KR102445716B1 - 자동화된 아웃바운드 프로파일 생성을 위한 시스템 및 방법 - Google Patents

자동화된 아웃바운드 프로파일 생성을 위한 시스템 및 방법 Download PDF

Info

Publication number
KR102445716B1
KR102445716B1 KR1020220007722A KR20220007722A KR102445716B1 KR 102445716 B1 KR102445716 B1 KR 102445716B1 KR 1020220007722 A KR1020220007722 A KR 1020220007722A KR 20220007722 A KR20220007722 A KR 20220007722A KR 102445716 B1 KR102445716 B1 KR 102445716B1
Authority
KR
South Korea
Prior art keywords
outbound
predictive model
profile
products
product
Prior art date
Application number
KR1020220007722A
Other languages
English (en)
Other versions
KR20220016235A (ko
Inventor
김제
Original Assignee
쿠팡 주식회사
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 쿠팡 주식회사 filed Critical 쿠팡 주식회사
Publication of KR20220016235A publication Critical patent/KR20220016235A/ko
Application granted granted Critical
Publication of KR102445716B1 publication Critical patent/KR102445716B1/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
    • G06Q10/083—Shipping
    • 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
    • G06Q10/0875—Itemisation or classification of parts, supplies or services, e.g. bill of materials
    • 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
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06312—Adjustment or analysis of established resource schedule, e.g. resource or task levelling, or dynamic rescheduling
    • 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
    • G06Q10/06314—Calendaring for a resource
    • 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
    • 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
    • G06Q10/103—Workflow collaboration or project management
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G06N20/10—Machine learning using kernel methods, e.g. support vector machines [SVM]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G06N20/20—Ensemble learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N5/00—Computing arrangements using knowledge-based models
    • G06N5/01—Dynamic search techniques; Heuristics; Dynamic trees; Branch-and-bound

Landscapes

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

Abstract

본 개시의 일 양상은 자동화된 아웃바운드 프로파일을 생성하기 위한 컴퓨터-구현 시스템에 관한 것이다. 시스템은 복수의 제품 식별자와 연관된 트랜잭션 데이터를 데이터베이스에 저장하고; 복수의 제품 식별자를 이용하여 풀필먼트 센터(FC)에 저장된 복수의 제품에 대한 현재 재고를 결정하고; 머신 러닝 알고리즘을 이용하여, 트랜잭션 데이터에 기초하여 예측 모델 생성하고; 예측 모델을 이용하여, FC의 아웃바운드 역량의 프로파일을 생성하고; 생성된 FC의 아웃바운드 역량의 프로파일을 FC의 아웃바운드 역량의 실제 프로파일과 비교하고; 비교에 기초하여, 예상 아웃바운드 수요가 FC의 실제 역량을 초과할 것인지 결정하고; 그리고 예상 아웃바운드 수요가 FC의 실제 역량을 초과할 것이라는 결정에 기초하여 원격 디바이스에 통지를 전송하는 것을 포함할 수 있다.

