KR102630807B1 - 식자재 유통을 위한 주문 및 재고 관리 자동화 처리방법, 장치 및 시스템 - Google Patents
식자재 유통을 위한 주문 및 재고 관리 자동화 처리방법, 장치 및 시스템 Download PDFInfo
- Publication number
- KR102630807B1 KR102630807B1 KR1020230090898A KR20230090898A KR102630807B1 KR 102630807 B1 KR102630807 B1 KR 102630807B1 KR 1020230090898 A KR1020230090898 A KR 1020230090898A KR 20230090898 A KR20230090898 A KR 20230090898A KR 102630807 B1 KR102630807 B1 KR 102630807B1
- Authority
- KR
- South Korea
- Prior art keywords
- consumer
- food
- food ingredients
- period
- ingredients
- Prior art date
Links
- 235000013305 food Nutrition 0.000 title claims description 311
- 238000000034 method Methods 0.000 title claims description 48
- 238000009826 distribution Methods 0.000 title claims description 18
- 238000012545 processing Methods 0.000 title description 22
- 239000005417 food ingredient Substances 0.000 claims abstract description 412
- 235000012041 food component Nutrition 0.000 claims abstract description 381
- 239000000463 material Substances 0.000 claims description 328
- 238000013528 artificial neural network Methods 0.000 claims description 49
- 238000007726 management method Methods 0.000 claims description 16
- 238000001556 precipitation Methods 0.000 claims description 5
- 235000012631 food intake Nutrition 0.000 claims description 4
- 235000013601 eggs Nutrition 0.000 description 57
- 235000021067 refined food Nutrition 0.000 description 55
- 238000010411 cooking Methods 0.000 description 32
- 230000008569 process Effects 0.000 description 28
- 230000006870 function Effects 0.000 description 11
- 238000010801 machine learning Methods 0.000 description 10
- 238000005516 engineering process Methods 0.000 description 9
- 238000004891 communication Methods 0.000 description 8
- 238000013473 artificial intelligence Methods 0.000 description 7
- 238000003062 neural network model Methods 0.000 description 7
- 230000002787 reinforcement Effects 0.000 description 6
- 238000004422 calculation algorithm Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 235000015219 food category Nutrition 0.000 description 4
- 230000008520 organization Effects 0.000 description 4
- 238000003860 storage Methods 0.000 description 4
- 235000013339 cereals Nutrition 0.000 description 3
- 238000013527 convolutional neural network Methods 0.000 description 3
- 230000007423 decrease Effects 0.000 description 3
- 238000011156 evaluation Methods 0.000 description 3
- 210000002569 neuron Anatomy 0.000 description 3
- 238000012549 training Methods 0.000 description 3
- 241000251468 Actinopterygii Species 0.000 description 2
- 240000005979 Hordeum vulgare Species 0.000 description 2
- 235000007340 Hordeum vulgare Nutrition 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 210000004556 brain Anatomy 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 235000019688 fish Nutrition 0.000 description 2
- 230000014509 gene expression Effects 0.000 description 2
- 235000014571 nuts Nutrition 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 235000015067 sauces Nutrition 0.000 description 2
- 244000291564 Allium cepa Species 0.000 description 1
- 235000002732 Allium cepa var. cepa Nutrition 0.000 description 1
- 244000144725 Amygdalus communis Species 0.000 description 1
- 244000226021 Anacardium occidentale Species 0.000 description 1
- 244000105624 Arachis hypogaea Species 0.000 description 1
- 241000512259 Ascophyllum nodosum Species 0.000 description 1
- 235000007319 Avena orientalis Nutrition 0.000 description 1
- 244000075850 Avena orientalis Species 0.000 description 1
- 241000237519 Bivalvia Species 0.000 description 1
- 241001474374 Blennius Species 0.000 description 1
- 235000011299 Brassica oleracea var botrytis Nutrition 0.000 description 1
- 235000017647 Brassica oleracea var italica Nutrition 0.000 description 1
- 240000003259 Brassica oleracea var. botrytis Species 0.000 description 1
- 235000002566 Capsicum Nutrition 0.000 description 1
- 241000238366 Cephalopoda Species 0.000 description 1
- 235000005979 Citrus limon Nutrition 0.000 description 1
- 244000131522 Citrus pyriformis Species 0.000 description 1
- 241001454694 Clupeiformes Species 0.000 description 1
- 244000000626 Daucus carota Species 0.000 description 1
- 235000002767 Daucus carota Nutrition 0.000 description 1
- 241000238557 Decapoda Species 0.000 description 1
- 239000004278 EU approved seasoning Substances 0.000 description 1
- 240000008620 Fagopyrum esculentum Species 0.000 description 1
- 235000009419 Fagopyrum esculentum Nutrition 0.000 description 1
- 240000009088 Fragaria x ananassa Species 0.000 description 1
- 241000287828 Gallus gallus Species 0.000 description 1
- 235000010469 Glycine max Nutrition 0.000 description 1
- 244000068988 Glycine max Species 0.000 description 1
- 241000758791 Juglandaceae Species 0.000 description 1
- 240000008415 Lactuca sativa Species 0.000 description 1
- 235000003228 Lactuca sativa Nutrition 0.000 description 1
- 235000019687 Lamb Nutrition 0.000 description 1
- 235000007688 Lycopersicon esculentum Nutrition 0.000 description 1
- 244000070406 Malus silvestris Species 0.000 description 1
- 240000005561 Musa balbisiana Species 0.000 description 1
- 240000007594 Oryza sativa Species 0.000 description 1
- 235000007164 Oryza sativa Nutrition 0.000 description 1
- 239000006002 Pepper Substances 0.000 description 1
- 235000016761 Piper aduncum Nutrition 0.000 description 1
- 240000003889 Piper guineense Species 0.000 description 1
- 235000017804 Piper guineense Nutrition 0.000 description 1
- 235000008184 Piper nigrum Nutrition 0.000 description 1
- 240000005809 Prunus persica Species 0.000 description 1
- 235000006040 Prunus persica var persica Nutrition 0.000 description 1
- 240000003768 Solanum lycopersicum Species 0.000 description 1
- 244000061456 Solanum tuberosum Species 0.000 description 1
- 235000002595 Solanum tuberosum Nutrition 0.000 description 1
- 235000021307 Triticum Nutrition 0.000 description 1
- 244000098338 Triticum aestivum Species 0.000 description 1
- 235000011453 Vigna umbellata Nutrition 0.000 description 1
- 240000001417 Vigna umbellata Species 0.000 description 1
- 241000219094 Vitaceae Species 0.000 description 1
- 240000008042 Zea mays Species 0.000 description 1
- 235000005824 Zea mays ssp. parviglumis Nutrition 0.000 description 1
- 235000002017 Zea mays subsp mays Nutrition 0.000 description 1
- 235000020224 almond Nutrition 0.000 description 1
- 235000019513 anchovy Nutrition 0.000 description 1
- 235000021016 apples Nutrition 0.000 description 1
- 235000021015 bananas Nutrition 0.000 description 1
- 235000015278 beef Nutrition 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 235000008429 bread Nutrition 0.000 description 1
- 235000014121 butter Nutrition 0.000 description 1
- 235000020226 cashew nut Nutrition 0.000 description 1
- 235000013351 cheese Nutrition 0.000 description 1
- 235000013330 chicken meat Nutrition 0.000 description 1
- 235000020639 clam Nutrition 0.000 description 1
- 230000019771 cognition Effects 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 235000005822 corn Nutrition 0.000 description 1
- 235000013365 dairy product Nutrition 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 235000011194 food seasoning agent Nutrition 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 235000021021 grapes Nutrition 0.000 description 1
- 238000011059 hazard and critical control points analysis Methods 0.000 description 1
- 235000015094 jam Nutrition 0.000 description 1
- 235000008960 ketchup Nutrition 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 235000013372 meat Nutrition 0.000 description 1
- 235000013336 milk Nutrition 0.000 description 1
- 239000008267 milk Substances 0.000 description 1
- 210000004080 milk Anatomy 0.000 description 1
- 230000003278 mimic effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000003921 oil Substances 0.000 description 1
- 235000019198 oils Nutrition 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000009329 organic farming Methods 0.000 description 1
- 230000001151 other effect Effects 0.000 description 1
- 235000020232 peanut Nutrition 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 238000011176 pooling Methods 0.000 description 1
- 235000015277 pork Nutrition 0.000 description 1
- 235000012015 potatoes Nutrition 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 235000009566 rice Nutrition 0.000 description 1
- 150000003839 salts Chemical class 0.000 description 1
- 235000014102 seafood Nutrition 0.000 description 1
- 235000021264 seasoned food Nutrition 0.000 description 1
- 235000002639 sodium chloride Nutrition 0.000 description 1
- 235000013555 soy sauce Nutrition 0.000 description 1
- 235000021012 strawberries Nutrition 0.000 description 1
- 235000000346 sugar Nutrition 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
- 210000000225 synapse Anatomy 0.000 description 1
- 230000000946 synaptic effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 235000015112 vegetable and seed oil Nutrition 0.000 description 1
- 239000008158 vegetable oil Substances 0.000 description 1
- 235000013311 vegetables Nutrition 0.000 description 1
- 235000021419 vinegar Nutrition 0.000 description 1
- 239000000052 vinegar Substances 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 230000001755 vocal effect Effects 0.000 description 1
- 235000020234 walnut Nutrition 0.000 description 1
- 235000013618 yogurt Nutrition 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
- G06Q10/087—Inventory or stock management, e.g. order filling, procurement or balancing against orders
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01W—METEOROLOGY
- G01W1/00—Meteorology
- G01W1/02—Instruments for indicating weather conditions by measuring two or more variables, e.g. humidity, pressure, temperature, cloud cover or wind speed
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/0464—Convolutional networks [CNN, ConvNet]
-
- 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
- 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
- G06Q10/06315—Needs-based resource requirements planning or analysis
-
- 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
- G06Q10/0633—Workflow analysis
-
- 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
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
- G06Q10/083—Shipping
- G06Q10/0838—Historical data
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
- G06Q30/0203—Market surveys; Market polls
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- General Business, Economics & Management (AREA)
- Quality & Reliability (AREA)
- Marketing (AREA)
- Tourism & Hospitality (AREA)
- Operations Research (AREA)
- Data Mining & Analysis (AREA)
- Finance (AREA)
- Game Theory and Decision Science (AREA)
- Educational Administration (AREA)
- Accounting & Taxation (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Computing Systems (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Mathematical Physics (AREA)
- Evolutionary Computation (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Environmental & Geological Engineering (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Molecular Biology (AREA)
- Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- General Health & Medical Sciences (AREA)
- Ecology (AREA)
- Environmental Sciences (AREA)
- Biodiversity & Conservation Biology (AREA)
- Atmospheric Sciences (AREA)
- Medical Informatics (AREA)
Abstract
일실시예에 따른 장치는, 사용자의 단말로부터 사용자가 보유하고 있는 창고의 이미지를 획득하고, 창고의 이미지를 기초로, 사용자가 보유하고 있는 식자재의 종류 및 종류별 식자재의 재고를 포함하는 창고 데이터를 생성하고, 소비자의 단말로부터 소비자의 이름, 소비자의 연락처, 소비자의 주소를 포함하는 소비자의 개인 정보를 획득하고, 소비자의 단말로부터 소비자가 구매하고자 하는 식자재의 명칭, 식자재의 종류 및 식자재의 개수를 포함하는 소비자의 주문 정보를 획득하고, 창고 데이터 및 소비자의 주문 정보를 기초로, 사용자가 소비자에게 식자재를 판매할 수 있는지 여부를 판단하고, 소비자에게 식자재를 판매할 수 있다고 판단되면, 소비자의 개인 정보 및 소비자의 주문 정보를 기초로, 소비자에게 식자재를 배송하고, 소비자의 단말로부터 식자재 배송 완료 메시지를 수신하면, 사용자 소비자, 거래된 식자재의 정보, 주문일자 및 배송완료일자를 포함하는 거래 내역을 생성하여, 생성된 거래 내역을 사용자의 단말 및 소비자의 단말로 제공한다.
Description
아래 실시예들은 식자재 유통을 위한 주문 처리 및 재고 관리를 자동화하기 위한 기술에 관한 것이다.
전자 상거래는 컴퓨터 등을 이용해 인터넷과 같은 네트워크 상에서 이루어지는 즉, 전자적 매체(시스템)를 이용하여 가상 공간에서 이루어지는, 제품이나 용역을 사고 파는 거래 행위를 말한다.
전자 통신 기술의 발전에 따라 전자 상거래가 활발해지면서, 온라인을 통해 제품을 사고 파는 일이 많아졌다.
또한, 전자 상거래가 활발해지면서, 유통 업체들도 증가하였는데, 기존의 유통 업체의 물류 방식은 식자재의 수요 및 공급을 예측하지 않고, 소비자의 식자재 구매 결정 이후에서야 실질적인 유통 과정을 수행하기 때문에, 효율적인 물류 관리를 하는데 제한이 있는 문제가 있었다.
또한, 식자재의 경우, 유통기한이 짧기 때문에 수요 및 공급을 예측하지 않고, 물류 관리를 수행할 경우, 유통기한을 넘겨 폐기 처분되는 식자재들이 많아졌다.
따라서, 식자재 유통을 위한 주문 처리 및 재고 관리를 자동화하기 위한 기술이 요구된다.
실시예들은 식자재 유통을 위한 주문 처리 및 재고 관리를 자동화하고자 한다.
실시예들은 소비자가 구매하고자 하는 식자재 중 재고가 부족한 식자재가 있을 경우, 재고 부족 개수에 따라 대응하고자 한다.
실시예들은 식자재의 재고량을 예측하여 재고를 관리하고자 한다.
본 발명의 목적은 이상에서 언급한 목적으로 제한되지 않으며, 언급되지 않은 또 다른 목적들은 아래의 기재로부터 명확하게 이해될 수 있을 것이다.
일실시예에 따르면, 식자재 유통을 위한 주문 및 재고 관리 자동화 처리 방법은 사용자의 단말로부터 상기 사용자가 보유하고 있는 창고의 이미지를 획득하는 단계; 상기 창고의 이미지를 기초로, 상기 사용자가 보유하고 있는 식자재의 종류 및 종류별 식자재의 재고를 포함하는 창고 데이터를 생성하는 단계; 소비자의 단말로부터 상기 소비자의 이름, 상기 소비자의 연락처, 상기 소비자의 주소를 포함하는 상기 소비자의 개인 정보를 획득하는 단계; 상기 소비자의 단말로부터 상기 소비자가 주문하고자 하는 식자재의 명칭, 상기 식자재의 종류 및 식자재의 개수를 포함하는 상기 소비자의 주문 정보를 획득하는 단계; 상기 창고 데이터 및 상기 소비자의 주문 정보를 기초로, 상기 사용자가 상기 소비자에게 식자재를 판매할 수 있는지 여부를 판단하는 단계; 상기 소비자에게 식자재를 판매할 수 있다고 판단되면, 상기 소비자의 개인 정보 및 상기 소비자의 주문 정보를 기초로, 상기 소비자에게 식자재를 배송하는 단계; 상기 소비자의 단말로부터 식자재 배송 완료 메시지를 수신하면, 사용자의 정보, 소비자의 정보, 거래된 식자재의 정보, 주문일자, 및 배송완료일자를 포함하는 거래 내역을 생성하는 단계; 및 상기 생성된 거래 내역을 상기 사용자의 단말 및 상기 소비자의 단말로 제공하는 단계를 포함한다.
