Sintetizza NotebookLM:

Come ha evoluto SCOT le tecnologie della supply chain di Amazon?

L’evoluzione di SCOT nelle tecnologie della supply chain di Amazon

Il team SCOT (Supply Chain Optimization Technologies) di Amazon ha rivoluzionato la gestione della catena di approvvigionamento dell’azienda nel corso di poco più di un decennio. Inizialmente, il team era di dimensioni ridotte e si concentrava principalmente sull’automazione dell’acquisto e della gestione dell’inventario dei prodotti. Il passaggio dall’utilizzo di fogli di calcolo a sistemi automatizzati si è reso necessario a causa della rapida crescita di Amazon e della conseguente complessità della sua supply chain.

L’automazione è stata implementata gradualmente, iniziando con prove controllate randomizzate su specifiche categorie di prodotti. In queste prove, alcuni prodotti sono stati gestiti in modo tradizionale, mentre altri sono stati gestiti dai nuovi algoritmi, con la possibilità per gli operatori umani di ignorare le decisioni del sistema, se necessario. Il successo di queste prime prove ha portato ad una maggiore fiducia nell’automazione, culminando nella decisione di automatizzare completamente alcune categorie di prodotti.

Nel corso degli anni successivi, SCOT ha ampliato il suo raggio d’azione, sviluppando tecnologie per l’ottimizzazione dell’intera supply chain di Amazon. Ad esempio, il team ha creato un proprio team di previsione della domanda, passando da un insieme di modelli a un singolo modello di deep learning in grado di apprendere i modelli di domanda senza istruzioni specifiche.

L’accuratezza delle previsioni è fondamentale per Amazon, poiché anche piccole variazioni nelle previsioni possono avere un impatto significativo sui flussi di prodotti e sulla capacità dei centri di distribuzione. Con l’evoluzione di SCOT, l’azienda è stata in grado di posizionare meglio i prodotti per soddisfare gli ordini previsti.

L’introduzione di consegne più rapide, come la consegna in un giorno negli Stati Uniti nel 2019 e Prime Now, ha posto nuove sfide logistiche. Per soddisfare queste promesse di consegna, Amazon ha dovuto avvicinare i prodotti ai clienti, aumentando i centri di distribuzione locali e affrontando la sfida di determinare quali articoli collocare localmente.

Questo aumento della complessità ha portato a un’ulteriore riprogettazione della rete automatizzata di SCOT. Dopo diversi anni di iterazioni e fallimenti, nel 2020 il team ha introdotto il “sistema multi-echelon”, un modello multi-prodotto, multilivello e multi-centro di distribuzione per l’ottimizzazione dei livelli di inventario per diverse velocità di consegna.

SCOT ha dovuto affrontare diverse sfide nel corso del tempo, tra cui:

• L’integrazione di milioni di venditori FBA (Fulfillment by Amazon) nella rete di distribuzione di Amazon.
• La spiegazione delle decisioni automatizzate ai partner di vendita e alle altre parti interessate.
• La gestione del trasporto attraverso la crescente flotta di camion, aerei, centri di smistamento e stazioni di consegna di Amazon.

Il team SCOT ha dimostrato una notevole capacità di innovazione e adattamento, sviluppando soluzioni all’avanguardia per affrontare le complesse sfide della supply chain di Amazon. L’approccio basato sui dati e l’impegno per l’ottimizzazione hanno portato a significativi miglioramenti in termini di efficienza, soddisfazione del cliente e riduzione dei costi.

Quali sfide tecnologiche future affronta il team SCOT di Amazon?

Il team SCOT (Supply Chain Optimization Technologies) di Amazon affronta diverse sfide tecnologiche future, tra cui:

