Прогнозная логистика в электронной коммерции

Опубликовано по адресу: 25 августа 2015 г. / Обновление с: 26 ноября 2018 г. - Автор: Конрад Вольфенштейн

Shutterstock / vipman

Едва заказал, уже у дверей

Купили вчера – доставят завтра. Не так давно доставка заказанного товара в течение 48 часов была признаком качества, позволяющим интернет-магазинам позиционировать себя среди конкурентов. Но поскольку доставка на следующий день стала предметом разговоров в городе и первые поставщики доставляют товары в тот же день, чрезвычайно короткие сроки доставки не только стали нормой для многих клиентов, но и явно необходимы.

До сих пор существовали естественные ограничения на время доставки, увеличить которые можно было только приложив значительные технические усилия. Помимо создания комплексной сети децентрализованных складов и расширения транспортного парка, прогнозная логистика является основным подходом к оптимизации.

Развитие прогнозируемой доставки вновь продвигается пионером электронной коммерции Amazon . Это неудивительно, поскольку компания может использовать почти бесконечный кладезь данных; Регистрируется каждый просмотр продукта, каждая посещенная страница и каждый клик на одном из веб-сайтов Amazon. И именно эта информация является основой для используемых алгоритмов, которые определяют вероятность того, что заинтересованное лицо станет покупателем на основе более длительного пребывания или повторных посещений страницы. Метод анализа постоянно обучается с помощью вновь полученных данных и, таким образом, может постоянно повышать точность своих прогнозов. Как только достигается определенный уровень точности, для Amazon имеет смысл отдать предпочтение последующим логистическим процессам, таким как аутсорсинг, комплектация и подготовка товаров к отправке. Когда покупатель наконец нажимает кнопку «Купить», посылка уже готова, и перед отправкой в ​​путь необходимо только распечатать адресную этикетку.

Но запатентованная технология Amazon идет еще дальше, поскольку она отделяется от отдельного заказчика и далее охватывает целые группы клиентов с помощью вероятностных расчетов. Таким образом, делаются предположения о покупательском поведении целых регионов. Примером может быть спортивное мероприятие в городе. За неделю до этого ближайший склад должен был начать готовить футболки для участвующих команд к отправке. Затем посылки будут снабжены адресными этикетками, на которых уже будет указан город получателя или область почтового индекса. Затем товары будут доставлены туда и, при необходимости, размещены в грузовике или на децентрализованном буферном складе до фактического поступления прогнозируемых заказов. Далее следует просто заполнение транспортной этикетки. Затем грузовик отправляется и доставляет желаемый трикотаж вскоре после получения заказа.

Прогнозная складская логистика

Будь то центральный склад или местный буферный склад, предпосылкой быстрой доставки является бесперебойная комплектация товаров. Здесь необходимы высокопроизводительные логистические решения, чтобы полученное преимущество во времени не было потеряно из-за задержки доставки. И именно здесь более мелкие интернет-ритейлеры имеют возможность позиционировать себя с точки зрения скорости по сравнению с гигантом из Сиэтла.

И здесь процесс управляется дальновидно. Например, управляющее программное обеспечение назначает последующие заказы на основе планов работы, назначенных транспортным системам или комплектовщикам заказов, если они расположены близко к месту хранения дополнительного товара, подлежащего комплектованию. Детекторы положения, такие как чипы RFID или устройства GPS, также могут служить дополнительными функциями выбора. В случае с беспилотными роботами происходит упреждающий контроль, при котором устройства автономно взаимодействуют друг с другом и сами решают, какой модуль лучше всего должен забрать предмет, исходя из текущих позиций или запланированных маршрутов.

Но независимо от того, управляется ли оно программным обеспечением или работает независимо, перспективное планирование помогает эффективно координировать расстояния, которые необходимо преодолеть на складе. Так, если еще не так давно предметы хранились на обычных стеллажных складах, откуда их вручную вывозили и предоставляли на большие расстояния для отправки или производства, то сегодня во многих компаниях процессы хранения полностью автоматизированы и выполняются параллельно.

Для такой автоматизированной логистики необходимы компактные устройства хранения, которые можно разместить в непосредственной близости от станций комплектования, а также обеспечить высокую производительность доставки. Вертикальные буферные склады могут быть здесь решением из-за их небольших размеров и высокой производительности комплектации.

Транспортный дрон Amazon (Источник: Amazon)

Транспорт до клиента

Но какой смысл во всех алгоритмах, децентрализованных хранилищах и максимально быстрой комплектации, если посылки застревают в пробках на пути к покупателю? И здесь помогают технологии в виде больших данных: транспортные потоки постоянно отслеживаются и водителям всегда показывают оптимальный маршрут. Института Хассо Платтнера пошли еще дальше . Недавно они разработали систему, которая связывает внутреннюю информацию с данными о дорожном движении, доступными онлайн в режиме реального времени. Благодаря этому решению логистические компании могут получать точные прогнозы транспортных потоков. Система объединяет и оценивает самую свежую информацию о собственном грузовом парке пользователя с текущими данными о трафике. Таким образом, вы можете сразу узнать, находится ли, где и когда один из ваших грузовиков в пробке и насколько это задерживает транспорт.

Но система может сделать даже больше, поскольку позволяет прогнозировать нарушения дорожного движения еще до того, как они действительно произойдут. Например, если данные GPS показывают увеличение количества транспортных средств, движущихся по шоссе, можно сделать вывод, что затор неизбежен. Информация о погодных условиях также может быть использована для того, чтобы сделать выводы о времени отправления паромов или самолетов. С помощью этой информации запланированные маршруты можно оптимизировать на раннем этапе, чтобы клиент действительно имел товар в своих руках, как только он заказал его онлайн.

Альтернативой этому может стать веб-гигант из США, который хочет обслуживать рынок напрямую с воздуха с помощью своих дронов-доставщиков, по крайней мере, в среднесрочной перспективе. С точки зрения компании, это, безусловно, хорошая возможность оптимизировать сервис Prime Now с помощью перевозки товаров дронами. Пробки, переполненные улицы или нехватка парковочных мест для транспортных средств – все это больше не будет мешать быстрой доставке.

Менеджеры компании уже призывают к созданию специальных воздушных коридоров для беспилотной авиации. Дроны-доставщики могут работать на высоте от 60 до 120 метров, не нарушая воздушного движения. Технически можно без особых проблем перевозить грузы дронами Устройства уже проходят испытания, в том числе в Канаде. Получение необходимых официальных разрешений в настоящее время все еще проблематично. Но как только они исчезнут, Prime Air в течение 30–60 минут после заказа перестанет быть просто мечтой о будущем. Вопрос в том, какой клиент будет платить значительные дополнительные расходы за эту услугу. Но у Amazon , безусловно, уже есть ответ на этот вопрос в виде своих алгоритмов.