KR102503198B1 - 인공지능 기반의 최적 배송경로 제공 장치 및 방법 - Google Patents

인공지능 기반의 최적 배송경로 제공 장치 및 방법 Download PDF

Info

Publication number
KR102503198B1
KR102503198B1 KR1020200084481A KR20200084481A KR102503198B1 KR 102503198 B1 KR102503198 B1 KR 102503198B1 KR 1020200084481 A KR1020200084481 A KR 1020200084481A KR 20200084481 A KR20200084481 A KR 20200084481A KR 102503198 B1 KR102503198 B1 KR 102503198B1
Authority
KR
South Korea
Prior art keywords
delivery
milk run
milk
supplier
route
Prior art date
Application number
KR1020200084481A
Other languages
English (en)
Other versions
KR20220006728A (ko
Inventor
최형철
임재형
장준혁
Original Assignee
주식회사 와이엘피
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 주식회사 와이엘피 filed Critical 주식회사 와이엘피
Priority to KR1020200084481A priority Critical patent/KR102503198B1/ko
Publication of KR20220006728A publication Critical patent/KR20220006728A/ko
Application granted granted Critical
Publication of KR102503198B1 publication Critical patent/KR102503198B1/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
    • G06Q10/0835—Relationships between shipper or supplier and carriers
    • G06Q10/08355—Routing methods
    • 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
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G06Q10/047—Optimisation of routes or paths, e.g. travelling salesman problem
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06316—Sequencing of tasks or work
    • 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
    • G06Q10/0832—Special goods or special handling procedures, e.g. handling of hazardous or fragile goods
    • 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

Abstract

본 발명은 인공지능 기반의 최적 배송경로 제공 장치 및 방법에 관한 것으로, 상기 장치는 복수의 납품사 단말들로부터 화물 배차정보를 포함하는 밀크런 오더를 수신하는 밀크런 오더 수신부; 상기 화물 배차정보를 이용하여 특정 납품처를 중심으로 복수의 납품사들의 공간 분포를 도출하는 공간분포 도출부; 상기 공간 분포를 기초로 상기 특정 납품처로의 화물 운송에 최적화된 밀크런 영역을 정의하여 납품사 후보군을 결정하는 납품사 후보군 결정부; 및 상기 밀크런 오더에 대한 응답으로서, 상기 납품사 후보군에 포함된 납품사들을 경유하면서 상차한 화물들을 적어도 하나의 납품처에서 하차하기 위한 밀크런 운송경로를 생성하는 운송경로 생성부를 포함한다.

