L'exécution des commandes d'épicerie en ligne est coûteuse car la rapidité pousse chaque commande immédiatement dans le système. Mais de nombreux clients passent plusieurs commandes dans un court intervalle, créant des colis en double qui auraient pu être expédiés ensemble.
La réponse d'Alibaba fut une patience sélective. Son système prédisait la probabilité de commandes multiples en temps réel, puis utilisait un programme dynamique pour décider du moment de libération afin que les paires probables puissent être regroupées sans ralentir largement le service.
IDEAS rapporte les estimations de l'article : le dispositif a capturé 92,8 % des commandes multiples tout en retenant les commandes pendant environ 20,3 minutes en moyenne, ce qui se traduit par plus de 10 millions USD d'économies annuelles sur les coûts d'exécution.
L'astuce ne résidait pas seulement dans le regroupement. Il s'agissait de rendre l'attente conditionnelle, afin que l'opération ne retienne que les commandes où le délai avait une forte chance de se transformer en un colis moins cher.
Retarder uniquement les commandes susceptibles de fusionner
Le modèle a distingué l'attente utile du retard généralisé.
Le regroupement a réduit les colis et les coûts d'expédition tout en préservant le processus d'exécution normal.
Le programme dynamique a converti une prédiction en une règle opérationnelle de libération.
Un léger délai peut améliorer l'économie de la rapidité lorsqu'il cible les commandes ayant de fortes probabilités de regroupement.
Suites
Les travaux ont été publiés dans INFORMS Journal on Applied Analytics en 2024. Ils montrent que la chaîne d'approvisionnement la plus rapide n'est pas toujours la plus intelligente : parfois, le geste utile est de marquer une pause juste assez longue pour que la demande se révèle.
VÉRIFIEZ LES SOURCES
Les sources
- Data-Driven Order Fulfillment Consolidation for Online Grocery Retailing IDEAS/RePEc · ideas.repec.org