L’iniziativa #NoEmptyMiles nasce da un consorzio privato di gestione dei vettori, ma coglie probabilmente nel segno: attraverso la digitalizzazione e la connessione degli operatori è possibile risparmiare tempo, denaro ed emissioni.
Può sembrare una proverbiale scoperta dell’acqua calda, ma troppi vettori non viaggiano a pieno carico – vuoi per rispettare le tempistiche, vuoi per disguidi nell’organizzazione – causando costanti perdite di efficienza al sistema della movimentazione delle merci.
La campagna lanciata negli USA è solo l’ultimo pretesto per riflettere su quanto la gestione stessa della Supply Chain possa migliorarne la sostenibilità ambientale e non solo.
Leggi anche:
Consegne ultimo miglio, ottimizzarle grazie al Machine Learning
Carbon neutrality e organizzazione
Per Convoy, il network statunitense che ha ideato #NoEmptyMiles, è tutto il modello di business che deve ripensarsi in chiave più efficiente.
La sua iniziativa, volta a promuovere la sostenibilità nella catena di movimentazione e distribuzione logistica, batte proprio sullo storico punto dolente della Supply Chain: gli sfasamenti dovuti alla difficile interazione tra merci stoccate, ordini, ritardi nelle consegne e disdette last minute.
Solo riducendo queste ‘perdite di carico’ del sistema, come si direbbe in fisica, è possibile fare un notevole passo avanti verso la tanto agognata neutralità ambientale.
Leggi anche:
Gestione, pianificazione previsione: AI e Machine Learning nella supply chain
Machine learning vs viaggi a vuoto
Nei fatti, quanto viene promosso è un maggior ricorso a due strumenti: i network tra aziende e la condivisione dati.
Lavorando in rete e stabilendo uno scambio regolare di dati di qualità, che seguano uno standard – recentemente abbiamo visto che anche il comparto marittimo USA si è posto lo stesso problema – riconosciuto, è possibile gestire meglio ogni dettaglio del processo.
Focalizzarsi sui chilometri percorsi ‘a vuoto’ è il primo passo: quanto tempo, carburante ed emissioni di CO2 vengono costantemente sprecati?
La strada da percorrere è quella di una raccolta dati sempre migliore, allo scopo di alimentare software che sfruttino il machine learning a vantaggio di un’integrazione tra i vettori di uno stesso network.
Come a dire che una logistica non digitalizzata troverà sempre meno spazio nelle applicazioni del prossimo futuro: la decarbonizzazione ha infatti come prima deadline per molte aziende già il 2035.