KR102229727B1 - 스마트 주문처리 장치 - Google Patents

스마트 주문처리 장치 Download PDF

Info

Publication number
KR102229727B1
KR102229727B1 KR1020190010489A KR20190010489A KR102229727B1 KR 102229727 B1 KR102229727 B1 KR 102229727B1 KR 1020190010489 A KR1020190010489 A KR 1020190010489A KR 20190010489 A KR20190010489 A KR 20190010489A KR 102229727 B1 KR102229727 B1 KR 102229727B1
Authority
KR
South Korea
Prior art keywords
order
waiting time
waiting
time
new
Prior art date
Application number
KR1020190010489A
Other languages
English (en)
Other versions
KR20200093254A (ko
Inventor
황상현
Original Assignee
주식회사 스마트캐스트
황상현
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 주식회사 스마트캐스트, 황상현 filed Critical 주식회사 스마트캐스트
Priority to KR1020190010489A priority Critical patent/KR102229727B1/ko
Publication of KR20200093254A publication Critical patent/KR20200093254A/ko
Application granted granted Critical
Publication of KR102229727B1 publication Critical patent/KR102229727B1/ko

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
    • G06Q30/00—Commerce
    • G06Q30/06—Buying, selling or leasing transactions
    • G06Q30/0601—Electronic shopping [e-shopping]
    • G06Q30/0633—Lists, e.g. purchase orders, compilation or processing
    • 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
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning

Landscapes

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

Abstract

본 발명은 스마트 주문처리 장치에 관한 것으로, 신규 주문을 수신하는 주문 수신부, 이전에 주문된 적어도 하나의 대기 주문을 기초로 상기 신규 주문의 최초 대기시간을 결정하는 신규 주문 처리부 및 상기 신규 주문을 기초로 상기 적어도 하나의 대기 주문의 대기시간을 재-결정하는 대기 주문 처리부를 포함한다. 따라서, 본 발명은 주문별 재료의 종류와 수량에 따른 대기시간을 인공지능 학습함으로써 신규 주문에 관한 대기시간을 보다 정확하게 예측하여 제공할 수 있고, 서로 독립된 학습 모델을 이용하여 신규 주문의 대기시간 예측과 대기 주문의 대기시간 재-결정을 처리할 수 있다.

