KR102548938B1 - 기계-학습 보조 재고 배치를 위한 시스템 및 방법 - Google Patents

기계-학습 보조 재고 배치를 위한 시스템 및 방법 Download PDF

Info

Publication number
KR102548938B1
KR102548938B1 KR1020220125735A KR20220125735A KR102548938B1 KR 102548938 B1 KR102548938 B1 KR 102548938B1 KR 1020220125735 A KR1020220125735 A KR 1020220125735A KR 20220125735 A KR20220125735 A KR 20220125735A KR 102548938 B1 KR102548938 B1 KR 102548938B1
Authority
KR
South Korea
Prior art keywords
product
tag
fulfillment center
database
processors
Prior art date
Application number
KR1020220125735A
Other languages
English (en)
Other versions
KR20220139268A (ko
Inventor
신 시
Original Assignee
쿠팡 주식회사
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 쿠팡 주식회사 filed Critical 쿠팡 주식회사
Publication of KR20220139268A publication Critical patent/KR20220139268A/ko
Application granted granted Critical
Publication of KR102548938B1 publication Critical patent/KR102548938B1/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
    • G06Q10/0838—Historical data
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
    • G06Q10/087—Inventory or stock management, e.g. order filling, procurement or balancing against orders
    • G06Q10/0875—Itemisation or classification of parts, supplies or services, e.g. bill of materials
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • 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
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/25—Integrating or interfacing systems involving database management systems
    • G06F16/252—Integrating or interfacing systems involving database management systems between a Database Management System and a front-end application
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • 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"
    • G06Q10/043—Optimisation of two dimensional placement, e.g. cutting of clothes or wood
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06312—Adjustment or analysis of established resource schedule, e.g. resource or task levelling, or dynamic rescheduling
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
    • G06Q10/06375—Prediction of business process outcome or impact based on a proposed change
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0201—Market modelling; Market analysis; Collecting market data
    • G06Q30/0204—Market segmentation
    • G06Q30/0205—Location or geographical consideration

Landscapes

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

Abstract

본 개시의 실시예는 명령어를 저장하는 메모리 및 명령어를 실행하도록 구성된 적어도 하나의 프로세서를 포함하는 재고 배치를 관리하기 위한 시스템 및 방법을 제공한다. 프로세서는 재고 배치를 위한 제품의 식별자를 수신하고, 데이터베이스에 저장된 과거 배송 데이터에 기초하여, 제품에 대한 고객의 수요가 가장 높은 구역을 결정하도록 구성될 수 있다. 프로세서는 기계 학습 알고리즘을 사용하여, 제품에 대한 고객의 수요가 가장 높은 구역과 연관된 온도에 적어도 기초하여 제품과 연관된 제품 태그를 예측할 수 있다. 프로세서는 제품 태그를 제품 식별자에 할당하고, 배치를 위한 제품을 풀필먼트 센터에 할당하도록 데이터베이스를 더 수정할 수 있다. 풀필먼트 센터는 제품에 할당된 제품 태그에 대응하는 풀필먼트 센터 태그와 연관될 수 있다.

