KR20230090972A - 컴퓨터 구현 태스크를 최적화하기 위한 컴퓨터 리소스 할당 시스템 및 방법 - Google Patents
컴퓨터 구현 태스크를 최적화하기 위한 컴퓨터 리소스 할당 시스템 및 방법 Download PDFInfo
- Publication number
- KR20230090972A KR20230090972A KR1020220045583A KR20220045583A KR20230090972A KR 20230090972 A KR20230090972 A KR 20230090972A KR 1020220045583 A KR1020220045583 A KR 1020220045583A KR 20220045583 A KR20220045583 A KR 20220045583A KR 20230090972 A KR20230090972 A KR 20230090972A
- Authority
- KR
- South Korea
- Prior art keywords
- computer
- computer system
- task
- request
- cloud
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 58
- 238000013468 resource allocation Methods 0.000 title abstract 2
- 238000010801 machine learning Methods 0.000 claims description 24
- 238000012546 transfer Methods 0.000 claims description 7
- 230000003466 anti-cipated effect Effects 0.000 claims description 4
- 238000012549 training Methods 0.000 claims description 3
- 238000007781 pre-processing Methods 0.000 claims 2
- 230000008569 process Effects 0.000 abstract description 16
- 238000005457 optimization Methods 0.000 description 41
- 238000012384 transportation and delivery Methods 0.000 description 40
- 238000012545 processing Methods 0.000 description 12
- 238000010586 diagram Methods 0.000 description 9
- 238000004891 communication Methods 0.000 description 7
- 230000004044 response Effects 0.000 description 7
- 238000013473 artificial intelligence Methods 0.000 description 6
- 238000013068 supply chain management Methods 0.000 description 6
- 238000002474 experimental method Methods 0.000 description 5
- 230000002452 interceptive effect Effects 0.000 description 5
- 238000007726 management method Methods 0.000 description 5
- 238000012856 packing Methods 0.000 description 5
- 229920001690 polydopamine Polymers 0.000 description 4
- 238000002360 preparation method Methods 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 238000013500 data storage Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000036541 health Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000012552 review Methods 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000007670 refining Methods 0.000 description 2
- 102100028626 4-hydroxyphenylpyruvate dioxygenase Human genes 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 239000008186 active pharmaceutical agent Substances 0.000 description 1
- 238000007792 addition Methods 0.000 description 1
- 238000013475 authorization Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000002716 delivery method Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000000446 fuel Substances 0.000 description 1
- 230000000977 initiatory effect Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 229920002469 poly(p-dioxane) polymer Polymers 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 230000003252 repetitive effect Effects 0.000 description 1
- 230000010076 replication Effects 0.000 description 1
- 238000010079 rubber tapping Methods 0.000 description 1
- 230000001932 seasonal effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
- G06F21/30—Authentication, i.e. establishing the identity or authorisation of security principals
- G06F21/31—User authentication
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/46—Multiprogramming arrangements
- G06F9/50—Allocation of resources, e.g. of the central processing unit [CPU]
- G06F9/5061—Partitioning or combining of resources
- G06F9/5077—Logical partitioning of resources; Management or configuration of virtualized resources
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/46—Multiprogramming arrangements
- G06F9/50—Allocation of resources, e.g. of the central processing unit [CPU]
- G06F9/5005—Allocation of resources, e.g. of the central processing unit [CPU] to service a request
- G06F9/5027—Allocation of resources, e.g. of the central processing unit [CPU] to service a request the resource being a machine, e.g. CPUs, Servers, Terminals
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/46—Multiprogramming arrangements
- G06F9/50—Allocation of resources, e.g. of the central processing unit [CPU]
- G06F9/5005—Allocation of resources, e.g. of the central processing unit [CPU] to service a request
- G06F9/5027—Allocation of resources, e.g. of the central processing unit [CPU] to service a request the resource being a machine, e.g. CPUs, Servers, Terminals
- G06F9/5038—Allocation of resources, e.g. of the central processing unit [CPU] to service a request the resource being a machine, e.g. CPUs, Servers, Terminals considering the execution order of a plurality of tasks, e.g. taking priority or time dependency constraints into consideration
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/46—Multiprogramming arrangements
- G06F9/50—Allocation of resources, e.g. of the central processing unit [CPU]
- G06F9/5005—Allocation of resources, e.g. of the central processing unit [CPU] to service a request
- G06F9/5027—Allocation of resources, e.g. of the central processing unit [CPU] to service a request the resource being a machine, e.g. CPUs, Servers, Terminals
- G06F9/5044—Allocation of resources, e.g. of the central processing unit [CPU] to service a request the resource being a machine, e.g. CPUs, Servers, Terminals considering hardware capabilities
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/46—Multiprogramming arrangements
- G06F9/50—Allocation of resources, e.g. of the central processing unit [CPU]
- G06F9/5061—Partitioning or combining of resources
- G06F9/5072—Grid computing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0241—Advertisements
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2209/00—Indexing scheme relating to G06F9/00
- G06F2209/50—Indexing scheme relating to G06F9/50
- G06F2209/5017—Task decomposition
-
- 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
- G06Q30/0283—Price estimation or determination
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Software Systems (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Computer Security & Cryptography (AREA)
- Business, Economics & Management (AREA)
- Mathematical Physics (AREA)
- Strategic Management (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Development Economics (AREA)
- Computer Hardware Design (AREA)
- Entrepreneurship & Innovation (AREA)
- Data Mining & Analysis (AREA)
- Computing Systems (AREA)
- Medical Informatics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- Game Theory and Decision Science (AREA)
- Artificial Intelligence (AREA)
- Economics (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
- Debugging And Monitoring (AREA)
Abstract
컴퓨터 구현 태스크를 최적화하기 위한 방법은, 서버에서 사용자 인터페이스로부터, 컴퓨터 구현 태스크를 완료하도록 요청을 수신하는 것을 포함한다. 이 방법은 또한 요청을 제1 컴퓨터 시스템으로 보낼지 또는 클라우드 기반의 제2 컴퓨터 시스템으로 보낼지 여부를 결정하는 것을 포함하며, 이 결정은 (i) 컴퓨터 구현 태스크를 완료하는데 필요한 예상 하드웨어 요건, (ii) 컴퓨터 구현 태스크의 레이턴시 요건, (iii) 제1 컴퓨터 시스템의 하드웨어 능력, 및 (iv) 컴퓨터 구현 태스크를 위해 클라우드 기반의 제2 컴퓨터 시스템을 이용하는 것의 예상 재정 비용에 기초한다. 이 방법은 추가로 그 결정에 기초하여 제1 컴퓨터 시스템 또는 클라우드 기반의 제2 컴퓨터 시스템으로 컴퓨터 구현 태스크를 완료하도록 요청을 전송하는 것을 포함한다.
Description
본 개시는 일반적으로 컴퓨터 시스템 리소스를 효율적으로 사용하기 위한 컴퓨터화된 시스템 및 방법에 관한 것이다. 특히, 본 개시의 실시예는 다수의 인공 지능 및/또는 머신 러닝 모델에 기초하여, 캠페인을 광고하는 제한된 컴퓨팅 리소스를 가장 잘 사용하는 컴퓨터 시스템에, 사용자 개시의 컴퓨터 구현 태스크(예로써, 머신 러닝 실험)를 자동으로 할당하기 위한 창의적이고 독특한 시스템에 관한 것이다.
대량의 디지털 데이터 처리와 연관된 기술 회사(예로써, 전자상거래 비즈니스)는 이 처리를 완수하기 위해 여러 가지 다른 타입의 컴퓨터 시스템을 이용할 수 있다. 이들 컴퓨터 시스템은 현지의 회사 자체적으로 소유되고 운영될 수 있다(예로써, 온사이트(on-site) 관리형 블레이드 서버). 또는, 컴퓨터 시스템은 인터넷 접속 가능한 컴퓨터 리소스를 제공하는 제3자 공급자에 의해 소유되고 운영될 수 있다(예로써, 오프사이트(off-site) 클라우드 기반 컴퓨터 시스템). 처리되는 디지털 데이터의 민감한 특성으로 인해, 온사이트 및 오프사이트 컴퓨터 시스템 모두 일반적으로 컴퓨터 시스템에 액세스하기 위해 사용자의 보안 인증을 요구한다.
이러한 타입의 기업 레벨 데이터 처리에서, 주된 이슈 중 하나는 데이터가 어디에서 처리되어야 하는지를 결정하는 것이다. 온사이트 컴퓨터 시스템은 낮은 운영 비용(온사이트 컴퓨터 시스템의 하드웨어는 매몰 비용임)과 함께 낮은 동작 레이턴시(데이터가 멀리 이동할 필요가 없음)의 이점을 제공한다. 오프사이트 클라우드 기반 컴퓨터 시스템은 대규모 서버 팜 및 슈퍼컴퓨터의 대용량 스토리지 및 처리 능력을 활용하여 요구에 따라 확장될 수 있는 컴퓨터 리소스를 제공하는 이점을 제공한다.
데이터 처리에 사용되는 상술한 컴퓨터 시스템에는 결함이 있다. 온사이트 컴퓨터 시스템의 한계에는, 한정된 확장성, 저장 공간, 및 처리 속도를 포함한다. 특히, 온사이트 컴퓨터 시스템에 새 하드웨어를 추가하는 것은 (추가 컴퓨팅 리소스의 필요성 확인, 새 하드웨어 구입과 수령, 및 새 하드웨어 설치와 연관된 시간으로 인해) 시간이 많이 소요되고 비용이 많이 들 수 있다. 오프사이트 클라우드 기반 컴퓨터 시스템의 한계에는, (장거리에 걸친 데이터 전송과 연관된) 레이턴시 및 (제3자 호스트로부터의 리소스에 대한 액세스를 임대하여 발생된) 높은 운영 비용을 포함한다. 또한, 이러한 타입의 컴퓨터 시스템의 사용자는 사용을 위해 선택할 수 있는 모든 서로 다른 컴퓨터 시스템으로 자신을 여러 번 인증해야 하는 것에 시간이 많이 소요될 수 있다.
그러므로, (i) 데이터가 어디에서 처리되어야 하는지를 결정하고, (ii) 데이터를 처리할 컴퓨터 시스템의 운영과 연관된 시간 및 노력을 최소화하기 위한 개선된 방법 및 시스템이 요구된다.
본 개시의 일 형태는 시스템에 관한 것이다. 이 시스템은 프로세서를 포함한다. 프로세서는, 사용자 인터페이스로부터, 컴퓨터 구현 태스크를 완료하기 위한 요청을 수신하고; 그 요청을 제1 컴퓨터 시스템으로 전송할지 또는 클라우드 기반의 제2 컴퓨터 시스템으로 전송할지 여부를 결정하고 - 이 결정은 (i) 컴퓨터 구현 태스크를 완료하는데 필요한 예상 하드웨어 요건, (ii) 컴퓨터 구현 태스크의 레이턴시 요건, (iii) 제1 컴퓨터 시스템의 하드웨어 역량, 및 (iv) 컴퓨터 구현 태스크를 위해 클라우드 기반의 제2 컴퓨터 시스템을 사용하는 것의 예상 재정 비용에 기초함 - ; 그리고 그 결정에 기초하여 제1 컴퓨터 시스템 또는 클라우드 기반의 제2 컴퓨터 시스템으로 컴퓨터 구현 태스크를 완료하기 위한 요청을 전송하도록 구성된다.
본 개시의 다른 형태는 방법에 관한 것이다. 이 방법은, 서버에서 사용자 인터페이스로부터, 컴퓨터 구현 태스크를 완료하기 위한 요청을 수신하고; 그 요청을 제1 컴퓨터 시스템으로 전송할지 또는 클라우드 기반의 제2 컴퓨터 시스템으로 전송할지 여부를 결정하고 - 이 결정은 (i) 컴퓨터 구현 태스크를 완료하는데 필요한 예상 하드웨어 요건, (ii) 컴퓨터 구현 태스크의 레이턴시 요건, (iii) 제1 컴퓨터 시스템의 하드웨어 역량, 및 (iv) 컴퓨터 구현 태스크를 위해 클라우드 기반의 제2 컴퓨터 시스템을 사용하는 것의 예상 재정 비용에 기초함 - ; 그리고 그 결정에 기초하여 제1 컴퓨터 시스템 또는 클라우드 기반의 제2 컴퓨터 시스템으로 컴퓨터 구현 태스크를 완료하기 위한 요청을 전송하는 것을 포함한다.
본 개시의 또 다른 형태는 시스템에 관한 것이다. 이 시스템은 메모리 및 적어도 하나의 프로세서를 포함한다. 적어도 하나의 프로세서는 명령을 실행하도록 구성되고, 이 명령은: 사용자 인터페이스로부터, 컴퓨터 구현 태스크를 완료하기 위한 요청을 수신하고; 그 요청을 제1 컴퓨터 시스템으로 전송할지 또는 클라우드 기반의 제2 컴퓨터 시스템으로 전송할지 여부를 결정하고 - 이 결정은 (i) 컴퓨터 구현 태스크를 완료하는데 필요한 예상 하드웨어 요건, (ii) 컴퓨터 구현 태스크의 레이턴시 요건, (iii) 제1 컴퓨터 시스템의 하드웨어 역량, 및 (iv) 컴퓨터 구현 태스크를 위해 클라우드 기반의 제2 컴퓨터 시스템을 사용하는 것의 예상 재정 비용에 기초함 - ; 그리고 그 결정에 기초하여 제1 컴퓨터 시스템 또는 클라우드 기반의 제2 컴퓨터 시스템으로 컴퓨터 구현 태스크를 완료하기 위한 요청을 전송하는 것이며; 여기서 컴퓨터 구현 태스크는 머신 러닝(ML) 태스크이고; 예상 하드웨어 요건은: CPU(central processing unit) 요건, GPU(graphical processing unit) 요건, 메모리 요건, 스토리지 요건, 및 정보 다운로드 요건을 포함하며; 사용자 인터페이스로부터 컴퓨터 구현 태스크를 완료하기 위한 요청은 사용자에 의해서 개시되고; 프로세서는 컴퓨터 구현 태스크를 완료하기 위한 요청을 수신하기 전에: 사용자 인터페이스로부터 시스템에 대한 로그온 액세스를 위한 요청을 수신하고, 그리고 사용자를 인증하도록 더 구성되며; 여기서 제1 컴퓨터 시스템에 액세스하기 위해 제1 토큰이 요구되고 클라우드 기반의 제2 컴퓨터 시스템에 액세스하기 위해 제2 토큰이 요구되며; 프로세서는: 프로세서가 요청을 제1 컴퓨터 시스템으로 전송하도록 결정하면 제1 토큰을 자동으로 획득하고 사용하며, 그리고 프로세서가 요청을 클라우드 기반의 제2 컴퓨터 시스템으로 전송하도록 결정하면 제2 토큰을 자동으로 획득하고 사용하도록 더 구성된다.
또한 다른 시스템, 방법, 및 컴퓨터 판독 가능 매체가 여기서 논의된다.
도 1a는 개시된 실시예에 따른, 배송, 운송, 및 물류 운영을 가능하게 하는 통신을 위한 컴퓨터 시스템을 포함하는 네트워크의 예시적인 실시예를 나타낸 개략적인 블록도이다.
도 1b는 개시된 실시예에 따른, 상호 동작 사용자 인터페이스 요소에 따라 검색 요청을 만족시키는 하나 이상의 검색 결과를 포함하는 검색 결과 페이지(SRP; Search Result Page)의 샘플을 나타낸 도면이다.
도 1c는 개시된 실시예에 따른, 상호 동작 사용자 인터페이스 요소에 따라 제품 및 제품에 대한 정보를 포함하는 싱글 디테일 페이지(SDP; Single Detail Page)의 샘플을 나타낸 도면이다.
도 1d는 개시된 실시예에 따른, 상호 동작 사용자 인터페이스 요소에 따라 가상의 쇼핑 장바구니에 아이템을 포함하는 장바구니 페이지의 샘플을 나타낸 도면이다.
도 1e는 개시된 실시예에 따른, 상호 동작 사용자 인터페이스 요소에 따라, 가상의 쇼핑 장바구니로부터 구매 및 배송에 관한 정보에 따른 아이템을 포함하는 주문 페이지의 샘플을 나타낸 도면이다.
도 2는 개시된 실시예에 따른, 개시된 컴퓨터 시스템을 활용하도록 구성된 예시적인 풀필먼트 센터의 개략적인 도면이다.
도 3은 개시된 실시예에 따른, 컴퓨터 구현 태스크의 최적화를 가능하게 하는 통신을 위한 컴퓨터화된 시스템을 포함하는 네트워크의 예시적인 실시예를 나타낸 개략적인 블록도이다.
도 4는 개시된 실시예에 따른, 컴퓨터 구현 태스크를 최적화하기 위한 방법의 예시적인 실시예를 나타낸 플로차트이다.
도 1b는 개시된 실시예에 따른, 상호 동작 사용자 인터페이스 요소에 따라 검색 요청을 만족시키는 하나 이상의 검색 결과를 포함하는 검색 결과 페이지(SRP; Search Result Page)의 샘플을 나타낸 도면이다.
도 1c는 개시된 실시예에 따른, 상호 동작 사용자 인터페이스 요소에 따라 제품 및 제품에 대한 정보를 포함하는 싱글 디테일 페이지(SDP; Single Detail Page)의 샘플을 나타낸 도면이다.
도 1d는 개시된 실시예에 따른, 상호 동작 사용자 인터페이스 요소에 따라 가상의 쇼핑 장바구니에 아이템을 포함하는 장바구니 페이지의 샘플을 나타낸 도면이다.
도 1e는 개시된 실시예에 따른, 상호 동작 사용자 인터페이스 요소에 따라, 가상의 쇼핑 장바구니로부터 구매 및 배송에 관한 정보에 따른 아이템을 포함하는 주문 페이지의 샘플을 나타낸 도면이다.
도 2는 개시된 실시예에 따른, 개시된 컴퓨터 시스템을 활용하도록 구성된 예시적인 풀필먼트 센터의 개략적인 도면이다.
도 3은 개시된 실시예에 따른, 컴퓨터 구현 태스크의 최적화를 가능하게 하는 통신을 위한 컴퓨터화된 시스템을 포함하는 네트워크의 예시적인 실시예를 나타낸 개략적인 블록도이다.
도 4는 개시된 실시예에 따른, 컴퓨터 구현 태스크를 최적화하기 위한 방법의 예시적인 실시예를 나타낸 플로차트이다.
이어서 첨부된 도면을 참조하여 자세하게 설명된다. 가능하면, 다음의 설명에서 같거나 유사한 부분에 대해 참조되도록 도면에서 같은 도면 부호가 사용된다. 여기에 몇몇 예시적인 실시예가 설명되지만, 변경, 조정 및 다른 구현도 가능하다. 예를 들면, 도면 내의 구성 및 스텝에 대해 교체, 추가, 또는 변경이 이루어질 수 있고, 여기에 설명된 예시적인 방법은 개시된 방법에 대해 스텝을 교체, 순서 변경, 제거 또는 추가함으로써 변경될 수 있다. 따라서, 다음의 자세한 설명은 개시된 실시예 및 예시로 제한되는 것은 아니다. 대신에 본 발명의 적절한 범위는 청구범위에 의해 규정된다.
본 개시의 실시예는 고객에게 타깃 광고하기 위해 구성된 시스템 및 방법에 관한 것이다.
도 1a를 참조하면, 배송, 운송 및 물류 운영을 가능하게 하는 통신을 위한 컴퓨터 시스템을 포함하는 예시적인 시스템의 실시예를 나타낸 개략적인 블록도(100)가 도시되어 있다. 도 1a에 나타낸 바와 같이, 시스템(100)은 다양한 시스템을 포함할 수 있으며, 이들 각각은 하나 이상의 네트워크를 통해 서로 연결될 수 있다. 시스템은 (예를 들어, 케이블을 사용한) 직접 연결을 통해 서로 연결될 수 있다. 도시된 시스템은 배송 기관 기술(shipment authority technology, SAT) 시스템(101), 외부 프론트 엔드 시스템(103), 내부 프론트 엔드 시스템(105), 운송 시스템(107), 모바일 디바이스(107A, 107B, 107C), 판매자 포털(109), 배송 및 주문 트래킹(shipment and order tracking, SOT) 시스템(111), 풀필먼트 최적화(fulfillment optimization, FO) 시스템(113), 풀필먼트 메시징 게이트웨이(fulfillment messaging gateway, FMG)(115), 공급 체인 관리(supply chain management, SCM) 시스템(117), 창고 관리 시스템(119), 모바일 디바이스(119A, 119B, 119C)(풀필먼트 센터(fulfillment center, FC)(200) 내부에 있는 것으로 도시됨), 제3자 풀필먼트 시스템(121A, 121B, 121C), 풀필먼트 센터 인증 시스템(fulfillment center authorization system, FC Auth)(123), 및 노동 관리 시스템(labor management system, LMS)(125)을 포함한다.
일부 실시예에서, SAT 시스템(101)은 주문 상태와 배달 상태를 모니터링하는 컴퓨터 시스템으로서 구현될 수 있다. 예를 들면, SAT 시스템(101)은 주문이 약속된 배달 날짜(Promised Delivery Date, PDD)를 지났는지를 결정할 수 있고, 새로운 주문을 개시시키고, 배달되지 않은 주문의 아이템을 다시 배송하며, 배달되지 않은 주문을 취소하고, 주문 고객과 연락을 시작하는 것 등을 포함하는 적합한 조치를 취할 수 있다. SAT 시스템(101)은 또한, (특정 기간 동안 배송된 패키지의 개수와 같은) 출력, 및 (배송시 사용하기 위해 수신된 빈 카드보드 박스의 개수와 같은) 입력을 포함하는 다른 데이터를 감시할 수 있다. SAT 시스템(101)은 또한, 외부 프론트 엔드 시스템(103) 및 FO 시스템(113)과 같은 장치들 간의 (예를 들면, 저장 전달(store-and-forward) 또는 다른 기술을 사용하는) 통신을 가능하게 하는 시스템(100) 내의 상이한 장치들 사이의 게이트웨이로서 동작할 수 있다.
일부 실시예에서, 외부 프론트 엔드 시스템(103)은 외부 사용자가 시스템(100) 내의 하나 이상의 시스템과 상호 동작할 수 있게 하는 컴퓨터 시스템으로서 구현될 수 있다. 예를 들면, 시스템(100)이 시스템의 프레젠테이션을 가능하게 하여 사용자가 아이템에 대한 주문을 할 수 있도록 하는 실시예에서, 외부 프론트 엔드 시스템(103)은 검색 요청을 수신하고, 아이템 페이지를 제시하며, 결제 정보를 요청하는 웹 서버로서 구현될 수 있다. 예를 들면, 외부 프론트 엔드 시스템(103)은 Apache HTTP 서버, Microsoft Internet Information Services(IIS), NGINX 등과 같은 소프트웨어를 실행하는 컴퓨터 또는 컴퓨터들로서 구현될 수 있다. 다른 실시예에서, 외부 프론트 엔드 시스템(103)은 외부 디바이스(예를 들어, 모바일 디바이스(102A) 또는 컴퓨터(102B))로부터 요청을 수신 및 처리하고, 이들 요청에 기초하여 데이터베이스 및 다른 데이터 저장 장치로부터 정보를 획득하며, 획득한 정보에 기초하여 수신된 요청에 대한 응답을 제공하도록 설계된 커스텀 웹 서버 소프트웨어를 실행할 수 있다.
일부 실시예에서, 외부 프론트 엔드 시스템(103)은 웹 캐싱 시스템, 데이터베이스, 검색 시스템, 또는 결제 시스템 중 하나 이상을 포함할 수 있다. 일 양상에서, 외부 프론트 엔드 시스템(103)은 이들 시스템 중 하나 이상을 포함할 수 있는 반면, 다른 양상에서는 외부 프론트 엔드 시스템(103)은 이들 시스템 중 하나 이상에 연결된 인터페이스(예를 들면, 서버 대 서버, 데이터베이스 대 데이터베이스, 또는 다른 네트워크 연결)를 포함할 수 있다.
도 1b, 1c, 1d 및 1e에 의해 나타낸 단계들의 예시적인 세트는 외부 프론트 엔드 시스템(103)의 일부 동작을 설명하는 것에 도움이 될 것이다. 외부 프론트 엔드 시스템(103)은 프레젠테이션 및/또는 디스플레이를 위해 시스템(100) 내의 시스템 또는 디바이스로부터 정보를 수신할 수 있다. 예를 들면, 외부 프론트 엔드 시스템(103)은 검색 결과 페이지(Search Result Page, SRP)(예를 들면, 도 1b), 싱글 디테일 페이지(Single Detail Page, SDP)(예를 들면, 도 1c), 장바구니 페이지(Cart page)(예를 들면, 도 1d), 또는 주문 페이지(예를 들면, 도 1e)를 포함하는 하나 이상의 웹페이지를 호스팅하거나 제공할 수 있다. (예를 들면, 모바일 디바이스(102A) 또는 컴퓨터(102B)를 사용하는) 사용자 디바이스는 외부 프론트 엔드 시스템(103)으로 이동하고 검색 박스에 정보를 입력함으로써 검색을 요청할 수 있다. 외부 프론트 엔드 시스템(103)은 시스템(100) 내의 하나 이상의 시스템으로부터 정보를 요청할 수 있다. 예를 들면, 외부 프론트 엔드 시스템(103)은 FO 시스템(113)으로부터 검색 요청을 만족하는 정보를 요청할 수 있다. 외부 프론트 엔드 시스템(103)은 또한, (FO 시스템(113)으로부터) 검색 결과에 포함된 각 제품에 대한 약속된 배달 날짜(Promised Delivery Date) 또는 "PDD"를 요청하고 수신할 수 있다. 일부 실시예에서, PDD는 제품이 들어있는 패키지가 특정 기간 이내, 예를 들면, 하루의 끝(PM 11:59)까지 주문되면 언제 사용자가 원하는 장소에 도착할 것인지에 대한 추정 또는 제품이 사용자가 원하는 장소에 배달될 약속된 날짜를 나타낼 수 있다(PDD는 FO 시스템(113)과 관련하여 이하에서 더 논의된다).
외부 프론트 엔드 시스템(103)은 정보에 기초하여 SRP(예를 들면, 도 1b)를 준비할 수 있다. SRP는 검색 요청을 만족하는 정보를 포함할 수 있다. 예를 들면, 이는 검색 요청을 만족하는 제품의 사진을 포함할 수 있다. SRP는 또한, 각 제품에 대한 각각의 가격, 또는 각 제품, PDD, 무게, 크기, 오퍼(offer), 할인 등에 대한 개선된 배달 옵션에 관한 정보를 포함할 수 있다. 외부 프론트 엔드 시스템(103)은 (예를 들면, 네트워크를 통해) SRP를 요청 사용자 디바이스로 전송할 수 있다.
사용자 디바이스는 SRP에 나타낸 제품을 선택하기 위해, 예를 들면, 사용자 인터페이스를 클릭 또는 탭핑하거나, 다른 입력 디바이스를 사용하여 SRP로부터 제품을 선택할 수 있다. 사용자 디바이스는 선택된 제품에 관한 정보에 대한 요청을 만들어 내고 이를 외부 프론트 엔드 시스템(103)으로 전송할 수 있다. 이에 응답하여, 외부 프론트 엔드 시스템(103)은 선택된 제품에 관한 정보를 요청할 수 있다. 예를 들면, 정보는 각각의 SRP 상에 제품에 대해 제시된 것 이상의 추가 정보를 포함할 수 있다. 이는, 예를 들면, 유통 기한, 원산지, 무게, 크기, 패키지 내의 아이템 개수, 취급 지침, 또는 제품에 대한 다른 정보를 포함할 수 있다. 정보는 또한, (예를 들면, 이 제품 및 적어도 하나의 다른 제품을 구입한 고객의 빅 데이터 및/또는 기계 학습 분석에 기초한) 유사한 제품에 대한 추천, 자주 묻는 질문에 대한 답변, 고객의 후기, 제조 업체 정보, 사진 등을 포함할 수 있다.