Description

스마트 주문처리 장치{SMART ORDER PROCESSING APPARATUS}
본 발명은 스마트 주문처리 기술에 관한 것으로, 보다 상세하게는 주문별 대기시간을 인공지능 학습하여 새롭게 접수된 주문의 대기시간을 예측하여 제공할 수 있는 스마트 주문처리 장치에 관한 것이다.
최근 키오스크(kiosk)를 이용한 자동 주문 시스템이 널리 활용되고 있다. 키오스크는 정보서비스와 업무의 무인자동화를 위하여 대중들이 쉽게 이용할 수 있도록 다양한 장소에 설치된 무인 단말기에 해당한다. 키오스크를 기반으로 하는 자동 주문 시스템은 사전에 설정된 정적인 정보만을 사용자에게 제공하거나 또는 사용자의 입력에 대한 고정된 응답만을 제공하도록 설계되어 있어 매장 내의 조리 상황을 고려한 주문별 대기시간에 관한 동적인 정보를 신속하게 제공하기 어려운 문제점을 가지고 있다.
한국공개특허 제10-2007-0047927(2007.05.08)호는 음식점 주문 관리 시스템에 관한 것으로, 대형 음식점 등에서 고객이 주문한 음식물에 대한 주문 접수, 조리, 서빙 등에 대한 관리가 체계적으로 이루어질 수 있고, 고객이 주문한 음식물에 대한 예상 소요 시간 등에 대한 정보를 알 수 있고, 주문 사항에 대한 개별적인 요청이 반영될 수 있도록 함으로써 각 고객마다의 차별화된 요구에 능동적으로 부합한 관리가 효과적으로 이루어질 수 있는 기술을 개시하고 있다.
한국공개특허 제10-2011-0111983(2011.10.12)호는 키오스크를 이용한 통합형 주문 관리 시스템 및 그 방법에 관한 것으로, 다양한 무인 주문 및 결제 방식을 수행하여 종업원의 배달 업무량을 최소화할 수 있고, 상품의 주문, 대기, 배달까지 빠른 서비스를 수행할 수 있으며, 고객이 자신이 주문한 내역을 직접 계산 용지로 인쇄하여 계산대에서 결제할 수 있어 결제대금에 대한 신뢰도가 향상될 수 있는 기술을 개시하고 있다.
한국공개특허 제10-2007-0047927(2007.05.08)호 한국공개특허 제10-2011-0111983(2011.10.12)호
본 발명의 일 실시예는 주문별 대기시간을 인공지능 학습하여 새롭게 접수된 주문의 대기시간을 예측하여 제공할 수 있는 스마트 주문처리 장치를 제공하고자 한다.
본 발명의 일 실시예는 주문별 재료의 종류와 수량에 따른 대기시간을 인공지능 학습함으로써 신규 주문에 관한 대기시간을 보다 정확하게 예측하여 제공할 수 있는 스마트 주문처리 장치를 제공하고자 한다.
본 발명의 일 실시예는 서로 독립된 학습 모델을 이용하여 신규 주문의 대기시간을 예측하고 이를 반영하여 기존 대기 주문의 대기시간을 재-결정할 수 있는 스마트 주문처리 장치를 제공하고자 한다.
실시예들 중에서, 스마트 주문처리 장치는 신규 주문을 수신하는 주문 수신부, 이전에 주문된 적어도 하나의 대기 주문을 기초로 상기 신규 주문의 최초 대기시간을 결정하는 신규 주문 처리부 및 상기 신규 주문을 기초로 상기 적어도 하나의 대기 주문의 대기시간을 재-결정하는 대기 주문 처리부를 포함한다.
상기 신규 주문 처리부는 제1 및 제2 주문들 각각에 대한 재료의 종류와 종류별 개수 또는 용량을 입력하면 상기 제2 주문의 대기시간을 출력하는 대기시간 예측 모델을 통해 상기 신규 주문의 최초 대기시간을 결정할 수 있다.
상기 대기 주문 처리부는 상기 제1 및 제2 주문들에 대한 재료의 종류와 종류별 개수 또는 용량, 그리고 상기 제2 주문의 대기시간을 입력하면 상기 제1 주문의 대기시간을 출력하는 대기시간 갱신 모델을 통해 상기 적어도 하나의 대기 주문의 대기시간을 재-결정할 수 있다.
상기 스마트 주문처리 장치는 상기 적어도 하나의 대기 주문에 관한 최초 대기시간과 실제 조리시간과의 오차를 기초로 상기 대기시간 예측 모델 또는 상기 대기시간 갱신 모델에 대한 가중치를 조절할 수 있다.
상기 스마트 주문처리 장치는 대기시간 경과에 따라 조리대기 리스트에 포함된 전체 주문의 대기시간을 갱신하는 주문 대기시간 갱신부를 더 포함할 수 있다.
상기 주문 대기시간 갱신부는 상기 조리대기 리스트의 각 주문이 조리 완료될 때마다 해당 주문의 최초 대기시간과 실제 조리시간과의 오차를 기초로 상기 조리대기 리스트의 나머지 주문에 대한 대기시간을 갱신할 수 있다.
개시된 기술은 다음의 효과를 가질 수 있다. 다만, 특정 실시예가 다음의 효과를 전부 포함하여야 한다거나 다음의 효과만을 포함하여야 한다는 의미는 아니므로, 개시된 기술의 권리범위는 이에 의하여 제한되는 것으로 이해되어서는 아니 될 것이다.
본 발명의 일 실시예에 따른 스마트 주문처리 장치는 주문별 재료의 종류와 수량에 따른 대기시간을 인공지능 학습함으로써 신규 주문에 관한 대기시간을 보다 정확하게 예측하여 제공할 수 있다.
본 발명의 일 실시예에 따른 스마트 주문처리 장치는 서로 독립된 학습 모델을 이용하여 신규 주문의 대기시간을 예측하고 이를 반영하여 기존 대기 주문의 대기시간을 재-결정할 수 있다.
도 1은 본 발명의 일 실시예에 따른 스마트 주문처리 장치의 기본적인 시스템 구성을 설명하는 도면이다.
도 2는 본 발명의 일 실시예에 따른 스마트 주문처리 장치의 기능적 구성을 설명하는 블록도이다.
도 3은 스마트 주문처리 장치에서 수행되는 인공지능 기반의 주문 대기시간 예상 과정을 설명하는 순서도이다.
도 4는 인공지능 기반의 주문 대기시간 예상 과정의 일 실시예를 설명하는 도면이다.
도 5는 인공지능 기반의 주문 대기시간 예상 과정의 일 실시예를 설명하는 도면이다.
본 발명에 관한 설명은 구조적 내지 기능적 설명을 위한 실시예에 불과하므로, 본 발명의 권리범위는 본문에 설명된 실시예에 의하여 제한되는 것으로 해석되어서는 아니 된다. 즉, 실시예는 다양한 변경이 가능하고 여러 가지 형태를 가질 수 있으므로 본 발명의 권리범위는 기술적 사상을 실현할 수 있는 균등물들을 포함하는 것으로 이해되어야 한다. 또한, 본 발명에서 제시된 목적 또는 효과는 특정 실시예가 이를 전부 포함하여야 한다거나 그러한 효과만을 포함하여야 한다는 의미는 아니므로, 본 발명의 권리범위는 이에 의하여 제한되는 것으로 이해되어서는 아니 될 것이다.
한편, 본 출원에서 서술되는 용어의 의미는 다음과 같이 이해되어야 할 것이다.
"제1", "제2" 등의 용어는 하나의 구성요소를 다른 구성요소로부터 구별하기 위한 것으로, 이들 용어들에 의해 권리범위가 한정되어서는 아니 된다. 예를 들어, 제1 구성요소는 제2 구성요소로 명명될 수 있고, 유사하게 제2 구성요소도 제1 구성요소로 명명될 수 있다.
어떤 구성요소가 다른 구성요소에 "연결되어"있다고 언급된 때에는, 그 다른 구성요소에 직접적으로 연결될 수도 있지만, 중간에 다른 구성요소가 존재할 수도 있다고 이해되어야 할 것이다. 반면에, 어떤 구성요소가 다른 구성요소에 "직접 연결되어"있다고 언급된 때에는 중간에 다른 구성요소가 존재하지 않는 것으로 이해되어야 할 것이다. 한편, 구성요소들 간의 관계를 설명하는 다른 표현들, 즉 "~사이에"와 "바로 ~사이에" 또는 "~에 이웃하는"과 "~에 직접 이웃하는" 등도 마찬가지로 해석되어야 한다.
단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한 복수의 표현을 포함하는 것으로 이해되어야 하고, "포함하다"또는 "가지다" 등의 용어는 실시된 특징, 숫자, 단계, 동작, 구성요소, 부분품 또는 이들을 조합한 것이 존재함을 지정하려는 것이며, 하나 또는 그 이상의 다른 특징이나 숫자, 단계, 동작, 구성요소, 부분품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.
각 단계들에 있어 식별부호(예를 들어, a, b, c 등)는 설명의 편의를 위하여 사용되는 것으로 식별부호는 각 단계들의 순서를 설명하는 것이 아니며, 각 단계들은 문맥상 명백하게 특정 순서를 기재하지 않는 이상 명기된 순서와 다르게 일어날 수 있다. 즉, 각 단계들은 명기된 순서와 동일하게 일어날 수도 있고 실질적으로 동시에 수행될 수도 있으며 반대의 순서대로 수행될 수도 있다.
본 발명은 컴퓨터가 읽을 수 있는 기록매체에 컴퓨터가 읽을 수 있는 코드로서 구현될 수 있고, 컴퓨터가 읽을 수 있는 기록 매체는 컴퓨터 시스템에 의하여 읽혀질 수 있는 데이터가 저장되는 모든 종류의 기록 장치를 포함한다. 컴퓨터가 읽을 수 있는 기록 매체의 예로는 ROM, RAM, CD-ROM, 자기 테이프, 플로피 디스크, 광 데이터 저장 장치 등이 있다. 또한, 컴퓨터가 읽을 수 있는 기록 매체는 네트워크로 연결된 컴퓨터 시스템에 분산되어, 분산 방식으로 컴퓨터가 읽을 수 있는 코드가 저장되고 실행될 수 있다.
여기서 사용되는 모든 용어들은 다르게 정의되지 않는 한, 본 발명이 속하는 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가진다. 일반적으로 사용되는 사전에 정의되어 있는 용어들은 관련 기술의 문맥상 가지는 의미와 일치하는 것으로 해석되어야 하며, 본 출원에서 명백하게 정의하지 않는 한 이상적이거나 과도하게 형식적인 의미를 지니는 것으로 해석될 수 없다.
도 1은 본 발명의 일 실시예에 따른 스마트 주문처리 장치의 기본적인 시스템 구성을 설명하는 도면이다.
도 1을 참조하면, 스마트 주문처리 장치(100)는 프로세서(110), 메모리(130), 사용자 입출력부(150) 및 네트워크 입출력부(170)를 포함할 수 있다.
스마트 주문처리 장치(100)는 사용자로부터 신규 주문을 접수하고 기존 대기 주문과 신규 주문에 관한 대기시간을 산출할 수 있는 컴퓨팅 장치에 해당할 수 있다. 스마트 주문처리 장치(100)는 유선 또는 무선 통신이 가능한 네트워크 기능을 포함하여 구현될 수 있고, 이미지 분석을 통해 사용자를 인식하거나 안면인식을 수행하기 위한 카메라와 터치 스크린을 포함하는 디스플레이 패널 및 다양한 정보 수집을 위한 복수의 센서들을 더 포함하여 구현될 수 있다. 예를 들어, 스마트 주문처리 장치(100)는 일반적인 키오스크(kiosk) 형태로 구현될 수 있으나, 반드시 이에 한정되지 않고, 사용자로부터 접수한 주문의 대기시간을 효과적으로 예상하기 위하여 다양한 형태로 설계되어 구현될 수 있다.
일 실시예에서, 스마트 주문처리 장치(100)는 데이터베이스와 연동하여 주문 접수와 대기시간 예측을 위해 필요한 정보를 저장할 수 있다. 데이터베이스는 스마트 주문처리 장치(100)의 내부에 포함되어 구현되거나 또는 독립적으로 구현되어 네트워크를 통해 연결될 수 있다. 한편, 스마트 주문처리 장치(100)는 외부 시스템과 연동하여 동작할 수 있고, 예를 들어, 외부 시스템은 POS(Point Of Sales, KDS(Kitchen Display System), DID(Digital Information Display) 등을 포함할 수 있다.
프로세서(110)는 주문별 대기시간을 학습하고 이를 기초로 접수된 주문의 대기시간을 산출하여 사용자에게 제공하기 위한 각 프로시저를 실행할 수 있고, 그 과정 전반에서 읽혀지거나 작성되는 메모리(130)를 관리할 수 있으며, 메모리(130)에 있는 휘발성 메모리와 비휘발성 메모리 간의 동기화 시간을 스케줄할 수 있다. 프로세서(110)는 스마트 주문처리 장치(100)의 동작 전반을 제어할 수 있고, 메모리(130), 사용자 입출력부(150) 및 네트워크 입출력부(170)와 전기적으로 연결되어 이들 간의 데이터 흐름을 제어할 수 있다. 프로세서(110)는 스마트 주문처리 장치(100)의 CPU(Central Processing Unit)로 구현될 수 있다.
