KR102353505B1 - 인공지능 기반의 포장용기 재고 처리 장치 - Google Patents

인공지능 기반의 포장용기 재고 처리 장치 Download PDF

Info

Publication number
KR102353505B1
KR102353505B1 KR1020190118088A KR20190118088A KR102353505B1 KR 102353505 B1 KR102353505 B1 KR 102353505B1 KR 1020190118088 A KR1020190118088 A KR 1020190118088A KR 20190118088 A KR20190118088 A KR 20190118088A KR 102353505 B1 KR102353505 B1 KR 102353505B1
Authority
KR
South Korea
Prior art keywords
packaging container
inventory
data
container inventory
order
Prior art date
Application number
KR1020190118088A
Other languages
English (en)
Other versions
KR20210036086A (ko
Inventor
한병엽
김대인
Original Assignee
한병엽
김대인
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 한병엽, 김대인 filed Critical 한병엽
Priority to KR1020190118088A priority Critical patent/KR102353505B1/ko
Publication of KR20210036086A publication Critical patent/KR20210036086A/ko
Application granted granted Critical
Publication of KR102353505B1 publication Critical patent/KR102353505B1/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
    • 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
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0635—Risk analysis of enterprise or organisation activities
    • 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
    • G06Q10/10—Office automation; Time management
    • G06Q10/103—Workflow collaboration or project management

Landscapes

  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Engineering & Computer Science (AREA)
  • Strategic Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Economics (AREA)
  • Operations Research (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • Physics & Mathematics (AREA)
  • Educational Administration (AREA)
  • Development Economics (AREA)
  • Game Theory and Decision Science (AREA)
  • Accounting & Taxation (AREA)
  • Finance (AREA)
  • Data Mining & Analysis (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

본 발명은 인공지능 기반의 포장용기 재고 처리 장치에 관한 것으로, 실시예들 중에서, 포스(POS: Point of Sales)를 통한 사용자 주문이 발생되면 포스로부터 사용자 주문 데이터와 포장용기 재고 데이터를 포함하는 포스 데이터를 수집하는 포스 데이터 수신부, 포스 데이터를 전처리하여 인공지능 처리용 주문 데이터를 생성하는 학습 데이터 생성부, 인공지능 처리용 주문 데이터를 포장용기 재고 예측 모델에 입력하여 포장용기 재고 소진 정보를 결정하는 포장용기 재고 소진 처리부 및 포스와 연관된 관리자 단말에 포장용기 재고 소진 정보를 제공하는 포장용기 재고 소진 정보 제공부를 포함한다.