Description

기계-학습 보조 재고 배치를 위한 시스템 및 방법{SYSTEMS AND METHODS FOR MACHINE-LEARNING ASSISTED INVENTORY PLACEMENT}
본 개시는 전반적으로 재고 배치를 관리하기 위한 컴퓨터화된 시스템 및 방법에 관한 것이다. 특히, 본 개시의 실시예들은, 제품 태그 및 풀필먼트 센터 태그(fulfillment center tag)에 기초하여 재고 배치를 최적화하기 위해 적어도 하나의 기계 학습 알고리즘(machine learning algorithm)을 사용하는 것과 관련된 독창적 및 비통상적 시스템에 관한 것이다.
전자 상거래에 참여하는 산업에는 빠른 배송 서비스를 제공하고 고객 배송 수수료를 감소시키는 능력이 필수적이라는 것이 오랫동안 인식되어 왔다. 고객 주문들이 이루어지면, 주문들은 적어도 하나의 풀필먼트 센터로 전달되어야 하며, 이로써 주문들은 나중에 적어도 하나의 서비스 영역들로 전달될 수 있다. 배송 비용과 운송 시간을 최소화하기 위해, 고객의 최종 배송 주소와 가장 가까운 풀필먼트 센터에 주문을 배치하는 것이 이상적이다. 그러나 오늘날 대부분의 고객 주문은 전 세계 어디에서나 원격으로 이루어진다. 따라서, 제한된 수의 풀필먼트 센터가 있는 경우, 각 제품이 재고 배치를 위해 할당되어야 하는 위치를 결정하는 것이 보다 어려워졌다.
배송 수수료 및 운송 시간을 최소화하기 위해 재고를 고객 가까이에 배치해야 한다는 일반적인 이해는 있지만, 재고 배치를 최적화하기 위한 효율적인 방법이 아직 없다. 예를 들어, 오늘날에도 일부 회사들은 애리조나 주에 위치된 창고에 겨울철 다운 재킷과 스노우 슈즈를 보관하며, 이는 애리조나 주에서 다운 재킷과 스노우 슈즈에 대한 높은 고객 수요가 있을 가능성이 적기 때문에 비효율적이다. 이와 같이, 고객들이 겨울철 다운 재킷과 스노우슈즈를 주문할 때, 제품들이 더 먼 거리를 이동해야 할 가능성이 더 크므로, 운송 시간과 고객의 배송 비용이 증가한다.
운송 시간을 감소시키는 재고 배치를 관리하는 시스템과 방법을 제공하려는 시도가 있어왔다. 예를 들어, 미국 특허 제7,987,107호는 운송 시간 내에 고객에게 품목을 운송하는 능력을 갖는 엔드-투-엔드(end-to-end) 풀필먼트 및 공급 체인 관리를 위한 시스템 및 방법을 기재한다. 운송 시간 내에 품목이 운송되도록 보장하기 위해, 시스템은 고객과 연관된 지리적 위치를 결정하고 고객의 지리적 위치에 가장 가까운 배송 창고 내에 품목을 배치한다.
그러나, 이러한 종래의 시스템 및 방법은 고객의 배송 위치가 모든 고객 주문마다 결정되어야 하기 때문에 시간소모적이다. 따라서, 제품들을 해당 제품들에 대한 고객 주문을 받기 전에 적어도 하나의 풀필먼트 센터들로 배치시키는 것은 불가능할 수 있다. 또한, 많은 풀필먼트 센터들에는 특정 제품만이 해당 풀필먼트 센터들 내에 저장될 수 있게 하는 제한사항이 있다. 따라서, 각 제품에 대한 요구사항을 충족시키고 고객의 배송 위치에 가장 가까운 풀필먼트 센터를 찾는 것이 어려울 수 있다.
따라서, 재고 배치를 관리하기 위한 개선된 시스템 및 방법이 필요하다. 풀필먼트 센터 내의 재고 배치를 위해 제품을 할당하기 전에 각 제품에 대한 고객의 배송 위치를 결정할 필요 없이, 운송 시간 및 배송 수수료를 최소화할 수 있는 제고 배치 관리를 위한 개선된 시스템 및 방법이 필요하다.
본 개시의 일 양태는 재고 배치(inventory placement)를 관리하기 위한 컴퓨터-구현 시스템에 관한 것이다. 상기 시스템은, 명령들(instructions)을 저장하는 메모리 및 상기 명령들을 수행하도록 구성된 적어도 하나의 프로세서들(processors)을 포함할 수 있다. 상기 적어도 하나의 프로세서들은 상기 명령들을 실행하여 동작들을 수행하도록 구성될 수 있으며, 상기 동작들은, 재고 배치를 위해 제품의 식별자를 원격 시스템으로부터 수신하는 동작 및 데이터베이스에 저장된 배송 이력 데이터(historical shipment data)에 기초하여 상기 제품에 대한 가장 높은 고객 수요를 갖는 지역을 결정하는 동작을 포함한다. 상기 적어도 하나의 프로세서는, 적어도 상기 제품에 대한 가장 높은 고객 수요를 갖는 상기 지역과 연관된 온도에 기초하여 상기 제품과 연관된 제품 태그(product tag)를 기계 학습 알고리즘(machine learning algorithm)을 사용하여 예측하는 동작을 더 수행할 수 있다. 상기 적어도 하나의 프로세서는, 상기 제품 태그를 상기 제품 식별자에 할당하도록 상기 데이터베이스를 변경하는 동작 및 풀필먼트 센터(fulfillment center) 내 배치를 위해 상기 제품을 할당하는 동작을 더 수행할 수 있다. 상기 풀필먼트 센터는 상기 제품에 할당된 상기 제품 태그에 대응하는 풀필먼트 센터 태그와 연관될 수 있다. 일부 실시예들에서, 상기 풀필먼트 센터 태그는 상기 제품 태그와 매치할 수 있다.
일부 실시예들에서, 상기 풀필먼트 센터 태그는 상기 풀필먼트 센터의 위치와 연관된 온도를 나타낼 수 있다. 일부 실시예들에서, 상기 제품 태그는 상기 지역과 연관된 온도 및 배송 날짜에 기초하여 동적으로 조정가능할 수 있다. 다른 실시예들에서, 상기 풀필먼트 센터 태그는 상기 풀필먼트 센터의 위치와 연관된 온도에 기초하여 동적으로 조정가능할 수 있다.
일부 실시예들에서, 상기 적어도 하나의 프로세서는 상기 풀필먼트 센터의 위치와 연관된 온도, 상기 풀필먼트 센터의 서비스 영역(serving area)과 연관된 온도, 또는 상기 풀필먼트 센터와 연관된 파라미터(parameter)중 적어도 하나에 기초하여, 상기 기계 학습 알고리즘을 사용하여, 풀필먼트 센터 태그를 풀필먼트 센터로 할당하도록 상기 데이터베이스를 변경하도록 더 구성될 수 있다. 상기 풀필먼트 센터와 연관된 파라미터는 최대 용량, 건물 제한사항, 상기 풀필먼트 센터와 상기 서비스 영역 간의 거리, 또는 서비스 영역들의 수 중 적어도 하나를 포함할 수 있다.
일부 실시예들에서, 상기 적어도 하나의 프로세서는 상기 제품과 연관된 정보를 상기 데이터베이스에 저장하며 상기 데이터베이스에 저장된 상기 정보를 기초로 새로운 제품들에 제품 태그들을 자동으로 할당하도록 상기 기계 학습 알고리즘을 훈련시키도록 더 구성될 수 있다. 상기 제품과 연관된 상기 정보는 상기 제품에 할당된 상기 제품 태그를 포함할 수 있다. 일부 실시예들에서, 상기 기계 학습 알고리즘은 분류 모델(classification model)을 포함할 수 있다.
또 다른 실시예에서, 상기 적어도 하나의 프로세서는 상기 제품 태그 또는 상기 풀필먼트 센터 태그 중 적어도 하나를 주기적으로 평가하도록 더 구성될 수 있다. 상기 제품 태그 또는 상기 풀필먼트 센터 태그 중 적어도 하나를 평가하는 동작은, 상기 제품 태그 또는 상기 풀필먼트 센터 태그 중 적어도 하나와 연관된 온도를 결정하는 동작, 상기 제품에 대한 가장 높은 고객 수요를 갖는 지역 또는 상기 풀필먼트 센터의 위치 중 적어도 하나와 연관된 실제 온도를 결정하는 동작, 상기 실제 온도와 상기 온도 간의 차를 계산하는 동작, 및 상기 차가 사전결정됨 임계치를 초과하는 경우, 상기 제품 태그 또는 상기 풀필먼트 센터 태그 중 적어도 하나를 새로운 태그로 교체하는 동작을 포함할 수 있다.
본 개시의 또 다른 양태는 재고 배치를 관리하기 위한 컴퓨터-구현 방법에 관한 것이다. 상기 방법은 재고 배치를 위해 제품의 식별자를 원격 시스템으로부터 수신하는 단계 및 데이터베이스에 저장된 배송 이력 데이터를 기초하여, 상기 제품에 대한 가장 높은 고객 수요를 갖는 지역을 결정하는 단계를 포함할 수 있다. 상기 방법은 적어도 상기 제품에 대한 가장 높은 고객 수요를 갖는 상기 지역과 연관된 온도에 기초하여 상기 제품과 연관된 제품 태그를 기계 학습 알고리즘을 사용하여 예측하는 단계를 더 포함할 수 있다. 상기 방법은 상기 제품 태그를 상기 제품 식별자에 할당하도록 상기 데이터베이스를 변경하는 단계 및 풀필먼트 센터 내 배치를 위해 상기 제품을 할당하는 단계를 더 포함할 수 있다. 상기 풀필먼트 센터는 상기 제품에 할당된 상기 제품 태그에 대응하는 풀필먼트 센터 태그와 연관될 수 있다.
일부 실시예들에서, 상기 풀필먼트 센터 태그는 상기 풀필먼트 센터의 위치와 연관된 온도를 나타낼 수 있다. 일부 실시예들에서, 상기 제품 태그는 상기 지역과 연관된 온도 및 배송 날짜에 기초하여 동적으로 조정가능할 수 있다. 다른 실시예들에서, 상기 풀필먼트 센터 태그는 상기 풀필먼트 센터의 위치와 연관된 온도에 기초하여 동적으로 조정가능할 수 있다.
일부 실시예들에서, 상기 방법은, 상기 풀필먼트 센터의 위치와 연관된 온도, 상기 풀필먼트 센터의 서비스 영역과 연관된 온도, 또는 상기 풀필먼트 센터와 연관된 파라미터 중 적어도 하나에 기초하여, 상기 기계 학습 알고리즘을 사용하여, 풀필먼트 센터 태그를 풀필먼트 센터로 할당하도록 상기 데이터베이스를 변경하는 단계를 더 포함할 수 있다. 상기 풀필먼트 센터와 연관된 파라미터는 최대 용량, 건물 제한사항, 상기 풀필먼트 센터와 상기 서비스 영역 간의 거리, 또는 서비스 영역들의 수 중 적어도 하나를 포함할 수 있다.
일부 실시예들에서, 상기 방법은 상기 제품과 연관된 정보를 상기 데이터베이스에 저장하는 단계 및 상기 데이터베이스에 저장된 상기 정보를 기초로 새로운 제품들에 제품 태그들을 자동으로 할당하도록 상기 기계 학습 알고리즘을 훈련시키는 단계를 더 포함할 수 있다. 상기 제품과 연관된 상기 정보는 상기 제품에 할당된 상기 제품 태그를 포함할 수 있다. 일부 실시예들에서, 상기 기계 학습 알고리즘은 분류 모델을 포함할 수 있다.
또 다른 실시예에서, 상기 방법은 상기 제품 태그 또는 상기 풀필먼트 센터 태그 중 적어도 하나를 주기적으로 평가하는 단계를 더 포함할 수 있다. 상기 제품 태그 또는 상기 풀필먼트 센터 태그 중 적어도 하나를 평가하는 단계는, 상기 제품 태그 또는 상기 풀필먼트 센터 태그 중 적어도 하나와 연관된 온도를 결정하는 단계, 상기 제품에 대한 가장 높은 고객 수요를 갖는 영역 또는 상기 풀필먼트 센터의 위치 중 적어도 하나와 연관된 실제 온도를 결정하는 단계, 상기 실제 온도와 상기 온도 간의 차를 계산하는 단계, 및 상기 차가 사전결정된 임계치를 초과하는 경우, 상기 제품 태그 또는 상기 풀필먼트 센터 태그 중 적어도 하나를 새로운 태그로 교체하는 단계를 더 포함할 수 있다.
본 개시의 또 다른 양태는 재고 배치를 관리하기 위한 컴퓨터-구현 시스템에 관한 것이다. 상기 시스템은 명령들을 저장하는 메모리 및 상기 명령들을 실행하도록 구성되는 적어도 하나의 프로세서를 포함할 수 있다. 상기 적어도 하나의 프로세서는 상기 명령들을 실행하여 동작들을 수행하도록 구성될 수 있으며, 상기 동작들은, 재고 배치를 위해 제품의 식별자를 원격 시스템으로부터 수신하는 동작 및 데이터베이스에 저장된 배송 이력 데이터에 기초하여 상기 제품에 대한 가장 높은 고객 수요를 갖는 지역을 결정하는 동작을 포함한다. 상기 적어도 하나의 프로세서는 적어도 상기 제품에 대한 가장 높은 고객 수요를 갖는 상기 지역과 연관된 온도에 기초하여 상기 제품과 연관된 제품 태그를 분류 모델을 사용하여 예측하는 동작을 더 수행할 수 있다. 상기 적어도 하나의 프로세서는 상기 제품 태그를 상기 제품 식별자에 할당하도록 상기 데이터베이스를 변경하는 동작 및 상기 제품과 연관된 정보를 상기 데이터베이스에 저장하는 동작을 더 수행할 수 있다. 상기 제품에 연관된 상기 정보는 상기 제품에 할당된 상기 제품 태그 및 상기 제품 식별자를 포함할 수 있다. 상기 적어도 하나의 프로세서는 상기 데이터베이스에 저장된 정보에 기초하여, 새로운 제품에 제품 태그를 자동적으로 할당하도록 상기 분류 모델을 훈련시키는 동작을 더 수행할 수 있다. 상기 적어도 하나의 프로세서는 상기 제품 태그와 매치하는 풀필먼트 센터 태그와 연관된 풀필먼트 센터를 식별하는 동작 및 상기 식별된 풀필먼트 센터 내 배치를 위해 상기 제품을 할당하도록 데이터베이스를 변경하는 동작을 더 수행할 수 있다. 상기 풀필먼트 센터 태그는 상기 풀필먼트 센터의 위치와 연관된 온도를 나타낼 수 있으며, 상기 풀필먼트 센터를 식별하는 동작은 상기 풀필먼트 센터와 연관된 최대 용량 또는 건물 제한사항 중 적어도 하나를 결정하는 동작을 포함할 수 있다. 상기 적어도 하나의 프로세서는 상기 제품 태그 또는 상기 풀필먼트 센터 태그 중 적어도 하나를 주기적으로 평가하는 동작을 더 포함할 수 있다. 상기 제품 태그 또는 상기 풀필먼트 센터 태그 중 적어도 하나를 평가하는 동작은, 상기 제품 태그 또는 상기 풀필먼트 센터 태그 중 적어도 하나와 연관된 온도를 결정하는 동작, 상기 제품에 대한 가장 높은 고객 수요를 갖는 지역 또는 상기 풀필먼트 센터의 위치 중 적어도 하나와 연관된 실제 온도를 결정하는 동작, 상기 실제 온도와 상기 온도 간의 차이를 계산하는 동작, 및 상기 차이가 사전결정된 임계치를 초과하면 상기 제품 태그 또는 상기 풀필먼트 센터 태그 중 적어도 하나를 새로운 태그로 교체하는 동작을 포함할 수 있다.
본 개시의 또 다른 양태는 재고 배치를 관리하기 위한 컴퓨터-구현 시스템에 관한 것이다. 상기 시스템은, 명령들을 저장하는 메모리 및 상기 명령들을 수행하도록 구성된 적어도 하나의 프로세서를 포함할 수 있다. 상기 적어도 하나의 프로세서는 상기 명령들을 실행하여 동작을 수행하도록 구성될 수 있으며, 상기 동작들은, 적어도 제품에 대한 가장 높은 고객 수요를 갖는 지역과 연관된 온도에 기초하여 상기 제품과 연관된 제품 태그를 기계 학습 알고리즘을 사용하여 예측하는 동작을 포함한다. 상기 적어도 하나의 프로세서는, 상기 제품 태그에 대응하는 풀필먼트 센터 태그와 연관된 풀필먼트 센터 내 배치를 위해 상기 제품을 할당하는 동작을 더 수행할 수 있다. 상기 적어도 하나의 프로세서는, 고객으로부터 상기 제품에 대한 고객 주문을 수신하는 동작을 더 수행할 수 있다. 상기 적어도 하나의 프로세서는, 데이터베이스로부터 상기 제품에 할당된 상기 풀필먼트 센터를 식별하는 동작 및 상기 고객에게 배달되도록 상기 식별된 풀필먼트 센터로부터 상기 제품을 공급하도록 하는 동작을 더 포함할 수 있다.
본 개시의 또 다른 양태는 재고 배치를 관리하기 위한 컴퓨터-구현 방법에 관한 것이다. 상기 방법은 적어도 제품에 대한 가장 높은 고객 수요를 갖는 지역과 연관된 온도에 기초하여 상기 제품과 연관된 제품 태그를 기계 학습 알고리즘을 사용하여 예측하는 것을 포함할 수 있다. 상기 방법은 상기 제품 태그에 대응하는 풀필먼트 센터 태그와 연관된 풀필먼트 센터 내 배치를 위해 상기 제품을 할당하는 것을 더 포함할 수 있다. 상기 방법은 고객으로부터 상기 제품에 대한 고객 주문을 수신하는 것을 더 포함할 수 있다. 상기 방법은 데이터베이스로부터 상기 제품에 할당된 상기 풀필먼트 센터를 식별하고 상기 고객에게 배달되도록 상기 식별된 풀필먼트 센터로부터 상기 제품을 공급하도록 하는 것을 더 포함할 수 있다.
다른 시스템들, 방법들, 및 컴퓨터-판독가능 매체들 또한 본 명세서에서 논의된다.
도 1a는 개시된 실시예들에 따른, 배송, 운송, 및 물류 동작을 가능하게 하는 통신을 위한 컴퓨터화된 시스템을 포함하는 네트워크의 예시적인 실시예를 도시하는 개략적인 블록도이다.
도 1b는 개시된 실시예들에 따른, 대화형 사용자 인터페이스 요소(interactive user interface)와 함께 검색 요청을 만족시키는 적어도 하나의 검색 결과를 포함하는 샘플 검색 결과 페이지(Search Result Page)(SRP)를 도시한다.
도 1c는 개시된 실시예들에 따른, 대화형 사용자 인터페이스 요소와 함께 제품 및 제품에 관한 정보를 포함하는 샘플 단일 디스플레이 페이지(Single Display Page)(SDP)를 도시한다.
도 1d는 개시된 실시예들에 따른, 대화형 사용자 인터페이스 요소와 함께 가상 쇼핑 카트에 품목(item)을 포함하는 샘플 카트 페이지(sample Cart page)를 도시한다.
도 1e는 개시된 실시예들에 따른, 대화형 사용자 인터페이스 요소와 함께 구매 및 배송에 관한 정보와 함께 가상 쇼핑 카트로부터의 품목을 포함하는 샘플 주문 페이지(sample Order page)를 도시한다.
도 2는 개시된 실시예들에 따른, 개시된 컴퓨터화된 시스템을 사용하도록 구성된 예시적인 풀필먼트 센터(fulfillment center)의 개략도이다.
도 3은 제품들의 재고 배치를 관리하기 위한 스마트 재고 배치 시스템을 포함하는 시스템의 예시적인 실시예를 도시하는 개략적인 블록도이다.
도 4a는 풀필먼트 센터들과 연관된 정보를 포함하는 예시적인 데이터베이스의 다이어그램이다.
도 4b는 제품들과 연관된 정보를 포함하는 예시적인 데이터베이스의 다이어그램이다.
도 5는 제품들의 재고 배치를 관리하기 위한 방법의 예시적인 실시예를 예시하는 흐름도이다.
도 6은 제품들의 재고 배치를 관리하기 위한 방법의 또 다른 예시적인 실시예를 도시하는 흐름도이다.
이하의 상세한 설명은 첨부 도면들을 참조한다. 가능한 경우, 동일한 참조 번호가 도면들 및 이하의 설명에서 동일하거나 유사한 부분을 나타내기 위해 사용된다. 일부 예시적인 실시예들이 본 명세서에 기재되지만, 수정, 적용, 및 다른 구현이 가능하다. 예를 들어, 도면들에 도시된 구성요소들 및 단계들에 교체, 추가, 또는 수정이 이루어질 수 있으며, 본 명세서에 기재된 예시적인 방법들은 개시된 방법들을 교체, 재정렬, 제거, 또는 추가함으로써 변형될 수 있다. 따라서, 이하의 상세한 설명은 개시된 실시예들 및 예시들에 한정되지 않는다. 대신에, 본 개시의 적절한 범위는 첨부된 청구 범위에 의해 한정된다.
본 개시의 실시예들은 유전 알고리즘을 사용하여 아웃바운드 흐름을 시뮬레이션하고 제품들의 할당을 최적화하도록 구성된 시스템 및 방법에 관한 것이다.
도 1a를 참조하면, 배송, 운송 및 물류 운영을 가능하게 하는 통신을 위한 컴퓨터 시스템을 포함하는 네트워크의 예시적인 실시예를 나타낸 개략적인 블록도(100)가 도시되어 있다. 도 1a에 나타낸 바와 같이, 시스템(100)은 다양한 시스템을 포함할 수 있으며, 이들 각각은 하나 이상의 네트워크를 통해 서로 연결될 수 있다. 도시된 시스템은 배송 기관 기술(shipment authority technology, SAT) 시스템(101), 외부 프론트 엔드 시스템(103), 내부 프론트 엔드 시스템(105), 운송 시스템(107), 모바일 디바이스(107A, 107B, 107C), 판매자 포털(109), 배송 및 주문 트래킹(shipment and order tracking, SOT) 시스템(111), 플필먼트 최적화(fulfillment optimization, FO) 시스템(113), 플필먼트 메시징 게이트웨이(fulfillment messaging gateway, FMG)(115), 공급 체인 관리(supply chain management, SCM) 시스템(117), 인력 관리 시스템(119), 모바일 디바이스(119A, 119B, 119C)(플필먼트 센터(fulfillment center, FC)(200) 내부에 있는 것으로 도시됨), 제3자 플필먼트 시스템(121A, 121B, 121C), 플필먼트 센터 인증 시스템(fulfillment center authorization system, FC Auth)(123), 및 노동 관리 시스템(labor management system, LMS)(125)을 포함한다.
일부 실시예에서, SAT 시스템(101)은 주문 상태와 배달 상태를 모니터링하는 컴퓨터 시스템으로서 구현될 수 있다. 예를 들면, SAT 시스템(101)은 주문이 약속된 배달 날짜(Promised Delivery Date, PDD)를 지났는지 여부를 결정할 수 있고, 새로운 주문을 개시시키고, 배달되지 않은 주문의 아이템을 다시 배송하며, 배달되지 않은 주문을 취소하고, 주문 고객과 연락을 시작하는 것 등을 포함하는 적절한 조치를 취할 수 있다. SAT 시스템(101)은 또한, (특정 기간 동안 배송된 패키지의 개수와 같은) 출력, 및 (배송시 사용하기 위해 수신된 빈 카드보드 박스의 개수와 같은) 입력을 포함하는 다른 데이터를 감시할 수 있다. SAT 시스템(101)은 또한, 외부 프론트 엔드 시스템(103) 및 FO 시스템(113)과 같은 장치들 간의 (예를 들면, 저장 전달(store-and-forward) 또는 다른 기술을 사용하는) 통신을 가능하게 하는 시스템(100)의 상이한 장치들 사이의 게이트웨이로서 동작할 수 있다.
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 들면, 네트워크(100)가 시스템의 프레젠테이션을 가능하게 하여 사용자가 아이템에 대한 주문을 할 수 있도록 하는 실시예에서, 외부 프론트 엔드 시스템(103)은 검색 요청을 수신하고, 아이템 페이지를 제시하며, 지불 정보를 요청하는 웹 서버로서 구현될 수 있다. 예를 들면, 외부 프론트 엔드 시스템(103)은 Apache HTTP 서버, Microsoft Internet Information Services(IIS), NGINX 등과 같은 소프트웨어를 실행하는 컴퓨터 또는 컴퓨터들로서 구현될 수 있다. 다른 실시예에서, 외부 프론트 엔드 시스템(103)은 외부 디바이스(미도시)로부터 요청을 수신 및 처리하고, 이들 요청에 기초하여 데이터베이스 및 다른 데이터 저장 장치로부터 정보를 획득하며, 획득한 정보에 기초하여 수신된 요청에 대한 응답을 제공하도록 설계된 커스텀 웹 서버 소프트웨어를 실행할 수 있다.
일부 실시예에서, 외부 프론트 엔드 시스템(103)은 웹 캐싱 시스템, 데이터베이스, 검색 시스템, 또는 지불 시스템 중 하나 이상을 포함할 수 있다. 일 양상에서, 외부 프론트 엔드 시스템(103)은 이들 시스템 중 하나 이상을 포함할 수 있는 반면, 다른 양상에서는 외부 프론트 엔드 시스템(103)은 이들 시스템 중 하나 이상에 연결된 인터페이스(예를 들면, 서버 대 서버, 데이터베이스 대 데이터베이스, 또는 다른 네트워크 연결)를 포함할 수 있다.
