KR102508928B1

KR102508928B1 - 컴퓨터화된 균형을 맞춘 배송 루트 할당 및 인센티브 구조를 위한 시스템 및 방법

Info

Publication number: KR102508928B1
Application number: KR1020210184860A
Authority: KR
Inventors: 이선승; 김성한; 에릭 렌; 잉 칭
Original assignee: 쿠팡 주식회사
Priority date: 2019-11-21
Filing date: 2021-12-22
Publication date: 2023-03-14
Also published as: US20210158288A1; KR102254763B1; KR20210062601A; AU2020264262A1; KR102343759B1; WO2021099855A1; KR20210158836A; TW202125356A; SG11202012369UA; JP2022501682A; JP7337853B2

Abstract

출근자 할당을 위한 시스템. 시스템은 명령어를 저장하는 메모리 및 동작을 수행하기 위해 명령어를 실행하도록 구성된 프로세서를 포함한다. 동작은 복수의 배송 루트 및 복수의 배송 서브-루트를 검색하는 것 - 배송 서브-루트는 배송 루트의 부분임 -, 배송 서브-루트에 할당된 패키지의 개수를 계산하는 것, 배송을 위해 이용 가능한 작업자의 수 및 타입을 수신하는 것 - 타입은 분류 특성 또는 효율 특성 중 적어도 하나를 포함함 -, 추가적인 배송을 갖는 복수의 서브-루트에 복수의 작업자를 할당하는 것 - 서브-루트의 할당은 복수의 작업자에 할당된 기준 개수 및 루트 난이도를 기초로 함 -, 수신된 제1 입력 및 루트 난이도를 기초로, 복수의 후보 루트를 생성하는 것; 및 수정된 배송 서브-루트 중 적어도 하나를 전자 디바이스에 전달하는 것을 포함할 수 있다.

Description

컴퓨터화된 균형을 맞춘 배송 루트 할당 및 인센티브 구조를 위한 시스템 및 방법{SYSTEMS AND METHODS FOR COMPUTERIZED BALANCED DELIVERY ROUTE ASSIGNMENT AND INCENTIVE STRUCTURE}

본 개시는 일반적으로 배송을 최적화하고 배송 인센티브 구조(delivery incentive structure)를 제공하기 위해, 배송 작업자를 할당하고 배송 루트를 관리하는 컴퓨터화된 시스템 및 방법에 관한 것이다. 특히, 본 개시의 실시예는 일반적으로, 이용 가능한 패키지 분배 및 이용 가능한 배송 작업자 자원을 기초로 배송 지역(delivery areas)을 영역(regions)으로 동적으로 분할하고, 배송 작업자에게 이용 가능한 패키지, 루트 및 하위-루트를 할당하기 위한 독창적이고 비전통적인 시스템에 관한 것이다. 본 개시의 실시예는 또한, 자동으로 또는 추가적인 작업을 요청하는 입력(볼륨 요청(volume request))에 응답하여 배송을 위한 추가적인 패키지를 갖는 후보 루트를 생성하기 위해, 루트 난이도, 각 루트에 특정한 기준 개수(baseline number), 하위-루트의 밀집도(density) 및 하위-루트에서의 주소의 볼륨을 계산하는 것에 관한 것이다. 특정한 루트에 대해 계산된 기준을 초과하여 배송되는 각 주소 또는 패키지에 대해 추가적인 임금을 포함하는 인센티브가 배송 작업자에게 제공될 수 있다.

다수의 컴퓨터화된 재고 관리 시스템 및 배송 센터가 있다. 이들 시스템 및 센터는 확립된 배송 지역에서 상품의 효율적인 분배를 가능케 하고, 예를 들어, 로컬 운송 센터에서 이들 상품을 소비자에게 배송하기 위해 이용 가능한 자원을 활용하도록 설계된다. 전통적으로, 각 배송 센터는 그의 확립된 배송 지역을 별도의 영역 또는 하위-영역으로 나눌 수 있으며, 그 후 이들 시스템은 배송 작업자에게 상품을 영역 또는 하위-영역 중 하나 이상에 배송하도록 지시할 수 있다.

하지만, 통상적으로 이들 영역의 각각은 본질적으로 고정되고, 각 영역은 단일의 배송 작업자에 의해서만 커버되며, 그 배송 작업자는 영역의 배송 요구를 계속 충족시킬 수(keep up with)는 없다. 또한, 종래의 시스템은 실시간으로, 영역 경계를 동적으로 변경하거나, 또는 배송 작업자의 영역 할당을 조정할 수 없다. 또한, 종래의 시스템은 종종, 동적이거나 또는 변화는 배송 볼륨에 유연하게 대처할 수 없다. 이는 배송 차량의 적재 한도를 분석하거나 또는 배송 작업자의 배송 효율 또는 스킬을 고려할 능력도 없다.

더욱이, 트럭에 패키지를 적재하고 배송 운전자가 동행할 하위-루트를 선택하기 위한 종래의 시스템은 일반적으로 수동이며, 운전자의 경험에 의존한다. 배송 작업자가 배송 트럭에 적재하고 이곳저곳 빠르게 운전하는데 효율적이 되려면 동일한 루트를 정기적으로 운전할 때 3-5년이 걸릴 수 있다. 루트 및 하위-루트는 일반적으로 정적이고, 하루하루 변경되지 않는다. 하나의 루트가 다수의 패키지를 갖는 경우, 그 특정한 루트에 할당된 운전자는 과부하가 걸릴 수 있는 한편, 다른 운전자는 이용되지 않을 수 있고 현재 컴퓨터화된 시스템은 이들 문제를 고려하지 못할 수 있다. 추가적으로, 배송 운전자에 의해 패키지를 배송 트럭에 분류하는 작업은 시간 소모적일 수 있다.

추가적으로, 종래의 시스템은 시간 기반의 인센티브 모델을 이용한다. 이러한 시스템은 배송 작업자의 작업 시간 또는 초과 작업 시간을 기초로 할 수 있다. 하지만, 종래의 시스템은 초과 작업 시간 내에 배송되는 각 주소 또는 패키지에 대해 인센티브 또는 추가적인 임금을 제공하지 않는다. 이러한 시스템은 이미 효율적인 작업자에게 유리할 수 있으며, 비효율적인 배송 작업자가 더욱 효율적이 되도록 인센티브를 제공할 수 있다.

그러므로, 필요한 것은 실시간으로 배송을 최적화하기 위해, 배송 작업자를 동적으로 할당하고 배송 지역을 영역, 루트 및 하위-루트로 동적으로 교정할 수 있는 시스템이다. 또한, 필요한 것은 일일 패키지 분배 및 이용 가능한 배송 작업자 자원에서의 변경을 기초로, 배송 조건에서 예상할 수 없는 변경을 빠르고 유연하게 처리할 수 있는 디지털 배송 솔루션이다. 또한, 필요한 것은, 동적 배송 수량을 용이하게 하고, 수송 차량에 대한 적재 수용량을 증가시키고, 각 배송 작업자에 대한 배송 효율 및 이용 가능한 작업 시간을 증가시키며, 각 배송 영역에 특정한 실시간 환경 특성 및 피처를 모니터링하고 업데이트하는 개선된 방법 및 시스템이다.

마지막으로, 필요한 것은 배송을 위한 추가적인 패키지 또는 주소를 갖는 후보 루트를 생성하기 위해, 루트 난이도, 각 루트에 대해 배송될 패키지 또는 배송될 주소의 기준 개수, 하위-루트의 밀집도, 및 하위-루트에서 주소의 볼륨을 계산함으로써 인센티브 프로그램을 제공하는 개선된 방법 및 시스템이다. 계산된 기준 개수를 초과하여 배송되는 각 주소 또는 패키지에 대해 추가적인 임금을 포함하는 인센티브가 배송 작업자에게 제공될 수 있다. 이러한 시스템은 배송 효율을 높이고 궁극적으로 소비자에게 혜택을 제공할 것이다.

본 개시의 일 양상은 출근 할당(attendance assignment)을 위한 시스템에 관련된다. 시스템은 메모리 및 동작을 수행하기 위한 명령어를 실행하도록 구성된 프로세서를 포함할 수 있다. 동작은 데이터베이스로부터, 복수의 배송 루트(delivery routes) 및 복수의 배송 하위-루트를 검색하는 것 - 배송 하위-루트는 배송 루트의 일부임 -, 배송 하위-루트에 할당된 패키지의 개수를 계산하는 것, 제1 입력으로서, 배송에 이용 가능한 작업자의 수 및 타입을 수신하는 것 - 타입은 분류 특성 또는 효율 특성 중 적어도 하나를 포함함 -, 추가적인 배송을 갖는 복수의 하위-루트에 복수의 작업자를 할당하는 것 - 추가적인 배송을 갖는 하위-루트의 할당은 복수의 작업자에 할당된 기준 개수 및 루트 난이도를 기초로 함 -, 분류 특성, 수신된 제1 입력 및 루트 난이도를 기초로, 복수의 후보 루트를 생성하는 것, 및 수정된 배송 하위-루트 중 적어도 하나를 배송 작업자와 연관된 전자 디바이스에 전달하는 것을 포함할 수 있다.

본 개시의 다른 양상은 출근 할당을 위한 방법에 관련된다. 방법은 데이터베이스로부터, 복수의 배송 루트 및 복수의 배송 하위-루트를 검색하는 것 - 배송 하위-루트는 배송 루트의 일부임 -, 배송 하위-루트에 할당된 패키지의 개수를 계산하는 것, 제1 입력으로서, 배송에 이용 가능한 작업자의 수 및 타입을 수신하는 것 - 타입은 분류 특성 또는 효율 특성 중 적어도 하나를 포함함 -, 추가적인 배송을 갖는 복수의 하위-루트에 복수의 작업자를 할당하는 것 - 추가적인 배송을 갖는 하위-루트의 할당은 복수의 작업자에 할당된 기준 개수 및 루트 난이도를 기초로 함 -, 분류 특성, 수신된 제1 입력 및 루트 난이도를 기초로, 복수의 후보 루트를 생성하는 것, 및 수정된 배송 하위-루트 중 적어도 하나를 배송 작업자와 연관된 전자 디바이스에 전달하는 것을 포함하는 동작을 수행할 수 있다.

본 개시의 또 다른 양상은 시스템에 관련된다. 시스템은 지리 데이터(geographical data) 및 이력 배송 데이터를 포함하는 데이터베이스 - 지리 데이터는 미리 정의된 영역 및 하위-영역에 저장됨 -를 포함할 수 있다. 배송 시스템은 미리 정의된 영역 및 복수의 하위-영역으로부터 지리 데이터를 수신하고 - 지리 데이터는 풍경 데이터, 비즈니스 데이터, 주거 데이터, 주차 데이터 및 건물 데이터를 포함함 -; 지리 데이터를 기초로, 예상된 배송 효율을 결정하며 - 예상된 배송 효율은 시간당 작업자에 의해 방문된 주소(addresses visited by the workers per hour, APH)의 백분위수에 의해 측정됨 -; 이력 배송 데이터를 기초로, 선택된 개별적인 미리 정의된 영역 및 하위-영역에 대한 APH를 계산하도록 구성된 소프트웨어 또는 하드웨어로 구현된 예상된 배송 효율 생성기를 포함할 수 있다. 시스템은 작업자가 제1 및 제2 영역 사이에서 이동하는 예상된 시간을 계산하고 - 예상된 시간은 중간 시간 공백 또는 평균 시간을 기초로 크로스-영역(cross-region) 시간 및 하위-영역 시간을 포함함 -; 선형 회귀(linear regression) 및 크로스-영역 시간을 기초로, 제1 및 제2 영역 사이의 운전 시간을 결정하도록 구성된, 소프트웨어 또는 하드웨어로 구현된 크로스 시간 생성기를 포함할 수 있다. 시스템은 패키지 분배, 출근 값 및 볼륨 요청을 포함하는 사용자 입력 및 루트 난이도를 기초로 다수의 작업자를 그룹에 할당하고; 배송 루트 및 배송 하위-루트와 연관된 배송 영역 및 배송 하위-영역을 생성하고; 생성된 배송 영역 및 생성된 배송 하위-영역을 새로운 배송 영역으로 결합하고; 그리고 적어도 하나의 하위-루트를 배송 작업자와 연관된 전자 디바이스에 전달하도록 구성된 소프트웨어 또는 하드웨어로 구현된 루트 생성기를 더 포함할 수 있다. 다른 시스템, 방법 및 컴퓨터 판독가능 매체가 또한, 본원에 개시된다.

도 1a는 개시된 실시예와 일치하는, 운송, 수송 및 물류 작업(logistics operations)을 가능케 하는 통신을 위한 컴퓨터화된 시스템을 포함하는 네트워크의 예시적인 실시예를 도시하는 개략적인 블록도이다.
도 1b는 개시된 실시예와 일치하는, 대화형 사용자 인터페이스 요소와 함께 검색 요청을 만족시키는 하나 이상의 검색 결과를 포함하는 샘플 검색 결과 페이지(Search Result Page, SRP)를 도시한다.
도 1c는 개시된 실시예와 일치하는, 대화형 사용자 인터페이스 요소와 함께 제품 및 제품에 대한 정보를 포함하는 샘플 단일 상세 페이지(Single Detail Page, SDP)를 도시한다.
도 1d는 개시된 실시예와 일치하는, 대화형 사용자 인터페이스 요소와 함께 가상의 쇼핑 카트(shopping cart) 내의 물품을 포함하는 샘플 카트 페이지(Cart page)를 도시한다.
도 1e는 개시된 실시예와 일치하는, 대화형 사용자 인터페이스 요소와 함께, 구매 및 운송에 대한 정보와 함께 가상 쇼핑 카트로부터의 물품을 포함하는 샘플 주문 페이지를 도시한다.
도 2는 개시된 실시예와 일치하는, 개시된 컴퓨터화된 시스템을 이용하도록 구성된 예시적인 풀필먼트 센터(fulfillment center)의 개략도이다.
도 3은 각각 개별적인 배송 작업자에게 할당된, 분리된 고정 배송 영역을 포함하는 종래의 운송 지역을 식별하는 종래 기술의 개략도이다.
도 4는 개시된 실시예와 일치하는, 본원에 서술된 시스템 및 방법에 의해 사용되는 예상된 배송 효율 생성기, 크로스-시간(cross-time) 생성기 및 루트 생성기를 포함하는 배송 모듈의 개략도이다.
도 5는 개시된 실시예와 일치하는, 크로스-시간 생성기에 의해 결정된 데이터 구조에 저장된 크로스-시간 데이터의 표현의 개략도이다.
도 6은 개시된 실시예와 일치하는, 배송 관리자에 의해 사용하기 위한 그래픽 사용자 인터페이스(graphical user interface, GUI)의 시스템의 시각적 표현의 개략도이다.
도 7은 개시된 실시예와 일치하는, 모바일 디바이스 상에서의 그래픽 사용자 인터페이스(GUI)의 시각적인 표현의 개략도이다.
도 8은 개시된 실시예와 일치하는, 배송 작업자를 할당하고 배송 루트를 관리하기 위한 예시적인 프로세스를 나타내는 흐름도이다.

다음의 상세한 설명은 첨부 도면을 참조한다. 어디서든 가능하다면, 동일하거나 유사한 부분을 지칭하기 위해 도면 및 다음의 서술에서 동일한 참조 부호가 사용된다. 수개의 예시적인 실시예가 본원에서 서술되지만, 수정, 조정(adaptations) 및 다른 구현이 가능하다. 예를 들어, 도면에 도시된 구성요소 및 단계에 대해, 대체, 추가 또는 수정이 이루어질 수 있으며, 본원에서 서술된 예시적인 방법은 개시된 방법에서 단계를 대체하거나, 재정렬하거나, 제거하거나 또는 추가함으로써 수정될 수 있다. 따라서, 다음의 상세한 설명은 개시된 실시예 및 예시로 제한되지 않는다. 그 대신에, 본 발명의 적절한 범주는 첨부된 청구 범위에 의해 정의된다.

본 개시의 실시예는 배송을 동적으로 최적화하기 위해 배송 작업자를 할당하고 배송 루트를 관리하도록 구성된 시스템 및 방법에 관련된다.