Description

인공지능 기반의 포장용기 재고 처리 장치{AI-BASED PACKAGING CONTAINER INVENTORY PROCESSING DEVICE}
본 발명은 인공지능 기반의 포장용기 재고 처리 장치에 관한 것으로, 보다 상세하게는, 포스(POS : Point of Sales) 데이터를 수집하고 이를 인공지능 처리용 주문데이터로 전처리하고 포장용기 재고 예측 모델에 입력하여 생산자에게 포장용기 재고 소진 정보를 제공할 수 있는 인공지능 기반의 포장용기 재고 처리 장치에 관한 것이다.
제조업 분야에서 무수한 기업들이 업무의 효율성을 높이기 위해 필요한 시스템을 다양하게 구축하기 위해 노력하고 있다. 그러나 업무의 절차인 공정은 여전히 시스템화하지 못하였고, 동시에 체계적으로 관리하지도 못하고 있다. 이를 해결하기 위해 수 많은 동종업계종사자들은 생산 현장인 제조 공장에서의 공정을 관리하고, 효율적인 공정을 도출하기 위한 다양한 연구를 진행하고 있다.
일반적으로 제조업은 사람(People), 프로세스(Process), 기술(Technology)과 정보(Information) 등의 각 계층으로 이루어져 있다. 제조업의 정보통합화 관점에서 제조 프로세스는 원자재 입고에서 출하까지 재고 관리 등 생산 위주로 구성된 내부 제조 프로세스와 제품설계, 자재 조달, 제품 납기, 제품서비스, 공장설계와 유지보수 등으로 구성된 외부 프로세스로 구성된다.
생산자 측면에 있는 제조업자는 물품 소진에 대한 정보를 소비자 혹은 소상공인에 비해 파악하기 힘든 것이 사실이다. 현실적으로 제조업자는 소비자 혹은 소상공인의 주문에 기반하여 생산 및 납품을 하게 되고 이러한 경우 기일 및 생산 단가 측면에서 어려움이 발생한다.
등록특허 제 10-1629191호(2016.06.03)호
본 발명의 일 실시예는 포스 데이터를 전처리하여 인공지능이 처리하게 쉽도록 하는 인공지능 기반의 포장용기 재고 처리 장치를 제공하고자 한다.
본 발명의 일 실시예는 포장용기 재고 예측 모델을 기반으로 포장용기 재고 소진 정보를 생성할 수 있는 인공지능 기반의 포장용기 재고 처리 장치를 제공하고자 한다.
실시예들 중에서, 포스(POS: Point of Sales)를 통한 사용자 주문이 발생되면 상기 포스로부터 사용자 주문 데이터와 포장용기 재고 데이터를 포함하는 포스 데이터를 수집하는 포스 데이터 수신부, 상기 포스 데이터를 전처리하여 인공지능 처리용 주문 데이터를 생성하는 학습 데이터 생성부, 상기 인공지능 처리용 주문 데이터를 포장용기 재고 예측 모델에 입력하여 포장용기 재고 소진 정보를 결정하는 포장용기 재고 소진 처리부 및 상기 포스와 연관된 관리자 단말에 상기 포장용기 재고 소진 정보를 제공하는 포장용기 재고 소진 정보 제공부를 포함할 수 있다.
상기 학습 데이터 생성부는 상기 사용자 주문 데이터를 기초로 사용자 주문에 따른 포장용기의 종류와 수량을 결정할 수 있다.
상기 학습 데이터 생성부는 상기 포장용기의 종류와 수량이 결정되면 상기 포장용기의 재고량을 산출하여 상기 인공지능 처리용 주문 데이터를 생성할 수 있다.
상기 포장용기 재고 소진 처리부는 기존에 수집된 인공지능 처리용 주문 데이터를 통해 요일별 시간별 재고 수량 변화율을 기계학습하여 상기 포장용기 재고 예측 모델을 생성할 수 있다.
상기 포장용기 재고 소진 처리부는 상기 포장용기 재고 예측 모델 및 조달기간을 고려하여 발주시점을 같이 제공하는 상기 포장용기 재고 소진 정보를 결정할 수 있다.
상기 포장용기 재고 소진 정보를 제공할 때, 포장용기 소진 전에 제작 가능한 업체를 검색하고 포장용기 제작업체를 리스트로 결정할 수 있다.
상기 포장용기 재고 소진 정보 제공부는 검색된 포장용기 제조 업체 중 상기 관리자 단말에 의해 선택된 포장용기 제조 업체에 예상 배송일 및 예상 단가를 요청하여 상기 예상 배송일이 상기 포장용기 소진 예상일보다 늦지 않은 경우에는 상기 관리자 단말의 승인하에 상기 포장용기 제조 업체에 포장용기 배송 주문을 신청할 수 있다.
상기 포장용기 재고 소진 정보 제공부는 상기 포장용기 재고 예측 모델을 통해 상기 포장용기와 연관되게 이용되는 포장용기를 결정하고 상기 저장 용기 제조 업체에 주문 가능 여부를 질의하여 가능한 경우 상기 연관되게 이용되는 포장용기를 함께 주문할 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 인공지능 기반의 포장용기 재고 처리 장치는 포스 데이터를 인공지능이 처리하기 쉽도록 전처리 할 수 있다.
본 발명의 일 실시예에 따른 인공지능 기반의 포장용기 재고 처리 장치는 포장용기 재고 예측 모델을 기반으로 포장용기 재고 소진 정보를 생성하여 관리자 단말에 제공할 수 있다.
