KR102455568B1 - 풀필먼트 센터에서 물품 공급자 단말기의 할당 요청에 따른 물품 배송 기계를 위한 슬롯을 할당하는 방법 및 그 장치 - Google Patents

풀필먼트 센터에서 물품 공급자 단말기의 할당 요청에 따른 물품 배송 기계를 위한 슬롯을 할당하는 방법 및 그 장치 Download PDF

Info

Publication number
KR102455568B1
KR102455568B1 KR1020220028103A KR20220028103A KR102455568B1 KR 102455568 B1 KR102455568 B1 KR 102455568B1 KR 1020220028103 A KR1020220028103 A KR 1020220028103A KR 20220028103 A KR20220028103 A KR 20220028103A KR 102455568 B1 KR102455568 B1 KR 102455568B1
Authority
KR
South Korea
Prior art keywords
goods
allocation
slots
slot
threshold
Prior art date
Application number
KR1020220028103A
Other languages
English (en)
Inventor
양태연
이석범
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
Priority to KR1020220028103A priority Critical patent/KR102455568B1/ko
Priority to PCT/KR2022/005416 priority patent/WO2023167365A1/ko
Priority to KR1020220130787A priority patent/KR20230131085A/ko
Application granted granted Critical
Publication of KR102455568B1 publication Critical patent/KR102455568B1/ko
Priority to TW112107193A priority patent/TW202336654A/zh

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
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06315—Needs-based resource requirements planning or analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • 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
    • G06Q10/0633—Workflow analysis
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
    • G06Q10/083—Shipping
    • G06Q10/0838—Historical data

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Economics (AREA)
  • General Physics & Mathematics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Strategic Management (AREA)
  • Software Systems (AREA)
  • Marketing (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Development Economics (AREA)
  • Evolutionary Computation (AREA)
  • Artificial Intelligence (AREA)
  • Data Mining & Analysis (AREA)
  • Mathematical Physics (AREA)
  • General Engineering & Computer Science (AREA)
  • Computing Systems (AREA)
  • Game Theory and Decision Science (AREA)
  • Educational Administration (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Medical Informatics (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Finance (AREA)
  • Accounting & Taxation (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Time-Division Multiplex Systems (AREA)

Abstract

일 실시예에 따른 풀필먼트 센터에서 물품 공급자 단말기의 할당 요청에 따른 물품 배송 기계를 위한 슬롯을 할당하는 방법으로서, 상기 물품 공급자 단말기로부터 슬롯의 할당 요청 신호를 수신하는 단계; 머신 러닝된 인공지능 모델에 의해 출력된 임계값과 상기 할당 요청 신호에서 나타내는 요청 슬롯 개수를 비교하여 할당 승인 여부를 결정하는 단계; 및 상기 할당 승인 여부를 나타내는 승인 정보를 상기 물품 공급자 단말기에게 송신하는 단계를 포함하는, 슬롯 할당 방법이 제공될 수 있다. 다른 일 실시예에 따라 슬롯 할당 방법을 수행하는 슬롯 할당 장치 및 슬롯 할당 방법을 수행하기 위한 컴퓨터 판독 가능 기록매체가 제공될 수도 있다.