도 1a를 참조하면, 운송, 수송 및 물류 작업을 가능케 하는 통신을 위한 컴퓨터화된 시스템을 포함하는 네트워크의 예시적인 실시예를 도시하는 개략적인 블록도(100)가 도시된다. 도 1a에 도시된 바와 같이, 시스템(100)은 다양한 시스템을 포함할 수 있고, 이들 각각은 하나 이상의 네트워크를 통해 서로 연결될 수 있다. 도시된 시스템은, 선적 권한 기술(shipment authority technology, SAT) 시스템(101), 외부 프론트 엔드 시스템(external front end system)(103), 내부 프론트 엔드 시스템(internal front end system)(105), 수송 시스템(transportation system)(107), 모바일 디바이스(107A, 107B 및 107C), 판매자 포털(109), 선적 및 주문 추적(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), 인력 관리 시스템(workforce management system)(119), 모바일 디바이스(119A, 119B 및 119C)(풀필먼트 센터(FC)(200)의 내부에 있는 것으로 도시됨), 제3 자의 풀필먼트 시스템(121A, 121B 및 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 상태(order status) 및 배송 상태(delivery status)를 모니터링하는 컴퓨터 시스템으로서 구현될 수 있다. 예를 들어, SAT 시스템(101)은 주문이 그 약속된 배송 날짜(Promised Delivery Date, PDD)를 경과한 것인지를 결정할 수 있고, 새로운 주문을 개시하는 것, 미배송된 주문의 물품을 재운송하는 것, 미배송된 주문을 취소하는 것, 주문한 고객과의 연락(contact)을 개시하는 것 등을 포함하는 적절한 액션을 취할 수 있다. SAT 시스템(101)은 또한, (특정 기간 동안 운송된 다수의 패키지와 같은) 출력 및 (운송에 사용하기 위해 수신된 빈 판지 박스(empty cardboard boxes)의 수와 같은) 입력을 포함하는, 기타 데이터를 모니터링할 수 있다. SAT 시스템(101)은 또한, 시스템(100)에서 상이한 디바이스 간에 게이트웨이로서 동작하여, (예를 들어, 저장-및-전달(store-and-forward) 또는 다른 기술을 사용하여) 외부 프론트 엔드 시스템(103) 및 FO 시스템(113)과 같은 디바이스 사이의 통신을 가능하게 한다.

일부 실시예에서, 외부 프론트 엔드 시스템(103)은 외부 사용자가 네트워크(100) 내의 하나 이상의 시스템과 상호 작용할 수 있게 하는 컴퓨터 시스템으로서 구현될 수 있다. 예를 들어, 네트워크(100)가 시스템에 대한 프리젠테이션(presentation)을 가능하게 하여 사용자가 물품을 주문할 수 있게 하는 실시예에서, 외부 프론트 엔드 시스템(103)은 검색 요청을 수신하고, 물품 페이지를 제시하고, 결제 정보를 요구(solicit)하는 웹 서버로서 구현될 수 있다. 예를 들어, 외부 프론트 엔드 시스템(103)은 Apache HTTP 서버, 마이크로소프트 인터넷 정보 서비스(Microsoft Internet Information Services, IIS), NGINX 등과 같은 소프트웨어를 구동하는 컴퓨터 또는 컴퓨터들로서 구현될 수 있다. 다른 실시예에서, 외부 프론트 엔드 시스템(103)은 외부 디바이스(미도시)로부터 요청을 수신하고 처리하도록 설계된 고객 웹 서버 소프트웨어를 실행하고, 이들 요청을 기초로 데이터베이스 및 기타 데이터 저장소로부터 정보를 획득하고, 획득된 정보를 기초로 수신된 요청에 대한 응답을 제공할 수 있다.

일부 실시예에서, 외부 프론트 엔드 시스템(103)은 웹 캐싱 시스템(web caching system), 데이터베이스, 검색 시스템 또는 지불 시스템 중 하나 이상을 포함할 수 있다. 일 양상에서, 외부 프론트 엔드 시스템(103)은 이들 시스템 중 하나 이상을 포함할 수 있고, 반면에 다른 양상에서, 외부 프론트 엔드 시스템(103)은 이들 시스템 중 하나 이상에 연결된 인터페이스(예를 들어, 서버-대-서버, 데이터베이스-대-데이터베이스, 또는 다른 네트워크 연결)를 포함할 수 있다.

도 1b, 도 1c, 도 1d 및 도 1e에 의해 도시된 단계의 예시적인 세트는 외부 프론트 엔드 시스템(103)의 일부 동작을 서술하는 데에 도움이 될 것이다. 외부 프론트 엔드 시스템(103)은 프리젠테이션 및/또는 디스플레이를 위해 네트워크(100) 내의 시스템 또는 디바이스로부터 정보를 수신할 수 있다. 예를 들어, 외부 프론트 엔드 시스템(103)은 검색 결과 페이지(SRP)(예를 들어, 도 1b), 단일 상세 페이지(Single Detail Page, SDP)(예를 들어, 도 1c), 카트 페이지(예를 들어, 도 1d) 또는 주문 페이지(예를 들어, 도 1e)를 포함하여, 하나 이상의 웹 페이지를 호스팅하거나 제공할 수 있다. 사용자 디바이스(예를 들어, 모바일 디바이스(102A) 또는 컴퓨터(102B)를 사용함)는, 외부 프론트 엔드 시스템(103)을 탐색하고(navigate), 검색 박스에 정보를 입력함으로써 검색을 요청할 수 있다. 외부 프론트 엔드 시스템(103)은 네트워크(100) 내의 하나 이상의 시스템으로부터 정보를 요청할 수 있다. 예를 들어, 외부 프론트 엔드 시스템(103)은 검색 요청을 만족시키는 FO 시스템(113)으로부터 결과를 요청할 수 있다. 외부 프론트 엔드 시스템(103)은 또한, 검색 결과에서 반환된 각 제품에 대한 약속된 배송 날짜 또는 "PDD"를 (FO 시스템(113)으로부터) 요청하고 수신할 수 있다. 일부 실시예에서, PDD는 특정한 시간의 기간 내에, 예를 들어, 하루의 마지막까지(11:59 PM) 주문된 경우, 패키지가 사용자의 원하는 위치에 도착할 때의 추정(estimate)을 나타낸다. (PDD는 FO 시스템(113)과 관련하여 아래에 더 논의된다).

외부 프론트 엔드 시스템(103)은 정보를 기초로 SRP(예를 들어, 도 1b)를 준비할 수 있다. SRP는 검색 요청을 만족시키는 정보를 포함할 수 있다. 예를 들어, 이는 검색 요청을 만족시키는 제품의 사진(pictures of products)을 포함할 수 있다. SRP는 또한, 각 제품의 각각의 가격, 또는 각 제품에 대한 향상된 배송 옵션, PDD, 무게, 크기, 제안(offers), 할인 등에 관한 정보를 포함할 수 있다. 외부 프론트 엔드 시스템(103)은 (예를 들어, 네트워크를 통해) 요청측 사용자 디바이스에 SRP를 전달할 수 있다.

그 후, 사용자 디바이스는, 예를 들어, 사용자 인터페이스를 클릭(clicking) 또는 탭(tapping)하거나, 다른 입력 디바이스를 사용함으로써, SRP 상에 나타내어진 제품을 선택하여, SRP로부터 제품을 선택할 수 있다. 사용자 디바이스는 선택된 제품에 관한 정보 요청(request for information on the selected product)을 공식화하여(formulate) 그것을 외부 프론트 엔드 시스템(103)에 전송할 수 있다. 이에 응답하여, 외부 프론트 엔드 시스템(103)은 선택된 제품과 관련된 정보를 요청할 수 있다. 예를 들어, 정보는 각각의 SRP 상에 제품에 대해 제시된 것 이외의 추가 정보를 포함할 수 있다. 이는, 예를 들어, 유통 기한(shelf life), 원산지(country of origin), 무게, 크기, 패키지 내의 물품의 수(number of items in package), 취급 지시(handling instructions) 또는 제품에 대한 기타 정보를 포함할 수 있다. 정보는 (예를 들어, 이 제품 및 적어도 하나의 다른 제품을 구매한 고객에 대한 빅 데이터 및/또는 기계 학습 분석을 기초로) 유사한 제품에 대한 추천사항(recommendations), 자주 묻는 질문에 대한 답변, 고객으로부터의 리뷰, 제조자 정보, 사진 등을 포함할 수 있다.

외부 프론트 엔드 시스템(103)은 수신된 제품 정보를 기초로 SDP(Single Detail Page)(예를 들어, 도 1c)를 준비할 수 있다. SDP는 또한, "바로 구매(Buy Now)" 버튼, "카트에 추가(Add to Cart)" 버튼, 수량 필드, 물품의 사진 등과 같은 기타 대화형 요소를 포함할 수 있다. 외부 프론트 엔드 시스템(103)은 (예를 들어, 네트워크를 통해) 요청측 사용자 디바이스에 SDP를 전달할 수 있다.

요청측 사용자 디바이스는 제품 정보를 나열한 SDP를 수신할 수 있다. SDP를 수신하면, 사용자 디바이스는 SDP와 상호 작용할 수 있다. 예를 들어, 요청측 사용자 디바이스의 사용자는 SDP 상의 "카트에 담기(Place in Cart)" 버튼을 클릭하거나 다른 방식으로 상호 작용할 수 있다. 이는 그 제품을 사용자와 연관된 쇼핑 카트(shopping cart)에 추가한다. 사용자 디바이스는 제품을 쇼핑 카트에 추가하라는 이 요청을 외부 프론트 엔드 시스템(103)에 송신할 수 있다.

외부 프론트 엔드 시스템(103)은 카트 페이지(예를 들어, 도 1d)를 생성할 수 있다. 일부 실시예에서, 카트 페이지는 사용자가 가상 "쇼핑 카트"에 추가한 제품을 나열한다. 사용자 디바이스는 SRP, SDP 또는 다른 페이지 상의 아이콘을 클릭하거나 다른 방식으로 상호 작용함으로써 카트 페이지에 요청할 수 있다. 일부 실시예에서, 카트 페이지는, 사용자가 쇼핑 카트에 추가한 모든 제품을 나열할 뿐만 아니라, 각 제품의 수량, 각 제품의 물품당 가격, 각 제품의 관련 수량에 기초한 가격, PDD에 관한 정보, 배송 방법, 운송비(shipping cost), 쇼핑 카트 내의 제품을 수정하기 위한 사용자 인터페이스 요소(예를 들어, 수량 삭제 또는 수정), 다른 제품을 주문하거나 제품의 정기 배송(periodic delivery)을 설정하기 위한 옵션, 이자 결제(interest payment)를 설정하기 위한 옵션, 구매를 진행하기 위한 사용자 인터페이스 요소 등과 같이 카트에 있는 제품에 관한 정보를 나열할 수 있다. 사용자 디바이스에서 사용자는, 쇼핑 카트에서 제품의 구매를 개시하기 위해 사용자 인터페이스 요소(예를 들어, "바로 구매"를 판독하는 버튼)를 클릭하거나 다른 방식으로 상호 작용할 수 있다. 그렇게 하면, 사용자 디바이스는 구매를 개시하라는 이 요청을 외부 프론트 엔드 시스템(103)에 송신할 수 있다.

외부 프론트 엔드 시스템(103)은 구매를 개시하라는 요청을 수신한 것에 응답하여 주문 페이지(예를 들어, 도 1e)를 생성할 수 있다. 일부 실시예에서, 주문 페이지는, 쇼핑 카트로부터 물품을 재나열하고(re-list), 결제 및 운송 정보의 입력을 요청한다. 예를 들어, 주문 페이지는, 쇼핑 카트에 있는 물품의 구매자에 관한 정보 (예를 들어, 이름, 주소, 이메일 주소, 전화 번호), 받는 사람에 관한 정보(예를 들어, 이름, 주소, 전화 번호, 배송 정보), 운송 정보(예를 들어, 배송 속도/방법 및/또는 픽업(pickup)), 결제 정보(예를 들어, 신용 카드, 은행 송금, 수표, 저장된 신용카드(stored credit)), 현금 영수증을 요청하기 위한 사용자 인터페이스 요소(예를 들어, 세금 목적으로) 등을 를 요청하는 섹션을 포함할 수 있다. 외부 프론트 엔드 시스템(103)은 주문 페이지를 사용자 디바이스에 전송할 수 있다.

사용자 디바이스는, 주문 페이지 상에 정보를 입력하고, 정보를 외부 프론트 엔드 시스템(103)에 전송하는 사용자 인터페이스 요소를 클릭하거나 다른 방식으로 상호 작용할 수 있다. 거기서부터, 외부 프론트 엔드 시스템(103)은 정보를 네트워크(100) 내의 상이한 시스템에 전송하여 쇼핑 카트에 있는 제품을 갖는 새로운 주문의 생성 및 처리를 가능하게 할 수 있다.

일부 실시예에서, 외부 프론트 엔드 시스템(103)은 또한, 판매자가 주문에 관한 정보를 송신하고 수신할 수 있도록 구성될 수 있다.

일부 실시예에서, 내부 프론트 엔드 시스템(105)은 내부 사용자(예를 들어, 네트워크(100)를 소유, 운영 또는 임대하는 조직의 직원)가 네트워크(100) 내의 하나 이상의 시스템과 상호 작용할 수 있게 하는 컴퓨터 시스템으로서 구현될 수 있다. 예를 들어, 네트워크(100)가 사용자가 물품을 주문할 수 있게 하는 시스템의 프리젠테이션을 가능하게 하는 실시예에서, 내부 프론트 엔드 시스템(105)은 사용자가 주문에 대한 진단 및 통계 정보를 보거나(view), 물품 정보를 수정하거나, 주문에 관한 통계를 검토(review)할 수 있게 하는 웹 서버로서 구현될 수 있다. 예를 들어, 내부 프론트 엔드 시스템(105)은 Apache HTTP 서버, 마이크로소프트 인터넷 정보 서비스(IIS), NGINX 등과 같은 소프트웨어를 실행하는 컴퓨터 또는 컴퓨터들로서 구현될 수 있다. 다른 실시예에서, 내부 프론트 엔드 시스템(105)은 네트워크(100)에 도시된 시스템 또는 디바이스(도시되지 않은 다른 디바이스뿐만 아니라)로부터 요청을 수신하고 처리하도록 설계된 고객 웹 서버 소프트웨어를 실행할 수 있고, 이들 요청을 기초로 데이터베이스 및 기타 데이터 저장소로부터 정보를 획득하고, 획득된 정보를 기초로 수신된 요청에 대한 응답을 제공할 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 있고, 반면에 다른 양상에서, 내부 프론트 엔드 시스템(105)은 이들 시스템 중 하나 이상에 연결된 인터페이스(예를 들어, 서버-대-서버, 데이터베이스-대-데이터베이스, 또는 다른 네트워크 연결)을 포함할 수 있다.

일부 실시예에서, 수송 시스템(107)은 네트워크(100) 내의 디바이스와 모바일 디바이스(107A 내지 107C) 사이의 통신을 가능하게 하는 컴퓨터 시스템으로서 구현될 수 있다. 일부 실시예에서, 수송 시스템(107)은 하나 이상의 모바일 디바이스(107A 내지 107C)(예를 들어, 모바일 폰, 스마트 폰, PDA 등)로부터 정보를 수신할 수 있다. 예를 들어, 일부 실시예에서, 모바일 디바이스(107A 내지 107C)는 배송 작업자(delivery worker)에 의해 운영되는 디바이스를 포함할 수 있다. 정규직(permanent) 직원, 임시(temporary) 직원 또는 교대(shift) 직원일 수 있는 배송 작업자는 모바일 디바이스(107A 내지 107C)를 활용하여 사용자에 의해 주문된 패키지의 배송을 행할 수 있다. 예를 들어, 패키지를 배송하기 위해, 배송 작업자는 모바일 디바이스 상에서 어느 패키지를 배송할 것인지와 그 패키지를 어디로 배송할 것인지를 나타내는 통지를 수신할 수 있다. 배송 위치에 도착하면, 배송 작업자는 패키지를 (예를 들어, 트럭의 후면에, 혹은 패키지의 상자(crate)에) 위치시키거나, 모바일 디바이스를 사용하여 패키지 상의 식별자(identifier)(예를 들어, 바코드, 이미지, 텍스트 스트링(text string), RFID 태그 등)와 연관된 데이터를 스캔하거나 다른 방식으로 캡처하고, 패키지를 (예를 들어, 문 앞에 두거나, 경비원에게 맡겨 두거나, 받는 사람에게 건네주는 등으로써) 배송한다. 일부 실시예에서, 배송 작업자는 패키지의 사진(들)을 캡처하고, 및/또는 서명을 얻을 수 있다. 모바일 디바이스는, 예를 들어, 시간, 날짜, GPS 위치, 사진(들), 배송 작업자와 관련된 식별자, 모바일 디바이스와 관련된 식별자 등을 포함하는 배송에 관한 정보를 포함하는 통신을 수송 시스템(107)에 전송할 수 있다. 수송 시스템(107)은 네트워크(100) 내의 다른 시스템에 의해 액세스되도록 이 정보를 데이터베이스(도시되지 않음)에 저장할 수 있다. 일부 실시예에서, 수송 시스템(107)은 이 정보를 사용하여 특정 패키지의 위치를 나타내는 추적 데이터를 준비하여 다른 시스템에 전송할 수 있다.

