Как маркетплейс Amazon использует искусственный интеллект, создать самую быструю цепочку поставок в мире

Скотт Гамильтон, вице-президент Amazon по технологиям планирования и маршрутизации, говорит, что Amazon использует искусственный интеллектдля обеспечения более быстрых поставок клиентам по всему миру. Например, во время распродажи Cyber Monday в 2023 году Amazon использовала системы искусственного интеллекта для прогнозирования ежедневного спроса на более чем 400 миллионов продуктов и предсказания того, откуда поступали заказы, на основе своих запасов исторических данных.

Другой способ, которым Amazon использует системы искусственного интеллекта, - это пополнение складов для оптимизации доставки. Станции доставки Amazon обрабатывают около 60 000 посылок в день, а в пиковые сезоны отпусков - более 110 000.
Amazon инвестировала в новые роботизированные системы управления запасами, такие как Sequoia. Sequoia помогает компании выявлять и хранить запасы на 75% быстрее.

Благодаря индивидуальной системе управления запасами, которая организует поставки, Amazon смогла:

1. Сокращение человеческих усилий и травматизма сотрудников на 15%
2. Сократите время обработки на 25%

Итак, что означают приведенные выше цифры для Amazon? Система гарантировала, что продукты, заказанные в Киберпонедельник, доставлялись намного быстрее.
Только в 2020 году Amazon смогла использовать машинное обучение и искусственный интеллект, чтобы сэкономить 1,6 миллиарда долларов на транспортных расходах и логистике и сократить выбросы CO2 на 1 миллион тонн.

В 2019 году Amazon представила PDE, или “Механизм принятия решений по упаковке”. Механизм принятия решений по упаковке - это модель искусственного интеллекта, предназначенная для ежедневной оптимизации миллионов упаковок.
Механизм принятия решений по упаковке в сочетании с другими инновационными упаковочными решениями помог Amazon с 2015 года ликвидировать более двух миллионов тонн упаковочных материалов по всему миру.

Как и другие ИИ, система PDE использует модели обучения естественному языку для обучения на основе исторических данных и сбора новых текстовых данных по каждому товару, таких как название товара, описание, цена и размеры упаковки. Вот полная информация –
Когда товар впервые поступает в центр реализации Amazon:

1. Это сфотографировано в туннеле компьютерного зрения
2. Туннель компьютерногозрения обнаруживает наличие каких-либо дефектов продукта
3. Туннель также определяет размеры продукта и наличие пакета или коробки вокруг товара, что позволяет принимать соответствующие решения по упаковке
4. Система извлекает другую информацию из различных каналов обратной связи с клиентами и объединяет данные для повышения точности рекомендаций по упаковке
5. После сбора всей приведенной выше информации система рассчитывает возможный векторный показатель для определения идеального типа упаковки
6. Затем система сохраняет выбранный вариант упаковки и использует эти данные в будущем

Автоматизация вышеуказанных шагов устраняет многочасовые задержки в рабочих процессах и облегчает принятие важных решений, когда дело доходит до упаковки.

Знаете ли вы, что 23% возвратов вызваны неправильной отправкой товара?
И 22% возвратов приходится на то, что продукты выглядят не так, как ожидали покупатели.
Никому не нравится получать поврежденные товары, поэтому неудивительно, что статистика цепочки поставок также показывает, что 20% возвратов приходится на поврежденные продукты

Мохаммед Хан, помощник генерального менеджера центра выполнения заказов Amazon, говорит, что обычно требуется 5 сотрудников, которые проводят визуальную проверку по шести пунктам, чтобы определить, поврежден ли продукт. Когда вы думаете об этом как о бизнесе, это требует много рабочей силы.

Но что, если вы сможете ускорить процесс исправления и автоматически обнаруживать повреждения продукта, не привлекая 5 сотрудников для визуальной проверки из шести пунктов
Именно это и сделала Amazon. Amazon разработала модель искусственного интеллекта (ИИ) под названием “Project P.I.”, что расшифровывается как “Частный детектив", для выявления дефектов.

Project P.I. использует комбинацию генеративного искусственного интеллекта и технологий компьютерного зрения для обнаружения дефектов продукции и / или обеспечения правильности спецификаций продукции, таких как цвет или размер, перед отправкой покупателям.
Это снижает затраты, связанные с доставкой, обработкой и оформлением возвращенных товаров. Не только это, но и точное определение спецификации продукта, а также правильность ее определения также предотвращает учет бракованных товаров на складе, что улучшает управление запасами.

Постоянное предоставление нужных продуктов в хорошем состоянии повышает репутацию компании, удовлетворенность и лояльность клиентов.