Description

인공지능 기반의 최적 배송경로 제공 장치 및 방법{DEVICE AND METHOD FOR PROVIDING OPTIMAL CARGO DELIVERY ROUTE BASED ON ARTIFICIAL INTELLIGENCE}
본 발명은 최적 배송경로 제공 기술에 관한 것으로, 보다 상세하게는 방문지들의 공간 분포를 기초로 물류 배송을 위한 비용 및 시간을 최적화할 수 있는 인공지능 기반의 최적 배송경로 제공 장치 및 방법에 관한 것이다.
밀크런은 우유회사가 축산농가를 돌며 원유를 수거한 것에서 기원한 용어이며, 현재 선행물류로써 여러 납품사의 상품을 순회하며 차량 적재 후 유통사의 물류센터로 입고시키는 과정을 일컫는 용어로 사용되고 있다. 밀크런 방식은 납품사 물동량 위탁에 따른 효율적인 단가 산정 방식을 통한 합리적 비용 산출이 가능한 장점으로 인해, 소량 다빈도 배송이 증가하는 최근의 물류배송 시장에서 납품비용의 증가를 해소하기 위한 방안으로 관심이 집중되고 있다.
다만, 현재의 밀크런 방식은 담당자가 직접 화물배차를 수동처리하거나 단순 알고리즘으로 화물배차를 진행하고 있어 그 장점에도 불구하고 매우 제한적으로만 활용되고 있는 실정이다.
따라서, 밀크런 방식의 장점을 극대화하고 활용성을 향상시키기 위한 기술 개발이 요구되고 있다.
한국공개특허 제10-2016-0140035호 (2016.12.07)
본 발명의 일 실시예는 방문지들의 공간 분포를 기초로 물류 배송을 위한 비용 및 시간을 최적화할 수 있는 인공지능 기반의 최적 배송경로 제공 장치 및 방법을 제공하고자 한다.
본 발명의 일 실시예는 납품처의 위치를 중심으로 소정의 중심각을 형성하는 부채꼴 형상의 영역 내에 존재하는 납품사들만을 방문하도록 배송경로를 결정함으로써 연비/시간 측면에서 효율성을 향상시킬 수 있는 인공지능 기반의 최적 배송경로 제공 장치 및 방법을 제공하고자 한다.
실시예들 중에서, 인공지능 기반의 최적 배송경로 제공 장치는 복수의 납품사 단말들로부터 화물 배차정보를 포함하는 밀크런 오더를 수신하는 밀크런 오더 수신부; 상기 화물 배차정보를 이용하여 특정 납품처를 중심으로 복수의 납품사들의 공간 분포를 도출하는 공간분포 도출부; 상기 공간 분포를 기초로 상기 특정 납품처로의 화물 운송에 최적화된 밀크런 영역을 정의하여 납품사 후보군을 결정하는 납품사 후보군 결정부; 및 상기 밀크런 오더에 대한 응답으로서, 상기 납품사 후보군에 포함된 납품사들을 경유하면서 상차한 화물들을 적어도 하나의 납품처에서 하차하기 위한 밀크런 운송경로를 생성하는 운송경로 생성부를 포함한다.
상기 밀크런 영역은 상기 특정 납품처의 위치를 중심으로 45도의 중심각을 형성하는 부채꼴 형상의 영역으로 정의될 수 있다.
상기 납품사 후보군 결정부는 상기 공간 분포를 기초로 상기 특정 납품처의 인근에 위치하는 가용 화물차량들의 위치에 따라 적어도 하나의 밀크런 후보 영역을 생성할 수 있다.
상기 납품사 후보군 결정부는 상기 가용 화물차량들 사이의 거리가 가장 긴 거리와 연관된 화물차량 쌍을 결정하는 단계; 상기 특정 납품처에서 상기 화물차량 쌍의 제1 및 제2 화물차량들 각각을 연결하는 가상의 제1 직선들을 각각 형성하는 단계; 상기 가상의 제1 직선들을 기준으로 소정의 중심각을 형성하는 가상의 제2 직선들을 각각 형성하는 단계; 상기 가상의 제1 및 제2 직선들에 의해 형성되는 부채꼴 형상의 영역을 제1 및 제2 밀크런 후보 영역들로 결정하는 단계; 및 상기 제1 및 제2 밀크런 후보 영역들 사이에 형성되고 각 영역 내에 존재하는 납품사들의 조합이 서로 상이한 밀크런 후보 영역들을 결정하는 단계를 통해 동작할 수 있다.
상기 납품사 후보군 결정부는 상기 특정 납품처가 복수개인 경우 복수개의 납품처들 각각에 관한 밀크런 영역들을 하나로 통합하여 상기 납품사 후보군을 결정할 수 있다.
상기 납품사 후보군 결정부는 AI 모델을 기초로 상기 복수개의 납품처들을 입력으로 제공하여 상기 밀크런 운송경로의 최종 도착지에 해당하는 납품처를 결정할 수 있다.
상기 운송경로 생성부는 요일별 예상 날씨 및 실시간 교통상황을 포함하는 학습 데이터를 학습하여 생성된 AI 모델을 기초로 상기 밀크런 운송경로의 생성에 관한 동작을 처리할 수 있다.
실시예들 중에서, 인공지능 기반의 최적 배송경로 제공 방법은 복수의 납품사 단말들로부터 화물 배차정보를 포함하는 밀크런 오더를 수신하는 단계; 상기 화물 배차정보를 이용하여 특정 납품처를 중심으로 복수의 납품사들의 공간 분포를 도출하는 단계; 상기 공간 분포를 기초로 상기 특정 납품처로의 화물 운송을 위한 납품사 후보군을 결정하는 단계; 및 상기 밀크런 오더에 대한 응답으로서, 상기 납품사 후보군에 포함된 납품사들을 경유하면서 상차한 화물들을 적어도 하나의 납품처에서 하차하기 위한 밀크런 운송경로를 생성하는 단계를 포함한다.
개시된 기술은 다음의 효과를 가질 수 있다. 다만, 특정 실시예가 다음의 효과를 전부 포함하여야 한다거나 다음의 효과만을 포함하여야 한다는 의미는 아니므로, 개시된 기술의 권리범위는 이에 의하여 제한되는 것으로 이해되어서는 아니 될 것이다.
본 발명의 일 실시예에 따른 인공지능 기반의 최적 배송경로 제공 장치 및 방법은 방문지들의 공간 분포를 기초로 물류 배송을 위한 비용 및 시간을 최적화할 수 있다.
본 발명의 일 실시예에 따른 인공지능 기반의 최적 배송경로 제공 장치 및 방법은 납품처의 위치를 중심으로 소정의 중심각을 형성하는 부채꼴 형상의 영역 내에 존재하는 납품사들만을 방문하도록 배송경로를 결정함으로써 연비/시간 측면에서 효율성을 향상시킬 수 있다.
도 1은 본 발명에 따른 최적 배송경로 제공 시스템을 설명하는 도면이다.
도 2는 도 1의 최적 배송경로 제공 장치의 시스템 구성을 설명하는 도면이다.
도 3은 도 1의 최적 배송경로 제공 장치의 기능적 구성을 설명하는 도면이다.
도 4는 본 발명의 일 실시예에 따른 인공지능 기반의 최적 배송경로 제공 과정을 설명하는 순서도이다.
도 5 및 6은 본 발명의 일 실시예에 따른 인공지능 기반의 최적 배송경로 제공 과정을 설명하는 도면이다.
본 발명에 관한 설명은 구조적 내지 기능적 설명을 위한 실시예에 불과하므로, 본 발명의 권리범위는 본문에 설명된 실시예에 의하여 제한되는 것으로 해석되어서는 아니 된다. 즉, 실시예는 다양한 변경이 가능하고 여러 가지 형태를 가질 수 있으므로 본 발명의 권리범위는 기술적 사상을 실현할 수 있는 균등물들을 포함하는 것으로 이해되어야 한다. 또한, 본 발명에서 제시된 목적 또는 효과는 특정 실시예가 이를 전부 포함하여야 한다거나 그러한 효과만을 포함하여야 한다는 의미는 아니므로, 본 발명의 권리범위는 이에 의하여 제한되는 것으로 이해되어서는 아니 될 것이다.
한편, 본 출원에서 서술되는 용어의 의미는 다음과 같이 이해되어야 할 것이다.
"제1", "제2" 등의 용어는 하나의 구성요소를 다른 구성요소로부터 구별하기 위한 것으로, 이들 용어들에 의해 권리범위가 한정되어서는 아니 된다. 예를 들어, 제1 구성요소는 제2 구성요소로 명명될 수 있고, 유사하게 제2 구성요소도 제1 구성요소로 명명될 수 있다.
