KR102590477B1 - 인공지능 기반 물류 기사에 대한 업무 배정 및 업무 스케쥴 최적화 방법, 장치 및 시스템 - Google Patents
인공지능 기반 물류 기사에 대한 업무 배정 및 업무 스케쥴 최적화 방법, 장치 및 시스템 Download PDFInfo
- Publication number
- KR102590477B1 KR102590477B1 KR1020220174651A KR20220174651A KR102590477B1 KR 102590477 B1 KR102590477 B1 KR 102590477B1 KR 1020220174651 A KR1020220174651 A KR 1020220174651A KR 20220174651 A KR20220174651 A KR 20220174651A KR 102590477 B1 KR102590477 B1 KR 102590477B1
- Authority
- KR
- South Korea
- Prior art keywords
- delivery
- period
- calculating
- per
- attendance
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 32
- 238000013473 artificial intelligence Methods 0.000 title claims abstract description 25
- 238000005457 optimization Methods 0.000 title claims description 5
- 238000012384 transportation and delivery Methods 0.000 claims abstract description 267
- 238000012937 correction Methods 0.000 claims description 4
- 230000004048 modification Effects 0.000 claims description 4
- 238000012986 modification Methods 0.000 claims description 4
- 230000001174 ascending effect Effects 0.000 claims description 3
- 238000012545 processing Methods 0.000 description 20
- 238000005516 engineering process Methods 0.000 description 19
- 230000008569 process Effects 0.000 description 8
- 238000010801 machine learning Methods 0.000 description 6
- 230000014509 gene expression Effects 0.000 description 4
- 230000008859 change Effects 0.000 description 3
- 238000013135 deep learning Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 230000006399 behavior Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 210000004556 brain Anatomy 0.000 description 1
- 230000019771 cognition Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000003058 natural language processing Methods 0.000 description 1
- 238000013439 planning Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
- 238000013519 translation Methods 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
- G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
- G06Q10/083—Shipping
- G06Q10/0835—Relationships between shipper or supplier and carriers
-
- 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
- G06Q10/06311—Scheduling, planning or task assignment for a person or group
- G06Q10/063112—Skill-based matching of a person or a group to a task
-
- 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
- G06Q10/06311—Scheduling, planning or task assignment for a person or group
- G06Q10/063116—Schedule adjustment for a person or group
-
- 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
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06398—Performance of employee with respect to a job function
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Strategic Management (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Marketing (AREA)
- Game Theory and Decision Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
본 발명의 일실시예는 배달원 정보, 배달원들의 휴무 일자 등을 기반으로 배달원들의 근무 스케쥴을 최적화하는 인공지능 기반 물류 기사에 대한 업무 배정 및 업무 스케쥴 최적화 방법, 장치 및 시스템에 관한 것이다.
Description
아래 실시예들은 배달원 정보, 배달원들의 휴무 일자 등을 기반으로 배달원들의 근무 스케쥴을 최적화하는 인공지능 기반 물류 기사에 대한 업무 배정 및 업무 스케쥴 최적화 방법, 장치 및 시스템에 관한 것이다.
택배 당일배송 서비스가 대중화되면서, 물류 서비스에 대한 관심도가 더 높아지고 있다.
현재 택배 서비스는 아파트나 주택가, 상업지구 등 다양한 지역에 대해 제공되고 있으며, 이러한 지역 특성에 따라 시간당 배송 가능한 물량 등에 차이가 크다.
한편, 배달원들은 일반적으로 주 6일 근무하며 자신에게 배정된 배달 지역에서 배달 업무를 수행하고 있으며, 자신의 휴무 일정을 원하는대로 지정/조정할 수는 있으나 주 2~3회 이상 휴무하는 경우에는 자신의 배달원 등급 등이 하락할 수 있으므로 휴무 일정 지정 시 이를 고려해야 한다.
여기서 배달원들이 자신의 배달원 등급을 고려하지 못하고 휴무 일정 등을 지정하게 되는 경우, 의도치 않게 불이익을 받을 수 있으므로 휴무 일정이 확정되기 전에 이를 미리 안내하고, 여러 배달원들의 휴무 일자를 기반으로 근무 스케쥴을 최적화할 필요성이 있다.
종래 기술에서는 배달원의 배정과 관련된 기술들이 제안되고 있으나, 상술한 바와 같은 휴무 일정 및 근무 스케쥴을 최적화하고 배달원 등급에 관한 피드백을 제공하는 기술은 개발되지 않았다.
본 발명의 일실시예가 해결하고자 하는 과제는, 전술한 바와 같은 종래 배달원 배정 기술의 한계점을 극복하기 위하여, 배달원 정보, 배달원들의 휴무 일정 등을 기반으로 배달원들의 근무 스케쥴을 최적화하고, 휴무 일정이 확정되기 전에 배달원에게 미리 배달원 등급 변동과 관련한 정보를 제공함으로써 배달원이 받을 수 있는 불이익을 방지하는, 인공지능 기반 물류 기사에 대한 업무 배정 및 업무 스케쥴 최적화 방법, 장치 및 시스템을 제공하는 것이다.
일실시예에 따르면, 장치에 의해 수행되는 인공지능 기반 물류 기사에 대한 업무 배정 및 업무 스케쥴 최적화 방법에 있어서, 물류 센터에 대응하는 배달원 정보를 확인하는 단계; 배달원의 단말기로부터 제1 휴무 일자를 입력받는 단계; 상기 배달원 정보 및 제1 휴무 일자를 기반으로, 배달원들의 제1 근무 스케쥴을 생성하는 단계; 상기 배달원 정보 및 제1 휴무 일자를 기반으로, 각 배달원에 대한 제1 근태 등급을 산정하는 단계; [상기 배달원 중, 상기 제1 근태 등급이 기존 제2 근태 등급보다 하락한 것으로 산출되는 조정대상자]의 단말기로, 제1 수정 제안을 송신하는 단계; 상기 조정대상자의 단말기로부터, 상기 제1 수정 제안을 기반으로 제2 휴무 일자를 입력받는 단계; 상기 배달원 정보 및 제2 휴무 일자를 기반으로, 배달원들의 제2 근무 스케쥴을 생성하는 단계; 및 상기 배달원 정보 및 제2 휴무 일자를 기반으로, 각 배달원에 대한 제3 근태 등급을 산정하는 단계;를 포함하는, 인공지능 기반 물류 기사에 대한 업무 배정 및 업무 스케쥴 최적화 방법을 제공한다.
또한, 상기 제1 근태 등급을 산정하는 단계 및 제3 근태 등급을 산정하는 단계는: 상기 배달원 정보를 기반으로, 배달원의 제1 기간동안의 제1 수익률을 산출하는 단계; 상기 제1 수익률이 제1 기준수익률 이상인 경우, 상기 배달원이 소정의 기간동안 사용 가능한 휴무 일수인 제1 기간당 휴무 일수로부터 1일을 차감한 제2 기간당 휴무 일수를 산출하는 단계; 상기 제1 수익률이 제2 기준수익률 이상인 경우, 상기 제2 기간당 휴무 일수로부터 1일을 차감한 제3 기간당 휴무 일수를 산출하는 단계; 상기 제1 수익률이 제3 기준수익률 이상인 경우, 상기 제3 기간당 휴무 일수로부터 1일을 차감한 제4 기간당 휴무 일수를 산출하는 단계; 상기 제4 기간당 휴무 일수가 존재하는 경우, 제4 기간당 휴무 일수를 기반으로 상기 제1 근태 등급 또는 제3 근태 등급을 산정하는 단계; 상기 제4 기간당 휴무 일수가 존재하지 않고 상기 제3 기간당 휴무 일수가 존재하는 경우, 제3 기간당 휴무 일수를 기반으로 상기 제1 근태 등급 또는 제3 근태 등급을 산정하는 단계; 상기 제3 기간당 휴무 일수가 존재하지 않고 상기 제2 기간당 휴무 일수가 존재하는 경우, 제2 기간당 휴무 일수를 기반으로 상기 제1 근태 등급 또는 제3 근태 등급을 산정하는 단계; 및 상기 제2 기간당 휴무 일수가 존재하지 않고 상기 제1 기간당 휴무 일수가 존재하는 경우, 제1 기간당 휴무 일수를 기반으로 상기 제1 근태 등급 또는 제3 근태 등급을 산정하는 단계;를 포함할 수 있다.
