Jak dobrać rozmiary kartonów na podstawie danych o zamówieniach

Dobieranie kartonów „na oko" kosztuje tysiące złotych rocznie. Ale robienie tego na podstawie danych to bardziej złożony problem, niż się wydaje. Ten artykuł wyjaśnia, dlaczego proste podejścia nie działają - i co działa zamiast nich.

Dlaczego to nie jest prosty problem

Na pierwszy rzut oka wydaje się, że dobór kartonów to prosta matematyka. Masz produkty, masz wymiary, obliczasz średnią objętość zamówienia i zamawiasz kartony, które pasują.

W praktyce to problem optymalizacji kombinatorycznej - jeden z trudniejszych w logistyce. Oto dlaczego.

Problem 1: Każde zamówienie jest inne. Klient nie kupuje „średniego zamówienia". Kupuje konkretne produkty w konkretnych ilościach. Zamówienie na 1 krem (8×8×8 cm) i zamówienie na 3 szampony + 2 odżywki + zestaw kosmetyków do makijażu wymagają zupełnie innych kartonów. Średnia z tych dwóch zamówień nie odpowiada żadnemu z nich.

Problem 2: Produkty mają trzy wymiary. Butelka szamponu 25×8×8 cm nie zmieści się w kartonie 20×20×20 cm, mimo że jej objętość (1 600 cm³) jest mniejsza niż objętość kartonu (8 000 cm³). Wymiary mają znaczenie — nie tylko objętość.

Problem 3: Orientacja pakowania. Ten sam produkt można ułożyć w kartonie na 6 sposobów (3 osie × 2 kierunki). Przy zamówieniu z 5 produktami, liczba kombinacji orientacji to 6⁵ = 7 776. A każdą trzeba sprawdzić, bo zmiana orientacji jednego produktu może sprawić, że pozostałe się nie zmieszczą — lub że zmieszczą się lepiej.

Problem 4: Szukasz zestawu, nie jednego kartonu. Potrzebujesz 4–6 rozmiarów kartonów, które łącznie pokryją jak najwięcej zamówień z jak najmniejszą pustą przestrzenią. To nie jest niezależny wybór — zmiana jednego rozmiaru wpływa na efektywność pozostałych.

Problem 5: Skala. Sklep wysyłający 300 paczek dziennie przez 6 miesięcy to około 40 000 zamówień do przeanalizowania. Każde z inną kombinacją produktów. Każde wymagające symulacji pakowania w różnych konfiguracjach kartonów.

Podejścia, które nie działają

Średnia objętość zamówień

Najczęstsze uproszczenie: policz średnią objętość zamówień i dobierz kartony wokół tej średniej. Problem: rozkład objętości zamówień prawie nigdy nie jest normalny. Zwykle jest silnie prawoskośny — dużo małych zamówień, mało dużych. Średnia jest zawyżona przez kilka dużych zamówień i nie reprezentuje typowego.

Nawet gdyby rozkład był normalny — średnia mówi o jednym punkcie, a potrzebujesz pokryć cały zakres. Karton dobrany pod średnią będzie za duży na 50% zamówień i za mały na drugie 50%.

Przedziały objętościowe

Nieco lepsze podejście: podziel zamówienia na 4–5 przedziałów objętości i dobierz karton do każdego przedziału. Problem: objętość to jedno, wymiary to co innego. Zamówienie o objętości 5 000 cm³ może mieć kształt 50×10×10 cm (długie i wąskie) lub 17×17×17 cm (sześcienne). Te dwa zamówienia wymagają zupełnie innych kartonów.

Ankieta wśród magazynierów

„Zapytajmy ludzi, którzy pakują." Doświadczenie magazynierów jest cenne — znają problematyczne produkty i najczęstsze kombinacje. Ale ich perspektywa jest anegdotyczna, nie statystyczna. Pamiętają zamówienia trudne do spakowania, nie te typowe. I nie potrafią intuicyjnie zoptymalizować zestawu kartonów dla 40 000 zamówień.

Excel i proste kalkulacje

Można otworzyć arkusz kalkulacyjny, wpisać wymiary produktów i próbować ręcznie dopasować kartony. Działa to przy 10 produktach i 50 zamówieniach. Przy 500 produktach i 40 000 zamówieniach — nie ma szans na ręczną analizę, która uwzględni wszystkie kombinacje.

Co działa — podejście oparte na symulacji

Skuteczna optymalizacja kartonów wymaga trzech elementów:

1. Kompletne dane wejściowe

Historia zamówień: eksport ze systemu sprzedażowego — numer zamówienia, identyfikator produktu, ilość. Im dłuższy okres, tym lepiej — minimum 3 miesiące, optymalnie 6–12 miesięcy (żeby uwzględnić sezonowość).

Wymiary produktów: wysokość, szerokość, długość i waga każdego SKU. To tzw. masterdata — dane podstawowe o produktach.

