Measuring performances of collaborative logistics for e-grocery

This research provides quantitative comparative simulation-based analysis, using last-mile routing optimization to systematically evaluate the impact of collaborative operations in the e-grocery sector on three performance dimensions spanning economic, environmental and service quality. Non-collaborative and collaborative configurations are compared using two distinct data sources: a historical dataset provided by the third-party logistics provider and an artificial dataset which is systematically generated to represent diversified customer orders from different retailer types operating in Milan. The research involves two different simulation case studies: real-world simulations using the historical dataset, and hypothetical multi-retailer simulations that include three distinct collaboration groups: dotcom and small shop retailer, supermarket and small shop retailers, B2B café supplier and pharmacies. The findings suggest that collaboration can generate cost savings, distance reductions and service quality improvements. Yet, a complex mechanism, involving a trade-off between operational efficiency and service quality deterioration is revealed. Furthermore, sensitivity analysis provides that additional route availability can improve service quality, yet it is coupled with cost rise. Geographical proximity of retailer’s warehouse is highlighted as an effective way to improve collaboration benefits; yet the collaboration follower’s demand is not playing a crucial role in collaboration success.

Questa ricerca fornisce un'analisi quantitativa comparativa basata su simulazioni, utilizzando l'ottimizzazione del routing dell'ultimo miglio per valutare sistematicamente l'impatto delle operazioni collaborative nel settore dell'e-grocery su tre dimensioni di performance che spaziano dall'economia, all'ambiente e alla qualità del servizio. Le configurazioni collaborative e non collaborative vengono confrontate utilizzando due distinte fonti di dati: un set di dati storici fornito da un fornitore di servizi logistici terzo e un set di dati artificiali generato sistematicamente per rappresentare ordini diversificati dei clienti provenienti da diverse tipologie di rivenditori operanti a Milano. La ricerca include due diversi casi di studio di simulazione: simulazioni reali che utilizzano il set di dati storici e simulazioni ipotetiche multi-rivenditore che includono tre distinti gruppi di collaborazione: rivenditori online e piccoli negozi, supermercati e piccoli negozi, fornitori di bar B2B e farmacie. I risultati suggeriscono che la collaborazione può generare risparmi sui costi, riduzioni delle distanze e miglioramenti della qualità del servizio. Tuttavia, viene rivelato un meccanismo complesso, che implica un compromesso tra efficienza operativa e deterioramento della qualità del servizio. Inoltre, l'analisi di sensibilità mostra che una maggiore disponibilità di percorsi può migliorare la qualità del servizio, ma è associata a un aumento dei costi. La vicinanza geografica del magazzino del rivenditore viene evidenziata come un modo efficace per migliorare i vantaggi della collaborazione; tuttavia, la domanda del collaboratore non gioca un ruolo cruciale nel successo della collaborazione.