Firma Amazon jest współzałożycielem i pierwszym sygnatariuszem międzysektorowej społeczności firm The Climate Pledge, która wzywa do osiągnięcia celów Porozumienia Paryskiego na 10 lat przed wyznaczonym terminem. Mowa tutaj o zerowej emisji dwutlenku węgla do 2040 r. Od 2015 r. firma zmniejszyła masę wysyłanych opakowań o 33 proc., eliminując 915 tys. ton materiałów opakowaniowych na całym świecie – czyli równowartość ponad 1,6 miliarda pudełek. Dzięki mniejszej ilości opakowań wykorzystywanych w całym łańcuchu dostaw objętość pojedynczej przesyłki jest mniejsza, a transport staje się bardziej wydajny. Skumulowany efekt w całej sieci Amazon to radykalna redukcja emisji dwutlenku węgla.
Aby tego dokonać zespół ds. doświadczeń klientów w zakresie pakowania (customer packaging experience team) nawiązał współpracę z platformą chmurową Amazon Web Services (AWS). Celem było stworzenie rozwiązania opartego na uczeniu maszynowym (ML) z wykorzystaniem platformy Amazon SageMaker, aby umożliwić podejmowanie bardziej zrównoważonych decyzji dotyczących opakowań, przy jednoczesnym utrzymaniu wysokiego poziomu obsługi klienta.
Wyzwanie związane z trwałością opakowania
Amazon sprzedaje setki milionów różnych produktów i wysyła miliardy przesyłek rocznie. Aby dostarczać produkty w możliwie niewielkich opakowaniach i z maksymalną prędkością oraz mieć pewność, że zamówienie klienta dotrze do niego nieuszkodzone, zespół ds. doświadczeń klientów w zakresie pakowania musi wprowadzać innowacje na dużą skalę.
Jego celem było skalowanie procesu decyzyjnego na setki milionów wysyłanych produktów – nie po to, aby automatycznie umieścić je w pudełkach, ale aby zidentyfikować produkty, które można zapakować w wyściełaną kopertę papierową lub w papierową torbę. Mailery (wyściełane koperty papierowe) to bardziej zrównoważony wybór. Są o 75 proc. lżejsze niż pudełko o podobnej wielkości i dopasowują się do produktu, zajmując 40 proc. mniej miejsca niż pudełko podczas wysyłki - co oznacza o wiele mniej ciężarówek na drogach.
Świetnym rozwiązaniem okazał się tutaj Amazon SageMaker, który pomaga w szybkim przygotowywaniu, budowaniu, szkoleniu i wdrażaniu wysokiej jakości modeli uczenia maszynowego (ML) - mówi Tomasz Stachlewski, Senior Solutions Architecture Manager w Europie Środkowo-Wschodniej w AWS. Portfolio usług ML w chmurze AWS bazuje na ponad 20-letnim doświadczeniu firmy Amazon w tworzeniu aplikacji do uczenia maszynowego w świecie rzeczywistym, w tym rekomendacji produktów, personalizacji, inteligentnych zakupów, robotyki i urządzeń wspomaganych głosem.
Uczenie maszynowe robi różnicę
W praktyce oznaczało to stworzenie algorytmu uczenia maszynowego zbudowanego na podstawie terabajtów danych produktowych, od opisów produktów po opinie klientów. Dzięki ścisłej współpracy z konsultantami AWS te terabajty danych zostały skatalogowane i przygotowane do analizy. Algorytm uczenia maszynowego wykorzystuje te dane, aby zidentyfikować najlepsze opakowanie generujące jak najmniejszą ilość odpadów.
W ten sposób do 2020 r. narzędzia ML znacząco zmieniły mix opakowań, redukując użycie pudełek z 69 proc. do 42 proc.
Niektóre z najbardziej skutecznych modeli ML identyfikują produkty, które nie wymagają żadnego opakowania - jak np. pieluchy. Inne modele mogą zająć się inną kategorią produktów, taką jak zabawki, i zidentyfikować przedmioty, w przypadku których stan oryginalnego opakowania jest ważny, aby zapewnić, że są one wysyłane w sposób zabezpieczający przed ewentualnym uszkodzeniem.
Okazuje się, że wiemy wiele rzeczy o przedmiotach w naszym katalogu, ale dla części przedmiotów nie mamy szczegółowych informacji o ich trwałości, które byłyby istotne dla złożonego procesu wysyłki - mówi Matthew Bales, Research Science Manager w Amazon. Zanim stworzyliśmy ten model, opieraliśmy się na ogólnych zasadach. Na przykład zabawki winylowe o wartości poniżej 25 dolarów powinny być wysyłane w elastycznym opakowaniu pocztowym. Okazuje się jednak, że od tych reguł istnieje mnóstwo wyjątków.
Korzystając z Amazon SageMaker zespoły zajmujące się opakowaniami mogą analizować setki milionów produktów, miliardy przesyłek od klientów oraz wiele kanałów informacji zwrotnej od klientów, dostarczając użytecznych informacji w czasie rzeczywistym.
SageMaker okazał się dla nich kluczowy, jak mówi Bales, częściowo dlatego, że oferuje pełną możliwość dostosowania. W miarę jak modele stawały się coraz bardziej złożone, zespół był w stanie przejść od modeli wbudowanych do modeli niestandardowych. Amazon SageMaker umożliwił uruchomienie nowych modeli w ciągu zaledwie kilku tygodni, pozwalając im na ciągłe wymyślanie nowych sposobów eliminacji odpadów. Od modeli ML, które przewidują, które produkty mogą przeciekać, po identyfikację produktów, które mogą być wysyłane w papierowej torbie lub mogą być składane w mniejsze paczki - możliwości są nieograniczone.
Patrząc w przyszłość opakowań zgodnych z zasadami zrównoważonego rozwoju
Zespół ds. opakowań monitorując media społecznościowe zauważył, że klienci widzą zmiany i wyrażają pozytywne opinie. A dziś, dzięki wysiłkom Amazona, tysiące sprzedawców współpracuje z firmą nad udoskonaleniem własnych opakowań, aby dokonywać bardziej zrównoważonych wyborów.
Obsesja na punkcie klientów skłania zespół do sprawdzania, jak dalece można ograniczyć marnotrawstwo opakowań, do szybszej oceny nowych produktów, do projektowania lepszych opakowań i do osiągnięcia większego celu związanego z emisją dwutlenku węgla.
Aby osiągnąć te cele, jeszcze bardziej skupiamy się na eliminacji emisji dwutlenku węgla - mówi Justine Mahler, Packaging Senior Manager w Amazon. Będzie to wymagało więcej inwestycji w uczenie maszynowe, infrastrukturę oraz przełomowe osiągnięcia w dziedzinie materiałoznawstwa. Te wysiłki z pewnością dały nam przewagę.
Opracowano na podstawie informacji firmy Amazon
Alfa-Print Sp. z o.o.
ul. Świętokrzyska 14A
00-050 Warszawa
