KR20230141660A - 대체 가능성 로직을 사용하는 인공 지능(ai)-기반 인바운드 계획 생성을 위한 컴퓨터 구현 시스템 및 방법 - Google Patents
대체 가능성 로직을 사용하는 인공 지능(ai)-기반 인바운드 계획 생성을 위한 컴퓨터 구현 시스템 및 방법 Download PDFInfo
- Publication number
- KR20230141660A KR20230141660A KR1020230121889A KR20230121889A KR20230141660A KR 20230141660 A KR20230141660 A KR 20230141660A KR 1020230121889 A KR1020230121889 A KR 1020230121889A KR 20230121889 A KR20230121889 A KR 20230121889A KR 20230141660 A KR20230141660 A KR 20230141660A
- Authority
- KR
- South Korea
- Prior art keywords
- inbound
- capacity
- type
- product
- plan
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 70
- 238000013473 artificial intelligence Methods 0.000 title description 19
- 238000012360 testing method Methods 0.000 claims description 6
- 238000012795 verification Methods 0.000 claims description 3
- 238000012384 transportation and delivery Methods 0.000 description 58
- 230000008569 process Effects 0.000 description 40
- 238000004806 packaging method and process Methods 0.000 description 16
- 239000000123 paper Substances 0.000 description 15
- 238000007781 pre-processing Methods 0.000 description 15
- 238000013439 planning Methods 0.000 description 12
- 238000012545 processing Methods 0.000 description 12
- 238000004364 calculation method Methods 0.000 description 11
- 238000007726 management method Methods 0.000 description 9
- 238000010586 diagram Methods 0.000 description 7
- 238000005457 optimization Methods 0.000 description 7
- 230000004044 response Effects 0.000 description 7
- 238000002716 delivery method Methods 0.000 description 6
- 238000009826 distribution Methods 0.000 description 6
- 238000012856 packing Methods 0.000 description 6
- 238000004088 simulation Methods 0.000 description 6
- 238000013068 supply chain management Methods 0.000 description 6
- 238000004891 communication Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 230000002452 interceptive effect Effects 0.000 description 5
- 230000008859 change Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 229920001690 polydopamine Polymers 0.000 description 4
- 238000010200 validation analysis Methods 0.000 description 4
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000013500 data storage Methods 0.000 description 2
- 230000007774 longterm Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000008520 organization Effects 0.000 description 2
- 238000012552 review Methods 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 230000007723 transport mechanism Effects 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 238000007792 addition Methods 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000003466 anti-cipated effect Effects 0.000 description 1
- 238000013475 authorization Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 239000000969 carrier Substances 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000000977 initiatory effect Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 239000005022 packaging material Substances 0.000 description 1
- 238000010079 rubber tapping Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/08—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
- G06Q10/0875—Itemisation or classification of parts, supplies or services, e.g. bill of materials
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06313—Resource planning in a project environment
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06315—Needs-based resource requirements planning or analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
- G06Q10/06375—Prediction of business process outcome or impact based on a proposed change
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- 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
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Operations Research (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- Development Economics (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Educational Administration (AREA)
- Software Systems (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biodiversity & Conservation Biology (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
AI 기반 인바운드 계획 생성을 위한 시스템 및 방법이 제공된다. 시스템 및 방법은, 모델을 사용하여, 제1 풀필먼트 센터와 연관된 가용 스토리지를 예측하고; 제1 풀필먼트 센터와 연관된 수요 역량을 예측하고; 예측된 가용 스토리지 및 예측된 수요 역량을 사용하여 초과 수요 수량을 계산하고; 초과 수요 수량과 연관된 하나 이상의 대체 가능 역량 유형을 결정하고; 적어도 하나의 풀필먼트 센터에서의 가용 대체 가능 역량 유형 수량을 결정하고; 적어도 하나의 풀필먼트 센터에서의 초과 수요 수량 및 가용 대체 가능 역량 유형 수량과 연관된 하나 이상의 대체 가능 역량 유형을 사용하여 제1 풀필먼트 센터에 대한 인바운드 계획을 생성하고; 하나 이상의 입고 제품에 대한 알림을 수신하고; 그리고 생성된 인바운드 계획에 따라 하나 이상의 입고 제품을 분배하는 것을 포함한다.
Description
본 개시는 일반적으로 대체 가능성 로직을 사용하는 AI 기반 인바운드 계획 생성을 위한 컴퓨터화된 시스템 및 방법에 관한 것이다. 특히, 본 개시의 실시예는 풀필먼트 센터에 대한 인바운드 계획을 생성하기 위해 대체 가능성 로직을 사용하여 미래 재고 및 가용 스토리지를 예측하기 위해 모델을 이용하는 것과 관련된 창의적이고 비전통적인 시스템과 관련된다.
풀필먼트 센터(FCs)는 주문이 접수되자마자 소비자 주문을 이행하고 배송업체가 배송품을 픽업할 수 있게 하기 위해 그것들이 운영되기 때문에 매일 수백만 개 이상의 제품을 접한다. FC 내부의 재고 관리를 위한 작업에는 판매자로부터의 상품 수신, 손쉬운 피킹 액세스를 위해 수신된 상품 보관, 아이템 포장, 주문 확인 및 패키지 배달을 포함할 수 있다. 현재 기존 FC 및 FC의 재고 관리를 위한 시스템은 대량의 입출고 상품을 처리하도록 구성되어 있지만, FC가 처리할 수 있는 것보다 더 많은 주문을 수신할 때 FC들이 이 주문들 모두를 수신하기 위해 스토리지 공간을 적절하게 할당하지 않았기 때문에 일반적인 문제가 발생하고, 그 결과 여러 FC 간에 제품이 적절하게 분포되지 않는다. 예를 들어, FC와 연관된 판매자는 성수기 동안 공급업체로부터 대량의 제품을 주문할 수 있지만, FC는 주문된 제품을 적시에 수신할 수 있는 충분한 리소스가 없을 수 있다. 이는 모든 수신 프로세스를 느리게 하는 것에 의하여 FC에서 대규모 백로그(backlog) 문제로 이어지며, 결국 미래의 문제로 누적된다. 백로그 문제는 판매자가 상품을 유통하여 수익을 창출하는 것을 방해하기 때문에 판매 손실로 이어질 수 있다.
전통적인 FC 관리 시스템은 일반적으로 그러한 문제를 완화하기 위해 수신된 주문에 기초하여 수동으로 스토리지 공간을 할당한다. 그러나, 이러한 전통적인 시스템은 주문이 수신될 때 주문과 관련된 데이터에만 의존하기 때문에 백로그 문제를 효율적으로 해결하지 못한다. 더욱이, 이러한 전통적인 시스템은 여러 FC 대신 단일 FC와 관련된 데이터에만 의존할 수 있으므로 들어오는 주문에 대한 FC 스토리지 할당의 최적화를 방해하고 생산성을 감소시킨다.
따라서, FC 간의 스토리지 할당을 최적화하기 위해 대체 가능성 로직을 사용하여 인바운드 계획을 생성하기 위한 개선된 방법 및 시스템이 필요하다.
본 개시의 한 양상은 AI 기반 인바운드 계획 생성을 위한 컴퓨터-생성 시스템에 관한 것으로, 시스템은 명령을 저장하는 메모리 및 적어도 하나의 프로세서를 포함한다. 적어도 하나의 프로세서는, 모델을 이용하여, 제1 풀필먼트 센터와 연관된 가용 스토리지를 예측하고; 제1 풀필먼트 센터와 연관된 수요 역량을 예측하고; 예측된 가용 스토리지 및 예측된 수요 역량을 이용하여, 초과 수요 수량을 계산하고; 초과 수요 수량과 연관된 하나 이상의 대체 가능한 역량 유형을 결정하고; 적어도 하나의 풀필먼트 센터에서 가용 대체 가능한 역량 유형 수량을 결정하고; 적어도 하나의 풀필먼트 센터에서의 가용 대체 가능한 역량 유형 수량 및 초과 수요 수량과 연관된 하나 이상의 대체 가능한 역량 유형을 이용하여, 제1 풀필먼트 센터에 대한 인바운드 계획을 생성하고; 하나 이상의 들어오는 제품에 대한 통지를 수신하고; 그리고 생성된 인바운드 계획에 따라 하나 이상의 들어오는 제품을 적어도 제1 풀필먼트 센터에 분배하는 명령을 실행하도록 구성될 수 있다.
본 개시의 다른 양상은 AI 기반 인바운드 계획 생성을 위한 컴퓨터-구현 방법에 관한 것으로, 방법은, 모델을 이용하여, 제1 풀필먼트 센터와 연관된 가용 스토리지를 예측하고; 제1 풀필먼트 센터와 연관된 수요 역량을 예측하고; 예측된 가용 스토리지 및 예측된 수요 역량을 이용하여, 초과 수요 수량을 계산하고; 초과 수요 수량과 연관된 하나 이상의 대체 가능한 역량 유형을 결정하고; 적어도 하나의 풀필먼트 센터에서 가용 대체 가능한 역량 유형 수량을 결정하고; 적어도 하나의 풀필먼트 센터에서의 가용 대체 가능한 역량 유형 수량 및 초과 수요 수량과 연관된 하나 이상의 대체 가능한 역량 유형을 이용하여, 제1 풀필먼트 센터에 대한 인바운드 계획을 생성하고; 하나 이상의 들어오는 제품에 대한 통지를 수신하고; 그리고 생성된 인바운드 계획에 따라 하나 이상의 들어오는 제품을 분배하는 것을 포함한다.
본 개시의 또 다른 양상은 AI 기반 인바운드 계획 생성을 위한 컴퓨터-생성 시스템에 관한 것으로, 시스템은 명령을 저장하는 메모리 및 적어도 하나의 프로세서를 포함한다. 적어도 하나의 프로세서는, 모델을 이용하여, 풀필먼트 센터와 연관된 가용 스토리지를 예측하고; 풀필먼트 센터와 연관된 수요 역량을 예측하고; 예측된 가용 스토리지 및 예측된 수요 역량을 이용하여, 초과 수요 수량을 계산하고; 초과 수요 수량과 연관된 하나 이상의 대체 가능한 역량 유형을 결정하고; 적어도 하나의 풀필먼트 센터에서 가용 대체 가능한 역량 유형 수량을 결정하고; 적어도 하나의 풀필먼트 센터에서의 가용 대체 가능한 역량 유형 수량 및 초과 수요 수량과 연관된 하나 이상의 대체 가능한 역량 유형을 이용하여, 풀필먼트 센터에 대한 인바운드 계획을 생성하고; 예측된 가용 스토리지와 실제 가용 스토리지에 대한 평균 절대 백분율 오차를 계산하고; 계산된 평균 절대 백분율 오차가 임계값을 초과한다고 결정하면, 가용 스토리지를 예측하기 위해 새로운 모델을 선택하고; 그리고 새로운 모델에 기초하여 풀필먼트 센터에 대한 새로운 인바운드 계획을 생성하는 것에 의해, 모델에 대한 검증 테스트 수행하고; 하나 이상의 들어오는 제품에 대한 통지를 수신하고; 그리고 생성된 새로운 인바운드 계획에 따라 하나 이상의 들어오는 제품을 분배하는 명령을 실행하도록 구성될 수 있다.
본 개시의 또 다른 양상은 AI-기반 인바운드 계획 생성을 위한 컴퓨터-구현 방법에 관한 것으로, 적어도 하나의 프로세서에 의해, 예측된 가용 스토리지 역량 및 예측된 수요 수량에 기초하여, 초과 수요 수량을 계산하고, 초과 수요 수량은 복수의 역량 유형 중 하나와 연관되고; 적어도 하나의 프로세서에 의해, 초과 수요 수량과 연관된 하나 이상의 대체 가능한 역량 유형을 결정하고, 하나 이상의 대체 가능한 역량 유형은 초과 수요 수량의 역량 유형과 상호교환 가능하고; 적어도 하나의 프로세서에 의해, 적어도 하나의 풀필먼트 센터에서 가용 대체 가능한 역량 유형 수량을 결정하고; 적어도 하나의 프로세서에 의해, 적어도 하나의 풀필먼트 센터에서의 가용 대체 가능한 역량 유형 수량 및 초과 수요 수량과 연관된 하나 이상의 대체 가능한 역량 유형을 이용하여, 제1 풀필먼트 센터에 대한 인바운드 계획을 생성하고; 적어도 하나의 프로세서에 의해, 적어도 하나의 풀필먼트 센터에서의 가용 대체 가능한 역량 유형과 연관된 공간에 초과 수요 수량을 분배하고; 적어도 하나의 프로세서에 의해, 예측된 가용 스토리지 역량과 실제 가용 스토리지 역량에 대한 평균 절대 백분율 오차를 계산함으로써 인바운드 계획에 따라 가용 스토리지 역량을 예측하기 위해 검증 테스트를 수행하고; 예측된 가용 스토리지 역량에 대한 계산된 평균 절대 백분율 오차가 임계값을 초과한다고 결정하면, 적어도 하나의 프로세서에 의해, 제2 모델을 선택하고 업데이트된 인바운드 계획을 위해 전술한 명령을 반복하고; 적어도 하나의 프로세서에 의해, 초과 수요 수량의 수량을 최대화하여, 업데이트된 인바운드 계획의 처리량을 증가시키기 위해, 업데이트된 인바운드 계획을 추가로 최적화하고; 그리고 적어도 하나의 프로세서에 의해, 최적화된 인바운드 계획에 따라 하나 이상의 들어오는 제품을 분배하는 것을 포함할 수 있다.
다른 시스템들, 방법들 및 컴퓨터-판독 가능한 매체도 본 명세서에서 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 상세 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, AI 기반 인바운드 계획 생성을 위한 디바이스 및 시스템의 예시적인 네트워크이다.
도 4는 개시된 실시예에 따른, AI 기반 인바운드 계획 생성을 위한 예시적인 서브-프로세스를 도시한다.
도 5는 개시된 실시예에 따른, AI 기반 인바운드 계획 생성을 위한 예시적인 서브-프로세스를 도시한다.
도 6은 개시된 실시예에 따른, AI 기반 인바운드 계획 생성을 위한 예시적인 서브-프로세스를 도시한다.
도 7은 개시된 실시예에 따른, 대체 가능성 계산을 사용하는 AI 기반 인바운드 계획 생성을 위한 예시적인 프로세스를 도시한다.
도 8은 개시된 실시예에 따른, 대체 가능성 계산을 위한 예시적인 프로세스를 도시한다.
도 9는 개시된 실시예에 따른, 대체 가능성 계산을 사용하는 AI 기반 인바운드 계획 생성을 위한 예시적인 프로세스를 도시한다.
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 상세 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, AI 기반 인바운드 계획 생성을 위한 디바이스 및 시스템의 예시적인 네트워크이다.
도 4는 개시된 실시예에 따른, AI 기반 인바운드 계획 생성을 위한 예시적인 서브-프로세스를 도시한다.
도 5는 개시된 실시예에 따른, AI 기반 인바운드 계획 생성을 위한 예시적인 서브-프로세스를 도시한다.
도 6은 개시된 실시예에 따른, AI 기반 인바운드 계획 생성을 위한 예시적인 서브-프로세스를 도시한다.
도 7은 개시된 실시예에 따른, 대체 가능성 계산을 사용하는 AI 기반 인바운드 계획 생성을 위한 예시적인 프로세스를 도시한다.
도 8은 개시된 실시예에 따른, 대체 가능성 계산을 위한 예시적인 프로세스를 도시한다.
도 9는 개시된 실시예에 따른, 대체 가능성 계산을 사용하는 AI 기반 인바운드 계획 생성을 위한 예시적인 프로세스를 도시한다.
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 대체 가능성 계산을 사용하는 AI 기반 인바운드 계획 생성을 위해 구성된 시스템 및 방법에 관한 것이다. 일부 실시예에서, 시스템은 모델을 이용하여 FC와 연관된 가용 스토리지 역량(ASC)을 예측할 수 있다. 일부 실시예에서, 시스템은 복수의 선택된 예상 배달 날짜(EDD) (예를 들어, 2주와 같은 특정 기간에서)에 대한 ASC를 예측하기 위해 모델을 이용할 수 있다. 일부 실시예에서, 시스템은 복수의 FC에 대한 ASC를 예측하기 위해 모델을 이용할 수 있다. 일부 실시예에서, 시스템은 예측을 수행하기 위해 상이한 모델들의 동일하거나 다양한 조합을 이용할 수 있다.