메모리(130)는 SSD(Solid State Disk) 또는 HDD(Hard Disk Drive)와 같은 비휘발성 메모리로 구현되어 스마트 주문처리 장치(100)에 필요한 데이터 전반을 저장하는데 사용되는 보조기억장치를 포함할 수 있고, RAM(Random Access Memory)과 같은 휘발성 메모리로 구현된 주기억장치를 포함할 수 있다.
사용자 입출력부(150)는 사용자 입력을 수신하기 위한 환경 및 사용자에게 특정 정보를 출력하기 위한 환경을 포함할 수 있다. 예를 들어, 사용자 입출력부(150)는 터치 패드, 터치 스크린, 화상 키보드 또는 포인팅 장치와 같은 어댑터를 포함하는 입력장치 및 모니터 또는 터치스크린과 같은 어댑터를 포함하는 출력장치를 포함할 수 있다. 일 실시예에서, 사용자 입출력부(150)는 원격 접속을 통해 접속되는 컴퓨팅 장치에 해당할 수 있고, 그러한 경우, 스마트 주문처리 장치(100)는 서버로서 수행될 수 있다.
네트워크 입출력부(170)은 네트워크를 통해 외부 장치 또는 시스템과 연결하기 위한 환경을 포함하고, 예를 들어, LAN(Local Area Network), MAN(Metropolitan Area Network), WAN(Wide Area Network) 및 VAN(Value Added Network) 등의 통신을 위한 어댑터를 포함할 수 있다.
도 2는 본 발명의 일 실시예에 따른 스마트 주문처리 장치의 기능적 구성을 설명하는 블록도이다.
도 2를 참조하면, 스마트 주문처리 장치(100)는 주문 수신부(210), 신규 주문 처리부(230), 대기 주문 처리부(250), 주문 대기시간 갱신부(270) 및 제어부(290)를 포함할 수 있다.
주문 수신부(210)는 신규 주문을 수신할 수 있다. 주문 수신부(210)는 스마트 주문처리 장치(100)의 디스플레이 패널을 통해 사용자로부터 입력되고 결제 처리된 주문 내역을 신규 주문으로서 수신할 수 있다. 신규 주문은 선택한 메뉴에 관한 정보를 포함하고, 예를 들어, 메뉴별 이름, 수량 또는 용량(크기), 포장 여부 등을 포함할 수 있다. 주문 수신부(210)에 의해 수신된 신규 주문은 조리대기 리스트의 맨 끝에 추가될 수 있고, 조리대기 리스트의 우선 순위에 따라 조리실로 조리 요청이 제공될 수 있다. 조리대기 리스트는 접수된 순서에 따라 조리 완료를 대기하고 있는 주문들의 목록에 해당할 수 있고, 스마트 주문처리 장치(100)에 의해 관리될 수 있다.
일 실시예에서, 주문 수신부(210)는 데이터베이스와 연동하여 신규 주문의 조리에 필요한 복수의 재료들 중에서 준비시간이 필요한 재료를 선별할 수 있고, 해당 재료별 준비시간을 생성할 수 있다. 여기에서, 준비시간은 조리에 사용되기 전에 손질 또는 가공에 소요되는 시간에 해당할 수 있고, 예를 들어, 파를 다듬거나 써는데 소요되는 시간이나 닭을 씻거나 자르는데 소요되는 시간 등을 포함할 수 있다. 데이터베이스는 각 주문별 필요 재료에 관한 정보와 준비시간에 관한 정보를 테이블 형태로 구축하여 보관할 수 있고, 주문 수신부(210)는 신규 주문에 포함된 각 주문의 필요 재료를 검출하고 해당 재료들 중에서 준비시간이 필요한 재료를 선별한 후 주문 수량(또는 크기)를 기초로 최종 준비시간을 생성할 수 있다.
신규 주문 처리부(230)는 이전에 주문된 적어도 하나의 대기 주문을 기초로 신규 주문의 최초 대기시간을 결정할 수 있다. 대기 주문은 조리대기 리스트에 포함된 주문에 해당할 수 있고, 조리를 대기하고 있는 주문으로서 예측된 대기시간에 관한 정보를 포함할 수 있다. 신규 주문 처리부(230)는 조리대기 리스트에 포함된 대기 주문의 메뉴 이름, 수량, 대기시간 등을 이용하여 새롭게 접수된 신규 주문의 대기시간을 결정할 수 있다. 최초 대기시간은 신규 주문에 대해 결정되는 최초의 대기시간에 해당할 수 있고, 대기시간의 경과에 따라 실시간으로 또는 주기적으로 갱신될 수 있다.
일 실시예에서, 신규 주문 처리부(230)는 제1 및 제2 주문들 각각에 대한 주문의 종류와 개수를 입력하면 제2 주문의 대기시간을 출력하는 대기시간 예측 모델을 통해 신규 주문의 최초 대기시간을 결정할 수 있다. 스마트 주문처리 장치(100)는 대기시간 예측 모델을 구축하여 신규 주문의 대기시간 산출에 활용할 수 있으며, 대기시간 예측 모델은 실제 매장에서 수집되는 대기시간 정보를 기초로 인공지능 학습을 통해 구축될 수 있다.
대기시간 예측 모델은 조리대기 리스트에 포함된 대기 주문의 종류와 개수, 그리고 새롭게 접수된 신규 주문의 종류와 개수를 포함하여 생성된 학습 데이터를 학습하여 구축될 수 있다. 이 경우, 학습 데이터는 (주문의 종류, 개수) 형태의 원소들이 순서에 따라 정렬된 리스트 형태로 표현될 수 있고, 해당 리스트는 주문의 종류와 개수에 따른 신규 주문의 실제 대기시간에 관한 정보를 포함할 수 있다.
일 실시예에서, 신규 주문 처리부(230)는 제1 및 제2 주문들 각각에 대한 재료의 종류와 종류별 개수 또는 용량을 입력하면 제2 주문의 대기시간을 출력하는 대기시간 예측 모델을 통해 신규 주문의 최초 대기시간을 결정할 수 있다. 스마트 주문처리 장치(100)는 각각 독립적으로 동작하는 복수의 대기시간 예측 모델들을 구축하여 신규 주문의 대기시간 산출에 활용할 수 있다. 대기시간 예측 모델은 조리대기 리스트에 포함된 대기 주문별 재료의 종류와 개수(또는 용량), 그리고 새롭게 접수된 신규 주문의 조리에 사용되는 재료의 종류와 개수(또는 용량)를 포함하여 생성된 학습 데이터를 학습하여 구축될 수 있다.
이 경우, 학습 데이터는 조리대기 리스트에 포함된 대기 주문과 신규 주문에 대한 재료의 종류와 개수를 모두 합한 후 (재료의 종류, 개수) 형태의 원소들을 포함하는 리스트 형태로 표현될 수 있고, 해당 리스트는 재료의 종류와 개수에 따른 실제 대기시간에 관한 정보를 포함할 수 있다.
일 실시예에서, 신규 주문 처리부(230)는 적어도 하나의 대기 주문에 관한 최초 대기시간과 실제 조리시간과의 오차를 기초로 대기시간 예측 모델에 대한 가중치를 조절할 수 있다. 조리대기 리스트에 포함된 대기 주문들은 각각 최초 대기시간에 관한 정보를 포함할 수 있고, 신규 주문 처리부(230)는 각 주문별 최초 대기시간과 주문 접수 시점부터 조리 완성 시점까지의 실제 조리시간과의 차이에 따라 대기시간 예측 모델에 적용되는 가중치를 조절할 수 있따. 예를 들어, 실제 조리시간이 최초 대기시간보다 더 큰 경우 신규 주문 처리부(230)는 동일 입력에 대해 대기시간 예측 모델이 최초 대기시간을 더 크게 출력하도록 가중치를 조절할 수 있다.
대기 주문 처리부(250)는 신규 주문을 기초로 적어도 하나의 대기 주문의 대기시간을 재-결정할 수 있다. 신규 주문이 접수되어 조리대기 리스트에 추가됨으로써 기존의 대기 주문들도 대기시간에 영향을 받기 때문에 대기 주문 처리부(250)는 이를 반영하여 기존 대기 주문의 대기시간을 재-결정할 수 있다.
일 실시예에서, 대기 주문 처리부(250)는 제1 및 제2 주문들에 대한 재료의 종류와 종류별 개수 또는 용량, 그리고 제2 주문의 대기시간을 입력하면 제1 주문의 대기시간을 출력하는 대기시간 갱신 모델을 통해 적어도 하나의 대기 주문의 대기시간을 재-결정할 수 있다. 스마트 주문처리 장치(100)는 대기시간 갱신 모델을 구축하여 대기 주문의 대기시간 재-결정에 활용할 수 있다.
대기시간 갱신 모델은 조리대기 리스트에 포함된 대기 주문별 재료의 종류와 개수(또는 용량), 신규 주문의 재료의 종류와 개수를 하나로 통합하고 신규 주문에 대해 예측된 대기시간을 포함하여 생성된 학습 데이터를 학습하여 구축될 수 있다. 이 경우, 학습 데이터는 조리대기 리스트에 포함된 대기 주문과 신규 주문에 대한 재료의 종류와 개수를 모두 합하여 생성되는 (재료의 종류, 개수) 형태의 원소들과 신규 주문에 대한 대기시간을 포함하는 리스트 형태로 표현될 수 있고, 해당 리스트는 재료의 종류와 개수 및 추가된 신규 주문에 따라 실제 변경되는 대기시간에 관한 정보를 포함할 수 있다.
일 실시예에서, 대기 주문 처리부(250)는 적어도 하나의 대기 주문에 관한 최초 대기시간과 실제 조리시간과의 오차를 기초로 대기시간 갱신 모델에 대한 가중치를 조절할 수 있다. 조리대기 리스트에 포함된 대기 주문들은 각각 최초 대기시간에 관한 정보를 포함할 수 있고, 대기 주문 처리부(250)는 각 주문별 최초 대기시간과 주문 접수 시점부터 조리 완성 시점까지의 실제 조리시간과의 차이에 따라 대기시간 갱신 모델에 적용되는 가중치를 조절할 수 있따. 예를 들어, 실제 조리시간이 최초 대기시간보다 더 큰 경우 대기 주문 처리부(250)는 동일 입력에 대해 대기시간 갱신 모델이 대기시간을 더 크게 출력하도록 가중치를 조절할 수 있다.
주문 대기시간 갱신부(270)는 대기시간 경과에 따라 조리대기 리스트에 포함된 전체 주문의 대기시간을 갱신할 수 있다. 주문 대기시간 갱신부(270)는 가장 마지막 주문이 조리대기 리스트에 추가된 이후 경과된 시간에 따라 조리대기 리스트에 포함된 주문의 대기시간을 주기적으로 갱신할 수 있다. 갱신 주기는 스마트 주문처리 장치(100)에 의해 사전에 설정될 수 있다. 예를 들어, 주문 대기시간 갱신부(270)는 대기시간이 1분 경과될 때마다 조리대기 리스트에 포함된 전체 주문의 대기시간을 각각 1분씩 감소시키거나 또는 조리대기 리스트의 정렬 순서에 따라 감소 시간을 점점 줄일 수 있다.
일 실시예에서, 주문 대기시간 갱신부(270)는 조리대기 리스트의 각 주문이 조리 완료될 때마다 해당 주문의 최초 대기시간과 실제 조리시간과의 오차를 기초로 조리대기 리스트의 나머지 주문에 대한 대기시간을 갱신할 수 있다. 스마트 주문처리 장치(100)는 조리대기 리스트의 각 주문이 조리 완료될 때마다 해당 주문을 조리대기 리스트에서 삭제할 수 있고, 주문 대기시간 갱신부(270)는 주문 삭제 결과를 반영하여 조리대기 리스트의 나머지 주문에 대한 대기시간을 갱신할 수 있다.
이 때, 주문 대기시간 갱신부(270)는 삭제되는 주문의 최초 대기시간과 실제 조리시간과의 오차를 대기시간 갱신에 반영할 수 있다. 예를 들어, 삭제되는 주문의 최초 대기시간보다 실제 조리시간이 더 긴 경우 나머지 주문들의 대기시간에 해당 오차만큼의 시간을 더함으로써 대기시간 갱신을 수행할 수 있다. 다른 예에서, 주문 대기시간 갱신부(270)는 삭제되는 주문의 최초 대기시간과 실제 조리시간과의 오차를 기준으로 조리대기 리스트의 정렬 순서에 따라 갱신 비율을 변경할 수 있다.
일 실시예에서, 주문 대기시간 갱신부(270)는 조리대기 리스트의 각 주문이 조리 완료될 때마다 다음의 수학식을 기초로 조리대기 리스트의 나머지 주문에 대한 대기시간을 갱신할 수 있다.
[수학식]
Figure 112019009764347-pat00001
여기에서, i는 조리대기 리스트의 정렬 순서를, Ti는 i 번째 주문의 대기시간 변화량을, tf는 조리 완료된 주문의 최초 대기시간을, tr은 실제 조리시간을, r은 갱신 비율을 의미할 수 있다. 정렬 순서에 따른 갱신 비율에 해당하는 ri는 최초 대기시간과 실제 조리시간의 차이가 0보다 큰 값인지에 따라 더하거나 또는 뺄 수 있다. 또한, 조리대기 리스트에서 조리 완료된 주문을 삭제한 후 정렬 순서에 따라 나머지 주문에 대해 정렬 순서가 부여되므로 삭제 후 첫 번째 주문은 i = 0에 해당할 수 있다.
주문 대기시간 갱신부(270)는 삭제되는 주문의 최초 대기시간이 실제 조리시간보다 더 큰 경우 상기 수학식의 갱신 비율 ri는 1과 뺄셈 연산을 수행하고, 반대의 경우 갱신 비율 ri는 1과 덧셈 연산을 수행할 수 있다. 주문 대기시간 갱신부(270)는 상기의 수학식을 통해 산출되는 대기시간 변화량을 조리대기 리스트의 나머지 주문들에 각각 적용할 수 있고, 예를 들어, 주문 대기시간 갱신부(270)는 삭제되는 주문의 최초 대기시간이 실제 조리시간보다 더 큰 경우 대기시간 변화량 Ti를 각 주문에 대한 대기시간에서 차감하고, 삭제되는 주문의 최초 대기시간이 실제 조리시간보다 더 작은 경우 대기시간 변화량 Ti를 각 주문에 대한 대기시간에 더함으로써 조리대기 리스트의 나머지 주문에 대한 대기시간을 갱신할 수 있다.
제어부(290)는 스마트 주문처리 장치(100)의 전체적인 동작을 제어하고, 주문 수신부(210), 신규 주문 처리부(230), 대기 주문 처리부(250) 및 주문 대기시간 갱신부(270) 간의 제어 흐름 또는 데이터 흐름을 관리할 수 있다.
도 3은 스마트 주문처리 장치에서 수행되는 인공지능 기반의 주문 대기시간 예상 과정을 설명하는 순서도이다.
도 3을 참조하면, 스마트 주문처리 장치(100)는 주문 수신부(210)를 통해 신규 주문을 수신할 수 있다(단계 S310). 스마트 주문처리 장치(100)는 신규 주문 처리부(230)를 통해 이전에 주문된 적어도 하나의 대기 주문을 기초로 신규 주문의 최초 대기시간을 결정할 수 있다(단계 S330). 스마트 주문처리 장치(100)는 대기 주문 처리부(250)를 통해 신규 주문을 기초로 적어도 하나의 대기 주문의 대기시간을 재-결정할 수 있다(단계 S350). 스마트 주문처리 장치(100)는 주문 대기시간 갱신부(270)를 통해 대기시간 경과에 따라 조리대기 리스트에 포함된 전체 주문의 대기시간을 갱신할 수 있다(단계 S370).
도 4는 인공지능 기반의 주문 대기시간 예상 과정의 일 실시예를 설명하는 도면이다.
도 4를 참조하면, 스마트 주문처리 장치(100)는 주문 수신부(210)에 의해 수신한 신규 주문(430)을 조리대기 리스트에 추가할 수 있고, 신규 주문(430)의 대기시간을 산출할 수 있다. 보다 구체적으로, 스마트 주문처리 장치(100)는 인공지능 학습을 통해 생성된 대기시간 예측 모델(450)을 통해 신규 주문(430)의 대기시간을 예측할 수 있다. 즉, 스마트 주문처리 장치(100)는 신규 주문 처리부(230)를 통해 제1 및 제2 주문들 각각에 대한 주문의 종류와 개수를 입력하면 제2 주문의 대기시간을 출력하는 대기시간 예측 모델을 통해 신규 주문(430)의 최초 대기시간을 결정할 수 있다. 이 경우, 제1 주문은 이전에 주문된 적어도 하나의 대기 주문(410)으로서 조리대기 리스트에 포함된 주문들에 해당할 수 있고, 제2 주문은 주문 수신부(210)에 의해 수신한 신규 주문(430)에 해당할 수 있다.
신규 주문 처리부(230)는 대기 주문(410)과 신규 주문(430)에 관한 주문 종류와 수량을 대기시간 예측 모델(450)에 입력하여 출력으로서 신규 주문(430)의 대기시간을 획득할 수 있다. 도 4에서, 학습데이터는 {(A, 2), (B, 1), (C, 3), (D, 2)}와 같은 형태의 입력을 포함할 수 있다.
도 5는 인공지능 기반의 주문 대기시간 예상 과정의 일 실시예를 설명하는 도면이다.
도 5를 참조하면, 스마트 주문처리 장치(100)는 신규 주문 처리부(230)를 통해 제1 및 제2 주문들 각각에 대한 재료의 종류와 종류별 개수 또는 용량을 입력하면 제2 주문의 대기시간을 출력하는 대기시간 예측 모델(510)을 통해 신규 주문의 최초 대기시간을 결정할 수 있다. 또한, 스마트 주문처리 장치(100)는 대기 주문 처리부(250)를 통해 제1 및 제2 주문들에 대한 재료의 종류와 종류별 개수 또는 용량, 그리고 제2 주문의 대기시간을 입력하면 제1 주문의 대기시간을 출력하는 대기시간 갱신 모델(530)을 통해 적어도 하나의 대기 주문의 대기시간을 재-결정할 수 있다.
도 5에서, 대기시간 예측 모델(510)은 기존의 대기 주문과 신규 주문 각각에 대한 주문종류와 수량을 하나로 통합한 결과를 입력 데이터로 사용할 수 있고, 해당 입력 데이터에 대한 결과로서 신규 주문의 대기시간을 출력할 수 있다. 대기시간 갱신 모델(530)은 기존의 대기 주문과 신규 주문 각각에 대한 주문종류와 수량을 하나로 통합한 결과와 대기시간 예측 모델(510)에 의해 예측된 신규 주문의 최초 대기시간을 입력 데이터로 사용할 수 있고, 해당 입력 데이터에 대한 결과로서 기존의 대기 주문에 대한 새로운 대기시간을 출력할 수 있다.
스마트 주문처리 장치(100)는 서로 다른 주문이라도 사용되는 재료가 공통될 경우 해당 재료의 손질을 한꺼번에 처리함으로써 전체 주문의 조리 시간이 단축될 수 있는 점을 고려하여 실제 조리 과정에서 수집된 데이터를 인공지능 학습에 사용함으로써 사용자로부터 접수되는 주문에 관한 대기시간을 보다 정확하게 예측하여 제공할 수 있는 장점을 가질 수 있다.
상기에서는 본 발명의 바람직한 실시예를 참조하여 설명하였지만, 해당 기술 분야의 숙련된 당업자는 하기의 특허 청구의 범위에 기재된 본 발명의 사상 및 영역으로부터 벗어나지 않는 범위 내에서 본 발명을 다양하게 수정 및 변경시킬 수 있음을 이해할 수 있을 것이다.
100: 스마트 주문처리 장치
110: 프로세서 130: 메모리
150: 사용자 입출력부 170: 네트워크 입출력부
210: 주문 수신부 230: 신규 주문 처리부
250: 대기 주문 처리부 270: 주문 대기시간 갱신부
290: 제어부
410: 대기 주문 430: 신규 주문
450: 대기시간 예측 모델
510: 대기시간 예측 모델 530: 대기시간 갱신 모델

Claims (6)

  1. 신규 주문을 수신하는 주문 수신부;
    이전에 주문된 적어도 하나의 대기 주문을 기초로 상기 신규 주문의 최초 대기시간을 결정하는 신규 주문 처리부;
    상기 신규 주문을 기초로 상기 적어도 하나의 대기 주문의 대기시간을 재-결정하는 대기 주문 처리부; 및
    대기시간 경과에 따라 조리대기 리스트에 포함된 전체 주문의 대기시간을 갱신하는 주문 대기시간 갱신부를 포함하되,
    상기 신규 주문 처리부는 제1 및 제2 주문들 각각에 대한 재료의 종류와 종류별 개수 또는 용량을 입력하면 상기 제2 주문의 대기시간을 출력하는 대기시간 예측 모델을 통해 상기 신규 주문의 최초 대기시간을 결정하고,
    상기 대기 주문 처리부는 상기 제1 및 제2 주문들에 대한 재료의 종류와 종류별 개수 또는 용량, 그리고 상기 제2 주문의 대기시간을 입력하면 상기 제1 주문의 대기시간을 출력하는 대기시간 갱신 모델을 통해 상기 적어도 하나의 대기 주문의 대기시간을 재-결정하며,
    상기 주문 대기시간 갱신부는 상기 조리대기 리스트의 각 주문이 조리 완료될 때마다 해당 주문의 최초 대기시간과 실제 조리시간과의 오차를 기초로 다음의 수학식을 통해 상기 조리대기 리스트의 나머지 주문에 대한 대기시간을 갱신하는 것을 특징으로 하는 스마트 주문처리 장치
    [수학식]
    Figure 112021007026383-pat00007

