TP22-TecnoPack-Tecnología y equipamiento para envases y embalajes

LOGÍSTICA 44 Amazon: aprendizaje automático para reducir 915.000 toneladas de embalaje Carlos Carús, responsable de tecnologías de Amazon Web Services para España y Portugal Desde 2015, Amazon ha reducido su embalaje para envíos en un 33%. O lo que es lo mismo, 915.000 toneladas, el equivalente a 1.600 millones de cajas de envío. ¿Y cómo ha sido esto posible? Con un menor uso de embalaje en toda la cadena de suministro, el volu- men por envío se reduce a la vez que el envío se vuelve más eficiente. El resultado final es una reducción drás- tica de las emisiones de carbono. Todo puede parecer demasiado bueno para ser verdad, pero lo cierto es que es completamente posible con el uso de la tecnología. Para lograr esta enorme reducción, Amazon trabajó con Amazon Web Services para crear una solución de aprendizaje automático basada en Amazon SageMaker que ayudara a tomar decisiones más sostenibles sobre el uso de envases, al tiempo que ayudaba a mejorar la experien- cia de cliente. En la práctica, esto significa que se ha utilizado un algoritmo de aprendi- zaje automático desarrollado usando terabytes de datos de productos, desde descripciones de productos hasta comentarios de los clientes. Usando los servicios de Amazon Web Services, los datos primero se extraen y catalogan para su extracción, lo que conocemos como “mining”. Posteriormente, el algoritmo de apren- dizaje automático usa los datos para identificar el embalaje que produzca el menor desperdicio. Los modelos de aprendizaje automático más efectivos incluso identifican los envíos que no requieren ningún tipo de embalaje, como los pañales. Otros modelos pue- den ocuparse de una categoría de producto específica, como juguetes, para identificar artículos en los que la condición del embalaje original es importante. ¿POR QUÉ ES ESTO TAN IMPORTANTE? Amazon vende y envía cientos de millones de productos diferentes cada año. No hace falta decir que se necesitan grandes cantidades de embalajes para realizar esta operación. Gracias al aprendizaje automático, se han escalado las bases para la toma de decisiones de millones de productos. A su vez, esto permite, por ejemplo, identificar productos que se pueden empaquetar en un sobre de papel acolchado o una bolsa de papel, en vez de una caja. En el fondo, es una cuestión de tomar decisiones más sostenibles. Por ejemplo, un sobre acolchado pesa un 75% menos que una caja de tamaño similar y reduce el uso de espacio en un 40%. Otro punto interesante de este pro- yecto es que se produce un efecto dominó. Los clientes valoran positiva- mente los cambios y así lo reflejan en