일부 실시예에서, 시스템은 특정 스토리지 유형에 대한 ASC를 예측하기 위해 모델을 이용할 수 있다. 예를 들어, 스토리지 유형은 팔레트(pallet) 및 빈(bin)을 포함할 수 있다. 일부 실시예에서, 시스템은 특정 역량 유형에 대한 ASC를 예측하기 위해 모델을 이용할 수 있다. 예를 들어, 역량 유형은 토터블(totable), 비-토터블(non-totable) 및 그란데(grande)를 포함할 수 있다. 일부 실시예에서, 시스템은 스토리지 유형 및 역량 유형의 조합(예를 들어, 빈-유형 토터블 제품, 빈-유형 비-토터블 제품, 빈-유형 그란데 제품, 팔레트-유형 토터블 제품, 팔레트-유형 비-토터블 제품 또는 팔레트-유형 그란데 제품)에 대한 ASC를 예측하기 위해 모델을 이용할 수 있다.
일부 실시예에서, 재고 유지 단위(stock-keeping unit)(SKUs)는 고객에 대한 최종 배송 방법에 의해 분류될 수 있다. 예를 들어, 낮은 가치의, 손상되기 쉽지 않은 SKU와 같은 특정 SKU는 가방에 넣어 배송될 수 있다(즉, "토터블"). 가치가 높거나 손상되기 쉬운 SKU는 다른 포장으로 상자에 넣어 배송해야 할 수 있다(즉, "비-토터블"). 다른 SKU는 대량으로 배송되거나 제조업체 또는 공급업체로부터의 원래 포장으로 배송될 수 있다(즉, "그란데"). 예를 들어, 화장지의 상자는, 소비자가 종종 많은 양의 화장지를 구매할 수 있기 때문에, 그란데로 분류될 수 있으며, 상자는 화장지 제조업체에 의해 제공된 원래 포장으로 목적지로부터 소비자에게 배송될 수 있다. 따라서 목적지의 일부 스토리지 공간은 총 아이템, 비-토터블 아이템 및 그란데 아이템에 할당되는 것과 같이, 일부 스토리지 공간은 SKU 유형에 결부될 수 있다. 예를 들어, 그란데 아이템은 지게차가 움직일 수 있는 장애물이 거의 없는 영역에 저장될 수 있고, 토터블 아이템은 선반에 저장될 수 있다.
일부 실시예에서, SKU는 SKU를 처리하는 속도에 기초하여 추가로 분류될 수 있다. 예를 들어, 더 빨리 처리하는 SKU는 FC의 팔레트에 저장될 수 있는 반면 느리게 처리하는 SKU는 팔레트에 저장되지 않고 대신 빈에 저장될 수 있다. 따라서, 스토리지 유형과 역량 유형의 조합은 빈-유형 토터블 제품, 빈-유형 비-토터블 제품, 빈-유형 그란데 제품, 팔레트-유형 토터블 제품, 팔레트-유형 비-토터블 제품 또는 팔레트-유형 그란데 제품을 포함할 수 있다.
시스템은 전처리 계획을 수행하기 위해 예측된 ASC, 계산된 제약 역량 및 예측된 수요 역량을 이용할 수 있다. 수행된 전처리 계획의 출력에 기초하여, 시스템은 FC에 대한 인바운드 계획을 생성할 수 있다. 예를 들어, 예측된 수요 역량이 결정된 최소 역량을 초과할 때(예를 들어, 피크 기간 동안), 시스템은 각각의 추가 FC에 대해 생성된 인바운드 계획에 기초하여 하나 이상의 추가 FC 간에 초과 수요 수량을 분배할 수 있다. 일부 실시예에서, 시스템은 추가 FC의 스토리지 또는 역량 유형에 기초하여 초과 수요 수량의 분포를 최적화할 수 있다. 일부 실시예에서, 시스템은 각 SKU와 연관된 우선순위에 기초하여 예상 수요 역량(예를 들어, 초과 수요 수량의 경우에 제한되지 않음)의 임의의 분포를 최적화할 수 있다.
일부 실시예에서, 초과 수요 수량을 결정한 후, 시스템은 초과 수요 수량(예를 들어, 초과 수요 수량 중 빈-유형 토터블 제품, 빈-유형 비-토터블 제품, 빈-유형 그란데 제품, 팔레트-유형 토터블 제품, 팔레트-유형 비-토터블 제품 또는 팔레트-유형 그란데 제품의 수량)과 연관된 하나 이상의 대체 가능한 역량 유형(예를 들어, 다른 역량 유형과 상호교환가능할 수 있는 역량 유형)을 결정할 수 있다. 일부 실시예에서, 시스템은 적어도 하나의 FC와 연관된 가용 대체 가능한 역량 유형 수량을 결정할 수 있다.
일부 실시예에서, 시스템은 하나 이상의 FC가 초과 수요 수량을 저장하기 위해 가용 스토리지 및 역량 유형을 갖는다고 결정할 수 있다. 일부 실시예에서, 시스템은 FC에 대한 인바운드 계획을 생성하기 위해 적어도 하나의 FC에서의 가용 대체 가능한 역량 유형 수량 및 초과 수요 수량과 연관된 하나 이상의 대체 가능한 역량 유형을 이용할 수 있다. 일부 실시예에서, 시스템은 복수의 FC에서의 상이한 대체 가능한 역량 유형 수량을 이용한 상이한 시뮬레이션에 기초하여 복수의 상이한 인바운드 계획을 생성할 수 있다. 일부 실시예에서, 생성된 인바운드 계획은 복수의 FC의 각각의 FC에 대한 SKU당 가변 비용에 기초할 수 있고, 여기서 시스템은 복수의 FC 사이의 상이한 가능한 대체 가능한 역량 유형 수량에 기초하여 최적화할 수 있다. 일부 실시예에서, 시스템은 하나 이상의 제품을 수신하고 생성된 인바운드 계획에 따라 하나 이상의 제품을 분배할 수 있다.
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.
도 3을 참조하면, AI 기반 인바운드 계획 생성을 위한 디바이스 및 시스템의 예시적인 네트워크가 도시된다. 도 3에 도시된 바와 같이, 시스템(300)은 인바운드 제약 역량 시스템(330), 인바운드 수요 예측 시스템(340), 및 전처리 계획 시스템(350)을 포함할 수 있고, 이들 각각은 네트워크(310)를 통해 사용자(320A)와 연관된 사용자 디바이스(320)와 통신할 수 있다. 일부 실시예에서, 인바운드 제약 역량 시스템(330), 인바운드 수요 예측 시스템(340), 및 전처리 계획 시스템(350)은, 예를 들어, 케이블을 이용하여 직접 연결을 통해 시스템(300)의 다른 구성요소와 통신할 수 있다. 일부 다른 실시예에서, 시스템(300)은 도 1a의 시스템(100)의 일부일 수 있고 네트워크(310)를 통해 또는, 예를 들어, 케이블을 이용하는 직접 연결을 통해 시스템(100)의 다른 구성요소와 통신할 수 있다. 인바운드 제약 역량 시스템(330), 인바운드 수요 예측 시스템(340) 및 전처리 계획 시스템(350)은 각각 단일 컴퓨터를 포함할 수 있거나 개시된 예와 연관된 하나 이상의 프로세스 및 기능을 수행하기 위해 상호 운용되는 다중 컴퓨터를 포함하는 분산 컴퓨터 시스템으로 각각 구성될 수 있다. 다른 실시예에서, 시스템(330, 340, 350)과 연관된 기능은 도 3에 도시된 것보다 더 적은 수의 시스템에 의해 구현될 수 있다.
도 3에 도시된 바와 같이, 인바운드 제약 역량 시스템(330)은 프로세서(332), 메모리(334), 및 데이터베이스(336)를 포함할 수 있다. 인바운드 수요 예측 시스템(340)은 프로세서(342), 메모리(344), 및 데이터베이스(346)를 포함할 수 있다. 전처리 계획 시스템(350)은 프로세서(352), 메모리(354), 및 데이터베이스(356)를 포함할 수 있다. 프로세서(332, 342 또는 352)는 인텔TM에 의해 제조된 펜티엄TM 제품군(family)의 마이크로프로세서 또는 AMDTM에 의해 제조된 TurionTM 제품군과 같은, 하나 이상의 공지된 처리 디바이스를 포함할 수 있다. 프로세서(332, 342 또는 352)는 병렬 프로세스를 동시에 실행하는 다중 코어 또는 단일 코어 프로세서를 구성할 수 있다. 예를 들어, 프로세서(332, 342 또는 352)는 논리 프로세서를 이용하여 다중 프로세스를 동시에 실행하고 제어할 수 있다. 프로세서(332, 342 또는 352)는 가상 머신 기술 또는 다른 알려진 기술을 구현하여 다중 소프트웨어 프로세스, 애플리케이션, 프로그램 등을 실행, 제어, 구동(run), 조작, 저장 등의 능력을 제공할 수 있다. 다른 예에서, 프로세서(332, 342 또는 352)는 인바운드 제약 역량 시스템(330), 인바운드 수요 예측 시스템(340), 및 전처리 계획 시스템(350)이 다중 프로세스를 동시에 실행할 수 있도록 병렬 처리 기능을 제공하도록 구성된 다중 코어 프로세서 장치를 포함할 수 있다. 당업자는 여기에 개시된 역량을 제공하는 다른 유형의 프로세서 장치가 구현될 수 있음을 이해할 것이다.
메모리(334, 344 또는 354)는 각각 프로세서(332, 342 또는 352)에 의해 실행될 때 공지된 운영 체제 기능을 수행하는 하나 이상의 운영 체제를 저장할 수 있다. 예로서, 운영 체제는 Microsoft Windows, Unix, Linux, Android, Mac OS, iOS 또는 다른 유형의 운영 체제를 포함할 수 있다. 따라서, 개시된 발명의 예는 임의의 유형의 운영 체제를 실행하는 컴퓨터 시스템으로 동작하고 기능할 수 있다. 메모리(334, 344 또는 354)는 휘발성 또는 비휘발성, 자기, 반도체, 테이프, 광학, 착탈식, 비-착탈식, 또는 다른 유형의 스토리지 디바이스 또는 유형의 컴퓨터 판독 가능 매체일 수 있다.
데이터베이스(336, 346 또는 356)는, 예를 들어, OracleTM 데이터베이스, SybaseTM 데이터베이스, 또는 다른 관계형 데이터베이스 또는, HadoopTM 시퀀스 파일, HBaseTM 또는 CassandraTM와 같은, 비-관계형 데이터베이스를 포함할 수 있다. 데이터베이스(336, 346 또는 356)는 데이터베이스(들)의 메모리 디바이스에 저장된 데이터에 대한 요청을 수신 및 처리하고 데이터베이스(들)로부터 데이터를 제공하도록 구성된 컴퓨팅 구성요소(예를 들면, 데이터베이스 관리 시스템, 데이터베이스 서버 등)를 포함할 수 있다. 데이터베이스(336, 346 또는 356)는 HBase, MongoDBTM 또는 CassandraTM와 같은 NoSQL 데이터베이스를 포함할 수 있다. 대안적으로, 데이터베이스(336, 346 또는 356)는 Oracle, MySQL 및 Microsoft SQL Server와 같은 관계형 데이터베이스를 포함할 수 있다. 일부 실시예에서, 데이터베이스(336, 346 또는 356)는 서버, 범용 컴퓨터, 메인프레임 컴퓨터, 또는 이들 구성요소의 임의의 조합의 형태를 취할 수 있다.
데이터베이스(336, 346, 또는 356)는 개시된 예와 연관된 방법 및 프로세스를 수행하기 위해 프로세서(332, 342 또는 352)에 의해 각각 사용될 수 있는 데이터를 저장할 수 있다. 데이터베이스(336, 346 또는 356)는, 도 3에 도시된 바와 같이, 인바운드 제약 역량 시스템(330), 인바운드 수요 예측 시스템(340) 또는 전처리 계획 시스템(350) 내에 각각 위치할 수 있거나, 그것들은 인바운드 제약 역량 시스템(330), 인바운드 수요 예측 시스템(340) 또는 전처리 계획 시스템(350) 외부에 위치한 스토리지 디바이스 내에 있을 수 있다. 332, 342 또는 352에 저장된 데이터는 FC와 연관된 임의의 적절한 데이터(예를 들면, 재고 데이터, 제품 데이터, 제품 주문 데이터, 과거 예상 배달 날짜, 예상 배달 날짜, 과거 실제 배달 날짜, 실제 배달 날짜, 현재 및 과거 재고 데이터, 예측 가용 스토리지 역량, 실제 가용 스토리지 역량, 모델 데이터, 스토리지 유형, 역량 유형, FC 프로필, 과거 및 실제 수요 데이터, 생성된 인바운드 계획, 검증 데이터, SKU 데이터 등)를 포함할 수 있다.
사용자 디바이스(320)는 태블릿, 모바일 디바이스, 컴퓨터 등일 수 있다. 사용자 디바이스(320)는 디스플레이를 포함할 수 있다. 디스플레이는, 예를 들어, 액정 디스플레이(LCD), 발광 다이오드 스크린(LED), 유기 발광 다이오드 스크린(OLED), 터치 스크린 및 다른 공지된 디스플레이 디바이스를 포함할 수 있다. 디스플레이는 사용자에게 다양한 정보를 보여줄 수 있다. 예를 들어, 그것은 인바운드 계획을 생성하기 위한 옵션, 생성된 인바운드 계획, 인바운드 계획 생성과 연관된 데이터, FC 데이터 등을 디스플레이 할 수 있다. 사용자 디바이스(320)는 하나 이상의 입/출력(I/O) 디바이스를 포함할 수 있다. I/O 디바이스는 사용자 디바이스(320)가 사용자(320A) 또는 다른 디바이스로부터 정보를 송수신할 수 있게 하는 하나 이상의 디바이스를 포함할 수 있다. I/O 디바이스는 다양한 입/출력 디바이스, 카메라, 마이크, 키보드, 마우스-타입 디바이스, 제스처 센서, 동작 센서, 물리적 버튼, 음성 입력 등을 포함할 수 있다. I/O 디바이스는 또한, 예를 들어, 사용자 디바이스(320) 및 네트워크(310) 간의 유선 또는 무선 연결을 설정함으로써 인바운드 제약 역량 시스템(330), 인바운드 수요 예측 시스템(340) 또는 전처리 계획 시스템(350)으로부터 정보를 송수신하기 위한 하나 이상의 통신 모듈(미도시)을 포함할 수 있다.
일부 실시예에서, 사용자(320A)는 내부 사용자(예를 들어, 시스템(100 또는 300)을 소유, 운영 또는 임대하는 조직의 직원)일 수 있다. 내부 프론트 엔드 시스템(105)은 사용자(320A)가 사용자 디바이스(320)를 이용하여 시스템(300)과 상호작용할 수 있게 하는 컴퓨터 시스템으로서 구현될 수 있다. 예를 들어, 시스템(100 또는 300)이 인바운드 계획을 생성하기 위한 옵션, 생성된 인바운드 계획, 인바운드 계획 생성과 연관된 데이터, FC 데이터 등을 사용자가 디스플레이 할 수 있도록 하는 프레젠테이션을 가능하게 하는 실시예이다.
일부 실시예에서, 인바운드 제약 역량 시스템(330)은, 모델을 이용하여, FC와 연관된 가용 스토리지 역량(ASC)(예를 들어, 제품의 수량, 총 역량의 백분율 등)을 예측할 수 있다. 예를 들어, 각 FC에 대한 현재 및 과거 재고 데이터(예를 들면, 종료 재고 데이터, 인바운드 데이터, 아웃바운드 데이터 등)를 이용하여 FC와 연관된 ASC를 예측할 수 있다. 일부 실시예에서, 시스템(330)은 제품의 아웃바운드 수량을 예측함으로써 ASC를 예측할 수 있다. 예를 들어, 시스템(330)은 다음 공식을 이용하여 선택된 예상 배달 날짜(EDD)에 대한 제품의 아웃바운드 수량을 예측하기 위해 모델을 이용할 수 있다.