    (여기에서, i는 조리대기 리스트의 정렬 순서를, Ti는 i 번째 주문의 대기시간 변화량을, tf는 조리 완료된 주문의 최초 대기시간을, tr은 실제 조리시간을, r은 갱신 비율을 의미함).
  2. 삭제
  3. 삭제
  4. 제1항에 있어서,
    상기 적어도 하나의 대기 주문에 관한 최초 대기시간과 실제 조리시간과의 오차를 기초로 상기 대기시간 예측 모델 또는 상기 대기시간 갱신 모델에 대한 가중치를 조절하는 것을 특징으로 하는 스마트 주문처리 장치.
  5. 삭제
  6. 삭제
KR1020190010489A 2019-01-28 2019-01-28 스마트 주문처리 장치 KR102229727B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020190010489A KR102229727B1 (ko) 2019-01-28 2019-01-28 스마트 주문처리 장치

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020190010489A KR102229727B1 (ko) 2019-01-28 2019-01-28 스마트 주문처리 장치

Publications (2)

Publication Number Publication Date
KR20200093254A KR20200093254A (ko) 2020-08-05
KR102229727B1 true KR102229727B1 (ko) 2021-03-19

Family

ID=72041675

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020190010489A KR102229727B1 (ko) 2019-01-28 2019-01-28 스마트 주문처리 장치

Country Status (1)

Country Link
KR (1) KR102229727B1 (ko)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102708242B1 (ko) * 2022-04-19 2024-09-23 쿠팡 주식회사 주문 정보를 처리하는 방법 및 전자 장치

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2004013787A (ja) * 2002-06-11 2004-01-15 Nec Infrontia Corp オーダリングシステム
JP2009163309A (ja) * 2007-12-28 2009-07-23 Nec Corp オーダリングシステム，注文管理方法及び注文管理用プログラム

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20070047927A (ko) 2005-11-03 2007-05-08 임은상 음식점 주문 관리 시스템
KR20110111983A (ko) 2010-04-06 2011-10-12 진일권 키오스크를 이용한 통합형 주문 관리 시스템 및 그 방법
KR20130093944A (ko) * 2012-02-15 2013-08-23 손희철 모바일 장치를 이용한 스토리 메뉴 주문관리 시스템
KR20180127296A (ko) * 2018-11-21 2018-11-28 박세현 음식 주문 및 배달 방법 및 시스템

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2004013787A (ja) * 2002-06-11 2004-01-15 Nec Infrontia Corp オーダリングシステム
JP2009163309A (ja) * 2007-12-28 2009-07-23 Nec Corp オーダリングシステム，注文管理方法及び注文管理用プログラム

Also Published As

Publication number Publication date
KR20200093254A (ko) 2020-08-05

Similar Documents

Publication Publication Date Title
KR102012676B1 (ko) 콘텐츠 추천 방법, 장치 및 시스템
US20190272571A1 (en) Ordering ahead with a mobile device
CN103502899B (zh) 动态预测建模平台
KR102082551B1 (ko) 상품 공급망 자동설계 방법 및 이를 이용하는 시스템
US8489632B1 (en) Predictive model training management
US8423414B2 (en) Method and system for pausing, migrating, and restarting retail point-of-sale transactions
CN113056754A (zh) 用于库存控制和优化的强化学习系统和方法
US20200387122A1 (en) Automated transfer of items between compartments of a smart appliance
WO2017136269A1 (en) Restaurant reservation and table management system and method
US20180204163A1 (en) Optimizing human and non-human resources in retail environments
RU2679229C1 (ru) Способ и система автоматизированной синхронизации процесса сборки товаров в магазине на основании заказов пользователей
JP2023120359A (ja) シミュレーション方法及びシミュレーション装置
KR102229727B1 (ko) 스마트 주문처리 장치
WO2018152733A1 (en) Prioritized list of work tasks
US11615372B2 (en) Distributed warehousing
CN110580259A (zh) 基于流程管理大数据的客户需求挖掘方法和设备
US20230373721A1 (en) Systems and methods for object storage and retrieval
US9373109B2 (en) Helping customers select a checkout lane with relative low congestion
US20180285793A1 (en) Patron presence based workforce capacity notification
US20170199762A1 (en) Enhanced prioritization of tasks in real-time
KR20140122423A (ko) 실시간 주문 및 매장 관리 시스템
WO2016069507A1 (en) Combined discrete and incremental optimization in generating actionable outputs
CN111263949A (zh) 从利用情况数据中提取销售和升级机会
CN114693345A (zh) 信息处理方法、装置、设备及存储介质
JP6749967B2 (ja) 情報処理装置、方法及びプログラム

Legal Events

Date Code Title Description
E902 Notification of reason for refusal
AMND Amendment
E601 Decision to refuse application
AMND Amendment
X701 Decision to grant (after re-examination)
GRNT Written decision to grant