그리고, 상기 물류 센터에 지정된 물품 정보를 확인하는 단계; 상기 물품 정보 및 배달원 정보를 기반으로, 상기 물류 센터에 지정된 모든 물품에 대해 배달원을 배정하는 단계; 및 상기 배달원의 단말기로, 상기 배달원에게 배정된 제1 배송 목록을 전송하는 단계;를 포함하되, 상기 배달원을 배정하는 단계는: 상기 물품 정보를 기반으로, 상기 물품의 배송지인 제1 지역을 결정하는 단계; 상기 제1 지역을 기반으로, 다수개의 물품을 제1 배송 목록에 배정하는 단계; 및 업무 속도 및 선호 지역 유형을 포함하는 상기 배달원 정보를 기반으로, 배달원들에게 제1 배송 목록을 배정하는 단계;를 포함하고, 상기 선호 지역 유형에는: 기준단가 등급, 주거 형태, 면적당 평균 택배량 및 지번 사용 여부가 포함되고, 상기 기준단가 등급은: 상기 장치에 의해, 상기 제1 지역에 대한 제1 기존 배송 이력을 불러오는 단계; 상기 제1 기존 배송 이력을 기반으로, 상기 제1 지역에 대한 제1 시간당 평균 배송 물품 수를 산출하는 단계; 상기 제1 시간당 평균 배송 물품 수를 오름차순으로 정렬하고, 정렬된 상기 제1 시간당 평균 배송 물품 수를 소정의 제1 구간으로 구획하는 단계; 및 상기 제1 구간별로 서로 다른 기준단가를 부여하되, 상기 제1 시간당 평균 배송 물품 수가 낮은 제1 구간일수록 높은 기준단가 등급을 부여하는 단계;에 따라 산출되며, 상기 업무 속도는: 상기 장치에 의해, 상기 배달원에 대한 제2 기존 배송 이력을 불러오는 단계; 상기 제2 기존 배송 이력을 기반으로, 상기 배달원의 제2 시간당 평균 배송 물품 수를 산출하는 단계; 및 상기 제1 시간당 평균 배송 물품 수 대비 제2 시간당 평균 배송 물품 수를 비교하여, 소정의 속도지수를 산출하는 단계;에 따라 산출된 속도지수로 평가되도록 구성될 수 있다.
아울러, 상기 제1 지역마다 설치된 제1 AP기기와, 상기 배달원의 배송차량에 설치된 제2 AP기기간의 거리를 산출하는 단계; 상기 제2 AP기기를 기준으로, 가장 거리가 가까운 제1 AP기기를 제3 AP기기로 지정하는 단계; 상기 제1 AP기기 중, 상기 제3 AP기기로부터 최인접한 3개 내지 5개의 제1 AP기기를 제4 AP기기로 지정하는 단계; 상기 제4 AP기기의 위치를 꼭지점으로 하는 소정의 제1 다각형을 작도하는 단계; 상기 제2 AP기기가 상기 제1 다각형을 이탈하여 상기 제3 AP기기 또는 제4 AP기기로 지정되지 않았던 제1 AP기기(이하, 제5 AP기기라 함)가 새로운 제3 AP기기로 지정되었을 때, 상기 제3 AP기기의 상기 제1 지역에 대응하는 물품을 배송 완료 처리하는 단계; 상기 제2 AP기기가 상기 제1 다각형 내측에 위치하는 제1 체류시간을 산출하는 단계; 상기 제2 AP기기가 상기 제1 체류시간을 상기 제3 AP기기로 송신하는 단계; 상기 배달원의 배송업무 종료를 기반으로, 상기 제2 AP기기가 제3 AP기기에 대하여 시간 정산 요청을 송신하는 단계; 상기 배달원의 배송업무 도중에 지정되었던 다수개의 상기 제3 AP기기별로, 상기 제1 체류시간을 합산하여 제2 체류시간을 산출하는 단계; 상기 제3 AP기기가, 상기 제2 체류시간을 기반으로 상기 제1 다각형별 제2 시간당 배송 물품 수를 산출하는 단계; 및 상기 제3 AP기기로부터 제2 시간당 평균 배송 물품 수를 수신하여, 상기 배달원 정보 및 제1 기존 배송 이력을 갱신하는 단계;를 포함할 수 있다.
또한, 상기 제2 AP기기가, 소정의 제3 체류시간마다 상기 제3 AP기기에 제1 기기코드(상기 제1 AP기기마다 지정된 고유한 코드)를 요청하는 단계; 상기 제3 AP기기가, 상기 제1 기기코드를 상기 제2 AP기기에 송신하는 단계; 상기 제2 AP기기가, 송신받은 상기 제1 기기코드를 소정의 문자열(string)로 구성된 제2 기기코드의 단부에 추가하여 기록하는 단계; 상기 제2 AP기기가, 상기 제2 기기코드를 확인하여 상기 제2 기기코드를 구성하는 문자열의 최종 두 제1 기기코드가 동일한 경우, 상기 제2 기기코드로부터 마지막 제1 기기코드를 제거하는 단계; 및 상기 제2 AP기기가, 상기 제2 기기코드를 확인하여 상기 제2 기기코드를 구성하는 문자열의 최종 세 제1 기기코드 중 첫 번째 제1 기기코드와 세 번째 제1 기기코드가 동일한 문자인 경우, 상기 제2 기기코드로부터 세 번째 제1 기기코드를 제거하는 단계;를 포함하여, 상기 제2 AP기기가 제3 AP기기를 방문하는 순서를 기록하되, 재방문한 제3 AP기기를 미방문 처리하고, 상기 배달원마다 상기 제2 기기코드를 학습하여 소정의 제1 배송 예상경로를 생성하는 단계; 상기 제1 배송 예상경로에 대응하는 제4 기기코드로부터, 상기 '상기 제3 AP기기의 상기 제1 지역에 대응하는 물품을 배송 완료 처리하는 단계'에 따라 배송 완료 처리된 제1 AP기기의 제1 기기코드를 삭제하는 단계; 상기 제2 기기코드에 대한 상기 제2 시간당 평균 배송 물품 수를 학습하여 소정의 제1 배송 추천경로를 생성하는 단계; 상기 제1 배송 추천경로에 대응하는 제3 기기코드로부터, 상기 제1 배송 목록에 포함되지 않는 제1 지역에 대응하는 제1 AP기기의 제1 기기코드를 삭제하는 단계; 및 상기 제4 기기코드의 변경을 기반으로, 상기 제1 배송 예상경로를 갱신하여 상기 수취인 단말기에 제공하는 단계;를 포함할 수 있다.
일실시예에 따른 장치는 하드웨어와 결합되어 상술한 방법들 중 어느 하나의 항의 방법을 실행시키기 위하여 매체에 저장된 컴퓨터 프로그램에 의해 제어될 수 있다.
일실시예에 따르면, 배달원 정보, 배달원들의 휴무 일정 등을 기반으로 배달원들의 근무 스케쥴을 최적화할 수 있다.
또한, 배달원의 휴무 일정이 확정되기 전에 배달원에게 미리 배달원 등급 변동과 관련한 정보를 제공함으로써 배달원이 받을 수 있는 불이익을 방지할 수 있다.
그리고, 지역 특성과 배달원의 특성을 고려한 최적의 배달원 배정이 가능하다.
아울러, 지역 특성에 따라 서로 다른 시간당 배송 물량을 고려하여 기준단가를 다르게 책정함으로써, 기피지역과 선호지역 사이의 간극을 최소화할 수 있다.
또한, 소정의 엣지 컴퓨팅 기술을 통해 배달원의 경로를 추적함으로써, 배송 완료 처리를 자동화할 수 있다.
그리고, 배송 예상 경로 및 배송 추천 경로를 별도로 제공함으로써, 배달원에게 필요한 정보와 수취자에게 필요한 정보를 구분함에 따라, 수요에 밀접한 데이터를 제공할 수 있다.
도 1 및 도 2는 본 발명의 일실시예에 따른 인공지능 기반 물류 기사에 대한 업무 배정 및 업무 스케쥴 최적화 방법을 나타낸 순서도이다.
도 3 및 도 4는 본 발명의 일실시예에 따른 인공지능 기반 물류 기사에 대한 업무 배정 및 업무 스케쥴 최적화 방법에서 배달원의 특성에 따라 배달원을 배정하는 과정을 나타낸 순서도이다.
도 5 및 도 6은 본 발명의 일실시예에 따른 인공지능 기반 물류 기사에 대한 업무 배정 및 업무 스케쥴 최적화 방법에 따라 배송 완료 처리하는 과정을 나타낸 도면이다.
도 3 및 도 4는 본 발명의 일실시예에 따른 인공지능 기반 물류 기사에 대한 업무 배정 및 업무 스케쥴 최적화 방법에서 배달원의 특성에 따라 배달원을 배정하는 과정을 나타낸 순서도이다.
도 5 및 도 6은 본 발명의 일실시예에 따른 인공지능 기반 물류 기사에 대한 업무 배정 및 업무 스케쥴 최적화 방법에 따라 배송 완료 처리하는 과정을 나타낸 도면이다.
이하에서, 첨부된 도면을 참조하여 실시예들을 상세하게 설명한다. 그러나, 실시예들에는 다양한 변경이 가해질 수 있어서 특허출원의 권리 범위가 이러한 실시예들에 의해 제한되거나 한정되는 것은 아니다. 실시예들에 대한 모든 변경, 균등물 내지 대체물이 권리 범위에 포함되는 것으로 이해되어야 한다.