제품의 아웃바운드 수량(EDD)
= 제품의 종료 재고(EDD- 1)
- 제품의 종료 재고(EDD)
+ 제품의 인바운드 수량(EDD)
여기서 "EDD - 1"은 EDD 하루 전을 나타낸다. 즉, 선택된 EDD에 대한 제품의 아웃바운드 수량은 EDD 하루 전 제품의 종료 재고로부터 EDD의 제품의 종료 재고를 빼고, EDD의 제품의 인바운드 수량을 더하여 계산할 수 있다.
시스템(330)은 다음 공식을 이용하여 EDD의 제품의 종료 재고를 계산하기 위해 모델을 이용할 수 있다.
제품의 종료 재고(EDD)
= 제품의 종료 재고(EDD - 1)
+ 제품의 인바운드 재고(EDD) - 제품의 아웃바운드 재고(EDD)
즉, 시스템(330)은 EDD의 제품의 인바운드 재고에 EDD 전날 제품의 종료 재고를 더하고 EDD의 제품의 아웃바운드 재고를 빼서 EDD의 제품의 종료 재고를 계산할 수 있다.
일부 실시예에서, 시스템(330)은 (예를 들어, 2주와 같은 특정 기간에서) 복수의 선택된 EDD에 대한 ASC를 예측하기 위해 모델을 이용할 수 있다. 일부 실시예에서, 시스템(330)은 복수의 FC에 대한 ASC를 예측하기 위해 모델을 이용할 수 있다. 일부 실시예에서, 시스템(330)은 예측을 수행하기 위해 상이한 모델의 동일하거나 다양한 조합을 이용할 수 있다. 일부 실시예에서, 하나 이상의 모델은 하나 이상의 FC에서의 재고 또는 하나 이상의 FC에서의 큐브 가용성(예를 들어, 1,000m3, 3,000개 유닛을 위한 공간 등)에 기초하여 ASC를 예측할 수 있다.
일부 실시예에서, 시스템(330)은 특정 스토리지 유형에 대한 ASC를 예측하기 위해 모델을 이용할 수 있다. 예를 들어, 스토리지 유형은 팔레트(pallet) 및 빈(bin)을 포함할 수 있다. 일부 실시예에서, 시스템(330)은 특정 역량 유형에 대한 ASC를 예측하기 위해 모델을 이용할 수 있다. 예를 들어, 역량 유형은 토터블(totable), 비-토터블(non-totable) 및 그란데(grande)를 포함할 수 있다. 토터블 역량 유형은 토트(tote)에 제품을 담을 수 있는 반면, 비-토터블 역량 유형은 토트에 제품을 담을 수 없다. 그란데 역량 유형은 토터블과 비-토터블 사이에 있을 수 있으며, 제품을 토트에 담을 수 있는 경우가 있다. 일부 실시예에서, 시스템(330)은 스토리지 유형 및 역량 유형의 조합(예를 들어, 빈-유형 토터블 제품, 빈-유형 비-토터블 제품, 빈-유형 그란데 제품, 팔레트-유형 토터블 제품, 팔레트-유형 비-토터블 제품 또는 팔레트-유형 그란데 제품)에 대한 ASC를 예측하기 위해 모델을 이용할 수 있다.
일부 실시예에서, 시스템(330)은 FC와 연관된 제약 역량을 계산할 수 있다. 예를 들어, 시스템(330)은 FC와 연관된 인바운드 인프라스트럭처(infrastructure) 역량에 기초하여 제약 역량(예를 들어, 제품의 수량, 총 역량의 백분율 등)을 계산할 수 있다. 예를 들어, 인바운드 인프라스트럭처 역량은 FC의 인력(staffing), FC의 각 스테이션에 대한 인력, FC의 운전자, FC의 지게차 운전자, FC의 가용 인력에 기초하여 수신될 수 있는 제품의 수 등을 포함할 수 있다(예를 들어, FC의 제약 역량은 FC에 100개의 스테이션이 있지만 FC에서 일할 수 있는 작업자는 단지 80명이라는 사실에 기초하여 계산될 수 있다). 일부 실시예에서, 제약 역량은 재고 유지 단위(stock-keeping unit)(SKUs)에 관한 것일 수 있다.
일부 실시예에서, 시스템(330)은 특정 스토리지 유형에 대한 제약 역량을 계산할 수 있다. 예를 들어, 스토리지 유형은 팔레트 및 빈을 포함할 수 있다. 일부 실시예에서, 시스템(330)은 특정 역량 유형에 대한 제약 역량을 계산할 수 있다. 예를 들어, 역량 유형은 토터블, 비-토터블 및 그란데를 포함할 수 있다. 일부 실시예에서, 시스템(330)은 스토리지 유형 및 역량 유형의 조합(예를 들어, 빈-유형 토터블 제품, 빈-유형 비-토터블 제품, 빈-유형 그란데 제품, 팔레트-유형 토터블 제품, 팔레트-유형 비-토터블 제품 또는 팔레트-유형 그란데 제품)에 대한 제약 역량을 계산할 수 있다.
일부 실시예에서, SKU는 고객에 대한 최종 배송 방법에 의해 분류될 수 있다. 예를 들어, 낮은 가치의, 손상되기 쉽지 않은 SKU와 같은 특정 SKU는 가방에 넣어 배송될 수 있다(즉, "토터블"). 가치가 높거나 손상되기 쉬운 SKU는 다른 포장으로 상자에 넣어 배송해야 할 수 있다(즉, "비-토터블"). 다른 SKU는 대량으로 배송되거나 제조업체 또는 공급업체로부터의 원래 포장으로 배송될 수 있다(즉, "그란데"). 예를 들어, 화장지(toilet paper)의 상자는, 소비자가 종종 많은 양의 화장지를 구매할 수 있기 때문에, 그란데로 분류될 수 있으며, 상자는 화장지 제조업체에 의해 제공된 원래 포장으로 목적지로부터 소비자에게 배송될 수 있다. 따라서 목적지의 일부 스토리지 공간은 총 아이템, 비-토터블 아이템 및 그란데 아이템에 할당되는 것과 같이, 일부 스토리지 공간은 SKU 유형에 결부될 수 있다. 예를 들어, 그란데 아이템은 지게차가 움직일 수 있는 장애물이 거의 없는 영역에 저장될 수 있고, 토터블 아이템은 선반에 저장될 수 있다.
일부 실시예에서, SKU는 SKU를 처리하는 속도에 기초하여 추가로 분류될 수 있다. 예를 들어, 더 빨리 처리하는 SKU는 FC의 팔레트에 저장될 수 있는 반면 느리게 처리하는 SKU는 팔레트에 저장되지 않고 대신 빈에 저장될 수 있다. 따라서, 스토리지 유형과 역량 유형의 조합은 빈-유형 토터블 제품, 빈-유형 비-토터블 제품, 빈-유형 그란데 제품, 팔레트-유형 토터블 제품, 팔레트-유형 비-토터블 제품 또는 팔레트-유형 그란데 제품을 포함할 수 있다.
일부 실시예에서, 시스템(330)은 계산된 ASC와 FC의 계산된 제약 역량 중에서 최소값을 결정함으로써 하나 이상의 FC에 대한 인바운드 제약을 결정할 수 있다. 일부 실시예에서, 시스템(330)은 각 FC의 ASC 및 제약 역량을 계산하고 기간 내의 매일 매일에 대한 인바운드 제약을 결정할 수 있다. 예를 들어, 시스템(330)은 한 주의 매일 매일에 대해 하나 이상의 FC에 대한 인바운드 제약을 결정할 수 있다. 시스템(330)은 그 주의 총 인바운드 제약을 그 주의 일수로 나눔으로써 평균 일일 인바운드 제약을 계산할 수 있다. 시스템(330)은 평균 일일 인바운드 제약을 계산함으로써 기간 내의 변동을 고려하는 인바운드 계획을 생성할 수 있으며, 그렇게 함으로써 보다 강력한 인바운드 계획을 생성할 수 있다.
일부 실시예에서, 인바운드 수요 예측 시스템(340)은 재무 또는 재고 데이터를 이용하여 FC와 연관된 수요 역량을 예측할 수 있다. 예를 들어, 시스템(340)은 선택된 EDD에 대한 제품의 전국적인 수요를 예측할 수 있다. 일부 실시예에서, 시스템(340)은 기간 내에서 복수의 EDD에 대한 제품의 전국적인 수요를 예측할 수 있다. 시스템(340)은 과거 재고 데이터, 공급자 리드-타임 데이터, 공급자 배달 주기 데이터 등을 이용하여 전국적인 수요를 예측할 수 있다. 일부 실시예에서, 전국적인 수요 데이터는 SKU에 관한 것일 수 있다. 일부 실시예에서, 수요 역량은 다수의 예측 수요 제품을 저장하는 데 필요한 예상 역량일 수 있다. 시스템(340)은 재무 또는 재고 데이터에 기초하여 제품의 아웃바운드 목표를 예측하고 아웃바운드 목표를 충족하는 데 필요한 인바운드 재고를 예측함으로써 수요 역량을 예측할 수 있다. 시스템(340)은 아웃바운드 목표를 충족하는 데 필요한 인바운드 재고를 수신할 수 있는 하나 이상의 FC 간의 스토리지를 최대화함으로써 수요 역량을 예측할 수 있다. 일부 실시예에서, 시스템(340)은 기간(예를 들어, 2주) 동안의 총 수요 역량을 해당 주의 일 수(예를 들어, 14일)로 나눔으로써 평균 일일 수요 역량을 계산할 수 있다. 시스템(340)은 평균 일일 수요 역량을 계산함으로써 기간 내의 변동을 고려하는 인바운드 계획을 생성할 수 있으며, 그렇게 함으로써 보다 강력한 인바운드 계획을 생성할 수 있다.
일부 실시예에서, 시스템(340)은 특정 스토리지 유형에 대한 수요 역량을 예측할 수 있다. 예를 들어, 스토리지 유형은 팔레트 및 빈을 포함할 수 있다. 일부 실시예에서, 시스템(340)은 특정 역량 유형에 대한 수요 역량을 계산할 수 있다. 예를 들어, 역량 유형은 토터블, 비-토터블 및 그란데를 포함할 수 있다. 일부 실시예에서, 시스템(340)은 스토리지 유형 및 역량 유형의 조합(예를 들어, 빈-유형 토터블 제품, 빈-유형 비-토터블 제품, 빈-유형 그란데 제품, 팔레트-유형 토터블 제품, 팔레트-유형 비-토터블 제품 또는 팔레트-유형 그란데 제품)에 대한 수요 역량을 예측할 수 있다.
일부 실시예에서, SKU는 고객에 대한 최종 배송 방법에 의해 분류될 수 있다. 예를 들어, 낮은 가치의, 손상되기 쉽지 않은 SKU와 같은 특정 SKU는 가방에 넣어 배송될 수 있다(즉, "토터블"). 가치가 높거나 손상되기 쉬운 SKU는 다른 포장으로 상자에 넣어 배송해야 할 수 있다(즉, "비-토터블"). 다른 SKU는 대량으로 배송되거나 제조업체 또는 공급업체로부터의 원래 포장으로 배송될 수 있다(즉, "그란데"). 예를 들어, 화장지의 상자는, 소비자가 종종 많은 양의 화장지를 구매할 수 있기 때문에, 그란데로 분류될 수 있으며, 상자는 화장지 제조업체에 의해 제공된 원래 포장으로 목적지로부터 소비자에게 배송될 수 있다. 따라서 목적지의 일부 스토리지 공간은 총 아이템, 비-토터블 아이템 및 그란데 아이템에 할당되는 것과 같이, 일부 스토리지 공간은 SKU 유형에 결부될 수 있다. 예를 들어, 그란데 아이템은 지게차가 움직일 수 있는 장애물이 거의 없는 영역에 저장될 수 있고, 토터블 아이템은 선반에 저장될 수 있다.
일부 실시예에서, SKU는 SKU를 처리하는 속도에 기초하여 추가로 분류될 수 있다. 예를 들어, 더 빨리 처리하는 SKU는 FC의 팔레트에 저장될 수 있는 반면 느리게 처리하는 SKU는 팔레트에 저장되지 않고 대신 빈에 저장될 수 있다. 따라서, 스토리지 유형과 역량 유형의 조합은 빈-유형 토터블 제품, 빈-유형 비-토터블 제품, 빈-유형 그란데 제품, 팔레트-유형 토터블 제품, 팔레트-유형 비-토터블 제품 또는 팔레트-유형 그란데 제품을 포함할 수 있다.
일부 실시예에서, 전처리 계획 시스템(350)은 전처리 계획을 수행하기 위해 시스템(330)으로부터 예측된 ASC, 시스템(330)으로부터 계산된 제약 역량, 및 시스템(340)으로부터 예측된 수요 역량을 이용할 수 있다. 예를 들어, 시스템(350)은 스토리지 유형, 역량 유형, 또는 스토리지 유형과 역량 유형의 조합(예를 들어, 빈-유형 토터블 제품, 빈-유형 비-토터블 제품, 빈-유형 그란데 제품, 팔레트-유형 토터블 제품, 팔레트-유형 비-토터블 제품 또는 팔레트-유형 그란데 제품)을 선택하여 전처리 계획을 수행할 수 있다. 선택을 위해, 시스템(350)은 시스템(330)으로부터 결정된 인바운드 제약을 검색할 수 있다. 시스템(350)은 결정된 인바운드 제약이 예측된 수요 역량보다 작거나 같은지 여부를 결정할 수 있다.
결정된 인바운드 제약이 예측된 수요 역량보다 작거나 동일하지 않다면, 시스템(350)은 예측된 수요 역량과 결정된 인바운드 제약 사이의 차이를 계산할 수 있다. 계산된 차이가 음수이므로, 시스템(350)은 초과 수요 수량을 출력할 수 있다. 결정된 인바운드 제약이 예측된 수요 역량보다 작거나 같으면, 시스템(350)은 예측된 수요 역량과 결정된 인바운드 제약 사이의 차이를 계산할 수 있다. 계산된 차이가 양수이므로, 시스템(350)은 잔여 가용 역량을 출력할 수 있다. 수행된 전처리 계획의 출력에 기초하여, 시스템(300)은 하나 이상의 FC에 대한 인바운드 계획을 생성할 수 있다. 예를 들어, 결정된 인바운드 제약이 예측된 수요 역량을 초과하는 경우, 시스템(300)은 하나 이상의 FC가 예측된 수요 역량을 저장할 수 있기 때문에 인바운드 계획을 생성할 수 있다. 일부 실시예에서, 생성된 인바운드 계획은 빈-유형 토터블 제품, 빈-유형 비-토터블 제품, 빈-유형 그란데 제품, 팔레트-유형 토터블 제품, 팔레트-유형 비-토터블 제품 또는 팔레트-유형 그란데 제품 중 적어도 하나에 대한 역량 할당을 포함할 수 있으며, 여기서 예측된 수요 역량은 서로 다른 역량 스토리지 유형 간에 완전히 할당되거나 분배될 수 있다.
일부 실시예에서, 예측된 수요 역량이 결정된 인바운드 제약을 초과할 때(예를 들어, 피크 기간 동안), 시스템(350)은 각각의 추가 FC에 대해 생성된 인바운드 계획에 기초하여 하나 이상의 추가 FC 간에 초과 수요 수량을 분배할 수 있다. 예를 들어, 시스템(300)은 추가 FC의 스토리지 또는 역량 유형(예를 들어, 빈-유형 토터블 제품, 빈-유형 비-토터블 제품, 빈-유형 그란데 제품, 팔레트-유형 토터블 제품, 팔레트-유형 비-토터블 제품 또는 팔레트-유형 그란데 제품 등)에 기초하여 초과 수요 수량의 분포를 최적화할 수 있다. 일부 실시예에서, 시스템(300)은 각 SKU와 연관된 우선순위에 기초하여 예상 수요 역량(예를 들어, 초과 수요 수량의 경우에 제한되지 않음)의 임의의 분포를 최적화할 수 있다.
일부 실시예에서, 하나 이상의 시스템 또는 시스템(300)의 구성요소는 위에서 논의된 하나 이상의 변수를 조정함으로써 다양한 시뮬레이션을 수행할 수 있다. 시스템(300)은 FC에 저장될 수 있는 수요 역량이 최대화되는(예를 들어, 하나 이상의 FC에 있는 가용 스토리지 역량이 최대화되는) 최적화에 기초하여 하나 이상의 FC에 대한 인바운드 계획을 생성할 수 있다.