Description

풀필먼트 센터에서 물품 공급자 단말기의 할당 요청에 따른 물품 배송 기계를 위한 슬롯을 할당하는 방법 및 그 장치{Method for allocating slot for item transport machine according to request of item supplier and apparatus thereof}
본 개시는 물품 공급자 단말기로부터 제공받은 물품을 배송하는 물품 배송 기계가 풀필먼트 센터에 도착하여 물품 배송 프로세스를 수행하기 위한 공간인 슬롯을 할당하는 방법 및 그 장치에 대한 것이다.
전자상거래가 본격적으로 구현되고 수많은 사용자들이 물품을 인터넷을 통해 구입하면서 물품의 판매 및 출하 과정을 위한 물품을 창고에 적재하고 이동하는 과정에서 수행되는 다양한 작업들이 작업자들에 의해 수행될 수 있다.
이러한 물품 창고에 적재되는 물품은 물품 공급자 단말기에 의해 공급되는 것일 수 있다. 이러한 물품 공급자 단말기로부터 공급되는 물품들은 트럭 등과 같은 물품 배송 기계를 통해 풀필먼트 센터에 입고될 수 있다.
최근 전자상거래의 활성화로 인해 풀필먼트 센터에 입고되는 물품의 종류, 수량, 부피, 무게 등이 매우 다양할 수 있으며 이러한 경우들에 따라 물품의 배송에 필요한 물품 배송 기계의 수도 다양할 수 있다.
종래에는 이러한 물품 배송 기계를 위한 슬롯을 할당하는 과정이 다각적인 측면에서 분석이 이루어지지 않은 상태에서 결정된 일률적인 기준에 기초하여 처리되거나 관리자가 일일이 손으로 처리하는 식으로 관리되어 효율성이 떨어지는 문제점이 있었다.
따라서 이와 같이 풀필먼트 센터에서 관리되는 수많은 물품들을 배송하는 물품 배송 기계들을 위한 공간(즉, 슬롯)을 적절히 할당하는 것이 체계적인 물품 배송 프로세스의 실현에 필요하다.
본 개시는 풀필먼트 센터에서 물품 공급자 단말기의 요청에 따라 물품 배송 기계가 풀필먼트 센터에서 물품을 배송하기 위한 슬롯을 할당할 개수를 최적화함으로써 수많은 물품을 배송하는 물품 배송 기계가 이용하게 되는 한정된 개수의 슬롯을 효율적으로 관리하기 위한 방법과 그 장치를 제공할 필요가 있다.
이하의 실시예들을 통해 도출될 수 있는 목적들은 이상에서 언급한 목적으로 제한되지 않으며, 언급되지 않은 다른 목적 및 장점들은 하기의 설명에 의해서 이해될 수 있고, 실시예들에 의해 보다 분명하게 이해될 것이다. 또한, 실시예들을 통해 도출될 수 있는 목적 및 장점들은 특허 청구 범위에 나타낸 수단 및 그 조합에 의해 실현될 수 있음을 쉽게 알 수 있을 것이다.
일 실시예에 따른 풀필먼트 센터에서 물품 공급자 단말기의 할당 요청에 따른 물품 배송 기계를 위한 슬롯을 할당하는 방법으로서, 상기 물품 공급자 단말기로부터 슬롯의 할당 요청 신호를 수신하는 단계; 머신 러닝된 인공지능 모델에 의해 출력된 임계값과 상기 할당 요청 신호에서 나타내는 요청 슬롯 개수를 비교하여 할당 승인 여부를 결정하는 단계; 및 상기 할당 승인 여부를 나타내는 승인 정보를 상기 물품 공급자 단말기에게 송신하는 단계를 포함하는, 슬롯 할당 방법이 제공될 수 있다.
일 실시예에 따라 임계값은 복수개이고, 상기 할당 승인 여부를 결정하는 단계는 상기 요청 슬롯 개수가 상기 복수의 임계값 중 하나인 제1 임계값 미만인 경우에는 상기 요청 슬롯 개수로 할당 승인하는 단계; 및 상기 요청 슬롯 개수가 상기 제1 임계값 이상인 경우에는 상기 제1 임계값 보다 크고 상기 복수의 임계값 중 하나인 제2 임계값과 상기 요청 슬롯 개수를 비교하여 할당 승인 여부를 결정하는 단계를 포함하는, 슬롯 할당 방법이 제공될 수 있다.
일 실시예에 따라 제1 임계값 및 상기 제2 임계값은 상기 인공지능 모델이 상이한 신뢰 수준을 기준으로 머신 러닝된 상기 인공지능 모델에서 출력된 예측 슬롯 개수인, 슬롯 할당 방법이 제공될 수 있다.
일 실시예에 따라 제2 임계값과 상기 요청 슬롯 개수를 비교하여 할당 승인 여부를 결정하는 단계는, 상기 요청 슬롯 개수가 상기 제2 임계값 미만인 경우에는 상기 요청 슬롯 개수로 할당 승인하는 단계; 및 상기 요청 슬롯 개수가 상기 제2 임계값 이상인 경우에는 물품 공급자 신뢰도 분류 모델을 이용하여 결정된 상기 물품 공급자 단말기의 신뢰도에 기초하여 할당 승인 여부를 결정하는 단계를 더 포함하는, 슬롯 할당 방법이 제공될 수 있다.
일 실시예에 따라 물품 공급자 신뢰도 분류 모델은 물품 공급자 단말기의 할당 받은 슬롯을 이용하지 않아 노-쇼(no-show) 처리된 횟수에 기초하여 물품 공급자 단말기의 신뢰도를 출력하도록 구성된 모델인, 슬롯 할당 방법이 제공될 수 있다.
일 실시예에 따라 인공지능 모델은 적어도 하나의 타입 각각의 정보를 적어도 하나의 카테고리로 분류한 데이터를 포함하는 분류 정보 및 수치에 대한 데이터를 포함하는 수치 정보에 기초하여 학습되는, 슬롯 할당 방법이 제공될 수 있다.
일 실시예에 따라 인공지능 모델은, 풀필먼트 센터의 식별자, 풀필먼트 센터의 유형, 물품 배송 기계의 물품 중 가장 많은 비중을 차지하는 물품 타입, 물품 배송 기계에 의해 배송되는 물품의 출고지 개수에 기초한 적어도 하나의 분류를 포함하는 그룹에서 선택된 적어도 하나를 포함하는 상기 분류 정보, 및 온도에 민감한 물품의 종류 수, 물품 배송 기계에 의해 배송되는 물품의 출고지 개수, 배송되는 각 SKU들의 부피 총합, 배송되는 각 SKU들의 무게 총합, 물류 배송 기계에 의해 배송되는 SKU 개수, 물품 배송 기계에 의해 배송되는 물품의 부피 총합, 물품 배송 기계에 의해 배송되는 물품의 무게 총합, 및 물품 배송 기계의 물품의 부피당 무게를 포함하는 그룹에서 선택된 적어도 하나를 포함하는 상기 수치 정보에 기초하여 학습되는, 슬롯 할당 방법이 제공될 수 있다.
일 실시예에 따라 할당 요청 신호는 상기 물품 공급자 단말기의 식별자, 상기 풀필먼트 센터의 식별자 및 상기 풀필먼트 센터에의 예상 배송 일자에 대한 정보를 더 포함하는, 슬롯 할당 방법이 제공될 수 있다.
일 실시예에 따라 물품 공급자 단말기의 식별자, 상기 풀필먼트 센터의 식별자 및 상기 예상 배송 일자로부터 상기 인공지능 모델을 머신 러닝 하기 위해 사용되는 입력 데이터를 추출하는 단계; 및 상기 입력 데이터에 기초하여 상기 인공지능 모델을 머신 러닝 시키는 단계를 더 포함하는, 슬롯 할당 방법이 제공될 수 있다.
다른 일 실시예에 따른 풀필먼트 센터에서 물품 공급자 단말기의 할당 요청에 따른 물품 배송 기계를 위한 슬롯을 할당하는 장치에 있어서, 송수신부; 및 머신 러닝된 인공지능 모델에 의해 출력된 임계값과 상기 송수신부를 통해 수신한 상기 물품 공급자 단말기로부터의 슬롯의 할당 요청 신호에서 나타내는 요청 슬롯 개수를 비교하여 할당 승인 여부를 결정하고, 상기 할당 승인 여부를 나타내는 승인 정보를 상기 물품 공급자 단말기에게 송신하도록 상기 송수신부를 제어하도록 구성된 프로세서를 포함하는, 슬롯 할당 장치가 제공될 수 있다.
일 실시예에 따라 임계값은 복수개이고, 상기 프로세서는 상기 요청 슬롯 개수가 상기 복수의 임계값 중 하나인 제1 임계값 미만인 경우에는 상기 요청 슬롯 개수로 할당 승인하는 것으로 결정하고, 상기 요청 슬롯 개수가 상기 제1 임계값 이상인 경우에는 상기 제1 임계값 보다 크고 상기 복수의 임계값 중 하나인 제2 임계값과 상기 요청 슬롯 개수를 비교하여 할당 승인 여부를 결정하는, 슬롯 할당 장치가 제공될 수 있다.
일 실시예에 따라 제1 임계값 및 상기 제2 임계값은 상기 인공지능 모델이 상이한 신뢰 수준을 기준으로 머신 러닝된 상기 인공지능 모델에서 출력된 예측 슬롯 개수인, 슬롯 할당 장치가 제공될 수 있다.
일 실시예에 따라 프로세서는, 상기 제2 임계값과 상기 요청 슬롯 개수를 비교하여 할당 승인 여부를 결정하고, 상기 요청 슬롯 개수가 상기 제2 임계값 미만인 경우에는 상기 요청 슬롯 개수로 할당 승인하고, 상기 요청 슬롯 개수가 상기 제2 임계값 이상인 경우에는 물품 공급자 신뢰도 분류 모델을 이용하여 결정된 상기 물품 공급자 단말기의 신뢰도에 기초하여 할당 승인 여부를 결정하도록 더 구성되는, 슬롯 할당 장치가 제공될 수 있다.
일 실시예에 따라 물품 공급자 신뢰도 분류 모델은 물품 공급자 단말기의 할당 받은 슬롯을 이용하지 않아 노-쇼 처리된 횟수에 기초하여 물품 공급자 단말기의 신뢰도를 출력하도록 구성된 모델인, 슬롯 할당 장치.
일 실시예에 따라 인공지능 모델은 적어도 하나의 타입 각각의 정보를 적어도 하나의 카테고리로 분류한 데이터를 포함하는 분류 정보 및 수치에 대한 데이터를 포함하는 수치 정보에 기초하여 학습되는, 슬롯 할당 장치가 제공될 수 있다.
일 실시예에 따라 인공지능 모델은, 풀필먼트 센터의 식별자, 풀필먼트 센터의 유형, 물품 배송 기계의 물품 중 가장 많은 비중을 차지하는 물품 타입, 물품 배송 기계에 의해 배송되는 물품의 출고지 개수에 기초한 적어도 하나의 분류를 포함하는 그룹에서 선택된 적어도 하나를 포함하는 상기 분류 정보, 및 온도에 민감한 물품의 종류 수, 물품 배송 기계에 의해 배송되는 물품의 출고지 개수, 배송되는 각 SKU들의 부피 총합, 배송되는 각 SKU들의 무게 총합, 물류 배송 기계에 의해 배송되는 SKU 개수, 물품 배송 기계에 의해 배송되는 물품의 부피 총합, 물품 배송 기계에 의해 배송되는 물품의 무게 총합, 및 물품 배송 기계의 물품의 부피당 무게를 포함하는 그룹에서 선택된 적어도 하나를 포함하는 상기 수치 정보에 기초하여 학습되는, 슬롯 할당 장치가 제공될 수 있다.
일 실시예에 따라 할당 요청 신호는 상기 물품 공급자 단말기의 식별자, 상기 풀필먼트 센터의 식별자 및 상기 풀필먼트 센터에의 예상 배송 일자에 대한 정보를 더 포함하는, 슬롯 할당 장치가 제공될 수 있다.