• Gestione di FBA (Fulfillment by Amazon): Circa il 60% delle vendite dell’Amazon Store avviene tramite FBA, un servizio che consente alle piccole e medie imprese di offrire una selezione unica ai clienti Amazon a basso costo e con velocità elevate. L’ottimizzazione dell’efficienza della catena di approvvigionamento sarebbe già abbastanza difficile alla scala di Amazon, anche se Amazon avesse il pieno controllo di ogni aspetto della sua rete di evasione ordini. Tuttavia, Amazon lavora con milioni di venditori FBA con diverse strutture di costo e pratiche di gestione dell’inventario che decidono autonomamente cosa vendere, quanto immagazzinare e come prezzare i loro prodotti. La sfida per SCOT è trovare un modo per supportare tutti i venditori terzi indipendenti in modo che si traduca in una vittoria tripla, per loro, per Amazon e per i clienti.
• Spiegabilità dei Sistemi Automatizzati: Un’altra grande sfida è spiegare le decisioni automatizzate alle persone che hanno bisogno di capire perché le cose accadono come accadono. La complessità della tecnologia rende difficile per chi non ha un background tecnico comprendere le decisioni prese dai sistemi automatizzati. SCOT sta sviluppando nuovi metodi per rendere i suoi sistemi più comprensibili, in modo che le decisioni possano essere spiegate ai partner di vendita e ad altre parti interessate.
• Gestione del Trasporto: Un’altra grande sfida è la gestione del trasporto attraverso la crescente flotta di camion, aerei, centri di smistamento e stazioni di consegna di Amazon. La nuova priorità di SCOT è garantire che i propri camion di consegna o aerei da carico siano il più pieni possibile, soddisfacendo al contempo le finestre di consegna dei clienti. La crescente rete di trasporto di Amazon ha creato uno “spazio problematico molto eccitante” che il team di ottimizzazione dell’evasione ordini di SCOT sta affrontando.

In sintesi, il team SCOT di Amazon si trova ad affrontare sfide complesse per ottimizzare la supply chain in continua evoluzione dell’azienda. La gestione di FBA, la necessità di spiegare le decisioni automatizzate e la gestione del trasporto sono solo alcuni dei problemi che SCOT sta affrontando con l’obiettivo di migliorare l’esperienza del cliente e l’efficienza della rete di Amazon.

In che modo l’IA e il machine learning hanno trasformato SCOT?

Ecco alcuni modi in cui l’IA e l’apprendimento automatico hanno trasformato SCOT:

• Automazione delle decisioni di acquisto e posizionamento dell’inventario. Nel 2011, quando il vicepresidente di SCOT Deepak Bhatia è entrato a far parte di Amazon, il team si concentrava principalmente sull’automazione dell’acquisto dei prodotti e della gestione dell’inventario di Amazon. Hanno sviluppato algoritmi complessi che potessero prendere decisioni di acquisto e posizionamento dell’inventario per una determinata categoria di prodotti. Nel 2014, questi algoritmi sono stati implementati in tutte le categorie, migliorando le metriche dell’esperienza del cliente, come i tassi di disponibilità, riducendo al contempo i costi.
• Previsione della domanda. SCOT ha creato un team di previsione della domanda dedicato che utilizza l’apprendimento automatico per prevedere la domanda di centinaia di milioni di prodotti. Il team utilizza un modello singolo chiamato Multi-Horizon Quantile Recurrent Forecaster, che può prevedere con precisione la domanda stagionale mutevole, i futuri picchi di domanda degli eventi pianificati e persino le “previsioni a freddo” per i prodotti con una cronologia delle vendite limitata. La previsione accurata della domanda è particolarmente importante su scala Amazon, poiché anche piccole variazioni nelle previsioni possono comportare un surplus o una carenza di diversi centri di evasione ordini di prodotti.
• Gestione dell’inventario multi-echelon. Per soddisfare le promesse di consegna sempre più ambiziose di Amazon, come One-Day Delivery e Prime Now, SCOT ha dovuto riprogettare radicalmente la propria rete automatizzata. Nel 2020, hanno svelato il “sistema multi-echelon”, un modello multiprodotto, multilivello, multicentro di evasione ordini per l’ottimizzazione dei livelli di inventario per diverse velocità di consegna in uno spazio in cui la domanda futura, i tempi di consegna dei prodotti e i vincoli di capacità sono tutti incerti. L’implementazione del sistema multi-echelon è stata una sfida, poiché richiedeva la ricostruzione di team, sistemi e meccanismi di coordinamento mantenendo al contempo l’attività operativa.
• Gestione del trasporto. Un’altra grande sfida per SCOT è la gestione del trasporto attraverso la crescente flotta di consegna di Amazon di camion, aerei, centri di smistamento e stazioni di consegna. Il team di ottimizzazione dell’evasione ordini di SCOT gestisce i sistemi che prendono le decisioni di evasione ordini in uscita. Questi sistemi ottimizzano milioni di promesse ai clienti ogni secondo e miliardi di piani di evasione ordini dei clienti ogni giorno, valutando centinaia di milioni di potenziali percorsi di trasporto attraverso la rete e monitorando oltre un miliardo di aggiornamenti dell’inventario in tempo reale ogni giorno. La nuova priorità è garantire che i camion o gli aerei cargo di Amazon siano il più pieni possibile, soddisfacendo al contempo le finestre di consegna ai clienti.