상기 창고 데이터 및 상기 소비자의 주문 정보를 기초로, 상기 소비자에게 식자재를 판매할 수 있는지 여부를 판단하는 단계;에서, 상기 소비자에게 식자재를 판매할 수 없다고 판단되면, 상기 소비자의 주문 정보에 포함된 식자재의 개수 및 상기 창고 데이터에 포함된 상기 식자재의 재고를 기초로, 부족 재고 개수를 생성하는 단계; 상기 부족 재고 개수가 미리 설정된 기준 개수보다 적은지 여부를 판단하는 단계; 상기 부족 재고 개수가 상기 기준 개수보다 적다고 판단되면, 상기 식자재를 확보한 후 배송을 위한 배송 지연 메시지를 상기 소비자의 단말로 전송하는 단계; 및 상기 부족 재고 개수가 상기 기준 개수보다 많거나 같다고 판단되면, 상기 창고 데이터를 기초로 대체 식자재를 선정하여, 상기 선정된 대체 식자재의 추천 메시지를 상기 소비자의 단말로 전송하는 단계;를 더 포함하고, 상기 식자재를 확보 후 배송을 위한 배송 지연 메시지를 상기 소비자의 단말로 전송하는 단계는 상기 식자재의 공급 데이터를 획득하는 단계, 상기 식자재의 공급 데이터를 기초로, 상기 재고 부족 개수에 따른 확보 가능 기간을 산출하는 단계, 상기 확보 가능 기간이 미리 설정된 기준 기간보다 짧은지 여부를 판단하는 단계, 상기 확보 가능 기간이 상기 기준 기간보다 짧다고 판단되면, 상기 확보 가능 기간을 포함하는 배송 지연 메시지를 상기 소비자의 단말로 전송하는 단계, 및 상기 확보 가능 기간이 상기 기준 기간보다 길거나 같다고 판단되면, 대체 식자재를 선정하여, 상기 선정된 대체 식자재의 추천 메시지를 상기 소비자의 단말로 전송하는 단계를 포함하고, 상기 창고 데이터를 기초로 대체 식자재를 선정하는 단계는, 상기 창고 데이터를 통해 상기 식자재와 종류가 동일한 식자재 중 상기 부족 재고 개수보다 재고가 많은 식자재를 후보 식자재로 선정하는 단계, 상기 후보 식자재가 하나일 경우, 상기 후보 식자재를 대체 식자재로 선정하는 단계, 상기 후보 식자재가 하나보다 많을 경우, 상기 후보 식자재의 가격을 기초로, 상기 후보 식자재의 제1 점수를 생성하는 단계, 상기 후보 식자재의 유통기한을 기초로, 상기 후보 식자재의 제2 점수를 생성하는 단계, 상기 후보 식자재의 옵션을 기초로, 상기 후보 식자재의 제3 점수를 생성하는 단계, 상기 후보 식자재의 제조업체를 기초로, 상기 후보 식자재의 제4 점수를 생성하는 단계, 상기 제1 점수, 상기 제2 점수, 상기 제3 점수 및 상기 제4 점수를 합한 값으로 상기 후보 식자재의 최종 점수를 생성하는 단계, 및 최종 점수가 가장 높은 후보 식자재를 대체 식자재로 선정하는 단계를 포함한다.
식자재 유통을 위한 주문 및 재고 관리 자동화 처리 방법은 상기 식자재의 재고량을 예측하여, 상기 식자재의 재고를 관리하는 단계를 더 포함하고, 상기 식자재의 재고량을 예측하는 단계는 현 시점을 기준으로 제1 기간을 설정하는 단계, 상기 제1 기간의 기온, 습도, 강수량, 풍량을 포함하는 날씨 데이터를 획득하는 단계, 상기 제1 기간의 GDP, 소비자 물가 지수, 앵겔 지수를 포함하는 경제 데이터를 획득하는 단계, 상기 제1 기간동안 SNS를 통해 게시된 상기 식자재를 포함하는 게시글을 획득하고, 상기 제1 기간동안 검색 엔진을 통해 검색된 상기 식자재의 검색 횟수를 획득하고, 상기 게시글의 개수 및 상기 검색 횟수를 기초로, 상기 식자재의 관심 지수를 생성하는 단계, 상기 제1 기간 동안 프렌차이즈 매장 증가율을 확인하여, 미리 설정된 기준 증가율을 만족하는 프렌차이즈 매장에서 판매하는 식품의 종류를 기초로, 상기 식자재의 성장 지수를 생성하는 단계, 상기 제1 기간에 대응하는 과거 기간인 제2 기간을 생성하고, 상기 제2 기간의 상기 식자재의 소비량을 획득하여, 과거 식자재 소비 데이터를 생성하는 단계, 상기 식자재의 소비 기간을 획득하는 단계, 상기 날씨 데이터, 상기 경제 데이터, 상기 식자재의 관심 지수, 상기 식자재의 성장 지수, 상기 과거 식자재 소비 데이터 및 상기 식자재의 소비 기간을 기초로, 제1 입력 신호를 생성하는 단계, 상기 제1 입력 신호를 제1 인공신경망에 적용하여 제1 출력 신호를 생성하는 단계, 및 상기 제1 출력 신호에 기반하여 식자재의 재고량을 선정하는 단계를 포함한다.
식자재 유통을 위한 주문 및 재고 관리 자동화 처리 방법은 상기 창고 데이터를 기초로, 재고가 미리 설정된 임계 개수를 초과하고, 유통기한이 미리 설정된 임계 기한보다 빠른 식자재를 처리 식자재로 선정하는 단계; 상기 처리 식자재 및 요리 키워드를 조합한 검색어를 인터넷에 검색하여 가장 조회수가 높은 요리 컨텐츠를 상기 처리 식자재의 요리 컨텐츠로 획득하는 단계; 상기 처리 식자재의 요리 컨텐츠를 판매 사이트에 우선 노출되도록 게시하는 단계; 및 상기 소비자의 단말로부터 상기 요리 컨텐츠가 선택되면, 상기 처리 식자재의 판매 페이지로 이동하는 단계를 더 포함하고, 상기 처리 식자재의 판매 페이지에는 상기 처리 식자재의 명칭, 상기 처리 식자재의 가격, 상기 처리 식자재의 유통기한, 상기 처리 식자재의 종류 및 상기 처리 식자재의 요리 컨텐츠를 포함하는 상기 처리 식자재의 정보 및 상기 처리 식자재의 판매 인터페이스가 포함되며, 상기 처리 식자재의 가격은 상기 처리 식자재의 기본가격과 상기 처리 식자재의 할인율을 곱한 값으로 설정되며, 상기 처리 식자재의 할인율은 소비자들로부터 상기 처리 식자재의 요리 컨텐츠가 선택된 횟수에 기반하여 변동된다.
식자재 유통을 위한 주문 및 재고 관리 자동화 처리 방법은 소비자의 구매 주기를 통해 소비자에게 적합한 유통기한의 식자재를 제공하는 단계를 더 포함하고, 상기 소비자의 구매 주기를 통해 소비자에게 적합한 유통기한의 식자재를 제공하는 단계;는, 상기 소비자가 상기 식자재를 구매한 상기 식자재의 구매 이력을 획득하는 단계, 상기 식자재의 구매 이력을 기초로, 상기 식자재의 구매 주기를 생성하는 단계, 현재 날짜 및 상기 식자재의 구매 주기를 기초로, 상기 식자재의 다음 구매 예정일인 제1 날짜를 확인하는 단계, 창고 데이터를 통해 창고에 구비된 식자재 중 식자재의 유통기한이 상기 제1 날짜인 식자재가 존재하는지 여부를 판단하는 단계, 식자재의 유통기한이 상기 제1 날짜인 식자재가 제1 식자재로 존재한다고 확인되면, 상기 제1 식자재를 소비자에게 제공하는 단계, 식자재의 유통기한이 상기 제1 날짜인 식자재가 존재하지 않는다고 확인되면, 상기 제1 날짜를 기준으로 미리 설정된 범위 이전에 속한 제2 날짜들을 생성하는 단계, 상기 식자재의 유통기한이 상기 제2 날짜인 식자재가 존재하는지 여부를 판단하는 단계, 상기 식자재의 유통기한이 상기 제2 날짜인 식자재가 제2 식자재로 존재한다고 확인되면, 상기 제2 식자재를 소비자에게 제공하는 단계, 및 상기 식자재의 유통기한이 상기 제2 날짜인 식자재가 존재하지 않는다고 확인되면, 창고에 구비된 식자재 중 유통기한이 상기 제1 날짜 이후의 날짜 중 가장 빠른 날짜의 식자재인 제3 식자재를 확인하고, 상기 제3 식자재를 소비자에게 제공하는 단계를 포함한다.
실시예들은 식자재 유통을 위한 주문 처리 및 재고 관리를 자동화할 수 있다.
실시예들은 소비자가 구매하고자 하는 식자재 중 재고가 부족한 식자재가 있을 경우, 재고 부족 개수를 생성하여, 재고 부족 개수에 따라 소비자에게 배송 지연 메시지를 전송하거나, 소비자에게 대체 식자재를 추천할 수 있다.
실시예들은 식자재의 재고량을 예측하여 재고를 관리할 수 있다.
한편, 실시예들에 따른 효과들은 이상에서 언급한 것으로 제한되지 않으며, 언급되지 않은 또 다른 효과들은 아래의 기재로부터 해당 기술 분야의 통상의 지식을 가진 자에게 명확히 이해될 수 있을 것이다.
도 1은 일실시예에 따른 시스템의 구성을 개략적으로 나타낸 도면이다.
도 2는 일실시예에 따른 식자재 유통을 위한 주문 처리 및 재고 관리를 자동화하는 과정을 설명하기 위한 순서도이다.
도 3은 일실시예에 따른 소비자가 구매하고자 하는 식자재 중 재고가 부족한 식자재가 있을 경우 대응하는 과정을 설명하기 위한 순서도이다.
도 4는 일실시예에 따른 소비자에게 배송 지연 메시지를 전송하는 과정을 설명하기 위한 순서도이다.
도 5는 일실시예에 따른 대체 식자재를 선정하는 과정을 설명하기 위한 순서도이다.
도 6은 일실시예에 따른 식자재의 재고량을 예측하는 과정을 설명하기 위한 순서도이다.
도 7은 일실시예에 따른 처리 식자재를 우선 노출하여 판매하는 과정을 설명하기 위한 순서도이다.
도 8은 일실시예에 따른 소비자의 구매 주기를 통해 적합한 유통기한 식자재를 제공하는 과정을 설명하기 위한 순서도이다.
도 9는 일실시예에 따른 장치의 구성의 예시도이다.
도 2는 일실시예에 따른 식자재 유통을 위한 주문 처리 및 재고 관리를 자동화하는 과정을 설명하기 위한 순서도이다.
도 3은 일실시예에 따른 소비자가 구매하고자 하는 식자재 중 재고가 부족한 식자재가 있을 경우 대응하는 과정을 설명하기 위한 순서도이다.
도 4는 일실시예에 따른 소비자에게 배송 지연 메시지를 전송하는 과정을 설명하기 위한 순서도이다.
도 5는 일실시예에 따른 대체 식자재를 선정하는 과정을 설명하기 위한 순서도이다.
도 6은 일실시예에 따른 식자재의 재고량을 예측하는 과정을 설명하기 위한 순서도이다.
도 7은 일실시예에 따른 처리 식자재를 우선 노출하여 판매하는 과정을 설명하기 위한 순서도이다.
도 8은 일실시예에 따른 소비자의 구매 주기를 통해 적합한 유통기한 식자재를 제공하는 과정을 설명하기 위한 순서도이다.
도 9는 일실시예에 따른 장치의 구성의 예시도이다.
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.
도 1은 일실시예에 따른 시스템의 구성을 개략적으로 나타낸 도면이다.
도 1을 참조하면, 일실시예에 따른 시스템은 통신망을 통해 서로 통신 가능한 사용자의 단말(110), 소비자의 단말(120) 및 장치(200)를 포함할 수 있다.
먼저, 통신망은 유선 및 무선 등과 같이 그 통신 양태를 가리지 않고 구성될 수 있으며, 서버와 서버 간의 통신과 서버와 단말 간의 통신이 수행되도록 다양한 형태로 구현될 수 있다.
사용자의 단말(110)은 식자재 창고를 구비하여 소비자에게 식자재를 판매 또는 유통하는 사용자가 사용하는 단말로, 휴대전화기, 데스크톱 PC, 랩탑 PC, 태블릿 PC, 스마트폰 등으로 구현될 수 있으나, 이에 제한되지는 않으며, 외부 서버와 연결될 수 있는 다양한 형태의 통신 장치로 구현될 수도 있다. 예를 들어, 도 1에 도시된 바와 같이, 사용자의 단말(110)은 스마트폰일 수 있으며, 실시예에 따라 달리 채용될 수도 있다.
소비자의 단말(120)은 식자재를 구매하고자 하는 소비자가 사용하는 단말로, 휴대전화기, 데스크톱 PC, 랩탑 PC, 태블릿 PC, 스마트폰 등으로 구현될 수 있으나, 이에 제한되지는 않으며, 외부 서버와 연결될 수 있는 다양한 형태의 통신 장치로 구현될 수도 있다. 예를 들어, 도 1에 도시된 바와 같이, 소비자의 단말(120)은 스마트폰일 수 있으며, 실시예에 따라 달리 채용될 수도 있다.
사용자의 단말(110) 및 소비자의 단말(120)은 통상의 컴퓨터가 가지는 연산 기능, 저장/참조 기능, 입출력 기능 및 제어 기능을 전부 또는 일부 수행하도록 구성될 수 있다. 사용자의 단말(110) 및 소비자의 단말(120)은 장치(200)와 유무선으로 통신하도록 구성될 수 있다.
사용자의 단말(110) 및 소비자의 단말(120)은 장치(200)를 이용하여 서비스를 제공하는 자 내지 단체가 운영하는 웹 사이트에 접속되거나, 장치(200)를 이용하여 서비스를 제공하는 자 내지 단체가 개발·배포한 애플리케이션이 설치될 수 있다. 사용자의 단말(110) 및 소비자의 단말(120)은 웹 사이트 또는 애플리케이션을 통해 장치(200)와 연동될 수 있다.
도1 및 이하의 설명에서는, 설명의 편의상, 사용자의 단말(110) 및 소비자의 단말(120) 각각 하나만을 도시하고 설명하였으나, 단말들의 수는 실시예에 따라 얼마든지 달라질 수 있다. 장치(200)의 처리 용량이 허용하는 한, 단말들의 수는 특별한 제한이 없다.
장치(200)는 장치(200)를 이용하여 서비스를 제공하는 자 내지 단체가 보유한 자체 서버일수도 있고, 클라우드 서버일 수도 있고, 분산된 노드(node)들의 p2p(peer-to-peer) 집합일 수도 있다. 장치(200)는 통상의 컴퓨터가 가지는 연산 기능, 저장/참조 기능, 입출력 기능 및 제어 기능을 전부 또는 일부 수행하도록 구성될 수 있다. 장치(200)는 사용자의 단말(110) 및 소비자의 단말(120)과 유무선으로 통신하도록 구성될 수 있다.
또한, 장치(200)는 블로그, 카페, 인스타그램, 페이스북, 트위터, 유튜브를 포함하는 SNS 및 기사를 포함하는 웹 페이지를 포함하는 웹사이트와 유무선으로 통신할 수 있으며, 장치(200)는 웹사이트에 접속하여 정보를 획득할 수 있다.