어떤 구성요소가 다른 구성요소에 "연결되어"있다고 언급된 때에는, 그 다른 구성요소에 직접적으로 연결될 수도 있지만, 중간에 다른 구성요소가 존재할 수도 있다고 이해되어야 할 것이다. 반면에, 어떤 구성요소가 다른 구성요소에 "직접 연결되어"있다고 언급된 때에는 중간에 다른 구성요소가 존재하지 않는 것으로 이해되어야 할 것이다. 한편, 구성요소들 간의 관계를 설명하는 다른 표현들, 즉 "~사이에"와 "바로 ~사이에" 또는 "~에 이웃하는"과 "~에 직접 이웃하는" 등도 마찬가지로 해석되어야 한다.
단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한 복수의 표현을 포함하는 것으로 이해되어야 하고, "포함하다"또는 "가지다" 등의 용어는 실시된 특징, 숫자, 단계, 동작, 구성요소, 부분품 또는 이들을 조합한 것이 존재함을 지정하려는 것이며, 하나 또는 그 이상의 다른 특징이나 숫자, 단계, 동작, 구성요소, 부분품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.
각 단계들에 있어 식별부호(예를 들어, a, b, c 등)는 설명의 편의를 위하여 사용되는 것으로 식별부호는 각 단계들의 순서를 설명하는 것이 아니며, 각 단계들은 문맥상 명백하게 특정 순서를 기재하지 않는 이상 명기된 순서와 다르게 일어날 수 있다. 즉, 각 단계들은 명기된 순서와 동일하게 일어날 수도 있고 실질적으로 동시에 수행될 수도 있으며 반대의 순서대로 수행될 수도 있다.
본 발명은 컴퓨터가 읽을 수 있는 기록매체에 컴퓨터가 읽을 수 있는 코드로서 구현될 수 있고, 컴퓨터가 읽을 수 있는 기록 매체는 컴퓨터 시스템에 의하여 읽혀질 수 있는 데이터가 저장되는 모든 종류의 기록 장치를 포함한다. 컴퓨터가 읽을 수 있는 기록 매체의 예로는 ROM, RAM, CD-ROM, 자기 테이프, 플로피 디스크, 광 데이터 저장 장치 등이 있다. 또한, 컴퓨터가 읽을 수 있는 기록 매체는 네트워크로 연결된 컴퓨터 시스템에 분산되어, 분산 방식으로 컴퓨터가 읽을 수 있는 코드가 저장되고 실행될 수 있다.
여기서 사용되는 모든 용어들은 다르게 정의되지 않는 한, 본 발명이 속하는 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가진다. 일반적으로 사용되는 사전에 정의되어 있는 용어들은 관련 기술의 문맥상 가지는 의미와 일치하는 것으로 해석되어야 하며, 본 출원에서 명백하게 정의하지 않는 한 이상적이거나 과도하게 형식적인 의미를 지니는 것으로 해석될 수 없다.
도 1은 본 발명에 따른 최적 배송경로 제공 시스템을 설명하는 도면이다.
도 1을 참조하면, 최적 배송경로 제공 시스템(100)은 납품사 단말(110), 납품처 단말(130), 최적 배송경로 제공 장치(150) 및 데이터베이스(170)를 포함할 수 있다.
납품사 단말(110)은 물류 납품을 제공하는 기업에서 운용하는 컴퓨팅 장치에 해당할 수 있고, 스마트폰, 노트북 또는 컴퓨터로 구현될 수 있으며, 반드시 이에 한정되지 않고, 태블릿 PC 등 다양한 디바이스로도 구현될 수 있다. 납품사 단말(110)은 최적 배송경로 제공 장치(150)와 네트워크를 통해 연결될 수 있고, 복수의 납품사 단말(110)들은 최적 배송경로 제공 장치(150)와 동시에 연결될 수 있다. 또한, 납품사 단말(110)은 전용 프로그램을 통해 화물 운송을 위한 배차요청을 포함하여 물류 배송 및 관리를 위한 통합 시스템을 제공할 수 있다.
일 실시예에서, 납품사 단말(110)은 화물 운송 요청을 관리하는 운송 요청 관리 모듈, 화물 운송에 따른 화물의 재고를 관리하는 재고 관리 모듈, 화물 운송 요청에 따라 요일별 운송 정보를 생성하고 이를 기초로 밀크런 운송 오더를 전송하는 운송 오더 처리 모듈 및 화물정보를 저장하는 화물 데이터베이스를 포함하여 구현될 수 있다.
납품처 단말(130)은 물류 납품을 수신하는 기업에서 운용하는 컴퓨팅 장치에 해당할 수 있고, 스마트폰, 노트북 또는 컴퓨터로 구현될 수 있으며, 반드시 이에 한정되지 않고, 태블릿 PC 등 다양한 디바이스로도 구현될 수 있다. 납품처 단말(130)은 최적 배송경로 제공 장치(150)와 네트워크를 통해 연결될 수 있고, 복수의 납품처 단말(130)들은 최적 배송경로 제공 장치(150)와 동시에 연결될 수 있다. 또한, 납품처 단말(130)은 전용 프로그램을 통해 입고 검수 및 인수 확인을 포함하여 물류 입고 및 관리를 위한 통합 시스템을 제공할 수 있다.
일 실시예에서, 납품처 단말(130)은 화물 운송 요청을 관리하는 운송 요청 관리 모듈, 화물 운송에 따른 입고화물을 관리하는 입고화물 관리 모듈, 화물 운송 요청에 따라 요일별 입고 정보를 생성하고 이를 기초로 요일별 입고화물을 예측하는 입고화물 예측 모듈 및 화물정보를 저장하는 화물 데이터베이스를 포함하여 구현될 수 있다.
최적 배송경로 제공 장치(150)는 기존의 물류 배송 시스템의 단점을 보완하고 경로 빅데이터에 기반한 딥러닝으로 구축된 인공지능을 적용하여 최적 배송경로를 생성하고 제공할 수 있는 컴퓨터 또는 프로그램에 해당하는 서버로 구현될 수 있다. 최적 배송경로 제공 장치(150)는 납품사 단말(110) 및 납품처 단말(130)과 네트워크를 통해 연결되어 데이터를 주고받을 수 있다. 또한, 최적 배송경로 제공 장치(150)는 물류 배송 및 입고를 위한 화물배차를 처리하고 관리하기 위한 통합 시스템을 제공할 수 있다.
보다 구체적으로, 최적 배송경로 제공 장치(150)는 다음과 같은 기존의 문제점들을 보완하는 화물배차 시스템을 제공할 수 있다.
1)단순 알고리즘에 의한 자동 라우팅으로 배송 루트 및 차량 톤수를 지정하는 문제: 최적 배송경로 제공 장치(150)는 AI를 통해 요일별 예상 날씨 및 실시간 교통상황(출근 및 교통량이 많은 시간)을 근거로 최적화된 방문순로 도출과 톤수선별 및 차량배차를 진행할 수 있으며, 그에 따른 정확도가 높은 납품사별 실시간 예상 입고시간과 납품처(하차지) 실시간 예상 도착시간이 산출되어 최상의 서비스를 제공할 수 있다.
2) 납품사별/요일별 Order양을 예상/측정하지 못하는 문제: 최적 배송경로 제공 장치(150)는 AI를 통해 납품사별/요일별 Order양을 분석하여 예상 물량을 산출함으로써 사전에 차량배차를 진행할 수 있고, 이를 통해 차량배차를 위한 리드타임을 축소할 수 있다.
3) 납품사별 Pallet에 싣는 양(박스) 산출이 어려운 문제: 최적 배송경로 제공 장치(150)는 납품사별 박스 크기 및 중량을 AI를 통해 1Pallet의 박스 수량과 차량별 적재율을 계산하여 최적의 차량선정을 진행할 수 있다. 즉, 최적 배송경로 제공 장치(150)는 Pallet 수량 뿐만 아니라 박스 수량으로도 주문이 가능하게 하여 박스 수량에 따라 몇 Pallet가 필요한지 자동 연산 및 산출하는 서비스를 제공할 수 있다.
4) 밀크런 서비스 수수료 단가가 거리별 고정단가로 측정되는 문제: 최적 배송경로 제공 장치(150)는 AI를 통해 실시간 교통상황에 대한 하차지 도착시간까지 계산하여 유동적 단가로 서비스를 제공할 수 있다.
5) 여러 조건 값에 대한 비용측정이 모두 수작업을 통해 진행되는 문제: 최적 배송경로 제공 장치(150)는 관제시스템과 AI를 연동하여 납품사별 입차대기 발생과 하차지별 도착 후 대기 발생에 대한 비용측정을 자동으로 측정하여 총 비용을 산출할 수 있다.
6) 다중 납품사 픽업 후 하나의 창고로 배송하는 타입의 밀크런의 경우: 최적 배송경로 제공 장치(150)는 AI를 통해 하나의 납품사 픽업 후 다중 납품처에 배송하는 타입과 다중 납품사 픽업 후 다중 납품처에 배송하는 타입에 대해서도 최적의 라우팅을 산출할 수 있다.