Description

자동화된 아웃바운드 프로파일 생성을 위한 시스템 및 방법{SYSTEMS AND METHODS FOR AUTOMATED OUTBOUND PROFILE GENERATION}
본 개시는 일반적으로 자동화된 아웃바운드 프로파일 생성을 위한 컴퓨터화된 시스템 및 방법에 관한 것이다. 특히, 본 개시의 실시예들은 그것들의 아웃바운드 역량을 정확하게 나타내는 프로파일을 생성하기 위해 풀필먼트 센터에서의 과거 배송 데이터에 머신-러닝 방법을 적용하는 것에 연관된 창의적이고 비전통적인 시스템과 관련된다.
풀필먼트 센터(FCs)는 주문이 접수되자 마자 소비자 주문을 이행하고 배송 업체가 배송물을 픽업할 수 있도록 동작하면서 매일 수백만 개 이상의 제품을 접한다. FC 내부의 재고를 관리하는 동작은 판매자로부터 상품을 수령하고, 쉽게 픽업을 위해 접근할 수 있도록 수령된 상품을 보관하고, 아이템을 포장하고, 주문을 확인하고, 패키지를 배달하는 것을 포함할 수 있다. FC에서 재고 관리를 위한 현존 FC 및 시스템은 대량의 들어오고 나가는 상품을 처리하도록 구성되어 있지만, 주문이 다수의 FC 간에 적절하게 분배되지 않기 때문에 FC가 처리될 수 있는 것보다 많은 주문을 수신할 때 공통적인 문제가 발생한다. 예를 들어, FC와 연관된 판매자는 성수기 동안 공급자로부터 대량의 제품을 주문할 수 있지만, FC는 주문된 제품을 적시에 받을 수 있는 충분한 리소스를 가지고 있지 않다. 이는 수신 프로세스를 늦춤으로써 FC에서 엄청난 백로그(backlog) 문제로 이어지며, 결국 문제를 악화시킬 수 있다. 백로그 문제는 판매자가 수익을 내기 위해 제품을 유통하는 것을 방해하기 때문에 판매 손실을 초래한다.
이러한 문제를 완화하기 위해, 전통적인 재고 관리 시스템은 예측 데이터에 의존하여 다수의 FC로의 제품의 분배를 결정할 뿐만 아니라, 각 FC에 대해 수동으로 생성된 아웃바운드 프로파일에도 의존한다. 이들 시스템은 특정 제품에 대한 그들의 인바운드 역량 또는 아웃바운드 역량과 같이, 각 FC의 개별적인 역량을 고려하지 않아 기술적인 문제 때문에 어려움을 겪는다. 이러한 요소들을 고려하지 않고, 이들 시스템은 FC 간에 제품의 분배를 생성할 수 있으며, 이때 특정 FC는 특정 제품에 대한 수요를 충족하기에 충분한 재고, 인바운드 역량 또는 아웃바운드 역량을 가지고 있지 않을 수 있다. 이로 인해 또한 매출의 손실이 발생할 수 있다. 또한, 이러한 시스템은 FC에 대해 아웃바운드 프로파일의 수동 결정이 필요하므로, 이는 매우 부정확하고 비용이 크게 증가할 수 있다.
따라서, 각 FC의 고유한 역량 및 특성에 더 기초하여 복수의 FC에 대한 아웃바운드 프로파일을 지능적이고 자동적으로 생성하기 위한 개선된 방법 및 시스템이 필요하다.
본 개시의 한 양상은 자동화된 아웃바운드 프로파일을 생성하기 위한 컴퓨터-구현 시스템에 관한 것이다. 시스템은, 적어도 하나의 프로세서; 적어도 하나의 데이터베이스; 적어도 하나의 프로세서에 의해 실행될 때, 다음을 포함하는 단계를 수행하는 명령들을 포함하는 메모리를 포함하고; 단계는 풀필먼트 센터(FC)의 역량을 포함하는 데이터를 수신하고; FC로 들어오는 복수의 제품과 연관된 복수의 제품 식별자를 수신하며; 제품 식별자를 이용하여 FC에서 복수의 제품에 대한 트랜잭션 로그를 주기적으로 수집 및 저장하며; 제품 식별자를 이용하여 FC에 저장된 복수의 제품에 대한 현재 재고를 결정하며; 적어도 하나의 트랜잭션 로그 및 현재 재고를 이용하여 FC에 대한 아웃바운드 프로파일을, 머신 러닝 알고리즘을 이용하여, 생성하며, - 아웃바운드 프로파일은 복수의 카테고리의 제품에 대해 예상 아웃고잉 제품의 백분율을 포함함 - 그리고 아웃바운드 프로파일을 FC의 실제 아웃바운드 역량과 비교하여 FC의 생성된 아웃바운드 프로파일을 이용하여 네트워크 아웃바운드를 관리하는 것을 포함할 수 있다.
본 개시의 다른 양상은 자동화된 아웃바운드 프로파일을 생성하기 위한 컴퓨터-구현 방법에 관한 것이다. 방법은, 풀필먼트 센터(FC)의 역량을 포함하는 데이터를 수신하고; FC로 들어오는 모든 제품과 연관된 제품 식별자를 수신하고; 제품 식별자를 이용하여 FC에서 모든 제품에 대한 트랜잭션 로그를 주기적으로 수집 및 저장하고; FC에 대한 과거 트랜잭션 로그를 검색하고; 제품 식별자를 이용하여 FC에서 모든 제품에 대한 현재 재고를 결정하고; 트랜잭션 로그 및 현재 재고 중 적어도 하나를 이용하여 FC에 대한 아웃바운드 프로파일을, 머신 러닝 알고리즘을 이용하여, 생성하는 것을 포함할 수 있다.
본 개시의 또 다른 양상은 복수의 자동화된 아웃바운드 프로파일을 생성하기 위한 컴퓨터-구현 시스템에 관한 것이다. 시스템은, 적어도 하나의 프로세서; 적어도 하나의 데이터베이스; 적어도 하나의 프로세서에 의해 실행될 때, 다음을 포함하는 단계를 수행하는 명령들을 포함하는 메모리를 포함하고, 단계는 풀필먼트 센터(FC)의 역량을 포함하는 데이터를 수신하고; FC로 들어오는 복수의 제품과 연관된 복수의 제품 식별자를 수신하며; 제품 식별자를 이용하여 FC에서 복수의 제품에 대한 트랜잭션 로그를 주기적으로 수집 및 저장하며; 제품 식별자를 이용하여 FC에 저장된 복수의 제품에 대한 현재 재고를 결정하며; 복수의 FC로부터의 복수의 트랜잭션 로그 및 현재 재고를 데이터베이스에 저장하며, - 복수의 트랜잭션 로그 및 현재 재고는 트랜잭션 데이터를 포함함 -; 트랜잭션 데이터를 트레이닝 데이터 세트와 검증 데이터 세트로 나누며, - 트레이닝 데이터 세트는 검증 데이터 세트보다 많은 데이터를 가짐 -; 머신 러닝 알고리즘을 이용하여, 트레이닝 데이터 세트에 기초하여 예측 모델 생성하며; 검증 데이터 세트를 이용하여 예측 모델을 검증하며; 그리고 관련 트랜잭션 로그 및 현재 재고에 예측 모델을 적용하여 FC에 대한 아웃바운드 프로파일을 생성하며, - 아웃바운드 프로파일은 복수의 카테고리의 제품에 대해 예상 아웃고잉 제품의 백분율을 포함함 -; 그리고 아웃바운드 프로파일을 FC의 실제 아웃바운드 역량과 비교하여 FC의 생성된 아웃바운드 프로파일을 이용하여 네트워크 아웃바운드를 관리하는 것을 포함할 수 있다.
본 개시의 또 다른 양상은 복수의 자동화된 아웃바운드 프로파일을 생성하기 위한 컴퓨터-구현 시스템에 관한 것이다. 시스템은, 적어도 하나의 프로세서; 적어도 하나의 데이터베이스; 및 적어도 하나의 프로세서에 의해 실행될 때, 다음을 포함하는 단계를 수행하는 명령을 포함하는 메모리를 포함하고, 단계는 복수의 제품 식별자와 연관된 트랜잭션 데이터를 데이터베이스에 저장하고; 복수의 제품 식별자를 이용하여 풀필먼트 센터(FC)에 저장된 복수의 제품에 대한 현재 재고를 결정하고; 머신 러닝 알고리즘을 이용하여, 트랜잭션 데이터에 기초하여 예측 모델 생성하고; 예측 모델을 이용하여, FC의 아웃바운드 역량의 프로파일을 생성하고; 생성된 FC의 아웃바운드 역량의 프로파일을 FC의 아웃바운드 역량의 실제 프로파일과 비교하고; 비교에 기초하여, 예상 아웃바운드 수요가 FC의 실제 역량을 초과할 것인지 결정하고; 그리고 예상 아웃바운드 수요가 FC의 실제 역량을 초과할 것이라는 결정에 기초하여 원격 디바이스에 통지를 전송하는 것을 포함할 수 있다.
본 개시의 또 다른 양상은 복수의 자동화된 아웃바운드 프로파일을 생성하기 위한 컴퓨터-구현 방법에 관한 것이다. 방법은, 복수의 제품 식별자와 연관된 트랜잭션 데이터를 데이터베이스에 저장하고; 복수의 제품 식별자를 이용하여 풀필먼트 센터(FC)에 저장된 복수의 제품에 대한 현재 재고를 결정하고; 머신 러닝 알고리즘을 이용하여, 트랜잭션 데이터에 기초하여 예측 모델 생성하고; 예측 모델을 이용하여, FC의 아웃바운드 역량의 프로파일을 생성하고; 생성된 FC의 아웃바운드 역량의 프로파일을 FC의 아웃바운드 역량의 실제 프로파일과 비교하고; 비교에 기초하여, 예상 아웃바운드 수요가 FC의 실제 역량을 초과할 것인지 결정하고; 그리고 예상 아웃바운드 수요가 FC의 실제 역량을 초과할 것이라는 결정에 기초하여 원격 디바이스에 통지를 전송하는 것을 포함할 수 있다.
본 개시의 또 다른 양상은 복수의 자동화된 아웃바운드 프로파일을 생성하기 위한 컴퓨터-구현 방법에 관한 것이다. 방법은, 적어도 하나의 프로세서; 적어도 하나의 데이터베이스; 및 적어도 하나의 프로세서에 의해 실행될 때, 다음을 포함하는 단계를 수행하는 명령을 포함하는 메모리를 포함하고, 단계는 풀필먼트 센터(FC)의 역량을 포함하는 데이터를 수신하고; FC로 들어오는 복수의 제품과 연관된 복수의 제품 식별자를 수신하며; 제품 식별자를 이용하여 FC에서 복수의 제품에 대한 트랜잭션 로그를 주기적으로 수집 및 저장하며; 제품 식별자를 이용하여 FC에 저장된 복수의 제품에 대한 현재 재고를 결정하며; 복수의 FC로부터의 복수의 트랜잭션 로그 및 현재 재고를 데이터베이스에 저장하며, - 복수의 트랜잭션 로그 및 현재 재고는 트랜잭션 데이터를 포함함 -; 트랜잭션 데이터를 트레이닝 데이터 세트와 검증 데이터 세트로 나누며, - 트레이닝 데이터 세트는 검증 데이터 세트보다 많은 데이터를 가짐 -; 머신 러닝 알고리즘을 이용하여, 트레이닝 데이터 세트에 기초하여 예측 모델을 생성하며; 검증 데이터 세트를 이용하여 예측 모델을 검증하며; FC와 연관된 트랜잭션 로그 및 현재 재고에 예측 모델을 적용하여 FC에 대한 아웃바운드 역량의 프로파일을 생성하며, - 생성된 FC의 아웃바운드 역량의 프로파일은 복수의 카테고리의 제품에 대해 특정 기간 동안 판매될 것으로 예상되는 아웃고잉 제품의 예상 백분율을 포함함 -; 그리고 생성된 FC의 아웃바운드 역량의 프로파일을 FC의 실제 아웃바운드 역량과 비교하여 생성된 FC의 아웃바운드 역량의 프로파일을 이용하여 네트워크 아웃바운드를 관리하는 것을 포함할 수 있다.
다른 시스템들, 방법들 및 컴퓨터-판독 가능한 매체도 본 명세서에서 논의된다.
도 1a는 개시된 실시예에 따른, 배송, 운송, 및 물류 운영을 가능하게 하는 통신을 위한 컴퓨터 시스템을 포함하는 네트워크의 예시적인 실시예를 나타낸 개략적인 블록도이다.
도 1b는 개시된 실시예에 따른, 상호 동작 사용자 인터페이스 요소에 따라 검색 요청을 만족시키는 하나 이상의 검색 결과를 포함하는 검색 결과 페이지(SRP; Search Result Page)의 샘플을 나타낸 도면이다.
도 1c는 개시된 실시예에 따른, 상호 동작 사용자 인터페이스 요소에 따라 제품 및 제품에 대한 정보를 포함하는 싱글 디스플레이 페이지(SDP; Single Display Page)의 샘플을 나타낸 도면이다.
도 1d는 개시된 실시예에 따른, 상호 동작 사용자 인터페이스 요소에 따라 가상의 쇼핑 장바구니에 아이템을 포함하는 장바구니 페이지의 샘플을 나타낸 도면이다.
도 1e는 개시된 실시예에 따른, 상호 동작 사용자 인터페이스 요소에 따라, 가상의 쇼핑 장바구니로부터 구매 및 배송에 관한 정보에 따른 아이템을 포함하는 주문 페이지의 샘플을 나타낸 도면이다.
도 2는 개시된 실시예에 따른, 개시된 컴퓨터 시스템을 활용하도록 구성된 예시적인 풀필먼트 센터의 개략적인 도면이다.
도 3은 개시된 실시예에 따른, 제품 재고를 최적의 수준으로 유지하기 위한 컴퓨터화된 시스템을 포함하는 네트워크화된 환경의 예시적인 실시예를 도시하는 개략적인 블록도이다.
도 4는 개시된 실시예에 따른, 하나 이상의 풀필먼트 센터에 대한 아웃바운드 프로파일의 지능적인 자동화된 생성을 위한 예시적인 컴퓨터화된 프로세스의 흐름도이다.
도 5는 개시된 실시예에 따른, 아웃바운드 프로파일에 기초하여 재고 수준을 관리하기 위해 사용될 수 있는 예시적인 프로세스 및/또는 로직의 흐름도이다.
이어서 첨부된 도면을 참조하여 자세하게 설명된다. 가능하면, 도면 및 상세한 설명에서 같은 참조 부호가 같거나 유사한 부분을 참조하도록 사용된다. 여기에 몇몇 예시적인 실시예가 설명되지만, 변경, 조정 및 다른 구현도 가능하다. 예를 들면, 도면 내의 구성 및 스텝에 대해 교체, 추가, 또는 변경이 이루어질 수 있고, 여기에 설명된 예시적인 방법은 개시된 방법에 대해 스텝을 교체, 순서 변경, 제거 또는 추가함으로써 변경될 수 있다. 따라서, 다음의 자세한 설명은 개시된 실시예 및 예시로 제한되는 것은 아니다. 대신에 본 발명의 적절한 범위는 청구범위에 의해 규정된다.
본 개시의 실시예들은 그것들의 아웃바운드 역량을 정확하게 나타내는 프로파일을 생성하기 위해 풀필먼트 센터에서의 과거 배송 데이터에 머신-러닝 방법을 적용하도록 구성된 시스템 및 방법에 관한 것이다.
도 1a를 참조하면, 배송, 운송 및 물류 운영을 가능하게 하는 통신을 위한 컴퓨터 시스템을 포함하는 예시적인 시스템의 실시예를 나타낸 개략적인 블록도(100)가 도시되어 있다. 도 1a에 나타낸 바와 같이, 시스템(100)은 다양한 시스템을 포함할 수 있으며, 이들 각각은 하나 이상의 네트워크를 통해 서로 연결될 수 있다. 시스템은 (예를 들어, 케이블을 사용한) 직접 연결을 통해 서로 연결될 수 있다. 도시된 시스템은 배송 기관 기술(shipment authority technology, SAT) 시스템(101), 외부 프론트 엔드 시스템(103), 내부 프론트 엔드 시스템(105), 운송 시스템(107), 모바일 디바이스(107A, 107B, 107C), 판매자 포털(109), 배송 및 주문 트래킹(shipment and order tracking, SOT) 시스템(111), 풀필먼트 최적화(fulfillment optimization, FO) 시스템(113), 풀필먼트 메시징 게이트웨이(fulfillment messaging gateway, FMG)(115), 공급 체인 관리(supply chain management, SCM) 시스템(117), 창고 관리 시스템(119), 모바일 디바이스(119A, 119B, 119C)(풀필먼트 센터(fulfillment center, FC)(200) 내부에 있는 것으로 도시됨), 제3자 풀필먼트 시스템(121A, 121B, 121C), 풀필먼트 센터 인증 시스템(fulfillment center authorization system, FC Auth)(123), 및 노동 관리 시스템(labor management system, LMS)(125)을 포함한다.
일부 실시예에서, SAT 시스템(101)은 주문 상태와 배달 상태를 모니터링하는 컴퓨터 시스템으로서 구현될 수 있다. 예를 들면, SAT 시스템(101)은 주문이 약속된 배달 날짜(Promised Delivery Date, PDD)를 지났는지를 결정할 수 있고, 새로운 주문을 개시시키고, 배달되지 않은 주문의 아이템을 다시 배송하며, 배달되지 않은 주문을 취소하고, 주문 고객과 연락을 시작하는 것 등을 포함하는 적합한 조치를 취할 수 있다. SAT 시스템(101)은 또한, (특정 기간 동안 배송된 패키지의 개수와 같은) 출력, 및 (배송시 사용하기 위해 수신된 빈 카드보드 박스의 개수와 같은) 입력을 포함하는 다른 데이터를 감시할 수 있다. SAT 시스템(101)은 또한, 외부 프론트 엔드 시스템(103) 및 FO 시스템(113)과 같은 장치들 간의 (예를 들면, 저장 전달(store-and-forward) 또는 다른 기술을 사용하는) 통신을 가능하게 하는 시스템(100) 내의 상이한 장치들 사이의 게이트웨이로서 동작할 수 있다.
일부 실시예에서, 외부 프론트 엔드 시스템(103)은 외부 사용자가 시스템(100) 내의 하나 이상의 시스템과 상호 동작할 수 있게 하는 컴퓨터 시스템으로서 구현될 수 있다. 예를 들면, 시스템(100)이 시스템의 프레젠테이션을 가능하게 하여 사용자가 아이템에 대한 주문을 할 수 있도록 하는 실시예에서, 외부 프론트 엔드 시스템(103)은 검색 요청을 수신하고, 아이템 페이지를 제시하며, 결제 정보를 요청하는 웹 서버로서 구현될 수 있다. 예를 들면, 외부 프론트 엔드 시스템(103)은 Apache HTTP 서버, Microsoft Internet Information Services(IIS), NGINX 등과 같은 소프트웨어를 실행하는 컴퓨터 또는 컴퓨터들로서 구현될 수 있다. 다른 실시예에서, 외부 프론트 엔드 시스템(103)은 외부 디바이스(예를 들어, 모바일 디바이스(102A) 또는 컴퓨터(102B))로부터 요청을 수신 및 처리하고, 이들 요청에 기초하여 데이터베이스 및 다른 데이터 저장 장치로부터 정보를 획득하며, 획득한 정보에 기초하여 수신된 요청에 대한 응답을 제공하도록 설계된 커스텀 웹 서버 소프트웨어를 실행할 수 있다.
일부 실시예에서, 외부 프론트 엔드 시스템(103)은 웹 캐싱 시스템, 데이터베이스, 검색 시스템, 또는 결제 시스템 중 하나 이상을 포함할 수 있다. 일 양상에서, 외부 프론트 엔드 시스템(103)은 이들 시스템 중 하나 이상을 포함할 수 있는 반면, 다른 양상에서는 외부 프론트 엔드 시스템(103)은 이들 시스템 중 하나 이상에 연결된 인터페이스(예를 들면, 서버 대 서버, 데이터베이스 대 데이터베이스, 또는 다른 네트워크 연결)를 포함할 수 있다.