L’IA e l’apprendimento automatico hanno consentito a SCOT di creare uno dei sistemi di processo decisionale automatizzato più grandi e sofisticati al mondo, in grado di gestire la complessità della catena di approvvigionamento di Amazon e soddisfare le crescenti aspettative dei clienti. Tuttavia, SCOT continua ad affrontare sfide, come il supporto di milioni di venditori FBA indipendenti e la spiegazione delle decisioni automatizzate alle parti interessate.

logiche di SCOT (come il sistema multi-echelon), le sfide affrontate e le prospettive future, sottolineando l’importanza della spiegabilità dei sistemi automatizzati e l’attrattiva del team per professionisti della data science. Il fine ultimo è dimostrare il ruolo fondamentale di SCOT nel successo di Amazon e nel plasmare il futuro del retail.

Argomenti principali

Breve Analisi: Amazon’s Supply Chain Optimization Technologies (SCOT)

Questo documento analizza l’articolo “Solving some of the largest, most complex operations problems” pubblicato su Amazon Science, che esplora l’evoluzione del team Supply Chain Optimization Technologies (SCOT) di Amazon.

Temi principali:

1. Crescita e complessità: L’articolo descrive come il team SCOT si è evoluto in poco più di un decennio per gestire la crescente complessità della catena di approvvigionamento di Amazon. La capacità di Amazon di crescere a una scala senza precedenti, soddisfacendo al contempo le crescenti aspettative dei clienti in termini di velocità di consegna, si basa in gran parte sulle soluzioni innovative sviluppate da SCOT.

2. Automazione e Ottimizzazione: SCOT ha costruito uno dei sistemi di decision-making automatizzato più grandi e sofisticati al mondo, utilizzando simulazione, ottimizzazione matematica e machine learning. Questo sistema gestisce una vasta gamma di funzioni, dalla previsione della domanda all’allocazione delle scorte, all’ottimizzazione delle consegne.

3. Sfide e Soluzioni: L’articolo evidenzia diverse sfide affrontate da SCOT, tra cui la promessa di consegna in un giorno, la gestione di un numero crescente di venditori di terze parti tramite Fulfillment by Amazon (FBA) e la necessità di rendere i sistemi automatizzati più comprensibili per gli stakeholder. Vengono presentate soluzioni come il “sistema multi-echelon” per la gestione dell’inventario e l’ottimizzazione della rete di trasporto.

Punti chiave:

● Inizi: Nel 2011, il team si è concentrato sull’automazione dell’acquisto dei prodotti e della gestione dell’inventario. Un passaggio fondamentale è stato il passaggio da un sistema basato su fogli di calcolo a uno basato su algoritmi complessi.

● Passaggio all’automazione completa: Nel 2014, Amazon ha deciso di automatizzare completamente alcune categorie di prodotti, con risultati positivi in termini di esperienza del cliente e riduzione dei costi.

● Previsione della domanda: SCOT ha sviluppato un modello di previsione unificato chiamato Multi-Horizon Quantile Recurrent Forecaster, in grado di prevedere con precisione la domanda stagionale, i picchi di domanda legati ad eventi pianificati e persino di effettuare previsioni “a freddo” per prodotti con una storia di vendita limitata.

● Consegna in un giorno: Per soddisfare la promessa di consegna in un giorno, SCOT ha dovuto aumentare significativamente le strutture di distribuzione locali e sviluppare nuovi algoritmi per ottimizzare il posizionamento dell’inventario.

● Sistema multi-echelon: Introdotto nel 2020, questo sistema ottimizza i livelli di inventario per diverse velocità di consegna in un ambiente caratterizzato da incertezza della domanda futura, tempi di consegna dei prodotti e vincoli di capacità.

● Fulfillment by Amazon (FBA): SCOT sta lavorando per ottimizzare l’efficienza della catena di approvvigionamento in un contesto in cui il 60% delle vendite di Amazon Store avviene tramite venditori FBA, che prendono decisioni indipendenti su prezzi e gestione dell’inventario.

Citazioni importanti:

● Deepak Bhatia, vicepresidente di SCOT: “Eravamo in un mondo molto diverso. Non esisteva il concetto di una funzione tecnologica end-to-end per la catena di approvvigionamento. Ma in quel team c’erano menti brillanti e molta energia.”

● Deepak Bhatia: “È stata una decisione importante. Avrebbe migliorato le cose e, in caso affermativo, di quanto? Avrebbe mandato tutto in crash? All’inizio, abbiamo fatto piccoli passi. Abbiamo apportato modifiche una categoria di prodotti alla volta.”