외부 프론트 엔드 시스템(103)은 수신된 제품 정보에 기초하여 SDP(Single Detail Page)(예를 들면, 도 1c)를 준비할 수 있다. SDP는 또한, "지금 구매(Buy Now)" 버튼, "장바구니에 추가(Add to Cart)" 버튼, 수량 필드, 아이템 사진 등과 같은 다른 상호 동작 요소를 포함할 수 있다. SDP는 제품을 오퍼하는 판매자의 리스트를 포함할 수 있다. 이 리스트는 최저가로 제품을 판매하는 것으로 오퍼하는 판매자가 리스트의 최상단에 위치하도록, 각 판매자가 오퍼한 가격에 기초하여 순서가 정해질 수 있다. 이 리스트는 또한 최고 순위 판매자가 리스트의 최상단에 위치하도록, 판매자 순위에 기초하여 순서가 정해질 수 있다. 판매자 순위는, 예를 들어, 약속된 PPD를 지켰는지에 대한 판매자의 과거 추적 기록을 포함하는, 복수의 인자에 기초하여 만들어질 수 있다. 외부 프론트 엔드 시스템(103)은 (예를 들면, 네트워크를 통해) SDP를 요청 사용자 디바이스로 전달할 수 있다.
요청 사용자 디바이스는 제품 정보를 나열하는 SDP를 수신할 수 있다. SDP를 수신하면, 사용자 디바이스는 SDP와 상호 동작할 수 있다. 예를 들면, 요청 사용자 디바이스의 사용자는 SDP의 "장바구니에 담기(Place in Cart)" 버튼을 클릭하거나, 이와 상호 동작할 수 있다. 이렇게 하면 사용자와 연계된 쇼핑 장바구니에 제품이 추가된다. 사용자 디바이스는 제품을 쇼핑 장바구니에 추가하기 위해 외부 프론트 엔드 시스템(103)으로 이러한 요청을 전송할 수 있다.
외부 프론트 엔드 시스템(103)은 장바구니 페이지(예를 들면, 도 1d)를 생성할 수 있다. 일부 실시예에서, 장바구니 페이지는 사용자가 가상의 "쇼핑 장바구니(shopping cart)"에 추가한 제품을 나열한다. 사용자 디바이스는 SRP, SDP, 또는 다른 페이지의 아이콘을 클릭하거나, 상호 동작함으로써 장바구니 페이지를 요청할 수 있다. 일부 실시예에서, 장바구니 페이지는 사용자가 장바구니에 추가한 모든 제품 뿐 아니라 각 제품의 수량, 각 제품의 품목당 가격, 관련 수량에 기초한 각 제품의 가격, PDD에 관한 정보, 배달 방법, 배송 비용, 쇼핑 장바구니의 제품을 수정(예를 들면, 수량의 삭제 또는 수정)하기 위한 사용자 인터페이스 요소, 다른 제품의 주문 또는 제품의 정기적인 배달 설정에 대한 옵션, 할부(interest payment) 설정에 대한 옵션, 구매를 진행하기 위한 사용자 인터페이스 요소 등과 같은 장바구니의 제품에 관한 정보를 나열할 수 있다. 사용자 디바이스의 사용자는 쇼핑 장바구니에 있는 제품의 구매를 시작하기 위해 사용자 인터페이스 요소(예를 들면, "지금 구매(Buy Now)"라고 적혀있는 버튼)를 클릭하거나, 이와 상호 동작할 수 있다. 그렇게 하면, 사용자 디바이스는 구매를 시작하기 위해 이러한 요청을 외부 프론트 엔드 시스템(103)으로 전송할 수 있다.
외부 프론트 엔드 시스템(103)은 구매를 시작하는 요청을 수신하는 것에 응답하여 주문 페이지(예를 들면, 도 1e)를 생성할 수 있다. 일부 실시예에서, 주문 페이지는 쇼핑 장바구니로부터의 아이템을 재나열하고, 결제 및 배송 정보의 입력을 요청한다. 예를 들면, 주문 페이지는 쇼핑 장바구니의 아이템 구매자에 관한 정보(예를 들면, 이름, 주소, 이메일 주소, 전화번호), 수령인에 관한 정보(예를 들면, 이름, 주소, 전화번호, 배달 정보), 배송 정보(예를 들면, 배달 및/또는 픽업 속도/방법), 결제 정보(예를 들면, 신용 카드, 은행 송금, 수표, 저장된 크레딧), 현금 영수증을 요청하는 사용자 인터페이스 요소(예를 들면, 세금 목적) 등을 요청하는 섹션을 포함할 수 있다. 외부 프론트 엔드 시스템(103)은 사용자 디바이스에 주문 페이지를 전송할 수 있다.
사용자 디바이스는 주문 페이지에 정보를 입력하고 외부 프론트 엔드 시스템(103)으로 정보를 전송하는 사용자 인터페이스 요소를 클릭하거나, 상호 동작할 수 있다. 그로부터, 외부 프론트 엔드 시스템(103)은 정보를 시스템(100) 내의 다른 시스템으로 전송하여 쇼핑 장바구니의 제품으로 새로운 주문을 생성하고 처리할 수 있도록 한다.
일부 실시예에서, 외부 프론트 엔드 시스템(103)은 판매자가 주문과 관련된 정보를 전송 및 수신할 수 있도록 추가로 구성될 수 있다.
일부 실시예에서, 내부 프론트 엔드 시스템(105)은 내부 사용자(예를 들면, 시스템(100)을 소유, 운영 또는 임대하는 조직의 직원)가 시스템(100) 내의 하나 이상의 시스템과 상호작용할 수 있게 하는 컴퓨터 시스템으로서 구현될 수 있다. 예를 들면, 시스템(100)이 사용자가 아이템에 대한 주문을 할 수 있게 하는 시스템의 프레젠테이션을 가능하게 하는 실시예에서, 내부 프론트 엔드 시스템(105)은 내부 사용자가 주문에 대한 진단 및 통계 정보를 볼 수 있게 하고, 아이템 정보를 수정하며, 또는 주문에 대한 통계를 검토할 수 있게 하는 웹 서버로서 구현될 수 있다. 예를 들면, 내부 프론트 엔드 시스템(105)은 Apache HTTP 서버, Microsoft Internet Information Services(IIS), NGINX 등과 같은 소프트웨어를 실행하는 컴퓨터 또는 컴퓨터들로서 구현될 수 있다. 다른 실시예에서, 내부 프론트 엔드 시스템(105)은 (도시되지 않은 다른 디바이스뿐 아니라) 시스템(100) 내에 나타낸 시스템 또는 디바이스로부터 요청을 수신 및 처리하고, 그러한 요청에 기초하여 데이터베이스 및 다른 데이터 저장 장치로부터 정보를 획득하며, 획득한 정보에 기초하여 수신된 요청에 대한 응답을 제공하도록 (설계된 커스텀 웹 서버 소프트웨어를 실행)할 수 있다.
일부 실시예에서, 내부 프론트 엔드 시스템(105)은 웹 캐싱 시스템, 데이터베이스, 검색 시스템, 결제 시스템, 분석 시스템, 주문 모니터링 시스템 등 중 하나 이상을 포함할 수 있다. 일 양상에서, 내부 프론트 엔드 시스템(105)은 이들 시스템 중 하나 이상을 포함할 수 있는 반면, 다른 양상에서는 내부 프론트 엔드 시스템(105)은 이들 시스템 중 하나 이상에 연결된 인터페이스(예를 들면, 서버 대 서버, 데이터베이스 대 데이터베이스, 또는 다른 네트워크 연결)를 포함할 수 있다.
일부 실시예에서, 운송 시스템(107)은 시스템(100) 내의 시스템 또는 디바이스와 모바일 디바이스(107A-107C) 간의 통신을 가능하게 하는 컴퓨터 시스템으로서 구현될 수 있다. 일부 실시예에서, 운송 시스템(107)은 하나 이상의 모바일 디바이스(107A-107C)(예를 들면, 휴대 전화, 스마트폰, PDA 등)로부터 정보를 수신할 수 있다. 예를 들면, 일부 실시예에서, 모바일 디바이스(107A-107C)는 배달원에 의해 동작되는 디바이스를 포함할 수 있다. 정규직, 임시적 또는 교대 근무일 수 있는 배달원은 사용자에 의해 주문된 제품들이 들어 있는 패키지의 배달을 위해 모바일 디바이스(107A-107C)를 이용할 수 있다. 예를 들면, 패키지를 배달하기 위해, 배달원은 배달할 패키지와 배달할 위치를 나타내는 모바일 디바이스 상의 알림을 수신할 수 있다. 배달 장소에 도착하면, 배달원은 (예를 들면, 트럭의 뒤나 패키지의 크레이트에) 패키지를 둘 수 있고, 모바일 디바이스를 사용하여 패키지 상의 식별자와 관련된 데이터(예를 들면, 바코드, 이미지, 텍스트 문자열, RFID 태그 등)를 스캔하거나, 캡처하며, (예를 들면, 현관문에 놓거나, 경비원에게 맡기거나, 수령인에게 전달하는 것 등에 의해) 패키지를 배달할 수 있다. 일부 실시예에서, 배달원은 모바일 디바이스를 사용하여 패키지의 사진(들)을 찍거나 및/또는 서명을 받을 수 있다. 모바일 디바이스는, 예를 들면, 시간, 날짜, GPS 위치, 사진(들), 배달원에 관련된 식별자, 모바일 디바이스에 관련된 식별자 등을 포함하는 배달에 관한 정보를 포함하는 정보를 운송 시스템(107)에 전송할 수 있다. 운송 시스템(107)은 시스템(100) 내의 다른 시스템에 의한 접근을 위해 데이터베이스(미도시)에 이러한 정보를 저장할 수 있다. 일부 실시예에서, 운송 시스템(107)은 다른 시스템에 특정 패키지의 위치를 나타내는 트래킹 데이터를 준비 및 전송하기 위해 이러한 정보를 사용할 수 있다.
일부 실시예에서, 특정 사용자는, 한 종류의 모바일 디바이스를 사용할 수 있는 반면(예를 들면, 정규 직원은 바코드 스캐너, 스타일러스 및 다른 장치와 같은 커스텀 하드웨어를 갖는 전문 PDA를 사용할 수 있음), 다른 사용자는 다른 종류의 모바일 디바이스를 사용할 수 있다(예를 들면, 임시 또는 교대 근무 직원이 기성 휴대 전화 및/또는 스마트폰을 사용할 수 있음).
일부 실시예에서, 운송 시스템(107)은 사용자를 각각의 디바이스와 연관시킬 수 있다. 예를 들면, 운송 시스템(107)은 사용자(예를 들면, 사용자 식별자, 직원 식별자, 또는 전화번호에 의해 표현됨)와 모바일 디바이스(예를 들면, International Mobile Equipment Identity(IMEI), International Mobile Subscription Identifier(IMSI), 전화번호, Universal Unique Identifier(UUID), 또는 Globally Unique Identifier(GUID)에 의해 표현됨) 간의 연관성(association)을 저장할 수 있다. 운송 시스템(107)은, 다른 것들 중에 작업자의 위치, 작업자의 효율성, 또는 작업자의 속도를 결정하기 위해 데이터베이스에 저장된 데이터를 분석하기 위해 배달시 수신되는 데이터와 관련하여 이러한 연관성을 사용할 수 있다.
일부 실시예에서, 판매자 포털(109)은 판매자 또는 다른 외부 엔터티(entity)가 시스템(100) 내의 하나 이상의 시스템과 전자 통신할 수 있게 하는 컴퓨터 시스템으로서 구현될 수 있다. 예를 들면, 판매자는 판매자 포털(109)을 사용하여 시스템(100)을 통해 판매하고자 하는 제품에 대하여, 제품 정보, 주문 정보, 연락처 정보 등을 업로드하거나 제공하는 컴퓨터 시스템(미도시)을 이용할 수 있다.
일부 실시예에서, 배송 및 주문 트래킹 시스템(111)은 고객(예를 들면, 디바이스(102A-102B)를 사용하는 사용자)에 의해 주문된 제품들이 들어 있는 패키지의 위치에 관한 정보를 수신, 저장 및 포워딩하는 컴퓨터 시스템으로서 구현될 수 있다. 일부 실시예에서, 배송 및 주문 트래킹 시스템(111)은 고객에 의해 주문된 제품들이 들어 있는 패키지를 배달하는 배송 회사에 의해 운영되는 웹 서버(미도시)로부터 정보를 요청하거나 저장할 수 있다.
일부 실시예에서, 배송 및 주문 트래킹 시스템(111)은 시스템(100)에 나타낸 시스템들로부터 정보를 요청하고 저장할 수 있다. 예를 들면, 배송 및 주문 트래킹 시스템(111)은 운송 시스템(107)으로부터 정보를 요청할 수 있다. 전술한 바와 같이, 운송 시스템(107)은 사용자(예를 들면, 배달원) 또는 차량(예를 들면, 배달 트럭) 중 하나 이상과 연관된 하나 이상의 모바일 디바이스(107A-107C)(예를 들면, 휴대 전화, 스마트폰, PDA 등)로부터 정보를 수신할 수 있다. 일부 실시예에서, 배송 및 주문 트래킹 시스템(111)은 또한, 풀필먼트 센터(예를 들면, 풀필먼트 센터(200)) 내부의 개별 제품의 위치를 결정하기 위해 창고 관리 시스템(WMS)(119)으로부터 정보를 요청할 수 있다. 배송 및 주문 트래킹 시스템(111)은 운송 시스템(107) 또는 WMS(119) 중 하나 이상으로부터 데이터를 요청하고, 이를 처리하며, 요청시 디바이스(예를 들면, 사용자 디바이스(102A, 102B))로 제공할 수 있다.
일부 실시예에서, 풀필먼트 최적화(FO) 시스템(113)은 다른 시스템(예를 들면, 외부 프론트 엔드 시스템(103) 및/또는 배송 및 주문 트래킹 시스템(111))으로부터의 고객 주문에 대한 정보를 저장하는 컴퓨터 시스템으로서 구현될 수 있다. FO 시스템(113)은 또한, 특정 아이템이 유지 또는 저장되는 곳을 나타내는 정보를 저장할 수 있다. 예를 들면, 소정 아이템은 하나의 풀필먼트 센터에만 저장될 수 있는 반면, 소정 다른 아이템은 다수의 풀필먼트 센터에 저장될 수 있다. 또 다른 실시예에서, 특정 풀필먼트 센터는 아이템의 특정 세트(예를 들면, 신선한 농산물 또는 냉동 제품)만을 저장하도록 구성될 수 있다. FO 시스템(113)은 이러한 정보뿐 아니라 관련 정보(예를 들면, 수량, 크기, 수령 날짜, 유통 기한 등)를 저장한다.
FO 시스템(113)은 또한, 각 제품에 대해 대응하는 PDD(약속된 배달 날짜)를 계산할 수 있다. 일부 실시예에서, PDD는 하나 이상의 요소에 기초할 수 있다. 예를 들면, FO 시스템(113)은 제품에 대한 과거 수요(예를 들면, 그 제품이 일정 기간 동안 얼마나 주문되었는지), 제품에 대한 예측된 수요(예를 들면, 얼마나 많은 고객이 다가오는 기간 동안 제품을 주문할 것으로 예상되는지), 일정 기간 동안 얼마나 많은 제품이 주문되었는지를 나타내는 네트워크 전반의 과거 수요, 다가오는 기간 동안 얼마나 많은 제품이 주문될 것으로 예상되는지를 나타내는 네트워크 전반의 예측된 수요, 각각의 제품을 저장하는 각 풀필먼트 센터(200)에 저장된 제품의 하나 이상의 개수, 그 제품에 대한 예상 또는 현재 주문 등에 기초하여 제품에 대한 PDD를 계산할 수 있다.
일부 실시예에서, FO 시스템(113)은 주기적으로(예를 들면, 시간별로) 각 제품에 대한 PDD를 결정하고, 검색하거나 다른 시스템(예를 들면, 외부 프론트 엔드 시스템(103), SAT 시스템(101), 배송 및 주문 트래킹 시스템(111))으로 전송하기 위해 이를 데이터베이스에 저장할 수 있다. 다른 실시예에서, FO 시스템(113)은 하나 이상의 시스템(예를 들면, 외부 프론트 엔드 시스템(103), SAT 시스템(101), 배송 및 주문 트래킹 시스템(111))으로부터 전자 요청을 수신하고 요구에 따라 PDD를 계산할 수 있다.
일부 실시예에서, 풀필먼트 메시징 게이트웨이(FMG)(115)는 FO 시스템(113)과 같은 시스템(100) 내의 하나 이상의 시스템으로부터 하나의 포맷 또는 프로토콜로 요청 또는 응답을 수신하고, 그것을 다른 포맷 또는 프로토콜로 변환하여, 변환된 포맷 또는 프로토콜로 된 요청 또는 응답을 WMS(119) 또는 제3자 풀필먼트 시스템(121A, 121B, 또는 121C)과 같은 다른 시스템에 포워딩하며, 반대의 경우도 가능한 컴퓨터 시스템으로서 구현될 수 있다.
일부 실시예에서, 공급 체인 관리(SCM) 시스템(117)은 예측 기능을 수행하는 컴퓨터 시스템으로서 구현될 수 있다. 예를 들면, SCM 시스템(117)은, 예를 들어 제품에 대한 과거 수요, 제품에 대한 예측된 수요, 네트워크 전반의 과거 수요, 네트워크 전반의 예측된 수요, 각각의 풀필먼트 센터(200)에 저장된 제품 개수, 각 제품에 대한 예상 또는 현재 주문 등에 기초하여, 특정 제품에 대한 수요의 수준을 예측할 수 있다. 이러한 예측된 수준과 모든 풀필먼트 센터를 통한 각 제품의 수량에 응답하여, SCM 시스템(117)은 특정 제품에 대한 예측된 수요를 만족시키기에 충분한 양을 구매 및 비축하기 위한 하나 이상의 구매 주문을 생성할 수 있다.
일부 실시예에서, 창고 관리 시스템(WMS)(119)은 작업 흐름을 모니터링하는 컴퓨터 시스템으로서 구현될 수 있다. 예를 들면, WMS(119)는 개개의 디바이스(예를 들면, 디바이스(107A-107C 또는 119A-119C))로부터 개별 이벤트를 나타내는 이벤트 데이터를 수신할 수 있다. 예를 들면, WMS(119)는 패키지를 스캔하기 위해 이들 디바이스 중 하나를 사용한 것을 나타내는 이벤트 데이터를 수신할 수 있다. 풀필먼트 센터(200) 및 도 2에 관하여 이하에서 논의되는 바와 같이, 풀필먼트 프로세스 동안, 패키지 식별자(예를 들면, 바코드 또는 RFID 태그 데이터)는 특정 스테이지의 기계(예를 들면, 자동 또는 핸드헬드 바코드 스캐너, RFID 판독기, 고속 카메라, 태블릿(119A), 모바일 디바이스/PDA(119B), 컴퓨터(119C)와 같은 디바이스 등)에 의해 스캔되거나 판독될 수 있다. WMS(119)는 패키지 식별자, 시간, 날짜, 위치, 사용자 식별자, 또는 다른 정보와 함께 대응하는 데이터베이스(미도시)에 패키지 식별자의 스캔 또는 판독을 나타내는 각 이벤트를 저장할 수 있고, 이러한 정보를 다른 시스템(예를 들면, 배송 및 주문 트래킹 시스템(111))에 제공할 수 있다.
일부 실시예에서, WMS(119)는 하나 이상의 디바이스(예를 들면, 디바이스(107A-107C 또는 119A-119C))와 시스템(100)과 연관된 하나 이상의 사용자를 연관시키는 정보를 저장할 수 있다. 예를 들면, 일부 상황에서, (파트 타임 또는 풀 타임 직원과 같은) 사용자는 모바일 디바이스(예를 들면, 모바일 디바이스는 스마트폰임)를 소유한다는 점에서, 모바일 디바이스와 연관될 수 있다. 다른 상황에서, 사용자는 임시로 모바일 디바이스를 보관한다는 점에서(예를 들면, 하루의 시작에서부터 모바일 디바이스를 대여받은 사용자가, 하루 동안 그것을 사용하고, 하루가 끝날 때 그것을 반납할 것임), 모바일 디바이스와 연관될 수 있다.
일부 실시예에서, WMS(119)는 시스템(100)과 연관된 각각의 사용자에 대한 작업 로그를 유지할 수 있다. 예를 들면, WMS(119)는 임의의 할당된 프로세스(예를 들면, 트럭에서 내리기, 픽업 구역에서 아이템을 픽업하기, 리비닝 월(rebin wall) 작업, 아이템 패킹하기), 사용자 식별자, 위치(예를 들면, 풀필먼트 센터(200)의 바닥 또는 구역), 직원에 의해 시스템을 통해 이동된 유닛의 수(예를 들면, 픽업된 아이템의 수, 패킹된 아이템의 수), 디바이스(예를 들면, 디바이스(119A-119C))와 관련된 식별자 등을 포함하는, 각 직원과 관련된 정보를 저장할 수 있다. 일부 실시예에서, WMS(119)는 디바이스(119A-119C)에서 작동되는 계시(timekeeping) 시스템과 같은 계시 시스템으로부터 체크-인 및 체크-아웃 정보를 수신할 수 있다.
일부 실시예에서, 제3자 풀필먼트 (3PL) 시스템(121A-121C)은 물류 및 제품의 제3자 제공자와 관련된 컴퓨터 시스템을 나타낸다. 예를 들면, (도 2와 관련하여 이하에서 후술하는 바와 같이) 일부 제품이 풀필먼트 센터(200)에 저장되는 반면, 다른 제품은 오프-사이트(off-site)에 저장될 수 있거나, 수요에 따라 생산될 수 있으며, 달리 풀필먼트 센터(200)에 저장될 수 없다. 3PL 시스템(121A-121C)은 FO 시스템(113)으로부터 (예를 들면, FMG(115)를 통해) 주문을 수신하도록 구성될 수 있으며, 고객에게 직접 제품 및/또는 서비스(예를 들면, 배달 또는 설치)를 제공할 수 있다. 일부 구현예에서, 하나 이상의 3PL 시스템(121A-121C)은 시스템(100)의 일부일 수 있지만, 다른 구현예에서는, 하나 이상의 3PL 시스템(121A-121C)이 시스템(100)의 외부에 있을 수 있다(예를 들어, 제3자 제공자에 의해 소유 또는 운영됨)일 수 있다.
일부 실시예에서, 풀필먼트 센터 인증 시스템(FC Auth)(123)은 다양한 기능을 갖는 컴퓨터 시스템으로서 구현될 수 있다. 예를 들면, 일부 실시예에서, FC Auth(123)는 시스템(100) 내의 하나 이상의 다른 시스템에 대한 단일-사인 온(single-sign on, SSO) 서비스로서 작동할 수 있다. 예를 들면, FC Auth(123)는 내부 프론트 엔드 시스템(105)을 통해 사용자가 로그인하게 하고, 사용자가 배송 및 주문 트래킹 시스템(111)에서 리소스에 액세스하기 위해 유사한 권한을 갖고 있다고 결정하며, 두 번째 로그인 프로세스 요구 없이 사용자가 그러한 권한에 액세스할 수 있게 한다. 다른 실시예에서, FC Auth(123)는 사용자(예를 들면, 직원)가 자신을 특정 작업과 연관시킬 수 있게 한다. 예를 들면, 일부 직원은 (디바이스(119A-119C)와 같은) 전자 디바이스를 갖지 않을 수 있으며, 대신 하루 동안 풀필먼트 센터(200) 내에서 작업들 사이 및 구역들 사이에서 이동할 수 있다. FC Auth(123)는 이러한 직원들이 상이한 시간 대에 수행 중인 작업과 속해 있는 구역을 표시할 수 있도록 구성될 수 있다.
일부 실시예에서, 노동 관리 시스템(LMS)(125)은 직원(풀-타임 및 파트-타임 직원을 포함함)에 대한 출근 및 초과 근무 정보를 저장하는 컴퓨터 시스템으로서 구현될 수 있다. 예를 들면, LMS(125)는 FC Auth(123), WMS(119), 디바이스(119A-119C), 운송 시스템(107), 및/또는 디바이스(107A-107C)로부터 정보를 수신할 수 있다.
도 1a에 나타낸 특정 구성은 단지 예시일 뿐이다. 예를 들면, 도 1a는 FO 시스템(113)에 연결된 FC Auth 시스템(123)을 나타낸 반면, 모든 실시예가 이러한 특정 구성을 필요로 하는 것은 아니다. 실제로, 일부 실시예에서, 시스템(100) 내의 시스템은 인터넷, 인트라넷, WAN(Wide-Area Network), MAN(Metropolitan-Area Network), IEEE 802.11a/b/g/n 표준을 따르는 무선 네트워크, 임대 회선 등을 포함하는 하나 이상의 공공 또는 사설 네트워크를 통해 서로 연결될 수 있다. 일부 실시예에서, 시스템(100) 내의 시스템 중 하나 이상은 데이터 센터, 서버 팜 등에서 구현되는 하나 이상의 가상 서버로서 구현될 수 있다.
도 2는 풀필먼트 센터(200)를 나타낸다. 풀필먼트 센터(200)는 주문시 고객에게 배송하기 위한 아이템을 저장하는 물리적 장소의 예시이다. 풀필먼트 센터(FC)(200)는 다수의 구역으로 분할될 수 있으며, 각각이 도 2에 도시된다. 일부 실시예에서, 이러한 "구역(zones)"은 아이템을 수령하고, 아이템을 저장하고, 아이템을 검색하고, 아이템을 배송하는 과정의 상이한 단계 사이의 가상 구분으로 생각될 수 있다. 따라서, "구역"이 도 2에 나타나 있으나, 일부 실시예에서, 구역의 다른 구분도 가능하고, 도 2의 구역은 생략, 복제, 또는 수정될 수 있다.
인바운드 구역(203)은 도 1a의 시스템(100)을 사용하여 제품을 판매하고자 하는 판매자로부터 아이템이 수신되는 FC(200)의 영역을 나타낸다. 예를 들면, 판매자는 트럭(201)을 사용하여 아이템(202A, 202B)을 배달할 수 있다. 아이템(202A)은 자신의 배송 팔레트(pallet)를 점유하기에 충분히 큰 단일 아이템을 나타낼 수 있으며, 아이템(202B)은 공간을 절약하기 위해 동일한 팔레트 상에 함께 적층되는 아이템의 세트를 나타낼 수 있다.
작업자는 인바운드 구역(203)의 아이템을 수령하고, 선택적으로 컴퓨터 시스템(미도시)을 사용하여 아이템이 손상되었는지 및 정확한지를 체크할 수 있다. 예를 들면, 작업자는 아이템(202A, 202B)의 수량을 아이템의 주문 수량과 비교하기 위해 컴퓨터 시스템을 사용할 수 있다. 수량이 일치하지 않는다면, 해당 작업자는 아이템(202A, 202B) 중 하나 이상을 거부할 수 있다. 수량이 일치한다면, 작업자는 그 아이템들을 (예를 들면, 짐수레(dolly), 핸드트럭(handtruck), 포크리프트(forklift), 또는 수작업으로) 버퍼 구역(205)으로 운반할 수 있다. 버퍼 구역(205)은, 예를 들면, 예측된 수요를 충족시키기 위해 픽업 구역에 그 아이템이 충분한 수량만큼 있기 때문에, 픽업 구역에서 현재 필요하지 않은 아이템에 대한 임시 저장 영역일 수 있다. 일부 실시예에서, 포크리프트(206)는 버퍼 구역(205) 주위와 인바운드 구역(203) 및 드롭 구역(207) 사이에서 아이템을 운반하도록 작동한다. (예를 들면, 예측된 수요로 인해) 픽업 구역에 아이템(202A, 202B)이 필요하면, 포크리프트는 아이템(202A, 202B)을 드롭 구역(207)으로 운반할 수 있다.
드롭 구역(207)은 픽업 구역(209)으로 운반되기 전에 아이템을 저장하는 FC(200)의 영역일 수 있다. 픽업 동작에 할당된 작업자("피커(picker)")는 픽업 구역의 아이템(202A, 202B)에 접근하고, 픽업 구역에 대한 바코드를 스캔하며, 모바일 디바이스(예를 들면, 디바이스(119B))를 사용하여 아이템(202A, 202B)과 관련된 바코드를 스캔할 수 있다. 그 다음 피커는 (예를 들면, 카트에 놓거나 운반함으로써) 픽업 구역(209)에 아이템을 가져갈 수 있다.
픽업 구역(209)은 아이템(208)이 저장 유닛(210)에 저장되는 FC(200)의 영역일 수 있다. 일부 실시예에서, 저장 유닛(210)은 물리적 선반, 책꽂이, 박스, 토트(tote), 냉장고, 냉동고, 저온 저장고 등 중 하나 이상을 포함할 수 있다. 일부 실시예에서, 픽업 구역(209)은 다수의 플로어로 편성될 수 있다. 일부 실시예에서, 작업자 또는 기계는, 예를 들면, 포크리프트, 엘리베이터, 컨베이어 벨트, 카트, 핸드트럭, 짐수레, 자동화된 로봇 또는 디바이스, 또는 수작업을 포함하는 다양한 방식으로 아이템을 픽업 구역(209)으로 운반할 수 있다. 예를 들면, 피커는 아이템(202A, 202B)을 드롭 구역(207)의 핸드트럭 또는 카트에 놓을 수 있으며, 아이템(202A, 202B)을 픽업 구역(209)으로 가져갈 수 있다.
피커는 저장 유닛(210) 상의 특정 공간과 같은 픽업 구역(209)의 특정 스팟에 아이템을 배치(또는 "적재(stow)")하라는 명령을 수신할 수 있다. 예를 들면, 피커는 모바일 디바이스(예를 들면, 디바이스(119B))를 사용하여 아이템(202A)을 스캔할 수 있다. 디바이스는, 예를 들면, 통로, 선반 및 위치를 나타내는 시스템을 사용하여, 아이템(202A)을 적재해야 하는 위치를 나타낼 수 있다. 그 다음 디바이스는 그 위치에 아이템(202A)을 적재하기 전에 피커가 그 위치에서 바코드를 스캔하도록 할 수 있다. 디바이스는 도 1a의 WMS(119)와 같은 컴퓨터 시스템에 아이템(202A)이 디바이스(119B)를 사용하는 사용자에 의해 그 위치에 적재되었음을 나타내는 데이터를 (예를 들면, 무선 네트워크를 통해) 전송할 수 있다.
일단 사용자가 주문을 하면, 피커는 저장 유닛(210)으로부터 하나 이상의 아이템(208)을 검색하기 위해 디바이스(119B)에 명령을 수신할 수 있다. 피커는 아이템(208)을 검색하고, 아이템(208) 상의 바코드를 스캔하며, 운송 기구(214) 상에 놓을 수 있다. 일부 실시예에서, 운송 기구(214)가 슬라이드로서 표현되지만, 운송 기구는 컨베이어 벨트, 엘리베이터, 카트, 포크리프트, 핸드트럭, 짐수레 등 중 하나 이상으로서 구현될 수 있다. 그 다음 아이템(208)은 패킹 구역(211)에 도착할 수 있다.
패킹 구역(211)은 아이템이 픽업 구역(209)으로부터 수령되고 고객에게 최종 배송하기 위해 박스 또는 가방에 패킹되는 FC(200)의 영역일 수 있다. 패킹 구역(211)에서, 아이템을 수령하도록 할당된 작업자("리비닝 작업자(rebin worker)")는 픽업 구역(209)으로부터 아이템(208)을 수령하고, 그것이 어느 주문에 대응하는지를 결정할 것이다. 예를 들면, 리비닝 작업자는 아이템(208) 상의 바코드를 스캔하기 위해 컴퓨터(119C)와 같은 디바이스를 사용할 수 있다. 컴퓨터(119C)는 아이템(208)이 어느 주문과 관련이 있는지를 시각적으로 나타낼 수 있다. 이는, 예를 들면, 주문에 대응하는 월(216) 상의 공간 또는 "셀(cell)"을 포함할 수 있다. (예를 들면, 셀에 주문의 모든 아이템이 포함되어 있기 때문에) 일단 주문이 완료되면, 리비닝 작업자는 패킹 작업자(또는 "패커(packer)")에게 주문이 완료된 것을 알릴 수 있다. 패커는 셀로부터 아이템을 검색하고, 배송을 위해 이들을 박스 또는 가방에 놓을 수 있다. 그 다음 패커는, 예를 들면, 포크리프트, 카트, 짐수레, 핸드트럭, 컨베이어 벨트, 수작업 또는 다른 방법을 통해, 박스 또는 가방을 허브 구역(213)으로 보낼 수 있다.
허브 구역(213)은 패킹 구역(211)으로부터 모든 박스 또는 가방("패키지(packages)")을 수신하는 FC(200)의 영역일 수 있다. 허브 구역(213)의 작업자 및/또는 기계는 패키지(218)를 검색하고, 각 패키지가 배달 영역의 어느 부분으로 배달되도록 되어 있는지를 결정하며, 패키지를 적합한 캠프 구역(215)으로 보낼 수 있다. 예를 들면, 배달 영역이 2개의 작은 하위 영역을 갖는다면, 패키지는 2개의 캠프 구역(215) 중 하나로 보내질 것이다. 일부 실시예에서, 작업자 또는 기계는 최종 목적지를 결정하기 위해 (예를 들면, 디바이스(119A-119C) 중 하나를 사용하여) 패키지를 스캔할 수 있다. 패키지를 캠프 구역(215)으로 보내는 것은, 예를 들면, (우편 번호에 기초하여) 패키지가 향하는 지리적 영역의 부분을 결정하고, 지리적 영역의 부분과 관련된 캠프 구역(215)을 결정하는 것을 포함할 수 있다.
일부 실시예에서, 캠프 구역(215)은 루트 및/또는 서브-루트로 분류하기 위해 허브 구역(213)으로부터 패키지가 수령되는 하나 이상의 빌딩, 하나 이상의 물리적 공간, 또는 하나 이상의 영역을 포함할 수 있다. 일부 실시예에서, 캠프 구역(215)은 FC(200)로부터 물리적으로 분리되어 있는 반면, 다른 실시예에서는 캠프 구역(215)은 FC(200)의 일부를 형성할 수 있다.
캠프 구역(215)의 작업자 및/또는 기계는, 예를 들면, 목적지와 기존 루트 및/또는 서브-루트의 비교, 각각의 루트 및/또는 서브-루트에 대한 작업량의 계산, 하루 중 시간, 배송 방법, 패키지(220)를 배송하기 위한 비용, 패키지(220)의 아이템과 관련된 PDD 등에 기초하여 패키지(220)가 어느 루트 및/또는 서브-루트와 연관되어야 하는지를 결정할 수 있다. 일부 실시예에서, 작업자 또는 기계는 최종 목적지를 결정하기 위해 (예를 들면, 디바이스(119A-119C) 중 하나를 사용하여) 패키지를 스캔할 수 있다. 일단 패키지(220)가 특정 루트 및/또는 서브-루트에 할당되면, 작업자 및/또는 기계는 배송될 패키지(220)를 운반할 수 있다. 예시적인 도 2에서, 캠프 구역(215)은 트럭(222), 자동차(226), 배달원(224A, 224B)을 포함한다. 일부 실시예에서, 배달원(224A)이 트럭(222)을 운전할 수 있는데, 이 때 배달원(224A)은 FC(200)에 대한 패키지를 배달하는 풀-타임 직원이며, 트럭은 FC(200)를 소유, 임대 또는 운영하는 동일한 회사에 의해 소유, 임대, 또는 운행된다. 일부 실시예에서, 배달원(224B)이 자동차(226)를 운전할 수 있는데, 이 때 배달원(224B)은 필요에 따라(예를 들면, 계절에 따라) 배달하는 "플렉스(flex)" 또는 비상시적인 작업자이다. 자동차(226)는 배달원(224B)에 의해 소유, 임대 또는 운행될 수 있다.
상술한 바와 같이, 전자상거래 비즈니스는 배송, 운송, 및 물류 작업을 가능하게 하는 통신을 위해 컴퓨터화된 시스템을 이용할 수 있다. 이러한 시스템(예로써, 도 1a에 도시된 바와 같은 시스템(100))은 배송, 운송, 및 물류 작업을 극대화하기 위해 효율적이고 효과적으로 설계 및 동작되는 다양한 컴퓨터 소프트웨어 애플리케이션을 필요로 한다. 전자상거래 비즈니스는 종종 해당 비지니즈의 특정 니즈에 맞게 이러한 컴퓨터 소프트웨어 애플리케이션을 설계하고 작성해야 한다. 또한, 전자상거래 비즈니스는 이러한 배송, 운송, 및 물류 작업을 수행하는데 대량의 데이터를 처리하고 저장해야 한다.
배송, 운송, 및 물류 작업을 극대화하기 위한 컴퓨터 소프트웨어 애플리케이션의 효과는 머신 러닝(ML)/인공 지능(AI)의 사용으로 개선될 수 있다. 예를 들어, 다수의 패키지를 배달할 때 어느 루트를 사용할지 결정하는 컴퓨터 소프트웨어 애플리케이션은, 배달을 위한 최상의 루트를 결정할 때 많은 변수(예로써, 배달 위치, 교통 상황, 연료 비용, 유휴 시간(idle time) 등)를 고려해야 할 수 있다. 전자상거래 비즈니스는 ML/AI을 사용하여 컴퓨터 실험을 실행하여 이런 루트 결정 소프트웨어 애플리케이션의 효과를 최적화하는데 사용할 최상의 알고리즘을 찾을 수 있다. 또 다른 예에서, 고객에게 어느 프로모션을 제공할지 결정하는 컴퓨터 소프트웨어 애플리케이션은, 고객을 가장 큰 장래 수익으로 이끄는 프로모션과 매칭시킬 때 많은 변수(구매 이력, 인터넷 검색 기록, 미래 판매 예측 등)를 고려해야 할 수도 있다. 전자상거래 비즈니스는 ML/AI을 사용하여 컴퓨터 실험을 실행하여 이런 프로모션 선택 소프트웨어 애플리케이션의 효과를 최적화하는데 사용할 최상의 알고리즘을 찾을 수 있다.
ML/AI의 컴퓨터 실험을 실행하는 전자상거래 비즈니스는, 예를 들어, 온프레미스(on-premises) 컴퓨터 시스템 또는 클라우드 기반의 오프프레미스(off-premises) 컴퓨터 시스템을 사용하여 그렇게 할 수 있다.
도 3은 개시된 실시예에 따른, 컴퓨터 구현 태스크를 최적화하고 수행하는 컴퓨터화된 시스템을 포함하는 네트워크(40)의 예시적인 실시예를 나타낸 개략적인 블록도이다. 도 3에 도시된 바와 같이, 태스크 최적화 시스템(50)은 서버(500), 애플리케이션 플랫폼(600), 데이터 준비 플랫폼(700), 온프레미스 시스템(300), 및 오프프레미스 시스템(400)을 포함한다. 이들 시스템 각각이 단일 방식으로 도시되어 있지만, 일부 실시예에서는, 실시예의 필요에 따라 이들 시스템 중 하나 이상이 중복되거나 생략될 수 있다. 예를 들어, 온프레미스 시스템(300)은 온프레미스 시스템(300) 내의 시스템들에 대한 백업, 복제, 추가 용량 또는 장애 조치 시스템인 별도의 온프레미스 시스템(300a)(도시하지 않음)을 가질 수 있다.
서버(500)의 기본 컴포넌트로는 프로세서(520), 및 메모리 디바이스(540)를 포함하지만, 서버(300)는 이들 컴포넌트를 포함하여, 전자 통신을 용이하게 하는 다른 컴포넌트를 포함할 수 있다. 다른 컴포넌트로는 입력 및 출력 디바이스(미도시)와 같은 사용자 인터페이스 디바이스를 포함할 수 있다. 서버(500)는 CPU(Central Processing Unit)나 프로세서, 버스, 메모리 디바이스, 스토리지 유닛, 데이터 프로세서, 입력 디바이스, 출력 디바이스, 네트워크 인터페이스 디바이스, 및 통상의 기술자에게 알려져 있는 다른 타입의 컴포넌트의 조합과 같은 컴퓨터 하드웨어 컴포넌트를 포함할 수 있다. 서버(500)는 추가로 소프트웨어 모듈, 명령어 시퀀스, 루틴, 데이터 구조, 디스플레이 인터페이스, 및 본 발명의 동작을 실행하는 다른 타입의 구조를 포함할 수 있는 애플리케이션 프로그램을 포함할 수 있다.
서버(500)의 하드웨어 컴포넌트 중 하나는 프로세서(520)이다. 프로세서(520)는 ASIC(Application Specific Integrated Circuit) 또는 범용 프로세서일 수 있다. 프로세서(520)는 하나 이상의 프로세서를 포함할 수 있다. 예를 들어, 프로세서들은, 처리될 컴퓨터 명령의 전부 또는 일부를 처리하기 위해, 병렬로, 직렬로 또는 그 양방으로 위치될 수 있다.
메모리 디바이스(540)는, 예로써, EPROM, RAM, ROM, DRAM, EEPROM, 및 플래시 메모리 디바이스와 같은 반도체 메모리 디바이스; 내장 하드 디스크 및 이동식 디스크와 같은 자기 디스크; 광자기 디스크; DVD 디스크, 및 CD 롬 디스크를 포함하는 비휘발성 또는 휘발성 메모리와 같은 모든 형태의 컴퓨터 판독 가능 저장 매체를 포함할 수 있다. 메모리 디바이스(540)는, 예를 들어, 프로그램 코드를 저장하기 위해 사용될 수 있다.
서버(500)는 애플리케이션 플랫폼(600) 및 데이터 준비 플랫폼(700)과 인터페이싱하고 통신하도록 구성된다. 애플리케이션 플랫폼(600)은 온프레미스 컴퓨터 시스템(300)(예로써, 온사이트 서버) 또는 클라우드 기반의 오프프레미스 컴퓨터 시스템(400)(예로써, Microsoft Azure, IBM SmartCloud 등)으로 데이터를 전송하도록 구성된다.
일부 실시예에서, 시스템(300 및 400)의 컴포넌트는 유사할 수 있다. 이것은, 예를 들어, 온프레미스 시스템(300) 및 오프프레미스 시스템(400)에서 수행 가능한 태스크가 여러 면(예로써, 태스크 타입, 계산, 스토리지 요건)에서 유사할 수 있기 때문일 수 있다. 예를 들어, 온프레미스 시스템(300)은 복수의 컨테이너(320) 및 하드웨어 작업자(330)(예로써, GPU/CPU 작업자)를 가지는 컨테이너 오케스트레이션 시스템(310)(예로써, 쿠버네티스)을 포함할 수 있다. 온프레미스 시스템(300)은 또한 데이터 저장소(350)(예로써, GlusterFS)를 포함할 수 있다. 유사하게, 오프프레미스 시스템(400)(예로써, Microsoft Azure, IBM SmartCloud 등)은 복수의 컨테이너(420) 및 하드웨어 작업자(430)(예로써, GPU/CPU 작업자)를 가지는 컨테이너 오케스트레이션 시스템(410)(예로써, 쿠버네티스)을 포함할 수 있다. 오프프레미스 시스템(400)은 또한 데이터 저장소(450)(예로써, Data Lake)를 포함할 수 있다.
서버(500)의 사용자 인터페이스는, 사용자(60)가 태스크 최적화 시스템(50)에 로그온하여 원하는 컴퓨터 구현 태스크를 실행할 수 있게 한다. 예시적인 컴퓨터 구현 태스크로는 ML/AI 태스크 및 데이터 저장 태스크를 포함한다. 이러한 태스크는 애플리케이션 플랫폼(600)에서 실행되는 애플리케이션과 연관될 수 있다. 애플리케이션 플랫폼(600)에서 실행되는 애플리케이션으로는, 오픈 소스 프로그램 작성 툴(예로써, Jupyter Notebook), ML 플랫폼(예로써, Polyaxon), 스토리지 API 등을 포함하지만, 이것들로 한정되는 것은 아니다. 컴퓨터 구현 태스크의 계산/저장 요구를 고려하면, 컴퓨터 구현 태스크의 실행과 연관된 실제의 처리/저장은 더 강건한 컴퓨터 시스템(예로써, 온프레미스 시스템(300) 또는 오프프레미스 시스템(400))에서 행해져야 한다. 다양한 이유로, 온프레미스 시스템(300) 또는 오프프레미스 시스템(400) 중 어느 하나에서 컴퓨터 구현 태스크를 실행하는 것이 보다 바람직할 수 있다.
온프레미스 시스템(300) 또는 오프프레미스 시스템(400) 중 어느 하나에서 컴퓨터 구현 태스크를 실행하기 전에, 컴퓨터 구현 태스크를 실행하는데 필요한 데이터가, 애플리케이션 플랫폼(600)을 통해 구현되기 전에 전처리되거나 준비될 필요가 있을 수 있다. 예를 들어, 머신 러닝 특징 처리를 위해, 다수의 데이터 소스가 머신 러닝 트레이닝에 사용되는 데이터를 갖는 단일의 소스로 비정규화될 필요가 있을 수 있다. 데이터 준비 플랫폼(700)은 다양한 툴을 이용하여 데이터를 전처리하거나 준비할 수 있다. 데이터 준비 플랫폼에서 실행되는 예시적인 툴로는, 프로세스 스트리밍/분석용 오픈 소스 애플리케이션(예로써, 아파치 스파크를 이용한 아파치 카프카), 오픈 소스 데이터 쿼리 및 분석(예로써, 아파치 스파크를 이용한 아파치 하이브), 분산 저장 및 처리용 오픈 소스 프레임워크(예로써, 아파치 하둡), 및 작업/배치(job/batch) 스케줄러를 포함하지만, 이것들로 한정되는 것은 아니다.
메모리(540)에 저장되고 프로세서(520)에 의해 실행되는 태스크 최적화 모듈은 사용자의 지시 없이 온프레미스 시스템(300) 또는 오프프레미스 시스템(400)에서 컴퓨터 구현 태스크의 실행에 대한 결정 및 실행을 자동화한다. 따라서, 태스크 최적화 모듈은 사용자(60)가 태스크가 로컬에 실행되는지 원격적으로 실행되는지 여부에 대한 염려 없이 컴퓨터 구현 태스크를 실행 가능하게 하는 추상화(abstraction) 레벨을 제공한다.
일부 실시예에서, 태스크 최적화 모듈은 온프레미스 시스템(300)을 사용할지 또는 오프프레미스 시스템(400)을 사용할지 사이에서 결정할 때 하나 이상의 인자를 고려한다. 일부 실시예에서, 온프레미스 시스템(300) 사용은, 보다 낮은 운영 비용으로 인해, 오프프레미스 시스템(400) 사용보다 선호된다. 따라서, 일부 실시예에서, 태스크 최적화 모듈은 인자가 오프프레미스 시스템(400) 사용에 유리하지 않는 한 온프레미스 시스템(300)을 이용하도록 프로그래밍된다.
일부 실시예에서, 태스크 최적화 모듈은 컴퓨터 구현 태스크를 완료하는데 필요한 예상 하드웨어 요건에 기초하여 온프레미스 시스템(300)을 사용할지 또는 오프프레미스 시스템(400)을 사용할지 사이에서 결정을 내릴 수 있다. 이 예상 하드웨어 요건은 리소스 증배(multiplication) 인자와 결합된 실험에 필요한 리소스의 사용자 입력에 기초할 수 있다. 일부 태스크는 사용자에 의해 보다 GPU 집약적이도록 특정되는 한편, 다른 태스크는 보다 CPU 집약적이도록 특정된다. GPU 인프라는 비교적 비싸며 온프레미스 시스템(300)에서 제한된 역량을 가질 가능성이 더 크다. 따라서, 많은 상황에서 태스크 최적화 모듈은, 온프레미스 시스템이 효율적인 방식으로 태스크를 완료할 수 없을 것이기 때문에, 높은 GPU 집약적 태스크를 오프프레미스 시스템(400)으로 전송하는 것을 선호할 것이다. CPU 인프라는 비교적 저렴하며 온프레미스 시스템(400)에서 충분한 역량을 가질 가능성이 더 크다. 따라서, 많은 상황에서 태스크 최적화 모듈은, 오프프레미스 시스템(400)이 상당한 효율 증가를 제공하는 것은 아니기 때문에, 높은 CPU 집약적 태스크를 온프레미스 시스템(300)으로 전송하는 것을 선호할 것이다.
일부 실시예에서, 태스크 최적화 모듈은 컴퓨터 구현 태스크의 레이턴시 요건에 기초하여 온프레미스 시스템(300)을 사용할지 또는 오프프레미스 시스템(400)을 사용할지 사이에서 결정을 내릴 수 있다. 데이터의 이동 거리가 길면 작업이 요청되는 시점과 실행되는 시점 사이에 딜레이(즉, 레이턴시)가 발생한다. 데이터가 로컬에 저장되어 있는 경우에, 해당 데이터가 오프프레미스 시스템(400)에 업로드될 필요가 있으면 추가적인 레이턴시 딜레이가 발생한다. 유사하게, 데이터가 원격에 저장되어 있는 경우, 해당 데이터가 온프레미스 시스템(400)에 다운로드될 필요가 있으면 추가적인 레이턴시 딜레이가 발생한다. 컴퓨터 구현 태스크에서 대량의 데이터가 처리되어야 하는 경우, 태스크 최적화 모듈은 레이턴시로 인한 비효율성을 줄이기 위해 데이터에 더 가까운 시스템(300, 400)을 선호하는 경향이 있을 것이다. 컴퓨터 구현 태스크에서 보다 적은 양의 데이터가 처리되어야 하는 경우, 태스크 최적화 모듈은 레이턴시로 인한 비효율성이 덜 심할 것이기 때문에 온프레미스 시스템(300)을 선호하는 경향이 있을 것이다. 실제로, 예를 들어, 사용자는 작업(job)이 SLA(Service Level Agreement) 필수인 작업인지 여부를 작업 스펙에 표시할 수 있다. 이 정보를 사용하여, 태스크 최적화 모듈은, 필요한 리소스가 온프레미스 시스템(300)에서 이용 가능하지 않은 경우, 오프프레미스 시스템(400)에서 즉시 SLA 필수 작업을 스케줄링할 수 있다. SLA 필수가 아닌 작업의 경우, 태스크 최적화 모듈은 리소스가 온프레미스에서 이용 가능할 때 이런 작업을 스케줄링할 수 있다.
일부 실시예에서, 태스크 최적화 모듈은 온프레미스 컴퓨터 시스템(300)의 하드웨어 역량에 기초하여 온프레미스 시스템(300)을 사용할지 또는 오프프레미스 시스템(400)을 사용할지 사이에서 결정을 내릴 수 있다. 예를 들어, 클러스터 리소스 이용률 메트릭을 질의(query)함으로써 온프레미스 시스템(300)의 온프레미스 클러스터에서 현재 리소스 가용성(availability)을 체크하는 시스템(100)에 의해 충분한 하드웨어 역량이 결정될 수 있다. 온프레미스 시스템(300)의 현재 리소스 이용률 메트릭을 사용하여, 시스템(100)은 온프레미스 시스템(300)의 가용 역량을 결정하고, 그 가용 역량이 사용자의 리소스 스펙을 충족하는지를 검증할 수 있다. 온프레미스 컴퓨터 시스템(300)은 요구에 따라 확장 가능하지 않기 때문에, 온프레미스 컴퓨터 시스템(300)에서 실행될 임의의 컴퓨터 구현 태스크는 현재 이용 가능한 하드웨어를 사용하는 것으로 제한된다. 따라서, 온프레미스 컴퓨터 시스템(300)의 하드웨어 역량(예로써, 스토리지, GPU 역량, CPU 역량)이 (물리적 하드웨어의 양이 적거나 이미 사용 중인 하드웨어의 양이 많기 때문에) 낮은 경우, 태스크 최적화 모듈은 온프레미스 시스템이 효율적인 방식으로 태스크를 완료할 수 없을 것이기 때문에 오프프레미스 컴퓨터 시스템(400)을 선호하는 경향이 있을 것이다. 또한, 온프레미스 컴퓨터 시스템(300)의 하드웨어 역량(예로써, 스토리지, GPU 역량, CPU 역량)이 (물리적 하드웨어의 양이 많거나 이미 사용 중인 하드웨어의 양이 적기 때문에) 보다 높은 경우, 태스크 최적화 모듈은 오프프레미스 시스템(400)이 상당한 효율 증가를 제공하는 것은 아니기 때문에 온프레미스 컴퓨터 시스템(300)을 선호하는 경향이 있을 것이다.
일부 실시예에서, 태스크 최적화 모듈은 컴퓨터 구현 태스크를 위해 오프프레미스 컴퓨터 시스템(300)을 사용하는 것의 예상 재정 비용에 기초하여 온프레미스 시스템(300)을 사용할지 또는 오프프레미스 시스템(400)을 사용할지 사이에서 결정을 내릴 수 있다. 오프프레미스 시스템(400)을 사용하는 것의 재정 비용을 결정하는 데에는 다수의 인자가 있다. 예를 들어, 보다 큰 작업일수록 보다 작은 작업보다 실행하는 데 비용이 더 많이 드는 경향이 있다. 또한, 오프프레미스 시스템(400) 내의 대량의 트래픽은 해당 시스템(400)에 액세스하는 것의 비용을 증가시키는 경향이 있다. 추가로, 계약상의 협약에는, 특정 임계값을 초과하는 오프프레미스 시스템(400)의 사용은 해당 임계값 미만의 사용량보다 높은 요율로 청구될 것이라고 규정될 수 있다. 태스크 최적화 모듈은 이러한 비용 결정 인자를 사용하여 오프프레미스 시스템(400)에 대한 특정 컴퓨터 구현 태스크(예로써, CPU, 메모리, GPU, 및 데이터 스토리지에 대한 사용자 특정 하드웨어 니즈와 관련됨)의 재정 비용을 추정할 것이며, 그 추정된 비용이 더 높을수록, 태스크 최적화 모듈은 온프레미스를 더 많이 선호할 것이다.
일부 실시예에서, 태스크 최적화 모듈은 가중 평균 및 임계값 요건에 기초하여 온프레미스 시스템(300)을 사용할지 또는 오프프레미스 시스템(400)을 사용할지 사이에서 결정하기 위한 상술한 인자를 평가할 것이다. 예를 들어, 태스크 최적화 모듈은 해당 태스크를 실행하는 것의 재정 비용보다 태스크의 효율적인 운영에 더 높은 가중치를 줄 수 있다(또는 그 반대일 수도 있음). 또한, 온프레미스 시스템(300)의 역량에 대한 태스크의 하드웨어 요건들 간의 관계는, 다른 인자에 관계없이 결국 임계값 요건이 될 수 있다. 예를 들어, 온프레미스 시스템(300)이 태스크를 실행하기 위한 충분한 하드웨어 역량을 가지고 있지 않은 경우, 태스크 최적화 모듈은 다른 인자가 나타내는 것과 관계없이 오프프레미스 시스템(400)을 선택할 수 있다.
또 다른 예로서, 태스크 최적화 모듈은, 임의의 시스템(또는 임의의 시스템의 일부)이 "불건전(unhealthy)"하다고 결정하는 경우에는, 다른 시스템보다 어느 하나의 시스템을 사용하도록 결정할 수 있다. 일부 실시예에서, 시스템 건전성에는 레이턴시, 디스크 스토리지, 로드, 예상 로드를 포함한다. 예를 들어, 태스크 최적화 모듈은 각 시스템의 건전성(예로써, 리소스 가용성, 핑(ping)/레이턴시, 프로세서 로드 등)을 리스트화하고 있는 데이터 저장소를 참조하거나, 또는 (예로써, 시스템으로부터 해당 데이터를 요청하거나, "핑"을 사용하여 레이턴시를 결정함으로써) 시스템의 건전성을 직접 결정할 수 있다.
컴퓨터 구현 태스크는 다수의 서브태스크로 구성될 수 있다는 점에 주목한다. 일부 실시예에서, 태스크 최적화 모듈은 서브태스크 각각을 분석하고, 각각의 개별 서브태스크가 상술한 바와 같은 동일한 인자들에 기초하여 온프레미스 시스템(300)으로 전송되어야 하는지 또는 오프프레미스 시스템(400)으로 전송되어야 하는지 여부를 결정하도록 구성된다. 태스크 최적화 모듈은 서브태스크를 개별적으로(즉, 각 서브태스크에 대한 최상의 목적지를 독립적으로 결정하여) 또는 서로의 관계에 따라(다른 서브태스크가 어디로 가야하는지에 더 기초하여 각 서브태스크에 대한 최상의 목적지를 고려하여) 분석할 수 있다. 이것은, 예를 들면, 서브태스크가 서로 다른 시스템(300, 400)에서 병렬로 실행되도록 함으로써, 추가적인 효율성을 가져 올 수 있다.
컴퓨터 구현 태스크와 연관된 데이터의 목적지를 자동으로 결정하기 전에 다수의 인자를 평가함으로써, 태스크 최적화 모듈은 가장 적합한 목적지를 선택하여 컴퓨터 구현 태스크 실행 효율성을 증가시킬 수 있다. 이 효율성은 사용자(60)에게 목적지를 스스로 결정하는 부담을 주지 않고 달성된다. 따라서, 결정 프로세스에서 사용자(60)를 배제함으로써, 추가적인 시간이 절약되고, 추가적인 효율성이 달성된다.
온프레미스 시스템(300) 및 오프프레미스 시스템(400) 모두 액세스를 허용하기 전에 인증을 요구한다. 인증 프로세스는 시간이 많이 소요될 수 있으며(예로써, 2 단계 식별로서 고유한 패스워드 입력 및 알려진 디바이스로 전송되는 추가 코드의 입력을 요구함), 그리고 반복적일 수 있다(사용자가 다수의 시스템에 액세스해야 하는 경우, 보통 동일한 타입의 인증을 여러 번 행하는 것을 알게 됨).
태스크 최적화 모듈은, 태스크 최적화 모듈이 얼마나 많은 시스템에 액세스 해야 하는지에 관계없이 단일의 인증을 허용함으로써, 컴퓨터 구현 태스크 실행 효율성을 더욱 증가시킨다.
예를 들어, 사용자(60)가 서버(500) 상의 태스크 최적화 모듈에 로그온할 때, 사용자는 단일의 인증 인스턴스(예로써, 패스워드, 키 카드, 생체인식 등)를 거칠 수 있다. 태스크 최적화 모듈이 사용자(60)의 신원을 확인하면(예로써, 패스워드의 유효성 체크), 태스크 최적화 모듈은 사용자(60)가 어느 팀과 연관되어 있는지 결정할 수 있다(예로써, 서버(500), 온프레미스 시스템(300) 등에 저장된 데이터베이스를 검토함). 태스크 최적화 모듈은 사용자 연관 팀이 액세스 승인된 온프레미스 시스템(300) 및 오프프레미스 시스템(400)에 액세스하는데 필요한 모든 토큰을 검색할 수 있다. 예를 들어, 태스크 최적화 모듈은 키 스토리지 시스템(예로써, HashiCorp Vault)으로부터 키 세트를 검색할 수 있다. 태스크 최적화 모듈은 그 다음에 모든 온프레미스 시스템(300) 및 오프프레미스 시스템(400)에 동시에 액세스하거나 또는 태스크 최적화 모듈이 컴퓨터 구현 태스크를 실행하기 위해 결정하는 온프레미스 시스템(300) 및 오프프레미스 시스템(400)에만 액세스할 수 있다.
따라서, 다중 인증의 필요성을 제거함으로써, 태스크 최적화 모듈은 컴퓨터 구현 태스크를 실행할 때 추가적인 효율성을 달성할 수 있다.
도 4는 개시된 실시예에 따른, 컴퓨터 구현 태스크를 최적화하기 위한 방법(800)의 예시적인 실시예를 나타낸 플로차트이다. 이 방법은 스텝 802에서 시작한다.
스텝 802는, 서버(500)에서 사용자(60) 인터페이스로부터, 컴퓨터 구현 태스크를 완료하기 위한 요청을 수신하는 것이다. 위에서 언급한 바와 같이, 컴퓨터 구현 태스크는, 예를 들면, ML/AI 실험, 데이터 저장 등일 수 있다.
스텝 804는 요청을 제1 컴퓨터 시스템(300)으로 전송할지 또는 클라우드 기반의 제2 컴퓨터 시스템(400)으로 전송할지 여부를 결정하는 것이며, 이 결정은 (i) 컴퓨터 구현 태스크를 완료하는데 필요한 예상 하드웨어 요건, (ii) 컴퓨터 구현 태스크의 레이턴시 요건, (iii) 제1 컴퓨터 시스템(300)의 하드웨어 역량, 및 (iv) 컴퓨터 구현 태스크를 위해 클라우드 기반의 제2 컴퓨터 시스템(400)을 사용하는 것의 예상 재정 비용에 기초한다. 제1 컴퓨터 시스템(300)은 온프레미스 컴퓨터 시스템(300)(예로써, 온사이트 서버)일 수 있다. 클라우드 기반의 제2 컴퓨터 시스템(400)은 오프프레미스 컴퓨터 시스템(400)(예로써, Amazon Web Services)일 수 있다.
스텝 806은 그 결정에 기초하여 제1 컴퓨터 시스템(300)으로 컴퓨터 구현 태스크를 완료하기 위한 요청을 전송하는 것이다. 서버(500)의 프로세서(520)는 일반적으로, 예를 들어, 컴퓨터 구현 태스크가 GPU 대신에 CPU 집약적인 경우, 컴퓨터 구현 태스크와 연관된 데이터가 제1 컴퓨터 시스템(300)에 가까운 경우, 제1 컴퓨터 시스템(300)이 컴퓨터 구현 태스크를 실행하는데 충분한 역량을 가지는 경우, 또는 클라우드 기반의 제2 컴퓨터 시스템(400)을 사용하는 것의 비용이 엄청나게 높은 경우 이러한 결정을 내릴 것이다.
스텝 808은 그 결정에 기초하여 클라우드 기반의 제2 컴퓨터 시스템(400)으로 컴퓨터 구현 태스크를 완료하기 위한 요청을 전송하는 것이다. 서버(500)의 프로세서(520)는 일반적으로, 예를 들어, 컴퓨터 구현 태스크가 CPU 대신에 GPU 집약적인 경우, 컴퓨터 구현 태스크와 연관된 데이터가 클라우드 기반의 제2 컴퓨터 시스템(400)에 가까운 경우, 제1 컴퓨터 시스템(300)이 컴퓨터 구현 태스크를 실행하는데 충분한 역량을 가지고 있지 않은 경우, 또는 클라우드 기반의 제2 컴퓨터 시스템(400)을 사용하는 것의 비용이 상대적으로 낮은 경우 이러한 결정을 내릴 것이다.
본 개시는 그 특정 실시예를 참조하여 도시되고 설명되었지만, 본 개시는 다른 환경에서, 변경없이, 실시될 수 있음을 이해할 것이다. 전술한 설명은 예시의 목적으로 제시되었다. 그것은 개시된 정확한 형태나 실시예에 대해 총망라된 것이 아니며 이것으로 한정되는 것은 아니다. 개시된 실시예의 설명 및 실시를 고려하는 것으로부터 변경 및 조정이 통상의 기술자에게 명백할 것이다. 추가적으로, 비록 개시된 실시예의 형태가 메모리에 저장되는 것으로서 설명되었지만, 통상의 기술자는 이들 형태가 2차 저장 디바이스, 예를 들면, 하드디스크나 CD ROM, 또는 다른 형태의 RAM이나 ROM, USB 매체, DVD, 블루레이, 또는 다른 광 드라이브 매체와 같이, 다른 형태의 컴퓨터 판독 가능한 매체에 저장될 수도 있는 것을 이해할 것이다.
상술한 설명 및 개시된 방법에 기초한 컴퓨터 프로그램은 숙련된 개발자의 기술 내에 있다. 여러 프로그램 혹은 프로그램 모듈은 통상의 기술자에게 알려진 어느 기술을 이용하여 생성되거나, 또는 기존의 소프트웨어와 연결하여 설계될 수 있다. 예를 들면, 프로그램 섹션 혹은 프로그램 모듈은 닷넷 프레임워크, 닷넷 컴팩트 프레임워크(및 비주얼 베이식, C 등과 같은, 관련 언어), 자바, C++, 오브젝티브 C, HTML, HTML/AJAX 조합, XML, 또는 자바 애플릿이 포함된 HTML 내에서 혹은 그것들에 의해서 설계될 수 있다.
게다가, 여기에서는 예시적인 실시예가 설명되었지만, 본 개시에 기초하여 통상의 기술자가 이해할 수 있는 바와 같이, 일부 또는 모든 실시예의 범위는 동등한 요소, 변경, 생략, 조합(예로써, 여러 실시예에 걸치는 형태의 조합), 조정 및/또는 수정을 가질 수 있다. 청구범위 내의 제한 사항은 그 청구범위 내에 적용된 언어에 기초하여 폭넓게 이해되도록 하는 것이며, 응용의 수행 동안 혹은 본 명세서 내에 설명된 예시로 한정되는 것은 아니다. 그 예시는 비배타적으로 해석되도록 하기 위한 것이다. 추가로, 개시된 방법의 스텝은 어떤 다른 방법으로 변경되거나, 스텝을 재배열 및/또는 스텝을 삽입하거나 삭제하는 것을 포함할 수 있다. 그러므로, 설명 및 예시는 오직 예시적으로 고려되는 것이며, 진정한 범위 및 기술 사상은 다음의 청구범위 및 그 동등한 전체 범위에 의해 나타내지는 것으로 의도된다.
Claims (20)
- 컴퓨터 구현 태스크를 최적화하기 위한 컴퓨터 구현 시스템으로서,
프로세서를 포함하며,
상기 프로세서는:
사용자 인터페이스로부터, 컴퓨터 구현 태스크를 완료하기 위한 요청을 수신하고;
상기 요청을 제1 컴퓨터 시스템으로 전송할지 또는 클라우드 기반의 제2 컴퓨터 시스템으로 전송할지 여부를 결정하고 - 상기 결정은 (i) 상기 컴퓨터 구현 태스크를 완료하는데 필요한 예상 하드웨어 요건, (ii) 상기 컴퓨터 구현 태스크의 레이턴시 요건, (iii) 상기 제1 컴퓨터 시스템의 하드웨어 역량, 및 (iv) 상기 컴퓨터 구현 태스크를 위해 상기 클라우드 기반의 제2 컴퓨터 시스템을 사용하는 것의 예상 재정 비용에 기초함 - ; 그리고
상기 결정에 기초하여 상기 제1 컴퓨터 시스템 또는 상기 클라우드 기반의 제2 컴퓨터 시스템 중 어느 하나로 상기 컴퓨터 구현 태스크를 완료하기 위한 상기 요청을 전송하도록 구성되는 컴퓨터 구현 시스템. - 청구항 1에 있어서,
상기 컴퓨터 구현 태스크는 머신 러닝(ML: Machine Learning) 태스크인 컴퓨터 구현 시스템. - 청구항 1에 있어서,
상기 예상 하드웨어 요건은: CPU 요건, GPU 요건, 메모리 요건, 스토리지 요건, 및 정보 다운로드 요건을 포함하는 컴퓨터 구현 시스템. - 청구항 1에 있어서:
상기 컴퓨터 구현 태스크는 복수의 서브태스크를 포함하고; 그리고
상기 프로세서는:
상기 요청을 제1 컴퓨터 시스템으로 전송할지 또는 클라우드 기반의 제2 컴퓨터 시스템으로 전송할지 여부를 결정하는 것은, (i) 상기 복수의 서브태스크 각각을 완료하는데 필요한 예상 하드웨어 요건, (ii) 상기 복수의 서브태스크 각각의 레이턴시 요건, (iii) 상기 제1 컴퓨터 시스템의 하드웨어 역량, 및 (iv) 상기 복수의 서브태스크 각각을 위해 상기 클라우드 기반의 제2 컴퓨터 시스템을 사용하는 것의 예상 재정 비용에 기초하여, 상기 복수의 서브태스크 각각을 상기 제1 컴퓨터 시스템으로 전송할지 또는 상기 클라우드 기반의 제2 컴퓨터 시스템으로 전송할지 여부를 결정하도록 구성되는 것을 포함하고; 그리고
상기 제1 컴퓨터 시스템 또는 상기 클라우드 기반의 제2 컴퓨터 시스템으로 상기 컴퓨터 구현 태스크를 완료하기 위한 상기 요청을 전송하는 것은, 상기 결정에 기초하여 상기 제1 컴퓨터 시스템 또는 상기 클라우드 기반의 제2 컴퓨터 시스템 중 어느 하나로 상기 복수의 서브태스크 각각을 전송하도록 구성되는 것을 포함하도록 더 구성되는 컴퓨터 구현 시스템. - 청구항 4에 있어서,
상기 복수의 서브태스크는 데이터 전처리 태스크, 및 머신 러닝(ML) 트레이닝 태스크를 포함하는 컴퓨터 구현 시스템. - 청구항 1에 있어서,
상기 프로세서는, 상기 결정 전에, 상기 제1 컴퓨터 시스템 및 상기 클라우드 기반의 제2 컴퓨터 시스템이 동작 가능한지 검증하도록 더 구성되는 컴퓨터 구현 시스템. - 청구항 1에 있어서,
상기 사용자 인터페이스로부터의 컴퓨터 구현 태스크를 완료하기 위한 상기 요청은 사용자에 의해서 개시되고; 그리고
상기 프로세서는, 컴퓨터 구현 태스크를 완료하기 위한 상기 요청을 수신하기 전에:
상기 사용자 인터페이스로부터 시스템에 대한 로그온 액세스를 위한 요청을 수신하고, 그리고
상기 사용자를 인증하도록 더 구성되는 컴퓨터 구현 시스템. - 청구항 7에 있어서,
상기 프로세서는, 상기 사용자 인증 후에, 상기 결정에 관계없이 상기 사용자가 상기 제1 컴퓨터 시스템 및 상기 클라우드 기반의 제2 컴퓨터 시스템 양방에 로그온하도록 더 구성되는 컴퓨터 구현 시스템. - 청구항 7에 있어서,
상기 제1 컴퓨터 시스템에 액세스하기 위해 제1 토큰이 요구되고 상기 클라우드 기반의 제2 컴퓨터 시스템에 액세스하기 위해 제2 토큰이 요구되며;
상기 프로세서는:
상기 프로세서가 상기 요청을 상기 제1 컴퓨터 시스템으로 전송하도록 결정하면 상기 제1 토큰을 자동으로 획득하고 사용하며, 그리고
상기 프로세서가 상기 요청을 상기 클라우드 기반의 제2 컴퓨터 시스템으로 전송하도록 결정하면 상기 제2 토큰을 자동으로 획득하고 사용하도록 더 구성되는 컴퓨터 구현 시스템. - 청구항 9에 있어서,
상기 프로세서가 상기 사용자를 인증하는 것이 상기 사용자를 사용자들의 팀(team)과 연관시키는 것을 포함하도록 구성되고;
상기 제1 토큰 및 상기 제2 토큰은 상기 사용자가 연관되어 있는 상기 팀에 특정되어 있는 컴퓨터 구현 시스템. - 컴퓨터 구현 태스크를 최적화하기 위한 컴퓨터 구현 방법으로서,
서버에서 사용자 인터페이스로부터, 컴퓨터 구현 태스크를 완료하기 위한 요청을 수신하고;
상기 요청을 제1 컴퓨터 시스템으로 전송할지 또는 클라우드 기반의 제2 컴퓨터 시스템으로 전송할지 여부를 결정하고 - 상기 결정은 (i) 상기 컴퓨터 구현 태스크를 완료하는데 필요한 예상 하드웨어 요건, (ii) 상기 컴퓨터 구현 태스크의 레이턴시 요건, (iii) 상기 제1 컴퓨터 시스템의 하드웨어 역량, 및 (iv) 상기 컴퓨터 구현 태스크를 위해 상기 클라우드 기반의 제2 컴퓨터 시스템을 사용하는 것의 예상 재정 비용에 기초함 - ; 그리고
상기 결정에 기초하여 상기 제1 컴퓨터 시스템 또는 상기 클라우드 기반의 제2 컴퓨터 시스템 중 어느 하나로 상기 컴퓨터 구현 태스크를 완료하기 위한 상기 요청을 전송하는 것을 포함하는 컴퓨터 구현 방법. - 청구항 11에 있어서, 상기 컴퓨터 구현 태스크는 머신 러닝(ML) 태스크인 컴퓨터 구현 방법.
- 청구항 11에 있어서,
상기 예상 하드웨어 요건은: CPU 요건, GPU 요건, 메모리 요건, 스토리지 요건, 및 정보 다운로드 요건을 포함하는 컴퓨터 구현 방법. - 청구항 11에 있어서:
상기 컴퓨터 구현 태스크는 복수의 서브태스크를 포함하고;
상기 방법은:
상기 요청을 제1 컴퓨터 시스템으로 전송할지 또는 클라우드 기반의 제2 컴퓨터 시스템으로 전송할지 여부를 결정하는 것은, (i) 상기 복수의 서브태스크 각각을 완료하는데 필요한 예상 하드웨어 요건, (ii) 상기 복수의 서브태스크 각각의 레이턴시 요건, (iii) 상기 제1 컴퓨터 시스템의 하드웨어 역량, 및 (iv) 상기 복수의 서브태스크 각각을 위해 상기 클라우드 기반의 제2 컴퓨터 시스템을 사용하는 것의 예상 재정 비용에 기초하여, 상기 복수의 서브태스크 각각을 상기 제1 컴퓨터 시스템으로 전송할지 또는 상기 클라우드 기반의 제2 컴퓨터 시스템으로 전송할지 여부를 결정하도록 구성되는 것을 포함하고; 그리고
상기 제1 컴퓨터 시스템 또는 상기 클라우드 기반의 제2 컴퓨터 시스템으로 상기 컴퓨터 구현 태스크를 완료하기 위한 상기 요청을 전송하는 것은, 상기 결정에 기초하여 상기 제1 컴퓨터 시스템 또는 상기 클라우드 기반의 제2 컴퓨터 시스템 중 어느 하나로 상기 복수의 서브태스크 각각을 전송하도록 구성되는 것을 더 포함하는 컴퓨터 구현 방법. - 청구항 14에 있어서,
상기 복수의 서브태스크는 데이터 전처리 태스크, 및 머신 러닝(ML) 트레이닝 태스크를 포함하는 컴퓨터 구현 방법. - 청구항 11에 있어서,
상기 결정 전에, 상기 제1 컴퓨터 시스템 및 상기 클라우드 기반의 제2 컴퓨터 시스템이 동작 가능한지 검증하는 것을 더 포함하는 컴퓨터 구현 방법. - 청구항 11에 있어서,
상기 사용자 인터페이스로부터의 컴퓨터 구현 태스크를 완료하기 위한 상기 요청은 사용자에 의해서 개시되고; 그리고
상기 방법은, 컴퓨터 구현 태스크를 완료하기 위한 상기 요청을 수신하기 전에:
상기 사용자 인터페이스로부터 시스템에 대한 로그온 액세스를 위한 요청을 수신하고, 그리고
상기 사용자를 인증하는 것을 더 포함하는 컴퓨터 구현 방법. - 청구항 17에 있어서,
상기 사용자 인증 후에, 상기 결정에 관계없이 상기 사용자가 상기 제1 컴퓨터 시스템 및 상기 클라우드 기반의 제2 컴퓨터 시스템 양방에 로그온하는 것을 더 포함하는 컴퓨터 구현 방법. - 청구항 17에 있어서,
상기 제1 컴퓨터 시스템에 액세스하기 위해 제1 토큰이 요구되고 상기 클라우드 기반의 제2 컴퓨터 시스템에 액세스하기 위해 제2 토큰이 요구되며;
상기 방법은:
프로세서가 상기 요청을 상기 제1 컴퓨터 시스템으로 전송하도록 결정하면 상기 제1 토큰을 자동으로 획득하고 사용하며, 그리고
상기 프로세서가 상기 요청을 상기 클라우드 기반의 제2 컴퓨터 시스템으로 전송하도록 결정하면 상기 제2 토큰을 자동으로 획득하고 사용하는 것을 더 포함하는 컴퓨터 구현 방법. - 컴퓨터 구현 태스크를 최적화하기 위한 컴퓨터 구현 시스템으로서,
명령을 저장하는 메모리; 및
상기 명령을 실행하도록 구성된 적어도 하나의 프로세서를 포함하고,
상기 명령은:
사용자 인터페이스로부터, 컴퓨터 구현 태스크를 완료하기 위한 요청을 수신하고;
상기 요청을 제1 컴퓨터 시스템으로 전송할지 또는 클라우드 기반의 제2 컴퓨터 시스템으로 전송할지 여부를 결정하고 - 상기 결정은 (i) 상기 컴퓨터 구현 태스크를 완료하는데 필요한 예상 하드웨어 요건, (ii) 상기 컴퓨터 구현 태스크의 레이턴시 요건, (iii) 상기 제1 컴퓨터 시스템의 하드웨어 역량, 및 (iv) 상기 컴퓨터 구현 태스크를 위해 상기 클라우드 기반의 제2 컴퓨터 시스템을 사용하는 것의 예상 재정 비용에 기초함 - ; 그리고
상기 결정에 기초하여 상기 제1 컴퓨터 시스템 또는 상기 클라우드 기반의 제2 컴퓨터 시스템 중 어느 하나로 상기 컴퓨터 구현 태스크를 완료하기 위한 상기 요청을 전송하는 것이며;
상기 컴퓨터 구현 태스크는 머신 러닝(ML) 태스크이고;
상기 예상 하드웨어 요건은: CPU 요건, GPU 요건, 메모리 요건, 스토리지 요건, 및 정보 다운로드 요건을 포함하며;
상기 사용자 인터페이스로부터의 컴퓨터 구현 태스크를 완료하기 위한 상기 요청은 사용자에 의해서 개시되고;
상기 프로세서는, 컴퓨터 구현 태스크를 완료하기 위한 상기 요청을 수신하기 전에:
상기 사용자 인터페이스로부터 시스템에 대한 로그온 액세스를 위한 요청을 수신하고, 그리고
상기 사용자를 인증하도록 더 구성되며;
상기 제1 컴퓨터 시스템에 액세스하기 위해 제1 토큰이 요구되고 상기 클라우드 기반의 제2 컴퓨터 시스템에 액세스하기 위해 제2 토큰이 요구되며;
상기 프로세서는:
상기 프로세서가 상기 요청을 상기 제1 컴퓨터 시스템으로 전송하도록 결정하면 상기 제1 토큰을 자동으로 획득하고 사용하며, 그리고
상기 프로세서가 상기 요청을 상기 클라우드 기반의 제2 컴퓨터 시스템으로 전송하도록 결정하면 상기 제2 토큰을 자동으로 획득하고 사용하도록 더 구성되는 컴퓨터 구현 시스템.
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| US17/552,020 US20230185621A1 (en) | 2021-12-15 | 2021-12-15 | Computer resource allocation systems and methods for optimizing computer implemented tasks |
| US17/552,020 | 2021-12-15 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR20230090972A true KR20230090972A (ko) | 2023-06-22 |
Family
ID=86695657
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020220045583A KR20230090972A (ko) | 2021-12-15 | 2022-04-13 | 컴퓨터 구현 태스크를 최적화하기 위한 컴퓨터 리소스 할당 시스템 및 방법 |
Country Status (3)
| Country | Link |
|---|---|
| US (1) | US20230185621A1 (ko) |
| KR (1) | KR20230090972A (ko) |
| WO (1) | WO2023111690A1 (ko) |
Family Cites Families (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US9128763B2 (en) * | 2011-08-23 | 2015-09-08 | Infosys Limited | System and method for job scheduling optimization |
| US9148473B1 (en) * | 2012-08-27 | 2015-09-29 | Amazon Technologies, Inc. | Dynamic resource expansion of mobile devices |
| CN106161496B (zh) * | 2015-03-25 | 2019-07-23 | 阿里巴巴集团控股有限公司 | 终端的远程协助方法及装置、系统 |
| US10929792B2 (en) * | 2016-03-17 | 2021-02-23 | International Business Machines Corporation | Hybrid cloud operation planning and optimization |
| US20190047581A1 (en) * | 2017-08-14 | 2019-02-14 | GM Global Technology Operations LLC | Method and apparatus for supporting mission-critical applications via computational cloud offloading |
| WO2020028569A1 (en) * | 2018-08-03 | 2020-02-06 | Intel Corporation | Dynamically direct compute tasks to any available compute resource within any local compute cluster of an embedded system |
| DE112020001642T5 (de) * | 2019-03-29 | 2022-03-10 | Intel Corporation | Autonomes Fahrzeugsystem |
| US20230217253A1 (en) * | 2020-05-29 | 2023-07-06 | Intel Corporation | Systems, methods, and apparatus for workload optimized central processing units (cpus) |
-
2021
- 2021-12-15 US US17/552,020 patent/US20230185621A1/en active Pending
-
2022
- 2022-01-20 WO PCT/IB2022/050480 patent/WO2023111690A1/en unknown
- 2022-04-13 KR KR1020220045583A patent/KR20230090972A/ko not_active Application Discontinuation
Also Published As
| Publication number | Publication date |
|---|---|
| US20230185621A1 (en) | 2023-06-15 |
| WO2023111690A1 (en) | 2023-06-22 |
| TW202328913A (zh) | 2023-07-16 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR102373372B1 (ko) | 적응형 배달 스케줄링용 그래픽 유저 인터페이스를 생성하기 위한 시스템 및 방법 | |
| JP7158506B2 (ja) | 柔軟な配送作業の自動割り当てのためのシステムおよび方法 | |
| KR20220139268A (ko) | 기계-학습 보조 재고 배치를 위한 시스템 및 방법 | |
| KR20200122201A (ko) | 컴퓨터 구현 인공 지능 배치 픽업 최적화 및 통신을 위한 시스템 및 방법 | |
| JP7136938B2 (ja) | アウトバウンド予測のためのシステムおよび方法 | |
| KR102445639B1 (ko) | 인바운드 스토우 모델을 이용한 아웃바운드 예측을 위한 시스템 및 방법 | |
| KR102677402B1 (ko) | 풀필먼트 센터 우선순위 값에 기초한 아웃바운드 예측을 위한 시스템 및 방법 | |
| KR20230098499A (ko) | 제품 특성에 기초한 제품 가격 결정으로 재고를 관리하기 위한 컴퓨터화된 시스템 및 방법 | |
| KR20220092837A (ko) | 다수의 컴퓨팅 시스템 사이에서 워크로드를 밸런싱하도록 구성된 시스템 및 방법 | |
| KR102479802B1 (ko) | 우편 번호 매핑에 기초하여 아웃바운드를 예측하기 위한 시스템 및 방법 | |
| KR20220050122A (ko) | 아웃바운드 흐름을 시뮬레이션하기 위한 유전 알고리즘 기반 시스템 및 방법 | |
| KR20230132747A (ko) | 인공 지능(ai) 기반 인바운드 계획 생성을 위한 컴퓨터-구현 시스템 및 방법 | |
| KR102552686B1 (ko) | 분할된 데이터베이스를 위한 다중 노드의 스트림 처리 프레임워크를 위한 시스템 및 방법 | |
| KR20220057501A (ko) | 커스텀 풀필먼트 센터를 위한 최상위 아이템을 결정하는 컴퓨터 구현 시스템 및 방법 | |
| KR20230000395A (ko) | 대체 가능성 로직을 사용하는 인공 지능(ai)-기반 인바운드 계획 생성을 위한 컴퓨터 구현 시스템 및 방법 | |
| TWI843237B (zh) | 用於對電腦實施任務進行最佳化之電腦實施方法及電腦實施系統 | |
| US20230185621A1 (en) | Computer resource allocation systems and methods for optimizing computer implemented tasks | |
| KR102483146B1 (ko) | 모듈식의 플랫폼에서 레이턴시를 줄이기 위한 컴퓨터화된 시스템 및 방법 | |
| KR20230113488A (ko) | 보장된 컴퓨팅 카운터를 자동적으로 업데이트하기 위한 시스템 및 방법 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E902 | Notification of reason for refusal |