도 1b, 1c, 1d 및 1e에 의해 나타낸 단계들의 예시적인 세트는 외부 프론트 엔드 시스템(103)의 일부 동작을 설명하는 것을 도울 것이다. 외부 프론트 엔드 시스템(103)은 프레젠테이션 및/또는 디스플레이를 위해 네트워크(100)의 시스템 또는 디바이스로부터 정보를 수신할 수 있다. 예를 들면, 외부 프론트 엔드 시스템(103)은 검색 결과 페이지(Search Result Page, SRP)(예를 들면, 도 1b), 싱글 디테일 페이지(Single Detail Page, SDP)(예를 들면, 도 1c), 장바구니 페이지(Cart page)(예를 들면, 도 1d), 또는 주문 페이지(예를 들면, 도 1e)를 포함하는 하나 이상의 웹페이지를 호스팅하거나 제공할 수 있다. (예를 들면, 모바일 디바이스(102A) 또는 컴퓨터(102B)를 사용하는) 사용자 디바이스는 외부 프론트 엔드 시스템(103)으로 이동하거나 검색 박스에 정보를 입력함으로써 검색을 요청할 수 있다. 외부 프론트 엔드 시스템(103)은 네트워크(100)의 하나 이상의 시스템으로부터 정보를 요청할 수 있다. 예를 들면, 외부 프론트 엔드 시스템(103)은 FO 시스템(113)으로부터 검색 요청을 만족하는 결과를 요청할 수 있다. 외부 프론트 엔드 시스템(103)은 또한, (FO 시스템(113)으로부터) 검색 결과에 리턴된 각 제품에 대한 약속된 배달 날짜(Promised Delivery Date) 또는 "PDD"를 요청하고 수신할 수 있다. 일부 실시예에서, PDD는 패키지가 특정 기간 이내, 예를 들면, 하루의 끝(PM 11:59)까지 주문되면 언제 사용자가 원하는 장소에 도착하는 지의 추정을 나타낸다(PDD는 FO 시스템(113)에 대하여 이하에서 더 논의된다).
외부 프론트 엔드 시스템(103)은 정보에 기초하여 SRP(예를 들면, 도 1b)를 준비할 수 있다. SRP는 검색 요청을 만족하는 정보를 포함할 수 있다. 예를 들면, 이는 검색 요청을 만족하는 제품의 사진을 포함할 수 있다. SRP는 또한, 각 제품에 대한 각각의 가격, 또는 각 제품, PDD, 무게, 크기, 오퍼(offer), 할인 등에 대한 개선된 배달 옵션에 관한 정보를 포함할 수 있다. 외부 프론트 엔드 시스템(103)은 (예를 들면, 네트워크를 통해) SRP를 요청 사용자 디바이스로 전달할 수 있다.
사용자 디바이스는 SRP에 나타낸 제품을 선택하기 위해, 예를 들면, 사용자 인터페이스를 클릭 또는 탭핑하거나, 다른 입력 디바이스를 사용하여 SRP로부터 제품을 선택할 수 있다. 사용자 디바이스는 선택된 제품에 관한 정보에 대한 요청을 만들어 내고 이를 외부 프론트 엔드 시스템(103)으로 전송할 수 있다. 이에 응답하여, 외부 프론트 엔드 시스템(103)은 선택된 제품에 관한 정보를 요청할 수 있다. 예를 들면, 정보는 각각의 SRP 상에 제품에 대해 제시된 것 이상의 추가 정보를 포함할 수 있다. 이는, 예를 들면, 유통 기한, 원산지, 무게, 크기, 패키지 내의 아이템 개수, 취급 지침, 또는 제품에 대한 다른 정보를 포함할 수 있다. 정보는 또한, (예를 들면, 이 제품 및 적어도 하나의 다른 제품을 구입한 고객의 빅 데이터 및/또는 기계 학습 분석에 기초한) 유사한 제품에 대한 추천, 자주 묻는 질문에 대한 답변, 고객의 후기, 제조 업체 정보, 사진 등을 포함할 수 있다.
외부 프론트 엔드 시스템(103)은 수신된 제품 정보에 기초하여 SDP(Single Detail Page)(예를 들면, 도 1c)를 준비할 수 있다. SDP는 또한, "지금 구매(Buy Now)" 버튼, "장바구니에 추가(Add to Cart)" 버튼, 수량 필드, 아이템 사진 등과 같은 다른 상호 작용 요소를 포함할 수 있다. 외부 프론트 엔드 시스템(103)은 (예를 들면, 네트워크를 통해) SDP를 요청 사용자 디바이스로 전달할 수 있다.
요청 사용자 디바이스는 제품 정보를 나열하는 SDP를 수신할 수 있다. SDP를 수신하면, 사용자 디바이스는 SDP와 상호 작용할 수 있다. 예를 들면, 요청 사용자 디바이스의 사용자는 SDP의 "장바구니에 담기(Place in Cart)" 버튼을 클릭하거나, 이와 상호 작용할 수 있다. 이렇게 하면 사용자와 연계된 쇼핑 장바구니에 제품이 추가된다. 사용자 디바이스는 제품을 쇼핑 장바구니에 추가하기 위해 외부 프론트 엔드 시스템(103)으로 이러한 요청을 전송할 수 있다.
외부 프론트 엔드 시스템(103)은 장바구니 페이지(예를 들면, 도 1d)를 생성할 수 있다. 일부 실시예에서, 장바구니 페이지는 사용자가 가상의 "쇼핑 장바구니(shopping cart)"에 추가한 제품을 나열한다. 사용자 디바이스는 SRP, SDP, 또는 다른 페이지의 아이콘을 클릭하거나, 상호 작용함으로써 장바구니 페이지를 요청할 수 있다. 일부 실시예에서, 장바구니 페이지는 사용자가 장바구니에 추가한 모든 제품 뿐 아니라 각 제품의 수량, 각 제품의 품목당 가격, 관련 수량에 기초한 각 제품의 가격, PDD에 관한 정보, 배달 방법, 배송 비용, 쇼핑 장바구니의 제품을 수정(예를 들면, 수량의 삭제 또는 수정)하기 위한 사용자 인터페이스 요소, 다른 제품의 주문 또는 제품의 정기적인 배달 설정에 대한 옵션, 할부(interest payment) 설정에 대한 옵션, 구매를 진행하기 위한 사용자 인터페이스 요소 등과 같은 장바구니의 제품에 관한 정보를 나열할 수 있다. 사용자 디바이스의 사용자는 쇼핑 장바구니에 있는 제품의 구매를 시작하기 위해 사용자 인터페이스 요소(예를 들면, "지금 구매(Buy Now)"라고 적혀있는 버튼)를 클릭하거나, 이와 상호 작용할 수 있다. 그렇게 하면, 사용자 디바이스는 구매를 시작하기 위해 이러한 요청을 외부 프론트 엔드 시스템(103)으로 전송할 수 있다.
외부 프론트 엔드 시스템(103)은 구매를 시작하는 요청을 수신하는 것에 응답하여 주문 페이지(예를 들면, 도 1e)를 생성할 수 있다. 일부 실시예에서, 주문 페이지는 쇼핑 장바구니로부터 아이템을 재나열하고, 지불 및 배송 정보의 입력을 요청한다. 예를 들면, 주문 페이지는 쇼핑 장바구니의 아이템 구매자에 관한 정보(예를 들면, 이름, 주소, 이메일 주소, 전화번호), 수령인에 관한 정보(예를 들면, 이름, 주소, 전화번호, 배달 정보), 배송 정보(예를 들면, 배달 및/또는 픽업 속도/방법), 지불 정보(예를 들면, 신용 카드, 은행 송금, 수표, 저장된 크레딧), 현금 영수증을 요청하는 사용자 인터페이스 요소(예를 들면, 세금 목적) 등을 요청하는 섹션을 포함할 수 있다. 외부 프론트 엔드 시스템(103)은 사용자 디바이스에 주문 페이지를 전송할 수 있다.
사용자 디바이스는 주문 페이지에 정보를 입력하고 외부 프론트 엔드 시스템(103)으로 정보를 전송하는 사용자 인터페이스 요소를 클릭하거나, 상호 작용할 수 있다. 그로부터, 외부 프론트 엔드 시스템(103)은 정보를 네트워크(100) 내의 상이한 시스템으로 전송하여 쇼핑 장바구니의 제품으로 새로운 주문을 생성하고 처리할 수 있도록 한다.
일부 실시예에서, 외부 프론트 엔드 시스템(103)은 판매자가 주문과 관련된 정보를 전송 및 수신할 수 있도록 추가로 구성될 수 있다.
일부 실시예에서, 내부 프론트 엔드 시스템(105)은 내부 사용자(예를 들면, 네트워크(100)를 소유, 운영 또는 임대하는 조직의 직원)가 네트워크(100) 내의 하나 이상의 시스템과 상호작용할 수 있게 하는 컴퓨터 시스템으로서 구현될 수 있다. 예를 들면, 네트워크(101)가 사용자가 아이템에 대한 주문을 할 수 있게 하는 시스템의 프레젠테이션을 가능하게 하는 실시예에서, 내부 프론트 엔드 시스템(105)은 사용자가 주문에 대한 진단 및 통계 정보를 볼 수 있게 하고, 아이템 정보를 수정하며, 또는 주문에 대한 통계를 검토할 수 있게 하는 웹 서버로서 구현될 수 있다. 예를 들면, 내부 프론트 엔드 시스템(105)은 Apache HTTP 서버, Microsoft Internet Information Services(IIS), NGINX 등과 같은 소프트웨어를 실행하는 컴퓨터 또는 컴퓨터들로서 구현될 수 있다. 다른 실시예에서, 내부 프론트 엔드 시스템(105)은 (도시되지 않은 다른 디바이스뿐 아니라) 네트워크(100) 내에 나타낸 디바이스로부터 요청을 수신하고 처리하도록 설계된 커스텀 웹 서버 소프트웨어를 실행하고, 그러한 요청에 기초하여 데이터베이스 및 다른 데이터 저장 장치로부터 정보를 획득하며, 획득한 정보에 기초하여 수신된 요청에 대한 응답을 제공할 수 있다.
일부 실시예에서, 내부 프론트 엔드 시스템(105)은 웹 캐싱 시스템, 데이터베이스, 검색 시스템, 지불 시스템, 분석 시스템, 주문 모니터링 시스템 등 중 하나 이상을 포함할 수 있다. 일 양상에서, 내부 프론트 엔드 시스템(105)은 이들 시스템 중 하나 이상을 포함할 수 있는 반면, 다른 양상에서는 내부 프론트 엔드 시스템(105)은 이들 시스템 중 하나 이상에 연결된 인터페이스(예를 들면, 서버 대 서버, 데이터베이스 대 데이터베이스, 또는 다른 네트워크 연결)를 포함할 수 있다.
일부 실시예에서, 운송 시스템(107)은 네트워크(100) 내의 디바이스와 모바일 디바이스(107A-107C) 간의 통신을 가능하게 하는 컴퓨터 시스템으로서 구현될 수 있다. 일부 실시예에서, 운송 시스템(107)은 하나 이상의 모바일 디바이스(107A-107C)(예를 들면, 휴대 전화, 스마트폰, PDA 등)로부터 정보를 수신할 수 있다. 예를 들면, 일부 실시예에서, 모바일 디바이스(107A-107C)는 배달원에 의해 동작되는 디바이스를 포함할 수 있다. 영구적, 일시적 또는 교대 근무일 수 있는 배달원은 사용자에 의해 주문된 패키지의 배달을 위해 모바일 디바이스(107A-107C)를 이용할 수 있다. 예를 들면, 패키지를 배달하기 위해, 배달원은 배달할 패키지와 배달할 위치를 나타내는 모바일 디바이스 상의 알림을 수신할 수 있다. 배달 장소에 도착하면, 배달원은 (예를 들면, 트럭의 뒤나 패키지 상자에) 패키지를 둘 수 있고, 모바일 디바이스를 사용하여 패키지 상의 식별자와 관련된 데이터(예를 들면, 바코드, 이미지, 텍스트 문자열, RFID 태그 등)를 스캔하거나, 캡처하며, (예를 들면, 현관문에 놓거나, 경비원에게 맡기거나, 수령인에게 전달하는 것 등에 의해) 패키지를 배달할 수 있다. 일부 실시예에서, 배달원은 패키지의 사진(들)을 찍거나 및/또는 서명을 받을 수 있다. 모바일 디바이스는, 예를 들면, 시간, 날짜, GPS 위치, 사진(들), 배달원에 관련된 식별자, 모바일 디바이스에 관련된 식별자 등을 포함하는 배달에 관한 정보를 포함하는 커뮤니케이션을 운송 시스템(107)에 전송할 수 있다. 운송 시스템(107)은 네트워크(100) 내의 다른 시스템에 의한 접근을 위해 데이터베이스(미도시)에 이러한 데이터를 저장할 수 있다. 일부 실시예에서, 운송 시스템(107)은 다른 시스템에 특정 패키지의 위치를 나타내는 트래킹 데이터를 준비 및 전송하기 위해 이러한 정보를 사용할 수 있다.
일부 실시예에서, 특정 사용자는, 한 종류의 모바일 디바이스를 사용할 수 있는 반면(예를 들면, 정규 직원은 바코드 스캐너, 스타일러스 및 다른 장치와 같은 커스텀 하드웨어를 갖는 전문 PDA를 사용할 수 있음), 다른 사용자는 다른 종류의 모바일 디바이스를 사용할 수 있다(예를 들면, 임시 또는 교대 근무 직원이 기성 휴대 전화 및/또는 스마트폰을 사용할 수 있음).
일부 실시예에서, 운송 시스템(107)은 사용자를 각각의 디바이스와 연관시킬 수 있다. 예를 들면, 운송 시스템(107)은 사용자(예를 들면, 사용자 식별자, 직원 식별자, 또는 전화번호에 의해 표현됨)와 모바일 디바이스(예를 들면, International Mobile Equipment Identity(IMEI), International Mobile Subscription Identifier(IMSI), 전화번호, Universal Unique Identifier(UUID), 또는 Globally Unique Identifier(GUID)에 의해 표현됨) 간의 관계를 저장할 수 있다. 운송 시스템(107)은, 다른 것들 중에 작업자의 위치, 작업자의 효율성, 또는 작업자의 속도를 결정하기 위해 데이터베이스에 저장된 데이터를 분석하기 위해 배달시 수신되는 데이터와 관련하여 이러한 관계를 사용할 수 있다.
일부 실시예에서, 판매자 포털(109)은 판매자 또는 다른 외부 엔티티(entity)가 주문에 관한 정보의 다른 양상과 전자 통신할 수 있게 하는 컴퓨터 시스템으로서 구현될 수 있다. 예를 들면, 판매자는 시스템(100)을 통해 판매하고자 하는 제품에 대하여, 제품 정보, 주문 정보, 연락처 정보 등을 업로드하거나 제공하는 컴퓨터 시스템(미도시)을 이용할 수 있다.
일부 실시예에서, 배송 및 주문 트래킹 시스템(111)은 고객(예를 들면, 디바이스(102A-102B)를 사용하는 사용자)에 의해 주문된 패키지의 위치에 관한 정보를 수신, 저장 및 포워딩하는 컴퓨터 시스템으로서 구현될 수 있다. 일부 실시예에서, 배송 및 주문 트래킹 시스템(111)은 고객에 의해 주문된 패키지를 배달하는 배송 회사에 의해 운영되는 웹 서버(미도시)로부터 정보를 요청하거나 저장할 수 있다.
일부 실시예에서, 배송 및 주문 트래킹 시스템(111)은 네트워크(100)에 나타낸 시스템으로부터 정보를 요청하고 저장할 수 있다. 예를 들면, 배송 및 주문 트래킹 시스템(111)은 운송 시스템(107)으로부터 정보를 요청할 수 있다. 전술한 바와 같이, 운송 시스템(107)은 사용자(예를 들면, 배달원) 또는 차량(예를 들면, 배달 트럭) 중 하나 이상과 관련된 하나 이상의 모바일 디바이스(107A-107C)(예를 들면, 휴대 전화, 스마트폰, PDA 등)로부터 정보를 수신할 수 있다. 일부 실시예에서, 배송 및 주문 트래킹 시스템(111)은 또한, 물류 센터(예를 들면, 플필먼트 센터(200)) 내부의 개별 패키지의 위치를 결정하기 위해 인력 관리 시스템(WMS)으로부터 정보를 요청할 수 있다. 배송 및 주문 트래킹 시스템(111)은 운송 시스템(107) 또는 WMS(119) 중 하나 이상으로부터 데이터를 요청하고, 이를 처리하며, 요청시 디바이스(예를 들면, 사용자 디바이스(102A, 102B))로 제공할 수 있다.
일부 실시예에서, 플필먼트 최적화(FO) 시스템(113)은 다른 시스템(예를 들면, 외부 프론트 엔드 시스템(103) 및/또는 배송 및 주문 트래킹 시스템(111))으로부터의 고객 주문에 대한 정보를 저장하는 컴퓨터 시스템으로서 구현될 수 있다. FO 시스템(113)은 또한, 특정 아이템이 유지 또는 저장되는 곳을 나타내는 정보를 저장할 수 있다. 예를 들면, 고객이 주문하는 일부 아이템은 하나의 플필먼트 센터에만 저장될 수 있는 반면, 다른 아이템은 다수의 플필먼트 센터에 저장될 수 있다. 또 다른 실시예에서, 특정 플필먼트 센터는 아이템의 특정 세트(예를 들면, 신선한 농산물 또는 냉동 제품)만을 저장하도록 구성될 수 있다. FO 시스템(113)은 이러한 정보뿐 아니라 관련 정보(예를 들면, 수량, 크기, 수령 날짜, 유통 기한 등)를 저장한다.
FO 시스템(113)은 또한, 각 제품에 대해 대응하는 PDD(약속된 배달 날짜)를 계산할 수 있다. 일부 실시예에서, PDD는 하나 이상의 요소에 기초할 수 있다. 예를 들면, FO 시스템(113)은 제품에 대한 과거 수요(예를 들면, 그 제품이 일정 기간 동안 얼마나 주문되었는지), 제품에 대한 예상 수요(예를 들면, 얼마나 많은 고객이 다가오는 기간 동안 제품을 주문할 것으로 예상되는지), 일정 기간 동안 얼마나 많은 제품이 주문되었는지를 나타내는 네트워크 전반의 과거 수요, 다가오는 기간 동안 얼마나 많은 제품이 주문될 것으로 예상되는지를 나타내는 네트워크 전반의 예상 수요, 각각의 제품을 저장하는 각 플필먼트 센터(200)에 저장된 제품의 하나 이상의 갯수, 그 제품에 대한 예상 또는 현재 주문 등에 기초하여 제품에 대한 PDD를 계산할 수 있다.
일부 실시예에서, FO 시스템(113)은 주기적으로(예를 들면, 시간별로) 각 제품에 대한 PDD를 결정하고, 검색하거나 다른 시스템(예를 들면, 외부 프론트 엔드 시스템(103), SAT 시스템(101), 배송 및 주문 트래킹 시스템(111))으로 전송하기 위해 이를 데이터베이스에 저장할 수 있다. 다른 실시예에서, FO 시스템(113)은 하나 이상의 시스템(예를 들면, 외부 프론트 엔드 시스템(103), SAT 시스템(101), 배송 및 주문 트래킹 시스템(111))으로부터 전자 요청을 수신하고 수요에 따라 PDD를 계산할 수 있다.
일부 실시예에서, 플필먼트 메시징 게이트웨이(FMG)(115)는 FO 시스템(113)과 같은 네트워크(100)의 하나 이상의 시스템으로부터 커뮤니케이션을 수신하고, 커뮤니케이션의 데이터를 다른 포맷으로 변환하며, 변환된 포맷의 데이터를 WMS(119) 또는 제3자 플필먼트 시스템(121A, 121B, 또는 121C)과 같은 다른 시스템에 포워딩하며, 반대의 경우도 가능한 컴퓨터 시스템으로서 구현될 수 있다.
일부 실시예에서, 공급 체인 관리(SCM) 시스템(117)은 예측 기능을 수행하는 컴퓨터 시스템으로서 구현될 수 있다. 예를 들면, SCM 시스템(117)은, 예를 들어 제품에 대한 과거 수요, 제품에 대한 예상 수요, 네트워크 전반의 과거 수요, 네트워크 전반의 예상 수요, 각각의 플필먼트 센터(200)에 저장된 제품의 갯수, 각 제품에 대한 예상 또는 현재 주문 등에 기초하여, 특정 제품에 대한 수요의 예상 수준을 결정할 수 있다. 이러한 결정된 예상 수준과 모든 플필먼트 센터를 통한 각 제품의 수량에 응답하여, SCM 시스템(117)은 특정 제품에 대한 예상 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 들면, WMS(119)는 개개의 디바이스(예를 들면, 디바이스(107A-107C 또는 119A-119C))로부터 별개의 이벤트를 나타내는 이벤트 데이터를 수신할 수 있다. 예를 들면, WMS(119)는 패키지를 스캔하는 이들 디바이스 중 하나의 사용을 나타내는 이벤트 데이터를 수신할 수 있다. 플필먼트 센터(200) 및 도 2에 관하여 이하에서 논의되는 바와 같이, 플필먼트 프로세스 동안, 패키지 식별자(예를 들면, 바코드 또는 RFID 태그 데이터)는 특정 단계(예를 들면, 자동 또는 핸드헬드 바코드 스캐너, RFID 판독기, 고속 카메라, 태블릿(119A), 모바일 디바이스/PDA(119B), 컴퓨터(119C)와 같은 디바이스 등)에서 기계에 의해 스캔되거나 판독될 수 있다. WMS(119)는 패키지 식별자, 시간, 날짜, 위치, 사용자 식별자, 또는 다른 정보와 함께 대응하는 데이터베이스(미도시)에 패키지 식별자의 스캔 또는 판독을 나타내는 각 이벤트를 저장할 수 있고, 이러한 정보를 다른 시스템(예를 들면, 배송 및 주문 트래킹 시스템(111))에 제공할 수 있다.
일부 실시예에서, WMS(119)는 하나 이상의 디바이스(예를 들면, 디바이스(107A-107C 또는 119A-119C))와 네트워크(100)와 연관된 하나 이상의 유저를 연관시키는 정보를 저장할 수 있다. 예를 들면, 일부 상황에서, (파트 타임 또는 풀 타임 직원과 같은) 사용자는 모바일 디바이스(예를 들면, 모바일 디바이스는 스마트폰임)를 소유한다는 점에서, 모바일 디바이스와 연관될 수 있다. 다른 상황에서, 사용자는 임시로 모바일 디바이스를 보관한다는 점에서(예를 들면, 사용자는 하루의 시작에서부터 모바일 디바이스를 체크하고, 하루 동안 그것을 사용할 것이고, 하루가 끝날 때 그것을 반납할 것임), 모바일 디바이스와 연관될 수 있다.
일부 실시예에서, WMS(119)는 네트워크(100)와 관련된 각각의 사용자에 대한 작업 로그를 유지할 수 있다. 예를 들면, WMS(119)는 임의의 할당된 프로세스(예를 들면, 트럭에서 내리기, 픽업 구역에서 아이템을 픽업하기, 리빈 월 작업, 아이템 패킹하기), 사용자 식별자, 위치(예를 들면, 플필먼트 센터(200)의 바닥 또는 구역), 직원에 의해 시스템을 통해 이동된 유닛의 수(예를 들면, 픽업된 아이템의 수, 패킹된 아이템의 수), 디바이스(예를 들면, 디바이스(119A-119C))와 관련된 식별자 등을 포함하는, 각 직원과 관련된 정보를 저장할 수 있다. 일부 실시예에서, WMS(119)는 디바이스(119A-119C)에서 작동되는 계시(timekeeping) 시스템과 같은 계시 시스템으로부터 체크-인 및 체크-아웃 정보를 수신할 수 있다.
일부 실시예에서, 제3자 플필먼트 (3PL) 시스템(121A-121C)은 물류 및 제품의 제3자 제공자와 관련된 컴퓨터 시스템을 나타낸다. 예를 들면, (도 2와 관련하여 이하에서 후술하는 바와 같이) 일부 제품이 플필먼트 센터(200)에 저장되는 반면, 다른 제품은 오프-사이트(off-site)에 저장될 수 있거나, 수요에 따라 생산될 수 있으며, 달리 플필먼트 센터(200)에 저장될 수 없다. 3PL 시스템(121A-121C)은 FO 시스템(113)으로부터 (예를 들면, FMG(115)를 통해) 주문을 수신하도록 구성될 수 있으며, 고객에게 직접 제품 및/또는 서비스(예를 들면, 배달 또는 설치)를 제공할 수 있다.