도 1은 본 발명의 일 실시예에 따른 인공지능 기반의 포장용기 재고 처리 시스템을 설명하는 도면이다.
도 2는 도 1에 있는 인공지능 기반의 포장용기 재고 처리 장치의 물리적 구성을 설명하는 블록도이다.
도 3은 도 1에 있는 인공지능 기반의 포장용기 재고 처리 장치의 기능적 구성을 설명하는 블록도이다.
도 4는 도 1에 있는 인공지능 기반의 포장용기 재고 처리 장치에서 수행되는 발주과정을 설명하는 순서도이다.
도 5는 본 발명의 일 실시예에 따른 포장상품의 식별코드에 따른 특정 포장용기의 종류 및 수량을 결정하는 과정을 설명하는 도면이다.
도 6은 데이터를 전처리 하는 과정에서 일 실시예에 따른 데이터를 헤더 테이블 및 전위 트리에 배치하는 것을 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 한다 거나 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 읽힐 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 인공지능 기반의 포장용기 재고 처리 시스템(100)를 설명하는 도면이다.
도 1을 참조하면, 인공지능 기반의 포장용기 재고 처리 시스템(100)은 포스(110), 관리자 단말(120), 인공지능 기반의 포장용기 재고 처리 장치(130) 및 데이터 베이스(140)를 포함할 수 있다.
포스(110)는 인공지능 기반의 포장용기 재고 처리 장치(130)와 네트워크를 통해 연결될 수 있고 사용자 주문을 인식할 수 있는 컴퓨팅 장치에 해당할 수 있다. 예를 들어, 포스(110)는 사용자가 피자를 주문하는 경우 사용자 주문 데이터와 포장용기 재고 데이터를 포함하는 포스 데이터를 인공지능 기반의 포장용기 재고 처리 장치(130)에 전송할 수 있다.
관리자 단말(120)은 인공지능 기반의 포장용기 재고 처리 장치(130)와 네트워크를 통해 연결될 수 있고 포장용기 재고를 확인하고 관리하는 컴퓨팅 장치에 해당할 수 있고, 일 실시예에서, 관리자 단말(120)은 포장용기 재고 소진 정보 제공부(370)를 통해 제공된 포장용기 재고 소진 정보에 대해 생산자에게 제공하기 위해 시각화 시킬 수 있다. 관리자 단말(120)은 반드시 이에 한정되지 않지만, 스마트폰, 노트북, 태블릿 PC 또는 컴퓨터로 구현될 수 있다.
인공지능 기반의 포장용기 재고 처리 장치(130)는 컴퓨팅 서버로 구현될 수 있고, 포스(110) 및 관리자 단말(120)과 연동하여 인공지능 기반의 포장용기 재고 처리 장치(130)에서 생성된 데이터를 포스(110) 및 관리자 단말(120)에 전송할 수 있다. 또한, 인공지능 기반의 포장용기 재고 처리 장치(130)는 인공지능 기반의 포장용기 재고 처리 장치(130)에서 생성된 데이터를 데이터 베이스(140)에 저장하여 데이터를 백업하거나 데이터를 클라우드화 시킬 수 있다. 예를 들어, 인공지능 기반의 포장용기 재고 처리 장치(130)는 포스(110)를 통한 지속적인 사용자 주문의 발생에 따라 변동되는 포장용기 재고 소진 정보를 갱신하여 사용자의 제어 없이도 자동으로 데이터를 데이터 베이스(140)를 갱신할 수 있다.
인공지능 기반의 포장용기 재고 처리 장치(130)는 프로세서(210), 메모리(230), 관리자 입출력부(250) 및 네트워크 입출력부(270)를 포함할 수 있으며, 이에 대해서는 도 2에서 보다 자세히 설명한다.
데이터베이스(140)는 논리적으로 연관된 하나 이상의 자료의 모음으로, 독립적으로 운용되어 단일 혹은 복수의 데이터베이스를 구성할 수 있고 여러 사람이 공유하여 사용할 목적으로 통합 또는 관리할 수 있다. 일 실시예에서, 관리자는 데이터베이스(140)에 저장되어 있는 포장용기 재고 소진 정보를 생산자에게 제공할 수 있다.
데이터베이스(140)는 포장용기를 생산하는 업체의 리스트 정보를 저장할 수 있다. 예를 들어, 데이터베이스(140)는 특정 포장용기를 판매하는 업체의 리스트와 해당 업체의 특정 포장용기 예상 단가, 예상 발주 기간 및 생산능력을 저장할 수 있다. 다른 예를 들어, 데이터베이스(140)는 네트워크를 통해 특정 포장용기를 판매하는 업체로부터 포장용기 생산 단가, 발주 기간 및 생산능력에 대한 정보를 입력 받아 갱신할 수 있다. 또한, 데이터베이스(140)는 인공지능 기반의 포장용기 재고 처리 장치(130)의 요청 및 일정한 주기에 따라 포장용기를 판매하는 업체의 정보를 인공지능 기반의 포장용기 재고 처리 장치(130)에 제공할 수 있다.
도 2는 도 1에 있는 인공지능 기반의 포장용기 재고 처리 장치(130)의 물리적 구성을 설명하는 블록도이다.
도 2를 참조하면, 인공지능 기반의 포장용기 재고 처리 장치(130)는 프로세서(210), 메모리(230), 관리자 입출력부(250) 및 네트워크 입출력부(270)를 포함한다.
프로세서(210)는 관리자의 제어를 기초로 포장용기 재고 소진 정보를 결정하는 과정에서의 각 프로시저를 실행할 수 있고, 그 과정 전반에서 읽혀지거나 작성되는 메모리(230)를 관리할 수 있으며, 메모리(230)에 있는 휘발성 메모리와 비휘발성 메모리 간의 동기화 시간을 스케줄 할 수 있다. 프로세서(210)는 인공지능 기반의 포장용기 재고 처리 장치(130)의 동작 전반을 제어할 수 있고, 메모리(230), 관리자 입출력부(250) 및 네트워크 입출력부(270)와 전기적으로 연결되어 이들 간의 데이터 흐름을 제어할 수 있다. 프로세서(210)는 인공지능 기반의 포장용기 재고 처리 장치(130)의 CPU(Central Processing Unit)로 구현될 수 있다.
메모리(230)는 SSD(Solid State Disk) 또는 HDD(Hard Disk Drive)와 같은 비휘발성 메모리로 구현되어 인공지능 기반의 포장용기 재고 처리 장치(130)에 필요한 데이터 전반을 저장하는데 사용되는 보조기억장치를 포함할 수 있고, RAM(Random Access Memory)과 같은 휘발성 메모리로 구현된 주기억장치를 포함할 수 있다.
관리자 입출력부(250)는 관리자 입력을 수신하기 위한 환경 및 관리자에게 특정 정보를 출력하기 위한 환경을 포함할 수 있다. 예를 들어, 관리자 입출력부(250)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, 관리자 입출력부(250)는 원격 접속을 통해 접속되는 컴퓨팅 장치에 해당할 수 있고, 그러한 경우, 관리자 단말(120)은 서버로서 수행될 수 있다.
네트워크 입출력부(270)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 3은 도 1에 있는 인공지능 기반의 포장용기 재고 처리 장치(130)의 기능적 구성을 설명하는 블록도이다.
도 3을 참조하면, 인공지능 기반의 포장용기 재고 처리 장치(130)는 포스 데이터 수신부(310), 학습 데이터 생성부(330), 포장용기 재고 소진 처리부(350), 포장용기 재고 소진 정보 제공부(370) 및 제어부(390)를 포함할 수 있다.
포스 데이터 수신부(310)는 포스(POS: Point of Sales)를 통한 사용자 주문이 발생되면 포스로부터 사용자 주문 데이터와 포장용기 재고 데이터를 포함하는 포스 데이터를 수집할 수 있다. 예를 들어, 포스 데이터 수신부(310)는 사용자 주문에 따라서 사용자 주문에 필요한 포장용기의 종류 및 개수를 결정하고 주문이 발생한 시간, 장소 및 날씨에 대한 정보를 포스 데이터로 수집할 수 있다.
일 실시예에서, 포스 데이터 수신부(310)는 포스 데이터를 전송이 가능한 형태의 파일로 변환하여 클라우드에 저장할 수 있다. 클라우드는 인공지능 기반의 포장용기 재고 처리 장치(130)가 아닌 네트워크를 통해 연결된 다른 장치로 데이터를 저장하거나 처리할 수 있다. 예를 들어, 포스 데이터 수신부(310)는 포스 데이터를 클라우드에 저장하여, 장소에 구애받지 않고 관리자 단말(120)을 통해 포스 데이터에 대해서 접근 및 관리할 수 있다. 다른 예를 들어, 포스 데이터 수신부(310)는 포스 데이터를 클라우드에 저장하는 과정에서, 가용 클라우드 자원에 배치 작업을 실행할 수 있고 가용 클라우드 자원을 선별하는 과정에서 가용 클라우드 자원 간의 최소 비용 매칭으로 포스 데이터를 클라우드에 배치할 수 있다. 좀 더 구체적으로 최소 비용 매칭은 포스 데이터의 모든 태스크를 처리하고 배치하는데 소요되는 비용의 총 합이 최소가 될 수 있는 매칭 조합을 통해 결정될 수 있다.
학습 데이터 생성부(330)는 포스 데이터를 전처리하여 인공지능 처리용 주문 데이터를 생성할 수 있다. 예를 들어, 학습 데이터 생성부(330)는 포스 데이터에 저장되어 있는 포장용기의 종류, 수량, 소진 시간, 소진된 장소 및 날씨에 따라서 헤더 테이블을 작성하고 그에 따른 전위 트리를 생성하여 포스 데이터를 전처리 할 수 있다. 이에 대한 자세한 설명은 도 6에서 한다.
일 실시예에서, 학습 데이터 생성부(330)는 사용자 주문 데이터를 기초로 사용자 주문에 따른 포장용기의 종류와 수량을 결정할 수 있다. 예를 들어, 학습 데이터 생성부(330)는 사용자가 부대찌개를 주문하는 경우 부대찌개 메뉴와 대응하는 국용기 1개, 반찬 용기 3개 및 공기밥 용기 1개를 결정할 수 있다. 이에 대한 자세한 설명은 도 5에서 한다.
일 실시예에서, 학습 데이터 생성부(330)는 포장용기의 종류와 수량이 결정되면 포장용기의 재고량을 산출하여 인공지능 처리용 주문 데이터를 생성할 수 있다. 예를 들어, 학습 데이터 생성부(330)는 소모되는 포장용기의 종류와 수량에 따라 영세업체에 남아 있는 포장용기 재고량을 산출할 수 있다.
포장용기 재고 소진 처리부(350)는 인공지능 처리용 주문 데이터를 포장용기 재고 예측 모델에 입력하여 포장용기 재고 소진 정보를 결정할 수 있다. 예를 들어, 포장용기 재고 소진 처리부(350)는 전처리된 인공지능 처리용 주문 데이터를 생산자에게 제공하기 위한 메타데이터를 생성하기위해 포장용기 재고 예측모델에 입력하여 예측된 포장용기 재고 소진 정보를 결정할 수 있다.
일 실시예에서, 포장용기 재고 소진 처리부(350)는 기존에 수집된 인공지능 처리용 주문 데이터를 통해 요일별 시간별 재고 수량 변화율을 기계학습하여 포장용기 재고 예측 모델을 생성할 수 있다. 예를 들어, 포장용기 재고 소진 처리부(350)는 수집된 인공지능 처리용 주문 데이터에서 일요일에 짜장면 용기가 많이 소모되는 경우, 반복된 인공지능 처리용 주문 데이터의 기계학습을 통해 포장용기 재고 예측 모델을 생성하고 기계학습을 통행 생성된 포장용기 재고 예측 모델을 기반으로 포장용기 재고 소진 정보를 결정할 수 있다.
일 실시예에서, 포장용기 재고 소진 처리부(350)는 포장용기 재고 예측 모델 및 조달기간을 고려하여 발주시점을 같이 제공하는 포장용기 재고 소진 정보를 결정할 수 있다. 포장용기 재고 소진 처리부(350)는 포장용기 재고 예측 모델에서 결정된 재고 소진 정보에 더해 포장용기 제조업체에서 영세업체까지의 조달기간을 고려하여 한계 발주시점을 계산하여 이러한 한계 발주시점을 포함하는 포장용기 재고 소진 정보를 결정할 수 있다. 예를 들어, 포장용기 재고 소진 처리부(350)는 특정 포장용기에 대한 조달기간이 3일이고 재고 소진 정보에 의한 재고 소진일이 2020.8.19(수)인 경우, 주말을 제외한 2020.8.14(금)을 한계 발주시점으로 결정할 수 있다.
일 실시예에서, 포장용기 재고 소진 처리부(350)는 포장용기 재고 소진 정보를 제공할 때, 포장용기 소진 전에 제작 가능한 업체를 검색하고 포장용기 제작업체를 리스트로 결정할 수 있다. 예를 들어, 포장용기 재고 소진 처리부(350)는 포장용기 재고 소진 정보에 기초하여 A1용기가 부족할 것으로 예상되는 경우 해당 A1용기를 생산하는 업체를 리스트로 결정할 수 있다.
일 실시예에서, 포장용기 재고 소진 처리부(350)는 검색된 포장용기 제조 업체 중 관리자 단말에 의해 선택된 포장용기 제조 업체에 예상 배송일 및 예상 단가를 요청하여 예상 배송일이 포장용기 소진 예상일보다 늦지 않은 경우에는 관리자 단말의 승인하에 포장용기 제조 업체에 포장용기 배송 주문을 신청할 수 있다. 예를 들어, 포장용기 재고 소진 처리부(350)는 제조 업체로부터 예상 배송일 및 예상 단가를 요청하여 얻은 정보를 제조 업체에 다시 배포하여 역경매 방식으로 다시 배송일 및 예상 단가를 요청할 수 있다.
일 실시예에서, 포장용기 재고 소진 처리부(350)는 포장용기 재고 예측 모델을 통해 포장용기와 연관되게 이용되는 포장용기를 결정하고 저장 용기 제조 업체에 주문 가능 여부를 질의하여 가능한 경우 연관되게 이용되는 포장용기를 함께 주문할 수 있다. 예를 들어, 포장용기 재고 소진 처리부(350)는 배송 단가를 낮추기 위해 포장용기 재고 예측 모델을 통해 결정된 포장용기와 연관되게 이용되는 포장용기를 같이 생산 및 발주할 수 있도록 연관 포장용기를 결정할 수 있다.
제어부(390)는 인공지능 기반의 포장용기 재고 처리 장치(130)의 전체적인 동작을 제어하고, 포스 데이터 수신부(310), 학습 데이터 생성부(330), 포장용기 재고 소진 처리부(350) 및 포장용기 재고 소진 정보 제공부(370) 간의 제어 흐름 또는 데이터 흐름을 관리할 수 있다.
도 4는 도 1에 있는 인공지능 기반의 포장용기 재고 처리 장치(130)에서 수행되는 발주과정을 설명하는 순서도이다.
도 4에서, 인공지능 기반의 포장용기 재고 처리 과정(400)은 단계들 S410 내지 S470을 포함한다.
인공지능 기반의 포장용기 재고 처리 장치(130)는 포스 데이터 수신부(310)를 통해 포스(POS: Point of Sales)를 통한 사용자 주문이 발생되면 포스로부터 사용자 주문 데이터와 포장용기 재고 데이터를 포함하는 포스 데이터를 수집할 수 있다(S410).
인공지능 기반의 포장용기 재고 처리 장치(130)는 학습 데이터 생성부(330)를 통해 포스 데이터를 전처리하여 인공지능 처리용 주문 데이터를 생성할 수 있다(S430).
인공지능 기반의 포장용기 재고 처리 장치(130)는 포장용기 재고 소진 처리부(350)를 통해 인공지능 처리용 주문 데이터를 포장용기 재고 예측 모델에 입력하여 포장용기 재고 소진 정보를 결정할 수 있다(S450).
인공지능 기반의 포장용기 재고 처리 장치(130)는 포장용기 재고 소진 정보 제공부(370)를 통해 포스와 연관된 관리자 단말에 포장용기 재고 소진 정보를 제공할 수 있다(S470).
도 5는 본 발명의 일 실시예에 따른 포장상품의 식별코드에 따른 특정 포장용기의 종류 및 수량(500)을 결정하는 과정을 설명하는 도면이다.
도 5는 포스(110), 포장상품에 대응하는 특정용기 집합 테이블(510), 특정용기 집합 테이블(520) 및 포장용기 재고(530)를 포함한다.
포스(110)는 사용자의 포장상품 주문을 입력 받고 포장상품 주문에 따른 특정용기를 대응시키는 역할을 수행한다. 포장상품과 특정용기의 대응관계는 특정용기 집합 테이블(510) 및 특정용기 집합 테이블(520)에 따라 정해진다.
포장상품에 대응하는 특정용기 집합 테이블(510)은 포장상품의 주문에 따라 특정용기 집합을 대응관계를 나타낸다. 예를 들어, 포장상품에 대응하는 특정용기 집합 테이블(510)은 1번 테이블을 통해 A1 특정용기 집합과 주문 A간의 대응관계를 나타낼 수 있다. 일 실시예에서, 포스 데이터 수신부(310)는 포장상품의 변경 또는 새로운 메뉴 개발에 따라 포장상품에 대응하는 특정용기 집합 테이블(510)을 수정할 수 있다. 예를 들어, 포스 데이터 수신부(310)는 포장상품에 대응하는 특정용기 집합 테이블(510)이 A(김치찌게)의 주문에 대해서 기존의 A1 포장용기 집합(김치찌개 통, 공기밥 통 및 반찬통 3개)이 대응되었으나 메뉴의 변경에 따라 반찬을 5개 제공하는 경우, 포장상품에 대응하는 특정용기 집합 테이블(510)을 A(김치찌개)의 주문에 대해서 A2 포장용기 집합(김치찌개 통, 공기밥 통 및 반찬통 5개)을 제공하는 것으로 대응관계를 변경할 수 있다.
특정용기 집합 테이블(520)은 각각의 특정용기 집합에 따른 특정용기의 종류 및 수량을 나타낸다. 예를 들어, 특정용기 집합 테이블(520)은 A1 특정용기 집합과 그에 필요한 특정용기(70파이 3개, 105파이 2개, 70호 2개, 84호 1개, 젓가락 4개 및 비닐 1개)의 대응관계를 나타낼 수 있다.
일 실시예에서, 포스 데이터 수신부(310)는 기존메뉴 변경에 따라서 포장용기 집합 A1의 구성을 변경할 수 있고, 새로운 메뉴 생성에 따라서 새로운 포장용기 집합 C1 등을 생성할 수 있다.
도 6은 데이터를 전처리 하는 과정에서 일 실시예에 따른 데이터를 헤더 테이블 및 전위 트리에 배치하는 것(600)을 설명하는 도면이다.
도 6를 참조하면 데이터를 헤더 테이블 및 전위 트리에 배치하는 것(600)은 헤더 테이블(610) 및 전위 트리(620)를 포함한다.
헤더 테이블(610)는 포장 용기에 대한 정보를 저장하는 엔트리로 구성되며, 각 엔트리는 포장용기의 이름, 소진수량, 소진시간, 소진장소, 날씨 및 링크로 구성된다. 링크는 포장 용기의 전위 트리(620)에서의 노드 위치를 나타낸다.
전위 트리(620)는 적어도 하나의 노드로 구성된다. 일 실시예에서, 전위 트리(620)는 포장용기의 종류에 따라 정해질 수 있다. 예를 들어, 학습 데이터 생성부(330)는 전위 트리(620)에서 국그릇 집단은 B용기 집단의 구성 용기인 B1, B2 용기를 B용기 집단의 자식 노드에 위치시킬 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: 인공지능 기반의 포장용기 재고 처리 시스템
110: 포스(POS: Point Of Sales) 120: 관리자 단말
130: 인공지능 기반의 포장용기 재고 처리 장치
140: 데이터베이스
210: 프로세서 230: 메모리
250: 관리자 입출력부 270: 네트워크 입출력부
310: 포스 데이터 수신부 330: 학습 데이터 생성부
350: 포장용기 재고 소진 처리부
370: 포장용기 재고 소진 정보 제공부
390: 제어부
400: 인공지능 기반의 포장용기 재고 처리 과정
500: 포장상품의 식별코드에 따른 특정 포장용기의 종류 및 수량
510: 포장상품에 대응하는 특정용기 집합 테이블
520: 특정용기 집합 테이블 530: 포장용기 재고
610: 헤더 테이블 620: 전위 트리

Claims (8)

  1. 포스(POS: Point of Sales)를 통한 사용자 주문이 발생되면 상기 포스로부터 사용자 주문 데이터와 포장용기 재고 데이터를 포함하는 포스 데이터를 수집하는 포스 데이터 수신부;
    상기 포스 데이터를 전처리하여 인공지능 처리용 주문 데이터를 생성하는 학습 데이터 생성부;
    상기 인공지능 처리용 주문 데이터를 포장용기 재고 예측 모델에 입력하여 포장용기 재고 소진 정보를 결정하는 포장용기 재고 소진 처리부; 및
    상기 포스와 연관된 관리자 단말에 상기 포장용기 재고 소진 정보를 제공하는 포장용기 재고 소진 정보 제공부를 포함하고,
    상기 학습 데이터 생성부는 사용자 주문과 특정용기 집합 간의 대응관계를 정의하는 제1 특정용기 집합 테이블과, 상기 특정용기 집합과 특정용기 간의 대응관계를 정의하는 제2 특정용기 집합 테이블을 이용하여 상기 사용자 주문 데이터를 기초로 상기 사용자 주문에 따른 포장용기의 종류와 수량을 결정하고, 상기 포장용기의 재고량을 산출하여 상기 인공지능 처리용 주문 데이터를 생성하며,
    상기 포장용기 재고 소진 정보 제공부는 상기 포장용기 재고 소진 정보를 제공할 때, 포장용기 소진 전에 제작 가능한 업체를 검색하고 포장용기 제작업체를 리스트로 결정하며, 검색된 포장용기 제조 업체 중 상기 관리자 단말에 의해 선택된 포장용기 제조 업체에 예상 배송일 및 예상 단가를 요청하여 상기 예상 배송일이 포장용기 소진 예상일보다 늦지 않은 경우에는 상기 관리자 단말의 승인하에 상기 선택된 포장용기 제조 업체에 포장용기 배송 주문을 신청하고, 상기 포장용기 재고 예측 모델을 통해 상기 포장용기와 연관되게 이용되는 연관 포장용기를 결정하고 상기 포장용기 제조 업체에 상기 연관 포장용기의 주문 가능 여부를 질의하여 가능한 경우 상기 연관 포장용기를 상기 포장용기 배송 주문과 함께 주문하는 것을 특징으로 하는 인공지능 기반의 포장용기 재고 처리 장치.
  2. 삭제
  3. 삭제
  4. 제1항에 있어서, 상기 포장용기 재고 소진 처리부는
    기존에 수집된 인공지능 처리용 주문 데이터를 통해 요일별 시간별 재고 수량 변화율을 기계학습하여 상기 포장용기 재고 예측 모델을 생성하는 것을 특징으로 하는 인공지능 기반의 포장용기 재고 처리 장치.
  5. 제4항에 있어서, 상기 포장용기 재고 소진 처리부는
    상기 포장용기 재고 예측 모델 및 조달기간을 고려하여 발주시점을 같이 제공하는 상기 포장용기 재고 소진 정보를 결정하는 것을 특징으로 하는 인공지능 기반의 포장용기 재고 처리 장치.
  6. 삭제
  7. 삭제
  8. 삭제
KR1020190118088A 2019-09-25 2019-09-25 인공지능 기반의 포장용기 재고 처리 장치 KR102353505B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020190118088A KR102353505B1 (ko) 2019-09-25 2019-09-25 인공지능 기반의 포장용기 재고 처리 장치