일부 실시예에서, 특정 사용자는 한 종류의 모바일 디바이스를 사용할 수 있으며(예를 들어, 정규직 작업자는 바코드 스캐너, 스타일러스 및 기타 디바이스들과 같은 맞춤형 하드웨어(custom hardware)를 갖는 전용 PDA(specialized PDA)를 사용할 수 있고), 반면에 다른 사용자는 다른 종류의 모바일 디바이스를 사용할 수 있다(예를 들어, 임시 또는 교대 작업자는 기성품의(off-the-shelf) 모바일 폰 및/또는 스마트 폰을 활용할 수 있다).

일부 실시예에서, 수송 시스템(107)은 사용자를 각 디바이스와 연관시킬 수 있다. 예를 들어, 수송 시스템(107)은, 사용자(예를 들어, 사용자 식별자, 직원 식별자 또는 전화 번호로 나타내어짐)와 모바일 디바이스(예를 들어, IMEI(International Mobile Equipment Identity), IMSI(International Mobile Subscription Identifier), 전화 번호, UUID(Universal Unique Identifier) 또는 GUID(Globally Unique Identifier)로 나타내어짐) 사이의 관계를 저장할 수 있다. 수송 시스템(107)은, 무엇보다도, 작업자의 위치, 작업자의 효율 또는 작업자의 속도를 결정하기 위해, 배송시 수신된 데이터와 함께 이 관계를 사용하여 데이터베이스에 저장된 데이터를 분석할 수 있다.

일부 실시예에서, 판매자 포털(109)은, 판매자 또는 다른 외부 개체가 주문에 관련된 정보의 다른 양상과 전자적으로 통신할 수 있게 하는 컴퓨터 시스템으로서 구현될 수 있다. 예를 들어, 판매자는, 판매자가 시스템(100)을 통해 판매하고 싶어하는 제품에 대한 제품 정보, 주문 정보, 연락처 정보 등을 업로드하거나 제공하기 위해 컴퓨터 시스템(도시되지 않음)을 활용할 수 있다.

일부 실시예에서, 선적 및 주문 추적 시스템(111)은, 고객에 의해(예를 들어, 디바이스(102A 및 102B)를 사용하는 사용자에 의해) 주문된 패키지의 위치에 관한 정보를 수신하고, 저장하고, 전달하는 컴퓨터 시스템으로서 구현될 수 있다. 일부 실시예에서, 선적 및 주문 추적 시스템(111)은, 고객에 의해 주문된 제품을 배송하는 운송 회사에 의해 운영되는 웹 서버(도시되지 않음)로부터, 정보를 요청하거나 저장할 수 있다.

일부 실시예에서, 선적 및 주문 추적 시스템(111)은 네트워크(100) 내에 도시된 시스템으로부터 정보를 요청하고 저장할 수 있다. 예를 들어, 선적 및 주문 추적 시스템(111)은 수송 시스템(107)으로부터 정보를 요청할 수 있다. 위에서 논의된 바와 같이, 수송 시스템(107)은, 하나 이상의 사용자(예를 들어, 배송 작업자) 또는 차량(예를 들어, 배송 트럭)과 연관된 하나 이상의 모바일 디바이스(107A 내지 107C)(예를 들어, 모바일 폰, 스마트 폰, PDA 등)로부터 정보를 수신할 수 있다. 일부 실시예에서, 선적 및 주문 추적 시스템(111)은 또한, 풀필먼트 센터(예를 들어, 풀필먼트 센터(200)) 내부의 개별 제품의 위치를 결정하기 위해, 인력 관리 시스템(workforce management system, WMS)(119)으로부터 정보를 요청할 수 있다. 선적 및 주문 추적 시스템(111)은, 수송 시스템(107) 또는 WMS(119) 중 하나 이상으로부터 데이터를 요청하고, 데이터를 처리하고, 요청 시 데이터를 디바이스(예를 들어, 사용자 디바이스(102A 및 102B))에 제시할 수 있다.

일부 실시예에서, 풀필먼트 최적화(FO) 시스템(113)은, 다른 시스템(예를 들어, 외부 프론트 엔드 시스템(103) 및/또는 선적 및 주문 추적 시스템(111))으로부터의 고객 주문에 관한 정보를 저장하는 컴퓨터 시스템으로서 구현될 수 있다. FO 시스템(113)은 또한, 특정 물품이 어디에 보유되거나 저장되는지를 서술하는 정보를 저장할 수 있다. 예를 들어, 고객이 주문한 일부 물품은 하나의 풀필먼트 센터에만 저장될 수 있는 한편, 다른 물품은 다수의 풀필먼트 센터에 저장될 수 있다. 또 다른 실시예에서, 특정 풀필먼트 센터는 특정 세트의 물품(예를 들어, 신선 제품 또는 냉동 제품)만을 저장하도록 설계될 수 있다. FO 시스템(113)은, 이 정보뿐만 아니라 관련 정보(예를 들어, 수량, 크기, 수령일, 만료일 등)를 저장한다.

FO 시스템(113)은 또한, 각 제품의 대응하는 PDD(promised delivery date)를 계산할 수 있다. 일부 실시예에서, PDD는 하나 이상의 인자에 기초할 수 있다. 예를 들어, FO 시스템(113)은, 제품에 대한 과거 수요(예를 들어, 한 기간 동안 제품이 얼마나 자주 주문되었는지), 제품에 대한 예상 수요(다가오는 기간 동안 얼마나 많은 고객이 해당 제품을 주문할 것으로 예상되는지), 한 기간 동안 얼마나 많은 제품이 주문되었는지를 나타내는 네트워크-전역(network-wide) 과거 수요, 다가오는 기간 동안 얼마나 많은 제품이 주문될 것인지 예상하는 것을 나타내는 네트워크-전역 예상 수요, 각 풀필먼트 센터(200)에 저장되는 제품에 대한, 풀필먼트 센터가 각 제품마다 저장하는 하나 이상의 카운트, 해당 제품에 대한 예상 주문 또는 현재 주문 등을 기초로, 제품에 대한 PDD를 계산할 수 있다.

일부 실시예에서, FO 시스템(113)은, 주기적으로(예를 들어, 시간마다) 각 제품에 대한 PDD를 결정하고, 이를 검색을 위해 데이터 베이스에 저장하거나, 다른 시스템(예를 들어, 외부 프론트 엔드 시스템(103), SAT 시스템(101), 선적 및 주문 추적 시스템(111))에 전송할 수 있다. 다른 실시예에서, FO 시스템(113)은, 하나 이상의 시스템(예를 들어, 외부 프론트 엔드 시스템(103), SAT 시스템(101), 선적 및 주문 추적 시스템(111))으로부터 전자식 요청(electronic requests)을 수신하고, 요구 시(on demand) PDD를 계산할 수 있다.

일부 실시예에서, 풀필먼트 메시징 게이트웨이(FMG)(115)는, FO 시스템(113)과 같은 네트워크(100) 내의 하나 이상의 시스템으로부터 통신을 수신하고, 통신 내의 데이터를 다른 포맷으로 변환하며, 변환된 포맷의 데이터를 WMS(119) 또는 제3 자의 풀필먼트 시스템(121A, 121B 또는 121C)과 같은 다른 시스템에 전달하거나, 그 반대도 성립하는 컴퓨터 시스템으로서 구현될 수 있다.

일부 실시예에서, 공급 체인 관리(SCM) 시스템(117)은 예상 기능을 수행하는 컴퓨터 시스템으로서 구현될 수 있다. 예를 들어, SCM 시스템(117)은, 예를 들어, 제품에 대한 과거 수요, 제품에 대한 예상 수요, 네트워크-전역 과거 수요, 네트워크-전역 예상 수요, 각 풀필먼트 센터(200)에 저장되는 제품 카운트(count products), 각 제품에 대한 예상 주문 또는 현재 주문 등을 기초로 특정 제품에 대한 예상된 수요 레벨(level of demand)을 결정할 수 있다. 모든 풀필먼트 센터에 걸쳐 각 제품에 대한 이 결정된 예상 레벨 및 양에 응답하여, SCM 시스템(117)은, 특정 제품에 대한 예상된 수요를 만족시키기 위해 하나 이상의 구매 주문을 생성할 수 있다.

일부 실시예에서, 인력 관리 시스템(WMS)(119)은 작업 흐름을 모니터링하는 컴퓨터 시스템으로서 구현될 수 있다. 예를 들어, WMS(119)는 개별 이벤트(discrete events)를 나타내는 개별 디바이스(예를 들어, 디바이스(107A 내지 107C 또는 119A 내지 119C))로부터 이벤트 데이터를 수신할 수 있다. 예를 들어, WMS(119)는 패키지를 스캔하기 위해 이들 디바이스 중 하나의 사용을 나타내는 이벤트 데이터를 수신할 수 있다. 풀필먼트 센터(200) 및 도 2에 관련하여 아래에 논의되는 바와 같이, 풀필먼트 프로세스 동안, 패키지 식별자(예를 들어, 바코드 또는 RFID 태그 데이터)는 특정 단계에서 기계(예를 들어, 자동화되거나 휴대형의 바코드 스캐너, RFID 판독기, 고속 카메라, 태블릿(119A), 모바일 디바이스/PDA(119B), 컴퓨터(119C) 등과 같은 디바이스)에 의해 스캐닝되거나 판독될 수 있다. WMS(119)는, 패키지 식별자, 시간, 날짜, 위치, 사용자 식별자 또는 기타 정보와 함께 대응하는 데이터베이스(도시되지 않음)에 패키지 식별자의 스캔 또는 판독을 나타내는 각 이벤트를 저장할 수 있고, 이 정보를 다른 시스템(예를 들어, 선적 및 주문 추적 시스템(111))에 제공할 수 있다.

일부 실시예에서, WMS(119)는 하나 이상의 디바이스(예를 들어, 디바이스(107A 내지 107C 또는 119A 내지 119C))를 네트워크(100)와 연관된 하나 이상의 사용자와 관련시킨 정보를 저장할 수 있다. 예를 들어, 일부 상황에서, 사용자(예를 들어, 시간제 또는 전일제 직원)는, 사용자가 모바일 디바이스(예를 들어, 모바일 디바이스는 스마트폰임)를 소유한다는 점에서, 모바일 디바이스와 연관될 수 있다. 다른 상황에서, 사용자는, 사용자가 일시적으로 모바일 디바이스를 소유하고 있다(예를 들어, 사용자는 하루의 시작 시에 모바일 디바이스를 체크 아웃하고, 하루 동안 사용할 것이고, 하루가 끝나면 반환할 것이다)는 점에서, 모바일 디바이스와 연관될 수 있다.

예를 들어, WMS(119)는, 임의의 할당된 프로세스(예를 들어, 트럭 하역하기(unloading trucks), 픽 구역(pick zone)으로부터 물품 픽킹하기, 리빈 월 작업(rebin wall work), 물품 포장하기), 사용자 식별자, 위치(예를 들어, 풀필먼트 센터(200) 내의 층 또는 구역), 직원에 의해 시스템을 통해 이동된 다수의 유닛(예를 들어, 피킹된 물품의 수, 포장된 물품의 수), 디바이스(예를 들어, 디바이스(119A 내지 119C))와 관련된 식별자 등을 포함하여, 각 직원과 연관된 정보를 저장할 수 있다. 일부 실시예에서, WMS(119)는 디바이스(119A 내지 119C)상에서 운영되는 시간 기록 시스템(timekeeping system)과 같은 시간 기록 시스템으로부터 체크 인 및 체크 아웃 정보를 수신할 수 있다.

일부 실시예에서, 제3 자의 풀필먼트(3PL) 시스템(121A 내지 121C)은 물류 및 제품의 제3자 제공자와 연관된 컴퓨터 시스템을 나타낸다. 예를 들어, 일부 제품은 (도 2와 관련하여 후술되는 바와 같이) 풀필먼트 센터(200)에 저장되지만, 다른 제품은 장외(off-site)에 저장될 수 있거나, 요구 시 생산될 수 있거나, 달리 풀필먼트 센터(200)에 저장할 수 없다. 3PL 시스템(121A 내지 121C)은, (예를 들어, FMG(115)를 통해) FO 시스템(113)으로부터 주문을 수신하도록 구성될 수 있고, 제품 및/또는 서비스(예를 들어, 배송 또는 설치)를 고객에게 직접 제공할 수 있다.

일부 실시예에서, 풀필먼트 센터 인증 시스템(FC Auth)(123)은 다양한 기능을 갖는 컴퓨터 시스템으로서 구현될 수 있다. 예를 들어, 일부 실시예에서, FC Auth(123)는 네트워크(100) 내의 하나 이상의 다른 시스템에 대한 SSO(single-sign on) 서비스로서 작용할 수 있다. 예를 들어, FC Auth(123)은 사용자가 내부 프론트 엔드 시스템(105)을 통해 로그인할 수 있게 하고, 사용자가 선적 및 주문 추적 시스템(111)에서 리소스에 액세스할 수 있는 유사한 권한(privileges)을 가지고 있는 것으로 결정하고, 사용자가 제2 로그 인 프로세스(second log in process)를 필요로 하지 않고 이들 권한에 액세스할 수 있게 한다. 다른 실시예에서, FC Auth(123)은 사용자(예를 들어, 직원)가 그들 자신을 특정 작업과 연관시킬 수 있게 한다. 예를 들어, 일부 직원은 전자 디바이스(예를 들어, 디바이스(119A 내지 119C))를 갖지 않을 수 있고, 대신에 하루의 일과에서(during the course of a day), 풀필먼트 센터(200) 내에서, 작업별로, 그리고 구역별로, 이동할 수 있다. FC Auth(123)은 이들 직원이 하루 중 서로 다른 시각에 그들이 어느 구역에 있는지와 어떤 작업을 행하고 있는지를 나타낼 수 있도록 구성될 수 있다.

일부 실시예에서, 노동 관리 시스템(LMS)(125)은 직원(전일제 및 시간제 직원을 포함)에 대한 출근 및 초과 작업 정보(attendance and overtime information)를 저장하는 컴퓨터 시스템으로서 구현될 수 있다. 예를 들어, LMS(125)는 FC Auth(123), WMS(119), 디바이스(119A 내지 119C), 수송 시스템(107) 및/또는 디바이스(107A 내지 107C)로부터 정보를 수신할 수 있다.

도 1a에 도시된 특정 구성은　단지 예시이다. 예를 들어, 도 1a는 FMG(115)를 통해 FO 시스템(113)에 연결된 FC Auth 시스템(123)을 도시하지만, 모든 실시예가 이 특정 구성을 요구하는 것은 아니다. 실제로, 일부 실시예에서, 네트워크(100) 내의 시스템은, 인터넷, 인트라넷, WAN(Wide-Area Network), MAN(Metropolitan-Area Network), IEEE 802.11a/b/g/n 표준과 호환되는 무선 네트워크, 전용 회선(leased line) 등을 포함하는 하나 이상의 공개 또는 비공개 네트워크를 통해 서로 연결될 수 있다. 일부 실시예에서, 네트워크(100) 내의 시스템 중 하나 이상은 데이터 센터, 서버 팜(server farm) 등에 구현되는 하나 이상의 가상 서버로서 구현될 수 있다.

도 2는 풀필먼트 센터(200)를 도시한다. 풀필먼트 센터(200)는 주문 시 고객에게 배송되기 위한 물품을 저장하는 물리적 위치의 예이다. 풀필먼트 센터(FC, 200)는 다수의 구역(zones)으로 분할될 수 있고, 이들 구역 각각은 도 2에 도시되어 있다. 일부 실시예에서, 이들 "구역"은 물품을 수신하고, 물품을 저장하고, 물품을 검색하고, 물품을 배송하는 프로세스의 상이한 단계 사이의 가상 분할(virtual divisions)로 여겨질 수 있다. 따라서, "구역"이 도 2에 도시되어 있지만, 구역에 대한 다른 분할이 가능하고, 일부 실시예에서, 도 2의 구역이 생략되거나, 복제되거나, 수정될 수 있다.

인바운드 구역(203)은 도 1로부터 네트워크(100)를 사용하여 제품을 판매하고 싶어하는 판매자로부터 물품이 수신되는 FC(200)의 영역(area)을 나타낸다. 예를 들어, 판매자는 트럭(201)을 사용하여 물품(202A 및 202B)을 배송할 수 있다. 물품(202A)은 그 자체의 배송 팔레트(shipping pallet)를 점유하기에 충분히 큰 단일 물품을 나타낼 수 있고, 반면에 물품(202B)은 공간을 절약하기 위해 동일한 팔레트 상에 함께 적재된 물품의 세트를 나타낼 수 있다.