일 실시예에 따라 프로세서는, 상기 물품 공급자 단말기의 식별자, 상기 풀필먼트 센터의 식별자 및 상기 예상 배송 일자로부터 상기 인공지능 모델을 머신 러닝 하기 위해 사용되는 입력 데이터를 추출하고, 상기 입력 데이터에 기초하여 상기 인공지능 모델을 머신 러닝 시키도록 더 구성되는, 슬롯 할당 장치가 제공될 수 있다.
또 다른 일 실시예에 따른 슬롯 할당 방법을 수행하기 위한 컴퓨터 프로그램을 수록한, 비일시적 컴퓨터 판독 가능 기록매체가 제공될 수 있다.
본 개시에서 슬롯 할당 프로세스를 통해 결정되는 최적화된 슬롯 개수에 대한 임계값 이하로 물품 공급자 단말기가 슬롯 할당을 요청하도록 하고 이를 승인함으로써 한정된 개수의 슬롯을 효율적으로 관리할 수 있다.
상술한 효과와 더불어 도출 가능한 구체적인 효과는 이하 발명을 실시하기 위한 구체적인 사항을 설명하면서 함께 기술한다.
도 1은 일 실시예에 따라 풀필먼트 센터에서 제공하는 슬롯을 이용하는 물품 배송 기계의 모습을 도식화 한 것이다.
도 2는 일 실시예에 따른 슬롯 할당 장치에 대한 블록도를 도시한다.
도 3은 일 실시예에 따라 슬롯 할당 방법에 대한 흐름도이다.
도 4는 일 실시예에 따라 복수의 임계값과 요청 슬롯 개수를 비교하여 슬롯을 할당할지 여부를 결정하는 방법에 대한 흐름도이다.
도 5는 일 실시예에 따라 물품 공급자 단말기에 대한 신뢰도에 기초하여 요청 슬롯 개수에 대한 할당 여부를 결정하는 방법에 대한 흐름도이다.
도 6은 일 실시예에 따라 슬롯 예측 모델 및 물품 공급자 신뢰도 분류 모델에 기초하여 슬롯 요청에 대한 응답 방법 및 모델 업데이트 기능을 설명하기 위한 도면이다.
도 7은 일 실시예에 따라 슬롯 할당 장치와 통신하는 물품 공급자 단말기가 슬롯을 예약하는 과정을 보여주는 예시적인 도면이다.
도 8은 일 실시예에 따라 제1 임계값 및/또는 제2 임계값을 초과한 개수의 슬롯의 할당을 요청하기 위한 사용자 인터페이스의 예시를 도시한다.
이하, 실시예들과 관련된 기술 분야의 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 도면을 참조하여 상세히 설명한다. 이하의 실시예들은 여러 가지 상이한 형태로 구현될 수 있으며 여기에서 설명하는 실시예에 한정되지 않는다.
이하의 설명에서 사용되는 구성요소에 대한 접미사 "부"는 명세서 작성의 용이함만이 고려되어 부여되거나 혼용되는 것으로서, 그 자체로 서로 구별되는 의미 또는 역할을 갖는 것은 아니다.
명확한 설명을 위해서 설명과 관계없는 부분은 생략하였으며, 명세서 전체를 통하여 동일 또는 유사한 구성요소에 대해서는 동일한 참조 부호를 붙이도록 한다. 또한, 일부 실시예들을 예시적인 도면을 참조하여 상세하게 설명한다. 각 도면의 구성요소들에 참조부호를 부가함에 있어서, 동일한 구성요소들에 대해서는 비록 다른 도면상에 표시되더라도 가능한 한 동일한 부호를 가질 수 있다. 또한, 본 개시를 설명함에 있어, 관련된 공지 구성 또는 기능에 대한 구체적인 설명이 실시예들의 요지를 흐릴 수 있다고 판단되는 경우에는 그 상세한 설명은 생략할 수 있다.
실시예들의 구성 요소를 설명하는 데 있어서, 제 1, 제 2, A, B, (a), (b) 등의 용어를 사용할 수 있다. 이러한 용어는 그 구성 요소를 다른 구성 요소와 구별하기 위한 것일 뿐, 그 용어에 의해 해당 구성 요소의 본질, 차례, 순서 또는 개수 등이 한정되지 않는다. 임의의 구성요소 간 "연결", "결합" 또는 "접속"된다고 기재된 경우, 임의의 구성요소 간에 직접적으로 연결되거나 또는 접속될 수 있고 각 구성 요소 사이에 다른 구성 요소가 "개재"되거나 각 구성 요소가 다른 구성 요소를 통해 "연결", "결합" 또는 "접속"될 수도 있다고 이해되어야 할 것이다.
본 개시에서, "포함한다", "구성된다" 또는 "가지다" 등의 용어는 명세서상에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.
또한, 본 개시를 구현함에 있어서 설명의 편의를 위하여 구성요소를 세분화하여 설명할 수 있으나, 이들 구성요소가 하나의 장치 또는 모듈 내에 구현될 수도 있고, 혹은 하나의 구성요소가 다수의 장치 또는 모듈들에 나뉘어져서 구현될 수도 있다.
도 1은 일 실시예에 따라 풀필먼트 센터(100)에서 제공하는 슬롯을 이용하는 물품 배송 기계의 모습을 도식화 한 것이다.
도 1을 참조하면, 풀필먼트 센터(100)는 미리 결정된 개수만큼의 슬롯을 운용하고 있으며, 이러한 슬롯을 물품 공급자 단말기(150a, 150b, 150c)의 요청에 따라 물품 공급자 단말기(150a, 150b, 150c)로부터 이동해오는 물품 배송 기계를 위해 각각 할당할 수 있다.
일 실시예에 따라 물품 공급자 단말기(150a, 150b, 150c)각각은 물품의 주문에 관련된 정보(예를 들면, 배송 주소, 재고 수량, 입고 예정일, 예상 배송 일자 등)에 기초하여 풀필먼트 센터(100)로 물품을 싣은 물품 배송 기계를 보낼 수 있으며 물품 배송 기계를 보내기 전 풀필먼트 센터(100)로 물품을 풀필먼트 센터(100)로 입고 시키기 위해 슬롯 할당을 요청할 수 있다. 일 실시예에 따라 할당을 요청하게 되는 슬롯 개수는 물품의 무게, 부피, 수량, 종류, SKU 등 다양한 정보에 따라 달라질 수 있다. 즉, 물품 공급자 단말기(150a, 150b, 150c)로부터 오게되는 물품 배송 기계의 개수는 슬롯 할당 요청 시 마다 다를 수 있으며 물품 공급자 단말기(150a, 150b, 150c)마다 다를 수 있다.
일 실시예에 따라 풀필먼트 센터(100)는 물품 공급자 단말기(150a, 150b, 150c)의 슬롯 할당 요청에 대한 응답으로 슬롯 할당 여부에 대한 결정을 수행하고 할당 여부를 물품 공급자 단말기(150a, 150b, 150c)에게 송신할 수 있다. 할당 여부를 수신한 물품 공급자 단말기(150a, 150b, 150c)는 할당된 슬롯의 개수 또는 그 이하의 수의 물품 배송 기계를 풀필먼트 센터(100)로 보낼 수 있다.
일 실시예에 따라 풀필먼트 센터(100)는 물품 공급자 단말기(150a, 150b, 150c)로부터의 슬롯 할당 요청에 대한 응답으로 요청된 슬롯 개수만큼 할당할 것인지 결정할 수 있으며, 물품 공급자 단말기(150a, 150b, 150c)는 요청한 슬롯 개수만큼 할당 승인된 것으로 풀필먼트 센터(100)에 의해 승인되면 물품 배송 기계를 풀필먼트 센터(100)로 보낼 수 있다. 따라서 풀필먼트 센터(100)는 물품 공급자 단말기(150a, 150b, 150c)가 요청한 슬롯 개수가 최적화된 슬롯 개수에 부합하는 것지 판단하여 슬롯 할당 요청을 승인할 것인지 결정할 수 있다.
최적화된 슬롯 개수인지 여부에 대한 판단은 복수의 기준으로 학습된 인공지능 모델에 기초하여 결정된 값과 요청된 슬롯 개수의 비교를 통해 수행될 수 있다. 비교 결과에 따라 요청된 슬롯 개수가 적절한 개수가 아닌 것으로 결정되는 경우 최종적으로 할당을 승인하지 않을 수 있으며, 적절한 범위에 부합하는 것으로 결정되는 경우 할당을 승인할 수 있다.
일 실시예에 따라 물품 공급자 단말기(150a, 150b, 150c)는 관습적으로 많은 개수의 슬롯을 풀필먼트 센터(100)에 요청하는 경향이 있으므로, 풀필먼트 센터(100)로서는 물품 공급자 단말기(150a, 150b, 150c)의 이러한 경향을 고려하여 물품 공급자 단말기(150a, 150b, 150c)로 하여금 적정 개수의 슬롯을 할당 요청하도록 유도할 필요가 있다. 한편, 풀필먼트 센터(100)는 슬롯을 운용함에 있어서 빈 슬롯이 생기는 것으로 인한 비효율이 야기되는 것을 방지할 필요성도 염두에 두어여야 한다. 이와 같이 풀필먼트 센터(100)는 슬롯 운용의 최적화를 필요로 하며 이에 따라 본 개시에서는 슬롯 운용의 최적화를 위해 물품 공급자 단말기(150a, 150b, 150c)로부터의 슬롯 할당 요청의 승인 여부 결정 프로세스에 대한 다양한 실시예를 설명한다.
도 2는 일 실시예에 따른 슬롯 할당 장치(200)에 대한 블록도를 도시한다.
일 실시예에 따라 슬롯 할당 장치(200)는 물품 공급자 단말기(250)로부터 슬롯을 할당해달라는 요청을 포함하는 할당 요청 신호를 수신하고 이에 대한 응답으로 할당 승인 여부를 나타내는 승인 정보를 송신하도록 구성되는 송수신부(210) 및 이러한 송수신부(210)를 제어하고 머신 러닝된 인공지능 모델에 의해 출력된 복수의 임계값과 할당 요청 신호에서 나타내는 요청 슬롯 개수를 비교하여 할당 승인 여부를 결정하도록 구성되는 프로세서(220)를 포함할 수 있다.
일 실시예에 따라 송수신부(210)가 정보의 송수신함에 이용되는 통신 기술에는 GSM(Global System for Mobile communication), CDMA(Code Division Multi Access), LTE(Long Term Evolution), 5G, WLAN(Wireless LAN), Wi-Fi(Wireless-Fidelity), 블루투스(Bluetooth™), RFID(Radio Frequency Identification), 적외선 통신(Infrared Data Association; IrDA), ZigBee, NFC(Near Field Communication) 등이 포함될 수 있다.
일 실시예에 따라 프로세서(220)는 슬롯 할당 장치(200)에 포함되어 슬롯 할당 장치(200)가 실시할 수 있는 다양한 실시예들을 수행하도록 슬롯 할당 장치(200)에 포함된 다양한 구성들을 제어하도록 구성될 수 있다. 일 실시예에 따라 송수신부(210)는 프로세서(220)에 의해 제어되어 소정의 정보를 송수신하도록 구성될 수 있다.
일 실시예에 따라 프로세서(220)는 RAM, ROM, CPU, GPU(Graphic Processing Unit) 및 버스(BUS) 중 적어도 하나를 포함 할 수 있으며 이는 서로 연결될 수 있다. 일 실시예에 따라 프로세서(220)는 슬롯 할당 장치(200)에 포함된 메모리에 엑세스하여 메모리에 저장된 각종 프로그램, 데이터, 소정의 정보들을 이용하여 다양한 동작을 수행하도록 구성될 수 있다.