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020190118088A KR102353505B1 (ko) 2019-09-25 2019-09-25 인공지능 기반의 포장용기 재고 처리 장치

Publications (2)

Publication Number Publication Date
KR20210036086A KR20210036086A (ko) 2021-04-02
KR102353505B1 true KR102353505B1 (ko) 2022-01-20

Family

ID=75466645

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020190118088A KR102353505B1 (ko) 2019-09-25 2019-09-25 인공지능 기반의 포장용기 재고 처리 장치

Country Status (1)

Country Link
KR (1) KR102353505B1 (ko)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101870329B1 (ko) * 2016-11-28 2018-06-22 주식회사 리테일영 매출데이터 기반의 식자재 관리방법 및 시스템
KR101874625B1 (ko) * 2016-07-13 2018-07-05 장광일 음식물 포장 장치 및 방법
KR101987625B1 (ko) * 2018-05-25 2019-09-30 (주)성원아이에스엠 B2b 기반 각 브랜드별 가맹점으로부터 주문발주된 제품의 유통단계를 원스톱 통합 플랫폼으로 구현하는 유니폼 통합주문 서비스 제공 방법

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8332255B2 (en) 2009-11-09 2012-12-11 Palo Alto Research Center Incorporated Sensor-integrated mirror for determining consumer shopping behavior
KR20190049299A (ko) * 2017-11-01 2019-05-09 ㈜펫박스 거래처 신뢰도에 따른 물류 수급, 수요 예측 방법 및 시스템

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101874625B1 (ko) * 2016-07-13 2018-07-05 장광일 음식물 포장 장치 및 방법
KR101870329B1 (ko) * 2016-11-28 2018-06-22 주식회사 리테일영 매출데이터 기반의 식자재 관리방법 및 시스템
KR101987625B1 (ko) * 2018-05-25 2019-09-30 (주)성원아이에스엠 B2b 기반 각 브랜드별 가맹점으로부터 주문발주된 제품의 유통단계를 원스톱 통합 플랫폼으로 구현하는 유니폼 통합주문 서비스 제공 방법

Also Published As

Publication number Publication date
KR20210036086A (ko) 2021-04-02

Similar Documents

Publication Publication Date Title
US20220129817A1 (en) Demand aware replenishment system
CN110737643B (zh) 一种基于餐饮信息管理系统的大数据分析处理管理中台
WO2012093410A2 (en) Real-time demand supply control system
TWI777532B (zh) 用於集中式狀態監測的系統、電腦實行方法及設備
Xiang et al. Order allocation for multiple supply-demand networks within a cluster
KR102371468B1 (ko) 낮은 레이턴시의 집계된 데이터 제공을 위한 시스템 및 방법
US11263584B2 (en) Demand signal router for demand aware replenishment system
US20040243487A1 (en) Vendor-managed inventory system and method
US20060168363A1 (en) Generic device integration within an auto-id system
US11334847B2 (en) Systems and methods for dynamic balancing of virtual bundles
Tangtisanon Web service based food additive inventory management with forecasting system
KR102353505B1 (ko) 인공지능 기반의 포장용기 재고 처리 장치
KR102295018B1 (ko) 포장용기 자동 주문발주 장치
US10083416B2 (en) Time phase work pool management for returned inventory asset routing
CN116433198A (zh) 一种基于云计算的智慧供应链管理平台系统
Seyedhosseini et al. Integration of production and distribution decisions of perishable products considering feasible delivery routes
US11367046B2 (en) Method and system for tracking inventory
US20060168112A1 (en) Generic integration within an auto-id system
CN117473199B (zh) 应用于供应链物流系统的信息推送方法及系统
Rabbani et al. Applying queuing theory for a reliable integrated location–inventory problem under facility disruption risks
US12008592B1 (en) Strategic and tactical intelligence in dynamic segmentation
US20230325762A1 (en) Methods and systems for digital placement and allocation
US20230419250A1 (en) Order management system determining fulfillment plans based on item-cluster availability
Ulieru et al. A multi-agent system for supply chain management
Huang et al. Current status, future developments and recent patents on big data technique in process control systems

Legal Events

Date Code Title Description
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant