KR102575002B1 - 풀필먼트 센터 우선순위 값에 기초한 아웃바운드 예측을 위한 시스템 및 방법 - Google Patents
풀필먼트 센터 우선순위 값에 기초한 아웃바운드 예측을 위한 시스템 및 방법 Download PDFInfo
- Publication number
- KR102575002B1 KR102575002B1 KR1020220050852A KR20220050852A KR102575002B1 KR 102575002 B1 KR102575002 B1 KR 102575002B1 KR 1020220050852 A KR1020220050852 A KR 1020220050852A KR 20220050852 A KR20220050852 A KR 20220050852A KR 102575002 B1 KR102575002 B1 KR 102575002B1
- Authority
- KR
- South Korea
- Prior art keywords
- outbound
- fulfillment
- fulfillment center
- priority
- priority values
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 76
- 238000009826 distribution Methods 0.000 claims abstract description 52
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 49
- 239000011159 matrix material Substances 0.000 claims description 22
- 230000002068 genetic effect Effects 0.000 claims description 11
- 239000000047 product Substances 0.000 description 86
- 238000012384 transportation and delivery Methods 0.000 description 38
- 238000004088 simulation Methods 0.000 description 29
- 230000008569 process Effects 0.000 description 16
- 238000010586 diagram Methods 0.000 description 11
- 230000008859 change Effects 0.000 description 8
- 238000013068 supply chain management Methods 0.000 description 8
- 238000004891 communication Methods 0.000 description 7
- 230000004044 response Effects 0.000 description 7
- 238000007726 management method Methods 0.000 description 6
- 238000012546 transfer Methods 0.000 description 6
- 238000004364 calculation method Methods 0.000 description 5
- 230000002452 interceptive effect Effects 0.000 description 5
- 238000013507 mapping Methods 0.000 description 5
- 238000012856 packing Methods 0.000 description 5
- 238000005457 optimization Methods 0.000 description 4
- 229920001690 polydopamine Polymers 0.000 description 4
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000009471 action Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 239000000835 fiber Substances 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000004806 packaging method and process Methods 0.000 description 2
- 238000007670 refining Methods 0.000 description 2
- 238000005057 refrigeration Methods 0.000 description 2
- 230000000717 retained effect Effects 0.000 description 2
- 238000012552 review Methods 0.000 description 2
- 238000013515 script Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 102100028626 4-hydroxyphenylpyruvate dioxygenase Human genes 0.000 description 1
- 239000008186 active pharmaceutical agent Substances 0.000 description 1
- 238000007792 addition Methods 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 238000013475 authorization Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 239000006227 byproduct Substances 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000002716 delivery method Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000000977 initiatory effect Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 229920002469 poly(p-dioxane) polymer Polymers 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000010079 rubber tapping Methods 0.000 description 1
- 230000001932 seasonal effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
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
- G06Q10/06—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
- G06Q30/0202—Market predictions or forecasting for commercial activities
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N7/00—Computing arrangements based on specific mathematical models
-
- 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"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06316—Sequencing of tasks or work
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
- G06Q10/087—Inventory or stock management, e.g. order filling, procurement or balancing against orders
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/10—Office automation; Time management
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F12/00—Accessing, addressing or allocating within memory systems or architectures
- G06F12/02—Addressing or allocation; Relocation
- G06F12/08—Addressing or allocation; Relocation in hierarchically structured memory systems, e.g. virtual memory systems
- G06F12/0802—Addressing of a memory level in which the access to the desired data or data block requires associative addressing means, e.g. caches
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/12—Computing arrangements based on biological models using genetic models
- G06N3/126—Evolutionary algorithms, e.g. genetic algorithms or genetic programming
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- General Physics & Mathematics (AREA)
- Development Economics (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Finance (AREA)
- Accounting & Taxation (AREA)
- Tourism & Hospitality (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Data Mining & Analysis (AREA)
- Educational Administration (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Software Systems (AREA)
- Computing Systems (AREA)
- Artificial Intelligence (AREA)
- Mathematical Physics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- General Health & Medical Sciences (AREA)
- Computational Linguistics (AREA)
- Biophysics (AREA)
- Biomedical Technology (AREA)
- Computational Mathematics (AREA)
- Geometry (AREA)
- Algebra (AREA)
- Computer Hardware Design (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
Abstract
본 개시의 실시예는 아웃바운드 예측을 위한 컴퓨터 구현 방법 및 시스템을 제공하는 것으로, 컴퓨터 구현 방법은 시뮬레이션 알고리즘을 이용하여, 각 지역에서의 복수의 풀필먼트 센터에 대한 우선순위 값의 초기 분배를 결정하고; 미리 설정된 제1 임계값을 초과하는 아웃바운드 용량 활용도값을 포함하는 풀필먼트 센터의 수를 결정하고; 결정된 수의 풀필먼트 센터 중 적어도 하나 및 시뮬레이션 알고리즘을 이용하여 하나 이상의 우선순위 값의 추가 분배를 생성하고; 하나 이상의 우선순위 값의 추가 분배에 기초하여 풀필먼트 센터 우선순위 필터를 생성하고; 그리고 생성된 풀필먼트 센터 우선순위 필터에 기초하여 복수의 풀필먼트 센터 중에서의 복수의 SKU의 할당을 수정하는 것을 포함한다.
Description
본 개시는 일반적으로 아웃바운드 예측을 위한 컴퓨터 시스템 및 방법에 관한 것이다. 특히, 본 개시의 실시예는 시뮬레이션 알고리즘에 의해 생성된 풀필먼트 센터(FC) 우선순위 필터에 기초하여 아웃바운드를 예측하는 것과 관련된 창의적이고 독특한 시스템에 관한 것이다.
전형적으로, 고객 주문이 이루어질 때, 그 주문은 하나 이상의 풀필먼트 센터로 전송되어야 한다. 그러나, 고객 주문 특히 온라인 고객 주문은, 많은 다양한 지역에 위치된 많은 다양한 고객에 의해 이루어지고, 그 결과, 그 주문은 많은 다양한 목적지로 향한다. 그러므로, 주문은 그것들이 적절한 풀필먼트 센터로 보내져서, 궁극적으로, 그것들의 목적지로 정확히 보내지도록 적절히 분류되어야 한다.
아웃바운드 제품에 대한 배송 업무를 최적화하고 배송 경로를 식별하기 위한 시스템 및 방법이 이미 존재한다. 예를 들면, 종래의 방법은 배송 경로에 따라서 배송을 시뮬레이션한다. 최적의 경로 계획을 결정하기 위해서, 대안 경로 모듈은 사용자 입력에 따라서 패키지 경로 데이터를 수정할 수 있다. 즉, 사용자는 오리지널 패키지 경로 데이터와 연관된 데이터를 수동으로 변경하여 각 경로 변경의 효과를 확인할 수 있다. 이 프로세스는 최적의 경로 계획이 결정될 때까지 반복된다.
그러나, 이러한 종래의 제품의 아웃바운드 예측을 위한 시스템 및 방법은, 그것들이 파라미터의 개개의 조합에 대한 수동적 변경 및 반복된 테스트를 요구하기 때문에 대체로 어렵고, 시간이 걸리며, 부정확하다. 특히 그 지역에 걸쳐 다수의 풀필먼트 센터를 가지는 엔터티에 대해, 고객 주문이 초기 수신되는 레벨, 인바운드/적재/인벤토리 추정이 결정되는 레벨, 및 주문들을 여러 풀필먼트 센터에 할당하는 로직이 결정되는 레벨을 포함하는, 프로세스의 모든 레벨에서 제품의 아웃바운드 흐름을 되풀이하는 것은 중요한 도전 과제이고 시간이 걸린다. 게다가, 종래의 시스템 및 방법은 수동적 변경 및 각 변경 후의 반복된 테스트를 요구하기 때문에, 시뮬레이션은 세밀한 스케일보다는, 더 큰 스케일로만 행해질 수 있다. 예를 들면, 시뮬레이션은 SKU(stocking keeping unit) 기준에 의한 SKU 보다는, 제품 타입 기준에 의한 제품 타입으로만 행해질 수 있다.
또한, 종래의 제품의 아웃바운드 흐름 예측을 위한 시스템 및 방법은, "가정의 문제(what if)" 분석에 대해 고려하지 않는다. 즉, 종래의 시스템 및 방법은, 발생되면 제품의 향후 아웃바운드 흐름에 상당히 영향을 미칠 수 있는, 특정 제품에 대한 고객 수요의 예상치 못한 증가와 같은, 특정 이벤트를 고려하지 않는다.
그러므로, 제품의 아웃바운드 예측을 위한 개선된 시스템 및 방법이 필요하다. 특히, 네트워크 내 FC의 아웃바운드 용량 활용도를 최적화시키기 위해 생성된 풀필먼트 센터(FC) 우선순위 필터에 기초하여 아웃바운드 예측을 위한 개선된 시스템 및 방법이 필요하다. 또한, 과거 고객 주문 및 현재 계류 중인 고객 주문과 연관된 하나 이상의 파라미터를 고려하는 시뮬레이션에 기초하여 아웃바운드 예측을 위한 개선된 시스템 및 방법이 필요하다.
본 개시의 일 형태는 제품의 할당을 최적화시키기 위한 컴퓨터 구현 시스템에 관한 것이다. 이 시스템은 명령을 저장하는 메모리 및 그 명령을 실행하도록 구성된 적어도 하나의 프로세서를 포함할 수 있다. 적어도 하나의 프로세서는 각 지역에서의 각 풀필먼트 센터(FC)에 대한 우선순위 값의 초기 분배를 수신하고, 시뮬레이션 알고리즘을 이용하여, 초기 분배의 시뮬레이션을 실행하고, 각 FC의 아웃바운드 용량 활용도값을 계산하고, 미리 설정된 임계값을 초과하는 아웃바운드 용량 활용도값을 포함하는 FC의 수를 결정하고, 하나 이상의 우선순위 값의 추가 분배를 생성하기 위해 결정된 수의 FC 중 적어도 하나를 시뮬레이션 알고리즘에 공급하고, 하나 이상의 우선순위 값의 추가 분배에 기초하여 우선순위 값의 최적 세트를 포함하는 FC 우선순위 필터를 생성하고, 그리고 생성된 FC 우선순위 필터에 기초하여 복수의 FC 중에서의 복수의 SKU의 할당을 수정하는 명령을 실행하도록 구성될 수 있다.
일부 실시예에서, 미리 설정된 임계값은 각 FC의 최소 아웃바운드를 포함할 수 있다. 일부 실시예에서, 각 FC의 아웃바운드 용량 활용도값은, 각 FC의 아웃바운드 용량에 대한 각 FC의 아웃바운드의 비율을 포함할 수 있다. 일부 실시예에서, 초기 분배 및 하나 이상의 추가 분배의 각각은, 우선순위 값의 2차원 매트릭스를 포함할 수 있다. 일부 실시예에서, 각 지역에서의 각 FC에 대한 우선순위 값의 초기 분배는, 임의로 생성될 수 있다.
일부 실시예에서, 적어도 하나의 프로세서는 시뮬레이션 알고리즘의 적어도 일부를 캐시 저장하는 명령을 더 실행하도록 구성될 수 있다. 시뮬레이션 알고리즘의 캐시 저장된 부분은 시뮬레이션 알고리즘의 각 실행에 실질적으로 일정한 적어도 하나의 제한사항을 포함할 수 있다. 일부 실시예에서, 적어도 하나의 프로세서는 복수의 FC 각각에서의 고객 수요를 시뮬레이션하고 그리고 시뮬레이션된 고객 수요에 기초하여 복수의 FC 중에서의 복수의 SKU의 할당을 수정하는 명령을 더 실행하도록 구성될 수 있다. 일부 실시예에서, 시뮬레이션 알고리즘은 적어도 하나의 제한사항을 포함하고, 그 제한사항은 FC 각각에서의 고객 수요, FC의 최대 수용 용량, FC와의 호환성, 또는 FC 간의 이송 비용 중 적어도 하나를 포함할 수 있다. 일부 실시예에서, 복수의 SKU의 각각은 제품의 제조자, 재료, 사이즈, 색상, 패키징, 타입 또는 무게 중 적어도 하나를 나타낼 수 있다.
본 개시의 다른 형태는 제품의 할당을 최적화시키기 위한 컴퓨터 구현 방법에 관한 것이다. 이 방법은 각 지역에서의 각 풀필먼트 센터(FC)에 대한 우선순위 값의 초기 분배를 수신하는 단계, 시뮬레이션 알고리즘을 이용하여, 초기 분배의 시뮬레이션을 실행하는 단계, 각 FC의 아웃바운드 용량 활용도값을 계산하는 단계, 미리 설정된 임계값을 초과하는 아웃바운드 용량 활용도값을 포함하는 FC의 수를 결정하는 단계, 하나 이상의 우선순위 값의 추가 분배를 생성하기 위해 결정된 수의 FC를 시뮬레이션 알고리즘에 공급하는 단계, 하나 이상의 우선순위 값의 추가 분배에 기초하여 우선순위 값의 최적 세트를 포함하는 FC 우선순위 필터를 생성하는 단계, 및 생성된 FC 우선순위 필터에 기초하여 복수의 FC 중에서의 복수의 SKU의 할당을 수정하는 단계를 포함할 수 있다.
일부 실시예에서, 미리 설정된 임계값은 각 FC의 최소 아웃바운드를 포함할 수 있다. 일부 실시예에서, 각 FC의 아웃바운드 용량 활용도값은, 각 FC의 아웃바운드 용량에 대한 각 FC의 아웃바운드의 비율을 포함할 수 있다. 일부 실시예에서, 초기 분배 및 하나 이상의 추가 분배의 각각은, 우선순위 값의 2차원 매트릭스를 포함할 수 있다. 일부 실시예에서, 각 지역에서의 각 FC에 대한 우선순위 값의 초기 분배는, 임의로 생성될 수 있다.
일부 실시예에서, 이 방법은 시뮬레이션 알고리즘의 적어도 일부를 캐시 저장하는 단계를 더 포함할 수 있다. 시뮬레이션 알고리즘의 캐시 저장된 부분은 시뮬레이션 알고리즘의 각 실행에 실질적으로 일정한 적어도 하나의 제한사항을 포함할 수 있다. 일부 실시예에서, 이 방법은 복수의 FC 각각에서의 고객 수요를 시뮬레이션하는 단계 및 시뮬레이션된 고객 수요에 기초하여 복수의 FC 중에서의 복수의 SKU의 할당을 수정하는 단계를 더 포함할 수 있다. 일부 실시예에서, 시뮬레이션 알고리즘은 적어도 하나의 제한사항을 포함할 수 있고, 그 제한사항은 FC 각각에서의 고객 수요, FC의 최대 수용 용량, FC와의 호환성, 또는 FC 간의 이송 비용 중 적어도 하나를 포함할 수 있다.
본 개시의 또 다른 형태는 제품의 할당을 최적화시키기 위한 컴퓨터 구현 시스템에 관한 것이다. 이 시스템은 명령을 저장하는 메모리 및 그 명령을 실행하도록 구성된 적어도 하나의 프로세서를 포함할 수 있다. 적어도 하나의 프로세서는 각 지역에서의 각 풀필먼트 센터(FC)에 대한 우선순위 값의 초기 매트릭스를 수신하고, 시뮬레이션 알고리즘을 이용하여, 초기 매트릭스의 시뮬레이션을 실행하고, 각 FC의 아웃바운드 용량 활용도값을 계산하고, 미리 설정된 임계값을 초과하는 아웃바운드 용량 활용도값을 포함하는 FC의 수를 결정하고, 하나 이상의 우선순위 값의 추가 매트릭스를 생성하기 위해 결정된 수의 FC 중 적어도 하나를 시뮬레이션 알고리즘에 공급하고, 하나 이상의 우선순위 값의 추가 매트릭스에 기초하여 우선순위 값의 최적 세트를 포함하는 FC 우선순위 필터를 생성하고, 그리고 생성된 FC 우선순위 필터에 기초하여 복수의 FC 중에서의 복수의 SKU의 할당을 수정하는 명령을 실행하도록 구성될 수 있다. 각 FC의 아웃바운드 용량 활용도값은 각 FC의 아웃바운드 용량에 대한 각 FC의 아웃바운드의 비율을 포함할 수 있다.