일부 실시예에서, 플필먼트 센터 인증 시스템(FC Auth)(123)은 다양한 기능을 갖는 컴퓨터 시스템으로서 구현될 수 있다. 예를 들면, 일부 실시예에서, FC Auth(123)는 네트워크(100)의 하나 이상의 다른 시스템에 대한 단일-사인 온(single-sign on, SSO) 서비스로서 작동할 수 있다. 예를 들면, FC Auth(123)는 내부 프론트 엔드 시스템(105)을 통해 사용자가 로그인하게 하고, 사용자가 배송 및 주문 트래킹 시스템(111)에서 리소스에 액세스하기 위해 유사한 권한을 갖고 있다고 결정하며, 두번째 로그인 프로세스 요구 없이 사용자가 그러한 권한에 액세스할 수 있게 한다. 다른 실시예에서, FC Auth(123)는 사용자(예를 들면, 직원)가 자신을 특정 작업과 연관시킬 수 있게 한다. 예를 들면, 일부 직원은 (디바이스(119A-119C)와 같은) 전자 디바이스를 갖지 않을 수 있으며, 대신 하루 동안 플필먼트 센터(200) 내에서 작업들 사이 및 구역들 사이에서 이동할 수 있다. FC Auth(123)는 이러한 직원들이 상이한 시간 대에 수행 중인 작업과 속해 있는 구역을 표시할 수 있도록 구성될 수 있다.
일부 실시예에서, 노동 관리 시스템(LMS)(125)은 직원(풀-타임 및 파트-타임 직원을 포함함)에 대한 출근 및 초과 근무 정보를 저장하는 컴퓨터 시스템으로서 구현될 수 있다. 예를 들면, LMS(125)는 FC Auth(123), WMA(119), 디바이스(119A-119C), 운송 시스템(107), 및/또는 디바이스(107A-107C)로부터 정보를 수신할 수 있다.
도 1a에 나타낸 특정 구성은 단지 예시일 뿐이다. 예를 들면, 도 1a는 FMG(115)를 통해 FO 시스템(113)에 연결된 FC Auth 시스템(123)을 나타낸 반면, 모든 실시예가 이러한 특정 구성을 필요로 하는 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 표준을 따르는 무선 네트워크, 임대 회선 등을 포함하는 하나 이상의 공공 또는 사설 네트워크를 통해 서로 연결될 수 있다. 일부 실시예에서, 네트워크(100) 내의 시스템 중 하나 이상은 데이터 센터, 서버 팜 등에서 구현되는 하나 이상의 가상 서버로서 구현될 수 있다.
도 2는 플필먼트 센터(200)를 나타낸다. 플필먼트 센터(200)는 주문시 고객에게 배송하기 위한 아이템을 저장하는 물리적 장소의 예시이다. 플필먼트 센터(FC)(200)는 다수의 구역으로 분할될 수 있으며, 각각이 도 2에 도시된다. 일부 실시예에서, 이러한 "구역(zones)"은 아이템을 수령하고, 아이템을 저장하고, 아이템을 검색하고, 아이템을 배송하는 과정의 상이한 단계 사이의 가상 구분으로 생각될 수 있다. 따라서, "구역"이 도 2에 나타나 있으나, 일부 실시예에서, 구역의 다른 구분도 가능하고, 도 2의 구역은 생략, 복제, 또는 수정될 수 있다.
인바운드 구역(203)은 도 1의 네트워크(100)를 사용하여 제품을 판매하고자 하는 판매자로부터 아이템이 수신되는 FC(200)의 영역을 나타낸다. 예를 들면, 판매자는 트럭(201)을 사용하여 아이템(202A, 202B)을 배달할 수 있다. 아이템(202A)은 자신의 배송 팔레트(pallet)를 점유하기에 충분히 큰 단일 아이템을 나타낼 수 있으며, 아이템(202B)은 공간을 절약하기 위해 동일한 팔레트 상에 함께 적층되는 아이템의 세트를 나타낼 수 있다.
작업자는 인바운드 구역(203)의 아이템을 수령하고, 선택적으로 컴퓨터 시스템(미도시)을 사용하여 손상 및 정확성을 위해 아이템을 체크할 수 있다. 예를 들면, 작업자는 아이템(202A, 202B)의 수량을 아이템의 주문 수량과 비교하기 위해 컴퓨터 시스템을 사용할 수 있다. 수량이 일치하지 않는다면, 해당 작업자는 아이템(202A, 202B) 중 하나 이상을 거부할 수 있다. 수량이 일치한다면, 작업자는 그 아이템들을 (예를 들면, 짐수레(dolly), 핸드트럭(handtruck), 포크리프트(forklift), 또는 수작업으로) 버퍼 구역(205)으로 이동시킬 수 있다. 버퍼 구역(205)은, 예를 들면, 예상 수요를 충족시키기 위해 픽업 구역에 그 아이템이 충분한 수량만큼 있기 때문에, 픽업 구역에서 현재 필요하지 않은 아이템에 대한 임시 저장 영역일 수 있다. 일부 실시예에서, 포크리프트(206)는 버퍼 구역(205) 주위와 인바운드 구역(203) 및 드랍 구역(207) 사이에서 아이템을 이동시키도록 작동한다. (예를 들면, 예상 수요로 인해) 픽업 구역에 아이템(202A, 202B)이 필요하면, 포크리프트는 아이템(202A, 202B)을 드랍 구역(207)으로 이동시킬 수 있다.
드랍 구역(207)은 픽업 구역(209)으로 이동하기 전에 아이템을 저장하는 FC(200)의 영역일 수 있다. 픽업 작업에 할당된 작업자("피커(picker)")는 픽업 구역의 아이템(202A, 202B)에 접근하고, 픽업 구역에 대한 바코드를 스캔하며, 모바일 디바이스(예를 들면, 디바이스(119B))를 사용하여 아이템(202A, 202B)과 관련된 바코드를 스캔할 수 있다. 그 다음 피커는 아이템을 (예를 들면, 카트에 놓거나 운반함으로써) 픽업 구역(209)에 아이템을 가져갈 수 있다.
픽업 구역(209)은 아이템(208)이 저장 유닛(210)에 저장되는 FC(200)의 영역일 수 있다. 일부 실시예에서, 저장 유닛(210)은 물리적 선반, 책꽂이, 박스, 토트(tote), 냉장고, 냉동고, 저온 저장고 등 중 하나를 포함할 수 있다. 일부 실시예에서, 픽업 구역(209)은 다수의 플로어로 편성될 수 있다. 일부 실시예에서, 작업자 또는 기계는, 예를 들면, 포크리프트, 엘리베이터, 컨베이어 벨트, 카트, 핸드트럭, 짐수레, 자동화된 로봇 또는 디바이스, 또는 수작업을 포함하는 다양한 방식으로 아이템을 픽업 구역(209)으로 이동시킬 수 있다. 예를 들면, 피커는 아이템(202A, 202B)을 드랍 구역(207)의 핸드트럭 또는 카트에 놓을 수 있으며, 아이템(202A, 202B)을 들고 픽업 구역(209)으로 걸어갈 수 있다.
피커는 저장 유닛(210) 상의 특정 공간과 같은 픽업 구역(209)의 특정 스팟에 아이템을 배치(또는 "적재(stow)")하라는 명령을 수신할 수 있다. 예를 들면, 피커는 모바일 디바이스(예를 들면, 디바이스(119B))를 사용하여 아이템(202A)을 스캔할 수 있다. 디바이스는, 예를 들면, 통로, 선반 및 위치를 나타내는 시스템을 사용하여, 아이템(202A)을 적재해야 하는 위치를 나타낼 수 있다. 그 다음 디바이스는 그 위치에 아이템(202A)을 적재하기 전에 피커가 그 위치에서 바코드를 스캔하도록 할 수 있다. 디바이스는 아이템(202A)이 디바이스(119B)를 사용하는 사용자에 의해 그 위치에 적재되었음을 나타내는 도 1의 WMS(119)와 같은 컴퓨터 시스템에 데이터를 (예를 들면, 무선 네트워크를 통해) 전송할 수 있다.
일단 사용자가 주문을 하면, 피커는 저장 유닛(210)으로부터 하나 이상의 아이템(208)을 검색하기 위해 디바이스(119B)에 명령을 수신할 수 있다. 피커는 아이템(208)을 검색하고, 아이템(208) 상의 바코드를 스캔하며, 운송 기구(214) 상에 놓을 수 있다. 일부 실시예에서, 운송 기구(214)가 슬라이드로서 표현되지만, 운송 기구는 컨베이어 벨트, 엘리베이터, 카트, 포크리프트, 핸드트럭, 짐수레, 카트 등 중 하나로서 구현될 수 있다. 그 다음 아이템(208)은 패킹 구역(211)에 도착할 수 있다.
패킹 구역(211)은 아이템이 픽업 구역(209)으로부터 수령되고 고객에게 최종 배송하기 위해 박스 또는 가방에 패킹되는 FC(200)의 영역일 수 있다. 패킹 구역(211)에서, 아이템을 수령하도록 할당된 작업자("리비닝 작업자(rebin worker)")는 픽업 구역(209)으로부터 아이템(208)을 수령하고, 어느 주문에 대응하는 지를 결정할 것이다. 예를 들면, 리비닝 작업자는 아이템(208) 상의 바코드를 스캔하기 위해 컴퓨터(119C)와 같은 디바이스를 사용할 수 있다. 컴퓨터(119C)는 어느 주문이 아이템(208)과 관련이 있는지를 시각적으로 나타낼 수 있다. 이는, 예를 들면, 주문에 대응하는 월(216) 상의 공간 또는 "셀(cell)"을 포함할 수 있다. (예를 들면, 셀에 주문의 모든 아이템이 포함되어 있기 때문에) 일단 주문이 완료되면, 리비닝 작업자는 패킹 작업자(또는 "패커(packer)")에게 주문이 완료된 것을 알릴 수 있다. 패커는 셀로부터 아이템을 검색하고, 배송을 위해 이들을 박스 또는 가방에 놓을 수 있다. 그 다음 패커는, 예를 들면, 포크리프트, 카트, 짐수레, 핸드트럭, 컨베이어 벨트, 수작업 또는 다른 방법을 통해, 박스 또는 가방을 허브 구역(213)으로 보낼 수 있다.
허브 구역(213)은 패킹 구역(211)으로부터 모든 박스 또는 가방("패키지(packages)")을 검색하는 FC(200)의 영역일 수 있다. 허브 구역(213)의 작업자 및/또는 기계는 패키지(218)를 검색하고, 각 패키지가 배달 영역의 어느 부분으로 배달되도록 되어 있는지를 결정하며, 패키지를 적절한 캠프 구역(215)으로 보낼 수 있다. 예를 들면, 배달 영역이 2개의 작은 하위 영역을 갖는다면, 패키지는 2개의 캠프 구역(215) 중 하나로 배달될 것이다. 일부 실시예에서, 작업자 또는 기계는 최종 목적지를 결정하기 위해 (예를 들면, 디바이스(119A-119C) 중 하나를 사용하여) 패키지를 스캔할 수 있다. 패키지를 캠프 구역(215)으로 보내는 것은, 예를 들면, (우편 번호에 기초하여) 패키지가 향하는 지리적 영역의 부분을 결정하고, 지리적 영역의 부분과 관련된 캠프 구역(215)을 결정하는 것을 포함할 수 있다.
일부 실시예에서, 캠프 구역(215)은 루트 및/또는 서브-루트를 분류하기 위해 허브 구역(213)으로부터 패키지가 수령되는 하나 이상의 빌딩, 하나 이상의 물리적 공간, 또는 하나 이상의 영역을 포함할 수 있다. 일부 실시예에서, 캠프 구역(215)은 FC(200)로부터 물리적으로 분리되어 있는 반면, 다른 실시예에서는 캠프 구역(215)은 FC(200)의 일부를 형성할 수 있다.
캠프 구역(215)의 작업자 및/또는 기계는, 예를 들면, 목적지와 기존 루트 및/또는 서브-루트의 비교, 각각의 루트 및/또는 서브-루트에 대한 작업량의 계산, 하루 중 시간, 배송 방법, 패키지(220)를 배송하기 위한 비용, 패키지(220)의 아이템과 관련된 PDD 등에 기초하여 패키지(220)가 어느 루트 및/또는 서브-루트와 연관되어야 하는지를 결정할 수 있다. 일부 실시예에서, 작업자 또는 기계는 최종 목적지를 결정하기 위해 (예를 들면, 디바이스(119A-119C) 중 하나를 사용하여) 패키지를 스캔할 수 있다. 일단 패키지(220)가 특정 루트 및/또는 서브-루트에 할당되면, 작업자 및/또는 기계는 배송될 패키지(220)를 이동시킬 수 있다. 예시적인 도 2에서, 캠프 구역(215)은 트럭(222), 자동차(226), 배달원(224A, 224B)을 포함한다. 일부 실시예에서, 배달원(224A)이 트럭(222)을 운전할 수 있는데, 이 때 배달원(224A)은 FC(200)에 대한 패키지를 배달하는 풀-타임 직원이며, 트럭은 FC(200)를 소유, 임대 또는 운영하는 동일한 회사에 의해 소유, 임대, 또는 운행된다. 일부 실시예에서, 배달원(224B)이 자동차(226)를 운전할 수 있는데, 이 때 배달원(224B)은 필요에 따라(예를 들면, 계절에 따라) 배달하는 "플렉스(flex)" 또는 비상시적인 작업자이다. 자동차(226)는 배달원(224B)에 의해 소유, 임대 또는 운행될 수 있다.
도 3을 참조하면, 제품들의 재고 배치를 관리하기 위한 스마트 재고 배치 시스템(301)을 포함하는 시스템의 예시적인 실시예를 도시하는 개략적인 블록도(300)가 도시된다. 스마트 재고 배치 시스템(301)은 도 1a의 시스템(100) 내의 적어도 하나의 시스템과 연관될 수 있다. 예를 들어, 스마트 재고 배치 시스템(301)은 SCM 시스템(117)의 일부로서 구현될 수 있다. 일부 실시예들에서, 스마트 재고 배치 시스템(301)은 재고 정보뿐만 아니라 각각의 FC(200)에 대한 정보 및 다른 시스템(예를 들어, 외부 프론트 엔드 시스템(external front end system)(103), 배송 및 주문 추적 시스템(111), 및/또는 FO 시스템(113))으로부터의 고객 주문에 대한 정보를 저장하는 컴퓨터 시스템으로서 구현될 수 있다. 예를 들어, 스마트 재고 배치 시스템(301)은 적어도 하나의 프로세서들(305)을 포함할 수 있으며, 적어도 하나의 프로세서들(305)은 각 제품에 할당된 제품 식별자(identifier) 및 제품 태그(tag)와 같은 새로운 제품과 연관된 정보를 저장할 수 있다. 또한, 스마트 재고 배치 시스템(301)의 적어도 하나의 프로세서들(305)은 각각의 FC(200)와 연관된 FC 태그, 각 FC(200)의 위치와 연관된 온도, 각 FC(200)의 적어도 하나의 서비스 영역들(serving areas)과 연관된 온도, 각각의 FC(200)에 대한 서비스 영역들의 수, 각 FC(200)와 그의 적어도 하나의 서비스 영역들 간의 거리, 각 FC(200)와 연관된 건물 제한사항, 각 FC(200)의 최대 용량, 및/또는 이들의 임의의 조합을 포함하나 이에 제한되지 않는, 적어도 하나의 FC들(200)에 연관된 정보를 저장할 수 있다. 또한, 스마트 재고 배치 시스템(301)의 적어도 하나의 프로세서들(305)은 각각의 FC(200)에서의 재고 배치를 위해 할당된 제품들의 리스트 제품 식별자들(list product identifiers)을 저장할 수 있다. 적어도 하나의 프로세서들(305)은 제품들의 재고 배치를 관리하기 위해 제품들과 연관된 정보뿐만 아니라 각각의 FC(200)와 연관된 정보를 저장하거나 검색할 수 있다. 제품 태그 및 FC 태그와 같은 태그는 각 제품 및/또는 각각의 FC(200)를 기재하는 메타데이터(metadata)를 포함할 수 있다. 따라서, 적어도 하나의 프로세서들(305)은 데이터베이스(304)의 대응하는 태그를 검색함으로써 각각의 제품 및/또는 각각의 FC(200)를 발견할 수 있다. 태그는 단어, 이미지, 또는 다른 식별 기호의 형태로 메타데이터를 포함할 수 있다.
다른 실시예들에서, 각 FC(200) 및/또는 재고 배치를 위한 각 제품과 연관된 전술된 정보 각각은 데이터베이스(304)에 저장될 수 있다. 이와 같이, 스마트 재고 배치 시스템(301)은 네트워크(network)(302)를 통해 데이터베이스(304)로부터 정보를 검색할 수 있다. 데이터베이스(304)는 정보를 저장하고 네트워크(302)를 통해 액세스되는 적어도 하나의 메모리 디바이스들(memory devices)을 포함할 수 있다. 예를 들어, 데이터베이스(304)는 Oracle™ 데이터베이스, Sybase™ 데이터베이스, 또는 다른 관계형 데이터베이스 또는 Hadoop 시퀀스 파일(sequence file), HBase, 또는 Cassandra와 같은 비관계형 데이터베이스를 포함할 수 있다. 데이터베이스(304)가 시스템(300)에 포함되는 것으로 도시되었지만, 데이터베이스(304)는 대안적으로 시스템(300)으로부터 원격으로 위치될 수 있다. 다른 실시예들에서, 데이터베이스(304)는 스마트 재고 배치 시스템(301)에 통합될 수 있다. 데이터베이스(304)는, 데이터베이스(304)의 메모리 디바이스에 저장된 데이터에 대한 요청을 수신 및 처리하고 데이터베이스(304)로부터 데이터를 제공하도록 구성된 컴퓨팅 구성요소(computing component)(예를 들어, 데이터베이스 관리 시스템(database management system), 데이터베이스 서버(database server) 등)를 포함할 수 있다.
또한, 시스템(300)은 네트워크(302) 및 서버(server)(303)를 포함할 수 있다. 스마트 재고 배치 시스템(301), 서버(303), 및 데이터베이스(304)는 네트워크(302)를 통해 서로 접속되어 서로 통신할 수 있다. 네트워크(302)는 무선 네트워크, 유선 네트워크, 또는 무선 네트워크와 유선 네트워크의 임의의 조합일 수 있다. 예를 들어, 네트워크(302)는 광섬유 네트워크, 수동 광 네트워크, 케이블 네트워크(cable network), 인터넷 네트워크(Internet network), 위성 네트워크, 무선 LAN, GSM(Global System for Mobile Communication), PCS(Personal Communication Service), PAN(Personal Area Network), D-AMPS, Wi-Fi, 고정 무선 데이터, IEEE 802.11b, 802.15.1, 802.11n, 및 802.11g, 또는 데이터를 송수신하기 위한 임의의 다른 유선 또는 무선 네트워크의 하나 이상을 포함할 수 있다.
또한, 네트워크(302)는 전화선, 광섬유, IEEE 이더넷 902.3, WAN(Wide Area Network), LAN(Local Area Network), 또는 인터넷과 같은 글로벌 네트워크(global network)를 포함할 수 있으나, 이에 제한되지는 않는다. 또한 네트워크(302)는, 인터넷 네트워크, 무선 통신 네트워크, 셀룰러 네트워크(cellular network) 등, 또는 이들의 임의의 조합을 지원할 수 있다. 네트워크(302)는 독립형 네트워크로서 또는 서로 협력하여 동작하는, 하나의 네트워크 또는 상기 언급된 임의의 수의 예시적인 유형들의 네트워크들을 더 포함할 수 있다. 네트워크(302)는 그들이 통신가능하게 결합되는 적어도 하나의 네트워크 요소의 적어도 하나의 프로토콜(protocol)을 이용할 수 있다. 네트워크(302)는 다른 프로토콜들로 또는 다른 프로토콜들로부터 네트워크 디바이스들의 적어도 하나의 프로토콜들로 변환될 수 있다. 네트워크(302)가 단일 네트워크로서 도시되었지만, 적어도 하나의 실시예들에 따르면, 네트워크(302)는 예를 들어 인터넷, 서비스 제공자의 네트워크, 케이블 텔레비전 네트워크(cable television network), 회사 네트워크, 및 홈 네트워크(home network)와 같은 복수의 상호접속된 네트워크를 포함할 수 있음이 이해될 것이다.
서버(303)는 웹 서버(web server)일 수 있다. 예를 들어, 서버(303)는, 예를 들어, 인터넷과 같은, 네트워크(예를 들어, 네트워크(302))를 통해 사용자에 의해 액세스될 수 있는 웹 콘텐츠(web content)를 전달하는 하드웨어(예를 들어, 프로세서, 스토리지(storage), 또는 입력/출력 디바이스(input/output device)를 포함하는 적어도 하나의 컴퓨터) 및/또는 소프트웨어(예를 들어, 적어도 하나의 애플리케이션)를 포함할 수 있다. 서버(303)는, 예를 들어, 사용자와 통신하기 위해 hypertext transfer protocol(HTTP 또는 sHTTP)을 사용할 수 있다. 사용자에게 전달되는 웹 페이지는 예를 들어 텍스트 콘텐츠 이외에 이미지, 스타일 시트(style sheet), 및 스크립트를 포함할 수 있는 HTML 문서를 포함할 수 있다.
예를 들어, 웹 브라우저(web browser), 웹 크롤러(web crawler), 또는 네이티브 모바일 애플리케이션(native mobile application)과 같은 사용자 프로그램은 HTTP를 사용하여 특정 자원에 대한 요청을 함으로써 통신을 시작할 수 있고, 서버(303)은 상기 자원의 콘텐츠에 반응하거나 그럴 수 없다면 에러 메시지(error message)를 낸다. 또한, 서버(303)는 사용자로부터 콘텐츠를 수신하는 것을 가능하게 하거나 촉진하여, 사용자가 예를 들어 파일 업로드(file uploading)를 포함하여, 웹 양식을 제출할 수 있게 된다. 또한, 서버(303)는, 예를 들어, ASP(Active Server Pages), PHP, 또는 다른 스크립팅 언어(scripting language)를 사용하는 서버-사이드 스크립팅(server-side scripting)을 지원할 수 있다. 따라서, 서버(303)의 동작은 개별 파일로 스크립팅될 수 있지만, 실제 서버 소프트웨어(server software)는 변경되지 않고 유지된다.
다른 실시예들에서, 서버(303)는 그의 응용된 애플리케이션을 지원하기 위한 절차(예컨대, 프로그램, 루틴(routine), 스크립트)의 효율적인 실행에 전념하는 하드웨어 및/또는 소프트웨어를 포함할 수 있는 애플리케이션 서버(application server)일 수 있다. 서버(303)는, 예를 들어, Java 애플리케이션 서버(예를 들어, Java 플랫폼(Java platform), Enterprise Edition(Java EE), Microsoft®로부터의 .NET 프레임워크(framework), PHP 애플리케이션 서버 등)를 포함하는 적어도 하나의 애플리케이션 서버 프레임워크를 포함할 수 있다. 다양한 애플리케이션 서버 프레임워크는 포괄적인 서비스 계층 모델(service layer model)을 포함할 수 있다. 서버(303)는, 예를 들어, 플랫폼 자체에 의해 규정된 API를 통해 시스템(100)을 구현하는 엔티티(entity)에 액세스가능한 구성요소들의 집합으로서 작용할 수 있다.
또한, 스마트 재고 배치 시스템(301)은 네트워크(302)를 통해 적어도 하나의 FC(200)와 통신할 수 있다. 예를 들어, 적어도 하나의 FC(200)에서의 재고 배치를 위해 적어도 하나의 제품들이 할당되면, 스마트 재고 배치 시스템(301)의 적어도 하나의 프로세서들(305)은 네트워크(302)를 통해 FC들(200)에 통지할 수 있다. 일부 실시예들에서, 적어도 하나의 프로세서들(305)은 재고 배치를 위해 각 FC(200)에 할당되는 제품과 연관된 정보를 기록하도록 각 FC(200)에서 데이터베이스(도시되지 않음)를 업데이트할 수 있다. 이와 같이, 각각의 FC(200)는 각각의 FC(200)에 할당된 제품들의 리스트를 포함하는 자신의 데이터베이스를 유지할 수 있다.