일부 실시예에서, 시스템(300)은 하나 이상의 생성된 인바운드 계획에 대해 (예를 들어, 인바운드 계획을 생성한 후, 인바운드 계획의 각각의 시뮬레이션 후에 등) 검증 테스트를 수행할 수 있다. 예를 들어, 시스템(300)은 예측된 ASC 및 실제 ASC에 대한 평균 절대 백분율 오차를 계산함으로써 ASC를 예측하는 데 이용되는 모델에 대한 검증 테스트를 수행할 수 있다. 계산된 평균 절대 백분율 오차가 임계값(예를 들어, 20%) 이상이라고 결정할 때, 시스템(300)은 ASC를 예측하기 위해 새로운 모델을 선택하고 새로운 모델에 기초하여 FC에 대한 새로운 인바운드 계획을 생성할 수 있다.
예를 들어, 시스템(300)은 다음 공식을 이용하여 평균 절대 백분율 오차(MAPE)를 계산할 수 있다.
여기서 n은 EDD의 수(예를 들어, 기간 내)일 수 있고, t는 EDD일 수 있고, At는 실제 ASC일 수 있으며, Ft는 예측된(또는 예견된(forecasted)) ASC일 수 있다.
일부 실시예에서, 시스템(300)은 다음 공식을 이용하여 대칭 평균 절대 백분율 오차(SMAPE)를 계산할 수 있다:
여기서 n은 EDD의 수(예를 들어, 기간 내)일 수 있고, t는 EDD일 수 있고, At는 실제 ASC일 수 있으며, Ft는 예측된(또는 예견된) ASC일 수 있다.
일부 실시예에서, 시스템(300)은 다음 공식을 이용하여 모델의 추적 신호(TS)를 계산함으로써 검증 테스트를 수행할 수 있다:
여기서 n은 EDD의 수(예를 들어, 기간 내)일 수 있고, t는 EDD일 수 있고, At는 실제 ASC일 수 있고, Ft는 예측된(또는 예견된) ASC일 수 있고, MAD는 평균 절대 편차일 수 있다. 시스템(300)은 다음 공식을 이용하여 MAD를 계산할 수 있다.
일부 실시예에서, TS가 특정 범위(예를 들어, -4 내지 4)를 벗어나는 경우, 시스템(300)은 ASC를 예측하기 위해 새로운 모델을 선택하고 새로운 모델에 기초하여 FC에 대한 새로운 인바운드 계획을 생성할 수 있다.
일부 실시예에서, 초과 수요 수량을 결정한 후, 시스템(300)은 초과 수요 수량(예를 들어, 초과 수요 수량 중 빈-유형 토터블 제품, 빈-유형 비-토터블 제품, 빈-유형 그란데 제품, 팔레트-유형 토터블 제품, 팔레트-유형 비-토터블 제품 또는 팔레트-유형 그란데 제품의 수량)과 연관된 하나 이상의 대체 가능한 역량 유형(예를 들어, 다른 역량 유형과 상호교환가능할 수 있는 역량 유형)을 결정할 수 있다. 일부 실시예에서, 시스템(300)은 적어도 하나의 FC와 연관된 가용 대체 가능한 역량 유형 수량을 결정할 수 있다.
일부 실시예에서, 시스템(300)은 하나 이상의 FC가 초과 수요 수량을 저장하기 위해 가용 스토리지 및 역량 유형을 갖는다고 결정할 수 있다. 예를 들어, 성수기에는, 제1 FC가 전체 수요 역량을 충족하지 못할 수 있지만, 다른 FC는 기간(예를 들면, 성수기 기간) 동안 초과 수요 수량을 저장하는 데 이용가능 할 수 있다. 예를 들어, 일부 스토리지 역량 유형은 다른 스토리지 역량 유형보다 빠르게 처리(예를 들면, FC의 내부 및 외부로 전송)될 수 있으므로 다른 스토리지 저장 역량 유형보다 더 빨리 제품을 저장하는데 이용 가능할 것이다. 예를 들어, 토터블 제품은 SKU 수준에서 수요의 80%를 포함할 수 있지만, 토터블 제품은 일부 다른 제품보다 크기가 작기 때문에, 토터블 제품은 FC 스토리지 공간의 30%만 소비할 수 있다. 따라서, 상이한 스토리지 역량 유형은 토터블 제품으로 대체 가능(예를 들면, 그란데)할 수 있으며 토터블 제품의 초과 수요를 수용할 수 있다.
일부 실시예에서, 하나 이상의 FC는 가용 대체 가능한 역량 유형 수량의 최대값을 가질 수 있다. 예를 들어, 일부 FC는 초과 수요 수량을 저장하기 위해 가용 대체 가능한 역량 유형 공간을 가질 수 있지만, 대체 가능한 제품을 저장하는 데 실제로 이용될 수 있는 가용 대체 가능한 역량 유형 공간의 소정 백분율로 제한될 수 있다. 일부 실시예에서, 초과 수요 수량은 복수의 FC 사이에서 가용 대체 가능한 역량 유형 공간에 분배될 수 있다. 일부 실시예에서, 사용자(예를 들어, 사용자(320A))는 사용자 디바이스(320)를 통해 대체 가능성 유형 또는 최대값을 정의할 수 있다.
일부 실시예에서, 시스템(300)은 FC에 대한 인바운드 계획을 생성하기 위해 적어도 하나의 FC에서 초과 수요 수량과 연관된 하나 이상의 대체 가능한 역량 유형 및 가용 대체 가능한 역량 유형 수량을 이용할 수 있다. 일부 실시예에서, 시스템(300)은 복수의 FC에서의 상이한 대체 가능한 역량 유형 수량을 이용한 상이한 시뮬레이션에 기초하여 복수의 상이한 인바운드 계획을 생성할 수 있다. 일부 실시예에서, 생성된 인바운드 계획은 복수의 FC의 각각의 FC에 대한 SKU당 가변 비용에 기초할 수 있고, 여기서 시스템(300)은 복수의 FC 사이의 상이한 가능한 대체 가능한 역량 유형 수량에 기초하여 최적화할 수 있다.
일부 실시예에서, 시스템(300)은 복수의 FC 각각에 대한 SKU당 가변 비용에 기초하여 복수의 상이한 인바운드 계획 중에서 FC에 대한 최적의 인바운드 계획을 결정할 수 있다. 예를 들어, 최적의 인바운드 계획은 임의의 FC에 저장된 초과 수요 수량의 수량을 최대화하고 총 비용을 최소화하여, 처리량을 증가시키고 비용을 절감할 수 있다. 일부 실시예에서, 시스템(300)은 생성된 인바운드 계획에 기초하여 FC의 프로파일을 변경할 수 있다.
예를 들어, 시스템(300)은 임계값(예를 들어, 대체 가능한 역량 스토리지 유형이 이용되는 기간, 대체 가능성 계산을 이용하여 생성된 계획의 수 등)에 기초하여 FC 프로파일(예를 들어, 각 스토리지 역량 유형에 대한 할당)을 재설계할 수 있다. 예를 들어, 일부 실시예에서, 시스템(300)은 대체 가능성 계산이 FC에 대해 이용되는 기간에 기초하여 성수기가 실제로 장기적인 변화라고 결정할 수 있다.
도 4를 참조하면, AI 기반 인바운드 계획 생성을 위한 프로세스(400)가 도시된다. 일부 실시예에서 시스템(330)은 여기에 설명된 여러 단계를 수행할 수 있지만, 다른 구현도 가능하다. 예를 들어, 여기에 설명되고 예시된 임의의 시스템 및 구성요소(예를 들어, 시스템(100), 시스템(340), 시스템(350) 등)는 본 개시에 설명된 단계를 수행할 수 있다.
단계 401에서, 시스템(330)은 선택된 EDD가 현재 날짜 이전인지 여부를 결정할 수 있다. 그 다음, 예(YES)인 경우, 시스템(330)은 선택된 EDD가 현재 날짜 또는 그 이후일 때까지 하루씩 반복할 수 있다. 그 다음, 아니오(NO)인 경우, 시스템(330)은 단계 403으로 진행할 수 있다.
단계 403에서, 시스템(330)은 선택된 EDD에 대한 ASC를 계산할 수 있다. 예를 들어, 시스템(330)은, 모델을 이용하여, FC와 연관된 ASC를 예측할 수 있다. 예를 들어, 시스템(330)은 FC와 연관된 ASC를 예측하기 위해 각각의 FC에 대한 현재 및 과거 재고 데이터(예를 들어, 종료 재고 데이터, 인바운드 데이터, 아웃바운드 데이터 등)를 사용할 수 있다. 일부 실시예에서, 시스템(330)은 제품의 아웃바운드 수량을 예측함으로써 ASC(예를 들어, 제품의 수량, 총 역량의 백분율 등)를 예측할 수 있다. 예를 들어, 시스템(330)은 다음 공식을 이용하여 선택된 예상 배달 날짜(EDD)에 대한 제품의 아웃바운드 수량을 예측하기 위해 모델을 이용할 수 있다.
제품의 아웃바운드 수량(EDD)
= 제품의 종료 재고(EDD-1)
- 제품의 종료 재고(EDD)
+ 제품의 인바운드 수량(EDD)
단계 405에서, 시스템(330)은 EDD가 기간 내의 마지막 날짜인지 여부를 결정할 수 있다. 그 다음, 아니오인 경우, 시스템(330)은 단계 401로 돌아가 전술된 프로세스를 반복할 수 있다. 그 다음, 예인 경우, 시스템(330)은 단계 407로 진행할 수 있다. 즉, 일부 실시예에서, 시스템(330)은 특정 기간(예를 들어, 2주)에서 복수의 선택된 EDD에 대한 ASC를 예측하기 위해 모델을 이용할 수 있다. 일부 실시예에서, 하나 이상의 모델이 하나 이상의 FC에서의 재고 또는 하나 이상의 FC에서의 큐브 가용성(예를 들어, 1,000m3, 3,000개 유닛을 위한 공간 등)에 기초하여 ASC를 예측할 수 있다.
일부 실시예에서, 시스템(330)은 특정 스토리지 유형에 대한 ASC를 예측하기 위해 모델을 이용할 수 있다. 예를 들어, 스토리지 유형은 팔레트 및 빈을 포함할 수 있다. 일부 실시예에서, 시스템(330)은 특정 역량 유형에 대한 ASC를 예측하기 위해 모델을 이용할 수 있다. 예를 들어, 역량 유형은 토터블, 비-토터블 및 그란데를 포함할 수 있다. 일부 실시예에서, 시스템(330)은 스토리지 유형 및 역량 유형의 조합(예를 들어, 빈-유형 토터블 제품, 빈-유형 비-토터블 제품, 빈-유형 그란데 제품, 팔레트-유형 토터블 제품, 팔레트-유형 비-토터블 제품 또는 팔레트-유형 그란데 제품)에 대한 ASC를 예측하기 위해 모델을 이용할 수 있다.
일부 실시예에서, SKU는 고객에 대한 최종 배송 방법에 의해 분류될 수 있다. 예를 들어, 낮은 가치의, 손상되기 쉽지 않은 SKU와 같은 특정 SKU는 가방에 넣어 배송될 수 있다(즉, "토터블"). 가치가 높거나 손상되기 쉬운 SKU는 다른 포장으로 상자에 넣어 배송해야 할 수 있다(즉, "비-토터블"). 다른 SKU는 대량으로 배송되거나 제조업체 또는 공급업체로부터의 원래 포장으로 배송될 수 있다(즉, "그란데"). 예를 들어, 화장지의 상자는, 소비자가 종종 많은 양의 화장지를 구매할 수 있기 때문에, 그란데로 분류될 수 있으며, 상자는 화장지 제조업체에 의해 제공된 원래 포장으로 목적지로부터 소비자에게 배송될 수 있다. 따라서 목적지의 일부 스토리지 공간은 총 아이템, 비-토터블 아이템 및 그란데 아이템에 할당되는 것과 같이, 일부 스토리지 공간은 SKU 유형에 결부될 수 있다. 예를 들어, 그란데 아이템은 지게차가 움직일 수 있는 장애물이 거의 없는 영역에 저장될 수 있고, 토터블 아이템은 선반에 저장될 수 있다.
일부 실시예에서, SKU는 SKU를 처리하는 속도에 기초하여 추가로 분류될 수 있다. 예를 들어, 더 빨리 처리하는 SKU는 FC의 팔레트에 저장될 수 있는 반면 느리게 처리하는 SKU는 팔레트에 저장되지 않고 대신 빈에 저장될 수 있다. 따라서, 스토리지 유형과 역량 유형의 조합은 빈-유형 토터블 제품, 빈-유형 비-토터블 제품, 빈-유형 그란데 제품, 팔레트-유형 토터블 제품, 팔레트-유형 비-토터블 제품 또는 팔레트-유형 그란데 제품을 포함할 수 있다.
단계 407에서, 시스템(330)은 선택된 EDD가 현재 날짜 이전인지 여부를 결정할 수 있다. 그 다음, 예인 경우, 시스템(330)은 선택된 EDD가 현재 날짜 또는 그 이후일 때까지 하루씩 반복할 수 있다. 그 다음, 아니오인 경우, 시스템(330)은 단계 409로 진행할 수 있다.
단계 409에서, 시스템(330)은 FC와 연관된 제약 역량을 계산할 수 있다. 예를 들어, 시스템(330)은 FC와 연관된 인바운드 인프라스트럭처 역량에 기초하여 기간 동안 제약 역량(예를 들어, 제품의 수량, 총 역량의 백분율 등)을 계산할 수 있다. 예를 들어, 인바운드 인프라스트럭처 역량은 FC의 인력, FC의 각 스테이션에 대한 인력, FC의 운전자, FC의 지게차 운전자, FC의 가용 인력에 기초하여 수신될 수 있는 제품의 수 등을 포함할 수 있다(예를 들어, FC의 제약 역량은 FC에 100개의 스테이션이 있지만 FC에서 일할 수 있는 작업자는 단지 80명이라는 사실에 기초하여 계산될 수 있다). 일부 실시예에서, 제약 역량은 재고 유지 단위(SKUs)에 관한 것일 수 있다.
일부 실시예에서, 시스템(330)은 특정 스토리지 유형에 대한 제약 역량을 계산할 수 있다. 예를 들어, 스토리지 유형은 팔레트 및 빈을 포함할 수 있다. 일부 실시예에서, 시스템(330)은 특정 역량 유형에 대한 제약 역량을 계산할 수 있다. 예를 들어, 역량 유형은 토터블, 비-토터블 및 그란데를 포함할 수 있다. 예를 들어, 시스템(330)은 각각의 스토리지 유형 및 각각의 제약 역량에 대한 제약 역량을 계산할 수 있다. 일부 실시예에서, 시스템(330)은 스토리지 유형 및 역량 유형의 조합(예를 들어, 빈-유형 토터블 제품, 빈-유형 비-토터블 제품, 빈-유형 그란데 제품, 팔레트-유형 토터블 제품, 팔레트-유형 비-토터블 제품 또는 팔레트-유형 그란데 제품)에 대한 제약 역량을 계산할 수 있다.
단계 411에서, 시스템(330)은 EDD가 기간 내의 마지막 날짜인지 여부를 결정할 수 있다. 그 다음, 아니오인 경우, 시스템(330)은 단계 407로 돌아가 전술된 프로세스를 반복할 수 있다. 즉, 일부 실시예에서, 시스템(330)은 특정 기간(예를 들어, 2주)에서 복수의 선택된 EDD에 대한 제약 역량을 예측하기 위해 모델을 이용할 수 있다. 그 다음, 예인 경우, 시스템(330)은 단계 413으로 진행할 수 있다.
단계 413에서, 시스템(330)은 특정 수의 FC(예를 들어, 모든 FC)의 모든 FC가 프로세스(400)를 거쳤는지 여부를 결정할 수 있다. 예를 들어, 일부 실시예에서, 복수의 FC가 프로세스(400)를 거칠 필요가 있을 수 있다. 그 다음, 아니오인 경우, 시스템(330)은 전술된 프로세스를 반복하기 위해 단계 401로 돌아갈 수 있다. 그 다음, 예인 경우, 시스템(330)은 프로세스(400)를 완료할 수 있다.
일부 실시예에서, 시스템(330)은 복수의 FC에 대한 ASC를 예측하기 위해 모델을 이용할 수 있다. 일부 실시예에서, 시스템(330)은 예측을 수행하기 위해 상이한 모델의 동일하거나 다양한 조합을 이용할 수 있다. 일부 실시예에서, 시스템(330)은 복수의 FC에 대한 제약 역량을 계산할 수 있다. 일부 실시예에서, 시스템(330)은 계산된 ASC와 FC의 계산된 제약 역량 중에서 최소값을 결정함으로써 하나 이상의 FC에 대한 인바운드 제약을 결정할 수 있다. 일부 실시예에서, 시스템(330)은 각 FC의 ASC 및 제약 역량을 계산하고 소정 기간 내의 매일에 대한 인바운드 제약을 결정할 수 있다. 예를 들어, 시스템(330)은 한 주의 매일에 대한 하나 이상의 FC에 대한 인바운드 제약을 결정할 수 있다. 시스템(330)은 그 주의 총 인바운드 제약을 그 주의 일수로 나눔으로써 평균 일일 인바운드 제약을 계산할 수 있다. 시스템(330)은 평균 일일 인바운드 제약을 계산함으로써 기간 내의 변동을 고려하는 인바운드 계획을 생성할 수 있으며, 그렇게 함으로써 보다 강력한 인바운드 계획을 생성할 수 있다.
도 5를 참조하면, AI 기반 인바운드 계획 생성을 위한 프로세스(500)가 도시된다. 일부 실시예에서 시스템(340)은 여기에 설명된 여러 단계를 수행할 수 있지만, 다른 구현도 가능하다. 예를 들어, 여기에 설명되고 예시된 시스템 및 구성요소(예를 들어, 시스템(100), 시스템(330), 시스템(350) 등) 중 임의의 것이 본 개시에 설명된 단계를 수행할 수 있다.
단계 501(예를 들어, 도 4의 단계 413 이후)에서, 시스템(340)은 선택된 EDD에 대한 스토리지 유형 또는 역량 유형에 대한 제품의 지역적(예를 들어, 전국적인) 수요를 예측할 수 있다. 일부 실시예에서, 시스템(340)은 소정 기간 내의 복수의 EDD에 대한 스토리지 유형 또는 역량 유형(예를 들어, 스토리지 또는 역량 유형과 연관된 제품)의 전국적인 수요를 예측할 수 있다. 시스템(340)은 과거 재고 데이터, 공급자 리드-타임 데이터, 공급자 배달 주기 데이터 등을 이용하여 전국적인 수요를 예측할 수 있다. 일부 실시예에서, 시스템(340)은 재무 또는 재고 데이터를 이용하여 FC와 연관된 수요 역량을 예측할 수 있다. 일부 실시예에서, 전국적인 수요 데이터는 SKU에 관한 것일 수 있다. 일부 실시예에서, 수요 역량은 다수의 예측 수요 제품을 저장하는 데 필요한 예상 역량일 수 있다.
단계 503에서, 시스템(340)은 재무 또는 재고 데이터에 기초하여 제품의 아웃바운드 목표를 예측하고 아웃바운드 목표를 충족하는 데 필요한 인바운드 재고를 예측함으로써 수요 역량을 예측할 수 있다. 시스템(340)은 아웃바운드 목표를 충족하는 데 필요한 인바운드 재고를 수신할 수 있는 하나 이상의 FC 간의 스토리지를 최대화함으로써 수요 역량을 예측할 수 있다. 일부 실시예에서, 시스템(340)은 기간(예를 들어, 2주) 동안의 총 수요 역량을 해당 주의 일 수(예를 들어, 14일)로 나눔으로써 평균 일일 수요 역량을 계산할 수 있다. 시스템(340)은 평균 일일 수요 역량을 계산함으로써 기간 내의 변동을 고려하는 인바운드 계획을 생성할 수 있으며, 그렇게 함으로써 보다 강력한 인바운드 계획을 생성할 수 있다.
일부 실시예에서, 시스템(340)은 특정 스토리지 유형에 대한 수요 역량을 예측할 수 있다. 예를 들어, 스토리지 유형은 팔레트 및 빈을 포함할 수 있다. 일부 실시예에서, 시스템(340)은 특정 역량 유형에 대한 수요 역량을 계산할 수 있다. 예를 들어, 역량 유형은 토터블, 비-토터블 및 그란데를 포함할 수 있다. 일부 실시예에서, 시스템(340)은 스토리지 유형 및 역량 유형의 조합(예를 들어, 빈-유형 토터블 제품, 빈-유형 비-토터블 제품, 빈-유형 그란데 제품, 팔레트-유형 토터블 제품, 팔레트-유형 비-토터블 제품 또는 팔레트-유형 그란데 제품)에 대한 수요 역량을 예측할 수 있다.
일부 실시예에서, SKU는 고객에 대한 최종 배송 방법에 의해 분류될 수 있다. 예를 들어, 낮은 가치의, 손상되기 쉽지 않은 SKU와 같은 특정 SKU는 가방에 넣어 배송될 수 있다(즉, "토터블"). 가치가 높거나 손상되기 쉬운 SKU는 다른 포장으로 상자에 넣어 배송해야 할 수 있다(즉, "비-토터블"). 다른 SKU는 대량으로 배송되거나 제조업체 또는 공급업체로부터의 원래 포장으로 배송될 수 있다(즉, "그란데"). 예를 들어, 화장지의 상자는, 소비자가 종종 많은 양의 화장지를 구매할 수 있기 때문에, 그란데로 분류될 수 있으며, 상자는 화장지 제조업체에 의해 제공된 원래 포장으로 목적지로부터 소비자에게 배송될 수 있다. 따라서 목적지의 일부 스토리지 공간은 총 아이템, 비-토터블 아이템 및 그란데 아이템에 할당되는 것과 같이, 일부 스토리지 공간은 SKU 유형에 결부될 수 있다. 예를 들어, 그란데 아이템은 지게차가 움직일 수 있는 장애물이 거의 없는 영역에 저장될 수 있고, 토터블 아이템은 선반에 저장될 수 있다.
일부 실시예에서, SKU는 SKU를 처리하는 속도에 기초하여 추가로 분류될 수 있다. 예를 들어, 더 빨리 처리하는 SKU는 FC의 팔레트에 저장될 수 있는 반면 느리게 처리하는 SKU는 팔레트에 저장되지 않고 대신 빈에 저장될 수 있다. 따라서, 스토리지 유형과 역량 유형의 조합은 빈-유형 토터블 제품, 빈-유형 비-토터블 제품, 빈-유형 그란데 제품, 팔레트-유형 토터블 제품, 팔레트-유형 비-토터블 제품 또는 팔레트-유형 그란데 제품을 포함할 수 있다.
단계 505에서, 시스템(340)은 특정 수의 FC(예를 들어, 모든 FC)의 모든 FC가 프로세스(500)를 거쳤는지 여부를 결정할 수 있다. 예를 들어, 일부 실시예에서, 복수의 FC가 프로세스(500)를 거칠 필요가 있을 수 있다. 그 다음, 아니오인 경우, 시스템(340)은 전술된 프로세스를 반복하기 위해 단계 501로 돌아갈 수 있다. 그 다음, 예인 경우, 시스템(340)은 프로세스(500)를 완료할 수 있다.
도 6을 참조하면, AI 기반 인바운드 계획 생성을 위한 프로세스(600)가 도시된다. 일부 실시예에서 시스템(350)은 여기에 설명된 여러 단계를 수행할 수 있지만, 다른 구현도 가능하다. 예를 들어, 여기에 설명되고 예시된 시스템 및 구성요소(예를 들어, 시스템(100), 시스템(330), 시스템(350) 등) 중 임의의 것이 본 개시에 설명된 단계를 수행할 수 있다.
단계 601(예를 들어, 도 4의 단계 413 이후 및 도 5의 단계 505 이후)에서, 시스템(350)은 전처리 계획을 수행하기 위해 시스템(330)으로부터 예측된 ASC(예를 들어, 프로세스(400)), 시스템(330)으로부터 계산된 제약 역량(예를 들어, 프로세스 400), 및 시스템(340)으로부터 예측된 수요 역량(예를 들어, 프로세스 500)을 이용할 수 있다. 예를 들어, 시스템(350)은 스토리지 유형, 역량 유형, 또는 스토리지 유형과 역량 유형의 조합(예를 들어, 빈-유형 토터블 제품, 빈-유형 비-토터블 제품, 빈-유형 그란데 제품, 팔레트-유형 토터블 제품, 팔레트-유형 비-토터블 제품 또는 팔레트-유형 그란데 제품)을 선택하여 전처리 계획을 수행할 수 있다. 선택을 위해, 시스템(350)은 시스템(330)으로부터 결정된 인바운드 제약을 검색할 수 있다.
단계 603에서, 시스템(350)은 결정된 인바운드 제약이 예측된 수요 역량보다 작거나 같은지 여부를 결정할 수 있다. 결정된 인바운드 제약이 예측된 수요 역량보다 작거나 동일하지 않은 경우, 시스템(350)은 단계 605로 진행할 수 있다.
단계 605에서, 시스템(350)은 예측된 수요 역량과 결정된 인바운드 제약 사이의 차이를 계산할 수 있다. 계산된 차이가 음수이므로, 시스템(350)은 계산된 차이가 초과 수요 수량이라고 결정할 수 있다.
단계 603으로 돌아가서, 결정된 인바운드 제약이 예측된 수요 역량보다 작거나 같으면, 시스템(350)은 단계 607로 진행할 수 있다.
단계 607에서, 시스템(350)은 예측된 수요 역량과 결정된 인바운드 제약 사이의 차이를 계산할 수 있다. 계산된 차이가 양수이므로, 시스템(350)은 계산된 차이가 잔여 가용 역량이라고 결정할 수 있다.
수행된 전처리 계획의 출력에 기초하여, 시스템(300)은 하나 이상의 FC에 대한 인바운드 계획을 생성할 수 있다. 예를 들어, 결정된 인바운드 제약이 예측된 수요 역량을 초과하는 경우, 시스템(300)은 하나 이상의 FC가 예측된 수요 역량을 저장할 수 있기 때문에 인바운드 계획을 생성할 수 있다. 일부 실시예에서, 생성된 인바운드 계획은 빈-유형 토터블 제품, 빈-유형 비-토터블 제품, 빈-유형 그란데 제품, 팔레트-유형 토터블 제품, 팔레트-유형 비-토터블 제품 또는 팔레트-유형 그란데 제품 중 적어도 하나에 대한 역량 할당을 포함할 수 있다. 예측된 수요 역량이 서로 다른 역량 스토리지 유형 간에 완전히 할당되거나 분배될 수 있다.
도 7을 참조하면, 대체 가능성 계산을 사용하는 AI 기반 인바운드 계획 생성을 위한 프로세스(700)가 도시된다. 일부 실시예에서 시스템(300)의 구성요소(예를 들어, 시스템(330, 340, 350) 등)가 여기에 설명된 여러 단계를 수행할 수 있지만, 다른 구현도 가능하다. 예를 들어, 여기에 설명되고 예시된 시스템 및 구성요소(예를 들어, 시스템(100) 등) 중 임의의 것이 본 개시에 설명된 단계를 수행할 수 있다.
단계 701(예를 들어, 도 6의 단계 605 이후)에서, 초과 수요 수량을 결정한 후, 시스템(300)은 초과 수요 수량(예를 들어, 초과 수요 수량 중 빈-유형 토터블 제품, 빈-유형 비-토터블 제품, 빈-유형 그란데 제품, 팔레트-유형 토터블 제품, 팔레트-유형 비-토터블 제품 또는 팔레트-유형 그란데 제품의 수량)과 연관된 하나 이상의 대체 가능한 역량 유형(예를 들어, 다른 역량 유형과 상호교환가능할 수 있는 역량 유형)을 결정할 수 있다. 일부 실시예에서, 시스템(300)은 적어도 하나의 FC와 연관된 가용 대체 가능한 역량 유형 수량을 결정할 수 있다. 일부 실시예에서, 시스템(300)은 하나 이상의 FC가 초과 수요 수량을 저장하기 위해 가용 스토리지 및 역량 유형을 갖는다고 결정할 수 있다. 예를 들어, 성수기에는, 제1 FC가 전체 수요 역량을 충족하지 못할 수 있지만, 다른 FC는 소정 기간(예를 들면, 성수기 기간) 동안 초과 수요 수량을 저장하는 데 이용가능 할 수 있다.
단계 703에서, 시스템(300)은 초과 수요 수량을 보유하기 위한 대체 가능한 역량을 갖는지 알아보기 위해 각각의 FC를 평가할 수 있다. 시스템(300)은 초과 수요 수량을 저장하는 데 이용될 수 있는 가용 대체 가능한 역량 유형 최대값 중에서 최소값, 각 대체 가능한 역량 유형에 대한 잔여 ASC, 또는 대체 가능한 역량 유형에 대한 잔여 제약 역량을 결정함으로써 각 FC에서 가능한 대체 가능한 가용성을 결정할 수 있다. 일부 실시예에서, 각 FC에서 결정된 가능한 대체 가능한 가용성, 결정된 최소값, 초과 수요 수량을 저장하는 데 이용될 수 있는 가용 대체 가능한 역량 유형 최대값, 각 대체 가능한 역량 유형에 대한 잔여 ASC, 또는 대체 가능한 역량 유형에 대한 잔여 제약 역량은 데이터베이스(336, 346 또는 356) 중 하나 이상에 저장될 수 있다.
단계 703의 일부로서, 시스템(300)은 가용 스토리지 및 하나 이상의 FC에서의 인바운드 역량 및 잔여 제약 수량의 합 중에서 최소값을 결정할 수 있다. 시스템(300)은 인바운드 역량을 적용 가능한 대체 가능한 역량 유형에 대한 대체 가능한 수량으로 곱함으로써 가용 스토리지를 결정할 수 있다. 일부 실시예에서, 결정된 최소값, 가용 스토리지, 하나 이상의 FC에서의 인바운드 역량 및 잔여 제약 수량의 합, 가용 스토리지, 인바운드 역량, 또는 적용 가능한 대체 가능한 역량 유형에 대한 대체 가능한 수량은 데이터베이스(336, 346 또는 356) 중 하나 이상에 저장될 수 있다.
단계 705에서, 시스템(300)은 하나 이상의 FC에 대한 모든 가용 스토리지를 합할 수 있다. 일부 실시예에서, 가용 스토리지는 역량 스토리지 유형에 의해 이용가능한 총 대체 가능한 역량일 수 있다. 일부 실시예에서, 하나 이상의 FC에 대한 모든 가용 스토리지의 합은 데이터베이스(336, 346 또는 356) 중 하나 이상에 저장될 수 있다.
단계 707에서, 시스템(300)은 다음을 계산함으로써 각각의 FC에 대한 제품의 고정된 수량을 계산할 수 있다.
분배할 수 없는 제품의 수량 - 가용 대체 가능한 역량
일부 실시예에서, 각 FC에 대한 제품의 고정된 수량, 가용 스토리지 또는 가용 대체 가능한 역량은 데이터베이스(336, 346 또는 356) 중 하나 이상에 저장될 수 있다.
단계 709에서, 시스템(300)은 FC에서 제품의 고정된 수량이 0보다 작은지 여부를 결정할 수 있다. 아니오인 경우, 시스템(300)은 단계 711로 진행할 수 있다. 예인 경우, 시스템(300)은 단계 723으로 진행할 수 있다. 일부 실시예에서, 결정은 데이터베이스(336, 346 또는 356) 중 하나 이상에 저장될 수 있다. 일부 실시예에서, FC에서 제품의 고정된 수량이 0보다 크거나 같으면 현재 가용 대체 가능한 역량이 현재 분배될 수 없는 제품의 수량을 수용할 수 없음을 나타낼 수 있다. FC에서 제품의 고정된 수량이 0보다 크거나 같을 때, 시스템(300)은 제품을 보유할 수 있는 FC에서 가용 대체 가능한 역량이 더 이상 없을 때까지 대체 가능성 유형에 의해 분배될 수 없는 제품의 현재 수량을 재할당하기 위해 단계 711로 진행할 수 있다. 일부 실시예에서, FC에서 제품의 고정된 수량이 0보다 작다는 것은 가용 대체 가능한 역량이 분배될 수 없는 제품의 현재 수량을 수용할 수 있음을 나타낼 수 있다. FC에서 제품의 고정된 수량이 0보다 작을 때, 시스템(300)은 각 FC에 대한 대체 가능성 수량을 계산하기 위해 단계 723으로 진행할 수 있다.
단계 711에서, 시스템(300)은 다음 중에서 최소값을 결정함으로써 최대 가용 역량을 결정할 수 있다.
인바운드 역량 × 스토리지 유형
또는
인바운드 역량의 합 + 소정 기간에서의 잔여 제약 역량
일부 실시예에서, 결정된 최대 가용 역량, 결정된 최소값, 인바운드 역량, 스토리지 유형, 인바운드 역량의 합, 또는 기간에서 잔여 제약 역량은 데이터베이스(336, 346 또는 356) 중 하나 이상에 저장될 수 있다.
시스템(300)은 다음을 계산하여 새로운 고정된 수량을 계산할 수 있다.
FC의 고정된 수량 × 최대 가용 역량
÷ 하나 이상의 FC에 대한 총 최대 가용 역량
일부 실시예에서, 새로운 고정된 수량, FC에서의 고정된 수량, 최대 가용 역량, 또는 하나 이상의 FC에 대한 총 최대 가용 역량은 데이터베이스(336, 346 또는 356) 중 하나 이상에 저장될 수 있다.
시스템(300)은, 상이한 대체 가능성 역량 유형에 대해, 다음을 계산함으로써 새로운 가용 대체 가능성 역량 유형을 계산할 수 있다.
새로운 고정된 수량 × 초과 수요
÷ 해당 FC의 대체 가능성 역량 유형에 대한 잔여 ASC 수량
시스템(300)은 계산된 새로운 가용 대체 가능성 역량 유형 및 인바운드 역량 중에서 최소값을 결정할 수 있다. 일부 실시예에서, 새로운 가용 대체 가능성 역량 유형, 새로운 고정된 수량, 초과 수요, 또는 FC의 대체 가능성 역량 유형에 대한 잔여 ASC 수량은 데이터베이스(336, 346 또는 356) 중 하나 이상에 저장될 수 있다.
단계 713에서, 시스템(300)은 각 FC의 각 대체 가능성 역량 유형에 대한 잔여 ASC 및 각 FC의 각 대체 가능성 역량 유형에 대한 잔여 제약 중에서 최소값을 결정함으로써 더 이용 가능한 대체 가능성 역량 유형을 계산할 수 있다. 일부 실시예에서, 가용 대체 가능성 역량 유형, 결정된 최소값, 각 FC의 각 대체 가능성 역량 유형에 대한 잔여 ASC, 또는 각 FC의 각 대체 가능성 역량 유형에 대한 잔여 제약은 데이터베이스(336, 346 또는 356) 중 하나 이상에 저장될 수 있다.
단계 715에서, 시스템(300)은 각 FC의 새로운 가용 대체 가능성 수량, 더 많은 가용 대체 가능한 역량 유형 수량, 또는 각 FC의 총 최대 가용 역량 수량 중에서 최소값을 취함으로써 총 이동 가능 역량을 계산할 수 있다. 시스템(300)은 다음을 계산하여 각 FC에서 새로운 고정된 수량을 계산할 수 있다.
고정된 수량 - 총 이동 가능 역량
일부 실시예에서, 총 이동 가능 역량, 결정된 최소값, 각 FC의 새로운 가용 대체 가능성 수량, 더 이용 가능한 대체 가능한 역량 유형 수량, 각 FC의 총 최대 가용 역량 수량, 각 FC의 새로운 고정된 수량, 고정된 수량 또는 총 이동 가능 역량은 데이터베이스(336, 346 또는 356) 중 하나 이상에 저장될 수 있다.
단계 717에서, 시스템(300)은 잔여 ASC 및 잔여 제약 역량 중에서 각각의 FC에 대한 최소값을 결정함으로써 새로 더 이용 가능한 대체 가능한 역량을 계산할 수 있다. 시스템(300)은 다음을 계산하여 각 FC에 대한 추가 FC 역량을 계산할 수 있다.
총 이동 가능 역량 × 새로 더 이용 가능한 대체 가능한 역량 ÷ 더 이용 가능한 대체 가능한 역량
시스템(300)은 각 FC에 대해 다음을 계산함으로써 각 FC에 대한 대체 가능한 역량의 새로운 인바운드 역량을 계산할 수 있다.
추가 FC 역량 + 대체 가능한 역량의 현재 인바운드 역량
시스템(300)은 각각의 FC에 대해 다음을 계산함으로써 각각의 FC에 대한 새로운 잔여 제약 역량을 계산할 수 있다:
현재 잔여 제약 역량 - 추가 FC 역량
일부 실시예에서, 새로 더 이용 가능한 대체 가능한 역량, 결정된 최소값, 잔여 ASC, 잔여 제약 역량, 각 FC에 대한 추가 FC 역량, 토터블 이동 가능한 역량, 새로 더 이용 가능한 대체 가능한 역량, 더 이용 가능한 대체 가능한 역량, 대체 가능한 역량의 새로운 인바운드 역량, 추가 FC 역량, 대체 가능한 역량의 현재 인바운드 역량, 새로운 잔여 제약 역량, 현재 잔여 제약 역량, 또는 추가 FC 역량은 데이터베이스(336, 346 또는 356) 중 하나 이상에 저장될 수 있다.
단계 719에서, 시스템(300)은 다음을 계산함으로써 각각의 FC에 대한 대체 가능한 역량의 새로운 인바운드 역량을 계산할 수 있다.
대체 가능한 역량의 현재 인바운드 역량 × 가용 역량
여기서 가용 역량은 다음을 계산하여 각 FC에 대해 계산된다.
추가 FC 역량 × 최대 가용 역량 ÷ 총 최대 가용 역량
시스템(300)은 다음을 계산함으로써 각각의 FC에 대한 새로운 잔여 제약 역량을 계산할 수 있다:
현재 잔여 제약 역량 + 가용 역량
일부 실시예에서, 각 FC에 대한 대체 가능한 역량의 새로운 인바운드 역량, 대체 가능한 역량의 현재 인바운드 역량, 가용 역량, 추가 FC 역량, 최대 가용 역량, 총 최대 가용 역량, 각 FC에 대한 새로운 잔여 제약 역량, 현재 잔여 제약 역량 또는 가용 역량이 데이터베이스(336, 346 또는 356) 중 하나 이상에 저장될 수 있다.
단계 721에서, 시스템(300)은 각 FC의 고정된 수량이 0보다 작거나 같은지 여부를 결정할 수 있다. 아니오인 경우, 시스템(300)은 더 많은 시뮬레이션된 인바운드 계획을 생성하기 위해 단계 711-721을 반복할 수 있다. 예인 경우, 시스템(300)은 단계 723으로 진행할 수 있다. 일부 실시예에서, 결정은 데이터베이스(336, 346 또는 356) 중 하나 이상에 저장될 수 있다.
단계 723에서, 시스템(300)은 다음을 계산함으로써 각각의 FC에 대한 대체 가능성 수량을 계산할 수 있다.
잔여 가용 역량 × 추가의 가능한 대체 가능한 수량 ÷ 총 추가의 가능한 대체 가능한 수량
여기서 잔여 가용 역량은 FC에 있는 제품의 고정된 수량이다.
시스템(300)은 다음을 계산하여 각 FC에 대한 초과 수요 수량의 새로운 인바운드 역량을 생성할 수 있다.
초과 수요 수량의 현재 인바운드 역량 + 계산된 대체 가능한 수량
프로세스(700)의 대체 가능성 계산에 기초하여, 시스템(300)은 하나 이상의 인바운드 계획을 생성할 수 있다.
일부 실시예에서, 각 FC에 대한 대체 가능성 수량, 잔여 가용 역량, 추가의 가능한 대체 가능한 수량, 총 추가의 가능한 대체 가능한 수량, FC에서 제품의 고정된 수량, 각 FC에 대한 초과 수요 수량의 새로운 인바운드 역량, 초과 수요 수량의 현재 인바운드 역량 또는 계산된 대체 가능한 수량은 데이터베이스(336, 346 또는 356) 중 하나 이상에 저장될 수 있다.
일부 실시예에서, 시스템(300)은 FC에 저장될 수 있는 인바운드 제품의 수를 최대화함으로써 인바운드 계획 생성을 최적화할 수 있다. 일부 실시예에서, 시스템(300)은 대체 가능한 스토리지 역량 유형 및 인바운드 계획 생성의 최적화에 기초하여 FC 프로파일 및 제품의 수요 수량을 주기적으로 평가하거나 서로 다른 FC 간에 제품을 재할당할 수 있다. 일부 실시예에서, 시스템(300)은 FC에 저장된 인바운드 제품의 수가 최대화될 때까지 하나 이상의 FC에 대한 프로세스(700)를 반복할 수 있다. 일부 실시예에서, 인바운드 계획 생성의 최적화는 설정된 임계값(예를 들어, FC에 저장되어야 하는 제품의 최소 수)에 기초할 수 있다. 일부 실시예에서, 시스템(300)은 미래 시간에 FC에 저장될 하나 이상의 인바운드 제품을 스케줄링할 수 있다(예를 들어, FC가 현재 일부 인바운드 제품을 수용할 수 없는 경우, 인바운드 제품은 다음 주에 FC에 저장되도록 스케줄링될 수 있음).
도 8을 참조하면, 대체 가능한 계산을 위한 프로세스(800)가 도시되어 있다. 일부 실시예에서 시스템(300)의 구성요소(예를 들어, 시스템(330, 340, 350) 등)가 여기에 설명된 여러 단계를 수행할 수 있지만, 다른 구현도 가능하다. 예를 들어, 여기에 설명되고 예시된 임의의 시스템 및 구성요소(예를 들어, 시스템(100) 등)는 본 개시에 설명된 단계를 수행할 수 있다.
단계 810에서, 시스템(300)은 2개의 토터블-팔레트 유닛의 초과 수요 수량을 결정할 수 있다. 시스템(300)은 초과 수요 수량(예를 들어, 초과 수요 수량 중 빈-유형 토터블 제품, 빈-유형 비-토터블 제품, 빈-유형 그란데 제품, 팔레트-유형 토터블 제품, 팔레트-유형 비-토터블 제품 또는 팔레트-유형 그란데 제품의 수량)과 연관된 하나 이상의 대체 가능한 역량 유형(예를 들어, 다른 역량 유형과 상호교환가능할 수 있는 역량 유형)을 결정할 수 있다. 일부 실시예에서, 시스템(300)은 적어도 하나의 FC와 연관된 가용 대체 가능한 역량 유형 수량을 결정할 수 있다.
일부 실시예에서, 시스템(300)은 가용 스토리지 공간의 대체 가능성을 결정할 수 있다(예를 들어, 하나 이상의 FC에 대한 서로 다른 상호교환가능한 스토리지 역량 유형에서 공간의 백분율을 결정). 예를 들어, 시스템(300)은 그란데-팔레트 유형이 토터블 팔레트 유형으로 대체 가능하다고 결정할 수 있다. 시스템(300)은 FC-A가 토터블-팔레트 유형의 1 SKU에 대해서만 대체 가능한 가용성을 갖는다고 결정할 수 있다. 시스템(300)은 FC-B가 토터블-팔레트 유형의 2 SKU에 대해 대체 가능한 가용성을 갖는다고 결정할 수 있다. 일부 실시예에서, 시스템(300)은 FC-A에 대한 SKU당 가변 비용이 FC-B에 대한 SKU당 가변 비용보다 낮다고 결정할 수 있다. 시스템(300)은 비용을 최소화하고 처리량을 최대화함으로써 최적화할 수 있다.
단계 820에서, 예를 들어, 시스템(300)은 FC-B가 적어도 1개의 그란데-팔레트 유형 SKU에 대해 가용 스트로지를 가지고 있다고 결정할 수 있다. 시스템(300)은 FC-A가 2개의 토터블-팔레트 유형 SKU의 초과 수요 수량을 저장할 수 있도록 1개의 그란데-팔레트 유형 SKU가 FC-A에서 FC-B로 재할당(예를 들어, 이동, 이전, 운송 등)되면 총 비용이 최소화될 수 있고 처리량이 최대화될 수 있다고 결정할 수 있다.
단계 830에서, FC-A가 적어도 2개의 토터블-팔레트 유형 SKU에 대해 가용 스토리지를 가질 수 있도록 1개의 그란데-팔레트 유형 SKU가 FC-A에서 FC-B로 재할당함으로써 인바운드 계획이 최적화될 수 있다는 결정에 기초하여, 시스템(300)은 2개의 토터블-팔레트 SKU의 초과 수요 수량을 FC-A에 할당(예를 들어, 이동, 이전, 운송 등)할 수 있으며, 이에 의해 예상 수요 역량이 저장되도록 비용을 최소화하고 처리량을 최대화할 수 있다. 일부 실시예에서, 시스템(300)은 프로세스(800)의 대체 가능성 계산에 기초하여 인바운드 계획을 생성할 수 있다. 일부 실시예에서, 프로세스(800)의 대체 가능성 계산이 이용되는 기간이 임계 기간을 초과할 때, 시스템(300)은 FC 프로파일이 대체 가능성 계산의 결과인 스토리지 역량 유형을 포함하도록 FC-A 및 FC-B의 FC 프로파일을 재설계할 수 있다.
도 9를 참조하면 AI 기반 인바운드 계획 생성을 위한 프로세스(900)가 도시되어 있다. 일부 실시예에서 시스템(300)의 구성요소(예를 들어, 시스템(330, 340, 350) 등)가 여기에 설명된 여러 단계를 수행할 수 있지만, 다른 구현도 가능하다. 예를 들어, 여기에 설명되고 예시된 임의의 시스템 및 구성요소(예를 들어, 시스템(100) 등)는 본 개시에 설명된 단계를 수행할 수 있다.
단계 901에서, 시스템(330)은, 모델을 이용하여, FC와 연관된 ASC(예를 들어, 제품의 수량, 총 역량의 백분율 등)를 예측할 수 있다. 예를 들어, 각 FC에 대한 현재 및 과거 재고 데이터(예를 들면, 종료 재고 데이터, 인바운드 데이터, 아웃바운드 데이터 등)를 이용하여 FC와 연관된 ASC를 예측할 수 있다. 일부 실시예에서, 시스템(330)은 제품의 아웃바운드 수량을 예측함으로써 ASC를 예측할 수 있다. 예를 들어, 시스템(330)은 선택된 EDD에 대한 제품의 아웃바운드 수량을 예측하기 위해 모델을 이용할 수 있다.
일부 실시예에서, 시스템(330)은 복수의 선택된 EDD(예를 들어, 2주와 같은 특정 기간에서)에 대한 ASC를 예측하기 위해 모델을 이용할 수 있다. 일부 실시예에서, 시스템(330)은 복수의 FC에 대한 ASC를 예측하기 위해 모델을 이용할 수 있다. 일부 실시예에서, 시스템(330)은 예측을 수행하기 위해 상이한 모델의 동일하거나 다양한 조합을 이용할 수 있다. 일부 실시예에서, 하나 이상의 모델은 하나 이상의 FC에서의 재고 또는 하나 이상의 FC에서의 큐브 가용성(예를 들어, 1,000m3, 3,000개 유닛을 위한 공간 등)에 기초하여 ASC를 예측할 수 있다.
일부 실시예에서, 시스템(330)은 모델을 이용하여 특정 스토리지 유형에 대한 ASC를 예측할 수 있다. 예를 들어, 스토리지 유형은 팔레트 및 빈을 포함할 수 있다. 일부 실시예에서, 시스템(330)은 특정 스토리지 유형에 대한 ASC를 예측하기 위해 모델을 이용할 수 있다. 예를 들어, 역량 유형은 토터블, 비-토터블 및 그란데를 포함할 수 있다. 일부 실시예에서, 시스템(330)은 스토리지 유형 및 역량 유형의 조합(예를 들어, 빈-유형 토터블 제품, 빈-유형 비-토터블 제품, 빈-유형 그란데 제품, 팔레트-유형 토터블 제품, 팔레트-유형 비-토터블 제품 또는 팔레트-유형 그란데 제품)에 대한 ASC를 예측하기 위해 모델을 이용할 수 있다.
일부 실시예에서, 시스템(330)은 FC와 연관된 제약 역량(예를 들어, 제품의 수량, 총 역량의 백분율 등)을 계산할 수 있다. 예를 들어, 시스템(330)은 FC와 연관된 인바운드 인프라스트럭처 역량에 기초하여 제약 역량을 계산할 수 있다. 예를 들어, 인바운드 인프라스트럭처 역량은 FC의 인력, FC의 각 스테이션에 대한 인력, FC의 운전자, FC의 지게차 운전자, FC의 가용 인력에 기초하여 수신될 수 있는 제품의 수 등을 포함할 수 있다(예를 들어, FC의 제약 역량은 FC에 100개의 스테이션이 있지만 FC에서 일할 수 있는 작업자는 단지 80명이라는 사실에 기초하여 계산될 수 있다). 일부 실시예에서, 제약 역량은 재고 유지 단위(stock-keeping unit)(SKUs)에 관한 것일 수 있다.
일부 실시예에서, 시스템(330)은 특정 스토리지 유형에 대한 제약 역량을 계산할 수 있다. 예를 들어, 스토리지 유형은 팔레트 및 빈을 포함할 수 있다. 일부 실시예에서, 시스템(330)은 특정 역량 유형에 대한 제약 역량을 계산할 수 있다. 예를 들어, 역량 유형은 토터블, 비-토터블 및 그란데를 포함할 수 있다. 일부 실시예에서, 시스템(330)은 스토리지 유형 및 역량 유형의 조합(예를 들어, 빈-유형 토터블 제품, 빈-유형 비-토터블 제품, 빈-유형 그란데 제품, 팔레트-유형 토터블 제품, 팔레트-유형 비-토터블 제품 또는 팔레트-유형 그란데 제품)에 대한 제약 역량을 계산할 수 있다.
일부 실시예에서, 시스템(330)은 FC의 계산된 제약 역량과 계산된 ASC 중에서 최소값을 결정함으로써 하나 이상의 FC에 대한 인바운드 제약을 결정할 수 있다. 일부 실시예에서, 시스템(330)은 각 FC의 ASC 및 제약 역량을 계산하고 기간 내의 매일 매일에 대한 인바운드 제약을 결정할 수 있다. 예를 들어, 시스템(330)은 한 주의 매일 매일에 대해 하나 이상의 FC에 대한 인바운드 제약을 결정할 수 있다. 시스템(330)은 그 주의 총 인바운드 제약을 그 주의 일수로 나눔으로써 평균 일일 인바운드 제약을 계산할 수 있다. 시스템(330)은 평균 일일 인바운드 제약을 계산함으로써 기간 내의 변동을 고려하는 인바운드 계획을 생성할 수 있으며, 그렇게 함으로써 보다 강력한 인바운드 계획을 생성할 수 있다.
단계 903에서, 일부 실시예에서, 인바운드 수요 예측 시스템(340)은 재무 또는 재고 데이터를 이용하여 FC와 연관된 수요 역량을 예측할 수 있다. 예를 들어, 시스템(340)은 선택된 EDD에 대한 제품의 전국적인 수요를 예측할 수 있다. 일부 실시예에서, 시스템(340)은 기간 내에서 복수의 EDD에 대한 제품의 지역적(예를 들어, 전국적인) 수요를 예측할 수 있다. 시스템(340)은 이력 재고 데이터, 공급자 리드-타임 데이터, 공급자 배달 주기 데이터 등을 이용하여 전국적인 수요를 예측할 수 있다. 일부 실시예에서, 전국적인 수요 데이터는 SKU에 관한 것일 수 있다. 일부 실시예에서, 수요 역량은 다수의 예측 수요 제품을 저장하는 데 필요한 예상 역량일 수 있다. 시스템(340)은 재무 또는 재고 데이터에 기초하여 제품의 아웃바운드 목표를 예측하고 아웃바운드 목표를 충족하는 데 필요한 인바운드 재고를 예측함으로써 수요 역량을 예측할 수 있다. 시스템(340)은 아웃바운드 목표를 충족하는 데 필요한 인바운드 재고를 수신할 수 있는 하나 이상의 FC 간의 스토리지를 최대화함으로써 수요 역량을 예측할 수 있다. 일부 실시예에서, 시스템(340)은 기간(예를 들어, 2주) 동안의 총 수요 역량을 해당 주의 일 수(예를 들어, 14일)로 나눔으로써 평균 일일 수요 역량을 계산할 수 있다. 시스템(340)은 평균 일일 수요 역량을 계산함으로써 기간 내의 변동을 고려하는 인바운드 계획을 생성할 수 있으며, 그렇게 함으로써 보다 강력한 인바운드 계획을 생성할 수 있다.
일부 실시예에서, 시스템(340)은 특정 스토리지 유형에 대한 수요 역량을 예측할 수 있다. 예를 들어, 스토리지 유형은 팔레트 및 빈을 포함할 수 있다. 일부 실시예에서, 시스템(340)은 특정 역량 유형에 대한 수요 역량을 계산할 수 있다. 예를 들어, 역량 유형은 토터블, 비-토터블 및 그란데를 포함할 수 있다. 일부 실시예에서, 시스템(340)은 스토리지 유형 및 역량 유형의 조합(예를 들어, 빈-유형 토터블 제품, 빈-유형 비-토터블 제품, 빈-유형 그란데 제품, 팔레트-유형 토터블 제품, 팔레트-유형 비-토터블 제품 또는 팔레트-유형 그란데 제품)에 대한 수요 역량을 예측할 수 있다.
단계 905에서, 전처리 계획 시스템(350)은 초과 수요 수량을 계산하기 위해 시스템(330)으로부터 예측된 ASC, 시스템(330)으로부터 계산된 제약 역량, 및 시스템(340)으로부터 예측된 수요 역량을 이용할 수 있다. 예를 들어, 시스템(350)은 스토리지 유형, 역량 유형, 또는 스토리지 유형과 역량 유형의 조합(예를 들어, 빈-유형 토터블 제품, 빈-유형 비-토터블 제품, 빈-유형 그란데 제품, 팔레트-유형 토터블 제품, 팔레트-유형 비-토터블 제품 또는 팔레트-유형 그란데 제품)을 선택하여 전처리 계획을 수행할 수 있다. 선택을 위해, 시스템(350)은 시스템(330)으로부터 결정된 인바운드 제약을 검색할 수 있다. 시스템(350)은 결정된 인바운드 제약이 예측된 수요 역량보다 작거나 같은지 여부를 결정할 수 있다.
결정된 인바운드 제약이 예측된 수요 역량보다 작거나 동일하지 않다면, 시스템(350)은 예측된 수요 역량과 결정된 인바운드 제약 사이의 차이를 계산할 수 있다. 계산된 차이가 음수이므로, 시스템(350)은 계산된 차이가 초과 수요 수량이라고 결정할 수 있다.
일부 실시예에서, 예측된 수요 역량이 결정된 인바운드 제약을 초과할 때(예를 들어, 피크 기간 동안), 시스템(350)은 각각의 추가 FC에 대해 생성된 인바운드 계획에 기초하여 하나 이상의 추가 FC 간에 초과 수요 수량을 분배할 수 있다. 예를 들어, 시스템(300)은 추가 FC의 스토리지 또는 역량 유형(예를 들어, 빈-유형 토터블 제품, 빈-유형 비-토터블 제품, 빈-유형 그란데 제품, 팔레트-유형 토터블 제품, 팔레트-유형 비-토터블 제품 또는 팔레트-유형 그란데 제품 등)에 기초하여 초과 수요 수량의 분포를 최적화할 수 있다. 일부 실시예에서, 시스템(300)은 각 SKU와 연관된 우선순위에 기초하여 예상 수요 역량(예를 들어, 초과 수요 수량의 경우에 제한되지 않음)의 임의의 분포를 최적화할 수 있다.
단계 907에서, 시스템(300)은 초과 수요 수량과 연관된 하나 이상의 대체 가능한 역량 유형을 결정할 수 있고 적어도 하나의 FC에서 가용 대체 가능한 역량 유형 수량을 결정할 수 있다. 예를 들어, 초과 수요 수량을 결정한 후, 시스템(300)은 초과 수요 수량(예를 들어, 초과 수요 수량 중 빈-유형 토터블 제품, 빈-유형 비-토터블 제품, 빈-유형 그란데 제품, 팔레트-유형 토터블 제품, 팔레트-유형 비-토터블 제품 또는 팔레트-유형 그란데 제품의 수량)과 연관된 하나 이상의 대체 가능한 역량 유형(예를 들어, 다른 역량 유형과 상호교환가능할 수 있는 역량 유형)을 결정할 수 있다. 일부 실시예에서, 시스템(300)은 적어도 하나의 FC와 연관된 가용 대체 가능한 역량 유형 수량을 결정할 수 있다.
일부 실시예에서, 시스템(300)은 하나 이상의 FC가 초과 수요 수량을 저장하기 위해 가용 스토리지 및 역량 유형을 갖는다고 결정할 수 있다. 예를 들어, 성수기에는, 제1 FC가 전체 수요 역량을 충족하지 못할 수 있지만, 다른 FC는 기간(예를 들면, 성수기 기간) 동안 초과 수요 수량을 저장하는 데 이용가능 할 수 있다. 예를 들어, 일부 스토리지 역량 유형은 다른 스토리지 역량 유형보다 빠르게 처리(예를 들면, FC의 내부 및 외부로 전송)될 수 있으므로 다른 스토리지 저장 역량 유형보다 더 빨리 제품을 저장하는데 이용 가능할 것이다. 예를 들어, 토터블 제품은 SKU 수준에서 수요의 80%를 포함할 수 있지만, 토터블 제품은 일부 다른 제품보다 크기가 작기 때문에, 토터블 제품은 FC 스토리지 공간의 30%만 소비할 수 있다. 따라서, 다른 스토리지 역량 유형은 토터블 제품으로 대체 가능(예를 들면, 그란데)할 수 있으며 토터블 제품의 초과 수요를 수용할 수 있다.
일부 실시예에서, 하나 이상의 FC는 가용 대체 가능한 역량 유형 수량의 최대값을 가질 수 있다. 예를 들어, 일부 FC는 초과 수요 수량을 저장하기 위해 가용 대체 가능한 역량 유형 공간을 가질 수 있지만, 대체 가능한 제품을 저장하는 데 실제로 이용될 수 있는 가용 대체 가능한 역량 유형 공간의 소정 백분율로 제한될 수 있다. 일부 실시예에서, 초과 수요 수량은 복수의 FC 사이에서 가용 대체 가능한 역량 유형 공간에 분배될 수 있다. 일부 실시예에서, 사용자(예를 들어, 사용자(320A))는 사용자 디바이스(320)를 통해 대체 가능성 유형 또는 최대값을 정의할 수 있다.
단계 909에서, 시스템(300)은 FC에 대한 인바운드 계획을 생성하기 위해 적어도 하나의 FC에서 가용 대체 가능한 역량 유형 수량 및 초과 수요 수량과 연관된 하나 이상의 대체 가능한 역량 유형을 이용할 수 있다. 일부 실시예에서, 시스템(300)은 복수의 FC에서 상이한 대체 가능한 역량 유형 수량을 이용하여 상이한 시뮬레이션에 기초하여 복수의 상이한 인바운드 계획을 생성할 수 있다. 일부 실시예에서, 생성된 인바운드 계획은 복수의 FC의 각각의 FC에 대한 SKU당 가변 비용에 기초할 수 있고, 여기서 시스템(300)은 복수의 FC 사이의 상이한 가능한 대체 가능한 역량 유형 수량에 기초하여 최적화할 수 있다.
일부 실시예에서, 시스템(300)은 복수의 FC 각각에 대한 SKU당 가변 비용에 기초하여 복수의 상이한 인바운드 계획 중에서 FC에 대한 최적의 인바운드 계획을 결정할 수 있다. 예를 들어, 최적의 인바운드 계획은 임의의 FC에 저장된 초과 수요 수량의 수량을 최대화하고 총 비용을 최소화하여, 처리량을 증가시키고 비용을 절감할 수 있다. 일부 실시예에서, 시스템(300)은 생성된 인바운드 계획에 기초하여 FC의 프로파일을 변경할 수 있다.
예를 들어, 시스템(300)은 임계값(예를 들어, 대체 가능한 역량 스토리지 유형이 이용되는 기간, 대체 가능한 계산을 이용하여 생성된 계획의 수 등)에 기초하여 FC 프로파일(예를 들어, 각 스토리지 역량 유형에 대한 할당)을 재설계할 수 있다. 예를 들어, 일부 실시예에서, 시스템(300)은 대체 가능성 계산이 FC에 대해 이용되는 기간에 기초하여 성수기가 실제로 장기적인 변화라고 결정할 수 있다.
일부 실시예에서, 하나 이상의 시스템 또는 시스템(300)의 구성요소는 위에서 논의된 하나 이상의 변수를 조정함으로써 다양한 시뮬레이션을 수행할 수 있다. 시스템(300)은 FC에 저장될 수 있는 수요 역량이 최대화되는(예를 들어, 하나 이상의 FC에 있는 가용 스토리지 역량이 최대화되는) 최적화에 기초하여 하나 이상의 FC에 대한 인바운드 계획을 생성할 수 있다.
단계 911에서, 시스템(300)은 하나 이상의 제품(예를 들어, 도 1a의 시스템(100)을 이용하여 제품을 판매하고자 하는 판매자로부터 수신된 아이템)이 들어온다는 통지를 수신하고 생성된 인바운드 계획에 따라 하나 이상의 들어오는 제품을 적어도 하나의 FC에 가상으로 분배할 수 있다. 예를 들어, 시스템(300)은 하나 이상의 제품이 적어도 하나의 FC에 의해 수신될 준비가 되었다는 표시를 수신할 수 있고, 하나 이상의 제품이 상이한 가능한 대체 가능한 역량 유형에 따라 적어도 하나의 FC 사이에 분배되거나 최적화된(예를 들면, SKU당 가변 비용에 의해) 생성된 계획에 따라 분배될 수 있다고 결정할 수 있다. 예를 들어, 시스템(300)은 생성된 인바운드 계획에 따라 하나 이상의 들어오는 제품과 연관된 SKU를 적어도 하나의 FC에 할당함으로써 하나 이상의 들어오는 제품을 적어도 하나의 FC에 가상으로 분배할 수 있다. 일부 실시예에서, FC에 대한 SKU의 할당은 적어도 하나의 데이터베이스(예를 들어, 데이터베이스(336), 데이터베이스(346), 또는 데이터베이스(356))에 저장될 수 있다. 일부 실시예에서, 시스템(300)은 하나 이상의 FC에 하나 이상의 통지를 전송할 수 있으며, 통지는 가상 분배를 나타낸다. 일부 실시예에서, FC와 연관된 FC 프로파일은 가상 분배의 표시를 포함하도록 수정될 수 있다.
본 개시는 그 특정 실시예를 참조하여 도시되고 설명되었지만, 본 개시는 다른 환경에서, 변경없이, 실시될 수 있음을 이해할 것이다. 전술한 설명은 예시의 목적으로 제시되었다. 그것은 개시된 정확한 형태나 실시예에 대해 총망라된 것이 아니며 이것으로 한정되는 것은 아니다. 개시된 실시예의 설명 및 실시를 고려하는 것으로부터 변경 및 조정이 통상의 기술자에게 명백할 것이다. 추가적으로, 비록 개시된 실시예의 형태가 메모리에 저장되는 것으로서 설명되었지만, 통상의 기술자는 이들 형태가 2차 저장 디바이스, 예를 들면, 하드디스크나 CD ROM, 또는 다른 형태의 RAM이나 ROM, USB 매체, DVD, 블루레이, 또는 다른 광 드라이브 매체와 같이, 다른 형태의 컴퓨터 판독 가능한 매체에 저장될 수도 있는 것을 이해할 것이다.
상술한 설명 및 개시된 방법에 기초한 컴퓨터 프로그램은 숙련된 개발자의 기술 내에 있다. 여러 프로그램 혹은 프로그램 모듈은 통상의 기술자에게 알려진 어느 기술을 이용하여 생성되거나, 또는 기존의 소프트웨어와 연결하여 설계될 수 있다. 예를 들면, 프로그램 섹션 혹은 프로그램 모듈은 닷넷 프레임워크, 닷넷 컴팩트 프레임워크(및 비주얼 베이식, C 등과 같은, 관련 언어), 자바, C++, 오브젝티브 C, HTML, HTML/AJAX 조합, XML, 또는 자바 애플릿이 포함된 HTML 내에서 혹은 그것들에 의해서 설계될 수 있다.