장치(200)는 사용자의 단말(110)로부터 사용자가 보유하고 있는 창고의 이미지를 획득하고, 창고의 이미지를 기초로, 사용자가 보유하고 있는 식자재의 종류 및 종류별 식자재의 재고를 포함하는 창고 데이터를 생성하고, 소비자의 단말(120)로부터 소비자의 이름, 소비자의 연락처, 소비자의 주소를 포함하는 소비자의 개인 정보를 획득하고, 소비자의 단말(120)로부터 소비자가 구매하고자 하는 식자재의 명칭, 식자재의 종류 및 식자재의 개수를 포함하는 소비자의 주문 정보를 획득하고, 창고 데이터 및 소비자의 주문 정보를 기초로, 사용자가 소비자에게 식자재를 판매할 수 있는지 여부를 판단하고, 소비자에게 식자재를 판매할 수 있다고 판단되면, 소비자의 개인 정보 및 소비자의 주문 정보를 기초로, 소비자에게 식자재를 배송하고, 소비자의 단말로부터 식자재 배송 완료 메시지를 수신하면, 사용자 소비자, 거래된 식자재의 정보, 주문일자 및 배송완료일자를 포함하는 거래 내역을 생성하여, 생성된 거래 내역을 사용자의 단말(110) 및 소비자의 단말(120)로 제공할 수 있다.
본 발명에서, 인공지능(Artificial Intelligence, AI)은 인간의 학습능력, 추론능력, 지각능력 등을 모방하고, 이를 컴퓨터로 구현하는 기술을 의미하고, 기계 학습, 심볼릭 로직(Symbolic Logic) 등의 개념을 포함할 수 있다. 기계 학습(Machine Learning, ML)은 입력 데이터들의 특징을 스스로 분류 또는 학습하는 알고리즘 기술이다. 인공지능의 기술은 기계 학습의 알고리즘으로써 입력 데이터를 분석하고, 그 분석의 결과를 학습하며, 그 학습의 결과에 기초하여 판단이나 예측을 할 수 있다. 또한, 기계 학습의 알고리즘을 활용하여 인간 두뇌의 인지, 판단 등의 기능을 모사하는 기술들 역시 인공지능의 범주로 이해될 수 있다. 예를 들어, 언어적 이해, 시각적 이해, 추론/예측, 지식 표현, 동작 제어 등의 기술 분야가 포함될 수 있다.
기계 학습은 데이터를 처리한 경험을 이용해 신경망 모델을 훈련시키는 처리를 의미할 수 있다. 기계 학습을 통해 컴퓨터 소프트웨어는 스스로 데이터 처리 능력을 향상시키는 것을 의미할 수 있다. 신경망 모델은 데이터 사이의 상관 관계를 모델링하여 구축된 것으로서, 그 상관 관계는 복수의 파라미터에 의해 표현될 수 있다. 신경망 모델은 주어진 데이터로부터 특징들을 추출하고 분석하여 데이터 간의 상관 관계를 도출하는데, 이러한 과정을 반복하여 신경망 모델의 파라미터를 최적화해 나가는 것이 기계 학습이라고 할 수 있다. 예를 들어, 신경망 모델은 입출력 쌍으로 주어지는 데이터에 대하여, 입력과 출력 사이의 매핑(상관 관계)을 학습할 수 있다. 또는, 신경망 모델은 입력 데이터만 주어지는 경우에도 주어진 데이터 사이의 규칙성을 도출하여 그 관계를 학습할 수도 있다.
인공지능 학습모델 또는 신경망 모델은 인간의 뇌 구조를 컴퓨터 상에서 구현하도록 설계될 수 있으며, 인간의 신경망의 뉴런(neuron)을 모의하며 가중치를 가지는 복수의 네트워크 노드들을 포함할 수 있다. 복수의 네트워크 노드들은 뉴런이 시냅스(synapse)를 통하여 신호를 주고받는 뉴런의 시냅틱(synaptic) 활동을 모의하여, 서로 간의 연결 관계를 가질 수 있다. 인공지능 학습모델에서 복수의 네트워크 노드들은 서로 다른 깊이의 레이어에 위치하면서 컨볼루션(convolution) 연결 관계에 따라 데이터를 주고받을 수 있다. 인공지능 학습모델은, 예를 들어, 인공 신경망 모델(Artificial Neural Network), 컨볼루션 신경망 모델(Convolution Neural Network: CNN) 등일 수 있다. 일 실시예로서, 인공지능 학습모델은, 지도학습(Supervised Learning), 비지도 학습(Unsupervised Learning), 강화 학습(Reinforcement Learning) 등의 방식에 따라 기계 학습될 수 있다. 기계 학습을 수행하기 위한 기계 학습 알고리즘에는, 의사결정트리(Decision Tree), 베이지안 망(Bayesian Network), 서포트 벡터 머신(Support Vector Machine), 인공 신경망(Artificial Neural Network), 에이다부스트(Ada-boost), 퍼셉트론(Perceptron), 유전자 프로그래밍(Genetic Programming), 군집화(Clustering) 등이 사용될 수 있다.
이중, CNN은 최소한의 전처리(preprocess)를 사용하도록 설계된 다계층 퍼셉트론(multilayer perceptrons)의 한 종류이다. CNN은 하나 또는 여러 개의 합성곱 계층과 그 위에 올려진 일반적인 인공 신경망 계층들로 이루어져 있으며, 가중치와 통합 계층(pooling layer)들을 추가로 활용한다. 이러한 구조 덕분에 CNN은 2차원 구조의 입력 데이터를 충분히 활용할 수 있다. 다른 딥러닝 구조들과 비교해서, CNN은 영상, 음성 분야 모두에서 좋은 성능을 보여준다. CNN은 또한 표준 역전달을 통해 훈련될 수 있다. CNN은 다른 피드포워드 인공신경망 기법들보다 쉽게 훈련되는 편이고 적은 수의 매개변수를 사용한다는 이점이 있다.
컨볼루션 네트워크는 묶인 파라미터들을 가지는 노드들의 집합들을 포함하는 신경 네트워크들이다. 사용 가능한 트레이닝 데이터의 크기 증가와 연산 능력의 가용성이, 구분적 선형 단위 및 드롭아웃 트레이닝과 같은 알고리즘 발전과 결합되어, 많은 컴퓨터 비전 작업들이 크게 개선되었다. 오늘날 많은 작업에 사용할 수 있는 데이터 세트들과 같은 엄청난 양의 데이터 세트에서는 초과 맞춤(outfitting)이 중요하지 않으며, 네트워크의 크기를 늘리면 테스트 정확도가 향상된다. 컴퓨팅 리소스들의 최적 사용은 제한 요소가 된다. 이를 위해, 심층 신경 네트워크들의 분산된, 확장 가능한 구현예가 사용될 수 있다.
도 2는 일실시예에 따른 식자재 유통을 위한 주문 처리 및 재고 관리를 자동화하는 과정을 설명하기 위한 순서도이다.
도 2을 참조하면, 먼저, S201 단계에서, 장치(200)는 사용자의 단말(110)로부터 사용자가 보유하고 있는 창고의 이미지를 획득할 수 있다.
구체적으로, 사용자의 단말(110)은 카메라를 포함할 수 있고, 장치(200)는 사용자의 단말(110)로부터 사용자가 보유하고 있는 창고의 이미지를 획득할 수 있다. 이때, 장치(200)는 사용자의 단말(110)로부터 창고의 이미지를 한 개 획득할 수도 있고, 창고의 이미지를 복수 개 획득할 수도 있다.
한편, 이 과정에서, 장치(200)는 사용자의 단말(110)로부터 사용자의 이름, 사용자의 연락처, 사용자가 보유하고 있는 창고의 위치를 포함하는 사용자에 대한 정보를 추가로 획득할 수 있다.
S202 단계에서, 장치(200)는 창고의 이미지를 기초로, 사용자가 보유하고 있는 식자재의 종류 및 종류별 식자재의 재고를 포함하는 창고 데이터를 생성할 수 있다. 여기서, 식자재의 종류는 곡물 및 곡류(밀, 쌀, 옥수수, 보리, 귀리 등), 채소류(상추, 당근, 양파, 감자, 토마토, 브로콜리 등), 과일류(사과, 바나나, 오렌지, 딸기, 포도, 복숭아, 레몬 등), 육류(소고기, 돼지고기, 닭고기, 양고기 등), 해산물류(생선, 조개, 게, 오징어, 새우 등), 유제품류(우유, 치즈, 버터, 요구르트 등), 조미료류(소금, 후추, 설탕, 소스, 식초, 간장 등), 오일 및 가공품류(식물성 오일, 잼, 소스, 케첩, 빵 등), 견과류(아몬드, 호두, 땅콩, 캐슈넛 등), 잡곡류(콩, 팥, 메밀, 보리 등), 조미식품류(건어물, 김, 멸치, 다시마 등)이 포함될 수 있고, 그 외의 식자재가 포함될 수 있다.
구체적으로, 장치(200)는 사용자의 단말(110)로부터 획득한 창고의 이미지를 객체 분류 인공신경망에 입력할 수 있으며, 입력에 의해 객체 분류 인공신경망에서 출력되는 신호에 기반하여 사용자가 보유하고 있는 식자재의 종류 및 종류별 식자재의 재고를 포함하는 창고 데이터를 생성할 수 있다.
여기서, 장치(200)는 객체 분류 인공신경망을 포함할 수 있으며, 객체 분류 인공신경망은 이미지가 입력되면, 입력된 이미지를 분석하여, 이미지에 포함된 객체를 인식할 수 있고, 또한, 객체 분류 인공신경망은 인식된 객체 중 유사한 배열 및 유사한 픽셀 값을 갖는 객체끼리 분류하여 분류된 객체를 그룹으로 생성하는 인공신경망이다. 이때, 객체 분류 인공신경망은 합성곱 신경망 구조일 수 있으며, 통상적으로 사용되는 이미지 구분 인공신경망 및 이미지 분류 인공신경망과 동일한 형태일 수 있다. 또한, 객체 분류 인공신경망은 학습 장치에 의해 학습될 수 있으며, 학습 장치는 장치(200)에 포함될 수도 있고, 장치(200)와 별개의 학습 장치로 장치(200)와 유무선으로 통신할 수 있다.
한편, 이 과정에서, 장치(200)는 사용자의 단말(110)로부터 사용자의 창고에 구비된 식자재의 명칭, 해당 식자재의 종류, 해당 식자재의 재고, 해당 식자재의 기본가격, 해당 식자재의 유통기한, 해당 식자재의 중량, 해당 식자재의 제조업체, 및 해당 식자재의 옵션을 포함하는 식자재의 정보를 더 획득하여, 객체 분류 인공신경망을 통해 생성된 창고 데이터를 보정할 수도 있다
S203 단계에서, 장치(200)는 소비자의 단말(120)로부터 소비자의 이름, 소비자의 연락처, 소비자의 주소를 포함하는 소비자의 개인 정보를 획득할 수 있다.
S204 단계에서, 장치(200)는 소비자의 단말(120)로부터 소비자가 구매하고자 하는 식자재의 명칭, 식자재의 종류, 식자재의 개수를 포함하는 소비자의 주문 정보를 획득할 수 있다.
구체적으로, 장치(200)는 소비자의 단말(120)로부터 소비자가 구매하고자 하는 식자재의 명칭, 소비자가 구매하고자 하는 식자재의 종류, 소비자가 구매하고자 하는 식자재의 개수를 포함하는 소비자의 주문 정보를 획득할 수 있다.
S205 단계에서, 장치(200)는 창고 데이터 및 소비자의 주문 정보를 기초로, 사용자가 소비자에게 식자재를 판매할 수 있는지 여부를 판단할 수 있다.
구체적으로, 장치(200)는 창고 데이터 및 소비자의 주문 정보를 기초로, 사용자의 창고에 소비자가 구매하고자 하는 식자재가 소비자가 구매하고자 하는 개수만큼 있는지 파악하여 사용자가 소비자에게 식자재를 판매할 수 있는지 여부를 판단할 수 있다.
즉, 장치(200)는 소비자의 주문 정보를 통해 소비자가 구매하고자 하는 식자재의 명칭, 식자재의 종류, 식자재의 개수를 확인할 수 있고, 소비자가 구매하고자 하는 식자재의 명칭, 식자재의 종류를 기초로, 창고 데이터를 통해 사용자의 창고에 식자재가 구비되었는지 확인하고, 사용자의 창고에 식자재가 구비되었다고 확인되면, 사용자의 창고에 구비된 식자재의 재고 및 소비자가 구매하고자 하는 식자재의 개수를 통해 사용자가 소비자에게 식자재를 판매할 수 있는지 여부를 판단할 수 있다.
S205 단계에서 사용자가 소비자에게 식자재를 판매할 수 있다고 판단되면, S206 단계에서, 장치(200)는 소비자의 개인 정보 및 소비자의 주문 정보를 기초로, 소비자에게 식자재를 배송할 수 있다.
구체적으로, 장치(200)는 창고 데이터 및 소비자의 주문 정보를 기초로, 사용자의 창고에 소비자가 구매하고자 하는 식자재가 소비자가 구매하고자 하는 개수만큼 있는지 파악하여 사용자가 소비자에게 식자재를 판매할 수 있는지 여부를 판단한 결과, 사용자가 소비자에게 식자재를 판매할 수 있다고 판단되면, 장치(200)는 소비자의 개인 정보 및 소비자의 주문 정보를 기초로, 소비자에게 식자재를 배송할 수 있다.
이때, 장치(200)는 소비자에게 식자재를 배송하기 위해 배송자의 단말과 더 유무선으로 통신할 수 있으며, 장치(200)는 배송자의 단말로 소비자의 개인 정보, 소비자의 주문 정보, 창고의 위치를 포함하는 배송 요청 메시지를 전송할 수 있다.
S207 단계에서, 장치(200)는 소비자의 단말(120)로부터 식자재 배송 완료 메시지를 수신하면, 사용자, 소비자, 거래된 식자재의 정보, 주문일자, 및 배송완료일자를 포함하는 거래 내역을 생성할 수 있다. 여기서, 거래된 식자재의 정보는 거래된 식자재의 명칭, 거래된 식자재의 종류, 거래된 식자재의 개수, 및 거래된 식자재의 가격 등이 포함될 수 있다.
구체적으로, 소비자에게 식자재 배송이 완료되면, 장치(200)는 소비자의 단말(120)로부터 식자재 배송 완료 메시지를 수신할 수 있고, 소비자의 단말(120)로부터 식자재 배송 완료 메시지를 수신하면, 장치(200)는 사용자, 소비자, 거래된 식자재의 정보, 주문일자, 및 배송완료일자를 포함하는 거래 내역을 생성할 수 있다.
S208 단계에서, 장치(200)는 거래 내역을 사용자의 단말(110) 및 소비자의 단말(120)로 제공할 수 있다.
구체적으로, 장치(200)는 소비자에게 식자재 배송이 완료되면, 소비자의 단말(120)로부터 식자재 배송 완료 메시지를 수신할 수 있고, 소비자의 단말(120)로부터 식자재 배송 완료 메시지를 수신하면, 사용자, 소비자, 거래된 식자재의 정보, 주문일자, 및 배송완료일자를 포함하는 거래 내역을 생성할 수 있다. 또한, 장치(200)는 생성된 거래 내역을 사용자의 단말(110) 및 소비자의 단말(120)로 제공할 수 있다.
이로 인해, 장치(200)는 식자재 유통을 위한 주문 처리를 자동화할 수 있고, 또한, 배송이 완료되면, 사용자의 단말(110) 및 소비자의 단말(120)로 사용자, 소비자, 거래된 식자재의 정보, 주문일자, 및 배송완료일자를 포함하는 거래 내역을 전송할 수 있어, 사용자와 소비자는 전자장부를 사용할 수 있다.
도 3은 일실시예에 따른 소비자가 구매하고자 하는 식자재 중 재고가 부족한 식자재가 있을 경우 대응하는 과정을 설명하기 위한 순서도이다.
도 3을 참조하면, 먼저, S205 단계에서 사용자가 소비자에게 식자재를 판매할 수 있다고 판단되면, S301 단계에서, 장치(200)는 소비자의 주문 정보에 포함된 식자재의 개수 및 창고 데이터에 포함된 식자재의 재고를 기초로, 부족 재고 개수를 생성할 수 있다.
구체적으로, 장치(200)는 창고 데이터 및 소비자의 주문 정보를 기초로, 사용자의 창고에 소비자가 구매하고자 하는 식자재가 소비자가 구매하고자 하는 개수만큼 있는지 파악하여 사용자가 소비자에게 식자재를 판매할 수 있는지 여부를 판단한 결과, 사용자가 소비자에게 식자재를 판매할 수 없다고 판단되면, 장치(200)는 소비자의 주문 정보에 포함된 식자재의 개수 및 창고 데이터에 포함된 식자재의 재고를 기초로, 부족 재고 개수를 생성할 수 있다.
즉, 장치(200)는 창고 데이터 및 소비자의 주문 정보를 기초로, 소비자가 구매하고자 하는 식자재의 개수가 창고 데이터에 포함된 식자재의 재고보다 더 많다고 판단되면, 장치(200)는 소비자의 주문 정보에 포함된 식자재의 개수에서 창고 데이터에 포함된 식자재의 재고를 차감한 값으로 부족 재고 개수를 생성할 수 있다.
예를 들어, 소비자의 주문 정보를 확인한 결과 소비자가 A 식자재를 25개 구매하고자 하는 경우, 장치(200)는 창고 데이터를 통해 사용자의 창고에 A 식자재의 재고가 몇 개 있는지 확인할 수 있고, 사용자의 창고에 A 식자재의 재고가 10개 있을 경우, 장치(200)는 소비자의 주문 정보에 포함된 A 식자재의 개수인 25에서 창고 데이터에 포함된 A 식자재의 재고인 10을 차감하여 부족 재고 개수를 10으로 생성할 수 있다.
S302 단계에서, 장치(200)는 부족 재고 개수가 기준 개수보다 적은지 여부를 판단할 수 있다. 여기서, 기준 개수는 미리 설정된 개수로 실시 예에 따라 달라질 수 있다.
구체적으로, 장치(200)는 소비자의 주문 정보에 포함된 식자재의 개수에서 창고 데이터에 포함된 식자재의 재고를 차감한 값으로 부족 재고 개수를 생성하고, 생성된 부족 재고 개수가 미리 설정된 기준 개수보다 적은지 여부를 판단할 수 있다.
S302 단계에서 부족 재고 개수가 기준 개수보다 적다고 확인되면, S303 단계에서, 장치(200)는 식자재 확보 후 배송을 위한 배송 지연 메시지를 소비자의 단말(120)로 전송할 수 있다.
구체적으로, 장치(200)는 소비자의 주문 정보에 포함된 식자재의 개수에서 창고 데이터에 포함된 식자재의 재고를 차감한 값으로 생성된 부족 재고 개수가 미리 설정된 기준 개수보다 적다고 확인되면, 장치(200)는 식자재 확보 후 배송을 위한 배송 지연 메시지를 소비자의 단말(120)로 전송할 수 있다. 여기서, 배송 지연 메시지를 전송하는 구체적인 설명은 도 4를 참조하기로 한다.
예를 들어, 소비자가 A 식자재를 구매하고자 하고, 소비자의 주문 정보에 포함된 A 식자재의 개수가 18개이고, 창고 데이터에 포함된 A 식자재의 재고가 10개이고, 기준 개수가 10개인 경우, 장치(200)는 소비자의 주문 정보에 포함된 A 식자재의 개수인 18에서 창고 데이터에 포함된 A 식자재의 재고인 10을 차감하여 부족 재고 개수를 8로 생성할 수 있고, 부족 재고 개수인 8가 기준 개수인 10보다 적다고 판단하여 식자재 확보 후 배송을 위한 배송 지연 메시지를 소비자의 단말(120)로 전송할 수 있다.
S302 단계에서 부족 재고 개수가 기준 개수보다 많거나 같다고 확인되면, S304 단계에서, 장치(200)는 창고 데이터를 기초로, 대체 식자재를 선정하여 대체 식자재의 추천 메시지를 소비자의 단말(120)로 제공할 수 있다.
구체적으로, 장치(200)는 소비자의 주문 정보에 포함된 식자재의 개수에서 창고 데이터에 포함된 식자재의 재고를 차감한 값으로 생성된 부족 재고 개수가 미리 설정된 기준 개수보다 많거나 같다고 확인되면, 장치(200)는 창고 데이터를 기초로, 대체 식자재를 선정하여 대체 식자재의 추천 메시지를 소비자의 단말(120)로 전송할 수 있다. 여기서, 대체 식자재를 선정하는 구체적인 설명은 도 5를 참조하기로 한다.
예를 들어, 소비자가 A 식자재를 구매하고자 하고, 소비자의 주문 정보에 포함된 A 식자재의 개수가 25개이고, 창고 데이터에 포함된 A 식자재의 재고가 10개이고, 기준 개수가 10개인 경우, 장치(200)는 소비자의 주문 정보에 포함된 A 식자재의 개수인 25에서 창고 데이터에 포함된 A 식자재의 재고인 10을 차감하여 부족 재고 개수를 15로 생성할 수 있고, 부족 재고 개수인 15가 기준 개수인 10보다 많다고 판단하여 창고 데이터를 기초로, 대체 식자재를 선정하여 대체 식자재의 추천 메시지를 소비자의 단말(120)로 전송할 수 있다.
이로 인해, 장치(200)는 소비자의 주문 정보에 포함된 식자재의 개수와 창고 데이터에 포함된 식자재의 재고를 비교하여, 식자재의 재고가 식자재의 개수보다 많거나 같을 경우 소비자에게 식자재를 배송할 수 있고, 식자재의 재고가 식자재의 개수보다 적을 경우, 부족 재고 개수를 산출하여, 부족 재고 개수가 기준 개수보다 적을 경우 배송 지연 메시지를 소비자에게 제공할 수 있고, 부족 재고 개수가 기준 개수보다 많거나 같을 경우 대체 식자재를 추천하는 메시지를 소비자에게 제공할 수 있다.
도 4는 일실시예에 따른 소비자에게 배송 지연 메시지를 전송하는 과정을 설명하기 위한 순서도이다.
도 4를 참조하면, 먼저, S401 단계에서, 장치(200)는 식자재의 공급 데이터를 획득할 수 있다.
구체적으로, 장치(200)는 데이터베이스를 구비할 수 있으며, 데이터베이스에는 사용자와 매칭하여 사용자가 공급자로부터 식자재를 공급받은 이력이 저장될 수 있다. 이 때, 식자재를 공급받은 이력에는 사용자의 정보, 공급자의 정보, 공급받은 식자재의 명칭, 공급받은 식자재의 종류, 공급받은 식자재의 개수, 식자재를 공급받은 날짜 등이 포함될 수 있다.
즉, 장치(200)는 데이터베이스에 저장된 사용자가 공급자로부터 식자재를 공급받은 이력을 확인하여, 식자재를 공급받은 이력 중 소비자가 구매하고자 하는 식자재와 매칭되어 있는 이력인 식자재의 공급 데이터를 획득할 수 있다.
S402 단계에서, 장치(200)는 식자재의 공급 데이터를 기초로, 재고 부족 개수에 따른 확보 가능 기간을 산출할 수 있다.
구체적으로, 장치(200)는 데이터베이스로부터 획득한 소비자가 구매하고자 하는 식자재와 매칭되어 있는 식자재의 공급 데이터를 통해 재고 부족 개수만큼 공급되기 위해 평균적으로 얼마나 걸리는지 확인하여 확보 가능 기간을 산출할 수 있다.
예를 들어, 소비자가 A 식자재를 구매하고자 하고, 재고 부족 개수가 8일 경우, 장치(200)는 데이터베이스를 통해 A 식자재의 공급 데이터를 획득할 수 있고, 제1 식자재의 공급 데이터를 확인한 결과, A 식자재가 하루에 평균 2개씩 공급된다고 확인되면, 장치(200)는 하루에 2개씩 확보할 경우, 8개를 확보하기 위해 4일이 걸리는 것을 확인하여 확보 가능 기간으로 4일을 산출할 수 있다.
S403 단계에서, 장치(200)는 확보 가능 기간이 기준 기간보다 짧은지 여부를 판단할 수 있다. 여기서, 기준 기간은 미리 설정된 기간으로 실시 예에 따라 달라질 수 있으며, 기준 기간은 식자재의 유통기한에 따라 다르게 설정될 수도 있다.
구체적으로, 장치(200)는 식자재의 공급 데이터를 통해 재고 부족 개수에 따른 확보 가능 기간을 산출할 수 있고, 산출된 확보 가능 기간이 미리 설정된 기준 기간보다 짧은지 여부를 판단할 수 있다.
S403 단계에서 확보 가능 기간이 기준 기간보다 짧다고 확인되면, S404 단계에서, 장치(200)는 확보 가능 기간을 포함하는 배송 지연 메시지를 소비자의 단말(120)로 전송할 수 있다.
구체적으로, 장치(200)는 식자재의 공급 데이터를 통해 산출된 재고 부족 개수에 따른 확보 가능 기간이 미리 설정된 기준 기간보다 짧다고 확인되면, 장치(200)는 확보 가능 기간을 포함하는 배송 지연 메시지를 소비자의 단말(120)로 전송할 수 있다.
예를 들어, 확보 가능 기간이 4일이고, 기준 기간이 5일일 경우, 장치(200)는 확보 가능 기간인 4일이 기준 기간인 5일보다 짧다고 판단하여, 확보 가능 기간인 4일을 포함하는 배송 지연 메시지 즉, 4일 뒤 배송이 가능하다는 메시지인 배송 지연 메시지를 소비자의 단말(120)로 전송할 수 있다.
S403 단계에서 확보 가능 기간이 기준 기간보다 길거나 같다고 확인되면, S404 단계에서, 장치(200)는 대체 식자재를 선정하여, 대체 식자재의 추천 메시지를 소비자의 단말(120)로 전송할 수 있다.
구체적으로, 장치(200)는 식자재의 공급 데이터를 통해 산출된 재고 부족 개수에 따른 확보 가능 기간이 미리 설정된 기준 기간보다 길거나 같다고 확인되면, 장치(200)는 대체 식자재를 선정하여, 대체 식자재의 추천 메시지를 소비자의 단말(120)로 전송할 수 있다.
예를 들어, 확보 가능 기간이 10일이고, 기준 기간이 5일일 경우, 장치(200)는 확보 가능 기간인 10일이 기준 기간인 5일보다 길다고 판단하여, 대체 식자재를 선정하여, 대체 식자재의 추천 메시지를 소비자의 단말(120)로 전송할 수 있다.
이로 인해, 장치(200)는 식자재의 공급 데이터를 통해 확보 가능 기간을 산출하고, 산출된 확보 가능 기간을 포함하는 배송 지연 메시지를 소비자에게 전송함으로써, 소비자는 배송이 언제 오는지 확인할 수 있는 효과가 있다. 또한, 장치(200)는 확보 가능 기간이 오래 걸릴 것으로 예상되면 소비자에게 대체 식자재를 추천하여 소비자는 식자재가 빨리 필요한 경우 대체 식자재를 구매할 수 있는 효과가 있다.
도 5는 일실시예에 따른 대체 식자재를 선정하는 과정을 설명하기 위한 순서도이다.
도 5를 참조하면, 먼저, S501 단계에서, 장치(200)는 창고 데이터를 통해 식자재와 종류가 동일한 식자재 중 부족 재고 개수보다 재고가 많은 식자재를 후보 식자재로 선정할 수 있다.
구체적으로, 장치(200)는 대체 식자재를 선정하기 위해 창고 데이터를 통해 소비자가 구매하고자 하는 식자재와 종류가 일치하고, 부족 재고 개수보다 재고가 많은 식자재를 확인하여 해당 식자재를 후보 식자재로 선정할 수 있다.
즉, 장치(200)는 사용자의 창고에 있는 식자재 중 소비자가 구매하고자 하는 식자재와 종류가 일치하고, 부족 재고 개수보다 재고가 많은 식자재를 확인하여 해당 식자재를 후보 식자재로 선정할 수 있다.
S502 단계에서, 장치(200)는 후보 식자재가 하나인지 여부를 판단할 수 있다.
S502 단계에서 후보 식자재가 하나라고 판단되면, S503 단계에서, 장치(200)는 해당 후보 식자재를 대체 식자재로 선정할 수 있다.
구체적으로, 장치(200)는 사용자의 창고에 있는 식자재 중 소비자가 구매하고자 하는 식자재와 종류가 일치하고, 부족 재고 개수보다 재고가 많은 식자재인 후보 식자재가 하나만 있는 것으로 확인되면, 해당 식자재를 대체 식자재로 선정할 수 있다.
예를 들어, 장치(200)는 사용자의 창고에 있는 식자재 중 소비자가 구매하고자 하는 A 식자재와 종류가 일치하고, 부족 재고 개수보다 재고가 많은 식자재가 B 식자재 하나만 있는 것으로 확인되면, B 식자재를 대체 식자재로 선정할 수 있다.
S502 단계에서 후보 식자재가 하나보다 많다 즉, 복수 개라고 판단되면, S504 단계에서, 장치(200)는 후보 식자재의 가격을 기초로, 후보 식자재의 제1 점수를 생성할 수 있다.
구체적으로, 장치(200)는 사용자의 창고에 있는 식자재 중 소비자가 구매하고자 하는 식자재와 종류가 일치하고, 부족 재고 개수보다 재고가 많은 식자재인 후보 식자재가 하나보다 많다 즉, 복수 개라고 판단되면, 후보 식자재의 가격을 기초로, 후보 식자재의 제1 점수를 생성할 수 있다. 이 때, 장치(200)는 창고 데이터를 통해 후보 식자재의 가격을 확인할 수 있고, 확인된 후보 식자재의 가격을 통해 후보 식자재의 가격이 높을수록 후보 식자재의 제1 점수를 낮게 생성하고, 후보 식자재의 가격이 낮을수록 후보 식자재의 제1 점수를 높게 생성할 수 있다. 또한, 장치(200)는 후보 식자재의 가격이 미리 설정된 목표 가격보다 작을 경우, 후보 식자재의 제1 점수로 제1 점수의 최고 점수를 부여할 수 있고, 후보 식자재의 가격이 목표 가격보다 작지 않을 경우, 후보 식자재의 가격에 반비례하여 후보 식자재의 제1 점수를 생성할 수 있다. 이때, 목표 가격은 미리 설정된 가격으로 실시 예에 따라 달라질 수 있으며, 소비자가 구매하고자 하는 식자재의 가격에 따라 설정될 수도 있다.