작업자는 인바운드 구역(203)에서 물품을 수신하고, 선택적으로 컴퓨터 시스템(도시되지 않음)을 사용하여 물품의 손상 및 정확성에 대해 검사할 수 있다. 예를 들어, 작업자는 컴퓨터 시스템을 사용하여 물품(202A 및 202B)의 수량을 물품의 주문 수량과 비교할 수 있다. 수량이 매칭되지(match) 않으면, 그 작업자는 물품(202A 또는 202B) 중 하나 이상을 거부할 수 있다. 수량이 매칭되면, 작업자는 (예를 들어, 돌리(dolly), 핸드 트럭, 지게차(forklift)를 이용하거나 수동으로) 이들 물품을 버퍼 구역(205)으로 이동시킬 수 있다. 버퍼 구역(205)은, 예를 들어, 피킹 구역에 예상된 수요를 충족시키기에 매우 충분한 수량의 해당 물품이 있기 때문에, 피킹 구역에서 현재 필요하지 않은 물품에 대한 임시 저장 영역일 수 있다. 일부 실시예에서, 지게차(206)는 버퍼 구역(205) 주위에서, 그리고 인바운드 구역(203)과 드롭 구역(207) 사이에서 물품을 이동시키도록 동작된다. 피킹 구역에서 물품(202A 또는 202B)이 필요하다면(예를 들어, 예상된 수요로 인함), 지게차는 물품(202A 또는 202B)을 드롭 구역(207)으로 이동시킬 수 있다.

드롭 구역(207)은, 물품이 피킹 구역(209)으로 이동되기 전에 물품을 저장하는 FC(200)의 영역일 수 있다. 피킹 작업에 할당된 작업자("피커(picker)")는, 피킹 구역에서 물품(202A 및 202B)에 접근하고, 피킹 구역에 대한 바코드를 스캔하고, 모바일 디바이스(예를 들어, 디바이스 119B)를 사용하여 물품(202A 및 202B)과 연관된 바코드를 스캔할 수 있다. 그 후, 피커는 (예를 들어, 물품을 카트에 담거나 운반함으로써) 물품을 피킹 구역(209)으로 가져갈 수 있다.

피킹 구역(209)은 물품(208)이 저장 유닛(210) 상에 저장되는 FC(200)의 영역일 수 있다. 일부 실시예에서, 저장 유닛(210)은 물리적 선반, 책장, 박스, 토트(totes), 냉장고, 냉동고, 냉장 창고(cold stores) 등 중 하나 이상을 포함할 수 있다. 일부 실시예에서, 피킹 구역(209)은 다수의 층으로 구성될 수 있다. 일부 실시예에서, 작업자 또는 기계는, 예를 들어, 지게차, 엘리베이터, 컨베이어 벨트, 카트, 핸드 트럭, 돌리, 자동화된 로봇 또는 디바이스를 포함하여 여러 방식으로, 또는 수동으로 물품을 피킹 구역(209)으로 이동시킬 수 있다. 예를 들어, 피커는 드롭 구역(207)에서 핸드 트럭 또는 카트 상에 물품(202A 및 202B)을 담고, 물품(202A 및 202B)을 피킹 구역(209)까지 걸어서 운반할 수 있다.

피커는, 저장 유닛(210)상의 특정 공간과 같이, 피킹 구역(209)의 특정 지점(particular spots)에 물품을 배치(또는 "수납")하라는 명령어(instruction)를 수신할 수 있다. 예를 들어, 피커는 모바일 디바이스(예를 들어, 디바이스(119B))를 사용하여 물품(202A)을 스캔할 수 있다. 디바이스는, 예를 들어, 통로(aisle), 선반 및 위치를 나타내는 시스템을 사용하여 피커가 물품(202A)을 수납해야 하는 위치를 나타낼 수 있다. 그 후, 디바이스는 그 위치에 물품(202A)을 수납하기 전에 피커가 그 위치에서 바코드를 스캔하도록 촉구할 수 있다. 디바이스는, 디바이스(119B)를 사용하는 사용자에 의해 그 위치에 물품(202A)이 수납되었음을 나타내는 데이터를, (예를 들어, 무선 네트워크를 통해) 도 1a의 WMS(119)와 같은 컴퓨터 시스템에 전송할 수 있다.

사용자가 주문을 하면, 피커는 저장 유닛(210)으로부터 하나 이상의 물품(208)을 검색하라는 명령어를 디바이스(119B)상에 수신할 수 있다. 피커는, 물품(208)을 검색하고, 물품(208)상의 바코드를 스캔하고, 물품을 수송 메커니즘(transport mechanism)(214) 상에 배치할 수 있다. 수송 메커니즘(214)은, 슬라이드로 나타내어져 있지만, 일부 실시예에서, 수송 메커니즘은 컨베이어 벨트, 엘리베이터, 카트, 지게차, 핸드 트럭, 돌리, 카트 등 중 하나 이상으로서 구현될 수 있다. 그 후, 물품(208)은 포장 구역(packing zone, 211)에 도착할 수 있다.

포장 구역(211)은, 물품이 피킹 구역(209)으로부터 수신되어 고객에게 최종 배송되기 위해 박스 또는 백(bags)에 포장되는 FC(200)의 영역일 수 있다. 포장 구역(211)에서, 물품 수신에 할당된 작업자("리빈 작업자")는 피킹 구역(209)으로부터 물품(208)을 수신하고 그것이 어느 주문에 대응하는지를 결정할 것이다. 예를 들어, 리빈 작업자는 컴퓨터(119C)와 같은 디바이스를 사용하여 물품(208)상의 바코드를 스캔할 수 있다. 컴퓨터(119C)는 물품(208)이 어느 주문과 연관되는지를 시각적으로 나타낼 수 있다. 이는, 예를 들어, 주문에 대응하는 공간 또는 벽(216)의 셀"을 포함할 수 있다. 일단 주문이 완료되면 (예를 들어, 셀은 주문에 대한 모든 물품을 포함하기 때문에), 리빈 작업자는 주문이 완료된 것을 포장 작업자(packing worker)(또는 "패커(packer)")에게 나타낼 수 있다. 패커는 셀로부터 물품을 검색하여 배송을 위해 박스 또는 백에 담을 수 있다. 그 후, 패커는 예를 들어, 지게차, 카트, 돌리, 핸드 트럭, 컨베이어 벨트를 통해, 박스 또는 백을 허브 구역(213)으로 수동으로 또는 다른 방식으로 전송할 수 있다.

허브 구역(213)은 포장 구역(211)으로부터 모든 박스 또는 백("패키지")을 수신하는 FC(200)의 영역일 수 있다. 허브 구역(213)의 작업자 및/또는 기계는, 패키지(218)를 검색하고, 각 패키지가 배송 지역 중 어느 부분으로 가고자 의도되는지를 결정하고, 패키지를 적절한 캠프 구역(215)으로 라우팅할 수 있다. 예를 들어, 배송 지역이 2개의 더 작은 하위-지역(sub-areas)을 갖는 경우, 패키지는 2개의 캠프 구역(215) 중 하나로 갈 것이다. 일부 실시예에서, 작업자 또는 기계는 (예를 들어, 디바이스(119A 내지 119C) 중 하나를 사용하여) 패키지를 스캔하여 그 최종 목적지를 결정할 수 있다. 패키지를 캠프 구역(215)으로 라우팅하는 것은, 예를 들어, (예를 들어, 우편 번호를 기초로) 패키지가 예정되어 있는 지리적인 지역의 일부를 결정하는 것, 및 지리적인 지역의 일부와 연관된 캠프 구역(215)을 결정하는 것을 포함할 수 있다.

일부 실시예에서, 캠프 구역(215)은 하나 이상의 건물, 하나 이상의 물리적 공간 또는 하나 이상의 지역을 포함할 수 있고, 여기서 패키지는 루트 및/또는 하위-루트로 분류되기 위해 허브 구역(213)으로부터 수신된다. 일부 실시예에서, 캠프 구역(215)은 FC(200)로부터 물리적으로 분리되고, 반면에 다른 실시예에서, 캠프 구역(215)은 FC(200)의 일부를 형성할 수 있다.

캠프 구역(215) 내의 작업자 및/또는 기계는, 예를 들어, 목적지를 기존의 루트 및/또는 하위-루트와 비교하는 것, 각 루트 및/또는 하위-루트에 대한 작업 부하를 계산하는 것, 하루 중 시각(the time of day), 배송 방법, 패키지(220)를 배송하기 위한 비용, 패키지(220) 내의 물품과 연관된 PDD 등을 기초로, 패키지(220)가 어느 루트 및/또는 하위-루트와 연관되어야 하는지를 결정할 수 있다. 일부 실시예에서, 작업자 또는 기계는 (예를 들어, 디바이스(119A 내지 119C) 중 하나를 사용하여) 패키지를 스캔하여 그 최종 목적지를 결정할 수 있다. 일단 패키지(220)가 특정 루트 및/또는 하위-루트에 할당되면, 작업자 및/또는 기계는, 운송될 패키지(220)를 이동시킬 수 있다. 예시적인 도 2에서, 캠프 구역(215)은 트럭(222), 자동차(226) 및 배송 작업자(224A 및 224B)를 포함한다. 일부 실시예에서, 트럭(222)은 배송 작업자(224A)에 의해 구동될 수 있고, 여기서 배송 작업자(224A)는 FC(200)를 위한 패키지를 배송하는 전일제 직원이고, 트럭(222)은, FC(200)를 소유하거나, 임대하거나, 운영하는 동일한 회사에 의해 소유되거나, 임대되거나, 운영된다. 일부 실시예에서, 자동차(226)는 배송 작업자(224B)에 의해 운전될 수 있고, 여기서 배송 작업자(224B)는 필요에 따라(on an as-needed basis)(예를 들어, 계절에 따라) "유연한(flex)" 또는 비정기적인 작업자(occasional worker)이다. 자동차(226)는 배송 작업자(224B)에 의해 소유되거나, 임대되거나, 운영될 수 있다.　

도 3은 각각 배송을 하기 위해 개별적인 배송 작업자에게 할당된, 분리된 고정 배송 영역을 포함하는 종래의 운송 지역의 개략도이다. 도 3에 도시된 바와 같이, 읍(town), 지방자치단체(municipality), 구(district), 군(county) 또는 주(state)와 같은 지리적인 지역은 고정된 영역(302) 및 하위-영역(304)을 포함하는 다양한 크기의 다수의 영역으로 분할될 수 있고, 각 영역 또는 하위-영역은 고정된 경계를 포함할 수 있다. 지리적인 지역은 하위-영역으로 더 분할될 수 있고, 배송 작업자(224A, 224B)는 고정된 지리적인 경계에 따라 영역 또는 하위-영역 중 하나 이상으로 상품을 배송할 수 있다. 통상적으로, 도 3에서 각 영역 또는 하위-영역에는 그 영역 또는 하위-영역에 배송을 하는데 단지 단일의 배송 작업자가 배정된다.

일부 종래의 컴퓨터화된 시스템은 시간-기반의 인센티브 모델을 이용한다. 이들 종래 시스템에서, 배송 작업자(224A, 224B)는 영역 또는 하위-영역(즉, 고정된 영역(302) 및 하위-영역(304)) 중 하나 이상에 상품을 배송할 수 있고, 배송 작업자(224A, 224B)는 영역 내의 기준 개수를 초과하여 배송된 추가적인 패키지 또는 배송된 주소의 개수를 기초로 추가적인 임금을 받을 수 있다. 하지만, 이들 종래의 시스템에서, 초과 작업 시간 내에 또는 계산된 기준 개수를 초과하여 배송된 각 주소 또는 패키지에 대해서는 인센티브 또는 추가적인 임금이 없다. 기준 개수를 초과한 이후에 배송된 각 주소 또는 패키지에 대해 인센티브를 갖는 시스템은 이미 효율적인 배송 작업자에게 유리할 수 있으며, 또한, 비효율적인 배송 작업자가 더욱 효율적이 되도록 인센티브를 제공할 수도 있다. 추가적으로, 서술된 실시예는 배송을 위한 패키지의 창조적인 할당을 가능하게 한다. 배송 작업자가 기준을 초과 한 이후에 인센티브를 제공하는 것은, 배송될 패키지의 더욱 적은 백로그(backlog)를 초래한다. 또한, 구조는 한 명의 배송 작업자가 배송을 관리할 수 없는 긴급 시간에 이로울 수 있다. 시스템은 백로그에 추가하는 대신에, 임의의 지연을 회피하기 위해 알고리즘을 그때그때(on the fly) 구동시키고 패키지를 재할당할 수 있다.

도 4는 개시된 실시예와 일치하고 소프트웨어 또는 하드웨어로 구현된, 본원에 서술된 시스템 및 방법에 의해 사용되는 예상된 배송 효율 생성기(406), 크로스-시간 생성기(408) 및 루트 생성기(416)를 포함하는 배송 모듈의 개략도(400)이다. 도 4(및 다른 도면)에 도시된 아키텍처 및 특정 모듈은 단지 예시이다.

도 4에 도시된 바와 같이, 데이터베이스(401)는 지오 데이터(geodata)(402) 및 이력 배송 데이터(404)를 포함한다. 지오 데이터(402)는 미리 정의된 영역 및 하위-영역을 포함하는 지리 정보를 포함할 수 있다. 하위-영역은 단일의 미리 정의된 영역의 더욱 작은 부분으로 존재할 수 있다. 복수의 하위-영역은 또한, 단일 영역 내에 존재할 수 있고, 하위-영역은 동일한 지리 특성을 갖는 지역을 구성할 수 있다. 일부 양상에서, 하위-영역은 더 나눌 수 없다. 예시로서, 미리 정의된 영역은 군, 주 또는 우편번호를 포함할 수 있다. 추가적인 예시로서, 하위-영역은 읍, 지방자치단체, 시 또는 다른 위치를 포함할 수 있다. 영역 및 하위-영역은 전술한 예시로 제한되지 않는다. 실제로, 하위-영역은 군으로 존재하거나, 또는 영역은 읍으로 존재할 수 있다. 영역 및 하위-영역에 대한 다른 지리적인 예시가 고려될 수 있고, 데이터베이스로부터 액세스 가능할 수 있다. 이력 배송 데이터(404)는 배송 위치, 배송 시간, 배송 운전자 및/또는 배송 패키지를 포함하는 데이터를 포함할 수 있다. 다른 타입의 이력도 가능할 수 있다. 일부 실시예에서, 이력 배송 데이터(404)는 시간당 평균 주소의 지난 70일의 이력 데이터를 포함할 수 있다. 따라서, 이력 배송 데이터(404)는 배송 작업자(224A, 224B)에 대한 루트 난이도 및 기준 개수를 결정하는 데 사용될 수 있다.

예상된 배송 효율 생성기(406)는 데이터베이스와 통신할 수 있고, 각 영역 또는 하위-영역에서 예상된 배송 효율을 결정하기 위해 지오 데이터(402) 및 이력 배송 데이터(404)의 각각을 검색할 수 있다. 예시로서, 예상된 배송 효율 생성기(406)는 예상된 배송 효율을 결정하기 위하여, 풍경, 비즈니스 영역, 주거 영역, 주차 영역 또는 건물 서술 중 하나 이상에 더 의존할 수 있다. 예상된 배송 효율 생성기(406)는 예상된 배송 효율을 계산하기 위해 지오 데이터, 이력 데이터, 및 풍경 또는 비즈니스 데이터의 각각을 통합하고, 저장된 배송 주소 데이터와 비교할 수 있다. 비교는 필터링된 시간 기간에 걸쳐 특정한 주소에 대해 이루어진 배송 또는 개별적인 배송의 전체 개수를 평가하고, 배송 시간(들), 거리(들) 또는 기타 기준 또는 메트릭(metrics)을 사용하여, 지오 데이터, 이력 데이터 및 풍경 또는 비즈니스 데이터를 기초로 (시간당 주소(Addresses per Hour, APH)의 수와 같은) 효율 값을 계산한다. 예상된 배송 효율 생성기(406)는 예상된 배송 효율로서 절대 효율에 부가하여 상대 효율 값을 계산할 수 있다. 상대 효율 값은 상이한 배송 풍경 또는 영역을 기초로, 백분율 값(예를 들어 60% 또는 70%, 또한, P60 또는 P70으로도 알려짐)을 포함할 수 있다. 절대 효율 값은 절대 값(예를 들어, 18 패키지/시간 또는 20 패키지/시간)을 포함할 수 있다. 영역 또는 풍경은 서로 상이한 배송 지형(geographies)을 가질 수 있으므로, 절대 효율 값 보다 상대 효율 값이 바람직할 수 있다. 또한, 예상된 배송 효율 생성기(406)는 단일 시간 또는 다른 시간 기간 내에 배송 작업자에 의해 방문될 수 있는 주소의 수를 나타낼 수 있는 APH 메트릭(metric)을 계산할 수 있고, 이 메트릭은 다른 계산된 APH 값에 대한 값을 포함할 수 있거나, 또는 절대 값을 나타낼 수 있다. 각 영역 및 하위-영역에서 APH의 백분위수 값은 기록 데이터를 기초로 계산될 수 있다. 일부 양상에서, 특정한 백분위수는 예상된 배송 효율(예를 들어, 상대 효율 값으로서 60 백분위수 또는 P60)로서 결정될 수 있다. 다른 양상에서, 예상되는 배송 효율은 배송 작업자의 배송 시간 및 스킬 또는 경험을 고려할 수 있다.