● Salal Humair, vicepresidente di SCOT e scienziato illustre di Amazon: “SCOT dirige centinaia di miliardi di dollari di flussi di prodotti. Ciò significa che solo pochi punti percentuali di variazione nelle nostre previsioni principali equivalgono a diversi centri di distribuzione pieni di prodotti.”

●

Jeffrey Maurer, vicepresidente, Pianificazione e controllo dell’inventario: “La maggior parte dei nostri sistemi è stata progettata per operare con l’ipotesi semplificativa che la domanda per ogni articolo venduto sul sito web sia indipendente, ma sappiamo che non è così nella realtà. Quando un prodotto va esaurito o non è disponibile per una consegna rapida, la domanda si sposta su altri prodotti. Non possiamo rendere ogni prodotto disponibile localmente in ogni località, quindi come possiamo tenere conto di questi vincoli cercando di massimizzare la soddisfazione del cliente?”

● Ashish Agiwal, vicepresidente, Ottimizzazione dell’evasione degli ordini: “Questi sistemi ottimizzano milioni di promesse ai clienti ogni secondo e miliardi di piani di evasione degli ordini dei clienti ogni giorno. Questo viene fatto valutando centinaia di milioni di potenziali percorsi di trasporto attraverso la rete e monitorando oltre un miliardo di aggiornamenti dell’inventario in tempo reale ogni giorno.”

Conclusioni:

L’articolo dimostra come SCOT svolga un ruolo fondamentale nel successo di Amazon, consentendo all’azienda di gestire una catena di approvvigionamento incredibilmente complessa e di soddisfare le crescenti aspettative dei clienti. Attraverso l’automazione, l’ottimizzazione e l’innovazione costante, SCOT sta contribuendo a plasmare il futuro del commercio al dettaglio.

——————————————————————————–

Amazon SCOT: Supply Chain Optimization Technologies

Navigazione nella complessità: una guida allo studio di Amazon SCOT

Panoramica del quiz

Questo quiz è progettato per valutare la tua comprensione del team Amazon SCOT e del suo ruolo nella gestione della catena di approvvigionamento di Amazon.

Quiz

Istruzioni: Rispondi alle seguenti domande a risposta breve in 2-3 frasi ciascuna.

1. Qual è il ruolo principale del team SCOT all’interno di Amazon?

2. Quali sono state le prime sfide affrontate da SCOT durante i suoi primi anni?

3. Descrivi un esempio specifico di come SCOT ha utilizzato l’apprendimento automatico per migliorare le sue operazioni.

4. In che modo la promessa di consegna in un giorno ha influenzato lo sviluppo di SCOT?

5. Qual è il sistema multi-echelon e perché è stato significativo per SCOT?

6. Qual è una delle principali sfide che SCOT deve affrontare nell’ottimizzazione della logistica per i venditori FBA?

7. Spiega l’importanza della “spiegabilità” nelle decisioni automatizzate prese da SCOT.

8. Quali sono alcune delle considerazioni chiave per SCOT nella gestione della propria rete di trasporto?

9. In che modo l’approccio di SCOT alla scienza dei dati differisce da quello che si trova tipicamente nel mondo accademico?

10.

Quali sono alcune delle aree di ricerca che il team SCOT sta esplorando per il futuro?

Chiave di risposta del quiz

1. SCOT è responsabile dell’orchestrazione end-to-end della catena di approvvigionamento dell’Amazon Store, gestendo attività come previsione della domanda, allocazione delle scorte, prezzi e consolidamento degli ordini.

2. Le prime sfide di SCOT includevano l’automazione dell’acquisto e della gestione dell’inventario dei prodotti, superando la resistenza al cambiamento e gestendo l'”illusione del controllo” creata dalla complessità della catena di approvvigionamento di Amazon.

3. SCOT ha sviluppato il Multi-Horizon Quantile Recurrent Forecaster, un modello di deep learning che apprende i modelli di domanda dai dati di vendita al dettaglio, consentendo previsioni accurate della domanda stagionale, picchi di domanda per eventi pianificati e previsioni “cold-start” per nuovi prodotti.

4. La promessa di consegna in un giorno ha costretto SCOT ad adattare le proprie strategie di gestione dell’inventario e ad espandere i magazzini locali per posizionare i prodotti più vicini ai clienti.

5. Il sistema multi-echelon è un modello che ottimizza i livelli di inventario per diverse velocità di consegna considerando incertezze come domanda futura, tempi di consegna dei prodotti e vincoli di capacità. Ciò ha rappresentato una svolta nella capacità di SCOT di gestire una rete di approvvigionamento sempre più complessa.