일 실시예에서, 최적 배송경로 제공 장치(150)는 데이터베이스(170)와 연동하여 인공지능 기반의 최적 배송경로 제공에 필요한 다양한 데이터를 저장할 수 있다. 또한, 최적 배송경로 제공 장치(150)는 프로세서, 메모리, 사용자 입출력부 및 네트워크 입출력부를 포함하여 구현될 수 있으며, 이에 대해서는 도 2에서 보다 자세히 설명한다.
데이터베이스(170)는 최적 배송경로 제공 장치(150)의 동작 과정에서 필요한 다양한 정보들을 저장하는 저장장치에 해당할 수 있다. 데이터베이스(170)는 다양한 화물차량, 납품사 및 납품처에 관한 정보를 저장할 수 있고, 화물배차 및 최적 배송경로 도출을 위한 AI 모델에 관한 정보를 저장할 수 있으며, 반드시 이에 한정되지 않고, 최적 배송경로 생성 과정에서 다양한 형태로 수집 또는 가공된 정보들을 저장할 수 있다.
도 2는 도 1의 최적 배송경로 제공 장치의 시스템 구성을 설명하는 도면이다.
도 2를 참조하면, 최적 배송경로 제공 장치(150)는 프로세서(210), 메모리(230), 사용자 입출력부(250) 및 네트워크 입출력부(270)를 포함하여 구현될 수 있다.
프로세서(210)는 최적 배송경로 제공 장치(150)가 동작하는 과정에서의 각 단계들을 처리하는 프로시저를 실행할 수 있고, 그 과정 전반에서 읽혀지거나 작성되는 메모리(230)를 관리할 수 있으며, 메모리(230)에 있는 휘발성 메모리와 비휘발성 메모리 간의 동기화 시간을 스케줄할 수 있다. 프로세서(210)는 최적 배송경로 제공 장치(150)의 동작 전반을 제어할 수 있고, 메모리(230), 사용자 입출력부(250) 및 네트워크 입출력부(270)와 전기적으로 연결되어 이들 간의 데이터 흐름을 제어할 수 있다. 프로세서(210)는 최적 배송경로 제공 장치(150)의 CPU(Central Processing Unit)로 구현될 수 있다.
메모리(230)는 SSD(Solid State Drive) 또는 HDD(Hard Disk Drive)와 같은 비휘발성 메모리로 구현되어 최적 배송경로 제공 장치(150)에 필요한 데이터 전반을 저장하는데 사용되는 보조기억장치를 포함할 수 있고, RAM(Random Access Memory)과 같은 휘발성 메모리로 구현된 주기억장치를 포함할 수 있다.
사용자 입출력부(250)는 사용자 입력을 수신하기 위한 환경 및 사용자에게 특정 정보를 출력하기 위한 환경을 포함할 수 있다. 예를 들어, 사용자 입출력부(250)는 터치 패드, 터치 스크린, 화상 키보드 또는 포인팅 장치와 같은 어댑터를 포함하는 입력장치 및 모니터 또는 터치스크린과 같은 어댑터를 포함하는 출력장치를 포함할 수 있다. 일 실시예에서, 사용자 입출력부(250)는 원격 접속을 통해 접속되는 컴퓨팅 장치에 해당할 수 있고, 그러한 경우, 최적 배송경로 제공 장치(150)는 서버로서 수행될 수 있다.
네트워크 입출력부(270)은 네트워크를 통해 외부 장치 또는 시스템과 연결하기 위한 환경을 포함하고, 예를 들어, LAN(Local Area Network), MAN(Metropolitan Area Network), WAN(Wide Area Network) 및 VAN(Value Added Network) 등의 통신을 위한 어댑터를 포함할 수 있다.
도 3은 도 1의 최적 배송경로 제공 장치의 기능적 구성을 설명하는 도면이다.
도 3을 참조하면, 최적 배송경로 제공 장치(150)는 밀크런 오더 수신부(310), 공간분포 도출부(320), 납품사 후보군 결정부(330), 운송경로 생성부(340) 및 제어부(350)를 포함할 수 있다.
밀크런 오더 수신부(310)는 복수의 납품사 단말(110)들로부터 화물 배차정보를 포함하는 밀크런 오더를 수신할 수 있다. 여기에서, 화물 배차정보는 화물 운송 및 배차에 필요한 정보에 해당할 수 있다. 예를 들어, 화물 배차정보는 화물내용, 상차지, 하차지, 상차시간, 하차시간, 화물비용, 화물용량, 팔레트 크기와 개수 등을 포함할 수 있다. 또한, 밀크런 오더는 화물 운송 오더에 해당할 수 있고, 해당 화물 운송이 밀크런 방식으로 처리되는 것에 대한 사전승인을 포함할 수 있다. 즉, 납품사 단말(110)은 화물 운송에 필요한 정보들을 입력하면서 밀크런 오더를 요청할 수 있고, 최적 배송경로 제공 장치(150)는 이를 수신하여 다른 밀크런 오더들과 함께 처리하기 위한 최적의 배송경로를 결정할 수 있다.
일 실시예에서, 밀크런 오더 수신부(310)는 인공지능을 통해 예측된 납품사별 물량 정보에 따라 밀크런 오더를 자동으로 수신할 수 있다. 즉, 밀크런 오더 수신부(310)는 납품사 단말(110)로부터의 직접적인 밀크런 오더의 수신이 없는 경우라도 AI 모델이 예측한 납품사별 예측물량을 기초로 가상의 밀크런 오더가 요청된 것으로 간주하여 밀크런 오더 수신 동작을 자동으로 처리할 수 있다. 이를 위하여, 밀크런 오더 수신부(310)는 해당 납품사 단말(110)로부터 밀크런 오더의 자동 생성 및 수신에 관한 사전 동의를 수신할 수 있다.
공간분포 도출부(320)는 화물 배차정보를 이용하여 특정 납품처를 중심으로 복수의 납품사들의 공간 분포를 도출할 수 있다. 밀크런 운송의 경우 복수의 납품사들을 순차적으로 방문하여 화물을 상차한 다음 마지막으로 납품처를 방문하여 화물을 하차하는 방식으로 처리되기 때문에, 납품사들을 방문하는 순서에 따라 화물운송에 소요되는 시간이나 비용이 달라질 수 있다. 특히, 방문이 필요한 납품사들의 위치, 즉 공간분포는 운송시간이나 비용에 가장 큰 영향을 미치는 요소에 해당할 수 있다.
즉, 공간분포 도출부(320)는 화물 배차정보를 기초로 방문이 필요한 납품처들에 관한 정보를 추출할 수 있고, 이를 기초로 공간 분포를 도출할 수 있다. 여기에서, 공간 분포는 전자지도 상에서의 위치 정보를 포함하여 정의될 수 있으며, 전자지도 상에서 정의되는 공간에 따라 2차원 또는 3차원 정보로 표현될 수 있다.
납품사 후보군 결정부(330)는 공간 분포를 기초로 특정 납품처로의 화물 운송에 최적화된 밀크런 영역을 정의하여 납품사 후보군을 결정할 수 있다. 이 때, 밀크런 영역은 특정 납품처의 위치를 중심으로 소정의 중심각을 형성하는 부채꼴 형상의 영역으로 정의될 수 있다. 밀크런 영역은 밀크런 운송에 있어 최적화된 배송경로가 도출될 가능성이 높은 영역에 해당할 수 있다. 즉, 밀크런 영역 내에 위치한 납품사들만 방문하여 화물을 상차한 다음 특정 납품처로 화물 운송을 수행할 수 있다면 비용/시간 측면에서 최적화된 화물 운송을 달성할 수 있다.
한편, 납품사 후보군은 밀크런 영역 내에 위치하는 납품사들의 집합에 해당할 수 있으며, 밀크런 운송경로는 납품사 후보군에 포함된 납품사들 만을 방문하기 위한 이동경로에 해당할 수 있다. 납품사 후보군 결정부(330)는 밀크런 영역이 결정된 경우 해당 밀크런 영역 내에 존재하는 납품사들을 하나로 묶어 납품사 후보군을 생성할 수 있다.
일 실시예에서, 밀크런 영역은 특정 납품처의 위치를 중심으로 45도의 중심각을 형성하는 부채꼴 형상의 영역으로 정의될 수 있다. 밀크런 방식의 화물 운송 과정에서 수집된 배송 정보를 분석한 결과, 최종 방문지에 해당하는 납품처의 위치를 중심으로 약 45도 반경 내의 영역을 벗어나는 납품사를 방문하는 경우 화물 운송에 따른 연비/시간 등에 비효율이 발생할 수 있다.
