JP2021533442A - インバウンド収納モデルを使用したアウトバウンド予測のためのシステムおよび方法 - Google Patents

インバウンド収納モデルを使用したアウトバウンド予測のためのシステムおよび方法 Download PDF

Info

Publication number
JP2021533442A
JP2021533442A JP2020572909A JP2020572909A JP2021533442A JP 2021533442 A JP2021533442 A JP 2021533442A JP 2020572909 A JP2020572909 A JP 2020572909A JP 2020572909 A JP2020572909 A JP 2020572909A JP 2021533442 A JP2021533442 A JP 2021533442A
Authority
JP
Japan
Prior art keywords
sku
outbound
region
customer
predicted
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
JP2020572909A
Other languages
English (en)
Other versions
JP7094401B2 (ja
Inventor
ク，ピン
リ，シャン
ワン，ナン
ファン，リ
マ，ケ
Original Assignee
クーパン コーポレイション
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by クーパン コーポレイション filed Critical クーパン コーポレイション
Publication of JP2021533442A publication Critical patent/JP2021533442A/ja
Application granted granted Critical
Publication of JP7094401B2 publication Critical patent/JP7094401B2/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06315—Needs-based resource requirements planning or analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
    • G06Q10/06375—Prediction of business process outcome or impact based on a proposed change
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/067—Enterprise or organisation modelling
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
    • G06Q10/083—Shipping
    • G06Q10/0835—Relationships between shipper or supplier and carriers
    • G06Q10/08355—Routing methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
    • G06Q10/087—Inventory or stock management, e.g. order filling, procurement or balancing against orders
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/10—Office automation; Time management
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0201—Market modelling; Market analysis; Collecting market data
    • G06Q30/0204—Market segmentation
    • G06Q30/0205—Location or geographical consideration
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/06—Buying, selling or leasing transactions
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/12—Computing arrangements based on biological models using genetic models
    • G06N3/126—Evolutionary algorithms, e.g. genetic algorithms or genetic programming

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Economics (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Development Economics (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • Finance (AREA)
  • Accounting & Taxation (AREA)
  • Game Theory and Decision Science (AREA)
  • Educational Administration (AREA)
  • Data Mining & Analysis (AREA)
  • Software Systems (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Computation (AREA)
  • Medical Informatics (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Traffic Control Systems (AREA)

Abstract

本開示の実施形態は、アウトバウンド予測のためのシステムおよび方法を提供し、各地域の各在庫管理単位（ＳＫＵ）に対する顧客需要を示す地域販売予測の予測を受信することを含む初期の一組の解決策を受信することと、各地域の顧客注文で組み合わされる１つまたは複数のＳＫＵの相関の予測を受信することと、各地域の顧客注文のサイズの予測を受信することと、顧客注文プロファイルは、予測された相関関係と予測されたサイズに基づいてシミュレートされ、未処理の購入注文または過去の顧客注文の少なくとも１つを使用して生成された在庫収納モデルを受信することと、予測された地域販売予測、シミュレートされた顧客注文プロファイル、および在庫収納モデルに基づいて、各ＳＫＵのアウトバウンドを管理するためにＦＣを予測することと、予測されたＦＣを対応する各ＳＫＵに割り当てるためにデータベースを変更することと、を含む。

Description

本開示は、一般に、アウトバウンド予測のためのコンピュータ化されたシステムおよび方法に関する。特に、本開示の実施形態は、機械学習アルゴリズムを介して、未処理の購入注文または過去の顧客注文の少なくとも１つを使用する在庫収納モデルを生成することによる、アウトバウンド予測に関連する発明的および非従来型のシステムに関する。
通常、顧客注文が行われると、注文は１つまたは複数のフルフィルメントセンターに転送される必要がある。しかし、顧客注文、特にオンラインの顧客注文は、多くの異なる地域にいる多くの異なる顧客によって行われるため、注文は多くの異なる宛先に結びつけられる。したがって、注文は適切なフルフィルメントセンターにルーティングされ、最終的には宛先に正しくルーティングされるように、適切に並べ替える必要がある。
出荷業務を最適化し、アウトバウンド製品の出荷ルートを特定するためのシステムおよび方法はすでに存在する。例えば、従来の方法では、出荷ルートに従って出荷をシミュレートする。最適なルーティングプランを決定するために、代替ルーティングモジュールがユーザ入力に従ってパッケージルーティングデータを変更することができる。つまり、ユーザは、元のパッケージルーティングデータに関連するデータを手動で変更し、各ルーティング変更の影響を表示することができる。このプロセスは、最適なルーティングプランが決定されるまで繰り返される。
しかし、製品のアウトバウンド予測のためのこれらの従来のシステムと方法は、主に手動の変更とパラメータの個々の組み合わせの繰り返しテストを必要とするため、困難で時間がかかり、不正確である。特に、地域全体に複数のフルフィルメントセンターがあるエンティティの場合、顧客注文を最初に受け取るレベル、インバウンド／収納／在庫の見積もりが決定されるレベル、および様々なフルフィルメントセンターに注文を割り当てるロジックが決定されるレベルを含む、プロセスのすべてのレベルで製品のアウトバウンドフローを複製することは非常に困難で時間がかかる。さらに、従来のシステムと方法では、手動で変更し、変更するたびにテストを繰り返す必要があるため、シミュレーションは、きめ細かいスケールではなく、より大きなスケールでしか実行することができない。例えば、シミュレーションは、ＳＫＵに基づく在庫管理単位（ＳＫＵ）ではなく、製品タイプに基づく製品タイプでのみ実行することができる。
さらに、製品のアウトバウンドフローを予測するための従来のコンピュータ化されたシステムおよび方法では、各倉庫での在庫収納時間の解析ができない。例えば、１人または複数の作業者が各製品を倉庫に収納するのにかかる時間は異なる場合がある。さらに、作業者が１つの製品を収納するのにかかる時間は、作業者が別の製品を収納するのにかかる時間とは異なる場合がある。一部の製品は他の製品よりも収納しやすい場合があり、そのため、一部の製品は他の製品よりも収納時間が短い場合がある。製品のアウトバウンドフローを予測するための従来のシステムおよび方法は、ＳＫＵに基づくＳＫＵは言うまでもなく、ＦＣごとの在庫収納時間を解析しない。
したがって、製品のアウトバウンド予測のための改善されたシステムと方法が必要である。特に、過去の顧客注文および／またはまだ履行されていない未処理の購入注文に基づいて生成される在庫収納モデルに基づくアウトバウンド予測のための改善されたシステムおよび方法が必要である。さらに、各ＦＣでの各製品に関連する収納時間を考慮した在庫収納モデルに基づくアウトバウンド予測のための改善されたシステムと方法が必要である。
本開示の一態様は、アウトバウンド予測のためのコンピュータ実装システムに関する。システムは、命令を格納するメモリと、命令を実行するように構成された少なくとも１つのプロセッサと、を含んでもよい。少なくとも１つのプロセッサは、販売予測システムから、各地域の各在庫管理単位（ＳＫＵ）に対する顧客需要を示す地域販売予測の予測を受信し、ＳＫＵ相関システムから、各地域の顧客注文で組み合わされる１つまたは複数のＳＫＵの相関の予測を受信し、注文サイズ計算システムから、各地域の顧客注文のサイズの予測を受信するための命令を実行するように構成されてもよい。顧客注文プロファイルは、予測された相関関係と予測されたサイズに基づいてシミュレートされてもよい。少なくとも１つのプロセッサはまた、在庫収納モデルを受信し、予測された地域販売予測、シミュレートされた顧客注文プロファイル、および在庫収納モデルに基づいて、各ＳＫＵのアウトバウンドを管理するために、複数のＦＣの中からフルフィルメントセンター（ＦＣ）を予測し、予測されたＦＣを対応する各ＳＫＵに割り当てるためにデータベースを変更するための命令を実行するように構成されてもよい。在庫収納モデルは、機械学習アルゴリズムを介して、未処理の購入注文または過去の顧客注文の少なくとも１つを使用して生成されてもよい。
いくつかの実施形態では、未処理の購入注文は、履行されていない顧客注文を含んでもよい。他の実施形態では、各ＳＫＵの収納時間を予測するために、在庫収納モデルが使用されてもよい。いくつかの実施形態では、少なくとも１つのプロセッサは、シミュレートされた顧客注文プロファイルにＦＣ優先度フィルタを適用するための命令を実行するようにさらに構成されてもよい。ＦＣ優先度フィルタは、各顧客注文に基づいて異なってもよい。
いくつかの実施形態では、各ＳＫＵのアウトバウンドを管理するためにＦＣを予測することは、複数のＦＣの中から、アウトバウンド容量利用値が最も高いＦＣを選択することをさらに含んでもよい。アウトバウンド容量利用値は、ＦＣのアウトバウンド容量に対するＦＣのアウトバウンドの比率であってもよい。いくつかの実施形態では、地域販売予測の予測を受信することは、全国販売予測を受信し、全国販売予測を複数の地域販売予測に分離することをさらに含んでもよい。いくつかの実施形態では、少なくとも１つのプロセッサは、特定の将来の日付で予測されたＦＣでの在庫を予測するための命令を実行するようにさらに構成されてもよい。いくつかの実施形態では、各地域は、複数の郵便番号に関連付けられてもよく、複数の郵便番号は、遺伝的アルゴリズムを使用して各地域にマッピングされた一組の最適な郵便番号を含んでもよい。
本開示の別の態様は、アウトバウンド予測のためのコンピュータ実施方法に関する。本方法は、販売予測システムから、各地域の各在庫管理単位（ＳＫＵ）に対する顧客需要を示す地域販売予測の予測を受信することと、ＳＫＵ相関システムから、各地域の顧客注文で組み合わされる１つまたは複数のＳＫＵの相関の予測を受信することと、注文サイズ計算システムから、各地域における顧客注文のサイズの予測を受信することと、を含んでもよい。顧客注文プロファイルは、予測された相関関係と予測されたサイズに基づいてシミュレートされてもよい。本方法はまた、在庫収納モデル受信することと、予測された地域販売予測、シミュレートされた顧客注文プロファイル、および在庫収納モデルに基づいて、各ＳＫＵのアウトバウンドを管理するために、複数のＦＣの中からＦＣを予測することと、予測されたＦＣを対応する各ＳＫＵに割り当てるためにデータベースを変更することと、を含んでもよい。在庫収納モデルは、機械学習アルゴリズムを介して、未処理の購入注文または過去の顧客注文の少なくとも１つを使用して生成されてもよい。
いくつかの実施形態では、未処理の購入注文は、履行されていない顧客注文を含んでもよい。他の実施形態では、各ＳＫＵの収納時間を予測するために、在庫収納モデルが使用されてもよい。いくつかの実施形態では、本方法は、シミュレートされた顧客注文プロファイルにＦＣ優先度フィルタを適用することをさらに含んでもよい。ＦＣ優先度フィルタは、各顧客注文に基づいて異なってもよい。
いくつかの実施形態では、各ＳＫＵのアウトバウンドを管理するためにＦＣを予測することは、複数のＦＣの中から、アウトバウンド容量利用値が最も高いＦＣを選択することをさらに含んでもよい。アウトバウンド容量利用値は、ＦＣのアウトバウンド容量に対するＦＣのアウトバウンドの比率であってもよい。いくつかの実施形態では、地域販売予測の予測を受信することは、全国販売予測を受信し、全国販売予測を複数の地域販売予測に分離することをさらに含んでもよい。いくつかの実施形態では、各地域は、複数の郵便番号に関連付けられてもよく、複数の郵便番号は、遺伝的アルゴリズムを使用して各地域にマッピングされた一組の最適な郵便番号を含んでもよい。
本開示のさらに別の態様は、アウトバウンド予測のためのコンピュータ実装システムに関する。システムは、命令を格納するメモリと、命令を実行するように構成された少なくとも１つのプロセッサと、を含んでもよい。少なくとも１つのプロセッサは、販売予測システムから、各地域の各在庫管理単位（ＳＫＵ）に対する顧客需要を示す地域販売予測の予測を受信し、ＳＫＵ相関システムから、各地域の顧客注文で組み合わされる１つまたは複数のＳＫＵの相関の予測を受信し、注文サイズ計算システムから、各地域の顧客注文のサイズの予測を受信するための命令を実行するように構成されてもよい。各地域は、遺伝的アルゴリズムを使用して各地域にマッピングされた一組の最適な郵便番号に関連付けられてもよい。顧客注文プロファイルは、予測された相関関係と予測されたサイズに基づいてシミュレートされてもよい。少なくとも１つのプロセッサはまた、在庫収納モデルを受信し、予測された地域販売予測、シミュレートされた顧客注文プロファイル、および在庫収納モデルに基づいて、各ＳＫＵのアウトバウンドを管理するために、複数のＦＣの中からフルフィルメントセンター（ＦＣ）を予測し、予測されたＦＣを対応する各ＳＫＵに割り当てるためにデータベースを変更するための命令を実行するように構成されてもよい。在庫収納モデルは、機械学習アルゴリズムを介して、未処理の購入注文または過去の顧客注文の少なくとも１つを使用して生成されてもよい。さらに、各ＳＫＵの収納時間を予測するために、在庫収納モデルが使用されてもよい。
他のシステム、方法、およびコンピュータ可読媒体も、本明細書で説明される。
開示された実施形態と一致する、出荷、輸送、および物流業務を可能にする通信のためのコンピュータ化されたシステムを含むネットワークの例示的な実施形態を示す概略ブロック図である。 開示された実施形態と一致する、対話型ユーザインターフェース要素と共に、検索要求を満たす１つまたは複数の検索結果を含むサンプルの検索結果ページ（ＳＲＰ）を示す図である。 開示された実施形態と一致する、対話型ユーザインターフェース要素と共に製品および製品に関する情報を含むサンプルの単一ディスプレイページ（ＳＤＰ）を示す図である。 開示された実施形態と一致する、対話型ユーザインターフェース要素と共に仮想ショッピングカート内のアイテムを含むサンプルのカートページを示す図である。 開示された実施形態と一致する、対話型ユーザインターフェース要素と共に、購入および出荷に関する情報と共に仮想ショッピングカートからのアイテムを含むサンプルの注文ページを示す図である。 開示された実施形態と一致する、開示されたコンピュータ化されたシステムを利用するように構成された例示的なフルフィルメントセンターの概略図である。 開示された実施形態と一致する、アウトバウンド予測システムを含むシステムの例示的な実施形態を示す概略ブロック図である。 開示された実施形態と一致する、アウトバウンド予測のためのシステムの例示的な実施形態を示す概略ブロック図である。 開示された実施形態と一致する、地域販売予測を予測するための方法の例示的な実施形態を示す図である。 開示された実施形態と一致する、アウトバウンド予測のための方法の例示的な実施形態を示すフローチャートである。
以下の詳細な説明は、添付の図面を参照する。可能な限り、図面および以下の説明では、同一または類似の部分を参照するために、同一の符号が使用される。いくつかの例示的な実施形態が本明細書で説明されるが、修正、適応、および他の実施態様が可能である。例えば、置換、追加、または修正が図面に示す構成要素およびステップに行われてもよく、本明細書に記載された例示的な方法は、開示された方法にステップを置換、並べ替え、除去、または追加することによって修正されてもよい。したがって、以下の詳細な説明は、開示された実施形態および実施例に限定されない。むしろ、本発明の適切な範囲は、添付の特許請求の範囲によって定義される。
本開示の実施形態は、在庫収納モデルを使用して製品のアウトバウンド予測のために構成されたシステムおよび方法に関する。
図１Ａを参照すると、出荷、輸送、および物流動作を可能にする通信のためのコンピュータ化されたシステムを含むシステムの例示的な実施形態を示す概略ブロック図１００が示されている。図１Ａに示すように、システム１００は様々なシステムを含むことができ、その各々は、１つまたは複数のネットワークを介して互いに接続することができる。システムはまた、例えばケーブルを使用して、直接接続を介して互いに接続されてもよい。図示のシステムは、出荷権限技術（ＳＡＴ）システム１０１、外部フロントエンドシステム１０３、内部フロントエンドシステム１０５、輸送システム１０７、モバイルデバイス１０７Ａ、１０７Ｂ、１０７Ｃ、売り手ポータル１０９、出荷および注文追跡（ＳＯＴ）システム１１１、フルフィルメント(履行)最適化（ＦＯ）システム１１３、フルフィルメントメッセージングゲートウェイ（ＦＭＧ）１１５、サプライチェーン管理（ＳＣＭ）システム１１７、労働力管理システム１１９、モバイルデバイス１１９Ａ、１１９Ｂ、１１９Ｃ（フルフィルメントセンタ（ＦＣ）２００の内部にあるものとして図示）、第三者パーティフルフィルメントシステム１２１Ａ、１２１Ｂ、１２１Ｃ、フルフィルメントセンタ認証システム（ＦＣ認証）１２３、労働管理システム（ＬＭＳ）１２５を含む。
ＳＡＴシステム１０１は、いくつかの実施形態では注文状態および配送状態を監視するコンピュータシステムとして実装されてもよい。例えば、ＳＡＴ装置１０１は注文がその約束配送日（ＰＤＤ）を過ぎているかどうかを判定し、新しい注文を開始すること、配達されていない注文でアイテムを再出荷すること、配達されていない注文をキャンセルすること、注文カスタマとのコンタクトを開始することなどを含む適切な処置をとることができる。ＳＡＴ装置１０１は、出力（特定の期間中に出荷された荷物の数のよう）及び入力（出荷に使用するために受け取った空のボール紙箱の数のよう）を含む他のデータを監視することもできる。また、ＳＡＴシステム１０１はシステム１００内の異なるデバイス間のゲートウェイとして機能し、外部フロントエンドシステム１０３およびＦＯシステム１１３などのデバイス間の通信（例えば、ストアアンドフォワードまたは他の技術を使用する）を可能にしてもよい。
いくつかの実施形態では、外部フロントエンドシステム１０３は外部ユーザがシステム１００内の１つまたは複数のシステムと対話することを可能にするコンピュータシステムとして実装することができる。例えば、システム１００がシステムの提示を可能にして、ユーザがアイテムのための注文を配置することを可能にする実施形態では、外部フロントエンドシステム１０３が検索リクエストを受信し、アイテムページを提示し、決済情報を要請するウェブサーバとして実装されてもよい。例えば、外部フロントエンドシステム１０３は、アパッチＨＴＴＰサーバ、マイクロソフトインターネットインフォメーションサービス、ＮＧＩＮＸ等のソフトウェアを実行するコンピュータ又はコンピュータとして実施することができる。他の実施形態では、外部フロントエンドシステム１０３が外部デバイス（例えば、モバイルデバイス１０２Ａまたはコンピュータ１０２Ｂ）からの要求を受信および処理し、それらの要求に基づいてデータベースおよび他のデータストアから情報を取得し、取得した情報に基づいて受信した要求に対する応答を提供するように設計されたカスタムウェブサーバソフトウェアを実行することができる。
いくつかの実施形態では、外部フロントエンドシステム１０３がウェブキャッシングシステム、データベース、検索システム、または支払いシステムのうちの１つまたは複数を含むことができる。一態様では外部フロントエンドシステム１０３がこれらのシステムのうちの１つまたは複数を備えることができ、別の態様では外部フロントエンドシステム１０３がこれらのシステムのうちの１つまたは複数に接続されたインターフェース（例えば、サーバ間、データベース間、または他のネットワーク接続）を備えることができる。
図１Ｂ、図１Ｃ、図１Ｄ、および図１Ｅによって示されるステップの例示的な組は、外部フロントエンドシステム１０３のいくつかの動作を説明するのに役立つことができる。外部フロントエンドシステム１０３は提示および／またはディスプレイのために、システム１００内のシステムまたはデバイスから情報を受け取ることができる。例えば、外部フロントエンドシステム１０３は、検索結果を含む１つ以上のウェブページをホスティングまたは提供することができる： ページ(ＳＲＰ)(例えば、図１Ｂ）、単一ディテールページ(ＳＤＰ)(例えば、図１Ｃ）、カードページ（例えば、図１Ｄ）、または注文ページ（例えば、図１Ｅ）。ユーザデバイス（例えば、モバイルデバイス１０２Ａまたはコンピュータ１０２Ｂを使用する）は外部フロントエンドシステム１０３にナビゲートし、サーチボックスに入力することによってサーチをリクエストすることができる。外部フロントエンドシステム１０３は、システム１００内の１つまたは複数のシステムからリクエストすることができる。例えば、外部フロントエンドシステム１０３は、検索要求を満たす情報をＦＯシステム１１３に要求してもよい。また、外部フロントエンドシステム１０３は検索結果に含まれる商品ごとに、約束配送日または「ＰＤＤ」を（ＦＯシステム１１３から）リクエストし、受信することもできる。
ＰＤＤはいくつかの実施形態では、特定の期間内に、例えば、その日の最後（午後１１時５９分）までに注文された場合、製品を含む荷物が、いつユーザの所望の場所に到着するか、または製品がユーザの所望の場所に配送されることを約束される日付かのいずれかの推定値を表すことができる（ＰＤＤはＦＯシステム１１３に関して以下でさらに説明される）。
外部フロントエンドシステム１０３がその情報に基づいてＳＲＰ(例えば、図１Ｂ）を準備することができる。ＳＲＰは、検索要求を満たす情報を含むことができる。例えば、これは、検索要求を満たす製品の写真を含むことができる。ＳＲＰはまた、各製品についてのそれぞれの価格、または各製品についての強化された配送オプション、ＰＤＤ、重み、規模、オファー、割引などに関する情報を含んでもよい。外部フロントエンドシステム１０３は（例えば、ネットワークを介して）要求側ユーザデバイスにＳＲＰを送信することができる。
次いで、ユーザデバイスは例えば、ユーザインターフェースをクリックまたはタップすることによって、または別のインプットデバイスを使用して、ＳＲＰから製品を選択して、ＳＲＰ上に表される製品を選択し得る。ユーザデバイスは選択されたプロダクトに関するリクエストを作成し、それを外部フロントエンドシステム１０３に送ることができる。これに応じて、外部フロントエンドシステム１０３は、選択された商品に関する情報をリクエストすることができる。例えば、情報は、それぞれのＳＲＰ上の製品について提示される情報を超える追加の情報を含むことができる。これには、例えば、貯蔵寿命、原産国、体重、大きさ、荷物中のアイテムの個数、取扱説明書、または生成物に関する他の事項が含まれ得る。また、情報は（例えば、この製品および少なくとも１つの他の製品を購入した顧客のビッグデータおよび／または機械学習分析に基づく）類似の製品に対する推奨、頻繁に質問される質問に対する回答、顧客からのレビュー、製造業者情報、写真などを含むことができる。
外部フロントエンドシステム１０３は受信したプロダクトインフォメーションに基づいて、ＳＤＰ(単一ディテールページ）（例えば、図１Ｃ）を準備することができる。ＳＤＰはまた、「今すぐ買う」ボタン、「カードに追加する」ボタン、数量欄、アイテムの写真等のような他の対話型要素を含んでもよい。ＳＤＰは、製品を提供する売り手のリストをさらに含むことができる。リストは各売り手が提供する価格に基づいて注文されてもよく、その結果、最低価格で製品を販売することを提案する売り手は最上位にリストされてもよい。リストは最高ランクの売り手が最上位にリストされるように、売り手ランキングに基づいて注文されてもよい。売り手ランキングは例えば、約束されたＰＤＤを満たす売り手の過去の実績を含む、複数の要因に基づいて定式化されてもよい。外部フロントエンドシステム１０３は（例えば、ネットワークを介して）要求側ユーザデバイスにＳＤＰを配信することができる。
依頼元ユーザデバイスは、商品情報を記載したＳＤＰを受け取る場合がある。ＳＤＰを受信すると、ユーザデバイスはＳＤＰと対話することができる。例えば、要求ユーザデバイスのユーザは、ＳＤＰ上の「カートに入れる」ボタンをクリックするか、あるいは他の方法で対話することができる。これは、ユーザに関連付けられたショッピングカートに製品を追加する。ユーザデバイスはこのリクエストを送信して、商品をショッピングカートに追加し、外部フロントエンドシステム１０３に送ることができる。
外部フロントエンドシステム１０３はカートページ（例えば、図１Ｄ）を生成することができる。カートページはいくつかの実施形態ではユーザが仮想の「買物かご」に追加した商品をリストし、ユーザデバイスは、ＳＲＰ、ＳＤＰ、または他のページ上のアイコンをクリックするか、または他の方法で対話することによって、カートページをリクエストしてもよい。いくつかの実施形態では、カートページがユーザがショッピングカートに追加したすべての製品、ならびに各製品の数量、各製品のアイテム当たりの価格、関連する数量に基づく各製品の価格、ＰＤＤに関する情報、配送方法、出荷費用、ショッピングカート内の製品を修正するためのユーザインターフェース要素（例えば、数量の削除または修正）、他の製品を注文するかまたは製品の定期的な配送を設定するためのオプション、利息支払いを設定するためのオプション、購入を進めるためのユーザインターフェース要素などのカート内の製品に関する情報を列挙することができる。ユーザデバイスのユーザはショッピングカート内の商品の購入を開始するために、ユーザインターフェース要素（例えば、「今すぐ買う」と読むボタン）をクリックするか、または他の方法でユーザインターフェース要素と対話することができる。そうすると、ユーザデバイスは、このリクエストを送信して、外部フロントエンドシステム１０３への購入を開始することができる。
外部フロントエンドシステム１０３は購入を開始するためのリクエストの受信に応じて、注文頁（例えば、図１Ｅ）を発生することができる。注文頁はいくつかの実施形態ではショッピングカートからのアイテムを再リストし、支払及び出荷に関するインプットを要求する。例えば、注文ページはショッピングカート内のアイテムの購入者に関する情報（例えば、名前、住所、電子メールアドレス、電話番号）、受取人に関する情報（例えば、名前、住所、電話番号、配送情報）、出荷情報（例えば、配送および／または集荷の速度／方法）、支払情報（例えば、クレジットカード、銀行振込、小切手、記憶クレジット）、現金受領を要求するためのユーザインターフェース要素（例えば、税務目的のための）などを要求する区画を含むことができる。外部フロントエンドシステム１０３は、注文頁をユーザデバイスへ送信することが可能である。
ユーザデバイスは注文頁に情報を入力し、その情報を外部フロントエンドシステム１０３に送信するユーザインターフェース要素をクリックするか、または他の方法で対話することができる。そこから、外部フロントエンドシステム１０３はショッピングカート内の製品との新しい注文の作成および加工を可能にするために、システム１００内の様々なシステムに情報を送信することができる。
いくつかの実施形態では、外部フロントエンドシステム１０３が売り手が注文に関する情報を送受信することを可能にするようにさらに構成されてもよい。
内部フロントエンドシステム１０５はいくつかの実施形態では内部ユーザ（例えば、システム１００を所有し、運営し、またはリースする団体の従業員）がシステム１００内の１つまたは複数のシステムと対話することを可能にするコンピュータシステムとして実装することができる。例えば、ネットワーク１０１がシステムの提示を可能にして、ユーザが注文のための注文を配置できるようにする実施形態では、内部ユーザが注文に関する診断および統計情報を見たり、アイテム情報を修正したり、またはアイテムに関する統計を見直したりできるようにする、内部フロントエンドシステム１０５をウェブサーバとして実装することができる。例えば、内蔵フロントエンドシステム１０５は、アパッチＨＴＴＰサーバ、マイクロソフトインターネットインフォメーションサービス、ＮＧＩＮＸ等のソフトウェアを実行するコンピュータ又はコンピュータとして実現することができる。他の実施形態では、内蔵フロントエンドシステム１０５がシステム１００に示されるシステムまたはデバイス（ならびに図示されない他のデバイス）からの要求を受信および処理し、それらの要求に基づいてデータベースおよび他のデータストアから情報を取得し、取得された情報に基づいて受信された要求への応答を提供するように設計されたカスタムウェブサーバソフトウェアを実行することができる。
いくつかの実施形態では、内蔵フロントエンドシステム１０５がウェブキャッシングシステム、データベース、検索システム、支払いシステム、分析システム、注文監視システムなどのうちの１つまたは複数を含むことができる。一態様では内部フロントエンドシステム１０５がこれらのシステムのうちの１つまたは複数を備えることができ、別の態様では内部フロントエンドシステム１０５がこれらのシステムのうちの１つまたは複数に接続されたインターフェース（たとえば、サーバ間、データベース間、または他のネットワーク接続）を備えることができる。
輸送システム１０７は、いくつかの実施形態ではシステム１００内のシステムまたはデバイスとモバイルデバイス１０７Ａ〜１０７Ｃとの間の通信を可能にするコンピュータシステムとして実施することができる。いくつかの実施形態では、トランスポーテーションシステム１０７が１つまたは複数のモバイルデバイス１０７Ａ〜１０７Ｃ（例えば、携帯電話、スマートフォン、ＰＤＡなど）から受信することができる。例えば、いくつかの実施形態では、モバイルデバイス１０７Ａ〜１０７Ｃが配送作業員によって操作されるデバイスを含んでもよい。配送作業員は、正社員、臨時社員、または交替社員であってもよく、モバイルデバイス１０７Ａ〜１０７Ｃを利用して、ユーザによって注文された製品を含む荷物の配送を行うことができる。例えば、荷物を配信するために、配送作業員は、どの荷物を配信すべきか、およびそれをどこに配信すべきかを示す通知をモバイルデバイス上で受信することができる。配送位置に到着すると、配送作業員は荷物を（例えば、トラックの後ろに、または荷物の箱に）配置し、モバイルデバイスを使用して荷物上の識別子に関連するデータ（例えば、バーコード、イメージ、文字列、ＲＦＩＤタグなど）を走査または他の方法で捕捉し、荷物を（例えば、前扉に置いたままにし、警備員を置いたままにし、受信者に渡すなどによって）配信することができる。いくつかの実施形態では、配送作業員が荷物の写真をキャプチャすることができ、および／またはモバイルデバイスを使用してシグネチャを取得することができる。モバイルデバイスは例えば、時刻、日付、ＧＰＳ位置、写真、配送作業員に関連付けられた識別子、モバイルデバイスに関連付けられた識別子などを含む配送に関する情報を含む情報を輸送機関１０７に送信することができる。輸送システム１０７はシステム１００内の他のシステムによるアクセスのために、この情報をデータベース（図示せず）に記憶することができる。輸送システム１０７はいくつかの実施形態ではこの情報を使用して、特定の荷物の位置を示す追跡データを準備し、他のシステムに送信することができる。
いくつかの実施形態ではあるユーザが１つの種類のモバイルデバイスを使用することができる（例えば、永久作業員はバーコードスキャナ、スタイラス、および他のデバイスなどのカスタムハードウェアと共に専用のＰＤＡを使用することができる）が他のユーザは他の種類のモバイルデバイスを使用することができる（例えば、一時的または移動作業員は既製の携帯電話および／またはスマートフォンを利用することができる）。
いくつかの実施形態では、交通機関１０７がユーザをそれぞれのデバイスに関連付けることができる。例えば、輸送システム１０７はユーザ（例えば、ユーザ識別子、従業員識別子、または電話番号）とモバイルデバイス（例えば、国際移動装置アイデンティティ（ＩＭＥＩ）、国際移動加入識別子（ＩＭＳＩ）、電話番号、汎用一意識別子（ＵＵＩＤ）、またはグローバル一意（ＧＵＩＤ）によって表される）との間の関連を記憶することができる。トランスポートシステム１０７はこの関連付けを、配送上で受信されたデータと併せて使用して、とりわけ、作業員の位置、作業員の有効性、または作業員のスピードを決定するために、注文内のデータベースに格納されたデータを分析することができる。
売り手ポータル１０９は、いくつかの実施形態では売り手または他の外部エンティティがシステム１００内の１つまたは複数のシステムと電子的に通信することを可能にするコンピュータシステムとして実装され得る。例えば、売り手は、コンピュータシステム（図示せず）を利用して、売り手が売り手ポータル１０９を使用してシステム１００を通して売りたい製品について、製品情報、注文情報、連絡先情報などをアップロードまたは提供することができる。
出荷および注文追跡システム１１１はいくつかの実施形態では（例えば、デバイス１０２Ａ〜１０２Ｂを使用するユーザによって）顧客によって注文された製品を含む荷物の位置に関する情報を受信し、記憶し、転送するコンピュータシステムとして実装されてもよい。いくつかの実施形態では、出荷および注文追跡装置１１１は顧客が注文した製品を含む荷物を配送する出荷会社によって運営されるウェブサーバ（図示せず）からの情報をリクエストまたは記憶することができる。
いくつかの実施形態では、出荷および注文追跡システム１１１がシステム１００に示されたシステムからの情報をリクエストし、記憶することができる。例えば、出荷および注文追跡システム１１１は、輸送システム１０７にリクエストすることができる。上述のように、交通機関１０７はユーザ（例えば、配送作業員）または乗り物（例えば、配送車）のうちの１つまたは複数に関連付けられた１つまたは複数のモバイルデバイス１０７Ａ〜１０７Ｃ（例えば、携帯電話、スマートフォン、ＰＤＡなど）から受信することができる。いくつかの実施形態では、出荷および注文追跡装置１１１がフルフィルメントセンタ（例えば、フルフィルメントセンタ２００）内の個々の製品の位置を決定するために、労働力管理システム（ＷＭＳ）１１９にリクエストすることもできる。出荷および注文追跡システム１１１は輸送システム１０７またはＷＭＳ １１９のうちの１つまたは複数からデータを要求し、それを処理し、要求に応じてそれをデバイス（たとえば、ユーザデバイス１０２Ａおよび１０２Ｂ）に提示することができる。
フルフィルメント(履行)最適化（ＦＯ）システム１１３はいくつかの実施形態では他のシステム（例えば、外部フロントエンドシステム１０３および／または出荷および注文追跡システム１１１）からのカスタマ注文のための情報を記憶するコンピュータシステムとして実装されてもよい。また、ＦＯシステム１１３は、特定のアイテムがどこに保持されているか、またはどこに記憶されているかを記述する情報を記憶することもできる。たとえば、特定のアイテムは１つのフルフィルメントセンタにのみ格納でき、他の特定のアイテムは複数のフルフィルメントセンタに格納できる。さらに他の実施形態では、特定のフルフィルメントセンタが特定の組のアイテム（例えば、生鮮食品または冷凍食品）のみを格納するように設計されてもよい。ＦＯシステム１１３はこの情報ならびに関連する情報（例えば、数量、サイズ、受領日、有効期限など）を格納する。
また、ＦＯシステム１１３は、商品毎に対応するＰＤＤ(約束配送日）を計算してもよい。ＰＤＤは、いくつかの実施形態では１つまたは複数の要因に基づくことができる。例えば、ＦＯシステム１１３は製品に対する過去の需要（例えば、その製品がある期間中に何回注文されたか）、製品に対する予想需要（例えば、来るべき期間中にその製品を注文するために何人の顧客が予想されるか）、ある期間中にいくつの製品が注文されたかを示すネットワーク全体の過去の需要、来るべき期間中にいくつの製品が注文されることが予想されるかを示すネットワーク全体の予想需要、各フルフィルメントセンタ２００に格納された製品の１つ以上のカウント、その製品に対する各製品、予想または現行注文などに基づいて、製品に対するＰＤＤを計算することができる。
いくつかの実施形態では、ＦＯシステム１１３が定期的に（例えば、１時間ごとに）商品ごとにＰＤＤを決定し、それを検索または他のシステム（例えば、外部フロントエンドシステム１０３、ＳＡＴシステム１０１、出荷および注文追跡システム１１１）に送信するためにデータベースに格納することができる。他の実施形態では、ＦＯシステム１１３が１つまたは複数のシステム（例えば、外部フロントエンドシステム１０３、ＳＡＴシステム１０１、出荷および注文追跡システム１１１）から電子要求を受信し、オンデマンドでＰＤＤを計算することができる。
フルフィルメントメッセージングゲートウェイ１１５はいくつかの実施形態ではＦＯシステム１１３などのシステム１００内の１つ以上のシステムから１つのフォーマットまたはプロトコルで要求または応答を受信し、それを別のフォーマットまたはプロトコルに変換し、変換されたフォーマットまたはプロトコルで、ＷＭＳ １１９または３パーティフルフィルメントシステム１２１Ａ、１２１Ｂ、または１２１Ｃなどの他のシステムに転送するコンピュータシステムとして実装することができる。
サプライチェーン管理（ＳＣＭ）システム１１７は、いくつかの実施形態では予測機能を実行するコンピュータシステムとして実装することができる。例えば、ＳＣＭシステム１１７は例えば、製品に対する過去の需要、製品に対する予想される需要、ネットワーク全体の過去の需要、ネットワーク全体の予想される需要、各フルフィルメントセンタ２００に格納された計数製品、各製品に対する予想または現行注文などに基づいて、特定の製品に対する需要の水準を予測することができる。この予測された水準およびすべてのフルフィルメントセンタにわたるそれぞれの製品の量に応じて、ＳＣＭシステム１１７は特定の製品に対する予測された需要を満たすのに充分な量を購入し、ストックするための１つまたは複数の購入注文を生成することができる。
労働力管理システム（ＷＭＳ）１１９は、いくつかの実施形態ではワークフローをモニタするコンピュータシステムとして実装されてもよい。例えば、ＷＭＳ １１９は個別イベントを示す個別デバイス（例えば、デバイス１０７Ａ−１０７Ｃまたは１１９Ａ−１１９Ｃ）からイベントデータを受信することができる。例えば、ＷＭＳ １１９は、荷物を走査するためにこれらのデバイスの１つの使用を示すイベントデータを受信してもよい。フルフィルメントセンタ２００および図２に関して以下で論じるように、フルフィルメントプロセス中に、荷物識別子（例えば、バーコードまたはＲＦＩＤタグデータ）は特定の段階で機械によってスキャンまたは読み取ることができる（例えば、自動またはハンドヘルドバーコードスキャナ、ＲＦＩＤリーダ、高速カメラ、タブレット１１９Ａ、モバイルデバイス／ＰＤＡ １１９Ｂ、コンピュータ１１９Ｃなどのデバイス）。ＷＭＳ １１９は荷物識別子、時刻、日時、位置、ユーザ識別子、または他の情報と共に、荷物識別子の走査または読取りを示す各々の事象を対応するデータベース（図示せず）に記憶することができ、この情報を他のシステム（例えば、出荷および注文追跡システム１１１）に提供することができる。
ＷＭＳ １１９はいくつかの実施形態では１つまたは複数のデバイス（例えば、デバイス１０７Ａ〜１０７Ｃまたは１１９Ａ〜１１９Ｃ）を、システム１００に関連付けられた１つまたは複数のユーザに関連付ける情報を記憶してもよい。例えば、いくつかの状況では、ユーザ（パートまたはフルタイムの従業員など）は、ユーザがモバイルデバイスを所有する（例えば、モバイルデバイスがスマートフォンである）という点で、モバイルデバイスに関連付けられてもよい。他の状況では、ユーザは、ユーザが一時的にモバイルデバイスの管理下にある（例えば、ユーザは日の始めにモバイルデバイスを借り、日中にそれを使用し、日の終わりにそれを返す）という点で、モバイルデバイスに関連付けられてもよい。
ＷＭＳ １１９は、いくつかの実施形態ではシステム１００に関連する各ユーザの作業ログを維持することができる。例えば、ＷＭＳ １１９は任意の割り当てられたプロセス（例えば、トラックのアンローディング、ピックゾーンからのアイテムのピッキング、仕分け装置ワーク、パッキングアイテム）、ユーザ識別子、位置（例えば、フルフィルメントセンタ２００内のフロアまたはゾーン）、従業員によってシステム内を移動されたユニットの数（例えば、ピックされたアイテムの数、パックされたアイテムの数）、デバイスに関連付けられた識別子（例えば、デバイス１１９Ａ〜１１９Ｃ）などを含む、各従業員に関連付けられた情報を記憶することができる。いくつかの実施形態では、ＷＭＳ １１９がデバイス１１９Ａ〜１１９Ｃ上で動作するタイムキーピングシステムなどのタイムキーピングシステムからチェックインおよびチェックアウト情報を受信することができる。
第三者フルフィルメント（３ＰＬ）システム１２１Ａ〜１２１Ｃは、いくつかの実施形態ではロジスティクスおよび製品のサードパーティプロバイダに関連するコンピュータシステムを表す。例えば、（図２に関して以下に説明するように）いくつかの製品がフルフィルメントセンタ２００に格納されている間、他の製品は、オフサイトで格納されてもよく、オンデマンドで生産されてもよく、またはフルフィルメントセンタ２００に格納するために利用できなくてもよい。３ＰＬシステム１２１Ａ〜１２１ＣはＦＯシステム１１３から（例えば、ＦＭＧ １１５を介して）注文を受信するように構成することができ、製品および／またはサービス（例えば、配送または設置）を顧客に直接的に提供することができる。いくつかの実施形態では３ＰＬシステム１２１Ａ〜１２１Ｃのうちの１つまたは複数がシステム１００の一部とすることができ、他の実施形態では３ＰＬシステム１２１Ａ〜１２１Ｃのうちの１つまたは複数がシステム１００の外部（例えば、サードパーティプロバイダによって所有または運営される）とすることができる。
フルフィルメントセンタ自動システム（ＦＣ認証）１２３は、いくつかの実施形態では様々な機能を有するコンピュータシステムとして実装され得る。例えば、いくつかの実施形態では、ＦＣ認証１２３がシステム１００内の１つまたは複数の他のシステムのためのシングルサインオン（ＳＳＯ）サービスとして動作することができる。例えば、ＦＣ認証１２３はユーザが内部フロントエンドシステム１０５を介してログインすることを可能にし、ユーザが出荷および注文追跡系１１１においてリソースにアクセスするための同様の特権を有していることを決定し、ユーザが２回目のログイン処理を必要とせずにそれらの特権にアクセスすることを可能にしてもよい。他の実施形態では、ＦＣ認証１２３は、ユーザ（例えば、従業員）が自分自身を特定の作業に関連付けることを可能にしてもよい。例えば、従業員の中には、電子デバイス（デバイス１１９Ａ〜１１９Ｃなど）を持たない者もいれば、その代わりに、１日の過程中に、フルフィルメントセンタ２００内でタスクからタスクへ、およびゾーンからゾーンへ移動してもよい。ＦＣ認証１２３は、それらの従業員は、彼らがどの仕事をしているか、および彼らが様々な時刻にどの区域にいるかを示すことを可能にするように構成されてもよい。
労働管理システム（ＬＭＳ）１２５は、いくつかの実施形態では従業員（フルタイムおよびパートタイムの従業員を含む）のための出勤および残業を記憶するコンピュータシステムとして実装されてもよい。例えば、ＬＭＳ １２５は、ＦＣ認証１２３、ＷＭＡ １１９、デバイス１１９Ａ−１１９Ｃ、輸送装置１０７、及び／又はデバイス１０７Ａ−１０７Ｃから受信することができる。
図１Ａに示される特定の構成は単なる例である。例えば、図１ＡはＦＯシステム１１３に接続されたＦＣ認証システム１２３を示すが、全ての実施形態がこの特定の構成を必要とするわけではない。実際、いくつかの実施形態では、システム１００内のシステムがインターネット、イントラネット、ＷＡＮ(ワイドエリアネットワーク）、ＭＡＮ(メトロポリタンエリアネットワーク）、ＩＥＥＥ ８０２．１１ａ／ｂ／ｇ／ｎ規格に準拠する無線ネットワーク、専用線などを含む１つまたは複数の公衆またはプライベートネットワークを介して互いに接続され得る。いくつかの実施形態では、システム１００内のシステムの１つ以上がデータセンター、サーバファームなどに実装された１つ以上の仮想サーバとして実装されてもよい。
図２は、フルフィルメントセンタ２００を示す。フルフィルメントセンタ２００は、注文時に顧客に出荷するためのアイテムを格納する物理的な場所の実例である。フルフィルメントセンタ（ＦＣ）２００は多数のゾーンに分割することができ、その各々を図２に示す。これらの「ゾーン」はいくつかの実施形態ではアイテムを受け取り、アイテムを保管し、アイテムを取り出し、アイテムを出荷する処理の様々な段階の間の仮想分割と考えることができ、したがって、「ゾーン」は図２に示されているが、ゾーンの他の分割も可能であり、いくつかの実施形態では図２のゾーンを省略、複製、または修正することができる。
インバウンドゾーン２０３は、図１Ａの装置１００を使用して製品を販売しようとする売り手からアイテムを受け取るＦＣ ２００の領域を表す。例えば、売り手は、台車２０１を使用してアイテム２０２Ａ及び２０２Ｂを配送することができる。アイテム２０２Ａはそれ自体の出荷パレットを占有するのに十分な大きさの単一のアイテムを表すことができ、アイテム２０２Ｂは、空間を節約するために同じパレット上に一緒に積み重ねられた１組のアイテムを表すことができる。
作業員はインバウンドゾーン２０３でアイテムを受け取り、コンピュータシステム（図示せず）を使用して、アイテムの破損および正当性を任意選択で検査することができる。例えば、作業員は、コンピュータシステムを使用して、アイテム２０２Ａおよび２０２Ｂの数量をアイテムの注文数量と比較することができる。数量が合致しない場合、その作業員は、アイテム２０２Ａまたは２０２Ｂのうちの１つまたは複数を拒否することができる。数量が一致すれば、作業員はそれらのアイテムを緩衝地帯２０５まで（例えば、１ドル、ハンドトラック、フォークリフト、手動で）移動させることができる。緩衝ゾーン２０５は例えば、予測される需要を満たすのに十分な量のアイテムがピッキングゾーンにあるため、ピッキングゾーンで現在必要とされていないアイテムのための一時保管領域であってもよい。いくつかの実施形態では、フォークリフト２０６が緩衝ゾーン２０５の周り、および入りゾーン２０３と落下ゾーン２０７との間でアイテムを移動させるように動作する。ピッキングゾーンにアイテム２０２Ａまたは２０２Ｂが必要な場合（例えば、予想される需要のため）、フォークリフトは、アイテム２０２Ａまたは２０２Ｂを落下ゾーン２０７に移動させることができる。
ドロップゾーン２０７は、アイテムがピッキングゾーン２０９に移動される前にそれらを保管するＦＣ ２００の領域であってもよい。ピッキングタスクに割り当てられた作業員（「ピッカー」）はピッキングゾーン内のアイテム２０２Ａおよび２０２Ｂに接近し、ピッキングゾーンのバーコードをスキャンし、モバイルデバイス（例えば、デバイス１１９Ｂ）を使用してアイテム２０２Ａおよび２０２Ｂに関連するバーコードをスキャンすることができる。次いで、ピッカーはアイテムをピッキングゾーン２０９まで（例えば、それをカート上に置くか、またはそれを運ぶことによって）取り込むことができる。
ピッキングゾーン２０９は、アイテム２０８が保管ユニット２１０に保管されるＦＣ ２００の領域であってもよい。いくつかの実施形態では、貯蔵ユニット２１０が物理的な棚、本棚、箱、運搬箱、冷蔵庫、冷凍庫、冷蔵庫などのうちの１つまたは複数を含むことができる。いくつかの実施形態では、ピッキングゾーン２０９が複数のフロアに編成されてもよい。いくつかの実施形態では、作業員または機械が例えば、フォークリフト、エレベータ、コンベアベルト、カート、ハンドトラック、台車、自動ロボットもしくはデバイス、または手動を含む多数の方法で、ピッキングゾーン２０９内にアイテムを移動させることができる。例えば、ピッカーは、アイテム２０２Ａおよび２０２Ｂを降下ゾーン２０７の手押し車または台車に載せ、アイテム２０２Ａおよび２０２Ｂをピッキングゾーン２０９まで歩くことができる。
ピッカーは、保管ユニット２１０上の特定の空間のようなピッキングゾーン２０９内の特定のスポットにアイテムを配置する（又は「収納する」）命令を受け取ることができる。例えば、ピッカーはモバイルデバイス（例えば、デバイス１１９Ｂ）を使用してアイテム２０２Ａを走査することができる。デバイスは例えば、通路、棚、及び位置を示す装置を使用して、ピッカーがアイテム２０２Ａを収納すべき場所を示すことができる。次に、デバイスはアイテム２０２Ａをその位置に格納する前に、その位置でバーコードを走査するようにピッカーを促すことができる。デバイスは（例えば、ワイヤレスネットワークを介して）図１ＡのＷＭＳ １１９のようなコンピュータシステムにデータを送信し、アイテム２０２Ａがデバイス１１９Ｂを使用してユーザによってその位置に格納されたことを示すことができる。
ユーザが注文を置くと、ピッカーは、保管ユニット２１０から１つまたは複数のアイテム２０８を取り出すための命令をデバイス１１９Ｂ上で受け取ることができる。ピッカーはアイテム２０８を取り出し、アイテム２０８上のバーコードを走査し、それを搬送メカニズム２１４上に置くことができる。搬送機構２１４はスライドとして表されているが、いくつかの実施形態では搬送機構がコンベヤーベルト、エレベータ、カート、フォークリフト、ハンドトラック、台車、カートなどのうちの１つまたは複数として実施することができる。次いで、アイテム２０８は、充填領域２１１に到達することができる。
パッキングゾーン２１１は、アイテムがピッキングゾーン２０９から受け取られ、最終的に顧客に出荷するためにボックスまたはバッグにパッキングされる、ＦＣ ２００の領域であってもよい。パッキングゾーン２１１において、受信アイテム（「リビン(ｒｅｂｉｎ)作業員」）に割り当てられた作業員はピッキングゾーン２０９からアイテム２０８を受信し、それがどの注文に対応するかを決定する。例えば、リビン(ｒｅｂｉｎ)作業員はアイテム２０８上のバーコードを走査するために、コンピュータ１１９Ｃなどのデバイスを使用することができる。コンピュータ１１９Ｃはどの注文アイテム２０８が関連付けられているかを視覚的に示すことができる。これは例えば、注文に対応する壁面２１６上の空間または「セル」を含むことができる。注文が完了すると（例えば、セルが注文のためのすべてのアイテムを含むため）、リビン(ｒｅｂｉｎ)作業員は、注文が完了したことをパッキング作業員（または「パッカー」）に示すことができる。梱包業者はセルからアイテムを回収し、輸送のために箱または袋に入れることができる。その後、パッカーは例えば、フォークリフト、カート、ドリー、ハンドトラック、コンベヤーベルトを介して、又は他の方法で、箱又はバッグをハブゾーン２１３に送ることができる。
ハブゾーン２１３は、パッキングゾーン２１１から全てのボックスまたはバッグ（「荷物」）を受け取るＦＣ ２００の領域であってもよい。ハブゾーン２１３内の作業員および／またはマシンは荷物２１８を検索し、それぞれの荷物が行こうとする配送領域の一部を決定し、荷物を適切なキャンプゾーン２１５にルーティングすることができる。例えば、配送領域が２つのより小さいサブ領域を有する場合、荷物は２つのキャンプゾーン２１５のうちの１つに進む。いくつかの実施形態では、作業員またはマシンが（例えば、デバイス１１９Ａ〜１１９Ｃのうちの１つを使用して）荷物を走査して、その最終的な宛先を決定することができる。荷物をキャンプゾーン２１５にルーティングすることは、例えば、荷物が向けられている地理的エリアの一部を（例えば、郵便番号に基づいて）決定することと、地理的エリアの一部に関連付けられたキャンプゾーン２１５を決定することとを含むことができる。
キャンプゾーン２１５はいくつかの実施形態では１つまたは複数の建物、１つまたは複数の物理的な空間、または１つまたは複数のエリアを備えることができ、荷物は、ルートおよび／またはサブルートに分類するためにハブゾーン２１３から受け取られる。いくつかの実施形態ではキャンプゾーン２１５がＦＣ ２００から物理的に分離されているが、他の実施形態ではキャンプゾーン２１５がＦＣ ２００の一部を形成することができる。
キャンプゾーン２１５内の作業員および／またはマシンは例えば、目的地と現存するルートおよび／またはサブルートとの照合、ルートおよび／またはサブルートごとの作業負荷の算出、時刻、出荷方法、荷物２２０を出荷する費用、荷物２２０内のアイテムに関連付けられたＰＤＤなどに基づいて、荷物２２０がどのルートおよび／またはサブルートに関連付けられるべきかを決定することができる。いくつかの実施形態では、作業員またはマシンが（例えば、デバイス１１９Ａ〜１１９Ｃのうちの１つを使用して）荷物を走査して、その最終的な宛先を決定することができる。荷物２２０が特定のルートおよび／またはサブルートに割り当てられると、作業員および／またはマシンは、出荷される荷物２２０を移動させることができる。例示的な図２において、キャンプゾーン２１５は、トラック２２２、かご２２６、および配送作業員２２４Ａおよび２２４Ｂを含む。いくつかの実施形態では、トラック２２２が配送作業員２２４Ａによって駆動されてもよく、配送作業員２２４ＡはＦＣ ２００の荷物を配信する常勤の従業員であり、トラック２２２はＦＣ ２００を所有し、リースし、または運営する同じ企業によって所有され、リースされ、または運営される。いくつかの実施形態では、自動車２２６が配送作業員２２４Ｂによって駆動されてもよく、ここで、配送作業員２２４Ｂは必要に応じて（例えば、季節的に）送達する「屈曲」または時折の作業員である。自動車２２６は、配送作業員２２４Ｂによって所有され、リースされ、または操作され得る。
図３を参照すると、アウトバウンド予測システム３０１を含むシステムの例示的な実施形態を示す概略ブロック図３００である。アウトバウンド予測システム３０１は、図１Ａのシステム１００内の１つまたは複数のシステムに関連付けられてもよい。例えば、アウトバウンド予測システム３０１は、ＳＣＭシステム１１７の一部として実装されてもよい。いくつかの実施形態では、アウトバウンド予測システム３０１は、各ＦＣ２００の情報、ならびに他のシステム（例えば、外部フロントエンドシステム１０３、出荷および注文追跡システム１１１、および／またはＦＯシステム１１３）からの顧客注文に関する情報を処理および格納するコンピュータシステムとして実装されてもよい。例えば、アウトバウンド予測システム３０１は、１つまたは複数のプロセッサ３０５を含んでもよく、これは、ＦＣ間のＳＫＵの配分を説明する情報を処理し、データベース３０４などのデータベースに情報を格納することができる。したがって、アウトバウンド予測システム３０１の１つまたは複数のプロセッサ３０５は、各ＦＣに格納されているＳＫＵのリストを処理し、そのリストをデータベース３０４に格納することができる。１つまたは複数のプロセッサ３０５はまた、各ＦＣに関連する制約を説明する情報を処理し、その情報をデータベース３０４に格納することができる。例えば、特定のＦＣは、最大容量、サイズ、冷蔵の必要性、重量、もしくはその他のアイテムの要件による特定のアイテムとの互換性、転送コスト、建物の制限、および／またはそれらの任意の組み合わせなどの制約を有する場合がある。例として、特定のアイテムは１つのフルフィルメントセンターにのみ格納できるが、他の特定のアイテムは複数のフルフィルメントセンターに格納できる。さらに他の実施形態では、特定のフルフィルメントセンターが特定の一組のアイテム（例えば、生鮮食品または冷凍食品）のみを格納するように設計されている場合がある。１つまたは複数のプロセッサ３０５は、各ＦＣのこの情報ならびに関連情報（例えば、数量、サイズ、受領日、有効期限など）を処理または検索し、この情報をデータベース３０４に格納することができる。
いくつかの実施形態では、アウトバウンド予測システム３０１の１つまたは複数のプロセッサ３０５はまた、ＳＣＭシステム１１７の１つまたは複数のシステムから情報を受信するように構成されてもよい。例えば、１つまたは複数のプロセッサ３０５は、販売予測システムから、各地域の各在庫管理単位（ＳＫＵ）に対する顧客需要を示す地域販売予測の予測を受信してもよい。それに加えてまたはその代わりに、１つまたは複数のプロセッサ３０５は、ＳＫＵ相関システムから各地域の顧客注文で組み合わされる１つまたは複数のＳＫＵの相関の予測を受信してもよい。それに加えてまたはその代わりに、１つまたは複数のプロセッサ３０５は、注文サイズ計算システムから、各地域における顧客注文のサイズの予測を受信してもよい。いくつかの実施形態では、１つまたは複数のプロセッサ３０５は、予測された相関および予測されたサイズに基づいて生成され得るシミュレートされた顧客注文プロファイルを受信することができる。いくつかの実施形態では、１つまたは複数のプロセッサ３０５は、未処理の購入注文または過去の顧客注文のうちの少なくとも１つを使用して在庫収納モデルを生成することができる。１つまたは複数のプロセッサ３０５は、予測された地域販売予測、シミュレートされた顧客注文プロファイル、および在庫収納モデルに基づいて、ＦＣ２００へのＳＫＵのアウトバウンドを予測することができる。
他の実施形態では、１つまたは複数のプロセッサ３０５は、ＦＣ２００へのＳＫＵの予測されたアウトバウンドをデータベース３０４に格納することができる。いくつかの実施形態では、アウトバウンド予測システム３０１は、ネットワーク３０２を介してデータベース３０４から情報を検索することができる。データベース３０４は、情報を格納し、ネットワーク３０２を介してアクセスされる１つまたは複数のメモリデバイスを含むことができる。例として、データベース３０４は、Ｏｒａｃｌｅ（商標）データベース、Ｓｙｂａｓｅ（商標）データベース、または他のリレーショナルデータベース、あるいはＨａｄｏｏｐシーケンスファイル、ＨＢａｓｅ、またはＣａｓｓａｎｄｒａなどの非リレーショナルデータベースを含んでもよい。データベース３０４は、システム３００に含まれるものとして示されているが、代わりに、システム３００から離れて配置されてもよい。他の実施形態では、データベース３０４は、最適化システム３０１に組み込まれてもよい。データベース３０４は、データベース３０４のメモリデバイスに格納されたデータの要求を受信および処理し、データベース３０４からのデータを提供するように構成されたコンピューティング構成要素（例えば、データベース管理システム、データベースサーバなど）を含んでもよい。
システム３００はまた、ネットワーク３０２およびサーバー３０３を含んでもよい。アウトバウンド予測システム３０１、サーバー３０３、およびデータベース３０４は接続され、ネットワーク３０２を介して互いに通信することができる。ネットワーク３０２は、無線ネットワーク、有線ネットワーク、または無線ネットワークと有線ネットワークの任意の組み合わせのうちの１つまたは複数であってもよい。例えば、ネットワーク３０２は、光ファイバネットワーク、パッシブ光ネットワーク、ケーブルネットワーク、インターネットネットワーク、衛星ネットワーク、無線ＬＡＮ、モバイル通信用グローバルシステム（「ＧＳＭ」）、パーソナル通信サービス（「ＰＣＳ」）、パーソナルエリアネットワーク（「ＰＡＮ」）、Ｄ−ＡＭＰＳ、Ｗｉ−Ｆｉ、固定無線データ、ＩＥＥＥ８０２．１１ｂ、８０２．１５．１、８０２．１１ｎ、８０２．１１ｇ、あるいはデータを送信および受信するための他の任意の有線または無線ネットワークのうちの１つまたは複数を含んでもよい。
さらに、ネットワーク３０２は、電話回線、光ファイバ、ＩＥＥＥイーサネット９０２．３、ワイドエリアネットワーク（「ＷＡＮ」）、ローカルエリアネットワーク（「ＬＡＮ」）、またはインターネットなどのグローバルネットワークを含んでもよいが、これらに限定されない。また、ネットワーク３０２は、インターネットネットワーク、無線通信ネットワーク、セルラーネットワークなど、またはそれらの任意の組み合わせをサポートしてもよい。ネットワーク３０２は、スタンドアロンネットワークとして、または互いに協力して動作する、１つのネットワーク、または上記の任意の数の例示的なタイプのネットワークをさらに含んでもよい。ネットワーク３０２は、通信可能に結合されている１つまたは複数のネットワーク要素の１つまたは複数のプロトコルを利用することができる。ネットワーク３０２は、他のプロトコルとの間でネットワークデバイスの１つまたは複数のプロトコルに変換することができる。ネットワーク３０２は単一のネットワークとして示されているが、１つまたは複数の実施形態によれば、ネットワーク３０２は、例えば、インターネット、サービスプロバイダのネットワーク、ケーブルテレビネットワーク、企業ネットワーク、およびホームネットワークなどの複数の相互接続されたネットワークを含んでもよいことを理解されたい。
サーバー３０３は、ウェブサーバーであってもよい。サーバー３０３は、例えば、ハードウェア（例えば、１つまたは複数のコンピュータ）および／またはソフトウェア（例えば、１つまたは複数のアプリケーション）を含んでもよく、これらは、例えば、インターネットなどのネットワーク（例えば、ネットワーク３０２）を介してユーザによってアクセスされ得るウェブコンテンツを配信する。サーバー３０３は、例えば、ハイパーテキスト転送プロトコル（ＨＴＴＰまたはｓＨＴＴＰ）を使用してユーザと通信することができる。ユーザに配信されるウェブページは、例えば、ＨＴＭＬ文書を含んでもよく、これはテキストコンテンツに加えて画像、スタイルシート、およびスクリプトを含んでもよい。
例えば、Ｗｅｂブラウザ、Ｗｅｂクローラ、ネイティブモバイルアプリケーションなどのユーザプログラムは、ＨＴＴＰを使用して特定のリソースを要求することで通信を開始することができ、サーバー３０３はそのリソースのコンテンツで応答し、またはそうすることができない場合にはエラーメッセージで応答することができる。サーバー３０３はまた、ユーザからのコンテンツの受信を可能にするか、または容易にすることができ、その結果、ユーザは、例えば、ファイルのアップロードを含むウェブフォームを提出することができる。サーバー３０３はまた、例えばＡｃｔｉｖｅ Ｓｅｒｖｅｒ Ｐａｇｅｓ（ＡＳＰ）、ＰＨＰ、またはその他のスクリプト言語を使用したサーバー側スクリプトをサポートすることもできる。したがって、実際のサーバーソフトウェアを変更せずに、サーバー３０３の動作を個別のファイルにスクリプト化することができる。
他の実施形態では、サーバー３０３は、その適用されたアプリケーションをサポートするための手順（例えば、プログラム、ルーチン、スクリプト）の効率的な実行専用のハードウェアおよび／またはソフトウェアを含むことができるアプリケーションサーバーであってもよい。サーバー３０３は、例えば、Ｊａｖａアプリケーションサーバー（例えば、Ｊａｖａプラットフォーム、Ｅｎｔｅｒｐｒｉｓｅ Ｅｄｉｔｉｏｎ（Ｊａｖａ ＥＥ）、Ｍｉｃｒｏｓｏｆｔ（登録商標）の．ＮＥＴフレームワーク、ＰＨＰアプリケーションサーバーなど）を含む、１つまたは複数のアプリケーションサーバーフレームワークを含んでもよい。様々なアプリケーションサーバーフレームワークは、包括的なサービスレイヤモデルを含むことができる。サーバー３０３は、プラットフォーム自体によって定義されたＡＰＩを介して、例えば、システム１００を実装するエンティティにアクセス可能な一組の構成要素として機能することができる。
いくつかの実施形態では、アウトバウンド予測システム３０１の１つまたは複数のプロセッサ３０５は、在庫収納モデルを受信することができる。在庫収納モデルは、未処理の購入注文または過去の顧客注文の少なくとも１つを使用して生成され得る。いくつかの実施形態では、在庫収納モデルは、機械学習アルゴリズムを使用して生成されてもよい。例えば、在庫収納モデルを生成して、各ＳＫＵの収納時間を予測することができる。すなわち、在庫収納モデルを生成して、ＦＣ２００などのＦＣで製品を荷降ろしした後に、各ＳＫＵに関連する製品を収納するのにかかる時間を予測することができる。いくつかの実施形態では、製品を収納することは、製品の荷降ろし、製品のピッキング、製品の梱包、および／または製品の収納などの様々な手順を必要とする場合がある。そのため、製品の収納中に予期しない遅延が発生する可能性がある。さらに、製品の収納にかかる時間は、各商品に関連する荷降ろし日、各商品の配送予定日、各商品に対する顧客需要、収納のしやすさ、製品に関連する１つまたは複数のパラメータ、製品の優先度レベルなどの様々な要因に基づく場合がある。したがって、収納時間は、ＳＫＵに関連する各製品によって異なる場合がある。機械学習アルゴリズムを使用して、前述の要因の１つまたは複数に基づいて在庫収納モデルを生成することができる。
いくつかの実施形態では、アウトバウンド予測システム３０１の１つまたは複数のプロセッサ３０５は、遺伝的アルゴリズムなどのシミュレーションアルゴリズムを実装して、１つまたは複数のＦＣへの製品のアウトバウンドフローの１つまたは複数のシミュレーションを生成することができる。例えば、データベース３０４に格納された各ＦＣに関連する情報に基づいて、１つまたは複数のプロセッサ３０５は、１つまたは複数のＦＣ間の製品、例えば、ＳＫＵのアウトバウンドフローを最適化することができる。いくつかの実施形態では、１つまたは複数のプロセッサ３０５は、１つまたは複数のＦＣへの製品のアウトバウンドフローをシミュレートするために、予測された地域販売予測、顧客注文に組み合わされる１つまたは複数のＳＫＵの予測された相関、あるいは顧客注文の予測されたサイズのうちの少なくとも１つを使用することができる。いくつかの実施形態では、１つまたは複数のプロセッサ３０５は、ＦＣ優先度フィルタをシミュレートされた顧客注文プロファイルに適用して、製品のアウトバウンドフローをシミュレートすることができる。いくつかの実施形態では、１つまたは複数のプロセッサ３０５は、ＳＫＵマッピングを介してアウトバウンドフローを最適化することができる。ＳＫＵマッピングはＦＣへのＳＫＵの割り当てであり、アウトバウンドネットワークの最適化はＳＫＵマッピングを通じて実現することができる。１つまたは複数のプロセッサ３０５は、ＳＫＵマッピングを介してシミュレーションを生成することができ、各シミュレーションは、ＦＣ間のＳＫＵの異なる配分を含んでもよい。各シミュレーションはランダムに生成されてもよい。したがって、１つまたは複数のプロセッサ３０５は、１つまたは複数のシミュレーションを生成し、州全体、地域、または全国のネットワーク全体で１つまたは複数のＦＣの出力レートを最も改善する最適なシミュレーションを選択することによって、最適なシミュレーションを見つけることができる。製品のアウトバウンドフローを最適化するには、出力レートを向上させる最適なシミュレーションを決定することが重要であり得る。例えば、各ＦＣに各アイテムを１つずつ配置することがより簡単な場合もあるが、特定のアイテムに対する顧客需要が急速に増加すると、ＦＣはアイテムをすぐに使い果たすため、これは最適ではない場合がある。同様に、１つのアイテムのすべてが１つのＦＣに配置される場合には、様々な場所の顧客がそのアイテムを必要とする可能性があるため、これは最適ではない場合がある。そうすると、アイテムは単一のＦＣでしか入手できないため、あるＦＣから別のＦＣにアイテムを転送するためのコストが増加し、システムの効率が低下する可能性がある。したがって、製品のアウトバウンドフローを最適化することを目的としたコンピュータ化された実施形態は、ＦＣ間のＳＫＵの最適な配分を決定するための新規で重要なシステムを提供する。
さらに別の実施形態では、１つまたは複数のプロセッサ３０５は、ビジネス上の制約などの、遺伝的アルゴリズムに対する１つまたは複数の制約を実装することができる場合がある。制約は、例えば、各ＦＣの最大容量、各ＦＣに関連するアイテムの互換性、ＦＣに関連するコスト、または各ＦＣに関連するその他の特性を含んでもよい。各ＦＣの最大容量は、各ＦＣで保持できるＳＫＵの数に関連する情報を含んでもよい。各ＦＣに関連するアイテムの互換性は、アイテムのサイズ、アイテムの重量、冷蔵の必要性、またはアイテム／ＳＫＵに関連するその他の要件のために、特定のＦＣで保持できない特定のアイテムに関連する情報を含んでもよい。また、各ＦＣに関連する建物の制限により、各ＦＣで特定のアイテムを保持できるが、特定のアイテムを保持できないようにすることができる。各ＦＣに関連するコストは、ＦＣからＦＣへの転送コスト、クラスタ間の出荷コスト（例えば、複数のＦＣからのアイテムの出荷から発生する出荷コスト）、ＦＣ間のクロスストックアイテムから発生する出荷コスト、１つのＦＣにすべてのＳＫＵを含めることに関連する小包当たりのユニット（ＵＰＰ）コスト、またはこれらの任意の組み合わせを含むことができる。
他の実施形態では、１つまたは複数のプロセッサ３０５は、効率を高めるために、遺伝的アルゴリズムの１つまたは複数の部分をキャッシュすることができる。例えば、シミュレーションが生成されるたびにアルゴリズムのすべての部分を再実行する必要をなくすために、遺伝的アルゴリズムの１つまたは複数の部分をキャッシュすることができる。１つまたは複数のプロセッサ３０５は、各反復で有意な変化があるかどうかに基づいて、遺伝的アルゴリズムのどの部分をキャッシュすることができるかを決定することができる。例えば、いくつかのパラメータはシミュレーションが生成されるたびに一貫性を保つことができるが、他のパラメータは変化する場合がある。毎回一貫性を保つパラメータは、シミュレーションが生成されるたびに再実行する必要はない。したがって、１つまたは複数のプロセッサ３０５は、これらの一貫したパラメータをキャッシュすることができる。例えば、各ＦＣの最大容量は、シミュレーションが生成されるたびに変化しない場合があるため、キャッシュされ得る。一方、シミュレーションごとに変化する可能性のあるパラメータは、例えば、顧客注文プロファイル、地域全体の各ＳＫＵに対する顧客の関心、または収納モデルを含んでもよい。顧客注文プロファイルは、州全体、地域、または全国のネットワーク全体での顧客注文の挙動を指すことができる。例えば、顧客注文プロファイルは、州全体、地域、または全国のネットワーク全体での顧客注文の注文パターンを指すことができる。各ＳＫＵに対する顧客の関心は、州全体、地域、または全国的なネットワーク全体での各アイテムに対する顧客需要の量を指すことができる。収納モデルは、ピッキングゾーン２０９内の特定の場所または各ＦＣの収納ユニット２１０上の特定のスペースなど、特定のアイテムが配置される場所を示すモデルを指すことができる。収納モデルはＦＣごとに異なる場合がある。遺伝的アルゴリズムの１つまたは複数の部分をキャッシュすることによって、１つまたは複数のプロセッサ３０５は、効率を高め、処理能力を低下させることができる。
いくつかの実施形態では、シミュレーションアルゴリズムに追加される別の制約は、各ＦＣでの顧客需要を含んでもよい。１つまたは複数のプロセッサ３０５は、各ＦＣでの注文履歴を調べることによって、各ＦＣでの顧客需要を決定することができる。他の実施形態では、１つまたは複数のプロセッサ３０５は、各ＦＣでの顧客需要をシミュレートすることができる。例えば、少なくとも各ＦＣでの注文履歴に基づいて、１つまたは複数のプロセッサ３０５は、各ＦＣでの顧客需要を予測および／またはシミュレートすることができる。少なくとも各ＦＣでシミュレートされた顧客需要に基づいて、１つまたは複数のプロセッサ３０５は、ＳＫＵ割り当て、ＳＫＵマッピング、および製品のアウトバウンドフローを最適化するために、ＦＣ間でＳＫＵを割り当てることができる。
図４は、アウトバウンド予測のためのシステム４００の例示的な実施形態を示す概略ブロック図である。いくつかの実施形態では、システム４００は、ＳＣＭシステム１１７の一部として実装されてもよい。システム４００は、販売予測システム４０１、ＳＫＵ相関システム４０２、注文サイズ計算システム４０３、在庫収納シミュレーションシステム４０４、およびアウトバウンド予測システム４０７を含んでもよい。アウトバウンド予測システム４０７は、図３のアウトバウンド予測システム３０１として実装されてもよい。
販売予測システム４０１は、サーバー３０３などのサーバー上で実行されるアプリケーションであってもよい。販売予測システム４０１は、地域販売予測を予測するように構成することができる。いくつかの実施形態では、販売予測システム４０１は、全国レベルでの販売予測、例えば、全国販売予測を計算し、各地域の地域比率を計算することによって、地域販売予測を予測するように構成されてもよい。地域比率は、過去の顧客需要に関連するデータに基づいて計算することができる。したがって、販売予測システム４０１は、全国販売予測を各地域に分離することができ、それにより、各地域の地域販売予測の予測を生成することができる。いくつかの実施形態では、地域販売予測は、各地域の各ＳＫＵに対する顧客需要を示すことができる。例えば、地域販売予測は、過去の顧客注文に基づいて、各地域で販売された各製品の数量を示すことができる。
ＳＫＵ相関システム４０２は、各地域の顧客注文で組み合わされる１つまたは複数のＳＫＵの相関を予測するように構成され得る。例えば、ＳＫＵ相関システム４０２は、顧客注文において一貫して一緒に組み合わされ得る１つまたは複数のＳＫＵの可能性を計算するように構成され得る。したがって、ＳＫＵ相関システム４０２は、各地域の顧客注文で一緒に組み合わされる可能性が最も高い１つまたは複数のＳＫＵの相関を予測するように構成され得る。
注文サイズ計算システム４０３は、各地域における顧客注文のサイズを予測するように構成され得る。例えば、注文サイズ計算システム４０３は、各地域の１つの顧客注文にいくつの異なるＳＫＵが含まれる可能性が高いかを計算するように構成され得る。いくつかの実施形態では、ＳＫＵ相関システム４０２によって予測された相関と、注文サイズ計算システム４０３によって予測された顧客注文サイズを使用して、顧客注文４０５をシミュレートすることができる。
在庫収納シミュレーションシステム４０４は、未処理の購入注文４０９または過去の顧客注文４１０のうちの少なくとも１つに基づいて、各地域の各ＦＣでの在庫収納をシミュレートするように構成され得る。未処理の購入注文４０９は、未履行の顧客注文、例えば、まだ処理されていない顧客注文を含んでもよい。いくつかの実施形態では、アウトバウンド予測システム４０７はまた、在庫収納シミュレーションシステム４０４からのシミュレートされた在庫を使用して、各ＳＫＵのアウトバウンドを管理するためのＦＣを予測することができる。
在庫収納シミュレーションシステム４０４は、機械学習アルゴリズムを使用して在庫収納モデルを生成するように構成することができる。例えば、在庫収納モデルを生成して、各ＳＫＵの収納時間を予測することができる。すなわち、在庫収納モデルを生成して、ＦＣ２００などのＦＣで製品を荷降ろしした後に、各ＳＫＵに関連する製品を収納するのにかかる時間を予測することができる。それに加えてまたはその代わりに、在庫収納シミュレーションシステム４０４は、在庫収納モデルを生成するように構成されてもよく、在庫収納モデルは、各ＳＫＵの収納時間を予測するために、アウトバウンド予測システム４０７によって使用されてもよい。すなわち、アウトバウンド予測システム４０７は、生成された在庫収納モデルを在庫収納シミュレーションシステム４０４から受信し、各ＳＫＵの収納時間を予測することができる。いくつかの実施形態では、製品を収納することは、製品の荷降ろし、製品のピッキング、製品の梱包、および／または製品の収納などの様々な手順を必要とする場合がある。そのため、製品の収納中に予期しない遅延が発生する可能性がある。さらに、製品の収納にかかる時間は、各商品に関連する荷降ろし日、各商品の配送予定日、各商品に対する顧客需要、収納のしやすさ、製品に関連する１つまたは複数のパラメータ、製品の優先度レベルなどの様々な要因に基づく場合がある。したがって、収納時間は、ＳＫＵに関連する各製品によって異なる場合がある。機械学習アルゴリズムは、前述の要因の１つまたは複数に基づいて在庫収納モデルを生成することができる。例えば、いくつかの実施形態では、在庫収納シミュレーションシステム４０４は、データベース３０４などのデータベースから、未処理の購入注文４０９および／または過去の顧客注文４１０に関連するデータにアクセスし、未処理の購入注文４０９および／または過去の顧客注文４１０に各製品を収納するのにかかった時間を決定することができる。データベース３０４に格納されたデータを使用して、在庫収納シミュレーションシステム４０４は、機械学習アルゴリズムを使用して、各ＳＫＵに関連する製品の収納時間を予測することができる。いくつかの実施形態では、データを使用して、在庫収納シミュレーションシステム４０４は、各ＳＫＵがＦＣに荷降ろしされた日付に基づいて、未処理の購入注文４０９における各ＳＫＵの正確な収納日を予測することができる。いくつかの実施形態では、各ＳＫＵの平均収納時間は、荷降ろし日と同じ日、荷降ろし日から１日後に、または荷降ろし日から最大５日後であってもよい。予測された収納時間は、アウトバウンド予測システム４０７によって使用されて、各ＳＫＵのアウトバウンドを管理するためのＦＣを予測することができる。
アウトバウンド予測システム４０７は、販売予測システム４０１からの地域販売予測、ＳＫＵ相関システム４０２によって予測された相関、注文サイズ計算システム４０３によって予測された顧客注文サイズ、在庫収納シミュレーションシステム４０４によって生成された在庫収納モデル、および顧客注文シミュレーション４０５を受信することができる。次に、アウトバウンド予測システム４０７は、予測された地域販売予測、シミュレートされた顧客注文プロファイル、および在庫収納モデルに基づいて、各ＳＫＵのアウトバウンドを管理するために、複数のＦＣの中からＦＣを予測することができる。例えば、アウトバウンド予測システム４０７は、ＦＣのネットワークのアウトバウンドフローを最適化することができる複数のＦＣの間のＳＫＵの割り当てを決定することができる。アウトバウンド予測システム４０７は、データベース４０８を変更して、予測されたＦＣを対応する各ＳＫＵに割り当てることができる。すなわち、アウトバウンド予測システム４０７は、ＦＣ間のＳＫＵの割り当てをデータベース４０８に格納することができる。
いくつかの実施形態では、アウトバウンド予測システム４０７は、シミュレートされた顧客注文プロファイル４０５にＦＣ優先度フィルタ４０６を適用することができる。ＦＣ優先度フィルタ４０６は、例えば、アウトバウンド予測システム４０７の１つまたは複数のプロセッサによって生成されてもよい。ＦＣ優先度フィルタ４０６Ａは、アウトバウンド予測システム４０７によって生成されたＦＣ優先度フィルタ４０６の一例である。ＦＣ優先度フィルタ４０６は、遺伝的アルゴリズムなどのシミュレーションアルゴリズムを使用して生成されてもよい。例えば、アウトバウンド予測システム４０７の１つまたは複数のプロセッサは、各地域内の各ＦＣへの優先度値の初期配分をランダムに生成することができる。次に、１つまたは複数のプロセッサが、シミュレーションアルゴリズムおよび／または遺伝的アルゴリズムを使用して、優先度値の初期配分のシミュレーションを実行することができる。１つまたは複数のプロセッサは、優先度値の初期配分に基づいて、各ＦＣのアウトバウンド容量利用率を計算することもできる。各ＦＣのアウトバウンド容量利用率は、ＦＣのアウトバウンド容量に対する各ＦＣのアウトバウンドの比率を含んでもよい。例として、アウトバウンド容量利用率は０．０１から１の範囲であり得る。次に、１つまたは複数のプロセッサは、各ＦＣの最小アウトバウンド値を超えるアウトバウンド容量利用値を含む多数のＦＣを決定することができる。１つまたは複数のプロセッサは、ＦＣ優先度フィルタ４０６を生成するために、決定された数のＦＣのうちの少なくとも１つをシミュレーションアルゴリズムに供給して、優先度値の１つまたは複数の追加の配分を生成することができる。ＦＣ優先度フィルタ４０６は、各ＦＣの最小アウトバウンド値を超えるアウトバウンド容量利用値を有するネットワーク内のＦＣの数を最大化する、各ＦＣへの優先度値の最適な配分を含んでもよい。
いくつかの実施形態では、ＦＣ優先度フィルタ４０６を使用して、アウトバウンド予測システム４０７の１つまたは複数のプロセッサは、先入れ先出し（ＦＩＦＯ）設定を実行することができ、ここで、１つまたは複数のプロセッサは、最初に特定のＳＫＵに対して最も高い優先度値を有するＦＣを割り当て、各ＦＣのアウトバウンド容量利用値を計算する。次に、１つまたは複数のプロセッサは、次に高い優先度値を有する次のＦＣを特定のＳＫＵに割り当て、各ＦＣのアウトバウンド容量利用値を計算することができる。１つまたは複数のプロセッサがＦＣ間でＳＫＵの最適な割り当てを決定するまで、これらの手順を繰り返すことができ、これにより、各ＦＣの最小アウトバウンド値を超えるアウトバウンド容量利用値を有すネットワーク内のＦＣの数が最大になる。ＦＣ間のＳＫＵの最適な割り当てに基づいて、アウトバウンド予測システム４０７の１つまたは複数のプロセッサは、各ＳＫＵのアウトバウンドを管理するためのＦＣを予測することができる。いくつかの実施形態では、予測されたＦＣは、特定のＳＫＵに割り当てることができる複数のＦＣのうち、最高の優先度値を有するＦＣであってもよい。他の実施形態では、予測されたＦＣは、特定のＳＫＵに割り当てることができる複数のＦＣのうち、シミュレートされた顧客注文プロファイルで組み合わされた１つまたは複数のＳＫＵの最大数を配送できるＦＣであってもよい。いくつかの実施形態では、ＦＣ優先度フィルタは、シミュレートされた各顧客注文プロファイルに基づいて変化してもよい。例えば、ＦＣ優先度フィルタは、シミュレートされた顧客注文プロファイルの１つまたは複数のＳＫＵに基づいて調整されてもよい。
いくつかの実施形態では、アウトバウンド予測システム４０７の１つまたは複数のプロセッサは、特定の将来の日付、例えば、今日からｘ日における予測されたＦＣでの在庫を予測またはシミュレートするように構成されてもよい。特定の将来の日付で予測されたＦＣで在庫を予測またはシミュレートするために、１つまたは複数のプロセッサは、地域販売予測の予測を受信し、１つまたは複数のＳＫＵの相関の予測を受信し、各地域での顧客注文のサイズの予測を受信し、在庫収納モデルを受信し、アウトバウンド予測の日数に基づいて各ＳＫＵのアウトバウンドを管理するためのＦＣを予測するステップを繰り返すように構成されてもよい。例えば、今日から３日後の日付に、予測されたＦＣで在庫を予測する場合には、１つまたは複数のプロセッサがステップを３回繰り返すことができる。同様に、今日から５日後の日付に、予測されたＦＣで在庫を予測する場合には、１つまたは複数のプロセッサが手順を５回繰り返すことができる。特定の将来の日付でのＦＣ間のＳＫＵの配分に基づいて、１つまたは複数のプロセッサが特定の将来の日付で予測されたＦＣで在庫を予測またはシミュレートすることができる。
図５は、開示された実施形態と一致する、地域販売予測を予測するための方法５００の例示的な実施形態を示す。この例示的な方法は、例として提供されている。図５に示す方法５００は、様々なシステムの１つまたは複数の組み合わせによって実行されるか、あるいは行われ得る。以下に説明する方法５００は、図４に示すように、システム４００によって実行され得る。例として、方法５００は、システム４００の販売予測システム４０１によって実行されてもよく、販売予測システム４０１は、図５の方法を説明する際に参照される。図５を参照すると、例示的な方法５００は、ブロック５０１から開始することができる。
ブロック５０１で、販売予測システム４０１の１つまたは複数のプロセッサは、全国レベルで販売予測を計算し、全国販売予測を取得することができる。全国販売予測は、特定のＳＫＵに対する全国顧客需要を示すことができる。例えば、販売予測システム４０１の１つまたは複数のプロセッサは、各ＳＫＵに対する全国的な顧客需要を決定し、全国レベルで販売された各ＳＫＵの数量を計算することができる。販売予測システム４０１の１つまたは複数のプロセッサは、データベース３０４などのデータベースに保存された過去の顧客注文４１０などの過去の顧客注文に関連するデータに基づいて全国販売予測を決定することができる。
ブロック５０１で全国販売予測を受信した後に、方法５００はブロック５０２に進むことができる。ブロック５０２において、販売予測システム４０１の１つまたは複数のプロセッサは、全国販売予測を地域レベルに分離することができる。例えば、１つまたは複数のプロセッサは、地域比率を計算し、地域比率に全国販売予測を掛けることによって、地域販売予測を予測することができる。地域比率は、過去の顧客注文に関連するデータに基づいて計算することができる。例えば、地域比率は、全国レベルでのＳＫＵの顧客注文の総数に対する、各地域で発生した各ＳＫＵの顧客注文の比率を示すことができる。いくつかの実施形態では、地域販売予測は、各地域の各ＳＫＵに対する顧客需要を示すことができる。例えば、地域販売予測は、過去の顧客注文に基づいて、各地域で販売された各製品の数量を示すことができる。したがって、全国販売予測を地域レベルに分離した後に、１つまたは複数のプロセッサは地域販売予測を取得することができる。地域販売予測に基づいて、販売予測システム４０１は、ブロック５０２で各地域の各ＳＫＵに対する顧客需要、例えば、数量を予測することができる。
地域販売予測を取得した後に、方法５００はブロック５０３に進むことができる。ブロック５０３において、ブロック５０２からの地域販売予測を使用して、顧客注文プロファイル４０５をシミュレートすることができる。顧客注文プロファイルのシミュレーションは、データベースに格納されている過去の顧客注文に関連するデータに基づいて生成することができる。例えば、前述のように、ＳＫＵの相関関係は過去の顧客注文に基づいて予測することができる。上記のように、ＳＫＵ相関システム４０２は、各地域の顧客注文で組み合わされる可能性が高い１つまたは複数のＳＫＵ、例えば、ＳＫＵグループ化の相関を予測することができる。ＳＫＵの予測された相関および各ＳＫＵの地域需要に基づいて、顧客注文プロファイルは、ブロック５０３でシミュレートされ得る。シミュレートされた顧客注文プロファイルは、ネットワーク内の複数のＦＣ間のＳＫＵの最適な割り当てを予測するために、アウトバウンド予測システム４０７によって使用され得る。
図６は、アウトバウンド予測のための例示的な方法６００を示すフローチャートである。この例示的な方法は、例として提供されている。図６に示す方法６００は、様々なシステムの１つまたは複数の組み合わせによって実行されるか、あるいは行われ得る。以下に説明する方法６００は、例として、それぞれ図３および図４に示すように、アウトバウンド予測システム３０１または４０７によって実行されてもよく、アウトバウンド予測システムの様々な要素は、図６の方法を説明する際に参照される。図６に示す各ブロックは、例示的な方法６００における１つまたは複数のプロセス、方法、またはサブルーチンを表す。図６を参照すると、例示的な方法６００は、ブロック６０１から開始することができる。
ブロック６０１で、アウトバウンド予測システムの１つまたは複数のプロセッサ３０５は、例えば、図４の販売予測システム４０１から、地域販売予測の予測を受信することができる。上記のように、販売予測システム４０１は、全国レベルでの販売予測、例えば、全国販売予測を計算し、各地域の地域比率を計算することによって、地域販売予測を予測するように構成され得る。いくつかの実施形態では、各地域は、複数の郵便番号に関連付けられてもよい。複数の郵便番号は、遺伝的アルゴリズムなどのシミュレーションアルゴリズムを使用して各地域にマッピングされる一組の最適な郵便番号を含んでもよい。例えば、一組の郵便番号は以前に各地域にマッピングされていてもよい。シミュレーションアルゴリズムを使用して、全国および／または地域ネットワーク内の１つまたは複数のＦＣのアウトバウンド容量利用値を最大化するために、一組の最適な郵便番号が決定され得る。地域比率は、過去の顧客需要に関連するデータに基づいて計算することができる。したがって、販売予測システム４０１は、全国販売予測を各地域に分離することができ、それにより、各地域の地域販売予測の予測を生成することができる。いくつかの実施形態では、地域販売予測は、各地域の各ＳＫＵに対する顧客需要を示すことができる。例えば、地域販売予測は、過去の顧客注文に基づいて、各地域で販売された各製品の数量を示すことができる。したがって、ブロック６０１において、アウトバウンド予測システムの１つまたは複数のプロセッサ３０５は、例えば、販売予測システム４０１から地域販売予測の予測を受信することができる。
方法６００は、ブロック６０２に進むことができ、そこで、１つまたは複数のプロセッサ３０５は、１つまたは複数のＳＫＵの相関の予測を受信することができる。例として、１つまたは複数のプロセッサ３０５は、ＳＫＵ相関システム４０２から、各地域の顧客注文で組み合わされる１つまたは複数のＳＫＵの相関の予測を受信することができる。例えば、ＳＫＵ相関システム４０２は、顧客注文において一貫して一緒に組み合わされ得る１つまたは複数のＳＫＵの可能性を計算するように構成され得る。したがって、ＳＫＵ相関システム４０２は、各地域の顧客注文で一緒に組み合わされる可能性が最も高い１つまたは複数のＳＫＵの相関を予測するように構成され得る。
方法６００はさらにブロック６０３に進むことができ、そこで１つまたは複数のプロセッサ３０５が各地域における顧客注文のサイズの予測を受信することができる。一例として、１つまたは複数のプロセッサ３０５は、注文サイズ計算システム４０３から、各地域における顧客注文のサイズの予測を受信することができる。例えば、注文サイズ計算システム４０３は、各地域の１つの顧客注文にいくつの異なるＳＫＵが含まれる可能性が高いかを計算するように構成され得る。いくつかの実施形態では、ＳＫＵ相関システム４０２によって予測された相関と、注文サイズ計算システム４０３によって予測された顧客注文サイズと、を使用して、顧客注文プロファイル４０５などの顧客注文をシミュレートすることができる。
ブロック６０１〜６０３で予測およびシミュレートされた顧客注文プロファイルを受け取った後に、方法６００は、ブロック６０４に進むことができ、そこで、１つまたは複数のプロセッサ３０５は、在庫収納モデルを受信することができる。例えば、１つまたは複数のプロセッサ３０５は、図４の在庫収納シミュレーションシステム４０４から在庫収納モデルを受信することができる。在庫収納モデルは、未処理の購入注文４０９などの未処理の購入注文、または過去の顧客注文４１０などの過去の顧客注文のうちの少なくとも１つを使用して生成することができる。
いくつかの実施形態では、在庫収納モデルは、機械学習アルゴリズムを使用して生成されてもよい。例えば、在庫収納モデルを生成して、各ＳＫＵの収納時間を予測することができる。すなわち、在庫収納モデルを生成して、ＦＣ２００などのＦＣで製品を荷降ろしした後に、各ＳＫＵに関連する製品を収納するのにかかる時間を予測することができる。いくつかの実施形態では、製品を収納することは、製品の荷降ろし、製品のピッキング、製品の梱包、および／または製品の収納などの様々な手順を必要とする場合がある。そのため、製品の収納中に予期しない遅延が発生する可能性がある。さらに、製品の収納にかかる時間は、各商品に関連する荷降ろし日、各商品の配送予定日、各商品に対する顧客需要、収納のしやすさ、製品に関連する１つまたは複数のパラメータ、製品の優先度レベルなどの様々な要因に基づく場合がある。したがって、収納時間は、ＳＫＵに関連する各製品によって異なる場合がある。機械学習アルゴリズムを使用して、前述の要因の１つまたは複数に基づいて在庫収納モデルを生成することができる。
いくつかの実施形態では、在庫収納モデルに基づいて、１つまたは複数のプロセッサ３０５は、未処理の購入注文４０９が遅延なしに履行され得るように、ＦＣ間のＳＫＵの最適な配分を決定することができる。例えば、在庫収納モデルおよび各ＳＫＵに関連する製品の予測収納時間に基づいて、１つまたは複数のプロセッサ３０５は、配送コストを最小化し、収納時間を最小化し、推定配送日を満たすなどのために、各ＳＫＵを配置するＦＣを決定することができる。
在庫収納モデルを受信した後に、方法６００は、ブロック６０５に進むことができる。ブロック６０５で、１つまたは複数のプロセッサ３０５は、予測された地域販売予測、シミュレートされた顧客注文プロファイル、および在庫収納モデルに基づいて、各ＳＫＵのアウトバウンドを管理するために、複数のＦＣの中からＦＣを予測することができる。例えば、１つまたは複数のプロセッサ３０５は、ＦＣのネットワークのアウトバウンドフローを最適化することができる複数のＦＣの間のＳＫＵの割り当てを決定することができる。いくつかの実施形態では、１つまたは複数のプロセッサ３０５は、複数のＦＣの中から、最も高いアウトバウンド容量利用値を有するＦＣを選択することができる。例えば、特定のＳＫＵを収納するために割り当てることができる複数のＦＣのうち、１つまたは複数のプロセッサ３０５は、複数のＦＣから、最も高いアウトバウンド容量利用値を有するＦＣを選択することができる。上で説明したように、アウトバウンド容量利用値は、ＦＣのアウトバウンド容量に対するＦＣのアウトバウンドの比率であってもよい。
各ＳＫＵのアウトバウンドを管理するためのＦＣを予測した後に、方法６００は、ブロック６０６に進むことができる。ブロック６０６で、１つまたは複数のプロセッサ３０５は、データベース３０４または４０８などのデータベースを変更して、予測されたＦＣを各対応するＳＫＵに割り当てることができる。すなわち、アウトバウンド予測システムの１つまたは複数のプロセッサ３０５は、データベース内のＦＣ間のＳＫＵの割り当てを格納することができる。
本開示はその特定の実施形態を参照して示され、説明されてきたが、本開示は修正なしに、他の環境において実施され得ることが理解されよう。前述の説明は、例示の目的で提示されている。これは、網羅的ではなく、開示された正確な形態または実施形態に限定されない。当業者には、開示された実施形態の明細書および実施を考慮することによって、修正および適合が明らかになるであろう。さらに、開示された実施形態の態様はメモリに記憶されるものとして記載されているが、当業者はこれらの態様が２次記憶装置、例えば、ハードディスクまたはＣＤ ＲＯＭ、または他の形態のＲＡＭまたはＲＯＭ、ＵＳＢ媒体、ＤＶＤ、ブルーレイ、または他の光学ドライブ媒体などの他のタイプのコンピュータ可読媒体に格納されてもよいことを理解するであろう。
記載された説明および開示された方法に基づくコンピュータプログラムは、熟練した開発者の技術の範囲内である。様々なプログラムまたはプログラムモジュールは当業者に知られている技法のいずれかを使用して作成することができ、または既存のソフトウェアに関連して設計することができる。例えば、プログラムセクションまたはプログラムモジュールは、．Ｎｅｔ Ｆｒａｍｅｗｏｒｋ、．Ｎｅｔ Ｃｏｍｐａｃｔ Ｆｒａｍｅｗｏｒｋ（およびＶｉｓｕａｌ Ｂａｓｉｃ、Ｃ などの関連言語）、Ｊａｖａ、Ｃ＋＋、Ｏｂｊｅｃｔｉｖｅ−Ｃ、ＨＴＭＬ、ＨＴＭＬ／ＡＪＡＸの組み合わせ、ＸＭＬ、またはＪａｖａアプレットを含むＨＴＭＬの中で、またはそれによって設計することができる。
さらに、例示的な実施形態が本明細書で説明されてきたが、本開示に基づいて当業者によって理解されるように、同等の要素、修正、省略、（例えば、様々な実施形態にわたる態様の）組み合わせ、適応、および／または変更を有する任意のおよびすべての実施形態の範囲が可能である。請求項の限定は請求項に使用されている文言に広く基づいて解釈されるものとし、本明細書にまたは出願手続中に記載されている実施例に限定されるものではない。実施例は、非排他的であると解釈されるべきである。さらに、開示された方法のステップは、ステップを並べ替えること、および／またはステップを挿入または削除することを含む、任意の方法で修正されてもよい。したがって、本明細書および実施例は単に例示的なものとみなされ、真の範囲および趣旨は以下の特許請求の範囲およびそれらの均等物の全範囲によって示されることが意図される。

Claims (20)

  1. アウトバウンド予測のためのコンピュータ実装システムであって、
    前記システムは、
    命令を格納するメモリと、
    前記命令を実行するように構成された少なくとも１つのプロセッサと、
    を備え、
    前記命令は、
    販売予測システムから、各地域の各在庫管理単位（ＳＫＵ）に対する顧客需要を示す地域販売予測の予測を受信することと、
    ＳＫＵ相関システムから、各地域の顧客注文で組み合わされる１つまたは複数のＳＫＵの相関の予測を受信することと、
    注文サイズ計算システムから、各地域の顧客注文のサイズの予測を受信することであって、前記予測された相関および前記予測されたサイズに基づいて、顧客注文プロファイルがシミュレートされることと、
    在庫収納モデルを受信することであって、前記在庫収納モデルは、機械学習アルゴリズムを介して、未処理の購入注文または過去の顧客注文の少なくとも１つを使用して生成されることと、
    前記予測された地域販売予測、前記シミュレートされた顧客注文プロファイル、および前記在庫収納モデルに基づいて、各ＳＫＵのアウトバウンドを管理するために、複数のＦＣの中からフルフィルメントセンター（ＦＣ）を予測することと、
    前記予測されたＦＣを対応する各ＳＫＵに割り当てるためにデータベースを変更することと、
    を含む、コンピュータ実装システム。
  2. 未処理の購入注文は、履行されていない顧客注文を含む、請求項１に記載のシステム。
  3. 各ＳＫＵの収納時間を予測するために、前記在庫収納モデルが使用される、請求項１に記載のシステム。
  4. 前記少なくとも１つのプロセッサは、前記命令を実行して、前記シミュレートされた顧客注文プロファイルにＦＣ優先度フィルタを適用するようにさらに構成される、請求項１に記載のシステム。
  5. 前記ＦＣ優先度フィルタは、各顧客注文に基づいて変化する、請求項４に記載のシステム。
  6. 各ＳＫＵのアウトバウンドを管理するために前記ＦＣを予測することは、前記複数のＦＣの中から、アウトバウンド容量利用値が最も高いＦＣを選択することをさらに含む、請求項１に記載のシステム。
  7. 前記アウトバウンド容量利用値は、前記ＦＣのアウトバウンド容量に対する前記ＦＣのアウトバウンドの比率である、請求項６に記載のシステム。
  8. 前記地域販売予測の前記予測を受信することは、全国販売予測を受信し、前記全国販売予測を複数の地域販売予測に分離することをさらに含む、請求項１に記載のシステム。
  9. 前記少なくとも１つのプロセッサは、前記命令を実行して、特定の将来の日付で前記予測されたＦＣでの在庫を予測するようにさらに構成される、請求項１に記載のシステム。
  10. 各地域は複数の郵便番号に関連付けられ、
    前記複数の郵便番号は、遺伝的アルゴリズムを使用して各地域にマッピングされた一組の最適な郵便番号を含む、請求項１に記載のシステム。
  11. アウトバウンド予測のためのコンピュータ実施方法であって、
    前記方法は、
    販売予測システムから、各地域の各在庫管理単位（ＳＫＵ）に対する顧客需要を示す地域販売予測の予測を受信することと、
    ＳＫＵ相関システムから、各地域の顧客注文で組み合わされる１つまたは複数のＳＫＵの相関の予測を受信することと、
    注文サイズ計算システムから、各地域の顧客注文のサイズの予測を受信することであって、前記予測された相関および前記予測されたサイズに基づいて、顧客注文プロファイルがシミュレートされることと、
    在庫収納モデルを受信することであって、前記在庫収納モデルは、機械学習アルゴリズムを介して、未処理の購入注文または過去の顧客注文の少なくとも１つを使用して生成されることと、
    前記予測された地域販売予測、前記シミュレートされた顧客注文プロファイル、および前記在庫収納モデルに基づいて、各ＳＫＵのアウトバウンドを管理するために、複数のＦＣの中からフルフィルメントセンター（ＦＣ）を予測することと、
    前記予測されたＦＣを対応する各ＳＫＵに割り当てるためにデータベースを変更することと、
    を含む、方法。
  12. 未処理の購入注文は、履行されていない顧客注文を含む、請求項１１に記載の方法。
  13. 各ＳＫＵの収納時間を予測するために、前記在庫収納モデルが使用される、請求項１１に記載の方法。
  14. 前記シミュレートされた顧客注文プロファイルにＦＣ優先度フィルタを適用することをさらに含む、請求項１１に記載の方法。
  15. 前記ＦＣ優先度フィルタは、各顧客注文に基づいて変化する、請求項１４に記載の方法。
  16. 各ＳＫＵのアウトバウンドを管理するために前記ＦＣを予測することは、前記複数のＦＣの中から、アウトバウンド容量利用値が最も高いＦＣを選択することをさらに含む、請求項１１に記載の方法。
  17. 前記アウトバウンド容量利用値は、前記ＦＣのアウトバウンド容量に対する前記ＦＣのアウトバウンドの比率である、請求項１６に記載の方法。
  18. 前記地域販売予測の予測を受信することは、全国販売予測を受信し、前記全国販売予測を複数の地域販売予測に分離することをさらに含む、請求項１１に記載の方法。
  19. 各地域は複数の郵便番号に関連付けられ、
    前記複数の郵便番号は、遺伝的アルゴリズムを使用して各地域にマッピングされた一組の最適な郵便番号を含む、請求項１１に記載の方法。
  20. アウトバウンド予測のためのコンピュータ実装システムであって、
    前記システムは、
    命令を格納するメモリと、
    前記命令を実行するように構成された少なくとも１つのプロセッサと、
    を備え、
    前記命令は、
    販売予測システムから、各地域の各在庫管理単位（ＳＫＵ）に対する顧客需要を示す地域販売予測の予測を受信することであって、各地域は、遺伝的アルゴリズムを使用して各地域にマッピングされた一組の最適な郵便番号に関連付けられることと、
    ＳＫＵ相関システムから、各地域の顧客注文で組み合わされる１つまたは複数のＳＫＵの相関の予測を受信することと、
    注文サイズ計算システムから、各地域の顧客注文のサイズの予測を受信することであって、前記予測された相関および前記予測されたサイズに基づいて、顧客注文プロファイルがシミュレートされることと、
    在庫収納モデルを受信することであって、前記在庫収納モデルは、機械学習アルゴリズムを介して、未処理の購入注文または過去の顧客注文の少なくとも１つを使用して生成され、また、各ＳＫＵの収納時間を予測するために、前記在庫収納モデルが使用されることと、
    前記予測された地域販売予測、前記シミュレートされた顧客注文プロファイル、および前記在庫収納モデルに基づいて、各ＳＫＵのアウトバウンドを管理するために、複数のＦＣの中からフルフィルメントセンター（ＦＣ）を予測することと、
    前記予測されたＦＣを対応する各ＳＫＵに割り当てるためにデータベースを変更することと、
    を含む、コンピュータ実装システム。
JP2020572909A 2019-09-23 2020-08-13 インバウンド収納モデルを使用したアウトバウンド予測のためのシステムおよび方法 Active JP7094401B2 (ja)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US16/579,251 US20210089985A1 (en) 2019-09-23 2019-09-23 Systems and methods for outbound forecasting using inbound stow model
US16/579,251 2019-09-23
PCT/IB2020/057633 WO2021059039A1 (en) 2019-09-23 2020-08-13 Systems and methods for outbound forecasting using inbound stow model

Publications (2)

Publication Number Publication Date
JP2021533442A true JP2021533442A (ja) 2021-12-02
JP7094401B2 JP7094401B2 (ja) 2022-07-01

Family

ID=74880977

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2020572909A Active JP7094401B2 (ja) 2019-09-23 2020-08-13 インバウンド収納モデルを使用したアウトバウンド予測のためのシステムおよび方法

Country Status (7)

Country Link
US (1) US20210089985A1 (ja)
JP (1) JP7094401B2 (ja)
KR (2) KR20210035013A (ja)
AU (1) AU2020260549A1 (ja)
SG (1) SG11202012199WA (ja)
TW (2) TWI759823B (ja)
WO (1) WO2021059039A1 (ja)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11481858B2 (en) * 2020-09-21 2022-10-25 Walmart Apollo, Llc Peak period network capacity planning
US20220114689A1 (en) * 2020-10-14 2022-04-14 Walmart Apollo, Llc Systems and methods for calculating capacity of a distribution center
WO2022269331A1 (en) * 2021-06-24 2022-12-29 Coupang Corp. Computer-implemented systems and methods for artificial intelligence (ai)-based inbound plan generation
CN115953115B (zh) * 2023-03-10 2023-05-26 陕西物流集团产业研究院有限公司 一种仓库的出库自动化推荐系统及方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20130126072A (ko) * 2012-05-10 2013-11-20 한국전자통신연구원 우편처리시설 활용계획 수립 장치
US20180039282A1 (en) * 2015-02-05 2018-02-08 Grey Orange Pte, Ltd. Apparatus and method for handling goods
US20190019203A1 (en) * 2017-07-14 2019-01-17 Sk Planet Co., Ltd. Method for providing marketing management data for optimization of distribution and logistics and apparatus for the same
US10185927B1 (en) * 2015-12-17 2019-01-22 Amazon Technologies, Inc. Techniques for optimizing an inventory selection
JP2019512820A (ja) * 2016-03-31 2019-05-16 ツァイニャオ スマート ロジスティクス ホールディング リミティド 物流資源のスケジューリング方法、装置およびシステム

Family Cites Families (23)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5450317A (en) * 1993-11-24 1995-09-12 U S West Advanced Technologies, Inc. Method and system for optimized logistics planning
KR20020008661A (ko) * 2000-07-25 2002-01-31 김영관 우편번호를 이용한 지역 매칭 시스템 및 방법
US20030093388A1 (en) * 2001-11-15 2003-05-15 Brian Albright Automated product sourcing from multiple fulfillment centers
US20030171962A1 (en) * 2002-03-06 2003-09-11 Jochen Hirth Supply chain fulfillment coordination
EP1647927A1 (en) * 2004-10-15 2006-04-19 Sap Ag New product demand forecasting
US8447664B1 (en) * 2005-03-10 2013-05-21 Amazon Technologies, Inc. Method and system for managing inventory by expected profitability
US8165904B2 (en) * 2005-10-11 2012-04-24 Oracle International Corporation Allocating inventory levels
US8655742B2 (en) * 2008-03-19 2014-02-18 International Business Machines Corporation System and method for determining order fulfillment alternative with multiple supply modes
US8255265B2 (en) * 2009-09-23 2012-08-28 Sap Ag System and method of model forecasting based on supply and demand
US8732039B1 (en) * 2010-12-29 2014-05-20 Amazon Technologies, Inc. Allocating regional inventory to reduce out-of-stock costs
TWM410934U (en) * 2011-04-28 2011-09-01 Yu Da University Inventory management apparatus for seller
US20120284083A1 (en) * 2011-05-04 2012-11-08 LaShou Group INC. System and method for merchandise distribution
US8620707B1 (en) * 2011-06-29 2013-12-31 Amazon Technologies, Inc. Systems and methods for allocating inventory in a fulfillment network
US9691096B1 (en) * 2013-09-16 2017-06-27 Amazon Technologies, Inc. Identifying item recommendations through recognized navigational patterns
KR20150089793A (ko) * 2014-01-28 2015-08-05 주식회사 포워드벤처스 창고관리시스템의 피크 앤 패스 프레임워크 처리 방법
US9336509B1 (en) * 2014-03-27 2016-05-10 Amazon Technologies, Inc. Crossdocking transshipments without sortation
GB201419498D0 (en) * 2014-10-31 2014-12-17 Ocado Innovation Ltd System and method for fulfilling E-commerce orders from a hierarchy of fulfilment centres
US10360522B1 (en) * 2015-06-24 2019-07-23 Amazon Technologies, Inc. Updating a forecast based on real-time data associated with an item
US9382068B1 (en) * 2015-09-29 2016-07-05 Amazon Technologies, Inc. Proximity directed stowage
JP2018041440A (ja) * 2016-08-31 2018-03-15 株式会社ひびき 発注支援システム
US20180260878A1 (en) * 2017-03-09 2018-09-13 Microsoft Technology Licensing, Llc Item delivery fulfillment plan determination
US11922440B2 (en) * 2017-10-31 2024-03-05 Oracle International Corporation Demand forecasting using weighted mixed machine learning models
US11301794B2 (en) * 2018-06-11 2022-04-12 International Business Machines Corporation Machine for labor optimization for efficient shipping

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20130126072A (ko) * 2012-05-10 2013-11-20 한국전자통신연구원 우편처리시설 활용계획 수립 장치
US20180039282A1 (en) * 2015-02-05 2018-02-08 Grey Orange Pte, Ltd. Apparatus and method for handling goods
US10185927B1 (en) * 2015-12-17 2019-01-22 Amazon Technologies, Inc. Techniques for optimizing an inventory selection
JP2019512820A (ja) * 2016-03-31 2019-05-16 ツァイニャオ スマート ロジスティクス ホールディング リミティド 物流資源のスケジューリング方法、装置およびシステム
US20190019203A1 (en) * 2017-07-14 2019-01-17 Sk Planet Co., Ltd. Method for providing marketing management data for optimization of distribution and logistics and apparatus for the same

Also Published As

Publication number Publication date
KR20220047957A (ko) 2022-04-19
TW202223788A (zh) 2022-06-16
WO2021059039A1 (en) 2021-04-01
TW202113746A (zh) 2021-04-01
AU2020260549A1 (en) 2021-04-08
US20210089985A1 (en) 2021-03-25
KR20210035013A (ko) 2021-03-31
SG11202012199WA (en) 2021-04-29
JP7094401B2 (ja) 2022-07-01
TWI759823B (zh) 2022-04-01
KR102445639B1 (ko) 2022-09-21

Similar Documents

Publication Publication Date Title
JP2022003574A (ja) 機械学習支援型在庫配置のためのシステムおよび方法
JP7094401B2 (ja) インバウンド収納モデルを使用したアウトバウンド予測のためのシステムおよび方法
JP7036951B2 (ja) インバウンド製品をスケジュールし、インバウンド製品を収納し、インバウンドエラーを監視するためのシステムおよび方法
JP7136938B2 (ja) アウトバウンド予測のためのシステムおよび方法
KR102575002B1 (ko) 풀필먼트 센터 우선순위 값에 기초한 아웃바운드 예측을 위한 시스템 및 방법
KR20220050122A (ko) 아웃바운드 흐름을 시뮬레이션하기 위한 유전 알고리즘 기반 시스템 및 방법
KR102479802B1 (ko) 우편 번호 매핑에 기초하여 아웃바운드를 예측하기 위한 시스템 및 방법
JP2022511189A (ja) 配送作業員の自動割り当てのためのシステムおよび方法

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20210402

A871 Explanation of circumstances concerning accelerated examination

Free format text: JAPANESE INTERMEDIATE CODE: A871

Effective date: 20210402

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20211130

A601 Written request for extension of time

Free format text: JAPANESE INTERMEDIATE CODE: A601

Effective date: 20220225

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20220304

TRDD Decision of grant or rejection written
A01 Written decision to grant a patent or to grant a registration (utility model)

Free format text: JAPANESE INTERMEDIATE CODE: A01

Effective date: 20220607

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20220621

R150 Certificate of patent or registration of utility model

Ref document number: 7094401

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150