본 개시와 일치하는, 예상된 배송 효율 생성기(406)는 3개월 이하의 이력 데이터를 기초로 영역 및 하위-영역에 대한 백분위수를 생성할 수 있다. 이력 데이터를 사용하기 위한 다른 시간 범위도 가능하다. 이력 데이터에 대한 의존은 예를 들어, "유효한" 배송 기간을 포함하는 임의의 바람직한 피처에 따라, 필터 또는 입력된 검색어에 의해 필터링될 수 있다. "유효한" 배송 기간은 모든 배송 기간이 같은 날 같은 하위-영역에서 같은 배송 작업자에 의해 완료되도록 요구할 수 있다. 일부 양상에서, "유효한" 배송 기간은 기간이 15분 이상일 것을 요구할 수 있다. 다른 양상에서, "유효한" 배송 기간은 또한 30분 미만의 임의의 두 개의 연속적인 배송 사이의 시간 공백을 요구할 수 있다. 필터링을 위해 "유효한" 시간 기간에 대한 다른 기준이 고려되고 사용될 수 있다. 예상된 배송 효율 생성기(406)는 각각의 "유효한" 배송 기간에 대한 APH 값을 계산할 수 있고, 또한 각 "유효한" 배송 기간에 대한 APH의 백분위수 값을 생성할 수 있다. 배송 효율을 결정하기 위한 다른 메트릭은 예상되는 배송 효율 생성기(406)에 의해 고려되고 이용될 수 있다.

도 5는 크로스-시간(T)(501)을 계산하기 위해 개시된 실시예와 일치하는, 크로스-시간 생성기(408)에 의해 사용되는 데이터 구조 (500)에 저장된 크로스-시간 데이터의 표현의 개략도이다. 도 5에 도시된 바와 같이, 크로스-시간 생성기(408)는 "하위-영역 1(502)" 및 "하위-영역 2(504)"로 식별된 두 개의 영역을 포함한다. 두 개의 하위-영역 각각에 대해, 선형 스펙트럼은 배송 작업자에 의해 수행될 모든 작업인 "운전(506)", "주차(508)", "정렬(510)" 및 "배송(512)"의 각각에 전용된 시간 부분을 포함한다. 이들 크로스-시간은 예를 들어, 두 개의 하위-영역(502, 504) 사이에서 "운전(506)", "주차(508)", "분류(510)" 및 "배송(512)"의 각각을 포함하는 전술한 작업 중 임의의 것을 배송 작업자가 완료하는 데 걸리는 시간의 양을 결정하기 위해 계산될 수 있다. 하지만, 크로스-시간 생성기(408)는 "운전(506)"에 대한 시간만을 계산할 필요는 없고 "운전(506)"에 부가하여 다른 수송 모드에 대한 계산을 수행할 수 있다. 예를 들어, 크로스-시간 생성기(408)는 추가적인 단계를 포함하거나, 또는 전술한 단계 중 임의의 단계를 배제할 수 있다. 크로스-시간 생성기(408)는 이력 크로스-시간 측정을 생성하기 위한 이력 크로스-시간 생성 모듈(410) 및 크로스-시간 완료 및 교정 측정을 계산하기 위한 크로스-시간 완료 및 교정 모듈(412)을 구현할 수 있다. 크로스 영역/하위-영역 시간은 도 5에 도시된 바와 같이, 배송 작업자가 일 영역으로부터 다음 영역으로, 또는 하나의 하위-영역으로부터 다음 하위-영역으로 이동하는 예상된 시간으로 계산될 수 있다.

다시 도 4로 가면, 크로스-시간 생성기(408)는 지난 3개월 동안 두 개의 영역 또는 하위-영역 사이의 중간(median) 시간 공백을 사용함으로써 크로스 영역/하위-영역 시간을 더 계산할 수 있다. 이 시간은 하나의 주문의 배송 시간을 포함할 수 있으며, 크로스-시간을 배타적으로 포함하지 않을 수 있다. 시간 공백이 없거나 데이터 샘플의 수가 두 개를 초과하지 않는 경우, 크로스-시간 생성기(408)는 캠프 또는 캠프 구역(215)에서 평균 크로스 영역/하위-영역 시간을 사용할 수 있다. 크로스-시간 생성기(408)는 또한, 크로스-시간 완료 및 교정을 수행할 수 있다. 예시로서, "n" 영역 또는 하위-영역이 존재하는 경우, 크로스-시간의 전체 수는 n ²/2일 수 있다. 통상적으로, 배송 작업자가 모든 크로스 가능성을 커버하지 않을 수 있으므로, 이력 크로스-시간은 이 값보다 상당히 작을 수 있다. 도 4에 도시된 바와 같이, 지도 서비스 모듈(430)은 임의의 두 개의 영역/하위-영역 사이의 운전 시간을 결정하는 데 사용될 수 있다. 맵 서비스 모듈(430)로부터 획득된 운전 시간이 크로스-시간으로 변환될 수 있고 크로스-시간 매트릭스가 완료될 수 있을 때, 선형 회귀는 또한, 운전 시간과 크로스-시간 사이의 관계를 결정하기 위해 사용될 수 있다. 본 개시와 일치하는, 크로스-시간 매트릭스가 크로스-시간을 계산하기 위해 사용될 수 있다.

본 개시와 일치하는, 루트 생성기(416)는 출근 할당 최적화 모듈(418), 시드 분배 생성 모듈(420), 재분배 최적화 모듈(422) 및 방문 시퀀스 최적화 모듈(424)을 포함할 수 있다. 도 4에 도시된 바와 같이, 루트 생성기(416)는 루트(428)를 생성하기 위해 예상된 배송 효율 생성기(406)로부터의 APH 값, 시간(T) 값, 패키지 분배(426) 및 사용자 구성 및 선호도(414)를 소싱할(sourse) 수 있다. 출근 할당 최적화 모듈(418)은 다음의 입력: 패키지 분배(426), 및 배송 작업자의 경험에 관련된 분류 카테고리(예를 들어, "초보자", "일반(normal)", "시니어(senior)") 하에 할당된 출근 번호를 기초로 다수의 배송 작업자를 각 그룹에 할당하는데 사용될 수 있다. 이들 분류 카테고리의 일부로서, 배송 작업자는 배송 능력 및/또는 배송 효율을 고려할 수 있는 변하는 가중치(weights)와 연관될 수 있다. 가중치는 또한, 배송 작업자의 배송 경험에 관련될 수 있다. 예를 들어, "초보자" 분류는 완전히 새로운 배송 작업자 또는 배송 경험이 적거나 없는 배송 작업자를 나타낸다. "일반" 분류는 배송 경험이 많지 않거나 또는 상당하지 않은 배송 작업자를 나타낸다. "시니어" 분류는 수년간 상당한 배송 경험을 갖는 배송 작업자를 나타낸다. 다른 분류 식별도 가능할 수 있다. 시드 분배 생성 모듈(420)은 과도한 영역을 삭제하고, 새로운 영역을 생성하며, 사용자에 의해 구성된 규칙을 기초로 영역을 생성하는 데 사용될 수 있다. 이들 규칙은 사용자에 의해 과도한 영역을 삭제하고 새로운 영역을 생성하도록 구성될 수 있으며, 규칙은 인터페이스에 기입되고, 바람직한 배송 작업자를 (예를 들어, "낮은-탑(low-top)", "작업자 우선(workman-preferred)" 및 "다른 규칙"으로) 더 지정할 수 있다. "낮은-탑" 분류는 대형 트럭과는 다르게, 더욱 낮은 탑을 갖는 차량에 배송물을 적재한 경험을 갖는 배송 작업자를 나타낸다. 낮은 탑 트럭을 포함하는 더욱 낮은 탑을 갖는 차량은 지하층으로의 배송을 필요로 하는 주소로의 배송을 하도록 요구될 수 있다. 시드 분배 생성 모듈(420)은 특정한 영역일 수 있는 동작 규칙을 생성할 수 있으며, 특정 영역에서 이루어진 모든 배송이 "낮은-탑" 또는 "작업자 우선"이도록 요구될 수 있다. "작업자 우선" 분류는 수작업자(handyman) 또는 적재 스킬의 모든 분류를 보유하고, 다양한 복잡도를 갖는 모든 상이한 타입의 작업을 수행할 수 있는 배송 작업자를 나타낸다. 시드 분배 생성 모듈(420)은 특정 영역이 "작업자 선호" 배송 작업자만을 포함하도록 요구할 수 있다. "다른 규칙" 분류는 당면한 특정 배송 요구 사항을 기초로 지정될 수 있는 "다른 규칙"을 나타낸다. 다른 분류 식별도 가능할 수 있다.

재분배 최적화 모듈(422)은 생성된 시드 분배 내의 영역을 기초로 할 수 있고, 복수의 후보 영역을 생성할 수 있다. 재분배 최적화 모듈(422)은 모든 배송 요구를 커버하고 배송 비용을 최소화하기 위해, 모든 후보 영역으로부터 영역의 최적 조합을 결정하도록 0/1 프로그래밍 모델을 더 구현할 수 있다. 방문 시퀀스 최적화 모듈(424)은 새롭게 생성된 영역의 집합인 재분배 최적화 모듈(422)의 출력을 이용할 수 있다. 각 생성된 영역 내에서, 방문 시퀀스 최적화 모듈(424)은 배송 비용을 최소화하기 위해 최선의 배송 방문 시퀀스를 결정할 수 있다. 방문 시퀀스 최적화 모듈(424)은 영역 및 하위-영역을 서술하고, 특정한 영역 및 하위 영역에 특정한 순서로 배송하기 위한 코딩을 제공할 수 있다. 문자 또는 숫자는 영역 또는 하위-영역을 서술하고, 배송 비용을 최소화하기 위해 방문 배송 순서를 나타내는 코드로서 사용될 수 있다. 출근 할당 최적화 모듈(418), 시드 분배 생성 모듈(420), 최적화 모듈(422) 및 방문 시퀀스 최적화 모듈(424)은 최적의 루트(428)를 생성하기 위해 함께 작업될 수 있다.

본 개시와 일치하는, 재분배 최적화 모듈(422)은 작업자를 할당하기 위해 다음의 수학식("정수 프로그래밍 모델")을 구현할 수 있다:

이들 변수의 각각은 아래에서 설명된다. x _i , y _i , z _i 는 그룹 i에 각각 얼마나 많은 배송 작업자, 반일 작업자 및 워크맨(walk-men)이 할당될 수 있는지를 서술하는 정수 변수를 나타낼 수 있다. 정수 프로그래밍 모델에 의해 사용되는 다른 파라미터는 전체 캠프에 대한 운전자 당 평균 패키지/소포(packages/parcels per driver, PPD)를 나타내는 avg, 그룹 i에서의 전체 패키지 개수 p _i , 그룹 i에서의 가중된 작업자의 전체 수 W _i , PPD의 주어진 경계로부터의 분산 패널티(variance penalty) d _i , 하한보다 아래(below)의 분산 u _i , 상한을 능가하는(beyond) 분산 v _i , 배송 작업자, 반일 및 워크맨의 가중치 α, β 및 γ, 각각 그룹 i에 사전 할당된 배송 작업자, 반일 및 워크맨의 수 a _i , b _i 및 c _i , 하한 및 상한 비율 λ, δ, 각각 할당되어야 하는 배송 작업자, 반일 작업자 및 워크맨의 전체 수 c, h 및 w, 할당으로부터 제거될 수 없는 루트의 수 f _i 를 포함할 수 있다. G는 또한, 이용 가능한 그룹의 세트를 나타낼 수 있다.

재분배 최적화 모듈(422)의 정수 프로그래밍 모델의 목적은 각 캠프의 평균 PDD와 각 그룹의 평균 PPD 사이의 차이를 최소화하고 주어진 임계치로부터의 분산을 최소화하는 것이다.

재분배 최적화 모듈(422)에 의해 사용되는 정수 프로그래밍 모델은 또한, 추가적인 제약을 포함할 수 있다. 예를 들어, 출근 할당 최적화 모듈(422)은 모든 배송 작업자의 가중된 값을 w _i = α(α _i + x _i ) + β(b _i + y _i ) + γ(c _i + z _i )로 계산할 수 있다. 출근 할당 최적화 모듈(422)은 또한, 그룹 레벨 평균 PPD가 하한과 상한 임계치 사이에 있거나 또는 그 내에 있어야 한다는 것을 계산에 의해 검증할 수 있다:

.

재분배 최적화 모듈(422)은 또한, 계산에 의해, 각 그룹에 할당된 상이한 출근의 전체 수가 동일한 타입에 대한 출근의 수와 동일한지를 검증할 수 있다. 출근 할당 최적화 모듈(422)은 또한, 계산에 의해, 각 그룹에 할당된 배송 작업자의 전체 수가 배송 작업자의 수에 동일해야 한다는 것을 보장하고

, 계산에 의해, 각 그룹에 할당된 반일 작업자의 전체 수가 반일 작업자의 수에 동일해야 한다는 것을 보장하며

, 각 그룹에 할당된 워크맨의 전체 수가 워크 맨의 수에 동일해야 한다는 것을 보장하는 것과 같이, 각 타입의 작업자에 대한 합리적인 상한 경계를 설정할 수 있다.

재분배 최적화 모듈(422)은 또한, 계산에 의해, 배송 작업자의 수가 제거될 수 없는 루트의 수보다 적지 않음을 보장하고

, 계산에 의해, 너무 많은 반일 작업자가 동일한 그룹에 할당되지 않음을 보장하며

, 계산에 의해 각 배송 작업자가 배송 동안 최대 한 명의 워크맨을 동반함(takes)을 보장할 수 있다

.

본 개시와 일치하는, 재분배 최적화 모듈(422)은 작업자를 최적으로 재분배하기 위해 다음의 수학식("0/1 프로그래밍 모델")을 구현할 수 있다:

여기서 0/1 프로그래밍 모델은 최소화 문제로 이해될 수 있다. 위의 변수 각각은 아래에서 설명된다. x _i , y _j , z _k , u _l 은 루트 선택과 관련된 이진 변수를 나타낼 수 있다. 예를 들어, 루트 i가 선택되면 x _i 의 값은 1이고 그렇지 않으면 0이다. I는 일반적인 루트의 세트를 배송 작업자의 루트로 나타낼 수 있고, J는 워크맨 동반 루트의 세트를 워크맨 루트로 나타낼 수 있고, K는 새롭게 생성된 루트의 세트를 새로운 루트로 나타낼 수 있으며, L은 반일 루트의 세트를 나타낼 수 있다. S는 하위-루트의 세트를 나타낼 수 있다. c, w, n 및 h는 각각, 배송 작업자, 워크맨, 새로운 루트 및 반일 작업자에 대한 루트의 카운트를 나타낼 수 있다. 마지막으로, a _is , a _js , a _ks 및 a _ls 는 지시자 변수를 서술할 수 있다; 하위-루트 s가 루트 i, j, k, l 중 하나에 있는 경우, 대응하는 지시자 값은 1이다(그렇지 않으면 0이다).

재분배 최적화 모듈(422)에서 0/1 프로그래밍 모델의 한 가지 목적은 평가 메트릭의 무효화의 페널티를 최소화하는 것이다. 재분배 최적화 모듈(422)은 정규화된 PPD로부터의 편차의 페널티, 다중 기원(parent) 루트의 페널티, 상이한 기원 루트로부터의 하위-루트 사이의 크로스-시간의 페널티, 교환 루트의 페널티 및 이동 난이도의 페널티 중 하나 이상을 기초로, 각 루트에 대한 페널티 비용을 계산할 수 있다.

재분배 최적화 모듈(422)은 상이한 제약을 부과할 수 있다. 예를 들어, 재분배 최적화 모듈(422)은 생성된 루트의 수가 동일한 타입에 대한 출근의 수와 동일하다는 것을 계산함으로써 포함되는 "카운트 제약"을 부과할 수 있다. 예를 들어, 재분배 최적화 모듈(422)은 계산에 의해, 배송 루트의 수가 배송 작업자의 수와 동일하다는 것을 보장할 수 있고

, 계산에 의해, 워크맨 루트의 수가 워크맨의 수와 동일하다는 것을 보장할 수 있고

, 계산에 의해, 새로운 루트의 수가 요구되는 새롭게 생성된 루트의 수와 동일하다는 것을 보장할 수 있으며

, 계산에 의해, 반일 루트의 수가 반일 작업자 또는 초보자의 수와 동일하다는 것을 보장할 수 있다

.

둘째, 재분배 최적화 모듈(422)은 예를 들어, 계산에 의해 각 하위-루트가 once and only once

커버되는 것을 보장하기 위해 "커버 제약"을 부과할 수 있다.

일부 실시예에서, SAT 시스템(101)은 배송 작업자(즉, 배송 작업자(224A 및 224B))에게 할당될 배송을 위한 루트를 생성하기 위해 하위-루트를 결합할 수 있다. 각 루트는 작업일에 배송할 패키지 또는 배송할 주소의 기준 개수를 가질 수 있다. 예를 들어, SAT 시스템(101)은 작업일에 배송할 150개의 패키지 또는 배송할 120개의 주소의 기준 개수를 주어진 루트에 할당할 수 있다.

각 루트에서, SAT 시스템(101)은 (1) 각 하위-루트에서 주소의 밀집도, (2) 각 하위-루트에서 주소의 볼륨, (3) 하나의 하위-루트로부터 다른 하위-루트까지의 이동 시간, 또는 (4) 루트 난이도 등급을 포함하는 그 루트에 대한 기준 개수를 계산하기 위해 다수의 데이터 인자를 결정할 수 있다. SAT 시스템(101)은 계산된 루트 난이도, 하위-루트에서 주소의 밀집도 및 하나의 하위-루트로부터 그 루트 내의 다른 것까지의 이동 시간에 의존하여, 특정한 날짜에 및/또는 그 특정한 루트에 배송될 수 있는 합리적인 패키지 및/또는 배송될 수 있는 주소의 수(기준 개수)를 계산할 수 있다. 일부 실시예에서, 기준 개수는 배송 작업자마다 (즉, 각 배송 작업자의 입증되거나 또는 예상되는 능력을 고려하여) 각 루트에 대해 생성된다.

일 실시예에서, 특정 지역에서 배송을 위한 10,000개의 패키지가 있을 수 있고 50명의 배송 작업자가 있을 수 있다. SAT 시스템(101)은 단지 10,000개의 패키지를 50명의 배송 작업자로 나누는 대신, 전술한 다수의 데이터 인자 즉, 각 하위-루트에서 루트의 난이도, 주소의 밀집도 및 주소의 볼륨을 기초로 패키지를 할당하고 하위-루트의 조합을 생성하도록 구성된다.

일부 실시예에서, 이력 배송 데이터(404)는 특정한 루트에 대한 기준 개수를 결정하는데 사용될 수 있다. 예를 들어, SAT 시스템(101)은 평일 아침 또는 저녁, 주말 아침 또는 저녁, 휴일을 포함하는 다양한 조건에서, 혼합된 기상 조건, 높은 트래픽 등에서 특정한 하위-루트에 대한 시간당 평균적으로 배송된 주소의 수의 이력 데이터를 이용할 수 있다. 일 예시에서, 100개의 패키지 또는 100개의 주소의 기준 개수를 배송하기 위한 시간은 트래픽이 적거나 아침 시간보다 트래픽이 높거나 저녁 시간 동안 더욱 걸릴 수 있다.

기준 개수를 계산할 때, SAT 시스템(101)은 예를 들어, 70일의 이력 데이터를 분석하고, 시간당 평균 주소 수를 결정하기 위해 이력 배송 데이터(404)를 사용할 수 있다. 더욱 긴 시간 기간이 걸릴 수 있는 시간당 평균 주소 수는 상당히 정확하다. 평균을 취하는 데 사용되는 날이 많을수록 시간당 평균 주소 수가 더욱 정확해지므로, 계산은 상당히 정확하다.

기준 개수를 더욱 정확하게 하기 위해, SAT 시스템(101)은 각 배송 작업자에게 루트를 자동으로 할당하고, (배송 작업자 타입, 즉 일반, 초보자 등에 의존하는) 동일한 타입의 이력 APH 값을 사용할 수 있다. 예를 들어, 하위-루트 A가 주로 새로운 배송 작업자에 의해, 때때로 다른 배송 작업자에 의해 배송되는 경우, SAT 시스템(101)은 새로운 배송 작업자 이외의 배송 작업자에 의한 사전 배송 시도로 인한 이력 APH 값을 사용할 수 있다.

일부 실시예에서, 이력 APH 계산은 배송 작업자의 타입을 구별하지 않는다. 배송 작업자의 타입은 일반(100% 수용량으로 배송), 초보자(서비스의 주의 전체 수(compounding number)에 의존하여 30%, 50%, 65%의 작업 부하로 배송), 시니어(인센티브에 대한 자격을 갖추도록 더욱 많은 작업 부하를 자발적으로 신청한 배송 작업자), 라이트(lite)(더욱 낮은 월급으로 75%의 작업 부하로 배송하는 새로운 배송 작업자)를 포함할 수 있다. 이 경우, 많은 경험이 없는 초보자 배송 작업자에게 하위-루트의 세트가 정기적으로 할당되는 경우, 이들 하위-루트에 대한 70일의 평균 APH(예를 들어, 14 APH)는 100%의 작업 부하로 작업하는 일반 타입의 배송 작업자에 할당되는 것(예를 들어, 19 APH로 가정)보다 낮을 수 있다.

일부 실시예에서, 하위-루트에서의 주소의 밀집도가 높은 경우, 기준 개수는 그 루트에 대해 더욱 높을 수 있다. 예를 들어, 주소가 서로 더 가까울수록, 다음 주소에 도달하는 것이 더욱 쉬워진다. 일부 실시예에서, 하위-루트 내의 주소 또는 패키지의 볼륨이 높은 경우, 기준 개수는 그 루트에 대해 더욱 적을 수 있다. 일부 실시예에서, 하나의 하위-루트로부터 다른 하위-루트로 이동하는 시간이 긴 경우, 기준 개수는 그 루트에 대해 더욱 적을 수 있다. 일부 실시예에서, 루트 난이도 등급이 높은 경우, 기준 개수는 그 루트에 대해 더욱 적을 수 있다. 일부 실시예에서, 주소의 밀집도는 시간당 주소(APH)를 기초로 측정될 수 있다. 예를 들어, 지난 70일 분량의 APH는 각 하위-루트에 대해 평균적인 배송 작업자가 그 하위-루트에서 얼마나 많은 주소로 배송할 것으로 예상되는지를 측정하는 데 사용될 수 있다. 범위는 예를 들어, 14 내지 30 APH 내에 있을 수 있다.

예를 들어, 배송하기 매우 어려운 하위-루트에서의 볼륨이 많은 경우, 계산된 기준 개수는 볼륨이 적고 루트가 덜 어려운 다른 루트보다 더욱 적을 것이다. 높은 루트 난이도의 예시는 배송 속도가 느린 경우, 예를 들어 교통량이 많거나 제한 속도가 낮거나 배송 트럭에 대해 도로가 너무 좁거나, 또는 각 주거지에 대한 전용 주차 공간, 고속 엘리베이터 또는 라벨이 부족한(따라서, 배송 작업자가 패키지를 배송할 곳을 결정하는데 더욱 많은 시간을 필요로 하는) 주거 단지의 경우일 수 있다. 낮은 루트 난이도 등급에 영향을 미칠 수 있는 인자는 예를 들어, 교통량이 적거나 제한 속도가 높거나, 도로가 배송 트럭에 대해 충분히 넓거나, 또는 각 거주지에 대해 전용 주차 공간, 고속 엘리베이터 또는 라벨을 갖는(따라서, 배송 작업자가 패키지를 배송할 곳을 결정하는데 더욱 적은 시간을 필요로 하는) 주거 단지의 경우를 포함한다. 일부 실시예에서, APH는 밀집도 및 난이도 등급 양자에 관련된다.

기준 개수를 초과하여 배송된 매 패키지 또는 배송된 주소 마다, 배송 작업자는 인센티브 즉, 추가적인 보상을 받을 수 있다. 일 실시예에서, SAT 시스템(101)은 배송할 150개의 패키지의 기준 개수로 특정한 루트에 배송 작업자를 할당할 수 있다. 이러한 실시예에서, 150개의 패키지가 배송된 이후에, 배송 작업자는 배송된 매 패키지 마다 추가적인 임금을 보상받을 수 있다. 배송 작업자는 예를 들어, (배송할 패키지의 기준 개수인) 150개의 패키지를 초과하여 배송된 매 추가적인 패키지 마다 5 USD를 받을 수 있다. 다른 실시예에서, SAT 시스템(101)은 배송될 120개의 주소의 기준 개수를 갖는 특정 루트에 배송 작업자를 할당할 수 있다. 이러한 실시예에서, 120개의 주소에 배송된 이후에, 배송 작업자는 배송된 매 주소 마다 추가적인 임금을 보상받을 수 있다. 배송 작업자는 예를 들어, 120개의 주소 (전달할 기본 주소 수)를 초과하여 배송되는 매 추가적인 주소마다 5 USD를 받을 수 있다.

다른 실시예에서, 기준 개수는 배송된 다수의 패키지 또는 배송된 주소보다는 작업 시간의 수일 수 있다. 예를 들어, 배송 작업자는 배송을 위한 그의 기준 시간으로 6 시간을 가질 수 있다. 이러한 실시예에서, 6 시간이 지난 후에, 배송 작업자는 배송된 매 패키지 또는 배송된 매 주소 마다 추가적인 임금을 보상받을 수 있다. 일 예시에서, 배송 작업자는 배송을 위한 기준 시간을 초과하여 배송되는 매 주소 또는 매 패키지 마다 5 USD를 받을 수 있다.

일부 실시예에서, SAT 시스템(101)은 배송을 위한 배송 작업자를 보내기 30분 전에, 각 루트 할당 및 루트의 기준을 결정하기 위해, (예를 들어, 루트 생성기(416)와 관련하여 위에서 논의된 바와 같이) 알고리즘을 구동시킬 수 있다. 일부 실시예에서, 알고리즘은 SAT 시스템(101)이 배송 작업자에게 제공하는 할당의 출력을 제공한다. 배송 작업자가 루트의 변경을 요청하는 경우, SAT 시스템(101)은 배송 작업자가 그 특정한 루트를 피하도록, 알고리즘을 재구동하고 상이한 할당의 출력을 생성할 수 있다.

또한, 배송 작업자의 이용 가능성을 기초로, 또는 배송 작업자가 루트 상에서 너무 많은 패키지 또는 주소를 갖는 경우, 예를 들어, 캠프 구역(215) 리더는 한 명의 배송 작업자를 하나의 루트로부터 다른 루트로 변경하거나, 기준에 대해 변경하거나, 각 루트에 할당될 수 있는 실제 정거장(stops)을 변경하거나, 하위-루트를 하의 루트로부터 다른 것으로 이동시키거나, 또는 하위 루트를 이동시키고 하위-루트를 다른 루트에 넣기 위한 입력을 SAT 시스템(101)에 제공할 수 있다. 따라서, 알고리즘이 할당 출력을 제공하는 동안, SAT 시스템(101)은 할당을 재구성할 수 있다. 일부 실시예에서, 알고리즘이 구동되고 각 루트에 대한 기준을 할당할 때마다, 기준은 데이터베이스에 저장된다.

도 6은 개시된 실시예와 일치하는 캠프 구역(215) 리더에 의한 사용을 위한 그래픽 사용자 인터페이스(GUI, 600)의 시스템 시각적 표현의 개략도이다. 캠프 구역(215)의 리더는 특정한 날짜의 배송에 이용 가능한 작업자의 수 및 타입에 관련된 정보를 입력할 수 있다. 각 작업자는 일반 배송 작업자, 반일 작업자, 워크맨, 초보자 또는 시니어 배송 작업자로 분류될 수 있다. 이들 타이틀의 각각은 상이한 배송 경험 또는 스킬 레벨에 상관될 수 있다. "초보자" 분류는 새로운 배송 작업자 또는 배송 경험이 거의 없거나 전혀 없는 배송 작업자를 나타낸다. "반일" 분류는 "유연한 작업자"이며 반일만 작업할 수 있는 배송 작업자를 나타낸다. "유연한 작업자"는 유연한 스케줄을 갖고 하루 종일 및 반일 양자 모두로 작업할 수 있는 작업자이다. "유연한 작업자"는 하루 동안 상이한 시간에 작업하거나, 매일 상이한 기간 동안 작업하거나, 또는 임의의 다른 타입의 유연한 스케줄에 따라 작업하는 작업자를 지칭할 수 있다. 통상적으로, "반일" 작업자는 전체 배송 루트와는 다른 하위-루트를 운영할 수 있고, 모든 루트 타입은 "반일" 작업자에게 고려된다. "워크맨"은 먼 거리를 걸어서 소포를 손으로 배송 할 수 있는 배송 작업자의 분류를 나타낸다. "워크맨" 분류의 배송 작업자는 패키지를 배송하기 위해 트럭을 사용할 수 있고, 패키지를 반납하고 배송하기 위해 트럭 운전사와 함께 트럭으로 출발할 수 있다. "시니어" 분류는 수년간 상당한 배송 경험을 갖는 배송 작업자를 나타낸다. 다른 분류 식별도 가능할 수 있다. 각 타입의 작업자는 또한, 그의 분류와 연관된 효율을 기초로 상이하게 가중치가 부여될 수 있다. 도 6에 도시된 바와 같이, GUI(600)의 예시적인 시스템의 시각적 표현은 당일 배송에 이용 가능한 작업자를 보기 위해 작업자의 수 및 타입을 입력하기 위한 툴바(toolbar)를 포함한다.

도 6에 도시된 바와 같이, 반환된 툴바의 검색 결과는 이용 가능한 배송 작업자로서 "존 스미스(John Smith)(602)", "팀 톰슨(Tim Thompson)(604)", "리차드 존슨(Richard Johnson)(606)" 및 "제이콥 케리(Jacob Kerry)(607)"를 포함할 수 있다. "존 스미스"는 "유연한 작업자(608)"로 분류되고, "팀 톰슨"은 "반일 작업자(610)"로 분류되고, "리차드 존슨"은 "워크맨(612)"으로 분류되며, "제이콥 케리"는 "전일 작업자(613)"로 분류된다. 이용 가능한 배송 영역, 루트 및 하위-루트에 근접함을 나타내기 위해 각 배송 작업자에 인접하게 주소도 나열된다. 예시로서, "존 스미스"는 서울시 중구 명동 31-34 아파트 305동 105호에 위치된다. 도 6에 도시된 바와 같이, "존 스미스(602)"는 "루트 배송(614)"에 할당되고, "팀 톰슨(604)"은 "하위-루트 배송(616)"에 할당된다. 위에서 논의된 바와 같이, 양자의 루트 타입이 "반일" 작업자에 대해 고려되지만, "반일" 작업자는 (전체 루트와는 다른) 하나 이상의 하위-루트를 따라 패키지를 배송할 수 있다. 그러므로, 도 6에 도시된 바와 같이, "존 스미스(602)"는 완전한 "루트 배송(614)"을 수행하는 한편, "팀 톰슨(604)"은 "존 스미스"(602)가 할당된 루트의 일부를 포함하거나 그렇지 않을 수 있는 유연한 "하위-루트 배송(616)"을 수행한다. 또한, 도 6에 도시된 바와 같이, "제이콥 케리(607)"는 볼륨 요청(620)을 제공하였고, SAT 시스템(101)은 그의 볼륨 요청에 응답하여 배송을 위한 추가적인 패키지 또는 주소에 제이콥 케리를 할당하였다. 따라서, "제이콥 케리(607)"는 그의 기준 개수를 초과하여 배송된 모든 패키지 또는 배송된 주소에 대해 추가적인 보상을 받을 것이다.

또한, 도 6에 도시된 바와 같이, 캠프 구역(215)의 리더가 각 배송 작업자와 연관된 분류, 스케줄, 가중치, 효율 및 다른 피처를 보도록 허용하는 다른 그래픽 인터페이스 구성 요소가 포함된다. 예를 들어, 상태 바(620)는 이들 각각이 상이한 정보를 제공하는 "수/타입/작업자", "처리 중", "완료", "미완료", "수령 거부" 및 "분류"에 대한 상태를 포함할 수 있다.

"수/타입/작업자"는 배송 작업자의 수 및 타입의 상태 또는 서술을 나타낼 수 있다. "처리 중"은 현재 이루어지는 배송의 수를 나타낼 수 있다. "완료"는 완료된 주문의 수를 나타낼 수 있다. "미완료"는 미완료된 배송의 수를 나타낼 수 있다. "수령 거부"는 그의 주문의 수령을 거부한 수령인의 수를 나타낼 수 있다. "분류(628)"는 이용 가능하고 현재 실시간 배송을 위해 이용되고 있는 분류의 전체 수(예를 들어, 전일 작업자 대 유연한 작업자의 수)를 나타낼 수 있다. 배송 작업자의 할당 및 사전 할당을 허용하기 위해 다른 GUI(600) 그래픽 구성요소가 고려된다.

추가적으로, 배송 작업자는 예를 들어, 매 작업 일에 작업의 체크인 및 체크 아웃뿐만 아니라 볼륨 요청 및 인센티브 프로그램에 대한 등록을 위해 도 2의 모바일 디바이스(107A)에서 구동되는 모바일 애플리케이션을 사용할 수 있다.

일부 실시예에서, 작업자의 효율 특성은 계산된 기준 개수로부터 증가된 작업 부하의 퍼센트에 대응할 수 있다. 예를 들어, SAT 시스템(101)은 현재, 인센티브 프로그램의 일부가 되도록 자발적으로 등록한 배송 작업자를 시니어 배송 작업자로 라벨링한다. SAT 시스템(101)은 시니어 A, 시니어 B, 시니어 C, 시니어 D를 포함하는 네 개의 타입의 배송 작업자를 가질 수 있다. "A"는 가장 높은 비율을 가질 수 있고, 평균적으로 시니어 "A"는 기준보다 약 20% 더 많은 작업 부하를 할당 받을 수 있다. 시니어 "B"는 기준보다 15% 더 많은 작업 부하를 할당 받을 수 있고, 시니어 "C"는 기준보다 10% 더 많은 작업 부하를 할당 받을 수 있으며, 시니어 "D"는 기준보다 5% 더 많은 작업 부하를 할당 받을 수 있다.

일부 실시예에서, SAT 시스템(101)은 추가적인 패키지를 배송하거나 또는 추가적인 주소로 배송하기 위해 (즉, 다른 배송 작업자를 지원하는) 배송 작업자를 자동으로 할당할 수 있으며, 그를 통해 배송 작업자를 인센티브 프로그램에 자동으로 할당할 수 있다. 예를 들어, SAT 시스템(101)이 하위-루트의 조합을 기초로 루트를 배열할 때, SAT 시스템(101)은 효율의 이유로 하위-루트를 더욱 작은 성분으로 분할하지(break up) 않을 수 있다. 또한, 하위-루트를 분할하는 것은 너무 많은 계산을 요구할 것이다. 따라서, 하위-루트 A 또는 B에서 그 날짜에 대해 일정량의 볼륨이 있는 경우, SAT 시스템(101)은 그것들을 분할하지 않을 수 있다. 기준이 130일 수 있지만, 하위-루트의 조합에서 추가적인 정지(stop)가 있다. SAT 시스템(101)이 하위-루트를 분할하지 않을 수 있기 때문에, SAT 시스템(101)은 다른 배송 작업자에게 여분의 주소를 그 대신에 할당할 수 있다.

다른 실시예에서, 새로운 배송 작업자 또는 그 루트에 대해 많은 경험이 있지 않은 배송 작업자가 있을 수 있고, 배송 작업자가 그 루트에 대한 기준을 충족시키지 못하는 경우, SAT 시스템(101)은 추가적인 패키지 또는 주소를 지원을 위한 다른 배송 작업자에게 할당할 수 있다. 이러한 실시예에서, 추가적인 패키지 또는 주소를 할당 받은 배송 작업자는 기준을 초과하여 배송된 매 패키지 또는 배송된 주소에 대해 추가적인 임금으로 보상될 수 있다.

또한, 이러한 실시예에서, SAT 시스템(101)이 배송을 다른 배송 작업자에게 인계할(transfers) 때, 캠프 구역(215) 리더에 의해 사용되는 그래픽 사용자 인터페이스(GUI, 600)는 변경을 반영할 수 있다. 예를 들어, 배송 작업자 A가 그의 기준을 충족시킬 수 없는 경우, 시스템은 패키지 X의 배송을 배송 작업자 B에게 인계할 수 있다. SAT 시스템(101)은 그래픽 사용자 인터페이스(GUI)(600) 상에서 패키지 X의 배송을 배송 작업자 A에 의한 "처리 중"인 것으로 더 이상 나열하지 않을 수 있고, 그래픽 사용자 인터페이스(GUI)(600) 상에서 패키지 X의 배송을 배송 작업자 B에 의한 "처리 중"인 것으로 업데이트할 수 있다. 실제로, 패키지가 배송 작업자 B의 기준을 초과한 경우, 배송 작업자 B는 패키지 X를 배송하는 것에 대한 추가적인 보상을 받을 수 있다. 더욱 구체적으로, 하루의 배송 이후에, SAT 시스템(101)은 실제 배송된 주소 카운트를 배송 작업자 B에 대한 기준에 비교할 수 있다. 기준을 통해 배송된 각 주소(또는 패키지)에 대해, 배송 작업자 B는 주소 당 인센티브를 지급 받을 수 있다.

도 7은 개시된 실시예와 일치하는, 모바일 디바이스 상에서의 그래픽 사용자 인터페이스(GUI)의 시각적인 표현의 개략도이다. 도 7에 도시된 바와 같이, 모바일 디바이스 인터페이스(700)는 인터페이스(600)에 유사하지만, 배송 작업자에게 디스플레이하도록 구성된 인터페이스를 제공할 수 있다. 모바일 디바이스 인터페이스(700)는 배송 작업자에 의해 보여질 수 있다. 예를 들어, 도 7에 도시된 바와 같이, 모바일 디바이스 인터페이스(700)는 "존 스미스"라는 이름의 작업자에게 할당된 인터페이스를 포함한다. 인터페이스(700)는 "유연한 작업자(Flex Worker)(608)"로서 존 스미스의 분류를 포함하며, 배송 날짜(702) "2019 03 07"(즉, 2019년 3월 7일), 배송 시작 지점 또는 목적지 주소(704) "서울시 강남구 삼성1동 테헤란로 447"를 나타내고, 배송 작업자에 대한 효율 또는 가중치 등급(706)을 포함하고, 배송 작업자를 안내하기 위한 도로, 식당 및 랜드마크를 포함하는 배송 근접(delivery proximity)의 지도(708)를 더 포함한다. 그의 배송을 하는 배송 작업자를 보조하기 위해, 도시되지 않은 다른 그래픽 구성요소가 모바일 디바이스 인터페이스(700)에 고려되고 포함될 수 있다.

전술한 바와 같이, 일부 실시예에서, SAT 시스템(101)은 추가적인 패키지를 배송하거나 또는 추가적인 주소로 배송하기 위해 (즉, 다른 배송 작업자를 지원하는) 배송 작업자를 자동으로 할당할 수 있고, 그에 의해 배송 작업자를 인센티브 프로그램에 자동으로 할당할 수 있다. 이러한 실시예에서, SAT 시스템(101)이 배송을 다른 배송 작업자에게 인계하는 경우, 인계자(transferor)인 배송 작업자에 의해 동작되는 모바일 디바이스 인터페이스(700) 및 인수자(transferee)인 배송 작업자에 의해 동작되는 사용자 인터페이스 모바일 디바이스 인터페이스(700)는 변경을 반영할 수 있다. 예를 들어, 배송 작업자 A가 그의 기준을 충족시킬 수 없는 경우, 시스템은 패키지 X의 배송을 배송 작업자 B에게 인계할 수 있다. 배송 작업자 A의 모바일 디바이스 인터페이스(700)는 더 이상 패키지 X를 나열하지 않는 한편, 배송 작업자 B의 모바일 디바이스 인터페이스(700)는 배송을 위한 패키지 X를 나열할 것이다.

도 8은 개시된 실시예와 일치하는, 배송 작업자를 할당하고 배송 루트를 관리하기 위한 예시적인 프로세스를 나타내는 흐름도이다. 예시적인 방법(800)이 본원에서 일련의 단계로 서술되지만, 단계의 순서는 다른 구현에서 변경될 수 있음이 이해될 것이다. 특히, 단계는 임의의 순서로 또는 병렬로 수행될 수 있다.

단계 802에서, 예상된 배송 효율 생성기(406)는 데이터베이스(401)로부터 지리 데이터(402) 및 이력 데이터(404)를 검색할 수 있다. 지리 데이터(402) 및 이력 데이터(404)는 각각 복수의 배송 루트 및 복수의 배송 하위-루트를 포함할 수 있다. 예상된 배송 효율 생성기(406)는 복수의 미리 정의된 영역 및 복수의 하위-영역과 연관된 지리 데이터(402)를 수신할 수 있다. 지리 데이터(402)는 풍경 데이터, 비즈니스 데이터, 주거 데이터, 주차 데이터 또는 건물 데이터 중 적어도 하나를 포함할 수 있다. 하위-루트 또는 하위-영역 데이터는 루트 또는 영역 데이터의 일부로서 존재할 수 있다. 이력 데이터(404)는 배송 위치, 배송 시간, 배송 운전자 및/또는 배송 패키지 중 하나 이상을 포함하는 과거 배송과 관련된 데이터일 수 있다.

단계 804에서, 예상된 배송 효율 생성기(406)는 검색된 지리 데이터(402) 및 이력 데이터(404)를 기초로, 예상된 배송 효율(APH 값)을 계산할 수 있다. 예상된 배송 효율 생성기(406)는 또한, 검색된 배송 루트 및 배송 하위-루트에 할당된 패키지의 개수를 기초로 그의 계산을 할 수 있다. 예상된 배송 효율 생성기(406)는 예상된 배송 효율을 결정할 수 있으며, 예상된 배송 효율은 시간당 작업자에 의해 방문된 주소(APH)의 백분위수에 의해 측정된다. 예상된 배송 효율 생성기(406)는 이력 데이터(404)를 기초로, 선택된 개별적인 사전 정의된 영역 및 하위-영역에 대한 APH를 더 계산할 수 있다. 일부 실시예에서, 크로스-시간 생성기(408)는 이력 데이터(404)를 기초로 각 영역 및 하위-영역에서 APH의 백분위수 값을 계산할 수 있다. 일부 실시예에서, 특정한 백분위수는 예상된 배송 효율(예를 들어 60번째 백분위수)로서 결정될 수 있다. 다른 양상에서, 예상되는 배송 효율은 배송 작업자의 배송 시간 및 스킬 또는 경험을 고려할 수 있다.

단계 806에서, 크로스 시간 생성기(408)는 (도 5에 도시된 바와 같이) 작업자가 제1 및 제2 영역(502, 504) 사이에서 이동하는 예상된 시간을 계산하기 위해 이력 크로스-시간 생성 모듈(410)을 구현할 수 있으며, 예상된 시간은 중간 시간 공백 또는 평균 시간을 기초로, 크로스-영역 시간(501) 및 하위-영역(502, 504) 시간을 포함한다. 이력 크로스-시간 생성 모듈(410)은 지난 3개월의 시간 기간 내에 두 개의 영역 또는 하위-영역 사이의 중간 시간 공백을 사용할 수 있다. 이 시간 기간은 단순히 크로스-시간이 아닌 주문의 배송 시간을 포함할 수 있다. 중간 시간 공백이 존재하지 않거나 데이터 샘플의 수가 2보다 크지 않은 경우, 이력 크로스-시간 생성 모듈(410)은 캠프 구역(215) 내에서 평균 크로스 영역/하위-영역 시간을 구현할 수 있다.

단계 808에서, 크로스-시간 생성기(408)에서 크로스-시간 완료 및 교정 모듈(412)은 "운전 시간(506)", "주차 시간(508)", "분류 시간(510)" 및 "배송 시간(512)"을 결정할 수 있다. 크로스-시간 완료 및 교정 모듈(412)은 임의의 두 개의 영역 또는 하위-영역 사이의 "운전 시간(506)"을 획득하기 위해 지도 서비스 모듈(430)과 통신할 수 있다. 그 후, 크로스-시간 완료 및 교정 모듈(412)은 "운전 시간"과 크로스-시간(501) 사이의 수학적인 관계를 획득하기 위해 선형 회귀를 수행할 수 있다. 크로스-시간 완료 및 교정 모듈(412)은 크로스 시간(501)을 결정하고 시간 값의 크로스 시간(501) 매트릭스를 구현하기 위해, 획득된 수학적 관계 및 맵 서비스 모듈(430)로부터 획득된 운전 시간을 이용할 수 있다. 크로스-시간 완료 및 교정 모듈(412)은 새롭게 계산된 크로스-시간(501)을 완성시키고 완료하며 교정하기 위해 구현된 시간 값의 매트릭스를 더 이용할 수 있다.

단계 810에서, 루트 생성기(416)는 다수의 배송 작업자를 그룹에 할당할 수 있다. 루트 생성기(416)는 디바이스(119A 내지 119C)로부터, 사용자 구성 및 선호도(414) 입력, 및 배송에 이용 가능한 작업자의 수 및 타입을 수신할 수 있으며, 타입은 작업자와 연관된 분류 특성 및 효율 특성을 포함한다. 사용자 입력은 GUI에서 정보의 수동 입력을 포함할 수 있다. 각 작업자는 사용자 구성 및 선호도(414)를 기초로 "반일", "워크맨", "초보자" 또는 "시니어 배송 작업자" 중 하나로 분류될 수 있다. 각 타입의 배송 작업자는 그의 분류와 연관된 효율을 기초로 상이하게 가중치가 부여될 수 있다. 루트 생성기(416)는 분류 특성, 분류 특성을 기초로 하는 가중치, 효율 특성에 따른 배송 작업자에 따라, 작업자를 복수의 카테고리(또는 그룹) 중 적어도 하나로 분류할 수 있다(또는 할당할 수 있다). 가중치는 시간 기간 동안 특정한 사용자가 얼마나 많은 패키지를 취할 수 있는지를 결정하는 데 사용될 수 있다. 예를 들어, 반일 배송 작업자는 일반 배송 작업자(100%)의 절반만큼(즉, 50%) 다수의 패키지를 배송하고 수송할 수 있는 한편, 시니어 배송 작업자는 일반 작업자에 비해 패키지의 120%를 취할 수 있다. 가중치는 각 작업자에 대해 배송을 위한 예상된 패키지의 수를 기초로 할 수 있다. 다른 가중치가 고려될 수 있으며, 분류 특성은 경험 또는 효율 중 적어도 하나를 포함할 수 있다.

루트 생성기(416)에서 출근 할당 최적화 모듈(418)은 수신된 사용자 입력에 부가하여 계산된 패키지 수를 기초로 다수의 배송 작업자를 그룹에 할당할 수 있다. 출근 할당 최적화 모듈(418)은 배송 작업자를 복수의 그룹에 더 할당할 수 있으며, 그룹은 상이한 배송 루트 및 상이한 배송 하위-루트에 대응한다. 이는 패키지 분배 및 출근 값을 포함하는 사용자 입력을 기초로, 그룹에 다수의 작업자를 할당하는 것을 포함할 수 있다. 예시로서, 50명의 배송 작업자 및 네 개의 그룹이 있는 경우, 출근 할당 최적화 모듈(418)은 "그룹 1"이 10명의 배송 작업자를 포함하는 것으로 결정할 수 있고, 출근 할당 최적화 모듈(418)은 10명의 배송 작업자에 대한 10개의 배송 루트를 생성할 것이다. 이어서, 10개의 배송 루트가 생성된 이후에, 캠프 리더는 어느 작업자가 어느 그룹 및 루트에 할당되는지를 결정할 수 있다. 예를 들어, 캠프 리더는 "그룹 1"에서 "Bob"이 "루트 1"을 점유하고, "그룹 1"에서 "스티브"가 "루트 2"를 점유하도록 결정할 수 있으며, 사용자 인터페이스의 사용자 입력을 기초로 이 할당을 수행할 수 있다(도 6). 다른 수의 배송 작업자 및 그룹이 고려될 수 있다. 본 개시와 일치하는, 출근 할당 최적화 모듈(418)은 또한, 이용 가능한 패키지 및 하위-루트를 특정 그룹으로 미리 할당된 배송 작업자에게 할당할 수 있다. 이 할당은 배송 트럭에서 제품을 분류하는 작업을 운전자로부터 캠프 구역(215)의 헬퍼(helper)에게 인계할 수 있으며, 따라서 동적 배송 프로세스의 효율을 향상시킬 수 있다.

출근 할당 최적화 모듈(418)은 할당을 기초로, 할당된 작업자를 배송 루트 및 배송 하위-루트와 비교할 수 있다. 출근 할당 최적화 모듈(418)은 또한, 루트 및 하위-루트 당 패키지의 개수를 결정할 수 있다. 출근 할당 최적화 모듈(418)은 작업자를 상이한 그룹에 할당하는 출근 할당을 수행할 수 있으며, 작업자 배송 당 패키지의 평균값을 기초로 그룹의 평균 편차 값을 계산할 수 있다. 이 계산은 그룹의 평균 운전자 당 패키지(packages per driver, ppd)의 평균 편차를 캠프의 평균 ppd로부터 최소화하기 위해 수행될 수 있다. 위에서 논의된 바와 같이, 출근 할당 최적화 모듈(418)은 그룹당 배송 작업자의 수를 결정할 수 있고, 출근 할당 최적화 모듈(418)은 특정 그룹에 할당된 배송 작업자의 수에 대응하는 다수의 루트를 생성할 수 있다. 이어서, 배송 루트가 생성된 이후에, 캠프 리더는 어느 작업자가 어느 그룹 및 루트에 할당되는지를 결정할 수 있다. 다른 수의 배송 작업자 및 그룹이 고려될 수 있다. 다른 실시예에서, 배송 작업자는 출근 할당 최적화 모듈(418) 및 출근 할당을 기초로 할당되기보다는 그룹으로 미리 할당될 수 있다. 본 개시와 일치하는, 캠프 리더는 작업자를 미리 할당하기 위해, 배송 작업자 정보를 인터페이스(도 6)에 입력할 수 있다. 다른 출근 할당 및 사전 할당 배열이 고려될 수 있다.

단계 812에서, 루트 생성기(416)에서 시드 분배 생성 모듈(420)은 영역을 생성하고 과도한 영역을 삭제할 수 있다. 시드 분배 생성 모듈(420)은 사용자에 의해 구성된 규칙을 기초로 및 배송 작업자의 분류를 기초로 영역을 생성할 수 있다. (예를 들어, "로우-탑", "작업자 우선" 및 "다른 규칙"). 위에서 논의된 바와 같이, "로우-탑" 분류는 대형 트럭과는 다른, 더욱 낮은 탑을 갖는 차량에 배송물을 적재한 경험이 있는 배송 작업자를 나타낼 수 있다. "작업자 우선" 분류는 모든 분류의 수작업자 또는 적재 스킬을 보유하고, 다양한 복잡도를 갖는 모든 상이한 타입의 작업을 수행할 수 있는 배송 작업자를 나타낼 수 있다. "다른 규칙" 분류는 당면한 특정 배송 요구 사항을 기초로 지정될 수 있는 다른 규칙을 나타낼 수 있다. 시드 분배 생성 모듈(420)은 분류, 배송 루트 및 배송 하위-루트와 연관된 배송 영역 및 배송 하위-영역을 생성할 수 있고, 생성된 배송 영역과 생성된 배송 하위-영역을 결합할 수 있으며, 생성된 배송 영역 및 생성된 배송 하위-영역을 제거할 수 있다. 시드 분배 생성 모듈(420)은 또한 분류, 이력 데이터 및 맵 데이터 최적화를 기초로 배송 루트 및 배송 하위-루트를 생성할 수 있다.

단계 814에서, 루트 생성기(416)에서의 재분배 최적화 모듈(422)은 시드 분배 생성 모듈(420)에 의해 생성되거나 삭제된 영역을 기초로 새로운 후보 영역을 생성할 수 있다. 재분배 최적화 모듈(422)은 또한, 후보 루트와 연관된 새로운 후보 배송 영역 및 후보 배송 하위-영역을 생성할 수 있다. 재분배 최적화 모듈(422)은 또한, 작업자의 각 분류에 대한 후보 루트를 생성함으로써 루트 밸런싱(route balancing)을 수행할 수 있다. 재분배 최적화 모듈(422)은 할당된 작업자의 양에 매칭하도록, 시드 분배 생성 모듈(420)에 의해 생성된 배송 루트의 수량 및 배송 하위-루트의 수량을 더 수정할 수 있다. 재분배 최적화 모듈(422)은 할당된 작업자의 양과 매칭하도록, 배송 루트의 수량을 증가시키거나 또는 감소시키고, 배송 하위-루트의 수량을 증가시키거나 또는 감소시킬 수 있다. 이 수정은 루트 밸런싱 문제의 복잡성을 감소시키기 위해 수행되는 휴리스틱 방법(heuristic method)일 수 있다. 예를 들어, 위에서 논의된 바와 같이, 할당된 배송 작업자는 할당할 루트와 비교될 수 있고, 재분배 최적화 모듈(422)은 배송으로부터 루트를 추가하거나 또는 제거함으로써 둘을 동일하게 하도록 시도할 수 있다.

단계 816에서, 루트 생성기(416)의 재분배 최적화 모듈(422)은 영역의 최적의 조합을 결정할 수 있다. 재분배 최적화 모듈(422)은 배송 비용을 최소화하기 위해, 생성된 후보 배송 영역 및 생성된 후보 배송 하위-영역을 결합하고, 생성된 후보 배송 영역 및 생성된 후보 배송 하위-영역을 제거하며, 생성된 후보 배송 영역 및 생성된 후보 배송 하위-영역의 조합을 결정할 수 있다. 재분배 최적화 모듈(422)은 배송 비용을 최소화하기 위해 후보 배송 영역 및 후보 배송 하위-영역 중 적어도 하나를 재분배 할 수 있다. 재분배 최적화 모듈(422)은 (도 4를 참조하여 논의된 바와 같이) "0/1 프로그래밍 모델"의 해결을 기초로 영역의 최적의 조합을 결정할 수 있다. 다른 최적화 기법이 고려되고 구현될 수 있다.

단계 818에서, 루트 생성기(416)에서의 방문 시퀀스 최적화 모듈(424)은 영역 내에서 최선의 방문 시퀀스를 결정할 수 있다. 방문 시퀀스 최적화 모듈(424)은 수정된 수량 및 생성된 후보 루트를 기초로, 선택된 배송 하위-루트를 교정할 수 있다. 방문 시퀀스 최적화 모듈(424)은 배송 및 작업자 할당을 위해 배송 하위-루트의 하나 이상을 자동으로 선택할 수 있다. 방문 시퀀스 최적화 모듈(424)은 특정한 하위-루트를 함께 유지하기 위해, 하위-루트 방문 시퀀스 조정을 수행할 수 있다. 하위-루트를 함께 유지하기 위해 다른 조정이 수행될 수 있다. 또한, 방문 시퀀스 최적화 모듈(424)은 (도 4에 도시된 바와 같이) 최적의 루트(428)를 생성하고 영역 내에서 최선의 방문 시퀀스를 구현하기 위해, 방문 시퀀스 최적화 이후 패키지(소포) 분배(426)에 관련된 입력을 수신할 수 있다.

단계 820에서, 루트 생성기(416)는 (도 1, 4 및 8에 도시된 바와 같이) 최적의 루트(428)를 디바이스(119A 내지 119C)에 전달할 수 있다. 최적의 루트는 배송 작업자가 할당된 배송 패키지를 효율적으로 배송하도록 안내하기 위한 최적의 루트 및 하위-루트를 포함할 수 있다.

본 개시가 그의 특정한 실시예를 참조로 도시되고 서술되었지만, 본 개시가 다른 환경에서 수정 없이 실시될 수 있음이 이해될 것이다. 전술한 서술은 예시의 목적으로 제시되었다. 이는 완전한 것은(exhaustive) 아니며, 개시된 정확한 형태 또는 실시예로 제한되지 않는다. 통상의 기술자에게는 개시된 실시예의 명세서 및 실시의 고려로부터 수정 및 조정(adaptations)이 명백할 것이다. 부가적으로, 개시된 실시예의 양상이 메모리에 저장되는 것으로 서술되었지만, 통상의 기술자는 이들 양상이 2차 저장 디바이스 예를 들어, 하드 디스크 또는 CD ROM, 또는 다른 형태의 RAM 또는 ROM, USB 매체, DVD, 블루-레이(Blu-ray) 또는 다른 광학 드라이브 매체와 같은 다른 타입의 컴퓨터 판독가능 매체 상에 저장될 수 있음을 인식할 것이다.

기록된 서술 및 개시된 방법을 기초로 하는 컴퓨터 프로그램은 숙련된 개발자의 기술 내에 있다. 다양한 프로그램 또는 프로그램 모듈은 통상의 기술자에게 알려진 기법 중 어느 것을 사용하여 생성될 수 있거나, 또는 기존의 소프트웨어와 관련하여 설계될 수 있다. 예를 들어, 프로그램 섹션 또는 프로그램 모듈은 .Net Framework, .Net Compact Framework(및 Visual Basic, C 등과 같은 관련된 언어), Java, C++, Objective-C, HTML, HTML/AJAX 조합, Java 애플릿이 포함된 XML 또는 HTML로, 또는 이를 통해 설계될 수 있다.

또한, 예시적인 실시예가 여기서 서술되면서, (예를 들어, 다양한 실시예에 걸친 양상의) 동등한 요소, 수정, 생략, 조합, 조정 및/또는 변경을 갖는 임의의 및 모든 실시예의 범주는 본 개시를 기초로 통상의 기술자에 의해 인식될 것이다. 청구범위의 제한사항은 청구범위에 사용된 언어을 기초로 광범위하게 해석되어야 하며, 본 출원의 절차(prosecution) 동안 또는 본 명세서에 서술된 예시로 제한되지 않는다. 실시예는 비-배타적 인 것으로 해석되어야 한다. 또한, 개시된 방법의 단계는 단계를 재정렬하거나 및/또는 단계를 삽입하거나 삭제하는 것을 포함하여 임의의 방식으로 수정될 수 있다. 그러므로, 본 명세서 및 예시는 단지 예시적인 것으로 간주되며, 진정한 범주 및 사상은 다음의 청구범위 및 그의 등가물의 전체 범주에 의해 나타난다.

Claims

출근 할당(attendance assignment)을 위한 컴퓨터 구현된 시스템으로서, 상기 시스템은:
명령어를 저장하는 메모리; 및
복수의 배송 루트(delivery routes) 및 복수의 배송 하위-루트를 검색하고 - 상기 배송 하위-루트는 경계 내의 상기 배송 루트의 일부임 -;
상기 배송 하위-루트에 할당된 패키지의 개수를 계산하고;
제1 입력으로서, 배송에 이용 가능한 작업자의 수 및 타입을 수신하고;
복수의 하위-루트에 복수의 작업자를 할당함으로써 상기 복수의 배송 하위-루트를 수정하고;
복수의 후보 루트를 생성하고;
적어도 하나의 수정된 배송 하위-루트를 배송 작업자와 연관된 전자 디바이스에 전달하고;
상기 전자 디바이스로부터 상기 적어도 하나의 수정된 배송 하위-루트의 배송에 관련된 정보를 수신하고;
저장된 이력 데이터를 기초로, 상기 배송 작업자에 대한 기준 개수를 다시 계산하고 - 상기 기준 개수는 각 하위-루트 내 주소의 밀집도, 각 하위 루트 내 주소의 볼륨, 하나의 하위-루트로부터 다른 하위-루트까지의 이동 시간, 또는 루트 난이도 등급을 기초로 계산됨 - 상기 배송 작업자의 예상되는 능력을 기초로 상기 배송 작업자에 대한 상기 기준 개수의 개선된 계산을 제공하기 위한 상기 명령어를 실행하도록 구성된 적어도 하나의 프로세서를 포함하는, 출근 할당을 위한 컴퓨터 구현된 시스템.
제1항에 있어서, 제2 입력으로서, 하나 이상의 볼륨 요청을 수신하는 것을 더 포함하는, 출근 할당을 위한 컴퓨터 구현된 시스템.
제2항에 있어서, 상기 제1 입력은 패키지 분배 및 출근 값을 더 포함하고, 상기 제2 입력은 배송을 위해 더욱 많은 패키지를 요청하는 상기 하나 이상의 볼륨 요청을 더 포함하는, 출근 할당을 위한 컴퓨터 구현된 시스템.
제1항에 있어서, 할당된 효율 등급을 갖는 복수의 그룹에 상기 작업자를 할당하는 것을 더 포함하는, 출근 할당을 위한 컴퓨터 구현된 시스템.
제1항에 있어서, 상기 기준 개수는 각 루트에 대해 생성되고, 작업자의 상기 타입은 분류 특성 또는 효율 특성 중 적어도 하나를 포함하는, 출근 할당을 위한 컴퓨터 구현된 시스템.
제1항에 있어서, 추가적인 배송에 대해 추가적인 임금을 제공하는 것을 더 포함하는, 출근 할당을 위한 컴퓨터 구현된 시스템.
제5항에 있어서, 상기 작업자의 상기 효율 특성은 상기 기준 개수로부터 증가된 작업 부하의 퍼센트에 대응하는, 출근 할당을 위한 컴퓨터 구현된 시스템.
제1항에 있어서, 복수의 하위-루트에 상기 복수의 작업자를 할당하는 것은 각 하위-루트에서의 주소의 밀집도 및 주소의 볼륨에 더 기초하는, 출근 할당을 위한 컴퓨터 구현된 시스템.
제1항에 있어서, 상기 시스템은 추가적인 배송을 자동으로 할당하는, 출근 할당을 위한 컴퓨터 구현된 시스템.
제1항에 있어서, 상기 시스템은 루트 난이도 및 상기 기준 개수를 결정하기 위해 시간당 평균 주소의 과거 70일의 이력 데이터를 이용하는, 출근 할당을 위한 컴퓨터 구현된 시스템.
출근 할당을 위한 컴퓨터 구현된 방법으로서, 상기 방법은:
복수의 배송 루트 및 복수의 배송 하위-루트를 검색하는 것 - 상기 배송 하위-루트는 경계 내의 상기 배송 루트의 일부임 -;
상기 배송 하위-루트에 할당된 패키지의 개수를 계산하는 것;
제1 입력으로서, 배송에 이용 가능한 작업자의 수 및 타입을 수신하는 것;
복수의 하위-루트에 복수의 작업자를 할당함으로써 상기 복수의 배송 하위-루트를 수정하는 것;
복수의 후보 루트를 생성하는 것;
적어도 하나의 수정된 배송 하위-루트를 배송 작업자와 연관된 전자 디바이스에 전달하는 것;
상기 전자 디바이스로부터 상기 적어도 하나의 수정된 배송 하위-루트의 배송에 관련된 정보를 수신하는 것; 및
저장된 이력 데이터를 기초로, 상기 배송 작업자에 대한 기준 개수를 다시 계산하는 것 - 상기 기준 개수는 각 하위-루트 내 주소의 밀집도, 각 하위-루트 내 주소의 볼륨, 하나의 하위-루트로부터 다른 하위-루트까지의 이동 시간, 또는 루트 난이도 등급을 기초로 계산됨 - 및 상기 배송 작업자의 예상되는 능력을 기초로 상기 배송 작업자에 대한 상기 기준 개수의 개선된 계산을 제공하는 것을 포함하는, 출근 할당을 위한 컴퓨터 구현된 방법.
제11항에 있어서, 제2 입력으로서, 하나 이상의 볼륨 요청을 수신하는 것을 더 포함하는, 출근 할당을 위한 컴퓨터 구현된 방법.
제12항에 있어서, 상기 제1 입력은 패키지 분배 및 출근 값을 더 포함하고, 상기 제2 입력은 배송을 위해 더욱 많은 패키지를 요청하는 상기 하나 이상의 볼륨 요청을 더 포함하는, 출근 할당을 위한 컴퓨터 구현된 방법.
제11항에 있어서, 할당된 효율 등급을 갖는 복수의 그룹에 상기 작업자를 할당하는 것을 더 포함하는, 출근 할당을 위한 컴퓨터 구현된 방법.
제11항에 있어서, 상기 기준 개수는 각 루트에 대해 생성되고, 작업자의 상기 타입은 분류 특성 또는 효율 특성 중 적어도 하나를 포함하는, 출근 할당을 위한 컴퓨터 구현된 방법.
제11항에 있어서, 추가적인 배송에 대해 추가적인 임금을 제공하는 것을 더 포함하는, 출근 할당을 위한 컴퓨터 구현된 방법.
제15항에 있어서, 상기 작업자의 상기 효율 특성은 상기 기준 개수로부터 증가된 작업 부하의 퍼센트에 대응하는, 출근 할당을 위한 컴퓨터 구현된 방법.
제11항에 있어서, 복수의 하위-루트에 상기 복수의 작업자를 할당하는 것은 각 하위-루트에서의 주소의 밀집도 및 주소의 볼륨에 더 기초하는, 출근 할당을 위한 컴퓨터 구현된 방법.
제11항에 있어서, 상기 방법은 추가적인 배송을 자동으로 할당하는, 출근 할당을 위한 컴퓨터 구현된 방법.
제11항에 있어서, 상기 방법은 루트 난이도 및 상기 기준 개수를 결정하기 위해 시간당 평균 주소의 과거 70일의 이력 데이터를 이용하는, 출근 할당을 위한 컴퓨터 구현된 방법.