KR20200090799A - 창고 주문 풀필먼트 동작에서의 주문 그룹화 - Google Patents

창고 주문 풀필먼트 동작에서의 주문 그룹화 Download PDF

Info

Publication number
KR20200090799A
KR20200090799A KR1020207016131A KR20207016131A KR20200090799A KR 20200090799 A KR20200090799 A KR 20200090799A KR 1020207016131 A KR1020207016131 A KR 1020207016131A KR 20207016131 A KR20207016131 A KR 20207016131A KR 20200090799 A KR20200090799 A KR 20200090799A
Authority
KR
South Korea
Prior art keywords
order
orders
cluster area
warehouse
item
Prior art date
Application number
KR1020207016131A
Other languages
English (en)
Other versions
KR102477754B1 (ko
Inventor
라이언 존슨
마이클 찰스 존슨
션 존슨
브루스 웰티
Original Assignee
로커스 로보틱스 코포레이션
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 로커스 로보틱스 코포레이션 filed Critical 로커스 로보틱스 코포레이션
Publication of KR20200090799A publication Critical patent/KR20200090799A/ko
Application granted granted Critical
Publication of KR102477754B1 publication Critical patent/KR102477754B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
    • G06Q10/083—Shipping
    • G06Q10/0835—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
    • G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
    • 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

Abstract

창고 관리 시스템의 주문 대기열 내의 복수의 주문을 그룹화하는 방법이 개시되며, 각 주문은 하나 이상의 품목을 포함하고 각 품목은 창고 내의 물리적 위치와 연관된다. 이 방법은 복수의 주문의 각 품목의 창고 내 물리적 위치를 결정하는 단계를 포함한다. 각각의 주문마다, 이 방법은 또한 적어도 하나의 클러스터 영역을 설정하는 단계를 포함하고, 각각의 클러스터 영역은 각각의 주문으로부터 적어도 하나의 품목을 포함한다. 이 방법은 창고 내의 클러스터 영역의 물리적 위치에 기초하여 적어도 하나의 주문 세트를 형성하기 위해 복수의 주문을 그룹화하는 단계를 더 포함한다.

