이지에 더 오래 머무르거나 반복적으로 방문하는 것을 기반으로 구매자가 될 가능성을 결정합니다. 분석 방법은 새로 획득한 데이터를 통해 지속적으로 학습하므로 예측의 정확도를 지속적으로 높일 수 있습니다. 특정 수준의 정확도에 도달하면 Amazon이 아웃소싱, 피킹, 배송 품목 준비와 같은 다운스트림 물류 프로세스를 선호하는 것이 합리적입니다. 고객이 마침내 구매 버튼을 클릭하면 패키지는 이미 준비된 것이므로 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.

여기서도 프로세스는 미래 지향적인 방식으로 관리됩니다. 예를 들어, 제어 소프트웨어는 피킹할 추가 품목의 저장 위치 가까이에 있는 운송 시스템이나 주문 피커에 할당된 작업 계획을 기반으로 후속 주문을 할당합니다. RFID 칩이나 GPS 장치와 같은 위치 감지기도 추가 선택 기능으로 사용될 수 있습니다. 자율주행 로봇의 경우 장치가 서로 자율적으로 통신하고 현재 위치나 계획된 경로를 기반으로 어떤 모듈이 항목을 가장 잘 픽업해야 하는지 스스로 결정하는 예측 제어가 수행됩니다.

그러나 소프트웨어로 제어하든 독립적으로 운영하든 미래 지향적인 계획은 창고에서 처리할 거리를 효율적으로 조정하는 데 도움이 됩니다. 따라서 얼마 전까지만 해도 품목이 기존 랙 창고에 보관되어 수동으로 제거되어 운송 또는 생산을 위해 장거리로 사용할 수 있었던 곳에서는 오늘날 많은 회사에서 보관 프로세스가 완전히 자동화되어 병렬로 실행됩니다.

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.