이하에서 상세하게 논의되는 바와 같이, 스마트 재고 배치 시스템(301)의 적어도 하나의 프로세서들(305)은 제품의 재고 배치를 관리하기 위해 적어도 하나의 기계 학습 알고리즘을 구현할 수 있다. 일부 실시예들에서, 스마트 재고 배치 시스템(301)의 적어도 하나의 프로세서들(305)은 제품의 재고 배치를 관리하기 위해 둘 이상의 기계 학습 알고리즘들의 조합을 구현할 수 있다. 기계 학습 알고리즘은, 예를 들어, 랜덤 포레스트(random forest), 인공 신경망, 서포트 벡터 머신(support vector machine), 또는 분류 및 회귀 분석을 위한 임의의 다른 기계 학습 알고리즘 또는 모델과 같은, 앙상블 학습(ensemble learning) 방법을 포함할 수 있다.
일부 실시예들에서, 적어도 하나의 프로세서들(305)은 인공 지능(artificial intelligence)(AI) 및 기계 학습 알고리즘을 사용하여, 상이한 지리적 위치에 기초하여 미래의 판매 제품을 식별하고 미래 고객 주문들에 대한 배치(batch)로의 적절한 FC들(200)에서의 배치(placement)를 위해 제품들을 할당할 수 있다. 일부 실시예들에서, 적어도 하나의 프로세서들(305)은 제품에 대한 가장 높은 고객 수요를 갖는, 적어도 하나의 지리적 지역, 예를 들어, 우편 번호, 주, 자치체(municipality), 지역, 또는 다른 정치적 또는 지리적 하위구획을 결정할 수 있다. 그런 다음, 적어도 하나의 프로세서들(305)은 제품에 대한 가장 높은 고객 수요를 갖는 적어도 하나의 지리적 지역과 연관된 온도를 결정할 수 있다. 온도에 기초하여, 적어도 하나의 프로세서들(305)은 적절한 FC(200)에서의 재고 배치를 위해 제품을 할당할 수 있다. 일부 실시예들에서, 적절한 FC(200)는 제품에 대한 가장 높은 고객 수요를 갖는 적어도 하나의 지리적 지역과 연관된 온도와 유사한 온도를 갖는 지리적 지역에 위치할 수 있다. 다른 실시예들에서, 적절한 FC(200)는 제품에 대한 가장 높은 고객 수요를 갖는 적어도 하나의 지리적 지역과 연관된 온도와 유사한 온도를 갖는 적어도 하나의 서비스 영역을 가질 수 있다.
또 다른 실시예에서, 적어도 하나의 프로세서들(305)은 제품들의 재고 배치를 관리하기 위해 데이터베이스(304) 내의 적어도 하나의 제품 및/또는 적어도 하나의 FC(200)에 온도 태그와 같은 태그를 할당할 수 있다. 예를 들어, 스마트 재고 배치 시스템(301)의 적어도 하나의 프로세서들(305)은, 적어도 각각의 FC(200)의 위치에서의 계절적 기상 및 각 FC(200)의 서비스 영역과 연관된 기상에 기초하여 각 FC(200)에 대해 태그를 할당할 수 있다. 태그는 동적으로 조정될 수 있고 기상에 기초하여 주기적으로 평가될 수 있다. 예를 들어, FC들(200) 중 하나는 애리조나 주에 위치될 수 있고, 적어도 하나의 프로세서들(305)은 데이터베이스(304)의 애리조나 주의 FC(200)에 "HOT" 온도 태그를 할당할 수 있다. 적어도 하나의 프로세서들(305)이 FC(200)에 배치하기 위한 제품을 수신할 때, 적어도 하나의 프로세서들(305)은, 제품에 대한 가장 높은 고객 수요를 갖는, 지리적 지역, 예를 들어, 우편 번호, 주, 자치체, 지역, 또는 다른 정치적 또는 지리적 하위구획을 결정할 수 있다. 일부 실시예들에서, 배송 이력 데이터(historical shipment data)에 기초하여, 적어도 하나의 프로세서들(305)은 제품과 연관된 잦은 배송 주소 및/또는 위치가 알래스카에 있다는 것을 결정할 수 있다. 그런 다음, 적어도 하나의 프로세서들(305)은 적어도 제품에 대한 고객 수요가 가장 높은 지역의 기상에 기초하여 제품에 태그를 할당할 수 있다. 가장 높은 고객 수요가 있는 지역이 알래스카인 경우, 적어도 하나의 프로세서들(305)은, 예를 들어, 제품에 "COLD" 태그를 할당할 수 있다. 적어도 하나의 프로세서들(305)은, 제품에 할당된 태그와 매치(match)하는 태그를 갖는 FC(200), 예를 들어, "COLD" 태그를 갖는 FC(200)에 제품을 할당할 수 있다. 적어도 하나의 프로세서들(305)은 제품 및 FC(200)와 연관된 정보를 데이터베이스(304)에 저장할 수 있고, 기계 학습 알고리즘을 훈련시키기도록 저장된 정보를 사용할 수 있다. 따라서, 적어도 하나의 프로세서들(305)은 기계 학습 알고리즘을 사용하여 새로운 제품을 자동으로 태그하고 적절한 FC(200)에 배치하기 위한 새로운 제품을 자동으로 할당할 수 있다. 온도 태그로, 적어도 하나의 프로세서들(305)은 특정 FC(200)가 특정 제품을 저장하기에 적합한지를 결정할 수 있다. 상기 예시에서, 예를 들어, 적어도 하나의 프로세서들(305)은 애리조나 주에 위치된 "HOT" 태그를 갖는 FC(200)가 "COLD" 태그를 갖는 제품을 저장하기에 적합하지 않다고 결정할 수 있다.
또 다른 실시예에서, 적어도 하나의 프로세서들(305)은 제품들의 재고 배치를 관리하기 위해 기계 학습 알고리즘에 대한 적어도 하나의 파라미터들을 구현할 수 있다. 일부 실시예들에서, 적어도 하나의 파라미터들은 적어도 하나의 FC들(200)과 연관될 수 있다. FC들(200)과 연관된 파라미터는, 예를 들어, 각 FC(200)의 최대 용량, 각 FC(200)와 연관된 품목 호환성, FC(200)와 연관된 비용, 각 FC(200)와 연관된 건물 제한사항, 각 FC(200)와 연관된 서비스 영역, 또는 이들의 임의의 조합을 포함할 수 있다. 각 FC(200)의 최대 용량은 얼마나 많은 제품들이 각 FC(200)에 저장될 수 있는지와 연관된 정보를 포함할 수 있다. 각 FC(200)와 연관된 품목 호환성에는 품목의 크기, 품목의 무게, 냉장의 필요성, 또는 품목과 연관된 다른 요구사항들로 인해 특정 FC에서 보유될 수 없는 특정 품목과 연관된 정보가 포함될 수 있다. 각 FC(200)에서 특정 품목이 보유되는 것을 허용하고 특정 품목이 보유되는 것을 방지하는 각 FC(200)와 연관된 건물 제한사항이 있을 수도 있다. 각 FC(200)와 연관된 비용은, FC-대-FC 전달 비용, 클러스터-양단(cross-cluster) 배송 비용(예를 들어, 다수의 FC들(200)로부터 품목을 배송할 때 발생하는 배송 비용), FC들(200) 간에 품목을 교차-스톡킹하는 것으로부터 발생되는 배송 비용, 하나의 FC(200)에 모든 SKU들을 보유하는 것과 연관된 UPP(unit per parcel) 비용, 또는 이들의 임의의 조합을 포함할 수 있다. 각 FC(200)와 연관된 서비스 영역은, 각각의 FC(200)와 연관된 서비스 영역들의 수, 각 FC(200)에 대한 서비스 영역의 지리적 위치, 각 FC(200)에 대한 서비스 영역 각각에서의 기상 및/또는 온도, 및/또는 각 FC(200)에 대한 서비스 영역과 FC(200) 간의 거리를 포함할 수 있다.
일부 실시예들에서, 적어도 하나의 프로세서들(305)은, 데이터베이스(304)의 각 FC(200)에 태그를 할당하기 위해 FC들(200)과 연관된 전술한 파라미터들 중 하나 이상 및 각 FC(200)의 위치에서의 기상을 구현할 수 있다. 적어도 하나의 프로세서들(305)은 재고 배치를 위해 각 제품에 태그를 할당하기 위해 데이터베이스(304)에 저장된 배송 이력 데이터를 구현할 수도 있다. 예를 들어, 배송 이력 데이터에는 각 제품이 이전에 운송된 배송 주소들의 리스트가 포함될 수 있다. 따라서, 배송 이력 데이터에 기초하여, 적어도 하나의 프로세서들(305)은, 특정 제품에 대한 가장 높은 고객 수요를 갖는, 지리적 지역, 예를 들어, 우편 번호, 주, 자치체, 지역, 또는 다른 정치적 또는 지리적 하위구획을 결정할 수 있다. 따라서, 배송 이력 데이터에 기초하여, 적어도 하나의 프로세서들(305)은 재고 배치를 위해 각 제품에 태그를 할당할 수 있다. 적어도 하나의 프로세서들(305)은 각각의 FC(200)와 연관된 속성 및 각 제품과 연관된 속성을 저장할 수 있고, 재고 배치를 위해 각각의 새로운 제품에 대한 태그를 자동으로 예측하고 할당하도록 기계 학습 알고리즘을 훈련시킬 수 있다. 일부 실시예들에서, 기계 학습 알고리즘은 재고 배치를 위해 적어도 하나의 FC들(200)에 각각의 새로운 제품을 할당할 수 있는 분류 모델(classification model)을 포함할 수 있다. 예를 들어, 기계 학습 알고리즘은, 랜덤 포레스트, 인공 신경망, 서포트 벡터 머신, 또는 분류 및 회귀 분석을 위한 임의의 다른 기계 학습 알고리즘 또는 모델과 같은 앙상블 학습 방법을 포함할 수 있다.
도 4a는 예시적인 데이터베이스(304)의 테이블에 저장될 수 있는 FC들(200)과 연관된 정보를 도시한다. 전술한 바와 같이, 적어도 하나의 프로세서들(305)은 데이터베이스(304)의 각각의 FC(200)와 연관된 적어도 하나의 파라미터들을 저장할 수 있다. 또한, 적어도 하나의 프로세서들(305)은 각 FC(200)에 태그를 할당하고 태그 정보를 데이터베이스(304)에 저장할 수 있다. 적어도 하나의 프로세서들(305)은 데이터베이스(304)에 저장된 정보를 시스템(100)의 적어도 하나의 시스템에 전송할 수 있다. 예를 들어, 적어도 하나의 프로세서들(305)은 데이터베이스(304)에 저장된 정보를 내부 프론트 엔드 시스템(internal front end system)(105)에 전송하여 결과를 디스플레이할 수 있다. 각각의 FC(200)와 연관된 정보를 저장하는 예시적인 데이터베이스(304)가 도 4a에 도시된다. 도 4a에 도시된 바와 같이, 적어도 하나의 프로세서들(305)은 각 FC(200)의 지리적 위치를 결정하고 지리적 위치(예를 들어, "FC 위치(FC Location)")를 데이터베이스(304)에 저장할 수 있다. 적어도 하나의 프로세서들(305)은 온도 태그와 같은 적어도 하나의 태그를 각 FC(200)에 할당하도록 데이터베이스(304)를 추가로 변경할 수 있다. 태그는 각 FC(200)의 위치에서의 온도에 기초하여 할당될 수 있다.
도 4a에 도시된 바와 같이, 적어도 하나의 프로세서들(305)은 각각의 FC(200)의 위치에서 계절적 기상에 기초하여 온도 태그를 할당할 수 있다. 즉, 적어도 하나의 프로세서들(305)은 계절 변화로 인한 온도의 차이를 고려할 수 있다. 이와 같이, 적어도 하나의 프로세서들(305)은 12월과 2월, 3월과 5월, 6월과 8월 및 9월과 11월 사이의 각 FC(200)의 위치에서의 평균 온도에 기초하여 각 FC(200)에 온도 태그를 할당할 수 있다. 도 4a에서, 적어도 하나의 프로세서들(305)은 계절 변화를 설명하기 위해 매 3개월마다 온도 태그를 각 FC(200)에 할당하지만, 적어도 하나의 프로세서들(305)은 각 FC(200)에 매월, 2개월마다, 5개월마다, 10개월마다, 매년마다 등과 같이 온도 태그를 할당할 수 있다. 예를 들어, 적어도 하나의 프로세서들(305)은 각각의 FC(200)의 위치에서 평균 연간 온도를 계산하고, 평균 연간 온도에 기초하여 온도 태그를 할당할 수 있다.
데이터베이스(304)의 각 FC(200)에 할당된 온도 태그는 다양한 범위들의 온도 값들에 기초할 수 있다. 예를 들어, 특정 FC(200)의 위치에서의 평균 온도가 약 32℉보다 낮으면 "FROZEN" 온도 태그가 할당될 수 있다. 특정 FC(200)의 위치에서의 평균 온도가 약 32℉ 내지 약 45℉인 경우, "COLD" 온도 태그가 할당될 수 있다. 특정 FC(200)의 위치에서의 평균 온도가 약 45℉ 내지 약 65℉인 경우, "COOL" 온도 태그가 할당될 수 있다. 특정 FC(200)의 위치에서의 평균 온도가 약 65℉ 내지 약 80℉인 경우, "WARM" 온도 태그가 할당될 수 있다. 특정 FC(200)의 위치에서의 평균 온도가 약 80℉보다 높으면 "HOT" 온도 태그가 할당될 수 있다. 다른 범위 및 태그 기재가 가능하며, 상기 범위 및 기재는 단지 예시적인 것이다.
도 4b는 예시적인 데이터베이스(304)의 표에 저장될 수 있는 제품들과 연관된 정보를 도시한다. 상기 논의된 바와 같이, 적어도 하나의 프로세서들(305)은 데이터베이스(304)에 각 제품과 연관된 정보를 저장할 수 있다. 또한, 적어도 하나의 프로세서들(305)은 각 제품에 태그를 할당하고 태그 정보를 데이터베이스(304)에 저장할 수 있다. 적어도 하나의 프로세서들(305)은 데이터베이스(304)에 저장된 정보를 시스템(100)의 적어도 하나의 시스템들에 전송할 수 있다. 예를 들어, 적어도 하나의 프로세서들(305)은 데이터베이스(304)에 저장된 정보를 내부 프론트 엔드 시스템(105)에 전송하여 결과를 디스플레이할 수 있다. 각각의 제품과 연관된 정보를 저장하는 예시적인 데이터베이스(304)가 도 4b에 도시된다. 도 4b에 도시된 바와 같이, 적어도 하나의 프로세서들(305)은 원격 시스템으로부터 재고 배치를 위해 적어도 하나의 제품을 수신할 수 있다. 예를 들어, 적어도 하나의 프로세서들(305)은 재고 배치를 위해 각 제품과 연관된 제품 식별자(identifier)(ID)를 수신할 수 있다. 예를 들어, 제품 ID는, 도 1c의 "품목 번호(Item Number)"와 같은, 제품 또는 제품들의 클래스(class)를 식별하는 스톡 키핑 유닛(SKU)을 포함할 수 있다.
일부 실시예들에서, 적어도 하나의 프로세서들(305)은 데이터베이스(304)에서 제품 ID와 연관된 배송 이력 데이터를 검색하여 각 제품에 대한 고객 수요가 가장 높은 지역을 결정할 수 있다. 예를 들어, 데이터베이스(304)에 저장된 배송 이력 데이터는, 배송 주소, 배송선적 위치, 배송 날짜, 또는 각 제품의 이전 고객 주문과 연관된 다른 배송 정보를 포함할 수 있다. 적어도 하나의 프로세서들(305)은 데이터베이스(304)에 저장된 배송 이력 데이터를 기반으로 각 제품에 대한 고객 수요가 가장 높은 지역을 결정할 수 있다. 예를 들어, 고객 수요가 가장 높은 지역은, 각 제품의 가장 많은 수가 이전에 배송된 배송 위치일 수 있다. 적어도 하나의 프로세서들(305)은, 데이터베이스(304)의 각 제품에 대한 고객 수요가 가장 높은, 결정된 지역(예를 들어, "지역 A(Region A)", "지역 B(Region B)", "지역 C(Region C" 등)을 저장할 수 있다.
또한, 도 4b에 도시된 바와 같이, 적어도 하나의 프로세서들(305)은 각 제품에 대한 예상 배송 날짜를 결정할 수 있다. 예상 배송 날짜는 데이터베이스(304)에 저장된 배송 이력 데이터에 기초할 수 있다. 예를 들어, 적어도 하나의 프로세서들(305)은 배송 이력 데이터에 기초하여 각 제품의 가장 많은 수가 이전에 배송된 시간프레임(timeframe) 및/또는 날짜를 결정할 수 있다. 다른 실시예들에서, 예를 들어, 적어도 하나의 프로세서들(305)이 재고 배치를 위해 각 제품에 대한 제품 식별자를 수신할 때, 적어도 하나의 프로세서들(305)은 각 제품에 대한 예상 배송 날짜를 수신할 수 있다. 즉, 예상 날짜는, 적어도 하나의 프로세서들(305)이 재고 배치를 위한 적어도 하나의 제품 식별자를 수신할 때 사전결정될 수 있다.
또한, 적어도 하나의 프로세서들(305)은 예상 배송 날짜에서의 각 제품에 대한 고객 수요가 가장 높은 지역의 온도를 결정할 수 있다. 예를 들어, 적어도 하나의 프로세서들(305)은, 특정 지역의 기상 예측 데이터, 과거 기상 데이터, 또는 기상 경향에 기초하여 배송 예정 날짜에서의 온도를 예측할 수 있다. 예상 배송 날짜에서의 각 제품에 대한 고객 수요가 가장 높은 지역의 온도에 기초하여, 적어도 하나의 프로세서들(305)은 온도 태그를 각 제품에 할당하도록 데이터베이스(304)를 변경할 수 있다. 데이터베이스(304)의 각 제품에 할당된 온도 태그는 다양한 범위들의 온도 값들에 기초할 수 있다. 예를 들어 각 제품에 대한 고객의 수요가 가장 높은 지역의 평균 온도가 약 32℉ 미만인 경우 "FROZEN" 온도 태그가 할당될 수 있다. 각 제품에 대한 고객의 수요가 가장 높은 지역의 평균 온도가 약 32℉ 내지 약 45℉이면 "COLD" 온도 태그가 할당될 수 있다. 각 제품에 대한 고객의 수요가 가장 높은 지역의 평균 온도가 약 45℉ 내지 약 65℉이면 "COOL" 온도 태그가 할당될 수 있다. 각 제품에 대한 고객의 수요가 가장 높은 지역의 평균 온도가 약 65℉ 내지 약 80℉이면 "WARM" 온도 태그가 할당될 수 있다. 각 제품에 대한 고객의 수요가 가장 높은 지역의 평균 온도가 약 80℉보다 높으면 "HOT" 온도 태그가 할당될 수 있다.
도 5는 제품들의 재고 배치를 관리하기 위한 예시적인 방법(500)을 예시하는 흐름도이다. 이러한 예시적인 방법은 예로서 제공된다. 도 5에 도시된 방법(500)은 실행될 수 있거나 다양한 시스템들의 적어도 하나의 조합들에 의해 달리 수행될 수 있다. 후술되는 바와 같은 방법(500)은, 예로서 도 3에 도시된 바와 같은, 스마트 재고 배치 시스템(301)에 의해 수행될 수 있으며, 그 시스템의 다양한 요소들은 도 5의 방법을 설명하는 데 참조된다. 도 5에 도시된 각각의 블록은 예시적인 방법(500)에서의 적어도 하나의 프로세스들, 방법들, 또는 서브루틴들을 나타낸다. 도 5를 참조하면, 예시적인 방법(500)은 블록(501)에서 시작될 수 있다.
블록(501)에서, 적어도 하나의 프로세서들(305)은 재고 배치를 위해 제품과 연관된 제품 식별자를 수신할 수 있다. 일부 실시예들에서, 적어도 하나의 프로세서들(305)은 도 1a의 시스템(100) 내의 적어도 하나의 시스템들과 같은 원격 시스템으로부터 제품 식별자를 수신할 수 있다. 적어도 하나의 프로세서들(305)은 데이터베이스(304) 내에 제품과 연관된 제품 식별자를 저장할 수 있다. 일부 실시예들에서, 제품 식별자는 제품의 재고 관리 유닛(SKU)을 포함할 수 있다. SKU는 특정 제품 또는 제품들의 클래스를 식별할 수 있다. 예를 들어, SKU는 각 제품에 특정될 수 있으며, 따라서 제조업자, 재료, 색상, 포장 유형, 중량, 또는 각각의 대응하는 제품과 연관된 임의의 다른 특성을 나타낼 수 있다.
제품 식별자가 재고 배치를 위해 수신되면, 방법(500)은 블록(502)으로 진행할 수 있다. 블록(502)에서, 적어도 하나의 프로세서들(305)은 제품에 대한 고객 수요가 가장 높은 지역을 결정할 수 있다. 예를 들어, 적어도 하나의 프로세서들(305)은 데이터베이스(304)에 저장된 배송 이력 데이터를 검색하여 제품과 연관된 배송 이력을 결정할 수 있다. 전술한 바와 같이, 데이터베이스(304)에 저장된 배송 이력 데이터는, 제품이 이전에 운송된 배송 주소들의 리스트, 이전에 제품을 구매한 고객들의 리스트, 각 고객이 구매한 제품의 수량, 또는 제품의 구매 이력과 관련된 임의의 다른 정보를 포함할 수 있다. 배송 이력 데이터에 기초하여, 적어도 하나의 프로세서들(305)은 특정 제품에 대한 가장 높은 고객 수요를 갖는 지리적 지역을 결정할 수 있다. 예를 들어, 제품이 이전에 운송된 배송 주소들의 리스트에 기초하여, 적어도 하나의 프로세서들(305)은 제품에 대한 가장 높은 고객 수요를 갖는 지리적 지역, 예를 들어, 우편 번호, 주, 자치체(municipality), 지역, 또는 다른 정치적 또는 지리적 하위구획을 결정할 수 있다.
제품에 대한 고객 수요가 가장 높은 지역이 결정되면, 방법(500)은 블록(503)으로 진행할 수 있다. 블록(503)에서, 적어도 하나의 프로세서들(305)은 제품의 예상 배송 날짜에서의 제품에 대한 가장 높은 고객의 수요가 있는 지역의 온도를 결정할 수 있다. 도 4b를 참조하여 상술한 바와 같이, 적어도 하나의 프로세서들(305)은 각 제품에 대한 고객 수요가 가장 높은 지역의 온도를 결정하고, 제품과 연관된 온도 정보를 데이터베이스(304)에 저장할 수 있다. 적어도 하나의 프로세서들(305)은 제품의 예상 배송 날짜를 결정하고, 예상 배송 날짜에서의 제품에 대한 고객 수요가 가장 높은 지역과 연관된 온도를 결정할 수 있다. 예상 배송 날짜는 제품과 연관된 배송 이력 데이터에 기초하여 결정될 수 있다. 다른 실시예들에서, 예상 배송 날짜는 적어도 하나의 프로세서(305)가 재고 배치를 위해 제품과 연관된 제품 식별자를 수신할 때 원격 시스템에 의해 제공될 수 있다.
블록(504)에서, 적어도 하나의 프로세서들(305)은 예상 배송 날짜에서의 제품에 대한 고객 수요가 가장 높은 지역의 온도에 기초하여 제품과 연관된 제품 태그를 예측할 수 있다. 일부 실시예들에서, 적어도 하나의 프로세서들(305)은 기계 학습 알고리즘을 사용하여 제품과 연관된 제품 태그를 자동으로 예측할 수 있다. 일부 실시예들에서, 기계 학습 알고리즘은 분류 모델을 포함할 수 있다. 예를 들어, 기계 학습 알고리즘은, 랜덤 포레스트, 인공 신경망, 서포트 벡터 머신, 또는 분류 및 회귀 분석을 위한 임의의 다른 기계 학습 알고리즘 또는 모델과 같은 앙상블 학습 방법을 포함할 수 있다. 이하에서 더욱 상세히 논의되는 바와 같이, 기계 학습 알고리즘은 (예를 들어, 도 4a 및 도 4b에 도시된 바와 같이) 데이터베이스(304)에 저장된 제품 및 FC와 연관된 배송 이력 데이터를 사용하여, 재고 배치를 위해 각 새로운 제품에 제품 태그를 자동적으로 예측 및 할당할 수 있다.
제품과 연관된 제품 태그가 예측되면, 방법(500)은 블록(505)으로 진행할 수 있다. 블록(505)에서, 적어도 하나의 프로세서들(305)은 예측된 제품 태그를 제품에 할당하도록 데이터베이스(304)를 변경할 수 있다. 제품에 할당된 제품 태그는 데이터베이스(304)에 저장될 수 있다. 또한, 데이터베이스(304)에서, 제품에 할당된 제품 태그는 제품의 제품 식별자와 연관될 수 있다.
방법(500)은 블록(506)으로 진행할 수 있으며, 여기서 적어도 하나의 프로세서들(305)은 FC에 배치하기 위해 제품을 할당할 수 있다. FC는 제품에 할당된 제품 태그에 대응하는 FC 태그와 연관될 수 있다. 예를 들어, 적어도 하나의 프로세서들(305)은 제품에 할당된 제품 태그와 매치하는 FC 태그를 갖는 FC에 배치하기 위해 제품을 할당할 수 있다. 도 4a에 도시된 바와 같이, 데이터베이스(304)는 FC들 및 그들의 대응하는 FC 태그들, 예를 들어, 온도 태그들의 리스트를 저장할 수 있다. 따라서, FC 태그는 FC의 위치와 연관된 온도를 나타낼 수 있다. 블록(506)에서, 적어도 하나의 프로세서들(305)은 제품에 할당된 제품 태그와 매치하는 FC 태그를 갖는 데이터베이스(304)의 FC를 식별하고 FC에 배치하기 위해 제품을 할당할 수 있다. 예를 들어, 제품에 "WARM" 제품 태그가 할당될 수 있다. 적어도 하나의 프로세서들(305)은 제품의 예상 배송 날짜에서 "WARM" FC 태그를 갖는 데이터베이스(304)의 FC를 식별하고, FC에 배치하기 위해 제품을 할당할 수 있다.
제품에 할당된 제품 태그와 매치하는 FC 태그를 갖는 둘 이상의 FC, 예를 들어, "WARM" FC 태그를 갖는 5개의 FC들이 있는 경우, 적어도 하나의 프로세서들(305)은 적어도 하나의 FC들과 연관된 다른 파라미터들을 식별하고 제품에 대한 최적의 FC를 선택할 수 있다. 예를 들어, 적어도 하나의 프로세서들(305)은, 다른 것들 중에서, 각각의 FC에 대한 서비스 영역의 수, 각 FC에 대한 서비스 영역의 위치, 예상 배송 날짜에서의 각 FC에 대한 서비스 영역의 온도, FC와 서비스 영역 간의 거리, 각 FC의 최대 용량, 각 FC와 연관된 건물 제한사항, 또는 이들의 조합을 결정할 수 있다. 전술한 파라미터들 중 하나 이상에 기초하여, 적어도 하나의 프로세서들(305)은 제품에 대한 최적의 FC를 선택할 수 있다. 일부 실시예들에서, 최적의 FC는 제품에 대한 가장 높은 수요를 갖는 지역에 가장 근접하게 위치된 적어도 하나의 서비스 영역들을 가질 수 있다. 다른 실시예들에서, 최적의 FC는 제품에 할당된 제품 태그에 의해 표시된 온도에 가장 가까운 온도와 연관된 적어도 하나의 서비스 영역을 가질 수 있다. 또 다른 실시예에서, 최적의 FC는 제품을 저장하기 위한 요구사항을 수용하도록 가장 큰 용량 및 유연성을 갖는 건물 제한사항을 가질 수 있다. 예를 들어, 제품을 냉동 보관해야 하는 경우, 최적의 FC는 냉동 제품을 저장하고 유지할 수 있어야 한다.
도 6은 재고 배치를 관리하기 위한 방법(600)을 예시하는 흐름도이다. 이러한 예시적인 방법은 예시로서 제공된다. 도 6에 도시된 방법(600)은 실행될 수 있거나 다양한 시스템들의 적어도 하나의 조합들에 의해 달리 수행될 수 있다. 이하에서 기재되는 바와 같이 방법(600)은 예로서 도 3에 도시된 바와 같은 스마트 재고 배치 시스템(301)에 의해 수행될 수 있고, 스마트 재고 배치 시스템(301)의 적어도 하나의 요소들은 도 6의 방법을 설명하는 데 참조된다. 도 6에 도시된 각각의 블록은 예시적인 방법(600)에서의 적어도 하나의 프로세스들, 방법들, 또는 서브루틴들을 나타낸다. 도 6을 참조하면, 예시적인 방법(600)은 블록(601)에서 시작될 수 있다.
블록(601)에서, 적어도 하나의 프로세서들(305)은 데이터베이스(304)에 저장된 배송 이력 데이터를 기초로 적어도 하나의 기계 학습 알고리즘을 훈련시킬 수 있다. 예를 들어, 적어도 하나의 프로세서들(305)은 사전결정된 기간 동안 제품 및 FC와 연관된 정보를 데이터베이스에 저장할 수 있고, 저장된 정보는 기계 학습 알고리즘을 훈련시켜 새로운 제품에 제품 태그를 자동적으로 할당하도록 하는 데 사용될 수 있다. 또한, 저장된 정보는 기계 학습 알고리즘을 훈련시켜 적어도 하나의 FC들에 FC 태그들을 자동으로 할당하는 데 사용될 수 있다. 정보는 제품에 할당된 제품 태그, 제품에 대한 제품 식별자, FC에 할당된 FC 태그, 및 도 4a 및 도 4b를 참조하여 상기 기재된 임의의 정보를 포함할 수 있다. 일부 실시예들에서, 데이터베이스(304)에 입력되고 저장된 정보는, 제품에 할당된 제품 태그와 연관된 위치 및 우편 번호, 제품 속성, 및 각 제품과 연관된 배송 이력 데이터를 포함하나 이에 제한되지 않는, 제품과 연관된 정보를 포함할 수 있다. 제품 속성은, 예를 들어, 브랜드 정보, 제조업자 정보, 제품 재료, 제품 포장, 제품 중량, 및/또는 제품 크기를 포함할 수 있다. 배송 이력 데이터는, 예를 들어, 각 제품의 판매 이력, 각 제품과 연관된 과거 배송 주소, 및/또는 이전에 구매된 각 제품의 수량을 포함할 수 있다. 또한, 적어도 하나의 프로세서들(305)은 적어도 하나의 사업 규칙을 구현함으로써 기계 학습 알고리즘을 훈련시킬 수 있다. 사업 규칙은, 각각의 FC에 대한 서비스 영역의 수, 각 FC에 대한 서비스 영역의 위치, 예상 배송 날짜에서의 각 FC에 대한 서비스 영역의 온도, FC와 서비스 영역 간의 거리, 각 FC의 최대 용량, 각 FC와 연관된 건물 제한사항, 또는 이들의 조합을 포함하나 이에 제한되지 않는 적어도 하나의 FC들과 연관된 파라미터들을 포함할 수 있다. 또한, 기계 학습 알고리즘은, FC의 위치, FC 위치에서의 온도, FC와 연관된 적어도 하나의 서비스 영역에서의 온도, 또는 이들의 임의의 조합을 포함하는 인자들에 기초하여 적어도 하나의 FC들에 FC 태그들을 자동으로 할당하도록 훈련될 수 있다. 이와 같이, 제품들 및 FC들과 연관된 상술된 정보, 인자들, 및/또는 파라미터들 중 하나 이상은 기계 학습 알고리즘으로 입력되어, 기계 학습 알고리즘을 훈련시켜, 새로운 제품에 제품 태그를 자동적으로 할당하고 FC에 FC 태그를 자동적으로 할당할 수 있다.
일부 실시예들에서, 기계 학습 알고리즘으로 입력된 정보에 기초하여, 기계 학습 알고리즘은 각각의 제품과 연관된 정보 및 각 제품과 연관된 제품 태그 간의 관계를 계산할 수 있다. 예를 들어, 기계 학습 알고리즘으로 입력된 정보에 기초하여, 기계 학습 알고리즘은 제품에 대한 고객 수요가 가장 높은 지역 및 지역에서의 온도를 예측할 수 있다. 따라서, 기계 학습 알고리즘은 각 제품과 연관된 정보 및 제품에 대한 고객 수요가 가장 높은 지역의 온도 간의 상관관계를 생성할 수 있다. 유사하게, 기계 학습 알고리즘은 FC와 연관된 데이터베이스(304)에 저장된 이력 데이터에 기초하여 FC와 연관된 적어도 하나의 파라미터들을 식별하도록 구성될 수 있다. FC와 연관된 적어도 하나의 파라미터들에 기초하여, 기계 학습 알고리즘이 FC 태그를 FC에 자동으로 할당하는 데 사용될 수 있다.
기계 학습 알고리즘이 훈련되면, 방법(600)은 블록(602)으로 진행할 수 있다. 블록(602)에서, 기계 학습 알고리즘에 의해 생성된 상관관계에 기초하여, 적어도 하나의 프로세서들(305)은 새로운 제품에 제품 태그를 자동으로 할당할 수 있다. 즉, 기계 학습 알고리즘에 의해 생성된 상관관계에 기초하여, 적어도 하나의 프로세서들(305)은 상관관계를 사용하여 각 새로운 제품과 연관된 적어도 하나의 정보에 기초하여 새로운 제품에 제품 태그를 자동적으로 할당할 수 있다. 또한, 블록(603)에서, 적어도 하나의 프로세서들(305)은 기계 학습 알고리즘을 사용하여 FC 태그를 FC에 할당할 수 있다. 전술한 바와 같이, 적어도 하나의 프로세서들(305)은 데이터베이스(304)에 저장된 FC들과 연관된 정보 및/또는 파라미터들을 획득할 수 있다. FC들과 연관된 정보 및/또는 파라미터들에 기초하여, 적어도 하나의 프로세서들(305)은 기계 학습 알고리즘을 사용하여 FC 태그들을 적어도 하나의 FC들에 자동으로 할당할 수 있다.
제품 태그들이 새로운 제품들에 할당되고 FC 태그들이 FC들에 할당되면, 방법(600)은 블록(604)으로 진행할 수 있다. 블록(604)에서, 적어도 하나의 프로세서들(305)은 FC 태그들 및/또는 제품 태그들을 평가할 수 있다. 일부 실시예들에서, 적어도 하나의 프로세서들(305)은, 예를 들어, 하루에 두 번, 하루에 한 번, 일주일에 한 번, 한 달에 한 번 등으로 주기적으로 FC 태그 및/또는 제품 태그를 재평가할 수 있다. 평가 결과에 따라, 적어도 하나의 프로세서들(305)은 FC 태그 및/또는 제품 태그를 동적으로 조정할 수 있다.
일부 실시예들에서, FC 태그를 평가하는 단계는 FC 태그와 연관된 온도를 결정하는 단계를 포함할 수 있다. 예를 들어, 도 4a를 다시 참조하면, FC 1에 대한 FC 태그를 평가하는 단계는 FC 태그와 연관된 온도가 일년 내내 "FROZEN"임을 결정하는 단계를 포함할 수 있다. FC 태그와 연관된 온도가 결정되면, 적어도 하나의 프로세서들(305)은 FC의 위치에서 실제 온도를 결정할 수 있다. 예를 들어, 도 4a를 다시 참조하면, 적어도 하나의 프로세서들(305)은 FC 1이 위치하는 "위치 1(Location 1)"에서의 실제 온도를 결정할 수 있다. 적어도 하나의 프로세서들(305)은 종래의 기상 예보 시스템에 기초하여 실제 온도를 결정할 수 있다. 그런 다음, 적어도 하나의 프로세서들(305)은 데이터베이스(304)의 FC 태그와 연관된 온도와 FC의 위치에서의 실제 온도 간의 차이를 계산할 수 있다. 두 온도들 간의 차이가 사전결정된 임계치를 초과하는 경우, 적어도 하나의 프로세서들(305)은 FC에 할당된 FC 태그를 새로운 FC 태그로 교체할 수 있다. 적어도 하나의 프로세서들(305)은 새로운 FC 태그를 FC에 할당하도록 데이터베이스(304)를 변경할 수 있다. 예로서, 도 4a를 다시 참조하면, 적어도 하나의 프로세서들(305)은 FC 1에 할당된 "FROZEN" 온도 태그와 연관된 온도가 30℉임을 결정할 수 있다. 또한, 적어도 하나의 프로세서들(305)은 "위치 1(Location 1)"에서의 실제 온도가 40℉임을 결정할 수 있다. 적어도 하나의 프로세서들(305)은 10℉의 차이가 사전결정된 임계치를 초과한다고 결정할 수 있으며, 따라서 FC 1에 할당된 "FROZEN" 태그를 "COLD" 태그로 교체하도록 데이터베이스(304)를 변경할 수 있다. 일부 실시예들에서, 적어도 하나의 프로세서들(305)은, FC 태그를 새로운 FC 태그로 교체하기 전에, 데이터베이스(304)의 FC 태그와 연관된 온도와 FC의 위치에서의 실제 온도 간의 차이를 사전결정된 횟수만큼 재평가할 수 있다. 예를 들어, 적어도 하나의 프로세서들(305)은, FC 태그를 새로운 FC 태그로 교체하기 전에 상기 차가 실제로 사전결정된 임계치를 초과함을 확인하도록 2일동안 하루에 2번 상기 차를 재평가할 수 있다. 상기 차가 사전결정된 임계치를 초과하지 않는다면, 적어도 하나의 프로세서들(305)은 FC에 할당된 원래의 FC 태그를 유지할 수 있다.
유사하게, 적어도 하나의 프로세서들(305)은 필요에 따라 주기적으로 제품 태그를 평가할 수 있고 제품 태그를 동적으로 조정할 수 있다. 제품 태그를 평가하는 단계는 제품 태그와 연관된 온도를 결정하는 단계를 포함할 수 있다. 예를 들어, 도 4b를 다시 참조하면, 제품 ID 1에 대한 제품 태그를 평가하는 단계는, 제품 태그와 연관된 온도가 예상 배송 날짜에서 "WARM"임을 결정하는 단계를 포함할 수 있다. 제품 태그와 연관된 온도가 결정되면, 적어도 하나의 프로세서들(305)은 제품에 대한 가장 높은 고객 수요를 갖는 지역에서의 실제 온도를 결정할 수 있다. 예를 들어, 다시 도 4b를 참조하면, 적어도 하나의 프로세서들(305)은, 제품 ID 1에 대한 가장 높은 수요가 있는 "지역 A(Region A)"에서의 실제 온도를 결정할 수 있다. 적어도 하나의 프로세서들(305)은 종래의 기상 예보 시스템에 기초하여 실제 온도를 결정할 수 있다. 그런 다음, 적어도 하나의 프로세서들(305)은 데이터베이스(304)의 제품 태그와 연관된 온도와 제품에 대한 가장 높은 고객 수요가 있는 지역에서의 실제 온도 간의 차이를 계산할 수 있다. 두 온도 간들의 차이가 사전결정된 임계치를 초과하는 경우, 적어도 하나의 프로세서들(305)은 제품에 할당된 제품 태그를 새로운 제품 태그로 교체할 수 있다. 적어도 하나의 프로세서들(305)은 새로운 제품 태그를 제품에 할당하도록 데이터베이스(304)를 변경할 수 있다. 예로서, 도 4b를 다시 참조하면, 적어도 하나의 프로세서들(305)은 제품 ID 1에 할당된 "WARM" 온도 태그와 연관된 온도가 70℉임을 결정할 수 있다. 또한, 적어도 하나의 프로세서들(305)은 "지역 A(Region A)"에서의 실제 온도가 90℉임을 결정할 수 있다. 적어도 하나의 프로세서들(305)은 20℉의 차이가 사전결정된 임계치를 초과한다고 결정할 수 있으며, 따라서 제품 ID 1에 할당된 "WARM" 태그를 "HOT" 태그로 교체하도록 데이터베이스(304)를 변경할 수 있다. 일부 실시예들에서, 적어도 하나의 프로세서들(305)은, 제품 태그를 새로운 제품 태그로 교체하기 전에, 데이터베이스(304) 내의 제품 태그와 연관된 온도와 가장 높은 고객 수요를 갖는 지역에서의 실제 온도 간의 차이를 사전결정된 횟수로 재평가할 수 있다. 예를 들어, 적어도 하나의 프로세서들(305)은, 제품 태그를 새로운 제품 태그로 교체하기 전에 상기 차가 실제로 사전결정된 임계치를 초과함을 확인하도록 2일 동안 하루에 두 번 차를 재평가할 수 있다. 차이가 사전결정된 임계치를 초과하지 않으면, 적어도 하나의 프로세서들(305)은 제품에 할당된 원래의 제품 태그를 유지할 수 있다.
일부 실시예들에서, 기계 학습 알고리즘은 생성된 상관관계에 대한 가중치를 계산할 수 있다. 예를 들어, 기계 학습 알고리즘은, 제품의 브랜드, 제품의 재료, 및 제품의 포장 크기와 같은, 제품과 연관된 제품 속성을 수신할 수 있다. 위에서 논의된 바와 같이, 기계 학습 알고리즘은 예를 들어, 브랜드-제품 태그 상관관계, 재료-제품 태그 상관관계, 및 포장 크기-제품 태그 상관관계와 같은, 각 제품 속성과 제품과 연관된 재품 태그 간의 상관관계들의 조합을 생성할 수 있다. 생성된 상관관계들의 각각은, 각 제품 속성이 적어도 하나의 FC들(200)에서의 제품의 배치에 영향을 미칠 수 있는 정도에 기초하여 상이하게 가중될 수 있다. 예를 들어, 포장 크기-제품 태그 상관관계는 브랜드-제품 태그 상관관계보다 더 가중될 수 있으며, 이는 FC들(200)과 연관된 건물 제한사항들로 인해 제품의 포장 크기가 제품의 브랜드보다 적어도 하나의 FC들(200)에서의 제품의 배치에 영향을 줄 가능성이 더 많기 때문이다. 결정된 상관 가중치들에 기초하여, 적어도 하나의 프로세서들(305)은 제품 배치 규칙들을 결정할 수 있다. 예를 들어, 특정 FC(200)에서의 재고 배치를 위해 할당된 제품들이 특정한 FC(200)에서의 이용가능한 공간의 양보다 더 많다면, 적어도 하나의 프로세서들(305)은 제품 배치 규칙에 기초하여 어떤 제품이 동일한 제품 태그를 갖는 다른 제품들보다 우선되어야 하는지 결정할 필요가 있을 수 있다. 일부 실시예들에서, 적어도 하나의 프로세서들(305)은, 제품들에 동일한 제품 태그가 할당될 수 있음에도, 보다 높은 상관 가중치를 갖는 제품을 보다 낮은 상관 가중치를 갖는 다른 제품보다 우선시할 수 있다.
FC 태그 및/또는 제품 태그가 주기적으로 재평가되면, 방법(600)은 블록(605)으로 진행할 수 있다. 블록(605)에서, 도 5의 블록(506)과 유사하게, 적어도 하나의 프로세서들(305)은 제품에 할당된 제품 태그에 대응하는 FC 태그와 연관된 FC에 배치하기 위해 제품을 할당할 수 있다. 예를 들어, 적어도 하나의 프로세서들(305)은 제품에 할당된 제품 태그와 매치하는 FC 태그를 갖는 FC에 배치하기 위해 제품을 할당할 수 있다. 도 4a에 도시된 바와 같이, 데이터베이스(304)는 FC들 및 예를 들어 온도 태그들과 같은 이들의 대응하는 FC 태그들의 리스트를 저장할 수 있다. 따라서, FC 태그는 FC의 위치와 연관된 온도를 나타낼 수 있다. 블록(605)에서, 적어도 하나의 프로세서들(305)은, 제품에 할당된 제품 태그와 매치하는 FC 태그를 갖는, 데이터베이스(304)의 FC를 식별하고, FC에 배치하기 위해 제품을 할당할 수 있다. 예를 들어, 제품에 "WARM" 제품 태그가 할당될 수 있다. 적어도 하나의 프로세서들(305)은 제품의 예상 배송 날짜 상에서 "WARM" FC 태그를 갖는, 데이터베이스(304)의 FC를 식별하고, FC에 배치하기 위해 제품을 할당할 수 있다.
제품에 할당된 제품 태그와 매치하는 FC 태그를 갖는 둘 이상의 FC, 예를 들어, "WARM" FC 태그를 갖는 5개의 FC들이 있으면, 적어도 하나의 프로세서들(305)은 적어도 하나의 FC들과 연관된 다른 파라미터들을 식별하고 제품에 대한 최적의 FC를 선택할 수 있다. 예를 들어, 적어도 하나의 프로세서들(305)은, 다른 것들 중에서, 각각의 FC에 대한 서비스 영역의 수, 각 FC에 대한 서비스 영역의 위치, 예상 배송 날짜에서의 각 FC에 대한 서비스 영역의 온도, FC와 서비스 영역 간의 거리, 각 FC의 최대 용량, 각 FC와 연관된 건물 제한사항, 또는 이들의 조합을 결정할 수 있다. 전술한 파라미터들 중 하나 이상에 기초하여, 적어도 하나의 프로세서들(305)은 제품에 대한 최적의 FC를 선택할 수 있다. 일부 실시예들에서, 최적의 FC는 제품에 대한 가장 높은 수요를 갖는 지역에 가장 근접하게 위치된 적어도 하나의 서비스 영역들을 가질 수 있다. 다른 실시예들에서, 최적의 FC는 제품에 할당된 제품 태그에 의해 표시된 온도에 가장 가까운 온도와 연관된 적어도 하나의 서비스 영역을 가질 수 있다. 또 다른 실시예에서, 최적의 FC는 제품을 저장하기 위한 요구사항을 수용하도록 가장 큰 용량 및 유연성을 갖는 건물 제한사항을 가질 수 있다. 예를 들어, 제품을 냉동 보관해야 하는 경우, 최적의 FC는 냉동 제품을 저장하고 유지할 수 있어야 한다.
방법(600)은 블록(606)으로 진행할 수 있으며, 여기서 적어도 하나의 프로세서들(305)은 특정 제품에 대한 고객으로부터의 고객 주문을 수신할 수 있다. 예를 들어, 외부 프론트 엔드 시스템(103)은 도 1a의 디바이스(102A) 또는 디바이스(102B)로부터 주문을 수신할 수 있다. 고객 주문을 수신하면, 적어도 하나의 프로세서들(305)은 데이터베이스(304)를 참조하여 특정 제품이 재고를 위해 어떤 FC(200)에 배치되는지 결정할 수 있다. 예를 들어, 특정 제품은 FC들(200)의 적어도 하나의 위치들에서의 계절적 변화들로 인해 일년 내내 상이한 FC들(200)에 재고 배치를 위해 할당될 수 있다. 이와 같이, 적어도 하나의 프로세서들(305)은 고객 주문의 특정 제품이 배치되는 FC(200)를 식별할 수 있다. 또한, 일부 실시예들에서, 적어도 하나의 프로세서들(305)은, 특정 제품을 갖는 FC(200)에서 이용가능한 특정 제품의 양을 결정할 수 있다.
적어도 하나의 프로세서들(305)이 특정 제품이 배치되는 FC(200)를 식별하면, 방법(600)은 블록(607)으로 진행할 수 있다. 블록(607)에서, 적어도 하나의 프로세서들(305)은 고객에게 전달하기 위해 식별된 FC(200)로부터 특정 제품을 획득할 수 있다. 각각의 제품에 대한 가장 높은 고객 수요를 갖는 지역의 온도 및 각 FC(200)의 위치에서의 온도에 기초하여 적어도 하나의 FC들(200)에서의 재고 배치를 위해 제품들을 할당함으로써, 적어도 하나의 프로세서들(305)은 고객 주문으로부터의 제품을 효율적으로 획득할 수 있어, 운송 비용, 프로세서 로드(processor load), 및 운송 시간을 감소시킨다.
본 개시가 그의 특정 실시예들을 참조하여 도시되고 기재되었지만, 본 개시는 다른 환경 내에서 수정없이 실시될 수 있음을 이해할 것이다. 전술한 설명은 설명의 목적으로 제시되었다. 이는 포괄적인 것이 아니며 개시된 정확한 형태들 또는 실시예들에 한정되지 않는다. 본 명세서의 고려 및 개시된 실시예들의 실행으로부터 수정 및 개조가 당업자에게 명백할 것이다. 또한, 개시된 실시예들의 양태들이 메모리 내에 저장되는 것으로 기재되었지만, 당업자는 이러한 양태들이 예를 들어, 하드 디스크 또는 CD ROM과 같은 2차 저장 장치, 또는 RAM 또는 ROM, USB 매체, DVD, Blu-ray, 또는 다른 광학 드라이브 매체와 같은 다른 형태들과 같은, 다른 유형의 컴퓨터 판독 가능 매체 상에 저장될 수 있다는 것을 이해할 것이다.
기재된 설명 및 개시된 방법들을 기초로 한 컴퓨터 프로그램은 숙련된 개발자의 기술 내에 있다. 다양한 프로그램 또는 프로그램 모듈은 당업자에게 공지된 임의의 기술을 사용하여 생성될 수 있거나 기존 소프트웨어와 관련하여 설계될 수 있다. 예를 들어, 프로그램 섹션 또는 프로그램 모듈은 .Net Framework, .NET Compact Framework(및 Visual Basic, C 등과 같은 관련 언어들), Java, C++, Objective-C, HTML, HTML/AJAX 조합들, XML, 또는 자바 애플릿을 포함하는 HTML으로 또는 이를 이용하여 설계될 수 있다.
또한, 예시적인 실시예들이 본 명세서에 기재되었지만, 등가 요소들, 수정들, 생략들, 조합들 (예를 들어, 다양한 실시예들에 걸친 양태들), 적용들, 및/또는 개조들을 갖는 임의의 및 모든 실시예들의 범위는 본 개시에 기초하여 당업자에 의해 이해될 것이다. 청구 범위에서의 한정은 청구 범위에서 사용된 언어에 기초하여 광범위하게 해석되어야 하며, 본 명세서에 기술된 예들 또는 애플리케이션의 실행 중에 한정되지 않는다. 상기 예들은 비배타적인 것으로 해석되어야 한다. 또한, 개시된 방법들의 단계들은 단계들의 재정렬 및/또는 단계들의 삽입 또는 삭제를 포함하는 임의의 방식으로 변형될 수 있다. 따라서, 본 명세서 및 예시들은 단지 예시적인 것으로 간주되어야 하며, 진정한 범위 및 사상은 다음 청구 범위 및 그의 등가물들의 전체 범위에 의해 지시된다.

Claims (20)

  1. 재고 배치를 관리하기 위한 컴퓨터-구현 시스템으로서,
    명령들을 저장하는 메모리; 및
    적어도 하나의 프로세서를 포함하고,
    상기 적어도 하나의 프로세서는 상기 명령들을 실행하여 동작들을 수행하도록 구성되고,
    상기 동작들은,
    기계 학습 알고리즘을 사용하여, 적어도 제품에 대한 가장 높은 고객 수요를 갖는 지역과 연관된 온도에 기초하여 상기 제품과 연관된 제품 태그를 예측하고;
    상기 제품 태그에 대응하는 풀필먼트 센터 태그와 연관된 하나 이상의 풀필먼트 센터를 결정하고;
    상기 결정된 하나 이상의 풀필먼트 센터 중에서, 상기 제품에 대한 가장 높은 고객 수요를 갖는 상기 지역과 가장 가깝게 위치한 하나 이상의 서비스 영역을 갖는 풀필먼트 센터를 선택하고;
    상기 선택된 풀필먼트 센터 내 배치를 위해 상기 제품을 할당하고;
    고객으로부터 상기 제품에 대한 고객 주문을 수신하고;
    데이터베이스로부터 상기 제품에 할당된 상기 선택된 풀필먼트 센터를 식별하고; 그리고
    상기 고객에게 배달되도록 상기 선택된 풀필먼트 센터로부터 상기 제품을 공급하도록 하는 것을 포함하는, 컴퓨터-구현 시스템.
  2. 제1항에 있어서,
    상기 풀필먼트 센터 태그는 상기 선택된 풀필먼트 센터의 위치와 연관된 온도를 나타내는, 컴퓨터-구현 시스템.
  3. 제1항에 있어서,
    상기 제품 태그는 상기 지역 및 배송 날짜와 연관된 온도에 기초하여 동적으로 조정가능한, 컴퓨터-구현 시스템.
  4. 제2항에 있어서,
    상기 풀필먼트 센터 태그는 상기 선택된 풀필먼트 센터의 위치와 연관된 온도에 기초하여 동적으로 조정가능한, 컴퓨터-구현 시스템.
  5. 제1항에 있어서,
    상기 적어도 하나의 프로세서는 상기 명령들을 실행하여 동작들을 수행하도록 더 구성되고,
    상기 동작들은,
    상기 기계 학습 알고리즘을 사용하여, 상기 선택된 풀필먼트 센터와 연관된 매개변수 또는 상기 선택된 풀필먼트 센터의 상기 하나 이상의 서비스 영역과 연관된 온도 중 적어도 하나에 기초하여 상기 풀필먼트 센터 태그를 상기 선택된 풀필먼트 센터에 할당하는 것을 포함하는, 컴퓨터-구현 시스템.
  6. 제5항에 있어서,
    상기 선택된 풀필먼트 센터와 연관된 상기 매개변수는 최대 용량, 건물 제한사항, 상기 선택된 풀필먼트 센터와 상기 하나 이상의 서비스 영역 간의 거리, 또는 서비스 영역들의 수 중 적어도 하나를 포함하는, 컴퓨터-구현 시스템.
  7. 제1항에 있어서,
    상기 적어도 하나의 프로세서는 상기 명령들을 실행하여 동작들을 수행하도록 더 구성되고,
    상기 동작들은,
    상기 제품과 연관된 정보를 상기 데이터베이스에 저장하고 - 상기 정보는 상기 제품에 할당된 상기 제품 태그를 포함함 -; 및
    상기 데이터베이스에 저장된 상기 정보에 기초하여 새로운 제품들에 제품 태그들을 자동으로 할당하도록 상기 기계 학습 알고리즘을 훈련시키는 것을 포함하는, 컴퓨터-구현 시스템.
  8. 제1항에 있어서,
    상기 풀필먼트 센터 태그는 상기 제품 태그와 매치하는, 컴퓨터-구현 시스템.
  9. 제1항에 있어서,
    상기 기계 학습 알고리즘은 분류 모델을 포함하는, 컴퓨터-구현 시스템.
  10. 제2항에 있어서,
    상기 적어도 하나의 프로세서는 상기 명령들을 실행하여 동작들을 수행하도록 더 구성되고,
    상기 동작들은,
    상기 제품 태그 또는 상기 풀필먼트 센터 태그 중 적어도 하나를 주기적으로 평가하는 것을 포함하고, 상기 제품 태그 또는 상기 풀필먼트 센터 태그 중 적어도 하나를 평가하는 것은,
    상기 제품 태그 또는 상기 풀필먼트 센터 태그 중 적어도 하나와 연관된 온도를 결정하고;
    상기 제품에 대한 가장 높은 고객 수요를 갖는 지역 또는 상기 선택된 풀필먼트 센터의 위치 중 적어도 하나와 연관된 실제 온도를 결정하고;
    상기 제품 태그 또는 상기 풀필먼트 센터 태그 중 적어도 하나와 연관된 온도와 상기 실제 온도 간의 차이를 계산하고; 그리고
    상기 차이가 미리결정된 임계치를 초과하는 경우, 상기 제품 태그 또는 상기 풀필먼트 센터 태그 중 적어도 하나를 새로운 태그로 교체하는 것을 포함하는, 컴퓨터-구현 시스템.
  11. 재고 배치를 관리하기 위한 컴퓨터-구현 방법으로서,
    기계 학습 알고리즘을 사용하여, 적어도 제품에 대한 가장 높은 고객 수요를 갖는 지역과 연관된 온도에 기초하여 상기 제품과 연관된 제품 태그를 예측하고;
    상기 제품 태그에 대응하는 풀필먼트 센터 태그와 연관된 하나 이상의 풀필먼트 센터를 결정하고;
    상기 결정된 하나 이상의 풀필먼트 센터 중에서, 상기 제품에 대한 가장 높은 고객 수요를 갖는 상기 지역과 가장 가깝게 위치한 하나 이상의 서비스 영역을 갖는 풀필먼트 센터를 선택하고;
    상기 선택된 풀필먼트 센터 내 배치를 위해 상기 제품을 할당하고;
    고객으로부터 상기 제품에 대한 고객 주문을 수신하고;
    데이터베이스로부터 상기 제품에 할당된 상기 선택된 풀필먼트 센터를 식별하고; 그리고
    상기 고객에게 배달되도록 상기 선택된 풀필먼트 센터로부터 상기 제품을 공급하도록 하는 것을 포함하는, 컴퓨터-구현 방법.
  12. 제11항에 있어서,
    상기 풀필먼트 센터 태그는 상기 선택된 풀필먼트 센터의 위치와 연관된 온도를 나타내는, 컴퓨터-구현 방법.
  13. 제11항에 있어서,
    상기 제품 태그는 상기 지역 및 배송 날짜와 연관된 온도에 기초하여 동적으로 조정가능한, 컴퓨터-구현 방법.
  14. 제12항에 있어서,
    상기 풀필먼트 센터 태그는 상기 선택된 풀필먼트 센터의 위치와 연관된 온도에 기초하여 동적으로 조정가능한, 컴퓨터-구현 방법.
  15. 제11항에 있어서,
    상기 기계 학습 알고리즘을 사용하여, 상기 선택된 풀필먼트 센터와 연관된 매개변수 또는 상기 선택된 풀필먼트 센터의 상기 하나 이상의 서비스 영역과 연관된 온도 중 적어도 하나에 기초하여 상기 풀필먼트 센터 태그를 상기 선택된 풀필먼트 센터에 할당하는 것을 더 포함하는, 컴퓨터-구현 방법.
  16. 제15항에 있어서,
    상기 선택된 풀필먼트 센터와 연관된 상기 매개변수는 최대 용량, 건물 제한사항, 상기 선택된 풀필먼트 센터와 상기 하나 이상의 서비스 영역 간의 거리, 또는 서비스 영역들의 수 중 적어도 하나를 포함하는, 컴퓨터-구현 방법.
  17. 제11항에 있어서,
    상기 제품과 연관된 정보를 상기 데이터베이스에 저장하고 - 상기 정보는 상기 제품에 할당된 상기 제품 태그를 포함함 -; 및
    상기 데이터베이스에 저장된 상기 정보에 기초하여 새로운 제품들에 제품 태그들을 자동으로 할당하도록 상기 기계 학습 알고리즘을 훈련시키는 것을 더 포함하는, 컴퓨터-구현 방법.
  18. 제11항에 있어서,
    상기 풀필먼트 센터 태그는 상기 제품 태그와 매치하는, 컴퓨터-구현 방법.
  19. 제11항에 있어서,
    상기 기계 학습 알고리즘은 분류 모델을 포함하는, 컴퓨터-구현 방법.
  20. 제12항에 있어서,
    상기 제품 태그 또는 상기 풀필먼트 센터 태그 중 적어도 하나를 주기적으로 평가하는 것을 더 포함하고, 상기 제품 태그 또는 상기 풀필먼트 센터 태그 중 적어도 하나를 평가하는 것은,
    상기 제품 태그 또는 상기 풀필먼트 센터 태그 중 적어도 하나와 연관된 온도를 결정하고;
    상기 제품에 대한 가장 높은 고객 수요를 갖는 지역 또는 상기 선택된 풀필먼트 센터의 위치 중 적어도 하나와 연관된 실제 온도를 결정하고;
    상기 제품 태그 또는 상기 풀필먼트 센터 태그 중 적어도 하나와 연관된 온도와 상기 실제 온도 간의 차이를 계산하고; 그리고
    상기 차이가 미리결정된 임계치를 초과하는 경우, 상기 제품 태그 또는 상기 풀필먼트 센터 태그 중 적어도 하나를 새로운 태그로 교체하는 것을 포함하는, 컴퓨터-구현 방법.
KR1020220125735A 2019-04-10 2022-09-30 기계-학습 보조 재고 배치를 위한 시스템 및 방법 KR102548938B1 (ko)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US16/380,239 US10504061B1 (en) 2019-04-10 2019-04-10 Systems and methods for machine-learning assisted inventory placement
US16/380,239 2019-04-10
KR1020190069487A KR102451779B1 (ko) 2019-04-10 2019-06-12 기계-학습 보조 재고 배치를 위한 시스템 및 방법

Related Parent Applications (1)

Application Number Title Priority Date Filing Date
KR1020190069487A Division KR102451779B1 (ko) 2019-04-10 2019-06-12 기계-학습 보조 재고 배치를 위한 시스템 및 방법

Publications (2)

Publication Number Publication Date
KR20220139268A KR20220139268A (ko) 2022-10-14
KR102548938B1 true KR102548938B1 (ko) 2023-06-29

Family

ID=68766231

Family Applications (2)

Application Number Title Priority Date Filing Date
KR1020190069487A KR102451779B1 (ko) 2019-04-10 2019-06-12 기계-학습 보조 재고 배치를 위한 시스템 및 방법
KR1020220125735A KR102548938B1 (ko) 2019-04-10 2022-09-30 기계-학습 보조 재고 배치를 위한 시스템 및 방법

Family Applications Before (1)

Application Number Title Priority Date Filing Date
KR1020190069487A KR102451779B1 (ko) 2019-04-10 2019-06-12 기계-학습 보조 재고 배치를 위한 시스템 및 방법

Country Status (9)

Country Link
US (2) US10504061B1 (ko)
JP (2) JP6957759B2 (ko)
KR (2) KR102451779B1 (ko)
CN (1) CN110766359B (ko)
AU (1) AU2020265680A1 (ko)
PH (1) PH12020551831A1 (ko)
SG (1) SG11202011560SA (ko)
TW (2) TWI764719B (ko)
WO (1) WO2020208469A1 (ko)

Families Citing this family (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10504061B1 (en) * 2019-04-10 2019-12-10 Coupang, Corporation Systems and methods for machine-learning assisted inventory placement
US10796278B1 (en) * 2019-11-19 2020-10-06 Lineage Logistics, LLC Optimizing pallet location in a warehouse
US20210182770A1 (en) * 2019-12-13 2021-06-17 Coupang, Corp. Systems and methods for automated delivery worker scheduling
US10754916B1 (en) * 2020-01-02 2020-08-25 Coupang, Corp. Systems and methods for generating dynamic websites with hypermedia elements
US10796279B1 (en) * 2020-04-07 2020-10-06 Coupang Corp. Systems and methods for automated outbound profile generation
US11250380B2 (en) 2020-07-17 2022-02-15 Coupang Corp. Computer-implemented systems and methods for optimization of a product inventory by intelligent distribution of inbound products using product assignment validation
CN112633793B (zh) * 2020-12-15 2024-05-14 嘉兴蓝匠仓储系统软件有限公司 自动化立体库通过大数据分析优化货位入库分配的方法
KR102284677B1 (ko) * 2020-12-16 2021-08-03 쿠팡 주식회사 물류 정보 관리 방법 및 이를 수행하는 전자 장치
US11087278B1 (en) * 2021-01-29 2021-08-10 Coupang Corp. Computerized systems and methods for managing inventory by grading returned products
US11989685B2 (en) * 2021-04-07 2024-05-21 Ebay Inc. Intelligent computer functionality and visualization for inventory item placement
KR102340810B1 (ko) * 2021-04-26 2021-12-20 쿠팡 주식회사 발주와 관련된 정보를 제공하는 전자 장치의 동작 방법 및 이를 지원하는 전자 장치
US12033114B2 (en) * 2021-07-06 2024-07-09 Ebay Inc. System and method for providing warehousing service
WO2023008627A1 (ko) * 2021-07-30 2023-02-02 쿠팡 주식회사 아이템 재고 관리 방법 및 그 장치
US20230105019A1 (en) * 2021-10-04 2023-04-06 International Business Machines Corporation Using a predictive machine learning to determine storage spaces to store items in a storage infrastructure
US12094031B2 (en) * 2022-03-11 2024-09-17 International Business Machines Corporation Mixed reality based contextual evaluation of object dimensions
CN117670187B (zh) * 2023-11-10 2024-08-13 翼瀚齐创科技(杭州)有限公司 一种用于智能物流的仓储分品类关联管理系统

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2005285099A (ja) * 2004-03-05 2005-10-13 Ntt Docomo Inc 場の管理装置および場の管理方法
JP2018180821A (ja) * 2017-04-10 2018-11-15 株式会社オープンロジ 倉庫管理サーバ及び倉庫管理方法

Family Cites Families (29)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6811516B1 (en) * 1999-10-29 2004-11-02 Brian M. Dugan Methods and apparatus for monitoring and encouraging health and fitness
EP1297477A2 (en) 2000-06-29 2003-04-02 United Parcel Service Of America, Inc. Systems and methods for end-to-end fulfillment and supply chain management
NO20020585L (no) * 2002-02-05 2003-08-06 Zopa As System og fremgangsmate for a overfore produkter fra et oppbevaringsomrade til et utleveringsomrade
WO2005008609A1 (en) * 2003-03-20 2005-01-27 Powers International, Inc. Systems, methods and computer program products for monitoring transport containers
WO2005006110A2 (en) 2003-04-09 2005-01-20 Savi Technology, Inc. Continuous security state tracking for intermodal containers transported through a global supply chain
US7721959B2 (en) * 2004-07-19 2010-05-25 I2 Technologies Us, Inc. Optimizing inventory in accordance with a constrained network
US8315887B2 (en) * 2005-10-18 2012-11-20 Walgreen Co. System for separating and distributing pharmacy order processing for specialty medication
US20070221727A1 (en) 2006-03-21 2007-09-27 Siemens Corporate Research, Inc. System and Method For Determining Product Shelf Life
KR20080089540A (ko) * 2007-02-26 2008-10-07 (주)데일리시스템 식자재 유통 시스템 및 재고 관리 방법
US9189768B2 (en) * 2007-05-31 2015-11-17 Amazon Technologies, Inc. Method and apparatus for providing fulfillment services
US8425173B2 (en) * 2009-04-10 2013-04-23 Symbotic Llc Autonomous transports for storage and retrieval systems
US8620727B2 (en) 2010-08-18 2013-12-31 Terence V. Pageler Business performance segmentation model
WO2012047031A2 (ko) * 2010-10-06 2012-04-12 한국식품연구원 식품 품질 모니터링 방법 및 시스템
US8620707B1 (en) * 2011-06-29 2013-12-31 Amazon Technologies, Inc. Systems and methods for allocating inventory in a fulfillment network
US9710779B1 (en) * 2011-12-27 2017-07-18 Grubhub Holdings, Inc. System, method and apparatus for receiving bids from diners for expedited food delivery
CN104487965A (zh) * 2012-06-12 2015-04-01 安迪工作室 为移动通信终端提供相关信息的装置及共享相关信息的系统
US11030571B2 (en) 2013-12-20 2021-06-08 Ebay Inc. Managed inventory
US9652784B2 (en) * 2014-04-18 2017-05-16 Level 3 Communications, Llc Systems and methods for generating network intelligence through real-time analytics
KR101553329B1 (ko) * 2014-10-20 2015-09-16 서형원 판매 수익의 2배 적립에 의한 현금결제 연동방법 및 이의 연동 시스템
KR20160081636A (ko) * 2014-12-31 2016-07-08 (주) 케이솔버 리워드 모바일 광고 애플리케이션을 이용한 가상 공간 경제 활동 보상 시스템
US9489852B1 (en) * 2015-01-22 2016-11-08 Zipline International Inc. Unmanned aerial vehicle management system
US9488979B1 (en) * 2015-04-14 2016-11-08 Zipline International Inc. System and method for human operator intervention in autonomous vehicle operations
US10438163B2 (en) 2015-07-02 2019-10-08 Walmart Apollo, Llc System and method for affinity-based optimal assortment selection for inventory deployment
TWM512735U (zh) 2015-09-03 2015-11-21 Hsiau-Wen Lin 農產品產銷標籤建置系統
US10242338B2 (en) 2016-03-18 2019-03-26 Walmart Apollo, Llc Systems and methods for managing an inventory of products purchased by customers from a retailer
KR102113901B1 (ko) * 2016-04-08 2020-05-22 엔에이치엔페이코 주식회사 어플리케이션 리스트를 통해 타겟 정보를 제공하는 방법 및 시스템
KR20170118297A (ko) * 2016-04-14 2017-10-25 주식회사 나우드림 기상 정보에 기반한 상품 추천 방법
US10423923B2 (en) 2016-09-13 2019-09-24 International Business Machines Corporation Allocating a product inventory to an omnichannel distribution supply chain
US10504061B1 (en) * 2019-04-10 2019-12-10 Coupang, Corporation Systems and methods for machine-learning assisted inventory placement

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2005285099A (ja) * 2004-03-05 2005-10-13 Ntt Docomo Inc 場の管理装置および場の管理方法
JP2018180821A (ja) * 2017-04-10 2018-11-15 株式会社オープンロジ 倉庫管理サーバ及び倉庫管理方法

Also Published As

Publication number Publication date
PH12020551831A1 (en) 2021-06-28
KR20200119687A (ko) 2020-10-20
WO2020208469A1 (en) 2020-10-15
JP2022003574A (ja) 2022-01-11
SG11202011560SA (en) 2020-12-30
JP2021515288A (ja) 2021-06-17
JP7203925B2 (ja) 2023-01-13
TWI764719B (zh) 2022-05-11
US10504061B1 (en) 2019-12-10
KR102451779B1 (ko) 2022-10-06
CN110766359B (zh) 2023-11-24
AU2020265680A1 (en) 2020-12-10
TW202044146A (zh) 2020-12-01
US20200327485A1 (en) 2020-10-15
TWI731647B (zh) 2021-06-21
JP6957759B2 (ja) 2021-11-02
TW202134970A (zh) 2021-09-16
US11282030B2 (en) 2022-03-22
KR20220139268A (ko) 2022-10-14
CN110766359A (zh) 2020-02-07

Similar Documents

Publication Publication Date Title
KR102548938B1 (ko) 기계-학습 보조 재고 배치를 위한 시스템 및 방법
KR102445640B1 (ko) 아웃바운드 예측을 위한 시스템 및 방법
JP2021528739A (ja) インバウンド製品をスケジュールし、インバウンド製品を収納し、インバウンドエラーを監視するためのシステムおよび方法
KR102445639B1 (ko) 인바운드 스토우 모델을 이용한 아웃바운드 예측을 위한 시스템 및 방법
KR102548216B1 (ko) 비용 최적화된 구성을 생성하기 위한 패키지 구성의 시뮬레이션을 위한 시스템 및 방법
KR102677402B1 (ko) 풀필먼트 센터 우선순위 값에 기초한 아웃바운드 예측을 위한 시스템 및 방법
KR102524394B1 (ko) 아웃바운드 흐름을 시뮬레이션하기 위한 유전 알고리즘 기반 시스템 및 방법
KR102479802B1 (ko) 우편 번호 매핑에 기초하여 아웃바운드를 예측하기 위한 시스템 및 방법
KR102524919B1 (ko) 보장된 배달 시간 선택의 표시 및 결정을 위한 컴퓨터 시스템 및 방법

Legal Events

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