본 개시의 또 다른 형태는 아웃바운드 예측을 위한 컴퓨터 구현 방법에 한 것이다. 이 방법은 시뮬레이션 알고리즘을 이용하여, 각 지역에서의 복수의 풀필먼트 센터(FC; fulfillment center)에 대한 우선순위 값의 초기 분배를 결정하고; 미리 설정된 제1 임계값을 초과하는 아웃바운드 용량 활용도값을 포함하는 풀필먼트 센터의 수를 결정하고; 결정된 수의 풀필먼트 센터 중 적어도 하나 및 시뮬레이션 알고리즘을 이용하여 하나 이상의 우선순위 값의 추가 분배를 생성하고; 하나 이상의 우선순위 값의 추가 분배에 기초하여 풀필먼트 센터 우선순위 필터를 생성하고; 그리고 생성된 풀필먼트 센터 우선순위 필터에 기초하여 복수의 풀필먼트 센터 중에서의 복수의 SKU의 할당을 수정하는 것을 포함한다.
본 개시의 또 다른 형태는 아웃바운드 예측을 위한 컴퓨터 구현 시스템으로서, 명령을 저장하는 메모리; 및 상기 컴퓨터 구현 방법의 동작을 수행하기 위해 명령을 실행하도록 구성된 적어도 하나의 프로세서를 포함한다.
또한 다른 시스템, 방법, 및 컴퓨터 판독 가능 매체가 여기서 논의된다.
도 1a는 개시된 실시예에 따른, 배송, 운송, 및 물류 운영을 가능하게 하는 통신을 위한 컴퓨터 시스템을 포함하는 네트워크의 예시적인 실시예를 나타낸 개략적인 블록도이다.
도 1b는 개시된 실시예에 따른, 상호 동작 사용자 인터페이스 요소에 따라 검색 요청을 만족시키는 하나 이상의 검색 결과를 포함하는 검색 결과 페이지(SRP; Search Result Page)의 샘플을 나타낸 도면이다.
도 1c는 개시된 실시예에 따른, 상호 동작 사용자 인터페이스 요소에 따라 제품 및 제품에 대한 정보를 포함하는 싱글 디스플레이 페이지(SDP; Single Display Page)의 샘플을 나타낸 도면이다.
도 1d는 개시된 실시예에 따른, 상호 동작 사용자 인터페이스 요소에 따라 가상의 쇼핑 장바구니에 아이템을 포함하는 장바구니 페이지의 샘플을 나타낸 도면이다.
도 1e는 개시된 실시예에 따른, 상호 동작 사용자 인터페이스 요소에 따라, 가상의 쇼핑 장바구니로부터 구매 및 배송에 관한 정보에 따른 아이템을 포함하는 주문 페이지의 샘플을 나타낸 도면이다.
도 2는 개시된 실시예에 따른, 개시된 컴퓨터 시스템을 활용하도록 구성된 예시적인 풀필먼트 센터의 개략적인 도면이다.
도 3은 개시된 실시예에 따른, 아웃바운드 예측 시스템을 포함하는 시스템의 예시적인 실시예를 나타낸 개략적인 블록도이다.
도 4는 개시된 실시예에 따른, 각 풀필먼트 센터(FC)에 대한 우선순위 값의 분배의 예시적인 매트릭스이다.
도 5는 개시된 실시예에 따른, 아웃바운드 예측을 위한 방법의 예시적인 실시예를 나타낸 플로차트이다.
도 6은 개시된 실시예에 따른, 아웃바운드 예측을 위한 시스템의 예시적인 실시예를 나타낸 개략적인 블록도이다.
도 1b는 개시된 실시예에 따른, 상호 동작 사용자 인터페이스 요소에 따라 검색 요청을 만족시키는 하나 이상의 검색 결과를 포함하는 검색 결과 페이지(SRP; Search Result Page)의 샘플을 나타낸 도면이다.
도 1c는 개시된 실시예에 따른, 상호 동작 사용자 인터페이스 요소에 따라 제품 및 제품에 대한 정보를 포함하는 싱글 디스플레이 페이지(SDP; Single Display Page)의 샘플을 나타낸 도면이다.
도 1d는 개시된 실시예에 따른, 상호 동작 사용자 인터페이스 요소에 따라 가상의 쇼핑 장바구니에 아이템을 포함하는 장바구니 페이지의 샘플을 나타낸 도면이다.
도 1e는 개시된 실시예에 따른, 상호 동작 사용자 인터페이스 요소에 따라, 가상의 쇼핑 장바구니로부터 구매 및 배송에 관한 정보에 따른 아이템을 포함하는 주문 페이지의 샘플을 나타낸 도면이다.
도 2는 개시된 실시예에 따른, 개시된 컴퓨터 시스템을 활용하도록 구성된 예시적인 풀필먼트 센터의 개략적인 도면이다.
도 3은 개시된 실시예에 따른, 아웃바운드 예측 시스템을 포함하는 시스템의 예시적인 실시예를 나타낸 개략적인 블록도이다.
도 4는 개시된 실시예에 따른, 각 풀필먼트 센터(FC)에 대한 우선순위 값의 분배의 예시적인 매트릭스이다.
도 5는 개시된 실시예에 따른, 아웃바운드 예측을 위한 방법의 예시적인 실시예를 나타낸 플로차트이다.
도 6은 개시된 실시예에 따른, 아웃바운드 예측을 위한 시스템의 예시적인 실시예를 나타낸 개략적인 블록도이다.
이어서 첨부된 도면을 참조하여 자세하게 설명된다. 가능하면, 다음의 설명에서 같거나 유사한 부분에 대해 참조되도록 도면에서 같은 도면 부호가 사용된다. 여기에 몇몇 예시적인 실시예가 설명되지만, 변경, 조정 및 다른 구현도 가능하다. 예를 들면, 도면 내의 구성 및 스텝에 대해 교체, 추가, 또는 변경이 이루어질 수 있고, 여기에 설명된 예시적인 방법은 개시된 방법에 대해 스텝을 교체, 순서 변경, 제거 또는 추가함으로써 변경될 수 있다. 따라서, 다음의 자세한 설명은 개시된 실시예 및 예시로 제한되는 것은 아니다. 대신에 본 발명의 적절한 범위는 청구범위에 의해 규정된다.
본 개시의 실시예는 시뮬레이션 알고리즘에 의해 생성된 풀필먼트 센터(FC) 우선순위 필터에 기초하여 아웃바운드를 예측하기 위해 구성된 시스템 및 방법에 관한 것이다.
도 1a를 참조하면, 배송, 운송 및 물류 운영을 가능하게 하는 통신을 위한 컴퓨터 시스템을 포함하는 시스템의 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. 시스템은 (예를 들어, 케이블을 사용한) 직접 연결을 통해 서로 연결될 수 있다. 도시된 시스템은 배송 기관 기술(shipment authority technology, SAT) 시스템(101), 외부 프론트 엔드 시스템(103), 내부 프론트 엔드 시스템(105), 운송 시스템(107), 모바일 디바이스(107A, 107B, 107C), 판매자 포털(109), 배송 및 주문 트래킹(shipment and order tracking, SOT) 시스템(111), 풀필먼트 최적화(fulfillment optimization, FO) 시스템(113), 풀필먼트 메시징 게이트웨이(fulfillment messaging gateway, FMG)(115), 공급 체인 관리(supply chain management, SCM) 시스템(117), 창고 관리 시스템(119), 모바일 디바이스(119A, 119B, 119C)(풀필먼트 센터(fulfillment center, FC)(200) 내부에 있는 것으로 도시됨), 제3자 풀필먼트 시스템(121A, 121B, 121C), 풀필먼트 센터 인증 시스템(fulfillment center authorization system, FC Auth)(123), 및 노동 관리 시스템(labor management system, LMS)(125)을 포함한다.
일부 실시예에서, SAT 시스템(101)은 주문 상태와 배달 상태를 모니터링하는 컴퓨터 시스템으로서 구현될 수 있다. 예를 들면, SAT 시스템(101)은 주문이 약속된 배달 날짜(Promised Delivery Date, PDD)를 지났는지를 결정할 수 있고, 새로운 주문을 개시시키고, 배달되지 않은 주문의 아이템을 다시 배송하며, 배달되지 않은 주문을 취소하고, 주문 고객과 연락을 시작하는 것 등을 포함하는 적합한 조치를 취할 수 있다. SAT 시스템(101)은 또한, (특정 기간 동안 배송된 패키지의 개수와 같은) 출력, 및 (배송시 사용하기 위해 수신된 빈 카드보드 박스의 개수와 같은) 입력을 포함하는 다른 데이터를 감시할 수 있다. SAT 시스템(101)은 또한, 외부 프론트 엔드 시스템(103) 및 FO 시스템(113)과 같은 장치들 간의 (예를 들면, 저장 전달(store-and-forward) 또는 다른 기술을 사용하는) 통신을 가능하게 하는 시스템(100) 내의 상이한 장치들 사이의 게이트웨이로서 동작할 수 있다.
일부 실시예에서, 외부 프론트 엔드 시스템(103)은 외부 사용자가 시스템(100) 내의 하나 이상의 시스템과 상호 동작할 수 있게 하는 컴퓨터 시스템으로서 구현될 수 있다. 예를 들면, 시스템(100)이 시스템의 프레젠테이션을 가능하게 하여 사용자가 아이템에 대한 주문을 할 수 있도록 하는 실시예에서, 외부 프론트 엔드 시스템(103)은 검색 요청을 수신하고, 아이템 페이지를 제시하며, 결제 정보를 요청하는 웹 서버로서 구현될 수 있다. 예를 들면, 외부 프론트 엔드 시스템(103)은 Apache HTTP 서버, Microsoft Internet Information Services(IIS), NGINX 등과 같은 소프트웨어를 실행하는 컴퓨터 또는 컴퓨터들로서 구현될 수 있다. 다른 실시예에서, 외부 프론트 엔드 시스템(103)은 외부 디바이스(예를 들어, 모바일 디바이스(102A) 또는 컴퓨터(102B))로부터 요청을 수신 및 처리하고, 이들 요청에 기초하여 데이터베이스 및 다른 데이터 저장 장치로부터 정보를 획득하며, 획득한 정보에 기초하여 수신된 요청에 대한 응답을 제공하도록 설계된 커스텀 웹 서버 소프트웨어를 실행할 수 있다.
일부 실시예에서, 외부 프론트 엔드 시스템(103)은 웹 캐싱 시스템, 데이터베이스, 검색 시스템, 또는 결제 시스템 중 하나 이상을 포함할 수 있다. 일 양상에서, 외부 프론트 엔드 시스템(103)은 이들 시스템 중 하나 이상을 포함할 수 있는 반면, 다른 양상에서는 외부 프론트 엔드 시스템(103)은 이들 시스템 중 하나 이상에 연결된 인터페이스(예를 들면, 서버 대 서버, 데이터베이스 대 데이터베이스, 또는 다른 네트워크 연결)를 포함할 수 있다.
도 1b, 1c, 1d 및 1e에 의해 나타낸 단계들의 예시적인 세트는 외부 프론트 엔드 시스템(103)의 일부 동작을 설명하는 것을 도울 것이다. 외부 프론트 엔드 시스템(103)은 프레젠테이션 및/또는 디스플레이를 위해 시스템(100) 내의 시스템 또는 디바이스로부터 정보를 수신할 수 있다. 예를 들면, 외부 프론트 엔드 시스템(103)은 검색 결과 페이지(Search Result Page, SRP)(예를 들면, 도 1b), 싱글 디테일 페이지(Single Detail Page, SDP)(예를 들면, 도 1c), 장바구니 페이지(Cart page)(예를 들면, 도 1d), 또는 주문 페이지(예를 들면, 도 1e)를 포함하는 하나 이상의 웹페이지를 호스팅하거나 제공할 수 있다. (예를 들면, 모바일 디바이스(102A) 또는 컴퓨터(102B)를 사용하는) 사용자 디바이스는 외부 프론트 엔드 시스템(103)으로 이동하고 검색 박스에 정보를 입력함으로써 검색을 요청할 수 있다. 외부 프론트 엔드 시스템(103)은 시스템(100) 내의 하나 이상의 시스템으로부터 정보를 요청할 수 있다. 예를 들면, 외부 프론트 엔드 시스템(103)은 FO 시스템(113)으로부터 검색 요청을 만족하는 정보를 요청할 수 있다. 외부 프론트 엔드 시스템(103)은 또한, (FO 시스템(113)으로부터) 검색 결과에 포함된 각 제품에 대한 약속된 배달 날짜(Promised Delivery Date) 또는 "PDD"를 요청하고 수신할 수 있다. 일부 실시예에서, PDD는 제품이 들어있는 패키지가 특정 기간 이내, 예를 들면, 하루의 끝(PM 11:59)까지 주문되면 언제 사용자가 원하는 장소에 도착할 것인지에 대한 추정 또는 제품이 사용자가 원하는 장소에 배달될 약속된 날짜를 나타낼 수 있다(PDD는 FO 시스템(113)과 관련하여 이하에서 더 논의된다).
외부 프론트 엔드 시스템(103)은 정보에 기초하여 SRP(예를 들면, 도 1b)를 준비할 수 있다. SRP는 검색 요청을 만족하는 정보를 포함할 수 있다. 예를 들면, 이는 검색 요청을 만족하는 제품의 사진을 포함할 수 있다. SRP는 또한, 각 제품에 대한 각각의 가격, 또는 각 제품, PDD, 무게, 크기, 오퍼(offer), 할인 등에 대한 개선된 배달 옵션에 관한 정보를 포함할 수 있다. 외부 프론트 엔드 시스템(103)은 (예를 들면, 네트워크를 통해) SRP를 요청 사용자 디바이스로 전송할 수 있다.
사용자 디바이스는 SRP에 나타낸 제품을 선택하기 위해, 예를 들면, 사용자 인터페이스를 클릭 또는 탭핑하거나, 다른 입력 디바이스를 사용하여 SRP로부터 제품을 선택할 수 있다. 사용자 디바이스는 선택된 제품에 관한 정보에 대한 요청을 만들어 내고 이를 외부 프론트 엔드 시스템(103)으로 전송할 수 있다. 이에 응답하여, 외부 프론트 엔드 시스템(103)은 선택된 제품에 관한 정보를 요청할 수 있다. 예를 들면, 정보는 각각의 SRP 상에 제품에 대해 제시된 것 이상의 추가 정보를 포함할 수 있다. 이는, 예를 들면, 유통 기한, 원산지, 무게, 크기, 패키지 내의 아이템 개수, 취급 지침, 또는 제품에 대한 다른 정보를 포함할 수 있다. 정보는 또한, (예를 들면, 이 제품 및 적어도 하나의 다른 제품을 구입한 고객의 빅 데이터 및/또는 기계 학습 분석에 기초한) 유사한 제품에 대한 추천, 자주 묻는 질문에 대한 답변, 고객의 후기, 제조 업체 정보, 사진 등을 포함할 수 있다.
외부 프론트 엔드 시스템(103)은 수신된 제품 정보에 기초하여 SDP(Single Detail Page)(예를 들면, 도 1c)를 준비할 수 있다. SDP는 또한, "지금 구매(Buy Now)" 버튼, "장바구니에 추가(Add to Cart)" 버튼, 수량 필드, 아이템 사진 등과 같은 다른 상호 동작 요소를 포함할 수 있다. SDP는 제품을 오퍼하는 판매자의 리스트를 포함할 수 있다. 이 리스트는 최저가로 제품을 판매하는 것으로 오퍼하는 판매자가 리스트의 최상단에 위치하도록, 각 판매자가 오퍼한 가격에 기초하여 순서가 정해질 수 있다. 이 리스트는 또한 최고 순위 판매자가 리스트의 최상단에 위치하도록, 판매자 순위에 기초하여 순서가 정해질 수 있다. 판매자 순위는, 예를 들어, 약속된 PPD를 지켰는지에 대한 판매자의 과거 추적 기록을 포함하는, 복수의 인자에 기초하여 만들어질 수 있다. 외부 프론트 엔드 시스템(103)은 (예를 들면, 네트워크를 통해) SDP를 요청 사용자 디바이스로 전달할 수 있다.
요청 사용자 디바이스는 제품 정보를 나열하는 SDP를 수신할 수 있다. SDP를 수신하면, 사용자 디바이스는 SDP와 상호 동작할 수 있다. 예를 들면, 요청 사용자 디바이스의 사용자는 SDP의 "장바구니에 담기(Place in Cart)" 버튼을 클릭하거나, 이와 상호 동작할 수 있다. 이렇게 하면 사용자와 연계된 쇼핑 장바구니에 제품이 추가된다. 사용자 디바이스는 제품을 쇼핑 장바구니에 추가하기 위해 외부 프론트 엔드 시스템(103)으로 이러한 요청을 전송할 수 있다.
외부 프론트 엔드 시스템(103)은 장바구니 페이지(예를 들면, 도 1d)를 생성할 수 있다. 일부 실시예에서, 장바구니 페이지는 사용자가 가상의 "쇼핑 장바구니(shopping cart)"에 추가한 제품을 나열한다. 사용자 디바이스는 SRP, SDP, 또는 다른 페이지의 아이콘을 클릭하거나, 상호 동작함으로써 장바구니 페이지를 요청할 수 있다. 일부 실시예에서, 장바구니 페이지는 사용자가 장바구니에 추가한 모든 제품 뿐 아니라 각 제품의 수량, 각 제품의 품목당 가격, 관련 수량에 기초한 각 제품의 가격, PDD에 관한 정보, 배달 방법, 배송 비용, 쇼핑 장바구니의 제품을 수정(예를 들면, 수량의 삭제 또는 수정)하기 위한 사용자 인터페이스 요소, 다른 제품의 주문 또는 제품의 정기적인 배달 설정에 대한 옵션, 할부(interest payment) 설정에 대한 옵션, 구매를 진행하기 위한 사용자 인터페이스 요소 등과 같은 장바구니의 제품에 관한 정보를 나열할 수 있다. 사용자 디바이스의 사용자는 쇼핑 장바구니에 있는 제품의 구매를 시작하기 위해 사용자 인터페이스 요소(예를 들면, "지금 구매(Buy Now)"라고 적혀있는 버튼)를 클릭하거나, 이와 상호 동작할 수 있다. 그렇게 하면, 사용자 디바이스는 구매를 시작하기 위해 이러한 요청을 외부 프론트 엔드 시스템(103)으로 전송할 수 있다.
외부 프론트 엔드 시스템(103)은 구매를 시작하는 요청을 수신하는 것에 응답하여 주문 페이지(예를 들면, 도 1e)를 생성할 수 있다. 일부 실시예에서, 주문 페이지는 쇼핑 장바구니로부터의 아이템을 재나열하고, 결제 및 배송 정보의 입력을 요청한다. 예를 들면, 주문 페이지는 쇼핑 장바구니의 아이템 구매자에 관한 정보(예를 들면, 이름, 주소, 이메일 주소, 전화번호), 수령인에 관한 정보(예를 들면, 이름, 주소, 전화번호, 배달 정보), 배송 정보(예를 들면, 배달 및/또는 픽업 속도/방법), 결제 정보(예를 들면, 신용 카드, 은행 송금, 수표, 저장된 크레딧), 현금 영수증을 요청하는 사용자 인터페이스 요소(예를 들면, 세금 목적) 등을 요청하는 섹션을 포함할 수 있다. 외부 프론트 엔드 시스템(103)은 사용자 디바이스에 주문 페이지를 전송할 수 있다.
사용자 디바이스는 주문 페이지에 정보를 입력하고 외부 프론트 엔드 시스템(103)으로 정보를 전송하는 사용자 인터페이스 요소를 클릭하거나, 상호 동작할 수 있다. 그로부터, 외부 프론트 엔드 시스템(103)은 정보를 시스템(100) 내의 다른 시스템으로 전송하여 쇼핑 장바구니의 제품으로 새로운 주문을 생성하고 처리할 수 있도록 한다.
일부 실시예에서, 외부 프론트 엔드 시스템(103)은 판매자가 주문과 관련된 정보를 전송 및 수신할 수 있도록 추가로 구성될 수 있다.
일부 실시예에서, 내부 프론트 엔드 시스템(105)은 내부 사용자(예를 들면, 시스템(100)을 소유, 운영 또는 임대하는 조직의 직원)가 시스템(100) 내의 하나 이상의 시스템과 상호작용할 수 있게 하는 컴퓨터 시스템으로서 구현될 수 있다. 예를 들면, 네트워크(101)가 사용자가 아이템에 대한 주문을 할 수 있게 하는 시스템의 프레젠테이션을 가능하게 하는 실시예에서, 내부 프론트 엔드 시스템(105)은 내부 사용자가 주문에 대한 진단 및 통계 정보를 볼 수 있게 하고, 아이템 정보를 수정하며, 또는 주문에 대한 통계를 검토할 수 있게 하는 웹 서버로서 구현될 수 있다. 예를 들면, 내부 프론트 엔드 시스템(105)은 Apache HTTP 서버, Microsoft Internet Information Services(IIS), NGINX 등과 같은 소프트웨어를 실행하는 컴퓨터 또는 컴퓨터들로서 구현될 수 있다. 다른 실시예에서, 내부 프론트 엔드 시스템(105)은 (도시되지 않은 다른 디바이스뿐 아니라) 시스템(100) 내에 나타낸 시스템 또는 디바이스로부터 요청을 수신 및 처리하고, 그러한 요청에 기초하여 데이터베이스 및 다른 데이터 저장 장치로부터 정보를 획득하며, 획득한 정보에 기초하여 수신된 요청에 대한 응답을 제공하도록 (설계된 커스텀 웹 서버 소프트웨어를 실행)할 수 있다.
일부 실시예에서, 내부 프론트 엔드 시스템(105)은 웹 캐싱 시스템, 데이터베이스, 검색 시스템, 결제 시스템, 분석 시스템, 주문 모니터링 시스템 등 중 하나 이상을 포함할 수 있다. 일 양상에서, 내부 프론트 엔드 시스템(105)은 이들 시스템 중 하나 이상을 포함할 수 있는 반면, 다른 양상에서는 내부 프론트 엔드 시스템(105)은 이들 시스템 중 하나 이상에 연결된 인터페이스(예를 들면, 서버 대 서버, 데이터베이스 대 데이터베이스, 또는 다른 네트워크 연결)를 포함할 수 있다.
일부 실시예에서, 운송 시스템(107)은 시스템(100) 내의 시스템 또는 디바이스와 모바일 디바이스(107A-107C) 간의 통신을 가능하게 하는 컴퓨터 시스템으로서 구현될 수 있다. 일부 실시예에서, 운송 시스템(107)은 하나 이상의 모바일 디바이스(107A-107C)(예를 들면, 휴대 전화, 스마트폰, PDA 등)로부터 정보를 수신할 수 있다. 예를 들면, 일부 실시예에서, 모바일 디바이스(107A-107C)는 배달원에 의해 동작되는 디바이스를 포함할 수 있다. 정규직, 임시적 또는 교대 근무일 수 있는 배달원은 사용자에 의해 주문된 제품들이 들어 있는 패키지의 배달을 위해 모바일 디바이스(107A-107C)를 이용할 수 있다. 예를 들면, 패키지를 배달하기 위해, 배달원은 배달할 패키지와 배달할 위치를 나타내는 모바일 디바이스 상의 알림을 수신할 수 있다. 배달 장소에 도착하면, 배달원은 (예를 들면, 트럭의 뒤나 패키지의 크레이트에) 패키지를 둘 수 있고, 모바일 디바이스를 사용하여 패키지 상의 식별자와 관련된 데이터(예를 들면, 바코드, 이미지, 텍스트 문자열, RFID 태그 등)를 스캔하거나, 캡처하며, (예를 들면, 현관문에 놓거나, 경비원에게 맡기거나, 수령인에게 전달하는 것 등에 의해) 패키지를 배달할 수 있다. 일부 실시예에서, 배달원은 모바일 디바이스를 사용하여 패키지의 사진(들)을 찍거나 및/또는 서명을 받을 수 있다. 모바일 디바이스는, 예를 들면, 시간, 날짜, GPS 위치, 사진(들), 배달원에 관련된 식별자, 모바일 디바이스에 관련된 식별자 등을 포함하는 배달에 관한 정보를 포함하는 정보를 운송 시스템(107)에 전송할 수 있다. 운송 시스템(107)은 시스템(100) 내의 다른 시스템에 의한 접근을 위해 데이터베이스(미도시)에 이러한 정보를 저장할 수 있다. 일부 실시예에서, 운송 시스템(107)은 다른 시스템에 특정 패키지의 위치를 나타내는 트래킹 데이터를 준비 및 전송하기 위해 이러한 정보를 사용할 수 있다.
일부 실시예에서, 특정 사용자는, 한 종류의 모바일 디바이스를 사용할 수 있는 반면(예를 들면, 정규 직원은 바코드 스캐너, 스타일러스 및 다른 장치와 같은 커스텀 하드웨어를 갖는 전문 PDA를 사용할 수 있음), 다른 사용자는 다른 종류의 모바일 디바이스를 사용할 수 있다(예를 들면, 임시 또는 교대 근무 직원이 기성 휴대 전화 및/또는 스마트폰을 사용할 수 있음).
일부 실시예에서, 운송 시스템(107)은 사용자를 각각의 디바이스와 연관시킬 수 있다. 예를 들면, 운송 시스템(107)은 사용자(예를 들면, 사용자 식별자, 직원 식별자, 또는 전화번호에 의해 표현됨)와 모바일 디바이스(예를 들면, International Mobile Equipment Identity(IMEI), International Mobile Subscription Identifier(IMSI), 전화번호, Universal Unique Identifier(UUID), 또는 Globally Unique Identifier(GUID)에 의해 표현됨) 간의 연관성(association)을 저장할 수 있다. 운송 시스템(107)은, 다른 것들 중에 작업자의 위치, 작업자의 효율성, 또는 작업자의 속도를 결정하기 위해 데이터베이스에 저장된 데이터를 분석하기 위해 배달시 수신되는 데이터와 관련하여 이러한 연관성을 사용할 수 있다.
일부 실시예에서, 판매자 포털(109)은 판매자 또는 다른 외부 엔티티(entity)가 시스템(100) 내의 하나 이상의 시스템과 전자 통신할 수 있게 하는 컴퓨터 시스템으로서 구현될 수 있다. 예를 들면, 판매자는 판매자 포털(109)을 사용하여 시스템(100)을 통해 판매하고자 하는 제품에 대하여, 제품 정보, 주문 정보, 연락처 정보 등을 업로드하거나 제공하는 컴퓨터 시스템(미도시)을 이용할 수 있다.
일부 실시예에서, 배송 및 주문 트래킹 시스템(111)은 고객(예를 들면, 디바이스(102A-102B)를 사용하는 사용자)에 의해 주문된 제품들이 들어 있는 패키지의 위치에 관한 정보를 수신, 저장 및 포워딩하는 컴퓨터 시스템으로서 구현될 수 있다. 일부 실시예에서, 배송 및 주문 트래킹 시스템(111)은 고객에 의해 주문된 제품들이 들어 있는 패키지를 배달하는 배송 회사에 의해 운영되는 웹 서버(미도시)로부터 정보를 요청하거나 저장할 수 있다.
일부 실시예에서, 배송 및 주문 트래킹 시스템(111)은 시스템(100)에 나타낸 시스템들로부터 정보를 요청하고 저장할 수 있다. 예를 들면, 배송 및 주문 트래킹 시스템(111)은 운송 시스템(107)으로부터 정보를 요청할 수 있다. 전술한 바와 같이, 운송 시스템(107)은 사용자(예를 들면, 배달원) 또는 차량(예를 들면, 배달 트럭) 중 하나 이상과 연관된 하나 이상의 모바일 디바이스(107A-107C)(예를 들면, 휴대 전화, 스마트폰, PDA 등)로부터 정보를 수신할 수 있다. 일부 실시예에서, 배송 및 주문 트래킹 시스템(111)은 또한, 풀필먼트 센터(예를 들면, 풀필먼트 센터(200)) 내부의 개별 제품의 위치를 결정하기 위해 창고 관리 시스템(WMS)(119)으로부터 정보를 요청할 수 있다. 배송 및 주문 트래킹 시스템(111)은 운송 시스템(107) 또는 WMS(119) 중 하나 이상으로부터 데이터를 요청하고, 이를 처리하며, 요청시 디바이스(예를 들면, 사용자 디바이스(102A, 102B))로 제공할 수 있다.
일부 실시예에서, 풀필먼트 최적화(FO) 시스템(113)은 다른 시스템(예를 들면, 외부 프론트 엔드 시스템(103) 및/또는 배송 및 주문 트래킹 시스템(111))으로부터의 고객 주문에 대한 정보를 저장하는 컴퓨터 시스템으로서 구현될 수 있다. FO 시스템(113)은 또한, 특정 아이템이 유지 또는 저장되는 곳을 나타내는 정보를 저장할 수 있다. 예를 들면, 소정 아이템은 하나의 풀필먼트 센터에만 저장될 수 있는 반면, 소정 다른 아이템은 다수의 풀필먼트 센터에 저장될 수 있다. 또 다른 실시예에서, 특정 풀필먼트 센터는 아이템의 특정 세트(예를 들면, 신선한 농산물 또는 냉동 제품)만을 저장하도록 구성될 수 있다. FO 시스템(113)은 이러한 정보뿐 아니라 관련 정보(예를 들면, 수량, 크기, 수령 날짜, 유통 기한 등)를 저장한다.
FO 시스템(113)은 또한, 각 제품에 대해 대응하는 PDD(약속된 배달 날짜)를 계산할 수 있다. 일부 실시예에서, PDD는 하나 이상의 요소에 기초할 수 있다. 예를 들면, FO 시스템(113)은 제품에 대한 과거 수요(예를 들면, 그 제품이 일정 기간 동안 얼마나 주문되었는지), 제품에 대한 예측된 수요(예를 들면, 얼마나 많은 고객이 다가오는 기간 동안 제품을 주문할 것으로 예상되는지), 일정 기간 동안 얼마나 많은 제품이 주문되었는지를 나타내는 네트워크 전반의 과거 수요, 다가오는 기간 동안 얼마나 많은 제품이 주문될 것으로 예상되는지를 나타내는 네트워크 전반의 예측된 수요, 각각의 제품을 저장하는 각 풀필먼트 센터(200)에 저장된 제품의 하나 이상의 개수, 그 제품에 대한 예상 또는 현재 주문 등에 기초하여 제품에 대한 PDD를 계산할 수 있다.
일부 실시예에서, FO 시스템(113)은 주기적으로(예를 들면, 시간별로) 각 제품에 대한 PDD를 결정하고, 검색하거나 다른 시스템(예를 들면, 외부 프론트 엔드 시스템(103), SAT 시스템(101), 배송 및 주문 트래킹 시스템(111))으로 전송하기 위해 이를 데이터베이스에 저장할 수 있다. 다른 실시예에서, FO 시스템(113)은 하나 이상의 시스템(예를 들면, 외부 프론트 엔드 시스템(103), SAT 시스템(101), 배송 및 주문 트래킹 시스템(111))으로부터 전자 요청을 수신하고 요구에 따라 PDD를 계산할 수 있다.
일부 실시예에서, 풀필먼트 메시징 게이트웨이(FMG)(115)는 FO 시스템(113)과 같은 시스템(100) 내의 하나 이상의 시스템으로부터 하나의 포맷 또는 프로토콜로 요청 또는 응답을 수신하고, 그것을 다른 포맷 또는 프로토콜로 변환하여, 변환된 포맷 또는 프로토콜로 된 요청 또는 응답을 WMS(119) 또는 제3자 풀필먼트 시스템(121A, 121B, 또는 121C)과 같은 다른 시스템에 포워딩하며, 반대의 경우도 가능한 컴퓨터 시스템으로서 구현될 수 있다.
일부 실시예에서, 공급 체인 관리(SCM) 시스템(117)은 예측 기능을 수행하는 컴퓨터 시스템으로서 구현될 수 있다. 예를 들면, SCM 시스템(117)은, 예를 들어 제품에 대한 과거 수요, 제품에 대한 예측된 수요, 네트워크 전반의 과거 수요, 네트워크 전반의 예측된 수요, 각각의 풀필먼트 센터(200)에 저장된 제품 개수, 각 제품에 대한 예상 또는 현재 주문 등에 기초하여, 특정 제품에 대한 수요의 수준을 예측할 수 있다. 이러한 예측된 수준과 모든 풀필먼트 센터를 통한 각 제품의 수량에 응답하여, SCM 시스템(117)은 특정 제품에 대한 예측된 수요를 만족시키기에 충분한 양을 구매 및 비축하기 위한 하나 이상의 구매 주문을 생성할 수 있다.
일부 실시예에서, 창고 관리 시스템(WMS)(119)은 작업 흐름을 모니터링하는 컴퓨터 시스템으로서 구현될 수 있다. 예를 들면, WMS(119)는 개개의 디바이스(예를 들면, 디바이스(107A-107C 또는 119A-119C))로부터 개별 이벤트를 나타내는 이벤트 데이터를 수신할 수 있다. 예를 들면, WMS(119)는 패키지를 스캔하기 위해 이들 디바이스 중 하나를 사용한 것을 나타내는 이벤트 데이터를 수신할 수 있다. 풀필먼트 센터(200) 및 도 2에 관하여 이하에서 논의되는 바와 같이, 풀필먼트 프로세스 동안, 패키지 식별자(예를 들면, 바코드 또는 RFID 태그 데이터)는 특정 스테이지의 기계(예를 들면, 자동 또는 핸드헬드 바코드 스캐너, RFID 판독기, 고속 카메라, 태블릿(119A), 모바일 디바이스/PDA(119B), 컴퓨터(119C)와 같은 디바이스 등)에 의해 스캔되거나 판독될 수 있다. WMS(119)는 패키지 식별자, 시간, 날짜, 위치, 사용자 식별자, 또는 다른 정보와 함께 대응하는 데이터베이스(미도시)에 패키지 식별자의 스캔 또는 판독을 나타내는 각 이벤트를 저장할 수 있고, 이러한 정보를 다른 시스템(예를 들면, 배송 및 주문 트래킹 시스템(111))에 제공할 수 있다.
일부 실시예에서, WMS(119)는 하나 이상의 디바이스(예를 들면, 디바이스(107A-107C 또는 119A-119C))와 시스템(100)과 연관된 하나 이상의 사용자를 연관시키는 정보를 저장할 수 있다. 예를 들면, 일부 상황에서, (파트 타임 또는 풀 타임 직원과 같은) 사용자는 모바일 디바이스(예를 들면, 모바일 디바이스는 스마트폰임)를 소유한다는 점에서, 모바일 디바이스와 연관될 수 있다. 다른 상황에서, 사용자는 임시로 모바일 디바이스를 보관한다는 점에서(예를 들면, 사용자는 하루의 시작에서부터 모바일 디바이스를 대여받고, 하루 동안 그것을 사용하고, 하루가 끝날 때 그것을 반납할 것임), 모바일 디바이스와 연관될 수 있다.
일부 실시예에서, WMS(119)는 시스템(100)과 연관된 각각의 사용자에 대한 작업 로그를 유지할 수 있다. 예를 들면, WMS(119)는 임의의 할당된 프로세스(예를 들면, 트럭에서 내리기, 픽업 구역에서 아이템을 픽업하기, 리비닝 월(rebin wall) 작업, 아이템 패킹하기), 사용자 식별자, 위치(예를 들면, 풀필먼트 센터(200)의 바닥 또는 구역), 직원에 의해 시스템을 통해 이동된 유닛의 수(예를 들면, 픽업된 아이템의 수, 패킹된 아이템의 수), 디바이스(예를 들면, 디바이스(119A-119C))와 관련된 식별자 등을 포함하는, 각 직원과 관련된 정보를 저장할 수 있다. 일부 실시예에서, WMS(119)는 디바이스(119A-119C)에서 작동되는 계시(timekeeping) 시스템과 같은 계시 시스템으로부터 체크-인 및 체크-아웃 정보를 수신할 수 있다.
일부 실시예에서, 제3자 풀필먼트 (3PL) 시스템(121A-121C)은 물류 및 제품의 제3자 제공자와 관련된 컴퓨터 시스템을 나타낸다. 예를 들면, (도 2와 관련하여 이하에서 후술하는 바와 같이) 일부 제품이 풀필먼트 센터(200)에 저장되는 반면, 다른 제품은 오프-사이트(off-site)에 저장될 수 있거나, 수요에 따라 생산될 수 있으며, 달리 풀필먼트 센터(200)에 저장될 수 없다. 3PL 시스템(121A-121C)은 FO 시스템(113)으로부터 (예를 들면, FMG(115)를 통해) 주문을 수신하도록 구성될 수 있으며, 고객에게 직접 제품 및/또는 서비스(예를 들면, 배달 또는 설치)를 제공할 수 있다. 일부 구현예에서, 하나 이상의 3PL 시스템(121A-121C)은 시스템(100)의 일부일 수 있지만, 다른 구현예에서는, 하나 이상의 3PL 시스템(121A-121C)이 시스템(100)의 외부에 있을 수 있다(예를 들어, 제3자 제공자에 의해 소유 또는 운영됨)일 수 있다.
일부 실시예에서, 풀필먼트 센터 인증 시스템(FC Auth)(123)은 다양한 기능을 갖는 컴퓨터 시스템으로서 구현될 수 있다. 예를 들면, 일부 실시예에서, FC Auth(123)는 시스템(100) 내의 하나 이상의 다른 시스템에 대한 단일-사인 온(single-sign on, SSO) 서비스로서 작동할 수 있다. 예를 들면, FC Auth(123)는 내부 프론트 엔드 시스템(105)을 통해 사용자가 로그인하게 하고, 사용자가 배송 및 주문 트래킹 시스템(111)에서 리소스에 액세스하기 위해 유사한 권한을 갖고 있다고 결정하며, 두 번째 로그인 프로세스 요구 없이 사용자가 그러한 권한에 액세스할 수 있게 한다. 다른 실시예에서, FC Auth(123)는 사용자(예를 들면, 직원)가 자신을 특정 작업과 연관시킬 수 있게 한다. 예를 들면, 일부 직원은 (디바이스(119A-119C)와 같은) 전자 디바이스를 갖지 않을 수 있으며, 대신 하루 동안 풀필먼트 센터(200) 내에서 작업들 사이 및 구역들 사이에서 이동할 수 있다. FC Auth(123)는 이러한 직원들이 상이한 시간 대에 수행 중인 작업과 속해 있는 구역을 표시할 수 있도록 구성될 수 있다.
일부 실시예에서, 노동 관리 시스템(LMS)(125)은 직원(풀-타임 및 파트-타임 직원을 포함함)에 대한 출근 및 초과 근무 정보를 저장하는 컴퓨터 시스템으로서 구현될 수 있다. 예를 들면, LMS(125)는 FC Auth(123), 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 FO 시스템(113)에 연결된 FC Auth 시스템(123)을 나타낸 반면, 모든 실시예가 이러한 특정 구성을 필요로 하는 것은 아니다. 실제로, 일부 실시예에서, 시스템(100) 내의 시스템은 인터넷, 인트라넷, WAN(Wide-Area Network), MAN(Metropolitan-Area Network), IEEE 802.11a/b/g/n 표준을 따르는 무선 네트워크, 임대 회선 등을 포함하는 하나 이상의 공공 또는 사설 네트워크를 통해 서로 연결될 수 있다. 일부 실시예에서, 시스템(100) 내의 시스템 중 하나 이상은 데이터 센터, 서버 팜 등에서 구현되는 하나 이상의 가상 서버로서 구현될 수 있다.
도 2는 풀필먼트 센터(200)를 나타낸다. 풀필먼트 센터(200)는 주문시 고객에게 배송하기 위한 아이템을 저장하는 물리적 장소의 예시이다. 풀필먼트 센터(FC)(200)는 다수의 구역으로 분할될 수 있으며, 각각이 도 2에 도시된다. 일부 실시예에서, 이러한 "구역(zones)"은 아이템을 수령하고, 아이템을 저장하고, 아이템을 검색하고, 아이템을 배송하는 과정의 상이한 단계 사이의 가상 구분으로 생각될 수 있다. 따라서, "구역"이 도 2에 나타나 있으나, 일부 실시예에서, 구역의 다른 구분도 가능하고, 도 2의 구역은 생략, 복제, 또는 수정될 수 있다.
인바운드 구역(203)은 도 1a의 시스템(100)을 사용하여 제품을 판매하고자 하는 판매자로부터 아이템이 수신되는 FC(200)의 영역을 나타낸다. 예를 들면, 판매자는 트럭(201)을 사용하여 아이템(202A, 202B)을 배달할 수 있다. 아이템(202A)은 자신의 배송 팔레트(pallet)를 점유하기에 충분히 큰 단일 아이템을 나타낼 수 있으며, 아이템(202B)은 공간을 절약하기 위해 동일한 팔레트 상에 함께 적층되는 아이템의 세트를 나타낼 수 있다.
작업자는 인바운드 구역(203)의 아이템을 수령하고, 선택적으로 컴퓨터 시스템(미도시)을 사용하여 아이템이 손상되었는지 및 정확한지를 체크할 수 있다. 예를 들면, 작업자는 아이템(202A, 202B)의 수량을 아이템의 주문 수량과 비교하기 위해 컴퓨터 시스템을 사용할 수 있다. 수량이 일치하지 않는다면, 해당 작업자는 아이템(202A, 202B) 중 하나 이상을 거부할 수 있다. 수량이 일치한다면, 작업자는 그 아이템들을 (예를 들면, 짐수레(dolly), 핸드트럭(handtruck), 포크리프트(forklift), 또는 수작업으로) 버퍼 구역(205)으로 운반할 수 있다. 버퍼 구역(205)은, 예를 들면, 예측된 수요를 충족시키기 위해 픽업 구역에 그 아이템이 충분한 수량만큼 있기 때문에, 픽업 구역에서 현재 필요하지 않은 아이템에 대한 임시 저장 영역일 수 있다. 일부 실시예에서, 포크리프트(206)는 버퍼 구역(205) 주위와 인바운드 구역(203) 및 드롭 구역(207) 사이에서 아이템을 운반하도록 작동한다. (예를 들면, 예측된 수요로 인해) 픽업 구역에 아이템(202A, 202B)이 필요하면, 포크리프트는 아이템(202A, 202B)을 드롭 구역(207)으로 운반할 수 있다.
드롭 구역(207)은 픽업 구역(209)으로 운반되기 전에 아이템을 저장하는 FC(200)의 영역일 수 있다. 픽업 동작에 할당된 작업자("피커(picker)")는 픽업 구역의 아이템(202A, 202B)에 접근하고, 픽업 구역에 대한 바코드를 스캔하며, 모바일 디바이스(예를 들면, 디바이스(119B))를 사용하여 아이템(202A, 202B)과 관련된 바코드를 스캔할 수 있다. 그 다음 피커는 (예를 들면, 카트에 놓거나 운반함으로써) 픽업 구역(209)에 아이템을 가져갈 수 있다.
픽업 구역(209)은 아이템(208)이 저장 유닛(210)에 저장되는 FC(200)의 영역일 수 있다. 일부 실시예에서, 저장 유닛(210)은 물리적 선반, 책꽂이, 박스, 토트(tote), 냉장고, 냉동고, 저온 저장고 등 중 하나 이상을 포함할 수 있다. 일부 실시예에서, 픽업 구역(209)은 다수의 플로어로 편성될 수 있다. 일부 실시예에서, 작업자 또는 기계는, 예를 들면, 포크리프트, 엘리베이터, 컨베이어 벨트, 카트, 핸드트럭, 짐수레, 자동화된 로봇 또는 디바이스, 또는 수작업을 포함하는 다양한 방식으로 아이템을 픽업 구역(209)으로 운반할 수 있다. 예를 들면, 피커는 아이템(202A, 202B)을 드롭 구역(207)의 핸드트럭 또는 카트에 놓을 수 있으며, 아이템(202A, 202B)을 픽업 구역(209)으로 가져갈 수 있다.
피커는 저장 유닛(210) 상의 특정 공간과 같은 픽업 구역(209)의 특정 스팟에 아이템을 배치(또는 "적재(stow)")하라는 명령을 수신할 수 있다. 예를 들면, 피커는 모바일 디바이스(예를 들면, 디바이스(119B))를 사용하여 아이템(202A)을 스캔할 수 있다. 디바이스는, 예를 들면, 통로, 선반 및 위치를 나타내는 시스템을 사용하여, 아이템(202A)을 적재해야 하는 위치를 나타낼 수 있다. 그 다음 디바이스는 그 위치에 아이템(202A)을 적재하기 전에 피커가 그 위치에서 바코드를 스캔하도록 할 수 있다. 디바이스는 도 1a의 WMS(119)와 같은 컴퓨터 시스템에 아이템(202A)이 디바이스(119B)를 사용하는 사용자에 의해 그 위치에 적재되었음을 나타내는 데이터를 (예를 들면, 무선 네트워크를 통해) 전송할 수 있다.
일단 사용자가 주문을 하면, 피커는 저장 유닛(210)으로부터 하나 이상의 아이템(208)을 검색하기 위해 디바이스(119B)에 명령을 수신할 수 있다. 피커는 아이템(208)을 검색하고, 아이템(208) 상의 바코드를 스캔하며, 운송 기구(214) 상에 놓을 수 있다. 일부 실시예에서, 운송 기구(214)가 슬라이드로서 표현되지만, 운송 기구는 컨베이어 벨트, 엘리베이터, 카트, 포크리프트, 핸드트럭, 짐수레, 카트 등 중 하나 이상으로서 구현될 수 있다. 그 다음 아이템(208)은 패킹 구역(211)에 도착할 수 있다.
패킹 구역(211)은 아이템이 픽업 구역(209)으로부터 수령되고 고객에게 최종 배송하기 위해 박스 또는 가방에 패킹되는 FC(200)의 영역일 수 있다. 패킹 구역(211)에서, 아이템을 수령하도록 할당된 작업자("리비닝 작업자(rebin worker)")는 픽업 구역(209)으로부터 아이템(208)을 수령하고, 어느 주문에 대응하는지를 결정할 것이다. 예를 들면, 리비닝 작업자는 아이템(208) 상의 바코드를 스캔하기 위해 컴퓨터(119C)와 같은 디바이스를 사용할 수 있다. 컴퓨터(119C)는 아이템(208)이 어느 주문과 관련이 있는지를 시각적으로 나타낼 수 있다. 이는, 예를 들면, 주문에 대응하는 월(216) 상의 공간 또는 "셀(cell)"을 포함할 수 있다. (예를 들면, 셀에 주문의 모든 아이템이 포함되어 있기 때문에) 일단 주문이 완료되면, 리비닝 작업자는 패킹 작업자(또는 "패커(packer)")에게 주문이 완료된 것을 알릴 수 있다. 패커는 셀로부터 아이템을 검색하고, 배송을 위해 이들을 박스 또는 가방에 놓을 수 있다. 그 다음 패커는, 예를 들면, 포크리프트, 카트, 짐수레, 핸드트럭, 컨베이어 벨트, 수작업 또는 다른 방법을 통해, 박스 또는 가방을 허브 구역(213)으로 보낼 수 있다.
허브 구역(213)은 패킹 구역(211)으로부터 모든 박스 또는 가방("패키지(packages)")을 수신하는 FC(200)의 영역일 수 있다. 허브 구역(213)의 작업자 및/또는 기계는 패키지(218)를 검색하고, 각 패키지가 배달 영역의 어느 부분으로 배달되도록 되어 있는지를 결정하며, 패키지를 적합한 캠프 구역(215)으로 보낼 수 있다. 예를 들면, 배달 영역이 2개의 작은 하위 영역을 갖는다면, 패키지는 2개의 캠프 구역(215) 중 하나로 보내질 것이다. 일부 실시예에서, 작업자 또는 기계는 최종 목적지를 결정하기 위해 (예를 들면, 디바이스(119A-119C) 중 하나를 사용하여) 패키지를 스캔할 수 있다. 패키지를 캠프 구역(215)으로 보내는 것은, 예를 들면, (우편 번호에 기초하여) 패키지가 향하는 지리적 영역의 부분을 결정하고, 지리적 영역의 부분과 관련된 캠프 구역(215)을 결정하는 것을 포함할 수 있다.
일부 실시예에서, 캠프 구역(215)은 루트 및/또는 서브-루트로 분류하기 위해 허브 구역(213)으로부터 패키지가 수령되는 하나 이상의 빌딩, 하나 이상의 물리적 공간, 또는 하나 이상의 영역을 포함할 수 있다. 일부 실시예에서, 캠프 구역(215)은 FC(200)로부터 물리적으로 분리되어 있는 반면, 다른 실시예에서는 캠프 구역(215)은 FC(200)의 일부를 형성할 수 있다.
캠프 구역(215)의 작업자 및/또는 기계는, 예를 들면, 목적지와 기존 루트 및/또는 서브-루트의 비교, 각각의 루트 및/또는 서브-루트에 대한 작업량의 계산, 하루 중 시간, 배송 방법, 패키지(220)를 배송하기 위한 비용, 패키지(220)의 아이템과 관련된 PDD 등에 기초하여 패키지(220)가 어느 루트 및/또는 서브-루트와 연관되어야 하는지를 결정할 수 있다. 일부 실시예에서, 작업자 또는 기계는 최종 목적지를 결정하기 위해 (예를 들면, 디바이스(119A-119C) 중 하나를 사용하여) 패키지를 스캔할 수 있다. 일단 패키지(220)가 특정 루트 및/또는 서브-루트에 할당되면, 작업자 및/또는 기계는 배송될 패키지(220)를 운반할 수 있다. 예시적인 도 2에서, 캠프 구역(215)은 트럭(222), 자동차(226), 배달원(224A, 224B)을 포함한다. 일부 실시예에서, 배달원(224A)이 트럭(222)을 운전할 수 있는데, 이 때 배달원(224A)은 FC(200)에 대한 패키지를 배달하는 풀-타임 직원이며, 트럭은 FC(200)를 소유, 임대 또는 운영하는 동일한 회사에 의해 소유, 임대, 또는 운행된다. 일부 실시예에서, 배달원(224B)이 자동차(226)를 운전할 수 있는데, 이 때 배달원(224B)은 필요에 따라(예를 들면, 계절에 따라) 배달하는 "플렉스(flex)" 또는 비상시적인 작업자이다. 자동차(226)는 배달원(224B)에 의해 소유, 임대 또는 운행될 수 있다.
도 3을 참조하면, 아웃바운드 예측 시스템(301)을 포함하는 시스템의 예시적인 실시예를 개략적인 블록도(300)로 나타낸다. 아웃바운드 예측 시스템(301)은 도 1a의 시스템(100) 내 하나 이상의 시스템과 연관될 수 있다. 예를 들면, 아웃바운드 예측 시스템(301)은 SCM 시스템(117)의 일부로서 구현될 수 있다. 일부 실시예에서, 아웃바운드 예측 시스템(301)은 각 FC(200)에 대한 정보뿐만 아니라 다른 시스템(예를 들면, 외부 프론트 엔드 시스템(103), 배송 및 주문 트래킹 시스템(111) 및/또는 FO 시스템(113))으로부터의 고객 주문에 대한 정보를 저장하는 컴퓨터 시스템으로서 구현될 수 있다. 예를 들면, 아웃바운드 예측 시스템(301)은 FC 중에서 SKU의 분배를 기술하는 정보를 처리하고 그 정보를 데이터베이스(304)와 같은 데이터베이스에 저장할 수 있는 하나 이상의 프로세서(305)를 포함할 수 있다. 그래서, 아웃바운드 예측 시스템(301)의 하나 이상의 프로세서(305)는, 각 FC 내에 저장되는 SKU의 리스트를 처리하고 그 리스트를 데이터베이스(304)에 저장할 수 있다. 하나 이상의 프로세서(305)는 또한 각각의 FC와 연관된 제한 사항을 기술하는 정보를 처리하고 그 정보를 데이터베이스(304)에 저장할 수 있다. 예를 들면, 특정 FC는 사이즈, 냉장 요건, 무게, 또는 다른 아이템 요건으로 인한 특정 아이템과의 호환성, 최대 수용 용량, 이송 비용, 빌딩 규제사항, 및/또는 이것들의 임의의 조합을 포함하는 제한 사항을 가질 수 있다. 일례로서, 어느 아이템은 하나의 풀필먼트 센터에만 저장될 수 있는 반면에, 어느 다른 아이템은 다수의 풀필먼트 센터에 저장될 수 있다. 또 다른 실시예에서, 어느 풀필먼트 센터는 특정 아이템(예를 들면, 신선한 농산물 또는 냉동 제품)의 세트만 저장하도록 설계될 수 있다. 하나 이상의 프로세서(305)는 각 FC에 대한 이러한 정보뿐만 아니라 연관된 정보(예를 들면, 수량, 사이즈, 접수일, 유효 기간 등)를 처리하거나 검색할 수 있고, 이러한 정보를 데이터베이스(304)에 저장할 수 있다.
일부 실시예에서, 아웃바운드 예측 시스템(301)의 하나 이상의 프로세서(305)는 또한 복수의 FC 중에서 복수의 SKU를 할당하기 위해 이용될 수 있는, FC 우선순위 필터를 생성하도록 구성될 수 있다. 일례로서, 하나 이상의 프로세서(305)는 각 지역에서의 각 FC에 대한 우선순위 값의 초기 분배를 수신하도록 구성될 수 있다. 우선순위 값의 초기 분배는 임의로 생성될 수 있다. 하나 이상의 프로세서(305)는, 유전(genetic) 알고리즘과 같은 시뮬레이션 알고리즘을 이용하여, 초기 분배의 시뮬레이션을 실행하고 각 FC의 아웃바운드 용량 활용도(OCU: outbound capacity utilization)값을 계산할 수 있다. 하나 이상의 프로세서(305)는 미리 설정된 임계값을 초과하는 아웃바운드 용량 활용도값을 포함하는 FC의 수를 결정하고 하나 이상의 우선순위 값의 추가 분배를 생성하기 위해 결정된 수의 FC 중 적어도 하나를 시뮬레이션 알고리즘에 공급할 수 있다. 그 다음에 하나 이상의 프로세서(305)는 하나 이상의 우선순위 값의 추가 분배에 기초하여 각 FC에 할당된 우선순위 값의 최적 세트를 포함하는 FC 우선순위 필터를 생성할 수 있다. 일부 실시예에서, 하나 이상의 프로세서(305)는 또한 그 생성된 우선순위 필터에 기초하여 복수의 FC 중에서의 복수의 SKU의 할당을 수정할 수 있다. 복수의 SKU는 각각의 대응하는 제품에 대한 명세일 수 있고, 그래서, 각각의 대응하는 제품과 연관된 제조자, 재료, 색상, 패키징 타입, 무게, 또는 임의의 다른 특성을 나타낼 수 있다.
다른 실시예에서, 하나 이상의 프로세서(305)는 데이터베이스(304)에 FC(200)에 대한 예측된 SKU의 아웃바운드를 저장할 수 있다. 일부 실시예에서, 아웃바운드 예측 시스템(301)은 네트워크(302)를 통해 데이터베이스(304)로부터 정보를 검색할 수 있다. 데이터베이스(304)는 정보를 저장하고 네트워크(302)를 통해 접속되는 하나 이상의 메모리 디바이스를 포함할 수 있다. 일례로서, 데이터베이스(304)는 오라클 데이터베이스, 사이베이스 데이터베이스, 또는 다른 관계형 데이터베이스나, 하둡(Hadoop) 시퀀스 파일, HBase, 혹은 카산드라(Cassandra)와 같은 비관계형 데이터베이스를 포함할 수 있다. 데이터베이스(304)는 시스템(300)에 포함되는 것처럼 도시되었으나, 대안적으로, 시스템(300)과 원격으로 위치될 수 있다. 다른 실시예에서, 데이터베이스(304)는 최적화 시스템(301)에 통합될 수 있다. 데이터베이스(304)는 데이터베이스(304)의 메모리 디바이스에 저장된 데이터에 대한 요청을 수신하고 처리하며, 데이터베이스(304)로부터 데이터를 제공하도록 구성된 컴퓨팅 컴포넌트(예로써, 데이터베이스 관리 시스템, 데이터베이스 서버 등)를 포함할 수 있다.
시스템(300)은 또한 네트워크(302) 및 서버(303)를 포함할 수 있다. 아웃바운드 예측 시스템(301), 서버(303), 및 데이터베이스(304)는 네트워크(302)를 통해서 연결될 수 있고 서로 통신할 수 있다. 네트워크(302)는 하나 이상의 무선 네트워크, 유선 네트워크, 또는 무선 네트워크와 유선 네트워크의 임의의 조합일 수 있다. 예를 들면, 네트워크(302)는 광섬유 네트워크, 수동 광 네트워크, 케이블 네트워크, 인터넷 네트워크, 위성 네트워크, 무선 LAN, GSM(Global System for Mobile Communication), PCS(Personal Communication Service), PAN(Personal Area Network), D-AMPS, Wi-Fi, FWD(Fixed Wireless Data), IEEE 802.11b, 802.15.1, 802.11n 및 802.11g 또는 데이터를 송수신하기 위한 임의의 다른 유선 혹은 무선 네트워크 중 하나 이상을 포함할 수 있다.
또한, 네트워크(302)는 전화 선로, 섬유 광학, IEEE 이더넷 902.3, WAN(wide area network), LAN(local area network), 또는 인터넷과 같은 글로벌 네트워크를 포함할 수 있지만, 이것으로 한정되지 않는다. 또한 네트워크(302)는 인터넷 네트워크, 무선 통신 네트워크, 셀룰러 네트워크 등, 또는 그것들의 임의의 조합을 지원할 수 있다. 네트워크(302)는 독립형 네트워크로서 동작하거나 서로 협력하여 동작하는, 위에서 언급된 하나의 네트워크, 또는 임의의 수의 예시적인 타입의 네트워크를 더 포함할 수 있다. 네트워크(302)는 통신적으로 연결되는 하나 이상의 네트워크 요소의 하나 이상의 프로토콜을 이용할 수 있다. 네트워크(302)는 네트워크 디바이스의 하나 이상의 프로토콜에 대해서 다른 프로토콜로 혹은 다른 프로토콜로부터 전환할 수 있다. 비록 네트워크(302)는 단일 네트워크로서 도시되었지만, 하나 이상의 실시예에 따라서, 네트워크(302)는, 예를 들면, 인터넷, 서비스 공급자 네트워크, 케이블 텔레비전 네트워크, 기업 네트워크(corporate network), 및 홈 네트워크와 같은, 복수의 상호 연결된 네트워크를 포함할 수 있는 것으로 이해되어야 한다.
서버(303)는 웹 서버일 수 있다. 서버(300)는, 예를 들면, 인터넷과 같이, 네트워크(예로써, 네트워크(302))를 통해서 예를 들면 사용자에 의해 접속될 수 있는 웹 컨텐츠를 전달하는, 하드웨어(예로써, 하나 이상의 컴퓨터) 및/또는 소프트웨어(예로써, 하나 이상의 애플리케이션)를 포함할 수 있다. 서버(303)는, 예를 들면, 사용자와 통신하기 위해 하이퍼텍스트 전송 프로토콜(HTTP 또는 sHTTP)을 이용할 수 있다. 사용자에게 전달된 웹 페이지는, 예를 들면, 텍스트 컨텐츠 뿐만 아니라 이미지, 스타일 시트, 및 스크립트도 포함할 수 있는 HTML 문서를 포함할 수 있다.
예를 들어, 웹 브라우저, 웹 크롤러, 또는 네이티브 모바일 애플리케이션과 같은 사용자 프로그램은, HTTP를 이용하여 특정 리소스에 대한 요청을 함으로써 통신을 시작할 수 있고, 서버(303)는 해당 리소스의 컨텐츠로 응답하거나 그렇게 할 수 없으면 에러 메시지로 응답할 수 있다. 서버(303)는 또한 사용자로부터 컨텐츠를 수신하는 것을 가능하게 하거나 용이하게 할 수 있어서, 사용자는, 예를 들면, 파일의 업로딩을 포함하는 웹 양식을 제시할 수도 있다. 또한 서버(303)는, 예를 들면, 액티브 서버 페이지(ASP), PHP, 또는 다른 스크립팅 언어를 이용하여 서버측 스크립팅을 지원할 수 있다. 따라서, 서버(303)의 작용은 개별 파일들로 스크립트될 수 있지만, 실제 서버 소프트웨어는 변경되지 않는다.
다른 실시예에서, 서버(303)는 그 적용된 애플리케이션을 지원하기 위한 효율적인 절차(예로써, 프로그램, 루틴, 스크립트)의 실행에 전용되는 하드웨어 및/또는 소프트웨어를 포함할 수 있는 애플리케이션 서버일 수 있다. 서버(303)는, 예를 들면, 자바 애플리케이션 서버(예로써, 자바 플랫폼, 엔터프라이즈 에디션(Java EE), 마이크로소프트사의 닷넷 프레임워크, PHP 애플리케이션 서버 등)를 포함하는 하나 이상의 애플리케이션 서버 프레임워크를 포함할 수 있다. 다양한 애플리케이션 서버 프레임워크는 포괄적인 서비스 계층 모델을 포함할 수 있다. 서버(303)는 플랫폼 자체로 정의된 API를 통해서, 예를 들면 시스템(100)을 구현하는 엔터티에 접속 가능한 컴포넌트들의 세트로서 역할을 할 수 있다.
일부 실시예에서, 상술한 바와 같이, 아웃바운드 예측 시스템(301)의 하나 이상의 프로세서(305)는 FC 우선순위 필터를 적용하여 제품의 아웃바운드 흐름을 시뮬레이션할 수 있다. 일부 실시예에서, 하나 이상의 프로세서(305)는 SKU 매핑을 통해서 아웃바운드 흐름을 최적화시킬 수 있다. SKU 매핑은 FC에 대한 SKU의 할당이고, 아웃바운드 네트워크 최적화는 SKU 매핑을 통해서 달성될 수 있다. 하나 이상의 프로세서(305)는, SKU 매핑을 통해서, 시뮬레이션을 생성할 수 있고, 각 시뮬레이션은 FC 우선순위 필터에 기초하여 FC 중에서의 SKU의 다양한 할당을 포함할 수 있다. 각 시뮬레이션은 임의로 생성될 수 있다. 따라서, 하나 이상의 프로세서(305)는 하나 이상의 시뮬레이션을 생성하고, 주 전체의, 지역의, 혹은 전국적인 네트워크에 걸쳐 하나 이상의 FC의 출력율에 대해서 가장 많이 향상시키는 최적의 시뮬레이션을 선택함으로써 최적의 시뮬레이션을 찾을 수 있다. 출력율에 대해서 향상시키는 최적의 시뮬레이션을 결정하는 것은 제품의 아웃바운드 흐름을 최적화시키는데 필수적일 수 있다. 예를 들어, 각 FC 내에 각 아이템 중 하나를 쉽게 배치할 수 있지만, 이것은 만일 특정 아이템에 대한 고객 수요가 급속히 증가하는 경우 그 FC는 빠르게 아이템이 바닥날 것이므로, 최적이 아닐 수 있다. 또한, 단일의 FC 내에 하나의 아이템 전부가 배치되면, 이것은 다양한 위치에서의 고객이 그 아이템을 원할 수 있기 때문에 최적이 아닐 수 있다. 그러면, 그 아이템은 단일 FC에서만 이용 가능할 것이므로 그 아이템을 하나의 FC로부터 또 다른 FC로 이송하기 위한 비용이 증가할 수 있고, 그래서 시스템은 효율성이 떨어질 것이다. 따라서, 제품의 아웃바운드 흐름을 최적화시키는 것에 관한 컴퓨터화된 실시예는, FC 중에서의 최적의 SKU의 분배를 결정하기 위한 새롭고 중요한 시스템을 제공한다.
또 다른 실시예에서, 하나 이상의 프로세서(305)는 유전 알고리즘에 대해 사업상 제약과 같은 하나 이상의 제한 사항을 구현할 수 있다. 제한 사항은, 예를 들면, 각 FC의 최대 수용 용량, 각 FC와 연관된 아이템 호환성, FC와 연관된 비용, 또는 각 FC와 연관된 임의의 다른 특성을 포함할 수 있다. 각 FC의 최대 수용 용량은 각 FC에 얼마나 많은 SKU가 보유될 수 있는지와 연관된 정보를 포함할 수 있다. 각 FC와 연관된 아이템 호환성은 아이템의 사이즈, 아이템의 무게, 냉장 요건, 또는 아이템/SKU와 연관된 다른 요건으로 인해 특정 FC에 보유될 수 없는 특정 아이템과 연관된 정보를 포함할 수 있다. 또한, 각 FC에 어느 아이템은 보유되게 하고 어느 아이템은 보유되는 것을 막는 각 FC와 연관된 빌딩 규제사항이 있을 수 있다. 각 FC와 연관된 비용은 FC 간에 이송 비용, 클러스터간 배송 비용(예를 들면, 다수의 FC로부터 아이템 배송에 의해 발생된 배송 비용), FC 간의 아이템 교차 보관(cross-stocking)에 의해 발생된 배송 비용, 하나의 FC 내에 모든 SKU를 가지는 것과 연관된 소포당 유닛(unit per parcel, UPP) 비용, 또는 이것들의 임의의 조합을 포함할 수 있다.
다른 실시예에서, 하나 이상의 프로세서(305)는 효율을 높이기 위해서 유전 알고리즘의 하나 이상의 부분을 캐시 저장할 수 있다. 예를 들면, 유전 알고리즘의 하나 이상의 부분은 시뮬레이션이 생성될 때마다 알고리즘의 모든 부분을 재실행시킬 필요를 없애기 위해 캐시 저장될 수 있다. 하나 이상의 프로세서(305)는, 각 반복시 상당한 변화가 있을 것인지 여부에 기초하여 유전 알고리즘의 어느 부분(들)이 캐시 저장될 수 있는지를 결정할 수 있다. 예를 들면, 시뮬레이션이 생성될 때마다 일부 파라미터는 일치하는 반면에, 다른 파라미터는 변화할 수 있다. 매번 일치하는 파라미터는 시뮬레이션이 생성될 때마다 재실행될 필요가 없을 것이다. 그러므로, 하나 이상의 프로세서(305)는 이들 일치하는 파라미터를 캐시 저장할 수 있다. 예를 들면, 각 FC에서의 최대 수용 용량은 시뮬레이션이 생성될 때마다 변화하지 않을 것이므로, 캐시 저장될 수 있다. 한편, 시뮬레이션마다 바뀔 수 있는 파라미터는, 예를 들면, 고객 주문 프로파일, 지역에 걸친 각 SKU의 고객 관심, 또는 적재 모델(stowing model)을 포함할 수 있다. 고객 주문 프로파일은 주 전체의, 지역의, 혹은 전국적인 네트워크에 걸쳐 고객 주문의 거동을 참조할 수 있다. 예를 들면, 고객 주문 프로파일은 주 전체의, 지역의, 혹은 전국적인 네트워크에 걸쳐 고객 주문의 주문 패턴을 참조할 수 있다. 각 SKU의 고객 관심은 주 전체의, 지역의, 혹은 전국적인 네트워크에 걸쳐 각 아이템에 대한 고객 수요량을 참조할 수 있다. 적재 모델은 픽업 구역(209) 내 특정 지점 또는 각 FC 내 저장 유닛(210)의 특정 공간과 같이, 특정 아이템이 배치되는 위치를 지시하는 모델을 참조할 수 있다. 적재 모델은 각 FC에 따라 달라질 수 있다. 유전 알고리즘의 하나 이상의 부분을 캐시 저장함으로써, 하나 이상의 프로세서(305)는 효율을 높이고 처리 용량을 줄일 수 있다.
일부 실시예에서, 시뮬레이션 알고리즘에 추가된 또 다른 제한 사항은 FC 각각에서의 고객 수요를 포함할 수 있다. 하나 이상의 프로세서(305)는 FC 각각에서의 주문 기록을 검토함으로써 FC 각각에서의 고객 수요를 결정할 수 있다. 다른 실시예에서, 하나 이상의 프로세서(305)는 FC 각각에서의 고객 수요를 시뮬레이션할 수 있다. 예를 들면, 적어도 각 FC에서의 주문 기록에 기초하여, 하나 이상의 프로세서(305)는 각 FC에서의 고객 수요를 예측 및/또는 시뮬레이션할 수 있다. 적어도 FC 각각에서의 시뮬레이션된 고객 수요에 기초하여, 하나 이상의 프로세서(305)는 SKU 할당, SKU 매핑, 및 제품의 아웃바운드 흐름을 최적화시키기 위해서 FC 중에서의 SKU의 할당을 수정할 수 있다.
도 4는 본 개시의 실시예에 따른, 각 지역(Rr)에서의 각 FC(FCx)에 할당된 우선순위 값(Pxr)의 분배의 예시적인 매트릭스(400)이다. 도 4의 매트릭스(400)를 참조하면, 예로써, 지역 R1에서의 FC1은 우선순위 값 P11이 할당될 수 있고, 지역 R2에서의 FC2는 우선순위 값 P22가 할당될 수 있으며, 이런 식으로 할당될 수 있다.
상술한 바와 같이, 초기 매트릭스(400)는 임의로 생성되는 2차원 매트릭스일 수 있다. 즉, 각 지역(Rr)에서의 각 FC(FCx)에 할당된 우선순위 값(Pxr)은 임의로 생성될 수 있다. 하나 이상의 프로세서(305)는 유전 알고리즘과 같은 시뮬레이션 알고리즘을 이용하여 초기 매트릭스(400)의 시뮬레이션을 실행하도록 구성될 수 있다. 그 결과, 하나 이상의 프로세서(305)는 각 FC가 초기 매트릭스(400)에서의 대응하는 우선순위 값이 할당될 때 아웃바운드 흐름을 시뮬레이션할 수 있다. 예를 들면, 하나 이상의 프로세서(305)는 초기 매트릭스(400)의 시뮬레이션을 실행한 후에 각 FC의 아웃바운드 용량 활용도값을 계산할 수 있다. 아웃바운드 용량 활용도값은 FC의 아웃바운드 용량에 대한 각 FC의 아웃바운드의 비율을 포함할 수 있다. 그 다음에, 하나 이상의 프로세서(305)는 미리 설정된 임계값을 초과하는 아웃바운드 용량 활용도값을 포함하는 FC의 수를 결정할 수 있다. 미리 설정된 임계값은 각 FC의 최소 아웃바운드를 포함할 수 있다.
미리 설정된 임계값보다 높은 아웃바운드 용량 활용도값을 가지는 FC의 수를 결정한 후, 하나 이상의 프로세서(305)는 하나 이상의 우선순위 값의 추가 매트릭스를 생성하기 위해 결정된 수의 FC 중 적어도 하나를 시뮬레이션 알고리즘에 공급할 수 있다. 하나 이상의 추가 매트릭스를 생성함에 있어서, 예를 들면, 하나 이상의 프로세서(305)는, 미리 설정된 임계값보다 낮은 아웃바운드 용량 활용도값을 가지는 FC에 할당된 우선순위 값을 변경하면서, 미리 설정된 임계값보다 높은 아웃바운드 용량 활용도값을 가지는 결정된 수의 FC 중 적어도 하나에 할당된 우선순위 값을 유지할 수 있다. 하나 이상의 프로세서(305)는 종료 요건이 충족될 때까지 하나 이상의 추가 매트릭스를 생성할 수 있다. 예를 들면, 종료 요건은 미리 설정된 임계값보다 높은 아웃바운드 용량 활용도값을 가지는 FC의 수가 미리 설정된 제2 임계값을 초과할 때 충족될 수 있다. 즉, 하나 이상의 프로세서(305)는, FC의 미리 설정된 수가 미리 설정된 임계값을 초과하는 아웃바운드 용량 활용도값을 가질 때까지, 하나 이상의 우선순위 값의 추가 매트릭스를 생성하도록 시뮬레이션 알고리즘에 공급하는 것을 계속할 수 있다. 미리 설정된 임계값보다 높은 아웃바운드 용량 활용도값을 가지는 FC의 수가 미리 설정된 제2 임계값을 초과하면, 우선순위 값의 매트릭스(400)는 우선순위 값의 최적 세트를 포함하는 FC 우선순위 필터를 구성할 수 있다. 그 다음에, 하나 이상의 프로세서(305)는 우선순위 값의 하나 이상의 추가 매트릭스에 기초하여 생성된 FC 우선순위 필터를 이용하여 복수의 FC 중에서의 복수의 SKU의 할당을 수정할 수 있다.
도 5는 아웃바운드 예측을 위한 예시적인 방법(500)을 나타내는 플로차트이다. 이 예시적인 방법은 일례로서 제공된다. 도 5에 도시된 방법(500)은 여러 시스템의 하나 이상의 조합에 의해 실행되거나 또는 다른 방법으로 수행될 수 있다. 아래에 설명되는 바와 같은 방법(500)은, 일례로서, 도 3에 도시된 바와 같이, 아웃바운드 예측 시스템(301)에 의해 실행될 수 있고, 그 시스템의 여러 요소는 도 5의 방법을 설명하는데 참조된다. 도 5에 도시된 각 블록은 예시적인 방법(500)에서 하나 이상의 프로세스, 방법, 또는 서브루틴을 나타낸다. 도 5을 참조하면, 예시적인 방법(500)은 블록 501에서 시작할 수 있다.
블록 501에서, 하나 이상의 프로세서(305)는 각 FC에 대한 우선순위 값의 초기 분배를 수신할 수 있다. 우선순위 값의 초기 분배는, 도 4의 매트릭스(400)와 같은, 우선순위 값의 2차원 매트릭스를 포함할 수 있다. 각 지역에서의 각 FC에 대한 우선순위 값의 초기 분배를 수신한 후, 방법(500)은 블록 502로 진행할 수 있다. 블록 502에서, 하나 이상의 프로세서(305)는 초기 분배의 시뮬레이션을 실행할 수 있다. 예를 들면, 하나 이상의 프로세서(305)는 각 FC에 대한 우선순위 값의 초기 분배에 기초하여 제품의 아웃바운드 흐름을 시뮬레이션할 수 있다. 하나 이상의 프로세서(305)는 우선순위 값의 초기 분배가 얼마나 잘 수행되는지를 결정하기 위해서, 우선순위 값의 초기 분배에서 각 지역에서의 각 FC의 시뮬레이션을 실행할 수 있다.
우선순위 값의 초기 분배가 얼마나 잘 수행되는지를 결정하기 위해서, 방법(500)은 블록 503으로 진행하여, 하나 이상의 프로세서(305)는 아웃바운드 용량 활용도(OCU)값을 계산할 수 있다. 상술한 바와 같이, OCU값은 FC의 아웃바운드 용량에 대한 각 FC의 아웃바운드의 비율을 포함할 수 있다. 우선순위 값의 초기 분배에 기초하여 각 FC의 OCU값을 계산한 후, 방법(500)은 블록 504로 진행할 수 있다. 블록 504에서, 하나 이상의 프로세서(305)는 미리 설정된 임계값을 초과하는 OCU값을 포함하는 FC의 수를 결정할 수 있다. 미리 설정된 임계값은 각 FC의 최소 아웃바운드를 포함할 수 있다.
미리 설정된 임계값보다 높은 아웃바운드 용량 활용도값을 가지는 FC의 수를 결정한 후, 방법(500)은 블록 505로 진행할 수 있다. 블록 505에서, 하나 이상의 프로세서(305)는 하나 이상의 우선순위 값의 추가 매트릭스를 생성하기 위해 결정된 수의 FC 중 적어도 하나를, 유전 알고리즘과 같은 시뮬레이션 알고리즘에 공급할 수 있다. 하나 이상의 추가 매트릭스를 생성함에 있어서, 예를 들면, 하나 이상의 프로세서(305)는 미리 설정된 임계값보다 낮은 OCU값을 가지는 FC에 할당된 우선순위 값을 변경하면서, 미리 설정된 임계값보다 높은 OCU값을 가지는 결정된 수의 FC 중 적어도 하나에 할당된 우선순위 값을 유지할 수 있다. 하나 이상의 추가 매트릭스는 종료 요건이 충족될 때까지 생성될 수 있다. 예를 들면, 종료 요건은 미리 설정된 임계값보다 높은 OCU값을 가지는 FC의 수가 미리 설정된 제2 임계값을 초과할 때 충족될 수 있다. 즉, 하나 이상의 프로세서(305)는, FC의 미리 설정된 수가 미리 설정된 임계값을 초과하는 OCU값을 가질 때까지, 하나 이상의 우선순위 값의 추가 매트릭스를 생성하도록 시뮬레이션 알고리즘에 공급하는 것을 계속할 수 있다.
미리 설정된 임계값보다 높은 OCU값을 가지는 FC의 수가 미리 설정된 제2 임계값을 초과하면, 방법(500)은 블록 506으로 진행할 수 있다. 블록 506에서, 하나 이상의 프로세서(305)는 생성된 하나 이상의 우선순위 값의 추가 분배에 기초하여 FC 우선순위 필터를 생성할 수 있다. 우선순위 값의 매트릭스(400)인 FC 우선순위 필터는 각 FC에 할당된 우선순위 값의 최적 세트, 예로써, 미리 설정된 임계값보다 높은 OCU값을 가지는 FC의 수가 미리 설정된 제2 임계값을 초과하는 결과로 이어지는 우선순위 값의 세트를 포함할 수 있다.
FC 우선순위 필터를 생성한 후, 방법(500)은 블록 507로 진행할 수 있다. 블록 507에서, 하나 이상의 프로세서(305)는, 이어서, 우선순위 값의 하나 이상의 추가 매트릭스에 기초하여 생성된 FC 우선순위 필터를 이용하여 복수의 FC 중에서의 복수의 SKU의 할당을 수정할 수 있다. 예를 들면, 아래에 설명되는 바와 같이, 생성된 FC 우선순위 필터는, 예를 들면, 복수의 FC 중에서의 복수의 SKU를 할당하기 위해 시뮬레이션된 고객 주문 프로파일에 적용될 수 있다.
추가적 또는 대안적으로, FC 우선순위 필터를 생성하기 위해 이용된 시뮬레이션 알고리즘은, 각 FC와 연관된 하나 이상의 제한사항을 고려할 수도 있다. 예를 들면, 하나 이상의 프로세서(305)는 각 FC에 대한 우선순위 값의 하나 이상의 추가 분배를 생성할 때 하나 이상의 제한사항(예로써, 각 FC의 최대 수용 용량, 각 FC와 연관된 아이템 호환성, FC와 연관된 비용, 또는 각 FC와 연관된 임의의 다른 특성)을 적용할 수 있다. 그 결과, 각 FC와 관련된 여러 제한사항도 고려하면서, 각 FC에 대한 각각의 우선순위 값의 분배는 임의로 생성될 수 있다.
도 6은 아웃바운드 예측을 위한 시스템(600)의 예시적인 실시예를 나타낸 개략적인 블록도이다. 일부 실시예에서, 시스템(600)은 SCM 시스템(117)의 일부분으로서 구현될 수 있다. 시스템(600)은 판매 예측 시스템(601), SKU 상관 관계 시스템(602), 주문량 계산 시스템(603), 및 아웃바운드 예측 시스템(607)을 포함할 수 있다. 아웃바운드 예측 시스템(607)은 도 3의 아웃바운드 예측 시스템(301)으로서 구현될 수 있다. 추가적 또는 대안적으로, 시스템(600)은 또한 인벤토리 스토우 시뮬레이션 시스템(604)을 포함할 수 있다.
판매 예측 시스템(601)은 서버(303)와 같은 서버 상에 실행시키는 애플리케이션일 수 있다. 판매 예측 시스템(601)은 지역별 예상 판매를 예측하기 위해 구성될 수 있다. 일부 실시예에서, 판매 예측 시스템(601)은 전국적 차원의 예상 판매, 예를 들면, 전국 예상 판매를 계산하고, 각 지역에 대한 지역 비율을 계산함으로써 지역별 예상 판매를 예측하도록 구성될 수 있다. 지역 비율은 과거 고객 수요와 연관된 데이터에 기초하여 계산될 수 있다. 따라서, 판매 예측 시스템(601)은 전국 예상 판매를 각 지역으로 분류함으로써, 각 지역에 대한 지역별 예상 판매의 예측을 생성할 수 있다. 일부 실시예에서, 지역별 예상 판매는 각 지역에서의 각 SKU에 대한 고객 수요를 나타낼 수 있다. 예를 들면, 지역별 예상 판매는 과거 고객 주문에 기초하여, 각 지역에서 판매된 각 제품의 수량을 나타낼 수 있다.
SKU 상관 관계 시스템(602)은 각 지역에서의 고객 주문에서 결합될 하나 이상의 SKU의 상관 관계를 예측하도록 구성될 수 있다. 예를 들면, SKU 상관 관계 시스템(602)은 고객 주문에서 항상 함께 결합될 수 있는 하나 이상의 SKU의 가능성을 계산하도록 구성될 수 있다. 이와 같이, SKU 상관 관계 시스템(602)은 각 지역의 고객 주문에서 함께 결합될 가능성이 가장 높은 하나 이상의 SKU의 상관 관계를 예측하도록 구성될 수 있다.
주문량 계산 시스템(603)은 각 지역에서의 고객 주문량을 예측하도록 구성될 수 있다. 예를 들면, 주문량 계산 시스템(603)은 각 지역의 하나의 고객 주문에서 얼마나 다양한 SKU가 존재할 가능성이 있는지를 계산하도록 구성될 수 있다. 일부 실시예에서, SKU 상관 관계 시스템(602)에 의해 예측된 상관 관계 및 주문량 계산 시스템(603)에 의해 예측된 고객 주문량은 고객 주문(605)을 시뮬레이션하는데 이용될 수 있다.
아웃바운드 예측 시스템(607)은 판매 예측 시스템(601)으로부터의 지역별 예상 판매, SKU 상관 관계 시스템(602)에 의해 예측된 상관 관계, 주문량 계산 시스템(603)에 의해 예측된 고객 주문량, 및 고객 주문 시뮬레이션(605)을 수신할 수 있다. 그 다음에, 아웃바운드 예측 시스템(607)은, 복수의 FC 중에서, 예측된 지역별 예상 판매 및 시뮬레이션된 고객 주문 프로파일에 기초하여 각 SKU를 저장하기 위한 FC를 예측할 수 있다. 예를 들면, 아웃바운드 예측 시스템(607)은 FC의 네트워크의 아웃바운드 흐름을 최적화시킬 수 있는 복수의 FC 중에서의 SKU의 할당을 결정할 수 있다. 아웃바운드 예측 시스템(607)은 예측된 FC를 각각의 대응하는 SKU에 할당하도록 데이터베이스(608)를 수정할 수 있다. 즉, 아웃바운드 예측 시스템(607)은 데이터베이스(608)에 FC 중에서의 SKU의 할당을 저장할 수 있다.
일부 실시예에서, 아웃바운드 예측 시스템(607)은 FC 우선순위 필터(606)를 시뮬레이션된 고객 주문 프로파일(605)에 적용할 수 있다. FC 우선순위 필터는 도 5의 스텝 506에서 생성된 FC 우선순위 필터와 같을 수 있다. 상술한 바와 같이, FC 우선순위 필터(606)는, 예를 들면, 아웃바운드 예측 시스템(607)의 하나 이상의 프로세서에 의해서 생성될 수 있다. FC 우선순위 필터(606)는 유전 알고리즘과 같은 시뮬레이션 알고리즘을 이용하여 생성될 수 있다. 예를 들면, 아웃바운드 예측 시스템(607)의 하나 이상의 프로세서는 각 지역의 각 FC에 대해 우선순위 값의 초기 분배를 임의로 생성할 수 있다. 그 다음에, 하나 이상의 프로세서는, 시뮬레이션 알고리즘 및/또는 유전 알고리즘을 이용하여, 우선순위 값의 초기 분배의 시뮬레이션을 실행시킬 수 있다. 하나 이상의 프로세서는 또한 우선순위 값의 초기 분배에 기초하여, 각 FC의 아웃바운드 용량 활용도(capacity utilization)를 계산할 수 있다. 각 FC의 아웃바운드 용량 활용도는 각 FC의 아웃바운드 용량에 대한 각 FC의 아웃바운드의 비율을 포함할 수 있다. 그 다음에, 하나 이상의 프로세서는 각 FC의 최소 아웃바운드값을 초과하는 아웃바운드 용량 활용도값을 포함하는 FC의 수를 결정할 수 있다. 하나 이상의 프로세서는 FC 우선순위 필터(606)를 생성하기 위해서 우선순위 값의 하나 이상의 추가적인 분배를 생성하도록 결정된 수의 FC 중 적어도 하나를 시뮬레이션 알고리즘에 공급할 수 있다. FC 우선순위 필터(606)는, 각 FC의 최소 아웃바운드값을 초과하는 아웃바운드 용량 활용도값을 가지는 네트워크 내의 FC의 수를 극대화시키는, 각 FC에 대한 우선순위 값의 최적의 분배를 포함할 수 있다.
FC 우선순위 필터(606)를 이용하여, 아웃바운드 예측 시스템(607)의 하나 이상의 프로세서는, 그 하나 이상의 프로세서가 처음에 가장 높은 우선순위 값을 가지는 FC를 특정 SKU에 할당하고 각 FC의 아웃바운드 용량 활용도값을 계산하는 선입선출(FIFO) 세팅을 수행할 수 있다. 그 다음에, 하나 이상의 프로세서는 다음으로 가장 높은 우선순위 값을 가지는 다음의 FC를 그 특정 SKU에 할당하고 각 FC의 아웃바운드 용량 활용도값을 계산할 수 있다. 하나 이상의 프로세서가 각 FC의 최소 아웃바운드값을 초과하는 아웃바운드 용량 활용도값을 가지는 네트워크 내의 FC의 수를 극대화시키는, FC 중에서의 최적의 SKU의 할당을 결정할 때까지 하나 이상의 프로세서는 이들 스텝을 반복할 수 있다. FC 중에서의 최적의 SKU의 할당에 기초하여, 아웃바운드 예측 시스템(607)의 하나 이상의 프로세서는, 각 SKU를 저장하기 위한 FC를 예측할 수 있다. 일부 실시예에서, 예측된 FC는, 특정 SKU에 할당될 수 있는 복수의 FC 중에서, 가장 높은 우선순위 값을 가지는 FC일 수 있다. 다른 실시예에서, 예측된 FC는, 특정 SKU에 할당될 수 있는 복수의 FC 중에서, 시뮬레이션된 고객 주문 프로파일에서 결합된 하나 이상의 SKU의 최대 수를 배달할 수 있는 FC일 수 있다. 일부 실시예에서, FC 우선순위 필터는 각 시뮬레이션된 고객 주문 프로파일에 기초하여 변경될 수 있다. 예를 들면, FC 우선순위 필터는 시뮬레이션된 고객 주문 프로파일 내 하나 이상의 SKU에 기초하여 조정될 수 있다.
일부 실시예에서, 시스템(600)은 인벤토리 스토우 시뮬레이션 시스템(604)을 포함할 수 있다. 인벤토리 스토우 시뮬레이션 시스템(604)은 공개된 구매 주문(609) 또는 과거 고객 주문(610) 중 적어도 하나에 기초하여 각 지역의 각 FC에서의 인벤토리를 시뮬레이션하도록 구성될 수 있다. 공개된 구매 주문(609)은 이행되지 않은 고객 주문, 예를 들면, 아직 처리되지 않은 고객 주문을 포함할 수 있다. 일부 실시예에서, 아웃바운드 예측 시스템(607)은 또한 각 SKU를 저장하기 위한 FC를 예측하도록 인벤토리 스토우 시뮬레이션 시스템(604)으로부터의 시뮬레이션된 인벤토리를 이용할 수 있다.
일부 실시예에서, 아웃바운드 예측 시스템(607)의 하나 이상의 프로세서는 특정 후일, 예를 들면, 오늘부터 x일 후에 대한 예측된 FC에서의 인벤토리를 예측하거나 시뮬레이션하도록 구성될 수 있다. 특정 후일에 대한 예측된 FC에서의 인벤토리를 예측하거나 시뮬레이션하기 위해서, 하나 이상의 프로세서는, 아웃바운드 예측 일수에 기초하여, 지역별 예상 판매의 예측을 수신하고, 하나 이상의 SKU의 상관 관계의 예측을 수신하고, 각 지역에서의 고객 주문량의 예측을 수신하고, FC 우선순위 필터를 시뮬레이션된 고객 주문 프로파일에 적용하고, 그리고, 각 SKU를 저장하기 위한 FC를 예측하는 스텝들을 반복하도록 구성될 수 있다. 예를 들면, 하나 이상의 프로세서는 오늘부터 3일 후의 날짜에 대한 예측된 FC에서의 인벤토리를 예측하는 경우 그 스텝들을 3번 반복할 수 있다. 마찬가지로, 하나 이상의 프로세서는 오늘부터 5일 후의 날짜에 대한 예측된 FC에서의 인벤토리를 예측하는 경우 그 스텝들을 5번 반복할 수 있다.
본 개시는 그 특정 실시예를 참조하여 도시되고 설명되었지만, 본 개시는 다른 환경에서, 변경없이, 실시될 수 있음을 이해할 것이다. 전술한 설명은 예시의 목적으로 제시되었다. 그것은 개시된 정확한 형태나 실시예에 대해 총망라된 것이 아니며 이것으로 한정되는 것은 아니다. 개시된 실시예의 설명 및 실시를 고려하는 것으로부터 변경 및 조정이 통상의 기술자에게 명백할 것이다. 추가적으로, 비록 개시된 실시예의 형태가 메모리에 저장되는 것으로서 설명되었지만, 통상의 기술자는 이들 형태가 2차 저장 디바이스, 예를 들면, 하드디스크나 CD ROM, 또는 다른 형태의 RAM이나 ROM, USB 매체, DVD, 블루레이, 또는 다른 광 드라이브 매체와 같이, 다른 형태의 컴퓨터 판독 가능한 매체에 저장될 수도 있는 것을 이해할 것이다.
상술한 설명 및 개시된 방법에 기초한 컴퓨터 프로그램은 숙련된 개발자의 기술 내에 있다. 여러 프로그램 혹은 프로그램 모듈은 통상의 기술자에게 알려진 어느 기술을 이용하여 생성되거나, 또는 기존의 소프트웨어와 연결하여 설계될 수 있다. 예를 들면, 프로그램 섹션 혹은 프로그램 모듈은 닷넷 프레임워크, 닷넷 컴팩트 프레임워크(및 비주얼 베이식, C 등과 같은, 관련 언어), 자바, C++, 오브젝티브 C, HTML, HTML/AJAX 조합, XML, 또는 자바 애플릿이 포함된 HTML 내에서 혹은 그것들에 의해서 설계될 수 있다.
게다가, 여기에서는 예시적인 실시예가 설명되었지만, 본 개시에 기초하여 통상의 기술자가 이해할 수 있는 바와 같이, 일부 또는 모든 실시예의 범위는 동등한 요소, 변경, 생략, 조합(예로써, 여러 실시예에 걸치는 형태의 조합), 조정 및/또는 수정을 가질 수 있다. 청구범위 내의 제한 사항은 그 청구범위 내에 적용된 언어에 기초하여 폭넓게 이해되도록 하는 것이며, 응용의 수행 동안 혹은 본 명세서 내에 설명된 예시로 한정되는 것은 아니다. 그 예시는 비배타적으로 해석되도록 하기 위한 것이다. 추가로, 개시된 방법의 스텝은 어떤 다른 방법으로 변경되거나, 스텝을 재배열 및/또는 스텝을 삽입하거나 삭제하는 것을 포함할 수 있다. 그러므로, 설명 및 예시는 오직 예시적으로 고려되는 것이며, 진정한 범위 및 기술 사상은 다음의 청구범위 및 그 동등한 전체 범위에 의해 나타내지는 것으로 의도된다.