실시예들에 대한 특정한 구조적 또는 기능적 설명들은 단지 예시를 위한 목적으로 개시된 것으로서, 다양한 형태로 변경되어 실시될 수 있다. 따라서, 실시예들은 특정한 개시형태로 한정되는 것이 아니며, 본 명세서의 범위는 기술적 사상에 포함되는 변경, 균등물, 또는 대체물을 포함한다.
제1 또는 제2 등의 용어를 다양한 구성요소들을 설명하는데 사용될 수 있지만, 이런 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 해석되어야 한다. 예를 들어, 제1 구성요소는 제2 구성요소로 명명될 수 있고, 유사하게 제2 구성요소는 제1 구성요소로도 명명될 수 있다.
어떤 구성요소가 다른 구성요소에 "연결되어" 있다고 언급된 때에는, 그 다른 구성요소에 직접적으로 연결되어 있거나 또는 접속되어 있을 수도 있지만, 중간에 다른 구성요소가 존재할 수도 있다고 이해되어야 할 것이다.
실시예에서 사용한 용어는 단지 설명을 목적으로 사용된 것으로, 한정하려는 의도로 해석되어서는 안된다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 명세서에서, "포함하다" 또는 "가지다" 등의 용어는 명세서 상에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.
다르게 정의되지 않는 한, 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 모든 용어들은 실시예가 속하는 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가지고 있다. 일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥 상 가지는 의미와 일치하는 의미를 가지는 것으로 해석되어야 하며, 본 출원에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.
또한, 첨부 도면을 참조하여 설명함에 있어, 도면 부호에 관계없이 동일한 구성 요소는 동일한 참조부호를 부여하고 이에 대한 중복되는 설명은 생략하기로 한다. 실시예를 설명함에 있어서 관련된 공지 기술에 대한 구체적인 설명이 실시예의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우 그 상세한 설명을 생략한다.
실시예들은 퍼스널 컴퓨터, 랩톱 컴퓨터, 태블릿 컴퓨터, 스마트 폰, 텔레비전, 스마트 가전 기기, 지능형 자동차, 키오스크, 웨어러블 장치 등 다양한 형태의 제품으로 구현될 수 있다.
인공지능(Artificial Intelligence, AI) 시스템은 인간 수준의 지능을 구현하는 컴퓨터 시스템이며, 기존 규칙(Rule) 기반의 스마트 시스템과 달리 기계가 스스로 학습하고 판단하는 시스템이다. 인공지능 시스템은 사용할수록 인식률이 향상되고 사용자 취향을 보다 정확하게 이해할 수 있게 되어, 기존 규칙 기반의 스마트 시스템은 점차 심층 학습(Deep Learning) 기반 인공지능 시스템으로 대체되고 있다.
인공지능 기술은 기계 학습 및 기계 학습을 활용한 요소기술들로 구성된다. 기계 학습은 입력 데이터들의 특징을 스스로 분류/학습하는 알고리즘 기술이며, 요소기술은 심층 학습 등의 기계 학습 알고리즘을 활용하여 인간 두뇌의 인지, 판단 등의 기능을 모사하는 기술로서, 언어적 이해, 시각적 이해, 추론/예측, 지식 표현, 동작 제어 등의 기술 분야로 구성된다.
인공지능 기술이 응용되는 다양한 분야는 다음과 같다. 언어적 이해는 인간의 언어/문자를 인식하고 응용/처리하는 기술로서, 자연어 처리, 기계 번역, 대화시스템, 질의 응답, 음성 인식/합성 등을 포함한다. 시각적 이해는 사물을 인간의 시각처럼 인식하여 처리하는 기술로서, 객체 인식, 객체 추적, 영상 검색, 사람 인식, 장면 이해, 공간 이해, 영상 개선 등을 포함한다. 추론 예측은 정보를 판단하여 논리적으로 추론하고 예측하는 기술로서, 지식/확률 기반 추론, 최적화 예측, 선호 기반 계획, 추천 등을 포함한다. 지식 표현은 인간의 경험정보를 지식데이터로 자동화 처리하는 기술로서, 지식 구축(데이터 생성/분류), 지식 관리(데이터 활용) 등을 포함한다. 동작 제어는 차량의 자율 주행, 로봇의 움직임을 제어하는 기술로서, 움직임 제어(항법, 충돌, 주행), 조작 제어(행동 제어) 등을 포함한다.
일반적으로 기계 학습 알고리즘을 실생활에 적용하기 위해서는 기계 학습의 기본 방법론의 특성상 Trial and Error 방식으로 학습을 수행하게 된다. 특히, 심층 학습의 경우 수십만 번의 반복 실행을 필요로 한다. 이를 실제 물리적인 외부 환경에서 실행하기는 불가능하여 대신 실제 물리적인 외부 환경을 컴퓨터상에서 가상으로 구현하여 시뮬레이션을 통해 학습을 수행한다.
일실시예에 따르면, 장치에 의해 수행되는 인공지능 기반 물류 기사에 대한 업무 배정 및 업무 스케쥴 최적화 방법에 있어서, 물류 센터에 대응하는 배달원 정보를 확인하는 단계(S100); 배달원의 단말기로부터 제1 휴무 일자를 입력받는 단계(S210); 상기 배달원 정보 및 제1 휴무 일자를 기반으로, 배달원들의 제1 근무 스케쥴을 생성하는 단계(S220); 상기 배달원 정보 및 제1 휴무 일자를 기반으로, 각 배달원에 대한 제1 근태 등급을 산정하는 단계(S230); [상기 배달원 중, 상기 제1 근태 등급이 기존 제2 근태 등급보다 하락한 것으로 산출되는 조정대상자]의 단말기로, 제1 수정 제안을 송신하는 단계(S300); 상기 조정대상자의 단말기로부터, 상기 제1 수정 제안을 기반으로 제2 휴무 일자를 입력받는 단계(S410); 상기 배달원 정보 및 제2 휴무 일자를 기반으로, 배달원들의 제2 근무 스케쥴을 생성하는 단계(S420); 및 상기 배달원 정보 및 제2 휴무 일자를 기반으로, 각 배달원에 대한 제3 근태 등급을 산정하는 단계(S430);를 포함하는, 인공지능 기반 물류 기사에 대한 업무 배정 및 업무 스케쥴 최적화 방법을 제공한다.
본 발명의 설명에 기재된 일부 단계들은, 소정의 인공지능 모델이 적용되어 인공지능을 기반으로 수행될 수 있다. 다만, 이러한 인공지능 기반 단계들은 통상의 기술자가 본 발명의 설명을 참조하여 쉽게 실시할 수 있는 범위이므로, 인공지능 기술 자체에 관한 설명은 생략한다.
상기 물류 센터란, 시/도 급에 배치된 물류 센터나 소터 등을 의미할 수 있다.
상기 물류 센터에 대응하는 배달원이란, 상기 물류 센터로부터 물품을 수령하여 배송하는 배달원들을 의미한다.
상기 기재에서 '장치'는, 일반적으로는 '서버 컴퓨터'일 수 있다. 상기 장치는 다수의 배달원의 단말기(스마트기기 등)와 유무선 통신 가능하도록 연결될 수 있다.
상기 배달원 정보에는, 배달원의 근태 등급, 배송 이력, 실적, 배정된 지역, 연락처, 차량번호 등의 정보가 포함될 수 있다.
배달원들은 각자 자신이 희망하는 휴무 일정에 따라 각자의 단말기로 제1 휴무 일자를 입력한다.
여기서, '상기 ~단말기로부터 ~ 입력받는 단계'에는, 단말기를 통해 데이터를 입력받는 과정과 단말기로부터 장치까지 데이터가 송수신되는 과정이 포함될 수 있다.
상기 근무 스케쥴(제1 근무 스케쥴 및 제2 근무 스케쥴)은, 각 배달원들의 제1 휴무 일자를 기반으로, 각 지역/물류 센터마다 주 7일(일요일 내지 토요일) 중 배달원이 누락되는 날이 없도록 생성될 수 있다.
예를 들어, 배달원 A가 11월 1주차 월요일 하루 휴무인 경우, 11월 1주차 월요일에는 인접한 지역을 담당하는 배달원 B가 원래 배달원 A에게 배정될 예정이었던 물량을 배정받을 수 있다. 이 때, 상기 배달원 A에게 배정될 예정이었던 물량은 인접한 지역을 담당하는 다수의 배달원에게 분배될 수도 있다.
이후, 소정의 근태 등급 평가 기준에 따라, 상기 배달원들의 제1 근태 등급을 산정하여 각 배달원들에게 알려준다. 의도치 않게 근태 등급이 감소하는 경우에는 각 배달원들은 자신의 근태 등급을 관리하기 위하여 상기 제1 수정 제안에 따라 휴무 일정을 변경할 수 있다.
각 배달원들에 대한 휴무 일정이 확정된 뒤에는(제2 근무 스케쥴을 생성하는 단계(S420) 후), 각 배달원들에게 제2 근무 스케쥴 및 제3 근태 등급을 송신하여 알릴 수 있다.