6. Una sfida chiave è bilanciare la capacità della rete con il 60% di inventario proveniente dai venditori FBA, che hanno le proprie strutture di costo, pratiche di gestione dell’inventario e decisioni di prezzo.

7. La “spiegabilità” è fondamentale perché le parti interessate, come i partner di vendita, devono comprendere il ragionamento alla base delle decisioni automatizzate prese dai sistemi di SCOT. Questo aiuta a costruire fiducia e consente un migliore processo decisionale collaborativo.

8. SCOT deve ottimizzare l’utilizzo della propria flotta di trasporto (camion, aerei, centri di smistamento e stazioni di consegna) per garantire il massimo riempimento pur rispettando i tempi di consegna promessi ai clienti.

9. SCOT lavora su problemi di dimensioni elevate con set di dati grandi e diversi, dove le soluzioni tradizionali non sono spesso applicabili. Ciò richiede un approccio più innovativo e sperimentale rispetto a quello che si trova tipicamente nel mondo accademico.

10. SCOT sta esplorando aree come l’ottimizzazione per i venditori FBA, migliorando la spiegabilità dei sistemi automatizzati e gestendo la crescente complessità della propria rete di trasporto, considerando fattori come sostenibilità ed efficienza energetica.

Domande di saggio

1. Discutere l’evoluzione del team SCOT nel tempo e come ha affrontato le crescenti complessità della catena di approvvigionamento di Amazon.

2. Analizzare l’importanza della previsione della domanda nelle operazioni di SCOT. In che modo SCOT utilizza l’apprendimento automatico e altre tecnologie per migliorare l’accuratezza delle previsioni?

3. Valutare le sfide che SCOT deve affrontare nella gestione di una rete di approvvigionamento che include milioni di venditori FBA. In che modo SCOT sta lavorando per creare un ecosistema di approvvigionamento vantaggioso per Amazon, i suoi venditori e i suoi clienti?

4. Spiegare il concetto di “spiegabilità” nel contesto dei sistemi di intelligenza artificiale utilizzati da SCOT. Perché la spiegabilità è importante per SCOT e quali sono le sue implicazioni per le parti interessate come partner di vendita e team interni?

5. Esaminare le sfide e le opportunità future che SCOT dovrà affrontare mentre continua a evolversi e innovare. Quali tendenze del settore, tecnologie emergenti e considerazioni strategiche dovrebbero guidare la roadmap futura di SCOT?

Glossario dei termini chiave

Termine	Definizione
SCOT	Supply Chain Optimization Technologies: il team di Amazon responsabile dell’orchestrazione end-to-end della catena di approvvigionamento dell’azienda.
FBA	Fulfillment by Amazon: un servizio che consente alle piccole e medie imprese di utilizzare la rete di evasione ordini di Amazon.
Previsione della domanda	Il processo di previsione della domanda futura dei clienti per prodotti o servizi.
Sistema multi-echelon	Un modello di gestione dell’inventario che ottimizza i livelli di inventario per diverse velocità di consegna in una rete di approvvigionamento multilivello.
Spiegabilità	La capacità di spiegare il ragionamento alla base delle decisioni prese dai sistemi di intelligenza artificiale.
Ottimizzazione del trasporto	Il processo di ricerca del modo più efficiente per spostare merci o persone da un luogo all’altro.
INFORMS	Institute for Operations Research and the Management Sciences: la più grande società professionale al mondo dedicata alla scienza delle decisioni analitiche.
Mechanical Sensei	Una simulazione dettagliata sviluppata da SCOT per valutare l’impatto dei cambiamenti nella rete di approvvigionamento, come l’introduzione della consegna in un giorno.
Previsione Cold-Start	La previsione della domanda di nuovi prodotti con una cronologia delle vendite limitata o nulla.
Multi-Horizon Quantile Recurrent Forecaster	Un modello di deep learning sviluppato da SCOT per prevedere i modelli di domanda senza essere esplicitamente detto cosa cercare nei dati.

——————————————————————————–

Amazon’s Supply Chain Optimization Technology

Cronologia degli Eventi SCOT

2011:

● Deepak Bhatia si unisce ad Amazon e inizia a lavorare su un piccolo team focalizzato sull’automazione degli acquisti e della gestione dell’inventario.

● Il fatturato di Amazon raggiunge i 48 miliardi di dollari, evidenziando la necessità di automatizzare la gestione dell’inventario.

● Iniziano le prime prove di algoritmi complessi per la gestione di specifiche categorie di prodotti, a partire dalla categoria “media”.

2014:

● Amazon decide di automatizzare completamente la gestione di alcune categorie di prodotti.

● I sistemi automatizzati si dimostrano efficaci, migliorando la disponibilità dei prodotti e riducendo i costi.

Anni successivi:

● La tecnologia viene implementata rapidamente in tutto il business retail, con continue iterazioni e miglioramenti.

● Il team SCOT si espande e sviluppa tecnologie per connettere l’intera catena di approvvigionamento di Amazon.

● Viene creato un team dedicato alla previsione della domanda, con focus sull’innovazione scientifica e tecnologica.

2018:

● Il team di previsione della domanda sviluppa il “Multi-Horizon Quantile Recurrent Forecaster”, un modello in grado di prevedere accuratamente le fluttuazioni della domanda stagionale, i picchi di domanda futuri e persino le previsioni “cold-start” per i prodotti con una storia di vendite limitata.

2019:

● Amazon lancia la promessa di consegna in un giorno negli Stati Uniti e Prime Now, il servizio di consegna di generi alimentari in 2 ore.

● La simulazione SCOT “Mechanical Sensei” viene utilizzata per pianificare le esigenze di inventario aggiuntivo per la consegna in un giorno.

● Aumenta la necessità di posizionare i prodotti più vicino ai clienti, con un conseguente aumento dei centri di distribuzione locali.

● Emerge la sfida di determinare quali prodotti dovrebbero essere stoccati localmente.

2020:

● Il team SCOT presenta il “sistema multi-echelon”, un modello per l’ottimizzazione dei livelli di inventario per diverse velocità di consegna, tenendo conto di domanda futura, tempi di consegna dei prodotti e vincoli di capacità incerti.

● L’implementazione del sistema multi-echelon comporta una riprogettazione radicale della rete automatizzata di SCOT.

Durante la pandemia di COVID-19:

● La gestione della capacità diventa cruciale a causa dell’impatto di COVID-19 sulla catena di approvvigionamento.

● La combinazione di previsioni accurate, gestione dell’inventario multi-echelon e altre tecnologie consente ad Amazon di gestire gli effetti di COVID-19 e gli enormi picchi di domanda durante eventi come il Cyber Monday e il Prime Day.

Sfide future:

● Gestire la crescente complessità della rete di vendita di Amazon, con il 60% delle vendite provenienti da venditori terzi tramite Fulfillment by Amazon (FBA).

● Trovare un equilibrio tra la flessibilità offerta ai venditori FBA e la necessità di Amazon di ottimizzare la capacità della rete e garantire la disponibilità dei prodotti.

● Rendere i sistemi automatizzati di SCOT più comprensibili alle persone che ne necessitano per comprendere il processo decisionale.

● Gestire il trasporto tramite la crescente flotta di camion, aerei, centri di smistamento e stazioni di consegna di Amazon.

● Assicurarsi che i camion e gli aerei di Amazon siano il più possibile pieni, soddisfacendo al contempo le esigenze di consegna dei clienti.

Personaggi principali

●

Deepak Bhatia: Vice Presidente di SCOT, si è unito ad Amazon nel 2011 e ha guidato lo sviluppo di sistemi automatizzati per la gestione della catena di approvvigionamento.

●

Ashish Agiwal: Vice Presidente, Fulfillment Optimization, responsabile dei sistemi che gestiscono le decisioni di evasione degli ordini in uscita.

● Salal Humair: Vice Presidente SCOT e Amazon Distinguished Scientist, esperto in previsione della domanda e ottimizzazione della catena di approvvigionamento.

● Jeffrey Maurer: Vice Presidente, Inventory Planning and Control, responsabile della pianificazione e del controllo dell’inventario.

● Piyush Saraogi: Vice Presidente, Fulfillment By Amazon (FBA), responsabile della gestione dei venditori terzi che utilizzano la piattaforma FBA di Amazon.

——————————————————————————–

Amazon’s Supply Chain Optimization Technologies (SCOT)

FAQ sulla tecnologia di ottimizzazione della catena di approvvigionamento di Amazon (SCOT)

Cosa è SCOT?

SCOT, acronimo di Supply Chain Optimization Technologies, è il team di Amazon responsabile dell’orchestrazione end-to-end della catena di approvvigionamento dell’azienda. In altre parole, SCOT è il cervello dietro le quinte che assicura che i prodotti giusti siano disponibili nei posti giusti al momento giusto per soddisfare la domanda dei clienti.

Quali sono le responsabilità di SCOT?

SCOT ha una vasta gamma di responsabilità, tra cui:

●Previsione della domanda: SCOT utilizza algoritmi complessi e modelli di deep learning per prevedere la domanda per centinaia di milioni di prodotti.

● Gestione delle scorte: SCOT decide quali prodotti immagazzinare, in quali quantità e dove allocarli in base alle previsioni della domanda e ai tempi di consegna.

● Gestione degli ordini: SCOT lavora per consolidare gli ordini dei clienti, coordinare la logistica in entrata e in uscita e garantire consegne rapide ed efficienti.

● Collaborazione con i venditori: SCOT coordina con milioni di venditori in tutto il mondo per gestire l’inventario e garantire la disponibilità dei prodotti.

Come si è evoluto SCOT nel tempo?

SCOT è nato come un piccolo team concentrato sull’automazione degli acquisti e della gestione dell’inventario. Nel corso degli anni, il team è cresciuto in modo significativo e ha ampliato le sue responsabilità per includere la gestione end-to-end della catena di approvvigionamento. SCOT ha costantemente innovato e sviluppato nuove tecnologie per affrontare le sfide sempre più complesse della crescita di Amazon e delle aspettative dei clienti.

Quali sono state alcune delle sfide principali affrontate da SCOT?

SCOT ha dovuto affrontare numerose sfide significative, tra cui:

● La crescita esponenziale di Amazon: La rapida crescita di Amazon ha posto immense richieste alla catena di approvvigionamento, costringendo SCOT a sviluppare soluzioni scalabili e automatizzate.

● L’aumento delle aspettative dei clienti: I clienti si aspettano consegne sempre più rapide, costringendo SCOT a ottimizzare la logistica e posizionare i prodotti più vicino ai clienti.

● La complessità della rete di fulfillment: La rete di fulfillment di Amazon è incredibilmente complessa, con milioni di prodotti che fluiscono attraverso una rete globale di magazzini e centri di distribuzione. SCOT ha dovuto sviluppare sistemi sofisticati per gestire questa complessità.

● L’integrazione di Fulfillment by Amazon (FBA): Con circa il 60% delle vendite di Amazon gestite tramite FBA, SCOT ha dovuto sviluppare nuove soluzioni per coordinare con milioni di venditori terzi e gestire la capacità della rete.

Quali sono alcune delle innovazioni chiave sviluppate da SCOT?

SCOT ha sviluppato numerose innovazioni chiave per ottimizzare la catena di approvvigionamento di Amazon, tra cui:

● Il Multi-Horizon Quantile Recurrent Forecaster: un modello di deep learning in grado di prevedere con precisione la domanda, compresi i picchi stagionali e gli eventi pianificati.

● Il sistema multi-echelon: un modello complesso per ottimizzare i livelli di inventario per diverse velocità di consegna, tenendo conto di domanda futura, tempi di consegna e vincoli di capacità.

● Mechanical Sensei: una simulazione dettagliata utilizzata per valutare l’impatto dei cambiamenti nella rete di fulfillment, come l’aggiunta di nuovi magazzini.

Quali sono le sfide future per SCOT?

SCOT continua ad affrontare nuove sfide, tra cui:

● Ottimizzare l’efficienza della rete di trasporto: SCOT sta lavorando per garantire che i camion e gli aerei di Amazon siano il più pieni possibile, riducendo al minimo i costi di trasporto e le emissioni di carbonio.

● Migliorare l’esperienza dei venditori FBA: SCOT sta sviluppando nuove soluzioni per supportare i venditori FBA e fornire loro una migliore visibilità e controllo sul loro inventario.

● Rendere i sistemi SCOT più comprensibili: SCOT sta lavorando per rendere le sue decisioni automatizzate più trasparenti e comprensibili per i partner di vendita e le altre parti interessate.

Perché SCOT è un’organizzazione così attraente per i professionisti della data science?

SCOT offre ai data scientist l’opportunità di lavorare su alcuni dei problemi più complessi e stimolanti nel campo dell’ottimizzazione della catena di approvvigionamento. SCOT ha accesso a enormi set di dati, risorse di calcolo senza pari e la libertà di innovare e sperimentare a una scala enorme. Il lavoro di SCOT ha un impatto diretto sull’esperienza del cliente e sui costi di Amazon, rendendolo un’organizzazione altamente appagante per i professionisti della data science.

——————————————————————————–

Amazon’s Supply Chain Optimization Technologies

Amazon: Evoluzione e Sfide delle Tecnologie di Ottimizzazione della Catena di Approvvigionamento

Fonte: “Risolvere alcuni dei problemi operativi più grandi e complessi – Amazon Science”

I. Introduzione al Team SCOT

● Descrizione del team SCOT (Supply Chain Optimization Technologies) di Amazon e del suo ruolo cruciale nella gestione della catena di approvvigionamento.

● Spiegazione di come SCOT, paragonato al sistema nervoso, ottimizza le funzioni critiche e i flussi del “corpo” di Amazon Store.

II. Le Origini di SCOT: Automatizzare Acquisti e Gestione dell’Inventario

● Descrizione del contesto del 2011, quando Amazon iniziò ad automatizzare gli acquisti e la gestione dell’inventario per far fronte alla crescente complessità.

● Illustrazione delle prime fasi dell’automazione, inizialmente con esperimenti su singole categorie di prodotti e la possibilità di override umano.

III. Il Salto di Qualità: Automatizzazione Totale e Previsione della Domanda

● Narrazione della decisione di Amazon di automatizzare completamente la gestione di alcune categorie di prodotti, nonostante i rischi.

●

Introduzione del team di previsione della domanda di SCOT e l’evoluzione dai modelli a mosaico all’apprendimento profondo.

● Descrizione del modello “Multi-Horizon Quantile Recurrent Forecaster” e la sua capacità di prevedere la domanda stagionale, i picchi e i “cold-start”.

IV. La Sfida della Consegna in un Giorno e la Nascita del Sistema Multi-Echelon

● Illustrazione delle nuove sfide logistiche poste dalle promesse di consegna rapide di Amazon, come la consegna in un giorno e Prime Now.

● Descrizione del ruolo della simulazione SCOT “Mechanical Sensei” nella pianificazione dell’inventario per la consegna in un giorno.

● Spiegazione della necessità di aumentare i magazzini locali e la complessità di scegliere i prodotti da stoccare localmente.

● Introduzione del “sistema multi-echelon”, un modello multi-prodotto, multi-livello e multi-centro di evasione per ottimizzare i livelli di inventario per diverse velocità di consegna.

V. Nuove Sfide: Gestione di FBA, Spiegabilità e Trasporto

● Presentazione di Fulfillment by Amazon (FBA) e la sfida di ottimizzare l’efficienza della catena di approvvigionamento con milioni di venditori indipendenti.

● Discussione sulla necessità di rendere i sistemi SCOT più spiegabili per rispondere alle domande di venditori e stakeholder.

● Illustrazione della sfida di gestire il trasporto attraverso la crescente flotta di consegna di Amazon e l’obiettivo di ottimizzare il carico dei camion e degli aerei.

VI. L’Unicità e l’Attrattiva di SCOT

● Sottolineatura dell’unicità di SCOT nella risoluzione di problemi complessi con soluzioni interne e l’utilizzo di enormi set di dati.

● Spiegazione dell’attrattiva di SCOT per scienziati, economisti ed esperti di apprendimento automatico grazie alla sua complessità e all’impatto sulla produzione.

Fonte: Estratti dal sito web “Solving some of the largest, most complex operations problems – Amazon Science”

I. Struttura del Sito Web

● Il sito web presenta una serie di sezioni che forniscono informazioni su diversi aspetti della ricerca e dell’innovazione di Amazon.

● Le sezioni principali includono “Blog”, “Pubblicazioni”, “Conferenze”, “Codice e set di dati”, “Academia” e “Opportunità di lavoro”.

II. Aree di Ricerca

● Amazon si concentra su una vasta gamma di aree di ricerca, tra cui ragionamento automatizzato, cloud e sistemi, visione artificiale, intelligenza artificiale conversazionale, economia, gestione delle informazioni e della conoscenza, apprendimento automatico, ricerca operativa e ottimizzazione, tecnologie quantistiche, robotica, ricerca e recupero di informazioni, sicurezza, privacy e prevenzione degli abusi e sostenibilità.

III. Collaborazioni Accademiche

● Amazon promuove attivamente le collaborazioni accademiche attraverso iniziative come “Amazon Research Awards” e “Amazon Trusted AI Challenge”.

● Il sito web evidenzia il ruolo degli accademici in Amazon e le opportunità di ricerca congiunta.

IV. Opportunità di Lavoro

● La sezione “Opportunità di lavoro” offre una panoramica delle posizioni aperte in diverse aree di ricerca e sviluppo.

• Le offerte di lavoro evidenziano l’ambiente stimolante e innovativo di Amazon e le opportunità di crescita professionale.

amazons-supply-chain-optimization-technologies