Description

창고 주문 풀필먼트 동작에서의 주문 그룹화
관련 출원의 상호 참조
본 출원은 2017년 11월 9일자로 출원된 미국 특허 출원 번호 제15/807,672호의 우선권을 주장하며, 이 미국 출원은 본원에 참고로 포함된다.
기술 분야
본 발명은 자율 이동 로봇, 인간 조작자, 또는 이들의 조합을 사용하여 주문 실행 효율을 개선하기 위해, 창고 관리 시스템의 주문 대기열(order queue)에서 주문을 그룹화하는 것에 관한 것이다.
주문 풀필먼트(order fulfillment)는 전형적으로 가정 배달(home delivery)을 위해 인터넷을 통해 주문한 고객에게 배송될 제품으로 채워진 대형 창고에서 수행된다. 일부 동작에서, 인간은 창고에서 이리 저리 움직여 주문 내의 품목을 검색함으로써 수동으로 주문을 이행할 수 있다. 다른 동작에서, 로봇은 인간 대신에 품목 검색 기능(item retrieval functions)을 수행하는 데 사용될 수 있거나, 또는 로봇은 생산성 및 효율성을 증가시키기 위해 두 경우 모두에서 인간이 품목을 검색하는 것을 지원하는 데 사용될 수 있다.
적시에, 정확하고 효율적인 방식으로 그러한 주문을 이행(fulfilling)하는 것은 최소한으로 말하는 것이 논리적으로 어려운 과제가 된다. 가상 쇼핑 카트(virtual shopping cart)에서 "체크 아웃" 버튼을 클릭하면 "주문"이 생성된다. 주문은 특정 주소로 배송될 품목 목록을 포함한다. "풀필먼트(fulfillment)"의 프로세스는 대형 창고에서 이러한 품목을 물리적으로 가져 오거나 "피킹(picking)"하고, 이를 포장(packing)하고, 그리고 이를 지정된 주소로 배송(shipping)하는 과정을 포함한다. 따라서, 주문 풀필먼트 프로세스의 중요한 목표는 가능한 한 짧은 시간 내에 많은 품목을 배송하는 것이다.
창고 관리 시스템(warehouse management system)(WMS)은 전술한 것과 같은 주문 풀필먼트 창고에서 일상적인 운용을 지원하는 소프트웨어 애플리케이션으로서, 인간 및/또는 로봇을 이용하여 운용의 효율성 및 생산성을 증가시킬 수 있다. WMS 프로그램을 통해, 재고 수준(inventory levels) 및 비축물 위치(stock locations) 추적과 같은 중앙 집중식 작업 관리를 가능하게 한다. 창고 관리 시스템은 또한 입고, 검사 및 수락, 정리(put-away), 피킹 위치에 대한 내부 보충, 피킹, 포장, 배송 도크 상의 주문 어셈블리, 문서화, 및 배송(운반 차량에 적재) 작업과 같은 주요 및 다수의 사소한 창고 작업을 모두 지원하거나 지시한다.
WMS는 일반적으로 상위 호스트 시스템(일반적으로 ERP 시스템)으로부터 주문을 받는다. 전자 상거래 주문을 통한 주문 이행의 경우, 고객이 온라인으로 주문을 하면, 그에 따른 정보는 호스트 컴퓨터(ERP 시스템)를 통해 WMS로 전달된다. 그 후 이 주문을 관리하는 데 필요한 모든 단계(예컨대, 주문된 품목의 피킹 등)는 WMS 내에서 처리된다. 그 후, 정보는 금융 거래, 고객에 대한 사전 배송 통지, 재고 관리 등을 지원하기 위해 비즈니스 호스트 컴퓨터로 다시 전송된다.
WMS로부터의 주문이 누적됨에 따라, 그 주문은 대기열에 보관되고 인간이나 로봇에게 배포되어 창고에서 주문을 실행하게 된다. 주문은 도달한 순서로 대기열로부터 순서대로 인출되고 인간 및/또는 로봇에게 할당되어 그 주문을 실행할 수 있게 된다. 주문은 또한 고객 계약서에 정의된 서비스 레벨 요구 사항에 따라 또는 고객 배송 요구 사항에 기반하여 주문 대기열에 배치되고 할당될 수 있다. 이러한 시스템은 상당히 정교해졌지만, 주문 대기열 및 할당 프로세스에서 효율성과 생산성을 향상시켜야 할 필요성이 여전히 남아 있다.
기존 시스템과 비교할 때 본 발명의 이익 및 장점은 본 발명의 개요 및 후속되는 상세한 설명으로부터 쉽게 알 수 있을 것이다. 본 기술 분야의 기술자는 본 교시가 아래에 요약되거나 개시된 것 이외의 실시예와 함께 실시될 수 있음을 이해할 것이다.
일 양태에서, 본 발명은 창고 관리 시스템의 주문 대기열 내의 복수의 주문을 그룹화하는 방법을 포함하고, 각 주문은 하나 이상의 품목을 포함하고 각 품목은 창고 내의 물리적 위치와 연관된다. 이 방법은 복수의 주문의 각 품목의 창고 내 물리적 위치를 결정하는 단계를 포함한다. 각각의 주문마다, 상기 방법은 또한 적어도 하나의 클러스터 영역을 설정하는 단계 - 각각의 클러스터 영역은 각각의 주문으로부터 적어도 하나의 품목을 포함함 -, 및 창고에서 클러스터 영역의 물리적 위치에 기초하여 적어도 하나의 주문 세트를 형성하기 위해 복수의 주문을 그룹화하는 단계를 포함한다.
본 발명의 다른 양태에서, 다음의 특징들 중 하나 이상이 포함될 수 있다. 복수의 주문의 각 품목의 창고 내 물리적 위치를 결정하는 단계는 창고에 의해 정의된 좌표 공간에서 복수의 주문의 각 품목의 2 차원 좌표(x, y)를 결정하는 단계를 포함할 수 있다. 이 결정하는 단계는 각 품목과 연관된 기준 마커(fiducial marker)의 2 차원 좌표(x, y)를 포함하는 데이터 구조로부터 각 품목에 대한 2 차원 좌표(x, y)를 검색하는 단계를 포함할 수 있다. 설정하는 단계는, 복수의 주문의 각 주문의 각 품목마다, 2 차원 좌표(x, y)가 해당 주문에 대해 이미 설정된 클러스터 영역 내에 포함되어 있는지를 결정하고, 만약 2 차원 좌표가 포함되어 있다면, 각각의 그러한 품목을 해당 주문에 대한 각 클러스터 영역에 할당하는 단계; 및 만약 2 차원 좌표가 이미 설정된 클러스터 영역 내에 포함되어 있지 않다면, 각각의 주문 내의 각각의 그러한 품목마다의 2 차원 좌표(x, y) 주위에 새로운 클러스터 영역을 설정하는 단계를 포함할 수 있다. 각각의 그러한 품목마다의 2 차원 좌표(x, y)에 대해 새로운 클러스터 영역을 설정하는 단계는 각각의 주문에 대한 새로운 클러스터 영역을 정의하기 위해, 이미 설정된 클러스터 영역 내에 포함되지 않은 각각의 그러한 품목마다의 2 차원 좌표(x, y) 주위에 반경 R을 갖는 원을 형성하는 단계를 포함할 수 있다. 그룹화하는 단계는 각 주문마다 각 클러스터 영역에 대한 위치를 계산하고, 하나의 주문의 각 클러스터 영역의 위치를 복수의 주문 중 적어도 하나의 다른 주문으로부터의 대응하는 클러스터 영역의 위치와 비교하는 단계를 포함할 수 있다. 복수의 주문의 각 주문의 각 클러스터 영역의 위치는 각각의 클러스터 영역 내의 각 품목의 2 차원 좌표(x, y)의 평균을 계산함으로써 결정되어, 각각의 클러스터 영역에 대한 중간점 위치를 획득할 수 있게 된다. 그룹화하는 단계는, 베이스 주문(base order)을 설정하고, 그리고, 복수의 주문 중 다른 각 주문의 대응하는 클러스터 영역의 물리적 위치에 대한 베이스 주문 내의 각 클러스터 영역의 물리적 위치를 결정하기 위해, 베이스 주문 내의 각 클러스터 영역의 중간점을 복수의 주문 중 다른 각 주문의 대응하는 클러스터 영역의 중간점과 비교하는 단계를 더 포함할 수 있다.
본 발명의 다른 양태에서, 다음의 특징들 중 하나 이상이 포함될 수 있다. 베이스 주문 내의 각 클러스터 영역의 중간점을 복수의 주문 중 다른 각 주문의 대응하는 클러스터 영역의 중간점과 비교하는 단계는, 베이스 주문 내의 각 클러스터 영역의 중간점과 복수의 주문 중 다른 각 주문의 대응하는 클러스터 영역의 중간점 간의 거리를 계산하고, 각 계산된 거리를 합산하여, 베이스 주문 내의 각 클러스터 영역의 중간점과 복수의 주문 중 다른 각 주문의 대응하는 클러스터 영역의 중간점 간의 총계 거리를 결정하는 단계를 포함할 수 있다. 그룹화하는 단계는, 베이스 주문 내의 각 클러스터 영역의 중간점과 적어도 하나의 다른 주문의 대응하는 클러스터 영역의 중간점 간의 최저 총계 거리에 기초하여 베이스 주문과 적어도 하나의 다른 주문을 결합하여, 적어도 하나의 주문 세트를 형성하는 단계를 더 포함할 수 있고, 인간 조작자 또는 자율 이동 로봇 중 하나에 적어도 하나의 주문 세트를 할당하는 단계를 포함할 수 있다. 인간 조작자 및 자율 이동 로봇은 주문 용량(order capacity)을 가질 수 있고, 적어도 하나의 주문 세트를 형성하도록 결합된 주문의 수는 인간 조작자 및 자율 이동 로봇의 용량에 기초할 수 있다. 인간 조작자 또는 자율 이동 로봇 중 하나에 적어도 하나의 주문 세트를 할당하는 단계는 주문 세트를 인간 조작자를 위한 핸드헬드 전자 디바이스 또는 자율 이동 로봇을 위한 온보드 전자 디바이스 중 하나로 전자식으로 전송하는 단계를 포함할 수 있다. 주문은 피킹 주문(pick orders), 배치 주문(place orders), 또는 유지 보수 주문(maintenance orders)을 포함할 수 있다. 각 주문마다 설정될 수 있는 클러스터 영역의 최대 수가 존재할 수 있다. 각 주문마다 적어도 하나의 클러스터 영역을 설정하는 단계는 각 클러스터 영역을 창고 내 순차적으로 배열된 복수의 영역 중 하나에 상관시키는 단계를 포함할 수 있다. 클러스터 영역의 최대 수는 창고 내의 영역의 수에 대응할 수 있으며, 각 주문마다 적어도 하나의 클러스터 영역을 설정하는 단계는 창고 내의 복수의 영역의 시퀀스에 기초하여 클러스터 영역을 순차적으로 설정하기 위해 각 주문으로부터 품목을 선택하는 단계를 포함할 수 있다.
다른 양태에서, 본 발명은 주문 대기열 내의 복수의 주문을 그룹화하기 위한 창고 주문 시스템을 포함한다. 창고 주문 시스템은 주문 대기열 내의 복수의 주문을 포함하는 메모리를 포함하며, 각 주문은 하나 이상의 품목을 포함하고 각 품목은 창고 내의 물리적 위치와 연관된다. 창고 주문 시스템은 또한, 복수의 주문 내의 각 품목의 창고 내 물리적 위치를 결정하고, 각 주문마다, 적어도 하나의 클러스터 영역을 설정하도록 구성된 프로세서를 포함하고, 각각의 클러스터 영역은 각각의 주문으로부터의 적어도 하나의 품목을 포함한다. 프로세서는 또한 창고 내의 클러스터 영역의 물리적 위치에 기초하여 적어도 하나의 주문 세트를 형성하기 위해 복수의 주문을 그룹화하도록 구성된다.
본 발명의 추가적인 양태에서, 다음의 특징들 중 하나 이상이 포함될 수 있다. 프로세서는 창고에 의해 정의된 좌표 공간에서 복수의 주문의 각 품목의 2 차원 좌표(x, y)를 결정하도록 추가로 구성될 수 있다. 프로세서는 각 품목과 연관된 기준 마커(fiducial marker)의 2 차원 좌표(x, y)를 포함하는 데이터 구조로부터 각 품목에 대한 2 차원 좌표(x, y)를 검색하도록 추가로 구성될 수 있다. 프로세서는, 복수의 주문의 각 주문의 각 품목마다, 2 차원 좌표(x, y)가 해당 주문에 대해 이미 설정된 클러스터 영역 내에 포함되어 있는지를 결정하고, 만약 2 차원 좌표가 포함되어 있다면, 각각의 그러한 품목을 해당 주문에 대한 각 클러스터 영역에 할당하고; 그리고 만약 2 차원 좌표가 이미 설정된 클러스터 영역 내에 포함되어 있지 않다면, 각각의 주문 내의 각각의 그러한 품목마다의 2 차원 좌표(x, y) 주위에 새로운 클러스터 영역을 설정하도록 추가로 구성될 수 있다. 프로세서는 각각의 주문에 대한 새로운 클러스터 영역을 정의하기 위해, 이미 설정된 클러스터 영역 내에 포함되지 않은 각각의 그러한 품목마다의 2 차원 좌표(x, y) 주위에 반경 R을 갖는 원을 형성하도록 추가로 구성될 수 있다. 프로세서는 각 주문마다 각 클러스터 영역에 대한 위치를 계산하고, 하나의 주문의 각 클러스터 영역의 위치를 복수의 주문 중 적어도 하나의 다른 주문으로부터의 대응하는 클러스터 영역의 위치와 비교하도록 추가로 구성될 수 있다. 프로세서는 각각의 클러스터 영역 내의 각 품목의 2 차원 좌표(x, y)의 평균을 계산하여 각각의 클러스터 영역에 대한 중간점 위치를 획득하도록 추가로 구성될 수 있다. 프로세서는, 베이스 주문을 설정하고, 그리고, 복수의 주문 중 다른 각 주문의 대응하는 클러스터 영역의 물리적 위치에 대한 베이스 주문 내의 각 클러스터 영역의 물리적 위치를 결정하기 위해, 베이스 주문 내의 각 클러스터 영역의 중간점을 복수의 주문 중 다른 각 주문의 대응하는 클러스터 영역의 중간점과 비교하도록 추가로 구성될 수 있다.