게다가, 여기에서는 예시적인 실시예가 설명되었지만, 본 개시에 기초하여 통상의 기술자가 이해할 수 있는 바와 같이, 일부 또는 모든 실시예의 범위는 동등한 요소, 변경, 생략, 조합(예로써, 여러 실시예에 걸치는 형태의 조합), 조정 및/또는 수정을 가질 수 있다. 청구범위 내의 제한 사항은 그 청구범위 내에 적용된 언어에 기초하여 폭넓게 이해되도록 하는 것이며, 응용의 수행 동안 혹은 본 명세서 내에 설명된 예시로 한정되는 것은 아니다. 그 예시는 비배타적으로 해석되도록 하기 위한 것이다. 추가로, 개시된 방법의 스텝은 어떤 다른 방법으로 변경되거나, 스텝을 재배열 및/또는 스텝을 삽입하거나 삭제하는 것을 포함할 수 있다. 그러므로, 설명 및 예시는 오직 예시적으로 고려되는 것이며, 진정한 범위 및 기술 사상은 다음의 청구범위 및 그 동등한 전체 범위에 의해 나타내지는 것으로 의도된다.
Claims (9)
- AI-기반 인바운드 계획 생성을 위한 컴퓨터-구현 방법으로서,
적어도 하나의 프로세서에 의해, 예측된 가용 스토리지 역량 및 예측된 수요 수량에 기초하여, 초과 수요 수량을 계산하고 - 상기 초과 수요 수량은 복수의 역량 유형 중 하나와 연관됨 -;
상기 적어도 하나의 프로세서에 의해, 상기 초과 수요 수량과 연관된 하나 이상의 대체 가능한 역량 유형을 결정하고 - 상기 하나 이상의 대체 가능한 역량 유형은 상기 초과 수요 수량의 상기 역량 유형과 상호교환 가능함 -;
상기 적어도 하나의 프로세서에 의해, 적어도 하나의 풀필먼트 센터에서 가용 대체 가능한 역량 유형 수량을 결정하고;
상기 적어도 하나의 프로세서에 의해, 상기 적어도 하나의 풀필먼트 센터에서의 상기 가용 대체 가능한 역량 유형 수량 및 상기 초과 수요 수량과 연관된 상기 하나 이상의 대체 가능한 역량 유형을 이용하여, 제1 풀필먼트 센터에 대한 인바운드 계획을 생성하고;
상기 적어도 하나의 프로세서에 의해, 적어도 하나의 풀필먼트 센터에서의 상기 가용 대체 가능한 역량 유형과 연관된 공간에 상기 초과 수요 수량을 분배하고;
상기 적어도 하나의 프로세서에 의해, 상기 예측된 가용 스토리지 역량과 실제 가용 스토리지 역량에 대한 평균 절대 백분율 오차를 계산함으로써 상기 인바운드 계획에 따라 상기 가용 스토리지 역량을 예측하기 위해 검증 테스트를 수행하고;
상기 예측된 가용 스토리지 역량에 대한 상기 계산된 평균 절대 백분율 오차가 임계값을 초과한다고 결정하면, 상기 적어도 하나의 프로세서에 의해, 제2 모델을 선택하고 업데이트된 인바운드 계획을 위해 전술한 명령을 반복하고;
상기 적어도 하나의 프로세서에 의해, 상기 초과 수요 수량의 수량을 최대화하여, 상기 업데이트된 인바운드 계획의 처리량을 증가시키기 위해, 상기 업데이트된 인바운드 계획을 추가로 최적화하고; 그리고
상기 적어도 하나의 프로세서에 의해, 상기 최적화된 인바운드 계획에 따라 상기 하나 이상의 들어오는 제품을 분배하는 것을 포함하는, AI 기반 인바운드 계획 생성을 위한 컴퓨터-구현 방법. - 청구항 1에 있어서,
상기 적어도 하나의 풀필먼트 센터는 복수의 풀필먼트 센터를 포함하는, 컴퓨터-구현 방법. - 청구항 1에 있어서,
상기 적어도 하나의 풀필먼트 센터는 상기 가용 대체 가능한 역량 유형 수량의 최대값과 연관된, 컴퓨터-구현 방법. - 청구항 1에 있어서,
상기 제1 풀필먼트 센터에 대한 상기 인바운드 계획을 생성하는 것은 복수의 상이한 인바운드 계획을 생성하는 것을 포함하는, 컴퓨터-구현 방법. - 청구항 4에 있어서,
상기 복수의 상이한 인바운드 계획은 복수의 풀필먼트 센터에서 결정된 대체 가능한 역량 유형 수량에 기초하여 생성되는, 컴퓨터-구현 방법. - 청구항 5에 있어서,
상기 상이한 인바운드 계획 각각은 상기 복수의 풀필먼트 센터의 각각의 풀필먼트 센터에 대한 재고-유지 단위(SKU)당 가변 비용에 기초하는, 컴퓨터-구현 방법. - 청구항 1에 있어서,
상기 최적화된 인바운드 계획은 임의의 풀필먼트 센터에 저장된 상기 초과 수요 수량의 수량을 최대화하고 총 비용을 최소화하는, 컴퓨터-구현 방법. - 청구항 1에 있어서,
상기 적어도 하나의 프로세서에 의해, 상기 생성된 인바운드 계획에 기초하여 상기 제1 풀필먼트 센터의 프로파일을 변경하는 것을 더 포함하는, 컴퓨터-구현 방법. - AI-기반 인바운드 계획 생성을 위한 컴퓨터-구현 시스템으로서,
명령을 저장하는 메모리; 및
청구항 1 내지 청구항 8 중 어느 하나의 방법을 실행하도록 구성된 적어도 하나의 프로세서를 포함하는, 컴퓨터-구현 시스템.
Applications Claiming Priority (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| US17/356,964 | 2021-06-24 | ||
| US17/356,964 US11507922B1 (en) | 2021-06-24 | 2021-06-24 | Computer-implemented systems and methods for artificial intelligence (AI)-based inbound plan generation using fungibility logic |
| KR1020210150914A KR102579899B1 (ko) | 2021-06-24 | 2021-11-04 | 대체 가능성 로직을 사용하는 인공 지능(ai)-기반 인바운드 계획 생성을 위한 컴퓨터 구현 시스템 및 방법 |
Related Parent Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020210150914A Division KR102579899B1 (ko) | 2021-06-24 | 2021-11-04 | 대체 가능성 로직을 사용하는 인공 지능(ai)-기반 인바운드 계획 생성을 위한 컴퓨터 구현 시스템 및 방법 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR20230141660A true KR20230141660A (ko) | 2023-10-10 |
Family
ID=84104705
Family Applications (2)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020210150914A KR102579899B1 (ko) | 2021-06-24 | 2021-11-04 | 대체 가능성 로직을 사용하는 인공 지능(ai)-기반 인바운드 계획 생성을 위한 컴퓨터 구현 시스템 및 방법 |
| KR1020230121889A KR20230141660A (ko) | 2021-06-24 | 2023-09-13 | 대체 가능성 로직을 사용하는 인공 지능(ai)-기반 인바운드 계획 생성을 위한 컴퓨터 구현 시스템 및 방법 |
Family Applications Before (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020210150914A KR102579899B1 (ko) | 2021-06-24 | 2021-11-04 | 대체 가능성 로직을 사용하는 인공 지능(ai)-기반 인바운드 계획 생성을 위한 컴퓨터 구현 시스템 및 방법 |
Country Status (3)
| Country | Link |
|---|---|
| US (1) | US11507922B1 (ko) |
| KR (2) | KR102579899B1 (ko) |
| WO (1) | WO2022269330A1 (ko) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US11961024B1 (en) | 2023-02-14 | 2024-04-16 | Insight Direct Usa, Inc. | Automated staffing allocation and scheduling |
Family Cites Families (36)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20080208719A1 (en) * | 2007-02-28 | 2008-08-28 | Fair Isaac Corporation | Expert system for optimization of retail shelf space |
| US7958020B2 (en) * | 2009-11-09 | 2011-06-07 | International Business Machines Corporation | Efficient inventory management for providing distinct service qualities for multiple demand groups |
| US8732039B1 (en) * | 2010-12-29 | 2014-05-20 | Amazon Technologies, Inc. | Allocating regional inventory to reduce out-of-stock costs |
| KR20120095709A (ko) * | 2011-02-21 | 2012-08-29 | 주식회사 지노스 | 물류 시뮬레이션 장치 및 그 방법 |
| US8700443B1 (en) * | 2011-06-29 | 2014-04-15 | Amazon Technologies, Inc. | Supply risk detection |
| US8620707B1 (en) * | 2011-06-29 | 2013-12-31 | Amazon Technologies, Inc. | Systems and methods for allocating inventory in a fulfillment network |
| US9910427B2 (en) * | 2014-09-02 | 2018-03-06 | International Business Machines Corporation | Performing hierarchical data-driven inventory and warehouse management in manufacturing environments |
| US9805402B1 (en) * | 2014-09-26 | 2017-10-31 | Amazon Technologies, Inc. | Adaptive control of an item inventory plan |
| CN104852399B (zh) * | 2015-05-18 | 2017-03-15 | 国家电网公司 | 光储微网系统的储能容量动态优化方法 |
| US10726448B1 (en) * | 2015-07-13 | 2020-07-28 | Walgreen Co. | System and method for inventory display management tool |
| US10025983B2 (en) * | 2015-09-21 | 2018-07-17 | The Climate Corporation | Ponding water detection on satellite imagery |
| US10185927B1 (en) * | 2015-12-17 | 2019-01-22 | Amazon Technologies, Inc. | Techniques for optimizing an inventory selection |
| US10504055B2 (en) * | 2016-09-02 | 2019-12-10 | X Development Llc | Optimization of warehouse layout based on customizable goals |
| US10142255B1 (en) * | 2016-09-08 | 2018-11-27 | Amazon Technologies, Inc. | Allocating dynamic resources to service clusters |
| US10423923B2 (en) * | 2016-09-13 | 2019-09-24 | International Business Machines Corporation | Allocating a product inventory to an omnichannel distribution supply chain |
| US10783442B1 (en) * | 2016-12-19 | 2020-09-22 | Amazon Technologies, Inc. | Demand forecasting via direct quantile loss optimization |
| US10956858B2 (en) * | 2017-01-19 | 2021-03-23 | Intelligrated Headquarters, Llc | Static warehouse area sizing and slotting of a multi-mode forward area |
| US10922646B1 (en) * | 2017-09-26 | 2021-02-16 | Amazon Technologies, Inc. | Multi-echelon inventory planning under dynamic fulfillment policies |
| US11599753B2 (en) * | 2017-12-18 | 2023-03-07 | Oracle International Corporation | Dynamic feature selection for model generation |
| WO2020006010A1 (en) | 2018-06-25 | 2020-01-02 | Ahmann Robert D | Automated warehouse system and method for optimized batch picking |
| US20200175461A1 (en) * | 2018-12-03 | 2020-06-04 | Beijing Jingdong Shangke Information Technology Co., Ltd. | Method and system for two-echelon inventory allocation |
| US20200242511A1 (en) | 2019-01-30 | 2020-07-30 | Oracle International Corporation | Dynamic Data Selection for a Machine Learning Model |
| US20200293968A1 (en) * | 2019-03-13 | 2020-09-17 | Coupang, Corp. | Genetic algorithm-based systems and methods for simulating outbound flow |
| WO2020183427A1 (en) | 2019-03-14 | 2020-09-17 | Attabotics Inc | Multi-entity inventory management using storage bin and inventory reassignment |
| US11037101B2 (en) * | 2019-05-17 | 2021-06-15 | Direct Supply, Inc. | Systems, methods, and media for managing inventory associated with a facility |
| US11554917B2 (en) * | 2019-08-14 | 2023-01-17 | Opex Corporation | Systems and methods for dynamically managing the location of inventory items in an inventory management facility |
| CN110687451B (zh) * | 2019-08-28 | 2022-10-25 | 武汉科技大学 | 基于误差补偿的支持向量机锂电池剩余寿命预测方法 |
| US10657492B1 (en) * | 2019-09-23 | 2020-05-19 | Coupang Corp. | Systems and methods for optimization of a product inventory by an intelligent adjustment of inbound purchase orders |
| US20210110461A1 (en) * | 2019-10-10 | 2021-04-15 | Coupang Corp. | Systems and methods for optimization of a product inventory by intelligent adjustment of inbound purchase orders |
| KR102455860B1 (ko) * | 2019-10-16 | 2022-10-19 | 주식회사 리코어 | 인공지능 모델 기반 물류창고의 예측 출고량 결정 방법 및 장치 |
| US11232388B2 (en) * | 2019-11-22 | 2022-01-25 | Accenture Global Solutions Limited | Automated guided vehicle systems for retrieving hems |
| KR20210067856A (ko) * | 2019-11-29 | 2021-06-08 | 최동호 | 배송 물품 저온 보관 장치를 이용한 배송 거점 기반 물류 시스템 |
| US11074548B2 (en) * | 2019-12-05 | 2021-07-27 | Coupang Corp. | Computer implemented systems and methods for optimization of a product inventory by intelligent distribution of inbound products |
| US11354611B2 (en) * | 2019-12-16 | 2022-06-07 | Oracle International Corporation | Minimizing unmet demands due to short supply |
| US20210312377A1 (en) * | 2020-04-07 | 2021-10-07 | Sap Se | Capacity optimized and balanced fill levels |
| US20220027744A1 (en) * | 2020-07-22 | 2022-01-27 | Accenture Global Solutions Limited | Resource data modeling, forecasting and simulation |
-
2021
- 2021-06-24 US US17/356,964 patent/US11507922B1/en active Active
- 2021-07-19 WO PCT/IB2021/056510 patent/WO2022269330A1/en unknown
- 2021-11-04 KR KR1020210150914A patent/KR102579899B1/ko active IP Right Grant
-
2023
- 2023-09-13 KR KR1020230121889A patent/KR20230141660A/ko active Application Filing
Also Published As
| Publication number | Publication date |
|---|---|
| US11507922B1 (en) | 2022-11-22 |
| WO2022269330A1 (en) | 2022-12-29 |
| KR20230000395A (ko) | 2023-01-02 |
| KR102579899B1 (ko) | 2023-09-19 |
| TW202303480A (zh) | 2023-01-16 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR20220139268A (ko) | 기계-학습 보조 재고 배치를 위한 시스템 및 방법 | |
| TWI734551B (zh) | 用於接收入站貨物的電腦實施的系統以及方法 | |
| KR102548216B1 (ko) | 비용 최적화된 구성을 생성하기 위한 패키지 구성의 시뮬레이션을 위한 시스템 및 방법 | |
| KR102354795B1 (ko) | 자동화된 아웃바운드 프로파일 생성을 위한 시스템 및 방법 | |
| TWI750833B (zh) | 用於智能化分配產品的電腦實施系統及電腦實施方法 | |
| KR102615190B1 (ko) | 다수의 컴퓨팅 시스템 사이에서 워크로드를 밸런싱하도록 구성된 시스템 및 방법 | |
| KR20210035012A (ko) | 아웃바운드 예측을 위한 시스템 및 방법 | |
| KR20210035013A (ko) | 인바운드 스토우 모델을 이용한 아웃바운드 예측을 위한 시스템 및 방법 | |
| KR20230130595A (ko) | 풀필먼트 센터 우선순위 값에 기초한 아웃바운드 예측을 위한 시스템 및 방법 | |
| KR20220065742A (ko) | 자동 배달원 할당을 위한 시스템 및 방법 | |
| KR20230141660A (ko) | 대체 가능성 로직을 사용하는 인공 지능(ai)-기반 인바운드 계획 생성을 위한 컴퓨터 구현 시스템 및 방법 | |
| KR20230132747A (ko) | 인공 지능(ai) 기반 인바운드 계획 생성을 위한 컴퓨터-구현 시스템 및 방법 | |
| KR20210033866A (ko) | 우편 번호 매핑에 기초하여 아웃바운드를 예측하기 위한 시스템 및 방법 | |
| KR20220139265A (ko) | 제품 할당 검증을 이용한 인바운드 제품의 지능적 분배에 의해 제품 재고를 최적화하는 컴퓨터 구현 시스템 및 방법 | |
| TWI840822B (zh) | 基於人工智慧產生入站規畫之電腦實施系統以及電腦實施方法 | |
| TWI754410B (zh) | 用於智能化分配產品的電腦實施系統以及方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A107 | Divisional application of patent |