한편, 장치(200)는 사용자의 창고에 있는 식자재 중 소비자가 구매하고자 하는 A 식자재와 종류가 일치하고, 부족 재고 개수보다 재고가 많은 식자재가 B 식자재, C 식자재, D 식자재 즉, 복수 개의 식자재가 있는 것으로 확인되면, B 식자재의 제1 점수, C 식자재의 제1 점수, D 식자재의 제1 점수를 각각 생성할 수 있다.
S505 단계에서, 장치(200)는 후보 식자재의 유통기한을 기초로, 후보 식자재의 제2 점수를 생성할 수 있다.
구체적으로, 장치(200)는 사용자의 창고에 있는 식자재 중 소비자가 구매하고자 하는 식자재와 종류가 일치하고, 부족 재고 개수보다 재고가 많은 식자재인 후보 식자재가 하나보다 많다 즉, 복수 개라고 판단되면, 후보 식자재의 유통기한을 기초로, 후보 식자재의 제2 점수를 생성할 수 있다. 이 때, 장치(200)는 창고 데이터를 통해 후보 식자재의 유통기한을 확인할 수 있고, 확인된 후보 식자재의 기한을 통해 후보 식자재의 유통기한이 길수록 후보 식자재의 제2 점수를 높게 생성하고, 후보 식자재의 유통기한이 짧을수록 후보 식자재의 제2 점수를 낮게 생성할 수 있다. 또한, 장치(200)는 후보 식자재의 유통기한이 미리 설정된 목표 기한보다 길 경우, 후보 식자재의 제2 점수로 제2 점수의 최고 점수를 부여할 수 있고, 후보 식자재의 유통기한이 목표 기한보다 길지 않을 경우, 후보 식자재의 유통기한에 비례하여 후보 식자재의 제2 점수를 생성할 수 있다. 이때, 목표 기한은 미리 설정된 기한으로 실시 예에 따라 달라질 수 있으며, 소비자가 구매하고자 하는 식자재의 유통기한에 따라 설정될 수도 있다.
한편, 장치(200)는 사용자의 창고에 있는 식자재 중 소비자가 구매하고자 하는 A 식자재와 종류가 일치하고, 부족 재고 개수보다 재고가 많은 식자재가 B 식자재, C 식자재, D 식자재 즉, 복수 개의 식자재가 있는 것으로 확인되면, B 식자재의 제2 점수, C 식자재의 제2 점수, D 식자재의 제2 점수를 각각 생성할 수 있다.
S506 단계에서, 장치(200)는 후보 식자재의 옵션을 기초로, 후보 식자재의 제3 점수를 생성할 수 있다.
구체적으로, 장치(200)는 사용자의 창고에 있는 식자재 중 소비자가 구매하고자 하는 식자재와 종류가 일치하고, 부족 재고 개수보다 재고가 많은 식자재인 후보 식자재가 하나보다 많다 즉, 복수 개라고 판단되면, 후보 식자재의 옵션을 기초로, 후보 식자재의 제3 점수를 생성할 수 있다. 여기서, 옵션은 유기농, 식품 안전 인증(HACCP, ISO 인증) 등이 포함될 수 있다. 즉, 장치(200)는 창고 데이터를 통해 후보 식자재의 옵션을 확인할 수 있고, 확인된 후보 식자재의 옵션을 통해 후보 식자재의 옵션의 개수가 많을수록 후보 식자재의 제3 점수를 높게 생성하고, 후보 식자재의 옵션의 개수가 적을수록 후보 식자재의 제3 점수를 낮게 생성할 수 있다. 또한, 장치(200)는 후보 식자재의 옵션의 개수가 미리 설정된 목표 개수보다 많을 경우, 후보 식자재의 제3 점수로 제3 점수의 최고 점수를 부여할 수 있고, 후보 식자재의 옵션의 개수가 목표 개수보다 많지 않을 경우, 후보 식자재의 옵션의 개수에 비례하여 후보 식자재의 제3 점수를 생성할 수 있다. 이때, 목표 개수는 미리 설정된 개수로 실시 예에 따라 달라질 수 있으며, 소비자가 구매하고자 하는 식자재의 옵션의 개수에 따라 설정될 수도 있다.
한편, 장치(200)는 사용자의 창고에 있는 식자재 중 소비자가 구매하고자 하는 A 식자재와 종류가 일치하고, 부족 재고 개수보다 재고가 많은 식자재가 B 식자재, C 식자재, D 식자재 즉, 복수 개의 식자재가 있는 것으로 확인되면, B 식자재의 제3 점수, C 식자재의 제3 점수, D 식자재의 제3 점수를 각각 생성할 수 있다.
S507 단계에서, 장치(200)는 후보 식자재의 제조업체를 기초로, 후보 식자재의 제4 점수를 생성할 수 있다.
구체적으로, 장치(200)는 사용자의 창고에 있는 식자재 중 소비자가 구매하고자 하는 식자재와 종류가 일치하고, 부족 재고 개수보다 재고가 많은 식자재인 후보 식자재가 하나보다 많다 즉, 복수 개라고 판단되면, 후보 식자재의 제조업체를 기초로, 후보 식자재의 제4 점수를 생성할 수 있다. 이 때, 장치(200)는 창고 데이터를 통해 후보 식자재의 제조업체를 확인할 수 있고, 확인된 후보 식자재의 제조업체를 통해 제조 업체의 신뢰도를 생성할 수 있다. 이때, 장치(200)는 후보 식자재의 제조업체의 신뢰도를 생성하기 위해 SNS를 포함하는 웹 사이트에 접속할 수 있고, 장치(200)는 웹 사이트에 접속하여 제조업체의 설립연도, 제조업체의 신용등급을 포함하는 제조업체의 정보를 획득할 수 있고, 또한, 장치(200)는 미리 설정된 설정 기간동안 웹 사이트에 게시된 게시물 중 제조업체에 대한 게시물을 획득할 수 있다. 즉, 장치(200)는 웹 사이트를 통해 획득한 제조업체의 정보 및 제조업체에 대한 게시물을 기초로, 제조업체의 신뢰도를 생성할 수 있으며, 이때, 장치(200)는 제조업체의 설립연도가 이를수록, 제조업체의 신용등급이 높을수록, 제조업체에 대한 게시물이 많을수록 제조업체의 신뢰도를 높게 생성할 수 있고, 제조업체의 설립연도가 늦을수록, 제조업체의 신용등급이 낮을수록, 제조업체에 대한 게시물이 적을수록 제조업체의 신뢰도를 낮게 생성할 수 있다. 또한, 장치(200)는 제조업체의 신뢰도를 통해 후보 식자재의 제조업체의 신뢰도가 높을수록 후보 식자재의 제4 점수를 높게 생성하고, 후보 식자재의 제조업체의 신뢰도가 낮을수록 후보 식자재의 제4 점수를 낮게 생성할 수 있다. 또한, 장치(200)는 후보 식자재의 제조업체의 신뢰도가 미리 설정된 목표 신뢰도보다 높을 경우, 후보 식자재의 제4 점수로 제4 점수의 최고 점수를 부여할 수 있고, 후보 식자재의 제조업체의 신뢰도가 목표 신뢰도보다 높지 않을 경우, 후보 식자재의 제조업체의 신뢰도에 비례하여 후보 식자재의 제4 점수를 생성할 수 있다. 이때, 목표 신뢰도는 미리 설정된 값으로 실시 예에 따라 달라질 수 있으며, 소비자가 구매하고자 하는 식자재의 제조업체의 신뢰도에 따라 설정될 수도 있다.
한편, 장치(200)는 사용자의 창고에 있는 식자재 중 소비자가 구매하고자 하는 A 식자재와 종류가 일치하고, 부족 재고 개수보다 재고가 많은 식자재가 B 식자재, C 식자재, D 식자재 즉, 복수 개의 식자재가 있는 것으로 확인되면, B 식자재의 제4 점수, C 식자재의 제4 점수, D 식자재의 제4 점수를 각각 생성할 수 있다.
S508 단계에서, 장치(200)는 제1 점수, 제2 점수, 제3 점수 및 제4 점수를 합한 값으로 후보 식자재의 최종 점수를 생성할 수 있다.
구체적으로, 장치(200)는 가격을 기초로 생성된 제1 점수, 유통기한을 기초로 생성된 제2 점수, 옵션의 개수를 기초로 생성된 제3 점수, 제조업체의 신뢰도를 기초로 생성된 제4 점수를 합한 값으로 후보 식자재의 최종 점수를 생성할 수 있다.
일실시예에 따르면, 제1 점수, 제2 점수, 제3 점수, 제4 점수 각각의 최고 점수는 모두 동일한 점수로 설정될 수도 있지만, 장치 관리자 설정에 따라 최고 점수가 다르게 설정될 수도 있다. 예를 들어, 제1 점수, 제2 점수, 제3 점수, 제4 점수의 최고 점수가 모두 10점으로 동일하게 설정될 수 있고, 제1 점수의 최고 점수는 15점, 제2 점수의 최고 점수는 10점, 제3 점수의 최고 점수는 8점, 제4 점수의 최고 점수는 5점으로 상이하게 설정될 수도 있다.
S509 단계에서, 장치(200)는 최종 점수가 가장 높은 후보 식자재를 대체 식자재로 선정할 수 있다.
구체적으로, 장치(200)는 사용자의 창고에 있는 식자재 중 소비자가 구매하고자 하는 식자재와 종류가 일치하고, 부족 재고 개수보다 재고가 많은 식자재인 후보 식자재 증 가격, 유통기한, 옵션, 제조업체의 신뢰도를 고려하여 최종 점수가 가장 높은 후보 식자재를 대체 식자재로 선정할 수 있다.
한편, 후보 식자재가 없을 경우, 장치(200)는 재고 부족 개수에 따른 확보 가능 기간을 산출하여 확보 가능 기간을 포함하는 배송 지연 메시지를 소비자의 단말(120)로 전송할 수도 있고, 또한, 장치(200)는 사용자의 창고에 있는 식자재 중 소비자가 구매하고자 하는 식자재와 종류가 일치하는 복수 개의 식자재를 재고 부족 개수에 따라 조합하여 조합된 식자재의 추천 메시지를 소비자의 단말(120)로 전송할 수도 있다.
이로 인해, 장치(200)는 가격, 유통기한, 옵션, 제조업체의 신뢰도를 고려하여 대체 식자재를 선정할 수 있고, 소비자는 대체 식자재를 추천받음으로써 식자재가 빨리 필요한 경우 대체 식자재를 구매할 수 있는 효과가 있다.
도 6은 일실시예에 따른 식자재의 재고량을 예측하는 과정을 설명하기 위한 순서도이다.
도 6을 참조하면, 먼저, S601 단계에서, 장치(200)는 현 시점을 기준으로 제1 기간을 설정할 수 있다.
구체적으로, 장치(200)는 현 시점을 기준으로 현 시점을 포함하는 현 시점 이전의 미리 설정된 범위의 기간을 제1 기간으로 설정할 수 있다.
예를 들어, 현 시점이 2023년 7월 10일인 경우, 장치(200)는 현 시점인 2023년 7월 10일을 기준으로 2023년 7월 1일에서 2023년 7월 10일까지의 기간을 제1 기간으로 설정할 수 있다.
S602 단계에서, 장치(200)는 제1 기간의 기온, 습도, 강수량, 풍량을 포함하는 날씨 데이터를 획득할 수 있다. 이때, 장치(200)는 기상청 데이터베이스와 유무선으로 통신할 수 있으며, 기상청 데이터베이스에는 각 날짜에 대응하여 기온, 습도, 강수량, 풍량 등이 매칭되어 저장될 수 있다.
구체적으로, 장치(200)는 기상청 데이터베이스로부터 제1 기간에 대응하는 기온, 습도, 강수량, 풍량을 포함하는 날씨 데이터를 획득할 수 있다.
S603 단계에서, 장치(200)는 제1 기간의 GDP, 소비자 물가 지수, 앵겔 지수를 포함하는 경제 데이터를 획득할 수 있다. 이때, 장치(200)는 통계청 데이터베이스와 유무선으로 통신할 수 있으며, 통계청 데이터베이스에는 각 날짜에 대응하여 GDP, 소비자 물가 지수, 앵겔 지수, 실업률 등이 매칭되어 저장될 수 있다.
구체적으로, 장치(200)는 통계청 데이터베이스로부터 제1 기간에 대응하는 GDP, 소비자 물가 지수, 앵겔 지수를 포함하는 경제 데이터를 획득할 수 있다.
S604 단계에서, 장치(200)는 제1 기간동안 SNS를 통해 게시된 식자재를 포함하는 게시글을 획득하고, 제1 기간동안 검색엔진을 통해 검색된 식자재의 검색 횟수를 획득하여, 게시글의 개수 및 검색 횟수를 기초로, 식자재의 관심 지수를 생성할 수 있다.
구체적으로, 장치(200)는 SNS를 포함하는 웹 사이트와 유무선으로 통신하고, SNS를 포함하는 웹 사이트에 접속할 수 있으며, 장치(200)는 SNS를 통해 제1 기간동안 게시된 식자재를 포함하는 게시글을 획득할 수 있고, 장치(200)는 획득한 게시글의 개수를 산출할 수 있다. 여기서, 식자재를 포함하는 게시글은 소비자가 구매하고자 하는 식자재의 명칭이 포함된 게시글 및 소비자가 구매하고자 하는 식자재의 종류가 포함된 게시글일 수 있다.
또한, 장치(200)는 웹 사이트를 통해 검색 엔진에 접속할 수 있으며, 장치(200)는 검색 엔진을 통해 제1 기간동안 검색된 식자재의 검색 횟수를 획득할 수 있다. 여기서, 식자재의 검색 횟수는 소비자가 구매하고자 하는 식자재의 명칭이 포함된 검색어를 검색한 횟수 및 소비자가 구매하고자 하는 식자재의 종류가 포함된 검색어를 검색한 횟수일 수 있다.
또한, 장치(200)는 제1 기간동안 SNS를 통해 게시된 게시글의 개수 및 제1 기간동안 검색엔진을 통해 검색된 검색 횟수를 기초로, 식자재의 관심 지수를 생성할 수 있다. 이때, 장치(200)는 게시글의 개수 및 검색 횟수가 많을수록 식자재의 관심 지수를 높게 생성할 수 있고, 게시글의 개수 및 검색 횟수가 적을수록 식자재의 관심 지수를 낮게 생성할 수 있다.
S605 단계에서, 장치(200)는 제1 기간 동안 프렌차이즈 매장 증가율을 확인하여, 기준 증가율을 만족하는 프렌차이즈 매장에서 판매하는 식품의 카테고리를 기초로, 식자재의 성장 지수를 생성할 수 있다. 이때, 장치(200)는 통계청 데이터베이스와 유무선으로 통신할 수 있으며, 통계청 데이터베이스에는 각 날짜에 대응하여 창업된 프렌차이즈가 매칭되어 저장될 수 있다.
구체적으로, 장치(200)는 통계청 데이터베이스를 통해 제1 기간동안 창업된 프렌차이즈를 확인할 수 있고, 제1 기간동안 창업된 프렌차이즈를 통해 프렌차이즈 매장 별 프렌차이즈 매장 증가율을 생성할 수 있다. 또한, 장치(200)는 생성된 프렌차이즈 매장 증가율과 미리 설정된 기준 증가율을 비교하여, 기준 증가율보다 높은 프렌차이즈 매장 증가율을 갖는 프렌차이즈 매장을 확인할 수 있다. 또한, 장치(200)는 기준 증가율보다 높은 프렌차이즈 매장 증가율을 갖는 프렌차이즈 매장에서 판매하는 식품의 카테고리를 확인하고, 확인된 식품의 카테고리를 기초로, 식자재의 성장 지수를 생성할 수 있다. 이때, 장치(200)는 기준 증가율보다 높은 프렌차이즈 매장 증가율을 갖는 프렌차이즈 매장에서 판매하는 식품의 카테고리를 확인한 결과, 해당 식품의 카테고리에 식자재가 포함되면, 식자재의 성장 지수를 높게 생성하고, 기준 증가율보다 높은 프렌차이즈 매장 증가율을 갖는 프렌차이즈 매장에서 판매하는 식품의 카테고리를 확인한 결과, 해당 식품의 카테고리에 식자재가 포함되지 않으면, 식자재의 성장 지수를 0으로 생성할 수 있다.
즉, 장치(200)는 해당 식자재를 포함하는 식품을 판매하는 프렌차이즈 매장이 많이 증가할수록 식자재의 성장 지수를 높게 생성할 수 있고, 해당 식자재를 포함하는 식품을 판매하는 프렌차이즈 매장이 적게 증가할수록 식자재의 성장 지수를 낮게 생성할 수 있다.
S606 단계에서, 장치(200)는 제1 기간에 대응하는 과거 기간인 제2 기간을 생성하고, 제2 기간의 식자재의 소비량을 획득하여 과거 식자재 소비 데이터를 생성할 수 있다. 이때, 장치(200)는 통계청 데이터베이스와 유무선으로 통신할 수 있으며, 통계청 데이터베이스에는 각 날짜에 대응하여 식자재 소비량 등이 매칭되어 저장될 수 있다.
구체적으로, 장치(200)는 제1 기간에 대응하는 과거 기간인 제2 기간을 생성하고, 제2 기간의 식자재의 소비량을 획득하여 과거 식자재 소비 데이터를 생성할 수 있다.
예를 들어, 현 시점이 2023년 7월 10일이고, 제1 기간이 2023년 7월 1일에서 2023년 7월 10일까지인 경우, 장치(200)는 제2 기간을 2022년 7월 1일에서 2022년 7월 10일까지로 설정할 수도 있고, 또한, 장치(200)는 제2 기간을 2022년 7월 1일에서 2022년 7월 10일까지, 2021년 7월 1일에서 2021년 7월 10일까지, 2020년 7월 1일에서 2020년 7월 10일까지로 설정할 수도 있다. 즉, 제2 기간이 설정되는 기준은 실시 예에 따라 다를 수 있으며, 제2 기간은 제1 기간에 대응하여 1년 전 과거일 수도 있고, 제2 기간은 제1 기간에 대응하여 1년 전, 2년 전, 3년 전 과거일 수도 있고, 제2 기간은 제1 기간에 대응하여 그 외의 과거를 더 포함할 수도 있다.
S607 단계에서, 장치(200)는 식자재의 소비 기간을 획득할 수 있다. 여기서, 식자재의 소비 기간은 해당 식자재가 제조된 제조일자부터 해당 식자재의 보관 방법을 준수한 경우 섭취하여도 안전이 이상이 없는 기한까지의 기간일 수 있다.
구체적으로, 장치(200)는 사용자의 단말(110)로부터 식자재의 소비 기간을 획득할 수도 있고, 웹 사이트에 접속하여 식자재의 소비 기간을 획득할 수도 있다.
S608 단계에서, 장치(200)는 날씨 데이터, 경제 데이터, 식자재의 관심 지수, 식자재의 성장 지수, 과거 식자재 소비 데이터 및 식자재의 소비 기간을 기초로, 제1 입력 신호를 생성할 수 있다.
구체적으로, 장치(200)는 날씨 데이터, 경제 데이터, 식자재의 관심 지수, 식자재의 성장 지수, 과거 식자재 소비 데이터 및 식자재의 소비 기간을 전처리하는 과정을 수행할 수 있다. 전처리가 수행된 날씨 데이터, 경제 데이터, 식자재의 관심 지수, 식자재의 성장 지수, 과거 식자재 소비 데이터 및 식자재의 소비 기간은 인공신경망의 입력으로 그대로 사용하거나, 불필요한 정보를 제거하는 통상의 처리를 거쳐 입력을 생성할 수 있다.
S609 단계에서, 장치(200)는 제1 입력 신호를 제1 인공신경망에 적용하여 제1 출력 신호를 생성할 수 있다.
구체적으로, 장치(200)는 제1 인공신경망을 포함하거나, 별개의 제1 인공신경망과 유무선으로 통신할 수 있으며, 여기서, 제1 인공신경망은 날씨 데이터, 경제 데이터, 식자재의 관심 지수, 식자재의 성장 지수, 과거 식자재 소비 데이터 및 식자재의 소비 기간을 입력으로 받아 식자재의 적합한 재고량을 예측하는 알고리즘일 수 있다.
즉, 제1 인공신경망은 날씨 데이터, 경제 데이터, 식자재의 관심 지수, 식자재의 성장 지수, 과거 식자재 소비 데이터 및 식자재의 소비 기간을 고려하여, 식자재의 재고량을 예측 및 출력할 수 있다.
제1 인공신경망의 학습이 이루어지는 학습 장치는 학습된 제1 인공신경망을 이용하여 식자재의 재고량을 생성하는 장치(200)와 동일한 장치일 수 있고, 별개의 장치일 수도 있다.
학습 장치는 제1 인공신경망에 입력을 적용할 수 있다. 제1 인공신경망은 강화 학습(reinforcement learning)에 따라 학습되는 인공 신경망일 수 있다. 제1 인공신경망은 강화 학습을 통해 추상적 추론을 출력하는데 적합한 Q-Network, DQN(Depp Q-Network), 또는 관계형 네트워크(relation network, RL) 구조일 수 있다.
강화 학습에 따라 학습되는 제1 인공신경망은 다양한 보상에 평가를 반영하여 갱신 및 최적화될 수 있다. 예를 들어, 제1 보상은 날씨 데이터에 따라 적합한 재고량을 선정할수록 보상 값이 높아질 수 있고, 제2 보상은 경제 데이터에 따라 적합한 재고량을 선정할수록 보상 값이 높아질 수 있고, 제3 보상은 관심 지수에 따라 적합한 재고량을 선정할수록 보상 값이 높아질 수 있고, 제4 보상은 성장 지수에 따라 적합한 재고량을 선정할수록 보상 값이 높아질 수 있고, 제5 보상은 과거 식자재 소비 데이터에 따라 적합한 재고량을 선정할수록 보상 값이 높아질 수 있고, 제6 보상은 소비 기간에 따라 적합한 재고량을 선정할수록 보상 값이 높아질 수 있으며, 제7 보상은 날씨 데이터에 따라 적합하지 않은 재고량을 선정하지 않을수록 보상 값이 높아질 수 있고, 제8 보상은 경제 데이터에 따라 적합하지 않은 재고량을 선정하지 않을수록 보상값이 높아질 수 있고, 제9 보상은 관심 지수에 따라 적합하지 않은 재고량을 선정하지 않을수록 보상 값이 높아질 수 있고, 제10 보상은 성장 지수에 따라 적합하지 않은 재고량을 선정하지 않을수록 보상 값이 높아질 수 있고, 제11 보상은 과거 식자재 소비 데이터에 따라 적합하지 않은 재고량을 선정하지 않을수록 보상 값이 높아질 수 있고, 제12 보상은 소비 기간에 따라 적합하지 않은 재고량을 선정하지 않을수록 보상 값이 높아질 수 있다.
학습 장치는 제1 인공신경망으로부터 출력을 획득할 수 있다. 제1 인공신경망의 출력은, 날씨 데이터, 경제 데이터, 식자재의 관심 지수, 식자재의 성장 지수, 과거 식자재 소비 데이터 및 식자재의 소비 기간에 따른 식자재의 재고량일 수 있다. 이때, 제1 인공신경망은 날씨 데이터, 경제 데이터, 식자재의 관심 지수, 식자재의 성장 지수, 과거 식자재 소비 데이터 및 식자재의 소비 기간을 고려하여, 식자재의 적합한 재고량을 분석 및 예측할 수 있으며, 예측한 식자재의 재고량을 출력할 수 있다.
학습 장치는 제1 인공신경망의 출력을 평가하여 보상을 지급할 수 있다. 이때, 출력의 평가는 제1 보상, 제2 보상, 제3 보상, 제4 보상, 제5 보상, 제6 보상, 제7 보상, 제8 보상, 제9 보상, 제10 보상, 제11 보상 및 제12 보상 등으로 나뉠 수 있다.
구체적으로, 학습 장치는 날씨 데이터에 따라 적합한 재고량을 출력하면 제1 보상을 많이 수여하고, 경제 데이터에 따라 적합한 재고량을 출력하면 제2 보상을 많이 수여하고, 관심 지수에 따라 적합한 재고량을 출력하면 제3 보상을 많이 수여하고, 성장 지수에 따라 적합한 재고량을 출력하면 제4 보상을 많이 수여하고, 과거 식자재 소비 데이터에 따라 적합한 재고량을 출력하면 제5 보상을 많이 수여하고, 소비 기간에 따라 적합한 재고량을 출력하면 제6 보상을 많이 수여하고, 날씨 데이터에 따라 적합하지 않은 재고량을 출력하지 않으면 제7 보상을 많이 수여하고, 경제 데이터에 따라 적합하지 않은 재고량을 출력하지 않으면 제8 보상을 많이 수여하고, 관심 지수에 따라 적합하지 않은 재고량을 출력하지 않으면 제9 보상을 많이 수여하고, 성장 지수에 따라 적합하지 않은 재고량을 출력하지 않으면 제10 보상을 많이 수여하고, 과거 식자재 소비 데이터에 따라 적합하지 않은 재고량을 출력하지 않으면 제11 보상을 많이 수여하고, 소비 기간에 따라 적합하지 않은 재고량을 출력하지 않으면 제12 보상을 많이 수여할 수 있다.
학습 장치는 평가를 기초로 제1 인공신경망을 갱신할 수 있다.
구체적으로, 학습 장치는 제1 인공신경망이, 날씨 데이터, 경제 데이터, 식자재의 관심 지수, 식자재의 성장 지수, 과거 식자재 소비 데이터 및 식자재의 소비 기간을 고려하여, 식자재의 재고량에 대한 정보를 분석하는 환경(environment)에서, 보상값(reward)들의 합의 기대값(expectation)이 최대화되도록, 특정한 상태(state)들에서 취할 행동(action)들을 결정하는 정책(policy)을 최적화하는 과정을 통해 인공신경망을 갱신할 수 있다.
한편, 정책을 최적화하는 과정은 보상들의 합의 기대값의 최대값 또는 Q-함수의 최대값을 추정하거나, Q-함수의 손실 함수(loss function)의 최소값을 추정하는 과정을 통해 이루어질 수 있다. 손실함수의 최소값의 추정은 확률적 경사하강법(stochastic gradient descent, SGD) 등을 통해 이루어질 수 있다. 정책을 최적화하는 과정은 이에 제한되는 것은 아니며, 강화 학습에서 사용하는 다양한 최적화 알고리즘들이 이용될 수 있다.
학습 장치는 상술한 제1 인공신경망의 학습 과정을 반복함으로써, 제1 인공신경망을 점진적으로 갱신시킬 수 있다. 이를 통해, 학습 장치는 날씨 데이터, 경제 데이터, 식자재의 관심 지수, 식자재의 성장 지수, 과거 식자재 소비 데이터 및 식자재의 소비 기간을 고려하여, 식자재의 재고량을 예측 출력하는 인공신경망을 학습시킬 수 있다.
즉, 학습 장치는 날씨 데이터, 경제 데이터, 식자재의 관심 지수, 식자재의 성장 지수, 과거 식자재 소비 데이터 및 식자재의 소비 기간을 고려하여, 식자재의 재고량을 출력할 때, 제1 보상, 제2 보상, 제3 보상, 제4 보상, 제5 보상, 제6 보상, 제7 보상, 제8 보상, 제9 보상, 제10 보상, 제11 보상 및 제12 보상 등을 통한 강화 학습을 반영하여, 분석 기준을 조정함으로써, 제1 인공신경망을 학습시킬 수 있다.
S610 단계에서, 장치(200)는 제1 출력 신호에 기반하여, 식자재의 재고량을 예측할 수 있다.
이로 인해, 장치(200)는 제1 인공신경망을 통해 날씨 데이터, 경제 데이터, 식자재의 관심 지수, 식자재의 성장 지수, 과거 식자재 소비 데이터 및 식자재의 소비 기간에 적합한 식자재의 재고량을 예측하여, 예측된 재고량을 통해 창고 내의 식자재의 재고를 관리함으로써 효율적으로 재고 관리를 수행할 수 있는 효과가 있다.
도 7은 일실시예에 따른 처리 식자재를 우선 노출하여 판매하는 과정을 설명하기 위한 순서도이다.
도 7을 참조하면, S701 단계에서, 장치(200)는 창고 데이터를 기초로, 재고가 임계 개수를 초과하고, 유통기한이 임계 기한보다 빠른 식자재를 처리 식자재로 선정할 수 있다. 여기서, 임계 개수는 미리 설정된 개수로 실시 예에 따라 달라질 수 있고, 임계 기한은 미리 설정된 기한으로 실시 예에 따라 달라질 수 있다.
구체적으로, 장치(200)는 창고 데이터를 기초로, 사용자의 창고에 포함된 식자재 중 재고가 미리 설정된 임계 개수를 초과하고, 유통기한이 미리 설정된 임계 기한보다 빠른 식자재를 처리 식자재로 선정할 수 있다.
S702 단계에서, 장치(200)는 처리 식자재 및 요리 키워드를 조합한 검색어를 인터넷에 검색하여 가장 조회수가 높은 요리 컨텐츠를 처리 식자재의 요리 컨텐츠로 획득할 수 있다.
구체적으로, 장치(200)는 처리 식자재 및 요리 키워드를 조합하여 검색어를 생성할 수 있고, 이때, 요리 키워드는 요리, 조리, 쿡킹, 쿡방, 레시피 중 적어도 하나를 포함할 수 있다. 또한, 장치(200)는 생성된 검색어를 장치(200)와 유무선으로 통신하는 SNS를 포함하는 웹 사이트에 검색하여 요리 컨텐츠들을 획득할 수 있고, 획득한 컨텐츠들 중 조회수가 가장 높은 요리 컨텐츠를 처리 식자재의 요리 컨텐츠로 획득할 수 있다.
S703 단계에서, 장치(200)는 처리 식자재의 요리 컨텐츠를 판매 사이트에 우선 노출되도록 게시할 수 있다. 여기서, 판매 사이트는 사용자의 창고에 구비된 식자재를 소비자에게 판매하는 판매 사이트로, 판매 사이트는 장치(200)에 의해 운영되는 사이트일 수 있다.
구체적으로, 장치(200)는 처리 식자재가 선정되고, 선정된 처리 식자재의 요리 컨텐츠를 획득하면, 획득한 요리 컨텐츠가 판매 사이트에 우선 노출되도록 게시할 수 있다. 이때, 장치(200)는 처리 식자재의 요리 컨텐츠가 판매 사이트에 우선 노출되도록 처리 식자재의 요리 컨텐츠를 판매 사이트의 팝업 페이지 또는 팝업 플레이어에 노출시킬 수 있으며, 팝업 페이지 또는 팝업 플레이어로 컨텐츠를 노출시키는 방법은 구체적으로 작성하지 않았지만, 통상적으로 사용되는 방법에 의해 수행될 수 있다.
S704 단계에서, 장치(200)는 소비자의 단말(120)로부터 처리 식자재의 요리 컨텐츠가 선택되면, 처리 식자재의 판매 페이지로 이동할 수 있다.
구체적으로, 소비자는 소비자의 단말(120)을 통해 장치(200)에 의해 운영되는 판매 사이트에 접속할 수 있으며, 판매 사이트의 팝업 페이지 또는 팝업 플레이어를 통해 노출된 처리 식자재의 요리 컨텐츠를 확인할 수 있다. 또한, 소비자는 해당 처리 식자재의 구매를 원할 경우, 소비자의 단말(120)을 통해 처리 식자재의 요리 컨텐츠를 선택 즉, 클릭할 수 있으며, 장치(200)는 소비자의 단말(120)로부터 처리 식자재의 요리 컨텐츠가 선택되면, 소비자의 단말(120)에 처리 식자재의 판매 페이지가 노출되도록 처리 식자재의 판매 페이지로 이동할 수 있다.
이때, 장치(200)는 처리 식자재의 명칭, 처리 식자재의 가격, 처리 식자재의 유통기한, 처리 식자재의 종류 및 처리 식자재의 요리 컨텐츠를 포함하는 처리 식자재의 정보를 포함하고, 또한, 처리 식자재를 소비자에게 판매하기 위해 판매 인터페이스를 포함하는 처리 식자재의 판매 페이지를 생성할 수 있다.
이때, 장치(200)는 창고 데이터에 매칭되어 있는 처리 식자재의 기본가격과 처리 식자재의 할인율을 곱한 값으로 처리 식자재의 가격을 생성할 수 있으며, 장치(200)는 판매 사이트에 접속한 소비자들이 소비자의 단말을 통해 처리 식자재의 요리 컨텐츠를 선택 즉, 클릭한 횟수에 기반하여 처리 식자재의 할인율을 실시간으로 변동할 수 있다. 즉, 장치(200)는 처리 식자재의 할인율을 처음 설정할 때 높게 설정할 수 있으며, 소비자에 의해 처리 식자재의 요리 컨텐츠가 선택된 횟수에 기반하여, 선택된 횟수가 많아지면 점진적으로 처리 식자재의 할인율이 감소되도록 설정할 수 있다. 이때, 감소되는 기준은 실시 예에 따라 다를 수 있으며, 예를 들어, 처리 식자재의 할인율은 소비자들에 의해 처리 식자재의 요리 컨텐츠가 선택된 횟수가 1000번이 될 때마다 처리 식자재의 할인율은 10%씩 감소할 수 있다.
한편, 장치(200)는 소비자의 구매 주기를 확인하여, 소비자의 구매 주기에 따라 적합한 유통기한의 식자재를 선정하여 소비자에게 배송할 수도 있다.
도 8은 일실시예에 따른 소비자의 구매 주기를 통해 적합한 유통기한 식자재를 제공하는 과정을 설명하기 위한 순서도이다.
도 8을 참조하면, 먼저, S801 단계에서, 장치(200)는 소비자가 식자재를 구매한 식자재의 구매 이력을 획득할 수 있다. 여기서, 식자재의 구매 이력은 소비자가 해당 식자재를 과거에 언제 구매하였고, 얼마나 구매하였는지에 대한 이력이다.
구체적으로, 장치(200)는 소비자가 식자재를 구매하여, 소비자에게 식자재를 배송하고자 하는 경우, 소비자가 과거에 해당 식자재를 구매한 이력인 식자재의 구매 이력을 획득할 수 있다. 이때, 장치(200)는 소비자의 단말(120)로부터 소비자가 현재 구매하고자 하는 식자재의 구매 이력을 획득할 수도 있고, 장치(200)는 장치(200)가 구비한 소비자 데이터베이스를 통해 소비자가 현재 구매하고자 하는 식자재의 구매 이력을 획득할 수도 있다. 소비자 데이터베이스에는 소비자와 매칭하여 소비자가 과거에 식자재를 구매했던 이력인 구매 이력이 저장되어 있으며, 즉, 소비자 데이터베이스에는 어떤 소비자가 과거에 어떤 식자재를 언제, 얼마나 구매하였는지에 대한 정보가 저장되어 있다.
즉, 장치(200)는 소비자의 단말(120) 또는 소비자 데이터베이스를 통해 소비자가 현재 구매하고자 하는 식자재를 언제, 얼마나 구매하였는지에 대한 정보인 식자재의 구매 이력을 획득할 수 있다.
S802 단계에서, 장치(200)는 식자재의 구매 이력을 기초로, 식자재의 구매 주기를 생성할 수 있다.
구체적으로, 장치(200)는 식자재의 구매 이력을 기초로, 식자재가 구매된 날짜를 확인하여, 식자재의 구매 주기를 생성할 수 있다.
예를 들어, 소비자가 계란을 구매하여 계란을 소비자에게 배송하고자 하는 경우, 장치(200)는 소비자의 단말(120) 또는 소비자 데이터베이스를 통해 소비자가 계란을 구매한 이력인 계란의 구매 이력을 획득할 수 있고, 계란의 구매 이력을 통해 계란이 구매된 날짜가 각각 2023년 4월 10일, 2023년 5월 10일, 2023년 6월 10일 및 현재 날짜인 2023년 7월 10일인 것을 확인할 수 있고, 구매된 날짜를 기초로, 계란의 구매 주기를 한달로 생성할 수 있다.
S803 단계에서, 장치(200)는 현재 날짜 및 식자재의 구매 주기를 기초로, 식자재의 다음 구매 예정일인 제1 날짜를 확인할 수 있다.
예를 들어, 소비자가 계란을 구매하여 계란을 소비자에게 배송하고자 하고, 현재 날짜가 2023년 7월 10일이고, 계란의 구매 주기가 한달일 경우, 장치(200)는 계란의 다음 구매 예정일인 제1 날짜로 2023년 8월 10일을 확인할 수 있다.
S804 단계에서, 장치(200)는 식자재의 유통기한이 제1 날짜인 식자재가 존재하는지 여부를 판단할 수 있다.
구체적으로, 장치(200)는 창고 데이터를 통해 창고에 구비된 식자재 중 식자재의 유통기한이 제1 날짜인 식자재가 존재하는지 여부를 판단할 수 있다.
S804 단계에서 식자재의 유통기한이 제1 날짜인 식자재가 제1 식자재로 존재한다고 확인되면, S805 단계에서, 장치(200)는 제1 식자재를 소비자에게 제공할 수 있다.
구체적으로, 장치(200)는 창고 데이터를 통해 창고에 구비된 식자재 중 식자재의 유통기한이 제1 날짜인 식자재가 존재하는지 여부를 판단한 결과, 창고에 구비된 식자재 중 식자재의 유통기한이 제1 날짜인 식자재가 제1 식자재로 존재한다고 확인되면, 제1 식자재를 소비자에게 제공할 수 있다.
예를 들어, 소비자가 계란을 구매하여 계란을 소비자에게 배송하고자 하고, 현재 날짜가 2023년 7월 10일이고, 계란의 구매 주기가 한달일 경우, 장치(200)는 계란의 다음 구매 예정일인 제1 날짜로 2023년 8월 10일을 확인할 수 있고, 창고 데이터베이스를 통해 창고에 구비된 계란 중 유통기한이 2023년 8월 10일인 계란이 있는지 여부를 확인하고, 유통기한이 2023년 8월 10일인 계란이 제1 계란으로 창고에 구비되었다고 확인되면, 제1 계란을 소비자에게 제공할 수 있다.
S804 단계에서 식자재의 유통기한이 제1 날짜인 식자재가 존재하지 않는다고 확인되면, S806 단계에서, 장치(200)는 제1 날짜를 기준으로 미리 설정된 범위 이전에 속한 제2 날짜들을 생성할 수 있다. 여기서, 미리 설정된 범위는 실시 예에 따라 달라질 수 있으며, 범위는 식자재의 구매 주기에 따라 식자재의 구매 주기가 길수록 넓어질 수 있고, 식자재의 구매 주기가 짧을수록 좁아질 수 있다.
구체적으로, 장치(200)는 창고 데이터를 통해 창고에 구비된 식자재 중 식자재의 유통기한이 제1 날짜인 식자재가 존재하는지 여부를 판단한 결과, 창고에 구비된 식자재 중 식자재의 유통기한이 제1 날짜인 식자재가 존재하지 않는다고 확인되면, 제1 날짜에서 미리 설정된 범위 이전에 속한 제2 날짜들을 생성할 수 있다.
예를 들어, 소비자가 계란을 구매하여 계란을 소비자에게 배송하고자 하고, 현재 날짜가 2023년 7월 10일이고, 계란의 구매 주기가 한달이고, 미리 설정된 범위가 3일인 경우, 장치(200)는 계란의 다음 구매 예정일인 제1 날짜로 2023년 8월 10일을 확인할 수 있고, 창고 데이터를 통해 창고에 구비된 계란 중 유통기한이 2023년 8월 10일인 계란이 있는지 여부를 확인하고, 창고에 유통기한이 2023년 8월 10일인 계란이 존재하지 않는다고 확인되면, 제1 날짜인 2023년 8월 10일을 기준으로 미리 설정된 범위인 3일 이내에 속한 제2 날짜들로 2023년 8월 7일, 2023년 8월 8일, 2023년 8월 9일을 생성할 수 있다.
S807 단계에서, 장치(200)는 식자재의 유통기한이 제2 날짜인 식자재가 존재하는지 여부를 판단할 수 있다.
구체적으로, 장치(200)는 창고 데이터를 통해 창고에 구비된 식자재 중 식자재의 유통기한이 제2 날짜들 중 하나인 제2 날짜인 식자재가 존재하는지 여부를 판단할 수 있다.
S807 단계에서 식자재의 유통기한이 제2 날짜인 식자재가 제2 식자재로 존재한다고 확인되면, S808 단계에서, 장치(200)는 제2 식자재를 소비자에게 제공할 수 있다.
구체적으로, 장치(200)는 창고 데이터를 통해 창고에 구비된 식자재 중 식자재의 유통기한이 제2 날짜인 식자재가 존재하는지 여부를 판단한 결과, 창고에 구비된 식자재 중 식자재의 유통기한이 제2 날짜인 식자재가 제2 식자재로 존재한다고 확인되면, 제2 식자재를 소비자에게 제공할 수 있다.
예를 들어, 소비자가 계란을 구매하여 계란을 소비자에게 배송하고자 하고, 현재 날짜가 2023년 7월 10일이고, 계란의 구매 주기가 한달이고, 미리 설정된 범위가 3일인 경우, 장치(200)는 계란의 다음 구매 예정일인 제1 날짜로 2023년 8월 10일을 확인할 수 있고, 창고 데이터를 통해 창고에 구비된 계란 중 유통기한이 2023년 8월 10일인 계란이 있는지 여부를 확인하고, 창고에 유통기한이 2023년 8월 10일인 계란이 존재하지 않는다고 확인되면, 제1 날짜인 2023년 8월 10일을 기준으로 미리 설정된 범위인 3일 이내에 속한 제2 날짜들로 2023년 8월 7일, 2023년 8월 8일, 2023년 8월 9일을 생성할 수 있고, 창고 데이터를 통해 창고에 구비된 계란 중 유통기한이 2023년 8월 7일, 2023년 8월 8일, 2023년 8월 9일 중 하나인 계란이 있는지 여부를 확인하고, 유통기한이 2023년 8월 7일, 2023년 8월 8일, 2023년 8월 9일 중 하나인 계란이 제2 계란으로 창고에 구비되었다고 확인되면, 제2 계란을 소비자에게 제공할 수 있다. 이 과정에서, 장치(200)는 창고에 구비된 계란 중 유통기한이 2023년 8월 7일, 2023년 8월 8일, 2023년 8월 9일인 계란이 모두 존재한다고 확인되면, 유통기한이 가장 빠른 2023년 8월 7일인 계란을 소비자에게 제공할 수 있지만, 이에 한정되는 것은 아니다.
S807 단계에서 식자재의 유통기한이 제2 날짜인 식자재가 존재하지 않는다고 확인되면, S809 단계에서, 장치(200)는 창고에 구비된 식자재 중 유통기한이 제1 날짜 이후의 날짜 중 가장 빠른 날짜의 식자재인 제3 식자재를 확인하고, 제3 식자재를 소비자에게 제공할 수 있다.
구체적으로, 장치(200)는 창고 데이터를 통해 창고에 구비된 식자재 중 식자재의 유통기한이 제2 날짜인 식자재가 존재하는지 여부를 판단한 결과, 창고에 구비된 식자재 중 식자재의 유통기한이 제2 날짜인 식자재가 존재하지 않는다고 확인되면, 창고에 저장된 식자재 중 유통기한이 제1 날짜 이후의 날짜 중 가장 빠른 날짜의 식자재인 제3 식자재를 확인하고, 제3 식자재를 소비자에게 제공할 것으로 판단하고, 제3 식자재의 위치를 확인할 수 있다.
예를 들어, 소비자가 계란을 구매하여 계란을 소비자에게 배송하고자 하고, 현재 날짜가 2023년 7월 10일이고, 계란의 구매 주기가 한달이고, 미리 설정된 범위가 3일인 경우, 장치(200)는 계란의 다음 구매 예정일인 제1 날짜로 2023년 8월 10일을 확인할 수 있고, 창고 데이터를 통해 창고에 구비된 계란 중 유통기한이 2023년 8월 10일인 계란이 있는지 여부를 확인하고, 창고에 유통기한이 2023년 8월 10일인 계란이 존재하지 않는다고 확인되면, 제1 날짜인 2023년 8월 10일을 기준으로 미리 설정된 범위인 3일 이내에 속한 제2 날짜들로 2023년 8월 7일, 2023년 8월 8일, 2023년 8월 9일을 생성할 수 있고, 창고 데이터를 통해 창고에 구비된 계란 중 유통기한이 2023년 8월 7일, 2023년 8월 8일, 2023년 8월 9일 중 하나인 계란이 있는지 여부를 확인하고, 창고에 유통기한이 2023년 8월 7일, 2023년 8월 8일, 2023년 8월 9일 중 하나인 계란이 존재하지 않는다고 확인되면, 창고에 저장된 계란 중 유통기한이 2023년 8월 10일 이후의 날짜 중 가장 빠른 날짜의 계란인 제3 계란을 확인하고, 제3 계란을 소비자에게 제공할 수 있다.
또한, 장치(200)는 이 과정에서 창고에 저장된 식자재 중 유통기한이 제1 날짜 이후의 날짜인 식자재가 없다고 확인되면, 유통기한이 제1 날짜 이전의 식자재 중 유통기한이 가장 긴 식자재를 소비자에게 제공할 수 있다.
이로 인해, 장치(200)는 식자재의 구매 주기를 통해 소비자가 다음에 식자재를 살 날짜를 확인하고, 해당 날짜까지의 유통 기한인 식자재를 제공함으로써, 소비자에게 적합한 유통 기한의 식자재를 제공할 수 있는 효과가 있다.
도 9는 일실시예에 따른 장치의 구성의 예시도이다.
일실시예에 따른 장치(200)는 프로세서(210) 및 메모리(220)를 포함한다. 프로세서(210)는 도 1 내지 도 8을 참조하여 전술된 적어도 하나의 장치들을 포함하거나, 도 1 내지 도 8을 참조하여 전술된 적어도 하나의 방법을 수행할 수 있다. 장치(200)를 이용하는 자 또는 단체는 도 1 내지 도 8을 참조하여 전술된 방법들 일부 또는 전부와 관련된 서비스를 제공할 수 있다.
메모리(220)는 전술된 방법들과 관련된 정보를 저장하거나 후술되는 방법들이 구현된 프로그램을 저장할 수 있다. 메모리(220)는 휘발성 메모리 또는 비휘발성 메모리일 수 있다.
프로세서(210)는 프로그램을 실행하고, 장치(200)를 제어할 수 있다. 프로세서(210)에 의하여 실행되는 프로그램의 코드는 메모리(220)에 저장될 수 있다. 장치(200)는 입출력 장치(도면 미 표시)를 통하여 외부 장치(예를 들어, 퍼스널 컴퓨터 또는 네트워크)에 연결되고, 유무선 통신을 통해 데이터를 교환할 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.
Claims (3)
- 장치에 의해 수행되는, 식자재 유통을 위한 주문 및 재고 관리 자동화 처리 방법에 있어서,
사용자의 단말로부터 상기 사용자가 보유하고 있는 창고의 이미지를 획득하는 단계;
상기 창고의 이미지를 기초로, 상기 사용자가 보유하고 있는 식자재의 종류 및 종류별 식자재의 재고를 포함하는 창고 데이터를 생성하는 단계;
소비자의 단말로부터 상기 소비자의 이름, 상기 소비자의 연락처, 상기 소비자의 주소를 포함하는 상기 소비자의 개인 정보를 획득하는 단계;
상기 소비자의 단말로부터 상기 소비자가 주문하고자 하는 식자재의 명칭, 상기 식자재의 종류 및 식자재의 개수를 포함하는 상기 소비자의 주문 정보를 획득하는 단계;
상기 창고 데이터 및 상기 소비자의 주문 정보를 기초로, 상기 사용자가 상기 소비자에게 식자재를 판매할 수 있는지 여부를 판단하는 단계;
상기 소비자에게 식자재를 판매할 수 있다고 판단되면, 상기 소비자의 개인 정보 및 상기 소비자의 주문 정보를 기초로, 상기 소비자에게 식자재를 배송하는 단계;
상기 소비자의 단말로부터 식자재 배송 완료 메시지를 수신하면, 사용자의 정보, 소비자의 정보, 거래된 식자재의 정보, 주문일자, 및 배송완료일자를 포함하는 거래 내역을 생성하는 단계; 및
상기 생성된 거래 내역을 상기 사용자의 단말 및 상기 소비자의 단말로 제공하는 단계를 포함하고,
상기 창고 데이터 및 상기 소비자의 주문 정보를 기초로, 상기 소비자에게 식자재를 판매할 수 있는지 여부를 판단하는 단계;에서,
상기 소비자에게 식자재를 판매할 수 없다고 판단되면, 상기 소비자의 주문 정보에 포함된 식자재의 개수 및 상기 창고 데이터에 포함된 상기 식자재의 재고를 기초로, 부족 재고 개수를 생성하는 단계;
상기 부족 재고 개수가 미리 설정된 기준 개수보다 적은지 여부를 판단하는 단계;
상기 부족 재고 개수가 상기 기준 개수보다 적다고 판단되면, 상기 식자재를 확보한 후 배송을 위한 배송 지연 메시지를 상기 소비자의 단말로 전송하는 단계; 및
상기 부족 재고 개수가 상기 기준 개수보다 많거나 같다고 판단되면, 상기 창고 데이터를 기초로 대체 식자재를 선정하여, 상기 선정된 대체 식자재의 추천 메시지를 상기 소비자의 단말로 전송하는 단계;를 더 포함하고,
상기 식자재를 확보 후 배송을 위한 배송 지연 메시지를 상기 소비자의 단말로 전송하는 단계는
상기 식자재의 공급 데이터를 획득하는 단계,
상기 식자재의 공급 데이터를 기초로, 상기 부족 재고 개수에 따른 확보 가능 기간을 산출하는 단계,
상기 확보 가능 기간이 미리 설정된 기준 기간보다 짧은지 여부를 판단하는 단계,
상기 확보 가능 기간이 상기 기준 기간보다 짧다고 판단되면, 상기 확보 가능 기간을 포함하는 배송 지연 메시지를 상기 소비자의 단말로 전송하는 단계, 및
상기 확보 가능 기간이 상기 기준 기간보다 길거나 같다고 판단되면, 대체 식자재를 선정하여, 상기 선정된 대체 식자재의 추천 메시지를 상기 소비자의 단말로 전송하는 단계를 포함하고,
상기 창고 데이터를 기초로 대체 식자재를 선정하는 단계는,
상기 창고 데이터를 통해 상기 식자재와 종류가 동일한 식자재 중 상기 부족 재고 개수보다 재고가 많은 식자재를 후보 식자재로 선정하는 단계,
상기 후보 식자재가 하나일 경우, 상기 후보 식자재를 대체 식자재로 선정하는 단계,
상기 후보 식자재가 하나보다 많을 경우, 상기 후보 식자재의 가격을 기초로, 상기 후보 식자재의 제1 점수를 생성하는 단계,
상기 후보 식자재의 유통기한을 기초로, 상기 후보 식자재의 제2 점수를 생성하는 단계,
상기 후보 식자재의 옵션을 기초로, 상기 후보 식자재의 제3 점수를 생성하는 단계,
상기 후보 식자재의 제조업체를 기초로, 상기 후보 식자재의 제4 점수를 생성하는 단계,
상기 제1 점수, 상기 제2 점수, 상기 제3 점수 및 상기 제4 점수를 합한 값으로 상기 후보 식자재의 최종 점수를 생성하는 단계, 및
최종 점수가 가장 높은 후보 식자재를 대체 식자재로 선정하는 단계를 포함하는,
식자재 유통을 위한 주문 및 재고 관리 자동화 처리 방법. - 삭제
- 제1항에 있어서,
상기 식자재의 재고량을 예측하여, 상기 식자재의 재고를 관리하는 단계를 더 포함하고,
상기 식자재의 재고량을 예측하는 단계는
현 시점을 기준으로 제1 기간을 설정하는 단계,
상기 제1 기간의 기온, 습도, 강수량, 풍량을 포함하는 날씨 데이터를 획득하는 단계,
상기 제1 기간의 GDP, 소비자 물가 지수, 앵겔 지수를 포함하는 경제 데이터를 획득하는 단계,
상기 제1 기간동안 SNS를 통해 게시된 상기 식자재를 포함하는 게시글을 획득하고, 상기 제1 기간동안 검색 엔진을 통해 검색된 상기 식자재의 검색 횟수를 획득하고, 상기 게시글의 개수 및 상기 검색 횟수를 기초로, 상기 식자재의 관심 지수를 생성하는 단계,
상기 제1 기간 동안 프렌차이즈 매장 증가율을 확인하여, 미리 설정된 기준 증가율을 만족하는 프렌차이즈 매장에서 판매하는 식품의 종류를 기초로, 상기 식자재의 성장 지수를 생성하는 단계,
상기 제1 기간에 대응하는 과거 기간인 제2 기간을 생성하고, 상기 제2 기간의 상기 식자재의 소비량을 획득하여, 과거 식자재 소비 데이터를 생성하는 단계,
상기 식자재의 소비 기간을 획득하는 단계,
상기 날씨 데이터, 상기 경제 데이터, 상기 식자재의 관심 지수, 상기 식자재의 성장 지수, 상기 과거 식자재 소비 데이터 및 상기 식자재의 소비 기간을 기초로, 제1 입력 신호를 생성하는 단계,
상기 제1 입력 신호를 제1 인공신경망에 적용하여 제1 출력 신호를 생성하는 단계, 및
상기 제1 출력 신호에 기반하여 식자재의 재고량을 선정하는 단계를 포함하는,
식자재 유통을 위한 주문 및 재고 관리 자동화 처리 방법.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020230090898A KR102630807B1 (ko) | 2023-07-13 | 2023-07-13 | 식자재 유통을 위한 주문 및 재고 관리 자동화 처리방법, 장치 및 시스템 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020230090898A KR102630807B1 (ko) | 2023-07-13 | 2023-07-13 | 식자재 유통을 위한 주문 및 재고 관리 자동화 처리방법, 장치 및 시스템 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR102630807B1 true KR102630807B1 (ko) | 2024-01-29 |
Family
ID=89716695
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020230090898A KR102630807B1 (ko) | 2023-07-13 | 2023-07-13 | 식자재 유통을 위한 주문 및 재고 관리 자동화 처리방법, 장치 및 시스템 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR102630807B1 (ko) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102684141B1 (ko) * | 2024-03-04 | 2024-07-11 | 주식회사 주원유업 | 수익률 자동 산출을 통한 유제품 유통을 위한 재고 관리 및 주문 처리 자동화 방법, 장치 및 시스템 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102321417B1 (ko) * | 2021-08-06 | 2021-11-05 | (주)와이더 | 제품제조 및 판매관리 자동화 플랫폼 시스템 |
| KR102493786B1 (ko) | 2022-08-12 | 2023-01-31 | 주식회사 넘버제로 | 맞춤형 식자재 자동주문 및 재고파악 방법, 장치 및 시스템 |
| KR102523860B1 (ko) | 2020-07-27 | 2023-04-20 | 주식회사 딜리버리랩 | 소비량 예측을 통한 주문 필요 식자재의 맞춤형 스마트 주문 서비스 제공 방법 |
| KR20230085715A (ko) | 2021-12-07 | 2023-06-14 | 주식회사 더탁 | 인터넷을 통해 식자재를 유통하는 식자재 유통 및 재고 관리 방법 |
| KR102554580B1 (ko) | 2023-04-19 | 2023-07-12 | 뉴통 주식회사 | 인공지능 모델 기반 식자재 및 부자재의 유통 주문 히스토리의 패턴 분석을 통한 물류 창고의 안전 재고량의 추정 및 주문 알람 서비스 제공 방법, 장치 및 시스템 |
-
2023
- 2023-07-13 KR KR1020230090898A patent/KR102630807B1/ko active IP Right Grant
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102523860B1 (ko) | 2020-07-27 | 2023-04-20 | 주식회사 딜리버리랩 | 소비량 예측을 통한 주문 필요 식자재의 맞춤형 스마트 주문 서비스 제공 방법 |
| KR102321417B1 (ko) * | 2021-08-06 | 2021-11-05 | (주)와이더 | 제품제조 및 판매관리 자동화 플랫폼 시스템 |
| KR20230085715A (ko) | 2021-12-07 | 2023-06-14 | 주식회사 더탁 | 인터넷을 통해 식자재를 유통하는 식자재 유통 및 재고 관리 방법 |
| KR102493786B1 (ko) | 2022-08-12 | 2023-01-31 | 주식회사 넘버제로 | 맞춤형 식자재 자동주문 및 재고파악 방법, 장치 및 시스템 |
| KR102554580B1 (ko) | 2023-04-19 | 2023-07-12 | 뉴통 주식회사 | 인공지능 모델 기반 식자재 및 부자재의 유통 주문 히스토리의 패턴 분석을 통한 물류 창고의 안전 재고량의 추정 및 주문 알람 서비스 제공 방법, 장치 및 시스템 |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102684141B1 (ko) * | 2024-03-04 | 2024-07-11 | 주식회사 주원유업 | 수익률 자동 산출을 통한 유제품 유통을 위한 재고 관리 및 주문 처리 자동화 방법, 장치 및 시스템 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Chawla et al. | Demand forecasting using artificial neural networks—a case study of American retail corporation | |
| US10650432B1 (en) | Recommendation system using improved neural network | |
| JP2023538048A (ja) | 画像基盤のパック詰め肉類の品質分類及販売方法、装置及びシステム | |
| JP6163269B2 (ja) | 嗜好分析システム | |
| KR102551997B1 (ko) | 콘텐츠 시청 성향 분석 기반 광고 콘텐츠 기획 자동화 및 커머스 플랫폼 서비스 제공 방법, 장치 및 시스템 | |
| KR102546871B1 (ko) | 인공지능 모델 기반 b2b 식자재 및 부자재의 유통의 주문 히스토리의 패턴 분석을 통한 주문 정보 추천 방법, 장치 및 시스템 | |
| KR102008696B1 (ko) | 거래 이력 데이터의 클러스터링에 기초한 상품 추천 장치 및 방법 | |
| KR102533442B1 (ko) | 인공지능 모델을 기반으로 온라인 판매를 위한 제품 기획 및 마케팅 전략 도출 방법, 장치 및 시스템 | |
| Bhunia et al. | A deteriorating inventory model with displayed stock-level-dependent demand and partially backlogged shortages with all unit discount facilities via particle swarm optimisation | |
| KR102554580B1 (ko) | 인공지능 모델 기반 식자재 및 부자재의 유통 주문 히스토리의 패턴 분석을 통한 물류 창고의 안전 재고량의 추정 및 주문 알람 서비스 제공 방법, 장치 및 시스템 | |
| KR102506472B1 (ko) | 인공지능 기반 초개인화 맞춤형 식품 구매 추천 서비스 제공 방법, 장치 및 시스템 | |
| Tsai et al. | Comparing the Apple iPad and non-Apple camp tablet PCs: a multicriteria decision analysis | |
| Pop et al. | Hybridization of the flower pollination algorithm—a case study in the problem of generating healthy nutritional meals for older adults | |
| KR102601446B1 (ko) | 인공지능 모델을 활용한 인플루언서 기반 판매 제품매칭 플랫폼 서비스 제공 방법, 장치 및 시스템 | |
| KR102630807B1 (ko) | 식자재 유통을 위한 주문 및 재고 관리 자동화 처리방법, 장치 및 시스템 | |
| KR102485355B1 (ko) | 인공지능 기반 온,오프라인 판매 행사 중개 플랫폼 서비스 제공 방법, 장치 및 시스템 | |
| KR102564066B1 (ko) | 유통기한 모니터링이 가능한 식품 물류 처리 제공 방법, 장치 및 시스템 | |
| KR102593858B1 (ko) | 재고 관리 및 수요 예측을 통한 물류 처리 자동화 방법 | |
| KR102674504B1 (ko) | 과일의 숙성도 판별 정보를 기반으로 한 물류 처리 방법 | |
| Hafezalkotob et al. | Game of elimination in a shared market: a novel multi-period game approach to competition of supply chains based on simulation | |
| KR102686003B1 (ko) | 인공지능 기반 신선 식품 물류를 위한 자동 분류 방법, 장치 및 시스템 | |
| KR102669470B1 (ko) | 식자재 유통 처리를 위한 재고 관리 및 수요 예측 방법, 장치 및 시스템 | |
| Sunarya et al. | The comparison between sequential minimal optimization and multilayer perceptron neural network methods in predicting the commodity prices | |
| KR102612805B1 (ko) | 기업 정보에 따른 인공지능 모델 기반 매체 큐레이션 서비스 제공 방법, 장치 및 시스템 | |
| KR102650597B1 (ko) | 농수산물 및 가공식품의 온라인 유통 판매를 위한 주문 처리 및 재고 관리 방법, 장치 및 시스템 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| GRNT | Written decision to grant |