도 1b, 1c, 1d 및 1e에 의해 나타낸 단계들의 예시적인 세트는 외부 프론트 엔드 시스템(103)의 일부 동작을 설명하는 것에 도움이 될 것이다. 외부 프론트 엔드 시스템(103)은 프레젠테이션 및/또는 디스플레이를 위해 시스템(100) 내의 시스템 또는 디바이스로부터 정보를 수신할 수 있다. 예를 들면, 외부 프론트 엔드 시스템(103)은 검색 결과 페이지(Search Result Page, SRP)(예를 들면, 도 1b), 싱글 디테일 페이지(Single Detail Page, SDP)(예를 들면, 도 1c), 장바구니 페이지(Cart page)(예를 들면, 도 1d), 또는 주문 페이지(예를 들면, 도 1e)를 포함하는 하나 이상의 웹페이지를 호스팅하거나 제공할 수 있다. (예를 들면, 모바일 디바이스(102A) 또는 컴퓨터(102B)를 사용하는) 사용자 디바이스는 외부 프론트 엔드 시스템(103)으로 이동하고 검색 박스에 정보를 입력함으로써 검색을 요청할 수 있다. 외부 프론트 엔드 시스템(103)은 시스템(100) 내의 하나 이상의 시스템으로부터 정보를 요청할 수 있다. 예를 들면, 외부 프론트 엔드 시스템(103)은 FO 시스템(113)으로부터 검색 요청을 만족하는 정보를 요청할 수 있다. 외부 프론트 엔드 시스템(103)은 또한, (FO 시스템(113)으로부터) 검색 결과에 포함된 각 제품에 대한 약속된 배달 날짜(Promised Delivery Date) 또는 "PDD"를 요청하고 수신할 수 있다. 일부 실시예에서, PDD는 제품이 들어있는 패키지가 특정 기간 이내, 예를 들면, 하루의 끝(PM 11:59)까지 주문되면 언제 사용자가 원하는 장소에 도착할 것인지에 대한 추정 또는 제품이 사용자가 원하는 장소에 배달될 약속된 날짜를 나타낼 수 있다(PDD는 FO 시스템(113)과 관련하여 이하에서 더 논의된다).
외부 프론트 엔드 시스템(103)은 정보에 기초하여 SRP(예를 들면, 도 1b)를 준비할 수 있다. SRP는 검색 요청을 만족하는 정보를 포함할 수 있다. 예를 들면, 이는 검색 요청을 만족하는 제품의 사진을 포함할 수 있다. SRP는 또한, 각 제품에 대한 각각의 가격, 또는 각 제품, PDD, 무게, 크기, 오퍼(offer), 할인 등에 대한 개선된 배달 옵션에 관한 정보를 포함할 수 있다. 외부 프론트 엔드 시스템(103)은 (예를 들면, 네트워크를 통해) SRP를 요청 사용자 디바이스로 전송할 수 있다.
사용자 디바이스는 SRP에 나타낸 제품을 선택하기 위해, 예를 들면, 사용자 인터페이스를 클릭 또는 탭핑하거나, 다른 입력 디바이스를 사용하여 SRP로부터 제품을 선택할 수 있다. 사용자 디바이스는 선택된 제품에 관한 정보에 대한 요청을 만들어 내고 이를 외부 프론트 엔드 시스템(103)으로 전송할 수 있다. 이에 응답하여, 외부 프론트 엔드 시스템(103)은 선택된 제품에 관한 정보를 요청할 수 있다. 예를 들면, 정보는 각각의 SRP 상에 제품에 대해 제시된 것 이상의 추가 정보를 포함할 수 있다. 이는, 예를 들면, 유통 기한, 원산지, 무게, 크기, 패키지 내의 아이템 개수, 취급 지침, 또는 제품에 대한 다른 정보를 포함할 수 있다. 정보는 또한, (예를 들면, 이 제품 및 적어도 하나의 다른 제품을 구입한 고객의 빅 데이터 및/또는 기계 학습 분석에 기초한) 유사한 제품에 대한 추천, 자주 묻는 질문에 대한 답변, 고객의 후기, 제조 업체 정보, 사진 등을 포함할 수 있다.
외부 프론트 엔드 시스템(103)은 수신된 제품 정보에 기초하여 SDP(Single Detail Page)(예를 들면, 도 1c)를 준비할 수 있다. SDP는 또한, "지금 구매(Buy Now)" 버튼, "장바구니에 추가(Add to Cart)" 버튼, 수량 필드, 아이템 사진 등과 같은 다른 상호 동작 요소를 포함할 수 있다. SDP는 제품을 오퍼하는 판매자의 리스트를 포함할 수 있다. 이 리스트는 최저가로 제품을 판매하는 것으로 오퍼하는 판매자가 리스트의 최상단에 위치하도록, 각 판매자가 오퍼한 가격에 기초하여 순서가 정해질 수 있다. 이 리스트는 또한 최고 순위 판매자가 리스트의 최상단에 위치하도록, 판매자 순위에 기초하여 순서가 정해질 수 있다. 판매자 순위는, 예를 들어, 약속된 PPD를 지켰는지에 대한 판매자의 과거 추적 기록을 포함하는, 복수의 인자에 기초하여 만들어질 수 있다. 외부 프론트 엔드 시스템(103)은 (예를 들면, 네트워크를 통해) SDP를 요청 사용자 디바이스로 전달할 수 있다.
요청 사용자 디바이스는 제품 정보를 나열하는 SDP를 수신할 수 있다. SDP를 수신하면, 사용자 디바이스는 SDP와 상호 동작할 수 있다. 예를 들면, 요청 사용자 디바이스의 사용자는 SDP의 "장바구니에 담기(Place in Cart)" 버튼을 클릭하거나, 이와 상호 동작할 수 있다. 이렇게 하면 사용자와 연계된 쇼핑 장바구니에 제품이 추가된다. 사용자 디바이스는 제품을 쇼핑 장바구니에 추가하기 위해 외부 프론트 엔드 시스템(103)으로 이러한 요청을 전송할 수 있다.
외부 프론트 엔드 시스템(103)은 장바구니 페이지(예를 들면, 도 1d)를 생성할 수 있다. 일부 실시예에서, 장바구니 페이지는 사용자가 가상의 "쇼핑 장바구니(shopping cart)"에 추가한 제품을 나열한다. 사용자 디바이스는 SRP, SDP, 또는 다른 페이지의 아이콘을 클릭하거나, 상호 동작함으로써 장바구니 페이지를 요청할 수 있다. 일부 실시예에서, 장바구니 페이지는 사용자가 장바구니에 추가한 모든 제품 뿐 아니라 각 제품의 수량, 각 제품의 품목당 가격, 관련 수량에 기초한 각 제품의 가격, PDD에 관한 정보, 배달 방법, 배송 비용, 쇼핑 장바구니의 제품을 수정(예를 들면, 수량의 삭제 또는 수정)하기 위한 사용자 인터페이스 요소, 다른 제품의 주문 또는 제품의 정기적인 배달 설정에 대한 옵션, 할부(interest payment) 설정에 대한 옵션, 구매를 진행하기 위한 사용자 인터페이스 요소 등과 같은 장바구니의 제품에 관한 정보를 나열할 수 있다. 사용자 디바이스의 사용자는 쇼핑 장바구니에 있는 제품의 구매를 시작하기 위해 사용자 인터페이스 요소(예를 들면, "지금 구매(Buy Now)"라고 적혀있는 버튼)를 클릭하거나, 이와 상호 동작할 수 있다. 그렇게 하면, 사용자 디바이스는 구매를 시작하기 위해 이러한 요청을 외부 프론트 엔드 시스템(103)으로 전송할 수 있다.
외부 프론트 엔드 시스템(103)은 구매를 시작하는 요청을 수신하는 것에 응답하여 주문 페이지(예를 들면, 도 1e)를 생성할 수 있다. 일부 실시예에서, 주문 페이지는 쇼핑 장바구니로부터의 아이템을 재나열하고, 결제 및 배송 정보의 입력을 요청한다. 예를 들면, 주문 페이지는 쇼핑 장바구니의 아이템 구매자에 관한 정보(예를 들면, 이름, 주소, 이메일 주소, 전화번호), 수령인에 관한 정보(예를 들면, 이름, 주소, 전화번호, 배달 정보), 배송 정보(예를 들면, 배달 및/또는 픽업 속도/방법), 결제 정보(예를 들면, 신용 카드, 은행 송금, 수표, 저장된 크레딧), 현금 영수증을 요청하는 사용자 인터페이스 요소(예를 들면, 세금 목적) 등을 요청하는 섹션을 포함할 수 있다. 외부 프론트 엔드 시스템(103)은 사용자 디바이스에 주문 페이지를 전송할 수 있다.
사용자 디바이스는 주문 페이지에 정보를 입력하고 외부 프론트 엔드 시스템(103)으로 정보를 전송하는 사용자 인터페이스 요소를 클릭하거나, 상호 동작할 수 있다. 그로부터, 외부 프론트 엔드 시스템(103)은 정보를 시스템(100) 내의 다른 시스템으로 전송하여 쇼핑 장바구니의 제품으로 새로운 주문을 생성하고 처리할 수 있도록 한다.
일부 실시예에서, 외부 프론트 엔드 시스템(103)은 판매자가 주문과 관련된 정보를 전송 및 수신할 수 있도록 추가로 구성될 수 있다.
일부 실시예에서, 내부 프론트 엔드 시스템(105)은 내부 사용자(예를 들면, 시스템(100)을 소유, 운영 또는 임대하는 조직의 직원)가 시스템(100) 내의 하나 이상의 시스템과 상호작용할 수 있게 하는 컴퓨터 시스템으로서 구현될 수 있다. 예를 들면, 시스템(100)이 사용자가 아이템에 대한 주문을 할 수 있게 하는 시스템의 프레젠테이션을 가능하게 하는 실시예에서, 내부 프론트 엔드 시스템(105)은 내부 사용자가 주문에 대한 진단 및 통계 정보를 볼 수 있게 하고, 아이템 정보를 수정하며, 또는 주문에 대한 통계를 검토할 수 있게 하는 웹 서버로서 구현될 수 있다. 예를 들면, 내부 프론트 엔드 시스템(105)은 Apache HTTP 서버, Microsoft Internet Information Services(IIS), NGINX 등과 같은 소프트웨어를 실행하는 컴퓨터 또는 컴퓨터들로서 구현될 수 있다. 다른 실시예에서, 내부 프론트 엔드 시스템(105)은 (도시되지 않은 다른 디바이스뿐 아니라) 시스템(100) 내에 나타낸 시스템 또는 디바이스로부터 요청을 수신 및 처리하고, 그러한 요청에 기초하여 데이터베이스 및 다른 데이터 저장 장치로부터 정보를 획득하며, 획득한 정보에 기초하여 수신된 요청에 대한 응답을 제공하도록 (설계된 커스텀 웹 서버 소프트웨어를 실행)할 수 있다.
일부 실시예에서, 내부 프론트 엔드 시스템(105)은 웹 캐싱 시스템, 데이터베이스, 검색 시스템, 결제 시스템, 분석 시스템, 주문 모니터링 시스템 등 중 하나 이상을 포함할 수 있다. 일 양상에서, 내부 프론트 엔드 시스템(105)은 이들 시스템 중 하나 이상을 포함할 수 있는 반면, 다른 양상에서는 내부 프론트 엔드 시스템(105)은 이들 시스템 중 하나 이상에 연결된 인터페이스(예를 들면, 서버 대 서버, 데이터베이스 대 데이터베이스, 또는 다른 네트워크 연결)를 포함할 수 있다.
일부 실시예에서, 운송 시스템(107)은 시스템(100) 내의 시스템 또는 디바이스와 모바일 디바이스(107A-107C) 간의 통신을 가능하게 하는 컴퓨터 시스템으로서 구현될 수 있다. 일부 실시예에서, 운송 시스템(107)은 하나 이상의 모바일 디바이스(107A-107C)(예를 들면, 휴대 전화, 스마트폰, PDA 등)로부터 정보를 수신할 수 있다. 예를 들면, 일부 실시예에서, 모바일 디바이스(107A-107C)는 배달원에 의해 동작되는 디바이스를 포함할 수 있다. 정규직, 임시적 또는 교대 근무일 수 있는 배달원은 사용자에 의해 주문된 제품들이 들어 있는 패키지의 배달을 위해 모바일 디바이스(107A-107C)를 이용할 수 있다. 예를 들면, 패키지를 배달하기 위해, 배달원은 배달할 패키지와 배달할 위치를 나타내는 모바일 디바이스 상의 알림을 수신할 수 있다. 배달 장소에 도착하면, 배달원은 (예를 들면, 트럭의 뒤나 패키지의 크레이트에) 패키지를 둘 수 있고, 모바일 디바이스를 사용하여 패키지 상의 식별자와 관련된 데이터(예를 들면, 바코드, 이미지, 텍스트 문자열, RFID 태그 등)를 스캔하거나, 캡처하며, (예를 들면, 현관문에 놓거나, 경비원에게 맡기거나, 수령인에게 전달하는 것 등에 의해) 패키지를 배달할 수 있다. 일부 실시예에서, 배달원은 모바일 디바이스를 사용하여 패키지의 사진(들)을 찍거나 및/또는 서명을 받을 수 있다. 모바일 디바이스는, 예를 들면, 시간, 날짜, GPS 위치, 사진(들), 배달원에 관련된 식별자, 모바일 디바이스에 관련된 식별자 등을 포함하는 배달에 관한 정보를 포함하는 정보를 운송 시스템(107)에 전송할 수 있다. 운송 시스템(107)은 시스템(100) 내의 다른 시스템에 의한 접근을 위해 데이터베이스(미도시)에 이러한 정보를 저장할 수 있다. 일부 실시예에서, 운송 시스템(107)은 다른 시스템에 특정 패키지의 위치를 나타내는 트래킹 데이터를 준비 및 전송하기 위해 이러한 정보를 사용할 수 있다.
일부 실시예에서, 특정 사용자는, 한 종류의 모바일 디바이스를 사용할 수 있는 반면(예를 들면, 정규 직원은 바코드 스캐너, 스타일러스 및 다른 장치와 같은 커스텀 하드웨어를 갖는 전문 PDA를 사용할 수 있음), 다른 사용자는 다른 종류의 모바일 디바이스를 사용할 수 있다(예를 들면, 임시 또는 교대 근무 직원이 기성 휴대 전화 및/또는 스마트폰을 사용할 수 있음).
일부 실시예에서, 운송 시스템(107)은 사용자를 각각의 디바이스와 연관시킬 수 있다. 예를 들면, 운송 시스템(107)은 사용자(예를 들면, 사용자 식별자, 직원 식별자, 또는 전화번호에 의해 표현됨)와 모바일 디바이스(예를 들면, International Mobile Equipment Identity(IMEI), International Mobile Subscription Identifier(IMSI), 전화번호, Universal Unique Identifier(UUID), 또는 Globally Unique Identifier(GUID)에 의해 표현됨) 간의 연관성(association)을 저장할 수 있다. 운송 시스템(107)은, 다른 것들 중에 작업자의 위치, 작업자의 효율성, 또는 작업자의 속도를 결정하기 위해 데이터베이스에 저장된 데이터를 분석하기 위해 배달시 수신되는 데이터와 관련하여 이러한 연관성을 사용할 수 있다.
일부 실시예에서, 판매자 포털(109)은 판매자 또는 다른 외부 엔터티(entity)가 시스템(100) 내의 하나 이상의 시스템과 전자 통신할 수 있게 하는 컴퓨터 시스템으로서 구현될 수 있다. 예를 들면, 판매자는 판매자 포털(109)을 사용하여 시스템(100)을 통해 판매하고자 하는 제품에 대하여, 제품 정보, 주문 정보, 연락처 정보 등을 업로드하거나 제공하는 컴퓨터 시스템(미도시)을 이용할 수 있다.
일부 실시예에서, 배송 및 주문 트래킹 시스템(111)은 고객(예를 들면, 디바이스(102A-102B)를 사용하는 사용자)에 의해 주문된 제품들이 들어 있는 패키지의 위치에 관한 정보를 수신, 저장 및 포워딩하는 컴퓨터 시스템으로서 구현될 수 있다. 일부 실시예에서, 배송 및 주문 트래킹 시스템(111)은 고객에 의해 주문된 제품들이 들어 있는 패키지를 배달하는 배송 회사에 의해 운영되는 웹 서버(미도시)로부터 정보를 요청하거나 저장할 수 있다.
일부 실시예에서, 배송 및 주문 트래킹 시스템(111)은 시스템(100)에 나타낸 시스템들로부터 정보를 요청하고 저장할 수 있다. 예를 들면, 배송 및 주문 트래킹 시스템(111)은 운송 시스템(107)으로부터 정보를 요청할 수 있다. 전술한 바와 같이, 운송 시스템(107)은 사용자(예를 들면, 배달원) 또는 차량(예를 들면, 배달 트럭) 중 하나 이상과 연관된 하나 이상의 모바일 디바이스(107A-107C)(예를 들면, 휴대 전화, 스마트폰, PDA 등)로부터 정보를 수신할 수 있다. 일부 실시예에서, 배송 및 주문 트래킹 시스템(111)은 또한, 풀필먼트 센터(예를 들면, 풀필먼트 센터(200)) 내부의 개별 제품의 위치를 결정하기 위해 창고 관리 시스템(WMS)(119)으로부터 정보를 요청할 수 있다. 배송 및 주문 트래킹 시스템(111)은 운송 시스템(107) 또는 WMS(119) 중 하나 이상으로부터 데이터를 요청하고, 이를 처리하며, 요청시 디바이스(예를 들면, 사용자 디바이스(102A, 102B))로 제공할 수 있다.
일부 실시예에서, 풀필먼트 최적화(FO) 시스템(113)은 다른 시스템(예를 들면, 외부 프론트 엔드 시스템(103) 및/또는 배송 및 주문 트래킹 시스템(111))으로부터의 고객 주문에 대한 정보를 저장하는 컴퓨터 시스템으로서 구현될 수 있다. FO 시스템(113)은 또한, 특정 아이템이 유지 또는 저장되는 곳을 나타내는 정보를 저장할 수 있다. 예를 들면, 소정 아이템은 하나의 풀필먼트 센터에만 저장될 수 있는 반면, 소정 다른 아이템은 다수의 풀필먼트 센터에 저장될 수 있다. 또 다른 실시예에서, 특정 풀필먼트 센터는 아이템의 특정 세트(예를 들면, 신선한 농산물 또는 냉동 제품)만을 저장하도록 구성될 수 있다. FO 시스템(113)은 이러한 정보뿐 아니라 관련 정보(예를 들면, 수량, 크기, 수령 날짜, 유통 기한 등)를 저장한다.
FO 시스템(113)은 또한, 각 제품에 대해 대응하는 PDD(약속된 배달 날짜)를 계산할 수 있다. 일부 실시예에서, PDD는 하나 이상의 요소에 기초할 수 있다. 예를 들면, FO 시스템(113)은 제품에 대한 과거 수요(예를 들면, 그 제품이 일정 기간 동안 얼마나 주문되었는지), 제품에 대한 예측된 수요(예를 들면, 얼마나 많은 고객이 다가오는 기간 동안 제품을 주문할 것으로 예상되는지), 일정 기간 동안 얼마나 많은 제품이 주문되었는지를 나타내는 네트워크 전반의 과거 수요, 다가오는 기간 동안 얼마나 많은 제품이 주문될 것으로 예상되는지를 나타내는 네트워크 전반의 예측된 수요, 각각의 제품을 저장하는 각 풀필먼트 센터(200)에 저장된 제품의 하나 이상의 개수, 그 제품에 대한 예상 또는 현재 주문 등에 기초하여 제품에 대한 PDD를 계산할 수 있다.
일부 실시예에서, FO 시스템(113)은 주기적으로(예를 들면, 시간별로) 각 제품에 대한 PDD를 결정하고, 검색하거나 다른 시스템(예를 들면, 외부 프론트 엔드 시스템(103), SAT 시스템(101), 배송 및 주문 트래킹 시스템(111))으로 전송하기 위해 이를 데이터베이스에 저장할 수 있다. 다른 실시예에서, FO 시스템(113)은 하나 이상의 시스템(예를 들면, 외부 프론트 엔드 시스템(103), SAT 시스템(101), 배송 및 주문 트래킹 시스템(111))으로부터 전자 요청을 수신하고 요구에 따라 PDD를 계산할 수 있다.
일부 실시예에서, 풀필먼트 메시징 게이트웨이(FMG)(115)는 FO 시스템(113)과 같은 시스템(100) 내의 하나 이상의 시스템으로부터 하나의 포맷 또는 프로토콜로 요청 또는 응답을 수신하고, 그것을 다른 포맷 또는 프로토콜로 변환하여, 변환된 포맷 또는 프로토콜로 된 요청 또는 응답을 WMS(119) 또는 제3자 풀필먼트 시스템(121A, 121B, 또는 121C)과 같은 다른 시스템에 포워딩하며, 반대의 경우도 가능한 컴퓨터 시스템으로서 구현될 수 있다.
일부 실시예에서, 공급 체인 관리(SCM) 시스템(117)은 예측 기능을 수행하는 컴퓨터 시스템으로서 구현될 수 있다. 예를 들면, SCM 시스템(117)은, 예를 들어 제품에 대한 과거 수요, 제품에 대한 예측된 수요, 네트워크 전반의 과거 수요, 네트워크 전반의 예측된 수요, 각각의 풀필먼트 센터(200)에 저장된 제품 개수, 각 제품에 대한 예상 또는 현재 주문 등에 기초하여, 특정 제품에 대한 수요의 수준을 예측할 수 있다. 이러한 예측된 수준과 모든 풀필먼트 센터를 통한 각 제품의 수량에 응답하여, SCM 시스템(117)은 특정 제품에 대한 예측된 수요를 만족시키기에 충분한 양을 구매 및 비축하기 위한 하나 이상의 구매 주문을 생성할 수 있다.
일부 실시예에서, 창고 관리 시스템(WMS)(119)은 작업 흐름을 모니터링하는 컴퓨터 시스템으로서 구현될 수 있다. 예를 들면, WMS(119)는 개개의 디바이스(예를 들면, 디바이스(107A-107C 또는 119A-119C))로부터 개별 이벤트를 나타내는 이벤트 데이터를 수신할 수 있다. 예를 들면, WMS(119)는 패키지를 스캔하기 위해 이들 디바이스 중 하나를 사용한 것을 나타내는 이벤트 데이터를 수신할 수 있다. 풀필먼트 센터(200) 및 도 2에 관하여 이하에서 논의되는 바와 같이, 풀필먼트 프로세스 동안, 패키지 식별자(예를 들면, 바코드 또는 RFID 태그 데이터)는 특정 스테이지의 기계(예를 들면, 자동 또는 핸드헬드 바코드 스캐너, RFID 판독기, 고속 카메라, 태블릿(119A), 모바일 디바이스/PDA(119B), 컴퓨터(119C)와 같은 디바이스 등)에 의해 스캔되거나 판독될 수 있다. WMS(119)는 패키지 식별자, 시간, 날짜, 위치, 사용자 식별자, 또는 다른 정보와 함께 대응하는 데이터베이스(미도시)에 패키지 식별자의 스캔 또는 판독을 나타내는 각 이벤트를 저장할 수 있고, 이러한 정보를 다른 시스템(예를 들면, 배송 및 주문 트래킹 시스템(111))에 제공할 수 있다.
일부 실시예에서, WMS(119)는 하나 이상의 디바이스(예를 들면, 디바이스(107A-107C 또는 119A-119C))와 시스템(100)과 연관된 하나 이상의 사용자를 연관시키는 정보를 저장할 수 있다. 예를 들면, 일부 상황에서, (파트 타임 또는 풀 타임 직원과 같은) 사용자는 모바일 디바이스(예를 들면, 모바일 디바이스는 스마트폰임)를 소유한다는 점에서, 모바일 디바이스와 연관될 수 있다. 다른 상황에서, 사용자는 임시로 모바일 디바이스를 보관한다는 점에서(예를 들면, 하루의 시작에서부터 모바일 디바이스를 대여받은 사용자가, 하루 동안 그것을 사용하고, 하루가 끝날 때 그것을 반납할 것임), 모바일 디바이스와 연관될 수 있다.
일부 실시예에서, WMS(119)는 시스템(100)과 연관된 각각의 사용자에 대한 작업 로그를 유지할 수 있다. 예를 들면, WMS(119)는 임의의 할당된 프로세스(예를 들면, 트럭에서 내리기, 픽업 구역에서 아이템을 픽업하기, 리비닝 월(rebin wall) 작업, 아이템 패킹하기), 사용자 식별자, 위치(예를 들면, 풀필먼트 센터(200)의 바닥 또는 구역), 직원에 의해 시스템을 통해 이동된 유닛의 수(예를 들면, 픽업된 아이템의 수, 패킹된 아이템의 수), 디바이스(예를 들면, 디바이스(119A-119C))와 관련된 식별자 등을 포함하는, 각 직원과 관련된 정보를 저장할 수 있다. 일부 실시예에서, WMS(119)는 디바이스(119A-119C)에서 작동되는 계시(timekeeping) 시스템과 같은 계시 시스템으로부터 체크-인 및 체크-아웃 정보를 수신할 수 있다.
일부 실시예에서, 제3자 풀필먼트 (3PL) 시스템(121A-121C)은 물류 및 제품의 제3자 제공자와 관련된 컴퓨터 시스템을 나타낸다. 예를 들면, (도 2와 관련하여 이하에서 후술하는 바와 같이) 일부 제품이 풀필먼트 센터(200)에 저장되는 반면, 다른 제품은 오프-사이트(off-site)에 저장될 수 있거나, 수요에 따라 생산될 수 있으며, 달리 풀필먼트 센터(200)에 저장될 수 없다. 3PL 시스템(121A-121C)은 FO 시스템(113)으로부터 (예를 들면, FMG(115)를 통해) 주문을 수신하도록 구성될 수 있으며, 고객에게 직접 제품 및/또는 서비스(예를 들면, 배달 또는 설치)를 제공할 수 있다. 일부 구현예에서, 하나 이상의 3PL 시스템(121A-121C)은 시스템(100)의 일부일 수 있지만, 다른 구현예에서는, 하나 이상의 3PL 시스템(121A-121C)이 시스템(100)의 외부에 있을 수 있다(예를 들어, 제3자 제공자에 의해 소유 또는 운영됨)일 수 있다.
일부 실시예에서, 풀필먼트 센터 인증 시스템(FC Auth)(123)은 다양한 기능을 갖는 컴퓨터 시스템으로서 구현될 수 있다. 예를 들면, 일부 실시예에서, FC Auth(123)는 시스템(100) 내의 하나 이상의 다른 시스템에 대한 단일-사인 온(single-sign on, SSO) 서비스로서 작동할 수 있다. 예를 들면, FC Auth(123)는 내부 프론트 엔드 시스템(105)을 통해 사용자가 로그인하게 하고, 사용자가 배송 및 주문 트래킹 시스템(111)에서 리소스에 액세스하기 위해 유사한 권한을 갖고 있다고 결정하며, 두 번째 로그인 프로세스 요구 없이 사용자가 그러한 권한에 액세스할 수 있게 한다. 다른 실시예에서, FC Auth(123)는 사용자(예를 들면, 직원)가 자신을 특정 작업과 연관시킬 수 있게 한다. 예를 들면, 일부 직원은 (디바이스(119A-119C)와 같은) 전자 디바이스를 갖지 않을 수 있으며, 대신 하루 동안 풀필먼트 센터(200) 내에서 작업들 사이 및 구역들 사이에서 이동할 수 있다. FC Auth(123)는 이러한 직원들이 상이한 시간 대에 수행 중인 작업과 속해 있는 구역을 표시할 수 있도록 구성될 수 있다.
일부 실시예에서, 노동 관리 시스템(LMS)(125)은 직원(풀-타임 및 파트-타임 직원을 포함함)에 대한 출근 및 초과 근무 정보를 저장하는 컴퓨터 시스템으로서 구현될 수 있다. 예를 들면, LMS(125)는 FC Auth(123), WMS(119), 디바이스(119A-119C), 운송 시스템(107), 및/또는 디바이스(107A-107C)로부터 정보를 수신할 수 있다.
도 1a에 나타낸 특정 구성은 단지 예시일 뿐이다. 예를 들면, 도 1a는 FO 시스템(113)에 연결된 FC Auth 시스템(123)을 나타낸 반면, 모든 실시예가 이러한 특정 구성을 필요로 하는 것은 아니다. 실제로, 일부 실시예에서, 시스템(100) 내의 시스템은 인터넷, 인트라넷, WAN(Wide-Area Network), MAN(Metropolitan-Area Network), IEEE 802.11a/b/g/n 표준을 따르는 무선 네트워크, 임대 회선 등을 포함하는 하나 이상의 공공 또는 사설 네트워크를 통해 서로 연결될 수 있다. 일부 실시예에서, 시스템(100) 내의 시스템 중 하나 이상은 데이터 센터, 서버 팜 등에서 구현되는 하나 이상의 가상 서버로서 구현될 수 있다.
도 2는 풀필먼트 센터(200)를 나타낸다. 풀필먼트 센터(200)는 주문시 고객에게 배송하기 위한 아이템을 저장하는 물리적 장소의 예시이다. 풀필먼트 센터(FC)(200)는 다수의 구역으로 분할될 수 있으며, 각각이 도 2에 도시된다. 일부 실시예에서, 이러한 "구역(zones)"은 아이템을 수령하고, 아이템을 저장하고, 아이템을 검색하고, 아이템을 배송하는 과정의 상이한 단계 사이의 가상 구분으로 생각될 수 있다. 따라서, "구역"이 도 2에 나타나 있으나, 일부 실시예에서, 구역의 다른 구분도 가능하고, 도 2의 구역은 생략, 복제, 또는 수정될 수 있다.
인바운드 구역(203)은 도 1a의 시스템(100)을 사용하여 제품을 판매하고자 하는 판매자로부터 아이템이 수신되는 FC(200)의 영역을 나타낸다. 예를 들면, 판매자는 트럭(201)을 사용하여 아이템(202A, 202B)을 배달할 수 있다. 아이템(202A)은 자신의 배송 팔레트(pallet)를 점유하기에 충분히 큰 단일 아이템을 나타낼 수 있으며, 아이템(202B)은 공간을 절약하기 위해 동일한 팔레트 상에 함께 적층되는 아이템의 세트를 나타낼 수 있다.
작업자는 인바운드 구역(203)의 아이템을 수령하고, 선택적으로 컴퓨터 시스템(미도시)을 사용하여 아이템이 손상되었는지 및 정확한지를 체크할 수 있다. 예를 들면, 작업자는 아이템(202A, 202B)의 수량을 아이템의 주문 수량과 비교하기 위해 컴퓨터 시스템을 사용할 수 있다. 수량이 일치하지 않는다면, 해당 작업자는 아이템(202A, 202B) 중 하나 이상을 거부할 수 있다. 수량이 일치한다면, 작업자는 그 아이템들을 (예를 들면, 짐수레(dolly), 핸드트럭(handtruck), 포크리프트(forklift), 또는 수작업으로) 버퍼 구역(205)으로 운반할 수 있다. 버퍼 구역(205)은, 예를 들면, 예측된 수요를 충족시키기 위해 픽업 구역에 그 아이템이 충분한 수량만큼 있기 때문에, 픽업 구역에서 현재 필요하지 않은 아이템에 대한 임시 저장 영역일 수 있다. 일부 실시예에서, 포크리프트(206)는 버퍼 구역(205) 주위와 인바운드 구역(203) 및 드롭 구역(207) 사이에서 아이템을 운반하도록 작동한다. (예를 들면, 예측된 수요로 인해) 픽업 구역에 아이템(202A, 202B)이 필요하면, 포크리프트는 아이템(202A, 202B)을 드롭 구역(207)으로 운반할 수 있다.
드롭 구역(207)은 픽업 구역(209)으로 운반되기 전에 아이템을 저장하는 FC(200)의 영역일 수 있다. 픽업 동작에 할당된 작업자("피커(picker)")는 픽업 구역의 아이템(202A, 202B)에 접근하고, 픽업 구역에 대한 바코드를 스캔하며, 모바일 디바이스(예를 들면, 디바이스(119B))를 사용하여 아이템(202A, 202B)과 관련된 바코드를 스캔할 수 있다. 그 다음 피커는 (예를 들면, 카트에 놓거나 운반함으로써) 픽업 구역(209)에 아이템을 가져갈 수 있다.
픽업 구역(209)은 아이템(208)이 저장 유닛(210)에 저장되는 FC(200)의 영역일 수 있다. 일부 실시예에서, 저장 유닛(210)은 물리적 선반, 책꽂이, 박스, 토트(tote), 냉장고, 냉동고, 저온 저장고 등 중 하나 이상을 포함할 수 있다. 일부 실시예에서, 픽업 구역(209)은 다수의 플로어로 편성될 수 있다. 일부 실시예에서, 작업자 또는 기계는, 예를 들면, 포크리프트, 엘리베이터, 컨베이어 벨트, 카트, 핸드트럭, 짐수레, 자동화된 로봇 또는 디바이스, 또는 수작업을 포함하는 다양한 방식으로 아이템을 픽업 구역(209)으로 운반할 수 있다. 예를 들면, 피커는 아이템(202A, 202B)을 드롭 구역(207)의 핸드트럭 또는 카트에 놓을 수 있으며, 아이템(202A, 202B)을 픽업 구역(209)으로 가져갈 수 있다.
피커는 저장 유닛(210) 상의 특정 공간과 같은 픽업 구역(209)의 특정 스팟에 아이템을 배치(또는 "적재(stow)")하라는 명령을 수신할 수 있다. 예를 들면, 피커는 모바일 디바이스(예를 들면, 디바이스(119B))를 사용하여 아이템(202A)을 스캔할 수 있다. 디바이스는, 예를 들면, 통로, 선반 및 위치를 나타내는 시스템을 사용하여, 아이템(202A)을 적재해야 하는 위치를 나타낼 수 있다. 그 다음 디바이스는 그 위치에 아이템(202A)을 적재하기 전에 피커가 그 위치에서 바코드를 스캔하도록 할 수 있다. 디바이스는 도 1a의 WMS(119)와 같은 컴퓨터 시스템에 아이템(202A)이 디바이스(119B)를 사용하는 사용자에 의해 그 위치에 적재되었음을 나타내는 데이터를 (예를 들면, 무선 네트워크를 통해) 전송할 수 있다.
일단 사용자가 주문을 하면, 피커는 저장 유닛(210)으로부터 하나 이상의 아이템(208)을 검색하기 위해 디바이스(119B)에 명령을 수신할 수 있다. 피커는 아이템(208)을 검색하고, 아이템(208) 상의 바코드를 스캔하며, 운송 기구(214) 상에 놓을 수 있다. 일부 실시예에서, 운송 기구(214)가 슬라이드로서 표현되지만, 운송 기구는 컨베이어 벨트, 엘리베이터, 카트, 포크리프트, 핸드트럭, 짐수레, 카트 등 중 하나 이상으로서 구현될 수 있다. 그 다음 아이템(208)은 패킹 구역(211)에 도착할 수 있다.
패킹 구역(211)은 아이템이 픽업 구역(209)으로부터 수령되고 고객에게 최종 배송하기 위해 박스 또는 가방에 패킹되는 FC(200)의 영역일 수 있다. 패킹 구역(211)에서, 아이템을 수령하도록 할당된 작업자("리비닝 작업자(rebin worker)")는 픽업 구역(209)으로부터 아이템(208)을 수령하고, 그것이 어느 주문에 대응하는지를 결정할 것이다. 예를 들면, 리비닝 작업자는 아이템(208) 상의 바코드를 스캔하기 위해 컴퓨터(119C)와 같은 디바이스를 사용할 수 있다. 컴퓨터(119C)는 아이템(208)이 어느 주문과 관련이 있는지를 시각적으로 나타낼 수 있다. 이는, 예를 들면, 주문에 대응하는 월(216) 상의 공간 또는 "셀(cell)"을 포함할 수 있다. (예를 들면, 셀에 주문의 모든 아이템이 포함되어 있기 때문에) 일단 주문이 완료되면, 리비닝 작업자는 패킹 작업자(또는 "패커(packer)")에게 주문이 완료된 것을 알릴 수 있다. 패커는 셀로부터 아이템을 검색하고, 배송을 위해 이들을 박스 또는 가방에 놓을 수 있다. 그 다음 패커는, 예를 들면, 포크리프트, 카트, 짐수레, 핸드트럭, 컨베이어 벨트, 수작업 또는 다른 방법을 통해, 박스 또는 가방을 허브 구역(213)으로 보낼 수 있다.
허브 구역(213)은 패킹 구역(211)으로부터 모든 박스 또는 가방("패키지(packages)")을 수신하는 FC(200)의 영역일 수 있다. 허브 구역(213)의 작업자 및/또는 기계는 패키지(218)를 검색하고, 각 패키지가 배달 영역의 어느 부분으로 배달되도록 되어 있는지를 결정하며, 패키지를 적합한 캠프 구역(215)으로 보낼 수 있다. 예를 들면, 배달 영역이 2개의 작은 하위 영역을 갖는다면, 패키지는 2개의 캠프 구역(215) 중 하나로 보내질 것이다. 일부 실시예에서, 작업자 또는 기계는 최종 목적지를 결정하기 위해 (예를 들면, 디바이스(119A-119C) 중 하나를 사용하여) 패키지를 스캔할 수 있다. 패키지를 캠프 구역(215)으로 보내는 것은, 예를 들면, (우편 번호에 기초하여) 패키지가 향하는 지리적 영역의 부분을 결정하고, 지리적 영역의 부분과 관련된 캠프 구역(215)을 결정하는 것을 포함할 수 있다.
일부 실시예에서, 캠프 구역(215)은 루트 및/또는 서브-루트로 분류하기 위해 허브 구역(213)으로부터 패키지가 수령되는 하나 이상의 빌딩, 하나 이상의 물리적 공간, 또는 하나 이상의 영역을 포함할 수 있다. 일부 실시예에서, 캠프 구역(215)은 FC(200)로부터 물리적으로 분리되어 있는 반면, 다른 실시예에서는 캠프 구역(215)은 FC(200)의 일부를 형성할 수 있다.
캠프 구역(215)의 작업자 및/또는 기계는, 예를 들면, 목적지와 기존 루트 및/또는 서브-루트의 비교, 각각의 루트 및/또는 서브-루트에 대한 작업량의 계산, 하루 중 시간, 배송 방법, 패키지(220)를 배송하기 위한 비용, 패키지(220)의 아이템과 관련된 PDD 등에 기초하여 패키지(220)가 어느 루트 및/또는 서브-루트와 연관되어야 하는지를 결정할 수 있다. 일부 실시예에서, 작업자 또는 기계는 최종 목적지를 결정하기 위해 (예를 들면, 디바이스(119A-119C) 중 하나를 사용하여) 패키지를 스캔할 수 있다. 일단 패키지(220)가 특정 루트 및/또는 서브-루트에 할당되면, 작업자 및/또는 기계는 배송될 패키지(220)를 운반할 수 있다. 예시적인 도 2에서, 캠프 구역(215)은 트럭(222), 자동차(226), 배달원(224A, 224B)을 포함한다. 일부 실시예에서, 배달원(224A)이 트럭(222)을 운전할 수 있는데, 이 때 배달원(224A)은 FC(200)에 대한 패키지를 배달하는 풀-타임 직원이며, 트럭은 FC(200)를 소유, 임대 또는 운영하는 동일한 회사에 의해 소유, 임대, 또는 운행된다. 일부 실시예에서, 배달원(224B)이 자동차(226)를 운전할 수 있는데, 이 때 배달원(224B)은 필요에 따라(예를 들면, 계절에 따라) 배달하는 "플렉스(flex)" 또는 비상시적인 작업자이다. 자동차(226)는 배달원(224B)에 의해 소유, 임대 또는 운행될 수 있다.
도 3은 제품 재고를 최적의 수준으로 유지하기 위한 컴퓨터화된 시스템을 포함하는 네트워크 환경(300)의 예시적인 실시예를 도시하는 개략적인 블록도이다. 환경(300)은 다양한 시스템을 포함할 수 있으며, 시스템 각각은 하나 이상의 네트워크를 통해 서로 연결될 수 있다. 시스템은 또한, 예를 들어, 케이블을 이용하여 직접 연결을 통해 서로 연결될 수 있다. 도시된 시스템은 FO 시스템(311), FC 데이터베이스(312), 외부 프론트 엔드 시스템(313), 공급망 관리 시스템(320) 및 하나 이상의 사용자 단말기(330)를 포함한다. FO 시스템(311) 및 외부 프론트 엔드 시스템(313)은 도 1a와 관련하여 위에서 설명된 FO 시스템(113) 및 외부 프론트 엔드 시스템(103)과 디자인, 기능 또는 동작이 유사할 수 있다.
FC 데이터베이스(312)는 도 2와 관련하여 위에서 설명된 바와 같이 FC(200)에서 다양한 활동으로부터 발생되는 다양한 데이터를 수집, 누적 및/또는 생성하는 하나 이상의 컴퓨터 시스템으로 구현될 수 있다. 예를 들어, FC 데이터베이스(312)에 누적된 데이터는, 특히, 특정 FC(예를 들면, FC (200))에 의해 취급되는 모든 제품의 제품 식별자(예를 들면, 재고 유지 유닛(SKU)), 시간에 따른 각 제품의 재고 수준 및 각 제품에 대한 품절 이벤트의 발생 및 빈도를 포함할 수 있다.
일부 실시예에서, FC 데이터베이스(312)는, FC A-C와 연관된 데이터베이스를 나타내는, FC A 데이터베이스(312A), FC B 데이터베이스(312B) 및 FC C 데이터베이스(312C)를 포함할 수 있다. 도 3에 단 3개의 FC와 해당 FC 데이터베이스(312A-C)만 도시되어 있지만, 그 수는 단지 예시적일 뿐이며 더 많은 FC와 대응하는 수의 FC 데이터베이스가 있을 수 있다. 다른 실시예에서, FC 데이터베이스(312)는 모든 FC로부터 데이터를 수집 및 저장하는 중앙 집중식 데이터베이스일 수 있다. FC 데이터베이스(312)가 개별 데이터베이스(예를 들면, 312A-C)를 포함하는지 또는 하나의 중앙 집중식 데이터베이스를 포함하는지에 상관없이, 데이터베이스는 클라우드 기반 데이터베이스 또는 사내 데이터베이스를 포함할 수 있다. 또한, 일부 실시예에서, 이러한 데이터베이스는 하나 이상의 하드 디스크 드라이브, 하나 이상의 솔리드 스테이트 드라이브 또는 하나 이상의 비-일시적 메모리를 포함할 수 있다.
공급망 관리 시스템(SCM)(320)은 도 1a와 관련하여 위에서 설명된 SCM(117)과 디자인, 기능 또는 동작이 유사할 수 있다. 대안적으로 또는 추가적으로, SCM(320)은 개시된 실시예에 따른 프로세스에서 특정 제품에 대한 수요 수준을 예측하고 하나 이상의 구매 주문을 생성하기 위해 FO 시스템(311), FC 데이터베이스(312) 및 외부 프론트 엔드 시스템(313)으로부터 데이터를 집계하도록 구성될 수 있다.
일부 실시예에서, SCM(320)은 데이터 과학 모듈(321), 아웃바운드 프로파일 생성기(outbound profile generator, OPG)(322), 수요 예측 생성기(323), 목표 재고 계획 시스템(target inventory plan system, TIP)(324), 인바운드 우선 순위 및 셔플링 시스템(inbound prioritization and shuffling system, IPS)(325), 수동 주문 제출 플랫폼(326), 구매 주문(purchase order, PO) 생성기(327) 및 보고서 생성기(328)를 포함한다.
일부 실시예에서 SCM(320)은 하나 이상의 프로세서, 하나 이상의 메모리 및 하나 이상의 입출력(I/O) 디바이스를 포함할 수 있다. SCM(320)은 서버, 범용 컴퓨터, 메인프레임 컴퓨터, 그래픽 처리 장치(GPU)와 같은 특수 목적 컴퓨팅 디바이스, 노트북 또는 이들 컴퓨팅 디바이스의 임의의 조합의 형태를 취할 수 있다. 이러한 실시예에서, SCM(320)(즉, 데이터 과학 모듈(321), OPG(322), 수요 예측 생성기(323), TIP(324), IPS(325), 수동 주문 제출 플랫폼(326), PO 생성기(327) 및 보고서 생성기(328))의 구성요소는 하나 이상의 메모리에 저장된 명령들에 기초하여 하나 이상의 프로세서에 의해 수행되는 하나 이상의 기능 유닛으로서 구현될 수 있다. SCM(320)은 독립형 시스템일 수도 있고, 더 큰 시스템의 일부일 수 있는 서브시스템의 일부일 수도 있다.
대안적으로, SCM(320)의 구성요소는 네트워크를 통해 서로 통신하는 하나 이상의 컴퓨터 시스템으로 구현될 수 있다. 이러한 실시예에서, 하나 이상의 컴퓨터 시스템 각각은 하나 이상의 프로세서, 하나 이상의 메모리(즉, 비-일시적 컴퓨터 판독 가능한 매체) 및 하나 이상의 입출력(I/O) 디바이스를 포함할 수 있다. 일부 실시예에서, 하나 이상의 컴퓨터 시스템 각각은 서버, 범용 컴퓨터, 메인프레임 컴퓨터, 그래픽 처리 장치(GPU)와 같은 특수 목적 컴퓨팅 디바이스, 노트북 또는 이들 컴퓨팅 디바이스의 임의의 조합의 형태를 취할 수 있다.
일부 실시예에서, 데이터 과학 모듈(321)은 SCM(320)의 다른 구성요소에 의해 사용하기 위해 다양한 파라미터 또는 모델을 결정하도록 구성된 하나 이상의 컴퓨팅 디바이스를 포함할 수 있다. 예를 들어, 데이터 과학 모듈(321)은 각 제품에 대한 수요의 수준을 결정하는 수요 예측 생성기(323)에 의해 사용되는 예측 모델을 개발할 수 있다. 일부 실시예에서, 데이터 과학 모듈(321)은 예측 모델을 트레이닝 시키고 미래 수요의 수준을 예상하기 위해 FO 시스템(311)으로부터의 주문 정보 및 외부 프론트 엔드 시스템(313)으로부터의 글랜스 뷰(glance view)(즉, 제품에 대한 웹 페이지 뷰의 수)를 검색할 수 있다. 주문 정보는 시간에 따라 판매된 아이템의 수, 프로모션 기간 동안 판매된 아이템의 수, 정규 기간 동안 판매된 아이템의 수와 같은 판매 통계를 포함할 수 있다. 데이터 과학 모듈(321)은 판매 통계, 글랜스 뷰, 계절, 요일, 다가오는 휴일 등과 같은 파라미터에 기초하여 예측 모델을 트레이닝 할 수 있다. 일부 실시예에서, 데이터 과학 모듈(321)은 또한 PO 생성기(327)에 의해 생성된 PO를 통해 주문된 제품이 수신됨에 따라 도 2의 인바운드 구역(203)으로부터 데이터를 수신할 수 있다. 데이터 과학 모듈(321)은 특정 공급자의 이행 비율(즉, 주문된 수량과 비교하여 판매 가능한 상태로 수신된 제품의 비율), 추정된 리드 타임 및 배송 기간 등과 같은 다양한 공급자 통계를 결정하기 위해 이러한 데이터를 사용할 수 있다. 데이터 과학 모듈(321)은 FC 데이터베이스(312)로부터 데이터를, 반복 또는 주기적으로, 수신할 수 있다. 이 데이터는, 예를 들어, 특정 FC(예를 들면, FC 200)에 의해 취급되는 모든 제품의 데이터인, 제품 식별자(예를 들면, SKU), 시간에 따른 각 제품의 재고 수준, 각 제품에 대한 품절 이벤트의 빈도 및 발생을 포함할 수 있다. 그 다음에 OPG(322)는 데이터 과학 모듈(311)에 의해 수신된 파라미터에 기초하여 각 FC에 대한 프로파일을 생성할 수 있다. 프로파일을 생성하는 것은, 일부 실시예에서, FC 데이터베이스로부터 수신된 데이터 및 파라미터를 하나 이상의 데이터 세트로 종합하는 것일 수 있으며, 여기서 프로파일은 하나 이상의 데이터 세트로 구성된다.
일부 실시예에서, FC 데이터베이스는 FC에 대한 과거 재고를 저장하기 위한 과거 재고 데이터베이스를 포함할 수 있다. 예를 들어, 과거 재고 데이터는 FC에 현재 및 이전에 저장된 제품, FC로부터 제품이 저장 및 배송된 시간, FC에 제품이 저장된 기간, 제품의 가격, 제품의 브랜드 등 중 적어도 하나를 포함하거나 식별할 수 있다.
일부 실시예에서, 수요 예측 생성기(323)는 데이터 과학 모듈(321)에 의해 개발된 예측 모델을 이용하여 특정 제품에 대한 수요의 수준을 예측하도록 구성된 하나 이상의 컴퓨팅 디바이스를 포함할 수 있다. 보다 구체적으로, 예측 모델은 각 제품에 대한 수요 예측 수량을 출력할 수 있으며, 여기서 수요 예측 수량은 주어진 기간(예를 들면, 하루) 동안 하나 이상의 고객에게 판매될 것으로 예상되는 제품의 구체적 수량이다. 일부 실시예에서, 수요 예측 생성기(323)는 사전 결정된 기간에 걸쳐 각각의 주어진 기간에 대한 수요 예측 수량(예를 들면, 5주 기간 동안 매일의 수요 예측 수량)을 출력할 수 있다. 또한, 각 수요 예측 수량은 제품 재고 수준을 최적화하는 데 더 많은 유연성을 제공하기 위해 표준 편차 수량(예를 들면, ± 5) 또는 범위(예를 들면, 최대 30 및 최소 25)를 포함할 수 있다.
OPG(322)는, 일부 실시예에서, 데이터 과학 모듈(321)에 의해 개발된 모델을 이용하여 시스템의 각 FC(예를 들면, FC A, B, C)에 대한 프로파일을 생성하도록 구성된 하나 이상의 컴퓨팅 디바이스를 포함할 수 있다. 보다 구체적으로, 프로파일 모델은, 각 FC에 대해, 특정 시간 내에 FC가 수신할 수 있는 SKU의 수량을 나타내는 인바운드 역량, 특정 시간 내에 FC가 배달할 수 있는 SKU의 수량을 나타내는 아웃바운드 역량, FC에서 SKU의 현재 재고를 나타내는 수량 및 각 FC에서 현재 주문된 SKU의 수량 등을 출력할 수 있다. 이러한 특성은 하나 이상의 SKU의 인바운드 및 아웃바운드 흐름에 관한 각 FC의 역량을 나타낼 수 있는 각 FC의 동작을 나타내는 과거 데이터에 기초할 수 있다.
일부 실시예에서, 목표 재고 계획 시스템(TIP)(324)은 각 제품에 대한 권장 주문 수량을 결정하도록 구성된 하나 이상의 컴퓨팅 디바이스를 포함할 수 있다. TIP(324)는 먼저 제품에 대한 예비 주문 수량을 결정하고 실제 제약(real-world constraints)으로 예비 주문 수량을 제한함으로써 권장 주문 수량을 결정할 수 있다.
TIP(324)는 수요 예측 생성기(323)로부터 각 제품에 대한 수요 예측 수량을 수신할 수 있다. 일부 실시예에서, 수요 예측 수량은 하나의 차원이 SKU이고 다른 차원이 특정 일 동안 판매될 것으로 예측되는 유닛의 수에 의해 편성되는 숫자 값이고 테이블 형식일 수 있다. 테이블은 또한 표준 편차, 최대, 최소, 평균 등과 같은 수요 예측 수량의 다른 파라미터에 대한 추가적인 차원을 포함할 수 있다. 대안적으로, 수요 예측 수량은 SKU에 의해 편성되고 각 파라미터에 전용되는 다수의 값 어레이의 형태를 취할 수 있다. 동일한 데이터를 편성하는 다른 적합한 형태가 당 업계에 공지된 바와 동일하게 적용 가능하고 본 발명의 범위 내에 있다.
일부 실시예에서, TIP(324)는, 데이터 과학 모듈(321)로부터, 제품을 공급하는 하나 이상의 공급자의 공급자 통계 데이터를 수신할 수 있다. 공급자 통계 데이터는 각 공급자와 연관된 정보의 세트(예를 들면, 위에서 설명된 이행 비율)를 포함할 수 있다. 일부 실시예에서, 특정 공급자에 대한 다수의 공급자 통계 데이터 세트가 있을 수 있으며, 각 데이터 세트는 공급자에 의해 공급되는 특정 제품과 연관된다.
일부 실시예에서, TIP(324)은 또한, OPG(322)로부터, 인바운드 역량, 아웃바운드 역량, 현재 제품 재고 수준 및 각 SKU의 현재 주문된 수량을 포함하는 프로파일을 수신할 수 있다. 현재 제품 재고 수준은 특정 SKU의 데이터 검색 순간의 카운트를 나타낼 수 있으며, 현재 주문된 수량은 과거에 생성된 하나 이상의 PO를 통해 주문되어 해당 FC에 배달되기를 기다리는 특정 제품의 총 수량을 나타낼 수 있다.
TIP(324)는 각 제품에 대한 예비 주문 수량을 결정하고 파라미터 범위에 기초하여 예비 주문 수량을 감소시킴으로써 각 제품에 대한 권장 주문 수량을 결정할 수 있다. 일부 실시예에서, 특정 제품에 대한 예비 주문 수량은 그것의 수요 예측 수량, 커버리지 기간, 안전 재고 기간, 현재 재고 수준, 현재 주문된 수량, 임계 비율 및 케이스 수량 중 적어도 하나의 함수일 수 있다. 예를 들어, TIP(324)는 식 (1)로 예비 주문 수량을 결정할 수 있는데:
Figure 112022006813624-pat00001
(1)
여기서
Figure 112022006813624-pat00002
는 특정 제품에 대한 예비 주문 수량이고;
Figure 112022006813624-pat00003
은 계산 시점부터 n일째에 대한 제품의 수요 예측 수량:
Figure 112022006813624-pat00004
는 제품의 현재 재고 수준:
Figure 112022006813624-pat00005
는 현재 주문된 수량:
Figure 112022006813624-pat00006
는 커버리지 기간:
Figure 112022006813624-pat00007
는 안전 재고 기간:
Figure 112022006813624-pat00008
는 케이스 수량이다.
본 명세서에서 사용되는 바와 같이, 커버리지 기간은 하나의 PO가 커버하도록 계획된 기간(length of time)(예를 들면, 일 수)을 나타낼 수 있고: 그리고 안전 재고 기간은 수요의 급격한 증가 또는 배달 지연과 같은 예상치 못한 이벤트가 발생한 경우 PO가 커버해야 하는 추가 기간(예를 들면, 추가 일수)을 나타낼 수 있다. 예를 들어, 제품 X에 대한 다음 샘플 수요 예측 수량의 테이블을 보면, D-day에 생성된 PO에 대한 커버리지 기간은 5일이고 안전 재고 기간은 1일 수 있으며, 이 경우,
Figure 112022006813624-pat00009
은
Figure 112022006813624-pat00010
와 같을 수 있다.
예측 D D+1 D+2 D+3 D+4 D+5 D+6 D+7 D+8
Figure 112022006813624-pat00011
 37 37 35 40 41 34 37 39 41
[표 1]: 9일 동안의 제품 X에 대한 샘플 수요 예측 수량
이 수량인 제품 X의 224 유닛으로부터, TIP(324)는 현재 재고 수준(예를 들면, 60 유닛) 및 현재 주문된 수량(예를 들면, 40)을 감산할 수 있으며, 이는 124 유닛이 된다. 그런 다음 이 숫자는 케이스 수량으로 나눠지고, 정수로 올림되며, 다시 케이스 수량에 의해 곱해져 케이스 수량(즉, 상자나 팔레트 내의 유닛의 수와 같이 제품이 포장되는 유닛의 수)의 배수로 올림 될 수 있으며, 이 예에서, 케이스 수량이 10인 예로 가정하면 130 유닛이 된다.
일부 실시예에서, 커버리지 기간은 해당 공급자가 PO 생성일로부터 제품을 배달하는 데 걸리는 예상 기간보다 크거나 같은 사전 결정된 기간일 수 있다. 추가적으로 또는 대안적으로, TIP(324)는 또한 요일, 예상된 지연 등과 같은 다른 요인에 기초하여 커버리지 기간을 조정할 수 있다. 또한, 안전 재고 기간은 안전 조치로서 예비 주문 수량을 증가시키도록 설계된 다른 사전 결정된 기간일 수 있다. 안전 재고 기간은 급격한 수요 증가 또는 예상치 못한 배송 지연과 같은 예기치 못한 이벤트가 발생할 경우 품절의 위험을 줄일 수 있다. 일부 실시예에서, TIP(324)는 커버리지 기간에 기초하여 안전 재고 기간을 설정할 수 있는데, 예를 들어, 안전 재고 기간은 커버리지 기간이 1-3일일 때 0일이 추가되고, 커버리지 기간이 4-6일일 때 1일이 추가되고, 커버리지 기간이 7일 이상일 때 3일이 추가된다.
위에서 설명된 예비 주문 수량을 결정하는 복잡한 프로세스에도 불구하고, 예비 주문 수량은 주로 고객 수요에 기초할 수 있고 실제 제약을 고려하지 않을 수 있다. 따라서 제품 재고를 최적화하기 위해 이러한 제약을 고려하는 단계가 요구된다. TIP(324)는, 일부 실시예에서, 판매 통계, 현재 제품 재고 수준 및 현재 주문 수량과 같은 데이터에 기초하여 예비 주문 수량을 미세 조정하도록 구성된 규칙 세트를 이용하여 예비 주문 수량을 조정할 수 있다. 결과 수량인, 권장 주문 수량은 PO 생성기(327)로 전송될 수 있다.
또한, 일부 실시예에서, IPS(325)는 각 제품에 대한 인기를 결정하고, 결정된 인기에 기초하여 주문 수량의 우선순위를 정하며, 우선순위가 정해진 주문 수량을 하나 이상의 FC(200)에 분배하도록 구성된 하나 이상의 컴퓨팅 디바이스를 포함할 수 있다.
수동 주문 제출 플랫폼(326)은, 일부 실시예에서, 하나 이상의 수동 주문에 대한 사용자 입력을 수신하도록 구성된 하나 이상의 컴퓨팅 디바이스를 포함할 수 있다. 수동 주문 제출 플랫폼(326)은 도 1a의 내부 프론트 엔드 시스템(105)과 같은 하나 이상의 컴퓨팅 디바이스를 통해 사용자에 의해 접근할 수 있는 사용자 인터페이스를 포함할 수 있다. 일 양상에서, 수동 주문은 사용자가 필요하다고 생각할 수 있는 특정 제품의 추가 수량을 포함할 수 있으며, 예비 주문 수량, 권장 주문 수량, 우선순위 주문 수량 또는 분산 주문 수량의 수동 조정(예를 들면, 특정 양만큼 증가 또는 감소)을 허용할 수 있다. 다른 양상에서, 수동 주문은 SCM(320)에 의해 결정된 주문 수량 대신 내부 사용자에 의해 결정된 대로 주문되어야 하는 특정 제품의 총 수량을 포함할 수 있다. 이러한 사용자-결정 주문 수량을 SCM-생성 주문 수량과 조화시키는 예시적인 프로세스는 도 5와 관련하여 아래에서 보다 상세하게 설명된다. 또한, 일부 실시예에서, 사용자는 수동 주문이 특정 FC에 할당될 수 있도록 특정 FC를 수신 위치로 지정할 수 있다. 일부 실시예에서, 수동 주문 제출 플랫폼(326)을 통해 제출된 주문 수량의 부분은 TIP(324) 또는 IPS(325)에 의해 조정(즉, 제한) 되지 않도록 (예를 들면, 주문 수량의 부분과 연관된 파라미터를 업데이트함으로써) 표시되거나 플래그 될 수 있다.
일부 실시예에서, 수동 주문 제출 플랫폼(326)은 Apache HTTP 서버, Microsoft Internet Information Services(IIS), NGINX 등과 같은 소프트웨어를 실행하는 컴퓨터 또는 컴퓨터들로서 구현될 수 있다. 다른 실시예에서, 수동 주문 제출 플랫폼(326)은 하나 이상의 사용자 단말기(330)로부터 사용자 입력을 수신 및 처리하고 수신된 사용자 입력에 응답을 제공하도록 설계된 사용자 정의 웹 서버 소프트웨어를 실행할 수 있다.
PO 생성기(327)는, 일부 실시예에서, IPS(325)에 의한 분배 결과 또는 권장 주문 수량에 기초하여 하나 이상의 공급자에게 PO를 생성하도록 구성된 하나 이상의 컴퓨팅 디바이스를 포함할 수 있다. SCM(320)은, 이 시점까지, 추가 재고가 필요한 각 제품 및 각 FC(200)에 대해 권장 주문 수량을 결정했을 것이며, 이때 각 제품은 특정 제품을 조달 또는 제조하여 하나 이상의 FC로 그것을 배송하는 하나 이상의 공급자가 있다. 특정 공급자는 하나 이상의 제품을 공급할 수 있으며, 특정 제품은 하나 이상의 공급자에 의해 공급될 수 있다. PO를 생성할 때, PO 생성기(327)는 공급자에게 우편 또는 팩스로 보낼 종이 PO를 발행하거나, 전자 PO를 발행하여 공급자에게 전송될 수 있다.
일부 실시예에서, 보고서 생성기(328)는, 예를 들어, 사용자 단말기(330) 또는 도 1a의 내부 프론트 엔드 시스템(105)을 통한 사용자 입력에 대응하여 요구가 있으면 또는 사전 결정된 프로토콜에 대응하여 주기적으로 보고서를 생성하도록 구성된 하나 이상의 컴퓨팅 디바이스를 포함할 수 있다. 보고서는 특정 제품에 대한 권장 주문 수량과 같은 특정 정보를 출력하는 간단한 것부터 과거 데이터의 분석이 필요하고 그래프로 이러한 정보를 시각화한 복잡한 것까지 다양할 수 있다. 보다 구체적으로, 보고서 생성기(328)는 SCM(320)에 의해 수행된 조정의 각 단계에서 주문 수량이 예측 수량으로부터 최종 수량으로 어떻게 변화되었는지와 같은 정보; 각 FC(200)에서 얼마나 많은 리소스가 활용되었는지에 대한 이력; 제품 카테고리별 예측 수량과 최종 수량의 차이(즉, 실제 한계를 고려하기 위해 예측 수량으로부터 감소되어야 하는 수량) 등과 같은 정보를 포함하는 보고서를 생성할 수 있다.
사용자 단말기(330)는, 일부 실시예에서, FC(200)에서 일하는 것과 같은 내부 사용자가 수동 주문 제출 플랫폼(326) 또는 보고서 생성기(328)를 통해 SCM(320)에 접근할 수 있도록 구성된 하나 이상의 컴퓨팅 디바이스를 포함할 수 있다. 사용자 단말기(330)는 개인용 컴퓨터, 휴대전화, 스마트폰, PDA 등과 같은 컴퓨팅 디바이스의 임의의 조합을 포함할 수 있다. 일부 실시예에서, 내부 사용자는 하나 이상의 수동 주문을 제출하기 위해 수동 주문 제출 플랫폼(326)에 의해 제공되는 웹 인터페이스에 접근하기 위해 사용자 단말기(330)를 이용할 수 있다.
도 4는 하나 이상의 FC(예를 들면, FC(200))에 대한 아웃바운드 프로파일의 지능적인 자동화된 생성을 위한 예시적인 컴퓨터화된 프로세스(400)의 흐름도다. 바람직한 실시예에서, 프로세스(400)는, OPG(322), TIP(324) 또는 IPS(325)와 같은, SCM(320)의 하나 이상의 구성 요소에 의해 실행될 수 있다. 따라서, 예로서, 프로세스(400)는 OPG(322)에 의해 실행되는 것으로 설명된다. 그러나, 프로세스(400) 또는 그 일부는 네트워크 환경(300) 전체에 의해 또는 프로세스의 적어도 일부를 수행할 수 있는 환경(300)의 임의의 구성요소(예를 들면, 하나 이상의 프로세서, OPG(322), 수요 예측 생성기(323) 등)에 의해 수행될 수 있다.
프로세스(400)는 단계 401에서 시작하며, 여기서 OPG(322)는 FC의 역량을 포함하는 데이터를 수신하여 풀필먼트 센터의 역량을 포함한 데이터를 수신할 수 있다. FC의 역량은 FC가 보유할 수 있는 최대 또는 추정된 최대 재고량, 또는 특정 기간 내에 FC로부터 배송될 수 있는 최대 또는 추정된 최대 제품 수를 포함할 수 있다.
단계 401 이후, 프로세스(400)는 단계 402로 진행할 수 있다. 단계 402에서, OPG(322)는 FC로 들어오는 복수의 제품과 연관된 복수의 제품 식별자를 수신할 수 있다. 예를 들어, 고객이 주문을 할 때, 주문 또는 주문 아이템은 배송 위치, 주문된 제품, 각 FC에서 각 제품 주문의 가용성 등과 같은 요인에 기초하여 하나 이상의 FC에 할당될 수 있다. 일단 할당되면, 특정 FC에 대한 주문 또는 아이템의 할당은, 시스템(100) 내의 데이터베이스(예를 들면, FC 데이터베이스(312))에 저장될 수 있다. 따라서, 일부 실시예에서, OPG(322)는 각 FC로 들어오는 아이템을 나타내는, 각 아이템 및 관련 식별자의 할당을 수신할 수 있다.
단계 402 이후, 프로세스(400)는 단계 403으로 진행할 수 있다. 단계 403에서, OPG(322)는 수신된 제품 식별자를 이용하여 FC에서 복수의 제품에 대한 트랜잭션 로그를 수집하고 저장할 수 있다. 트랜잭션 로그는, 예를 들어, OPG(322)에 의해 접근할 수 있는 데이터베이스(예를 들면, FC 데이터베이스(312))에 저장될 수 있다. 일부 실시예에서, 트랜잭션 로그는 FC에 할당된 고객 주문, FC에 할당된 들어오는 제품, FC에서 제품이 수신된 시간, 제품이 저장된 시간, FC로부터 제품이 배송된 시간, FC로 들어오는 브랜드의 수, FC에서 반출되는 최상위 브랜드, FC에서 제품의 가용성 또는 FC에서 반출되는 서로 다른 브랜드의 제품의 수 중 적어도 하나를 포함할 수 있다. 이러한 트랜잭션 로그의 수집 및 저장은 연속적으로 또는 주기적으로(예를 들면, 하루에 한 번 또는 일주일에 한 번) 이루어질 수 있다.
단계 403 이후, 프로세스(400)는 단계 404로 진행할 수 있다. 단계 404에서, OPG(322)는 제품 식별자를 이용하여 FC에 저장된 복수의 제품에 대한 현재 재고를 결정할 수 있다. OPG(322)는, 예를 들어, FC의 재고에 현재 남아 있는 하나 이상의 제품 식별자와 연관된 제품의 양을 결정하기 위해 단계 403과 관련하여 논의된 트랜잭션 로그를 참조함으로써 이러한 결정을 내릴 수 있을 것이다.
단계 404 이후, 프로세스(400)는 단계 405로 진행할 수 있다. 단계 405에서, OPG(322)는 머신 러닝 알고리즘을 이용하여 트랜잭션 로그 및 현재 재고 중 적어도 하나를 이용하여 FC에 대한 아웃바운드 프로파일을 생성할 수 있다. 아웃바운드 프로파일은, 복수의 제품 카테고리에 대한 아웃고잉 제품의 예상 백분율과 같은, FC의 아웃바운드 역량 및 예상치와 관련된 복수의 메트릭(metrics)을 포함할 수 있다. 카테고리는, 일부 실시예에서, FC에서의 총 재고, 브랜드, 최상위 판매자, 가격대 또는 배송지를 포함할 수 있다. 일부 실시예에서, FC에 대한 아웃바운드 프로파일은 FC로부터 특정 기간 동안 예상되는 아웃고잉 제품의, 백분율이 아닌, 수를 포함할 수 있다. 특정 기간은, 시간, 일, 주, 월 또는 년과 같은, 임의의 시간으로 임의로 설정 및 측정될 수 있다. 일부 실시예에서, 아웃바운드 프로파일은 과거 재고 데이터를 이용하여 예정된 이벤트에 대해 생성될 수 있다. 예정된 이벤트는, 예를 들어, 특정 아이템이 할인된 가격으로 고객에게 판매되는 것으로 예상되는 판매일 수 있다. 예정된 이벤트는 또한 판매가 실질적으로 더 높거나 더 낮을 것으로 예상되는 예상 기간 일 수 있다(예를 들면, 더 많은 제품이 휴가 기간 동안 선물로 판매 될 것으로 예상 될 수 있음).
단계 404를 참조하여 위에서 논의된 바와 같이, OPG(322)는 머신 러닝 알고리즘을 이용하여 아웃바운드 프로파일을 생성할 수 있다. 일부 실시예에서, 아웃바운드 프로파일은 강화 알고리즘을 이용하여 생성될 수 있다. 일부 실시예에서, 이것은 OPG(322)가 머신 러닝 알고리즘에 의해 생성된 예측 모델을 활용하여 프로파일을 생성할 때 발생할 수 있다. 일부 실시예에서, 머신 러닝 알고리즘은 예측 모델을 생성하기 위해 데이터 과학 모듈(321)에 의해 실행될 수 있다. 예측 모델을 생성하는 것은 트랜잭션 로그 데이터를 트레이닝 데이터 세트 및 검증 데이터 세트로 나누고(트레이닝 데이터 세트는 검증 데이터 세트보다 많은 데이터를 가짐), 그리고 트레이닝 데이터 세트에 기초하여 예측 모델을 생성하는 것을 포함할 수 있다. 예를 들어, 트랜잭션 로그는 데이터베이스(예를 들면, FC 데이터베이스(312))로부터 검색될 수 있으며, 트랜잭션 데이터는 FC를 통한 이전 출력과 연관된 정보를 나타낸다. 데이터 과학 모듈(321)은 예측 모델을 생성하기 위해 이 데이터의 더 큰 부분(즉, 트레이닝 데이터 세트)을 이용할 수 있다. 예측 모델은, 선형 회귀(예를 들면, 라소(Lasso) 회귀, 리지(Ridge) 회귀, 엘라스틱 넷(Elastic Net) 회귀, 후버(Huber) 회귀, 수동적 적극적(Passive Aggressive) 회귀, RANSAC 회귀, SGD 회귀 등), 비선형 회귀(예를 들면, K 최근접 이웃, 분류 및 회귀 트리, SVM 회귀 등), 앙상블 회귀(예를 들면, ADA, 배깅(bagging), 랜덤 포레스트(random forest), 그래디언트 부스팅(gradient boosting) 등), 또는 전자 요청 정보와 관련 FC 간의 관계를 나타내는 로지스틱 회귀와 같은, 하나 이상의 일반적인 통계 모델 형태의 방정식일 수 있다.
데이터 과학 모듈(321)이 예측 모델을 생성한 후, 일부 실시예에서, 검증 데이터 세트를 이용하여 예측 모델을 검증할 수 있다. 검증 데이터 세트는 예측 모델을 생성하는데 사용되지 않은 트랜잭션 로그 데이터의 적어도 일부일 수 있다. 예측 모델을 검증하기 위해, 데이터 모듈(321)은 검증 데이터 세트 내의 각 전자 요청에 대해 각 FC에 대한 아웃바운드 프로파일 세트를 생성하고 예측된 관련 아웃바운드 프로파일을 실제 아웃바운드 데이터 FC와 비교할 수 있다. 예를 들어, 예측 모델이 사전 결정된 신뢰 임계값(예를 들어, 관련 FC의 적어도 95%를 정확하게 예측한 모델)을 충족하는 경우 예측 모델이 검증될 수 있다. 일부 실시예에서, 검증은 예측 모델의 성능을 검증 데이터 세트와 비교하고, 예측 모델을 최저 오차(예를 들면, 평균 제곱근 오차)로 선택하여 발생할 수 있다. 예측 모델이 검증된 후, OPG(322)는 FC에 대해 적어도 하나의 아웃바운드 프로파일을 생성하기 위해 모델을 수신 및 적용할 수 있다.
일부 실시예에서, 머신 러닝 알고리즘은 보상 시스템을 이용하여 머신 러닝 알고리즘을 트레이닝 함으로써 지속적으로 또는 주기적으로 개선될 수 있다. 예를 들어, 데이터 과학 모듈(321)은 생성된 예측 모델이 FC에서 아웃바운드 배송을 고도의 확실성으로 예측할 때 알고리즘에 "포인트"를 할당할 수 있다. 데이터 과학 모듈(321)은 유사한 결과를 계속 재현하도록 주어진 예측에 대해 수신한 "포인트"의 양에 기초하여 머신 러닝 알고리즘을 조정하거나 개선하도록 구성될 수 있다.
일부 실시예에서, 아웃바운드 프로파일은 FC 수준, 지역 수준 및 국가 수준에서 생성될 수 있다. 예를 들어, 아웃바운드 프로파일의 생성은 FC를 참조하여 논의되었다. 그러나, 일부 실시예에서, 아웃바운드 프로파일은 복수의 FC를 포함하는 지역에 대해 생성될 수 있다. 전술된 바와 같이, 아웃바운드 FC 프로파일은 FC에 대한 트랜잭션 로그 및 재고 수준을 이용하여 생성될 수 있다. 그러나, 이러한 트랜잭션 로그 및 재고는 특정 지역에 대한 아웃바운드 프로파일을 결정하기 위해 지역 수준에서 종합되거나, 국가 전체에 대해 아웃바운드 프로파일을 생성하기 위해 국가 수준에서 종합될 수 있다.
단계 405 이후, 프로세스(400)는 단계 406로 진행할 수 있다. 단계 406에서, 시스템은 아웃바운드 프로파일을 FC의 실제 아웃바운드 역량과 비교하여 생성된 FC의 아웃바운드 프로파일을 이용하여 네트워크 아웃바운드를 관리한다. 이 단계는, 일부 실시예에서, TIP(324)에 의해 실행될 수 있다. 예를 들어, TIP(324)는, 각 FC의 아웃바운드 프로파일을 그것들의 실제 아웃바운드 역량과 비교하는 것에 기초하여, 배달 지연, 아이템 분실 등을 초래할 수 있는 하나 이상의 FC가 그것들의 역량을 벗어난 주문을 이행하도록 할당되지 않도록 하기 위해, 일부 주문을 다른 FC에 할당하거나 재할당해야 한다고 결정할 수 있다. 다른 실시예에서, TIP(324)는 각 FC의 아웃바운드 프로파일을 그들의 실제 아웃바운드 역량과 비교하고, FC에서의 수요를 충족하기 위한 예상 아웃바운드가 FC의 아웃바운드 역량을 초과하므로, 수요를 충족하기 위해서 FC의 아웃바운드 역량을 증가시키기 위해 추가 리소스, 스토리지 공간 또는 작업자가 필요하다고 결정할 수 있다. 이러한 결정을 내리면, TIP(324)는, 일부 실시예에서, FC 역량을 증가시키기 위해 디바이스가 하나 이상의 추가 리소스, 스토리지 공간, 작업자 등이 필요하다는 통지를 표시하도록 하는 디바이스(예를 들면, WMS(119)의 디바이스(119A, 119B, 및 119C))에 명령을 전송할 수 있다. 지역 또는 국가 수준에서, 예를 들어, 네트워크 아웃바운드를 관리하는 것은 아웃바운드 역량을 증가시키기 위해 새로운 FC 및/또는 창고를 건설해야 하는지 여부와 건설할 장소를 결정하는 것을 포함할 수 있다.
네트워크 아웃바운드를 관리하는 것은 또한, 각 FC에서 타겟 재고 수준을 설정하고 하나 이상의 FC로 제품의 인바운드 배송을 관리하여 수요를 충족시킬 수 있도록 하는 것과 같은, 재고 계획을 포함할 수 있다. 예를 들어, IPS(325)는 FC 프로파일로부터 파생된 예상 아웃바운드 수준을 충족하도록 설정된 타겟 재고 수준을 결정하고, 또한 타겟 재고 수준에 기초하여 더 많거나 더 적은 주어진 아이템이 인바운드로서 FC에 전송되어야 하는지 여부를 결정할 수 있다.
도 5는 아웃바운드 프로파일에 기초하여 재고 수준을 관리하기 위해 사용될 수 있는 예시적인 프로세스 및/또는 로직(500)의 흐름도를 제공한다. 이 프로세스는, 예를 들어, IPS(325)의 하나 이상의 프로세서에 의해 실행될 수 있다. 프로세스(500)는 IPS(325)가 아웃바운드 프로파일에 기초하여 특정 제품에 대한 타겟 재고가 결정된 후 단계 501에서 시작할 수 있다. 그런 다음 하나 이상의 프로세서는 단계 502에서 FC에서의 제품의 현재 재고가 타겟 재고와 동일한지 여부를 결정할 수 있다. 현재 재고가 타겟 재고와 "같음"인지에 대한 이러한 결정은, 일부 실시예에서, 현재 재고의 정확한 수량 또는 절대값이 타겟 재고의 정확한 수량 또는 절대값과 일치하는 것에 기초할 수 있다. 현재 재고가 타겟 재고와 같으면, 하나 이상의 프로세서는, 단계 503에서, FC에서 제품의 현재 재고를 유지하기 위한 명령을 전송할 것이다. 하나 이상의 프로세서는, 단계 505에서, FC에서 제품의 현재 인바운드 수량이 FC에서 제품의 아웃바운드 수량과 동일한지 여부를 추가로 결정할 수 있다. 만일 그렇다면, 하나 이상의 프로세서는 현재 재고가 동일하게 유지되도록 단계 506에서 인바운드 수량을 유지하기 위해 명령을 디바이스에 전송할 수 있다. 그렇지 않으면, 하나 이상의 프로세서는 단계 507에서 아웃바운드 수량과 동일하게 되도록 인바운드 수량을 수정하기 위한 명령을 전송할 수 있다.
대안으로, 단계 502에서, 하나 이상의 프로세서는 현재 재고가 타겟 재고와 같지 않다고 결정할 수 있다. 이 경우, OOS 또는 과잉 재고를 방지하기 위해, 하나 이상의 프로세서는 단계 504에서 FC에서 제품의 인바운드 수량을 수정하기 위한 명령을 디바이스에 전송할 수 있다. 예를 들어, 현재 재고가 타겟 재고보다 낮은 것으로 결정되면, 전송된 명령은 인바운드 수량이 아웃바운드 수량보다 많도록 제품의 인바운드 수량을 수정하기 위한 것일 수 있다. 이에 반하여, 제품의 현재 재고가 타겟 재고보다 높으면, 명령은 인바운드 수량이 아웃바운드 수량보다 낮도록 인바운드 수량을 수정하기 위한 것일 수 있다. 프로세스는 단계 502로 되돌아갈 수 있고, 현재 재고는 타겟 재고와 동일해질 때까지 계속 조정될 수 있다. 또한, 이 프로세스는 단계들의 순서로 설명되지만, 하나 이상의 프로세서는 상술된 결정(예를 들면, 단계 502 및 단계 505)을 연속적으로 수행함으로써 현재 재고 수준을 지속적으로 평가하고 수정하도록 구성될 수 있다. 프로세스(500)는 FC 아웃바운드 프로파일에 기초하여 FC에서 인바운드 배송의 수량을 관리하는 것으로 설명되었지만, 동일한 프로세스 또는 유사한 프로세스는 각각 생성된 지역 및 국가 아웃바운드 프로파일에 기초하여 지역 영역 또는 국가 영역으로의 인바운드 수량 배송을 관리하는데 사용될 수 있다.
본 개시는 그 특정 실시예를 참조하여 도시되고 설명되었지만, 본 개시는 다른 환경에서, 변경없이, 실시될 수 있음을 이해할 것이다. 전술한 설명은 예시의 목적으로 제시되었다. 그것은 개시된 정확한 형태나 실시예에 대해 총망라된 것이 아니며 이것으로 한정되는 것은 아니다. 개시된 실시예의 설명 및 실시를 고려하는 것으로부터 변경 및 조정이 통상의 기술자에게 명백할 것이다. 추가적으로, 비록 개시된 실시예의 형태가 메모리에 저장되는 것으로서 설명되었지만, 통상의 기술자는 이들 형태가 2차 저장 디바이스, 예를 들면, 하드디스크나 CD ROM, 또는 다른 형태의 RAM이나 ROM, USB 매체, DVD, 블루레이, 또는 다른 광 드라이브 매체와 같이, 다른 형태의 컴퓨터 판독 가능한 매체에 저장될 수도 있는 것을 이해할 것이다.
상술한 설명 및 개시된 방법에 기초한 컴퓨터 프로그램은 숙련된 개발자의 기술 내에 있다. 여러 프로그램 혹은 프로그램 모듈은 통상의 기술자에게 알려진 어느 기술을 이용하여 생성되거나, 또는 기존의 소프트웨어와 연결하여 설계될 수 있다. 예를 들면, 프로그램 섹션 혹은 프로그램 모듈은 닷넷 프레임워크, 닷넷 컴팩트 프레임워크(및 비주얼 베이식, C 등과 같은, 관련 언어), 자바, C++, 오브젝티브 C, HTML, HTML/AJAX 조합, XML, 또는 자바 애플릿이 포함된 HTML 내에서 혹은 그것들에 의해서 설계될 수 있다.
게다가, 여기에서는 예시적인 실시예가 설명되었지만, 본 개시에 기초하여 통상의 기술자가 이해할 수 있는 바와 같이, 일부 또는 모든 실시예의 범위는 동등한 요소, 변경, 생략, 조합(예로써, 여러 실시예에 걸치는 형태의 조합), 조정 및/또는 수정을 가질 수 있다. 청구범위 내의 제한 사항은 그 청구범위 내에 적용된 언어에 기초하여 폭넓게 이해되도록 하는 것이며, 응용의 수행 동안 혹은 본 명세서 내에 설명된 예시로 한정되는 것은 아니다. 그 예시는 비배타적으로 해석되도록 하기 위한 것이다. 추가로, 개시된 방법의 스텝은 어떤 다른 방법으로 변경되거나, 스텝을 재배열 및/또는 스텝을 삽입하거나 삭제하는 것을 포함할 수 있다. 그러므로, 설명 및 예시는 오직 예시적으로 고려되는 것이며, 진정한 범위 및 기술 사상은 다음의 청구범위 및 그 동등한 전체 범위에 의해 나타내지는 것으로 의도된다.

Claims (20)

  1. 자동화된 아웃바운드 프로파일을 생성하기 위한 컴퓨터-구현 시스템으로서,
    적어도 하나의 프로세서;
    적어도 하나의 데이터베이스; 및
    상기 적어도 하나의 프로세서에 의해 실행될 때, 다음을 포함하는 단계를 수행하는 명령을 포함하는 메모리를 포함하고,
    상기 단계는
    복수의 제품 식별자와 연관된 트랜잭션 데이터를 데이터베이스에 저장하고;
    상기 복수의 제품 식별자를 이용하여 풀필먼트 센터(FC)에 저장된 복수의 제품에 대한 현재 재고를 결정하고;
    머신 러닝 알고리즘을 이용하여, 상기 트랜잭션 데이터에 기초하여 예측 모델을 생성하고;
    상기 예측 모델을 이용하여, 상기 FC의 상기 아웃바운드 역량의 프로파일을 생성하고- 상기 아웃바운드 역량의 프로파일은 특정 기간 동안 판매될 것으로 예상되는 아웃고잉 제품의 수 또는 백분율을 포함함-;
    생성된 상기 FC의 상기 아웃바운드 역량의 프로파일을 상기 FC의 아웃바운드 역량의 실제 프로파일과 비교하고;
    상기 비교에 기초하여, 예상 아웃바운드 수요가 상기 FC의 실제 역량을 초과할 것인지 결정하고; 그리고
    상기 예상 아웃바운드 수요가 상기 FC의 상기 실제 역량을 초과할 것이라는 결정에 기초하여 원격 디바이스에 통지를 전송하는 것을 포함하는, 컴퓨터-구현 시스템.
  2. 청구항 1에 있어서,
    상기 예측 모델은 전자 요청 정보와 관련 FC 간의 관계를 나타내는 회귀를 포함하는 컴퓨터-구현 시스템.
  3. 청구항 2에 있어서,
    상기 회귀는 선형 회귀, 비선형 회귀, 앙상블 회귀 또는 로지스틱 회귀 중 하나인 컴퓨터-구현 시스템.
  4. 청구항 1에 있어서,
    상기 예측 모델을 생성하는 것은 사전 결정된 신뢰 임계값에 기초하여 상기 예측 모델을 검증하는 것을 포함하는 컴퓨터-구현 시스템.
  5. 청구항 1에 있어서,
    상기 예측 모델을 생성하는 것은 상기 트랜잭션 데이터로부터 생성된 검증 데이터 세트 및 트레이닝 데이터 세트를 이용하여 상기 예측 모델을 검증하는 것을 포함하는 컴퓨터-구현 시스템.
  6. 청구항 1에 있어서,
    상기 예측 모델은 상기 예측 모델에 의한 성공적인 예측의 정도에 따라 주기적으로 조정되는 컴퓨터-구현 시스템.
  7. 청구항 1에 있어서,
    상기 트랜잭션 데이터는 상기 FC에 할당된 고객 주문, 상기 FC에 할당된 들어오는 제품, 상기 FC에서 제품이 수신된 시간, 상기 FC로 들어오는 제품과 연관된 브랜드의 수, 상기 FC와 연관되는 제품의 최상위 브랜드, 상기 FC에서 제품의 가용성 또는 상기 FC로부터 배송되는 특정 브랜드의 제품의 수 중 적어도 하나를 포함하는 컴퓨터-구현 시스템.
  8. 삭제
  9. 청구항 1에 있어서,
    상기 아웃바운드 역량의 프로파일은 복수의 제품 카테고리에 대해 상기 특정 기간 동안 판매될 것으로 예상되는 아웃고잉 제품의 백분율을 포함하는 컴퓨터-구현 시스템.
  10. 청구항 9에 있어서,
    상기 제품 카테고리는 상기 FC에서의 총 재고, 브랜드, 가격대 또는 배송지 중 적어도 하나를 포함하는 컴퓨터-구현 시스템.
  11. 청구항 1에 있어서,
    상기 아웃바운드 역량의 프로파일은 사전 결정된 기간 동안 상기 FC로부터 예상되는 아웃고잉 제품의 수를 포함하는 컴퓨터-구현 시스템.
  12. 청구항 1에 있어서,
    상기 예측 모델은 예정된 이벤트에 기초하여 예상되는 아웃고잉 제품의 백분율 또는 수를 예측하는 컴퓨터-구현 시스템.
  13. 청구항 1에 있어서,
    상기 통지는 상기 FC가 추가 리소스, 추가 스토리지 공간 또는 추가 작업자 중 하나 이상을 제공받아야 함을 나타내는 컴퓨터-구현 시스템.
  14. 청구항 1에 있어서,
    상기 단계는, 상기 예상 아웃바운드 수요가 상기 FC의 상기 실제 역량을 초과할 것이라는 결정에 기초하여 상기 FC에서의 적어도 하나의 제품에 대한 목표 재고 수준을 설정하는 것을 더 포함하는 컴퓨터-구현 시스템.
  15. 자동화된 아웃바운드 프로파일을 생성하기 위한 컴퓨터-구현 방법으로서,
    복수의 제품 식별자와 연관된 트랜잭션 데이터를 데이터베이스에 저장하고;
    상기 복수의 제품 식별자를 이용하여 풀필먼트 센터(FC)에 저장된 복수의 제품에 대한 현재 재고를 결정하고;
    머신 러닝 알고리즘을 이용하여, 상기 트랜잭션 데이터에 기초하여 예측 모델을 생성하고;
    상기 예측 모델을 이용하여, 상기 FC의 아웃바운드 역량의 프로파일을 생성하고- 상기 아웃바운드 역량의 프로파일은 특정 기간 동안 판매될 것으로 예상되는 아웃고잉 제품의 수 또는 백분율을 포함함-;
    생성된 상기 FC의 상기 아웃바운드 역량의 프로파일을 상기 FC의 아웃바운드 역량의 실제 프로파일과 비교하고;
    상기 비교에 기초하여, 예상 아웃바운드 수요가 상기 FC의 실제 역량을 초과할 것인지 결정하고; 그리고
    상기 예상 아웃바운드 수요가 상기 FC의 상기 실제 역량을 초과할 것이라는 결정에 기초하여 원격 디바이스에 통지를 전송하는 것을 포함하는, 컴퓨터-구현 방법.
  16. 청구항 15에 있어서,
    상기 예측 모델은 전자 요청 정보와 관련 FC 간의 관계를 나타내는 회귀를 포함하는 컴퓨터-구현 방법.
  17. 청구항 15에 있어서,
    상기 예측 모델을 생성하는 것은 사전 결정된 신뢰 임계값에 기초하여 상기 예측 모델을 검증하는 것을 포함하는 컴퓨터-구현 방법.
  18. 청구항 15에 있어서,
    상기 예측 모델을 생성하는 것은 상기 트랜잭션 데이터로부터 생성된 검증 데이터 세트 및 트레이닝 데이터 세트를 이용하여 상기 예측 모델을 검증하는 것을 포함하는 컴퓨터-구현 방법.
  19. 청구항 15에 있어서,
    상기 예측 모델은 상기 예측 모델에 의한 성공적인 예측의 정도에 따라 주기적으로 조정되는 컴퓨터-구현 방법.
  20. 복수의 자동화된 아웃바운드 프로파일을 생성하기 위한 컴퓨터-구현 시스템으로서,
    적어도 하나의 프로세서;
    적어도 하나의 데이터베이스; 및
    상기 적어도 하나의 프로세서에 의해 실행될 때, 다음을 포함하는 단계를 수행하는 명령을 포함하는 메모리를 포함하고,
    상기 단계는
    풀필먼트 센터(FC)의 역량을 포함하는 데이터를 수신하고;
    상기 FC로 들어오는 복수의 제품과 연관된 복수의 제품 식별자를 수신하며;
    상기 제품 식별자를 이용하여 상기 FC에서 상기 복수의 제품에 대한 트랜잭션 로그를 주기적으로 수집 및 저장하며;
    상기 제품 식별자를 이용하여 상기 FC에 저장된 상기 복수의 제품에 대한 현재 재고를 결정하며;
    복수의 FC로부터의 복수의 트랜잭션 로그 및 현재 재고를 데이터베이스에 저장하며, - 상기 복수의 트랜잭션 로그 및 현재 재고는 트랜잭션 데이터를 포함함 -;
    트랜잭션 데이터를 트레이닝 데이터 세트와 검증 데이터 세트로 나누며, - 상기 트레이닝 데이터 세트는 상기 검증 데이터 세트보다 많은 데이터를 가짐 -;
    머신 러닝 알고리즘을 이용하여, 상기 트레이닝 데이터 세트에 기초하여 예측 모델을 생성하며;
    상기 검증 데이터 세트를 이용하여 상기 예측 모델을 검증하며;
    상기 FC와 연관된 트랜잭션 로그 및 현재 재고에 상기 예측 모델을 적용하여 상기 FC에 대한 아웃바운드 역량의 프로파일을 생성하며,
    - 생성된 상기 FC의 상기 아웃바운드 역량의 프로파일은 복수의 카테고리의 제품에 대해 특정 기간 동안 판매될 것으로 예상되는 아웃고잉 제품의 예상 백분율을 포함함 -; 그리고
    생성된 상기 FC의 상기 아웃바운드 역량의 프로파일을 상기 FC의 실제 아웃바운드 역량과 비교하여 생성된 상기 FC의 상기 아웃바운드 역량의 프로파일을 이용하여 네트워크 아웃바운드를 관리하는 것을 포함하는, 컴퓨터-구현 시스템.
KR1020220007722A 2020-04-07 2022-01-19 자동화된 아웃바운드 프로파일 생성을 위한 시스템 및 방법 KR102445716B1 (ko)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US16/842,302 US10796279B1 (en) 2020-04-07 2020-04-07 Systems and methods for automated outbound profile generation
US16/842,302 2020-04-07
KR1020200085557A KR102354795B1 (ko) 2020-04-07 2020-07-10 자동화된 아웃바운드 프로파일 생성을 위한 시스템 및 방법

Related Parent Applications (1)

Application Number Title Priority Date Filing Date
KR1020200085557A Division KR102354795B1 (ko) 2020-04-07 2020-07-10 자동화된 아웃바운드 프로파일 생성을 위한 시스템 및 방법

Publications (2)

Publication Number Publication Date
KR20220016235A KR20220016235A (ko) 2022-02-08
KR102445716B1 true KR102445716B1 (ko) 2022-09-22

Family

ID=72664002

Family Applications (2)

Application Number Title Priority Date Filing Date
KR1020200085557A KR102354795B1 (ko) 2020-04-07 2020-07-10 자동화된 아웃바운드 프로파일 생성을 위한 시스템 및 방법
KR1020220007722A KR102445716B1 (ko) 2020-04-07 2022-01-19 자동화된 아웃바운드 프로파일 생성을 위한 시스템 및 방법

Family Applications Before (1)

Application Number Title Priority Date Filing Date
KR1020200085557A KR102354795B1 (ko) 2020-04-07 2020-07-10 자동화된 아웃바운드 프로파일 생성을 위한 시스템 및 방법

Country Status (6)

Country Link
US (2) US10796279B1 (ko)
JP (1) JP2023520086A (ko)
KR (2) KR102354795B1 (ko)
SG (1) SG11202104714QA (ko)
TW (2) TWI759025B (ko)
WO (1) WO2021205224A1 (ko)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10796279B1 (en) * 2020-04-07 2020-10-06 Coupang Corp. Systems and methods for automated outbound profile generation
US11379865B2 (en) * 2020-07-17 2022-07-05 Sap Se Machine learned models for item price planning
US11250380B2 (en) * 2020-07-17 2022-02-15 Coupang Corp. Computer-implemented systems and methods for optimization of a product inventory by intelligent distribution of inbound products using product assignment validation
US11481858B2 (en) * 2020-09-21 2022-10-25 Walmart Apollo, Llc Peak period network capacity planning
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 (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100932262B1 (ko) * 2007-09-28 2009-12-16 한국전자통신연구원 물류 센터의 운영 관리 시스템 및 그 방법
KR101694514B1 (ko) * 2009-09-07 2017-01-10 한국전자통신연구원 물류 운영 계획 시스템 및 방법

Family Cites Families (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP3767954B2 (ja) * 1996-11-07 2006-04-19 富士通株式会社 需要予測装置
US20020077929A1 (en) * 2000-05-05 2002-06-20 Knorr Yolanda Denise Event driven shopping method utilizing electronic e-commerce order pending
KR100782921B1 (ko) * 2005-12-23 2007-12-07 주식회사농심 재고 관리 효율화를 위한 공급망 관리 시스템
US20130268312A1 (en) * 2012-04-10 2013-10-10 Verizon Patent And Licensing Inc. Digital Asset Management Protocol
WO2015059750A1 (ja) * 2013-10-21 2015-04-30 株式会社日立製作所 物流計画装置、物流計画生成プログラム及び記憶媒体
US20150134382A1 (en) * 2013-11-13 2015-05-14 Microsoft Corporation Interactive visualization of workloads
KR101778758B1 (ko) 2015-11-20 2017-09-14 쿠팡 주식회사 창고 관리 시스템, 방법, 및 컴퓨터 프로그램
US10832194B2 (en) * 2016-05-10 2020-11-10 International Business Machines Corporation System and method for setting inventory thresholds for offering and fulfillment across retail supply networks
KR20180079995A (ko) * 2017-01-03 2018-07-11 주식회사 데일리인텔리전스 머신러닝을 기반으로 데이터를 분석하는 프로그램을 생성하기 위한 방법
JP2019016035A (ja) * 2017-07-04 2019-01-31 メトロエンジン株式会社 客室料金設定装置、客室料金設定方法、およびプログラム
CN109840648B (zh) * 2017-11-27 2021-01-26 北京京东振世信息技术有限公司 用于输出储位信息的方法和装置
JP2019145088A (ja) 2017-12-29 2019-08-29 ゴゴロ インク 交換可能エネルギー貯蔵装置ステーション間でエネルギーを動的に配分するためのシステムおよび方法
CN109284856B (zh) 2018-07-25 2022-06-07 顺丰科技有限公司 一种快递包材物料需求预测方法、装置及设备、存储介质
CN109784806B (zh) 2018-12-27 2023-09-19 北京航天智造科技发展有限公司 供应链控制方法、系统以及存储介质
US20200320474A1 (en) 2019-04-02 2020-10-08 Coupang Corp. Computerized systems and methods for buffered inventory management
US10504061B1 (en) 2019-04-10 2019-12-10 Coupang, Corporation Systems and methods for machine-learning assisted inventory placement
US10796279B1 (en) 2020-04-07 2020-10-06 Coupang Corp. Systems and methods for automated outbound profile generation

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100932262B1 (ko) * 2007-09-28 2009-12-16 한국전자통신연구원 물류 센터의 운영 관리 시스템 및 그 방법
KR101694514B1 (ko) * 2009-09-07 2017-01-10 한국전자통신연구원 물류 운영 계획 시스템 및 방법

Also Published As

Publication number Publication date
TW202139090A (zh) 2021-10-16
TWI759025B (zh) 2022-03-21
TW202221594A (zh) 2022-06-01
US11526845B2 (en) 2022-12-13
US10796279B1 (en) 2020-10-06
US20210312378A1 (en) 2021-10-07
SG11202104714QA (en) 2021-11-29
KR20210124869A (ko) 2021-10-15
KR20220016235A (ko) 2022-02-08
TWI777897B (zh) 2022-09-11
WO2021205224A1 (en) 2021-10-14
KR102354795B1 (ko) 2022-02-07
JP2023520086A (ja) 2023-05-16

Similar Documents

Publication Publication Date Title
KR102251187B1 (ko) 인바운드 구매 주문의 지능적 조정에 의해 제품 재고를 최적화하기 위한 시스템 및 방법
KR102257049B1 (ko) 인바운드 구입 주문의 인텔리전트 조정에 의한 제품 재고 최적화를 위한 시스템 및 방법
KR102445716B1 (ko) 자동화된 아웃바운드 프로파일 생성을 위한 시스템 및 방법
KR102350925B1 (ko) 인바운드 제품의 지능적인 분배를 통해 제품 인벤토리를 최적화하는 컴퓨터-구현 시스템 및 방법
KR102515834B1 (ko) 사이클 및 안전 재고 결정 시스템
KR102575630B1 (ko) 인공 지능(ai) 기반 인바운드 계획 생성을 위한 컴퓨터-구현 시스템 및 방법
KR20220139265A (ko) 제품 할당 검증을 이용한 인바운드 제품의 지능적 분배에 의해 제품 재고를 최적화하는 컴퓨터 구현 시스템 및 방법

Legal Events

Date Code Title Description
A107 Divisional application of patent
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right