따라서, 납품사 후보군 결정부(330)는 특정 납품처의 위치를 중심으로 45도의 중심각을 형성하는 부채꼴 형상의 영역을 밀크런 영역으로 정의하고 해당 밀크런 영역 내에 존재하는 납품사들만으로 구성된 납품사 후보군을 결정함으로써 이를 기초로 생성된 밀크런 운송경로가 최적의 배송경로가 될 확률을 높일 수 있다. 한편, 밀크런 영역은 특정 납품처를 중심으로 하는 부채꼴 형상의 영역으로서 중심에서 외곽으로 확장될 수 있으며, 필요에 따라 중심에서 특정 반경 이내로 제한적으로 결정될 수도 있다.
일 실시예에서, 납품사 후보군 결정부(330)는 공간 분포를 기초로 특정 납품처의 인근에 위치하는 가용 화물차량들의 위치에 따라 적어도 하나의 밀크런 후보 영역을 생성할 수 있다. 가용 화물차량은 현재 화물 배송 중이 아닌 차량으로서 정상적으로 화물배차를 처리할 수 있는 화물차량에 해당할 수 있다. 납품사 후보군 결정부(330)는 특정 납품처의 인근에 위치하는 화물차량들을 가용 화물차량으로서 결정할 수 있고, 해당 가용 화물차량의 위치를 기준으로 밀크런 후보 영역을 결정할 수 있다. 밀크런 후보 영역은 밀크런 영역으로 결정될 가능성이 있는 후보 영역에 해당할 수 있다.
한편, 납품사 후보군 결정부(330)는 특정 납품처의 인근에 위치하는 화물차량을 조건으로 가용 화물차량을 결정하고 있으나, 반드시 이에 한정되지 않고, 밀크런 방식의 화물 운송과 연관된 조건에 따라 가용 화물차량을 결정할 수도 있음은 물론이다.
일 실시예에서, 납품사 후보군 결정부(330)는 가용 화물차량들 사이의 거리가 가장 긴 거리와 연관된 화물차량 쌍을 결정하는 단계, 특정 납품처에서 화물차량 쌍의 제1 및 제2 화물차량들 각각을 연결하는 가상의 제1 직선들을 각각 형성하는 단계, 가상의 제1 직선들을 기준으로 소정의 중심각을 형성하는 가상의 제2 직선들을 각각 형성하는 단계, 가상의 제1 및 제2 직선들에 의해 형성되는 부채꼴 형상의 영역을 제1 및 제2 밀크런 후보 영역들로 결정하는 단계 및, 제1 및 제2 밀크런 후보 영역들 사이에 형성되고 각 영역 내에 존재하는 납품사들의 조합이 서로 상이한 밀크런 후보 영역들을 결정하는 단계를 통해 동작할 수 있다.
보다 구체적으로, 납품사 후보군 결정부(330)는 가용 화물차량들 사이의 거리가 가장 긴 거리와 연관된 화물차량 쌍을 결정할 수 있다. 즉, 납품사 후보군 결정부(330)는 가용 화물차량들 중에서 가장 먼 거리에 존재하는 가용 화물차량들을 하나로 묶어 화물차량 쌍을 결정할 수 있다.
또한, 납품사 후보군 결정부(330)는 특정 납품처에서 화물차량 쌍의 제1 및 제2 화물차량들 각각을 연결하는 가상의 제1 직선들을 각각 형성할 수 있다. 즉, 납품사 후보군 결정부(330)는 특정 납품처의 위치에서 화물차량 쌍을 구성하는 제1 화물차량을 지나는 가상의 제1 직선을 형성할 수 있고, 특정 납품처의 위치에서 화물차량 쌍을 구성하는 제2 화물차량을 지나는 다른 가상의 제1 직선을 형성할 수 있다.
또한, 납품사 후보군 결정부(330)는 가상의 제1 직선들을 기준으로 소정의 중심각을 형성하는 가상의 제2 직선들을 각각 형성할 수 있다. 즉, 납품사 후보군 결정부(330)는 제1 화물차량을 지나는 가상의 제1 직선과 소정의 중심각을 형성하는 가상의 제2 직선을 형성할 수 있고, 제2 화물차량을 지나는 다른 가상의 제1 직선과 소정의 중심각을 형성하는 다른 가상의 제2 직선을 형성할 수 있다.
또한, 납품사 후보군 결정부(330)는 가상의 제1 및 제2 직선들에 의해 형성되는 부채꼴 형상의 영역을 제1 및 제2 밀크런 후보 영역들로 결정할 수 있다. 즉, 제1 밀크런 후보 영역은 제1 화물차량을 지나는 직선을 기초로 형성되는 영역에 해당하고, 제2 밀크런 후보 영역은 제2 화물차량을 지나는 직선을 기초로 형성되는 영역에 해당할 수 있다.
또한, 납품사 후보군 결정부(330)는 제1 및 제2 밀크런 후보 영역들 사이에 형성되고 각 영역 내에 존재하는 납품사들의 조합이 서로 상이한 밀크런 후보 영역들을 결정할 수 있다. 즉, 제1 및 제2 화물차량들 각각을 기초로 형성된 제1 및 제2 밀크런 후보 영역들 사이에도 서로 다른 밀크런 후보 영역들이 형성될 수 있고, 각 밀크런 후보 영역들에 포함된 납품사들의 집합은 서로 상이할 수 있다.
결과적으로, 납품사 후보군 결정부(330)는 가용 화물차량을 이용하여 밀크런 화물 운송을 처리할 수 있는 가상의 영역들을 밀크런 후보 영역들로 결정할 수 있고, 그 중에서 밀크런 운송경로의 생성에 사용되는 밀크런 영역이 최종적으로 결정될 수 있다.
일 실시예에서, 납품사 후보군 결정부(330)는 특정 납품처가 복수개인 경우 복수개의 납품처들 각각에 관한 밀크런 영역들을 하나로 통합하여 납품사 후보군을 결정할 수 있다. 밀크런 방식의 화물 운송은 기본적으로 복수개의 납품사를 순차적으로 방문하여 화물들을 상차하고 최종적으로 하나의 납품처를 방문하여 화물들을 하차함으로써 수행될 수 있으나, 필요에 따라 하나 이상의 납품처를 순차적으로 방문하여 화물들을 하차할 수도 있다. 납품사 후보군 결정부(330)는 밀크런 운송경로 상에서 화물들의 하차를 제공하는 납품처가 두개 이상 존재하는 경우에는 납품처 각각에 대한 밀크런 영역들을 결정할 수 있고, 최종적으로 납품처 각각에 대한 밀크런 영역들을 하나로 통합하여 최종 밀크런 영역을 결정하고 이를 기초로 납품처 후보군을 결정할 수 있다.
일 실시예에서, 납품사 후보군 결정부(330)는 AI 모델을 기초로 복수개의 납품처들을 입력으로 제공하여 밀크런 운송경로의 최종 도착지에 해당하는 납품처를 결정할 수 있다. 밀크런 방식의 화물 운송은 복수의 납품사들을 순차적으로 방문하여 화물들을 상차하고 복수의 납품처들을 순차적으로 방문하여 화물들을 하차할 수 있으며, 하나의 밀크런 영역 내에 복수의 납품처들이 존재하는 경우 AI 모델을 이용하여 밀크런 운송경로를 따라 마지막으로 방문하는 납품처를 결정할 수 있다.
이를 위하여, 최적 배송경로 제공 장치(150)는 다양하게 수집된 화물배송 정보들을 학습하여 다양한 AI 모델을 생성할 수 있고, 그 중에서도 복수의 납품처가 존재하는 경우 최적의 배송단가를 위하여 마지막으로 방문해야 하는 납품처를 최종 목적지로서 결정할 수 있다. 즉, AI 모델은 화물배차가 완료된 배차정보를 토대로 화물 배송이 이루어진 배송경로와 그에 따른 배송단가에 관한 빅데이터를 학습할 수 있다. 특히, AI 모델은 배송경로 상에 존재하는 각 납품처 별로 최종 방문지에 해당될 확률에 대한 정보를 출력으로서 제공할 수 있다.
운송경로 생성부(340)는 밀크런 오더에 대한 응답으로서, 납품사 후보군에 포함된 납품사들을 경유하면서 상차한 화물들을 적어도 하나의 납품처에서 하차하기 위한 밀크런 운송경로를 생성할 수 있다. 즉, 운송경로 생성부(340)는 다양한 납품사들로부터 수신한 밀크런 오더들을 통합적으로 고려하여 최적의 방문 순로를 도출할 수 있다. 운송경로 생성부(340)를 통해 도출되는 밀크런 운송경로는 기본적으로 복수의 납품사들을 순차적으로 방문하면서 화물을 상차하고, 최종 목적지인 납품처에 도착하여 해당 화물들을 하차하는 방식의 화물 운송을 위한 최적경로에 해당할 수 있다.