본 발명의 다른 추가적인 양태에서, 다음의 특징들 중 하나 이상이 포함될 수 있다. 프로세서는, 베이스 주문 내의 각 클러스터 영역의 중간점과 복수의 주문 중 다른 각 주문의 대응하는 클러스터 영역의 중간점 간의 거리를 계산하고, 각 계산된 거리를 합산하여, 베이스 주문 내의 각 클러스터 영역의 중간점과 복수의 주문 중 다른 각 주문의 대응하는 클러스터 영역의 중간점 간의 총계 거리를 결정하도록 추가로 구성될 수 있다. 프로세서는, 베이스 주문 내의 각 클러스터 영역의 중간점과 적어도 하나의 다른 주문 내의 대응하는 클러스터 영역의 중간점 간의 최저 총계 거리에 기초하여 베이스 주문과 적어도 하나의 다른 주문을 결합하여, 적어도 하나의 주문 세트를 형성하도록 추가로 구성될 수 있다. 프로세서는 인간 조작자 또는 자율 이동 로봇 중 하나에 적어도 하나의 주문 세트를 할당하도록 추가로 구성될 수 있다. 인간 조작자 및 자율 이동 로봇은 주문 용량을 가질 수 있고, 적어도 하나의 주문 세트를 형성하도록 결합될 수 있는 주문의 수는 인간 조작자 및 자율 이동 로봇의 용량에 기초한다. 프로세서는 주문 세트를 인간 조작자를 위한 핸드헬드 전자 디바이스 또는 자율 이동 로봇을 위한 온보드 전자 디바이스 중 하나로 전자식으로 전송하도록 추가로 구성될 수 있다. 주문은 피킹 주문, 배치 주문, 또는 유지 보수 주문을 포함할 수 있다. 각 주문마다 설정될 수 있는 클러스터 영역의 최대 수가 존재할 수 있다. 프로세서는 각 클러스터 영역을 창고 내 순차적으로 배열된 복수의 영역 중 하나에 상관시키도록 추가로 구성될 수 있다. 클러스터 영역의 최대 수는 창고 내의 영역의 수에 대응할 수 있으며, 프로세서는 창고 내의 복수의 영역의 시퀀스에 기초하여 클러스터 영역을 순차적으로 설정하기 위해 각 주문으로부터 품목을 선택하도록 추가로 구성될 수 있다.
본 발명의 이들 및 다른 특징들은 다음의 상세한 설명 및 첨부 도면으로부터 알 수 있을 것이다.
본 발명의 실시예는 이제 첨부된 도면을 참조하여 예로서만 기술될 것이다.
도 1은 주문 풀필먼트(order-fulfillment) 창고의 평면도이다.
도 2a는 도 1에 도시된 창고에서 사용되는 로봇들 중 하나의 베이스(base)의 정면도이다.
도 2b는 도 1에 도시된 창고에서 사용되는 로봇들 중 하나의 베이스의 사시도이다.
도 3은 뼈대가 장착되고 도 1에 도시된 선반(shelf) 앞에 파킹된 도 2a 및 도 2b의 로봇의 사시도이다.
도 4는 로봇 상의 레이저 레이더를 사용하여 생성된 도 1의 창고의 부분 맵이다.
도 5는 창고 전체에 분산된 기준 마커(fiducial markers)를 찾고 기준 마커 포즈(fiducial marker poses)를 저장하는 프로세스를 도시한 흐름도이다.
도 6은 기준 식별자 대 포즈 매핑(fiducial identification to pose mapping)의 테이블이다.
도 7은 빈 위치 대 기준 식별자 매핑(bin location to fiducial identification mapping)의 테이블이다.
도 8은 제품 SKU 대 포즈 매핑의 프로세스를 도시한 흐름도이다.
도 9는 본 발명의 일 양태에 따른 클러스터 영역의 설정을 도시하는 창고의 평면도이다.
도 10은 본 발명의 일 양태에 따른 주문 대기열의 일부를 도시한 테이블이다.
도 11은 본 발명의 일 양태에 따른 클러스터 영역의 중간점이 결정되는 것을 도시하는 도 9의 창고의 일부의 평면도이다.
도 12은 본 발명의 일 양태에 따른 클러스터 영역을 설정하는 프로세스를 설명하는 흐름도이다.
도 13은 도 10의 테이블과는 상이한 구성에서 주문 1 내지 주문 3의 클러스터 영역에 대한 중간점 좌표를 도시한다.
도 14a는 이들 클러스터 영역의 중간점 사이의 거리를 도시하기 위해 주문 1 및 주문 2에 대한 3 개의 클러스터 영역 중 제 1 클러스터 영역을 도시한 도면이다.
도 14b는 이들 클러스터 영역의 중간점 사이의 거리를 도시하기 위해 주문 1 및 주문 2에 대한 3 개의 클러스터 영역 중 제 2 클러스터 영역을 도시한 도면이다.
도 14c는 이들 클러스터 영역의 중간점 사이의 거리를 도시하기 위해 주문 1 및 주문 2에 대한 3 개의 클러스터 영역 중 제 3 클러스터 영역을 도시한 도면이다.
도 15는 본 발명의 일 양태에 따른 영역들로 분할된 창고의 일부를 도시한 평면도이다.
도 16은 세 개의 주문 내의 개별 품목과 이들 품목이 도 15의 창고 내 영역에 어떻게 매핑되는지를 예시한 도면이다.
도 17은 본 발명의 일 양태에 따른 주문 그룹화 프로세스를 도시한 흐름도이다.
본 개시 내용 및 그 다양한 특징들 및 유리한 세부 사항들은 첨부 도면에서 설명되고/되거나 예시되고 아래의 설명에서 상세히 설명되는 비 제한적인 실시예 및 예를 참조하여 보다 완전하게 설명된다. 주목해야 하는 것은 도면에 예시된 특징들은 반드시 축척대로 도시된 것은 아니며, 본원에서 명시적으로 언급되지 않더라도, 본 기술 분야의 기술자가 인식할 수 있는 바와 같이, 일 실시예의 특징들은 다른 실시예들과 함께 이용될 수 있다는 것이다. 널리 알려진 컴포넌트 및 처리 기술에 대한 설명은 본 개시 내용의 실시예를 불필요하게 모호하게 하지 않도록 생략될 수 있다. 본원에서 사용된 예는 단지 본 개시 내용이 실시될 수 있는 방식의 이해를 용이하게 하고, 추가로 본 기술 분야의 기술자가 본 개시 내용의 실시예를 실시할 수 있게 하기 위한 것이다. 따라서, 본원의 예 및 실시예는 본 개시 내용의 범위를 제한하는 것으로 해석되어서는 안된다. 더욱이, 주목되는 것은 유사한 참조 번호는 도면들의 여러 도면에 걸쳐 유사한 부분을 나타낸다는 것이다.
본 개시 내용은 효율성 및 생산성을 증가시키기 위해 창고에서 자율 이동 로봇(autonomous mobile robots), 즉 "AMR"을 사용하여 주문 풀필먼트 동작에 적용될 수 있는 주문 그룹화 프로세스에 관한 것이다. 본 출원에서 로봇의 사용은 주문 그룹화 프로세스에 대한 맥락을 제공하도록 설명될 것이다. 설명된 본 출원에서, 로봇은 인간 조작자에 의해 지원을 받아 품목의 피킹 및 배치를 보다 효율적으로 수행하지만, 본 개시 내용은 피킹 및 배치 동작을 수행하는 팔이 연결된 로봇에도 동일하게 적용 가능하다. 또한, 본 개시 내용에 따른 주문 그룹화 프로세스는, 인간 조작자가 AMR의 지원없이도 주문 풀필먼트 동작을 수행하는 창고에서 주문 풀필먼트 동작에 사용될 수 있음에 주목해야 한다. 또한, 본 개시 내용에 따른 주문 그룹화 프로세스는 AMR, 인간 조작자, 또는 이 둘의 조합을 사용하여 다른 애플리케이션에도 보다 일반적으로 적용될 수 있다.
본원에 제공된 설명은 고객에게 배송하기 위한 주문을 이행하기 위해 창고 내의 빈 위치(bin locations)에서 품목을 피킹(picking)하는 데 중점을 두고 있지만, 이 시스템은 창고로 입고된 품목을 나중의 검색 및 고객으로의 배송을 위해, 창고 전체의 빈 위치에 보관 또는 배치하는 데에 동일하게 적용될 수 있다. 본 발명은 또한 제품의 통합, 계수, 검증, 검사 및 정화와 같은 창고 시스템과 관련된 재고 관리 작업에도 적용 가능하다.
도 1을 참조하면, 전형적인 주문 풀필먼트 창고(order-fulfillment warehouse)(10)는 주문(16)에 포함될 수 있는 다양한 품목으로 채워진 선반(12)을 포함한다. 동작시, 창고 관리 서버(15)로부터의 주문(16)은 주문 서버(order-server)(14)에 도달한다. 주문 서버(14)는 주문 또는 주문 그룹(주문 세트)(16)을 창고(10)를 로밍하는 복수의 로봇 중에서 선택된 로봇(18)(자율 이동 로봇일 수 있음)에 통신한다. 주문 서버(14)의 기능은 창고 관리 서버(15)의 기능과 함께 단일 서버로 통합될 수 있음에 주목해야 한다. 또한, 충전 구역(19)이 도시되며, 이 구역에는 하나 이상의 충전 스테이션이 위치될 수 있다. 주문/주문 세트를 실행하는 로봇(18)의 동작이 먼저 설명될 것이다. 다음으로, 효율성 및 생산성을 증가시키기 위해, 주문 서버(14) 및/또는 창고 관리 서버(15)에 의해 주문 세트 내로 주문들을 그룹화하고 주문 세트를 로봇에 할당하는 본 개시 내용의 일 양태에 따른 프로세스가 설명될 것이다.
바람직한 실시예에서, 도 2a 및 도 2b에 도시된 로봇(18)은 레이저 레이더(22)를 갖는 자율 휠 베이스(autonomous wheeled base)(20)를 포함한다. 베이스(20)는 또한 로봇(18)으로 하여금 주문 서버(14)로부터 명령어를 수신하게 하는 트랜시버(미도시), 및 한 쌍의 디지털 광학 카메라(24a 및 24b)를 특징으로 하고 있다. 로봇 베이스는 또한 자율 휠 베이스(20)에 전력을 공급하는 배터리를 재충전하기 위한 전기 충전 포트(26)(도 10 및 도 11에 보다 상세히 설명됨)를 포함한다. 베이스(20)는 또한 로봇의 환경을 나타내는 정보를 캡처하기 위해 레이저 레이더 및 카메라(24a 및 24b)로부터 데이터를 수신하는 프로세서(미도시)를 특징으로 하고 있다. 도 3에 도시된 바와 같이, 창고(10) 내에서의 내비게이션과 연관된 다양한 작업을 수행하고, 선반(12) 상에 배치된 기준 마커(fiducial marker)(30)로 내비게이션하도록 프로세서와 함께 동작하는 메모리(미도시)가 존재한다. 기준 마커(30)(예컨대, 2 차원 바코드)는 주문된 품목의 빈(bin)/위치(location)에 대응한다. 본 발명의 내비게이션 접근법은 도 4 내지 도 8과 관련하여 아래에서 상세하게 설명된다. 기준 마커는 또한 충전 스테이션을 식별하는 데 사용되며, 이러한 충전 스테이션 기준 마커로의 내비게이션은 주문된 품목의 빈/위치로의 내비게이션과 동일하다. 로봇이 충전 스테이션으로 내비게이션하면, 로봇을 충전 스테이션에 도킹시키는 데 보다 정확한 내비게이션 접근법이 사용되며, 이러한 내비게이션 접근법은 아래에 설명되고 있다.
다시 도 2b를 참조하면, 베이스(20)는 품목을 운반하기 위한 토트(tote) 또는 빈(bin)이 보관될 수 있는 상부 표면(32)을 포함한다. 또한, 복수의 교환 가능한 뼈대(40) 중 어느 하나와 맞물리는 커플링(34)이 도시되어 있으며, 이러한 뼈대 중 하나가 도 3에 도시되어 있다. 도 3의 특정 뼈대(40)는 품목을 수용하는 토트(44)를 운반하기 위한 토트 홀더(tote-holder)(42)(이 경우, 선반), 및 태블릿(48)을 지지하기 위한 태블릿 홀더(tablet holder)(46)(또는 랩탑/다른 사용자 입력 디바이스)를 특징으로 하고 있다. 일부 실시예에서, 뼈대(40)는 품목을 운반하기 위한 하나 이상의 토트를 지지한다. 다른 실시예에서, 베이스(20)는 수용된 품목을 운반하기 위한 하나 이상의 토트를 지지한다. 본원에 사용된 용어 "토트"는 화물(cargo) 홀더, 빈(bins), 케이지(cages), 선반(shelves), 품목이 매달릴 수 있는 막대(rod), 캐디(caddies), 상자(crates), 랙(racks), 스탠드(stands), 가대(trestle), 컨테이너(containers), 박스(boxes), 캐니스터(canisters), 베슬(vessels), 및 리포지토리(repositories)를 제한 없이 포함한다.
로봇(18)이 현재의 로봇 기술을 사용하여 창고(10) 주위를 이동하는 데에는 우수하지만, 팔이 연결된 로봇은 선반으로부터 품목을 피킹하고 그 품목을 토트(44)에 배치하는 것을 빠르고 효율적으로 수행하는 데에는 아직 최적화되어 있지 않다. 현재, 품목을 피킹하는 보다 효율적인 방식은, 선반(12)으로부터 주문된 품목을 물리적으로 제거하고, 그것을 로봇(18) 상에, 예를 들어, 토트(44)에 배치하는 작업을 수행하기 위해, 전형적으로 인간인 로컬 조작자(50)를 이용하는 것이다. 로봇(18)은, 로컬 조작자(50)가 판독할 수 있는 태블릿(48)(또는 랩탑/다른 사용자 입력 디바이스)을 통해, 또는 로컬 조작자(50)가 사용하는 핸드헬드 디바이스에 주문을 전송함으로써, 로컬 조작자(50)에게 요구된 주문을 통신한다. 본원에 설명되는 주문 그룹화 개시 내용은 기술이 발전함에 따라 피킹 및 배치 동작을 수행하는 팔이 연결된 로봇에 동일하게 적용 가능하다.
주문 서버(14)로부터 주문/주문 세트(16)를 수신하면, 로봇(18)은, 예를 들어, 도 3에 도시된 바와 같이, 제 1 창고 위치로 진행하여, 주문/주문 세트 내의 제 1 품목에 대한 기능(예컨대, 피킹/배치)을 실행한다. 그것은 메모리에 저장되고 프로세서에 의해 수행되는 내비게이션 소프트웨어에 기초하여 수행된다. 내비게이션 소프트웨어는 레이저 레이더(22)에 의해 수집된 바와 같은 환경에 관한 데이터, 특정 품목이 발견될 수 있는 창고(10)의 위치에 대응하는 기준 마커(30)의 기준 식별자("ID")를 식별하는 메모리 내의 내부 테이블, 및 내비게이션하는 카메라(24a 및 24b)에 의존하고 있다.
정확한 위치에 도달하면, 로봇(18)은 물품이 보관되어 있는 선반(12) 앞에 스스로 파킹하고, 로컬 조작자(50)가 선반(12)으로부터 물품을 검색하여 이를 토트(44)에 배치하기를 기다린다. 로봇(18)이 검색할 다른 품목을 갖는 경우, 로봇은 그 위치로 진행한다. 로봇(18)에 의해 검색된 품목(들)은 그 후 포장 스테이션(100)(도 1)으로 배달되고, 그곳에서 품목들이 포장되어 배송된다.
본 기술 분야의 기술자는 로봇이 충분한 용량을 가지고 적절한 토트 구성을 가질 경우, 각각의 로봇이 하나 이상의 주문을 이행할 수 있고 각각의 주문은 하나 이상의 품목으로 구성될 수 있음을 이해할 것이다. 개별 로봇에 할당하기 위해 주문을 주문 세트로 그룹화하는 프로세스는 운영 효율성 및 전반적인 생산성을 향상시킬 수 있으며, 이는 아래에서 보다 상세하게 설명될 것이다.
본 발명의 설명을 단순화하기 위해, 단일 로봇(18) 및 조작자(50)가 설명된다. 그러나, 도 1로부터 명백한 바와 같이, 전형적인 풀필먼트 동작은 연속적인 주문 흐름을 채우기 위해 창고에서 서로 간에 작업하는 많은 로봇 및 조작자를 포함한다.
본 발명의 내비게이션 접근법뿐만 아니라, 품목이 위치한 창고에서 기준 마커와 연관된 기준 ID/포즈에 대한 검색될 품목의 SKU의 시맨틱 매핑이 도 4 내지 도 8과 관련하여 아래에서 상세히 설명된다. 전술한 바와 같이, 로봇이 자신의 배터리를 재충전하기 위해 충전 스테이션으로 내비게이션하는 것을 가능하게 하는 데 동일한 내비게이션 접근법이 사용될 수 있다.
하나 이상의 로봇(18)을 사용하여, 창고 전체에 분산된 다양한 기준 마커의 위치뿐만 아니라, 정적 및 동적인 물체의 위치를 결정하기 위해, 창고(10)의 맵이 생성되고 동적으로 업데이트되어야 한다. 하나 이상의 로봇(18)은 레이저 레이더(22) 및 SLAM(simultaneous localization and mapping)을 이용하여, 창고를 내비게이션하고 도 4의 맵(10a)을 구축/업데이트하며, 상기 SLAM은 알려지지 않은 환경의 가상 맵을 구성 또는 업데이트하는 계산적인 방법이다. 널리 사용되는 SLAM 근사화 솔루션 방법은 입자 필터(particle filter) 및 확장된 칼만 필터(extended Kalman filter)를 포함한다. SLAM GMapping 방식이 선호되는 방식이지만, 임의의 적합한 SLAM 방식이 사용될 수 있다.
로봇(18)은, 로봇(18)이 공간 전체를 이동하면서, 자신의 레이저 레이더(22)가 환경을 스캔함에 따라 수신하게 되는 반사에 기초하여, 개방 공간(112), 벽(114), 물체(116), 및 공간 내의 선반(12a)과 같은 다른 정적 장애물을 식별하므로, 레이저 레이더(22)를 이용하여 창고(10)의 맵(10a)을 생성/업데이트한다.
맵(10a)을 구성하는 동안 또는 그 이후에, 하나 이상의 로봇(18)은 환경을 스캔하는 카메라(24a 및 24b)를 사용하여 창고(10)를 내비게이션하여, 창고 전체에 걸쳐 분산되어 있으며 품목들이 보관되어 있는 빈(예컨대, 도 3의 32 및 34)에 인접한 선반 상의 기준 마커(2 차원 바코드)를 찾는다. 로봇(18)은 알려진 참조 포인트 또는 참조를 위한 원점, 예컨대, 원점(110)을 사용한다. 기준 마커, 예컨대, 도 3 및 도 4의 기준 마커(30)가 카메라(24a 및 24b)를 사용하는 로봇(18)에 의해 탐색되면, 원점(110)에 대한 창고 내의 위치가 결정된다. 도 2a에 도시된 바와 같이, 로봇 베이스의 양측에 하나씩인 두 개의 카메라를 사용함으로써, 로봇(18)은 로봇의 양 측면으로부터 확장되는 비교적 넓은 시야(예를 들어, 120도)를 가질 수 있다. 이를 통해, 로봇은 선반의 통로를 따라 위아래로 이동할 때 통로의 양쪽에 있는 기준 마커를 볼 수 있다.
휠 인코더(wheel encoders) 및 헤딩 센서(heading sensors)를 사용함으로써, 벡터(120), 및 창고(10) 내에서의 로봇의 포지션(position)이 결정될 수 있다. 기준 마커/이차원 바코드의 캡처된 이미지 및 그것의 알려진 크기를 사용하여, 로봇(18)은 로봇으로부터 기준 마커/이차원 바코드에 대한 방향 및 거리, 즉 벡터(130)를 결정할 수 있다. 벡터들(120 및 130)이 알려지면, 원점(110)과 기준 마커(30) 간의 벡터(140)가 결정될 수 있다. 벡터(140) 및 로봇(18)에 대한 기준 마커/이차원 바코드의 결정된 방향으로부터, 기준 마커(30)에 대한 방향 또는 4원수(x, y, z, ω)와 더불어 창고 내의 포지션(x, y, z 좌표)을 포함하는 포즈가 결정될 수 있다. 기준 포즈가 전형적으로 바닥에 위치하여 z 좌표가 0이므로 좌표는 x 및 y 좌표만을 포함할 수 있음에 주목해야 한다.
기준 마커 위치 프로세스를 설명하는 도 5의 흐름도(200)가 설명된다. 이것은 초기 매핑 모드에서 그리고 로봇(18)이 피킹, 배치, 및/또는 다른 작업을 수행하는 동안 창고에서 새로운 기준 마커를 만나게 되면 수행된다. 단계(202)에서, 로봇(18)은 카메라(24a 및 24b)를 사용하여 이미지를 캡처하고, 단계(204)에서 캡처된 이미지 내의 기준 마커를 검색한다. 기준 마커가 이미지에서 발견되면(단계 204), 단계(206)에서, 기준 마커가, 로봇(18)의 메모리(34)에 위치할 수 있고 및/또는 창고 관리 시스템(15)에 위치할 수 있는 도 6의 기준 테이블(300)에 이미 저장되어 있는지가 결정된다. 기준 정보가 이미 메모리에 저장되어 있으면, 흐름도는 다른 이미지를 캡처하기 위해 단계(202)로 리턴한다. 기준 정보가 메모리에 있지 않으면, 포즈가 상술된 프로세스에 따라 결정되고, 단계(208)에서 기준 대 포즈 룩업 테이블(fiducial to pose lookup table)(300)에 추가된다.
각 로봇의 메모리에 저장될 수 있고 및/또는 창고 관리 시스템(15)에 저장될 수 있는 룩업 테이블(300)에는 각 기준 마커마다, 기준 식별자(1, 2, 3, 등), 및 각각의 기준 식별자와 연관된 기준 마커/바코드에 대한 포즈가 포함된다. 전술한 바와 같이, 포즈는 방향과 함께 창고 내의 x, y, z 좌표, 즉, 4원수(x, y, z, ω)로 구성된다.
각각의 로봇의 메모리에 또한 저장될 수 있고 및/또는 창고 관리 시스템(15)에 저장될 수 있는 도 7의 다른 룩업 테이블(400)에는 특정 기준 ID(404)의, 예컨대, 번호 “11”과 상관 관계에 있는 창고(10) 내의 빈 위치(bin locations)(예컨대, 402a-f)의 목록이 존재한다. 이 예에서, 빈 위치는 7 개의 영숫자의 문자로 구성된다. 처음 6 개의 문자(예컨대, L01001)는 창고 내 선반 위치와 관련되며 마지막 문자(예컨대, A-F)는 선반 위치에서의 특정 빈을 식별한다. 이 예에서는 기준 ID “11”과 연관된 6 개의 상이한 빈 위치가 존재한다. 각 기준 ID/마커와 연관된 하나 이상의 빈이 있을 수 있다. 도 1의 충전 구역(19)에 위치한 충전 스테이션은 또한 테이블(400)에 저장될 수 있고 기준 ID와 상관될 수 있다. 기준 ID들로부터, 충전 스테이션의 포즈는 도 6의 테이블(300)에서 발견될 수 있다.
영숫자의 빈 위치는 인간(예컨대, 도 3의 조작자(50))에게는 품목이 보관되는 창고(10)의 물리적 위치에 대응하는 것으로 이해될 수 있다. 그러나, 이러한 빈 위치는 로봇(8)에는 의미가 없다. 위치를 기준 ID에 매핑함으로써, 로봇(18)은 도 6의 테이블(300) 내의 정보를 사용하여 기준 ID의 포즈를 결정할 수 있고, 그 후 본원에 설명된 바와 같이 포즈에 내비게이션할 수 있다.
본 발명에 따른 주문 풀필먼트 프로세스는 도 8의 흐름도(500)에 도시되어 있다. 단계(502)에서, 도 1의 창고 관리 시스템(15)은 검색될 하나 이상의 품목으로 구성될 수 있는 주문을 획득한다. 단계(504)에서, 품목의 SKU 번호(들)는 창고 관리 시스템(15)에 의해 결정되며, 그리고 단계(506)에서 SKU 번호(들)로부터 빈 위치(들)가 결정된다. 그 후 주문에 대한 빈 위치의 목록이 로봇(18)으로 전송된다. 단계(508)에서, 로봇(18)은 빈 위치를 기준 ID에 상관시키고, 단계(510)에서 기준 ID로부터 각각의 기준 ID의 포즈가 획득된다. 단계(512)에서, 로봇(18)은 도 3에 도시된 바와 같은 포즈에 내비게이션하고, 여기서, 조작자는 적합한 빈으로부터 검색될 품목을 피킹하여 로봇 상에 배치할 수 있다.
창고 관리 시스템(15)에 의해 획득되는 품목 특정 정보, 예컨대, SKU 번호 및 빈 위치는 로봇(18) 상의 태블릿(48)으로 전송될 수 있고, 그에 따라 로봇(50)이 각각의 기준 마커 위치에 도달할 때 검색될 특정 품목이 조작자(50)에게 통지될 수 있다.
SLAM 맵과 기준 ID의 포즈가 알려지면, 로봇(18)은 다양한 로봇 내비게이션 기술을 사용하여 기준 ID 중 임의의 하나에게로 쉽게 내비게이션할 수 있다. 바람직한 접근법은 창고(10) 내의 개방 공간(112) 및 벽(114), 선반(예컨대, 선반(12)), 및 다른 장애물(116)에 대한 지식을 감안하여, 기준 마커 포즈로의 초기 루트(initial route)를 설정하는 것을 포함한다. 로봇이 레이저 레이더(22)를 사용하여 창고를 가로 지르기 시작함에 따라, 로봇은 자신의 경로 내에 고정 또는 동적인 임의의 장애물, 예컨대, 다른 로봇(18) 및/또는 조작자(50)가 있는지를 결정하고, 기준 마커의 포즈로의 자신의 경로를 반복적으로 업데이트한다. 로봇은 약 50 밀리초마다 한 번씩 자신의 경로를 재계획하며(re-plans), 장애물을 피하면서 가장 효율적이고 효과적인 경로를 지속적으로 검색한다.
일반적으로, 창고(10a) 내의 로봇의 로컬화는 SLAM 가상 맵 상에서 동작되는 다 대 다 다중 해상도 스캔 매칭(many-to-many multiresolution scan matching)(M3RSM)에 의해 달성된다. 무작위 대입(brute force) 방법에 비해, M3RSM은 로봇이 로봇 포즈와 포지션을 결정하는 데 있어 두 가지 중요한 단계인 SLAM 루프 클로저(SLAM loop closure) 및 스캔 매칭(scan matching)을 수행하는 계산 시간을 획기적으로 감소시킨다. 로봇 로컬화는 2017년 9월 22일에 출원된 “Multi-Resolution Scan Matching with Exclusion Zones”이라는 명칭의 관련 미국 출원 번호 제15/712,222호에 개시된 방법에 따라 M3SRM 검색 공간을 최소화함으로써 더욱 개선되며, 이 미국 출원은 그 전체가 본원에 참고로 포함된다.
본원에서 모두 기술되는, SLAM 내비게이션 기술과 결합된 제품 SKU/기준 ID 대 기준 포즈 매핑 기술로 인해, 로봇(18)은 창고 내 위치를 결정하기 위한 그리드 라인 및 중간 기준 마커를 포함하여 통상적으로 사용되는 보다 복잡한 내비게이션 접근법을 사용할 필요 없이, 창고 공간에 매우 효율적이고 효과적으로 내비게이션할 수가 있다.
일반적으로, 창고 내에 다른 로봇 및 움직이는 장애물이 존재하는 경우의 내비게이션은 동적 윈도우 접근법(dynamic window approach)(DWA) 및 최적의 상호 충돌 방지(optimal reciprocal collision avoidance)(ORCA)를 포함한 충돌 방지 방법에 의해 달성된다. DWA는 실행 가능한 로봇 모션 궤적 중에서 장애물과의 충돌을 방지하고 타겟 기준 마커에 대한 원하는 경로를 선호하는 증분 이동(incremental movement)을 계산한다. ORCA는 다른 로봇(들)과 통신할 필요없이 다른 움직이는 로봇과의 충돌을 최적으로 방지한다. 내비게이션은 대략 50ms 업데이트 간격으로 계산된 궤도에 따른 일련의 증분 이동으로서 진행된다. 충돌 방지는 2017년 9월 22일에 출원된 “Dynamic Window Approach Using Optimal Reciprocal Collision Avoidance Cost-Critic”이라는 명칭의 미국 출원 번호 제15/712,256호에 설명된 기술에 의해 추가로 개선될 수 있으며, 이 미국 출원은 그 전체가 본원에 참고로 포함된다.
위에서 언급한 바와 같이, 개별 로봇에 할당하기 위해 주문(각각의 주문은 하나 이상의 품목을 포함함)을 주문 세트로 그룹화하는 프로세스는 운영 효율성 및 전반적인 생산성을 향상시킬 수 있으며, 이는 도 9 내지 도 17과 관련하여 아래에서 보다 상세하게 설명될 것이다. 로봇은 단일 로봇이 다수의 주문을 실행하게 하는 토트 어레이들을 빈 또는 구획 당 하나씩 가질 수 있다. 이러한 토트 어레이들의 예는 2016년 9월 1일에 출원된 미국 특허 출원 번호 제15/254,321호에 기술되며, 이는 그 전체가 본원에 참고로 포함되며, "유사한" 주문을 함께 클러스터링하거나 그룹화할 기회를 제공하여, 로봇이 주문 세트를 실행하는 데 필요한 이동량을 감소시키게 된다. 주문들은, 예를 들어, 하나의 주문의 개별 품목 또는 "픽(pick)"이 창고 내에서 서로 근접하여 위치한다면, 서로 "유사"한 것으로 결정될 수 있다. 로봇에 할당하기 위해 유사한 주문을 그룹화할 때, 로봇은 보다 적은 거리를 이동하여 주문을 이행하게 될 것이고, 따라서 픽 레이트(pick rates)와 창고 운영의 전체 효율성/생산성을 증가시키게 될 것이다.
전형적인 창고 관리 시스템은 창고에 보관된 품목의 창고 내 물리적 위치에 대한 정보를 포함하고 있지 않다. 전술한 바와 같이, 본 발명의 일 양태에 따른 시스템은 창고 내에 보관된 모든 품목의 위치(x, y 좌표)를 알고 있다. 이 정보를 사용하면, 창고 내 위치에 기초하여 주문을 그룹화할 수 있다.
도 9의 창고(600)의 표현은 각각 x, y 축(602 및 604)을 갖는 좌표 그래프로 도시되어 있다. 이 예에서, x 및 y 축 모두는 원점(606)(좌표 0, 0)으로부터 길이 80 미터까지 연장된다. 창고 내의 품목 위치가 매핑될 수 있게 하는 좌표계로 공간이 분할되는 한 다양한 형상 및 창고 구성이 이용될 수 있다. 이 그래프에는 "원", "삼각형" 및 "대시"로 각각 지정된 세 개의 주문의 품목 위치가 표시된다. 물론, 이것은 본 발명에 따른 주문 그룹화 프로세스를 보다 쉽게 예시하는 단순화된 예이다. 또한, 이해의 용이성을 위해, 일반적으로 존재하는 선반 유닛 또는 다른 물체는 이 도면에 도시되어 있지 않다.
도 10을 참조하면, 창고 관리 시스템으로부터의 주문 대기열(650)의 일부가 도시되어 있으며, 여기에는 실행을 위한 로봇에 할당하기 위해 대기열에 있는 현재 주문(열(652)에 나열됨)이 모두 포함된다. 주문은, 예를 들어, 서비스 레벨 계약 및/또는 배송 요구 사항에 의한 것을 포함하여 다양한 방식으로 정렬/배열될 수 있다. 본 발명의 주문 세트 그룹화 양태는 주문이 어떻게 정렬되고 우선 순위화되는지와는 무관하며; 일단 주문이 적절히 대기열 있으면, 이 프로세스는 주문을 할당을 위한 주문 세트로 그룹화하는 데 사용된다. 본원의 바람직한 실시예는 주문을 실행하기 위해 로봇을 이용하여 설명되지만, 본 발명은 주문을 피킹하기 위해 인간을 이용하는 창고 주문 풀필먼트 동작에 동일하게 적용 가능하다. 주문을 피킹하는 데 인간을 이용하는 경우, 주문 세트로 그룹화된 주문은 창고 관리 시스템에 의해, 인간이 보유 또는 착용할 수 있거나 또는 인간이 품목을 운반하는 데 사용할 카트 상에 위치될 수 있는 핸드헬드 컴퓨팅 또는 전자 디바이스에 전송될 수 있다.
계속해서 도 10을 참조하면, 열(652) 내의 각 주문마다에는 좌표(x1,y1), (x2,y2), 및 (x3,y3)를 포함하는 세 개의 세트의 열(654, 656, 및 658)이 존재한다. 이 좌표는 클러스터 영역의 중간점에 대응하며, 클러스터 영역은 도 9의 창고 좌표 그래프(600)에 표시된다. 클러스터 영역은 좌표 그래프 상에 품목의 위치를 플로팅하고 이들 품목의 위치를 서로 근접한 하나 이상의 품목의 클러스터로 그룹화함으로써 형성된다. 주문 내의 품목을 클러스터 영역 내로 그룹화하는 특정 프로세스는 도 13의 흐름도와 관련하여 보다 상세히 설명될 것이다.
먼저, 클러스터 영역을 일반적으로 설명하기 위해, 도 9에 도시된 바와 같은 단순화된 예가 제공된다. 처음 세 개의 주문, 즉, 대기열(650)(도 10)에 제시된 주문 번호(107387396, 107387878, 및 107388221)는 도 9의 창고(600)의 좌표 그래프 상에 표시되는 유일한 주문이다. 또한, 이 간단한 예에서는 주문 당 3 개의 품목만이 존재한다. 전형적인 창고 시스템에는 더 많은 주문이 표시되며 각 주문은 하나 이상의 품목을 가질 것이다.
제 1 주문(107387396) 내의 품목은 도 9에서 삼각형(608a, 608b 및 608c)으로 표시되며, 이들 삼각형은 각각 좌표(x1 = 57.56, y1 = 37.23), (x2 = 57.38, y2 = 68.52), 및 (x3 = 73.9, y3 = 57.88)에 존재하게 된다. 제 2 주문(107387878) 내의 품목은 원(610a, 610b 및 610c)으로 표시되며, 이들 원은 각각 좌표(x1 = 54.83, y1 = 45.06), (x2 = 57.36, y2 = 66.47) 및 (x3 = 73.44, y3 = 58.20)에 존재하게 된다. 제 3 주문(107388221) 내의 품목은 대시(612a, 612b 및 612c)로 표시되며, 이들 대시는 각각 좌표(x1 = 65.31, y1 = 25.35), (x2 = 57.38, y2 = 68.52) 및 (x3 = 73.09, y3 = 57.25)에 존재하게 된다. 세 개의 주문 내의 품목들의 좌표는 그 품목의 포즈에 대응하며, 이 포즈는 테이블(300)(도 6)과 같은 데이터 구조에 이미 알려져 있고 저장되어 있다. 도 9에는 도시되어 있지 않지만, 주문 대기열(650)에 남아 있는 주문으로부터의 품목이 또한 표시될 것이다.
계속해서 도 9를 참조하면, 하나 이상의 클러스터 영역이 각각의 주문마다 형성된다. 클러스터 영역(614a)은 삼각형(608a) 주위에 형성될 수 있으며, 이 삼각형(608a)은 제 1 주문(107387396) 내의 제 1 품목을 나타낸다. 이 영역은 삼각형(608a)의 좌표(x1 = 57.56, y1 = 37.23))로부터 연장되는 반경 R의 원형 형상일 수 있다. 클러스터 영역(616a)은 원(610a) 주위에 형성될 수 있으며, 이 원(610a)은 제 2 주문(107387878) 내의 제 1 품목을 나타낸다. 이 영역은 또한 원(610a)의 좌표(x2 = 57.38, y2 = 68.52))로부터 연장되는 반경 R의 원형 형상일 수 있다. 또한, 클러스터 영역(618a)은 대시(612a) 주위에 형성될 수 있으며, 이 대시(612a)는 제 3 주문(107388221) 내의 제 1 품목을 나타낸다. 이 영역은 또한 대시(612a)의 좌표(x3 = 73.09, y3 = 57.25))로부터 연장되는 반경 R의 원형 형상일 수 있다.
클러스터 영역(614b, 616b, 618b)은 각각 유사하게 삼각형(610b), 원(610b), 및 대시(612b) 주위에 형성되며, 이는 제 1 주문, 제 2 주문, 및 제 3 주문 내의 제 2 품목들의 위치에 대응한다. 마찬가지로, 클러스터 영역(614c, 616c 및 618c)은 각각 유사하게 삼각형(610c), 원(610c), 및 대시(612c) 주위에 형성되며, 이는 제 1 주문, 제 2 주문, 및 제 3 주문 내의 제 3 품목들의 위치에 대응한다. 이들 클러스터 영역은 또한 원형 형상이며 반경 R을 갖는다.
클러스터 영역의 크기 및 주문 당 클러스터 영역의 수는 창고의 크기/구성, 선반 유닛의 간격 및 크기, 및 창고에서의 주문 활동량을 포함하는 다양한 요인에 따라 설정될 수 있다. 이 예에서, 클러스터 영역의 반경 R은 10 미터로 설정되고 주문 당 클러스터 영역의 최대 수는 3으로 설정된다. 이는 특정 애플리케이션을 위한 예시적인 설정일 뿐이며 변경될 수 있음에 주목해야 한다. 또한, 클러스터 영역의 크기와 수는, 시간이 지남에 따라 창고 내의 조건이 변경되므로, 머신 학습에 기초하여 창고 관리 시스템에 의해 동적으로 변경될 수 있다.
후술되는 바와 같이, 클러스터 영역들의 중간점은 로봇에 할당하기 위해 주문을 함께 주문 세트로 그룹화하는 데 사용된다. 이 간단한 예에서, 적어도 처음 3 개 주문의 경우, 클러스터 영역 당 하나의 품목만이 존재하므로, 클러스터 영역의 중간점은 클러스터 영역 내의 유일한 품목의 위치이다. 따라서, 처음 3 개의 주문에 대한 클러스터 영역의 중간점은 각 클러스터 영역 내의 유일한 품목에 대한 좌표이고, 이들 위치는 각각의 순서에 대한 (x, y) 좌표(654, 656)로서 도 10의 주문 대기열(650)에 저장된다.
많은 경우, 단일 클러스터 영역으로 그룹화되는 다수의 품목이 하나의 주문 내에 존재할 것이다. 이것은, 예를 들어, 도 11에 도시되어 있으며, 여기에서는 2 개의 클러스터 영역(672 및 674)을 갖는 창고(670)의 이미지가 도시되어 있다. 클러스터 영역(672)은, 주위에 반경 R을 적용하여 클러스터 영역을 형성하는 단일 품목/위치(673)만을 갖는다는 점에서, 도 9에 도시된 클러스터 영역과 유사하다. 클러스터 영역(672)의 중간점(정사각형(676))은 위치(673)와 일치하고, 위치(673)의 좌표는 특정 주문에 대한 주문 대기열에 저장될 것이다. 대조적으로, 클러스터 영역(674)은 2 개의 품목/위치(675 및 677)를 포함한다. 이 클러스터 영역은 반경 R을 적용함으로써 위치(677) 주위에 형성된다. 다중 품목 클러스터 영역의 중간점은 포지션을 다음과 같이 평균화함으로써 결정될 수 있다:
(1)
Figure pct00001
여기서, n은 클러스터 영역 내의 품목의 수이다. 클러스터 영역(674)에서, 중간점은 두 개의 품목/위치(675 및 677) 사이에 위치되는 정사각형(678)으로 도시된다. 정사각형(678)의 좌표는 주문 대기열(예컨대, 650)에서와 같이 특정 주문에 대한 클러스터 영역(674)의 x, y 좌표로서 저장될 것이다.
클러스터 영역을 설정하는 프로세스는 도 12의 흐름도(700)에 도시되어 있다. 단계(702)에서, 프로세스는 주문 대기열 내의 제 1 주문을 평가하기 시작한다. 단계(704)에서, 대기열 내의 제 1 주문의 제 1 품목(특정 픽 시퀀스(specific pick sequence)에 기초할 수 있음)의 x, y 좌표가 획득되고 그 품목은 창고의 이미지 상에 표시된다. 주문으로부터 품목을 선택하는 순서(픽 시퀀스)는 효과적인 클러스터 영역을 설정하는 요인일 수 있다. 이는 도 15 및 도 16을 참조하여 아래에서 설명된다. 전술한 예에서, 제 1 주문의 제 1 품목은 도 9의 위치(608a)를 갖는 품목일 수 있으며, 이 품목은 그러한 제 1 품목에 대한 SKU와 연관된 기준 ID/마커의 포즈를 포함하는 데이터 구조로부터 검색된다. 다음, 단계(706)에서, 제 1 클러스터 영역(예컨대, 클러스터 영역(614a))은 제 1 품목 주위에 설정된다. 전술한 바와 같이, 클러스터 영역은 사전 결정된 반경 R을 갖는 제 1 품목의 위치 주위에 원형 영역을 생성함으로써 설정될 수 있다. 본원에 설명된 클러스터 영역은 원형 형상이지만, 상이한 형상/형태, 예컨대, 정사각형 또는 직사각형 또는 다른 적절한 형상을 취할 수 있다.
시스템은 단계(708)로 진행하여, 제 1 주문 내의 남아 있는 품목의 평가를 수행한다. 단계(710)에서, 그 주문 내의 다음 품목의 위치가 검색되고, 그것이 제 1 설정된 클러스터 영역(영역(614a)) 내에 위치되는지를 확인하기 위해 평가된다. 만약 그 위치가 제 1 설정된 클러스터 영역에 의해 정의된 공간 내에 있다면, 시스템은 단계(712)로 진행하여 그 품목의 위치를 그 품목이 위치하는 클러스터 영역에 추가한다. 대안적으로, 도 9의 위치(608b)의 경우와 같이, 다음 위치가 임의의 기존 클러스터 영역 내에 포함되어 있지 않다고 결정되면, 시스템은 단계(714)로 진행한다. 단계(714)에서, 새로운 클러스터 영역을 설정하기 위한 공간이 있는지가 결정된다. 이는 이용 가능한 클러스터 영역의 정의된 최대 수를 평가함으로써 수행된다. 단계(714)에서, 새로운 클러스터 영역을 위한 공간이 없는 것으로 결정되면, 현재 품목은 단계(716)에서 최종 설정된 클러스터 영역에 추가된다.
대안적으로, 단계(714)에서 새로운 클러스터 영역을 위한 공간이 있다고 결정되면, 단계(718)에서, 사전 결정된 반경 R을 현재 품목의 위치에 적용함으로써 새로운 클러스터가 생성된다. 도 9와 관련하여 설명된 예에서, 주문 당 클러스터 영역의 최대 수는 3이다. 클러스터 영역의 최대 수에 도달하지 않았기 때문에, 제 1 주문 내의 다음 품목(608b)의 위치는 클러스터 영역(614b)을 형성하는 데 사용된다.
단계(712, 716 또는 718) 후에, 시스템은 단계(708)로 루프백(loops back)하여 현재의 주문 내에 평가할 다른 품목이 남아 있는지를 평가한다. 만약 남아 있다면, 다음 품목의 위치는 전술한 바와 같이, 단계(710) 및 그 이후의 단계에서 평가된다. 도 9에 설명된 예에서, 품목(608c)의 위치는 클러스터 영역(614a 또는 614b)에 있지 않은 것으로 결정된다. 주문에 대한 클러스터 영역의 최대 수(3)에 아직 도달하지 않았으므로, 위치(614c) 주위의 제 3 클러스터 영역은 위치(608c) 주위에 형성된다.
단계(708)에서 그 주문 내에 평가할 추가적인 품목이 없다고 결정되면, 시스템은 (품목(608a 내지 608c)이 평가된 후 주문 1의 경우에서와 같이) 단계(720)로 진행하여, 현재의 주문에 대한 각각의 클러스터 내의 모든 위치들의 중간점 또는 평균 위치가 결정된다. 그 후 현재 주문 내의 각각의 클러스터에 대한 중간점은 열 세트(654, 656, 및 658)내의 (x, y) 좌표로서, 도 10의 대기열(650)에 저장된다. 시스템은 전술한 바와 같이, 주문 대기열 내의 각 주문에 대해 프로세스(700)를 계속해서 실행하고 그 주문 대기열 내의 각 주문에 대한 중간점에 대해 x, y 좌표를 채운다.
다시 도 10을 참조하면, 참조 번호 660에 의해 식별된 주문 1 내지 참조 번호 662에 의해 식별된 주문 20은, 각각의 열 세트(654, 656 및 658)에서 0이 아닌 좌표를 가지며, 각각은 3 개의 클러스터 영역(주문 당 허용되는 최대 수) 중 하나에 대응한다. 참조 번호 664로 지정된 주문 21은 열 세트(654 및 656)에서 0이 아닌 좌표를 갖지만, 열 세트(658)에서는 0이 아닌 좌표를 갖지 않으며, 열 세트(658)는 0,0의 x, y 좌표를 갖는다. 이는 주문 21의 경우 두 개의 클러스터 영역; 즉 클러스터 1 및 클러스터 2만이 존재하며, 주문에 대한 품목들이 그룹화되는 제 3 클러스터 영역은 존재하지 않는다는 것을 나타낸다. 참조 번호 666, 668, 및 670으로 각각 지정된 주문 22 내지 주문 24의 경우, 이들 주문은 열 세트(654)에서만 0이 아닌 좌표를 가지며, 열 세트(656 및 658)에서는 0이 아닌 좌표를 갖지 않으며, 열 세트(656 및 658)는 0,0의 x, y 좌표를 갖는다. 이는, 주문 22 내지 주문 24의 경우 하나의 클러스터 영역; 즉 주문에 대한 품목이 그룹화되는 클러스터 영역 1만이 존재한다는 것을 나타낸다.
특정 클러스터 영역에 품목이 존재하지 않을 경우, 본원의 시스템은 x, y 좌표를 0, 0으로 할당하며, 0, 0은 창고의 그래프의 원점에 위치한다. 가능한 클러스터 영역에 품목이 존재하지 않는 경우의 좌표들에는, 그 좌표들이 재고 내의 임의의 품목이 위치할 수 있는 좌표들이 아닌 한, 상이한 좌표들이 할당될 수 있다.
주문 대기열이 각 주문 내의 클러스터 영역에 대한 중간점으로 채워지면, 시스템은 주문 대기열을 사용하여 "유사한" 주문을 함께 그룹화하고 실행용으로 할당할 수 있다. 대기열의 최상단에서의 주문(도 10의 대기열(650)의 예에서는 주문(660)임)은 베이스 주문으로 지정될 수 있고, 그 대기열 내의 다른 주문들(그 대기열 내의 일부)은 베이스 주문과 비교되어 스코어링될 수 있다. 본 발명의 일 양태에 따라 주문을 스코어링하는 프로세스는 이하에서 상세하게 설명될 것이다. 대기열 내의 제 1 주문이 베이스 주문으로 지정될 필요는 없지만, 그 대기열이 우선 순위에 의해 순서화될 경우, 그 대기열 내의 최상단의 주문이 처음으로 처리되는 것이 논리적이다. 유사한 주문이 대기열의 최상단의 주문과 함께 그룹화되면, 대기열은 우선 순위에 의해 재설정되고 대기열의 최상단의 새로운 품목이 이제는 현재의 베이스 주문으로 지정되어 유사한 주문과 함께 그룹화될 수 있게 된다.
주문 대기열(650)의 열(680)은 현재의 베이스 주문에 대한 각 주문의 스코어를 포함하며, 이 베이스 주문은 이 예에서는 참조 번호 660에 의해 지정된 주문이 된다. 베이스 주문에는 "0"의 스코어가 할당되고, 그 후 주문 대기열은 할당을 위한 베이스 주문과 함께 그룹화하기 위해 베이스 주문과 비교되는 각각의 주문 또는 그 부분에 대한 스코어에 의해 오름차순으로 정렬된다. 베이스 주문 1에 대해 표시된 주문들의 스코어는 11에서 226 사이의 범위에 이르며, 이는 다른 주문이 베이스 주문에 대해 얼마나 유사한지를 나타낸다. 유사도는 각 주문이 베이스 주문에 대해 얼마나 근접한지로 정의될 수 있다(숫자가 낮을 수록 더 근접해진다).
그 후 베이스 주문은 스코어에 따라 하나 이상의 다른 주문과 그룹화될 수 있다. 베이스 주문은 사전 정의된, 고정된 수, 예를 들어 2, 3 등의 주문과 함께 그룹화되어 할당될 수 있다. 또는, 그것은, 경우에 따라, 로봇 또는 인간이 운송할 용량인 주문의 수에 의해 그룹화될 수 있다. 3 개의 구획을 갖는 캐리어를 갖는 로봇의 경우, 베이스 주문은 2 개의 다른 주문, 예컨대, 예를 들어 베이스 주문에 가장 근접한 주문 2 및 주문 3과 그룹화되어, 도 10에 도시된 바와 같은 주문 세트(682)를 형성할 것이다. 스코어는 베이스 주문에 대한 근접도를 나타내기 때문에, 3 개의 주문을 운반할 수 있는 로봇에 대한 주문 세트(682)는 이 주문 그룹화가 최소의 이동량을 초래하여 주문 실행의 최대 효율성을 달성하도록 최적화될 것이다. 이 프로세스는 단지 인간의 이동량을 최소화하기 위해 인간에게 실행할 주문 세트가 할당되는 시스템에서 쉽게 이용될 수 있다.
도 10의 주문 대기열(650)의 열(680)에 제시된 스코어를 계산하기 위한 프로세스는 도 13 및 도 14와 관련하여 설명된다. 주문 세트(682)는 도 13에서는 상이한 배열로 표시되어, 각 주문마다의 중간점은 열에 배열되고 클러스터 영역에 의한 데이터는 행에 걸쳐 퍼져 있다. 대조적으로, 도 10은 주문 세트(682)를 표시하되, 주문은 열에 배열되고 중간점은 행에 걸쳐 배열된다. 도 13의 배열은 각각의 주문마다의 클러스터 영역에 의한 중간점이 어떻게 비교되는지를 더 잘 표시할 수 있게 한다.
구체적으로, 베이스 주문의 각 클러스터 영역(1, 2, 3)의 중간점과 각 주문의 각 개별 클러스터 영역(1, 2, 3)의 중간점 사이의 거리가 만들어지고, 3 개의 거리가 합산되어 주문 대기열에서 베이스 주문과 각각의 다른 주문 간의 총계 거리를 결정한다. 이러한 총계 거리는 베이스 주문에 대한 스코어로서 사용될 수 있다. 예를 들어, 베이스 주문의 클러스터 영역 1과 임의의 다른 주문의 클러스터 영역 1 사이의 거리는 다음과 같이 계산될 수 있다:
Figure pct00002
Figure pct00003
Δx 및 Δy로부터, 베이스 주문과 임의의 다른 주문의 중간점들 간의 거리 Δz (이들은 함께 직각 삼각형을 형성함)는 피타고라스 정리를 사용하여 다음과 같이 계산될 수 있다:
Figure pct00004
일 예로서, 주문 2의 클러스터 영역 1과 비교하여 주문 1의 클러스터 영역 1에 대한 도 13의 (x, y) 좌표를 사용하면, 계산은 다음과 같다:
Figure pct00005
Figure pct00006
Figure pct00007
= 8.29 미터
클러스터 영역 1에 대한 위치들(608a 및 610a)로 형성된 직각 삼각형이 도 14a에 도시되어 있다. 클러스터 영역 2에 대한 위치들(608b 및 610b)로 형성된 직각 삼각형 및 클러스터 영역 2 및 3에 대한 위치들(608c 및 610c)로 형성된 직각 삼각형이 각각 도 14b 및 도 14c에 도시되어 있다. 전술한 계산이 주문 1 및 주문 2의 클러스터 영역 2 및 클러스터 영역 3에 대해 반복되면, 거리 Δz2 및 Δz3은 각각 2.05 및 .56인 것으로 결정될 수 있다. 이러한 계산으로부터 주문 1과 주문 2 사이의 총계 거리는 다음과 같이 합산될 수 있다:
(7)
Figure pct00008
11 미터로 반올림하면, 이 값은 이후 도 10의 주문 대기열(650)에 표시된 바와 같이, 주문 2에 대한 스코어로서 저장된다. 주문 대기열 내의 모든 주문에 대해 이러한 동일한 프로세스가 수행될 수 있다. 모든 주문에 대해 스코어가 계산되면, 이들 스코어는 0 (베이스 주문)으로부터 오름차순으로 정렬된다.
전술한 바와 같이, 본 발명의 일 양태는 주문 실행 프로세스 동안 이동 시간을 감소시키기 위해 서로 근접한 주문을 그룹화하는 것에 관한 것이다. 주문들의 근접도를 평가하기 위해, 주문의 클러스터 영역의 위치는 다른 주문의 개별 클러스터 영역과 비교된다. 주문의 개별 클러스터 영역이 상당히 근접해 있을 가능성을 더 잘 보장하기 위해, 클러스터 영역을 설정하는 프로세스(도 12의 흐름도(700)) 동안 주문들로부터의 품목들의 픽 시퀀스가 최적화될 수 있다. 예를 들어, 단계(704)에서, 주문으로부터의 제 1 위치는 "픽 시퀀스에 기초하여" 획득된다. 이러한 픽 시퀀스는 도 15에서 평면도로 도시된 창고(800)와 같은 창고 내의 품목의 위치에 대응할 수 있다.
주문 풀필먼트 창고는 전형적으로 품목이 창고의 일 부분(시작 위치)으로부터 창고의 다른 부분(종료 부분)까지의 특정 순서 또는 시퀀스를 따를 수 있는 물리적 주소를 갖는 선반 및 빈에 보관되도록 구성된다. 창고(800)에서, 구불 구불한 선(802)으로 표시된 바와 같이, 경로는, 예를 들어, 시작 위치(804)에서 종료 위치(806)까지 연장될 수 있다. 경로를 따라, 창고는 영역(808, 810, 812)과 같은 상이한 영역들로 분할될 수 있으며, 이 영역들은 창고(800)의 길이(L)를 따라 분할될 수 있다. 창고는, 예를 들어, 도시되지 않은 폭(W)을 가로 질러 추가 영역으로, 추가로 분할될 수 있다.
본원에 설명된 프로세스에 따라 이용되는 클러스터 영역의 최대 수는 창고가 분할되는 영역들의 수에 대응하도록 설정될 수 있다. 따라서, 창고가 3 개의 영역으로 분할되는 경우, 사용되는 클러스터 영역의 최대 수는 3 개로 제한될 수 있다. 클러스터 영역을 설정하는 프로세스 동안 주문에서 선택될 품목에 대한 피킹 순서를 설정하는 경우, 품목은 그 품목이 위치한 창고의 영역에 따라 피킹될 수 있다. 따라서, 영역 1에 위치한 품목은 영역 2의 품목보다 먼저 선택될 것이다. 영역 3의 품목은 마지막에 선택될 것이다. 이는 주문 내의 품목들의 배열에 관계없이 수행될 것이다. 품목들이 영역의 순서대로 선택되기 때문에, 품목들이 그룹화되는 개별 클러스터 영역들(예컨대, 1, 2, 3)이 서로 근접해질 가능성은 피킹 시퀀스가 랜덤한 경우, 즉 창고 내의 위치에 기초하고 있지 않은 경우보다 훨씬 더 높다.
전술한 픽 시퀀스 프로세스는 도 16에 도시되어 있으며, 이 도면에는 3 개의 주문, 즉 주문 A (820), 주문 B (822), 및 주문 C (824)를 갖는 주문 대기열(820)의 일부를 도시하고 있다. 주문(820)에는, 도시된 바와 같은, 영역들(1, 2, 1 및 3)에 위치한 4 개의 품목(821a-821d)이 존재한다. 도 12의 흐름도(700)에 따라, 주문(820)에 대한 클러스터 영역을 설정하기 위해 품목들(821a-821d)을 순서대로 선택하는 대신, 품목들은 다음의 순서로 선택될 것이다: 821a (영역 1), 821c (영역 1), 821b (영역 2), 및 821d (영역 3). 주문(822)의 세 개의 품목은 다음의 순서로 선택될 것이다: 823a (영역 1), 823b (영역 2), 823c (영역 3). 주문(824)의 두 개의 품목은 다음의 순서로 선택될 것이다: 825b (영역 1) 및 825a (영역 3).
창고 관리 시스템의 주문 그룹화 및 할당 프로세스의 일반적인 동작은 도 17의 흐름도(900)와 관련하여 설명된다. 단계(902)에서, 주문 대기열은 우선 순위에 의해 정렬된다. 전술한 바와 같이, 창고 관리 시스템은 서비스 레벨 계약 및/또는 배송 요구 사항(예컨대, 빠른 배송)에 의한 것을 포함하는 다양한 방식으로 또는 다양한 다른 방식으로 이를 수행할 수 있다. 다음 단계(904)는 베이스 주문을 지정하는 것이며, 이는 우선 순위에 의해 정렬된 후의 주문 대기열의 제 1 주문일 수 있다. 단계(906)에서 주문 대기열 내의 각 주문의 품목들이 표시되고, 클러스터 영역들이 설정된다. 단계(908)에서, 주문 대기열 내의 각 주문의 스코어는 전술한 바와 같이, 설정된 클러스터 영역들을 사용하여 베이스 스코어에 대해 계산된다. 단계 910에서 주문 대기열은, 베이스 주문에 가장 근접한 품목을 가진 주문이 (베이스 주문에 대한 최단 거리를 나타내는) 최저 스코어를 가진 품목이 되도록, 오름차순으로 스코어에 의해 재정렬된다. 단계(912)에서, 로봇(또는 인간)의 용량, 즉 로봇이 운송할 수 있을 구획/주문의 수 n이 결정된다. 단계(914)에서 베이스 주문은 대기열 내의 후속 n-1 개의 주문과 결합되며, n은 로봇이 운송할 수 있는 주문의 최대 수이다. 그 후 시스템은 단계(902)로 리턴하여 대기열이 우선 순위에 의해 재정렬되고 프로세스는 계속된다.
전술한 본 발명의 설명은 통상의 기술자가 현재 최선의 모드인으로 간주되는 것을 만들고 사용할 수 있게 하지만, 통상의 기술자는 본원의 특정 실시예 및 예의 변형, 조합 및 등가물의 존재를 이해하고 인식할 것이다. 본 발명의 전술한 실시예는 단지 예일 뿐이다. 본 발명의 범위를 벗어나지 않고 본 기술 분야의 기술자에 의해 특정 실시예에 대한 변경, 수정 및 변형이 행해질 수 있으며, 본 발명의 범위는 본원에 첨부된 청구항에 의해서만 정의된다. 그러므로, 본 발명은 전술한 실시예 및 예에 의해서는 제한되지 않는다.
본 발명 및 이의 바람직한 실시예를 기술했지만, 특허증에 의해 신규하고 보호되는 것으로 보장되는 것은 다음과 같다:

Claims (34)

  1. 창고 관리 시스템의 주문 대기열 내의 복수의 주문을 그룹화하는 방법으로서,
    각 주문은 하나 이상의 품목을 포함하고 각 품목은 창고 내의 물리적 위치와 연관되며,
    상기 방법은:
    상기 복수의 주문의 각 품목의 상기 창고 내의 물리적 위치를 결정하는 단계;
    각각의 주문마다, 적어도 하나의 클러스터 영역을 설정하는 단계 - 각각의 클러스터 영역은 각각의 주문으로부터 적어도 하나의 품목을 포함함 -; 및
    상기 창고 내의 클러스터 영역의 상기 물리적 위치에 기초하여 적어도 하나의 주문 세트를 형성하기 위해 상기 복수의 주문을 그룹화하는 단계를 포함하는 복수의 주문을 그룹화하는 방법.
  2. 제1항에 있어서,
    상기 복수의 주문의 각 품목의 상기 창고 내의 물리적 위치를 결정하는 단계는, 상기 창고에 의해 정의된 좌표 공간에서 상기 복수의 주문의 각 품목의 2 차원 좌표(x, y)를 결정하는 단계를 포함하는 것인 복수의 주문을 그룹화하는 방법.
  3. 제2항에 있어서,
    상기 결정하는 단계는 각 품목과 연관된 기준 마커(fiducial marker)의 2 차원 좌표(x, y)를 포함하는 데이터 구조로부터 각 품목에 대한 2 차원 좌표(x, y)를 검색하는 단계를 포함하는 것인 복수의 주문을 그룹화하는 방법.
  4. 제2항에 있어서,
    상기 설정하는 단계는, 상기 복수의 주문의 각 주문의 각 품목마다, 2 차원 좌표(x, y)가 해당 주문에 대해 이미 설정된 클러스터 영역 내에 포함되어 있는지를 결정하고, 만약 2 차원 좌표가 포함되어 있다면, 각각의 그러한 품목을 해당 주문에 대한 각 클러스터 영역에 할당하는 단계; 및 만약 2 차원 좌표가 이미 설정된 클러스터 영역 내에 포함되어 있지 않다면, 각각의 주문 내의 각각의 그러한 품목에 대한 2 차원 좌표(x, y) 주위에 새로운 클러스터 영역을 설정하는 단계를 포함하는 거인 복수의 주문을 그룹화하는 방법.
  5. 제4항에 있어서,
    각각의 그러한 품목마다의 2 차원 좌표(x, y) 주위에 새로운 클러스터 영역을 설정하는 단계는, 각각의 주문에 대한 새로운 클러스터 영역을 정의하기 위해, 이미 설정된 클러스터 영역 내에 포함되지 않은 각각의 그러한 품목마다의 2 차원 좌표(x, y) 주위에 반경 R을 갖는 원을 형성하는 단계를 포함하는 복수의 주문을 그룹화하는 방법.
  6. 제5항에 있어서,
    상기 그룹화하는 단계는, 각 주문마다 각 클러스터 영역에 대한 위치를 계산하고, 하나의 주문의 각 클러스터 영역의 위치를 복수의 주문 중 적어도 하나의 다른 주문으로부터의 대응하는 클러스터 영역의 위치와 비교하는 단계를 포함하는 것인 복수의 주문을 그룹화하는 방법.
  7. 제6항에 있어서,
    상기 복수의 주문의 각 주문의 각 클러스터 영역의 위치는, 각각의 클러스터 영역 내의 각 품목의 2 차원 좌표(x, y)의 평균을 계산함으로써 결정되어, 각각의 클러스터 영역에 대한 중간점 위치를 획득하게 되는 것인 복수의 주문을 그룹화하는 방법.
  8. 제7항에 있어서,
    상기 그룹화하는 단계는, 베이스 주문(base order)을 설정하고, 그리고, 상기 복수의 주문 중 다른 각 주문의 대응하는 클러스터 영역의 물리적 위치에 대한 상기 베이스 주문 내의 각 클러스터 영역의 물리적 위치를 결정하기 위해, 상기 베이스 주문 내의 각 클러스터 영역의 중간점을 상기 복수의 주문 중 다른 각 주문의 대응하는 클러스터 영역의 중간점과 비교하는 단계를 더 포함하는 것인 복수의 주문을 그룹화하는 방법.
  9. 제8항에 있어서,
    상기 베이스 주문 내의 각 클러스터 영역의 중간점을 상기 복수의 주문 중 다른 각 주문의 대응하는 클러스터 영역의 중간점과 비교하는 단계는, 상기 베이스 주문 내의 각 클러스터 영역의 중간점과 상기 복수의 주문 중 다른 각 주문의 대응하는 클러스터 영역의 중간점 간의 거리를 계산하고, 각 계산된 거리를 합산하여, 상기 베이스 주문 내의 각 클러스터 영역의 중간점과 상기 복수의 주문 중 다른 각 주문의 대응하는 클러스터 영역의 중간점 간의 총계 거리를 결정하는 단계를 포함하는 것인 복수의 주문을 그룹화하는 방법.
  10. 제8항에 있어서,
    상기 그룹화하는 단계는, 상기 베이스 주문 내의 각 클러스터 영역의 중간점과 적어도 하나의 다른 주문 내의 대응하는 클러스터 영역의 중간점 간의 최저 총계 거리에 기초하여 상기 베이스 주문과 상기 적어도 하나의 다른 주문을 결합하여, 상기 적어도 하나의 주문 세트를 형성하는 단계를 더 포함하는 것인 복수의 주문을 그룹화하는 방법.
  11. 제10항에 있어서,
    인간 조작자 또는 자율 이동 로봇 중 하나에 상기 적어도 하나의 주문 세트를 할당하는 단계를 더 포함하는 복수의 주문을 그룹화하는 방법.
  12. 제11항에 있어서,
    상기 인간 조작자 및 상기 자율 이동 로봇은, 주문 용량을 가지며, 상기 적어도 하나의 주문 세트를 형성하도록 결합되는 주문의 수는 상기 인간 조작자 및 상기 자율 이동 로봇의 용량에 기초하는 것인 복수의 주문을 그룹화하는 방법.
  13. 제12항에 있어서,
    인간 조작자 또는 자율 이동 로봇 중 하나에 상기 적어도 하나의 주문 세트를 할당하는 단계는, 상기 주문 세트를 상기 인간 조작자를 위한 핸드헬드 전자 디바이스 또는 상기 자율 이동 로봇을 위한 온보드 전자 디바이스 중 하나로 전자식으로 전송하는 단계를 포함하는 것인 복수의 주문을 그룹화하는 방법.
  14. 제1항에 있어서,
    상기 주문은 피킹 주문, 배치 주문, 또는 유지 보수 주문을 포함할 수 있는 것인 복수의 주문을 그룹화하는 방법.
  15. 제4항에 있어서,
    각 주문마다 설정될 수 있는 클러스터 영역의 최대 수가 존재하는, 복수의 주문을 그룹화하는 방법.
  16. 제15항에 있어서,
    각 주문마다 적어도 하나의 클러스터 영역을 설정하는 단계는, 각 클러스터 영역을 상기 창고 내 순차적으로 배열된 복수의 영역 중 하나에 상관시키는 단계를 포함하는 것인 복수의 주문을 그룹화하는 방법.
  17. 제16항에 있어서,
    클러스터 영역의 최대 수는 상기 창고 내의 영역의 수에 대응하며, 각 주문마다 적어도 하나의 클러스터 영역을 설정하는 단계는, 상기 창고 내의 상기 복수의 영역의 시퀀스에 기초하여 클러스터 영역을 순차적으로 설정하기 위해 각 주문으로부터 품목을 선택하는 단계를 포함하는 것인 복수의 주문을 그룹화하는 방법.
  18. 주문 대기열 내의 복수의 주문을 그룹화하기 위한 창고 주문 시스템으로서,
    주문 대기열 내의 복수의 주문을 포함하는 메모리 - 각 주문은 하나 이상의 품목을 포함하고 각 품목은 창고 내의 물리적 위치와 연관됨 -; 및
    프로세서를 포함하고,
    상기 프로세서는,
    상기 복수의 주문의 각 품목의 상기 창고 내의 물리적 위치를 결정하고;
    각각의 주문마다, 적어도 하나의 클러스터 영역을 설정하고 - 각각의 클러스터 영역은 각각의 주문으로부터 적어도 하나의 품목을 포함함 -; 및
    상기 창고 내의 클러스터 영역의 상기 물리적 위치에 기초하여 적어도 하나의 주문 세트를 형성하기 위해 상기 복수의 주문을 그룹화하도록 구성되는 것인 창고 주문 시스템.
  19. 제18항에 있어서,
    상기 프로세서는 또한, 상기 창고에 의해 정의된 좌표 공간에서 상기 복수의 주문의 각 품목의 2 차원 좌표(x, y)를 결정하도록 구성되는 것인 창고 주문 시스템.
  20. 제19항에 있어서,
    상기 프로세서는 또한, 각 품목과 연관된 기준 마커의 2 차원 좌표(x, y)를 포함하는 데이터 구조로부터 각 품목에 대한 2 차원 좌표(x, y)를 검색하도록 구성되는 것인 창고 주문 시스템.
  21. 제19항에 있어서,
    상기 프로세서는 또한, 상기 복수의 주문의 각 주문의 각 품목마다, 2 차원 좌표(x, y)가 그 주문에 대해 이미 설정된 클러스터 영역 내에 포함되어 있는지를 결정하고, 만약 2 차원 좌표가 포함되어 있다면, 각각의 그러한 품목을 해당 주문에 대한 각 클러스터 영역에 할당하고; 그리고 만약 2 차원 좌표가 이미 설정된 클러스터 영역 내에 포함되어 있지 않다면, 각각의 주문 내의 각각의 그러한 품목에 대한 2 차원 좌표(x, y) 주위에 새로운 클러스터 영역을 설정하도록 구성되는 창고 주문 시스템.
  22. 제21항에 있어서,
    상기 프로세서는 또한, 각각의 주문에 대한 새로운 클러스터 영역을 정의하기 위해, 이미 설정된 클러스터 영역 내에 포함되지 않은 각각의 그러한 품목마다의 2 차원 좌표(x, y) 주위에 반경 R을 갖는 원을 형성하도록 구성되는 창고 주문 시스템.
  23. 제22항에 있어서,
    상기 프로세서는 또한, 각 주문마다 각 클러스터 영역에 대한 위치를 계산하고, 하나의 주문의 각 클러스터 영역의 위치를 상기 복수의 주문 중 적어도 하나의 다른 주문으로부터의 대응하는 클러스터 영역의 위치와 비교하도록 구성되는 창고 주문 시스템.
  24. 제23항에 있어서,
    상기 프로세서는 또한, 각각의 클러스터 영역 내의 각 품목의 2 차원 좌표(x, y)의 평균을 계산하여 각각의 클러스터 영역에 대한 중간점 위치를 획득하도록 구성되는 창고 주문 시스템.
  25. 제24항에 있어서,
    상기 프로세서는 또한, 베이스 주문을 설정하고, 그리고, 상기 복수의 주문 중 다른 각 주문의 대응하는 클러스터 영역의 물리적 위치에 대한 상기 베이스 주문 내의 각 클러스터 영역의 물리적 위치를 결정하기 위해, 상기 베이스 주문 내의 각 클러스터 영역의 중간점을 상기 복수의 주문 중 다른 각 주문의 대응하는 클러스터 영역의 중간점과 비교하도록 구성되는 창고 주문 시스템.
  26. 제25항에 있어서,
    상기 프로세서는 또한, 상기 베이스 주문 내의 각 클러스터 영역의 중간점과 상기 복수의 주문 중 다른 각 주문의 대응하는 클러스터 영역의 중간점 간의 거리를 계산하고, 각 계산된 거리를 합산하여, 상기 베이스 주문 내의 각 클러스터 영역의 중간점과 상기 복수의 주문 중 다른 각 주문의 대응하는 클러스터 영역의 중간점 간의 총계 거리를 결정하도록 구성되는 창고 주문 시스템.
  27. 제26항에 있어서,
    상기 프로세서는 또한, 상기 베이스 주문 내의 각 클러스터 영역의 중간점과 적어도 하나의 다른 주문 내의 대응하는 클러스터 영역의 중간점 간의 최저 총계 거리에 기초하여 상기 베이스 주문과 상기 적어도 하나의 다른 주문을 결합하여, 상기 적어도 하나의 주문 세트를 형성하도록 구성되는 창고 주문 시스템.
  28. 제27항에 있어서,
    상기 프로세서는 또한, 인간 조작자 또는 자율 이동 로봇 중 하나에 상기 적어도 하나의 주문 세트를 할당하도록 구성되는 창고 주문 시스템.
  29. 제28항에 있어서,
    상기 인간 조작자 및 상기 자율 이동 로봇은 주문 용량을 가지며, 상기 적어도 하나의 주문 세트를 형성하도록 결합되는 주문의 수는 상기 인간 조작자 및 상기 자율 이동 로봇의 용량에 기초하는 것인 창고 주문 시스템.
  30. 제29항에 있어서,
    상기 프로세서는 또한, 상기 주문 세트를 상기 인간 조작자를 위한 핸드헬드 전자 디바이스 또는 상기 자율 이동 로봇을 위한 온보드 전자 디바이스 중 하나로 전자식으로 전송하도록 구성되는 것인 창고 주문 시스템.
  31. 제18항에 있어서,
    상기 주문은 피킹 주문, 배치 주문, 또는 유지 보수 주문을 포함할 수 있는 것인 창고 주문 시스템.
  32. 제21항에 있어서,
    각 주문마다 설정될 수 있는 클러스터 영역의 최대 수가 존재하는, 창고 주문 시스템.
  33. 제32항에 있어서,
    상기 프로세서는 또한, 각 클러스터 영역을 상기 창고 내 순차적으로 배열된 복수의 영역 중 하나에 상관시키도록 구성되는 창고 주문 시스템.
  34. 제33항에 있어서,
    클러스터 영역의 최대 수는 상기 창고 내의 영역의 수에 대응하며, 상기 프로세서는 또한, 상기 창고 내의 상기 복수의 영역의 시퀀스에 기초하여 클러스터 영역을 순차적으로 설정하기 위해 각 주문으로부터 품목을 선택하도록 구성되는 것인 창고 주문 시스템.
KR1020207016131A 2017-11-09 2018-11-07 창고 주문 풀필먼트 동작에서의 주문 그룹화 KR102477754B1 (ko)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US15/807,672 US10572854B2 (en) 2017-11-09 2017-11-09 Order grouping in warehouse order fulfillment operations
US15/807,672 2017-11-09
PCT/US2018/059621 WO2019094467A1 (en) 2017-11-09 2018-11-07 Order grouping in warehouse order fulfillment operations

Publications (2)

Publication Number Publication Date
KR20200090799A true KR20200090799A (ko) 2020-07-29
KR102477754B1 KR102477754B1 (ko) 2022-12-14

Family

ID=64457110

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020207016131A KR102477754B1 (ko) 2017-11-09 2018-11-07 창고 주문 풀필먼트 동작에서의 주문 그룹화

Country Status (9)

Country Link
US (1) US10572854B2 (ko)
EP (1) EP3707657A1 (ko)
JP (1) JP6995200B2 (ko)
KR (1) KR102477754B1 (ko)
CN (1) CN111557013B (ko)
AU (1) AU2018366020B2 (ko)
CA (1) CA3082182C (ko)
NZ (1) NZ764531A (ko)
WO (1) WO2019094467A1 (ko)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20220026129A (ko) 2020-08-25 2022-03-04 주식회사 리턴박스 악성재고 관리 및 재고처리 시스템
KR20220124504A (ko) 2021-03-03 2022-09-14 주식회사 리턴박스 악성재고 관리 및 재고처리 방법
KR20230169614A (ko) * 2022-06-09 2023-12-18 주식회사 플로틱 물품 주문 처리 방법 및 시스템

Families Citing this family (34)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10546259B2 (en) * 2016-08-25 2020-01-28 Accenture Global Solutions Limited Analytics toolkit system
US11325782B2 (en) * 2017-02-12 2022-05-10 Get Fabric Ltd. Human-assisted robotic picking apparatus
US10878378B2 (en) * 2017-05-26 2020-12-29 Inmotus Pty Ltd Retail supply chain management system
US11775926B2 (en) * 2018-01-29 2023-10-03 Maplebear, Inc. Machine-learned model for optimizing selection sequence for items in a warehouse
US10678228B2 (en) * 2018-04-04 2020-06-09 Invia Robotics, Inc. Autonomous robots performing concerted operation based on shared sensory access and holistic flow of information
US10802498B2 (en) * 2018-05-30 2020-10-13 Datalogic Ip Tech S.R.L. Target direction estimation using centroid follower
US11049065B2 (en) * 2018-06-30 2021-06-29 Staples, Inc. Automated guided vehicle control and organizing inventory items using stock keeping unit clusters
US11030573B2 (en) 2018-07-24 2021-06-08 Staples, Inc. Automated guided vehicle control and organizing inventory items using predictive models for slow item types
US11498776B1 (en) 2018-08-02 2022-11-15 Staples, Inc. Automated guided vehicle control and organizing inventory items using dissimilarity models
DE102018131267A1 (de) * 2018-12-07 2020-06-10 Sick Ag Transportsystem für Waren und Verfahren zum Entfernen einer herabgefallenen Ware
US11078019B2 (en) 2019-01-30 2021-08-03 Locus Robotics Corp. Tote induction in warehouse order fulfillment operations
US11034027B2 (en) 2019-02-01 2021-06-15 Locus Robotics Corp. Robot assisted personnel routing
US11724395B2 (en) 2019-02-01 2023-08-15 Locus Robotics Corp. Robot congestion management
US20200320471A1 (en) * 2019-04-04 2020-10-08 Wal-Mart Apollo, LLC Emethod and apparatus for item delivery preparation
CN110039543B (zh) * 2019-04-14 2022-04-15 炬星科技（深圳）有限公司 仓储地图快速确定方法、设备、存储介质及机器人
US10783462B1 (en) * 2019-04-17 2020-09-22 Coupang Corp. Warehouse batch product picking optimization using high density areas to minimize travel distance
CN110260867B (zh) * 2019-07-29 2021-06-15 浙江华睿科技有限公司 一种机器人导航中位姿确定、纠正的方法、设备及装置
US11829908B2 (en) 2019-10-11 2023-11-28 Exel Inc. Warehouse order picking optimization system and method
CN111674800B (zh) * 2020-06-03 2021-07-09 灵动科技（北京）有限公司 用于自动驾驶系统的智能仓储技术
FR3112414B1 (fr) 2020-07-10 2022-12-16 Ifollow Système et procede de gestion d’une pluralite de robots mobiles pour la preparation de commandes de produits stockes dans un entrepot
US11741564B2 (en) 2020-09-11 2023-08-29 Locus Robotics Corp. Sequence adjustment for executing functions on hems in an order
CA3135589A1 (en) * 2020-10-22 2022-04-22 Rehrig Pacific Company Vision product inference based on package detect and brand classification with active learning
CN113762572B (zh) * 2020-10-29 2024-04-16 北京京东振世信息技术有限公司 一种物流方法、系统、装置、电子设备及其存储介质
CN112581451B (zh) * 2020-12-21 2024-02-23 北京科技大学 一种基于激光雷达的仓库线卷位置检测系统及方法
US20220245585A1 (en) * 2021-01-29 2022-08-04 Walmart Apollo, Llc System and method for generating last-mile delivery routes
US20220270027A1 (en) * 2021-02-19 2022-08-25 Maplebear, Inc. (Dba Instacart) Crowdsourcing location data for a planogram
CN113034084B (zh) * 2021-04-08 2022-02-11 深圳大学 一种单元化智慧仓库动态配置方法及终端
US11763229B2 (en) * 2021-08-26 2023-09-19 Maplebear Inc. Picking sequence optimization within a warehouse for an item list
US20230153751A1 (en) * 2021-11-18 2023-05-18 Maplebear Inc. (Dba Instacart) Generating clusters of geographic regions for evaluation of different conditions based on active shoppers fulfilling orders in different geographic regions
TR2021022244A2 (tr) * 2021-12-31 2022-01-21 Advoard Robotik Arge Yazilim Ve Sanayi Anonim Sirketi Fi̇lo hali̇nde toplama yapan otonom robotlar
CN114852566A (zh) * 2022-04-11 2022-08-05 深圳市库宝软件有限公司 订单处理方法、装置、设备、仓储系统及存储介质
JP7414931B1 (ja) 2022-10-28 2024-01-16 株式会社東芝 情報処理装置、情報処理方法、プログラムおよび情報処理システム
CN116757611B (zh) * 2023-08-18 2023-10-31 成都秦川物联网科技股份有限公司 智能仓储工业物联网系统及控制方法
JP7415076B1 (ja) 2023-09-19 2024-01-16 株式会社東芝 情報処理装置、情報処理方法、プログラムおよび情報処理システム

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20090063035A1 (en) * 2007-08-29 2009-03-05 Alexander Mandel Method and Apparatus for Path Planning and Distance Calculation
US20170083824A1 (en) * 2014-05-12 2017-03-23 Hitachi, Ltd. Information processing system and information processing method
US20170278047A1 (en) * 2016-03-25 2017-09-28 Locus Robotics Corporation Dynamic task interleaving in robot assisted order-fulfillment operations

Family Cites Families (20)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6876958B1 (en) 1999-07-01 2005-04-05 New Breed Corporations Method and system of optimized sequencing and configuring of items for packing in a bounded region
DE102006025620A1 (de) 2006-05-24 2007-11-29 SSI Schäfer Noell GmbH Lager- und Systemtechnik Regallager und Kommissionierverfahren
JP2009263018A (ja) * 2008-04-22 2009-11-12 Askul Corp ピッキングシステム
DE102009019511B3 (de) 2009-04-24 2011-03-03 SSI Schäfer PEEM GmbH Lager-und Kommissioniersystem und Verfahren zum Betreiben desselben im Batch-Betrieb
US20110035247A1 (en) * 2009-08-04 2011-02-10 United Parcel Service Of America Systems, methods, apparatuses, and computer program products for determining productivity associated with retrieving items in a warehouse
US8244603B1 (en) * 2010-02-15 2012-08-14 Amazon Technologies, Inc. System and method for integrated stowing and picking in a materials handling facility
US8571915B1 (en) * 2010-03-16 2013-10-29 Amazon Technologies, Inc. System and method for selectively advancing items in a picking schedule
US9373098B2 (en) 2011-05-24 2016-06-21 Intelligrated Headquarters Llc Method and apparatus for optimized shipping strategies accounting for endpoint requirements
WO2012178048A1 (en) * 2011-06-24 2012-12-27 Seegrid Corporation Robot-enabled case picking
US20130317642A1 (en) * 2012-05-28 2013-11-28 Well.Ca Inc. Order processing systems using picking robots
US20140040075A1 (en) * 2012-08-03 2014-02-06 Vargo Adaptive Software LLC System and method of selection and organization of customer orders in preparation for distribution operations order fulfillment
US9785911B2 (en) * 2013-07-25 2017-10-10 I AM Robotics, LLC System and method for piece-picking or put-away with a mobile manipulation robot
US20150120514A1 (en) * 2013-10-31 2015-04-30 International Business Machines Corporation Logistics management system for determining pickup routes for retail stores
EP3119704B1 (en) 2014-01-24 2020-08-12 Picklog, Lda Evolving mobile unit for controlled product storage and dispensing
US10259649B2 (en) 2014-07-12 2019-04-16 Bionichive Ltd Automatic warehouse system
CN107108123B (zh) * 2015-01-23 2019-05-10 株式会社日立物流 出货单分配装置及其分配方法
US9758305B2 (en) * 2015-07-31 2017-09-12 Locus Robotics Corp. Robotic navigation utilizing semantic mapping
US9774991B2 (en) * 2015-08-17 2017-09-26 Collateral Opportunities, Inc. Electronic location identification and tracking system with beacon clustering
US10796357B2 (en) * 2017-04-17 2020-10-06 Walmart Apollo, Llc Systems to fulfill a picked sales order and related methods therefor
US10810542B2 (en) * 2017-05-11 2020-10-20 Walmart Apollo, Llc Systems and methods for fulfilment design and optimization

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20090063035A1 (en) * 2007-08-29 2009-03-05 Alexander Mandel Method and Apparatus for Path Planning and Distance Calculation
US20170083824A1 (en) * 2014-05-12 2017-03-23 Hitachi, Ltd. Information processing system and information processing method
US20170278047A1 (en) * 2016-03-25 2017-09-28 Locus Robotics Corporation Dynamic task interleaving in robot assisted order-fulfillment operations

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20220026129A (ko) 2020-08-25 2022-03-04 주식회사 리턴박스 악성재고 관리 및 재고처리 시스템
KR20220124504A (ko) 2021-03-03 2022-09-14 주식회사 리턴박스 악성재고 관리 및 재고처리 방법
KR20230169614A (ko) * 2022-06-09 2023-12-18 주식회사 플로틱 물품 주문 처리 방법 및 시스템

Also Published As

Publication number Publication date
CA3082182C (en) 2023-09-19
AU2018366020B2 (en) 2021-11-18
US20190138978A1 (en) 2019-05-09
AU2018366020A1 (en) 2020-06-04
WO2019094467A1 (en) 2019-05-16
JP2021502641A (ja) 2021-01-28
US10572854B2 (en) 2020-02-25
JP6995200B2 (ja) 2022-01-14
CN111557013B (zh) 2024-02-09
CA3082182A1 (en) 2019-05-16
NZ764531A (en) 2022-02-25
CN111557013A (zh) 2020-08-18
KR102477754B1 (ko) 2022-12-14
EP3707657A1 (en) 2020-09-16

Similar Documents

Publication Publication Date Title
KR102477754B1 (ko) 창고 주문 풀필먼트 동작에서의 주문 그룹화
AU2020216392B2 (en) Robot dwell time minimization in warehouse order fulfillment operations
US10558214B2 (en) Manual control modes for an autonomous mobile robot
KR102580084B1 (ko) 로봇 혼잡 관리
US11078019B2 (en) Tote induction in warehouse order fulfillment operations
AU2023210522A1 (en) Optimized tote recommendation process in warehouse order fulfillment operations
US11741564B2 (en) Sequence adjustment for executing functions on hems in an order

Legal Events

Date Code Title Description
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant