Прогнозируемая логистика в электронной коммерции

Опубликовано: 25 августа 2015 г. / Обновлено: 26 ноября 2018 г. – Автор: Konrad Wolfenstein

Shutterstock / vipman

С трудом сделали заказ, а уже у двери

Заказ оформлен вчера – доставлен завтра: Еще не так давно доставка заказанных товаров в течение 48 часов была признаком качества, позволявшим онлайн-ритейлерам выделяться среди конкурентов. Однако с распространением доставки на следующий день и началом доставки некоторыми компаниями в тот же день, крайне короткие сроки доставки стали не только нормой для многих покупателей, но и востребованы на рынке.

До настоящего времени сроки доставки ограничивались естественными факторами, которые можно было еще больше увеличить только за счет значительных технологических усилий. Помимо создания разветвленной сети децентрализованных складов и расширения автопарка, ключевым направлением оптимизации является прогнозная логистика.

Развитие прогнозируемой доставки снова находится под влиянием пионера электронной коммерции Amazon. Это неудивительно, учитывая практически безграничный массив данных компании: каждый просмотр товара, каждая посещенная страница и каждый клик на одном из веб-сайтов Amazon записываются. Эта информация поступает в алгоритмы, используемые для определения вероятности потенциального покупателя на основе более длительного времени пребывания на сайте или повторных посещений страниц. Метод анализа постоянно обучается на основе вновь полученных данных, тем самым постоянно повышая точность своих прогнозов. После достижения определенного уровня точности для Amazon становится логичным уделять приоритетное внимание последующим логистическим процессам, таким как комплектация заказа, сборка и подготовка к отправке. Когда покупатель наконец нажимает кнопку «Купить», посылка уже подготовлена ​​и нуждается только в маркировке перед отправкой.

Но запатентованная Amazon технология идет еще дальше, выходя за рамки отдельных заказов и используя вероятностные расчеты для таргетирования целых групп клиентов. Это позволяет делать предположения о покупательском поведении целых регионов. Например, рассмотрим спортивное мероприятие в городе. За неделю до него на ближайшем складе начнутся приготовления к отправке футболок участвующих команд. Затем на пакеты будут наклеены адресные стикеры с указанием города или почтового индекса получателя. После этого товары будут доставлены туда и, при необходимости, помещены в грузовик или децентрализованный буферный склад до фактического прибытия прогнозируемых заказов. Все, что остается, — это заполнение транспортной этикетки. Затем грузовик отправляется и доставляет желаемую футболку вскоре после получения заказа.

Прогнозируемая складская логистика

Будь то центральный склад или локальный буферный склад, необходимым условием быстрой доставки является бесперебойный отбор товаров. Для того чтобы преимущество во времени не было потеряно из-за задержек в доставке, здесь необходимы высокоэффективные логистические решения. И именно здесь у небольших интернет-магазинов есть возможность занять выгодное положение по скорости в противостоянии с гигантом из Сиэтла.

Здесь также управление процессом осуществляется на упреждающей основе. Например, программное обеспечение управления назначает последующие заказы на основе рабочих планов, выделенных для транспортных систем или комплектовщиков заказов, если они расположены рядом с местом хранения дополнительного товара, подлежащего комплектации. Другие критерии выбора могут включать бортовые датчики положения, такие как RFID-чипы или GPS-устройства. В случае с автономными роботами упреждающее управление работает за счет того, что устройства могут автономно обмениваться данными друг с другом и, основываясь на своем текущем положении или запланированных маршрутах, определять, какой модуль лучше всего подходит для комплектации товара.

Однако, независимо от того, управляется ли оно программным обеспечением или работает автономно, предиктивное планирование помогает эффективно координировать маршруты перемещения внутри склада. Если еще недавно товары хранились на обычных стеллажных складах, откуда их вручную извлекали и транспортировали на большие расстояния для отгрузки или производства, то сейчас во многих компаниях складские процессы работают полностью автоматически и параллельно.

Для автоматизированной логистики требуются компактные складские помещения, которые можно разместить в непосредственной близости от станций комплектации заказов и которые обеспечивают высокую пропускную способность. Вертикальные буферные складские системы могут стать здесь решением благодаря своим небольшим размерам и высокой производительности комплектации.

Дрон для доставки Amazon (Источник: Amazon)

Транспортировка клиенту

Но какой смысл во всех алгоритмах, децентрализованных складах и быстрой комплектации заказов, если посылки застревают в пробках по пути к клиенту? Здесь на помощь приходит технология больших данных: потоки транспорта постоянно отслеживаются, и водителям всегда показывается оптимальный маршрут. Исследователи из Института Хассо Платтнера. Недавно они разработали систему, которая в режиме реального времени связывает внутреннюю информацию с общедоступными данными о дорожном движении. Это решение позволяет логистическим компаниям получать точные прогнозы потоков транспорта. Система объединяет и анализирует самую свежую информацию от собственного автопарка пользователя с текущими данными о дорожном движении. Таким образом, они немедленно узнают, застрял ли, где и как долго один из их грузовиков в пробке и насколько это задерживает доставку.

Но система способна на большее, позволяя прогнозировать перебои в движении транспорта еще до того, как они произойдут. Например, если данные GPS указывают на увеличение количества автомобилей на автомагистрали, это может сигнализировать о надвигающейся пробке. Аналогичным образом, информация о погодных условиях может быть использована для прогнозирования времени отправления паромов или самолетов. Эта информация позволяет заранее оптимизировать запланированные маршруты, гарантируя, что клиенты получат свои товары практически сразу после оформления заказа онлайн.

В качестве альтернативы американский веб-гигант может снова стать вариантом, поскольку он планирует 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 свой сервис Prime Now, используя доставку дронами. Пробки, перегруженные дороги или нехватка парковочных мест для транспортных средств доставки: ничто из этого не помешает быстрой доставке.

Руководство компании уже призывает к созданию выделенных воздушных коридоров для беспилотных летательных аппаратов. Это позволило бы дронам-доставщикам работать на высотах от 60 до 120 метров, где они не создавали бы помех воздушному движению. Технически, транспортировка товаров дронами осуществима без серьезных проблем. Устройства уже проходят тестирование, в том числе в Канаде. В настоящее время основным препятствием являются необходимые разрешения регулирующих органов. Но как только они будут получены, Prime Air — доставка в течение 30-60 минут после заказа — перестанет быть просто мечтой. Вопрос в том, какой клиент будет готов платить немалые дополнительные деньги за эту услугу? Но у Amazon, с ее алгоритмами, наверняка уже есть ответ на этот вопрос.