또한, 운송경로 생성부(340)는 필요에 따라 다양한 경로 생성 알고리즘을 활용하여 밀크런 운송경로를 생성할 수도 있으며, 기 구축된 AI 모델을 이용하여 밀크런 운송경로를 생성할 수 있다. 운송경로 생성부는(340)는 밀크런 운송경로의 생성의 전단계에서 밀크런 운송경로 상에 포함되는 납품사들의 예비 집합을 납품사 후보군으로서 생성할 수 있다. 결과적으로, 운송경로 생성부(340)는 납품사 후보군을 대상으로 밀크런 운송경로를 생성할 수 있으며, 이 때 납품사 후보군은 최적의 배송경로를 생성하기 위한 조건으로서 특정한 영역 내에 존재하는 납품사들만으로 구성될 수 있다.
일 실시예에서, 운송경로 생성부(340)는 요일별 예상 날씨 및 실시간 교통상황을 포함하는 학습 데이터를 학습하여 생성된 AI 모델을 기초로 밀크런 운송경로의 생성에 관한 동작을 처리할 수 있다. 이를 위하여, 최적 배송경로 제공 장치(150)는 화물 운송 과정에서 화물배차에 관한 다양한 정보들을 수집하여 AI 모델을 구축할 수 있다. 특히, AI 모델은 화물배차 과정에서 실시간 경로 최적화, 화물차량간 정보 활용, 유통물류 수요예측 및 자원 활용 등에도 사용될 수 있다. 운송경로 생성부(340)는 경로 빅데이터를 학습하여 구축된 AI 모델을 통해 밀크런 방식의 화물 운송을 위한 납품사 위치, 화물량, 방문 순서, 교통 상황 및 날씨 등에 따른 최적의 배송경로를 생성할 수 있다.
일 실시예에서, 운송경로 생성부(340)는 AI 모델을 기초로 트럭 크기당 팔레트 개수, 총 무게, 방문지 묶음별 거리, 창고 입고까지의 소요시간을 포함하는 화물운송 조건을 적용하여 밀크런 운송경로를 생성할 수 있다. 이 때, 밀크런 운송경로는 최소비용, 최소시간 및 최소거리에 관한 우선순위 별로 각각 별도로 생성될 수 있다.
보다 구체적으로, 운송경로 생성부(340)는 다양한 화물운송 조건을 고려하여 밀크런 운송경로를 생성할 수 있으며, 이를 위하여 사전에 AI 모델에 대한 학습을 수행할 수 있다. 이 때의 AI 모델은 다양한 화물운송 조건을 포함하는 학습 데이터를 학습하여 그에 적합한 최적의 운송경로를 결과로서 출력하도록 구축될 수 있다.
제어부(350)는 최적 배송경로 제공 장치(150)의 전체적인 동작을 제어하고, 밀크런 오더 수신부(310), 공간분포 도출부(320), 납품사 후보군 결정부(330) 및 운송경로 생성부(340) 간의 제어 흐름 또는 데이터 흐름을 관리할 수 있다.
도 4는 본 발명의 일 실시예에 따른 인공지능 기반의 최적 배송경로 제공 과정을 설명하는 순서도이다.
도 4를 참조하면, 최적 배송경로 제공 장치(150)는 밀크런 오더 수신부(310)를 통해 복수의 납품사 단말(110)들로부터 화물 배차정보를 포함하는 밀크런 오더를 수신할 수 있다(단계 S410). 최적 배송경로 제공 장치(150)는 공간분포 도출부(320)를 통해 화물 배차정보를 이용하여 특정 납품처를 중심으로 복수의 납품사들의 공간 분포를 도출할 수 있다(단계 S430).
또한, 최적 배송경로 제공 장치(150)는 납품사 후보군 결정부(330)를 통해 공간 분포를 기초로 특정 납품처로의 화물 운송에 최적화된 밀크런 영역을 정의하여 납품사 후보군을 결정할 수 있다(단계 S450). 최적 배송경로 제공 장치(150)는 운송경로 생성부(340)를 통해 밀크런 오더에 대한 응답으로서, 납품사 후보군에 포함된 납품사들을 경유하면서 상차한 화물들을 적어도 하나의 납품처에서 하차하기 위한 밀크런 운송경로를 생성할 수 있다(단계 S470).
도 5 및 6은 본 발명의 일 실시예에 따른 인공지능 기반의 최적 배송경로 제공 과정을 설명하는 도면이다.
도 5 및 6을 참조하면, 최적 배송경로 제공 장치(150)는 복수의 납품사(520)들을 방문하여 화물을 상차하고 하나의 납품처(510)에 방문하여 화물을 하차하는 밀크런 방식의 화물 운송을 위한 최적의 배송경로를 생성하여 화물차량에 제공할 수 있다.
특히, 최적 배송경로 제공 장치(150)는 인공지능 학습을 통해 구축된 AI 모델을 통해 밀크런 운송경로를 생성할 수 있다. 최적 배송경로 제공 장치(150)는 밀크런 운송경로를 생성하기 전단계에서 비용/연비 측면에서 최적의 배송경로를 도출할 수 있는 밀크런 영역을 결정할 수 있고, 밀크런 영역을 기초로 밀크런 운송경로를 생성할 수 있다.
도 5에서, 밀크런 영역은 밀크런 후보 영역들(550a, 550b) 중 어느 하나로 결정될 수 있으며, 밀크런 영역은 납품처(510)의 위치를 중심으로 방사상으로 확장되는 부채꼴 형상의 영역으로 정의될 수 있다. 일 실시예에서, 최적 배송경로 제공 장치(150)는 납품처(510)의 위치를 중심으로 가용 화물차량(530)들을 결정할 수 있고, 가용 화물차량(530)들 사이의 거리가 가장 긴 거리와 연관된 화물차량 쌍을 결정할 수 있다. 이 때, 가용 화물차량(530)들은 납품처(510)의 위치를 중심으로 특정 반경 r 이내의 영역으로 정의되는 배차 영역(540) 내에 존재하는 화물차량에 해당할 수 있고, 화물차량 쌍은 가용 화물차량 (a)와 (b)로 구성될 수 있다.
또한, 최적 배송경로 제공 장치(150)는 납품처(510)에서 가용 화물차량 (a)와 (b) 각각을 연결하는 가상의 제1 직선 (a')과 (b')을 각각 생성할 수 있고, 가상의 제1 직선 (a')과 (b')을 기준으로 소정의 중심각 α을 형성하는 가상의 제2 직선 (a'')과 (b'')을 각각 생성할 수 있다. 최적 배송경로 제공 장치(150)는 가상의 제1 및 제2 직선들에 의해 형성되는 부채꼴 형상의 영역을 제1 및 제2 밀크런 후보 영역들(550a, 550b)로 결정할 수 있다.
한편, 최적 배송경로 제공 장치(150)는 제1 및 제2 밀크런 후보 영역들(550a, 550b) 사이에 형성되고 각 영역 내에 존재하는 납품사(520)들의 조합이 서로 상이한 밀크런 후보 영역들을 추가적으로 생성할 수도 있다.
결과적으로, 최적 배송경로 제공 장치(150)는 밀크런 후보 영역들(550a, 550b) 중에서 어느 하나를 밀크런 영역으로서 결정할 수 있고, 해당 밀크런 영역을 기초로 밀크런 운송경로를 생성할 수 있으며, 이 때 AI 모델이 활용될 수 있다.
도 6에서, 도 5의 밀크런 후보 영역 중 하나(550a)가 밀크런 영역으로 결정될 수 있고, 최적 배송경로 제공 장치(150)는 해당 밀크런 영역을 기초로 밀크런 운송경로(610)를 생성할 수 있다. 즉, 밀크런 운송경로(610)는 납품처(510)의 위치를 중심으로 중심각이 α인 부채꼴 형상으로 형성된 밀크런 영역에 존재하는 납품사(520)들 만을 순차적으로 방문하는 배송경로에 해당할 수 있으며, 가용 화물차량(530)의 위치를 출발지점으로 하여 납품사(520)들을 순차적으로 방문한 후 최종적으로 납품처(510)를 방문하는 이동경로에 해당할 수 있다.
상기에서는 본 발명의 바람직한 실시예를 참조하여 설명하였지만, 해당 기술 분야의 숙련된 당업자는 하기의 특허 청구의 범위에 기재된 본 발명의 사상 및 영역으로부터 벗어나지 않는 범위 내에서 본 발명을 다양하게 수정 및 변경시킬 수 있음을 이해할 수 있을 것이다.
100: 최적 배송경로 제공 시스템
110: 납품사 단말 130: 납품처 단말
150: 최적 배송경로 제공 장치 170: 데이터베이스
210: 프로세서 230: 메모리
250: 사용자 입출력부 270: 네트워크 입출력부
310: 밀크런 오더 수신부 320: 공간분포 도출부
330: 납품사 후보군 결정부 340: 운송경로 생성부
350: 제어부
510: 납품처 520: 납품사
530: 가용 화물차량 540: 배차 영역
550a, 550b: 밀크런 후보 영역
610: 밀크런 운송경로