또한, 상기 제1 근태 등급을 산정하는 단계(S230) 및 제3 근태 등급을 산정하는 단계(S430)는: 상기 배달원 정보를 기반으로, 배달원의 제1 기간동안의 제1 수익률을 산출하는 단계(Sn31); 상기 제1 수익률이 제1 기준수익률 이상인 경우, 상기 배달원이 소정의 기간동안 사용 가능한 휴무 일수인 제1 기간당 휴무 일수로부터 1일을 차감한 제2 기간당 휴무 일수를 산출하는 단계(Sn32); 상기 제1 수익률이 제2 기준수익률 이상인 경우, 상기 제2 기간당 휴무 일수로부터 1일을 차감한 제3 기간당 휴무 일수를 산출하는 단계(Sn33); 상기 제1 수익률이 제3 기준수익률 이상인 경우, 상기 제3 기간당 휴무 일수로부터 1일을 차감한 제4 기간당 휴무 일수를 산출하는 단계(Sn34); 상기 제4 기간당 휴무 일수가 존재하는 경우, 제4 기간당 휴무 일수를 기반으로 상기 제1 근태 등급 또는 제3 근태 등급을 산정하는 단계(Sn35); 상기 제4 기간당 휴무 일수가 존재하지 않고 상기 제3 기간당 휴무 일수가 존재하는 경우, 제3 기간당 휴무 일수를 기반으로 상기 제1 근태 등급 또는 제3 근태 등급을 산정하는 단계(Sn36); 상기 제3 기간당 휴무 일수가 존재하지 않고 상기 제2 기간당 휴무 일수가 존재하는 경우, 제2 기간당 휴무 일수를 기반으로 상기 제1 근태 등급 또는 제3 근태 등급을 산정하는 단계(Sn37); 및 상기 제2 기간당 휴무 일수가 존재하지 않고 상기 제1 기간당 휴무 일수가 존재하는 경우, 제1 기간당 휴무 일수를 기반으로 상기 제1 근태 등급 또는 제3 근태 등급을 산정하는 단계(Sn38);를 포함할 수 있다.
상기 배달원이 소정의 기간동안 사용 가능한 휴무 일수인 제1 기간당 휴무 일수란, 각 배달원들마다 지정되어, 소정의 기간 내에 소진 가능한 휴무 일수를 의미한다.
예를 들어, 배달원 A에게 제1 기간당 휴무 일수가 5일로 지정된 경우, 상기 배달원 A는 11월 1주차에는 1일, 2주차에는 2일, 3주차에는 1일, 4주차에는 1일을 사용하여 총 5일의 휴무를 사용할 수 있다.
여기서, 제1 기준수익률<제2 기준수익률<제3 기준수익률로서, 기간당 휴무 일수를 산출하는 단계들은 낮은 기준수익률부터 먼저 판단하여, 수익률이 높은 배달원에게 기간당 휴무 일수를 증가시킨다.
이후, 제4 기간당 휴무 일수 내지 제1 기간당 휴무 일수까지 역순으로 존재 여부를 판단하며, 각 배달원마다 지정된 기간당 휴무 일수를 기반으로 근태 등급을 산정할 수 있다.
일실시예에 따르면, 장치에 의해 수행되는 인공지능 기반 배송 지역 별 물류 기사 배정 최적화 방법에 있어서, 물류 센터에 지정된 물품 정보 및 상기 물류 센터에 대응하는 배달원 정보를 확인하는 단계(S500); 상기 물품 정보 및 배달원 정보를 기반으로, 상기 물류 센터에 지정된 모든 물품에 대해 배달원을 배정하는 단계(S600); 및 상기 배달원의 단말기로, 상기 배달원에게 배정된 제1 배송 목록을 전송하는 단계(S700);를 포함한다.
물류 센터는, 지정된 모든 물품들이 배송되도록, 모든 물품들을 배달원들에게 적절히 나누어 배정한다.
이후, 배달원들이 각자 자신이 맡아야할 물품들과 배송지 정보 등을 확인할 수 있도록 제1 배송 목록을 전달한다.
상기 배달원을 배정하는 단계(S600)는: 상기 물품 정보를 기반으로, 상기 물품의 배송지인 제1 지역을 결정하는 단계(S601); 상기 제1 지역을 기반으로, 다수개의 물품을 제1 배송 목록에 배정하는 단계(S602); 및 업무 속도 및 선호 지역 유형을 포함하는 상기 배달원 정보를 기반으로, 배달원들에게 제1 배송 목록을 배정하는 단계(S603);를 포함한다.
상기 제1 지역이란, 소정의 아파트 단지, 상가, 주택가 구획 등을 의미할 수 있다. 예를 들어, 2000세대 규모의 어느 한 아파트 단지가 하나의 제1 지역으로 지정되거나, 500가구 규모의 주택가 구획이 하나의 제1 지역으로 지정되거나, 한 동의 상가 건물이 하나의 제1 지역으로 지정될 수 있다.
다수개의 물품을 제1 배송 목록에 배정하는 단계(S602)에서는, 어느 한 제1 지역에 해당하는 물품들은 우선적으로 한 제1 배송목록에 일괄적으로 배정하는 것이 바람직하다.
예를 들어, 제1 지역으로 지정된 A 아파트 단지가 수취인 주소로 기재된 물품들은 어느 한 제1 배송 목록에 배정됨으로써, 한 명의 배달원이 배송하도록 지정될 수 있다.
지역 특성, 물품 수량 등에 따라 배달원은 하나 이상의 제1 지역이 포함된 제1 배송 목록을 배정받을 수 있다.
상기 업무 속도란, 각 배달원들마다 평가된 상대지수 값을 의미할 수 있다. 예를 들어, 업무 속도(지수)가 1인 경우 평균적인 배송 속도/업무 역량을 가진 것으로 볼 수 있고, 업무 속도가 1 미만인 경우는 평균적인 배송 속도보다는 낮은 배송 속도를, 업무 속도가 1 초과인 경우는 평균적인 배송 속도보다 빠른 배송 속도를 가진 배달원인 것으로 볼 수 있다.
상기 선호 지역 유형은, 각 배달원들로부터 입력받을 수 있다.
예를 들어, 주거 형태(아파트, 빌라, 상가, 주택 등), 택배량, 물품 밀도, 지번 사용 여부, 엘리베이터 여부 등의 정보가 선호 지역 유형의 정보로 활용될 수 있다.
보다 구체적으로, 어떤 배달원은 지번 주소에 익숙하므로 지번 주소를 사용하는 제1 지역이 배정될 수 있으며, 폐쇄공포증이나 사람과 마주치는 것을 기피하는 배달원에게는 엘리베이터가 없는 제1 지역이 배정될 수 있다.
상기 배달원들에게 제1 배송 목록을 배정하는 단계(S603)는, 어느 한 제1 배송 목록을 여러 배달원들에게 나눈다는 의미가 아니라 다수의 제1 배송 목록이 서로 다른 여러 배달원들에게 하나 이상씩 배정되는 것을 의미한다(제1 배송 목록이 분할되지 않고 배정된다).
또한, 상기 선호 지역 유형에는: 기준단가 등급, 주거 형태, 면적당 평균 택배량 및 지번 사용 여부가 포함될 수 있다.
기준단가 등급은, 예를 들어, 높은 등급의 제1 지역에는 물품 하나당 단가가 1500원으로, 그보다 낮은 등급의 제1 지역에는 물품 하나당 단가가 1200원으로 지정되는 등, 지역별로 물품 하나당 단가가 차등으로 지정되는 것을 의미한다.
면적당 평균 택배량은, 해당 제1 지역의 면적 대비 연평균 택배 물량으로써, 단위면적에 대해 얼마나 많은 물량이 포함될 수 있는지에 대한 기댓값으로 볼 수 있다. 면적당 평균 택배량이 높은 지역은 좁은 구역에서 더 많은 물품을 배송함으로써 배달원의 수익이 높아질 수 있다.
상기 기준단가 등급은: 상기 장치에 의해, 상기 제1 지역에 대한 제1 기존 배송 이력을 불러오는 단계; 상기 제1 기존 배송 이력을 기반으로, 상기 제1 지역에 대한 제1 시간당 평균 배송 물품 수를 산출하는 단계; 상기 제1 시간당 평균 배송 물품 수를 오름차순으로 정렬하고, 정렬된 상기 제1 시간당 평균 배송 물품 수를 소정의 제1 구간으로 구획하는 단계; 및 상기 제1 구간별로 서로 다른 기준단가를 부여하되, 상기 제1 시간당 평균 배송 물품 수가 낮은 제1 구간일수록 높은 기준단가 등급을 부여하는 단계;에 따라 산출될 수 있다.
상기와 같은 단계에 따라, 제1 시간당 평균 배송 물품 수가 낮은 제1 지역, 즉 배송 난이도가 높은 지역에 대해 더 높은 기준단가 등급을 부여함으로써 기피지역에 대한 혜택을 줄 수 있다.
상기 업무 속도는: 상기 장치에 의해, 상기 배달원에 대한 제2 기존 배송 이력을 불러오는 단계; 상기 제2 기존 배송 이력을 기반으로, 상기 배달원의 제2 시간당 평균 배송 물품 수를 산출하는 단계; 및 상기 제1 시간당 평균 배송 물품 수 대비 제2 시간당 평균 배송 물품 수를 비교하여, 소정의 속도지수를 산출하는 단계;에 따라 산출된 속도지수로 평가되도록 구성될 수 있다.
상기와 같은 구성에 따르면, 제1 시간당 평균 배송 물품 수(제1 지역별 평균 배송 물품 수)가 높은 지역에서만 배송을 해온 배달원이 제1 시간당 평균 배송 물품 수가 낮은 지역에서만 배송을 해온 배달원보다 무조건 낮은 업무 속도로 평가되는 것을 방지할 수 있다.
예를 들어, 제1 시간당 평균 배송 물품 수가 30인 제1 지역에서 주로 배송을 맡아온 A 배달원의 제2 시간당 평균 배송 물품 수가 35이고(속도지수 35/30=1.167), 제1 시간당 평균 배송 물품 수가 100인 제1 지역에서 주로 배송을 맡아온 B 배달원의 제2 시간당 평균 배송 물품 수가 50인 경우(속도지수 50/100=0.5), A 배달원의 업무 속도가 B 배달원의 업무 속도보다 높은 것으로 평가될 수 있다.
이러한 속도지수는, 어느 한 배달원이 최근 3개월간 배송한 이력을 기반으로 산출될 수 있으며, 최근 3개월간 배송한 이력을 기반으로 배송했던 모든 제1 지역에 대해 상기 '제2 시간당 평균 배송 물품 수/제1 시간당 평균 배송 물품 수'를 산출하고, 이에 대한 평균값을 계산함으로써 산출될 수 있다.
예를 들어, 어느 한 배달원이 최근 3개월간 5개의 제1 지역에 대해 배송한 경우, 5개의 '제2 시간당 평균 배송 물품 수/제1 시간당 평균 배송 물품 수'인 35/30, 105/100, 45/40, 50/45. 60/50의 평균값인 1.13이 상기 배달원의 속도지수로 산출될 수 있다.
본 발명의 설명에서 사용되는 용어 '제n AP기기'란, 소정의 컴퓨터나 공유기 등의 단말장치 등, 소정의 프로세서를 기반으로 데이터 처리와 유무선 통신이 가능한 장치로, 엣지 컴퓨팅 기술에서 노드 역할을 수행하는 기기를 의미한다.
그리고, 상기 제1 지역마다 설치된 제1 AP기기(1)와, 상기 배달원의 배송차량에 설치된 제2 AP기기(2)간의 거리를 산출하는 단계(S801); 상기 제2 AP기기(2)를 기준으로, 가장 거리가 가까운 제1 AP기기(1)를 제3 AP기기(3)로 지정하는 단계(S802); 상기 제1 AP기기(1) 중, 상기 제3 AP기기(3)로부터 최인접한 3개 내지 5개의 제1 AP기기(1)를 제4 AP기기(4)로 지정하는 단계(S803); 상기 제4 AP기기(4)의 위치를 꼭지점으로 하는 소정의 제1 다각형을 작도하는 단계(S804); 상기 제2 AP기기(2)가 상기 제1 다각형을 이탈하여 상기 제3 AP기기(3) 또는 제4 AP기기(4)로 지정되지 않았던 제1 AP기기(1)(이하, 제5 AP기기(5)라 함)가 새로운 제3 AP기기(3')로 지정되었을 때, 상기 제3 AP기기(기존 제3 AP기기; 3)의 상기 제1 지역에 대응하는 물품을 배송 완료 처리하는 단계(S805); 상기 제2 AP기기(2)가 상기 제1 다각형 내측에 위치하는 제1 체류시간을 산출하는 단계(S806); 상기 제2 AP기기(2)가 상기 제1 체류시간을 상기 제3 AP기기(3)로 송신하는 단계(S807); 상기 배달원의 배송업무 종료를 기반으로, 상기 제2 AP기기(2)가 제3 AP기기(3)에 대하여 시간 정산 요청을 송신하는 단계(S808); 상기 배달원의 배송업무 도중에 지정되었던 다수개의 상기 제3 AP기기(3)별로, 상기 제1 체류시간을 합산하여 제2 체류시간을 산출하는 단계(S809); 상기 제3 AP기기(3)가, 상기 제2 체류시간을 기반으로 상기 제1 다각형별 제2 시간당 배송 물품 수를 산출하는 단계(S810); 및 상기 제3 AP기기(3)로부터 제2 시간당 평균 배송 물품 수를 수신하여, 상기 배달원 정보 및 제1 기존 배송 이력을 갱신하는 단계(S811);를 포함할 수 있다.
상기 물류 센터에서 물품을 배송하는 모든 제1 지역에는 상기 제1 AP기기(1)가 설치될 수 있다.
상기 제1 AP기기(1) 및 제2 AP기기(2)는 소정의 GPS를 포함하여 설치된 위치 및 현재 위치를 파악할 수 있다.
상기 장치(서버)에서는 제1 AP기기(1)들의 위치와 제2 AP기기(2)들의 위치를 비교하고, 상기 제1 AP기기(1)와, 상기 제2 AP기기(2)간의 거리를 산출한다.
이후, 상기 제2 AP기기(2)에 가장 가까운 제1 AP기기(1)를 제3 AP기기(현재 배달원의 위치/제1 지역에 대응하는 AP기기; 3)로 지정한다.
상기 제3 AP기기(3)를 중심으로, 제3 AP기기(3)를 둘러싸는 다른 제1 AP기기(1)들을 제4 AP기기(4)로 지정한다.
상기 장치는 소정의 지도 상에서, 상기 제4 AP기기(4)의 위치를 꼭지점으로 하는 소정의 제1 다각형을 작도함으로써 상기 제2 AP기기(2)의 현재 위치에 대응하는 구역을 산출한다. 상기 제1 다각형이 작도된 실시예가 도 3에 도시되어 있다.
상기 제2 AP기기(2)가 상기 제1 다각형을 이탈하여 [상기 제3 AP기기(3) 또는 제4 AP기기(4)로 지정되지 않았던 다른 제1 AP기기(1)인 제5 AP기기(5)]가 새로운 제3 AP기기(3')로 지정되었을 때, 상기 제3 AP기기(상기 제2 AP기기(2)가 제1 다각형을 이탈하기 전에 지정되었던 기존 제3 AP기기; 3)의 상기 제1 지역에 대응하는 물품을 배송 완료 처리함으로써, 배달원이 별도의 배송 완료 처리를 하지 않더라도 자동으로 배송 완료처리하고 수취인들에게 배송 완료 메세지를 전달할 수 있다. 이러한 구성에 따르면, 배달원이 물품들 각각에 대해 일일이 배송 완료 처리하는 시간을 절감함으로써 시간당 배송 물품 수를 증가시킬 수 있다.
도 4에 도시된 바와 같이, 제2 AP기기(2)가 제1 다각형을 이탈하여 제5 AP기기(5)가 새로운 제3 AP기기(3')로 지정되었을 때, 기존 제3 AP기기(3)에 대응하는 제1 지역의 물품들을 일괄적으로 배송 완료 처리할 수 있다.
상기 제2 AP기기(2)가 상기 제1 다각형 내측에 위치하는 제1 체류시간을 산출하는 단계(S806); 및 상기 제2 AP기기(2)가 상기 제1 체류시간을 상기 제3 AP기기(3)로 송신하는 단계(S807);에서는, 제2 AP기기(2)(배달원)가 각 제1 지역에 얼마나 머무르는지, 제1 지역마다 배송에 얼마만큼의 시간이 소요되었는지를 측정할 수 있다.
상기 배달원의 배송업무 종료를 기반으로, 상기 제2 AP기기(2)가 제3 AP기기(3)에 대하여 시간 정산 요청을 송신하는 단계(S808);에서, 배송업무 종료는 상기 배달원의 단말기에서 입력된 배송업무 종료 메세지를 기반으로 확인될 수 있다.
상기 제2 AP기기(2)가 현재 지정된 제3 AP기기(3)에 시간 정산 요청을 한 경우, 주변의 다른 제1 AP기기(1)들로 시간 정산 요청이 전파될 수 있다.
상기 배달원의 배송업무 도중에 지정되었던 다수개의 상기 제3 AP기기(3)별로, 상기 제1 체류시간을 합산하여 제2 체류시간을 산출하는 단계(S809);에서는, 전파된 시간 정산 요청을 기반으로, 상기 제2 AP기기(2)에 대해 제3 AP기기(3)로 지정되었던 각 제1 AP기기(1)들 모두에 대한 제1 체류시간을 어느 한 제1 AP기기(1)(제3 AP기기(3))에서 수신하여 합산함으로써 제2 체류시간을 산출할 수 있다.
상기 제3 AP기기(3)가, 상기 제2 체류시간을 기반으로 상기 제1 다각형별 제2 시간당 배송 물품 수를 산출하는 단계(S810);를 통해, 상기 제1 지역별 제2 시간당 배송 물품 수를 산출할 수 있다.
상기 제3 AP기기(3)로부터 제2 시간당 평균 배송 물품 수를 수신하여, 상기 배달원 정보 및 제1 기존 배송 이력을 갱신하는 단계(S811);를 포함할 수 있다.
상기와 같이, 배달원이 배송 이력이나 배송에 소요되는 시간 등을 직접 입력하거나 관리하지 않더라도, 다수의 제n AP기기들에 의해 자동으로 시간당 평균 배송 물품 수가 산출될 수 있다.
아울러, 상기 제2 AP기기(2)가, 소정의 제3 체류시간마다 상기 제3 AP기기(3)에 제1 기기코드(상기 제1 AP기기(1)마다 지정된 고유한 코드)를 요청하는 단계; 상기 제3 AP기기(3)가, 상기 제1 기기코드를 상기 제2 AP기기(2)에 송신하는 단계; 상기 제2 AP기기(2)가, 송신받은 상기 제1 기기코드를 소정의 문자열(string)로 구성된 제2 기기코드의 단부에 추가하여 기록하는 단계; 상기 제2 AP기기(2)가, 상기 제2 기기코드를 확인하여 상기 제2 기기코드를 구성하는 문자열의 최종 두 제1 기기코드가 동일한 경우, 상기 제2 기기코드로부터 마지막 제1 기기코드를 제거하는 단계; 및 상기 제2 AP기기(2)가, 상기 제2 기기코드를 확인하여 상기 제2 기기코드를 구성하는 문자열의 최종 세 제1 기기코드 중 첫 번째 제1 기기코드와 세 번째 제1 기기코드가 동일한 문자인 경우, 상기 제2 기기코드로부터 세 번째 제1 기기코드를 제거하는 단계;를 포함하여, 상기 제2 AP기기(2)가 제3 AP기기(3)를 방문하는 순서를 기록하되, 재방문한 제3 AP기기(3)를 미방문 처리하도록 구성될 수 있다.
상기와 같이 제2 기기코드를 기록함으로써, 상기 제2 AP기기(2)가 배송업무를 수행하기 위해 이동하는 경로를 기록할 수 있다.
이 때, 제2 AP기기(2)가 어느 한 제3 AP기기(3)를 방문했다가 일시적으로 다른 제1 AP기기(1)를 방문한 뒤 다시 제3 AP기기(3)로 돌아온 경우(재방문)에는, 상기 제3 AP기기(3)의 위치에 머물렀던 것으로 판정할 수 있다.
예를 들어, 'A031, B053, C021, B053' 과 같이 B053이라는 제1 기기코드를 가지는 제3 AP기기(3)(제1 AP기기(1))를 재방문한 경우, 'A031B053C021B053'의 제2 기기코드에서 'B053'의 제1 기기코드(세 번째 제1 기기코드)를 제거하여 'A031B053C021'라는 제2 기기코드를 산출할 수 있다.
상기 제1 기기코드는 한 자리의 알파벳과 3자리의 숫자의 결합으로 구성될 수 있으며, 제2 기기코드에서 상기 알파벳을 기준으로 문자열을 분리함으로써 어느 한 제1 기기코드를 추출할 수 있다.
또한, 상기 배달원마다 상기 제2 기기코드를 학습하여 소정의 제1 배송 예상경로를 생성하는 단계; 상기 제1 배송 예상경로에 대응하는 제4 기기코드로부터, 상기 '상기 제3 AP기기(3)의 상기 제1 지역에 대응하는 물품을 배송 완료 처리하는 단계'에 따라 배송 완료 처리된 제1 AP기기(1)의 제1 기기코드를 삭제하는 단계; 상기 제2 기기코드에 대한 상기 제2 시간당 평균 배송 물품 수를 학습하여 소정의 제1 배송 추천경로를 생성하는 단계; 상기 제1 배송 추천경로에 대응하는 제3 기기코드로부터, 상기 제1 배송 목록에 포함되지 않는 제1 지역에 대응하는 제1 AP기기(1)의 제1 기기코드를 삭제하는 단계; 및 상기 제4 기기코드의 변경을 기반으로, 상기 제1 배송 예상경로를 갱신하여 상기 수취인 단말기에 제공하는 단계;를 포함할 수 있다.
상기 제1 배송 예상경로는 자신의 물품이 언제, 어느 경로를 따라 배송될 지 미리 예측할 수 있도록 수취인 단말기에 제공될 수 있다.
상기 제1 배송 추천경로는 배달원에게 보다 효율적인 경로를 제안함으로써 배송업무에 소요되는 시간을 최적화할 수 있다.
상기 제1 배송 예상경로와 제1 배송 추천경로는 서로 독립적으로 운용될 수 있다.
상기와 같이, 제2 기기코드를 학습시킴으로써, 보다 간단하고 직관적인 인공지능 모델을 생성하고 관리할 수 있다.
이상에서 설명된 실시예들은 하드웨어 구성요소, 소프트웨어 구성요소, 및/또는 하드웨어 구성요소 및 소프트웨어 구성요소의 조합으로 구현될 수 있다. 예를 들어, 실시예들에서 설명된 장치, 방법 및 구성요소는, 예를 들어, 프로세서, 콘트롤러, ALU(arithmetic logic unit), 디지털 신호 프로세서(digital signal processor), 마이크로컴퓨터, FPGA(field programmable gate array), PLU(programmable logic unit), 마이크로프로세서, 또는 명령(instruction)을 실행하고 응답할 수 있는 다른 어떠한 장치와 같이, 하나 이상의 범용 컴퓨터 또는 특수 목적 컴퓨터를 이용하여 구현될 수 있다. 처리 장치는 운영 체제(OS) 및 상기 운영 체제 상에서 수행되는 하나 이상의 소프트웨어 애플리케이션을 수행할 수 있다. 또한, 처리 장치는 소프트웨어의 실행에 응답하여, 데이터를 접근, 저장, 조작, 처리 및 생성할 수도 있다. 이해의 편의를 위하여, 처리 장치는 하나가 사용되는 것으로 설명된 경우도 있지만, 해당 기술분야에서 통상의 지식을 가진 자는, 처리 장치가 복수 개의 처리 요소(processing element) 및/또는 복수 유형의 처리 요소를 포함할 수 있음을 알 수 있다. 예를 들어, 처리 장치는 복수 개의 프로세서 또는 하나의 프로세서 및 하나의 콘트롤러를 포함할 수 있다. 또한, 병렬 프로세서(parallel processor)와 같은, 다른 처리 구성(processing configuration)도 가능하다.
실시예에 따른 방법은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 상기 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 매체에 기록되는 프로그램 명령은 실시예를 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다. 컴퓨터 판독 가능 기록 매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(magnetic media), CD-ROM, DVD와 같은 광기록 매체(optical media), 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media), 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다. 상기된 하드웨어 장치는 실시예의 동작을 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.
소프트웨어는 컴퓨터 프로그램(computer program), 코드(code), 명령(instruction), 또는 이들 중 하나 이상의 조합을 포함할 수 있으며, 원하는 대로 동작하도록 처리 장치를 구성하거나 독립적으로 또는 결합적으로(collectively) 처리 장치를 명령할 수 있다. 소프트웨어 및/또는 데이터는, 처리 장치에 의하여 해석되거나 처리 장치에 명령 또는 데이터를 제공하기 위하여, 어떤 유형의 기계, 구성요소(component), 물리적 장치, 가상 장치(virtual equipment), 컴퓨터 저장 매체 또는 장치, 또는 전송되는 신호 파(signal wave)에 영구적으로, 또는 일시적으로 구체화(embody)될 수 있다. 소프트웨어는 네트워크로 연결된 컴퓨터 시스템 상에 분산되어서, 분산된 방법으로 저장되거나 실행될 수도 있다. 소프트웨어 및 데이터는 하나 이상의 컴퓨터 판독 가능 기록 매체에 저장될 수 있다.
이상과 같이 실시예들이 비록 한정된 도면에 의해 설명되었으나, 해당 기술분야에서 통상의 지식을 가진 자라면 상기를 기초로 다양한 기술적 수정 및 변형을 적용할 수 있다. 예를 들어, 설명된 기술들이 설명된 방법과 다른 순서로 수행되거나, 및/또는 설명된 시스템, 구조, 장치, 회로 등의 구성요소들이 설명된 방법과 다른 형태로 결합 또는 조합되거나, 다른 구성요소 또는 균등물에 의하여 대치되거나 치환되더라도 적절한 결과가 달성될 수 있다.
그러므로, 다른 구현들, 다른 실시예들 및 특허청구범위와 균등한 것들도 후술하는 청구범위의 범위에 속한다.