Format danych nie ma wielkiego znaczenia. Standardowe eksporty z BaseLinker, Allegro, Shoper, WooCommerce czy własnych systemów WMS zawierają potrzebne informacje. CSV, średnik jako separator, przecinek jako separator dziesiętny — standard w polskim e-commerce.

2. Symulacja pakowania 3D

Kluczowy element, którego nie zastąpią proste kalkulacje. Symulacja pakowania 3D sprawdza, czy konkretne produkty z danego zamówienia fizycznie zmieszczą się w konkretnym kartonie — z uwzględnieniem ich wymiarów, orientacji i kolejności układania.

To nie to samo co porównanie objętości. Produkt o wymiarach 30×5×5 cm (objętość 750 cm³) nie zmieści się w kartonie 20×20×20 cm (objętość 8 000 cm³), bo jest za długi. Symulacja 3D wykrywa takie sytuacje — proste kalkulacje objętościowe nie.

Symulacja musi być przeprowadzona dla każdego zamówienia indywidualnie. Nie wystarczy przeanalizować próbkę 100 zamówień i ekstrapolować wynik. Różne zamówienia mają różne kombinacje produktów — i każda kombinacja może wymagać innego kartonu.

3. Optymalizacja zestawu kartonów

Mając symulację pakowania, można testować różne zestawy kartonów i porównywać wyniki. Ale ilu zestawów trzeba przetestować?

Jeśli rozważasz kartony o wymiarach od 10 do 60 cm (z krokiem co 1 cm), to masz 50 opcji na każdy wymiar. Dla jednego kartonu to 50³ = 125 000 kombinacji. Dla zestawu 5 kartonów — 125 000⁵, czyli astronomiczna liczba. Nawet z rozsądnymi ograniczeniami, przestrzeń przeszukiwania jest zbyt duża na metodę brute-force.

Dlatego skuteczne narzędzia do optymalizacji kartonów używają algorytmów AI, które inteligentnie przeszukują przestrzeń rozwiązań — testują tysiące konfiguracji, ale skupiają się na obiecujących kierunkach zamiast przeglądać wszystkie możliwości po kolei.

Na co zwrócić uwagę przy wyborze narzędzia

Jeśli rozważasz narzędzie do optymalizacji kartonów — czy to Lessair, czy inne rozwiązanie — oto kryteria, które powinno spełniać.

100% zamówień, nie próbka. Narzędzie, które analizuje 1 000 losowych zamówień z 40 000, pominie nietypowe kombinacje. Te „nietypowe" zamówienia mogą stanowić 20% wysyłek i generować 40% kosztów nadmiarowej przestrzeni.

Symulacja 3D, nie porównanie objętości. Jak pokazano wyżej — obliczenia objętościowe nie uwzględniają kształtu produktów. Symulacja pakowania 3D to warunek konieczny, żeby wynik był wiarygodny.

Gotowe wymiary do wdrożenia. Wynik powinien zawierać konkretne rozmiary kartonów w centymetrach — gotowe do zamówienia u producenta. Nie procentowe rekomendacje, nie „rozważ mniejsze kartony", ale: 32×24×14 cm, 40×30×18 cm, 52×36×24 cm.

Porównanie z obecnym zestawem. Narzędzie powinno pokazać, jak Twoje obecne kartony wypadają w porównaniu z optymalnymi — ile pustej przestrzeni masz teraz i ile będziesz miał po zmianie. Bez tego nie wiesz, czy zmiana się opłaca.

Ile to kosztuje i ile oszczędza

Koszt optymalizacji zestawu kartonów — jednorazowej analizy na podstawie danych — to rząd wielkości kilkuset złotych. Koszt niedopasowanych kartonów — przy 300 paczkach dziennie — to rząd wielkości kilkunastu tysięcy złotych miesięcznie.

Różnica nie wymaga kalkulatora.

Oczywiście po optymalizacji trzeba zamówić nowe kartony, ewentualnie zmienić dostawcę na takiego, który produkuje niestandardowe rozmiary. To dodatkowy koszt i wysiłek. Ale przy typowej skali e-commerce (100+ paczek dziennie) inwestycja zwraca się w ciągu 2–4 tygodni.

Kiedy się za to zabrać

Najlepszy moment na optymalizację kartonów to:

Nie musisz od razu płacić za pełną optymalizację. Zacznij od darmowej analizy wykorzystania przestrzeni — zobaczysz, jak Twoje obecne kartony radzą sobie z Twoimi zamówieniami. Jeśli wynik pokaże 30–40% wykorzystania — wiesz, że jest potencjał. Jeśli pokaże 55–60% — Twoje kartony są lepiej dobrane, niż u większości sklepów.

Lessair analizuje Twoje dane — nie próbkę, nie średnią, a 100% zamówień. Symulacja pakowania 3D sprawdza każde zamówienie indywidualnie i rekomenduje optymalny zestaw kartonów z dokładnymi wymiarami. Analiza wykorzystania przestrzeni jest bezpłatna.

→ Prześlij dane i sprawdź na lessair.pl