Claims (8)

  1. 복수의 납품사 단말들로부터 화물 배차정보를 포함하는 밀크런 오더를 수신하는 밀크런 오더 수신부;
    상기 화물 배차정보를 이용하여 특정 납품처를 중심으로 복수의 납품사들의 공간 분포를 도출하는 공간분포 도출부;
    상기 공간 분포를 기초로 상기 특정 납품처로의 화물 운송에 최적화된 밀크런 영역을 정의하여 납품사 후보군을 결정하는 납품사 후보군 결정부; 및
    상기 밀크런 오더에 대한 응답으로서, 상기 납품사 후보군에 포함된 납품사들을 경유하면서 상차한 화물들을 적어도 하나의 납품처에서 하차하기 위한 밀크런 운송경로를 생성하는 운송경로 생성부를 포함하고,
    상기 납품사 후보군 결정부는 상기 공간 분포를 기초로 상기 특정 납품처의 인근에 위치하는 가용 화물차량들의 위치에 따라 적어도 하나의 밀크런 후보 영역을 생성하기 위하여, 상기 가용 화물차량들 사이의 거리가 가장 긴 거리와 연관된 화물차량 쌍을 결정하는 단계; 상기 특정 납품처에서 상기 화물차량 쌍의 제1 및 제2 화물차량들 각각을 연결하는 가상의 제1 직선들을 각각 형성하는 단계; 상기 가상의 제1 직선들을 기준으로 소정의 중심각을 형성하는 가상의 제2 직선들을 각각 형성하는 단계; 상기 가상의 제1 및 제2 직선들에 의해 형성되는 부채꼴 형상의 영역을 제1 및 제2 밀크런 후보 영역들로 결정하는 단계; 및 상기 제1 및 제2 밀크런 후보 영역들 사이에 형성되고 각 영역 내에 존재하는 납품사들의 조합이 서로 상이한 밀크런 후보 영역들을 결정하는 단계를 통해 동작하고,
    상기 밀크런 영역은 상기 특정 납품처의 위치를 중심으로 45도의 중심각을 형성하는 부채꼴 형상의 영역으로 정의되는 인공지능 기반의 최적 배송경로 제공 장치.
  2. 삭제
  3. 삭제
  4. 삭제
  5. 제1항에 있어서, 상기 납품사 후보군 결정부는
    상기 특정 납품처가 복수개인 경우 복수개의 납품처들 각각에 관한 밀크런 영역들을 하나로 통합하여 상기 납품사 후보군을 결정하는 것을 특징으로 하는 인공지능 기반의 최적 배송경로 제공 장치.
  6. 제5항에 있어서, 상기 납품사 후보군 결정부는
    AI 모델을 기초로 상기 복수개의 납품처들을 입력으로 제공하여 상기 밀크런 운송경로의 최종 도착지에 해당하는 납품처를 결정하는 것을 특징으로 하는 인공지능 기반의 최적 배송경로 제공 장치.
  7. 제1항에 있어서, 상기 운송경로 생성부는
    요일별 예상 날씨 및 실시간 교통상황을 포함하는 학습 데이터를 학습하여 생성된 AI 모델을 기초로 상기 밀크런 운송경로의 생성에 관한 동작을 처리하는 것을 특징으로 하는 인공지능 기반의 최적 배송경로 제공 장치.
  8. 밀크런 오더 수신부, 공간분포 도출부, 납품사 후보군 결정부 및 운송경로 생성부를 포함하는 인공지능 기반의 최적 배송경로 제공 장치에서 수행되는 인공지능 기반의 최적 배송경로 제공 방법에 있어서,
    상기 밀크런 오더 수신부를 통해, 복수의 납품사 단말들로부터 화물 배차정보를 포함하는 밀크런 오더를 수신하는 단계;
    상기 공간분포 도출부를 통해, 상기 화물 배차정보를 이용하여 특정 납품처를 중심으로 복수의 납품사들의 공간 분포를 도출하는 단계;
    상기 납품사 후보군 결정부를 통해, 상기 공간 분포를 기초로 상기 특정 납품처로의 화물 운송에 최적화된 밀크런 영역을 정의하여 납품사 후보군을 결정하는 단계; 및
    상기 운송경로 생성부를 통해, 상기 밀크런 오더에 대한 응답으로서, 상기 납품사 후보군에 포함된 납품사들을 경유하면서 상차한 화물들을 적어도 하나의 납품처에서 하차하기 위한 밀크런 운송경로를 생성하는 단계를 포함하고,
    상기 납품사 후보군을 결정하는 단계는 상기 공간 분포를 기초로 상기 특정 납품처의 인근에 위치하는 가용 화물차량들의 위치에 따라 적어도 하나의 밀크런 후보 영역을 생성하기 위하여, 상기 가용 화물차량들 사이의 거리가 가장 긴 거리와 연관된 화물차량 쌍을 결정하는 단계; 상기 특정 납품처에서 상기 화물차량 쌍의 제1 및 제2 화물차량들 각각을 연결하는 가상의 제1 직선들을 각각 형성하는 단계; 상기 가상의 제1 직선들을 기준으로 소정의 중심각을 형성하는 가상의 제2 직선들을 각각 형성하는 단계; 상기 가상의 제1 및 제2 직선들에 의해 형성되는 부채꼴 형상의 영역을 제1 및 제2 밀크런 후보 영역들로 결정하는 단계; 및 상기 제1 및 제2 밀크런 후보 영역들 사이에 형성되고 각 영역 내에 존재하는 납품사들의 조합이 서로 상이한 밀크런 후보 영역들을 결정하는 단계를 포함하고,
    상기 밀크런 영역은 상기 특정 납품처의 위치를 중심으로 45도의 중심각을 형성하는 부채꼴 형상의 영역으로 정의되는 인공지능 기반의 최적 배송경로 제공 방법.
KR1020200084481A 2020-07-09 2020-07-09 인공지능 기반의 최적 배송경로 제공 장치 및 방법 KR102503198B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020200084481A KR102503198B1 (ko) 2020-07-09 2020-07-09 인공지능 기반의 최적 배송경로 제공 장치 및 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020200084481A KR102503198B1 (ko) 2020-07-09 2020-07-09 인공지능 기반의 최적 배송경로 제공 장치 및 방법