S100 : 배달원 정보를 확인하는 단계
S210 : 제1 휴무 일자를 입력받는 단계
S220 : 제1 근무 스케쥴을 생성하는 단계
S230 : 제1 근태 등급을 산정하는 단계
S300 : 제1 수정 제안을 송신하는 단계
S410 : 제2 휴무 일자를 입력받는 단계
S420 : 제2 근무 스케쥴을 생성하는 단계
S430 : 제3 근태 등급을 산정하는 단계
Sn31 : 제1 수익률을 산출하는 단계
Sn32 : 제2 기간당 휴무 일수를 산출하는 단계
Sn33 : 제3 기간당 휴무 일수를 산출하는 단계
Sn34 : 제4 기간당 휴무 일수를 산출하는 단계
Sn35 : 제4 기간당 휴무 일수가 존재하는 경우, 제4 기간당 휴무 일수를 기반으로 상기 제1 근태 등급 또는 제3 근태 등급을 산정하는 단계
Sn36 : 제4 기간당 휴무 일수가 존재하지 않고 상기 제3 기간당 휴무 일수가 존재하는 경우, 제3 기간당 휴무 일수를 기반으로 상기 제1 근태 등급 또는 제3 근태 등급을 산정하는 단계
Sn37 : 제3 기간당 휴무 일수가 존재하지 않고 상기 제2 기간당 휴무 일수가 존재하는 경우, 제2 기간당 휴무 일수를 기반으로 상기 제1 근태 등급 또는 제3 근태 등급을 산정하는 단계
Sn38 : 제2 기간당 휴무 일수가 존재하지 않고 상기 제1 기간당 휴무 일수가 존재하는 경우, 제1 기간당 휴무 일수를 기반으로 상기 제1 근태 등급 또는 제3 근태 등급을 산정하는 단계
S500 : 배달원 정보를 확인하는 단계
S600 : 배달원을 배정하는 단계
S601 : 제1 지역을 결정하는 단계
S602 : 물품을 제1 배송 목록에 배정하는 단계
S603 : 배달원들에게 제1 배송 목록을 배정하는 단계
S700 : 제1 배송 목록을 전송하는 단계
S801 : 제1 AP기기와 제2 AP기기간의 거리를 산출하는 단계
S802 : 가장 거리가 가까운 제1 AP기기를 제3 AP기기로 지정하는 단계
S803 : 제3 AP기기로부터 최인접한 제1 AP기기를 제4 AP기기로 지정하는 단계
S804 : 제1 다각형을 작도하는 단계
S805 : 제3 AP기기의 상기 제1 지역에 대응하는 물품을 배송 완료 처리하는 단계
S806 : 제1 체류시간을 산출하는 단계
S807 : 제1 체류시간을 상기 제3 AP기기로 송신하는 단계
S808 : 시간 정산 요청을 송신하는 단계
S809 : 제2 체류시간을 산출하는 단계
S810 : 제1 다각형별 제2 시간당 배송 물품 수를 산출하는 단계
S811 : 배달원 정보 및 제1 기존 배송 이력을 갱신하는 단계
1 : 제1 AP기기
2 : 제2 AP기기
3 : 제3 AP기기(기존 제3 AP기기)
3' : 새로운 제3 AP기기
4 : 제4 AP기기
5 : 제5 AP기기
S210 : 제1 휴무 일자를 입력받는 단계
S220 : 제1 근무 스케쥴을 생성하는 단계
S230 : 제1 근태 등급을 산정하는 단계
S300 : 제1 수정 제안을 송신하는 단계
S410 : 제2 휴무 일자를 입력받는 단계
S420 : 제2 근무 스케쥴을 생성하는 단계
S430 : 제3 근태 등급을 산정하는 단계
Sn31 : 제1 수익률을 산출하는 단계
Sn32 : 제2 기간당 휴무 일수를 산출하는 단계
Sn33 : 제3 기간당 휴무 일수를 산출하는 단계
Sn34 : 제4 기간당 휴무 일수를 산출하는 단계
Sn35 : 제4 기간당 휴무 일수가 존재하는 경우, 제4 기간당 휴무 일수를 기반으로 상기 제1 근태 등급 또는 제3 근태 등급을 산정하는 단계
Sn36 : 제4 기간당 휴무 일수가 존재하지 않고 상기 제3 기간당 휴무 일수가 존재하는 경우, 제3 기간당 휴무 일수를 기반으로 상기 제1 근태 등급 또는 제3 근태 등급을 산정하는 단계
Sn37 : 제3 기간당 휴무 일수가 존재하지 않고 상기 제2 기간당 휴무 일수가 존재하는 경우, 제2 기간당 휴무 일수를 기반으로 상기 제1 근태 등급 또는 제3 근태 등급을 산정하는 단계
Sn38 : 제2 기간당 휴무 일수가 존재하지 않고 상기 제1 기간당 휴무 일수가 존재하는 경우, 제1 기간당 휴무 일수를 기반으로 상기 제1 근태 등급 또는 제3 근태 등급을 산정하는 단계
S500 : 배달원 정보를 확인하는 단계
S600 : 배달원을 배정하는 단계
S601 : 제1 지역을 결정하는 단계
S602 : 물품을 제1 배송 목록에 배정하는 단계
S603 : 배달원들에게 제1 배송 목록을 배정하는 단계
S700 : 제1 배송 목록을 전송하는 단계
S801 : 제1 AP기기와 제2 AP기기간의 거리를 산출하는 단계
S802 : 가장 거리가 가까운 제1 AP기기를 제3 AP기기로 지정하는 단계
S803 : 제3 AP기기로부터 최인접한 제1 AP기기를 제4 AP기기로 지정하는 단계
S804 : 제1 다각형을 작도하는 단계
S805 : 제3 AP기기의 상기 제1 지역에 대응하는 물품을 배송 완료 처리하는 단계
S806 : 제1 체류시간을 산출하는 단계
S807 : 제1 체류시간을 상기 제3 AP기기로 송신하는 단계
S808 : 시간 정산 요청을 송신하는 단계
S809 : 제2 체류시간을 산출하는 단계
S810 : 제1 다각형별 제2 시간당 배송 물품 수를 산출하는 단계
S811 : 배달원 정보 및 제1 기존 배송 이력을 갱신하는 단계
1 : 제1 AP기기
2 : 제2 AP기기
3 : 제3 AP기기(기존 제3 AP기기)
3' : 새로운 제3 AP기기
4 : 제4 AP기기
5 : 제5 AP기기
Claims (3)
- 장치에 의해 수행되는 인공지능 기반 물류 기사에 대한 업무 배정 및 업무 스케쥴 최적화 방법에 있어서,
물류 센터에 대응하는 배달원 정보를 확인하는 단계;
배달원의 단말기로부터 제1 휴무 일자를 입력받는 단계;
상기 배달원 정보 및 제1 휴무 일자를 기반으로, 배달원들의 제1 근무 스케쥴을 생성하는 단계;
상기 배달원 정보 및 제1 휴무 일자를 기반으로, 각 배달원에 대한 제1 근태 등급을 산정하는 단계;
[상기 배달원 중, 상기 제1 근태 등급이 기존 제2 근태 등급보다 하락한 것으로 산출되는 조정대상자]의 단말기로, 제1 수정 제안을 송신하는 단계;
상기 조정대상자의 단말기로부터, 상기 제1 수정 제안을 기반으로 제2 휴무 일자를 입력받는 단계;
상기 배달원 정보 및 제2 휴무 일자를 기반으로, 배달원들의 제2 근무 스케쥴을 생성하는 단계; 및
상기 배달원 정보 및 제2 휴무 일자를 기반으로, 각 배달원에 대한 제3 근태 등급을 산정하는 단계;를 포함하고,
상기 제1 근태 등급을 산정하는 단계 및 제3 근태 등급을 산정하는 단계는:
상기 배달원 정보를 기반으로, 배달원의 제1 기간동안의 제1 수익률을 산출하는 단계;
상기 제1 수익률이 제1 기준수익률 이상인 경우, 상기 배달원이 소정의 기간동안 사용 가능한 휴무 일수인 제1 기간당 휴무 일수로부터 1일을 차감한 제2 기간당 휴무 일수를 산출하는 단계;
상기 제1 수익률이 제2 기준수익률 이상인 경우, 상기 제2 기간당 휴무 일수로부터 1일을 차감한 제3 기간당 휴무 일수를 산출하는 단계;
상기 제1 수익률이 제3 기준수익률 이상인 경우, 상기 제3 기간당 휴무 일수로부터 1일을 차감한 제4 기간당 휴무 일수를 산출하는 단계;
상기 제4 기간당 휴무 일수가 존재하는 경우, 제4 기간당 휴무 일수를 기반으로 상기 제1 근태 등급 또는 제3 근태 등급을 산정하는 단계;
상기 제4 기간당 휴무 일수가 존재하지 않고 상기 제3 기간당 휴무 일수가 존재하는 경우, 제3 기간당 휴무 일수를 기반으로 상기 제1 근태 등급 또는 제3 근태 등급을 산정하는 단계;
상기 제3 기간당 휴무 일수가 존재하지 않고 상기 제2 기간당 휴무 일수가 존재하는 경우, 제2 기간당 휴무 일수를 기반으로 상기 제1 근태 등급 또는 제3 근태 등급을 산정하는 단계; 및
상기 제2 기간당 휴무 일수가 존재하지 않고 상기 제1 기간당 휴무 일수가 존재하는 경우, 제1 기간당 휴무 일수를 기반으로 상기 제1 근태 등급 또는 제3 근태 등급을 산정하는 단계;를 포함하는,
인공지능 기반 물류 기사에 대한 업무 배정 및 업무 스케쥴 최적화 방법 - 삭제
- 청구항 1항에 있어서,
상기 물류 센터에 지정된 물품 정보를 확인하는 단계;
상기 물품 정보 및 배달원 정보를 기반으로, 상기 물류 센터에 지정된 모든 물품에 대해 배달원을 배정하는 단계; 및
상기 배달원의 단말기로, 상기 배달원에게 배정된 제1 배송 목록을 전송하는 단계;를 포함하되,
상기 배달원을 배정하는 단계는:
상기 물품 정보를 기반으로, 상기 물품의 배송지인 제1 지역을 결정하는 단계;
상기 제1 지역을 기반으로, 다수개의 물품을 제1 배송 목록에 배정하는 단계; 및
업무 속도 및 선호 지역 유형을 포함하는 상기 배달원 정보를 기반으로, 배달원들에게 제1 배송 목록을 배정하는 단계;를 포함하고,
상기 선호 지역 유형에는:
기준단가 등급, 주거 형태, 면적당 평균 택배량 및 지번 사용 여부가 포함되고,
상기 기준단가 등급은:
상기 장치에 의해,
상기 제1 지역에 대한 제1 기존 배송 이력을 불러오는 단계;
상기 제1 기존 배송 이력을 기반으로, 상기 제1 지역에 대한 제1 시간당 평균 배송 물품 수를 산출하는 단계;
상기 제1 시간당 평균 배송 물품 수를 오름차순으로 정렬하고, 정렬된 상기 제1 시간당 평균 배송 물품 수를 소정의 제1 구간으로 구획하는 단계; 및
상기 제1 구간별로 서로 다른 기준단가를 부여하되, 상기 제1 시간당 평균 배송 물품 수에 따라 기준단가 등급을 부여하는 단계;에 따라 산출되며,
상기 업무 속도는:
상기 장치에 의해,
상기 배달원에 대한 제2 기존 배송 이력을 불러오는 단계;
상기 제2 기존 배송 이력을 기반으로, 상기 배달원의 제2 시간당 평균 배송 물품 수를 산출하는 단계; 및
상기 제1 시간당 평균 배송 물품 수 대비 제2 시간당 평균 배송 물품 수를 비교하여, 소정의 속도지수를 산출하는 단계;에 따라 산출된 속도지수로 평가되는,