일 실시예에 따라 프로세서(220)는 할당 요청 신호에 포함된 할당 요청된 슬롯 개수가 할당 가능한 범위 내에 포함되는지 판단하고 할당할 것인지 결정하기 위해, 머신 러닝된 인공지능 모델을 이용할 수 있다. 일 실시예에 따라 인공지능 모델은 다양한 입력 데이터에 기초하여 학습된 것으로서 인공지능 모델은 입력 데이터에 대응되는 출력 데이터로서 예측 슬롯 개수에 대한 값을 출력할 수 있다. 일 실시예에 따라 예측 슬롯 개수에 대한 출력 값은 인공지능 모델의 학습의 미리 설정된 신뢰도에 따라 다른 값으로서 출력될 수 있다. 프로세서(220)는 출력된 적어도 하나의 예측 슬롯 개수와 할당 요청 신호가 나타내는 요청 슬롯 개수를 비교함으로써 할당 여부를 결정할 수 있다. 인공지능 모델의 학습에 대한 내용은 다양한 실시예를 통해 후술하도록 한다.
도 3은 일 실시예에 따라 슬롯 할당 장치(200)가 슬롯을 할당하는 방법에 대한 흐름도이다.
S310단계에서 슬롯 할당 장치(200)는 일 실시예에 따라 물품 공급자 단말기(250)로부터 슬롯의 할당 요청 신호를 수신할 수 있다. 일 실시예에 따라 할당 요청 신호에는 물품 공급자 단말기(250)가 요청하는 슬롯 개수에 대한 정보를 포함할 수 있다. 일 실시예에 따라 할당 요청 신호는 물류 데이터를 포함할 수 있으며, 이러한 물류 데이터로서 풀필먼트 센터에의 예상 배송 일자에 대한 정보, 물류 공급자(즉, 벤더)의 식별자, 풀필먼트 센터의 식별자 중 적어도 하나가 포함될 수 있다. 일 실시예에 따라 물품 공급자 단말기는 물품에 대한 소비자의 주문이 없더라도 재고 관리 측면 등을 고려하여 풀필먼트 센터(200)로의 물품 입고 프로세스를 진행할 수도 있으므로 할당 요청 신호에 포함되는 물류 데이터에는 발주번호가 포함되지 않을 수도 있다.
S320단계에서 슬롯 할당 장치(200)는 일 실시예에 따라 머신 러닝된 인공지능 모델에 의해 출력된 임계값과 할당 요청 신호에서 나타내는 요청 슬롯 개수를 비교하여 할당 승인 여부를 결정할 수 있다. 일 실시예에 따라 프로세서(220)는 인공지능 모델을 이용하여 요청 슬롯 개수와 비교할 적어도 하나의 임계값을 출력할 수 있다. 다른 일 실시예에 따라 슬롯 할당 장치(200)는 이미 학습된 인공지능 모델을 이용할 수 있는 적어도 하나의 별도의 전용 프로세서를 더 포함할 수도 있다. 이하에서는 설명 상 편의를 위해 프로세서(220)가 인공지능 모델을 이용하는 것을 전제로 설명하도록 한다.
일 실시예에 따라 프로세서(220)가 이용하는 인공지능 모델은 미리 머신 러닝된 모델일 수 있다. 일 실시예에 따라 인공지능 모델은 적어도 하나의 타입 각각의 정보를 적어도 하나의 카테고리로 분류한 데이터를 포함하는 분류 정보 및 수치에 대한 데이터를 포함하는 수치 정보에 기초하여 머신 러닝된 것일 수 있다.
일 실시예에 따라 인공지능 모델의 학습에 이용될 수 있는 데이터에 대한 정보는 아래와 같은 표 1과 같이 정리될 수 있다.
타입 데이터
분류
정보		 풀필먼트 센터의 식별자
물품 공급자 단말기의 식별자
풀필먼트 센터의 유형
물품 배송 기계의 물품 중 가장 많은 비중을 차지하는 물품 타입
물품 배송 기계에 의해 배송되는 물품의 출고지 개수에 기초한 적어도 하나의 분류
수치
정보		 온도에 민감한 물품의 종류 수
물품 배송 기계에 의해 배송되는 물품의 출고지 개수
배송되는 각 SKU들의 부피 총합
배송되는 각 SKU들의 무게 총합
물류 배송 기계에 의해 배송되는 SKU 개수
물품 배송 기계에 의해 배송되는 물품의 부피 총합
물품 배송 기계에 의해 배송되는 물품의 무게 총합
물품 배송 기계의 물품의 부피당 무게
물품 배송 기계의 부피당 무게에 물품 배송 기계에 의한 배송 SKU 수를 곱한 값
일 실시예에 따라 인공지능 모델은 풀필먼트 센터의 식별자, 풀필먼트 센터의 유형, 물품 배송 기계의 물품 중 가장 많은 비중을 차지하는 물품 타입, 물품 배송 기계에 의해 배송되는 물품의 출고지 개수에 기초한 적어도 하나의 분류를 포함하는 그룹에서 선택된 적어도 하나를 포함하는 분류 정보, 및 온도에 민감한 물품의 종류 수, 물품 배송 기계에 의해 배송되는 물품의 출고지 개수, 배송되는 각 SKU들의 부피 총합, 배송되는 각 SKU들의 무게 총합, 물류 배송 기계에 의해 배송되는 SKU 개수, 물품 배송 기계에 의해 배송되는 물품의 부피 총합, 물품 배송 기계에 의해 배송되는 물품의 무게 총합, 및 물품 배송 기계의 물품의 부피당 무게를 포함하는 그룹에서 선택된 적어도 하나를 포함하는 수치 정보를 입력하여 학습될 수 있다.
일 실시예에 따라 프로세서(220)는 다양한 분류 정보 및 수치 정보를 입력 데이터로서 학습된 인공지능 모델로부터 출력되는 예측 슬롯 개수를 요청 슬롯 개수가 허용 가능한 것인지 결정할 수 있다.
S330단계에서 슬롯 할당 장치(200)는 일 실시예에 따라 S320 단계에서 결정된 할당 승인 여부를 나타내는 승인 정보를 물품 공급자 단말기에게 송신할 수 있다. 일 실시예에 따라 승인 정보는 할당 요청을 승인 또는 불승인한다는 정보를 포함할 수 있다. 일 실시예에 따라 승인 정보는 승인 여부에 대한 정보 뿐만 아니라 물품 공급자 단말기(250)에게 슬롯 할당을 위해 소정의 정보를 입력할 것을 요구하기 위한 정보를 더 포함할 수도 있다.
도 4는 일 실시예에 따라 복수의 임계값과 요청 슬롯 개수를 비교하여 슬롯을 할당할지 여부를 결정하는 방법에 대한 흐름도이다. 도 4의 S410 단계 및 S430 단계에 대한 특징은 도 3의 S310 단계 및 S330 단계에 대한 특징과 동일하거나 유사할 수 있으므로 자세한 설명은 생략하도록 한다.
S422단계에서 슬롯 할당 장치(200)는 일 실시예에 따라 물품 공급자 단말기(250)로부터 수신한 할당 요청 신호에 포함된 요청 슬롯 개수가 제1 임계값 미만인지 여부를 결정할 수 있다.
일 실시예에 따라 제1 임계값은 슬롯 할당 장치(200)의 프로세서(220)에 의해 이용될 수 있는 인공지능 모델에 의해 출력된 값일 수 있다. 일 실시예에 따라 프로세서(220)는 할당 요청 신호에 포함되는 정보(예를 들면, 풀필먼트 센터의 식별자, 물품 공급자 단말기의 식별자 및 물류 데이터 중 적어도 하나)에 기초하여 인공지능 모델에 입력할 데이터를 추출할 수 있다. 프로세서(220)는 추출된 데이터를 인공지능 모델에 입력할 데이터로서 이용할 수 있다. 프로세서(220)는 인공지능 모델에 추출된 데이터가 입력됨에 따라 출력되는 데이터를 요청 슬롯 개수와 비교할 임계값 중 하나로 이용할 수 있다.
일 실시예에 따라 프로세서(220)는 할당 요청 신호에 포함되는 정보에 기초하여 풀필먼트 센터의 식별자, 풀필먼트 센터의 유형, 물품 배송 기계의 물품 중 가장 많은 비중을 차지하는 물품 타입, 물품 배송 기계에 의해 배송되는 물품의 출고지 개수에 기초한 적어도 하나의 분류를 포함하는 그룹에서 선택된 적어도 하나를 포함하는 분류 정보, 및 온도에 민감한 물품의 종류 수, 물품 배송 기계에 의해 배송되는 물품의 출고지 개수, 배송되는 각 SKU들의 부피 총합, 배송되는 각 SKU들의 무게 총합, 물류 배송 기계에 의해 배송되는 SKU 개수, 물품 배송 기계에 의해 배송되는 물품의 부피 총합, 물품 배송 기계에 의해 배송되는 물품의 무게 총합, 및 물품 배송 기계의 물품의 부피당 무게를 포함하는 그룹에서 선택된 적어도 하나를 포함하는 수치 정보를 적어도 일부 추출할 수 있다. 일 실시예에 따라 프로세서(220)는 추출된 데이터를 이용하여 인공지능 모델로부터 예측된 허용 가능한 슬롯 개수를 출력할 수 있으며 이를 요청 슬롯 개수와 비교하기 위한 임계값으로 이용할 수 있다. 일 실시예에 따라 프로세서(220)는 추후 결정된 할당 여부에 대한 정보를 추출된 데이터와 함께 인공지능 모델을 학습 시키기 위해 사용할 수 있다.
일 실시예에 따라 요청 슬롯 개수가 제1 임계값 미만인 것으로 결정된 경우, S424 단계에서 슬롯 할당 장치(200)는 요청 슬롯 개수에 대한 할당을 승인하는 것으로 결정할 수 있다.
일 실시예에 따라 요청 슬롯 개수가 제1 임계값 이상인 것으로 결정된 경우, S426 단계에서 슬롯 할당 장치(200)는 제1 임계값과 상이한 값을 가지는 제2 임계값과 요청 슬롯 개수를 비교하여 할당 승인 여부를 결정할 수 있다. 일 실시예에 따라 제2 임계값은 제1 임계값보다 큰 값일 수 있다.
S430 단계에서 슬롯 할당 장치(200)는 일 실시예에 따라 S424 단계 또는 S426 단계를 통해 결정된 할당 승인 여부를 나타내는 승인 정보를 물품 공급자 단말기(250)에게 송신할 수 있다. 일 실시예에 따라 승인 정보는 S410 단계에서 할당 요청 신호를 수신한 것에 대한 응답으로서 승인 또는 불승인을 나타내는 정보를 포함할 수 있다.
일 실시예에 따라 할당 요청 신호를 수신한 것에 대한 응답으로서 물품 공급자 단말기(250)에게 송신된 승인 정보는 승인 여부에 대한 정보 뿐만 아니라 승인 여부에 따라 물품 공급자 단말기(250)가 취해야할 추가적인 프로세스에 대한 정보를 더 포함할 수도 있다. 예를 들면, 승인 정보가 승인함을 나타내는 정보를 포함하는 경우 슬롯 할당 장치(200)는 할당된 슬롯에 관련된 정보(슬롯 위치, 슬롯으로 이동해야하는 시간, 슬롯 타입 등)를 물품 공급자 단말기(250)에게 더 송신할 수 있다. 또 다른 예를 들면, 승인 정보가 승인하지 않음을 나타내는 정보를 포함하는 경우 슬롯 할당 장치(200)는 물품 공급자 단말기(250)로 하여금 추가 정보를 입력할 것을 요구하는 메시지(예를 들면, 더 적은 요청 슬롯 개수로 할당 요청 신호를 송신하도록 요구하는 메시지, 슬롯 이용 시간을 수정하도록 요구하는 메시지, 물품 배송 기계에 의해 배송되는 물품의 SKU, 부피 및/또는 무게 등을 조정하도록 요구하는 메시지 등)를 물품 공급자 단말기(250)에게 더 송신할 수 있다.
S430 단계를 통해 승인 정보를 포함하는 다양한 정보를 제공받은 물품 공급자 단말기(250)는 할당 받은 슬롯을 이용하는 것 뿐만 아니라 송신된 정보에 의해 나타내어지거나 요구되어진 정보에 관련된 프로세스를 더 수행할 수 있다.
도 5는 일 실시예에 따라 물품 공급자 단말기(250)에 대한 신뢰도에 기초하여 요청 슬롯 개수에 대한 할당 여부를 결정하는 방법에 대한 흐름도이다. 일 실시예에 따라 도 5는 도 4의 S426 단계에서 제2 임계값과 요청 슬롯 개수를 비교하여 할당 승인 여부를 결정하는 과정을 구체적으로 설명하기 위한 도면이다.
S500 단계에서 슬롯 할당 장치(200)는 일 실시예에 따라 물품 공급자 단말기(250)로부터 수신한 할당 요청 신호에서 나타내는 요청 슬롯 개수가 제2 임계값 미만인지 여부를 결정할 수 있다.
일 실시예에 따라 요청 슬롯 개수가 제2 임계값 이상인 경우, 일 실시예에 따라 슬롯 할당 장치(200)는 S510 단계에서 물품 공급자 신뢰도 분류 모델에 기초하여 물품 공급자 단말기(250)가 신뢰 가능한 것인지 결정할 수 있다. 일 실시예에 따라 물품 공급자 신뢰도 분류 모델은 머신 러닝된 인공지능 모델로서, 물품 공급자 단말기(250) 마다의 신뢰도를 출력하기 위한 모델일 수 있다. 일 실시예에 따라 출력되는 물품 공급자 단말기(250)의 신뢰도를 나타내는 정보는 신뢰의 정도를 나타내는 수치나 분류의 형식의 데이터이거나 또는 신뢰 가능 여부를 나타내는 데이터 등과 같이 여러가지의 형태일 수 있다. 일 실시예에 따라 프로세서(220)는 물품 공급자 신뢰도 분류 모델을 학습시키기 위해 물품 공급자 단말기(250)의 과거에 할당받은 슬롯에 대한 노-쇼(no-show) 여부에 대한 정보를 물품 공급자 신뢰도 분류 모델에 입력할 수 있다.
일 실시예에 따라 물품 공급자 신뢰도 분류 모델의 출력 데이터가 할당 요청 신호를 송신한 물품 공급자 단말기(250)의 신뢰 가능 여부를 나타내는 데이터인 경우, S510 단계에서 프로세서(220)는 물품 공급자 신뢰도 분류 모델의 출력 데이터에 따라 물품 공급자 단말기(250)가 신뢰 가능한지 여부를 결정할 수 있다.
일 실시예에 따라 물품 공급자 신뢰도 분류 모델의 출력 데이터가 할당 요청 신호를 송신한 물품 공급자 단말기(250)의 신뢰도를 나타내는 수치나 분류의 형식의 데이터인 경우, 미리 결정된 기준에 따라 해당 출력 데이터에서 나타내는 수치나 분류가 신뢰 가능 범위에 포함되는지를 판단함으로써 물품 공급자 단말기(250)가 신뢰 가능한지 여부를 결정할 수 있다.
일 실시예에 따라 공급자 신뢰도 분류 모델의 출력 데이터가 할당 요청 신호를 송신한 물품 공급자 단말기(250)의 신뢰 가능한 것으로 결정되는 경우, S530 단계에서 슬롯 할당 장치(200)는 제2 임계값 이상의 요청 슬롯 개수를 할당 요청한 물품 공급자 단말기(250)에게 슬롯 할당을 승인하는 것으로 결정할 수 있다.
일 실시예에 따라 공급자 신뢰도 분류 모델의 출력 데이터가 할당 요청 신호를 송신한 물품 공급자 단말기(250)의 신뢰 가능하지 않은 것으로 결정되는 경우, S540 단계에서 슬롯 할당 장치(200)에게 요청 슬롯 개수만큼의 슬롯을 할당하지 않는 것으로 결정할 수 있다.
일 실시예에 따라 요청 슬롯 개수가 제2 임계값 미만인 경우, 일 실시예에 따라 슬롯 할당 장치(200)는 S520 단계에서 할당 요청 신호를 송신한 물품 공급자 단말기(250)로부터 추가 요청 신호가 수신되었는지를 판단할 수 있다.
일 실시예에 따라 물품 공급자 단말기(250)가 할당을 요청한 슬롯 개수가 제1 임계값 이상이고 제2 임계값 미만인 상황(즉, 예측한 슬롯 개수(예를 들면, 제1 임계값)보다 많은 개수의 슬롯에 대한 할당을 요청한 상황)을 나타내는 정보가 물품 공급자 단말기(250)에게 제공될 수 있다. 이러한 실시예에서 물품 공급자 단말기(250)는 할당 요청한 슬롯 개수가 제1 임계값 이상임에도 슬롯을 할당 요청하는 것임을 나타내는 신호를 추가 요청 신호로서 슬롯 할당 장치(200)로 송신할 수 있다.
일 실시예에 따라 슬롯 할당 장치(200)는 제1 임계값 미만의 슬롯 개수를 할당 요청한 경우에는 즉시 할당 승인하는 것으로 결정할 수 있으나, 제1 임계값 이상이고 제2 임계값 미만의 슬롯 개수를 할당 요청한 경우라면 물품 공급자 단말기(250)로 하여금 재차 할당 요청할 것인지에 대한 확인을 구하여 그럼에도 할당을 요청한다는 것을 나타내는 추가 요청 신호를 수신한 경우에 할당 승인할 수 있다. 이와 같이 슬롯 할당 장치(200)는 할당 요청된 슬롯 개수가 제1 임계값 이상이지만 제2 임계값 미만인 경우라면 할당을 승인할 수 있되, 물품 공급자 단말기(250)에게 제1 임계값 이상의 슬롯에 대한 할당 요청할 것인지 여부를 재차 확인을 구함으로써, 이러한 상황에 대하여 인공지능 모델이 학습할 수 있도록 함과 동시에 물품 공급자 단말기(250)가 필요보다 많은 수의 슬롯의 할당 요청을 하는 관행적 습관에 의해 슬롯이 비효율적으로 운영되는 것을 방지할 수 있다.
일 실시예에 따라 할당 요청 신호를 송신한 물품 공급자 단말기로부터 추가 요청 신호가 수신된 경우, S530 단계에서 슬롯 할당 장치(200)는 요청 슬롯 개수에 대해 할당 승인하는 것으로 결정할 수 있다.
일 실시예에 따라 할당 요청 신호를 송신한 물품 공급자 단말기(250)로부터 추가 요청 신호가 수신되지 않은 경우, S540 단계에서 슬롯 할당 장치(200)는 요청 슬롯 개수에 대해 할당하지 않는 것으로 결정할 수 있다.
일 실시예에 따라 물품 공급자 단말기(250)가 할당 요청한 요청 슬롯 개수에 대해 할당하지 않는 것으로 결정된 경우, 슬롯 할당 장치(200)는 물품 공급자 단말기(250)에게 승인 정보를 송신하는 것에 더하여 물품 공급자 단말기(250)에게 소정의 정보를 입력할 것을 요구하는 정보를 더 송신할 수도 있다. 일 실시예에 따라 소정의 정보란, 예를 들면, 변경된 슬롯 할당 시간, 변경된 할당 요청 슬롯 개수, 변경된 풀필먼트 센터, 할당이 필요한 구체적인 사유 등과 같은 다양한 정보가 포함될 수 있다. 일 실시예에 따라 슬롯 할당 장치(200)는 소정의 정보를 물품 공급자 단말기(250)로부터 수신한 경우 해당 정보에 기초하여 할당 여부에 대한 결정 프로세스를 다시 수행할 수 있다.
도 6은 일 실시예에 따라 슬롯 예측 모델 및 물품 공급자 신뢰도 분류 모델에 기초하여 슬롯 요청에 대한 응답 방법 및 모델 업데이트 기능을 설명하기 위한 도면이다. 도 6은 본 개시의 슬롯 할당 장치(200)에 포함되는 구성들의 포함관계를 도시하는 것이 아니라, 설명상 편의를 위해 슬롯 할당 장치(200)가 물품 공급자 단말기(250)와의 관계에서 수행하는 기능을 블록별로 나누어 설명하기 위한 블록도이다. 즉, 물품 공급자 단말기(602)를 제외한 나머지 구성들 중 적어도 일부는 슬롯 할당 장치(200)에 포함되는 구성으로서 프로세서(220)에 의해 그 기능이 수행될 수 있다.
일 실시예에 따라 시스템(601)은 물품 공급자 단말기(602)로부터 슬롯 할당 요청을 수신할 수 있다(S610). 수신된 슬롯 할당 요청 신호에는 물품 공급자 단말기(602)가 할당을 요청하는 슬롯 개수(도 6의 "Req")에 대한 정보가 포함될 수 있다.
일 실시예에 시스템(601)은 할당이 요청될 것으로 예측되는 슬롯 개수를 출력하도록 머신 러닝된 인공지능 모델(도 6의 "슬롯 예측 모델"(603, 604))을 통해 출력되는 데이터에 기초하여 요청 슬롯 개수와 비교하기 위한 복수의 임계값(도 6의 "P1" 및 "P2")을 결정할 수 있다. 일 실시예에 따라 슬롯 예측 모델은 서로 다른 신뢰 수준으로 학습된 것일 수 있으며, 슬롯 예측 모델에서 출력되는 데이터들(즉, 도 6의 "예측된 할당 가능 슬롯 개수")은 각각 상이한 신뢰 수준으로 학습된 슬롯 예측 모델에 의해 출력되는 값으로서 서로 상이한 값을 가질 수 있다. 일 실시예에 따라 슬롯 예측 모델은 미리 설정된 신뢰 수준에 따라 연산된 값의 범위의 상단 값을 예측된 할당 가능한 슬롯 개수로서 출력할 수 있다. 예를 들면, 제1 임계값(P1)을 출력하는 슬롯 예측 모델(603)은 78%의 신뢰 수준에 기초하여 학습된 것일 수 있고, 제2 임계값(P2)을 출력하는 슬롯 예측 모델(604)은 95%의 신뢰 수준에 기초하여 학습된 것일 수 있다. 다만 이러한 슬롯 예측 모델을 학습하기 위해 설정한 신뢰 수준에 대한 구체적인 수치에 한정하여 본 개시의 실시예들이 한정하여 해석될 필요는 없으며, 제1 임계값보다 큰 제2 임계값이 출력될 수 있는 관계에서 미리 설정된 신뢰 수준이 슬롯 예측 모델을 학습시키기 위해 사용될 수 있는 관점으로 본 개시의 실시예들이 이해될 수 있다.
일 실시예에 따라 시스템(601)은 복수의 임계값 중 제1 임계값(P1)과 요청 슬롯 개수(Req)를 비교하여 요청 슬롯 개수가 제1 임계값 미만인 경우 요청된 슬롯 개수만큼 할당 승인할 수 있다. 요청 슬롯 개수와 제1 임계값을 비교하여 할당 승인하는 과정에 대해서는 도 4의 S424 단계와 관련하여 앞서 서술하였으므로 자세한 설명은 생략한다.
일 실시예에 따라 시스템(601)은 요청 슬롯 개수가 제1 임계값 이상인 경우 요청 슬롯 개수가 제1 임계값보다 큰 제2 임계값(P2)과 요청 슬롯 개수를 비교할 수 있다. 요청 슬롯 개수가 제2 임계값 미만인 경우 요청된 슬롯 개수만큼 할당 승인하기 위한 프로세스(도 6의 "자동 승인 프로세스"(S640))를 수행할 수 있다. 요청 슬롯 개수와 제2 임계값을 비교하여 할당 승인하기 위한 "자동 승인 프로세스"에 대해서는 도 5의 S520 단계와 관련하여 앞서 서술하였으므로 자세한 설명은 생략한다.
일 실시예에 따라 시스템(601)은 요청 슬롯 개수가 제2 임계값 이상인 경우 물품 공급자 신뢰도 분류 모델(605)에 의해 출력되는 신뢰 가능 여부를 나타내는 정보에 기초하여 할당 여부를 결정하기 위한 프로세스(도 6의 "수동 승인 프로세스")를 수행할 수 있다(S650). 요청 슬롯 개수가 제2 임계값 이상인 경우 할당 승인 여부를 결정하기 위한 "수동 승인 프로세스"에 대해서는 도 5의 S510 단계와 관련하여 앞서 서술하였으므로 자세한 설명은 생략한다.
일 실시예에 따라 시스템(601)은 적어도 하나의 임계값(P1 및/또는 P2)와 요청 슬롯 개수(Req)를 비교한 결과에 따라 결정된 승인 여부를 나타내는 승인 정보를 물품 공급자 단말기(602)에 송신할 수 있다.
도 7은 일 실시예에 따라 슬롯 할당 장치(200)와 통신하는 물품 공급자 단말기(250)가 슬롯을 예약하는 과정을 보여주는 예시적인 도면이다.
일 실시예에 따라 물품 공급자 단말기(250)는 슬롯 할당 장치(200)에게 슬롯 할당을 요청하기 위해 필요한 애플리케이션을 이용할 수 있으며 도 7은 그러한 애플리케이션의 사용자 인터페이스를 예시적으로 도시한다.
일 실시예에 따라 물품 공급자 단말기(250)는 슬롯 할당 장치(200)로 슬롯 할당 요청을 하기 위해, 트럭 이름(식별자), 입고 시간, 예약 여부 등을 포함하는 정보들을 슬롯 할당 장치(200)로 송신할 수 있다. 여기서 트럭 이름이란 슬롯 할당을 요청하기 위한 적어도 하나의 물품 배송 기계를 포함하는 그룹을 의미하는 것으로 이해될 수 있으며 개별적인 물품 배송 기계 각각을 식별하기 위한 정보로 한정하여 해석할 필요는 없다.
도 7을 참조하면 일 실시예에 따라 물품 공급자 단말기(250)의 화면에 표시되는 사용자 인터페이스 상에서 슬롯 할당을 요청하기 위한 오브젝트(700)이 선택되면, 물품 공급자 단말기(250)는 할당을 요청할 슬롯 개수, 입고 시간, 풀필먼트 센터 등에 대한 정보를 구체적으로 기재하여 할당 요청을 완료할 수 있다.
일 실시예에 따라 할당 요청된 슬롯 개수가 제1 임계값 미만인 경우 물품 공급자 단말기(250)는 요청된 개수의 슬롯이 할당 되었음을 나타내는 승인 정보를 슬롯 할당 장치(200)로부터 수신할 수 있으며, 이에 기초하여 예약 결과 정보를 표시할 수 있다.
일 실시예에 따라 특정 풀필먼트 센터에 대하여 요청된 슬롯 할당이 완료된 경우, 물품 공급자 단말기(250)의 화면에는 해당 풀필먼트 센터에 대하여 추가적인 슬롯 할당 요청 기능을 제공하기 위한 적어도 하나의 오브젝트(710, 720)를 표시할 수 있다. 일 실시예에 따라 물품 공급자 단말기(250)가 풀필먼트 센터에 추가적으로 할당 요청할 수 있는 여분의 슬롯이 있는 경우, 물품 공급자 단말기(250)는 추가적으로 할당 요청할 수 있는 슬롯 개수에 대한 정보를 표시할 수 있다(예를 들면, 도 7의 712).
일 실시예에 따라 추가로 할당 요청 가능한 슬롯 개수는 상술한 제1 임계값 및/또는 제2 임계값에서 이미 예약된 슬롯 개수를 차감한 적어도 하나의 값으로서 표시될 수 있다.
일 실시예에 따라 추가로 할당 요청 가능한 슬롯 개수가 제1 임계값에서 이미 예약된 슬롯 개수를 차감한 값으로서 표시되는 경우, 물품 공급자 단말기(250)로부터의 추가적인 할당 요청에 의하더라도 제1 임계값 미만의 슬롯이 물품 공급자 단말기(250)에게 할당되는 것이므로 슬롯 할당 장치(200)는 추가 할당 요청에 대해서도 별도의 제약 없이 할당 승인할 수 있다.
일 실시예에 따라 추가로 할당 요청 가능한 슬롯 개수가 제2 임계값에서 이미 예약된 슬롯 개수를 차감한 값으로서 표시되는 경우, 물품 공급자 단말기(250)로부터의 추가적인 할당 요청에 의하더라도 제1 임계값 미만의 개수의 슬롯이 물품 공급자 단말기(250)에게 할당되는 경우 슬롯 할당 장치(200)는 추가 할당 요청에 대해 별도의 제약 없이 할당 승인할 수 있다. 다른 실시예에 따라 물품 공급자 단말기(250)로부터의 추가적인 할당 요청에 의해 제1 임계값 이상이지만 제2 임계값 미만의 개수의 슬롯이 물품 공급자 단말기(250)에게 할당되는 경우 슬롯 할당 장치(200)는 상술한 실시예에 따라 추가 할당 요청에 대해 할당 승인 프로세스를 수행할 수 있다.
일 실시예에 따라 물품 공급자 단말기(250)는 추가 할당 가능한 것으로 표시되는 개수(예를 들면, 도 7의 712) 이상의 슬롯 할당 추가 요청을 하기 위한 오브젝트(예를 들면, 도 7의 714)를 화면에 표시할 수 있다. 일 실시예에 따라 물품 공급자 단말기(250)는 추가적으로 이러한 추가 할당 요청에 대한 안내 메시지(716)를 표시할 수 있다.
일 실시예에 따라 제1 임계값 및/또는 제2 임계값에서 이미 예약된 슬롯 개수를 차감한 값이 0인 경우, 물품 공급자 단말기(250)는 제1 임계값 및/또는 제2 임계값을 초과한 개수의 슬롯의 할당이 불가능하다는 점을 표시할 수 있다(예를 들면, 도 7의 722). 일 실시예에 따라, 물품 공급자 단말기(250)는 제1 임계값 및/또는 제2 임계값을 초과한 개수의 슬롯의 할당이 불가능하다는 점을 표시함과 동시에 해당 정보 및 추가 할당 요청을 위한 프로세스에 대한 안내 메시지(예를 들면, 도 7의 726)을 더 표시할 수 있다. 일 실시예에 따라 물품 공급자 단말기(250)의 사용자는 화면에 표시되는 제1 임계값 및/또는 제2 임계값을 초과한 개수의 슬롯의 추가 할당 요청 기능을 제공하기 위한 오브젝트(예를 들면, 도 7의 724)를 선택하여 슬롯 추가 할당 요청을 할 수 있으며, 이는 도 4의 S426 단계를 통해 수행되는 할당 프로세스에 대응되는 과정일 수 있다.
도 8은 일 실시예에 따라 제1 임계값 및/또는 제2 임계값을 초과한 개수의 슬롯의 할당을 요청하기 위한 사용자 인터페이스의 예시를 도시한다.
도 8을 참조하면, 제1 임계값 및/또는 제2 임계값을 초과한 개수의 슬롯의 추가 할당 요청 기능을 제공하기 위한 오브젝트(예를 들면, 도 8의 800)를 선택함에 응답하여 물품 공급자 단말기(250)에 표시되는 화면(예를 들면, 도 8의 850)에는, 슬롯 추가 할당 요청에 필요한 정보로서, 물류 센터(풀필먼트 센터), 입고 예정일, 예약 가능 트럭 수, 예약된 트럭 수, 추가예약 희망 트럭 수, 수신 이메일 주소, 요청 사항 등 다양한 정보가 포함될 수 있다. 일 실시예에 따라 "예약 가능 트럭수"에 대항 항목에는 슬롯 할당 장치(200)에 의해 기 결정된 제1 임계값 및/또는 제2 임계값이 표시될 수 있으며, 이는 물품 공급자 단말기(250)에서 수정 불가능한 정보이다. 일 실시예에 따라 "예약된 트럭수"에 대한 항목에는 이미 할당이 요청되어 승인된 트럭 수가 표시될 수 있고, 이는 물품 공급자 단말기(250)에서 수정 불가능한 정보이다. 일 실시예에 따라 추가 할당 요청 시 화면에 표시된 제1 임계값 및/또는 제2 임계값 만큼의 슬롯이 이미 할당된 상태라면 "예약 가능 트럭수"와 "예약된 트럭수"는 동일한 수로 표시될 수 있다.
일 실시예에 따라 물품 공급자 단말기(250)의 사용자는 "추가예약 희망 트럭 수"에 추가 할당을 요청할 슬롯 개수를 기재하여 추가 할당을 요청할 수 있다.
일 실시예에 따라 "예약 가능 트럭 수"가 제1 임계값인 경우, 추가 할당 요청을 수신한 슬롯 할당 장치(200)는 "추가예약 희망 트럭 수"와 "예약된 트럭 수"의 합이 제1 임계값 및/또는 제2 임계값 미만인지 여부를 결정함에 기초하여 상술한 슬롯 할당 프로세스를 수행할 수 있다. 이에 대해서는 도 4 및 도 5를 통해 상술하였으므로 자세한 설명은 생략한다.
일 실시예에 따라 "예약 가능 트럭 수"가 제2 임계값인 경우, 추가 할당 요청을 수신한 슬롯 할당 장치(200)는 "추가예약 희망 트럭 수"와 "예약된 트럭 수"의 합이 제2 임계값 미만인지 여부를 결정함에 기초하여 상술한 슬롯 할당 프로세스를 수행할 수 있다. 이에 대해서는 도 5를 통해 상술하였으므로 자세한 설명은 생략한다.
일 실시예에 따라 물품 공급자 단말기(250)는 슬롯 할당 장치(200)로 송신한 슬롯 할당 요청 또는 슬롯 추가 할당 요청에 대한 수정 요청을 송신할 수 있다. 수정 요청을 수신한 슬롯 할당 장치(200)는 소정의 조건에 따라 또는 관리자의 확인에 기초하여 수정 요청에 대해 승인 또는 불승인을 결정할 수 있고 물품 공급자 단말기(250)는 승인 여부에 대한 정보, 승인 여부에 대한 사유에 대한 정보 등을 표시할 수 있다.
상기에서 설명한 본 개시에 대한 방법은, 컴퓨터에서 실행시키기 위한 프로그램으로 컴퓨터로 읽을 수 있는 기록매체에 기록하여 제공될 수 있다. 본 개시에 따른 방법은 소프트웨어를 통해 실행될 수 있다. 소프트웨어로 실행될 때, 본 개시의 구성 수단들은 필요한 작업을 실행하는 코드 세그먼트들이다. 프로그램 또는 코드 세그먼트들은 비일시적인 컴퓨터(프로세서) 판독 가능 매체에 저장될 수 있다.
컴퓨터가 판독 가능 기록매체는 컴퓨터 시스템에 의하여 읽혀질 수 있는 데이터가 저장되는 모든 종류의 기록 장치를 포함한다. 컴퓨터 판독 가능 기록 장치의 예로는, ROM, RAM, CD-ROM, DVD±ROM, DVD-RAM, 자기 테이프, 플로피 디스크, 하드 디스크(hard disk), 광데이터 저장장치 등이 있다. 또한 컴퓨터 판독 가능 기록매체는 네트워크로 연결된 컴퓨터 장치에 분산되어 분산방식으로 컴퓨터가 읽을 수 있는 코드가 저장되고 실행될 수 있다.
전술한 개시 내용들은, 본 개시가 속하는 기술 분야에서 통상의 지식을 가진 자에게 있어 실시예들의 기술적 사상을 벗어나지 않는 범위 내에서 여러 가지 치환, 변형 및 변경이 가능하므로 전술한 실시예 및 첨부된 도면에 의해 한정되는 것이 아니다.

Claims (19)

  1. 풀필먼트 센터에서 물품 공급자 단말기의 할당 요청에 따른 상기 풀필먼트 센터에 물품을 입고시키기 위해 물품 배송 기계가 이동하는 공간인 슬롯 각각을 상기 물품 배송 기계 각각에 할당하는 방법으로서,
    상기 물품 공급자 단말기로부터 슬롯의 할당 요청 신호를 수신하는 단계;
    머신 러닝된 인공지능 모델에 상기 할당 요청 신호와 관련된 정보가 입력되어 이에 대응하여 상기 할당 요청 신호에서 요청될 것으로 예측되는 슬롯 개수로서 출력된 임계값과 상기 할당 요청 신호에서 나타내는 요청 슬롯 개수를 비교하여 할당 승인 여부를 결정하는 단계; 및
    상기 할당 승인 여부를 나타내는 승인 정보를 상기 물품 공급자 단말기에게 송신하는 단계를 포함하는, 슬롯 할당 방법.
  2. 제 1 항에 있어서,
    상기 임계값은 복수개이고,
    상기 할당 승인 여부를 결정하는 단계는
    상기 요청 슬롯 개수가 상기 복수의 임계값 중 하나인 제1 임계값 미만인 경우에는 상기 요청 슬롯 개수로 할당 승인하는 단계; 및
    상기 요청 슬롯 개수가 상기 제1 임계값 이상인 경우에는 상기 제1 임계값 보다 크고 상기 복수의 임계값 중 하나인 제2 임계값과 상기 요청 슬롯 개수를 비교하여 할당 승인 여부를 결정하는 단계를 포함하는, 슬롯 할당 방법.
  3. 제 2 항에 있어서,
    상기 제1 임계값 및 상기 제2 임계값은 상기 입력된 정보에 대응하여 상기 인공지능 모델이 서로 상이한 신뢰 수준을 기준으로 머신 러닝된 상기 인공지능 모델에서 각각 출력된 예측 슬롯 개수이고,
    상기 신뢰 수준은 할당을 승인할 슬롯 개수에 대한 상기 인공지능 모델의 머신 러닝 과정에서 이용된 신뢰 수준인, 슬롯 할당 방법.
  4. 제 2 항에 있어서, 상기 제2 임계값과 상기 요청 슬롯 개수를 비교하여 할당 승인 여부를 결정하는 단계는,
    상기 요청 슬롯 개수가 상기 제2 임계값 미만인 경우에는 상기 요청 슬롯 개수로 할당 승인하는 단계; 및
    상기 요청 슬롯 개수가 상기 제2 임계값 이상인 경우에는 물품 공급자 신뢰도 분류 모델로 입력되는 상기 물품 공급자 단말기에 대한 정보에 대응하여 상기 물품 공급자 신뢰도 분류 모델로부터 출력되는 상기 물품 공급자 단말기를 신뢰할 수 있는지를 나타내는 신뢰도에 기초하여 할당 승인 여부를 결정하는 단계를 더 포함하는, 슬롯 할당 방법.
  5. 제 4 항에 있어서,
    상기 물품 공급자 신뢰도 분류 모델은 물품 공급자 단말기의 할당 받은 슬롯을 이용하지 않아 노-쇼(no-show) 처리된 횟수에 기초하여 물품 공급자 단말기의 신뢰도를 출력하도록 구성된 모델인, 슬롯 할당 방법.
  6. 제 1 항에 있어서,
    상기 인공지능 모델은 적어도 하나의 타입 각각의 정보를 적어도 하나의 카테고리로 분류한 데이터를 포함하는 분류 정보 및 수치에 대한 데이터를 포함하는 수치 정보에 기초하여 학습되는, 슬롯 할당 방법.
  7. 제 6 항에 있어서,
    상기 인공지능 모델은, 풀필먼트 센터의 식별자, 풀필먼트 센터의 유형, 물품 배송 기계에 의해 배송되는 물품 중 가장 많은 비중을 차지하는 물품 타입, 물품 공급자 측으로부터 물품 배송 기계에 의해 배송되는 물품의 출고지 개수에 기초한 적어도 하나의 분류를 포함하는 그룹에서 선택된 적어도 하나를 포함하는 상기 분류 정보, 및 온도에 민감한 물품의 종류 수, 물품 배송 기계에 의해 배송되는 물품의 출고지 개수, 배송되는 각 SKU들의 부피 총합, 배송되는 각 SKU들의 무게 총합, 물품 배송 기계에 의해 배송되는 SKU 개수, 물품 배송 기계에 의해 배송되는 물품의 부피 총합, 물품 배송 기계에 의해 배송되는 물품의 무게 총합, 및 물품 배송 기계의 물품의 부피당 무게를 포함하는 그룹에서 선택된 적어도 하나를 포함하는 상기 수치 정보에 기초하여 학습되는, 슬롯 할당 방법.
  8. 제 1 항에 있어서,
    상기 할당 요청 신호는 상기 물품 공급자 단말기의 식별자, 상기 풀필먼트 센터의 식별자 및 상기 풀필먼트 센터에의 예상 배송 일자에 대한 정보를 더 포함하는, 슬롯 할당 방법.
  9. 제 8 항에 있어서,
    상기 물품 공급자 단말기의 식별자, 상기 풀필먼트 센터의 식별자 및 상기 예상 배송 일자로부터 상기 인공지능 모델을 머신 러닝 하기 위해 사용되는 입력 데이터를 추출하는 단계; 및
    상기 입력 데이터에 기초하여 상기 인공지능 모델을 머신 러닝 시키는 단계를 더 포함하는, 슬롯 할당 방법.
  10. 풀필먼트 센터에서 물품 공급자 단말기의 할당 요청에 따른 상기 풀필먼트 센터에 물품을 입고시키기 위해 물품 배송 기계가 이동하는 공간인 슬롯 각각을 상기 물품 배송 기계 각각에 할당하는 장치에 있어서,
    송수신부; 및
    상기 송수신부가 물품 공급자 단말기로부터 슬롯의 할당 요청 신호를 수신하도록 상기 송수신부를 제어하고, 머신 러닝된 인공지능 모델에 상기 할당 요청 신호와 관련된 정보가 입력되어 이에 대응하여 상기 할당 요청 신호에서 요청될 것으로 예측되는 슬롯 개수로서 출력된 임계값과 상기 송수신부를 통해 수신한 상기 할당 요청 신호에서 나타내는 요청 슬롯 개수를 비교하여 할당 승인 여부를 결정하고, 상기 할당 승인 여부를 나타내는 승인 정보를 상기 물품 공급자 단말기에게 송신하도록 상기 송수신부를 제어하도록 구성된 프로세서를 포함하는, 슬롯 할당 장치.
  11. 제 10 항에 있어서,
    상기 임계값은 복수개이고,
    상기 프로세서는
    상기 요청 슬롯 개수가 상기 복수의 임계값 중 하나인 제1 임계값 미만인 경우에는 상기 요청 슬롯 개수로 할당 승인하는 것으로 결정하고,
    상기 요청 슬롯 개수가 상기 제1 임계값 이상인 경우에는 상기 제1 임계값 보다 크고 상기 복수의 임계값 중 하나인 제2 임계값과 상기 요청 슬롯 개수를 비교하여 할당 승인 여부를 결정하는, 슬롯 할당 장치.
  12. 제 11 항에 있어서,
    상기 제1 임계값 및 상기 제2 임계값은 상기 입력된 정보에 대응하여 상기 인공지능 모델이 서로상이한 신뢰 수준을 기준으로 머신 러닝된 상기 인공지능 모델에서 각각 출력된 예측 슬롯 개수이고,
    상기 신뢰 수준은 할당을 승인할 슬롯 개수에 대한 상기 인공지능 모델의 머신 러닝 과정에서 이용된 신뢰 수준인, 슬롯 할당 장치.
  13. 제 11 항에 있어서, 상기 프로세서는,
    상기 제2 임계값과 상기 요청 슬롯 개수를 비교하여 할당 승인 여부를 결정하고,
    상기 요청 슬롯 개수가 상기 제2 임계값 미만인 경우에는 상기 요청 슬롯 개수로 할당 승인하고,
    상기 요청 슬롯 개수가 상기 제2 임계값 이상인 경우에는 물품 공급자 신뢰도 분류 모델로 입력되는 상기 물품 공급자 단말기에 대한 정보에 대응하여 상기 물품 공급자 신뢰도 분류 모델로부터 출력되는 상기 물품 공급자 단말기를 신뢰할 수 있는지를 나타내는 신뢰도에 기초하여 할당 승인 여부를 결정하도록 더 구성되는, 슬롯 할당 장치.
  14. 제 13 항에 있어서,
    상기 물품 공급자 신뢰도 분류 모델은 물품 공급자 단말기의 할당 받은 슬롯을 이용하지 않아 노-쇼 처리된 횟수에 기초하여 물품 공급자 단말기의 신뢰도를 출력하도록 구성된 모델인, 슬롯 할당 장치.
  15. 제 10 항에 있어서,
    상기 인공지능 모델은 적어도 하나의 타입 각각의 정보를 적어도 하나의 카테고리로 분류한 데이터를 포함하는 분류 정보 및 수치에 대한 데이터를 포함하는 수치 정보에 기초하여 학습되는, 슬롯 할당 장치.
  16. 제 15 항에 있어서,
    상기 인공지능 모델은, 풀필먼트 센터의 식별자, 풀필먼트 센터의 유형, 물품 배송 기계에 의해 배송되는 물품 중 가장 많은 비중을 차지하는 물품 타입, 물품 공급자 측으로부터 물품 배송 기계에 의해 배송되는 물품의 출고지 개수에 기초한 적어도 하나의 분류를 포함하는 그룹에서 선택된 적어도 하나를 포함하는 상기 분류 정보, 및 온도에 민감한 물품의 종류 수, 물품 배송 기계에 의해 배송되는 물품의 출고지 개수, 배송되는 각 SKU들의 부피 총합, 배송되는 각 SKU들의 무게 총합, 물품 배송 기계에 의해 배송되는 SKU 개수, 물품 배송 기계에 의해 배송되는 물품의 부피 총합, 물품 배송 기계에 의해 배송되는 물품의 무게 총합, 및 물품 배송 기계의 물품의 부피당 무게를 포함하는 그룹에서 선택된 적어도 하나를 포함하는 상기 수치 정보에 기초하여 학습되는, 슬롯 할당 장치.
  17. 제 10 항에 있어서,
    상기 할당 요청 신호는 상기 물품 공급자 단말기의 식별자, 상기 풀필먼트 센터의 식별자 및 상기 풀필먼트 센터에의 예상 배송 일자에 대한 정보를 더 포함하는, 슬롯 할당 장치.
  18. 제 17 항에 있어서, 상기 프로세서는,
    상기 물품 공급자 단말기의 식별자, 상기 풀필먼트 센터의 식별자 및 상기 예상 배송 일자로부터 상기 인공지능 모델을 머신 러닝 하기 위해 사용되는 입력 데이터를 추출하고,
    상기 입력 데이터에 기초하여 상기 인공지능 모델을 머신 러닝 시키도록 더 구성되는, 슬롯 할당 장치.
  19. 제 1 항의 슬롯 할당 방법을 수행하기 위한 컴퓨터 프로그램을 수록한, 컴퓨터 판독 가능 기록매체.
KR1020220028103A 2022-03-04 2022-03-04 풀필먼트 센터에서 물품 공급자 단말기의 할당 요청에 따른 물품 배송 기계를 위한 슬롯을 할당하는 방법 및 그 장치 KR102455568B1 (ko)