Claims (10)
- 적어도 하나의 프로세서에 의해 수행되는 아웃바운드 예측을 위한 컴퓨터 구현 방법으로서,
시뮬레이션 알고리즘을 이용하여, 각 지역에서의 복수의 풀필먼트 센터(FC; fulfillment center)에 대한 우선순위 값의 초기 분배를 결정하고;
미리 설정된 제1 임계값을 초과하는 아웃바운드 용량 활용도값을 포함하는 풀필먼트 센터의 수를 결정하고;
상기 미리 설정된 제1 임계값을 초과하는 아웃바운드 용량 활용도값을 가지는 상기 결정된 수의 풀필먼트 센터 중 적어도 하나, 및 상기 시뮬레이션 알고리즘을 이용하여, 하나 이상의 우선순위 값의 추가 분배를 생성하고;
상기 하나 이상의 우선순위 값의 추가 분배에 기초하여 풀필먼트 센터 우선순위 필터를 생성하고; 그리고
상기 생성된 풀필먼트 센터 우선순위 필터에 기초하여 상기 복수의 풀필먼트 센터 중에서의 복수의 SKU의 할당을 수정하는 것을 포함하는 컴퓨터 구현 방법. - 청구항 1에 있어서,
상기 하나 이상의 우선순위 값의 추가 분배를 생성하는 것은, 상기 미리 설정된 제1 임계값을 초과하는 아웃바운드 용량 활용도값을 가지는 상기 결정된 수의 풀필먼트 센터 중 적어도 하나를, 상기 시뮬레이션 알고리즘에 공급하는 것을 더 포함하는 컴퓨터 구현 방법. - 청구항 1에 있어서,
상기 생성된 풀필먼트 센터 우선순위 필터는 상기 미리 설정된 제1 임계값보다 큰 아웃바운드 용량 활용도값을 가지는 풀필먼트 센터의 수가 미리 설정된 제2 임계값을 초과하도록 하는 우선순위 값의 매트릭스를 포함하는 컴퓨터 구현 방법. - 청구항 1에 있어서,
상기 미리 설정된 제1 임계값은 각 풀필먼트 센터의 최소 아웃바운드를 포함하는 컴퓨터 구현 방법. - 청구항 1에 있어서,
각 풀필먼트 센터의 아웃바운드 용량 활용도값은, 각 풀필먼트 센터의 아웃바운드 용량에 대한 각 풀필먼트 센터의 아웃바운드의 비율을 포함하는 컴퓨터 구현 방법. - 청구항 1에 있어서,
상기 초기 분배 및 상기 하나 이상의 추가 분배의 각각은, 우선순위 값의 2차원 매트릭스를 포함하는 컴퓨터 구현 방법. - 청구항 1에 있어서,
상기 각 지역에서의 각 풀필먼트 센터에 대한 우선순위 값의 초기 분배는, 랜덤하게 생성되는 컴퓨터 구현 방법. - 청구항 1에 있어서,
상기 시뮬레이션 알고리즘은 적어도 하나의 제한사항을 포함하고, 상기 제한사항은 풀필먼트 센터 각각에서의 고객 수요, 풀필먼트 센터의 최대 수용 용량, 풀필먼트 센터와의 호환성, 또는 풀필먼트 센터 간의 이송 비용 중 적어도 하나를 포함하는 컴퓨터 구현 방법. - 청구항 1에 있어서,
상기 시뮬레이션 알고리즘은 유전(genetic) 알고리즘을 포함하는 컴퓨터 구현 방법. - 아웃바운드 예측을 위한 컴퓨터 구현 시스템으로서,
명령을 저장하는 메모리; 및
청구항 1 내지 청구항 9 중 어느 한 항에 기재된 방법의 동작을 수행하기 위해 상기 명령을 실행하도록 구성된 적어도 하나의 프로세서를 포함하는 컴퓨터 구현 시스템.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020230115609A KR102677402B1 (ko) | 2019-09-19 | 2023-08-31 | 풀필먼트 센터 우선순위 값에 기초한 아웃바운드 예측을 위한 시스템 및 방법 |
Applications Claiming Priority (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| US16/576,339 | 2019-09-19 | ||
| US16/576,339 US10867309B1 (en) | 2019-09-19 | 2019-09-19 | Systems and methods for outbound forecasting based on a fulfillment center priority value |
| KR1020190124888A KR102392032B1 (ko) | 2019-09-19 | 2019-10-08 | 풀필먼트 센터 우선순위 값에 기초한 아웃바운드 예측을 위한 시스템 및 방법 |
Related Parent Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020190124888A Division KR102392032B1 (ko) | 2019-09-19 | 2019-10-08 | 풀필먼트 센터 우선순위 값에 기초한 아웃바운드 예측을 위한 시스템 및 방법 |
Related Child Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020230115609A Division KR102677402B1 (ko) | 2019-09-19 | 2023-08-31 | 풀필먼트 센터 우선순위 값에 기초한 아웃바운드 예측을 위한 시스템 및 방법 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR20220061061A KR20220061061A (ko) | 2022-05-12 |
| KR102575002B1 true KR102575002B1 (ko) | 2023-09-06 |
Family
ID=73746630
Family Applications (3)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020190124888A KR102392032B1 (ko) | 2019-09-19 | 2019-10-08 | 풀필먼트 센터 우선순위 값에 기초한 아웃바운드 예측을 위한 시스템 및 방법 |
| KR1020220050852A KR102575002B1 (ko) | 2019-09-19 | 2022-04-25 | 풀필먼트 센터 우선순위 값에 기초한 아웃바운드 예측을 위한 시스템 및 방법 |
| KR1020230115609A KR102677402B1 (ko) | 2019-09-19 | 2023-08-31 | 풀필먼트 센터 우선순위 값에 기초한 아웃바운드 예측을 위한 시스템 및 방법 |
Family Applications Before (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020190124888A KR102392032B1 (ko) | 2019-09-19 | 2019-10-08 | 풀필먼트 센터 우선순위 값에 기초한 아웃바운드 예측을 위한 시스템 및 방법 |
Family Applications After (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020230115609A KR102677402B1 (ko) | 2019-09-19 | 2023-08-31 | 풀필먼트 센터 우선순위 값에 기초한 아웃바운드 예측을 위한 시스템 및 방법 |
Country Status (7)
| Country | Link |
|---|---|
| US (2) | US10867309B1 (ko) |
| JP (2) | JP7055905B2 (ko) |
| KR (3) | KR102392032B1 (ko) |
| AU (1) | AU2020260555A1 (ko) |
| SG (1) | SG11202012122RA (ko) |
| TW (2) | TWI795913B (ko) |
| WO (1) | WO2021053417A1 (ko) |
Families Citing this family (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US11615497B2 (en) * | 2020-03-04 | 2023-03-28 | ProvisionAI, LLC | Managing optimization of a network flow |
| US11481858B2 (en) * | 2020-09-21 | 2022-10-25 | Walmart Apollo, Llc | Peak period network capacity planning |
| KR102746815B1 (ko) * | 2023-12-29 | 2024-12-27 | 쿠팡 주식회사 | 경로 정보를 관리하는 방법, 장치 및 기록매체 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2002321829A (ja) | 2001-04-26 | 2002-11-08 | Hitachi Ltd | 物流システム |
| JP2017534990A (ja) | 2014-10-31 | 2017-11-24 | オカド・イノベーション・リミテッド | フルフィルメントセンターの階層から電子商取引注文を履行するためのシステムおよび方法 |
Family Cites Families (31)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| 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 |
| US20030093388A1 (en) * | 2001-11-15 | 2003-05-15 | Brian Albright | Automated product sourcing from multiple fulfillment centers |
| EP1647927A1 (en) * | 2004-10-15 | 2006-04-19 | Sap Ag | New product demand forecasting |
| US8086546B2 (en) * | 2004-12-17 | 2011-12-27 | Amazon Technologies, Inc. | Method and system for anticipatory package shipping |
| US7930050B2 (en) * | 2004-12-23 | 2011-04-19 | Oracle International Corporation | Systems and methods for best-fit allocation in a warehouse environment |
| US8249917B1 (en) * | 2005-12-07 | 2012-08-21 | Amazon Technologies, Inc. | Load balancing for a fulfillment network |
| US8374922B1 (en) * | 2006-09-22 | 2013-02-12 | Amazon Technologies, Inc. | Fulfillment network with customer-transparent costs |
| US8655742B2 (en) * | 2008-03-19 | 2014-02-18 | International Business Machines Corporation | System and method for determining order fulfillment alternative with multiple supply modes |
| US8527373B1 (en) * | 2008-03-21 | 2013-09-03 | Amazon Technologies, Inc. | Fulfillment of orders |
| US9213953B1 (en) * | 2008-09-15 | 2015-12-15 | Amazon Technologies, Inc. | Multivariable load balancing in a fulfillment network |
| US8438052B1 (en) * | 2009-04-20 | 2013-05-07 | Amazon Technologies, Inc. | Automated selection of three of more items to recommend as a bundle |
| US9280756B2 (en) * | 2010-05-26 | 2016-03-08 | Amazon Technologies, Inc. | Managing individual item sequencing from a storage area to a packing station in a materials handling facility |
| US20180012158A1 (en) | 2010-12-29 | 2018-01-11 | Pawel M. Cholewinski | Increasing the Expected Availability of Fast-Delivery Offers to Customers |
| US20120284083A1 (en) * | 2011-05-04 | 2012-11-08 | LaShou Group INC. | System and method for merchandise distribution |
| US8620707B1 (en) * | 2011-06-29 | 2013-12-31 | Amazon Technologies, Inc. | Systems and methods for allocating inventory in a fulfillment network |
| US9224121B2 (en) * | 2011-09-09 | 2015-12-29 | Sap Se | Demand-driven collaborative scheduling for just-in-time manufacturing |
| KR101410209B1 (ko) * | 2011-12-19 | 2014-06-23 | 주식회사 한국무역정보통신 | 화주중심의 물류거점 최적화시스템 |
| US9779375B2 (en) * | 2013-03-15 | 2017-10-03 | Wal-Mart Stores, Inc. | Flexible store fulfillment |
| KR20150008974A (ko) | 2013-06-28 | 2015-01-26 | (주)우미앤씨 | 유체동압 방열장치 |
| KR20150089794A (ko) * | 2014-01-28 | 2015-08-05 | 주식회사 포워드벤처스 | 창고관리시스템에서 피킹 로케이션의 보충 방법 |
| US10650344B2 (en) | 2014-08-22 | 2020-05-12 | Walmart Apollo, Llc | Inventory mirroring in a heterogeneous fulfillment network |
| KR101594884B1 (ko) | 2014-11-07 | 2016-02-17 | 주식회사 아임삭 | 보링 각도 안내 기능을 갖는 전동공구 |
| US10546269B1 (en) * | 2015-09-02 | 2020-01-28 | Groupon, Inc. | Method and apparatus for managing item inventories |
| CN105550751B (zh) * | 2015-12-15 | 2018-05-29 | 重庆大学 | 利用优先级策略混合遗传算法的炼钢连铸生产调度方法 |
| US10614395B2 (en) | 2016-01-19 | 2020-04-07 | Robert Bosch Gmbh | System and method for autonomously packing products into containers for distribution in a supply chain |
| CN107292547A (zh) * | 2016-03-31 | 2017-10-24 | 阿里巴巴集团控股有限公司 | 用于确定物流配送的方法、装置及物流配送的系统 |
| JP6803298B2 (ja) * | 2017-06-16 | 2020-12-23 | 株式会社日立製作所 | サプライチェーンシミュレーションシステム及びサプライチェーンシミュレーション方法 |
| US10385578B2 (en) * | 2017-12-04 | 2019-08-20 | Montasser M. Elsawi | Polyvinyl chloride conduit for backwashing pool filters |
| CN109685243B (zh) * | 2018-11-05 | 2023-03-31 | 南京航空航天大学 | 一种基于遗传算法的作业车间物流配送路径优化方法 |
| CN109993484B (zh) | 2019-03-28 | 2021-02-23 | 杭州网易再顾科技有限公司 | 数据处理方法及系统、介质和计算设备 |
| US11481858B2 (en) * | 2020-09-21 | 2022-10-25 | Walmart Apollo, Llc | Peak period network capacity planning |
-
2019
- 2019-09-19 US US16/576,339 patent/US10867309B1/en active Active
- 2019-10-08 KR KR1020190124888A patent/KR102392032B1/ko active IP Right Grant
-
2020
- 2020-08-12 WO PCT/IB2020/057582 patent/WO2021053417A1/en active Application Filing
- 2020-08-12 AU AU2020260555A patent/AU2020260555A1/en not_active Abandoned
- 2020-08-12 JP JP2020572908A patent/JP7055905B2/ja active Active
- 2020-08-12 SG SG11202012122RA patent/SG11202012122RA/en unknown
- 2020-08-14 TW TW110135007A patent/TWI795913B/zh active
- 2020-08-14 TW TW109127687A patent/TWI743944B/zh active
- 2020-11-06 US US17/091,127 patent/US11657412B2/en active Active
-
2022
- 2022-04-06 JP JP2022063236A patent/JP2022091966A/ja active Pending
- 2022-04-25 KR KR1020220050852A patent/KR102575002B1/ko active IP Right Grant
-
2023
- 2023-08-31 KR KR1020230115609A patent/KR102677402B1/ko active IP Right Grant
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2002321829A (ja) | 2001-04-26 | 2002-11-08 | Hitachi Ltd | 物流システム |
| JP2017534990A (ja) | 2014-10-31 | 2017-11-24 | オカド・イノベーション・リミテッド | フルフィルメントセンターの階層から電子商取引注文を履行するためのシステムおよび方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| TWI743944B (zh) | 2021-10-21 |
| JP7055905B2 (ja) | 2022-04-18 |
| US10867309B1 (en) | 2020-12-15 |
| US11657412B2 (en) | 2023-05-23 |
| KR102392032B1 (ko) | 2022-04-29 |
| US20210090102A1 (en) | 2021-03-25 |
| KR102677402B1 (ko) | 2024-06-24 |
| TW202113708A (zh) | 2021-04-01 |
| KR20230130595A (ko) | 2023-09-12 |
| SG11202012122RA (en) | 2021-04-29 |
| AU2020260555A1 (en) | 2021-04-08 |
| KR20220061061A (ko) | 2022-05-12 |
| JP2021531551A (ja) | 2021-11-18 |
| WO2021053417A1 (en) | 2021-03-25 |
| KR20210033867A (ko) | 2021-03-29 |
| JP2022091966A (ja) | 2022-06-21 |
| TW202201304A (zh) | 2022-01-01 |
| TWI795913B (zh) | 2023-03-11 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR102548938B1 (ko) | 기계-학습 보조 재고 배치를 위한 시스템 및 방법 | |
| KR102419998B1 (ko) | 인바운드 제품 스케줄링, 인바운드 제품 적재, 및 인바운드 에러 모니터링을 위한 시스템 및 방법 | |
| KR102548216B1 (ko) | 비용 최적화된 구성을 생성하기 위한 패키지 구성의 시뮬레이션을 위한 시스템 및 방법 | |
| KR102445640B1 (ko) | 아웃바운드 예측을 위한 시스템 및 방법 | |
| KR102445639B1 (ko) | 인바운드 스토우 모델을 이용한 아웃바운드 예측을 위한 시스템 및 방법 | |
| KR102479802B1 (ko) | 우편 번호 매핑에 기초하여 아웃바운드를 예측하기 위한 시스템 및 방법 | |
| KR102575002B1 (ko) | 풀필먼트 센터 우선순위 값에 기초한 아웃바운드 예측을 위한 시스템 및 방법 | |
| KR102524394B1 (ko) | 아웃바운드 흐름을 시뮬레이션하기 위한 유전 알고리즘 기반 시스템 및 방법 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A107 | Divisional application of patent | ||
| PA0107 | Divisional application |
Comment text: Divisional Application of Patent Patent event date: 20220425 Patent event code: PA01071R01D Filing date: 20191008 Application number text: 1020190124888 |
|
| PA0201 | Request for examination | ||
| PG1501 | Laying open of application | ||
| E902 | Notification of reason for refusal | ||
| PE0902 | Notice of grounds for rejection |
Comment text: Notification of reason for refusal Patent event date: 20221215 Patent event code: PE09021S01D |
|
| E701 | Decision to grant or registration of patent right | ||
| PE0701 | Decision of registration |
Patent event code: PE07011S01D Comment text: Decision to Grant Registration Patent event date: 20230724 |
|
| GRNT | Written decision to grant | ||
| PR0701 | Registration of establishment |
Comment text: Registration of Establishment Patent event date: 20230831 Patent event code: PR07011E01D |
|
| PR1002 | Payment of registration fee |
Payment date: 20230901 End annual number: 3 Start annual number: 1 |
|
| PG1601 | Publication of registration |