Publications (2)

Publication Number Publication Date
KR20220006728A KR20220006728A (ko) 2022-01-18
KR102503198B1 true KR102503198B1 (ko) 2023-02-24

Family

ID=80052340

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020200084481A KR102503198B1 (ko) 2020-07-09 2020-07-09 인공지능 기반의 최적 배송경로 제공 장치 및 방법

Country Status (1)

Country Link
KR (1) KR102503198B1 (ko)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115330051B (zh) * 2022-08-11 2023-08-04 姚陈潇 基于混合遗传算法的车辆路径优化方法及应用
WO2024039289A1 (en) * 2022-08-19 2024-02-22 Grabtaxi Holdings Pte. Ltd. Server and method for processing on-demand services
CN117057705B (zh) * 2023-07-11 2024-02-13 汕尾领君科技有限公司 智慧后勤管理系统及管理方法

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20140002375A (ko) * 2012-06-29 2014-01-08 김용식 공급자와 수요자 간의 통합형 맞춤 서비스 중계 방법 및 그 장치와 시스템
KR20140101501A (ko) * 2013-02-08 2014-08-20 에스케이플래닛 주식회사 위치정보 기반의 상품 구매 방법, 이를 위한 시스템 및 장치
KR20160140035A (ko) 2015-05-29 2016-12-07 전자부품연구원 연료사용량 저감을 위한 화물차 최적 배송경로 산출 서비스 방법 및 시스템
KR102100249B1 (ko) * 2018-05-21 2020-04-14 주식회사 와이엘피 화물배차 처리 장치
KR20200055353A (ko) * 2018-11-13 2020-05-21 경희대학교 산학협력단 배송 시스템, 배송 관리 시스템, 배송 관리 장치 및 배송 관리 방법

Also Published As

Publication number Publication date
KR20220006728A (ko) 2022-01-18

Similar Documents

Publication Publication Date Title
KR102503198B1 (ko) 인공지능 기반의 최적 배송경로 제공 장치 및 방법
US8386397B1 (en) System and method for constraint-based reduction of a solution space for vehicle routing
CN109399123B (zh) 货物分拣方法、系统、控制服务器、机器人及介质
JP6651517B2 (ja) フルフィルメントセンターの階層から電子商取引注文を履行するためのシステムおよび方法
US10255577B1 (en) System and method for generating a delivery plan for multi-tier delivery schemes
US20200134557A1 (en) Logistical service for processing modular delivery requests
US20120226624A1 (en) Optimization system of smart logistics network
US20200327497A1 (en) System and method for linehaul optimization
CN111724086A (zh) 物流订单的配送方法、系统、存储介质及电子设备
KR20230053581A (ko) 딥러닝에 기반한 화물 운송 가격 결정 방법 및 장치
KR20220006726A (ko) 경로 빅데이터 기반 밀크런 자동배차 제공 장치 및 방법
US20120323638A1 (en) Production system carrier capacity prediction process and tool
Narayanan et al. Using Lagrangian relaxation to solve ready mixed concrete dispatching problems
CN113887828A (zh) 智能供应链产运销协同与实时网络规划方法以及装置
KR20210127645A (ko) 온라인 주문 최적화를 기반으로 직접수령 고객에게 상품을 제공하기 위한 물류서비스 제공 방법 및 시스템
CN113610453A (zh) 一种多运输方式联合的集装箱运输路径选择方法
Klerides et al. Modelling and solution approaches to the multi-load AGV dispatching problem in container terminals
CN107730073A (zh) 物流管理系统和方法
CN116596429A (zh) 物资运输路径的确定方法及物资运输路径的确定装置
KR102064279B1 (ko) Erp 연동 물류 배송 관리 방법 및 이를 수행하는 장치
CN116629735A (zh) 物流配送方法、物流配送装置和电子设备
CN108022070B (zh) 一种混合装卸车辆协同调度运输方法
US20180308048A1 (en) System and Method for Managing Returned Merchandise Using Trucks Tasked With Delivering Merchandise
CN114707820A (zh) 货物运输方法、装置、终端设备及可读存储介质
KR102471984B1 (ko) 하역장 상태에 기초하여 운송 서비스를 제공하는 방법 및 장치

Legal Events

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