Priority Applications (4)

Application Number Priority Date Filing Date Title
KR1020220028103A KR102455568B1 (ko) 2022-03-04 2022-03-04 풀필먼트 센터에서 물품 공급자 단말기의 할당 요청에 따른 물품 배송 기계를 위한 슬롯을 할당하는 방법 및 그 장치
PCT/KR2022/005416 WO2023167365A1 (ko) 2022-03-04 2022-04-14 풀필먼트 센터에서 물품 공급자 단말기의 할당 요청에 따른 물품 배송 기계를 위한 슬롯을 할당하는 방법 및 그 장치
KR1020220130787A KR20230131085A (ko) 2022-03-04 2022-10-12 풀필먼트 센터에서 물품 공급자 단말기의 할당 요청에 따른 물품 배송 기계를 위한 슬롯을 할당하는 방법 및 그 장치
TW112107193A TW202336654A (zh) 2022-03-04 2023-03-01 根據物品供應商之要求為物品運送機器分配槽位之方法及其設備

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020220028103A KR102455568B1 (ko) 2022-03-04 2022-03-04 풀필먼트 센터에서 물품 공급자 단말기의 할당 요청에 따른 물품 배송 기계를 위한 슬롯을 할당하는 방법 및 그 장치

Related Child Applications (1)

Application Number Title Priority Date Filing Date
KR1020220130787A Division KR20230131085A (ko) 2022-03-04 2022-10-12 풀필먼트 센터에서 물품 공급자 단말기의 할당 요청에 따른 물품 배송 기계를 위한 슬롯을 할당하는 방법 및 그 장치

Publications (1)

Publication Number Publication Date
KR102455568B1 true KR102455568B1 (ko) 2022-10-17

Family

ID=83810049

Family Applications (2)

Application Number Title Priority Date Filing Date
KR1020220028103A KR102455568B1 (ko) 2022-03-04 2022-03-04 풀필먼트 센터에서 물품 공급자 단말기의 할당 요청에 따른 물품 배송 기계를 위한 슬롯을 할당하는 방법 및 그 장치
KR1020220130787A KR20230131085A (ko) 2022-03-04 2022-10-12 풀필먼트 센터에서 물품 공급자 단말기의 할당 요청에 따른 물품 배송 기계를 위한 슬롯을 할당하는 방법 및 그 장치

Family Applications After (1)

Application Number Title Priority Date Filing Date
KR1020220130787A KR20230131085A (ko) 2022-03-04 2022-10-12 풀필먼트 센터에서 물품 공급자 단말기의 할당 요청에 따른 물품 배송 기계를 위한 슬롯을 할당하는 방법 및 그 장치

Country Status (3)

Country Link
KR (2) KR102455568B1 (ko)
TW (1) TW202336654A (ko)
WO (1) WO2023167365A1 (ko)

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20220092352A (ko) * 2020-12-24 2022-07-01 쿠팡 주식회사 물품 관련 정보 제공 방법 및 이를 이용한 전자 장치

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2005206268A (ja) * 2004-01-20 2005-08-04 Toyota Industries Corp 在庫管理方法、及びプログラム
KR101974312B1 (ko) * 2018-09-03 2019-04-30 이현만 물류 창고 상품의 최적 배치 방법
KR20200069847A (ko) * 2018-12-07 2020-06-17 (주)에이알에프엔씨 물류 관리 시스템
US10565555B1 (en) * 2019-07-22 2020-02-18 Coupang Corp. Systems and methods for scheduling inbound products, stowing inbound products, and monitoring inbound error

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20220092352A (ko) * 2020-12-24 2022-07-01 쿠팡 주식회사 물품 관련 정보 제공 방법 및 이를 이용한 전자 장치

Also Published As

Publication number Publication date
KR20230131085A (ko) 2023-09-12
TW202336654A (zh) 2023-09-16
WO2023167365A1 (ko) 2023-09-07

Similar Documents

Publication Publication Date Title
US9613335B2 (en) System and methods for automatic reorganization of pick slot assignments in a warehouse
KR102336589B1 (ko) 사용자에게 업무를 할당하는 방법 및 그 장치
JP7423816B2 (ja) 注文情報処理方法、装置、コンピュータ機器及び媒体
KR102262394B1 (ko) 플렉서블 배달 작업의 자동 할당 및 재할당을 위한 컴퓨터 구현 방법
US20220245547A1 (en) Method for providing information on whether an item can be ordered and apparatus thereof
KR102652946B1 (ko) 전자 장치 및 그의 동작 방법
KR102339697B1 (ko) 전자 장치 및 그의 동작 방법
KR102455568B1 (ko) 풀필먼트 센터에서 물품 공급자 단말기의 할당 요청에 따른 물품 배송 기계를 위한 슬롯을 할당하는 방법 및 그 장치
JP6562429B1 (ja) 在庫管理システム
US20170132551A1 (en) Systems and methods of prioritizing products during unloading of delivery vehicles
CN114723369A (zh) 动态调配物品的方法、装置、电子设备及存储介质
JP6920155B2 (ja) 物流管理装置、物流管理方法、及び物流管理プログラム
KR102320835B1 (ko) 전자 장치 및 그의 정보 제공 방법
KR20230165009A (ko) 선반 셀 정보 관리를 위한 전자 장치 및 그 방법
JP2009242060A (ja) 庫内物品管理方法、庫内物品管理システム及びプログラム
CN112424803A (zh) 用于向用户分配作业的方法及其装置
JP2000215254A (ja) 在庫管理装置及び引当処理装置
CN115700649A (zh) 信息处理装置、信息处理方法及存储介质

Legal Events

Date Code Title Description
E701 Decision to grant or registration of patent right
A107 Divisional application of patent
GRNT Written decision to grant