Amazon minskar förpackningar genom maskininlärning

Sedan 2015 har e-handelsjätten Amazon minskat sin utgående förpackning med 33 procent, vilket motsvarar 915 000 ton eller 1,6 miljarder godslådor. Detta trots att e-handeln ständigt ökar. Hemligheten ligger i maskininlärning.

Med mindre användning av emballage i hela leveranskedjan minskar volymen per försändelse samtidigt som det gör frakten effektivare. Resultatet blir minskade koldioxidutsläpp. För att uppnå denna minskning byggde Amazon en maskininlärningslösning driven av det egna SageMaker. Syftet med lösningen är att ge insikter för att kunna fatta mer hållbara beslut om användningen av förpackningar och samtidigt stärka kundupplevelsen.

Maskininlärningsalgoritmen är byggd på stora mängder produktdata från produktbeskrivningar och kundfeedback. I samarbete med företagets Web Services rensas och katalogiseras data för att utvinnas – så kallad “mining”. Algoritmen använder sedan datan för att identifiera de bästa förpackningarna utifrån hur mycket avfall som genereras.

Till exempel blir det möjligt att identifiera varor som kan packas i ett vadderat papperskuvert eller i en papperspåse snarare än den traditionella förpackningen. Ett vadderat kuvert väger 75 procent mindre än en låda i samma storlek samtidigt som utrymmesanvändningen minskas med 40 procent.

– Det som också är intressant med projektet är de positiva bieffekterna. Kunder märker förändringarna och ger uppskattande feedback. Och tusentals leverantörer samarbetar nu med Amazon för att förbättra sina egna förpackningar, minska avfallet och utforma bättre förpackningar för att uppnå sina utsläppsmål, skriver Joakim Stolpe, försäljningschef Nordics, Amazon Web Services.