인공지능 기반 물류 기사에 대한 업무 배정 및 업무 스케쥴 최적화 방법
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020220174651A KR102590477B1 (ko) | 2022-12-14 | 2022-12-14 | 인공지능 기반 물류 기사에 대한 업무 배정 및 업무 스케쥴 최적화 방법, 장치 및 시스템 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020220174651A KR102590477B1 (ko) | 2022-12-14 | 2022-12-14 | 인공지능 기반 물류 기사에 대한 업무 배정 및 업무 스케쥴 최적화 방법, 장치 및 시스템 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR102590477B1 true KR102590477B1 (ko) | 2023-10-17 |
Family
ID=88557596
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020220174651A KR102590477B1 (ko) | 2022-12-14 | 2022-12-14 | 인공지능 기반 물류 기사에 대한 업무 배정 및 업무 스케쥴 최적화 방법, 장치 및 시스템 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR102590477B1 (ko) |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2013101448A (ja) * | 2011-11-08 | 2013-05-23 | Takao Suguro | 勤務計画作成システム及び勤務計画作成プログラム |
| JP2017058707A (ja) * | 2015-09-14 | 2017-03-23 | カシオ計算機株式会社 | 勤務管理装置及びプログラム |
| JP2022013522A (ja) * | 2020-07-03 | 2022-01-18 | クーパン コーポレイション | 配達員の配置のための電子装置およびその動作方法 |
| KR102373372B1 (ko) | 2019-10-28 | 2022-03-11 | 쿠팡 주식회사 | 적응형 배달 스케줄링용 그래픽 유저 인터페이스를 생성하기 위한 시스템 및 방법 |
| JP2023500378A (ja) * | 2019-11-05 | 2023-01-05 | ストロング フォース ヴィーシーエヌ ポートフォリオ ２０１９，エルエルシー | バリューチェーンネットワークのためのコントロールタワーおよびエンタープライズマネジメントプラットフォーム |
-
2022
- 2022-12-14 KR KR1020220174651A patent/KR102590477B1/ko active IP Right Grant
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2013101448A (ja) * | 2011-11-08 | 2013-05-23 | Takao Suguro | 勤務計画作成システム及び勤務計画作成プログラム |
| JP2017058707A (ja) * | 2015-09-14 | 2017-03-23 | カシオ計算機株式会社 | 勤務管理装置及びプログラム |
| KR102373372B1 (ko) | 2019-10-28 | 2022-03-11 | 쿠팡 주식회사 | 적응형 배달 스케줄링용 그래픽 유저 인터페이스를 생성하기 위한 시스템 및 방법 |
| JP2023500378A (ja) * | 2019-11-05 | 2023-01-05 | ストロング フォース ヴィーシーエヌ ポートフォリオ ２０１９，エルエルシー | バリューチェーンネットワークのためのコントロールタワーおよびエンタープライズマネジメントプラットフォーム |
| JP2022013522A (ja) * | 2020-07-03 | 2022-01-18 | クーパン コーポレイション | 配達員の配置のための電子装置およびその動作方法 |
| KR102366033B1 (ko) | 2020-07-03 | 2022-02-23 | 쿠팡 주식회사 | 배달원의 배정을 위한 전자 장치 및 그 동작 방법 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Bai et al. | Analytics and machine learning in vehicle routing research | |
| US20210110323A1 (en) | Optimizing charging, fueling, and parking overheads of fleet vehicles in a maas architecture | |
| EP3567539A1 (en) | Method and system for orchestrating multi-party services using semi-cooperative nash equilibrium based on artificial intelligence, neural network models, reinforcement learning and finite-state automata | |
| Haliem et al. | A distributed model-free ride-sharing approach for joint matching, pricing, and dispatching using deep reinforcement learning | |
| US11574377B2 (en) | Intelligent on-demand management of ride sharing in a transportation system | |
| US10902356B2 (en) | Real-time cognitive supply chain optimization | |
| Ghannadpour et al. | A multi-objective vehicle routing and scheduling problem with uncertainty in customers’ request and priority | |
| EP3796683B1 (en) | Method, apparatus and computer program for aligning vehicular data of one or more vehicles with mobile device data of two or more mobile devices | |
| US20210206286A1 (en) | Apparatus and method for assigning charger to electronic vehicles | |
| US20210073734A1 (en) | Methods and systems of route optimization for load transport | |
| KR102499234B1 (ko) | 인공지능 기반 배달기사 배차 방법, 장치 및 시스템 | |
| Wong et al. | Behavior of taxi customers in hailing vacant taxis: a nested logit model for policy analysis | |
| Golpayegani et al. | Intelligent shared mobility systems: A survey on whole system design requirements, challenges and future direction | |
| Xie et al. | A DRL based cooperative approach for parking space allocation in an automated valet parking system | |
| Zhang et al. | Dynamic vehicle routing with random requests: A literature review | |
| CN112382118A (zh) | 车位智能预约管理系统、方法、存储介质、计算机设备 | |
| Ibarra-Rojas et al. | Vehicle routing problem considering equity of demand satisfaction | |
| Lei et al. | Reinforcement learning-based dynamic production-logistics-integrated tasks allocation in smart factories | |
| KR102634661B1 (ko) | 노후 건물 리모델링 매칭 시스템 | |
| KR102590477B1 (ko) | 인공지능 기반 물류 기사에 대한 업무 배정 및 업무 스케쥴 최적화 방법, 장치 및 시스템 | |
| KR102552856B1 (ko) | 커머스 연계 콘텐츠 제공 플랫폼 서비스를 위한 키워드 추출 및 콘텐츠 템플릿 생성 자동화 방법, 장치 및 시스템 | |
| KR102498780B1 (ko) | 인공지능 모델을 활용한 수출입 항공 물류를 위한 자동 주문 처리 방법, 장치 및 시스템 | |
| Ronald et al. | Mobility patterns in shared, autonomous, and connected urban transport | |
| KR102591342B1 (ko) | 인공지능 기반 배송 지역 별 물류 기사 배정 최적화 방법, 장치 및 시스템 | |
| Habibi et al. | Improvement of Multi-agent Routing Guidance with an Intelligent Traffic Light Scheduling and the Ability to Select Intermediate Destinations |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant |