JP2023520086A - 自動化されたアウトバウンドプロファイル生成のためのシステムおよび方法 - Google Patents
自動化されたアウトバウンドプロファイル生成のためのシステムおよび方法 Download PDFInfo
- Publication number
- JP2023520086A JP2023520086A JP2021526522A JP2021526522A JP2023520086A JP 2023520086 A JP2023520086 A JP 2023520086A JP 2021526522 A JP2021526522 A JP 2021526522A JP 2021526522 A JP2021526522 A JP 2021526522A JP 2023520086 A JP2023520086 A JP 2023520086A
- Authority
- JP
- Japan
- Prior art keywords
- products
- outbound
- computer
- product
- transactional
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
- G06Q10/083—Shipping
-
- 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
- G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
- G06Q10/087—Inventory or stock management, e.g. order filling, procurement or balancing against orders
-
- G—PHYSICS
- 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
- G06Q10/06—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
- G06Q10/06312—Adjustment or analysis of established resource schedule, e.g. resource or task levelling, or dynamic rescheduling
-
- 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
- G06Q10/06314—Calendaring for a resource
-
- 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
-
- 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
- G06Q10/10—Office automation; Time management
- G06Q10/103—Workflow collaboration or project management
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
- G06N20/10—Machine learning using kernel methods, e.g. support vector machines [SVM]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
- G06N20/20—Ensemble learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/01—Dynamic search techniques; Heuristics; Dynamic trees; Branch-and-bound
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Quality & Reliability (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Game Theory and Decision Science (AREA)
- Software Systems (AREA)
- Data Mining & Analysis (AREA)
- Finance (AREA)
- Accounting & Taxation (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Preliminary Treatment Of Fibers (AREA)
- Powder Metallurgy (AREA)
- Collating Specific Patterns (AREA)
Abstract
本開示の一態様は、自動化されたアウトバウンドプロファイルを生成するためのコンピュータ実装システムに関する。そのシステムは、以下のステップ、フルフィルメントセンタ(FC)の容量を含むデータを受信することと、FCへの複数の到着製品に関連する複数の製品識別子を受信することと、製品識別子を使用して、FCで製品のトランザクショナルログを定期的に収集および格納することと、製品識別子を使用して、FCで格納された製品の現在の在庫を決定することと、機械学習アルゴリズムを使用して、トランザクショナルログおよび現在の在庫の少なくとも1つを使用してFCのアウトバウンドプロファイルを生成することであって、アウトバウンドプロファイルが、複数のカテゴリの製品の出荷製品の予想されるパーセンテージを含む、ことと、アウトバウンドプロファイルをFCの実際のアウトバウンド容量と比較することによって、FCの生成されたアウトバウンドプロファイルを使用して、ネットワークアウトバウンドを管理することと、を含むステップを実行することができる。
Description
本開示は、一般に、自動化されたアウトバウンドプロファイル生成のためのコンピュータ化されたシステムおよび方法に関する。特に、本開示の実施形態は、フルフィルメントセンタにおける履歴出荷データに機械学習方法を適用して、それらのアウトバウンド容量を正確に表すプロファイルを生成することに関する新規な、非従来型のシステムに関する。
フルフィルメントセンタ(FC)は、注文が行われるとすぐに消費者の注文を履行し、配送業者が出荷品を集荷できるように動作するため、毎日数百万を超える製品に対処する。FC内の在庫を管理するための動作は、販売者から商品を受け取ること、受け取った商品を容易にピッキングできるように保管すること、アイテムをパッキングすること、注文を確認すること、および荷物配送を含むことができる。現在の既存のFCおよびFC内の在庫管理のためのシステムは、大量の到着商品および出荷商品を処理するように構成されているが、注文が複数のFC間で適切に分配されないために、FCが処理できるよりも多くの注文を受け取る場合に共通の問題が生じる。例えば、FCに関連する業者は、ピークシーズンの間、供給者から大量の製品を注文することができるが、しかしFCは、注文された製品をタイムリーに受け取るのに十分なリソースを持たない。これは、受信プロセスを遅くすることによってFCにおける大規模なバックログ問題につながり、最終的に問題を悪化させる可能性がある。バックログ問題は、業者が製品を流通させて利益を得ることを妨げるため、販売の損失をもたらす可能性がある。
このような問題を軽減するために、従来の在庫管理システムは、予測データに依存して、複数のFCへの製品の分配、ならびに各FCの手動で生成されたアウトバウンドプロファイルを決定する。これらのシステムは、特定の製品のインバウンド容量またはアウトバウンド容量などの各FCの個々の要因を考慮していないという技術的問題を抱えている。これらの要因を考慮することなく、これらのシステムは、FC間で製品の分配を生成する可能性があり、特定のFCは、特定の製品の需要を満たすのに十分な在庫、インバウンド容量、またはアウトバウンド容量がない可能性がある。これはまた、販売の損失をもたらす可能性がある。さらに、これらのシステムは、FCのアウトバウンドプロファイルの手動決定を必要とし、これは非常に不正確であり、コストを大幅に増加させる可能性がある。
したがって、各FCの個別の能力および特質にさらに基づく複数のFCのアウトバウンドプロファイルをインテリジェントに、および自動的に生成するための改善された方法およびシステムが必要である。
本開示の一態様は、自動化されたアウトバウンドプロファイルを生成するためのコンピュータ実装システムに関する。システムは、少なくとも1つのプロセッサと、少なくとも1つのデータベースと、少なくとも1つのプロセッサによって実行される場合、以下のステップ、フルフィルメントセンタ(FC)の容量を含むデータを受信することと、FCへの複数の到着製品(incoming products)に関連する複数の製品識別子を受信することと、製品識別子を使用して、FCで複数の製品のトランザクショナルログを定期的に収集および格納することと、製品識別子を使用して、FCで格納された複数の製品の現在の在庫を決定することと、機械学習アルゴリズムを使用して、トランザクショナルログおよび現在の在庫の少なくとも1つを使用してFCのアウトバウンドプロファイルを生成することであって、アウトバウンドプロファイルが、複数のカテゴリの製品の出荷製品の予想されるパーセンテージを含む、ことと、アウトバウンドプロファイルをFCの実際のアウトバウンド容量と比較することによって、FCの生成されたアウトバウンドプロファイルを使用して、ネットワークアウトバウンドを管理することと、を含むステップを実行する命令を含むメモリと、を備えることができる。
本開示の別の態様は、自動化されたアウトバウンドプロファイルを生成するためのコンピュータ実施システムに関する。その方法は、フルフィルメントセンタ(FC)の容量を含むデータを受信することと、FCへの全ての到着製品に関連する製品識別子を受信することと、製品識別子を使用して、FCで全ての製品ごとにトランザクショナルログを定期的に収集および格納することと、FCの履歴トランザクショナルログを検索することと、製品識別子を使用して、FCで全ての製品の現在の在庫を決定することと、機械学習アルゴリズムを使用して、トランザクショナルログおよび現在の在庫のうちの少なくとも1つを使用して、FCのアウトバウンドプロファイルを生成することと、を含む。
本開示の別の態様は、自動化されたアウトバウンドプロファイルを生成するためのコンピュータ実装システムに関する。そのシステムは、少なくとも1つのプロセッサと、少なくとも1つのデータベースと、少なくとも1つのプロセッサによって実行される場合、以下のステップ、フルフィルメントセンタ(FC)の容量を含むデータを受信することと、FCへの複数の到着製品に関連する複数の製品識別子を受信することと、製品識別子を使用して、FCで複数の製品のトランザクショナルログを定期的に収集および格納することと、製品識別子を使用して、FCで格納された複数の製品の現在の在庫を決定することと、複数のトランザクショナルログおよび複数のFCからの現在の在庫をデータベースに格納することであって、複数のトランザクショナルログおよび現在の在庫がトランザクショナルデータを含む、ことと、トランザクショナルデータを訓練データセットおよび検証データセットに分割することであって、訓練データセットが検証データセットよりも多くのデータを有する、ことと、機械学習アルゴリズムを使用して、訓練データセットに基づいて予測モデルを生成することと、検証データセットを使用して、予測モデルを検証することと、予測モデルを関連するトランザクショナルログおよび現在の在庫に適用することによって、FCのアウトバウンドプロファイルを生成することであって、アウトバウンドプロファイルが、複数のカテゴリの製品の出荷製品の予想されるパーセンテージを含む、ことと、アウトバウンドプロファイルをFCの実際のアウトバウンド容量と比較することによって、FCの生成されたアウトバウンドプロファイルを使用して、ネットワークアウトバウンドを管理することと、を含むステップを実行する命令を含むメモリと、を備えることができる。
他のシステム、方法、およびコンピュータ可読媒体も、本明細書で説明される。
以下の詳細な説明は、添付の図面を参照する。可能な限り、図面および以下の説明では、同一または類似の部分を参照するために、同一の参照番号が使用される。いくつかの例示的な実施形態が本明細書で説明されるが、修正、適応、および他の実装が可能である。例えば、置換、追加、または修正が図面に示された構成要素およびステップに行われてもよく、本明細書に記載された例示的な方法は、開示された方法にステップを置換、並べ替え、除去、または追加することによって修正されてもよい。したがって、以下の詳細な説明は、開示された実施形態および実施例に限定されない。むしろ、本発明の適切な範囲は、添付の特許請求の範囲によって定義される。
本開示の実施形態は、フルフィルメントセンタで履歴出荷データに機械学習方法を適用して、それらのアウトバウンド容量を正確に表すプロファイルを生成するように構成されたシステムおよび方法に関する。
図1Aを参照すると、出荷、輸送、および物流動作を可能にする通信のためのコンピュータ化されたシステムを含むシステムの例示的な実施形態を示す概略ブロック図100が示されている。図1Aに示すように、システム100は様々なシステムを含むことができ、その各々は、1つまたは複数のネットワークを介して互いに接続することができる。システムはまた、例えばケーブルを使用して、直接接続を介して互いに接続されてもよい。図示のシステムは、出荷権限技術(SAT)システム101、外部フロントエンドシステム103、内部フロントエンドシステム105、輸送システム107、モバイルデバイス107A、107B、107C、販売者ポータル109、出荷および注文追跡(SOT)システム111、フルフィルメント(履行)最適化(FO)システム113、フルフィルメントメッセージングゲートウェイ(FMG)115、サプライチェーン管理(SCM)システム117、倉庫管理システム119、モバイルデバイス119A、119B、119C(フルフィルメントセンタ(FC)200の内部にあるものとして図示)、第三者フルフィルメントシステム121A、121B、121C、フルフィルメントセンタ認証システム(FC認証)123、労務管理システム(LMS)125を含む。
SATシステム101は、いくつかの実施形態では注文状態および配送状態を監視するコンピュータシステムとして実装されてもよい。例えば、SATシステム101は注文がその約束配送日(PDD)を過ぎているかどうかを判定し、新しい注文を開始すること、配送されていない注文でアイテムを再出荷すること、配送されていない注文をキャンセルすること、注文カスタマとのコンタクトを開始することなどを含む適切な処置をとることができる。SAT装置101は、出力(特定の期間中に出荷された荷物の数など)および入力(出荷に使用するために受け取った空のボール紙箱の数など)を含む他のデータを監視することもできる。また、SATシステム101はシステム100内の異なるデバイス間のゲートウェイとして機能し、外部フロントエンドシステム103およびFOシステム113などのデバイス間の通信(例えば、ストアアンドフォワードまたは他の技術を使用する)を可能にしてもよい。
いくつかの実施形態では、外部フロントエンドシステム103が、外部ユーザがシステム100内の1つまたは複数のシステムと対話することを可能にするコンピュータシステムとして実装することができる。例えば、システム100がシステムの提示を可能にして、ユーザがアイテムの注文を行うことを可能にする実施形態では、外部フロントエンドシステム103が検索要求を受信し、アイテムページを提示し、決済情報を要請するウェブサーバとして実装されてもよい。例えば、外部フロントエンドシステム103は、アパッチHTTPサーバ、マイクロソフトインターネットインフォメーションサービス(IIS)、NGINX等のソフトウェアを実行する1つまたは複数のコンピュータとして実施することができる。他の実施形態では、外部フロントエンドシステム103が外部デバイス(例えば、モバイルデバイス102Aまたはコンピュータ)からの要求を受信および処理し、それらの要求に基づいてデータベースおよび他のデータストアから情報を取得し、取得した情報に基づいて受信した要求に対する応答を提供するように設計されたカスタムウェブサーバソフトウェアを実行することができる。
いくつかの実施形態では、外部フロントエンドシステム103がウェブキャッシングシステム、データベース、検索システム、または支払いシステムのうちの1つまたは複数を含むことができる。一態様では外部フロントエンドシステム103がこれらのシステムのうちの1つまたは複数を備えることができ、別の態様では外部フロントエンドシステム103がこれらのシステムのうちの1つまたは複数に接続されたインターフェース(例えば、サーバ間、データベース間、または他のネットワーク接続)を備えることができる。
図1B、図1C、図1D、および図1Eによって示されるステップの例示的な組は、外部フロントエンドシステム103のいくつかの動作を説明するのに役立つ。外部フロントエンドシステム103は提示および/またはディスプレイのために、システム100内のシステムまたはデバイスから情報を受け取ることができる。例えば、外部フロントエンドシステム103は、検索結果(SRP)を含む1つまたは複数のウェブページをホスティングまたは提供することができ(例えば、図1B)、単一ディテールページ(SDP)(例えば、図1C)、カートページ(例えば、図1D)、または注文ページ(例えば、図1E)を含む。ユーザデバイス(例えば、モバイルデバイス102Aまたはコンピュータ102Bを使用する)は外部フロントエンドシステム103にナビゲートし、サーチボックスに情報を入力することによってサーチを要求することができる。外部フロントエンドシステム103は、システム100内の1つまたは複数のシステムから情報を要求することができる。例えば、外部フロントエンドシステム103は、検索要求を満たす情報をFOシステム113に要求することができる。また、外部フロントエンドシステム103は検索結果に含まれる製品ごとに、約束配送日または「PDD」を(FOシステム113から)要求し、受信することもできる。PDDはいくつかの実施形態では、特定の期間内に、例えば、その日の最後(午後11時59分)までに注文された場合、製品を含む荷物が、いつユーザの所望の場所に到着するか、または製品がユーザの所望の場所に配送されることを約束される日付かのいずれかの推定値を表すことができる。(PDDはFOシステム113に関して以下でさらに説明される)。
外部フロントエンドシステム103がその情報に基づいてSRP(例えば、図1B)を準備することができる。SRPは、検索要求を満たす情報を含むことができる。例えば、これは、検索要求を満たす製品の写真を含むことができる。SRPはまた、各製品についてのそれぞれの価格、または各製品についての強化された配送オプション、PDD、重み、規模、オファー、割引などに関する情報を含んでもよい。外部フロントエンドシステム103は(例えば、ネットワークを介して)要求側ユーザデバイスにSRPを送信することができる。
次いで、ユーザデバイスは、例えば、ユーザインターフェースをクリックもしくはタップすることによって、または別の入力デバイスを使用して、SRPで表される製品を選択することによって、SRPから製品を選択することができる。ユーザデバイスは、選択された製品に関する情報の要求を定式化し、それを外部フロントエンドシステム103に送信することができる。これに応じて、外部フロントエンドシステム103は、選択された製品に関する情報を要求することができる。例えば、情報は、それぞれのSRPで製品について提示されたもの以外の追加情報を含むことができる。これは、例えば、保存可能期間、原産国、重量、サイズ、荷物内のアイテムの数、取り扱い説明書、または製品に関する他の情報を含むことができる。また、情報は(例えば、この製品および少なくとも1つの他の製品を購入した顧客のビッグデータおよび/または機械学習分析に基づく)類似の製品に対する推奨、頻繁に聞かれる質問に対する回答、顧客からのレビュー、製造業者情報、写真などを含むことができる。
外部フロントエンドシステム103は受信した製品情報に基づいて、SDP(単一ディテールページ)(例えば、図1C)を準備することができる。SDPはまた、「今すぐ買う」ボタン、「カードに追加する」ボタン、数量欄、アイテムの写真等のような他の対話型要素を含んでもよい。SDPは、製品を提供する販売者のリストをさらに含むことができる。リストは各販売者が提供する価格に基づいて注文されてもよく、その結果、最低価格で製品を販売することを提案する販売者は最上位にリストされてもよい。リストは最高ランクの販売者が最上位にリストされるように、販売者ランキングに基づいて注文されてもよい。販売者ランキングは、例えば、約束されたPDDを満たした販売者の過去の実績を含む複数の要因に基づいて定式化することができる。外部フロントエンドシステム103は、SDPを要求元ユーザデバイスに配信することができる(例えば、ネットワークを介して)。
要求元ユーザデバイスは、製品情報を記載したSDPを受け取る場合がある。SDPを受信すると、次いでユーザデバイスはSDPと対話することができる。例えば、要求元ユーザデバイスのユーザは、SDPの「カートに入れる」ボタンをクリックするか、そうでなければ対話することができる。これにより、ユーザに関連付けられたショッピングカートに製品が追加される。ユーザデバイスはこの要求を送信して、製品をショッピングカートに追加し、外部フロントエンドシステム103に送ることができる。
外部フロントエンドシステム103はカートページ(例えば、図1D)を生成することができる。いくつかの実施形態では、カートページは、ユーザが仮想「ショッピングカート」に追加した製品を列挙する。ユーザデバイスは、SRP、SDP、または他のページ上のアイコンをクリックするか、または他の方法で対話することによってカートページを要求することができる。いくつかの実施形態では、カートページが、ユーザがショッピングカートに追加した全ての製品、ならびに各製品の数量、各製品のアイテム当たりの価格、関連する数量に基づく各製品の価格、PDDに関する情報、配送方法、出荷費用、ショッピングカート内の製品を修正するためのユーザインターフェース要素(例えば、数量の削除または修正)、他の製品を注文するかまたは製品の定期的な配送を設定するためのオプション、利息支払いを設定するためのオプション、購入を進めるためのユーザインターフェース要素などのカート内の製品に関する情報を列挙することができる。ユーザデバイスのユーザはショッピングカート内の製品の購入を開始するために、ユーザインターフェース要素(例えば、「今すぐ買う」と読むボタン)をクリックするか、または他の方法でユーザインターフェース要素と対話することができる。そうすると、ユーザデバイスは、この要求を送信して、外部フロントエンドシステム103への購入を開始することができる。
外部フロントエンドシステム103は購入を開始するための要求の受信に応じて、注文ページ(例えば、図1E)を発生することができる。注文ページはいくつかの実施形態ではショッピングカートからのアイテムを再リストし、支払および出荷に関するインプットを要求する。例えば、注文ページはショッピングカート内のアイテムの購入者に関する情報(例えば、名前、住所、電子メールアドレス、電話番号)、受取人に関する情報(例えば、名前、住所、電話番号、配送情報)、出荷情報(例えば、配送および/または集荷の速度/方法)、支払情報(例えば、クレジットカード、銀行振込、小切手、記憶クレジット)、現金受領を要求するためのユーザインターフェース要素(例えば、税務目的のための)などを要求するセクションを含むことができる。外部フロントエンドシステム103は、注文ページをユーザデバイスへ送信することが可能である。
ユーザデバイスは注文ページに情報を入力し、その情報を外部フロントエンドシステム103に送信するユーザインターフェース要素をクリックするか、または他の方法で対話することができる。そこから、外部フロントエンドシステム103はショッピングカート内の製品との新しい注文の作成および加工を可能にするために、システム100内の様々なシステムに情報を送信することができる。
いくつかの実施形態では、外部フロントエンドシステム103が、販売者が注文に関する情報を送受信することを可能にするようにさらに構成されてもよい。
内部フロントエンドシステム105はいくつかの実施形態では内部ユーザ(例えば、システム100を所有し、運営し、またはリースする団体の従業員)がシステム100内の1つまたは複数のシステムと対話することを可能にするコンピュータシステムとして実装することができる。例えば、システム100がシステムの提示を可能にして、ユーザがアイテムの注文を行うことをできるようにする実施形態では、内部フロントエンドシステム105は、内部ユーザが注文に関する診断および統計情報を見たり、アイテム情報を修正したり、またはアイテムに関する統計を見直したりできるようにするウェブサーバとして実装されることができる。例えば、内部フロントエンドシステム105は、アパッチHTTPサーバ、マイクロソフトインターネットインフォメーションサービス(IIS)、NGINX等のソフトウェアを実行する1つまたは複数のコンピュータとして実現することができる。他の実施形態では、内部フロントエンドシステム105がシステム100に示されるシステムまたはデバイス(ならびに図示されない他のデバイス)からの要求を受信および処理し、それらの要求に基づいてデータベースおよび他のデータストアから情報を取得し、取得された情報に基づいて受信された要求への応答を提供するように設計されたカスタムウェブサーバソフトウェアを実行することができる。
いくつかの実施形態では、内部フロントエンドシステム105がウェブキャッシングシステム、データベース、検索システム、支払いシステム、分析システム、注文監視システムなどのうちの1つまたは複数を含むことができる。一態様では内部フロントエンドシステム105がこれらのシステムのうちの1つまたは複数を備えることができ、別の態様では内部フロントエンドシステム105がこれらのシステムのうちの1つまたは複数に接続されたインターフェース(例えば、サーバ間、データベース間、または他のネットワーク接続)を備えることができる。
輸送システム107は、いくつかの実施形態ではシステム100内のシステムまたはデバイスとモバイルデバイス107A~107Cとの間の通信を可能にするコンピュータシステムとして実施することができる。いくつかの実施形態では、輸送システム107が1つまたは複数のモバイルデバイス107A~107C(例えば、携帯電話、スマートフォン、PDAなど)から情報を受信することができる。例えば、いくつかの実施形態では、モバイルデバイス107A~107Cが配送作業員によって操作されるデバイスを含んでもよい。配送作業員は、正社員、臨時社員、または交替社員であってもよく、モバイルデバイス107A~107Cを利用して、ユーザによって注文された製品を含む荷物の配送を行うことができる。例えば、荷物を配信するために、配送作業員は、どの荷物を配送すべきか、およびそれをどこに配送すべきかを示す通知をモバイルデバイス上で受信することができる。配送位置に到着すると、配送作業員は荷物を(例えば、トラックの後ろに、または荷物の箱に)配置し、モバイルデバイスを使用して荷物上の識別子に関連するデータ(例えば、バーコード、イメージ、文字列、RFIDタグなど)を走査または他の方法で捕捉し、荷物を(例えば、前扉に置いたままにし、警備員に残したままにし、受信者に渡すなどによって)配送することができる。いくつかの実施形態では、配送作業員が荷物の写真をキャプチャすることができ、および/またはモバイルデバイスを使用してシグネチャを取得することができる。モバイルデバイスは例えば、時刻、日付、GPS位置、写真、配送作業員に関連付けられた識別子、モバイルデバイスに関連付けられた識別子などを含む配送に関する情報を含む情報を輸送システム107に送信することができる。輸送システム107はシステム100内の他のシステムによるアクセスのために、この情報をデータベース(図示せず)に記憶することができる。輸送システム107はいくつかの実施形態ではこの情報を使用して、特定の荷物の位置を示す追跡データを準備し、他のシステムに送信することができる。
いくつかの実施形態ではあるユーザが1つの種類のモバイルデバイスを使用することができる(例えば、永久作業員はバーコードスキャナ、スタイラス、および他のデバイスなどのカスタムハードウェアと共に専用のPDAを使用することができる)が他のユーザは他の種類のモバイルデバイスを使用することができる(例えば、一時的または移動作業員は既製の携帯電話および/またはスマートフォンを利用することができる)。
いくつかの実施形態では、輸送システム107がユーザをそれぞれのデバイスに関連付けることができる。例えば、輸送システム107はユーザ(例えば、ユーザ識別子、従業員識別子、または電話番号)とモバイルデバイス(例えば、国際移動装置アイデンティティ(IMEI)、国際移動加入識別子(IMSI)、電話番号、汎用一意識別子(UUID)、またはグローバル一意(GUID)によって表される)との間の関連を記憶することができる。輸送システム107はこの関連付けを、配送上で受信されたデータと併せて使用して、とりわけ、作業員の位置、作業員の有効性、または作業員のスピードを決定するために、注文内のデータベースに格納されたデータを分析することができる。
販売者ポータル109は、いくつかの実施形態では販売者または他の外部エンティティがシステム100内の1つまたは複数のシステムと電子的に通信することを可能にするコンピュータシステムとして実装され得る。例えば、販売者は、コンピュータシステム(図示せず)を利用して、販売者が販売者ポータル109を使用してシステム100を通して売りたい製品について、製品情報、注文情報、連絡先情報などをアップロードまたは提供することができる。
出荷および注文追跡システム111はいくつかの実施形態では(例えば、デバイス102A~102Bを使用するユーザによって)顧客によって注文された製品を含む荷物の位置に関する情報を受信し、記憶し、転送するコンピュータシステムとして実装されてもよい。いくつかの実施形態では、出荷および注文追跡システム111は顧客が注文した製品を含む荷物を配送する出荷会社によって運営されるウェブサーバ(図示せず)からの情報を要求または記憶することができる。
いくつかの実施形態では、出荷および注文追跡システム111がシステム100に示されたシステムからの情報を要求し、記憶することができる。例えば、出荷および注文追跡システム111は、輸送システム107に情報を要求することができる。上述のように、輸送システム107はユーザ(例えば、配送作業員)または乗り物(例えば、配送トラック)のうちの1つまたは複数に関連付けられた1つまたは複数のモバイルデバイス107A~107C(例えば、携帯電話、スマートフォン、PDAなど)から情報を受信することができる。いくつかの実施形態では、出荷および注文追跡システム111がフルフィルメントセンタ(例えば、フルフィルメントセンタ200)内の個々の製品の位置を決定するために、倉庫管理システム(WMS)119から情報を要求することもできる。出荷および注文追跡システム111は輸送システム107またはWMS 119のうちの1つまたは複数からデータを要求し、それを処理し、要求に応じてそれをデバイス(例えば、ユーザデバイス102Aおよび102B)に提示することができる。
フルフィルメント(履行)最適化(FO)システム113はいくつかの実施形態では他のシステム(例えば、外部フロントエンドシステム103および/または出荷および注文追跡システム111)からの顧客注文のための情報を記憶するコンピュータシステムとして実装されてもよい。また、FOシステム113は、特定のアイテムがどこに保持されているか、またはどこに記憶されているかを記述する情報を記憶することもできる。例えば、特定のアイテムは1つのフルフィルメントセンタにのみ格納でき、他の特定のアイテムは複数のフルフィルメントセンタに格納できる。さらに他の実施形態では、特定のフルフィルメントセンタが特定の組のアイテム(例えば、生鮮食品または冷凍製品)のみを格納するように設計されてもよい。FOシステム113はこの情報ならびに関連する情報(例えば、数量、サイズ、受領日、有効期限など)を格納する。
また、FOシステム113は、製品ごとに対応するPDD(約束配送日)を計算してもよい。PDDは、いくつかの実施形態では1つまたは複数の要因に基づくことができる。例えば、FOシステム113は製品に対する過去の需要(例えば、その製品がある期間中に何回注文されたか)、製品に対する予想需要(例えば、来るべき期間中にその製品を注文するために何人の顧客が予想されるか)、ある期間中にいくつの製品が注文されたかを示すネットワーク全体の過去の需要、来るべき期間中にいくつの製品が注文されることが予想されるかを示すネットワーク全体の予想需要、各製品を格納する各フルフィルメントセンタ200に格納された製品の1つ以上のカウント、その製品に対する予想または現行注文などに基づいて、製品に対するPDDを計算することができる。
いくつかの実施形態では、FOシステム113が定期的に(例えば、1時間ごとに)製品ごとにPDDを決定し、それを検索または他のシステム(例えば、外部フロントエンドシステム103、SATシステム101、出荷および注文追跡システム111)に送信するためにデータベースに格納することができる。他の実施形態では、FOシステム113が1つまたは複数のシステム(例えば、外部フロントエンドシステム103、SATシステム101、出荷および注文追跡システム111)から電子要求を受信し、オンデマンドでPDDを計算することができる。
フルフィルメントメッセージングゲートウェイ115はいくつかの実施形態ではFOシステム113などのシステム100内の1つ以上のシステムから1つのフォーマットまたはプロトコルで要求または応答を受信し、それを別のフォーマットまたはプロトコルに変換し、変換されたフォーマットまたはプロトコルで、WMS 119または第三者フルフィルメントシステム121A、121B、または121Cなどの他のシステムに転送し、またその逆も同様である、コンピュータシステムとして実装することができる。
サプライチェーン管理(SCM)システム117は、いくつかの実施形態では予測機能を実行するコンピュータシステムとして実装することができる。例えば、SCMシステム117は例えば、製品に対する過去の需要、製品に対する予想される需要、ネットワーク全体の過去の需要、ネットワーク全体の予想される需要、各フルフィルメントセンタ200に格納された計数製品、各製品に対する予想または現行注文などに基づいて、特定の製品に対する需要の水準を予測することができる。この予測された水準および全てのフルフィルメントセンタにわたるそれぞれの製品の量に応じて、SCMシステム117は特定の製品に対する予測された需要を満たすのに充分な量を購入し、ストックするための1つまたは複数の購入注文を生成することができる。
倉庫管理システム(WMS)119は、いくつかの実施形態ではワークフローをモニタするコンピュータシステムとして実装されてもよい。例えば、WMS 119は個別イベントを示す個別デバイス(例えば、デバイス107A-107Cまたは119A-119C)からイベントデータを受信することができる。例えば、WMS 119は、荷物を走査するためにこれらのデバイスの1つの使用を示すイベントデータを受信してもよい。フルフィルメントセンタ200および図2に関して以下で論じるように、フルフィルメントプロセス中に、荷物識別子(例えば、バーコードまたはRFIDタグデータ)は特定の段階で機械によってスキャンまたは読み取ることができる(例えば、自動またはハンドヘルドバーコードスキャナ、RFIDリーダ、高速カメラ、タブレット119A、モバイルデバイス/PDA 119B、コンピュータ119Cなどのデバイス)。WMS 119は荷物識別子、時刻、日時、位置、ユーザ識別子、または他の情報と共に、荷物識別子の走査または読取りを示す各々の事象を対応するデータベース(図示せず)に記憶することができ、この情報を他のシステム(例えば、出荷および注文追跡システム111)に提供することができる。
WMS 119はいくつかの実施形態では1つまたは複数のデバイス(例えば、デバイス107A~107Cまたは119A~119C)を、システム100に関連付けられた1つまたは複数のユーザに関連付ける情報を記憶してもよい。例えば、いくつかの状況では、ユーザ(パートまたはフルタイムの従業員など)は、ユーザがモバイルデバイスを所有する(例えば、モバイルデバイスがスマートフォンである)という点で、モバイルデバイスに関連付けられてもよい。他の状況では、ユーザは、ユーザが一時的にモバイルデバイスの管理下にある(例えば、ユーザは日の始めにモバイルデバイスを借り、日中にそれを使用し、日の終わりにそれを返す)という点で、モバイルデバイスに関連付けられてもよい。
WMS 119は、いくつかの実施形態ではシステム100に関連する各ユーザの作業ログを維持することができる。例えば、WMS 119は任意の割り当てられたプロセス(例えば、トラックのアンローディング、ピックゾーンからのアイテムのピッキング、リビン(rebin)ウォールワーク、パッキングアイテム)、ユーザ識別子、位置(例えば、フルフィルメントセンタ200内のフロアまたはゾーン)、従業員によってシステム内を移動されたユニットの数(例えば、ピックされたアイテムの数、パックされたアイテムの数)、デバイスに関連付けられた識別子(例えば、デバイス119A~119C)などを含む、各従業員に関連付けられた情報を記憶することができる。いくつかの実施形態では、WMS 119がデバイス119A~119C上で動作するタイムキーピングシステムなどのタイムキーピングシステムからチェックインおよびチェックアウト情報を受信することができる。
第三者フルフィルメント(3PL)システム121A~121Cは、いくつかの実施形態ではロジスティクスおよび製品のサードパーティプロバイダに関連するコンピュータシステムを表す。例えば、一部の製品がフルフィルメントセンタ200に保管されている間(図2に関して以下で説明するように)、他の製品はオフサイトに保管されてもよく、オンデマンドで生産されてもよく、またはそうでなければフルフィルメントセンタ200に保管するために利用できない可能性がある。3PLシステム121A~121 Cは、FOシステム113から注文を受信するように構成されてもよく(例えば、FMG 115を介して)、製品および/またはサービスを顧客に直接提供してもよい(例えば、配送または設置)。いくつかの実施形態では3PLシステム121A~121Cのうちの1つまたは複数がシステム100の一部とすることができ、他の実施形態では3PLシステム121A~121Cのうちの1つまたは複数がシステム100の外部(例えば、サードパーティプロバイダによって所有または運営される)とすることができる。
フルフィルメントセンタ認証システム(FC認証)123は、いくつかの実施形態では様々な機能を有するコンピュータシステムとして実装され得る。例えば、いくつかの実施形態では、FC認証123がシステム100内の1つまたは複数の他のシステムのためのシングルサインオン(SSO)サービスとして動作することができる。例えば、FC認証123はユーザが内部フロントエンドシステム105を介してログインすることを可能にし、ユーザが出荷および注文追跡システム111においてリソースにアクセスするための同様の特権を有していることを決定し、ユーザが2回目のログイン処理を必要とせずにそれらの特権にアクセスすることを可能にしてもよい。他の実施形態では、FC認証123は、ユーザ(例えば、従業員)が自分自身を特定の作業に関連付けることを可能にしてもよい。例えば、従業員の中には、電子デバイス(デバイス119A~119Cなど)を持たない者もおり、その代わりに、1日の過程中に、フルフィルメントセンタ200内でタスクからタスクへ、およびゾーンからゾーンへ移動してもよい。FC認証123は、それらの従業員は、彼らがどの仕事をしているか、および彼らが様々な時刻にどの区域にいるかを示すことを可能にするように構成されてもよい。
労務管理システム(LMS)125は、いくつかの実施形態では従業員(フルタイムおよびパートタイムの従業員を含む)のための出勤および残業を記憶するコンピュータシステムとして実装されてもよい。例えば、LMS 125は、FC認証123、WMS119、デバイス119A-119C、輸送システム107、および/またはデバイス107A-107Cから情報を受信することができる。
図1Aに示される特定の構成は単なる例である。例えば、図1AはFOシステム113に接続されたFC認証システム123を示すが、全ての実施形態がこの特定の構成を必要とするわけではない。実際、いくつかの実施形態では、システム100内のシステムがインターネット、イントラネット、WAN(ワイドエリアネットワーク)、MAN(メトロポリタンエリアネットワーク)、IEEE 802.11a/b/g/n規格に準拠する無線ネットワーク、専用線などを含む1つまたは複数の公衆またはプライベートネットワークを介して互いに接続され得る。いくつかの実施形態では、システム100内のシステムの1つ以上がデータセンター、サーバファームなどに実装された1つ以上の仮想サーバとして実装されてもよい。
図2は、フルフィルメントセンタ200を示す。フルフィルメントセンタ200は、注文時に顧客に出荷するためのアイテムを格納する物理的な場所の実例である。フルフィルメントセンタ(FC)200は多数のゾーンに分割することができ、その各々を図2に示す。これらの「ゾーン」はいくつかの実施形態ではアイテムを受け取り、アイテムを保管し、アイテムを取り出し、アイテムを出荷する処理の様々な段階の間の仮想分割と考えることができる。したがって、「ゾーン」は図2に示されているが、ゾーンの他の分割も可能であり、いくつかの実施形態では図2のゾーンを省略、複製、または修正することができる。
インバウンドゾーン203は、図1Aのシステム100を使用して製品を販売しようとする販売者からアイテムを受け取るFC 200の領域を表す。例えば、販売者は、トラック201を使用してアイテム202Aおよび202Bを配送することができる。アイテム202Aはそれ自体の出荷パレットを占有するのに十分な大きさの単一のアイテムを表すことができ、アイテム202Bは、空間を節約するために同じパレット上に一緒に積み重ねられた1組のアイテムを表すことができる。
作業員はインバウンドゾーン203でアイテムを受信し、コンピュータシステム(図示せず)を使用して、アイテムの破損および正当性を任意選択で検査することができる。例えば、作業員は、コンピュータシステムを使用して、アイテム202Aおよび202Bの数量をアイテムの注文数量と比較することができる。数量が合致しない場合、その作業員は、アイテム202Aまたは202Bのうちの1つまたは複数を拒否することができる。数量が一致すれば、作業員はそれらのアイテムをバッファゾーン205まで(例えば、代車、手押し車、フォークリフト、または手動で)移動させることができる。バッファゾーン205は例えば、予測される需要を満たすのに十分な量のアイテムがピッキングゾーンにあるため、ピッキングゾーンで現在必要とされていないアイテムのための一時保管領域であってもよい。いくつかの実施形態では、フォークリフト206がバッファゾーン205の周り、およびインバウンドゾーン203とドロップゾーン207との間でアイテムを移動させるように動作する。ピッキングゾーンにアイテム202Aまたは202Bが必要な場合(例えば、予想される需要のため)、フォークリフトは、アイテム202Aまたは202Bをドロップゾーン207に移動させることができる。
ドロップゾーン207は、アイテムがピッキングゾーン209に移動される前にそれらを保管するFC 200の領域であってもよい。ピッキングタスクに割り当てられた作業員(「ピッカー」)はピッキングゾーン内のアイテム202Aおよび202Bに接近し、ピッキングゾーンのバーコードをスキャンし、モバイルデバイス(例えば、デバイス119B)を使用してアイテム202Aおよび202Bに関連するバーコードをスキャンすることができる。次いで、ピッカーはアイテムをピッキングゾーン209まで(例えば、それをカート上に置くか、またはそれを運ぶことによって)取り込むことができる。
ピッキングゾーン209は、アイテム208が保管ユニット210に保管されるFC 200の領域であってもよい。いくつかの実施形態では、保管ユニット210が物理的な棚、本棚、箱、運搬箱、冷蔵庫、冷凍庫、冷蔵庫などのうちの1つまたは複数を含むことができる。いくつかの実施形態では、ピッキングゾーン209が複数のフロアに編成されてもよい。いくつかの実施形態では、作業員または機械が例えば、フォークリフト、エレベータ、コンベアベルト、カート、手押し車、台車、自動ロボットもしくはデバイス、または手動を含む多数の方法で、ピッキングゾーン209内にアイテムを移動させることができる。例えば、ピッカーは、アイテム202Aおよび202Bをドロップゾーン207の手押し車またはカートに載せ、アイテム202Aおよび202Bをピッキングゾーン209まで歩くことができる。
ピッカーは、保管ユニット210上の特定の空間のようなピッキングゾーン209内の特定のスポットにアイテムを配置する(または「収納する」)命令を受信することができる。例えば、ピッカーはモバイルデバイス(例えば、デバイス119B)を使用してアイテム202Aを走査することができる。デバイスは例えば、通路、棚、および位置を示すシステムを使用して、ピッカーがアイテム202Aを収納すべき場所を示すことができる。次に、デバイスはアイテム202Aをその位置に格納する前に、その位置でバーコードを走査するようにピッカーを促すことができる。デバイスは(例えば、ワイヤレスネットワークを介して)図1AのWMS 119のようなコンピュータシステムにデータを送信し、アイテム202Aがデバイス119Bを使用してユーザによってその位置に格納されたことを示すことができる。
ユーザが注文を行うと、ピッカーは、保管ユニット210から1つまたは複数のアイテム208を検索するための命令をデバイス119B上で受信することができる。ピッカーはアイテム208を検索し、アイテム208上のバーコードを走査し、それを搬送機構214上に置くことができる。搬送機構214はスライドとして表されているが、いくつかの実施形態では搬送機構がコンベヤーベルト、エレベータ、カート、フォークリフト、手押し車、台車、カートなどのうちの1つまたは複数として実装される。次いで、アイテム208は、パッキングゾーン211に到達することができる。
パッキングゾーン211は、アイテムがピッキングゾーン209から受け取られ、最終的に顧客に出荷するために箱または袋にパッキングされる、FC 200の領域であってもよい。パッキングゾーン211において、受信アイテム(「リビン(rebin)作業員」)に割り当てられた作業員はピッキングゾーン209からアイテム208を受信し、それがどの注文に対応するかを決定する。例えば、リビン(rebin)作業員はアイテム208上のバーコードを走査するために、コンピュータ119Cなどのデバイスを使用することができる。コンピュータ119Cはどの注文アイテム208が関連付けられているかを視覚的に示すことができる。これは例えば、注文に対応する壁面216上の空間または「セル」を含むことができる。注文が完了すると(例えば、セルが注文のための全てのアイテムを含むため)、リビン(rebin)作業員は、注文が完了したことをパッキング作業員(または「パッカー」)に示すことができる。パッカーはセルからアイテムを回収し、出荷のために箱または袋に入れることができる。その後、パッカーは例えば、フォークリフト、カート、台車、手押し車、コンベヤーベルトを介して、手動、または他の方法で、箱またはバッグをハブゾーン213に送ることができる。
ハブゾーン213は、パッキングゾーン211から全ての箱または袋(「荷物」)を受け取るFC 200の領域であってもよい。ハブゾーン213内の作業員および/またはマシンは荷物218を検索し、それぞれの荷物が行こうとする配送領域の一部を決定し、荷物を適切なキャンプゾーン215にルーティングすることができる。例えば、配送領域が2つのより小さいサブ領域を有する場合、荷物は2つのキャンプゾーン215のうちの1つに進む。いくつかの実施形態では、作業員またはマシンが(例えば、デバイス119A~119Cのうちの1つを使用して)荷物を走査して、その最終的な宛先を決定することができる。荷物をキャンプゾーン215にルーティングすることは、例えば、荷物が向けられている地理的エリアの一部を(例えば、郵便番号に基づいて)決定することと、地理的エリアの一部に関連付けられたキャンプゾーン215を決定することとを含むことができる。
キャンプゾーン215はいくつかの実施形態では1つまたは複数の建物、1つまたは複数の物理的な空間、または1つまたは複数のエリアを備えることができ、荷物は、ルートおよび/またはサブルートに分類するためにハブゾーン213から受け取られる。いくつかの実施形態ではキャンプゾーン215がFC 200から物理的に分離されているが、他の実施形態ではキャンプゾーン215がFC 200の一部を形成することができる。
キャンプゾーン215内の作業員および/またはマシンは例えば、目的地と現存するルートおよび/またはサブルートとの照合、ルートおよび/またはサブルートごとの作業負荷の算出、時刻、出荷方法、荷物220を出荷する費用、荷物220内のアイテムに関連付けられたPDDなどに基づいて、荷物220がどのルートおよび/またはサブルートに関連付けられるべきかを決定することができる。いくつかの実施形態では、作業員またはマシンが(例えば、デバイス119A~119Cのうちの1つを使用して)荷物を走査して、その最終的な宛先を決定することができる。荷物220が特定のルートおよび/またはサブルートに割り当てられると、作業員および/またはマシンは、出荷される荷物220を移動させることができる。例示的な図2において、キャンプゾーン215は、トラック222、自動車226、および配送作業員224Aおよび224Bを含む。いくつかの実施形態では、トラック222が配送作業員224Aによって駆動されてもよく、配送作業員224AはFC 200の荷物を配送する常勤の従業員であり、トラック222はFC 200を所有し、リースし、または運営する同じ企業によって所有され、リースされ、または運営される。いくつかの実施形態では、自動車226が配送作業員224Bによって駆動されてもよく、ここで、配送作業員224Bは必要に応じて(例えば、季節的に)送達する「屈曲」または時折の作業員である。自動車226は、配送作業員224Bによって所有され、リースされ、または操作され得る。
図3は、製品在庫を最適なレベルに保つためのコンピュータ化されたシステムを含むネットワーク環境300の例示的な実施形態を示す概略ブロック図である。環境300は、様々なシステムを含むことができ、それらのそれぞれは、1つまたは複数のネットワークを介して互いに接続され得る。システムはまた、例えばケーブルを使用して、直接接続を介して互いに接続されてもよい。図示のシステムは、FOシステム311、FCデータベース312、外部フロントエンドシステム313、サプライチェーン管理システム320、および1つまたは複数のユーザ端末330を含む。FOシステム311および外部フロントエンドシステム313は、設計、機能、または動作において、図1Aに関して上述したFOシステム113および外部フロントエンドシステム103と同様であってもよい。
FCデータベース312は、図2に関して上述したように、FC 200での様々な活動から生じる様々なデータを収集、発生、および/または生成する1つまたは複数のコンピュータシステムとして実装され得る。例えば、FCデータベース312で発生したデータは、とりわけ、特定のFC(例えば、FC 200)によって処理される全ての製品の製品識別子(例えば、在庫保管ユニット(SKU))、経時的な各製品の在庫レベル、ならびに各製品の在庫切れイベントの頻度および発生を含むことができる。
いくつかの実施形態では、FCデータベース312は、FC A~Cに関連するデータベースを表す、FC Aデータベース312A、FC Bデータベース312B、およびFC Cデータベース312Cを含むことができる。3つのFCおよび対応するFCデータベース312A~Cのみが図3に示されているが、その数は例示的なものに過ぎず、より多くのFCおよび対応する数のFCデータベースが存在する可能性がある。他の実施形態では、FCデータベース312は、全てのFCからのデータを収集および格納する集中型データベースであってもよい。FCデータベース312が個々のデータベース(例えば、312A~C)を含むか、または単一の集中型データベースを含むかにかかわらず、データベースはクラウドベースのデータベースまたはオンプレミスデータベースを含むことができる。また、いくつかの実施形態では、そのようなデータベースは、1つもしくは複数のハードディスクドライブ、1つもしくは複数のソリッドステートドライブ、または1つもしくは複数の非一時的メモリを含むことができる。
サプライチェーン管理システム(SCM)320は、設計、機能、または動作において、図1Aに関して上述したSCM 117と同様であってもよい。代替的または追加的に、SCM 320は、特定の製品の需要レベルを予測し、開示された実施形態と一致するプロセスで1つまたは複数の購入注文を生成するために、FOシステム311、FCデータベース312、および外部フロントエンドシステム313からのデータを集約するように構成され得る。
いくつかの実施形態では、SCM 320は、データサイエンスモジュール321と、アウトバウンドプロファイル生成器(OPG)322と、需要予測生成器323と、ターゲット在庫計画システム(TIP)324と、インバウンド優先順位付けおよび入れ替えシステム(IPS)325と、手動注文提出プラットフォーム326と、購入注文(PO)生成器327と、報告生成器328とを備える。
いくつかの実施形態では、SCM 320は、1つまたは複数のプロセッサと、1つまたは複数のメモリと、1つまたは複数の入出力(I/O)デバイスとを含んでもよい。SCM 320は、サーバ、汎用コンピュータ、メインフレームコンピュータ、グラフィカルプロセッシングユニット(GPU)などの専用コンピューティングデバイス、ラップトップ、またはこれらのコンピューティングデバイスの任意の組み合わせの形態をとることができる。これらの実施形態では、SCM 320の構成要素(すなわち、データサイエンスモジュール321、OPG 322、需要予測生成器323、TIP 324、IPS 325、手動注文提出プラットフォーム326、PO生成器327、および報告生成器328)は、1つまたは複数のメモリに格納された命令に基づいて1つまたは複数のプロセッサによって実行される1つまたは複数の機能ユニットとして実装されてもよい。SCM 320は、独立型システムであってもよいし、より大きなシステムの一部であってもよいサブシステムの一部であってもよい。
別法として、SCM 320の構成要素は、ネットワークを介して互いに通信する1つまたは複数のコンピュータシステムとして実装されてもよい。この実施形態では、1つまたは複数のコンピュータシステムの各々は、1つまたは複数のプロセッサ、1つまたは複数のメモリ(すなわち、非一時的コンピュータ可読媒体)、および1つまたは複数の入力/出力(I/O)デバイスを備えることができる。いくつかの実施形態では、1つまたは複数のコンピュータシステムの各々は、サーバ、汎用コンピュータ、メインフレームコンピュータ、GPUなどの専用コンピューティングデバイス、ラップトップ、またはこれらのコンピューティングデバイスの任意の組み合わせの形態をとることができる。
データサイエンスモジュール321は、いくつかの実施形態では、SCM 320の他の構成要素による使用のための様々なパラメータまたはモデルを決定するように構成された1つまたは複数のコンピューティングデバイスを含むことができる。例えば、データサイエンスモジュール321は、各製品の需要レベルを決定する需要予測生成器323によって使用される予測モデルを開発することができる。いくつかの実施形態では、データサイエンスモジュール321は、予測モデルを訓練し、将来の需要のレベルを予測するために、FOシステム311からの注文情報および外部フロントエンドシステム313からのグランスビュー(すなわち、製品のウェブページビューの数)を検索することができる。注文情報は、経時的に販売されたアイテム数、販売促進期間中に販売されたアイテム数、および一定期間中に販売されたアイテム数などの販売統計を含むことができる。データサイエンスモジュール321は、売上統計、グランスビュー、季節、曜日、今度の休日などのパラメータに基づいて予測モデルを訓練することができる。いくつかの実施形態では、データサイエンスモジュール321はまた、PO生成器327によって生成されたPOを介して注文された製品が注文されるときに、図2のインバウンドゾーン203からデータを受信することもできる。データサイエンスモジュール321は、そのようなデータを使用して、特定の供給者のフルフィルメント率(すなわち、注文された数量と比較して販売可能な状態で受信された製品の一部である)、推定リードタイムおよび出荷期間などの様々な供給者統計を決定することができる。データサイエンスモジュール321は、繰り返しまたは定期的に、FCデータベース312からデータを受信することができる。このデータは、例えば、データ、特定のFC(例えば、FC 200)によって取り扱われる全ての製品の製品識別子(例えば、SKU)、経時的な各製品の在庫レベル、ならびに各製品の在庫切れイベントの頻度および発生を含むことができる。次いで、OPG 322は、データサイエンスモジュール311によって受信されたパラメータに基づいて各FCのプロファイルを生成することができる。プロファイルを生成することは、いくつかの実施形態では、FCデータベースから受信したデータおよびパラメータを1つまたは複数のデータセットに集約することができ、プロファイルは1つまたは複数のデータセットからなる。
いくつかの実施形態では、FCデータベースは、FCの履歴在庫を格納するための履歴在庫データベースを含むことができる。例えば、履歴在庫データは、FCに現在および以前に格納された製品、製品が格納されてFCから出荷された時間、製品がFCに格納された期間、製品の価格、製品のブランドなどのうちの少なくとも1つを含むかまたは識別することができる。
需要予測生成器323は、いくつかの実施形態では、データサイエンスモジュール321によって開発された予測モデルを使用して特定の製品の需要レベルを予測するように構成された1つまたは複数のコンピューティングデバイスを含むことができる。より具体的には、予測モデルは、各製品の需要予測数量を出力することができ、需要予測数量は、所与の期間(例えば、1日)に1人または複数の顧客に販売されると予測される製品の特定の数量である。いくつかの実施形態では、需要予測生成器323は、所定の期間にわたる所与の期間ごとの需要予測数量(例えば、5週間の期間にわたる各日の需要予測数量)を出力することができる。各需要予測数量はまた、製品在庫レベルを最適化する際により柔軟性を提供するために、標準偏差数量(例えば、±5)または範囲(例えば、最大30および最小25)を含むことができる。
いくつかの実施形態では、OPG 322は、データサイエンスモジュール321によって開発されたモデルを使用して、システム内の各FC(例えば、FC A、FC B、FC C)のプロファイルを生成するように構成された1つまたは複数のコンピューティングデバイスを含むことができる。より具体的には、プロファイルモデルは、各FCについて、FCが指定された期間で受信することができるSKUの数量を表すインバウンド容量、FCが指定された期間で配送することができるSKUの数量を表すアウトバウンド容量、FCにおけるSKUの現在の在庫を表す数量、および各FCにおける現在注文されているSKUの数量を出力することができる。これらの特質は、1つまたは複数のSKUのインバウンドフローおよびアウトバウンドフローに関する各FCの容量を示すことができる各FCの動作を表す履歴データに基づくことができる。
ターゲット在庫計画(TIP)システム324は、いくつかの実施形態では、各製品の推奨注文数量を決定するように構成された1つまたは複数のコンピューティングデバイスを含むことができる。TIP 324は、最初に製品の予備発注数量を決定し、実際の制約を用いて予備発注数量を制約することによって推奨発注数量を決定することができる。
TIP 324は、需要予測生成器323から各製品の需要予測数量を受信することができる。いくつかの実施形態では、需要予測数量は、一方の次元では、SKUによって編成された数値、他方の次元では、所与の日に販売されると予測されるユニットの数の表の形態であり得る。表はまた、標準偏差、最大値、最小値、平均値などの需要予測数量の他のパラメータに当てられる追加の次元を含むことができる。別法として、需要予測数量は、SKUによって編成され、各パラメータ専用の複数の値の配列の形態をとることができる。同じデータを編成する他の適切な形態は、当技術分野で知られているように等しく適用可能であり、本発明の範囲内である。
いくつかの実施形態では、TIP 324は、データサイエンスモジュール321から、製品を供給する1人または複数の供給者の供給者統計データを受信することができる。供給者統計データは、各供給者に関連する情報(例えば、上記のフルフィルメント率)のセットを含むことができる。いくつかの実施形態では、各データセットが供給者によって供給される特定の製品に関連付けられている、特定の供給者についての供給者統計データの複数のセットが存在し得る。
TIP 324はまた、いくつかの実施形態では、OPG 322から、各SKUのインバウンド容量、アウトバウンド容量、現在の製品在庫レベル、および現在注文されている数量を含むプロファイルを受信することができる。現在の製品在庫レベルは、データ検索時の特定のSKUの瞬時カウントを指すことができ、現在注文されている数量は、過去に生成された1つまたは複数のPOを通して注文され、対応するFCへの配送を待っている特定の製品の合計数量を指すことができる。
TIP 324は、各製品の予備発注数量を決定し、パラメータの範囲に基づいて予備発注数量を減らすことによって、各製品の推奨発注数量を決定することができる。いくつかの実施形態では、特定の製品の予備発注数量は、その需要予測数量、補償期間、安全在庫期間、現在の在庫レベル、現在の発注数量、臨界比、およびケース数量のうちの少なくとも1つの関数であってもよい。例えば、TIP 324は、式(1)を用いて予備注文数量を決定することができる。
この数量から、製品Xの224ユニット、TIP 324は、現在の在庫レベル(例えば、60ユニット)および現在注文されている数量(例えば、40)を減算することができ、それにより124ユニットになる。次いで、この数は、事例数量で除算され、整数に切り上げられ、事例数量で再び乗算されることによって、事例数量の倍数(すなわち、箱またはパレット内のユニットの数など、製品が包装されるユニットの数)に切り上げられることができ、これは、この例では、事例数10を例として想定すると130ユニットになる。
いくつかの実施形態では、補償期間は、対応する供給者がPO生成日から製品を配送するのに要する可能性がある予想される時間長以上の所定の時間長であることができる。追加的または代替的に、TIP 324は、曜日、予想される遅延などの他の要因に基づいて補償期間を調整することもできる。さらに、安全在庫期間は、安全対策として予備発注数量を増加させるように設計された別の所定の時間長であってもよい。安全在庫期間は、需要の突然の増加または予期しない出荷遅延などの予期しないイベントの場合に在庫切れのリスクを低減することができる。いくつかの実施形態では、TIP 324は、補償期間に基づいて安全在庫期間を設定することができ、例えば、補償期間が1~3日である場合には0日間の安全在庫期間が追加され、補償期間が4~6日である場合には1日間が追加され、補償期間が7日間を超える場合には3日間が追加される。
上述した予備発注数量を決定する複雑なプロセスにもかかわらず、予備発注数量は、主に顧客の需要に基づいており、現実世界の制約を考慮していない可能性がある。したがって、製品在庫を最適化するために、このような制約を考慮するステップが望ましい。TIP 324は、いくつかの実施形態では、販売統計、現在の製品在庫レベル、および現在注文されている数量などのデータに基づいて、予備発注数量を微調整するように構成された規則のセットを使用して予備発注数量を調整することができる。結果として得られる数量、推奨注文数量は、PO生成器327に送信され得る。
さらに、IPS 325は、いくつかの実施形態では、各製品の人気度を決定し、決定された人気度に基づいて注文数量に優先順位を付け、優先順位付けされた注文数量を1つまたは複数のFC 200に分配するように構成された1つまたは複数のコンピューティングデバイスを含むことができる。
手動注文提出プラットフォーム326は、いくつかの実施形態では、1つまたは複数の手動注文のユーザ入力を受信するように構成された1つまたは複数のコンピューティングデバイスを含むことができる。手動注文提出プラットフォーム326は、図1Aの内部フロントエンドシステム105などの1つまたは複数のコンピューティングデバイスを介してユーザによってアクセス可能なユーザインターフェースを備えることができる。一態様において、手動注文は、ユーザが必要と考えることができ、予備発注数量、推奨注文数量、優先順位付け注文数量、または分配された注文数量の手動調整(例えば、特定の量だけ増加または減少する)を可能にすることができる特定の製品の追加の数量を含むことができる。別の態様では、手動注文は、SCM 320によって決定された注文数量の代わりに、内部ユーザによって決定されたように注文されるべき特定の製品の合計数量を含むことができる。これらのユーザが決定した発注数量をSCM生成発注数量と一致させる例示的なプロセスは、図5に関して以下でより詳細に説明される。さらに、ユーザは、いくつかの実施形態では、手動注文が特定のFCに割り当てられるように、特定のFCを受取場所として指定することができる。いくつかの実施形態では、手動注文提出プラットフォーム326を介して提出された注文数量の一部は、それらがTIP 324またはIPS 325によって調整されないように(すなわち、制約されている)、(例えば、注文数量の部分に関連するパラメータを更新することによって、)マークまたはフラグを付けることができる。
いくつかの実施形態では、手動注文提出プラットフォーム326が、アパッチHTTPサーバ、マイクロソフトインターネットインフォメーションサービス(IIS)、NGINX等のソフトウェアを実行する1つまたは複数のコンピュータとして実装され得る。他の実施形態では、手動注文提出プラットフォーム326は、1つまたは複数のユーザ端末330からユーザ入力を受信して処理し、受信したユーザ入力に応答を提供するように設計されたカスタムウェブサーバソフトウェアを実行することができる。
PO生成器327は、いくつかの実施形態では、IPS 325による分配の推奨注文数量または結果に基づいて、1つまたは複数の供給者へのPOを生成するように構成された1つまたは複数のコンピューティングデバイスを含むことができる。SCM 320は、この時点までに、追加の在庫を必要とする各製品および各FC 200の推奨注文数を決定しており、各製品は、特定の製品を調達または製造し、それを1つまたは複数のFCに出荷する1つまたは複数の供給者を有する。特定の供給者は、1つまたは複数の製品を供給することができ、特定の製品は、1つまたは複数の供給者によって供給されることができる。PO生成器327は、POを生成する際に、供給者に郵送またはファックスで送付する紙PO、または、供給者に送信する電子POを発行することができる。
報告生成器328は、いくつかの実施形態では、所定のプロトコルに応答して定期的に、または例えば図1Aのユーザ端末330または内部フロントエンドシステム105を介したユーザ入力に応答してオンデマンドでレポートを生成するように構成された1つまたは複数のコンピューティングデバイスを含むことができる。報告は、特定の製品の推奨注文数などの特定の情報を出力する単純なものから、履歴データの分析を必要とし、そのような情報をグラフに視覚化する複雑なものにまで及ぶことができる。より具体的には、報告生成器328は、SCM 320によって実行される調整の各ステップで注文数量が予測数量から最終数量にどのように変化したかなどの情報、各FC 200のリソースがどれだけ利用されたかの履歴、製品カテゴリ別の予測数量と最終数量の差(すなわち、現実世界の制限を説明するために、予測された量から低減されなければならなかった量)などを含むレポートを生成することができる。
いくつかの実施形態では、ユーザ端末330は、FC 200で作業しているユーザなどの内部ユーザが、手動注文提出プラットフォーム326または報告生成器328を介してSCM 320にアクセスすることを可能にするように構成された1つまたは複数のコンピューティングデバイスを含むことができる。ユーザ端末330は、パーソナルコンピュータ、携帯電話、スマートフォン、PDAなどのコンピューティングデバイスの任意の組み合わせを含むことができる。いくつかの実施形態では、内部ユーザは、ユーザ端末330を使用して、手動注文提出プラットフォーム326によって提供されるウェブインターフェースにアクセスして、1つまたは複数の手動注文を提出することができる。
図4は、1つまたは複数のFC(例えば、FC 200)のアウトバウンドプロファイルのインテリジェントな自動生成のための例示的なコンピュータ化されたプロセス400のフローチャートである。好ましい実施形態では、プロセス400は、OPG 322、TIP 324、またはIPS 325などのSCM 320の1つまたは複数の構成要素によって実行され得る。したがって、例として、プロセス400は、OPG 322によって実行されるものとして説明される。しかしながら、プロセス400またはその一部は、ネットワーク環境300全体によって、またはプロセスの少なくとも一部(例えば、1つまたは複数のプロセッサ、OPG 322、需要予測生成器323など)を実行することができる環境300の任意の構成要素によって実行され得る。
プロセス400はステップ401で開始され、OPG 322は、FCの容量を含むデータを受信するフルフィルメントセンタの容量を含むデータを受信することができる。FCの容量は、FCが保持することができる最大もしくは推定最大在庫量、または指定された期間にFCから出荷され得る製品の最大もしくは推定最大数を含むことができる。
ステップ401の後、プロセス400はステップ402に進むことができる。ステップ402で、OPG 322は、FCへの複数の到着製品に関連付けられた複数の製品識別子を受信することができる。例えば、顧客が注文を行うと、出荷場所、注文された製品、各FCでの各製品注文の入手可能性などの要因に基づいて、注文または注文内のアイテムを1つまたは複数のFCに割り当てることができる。割り当てられると、特定のFCへの注文またはアイテムの割り当ては、システム100内のデータベースに格納することができる(例えば、FCデータベース312)。したがって、いくつかの実施形態では、OPG 322は、各アイテムおよび関連する識別子の割り当てを受信することができ、どのアイテムが各FCに到着するかを示す。
ステップ402の後、プロセス400はステップ403に進むことができる。ステップ403において、OPG 322は、受信した製品識別子を使用して、FCで複数の製品のトランザクショナルログを収集および格納することができる。トランザクショナルログは、例えば、OPG 322によってアクセス可能なデータベース(例えば、FCデータベース312)に格納することができる。いくつかの実施形態では、トランザクショナルログは、FCに割り当てられた少なくとも1つの顧客注文、FCに割り当てられた到着製品、製品がFCで受け取られた時間、製品が保管された期間、製品がFCから出荷された時間、FCに入荷したブランドの数、FCから出荷されたトップブランド、FCでの製品の入手可能性、またはFCから出荷された異なるブランドの製品数のうちの少なくとも1つを含むことができる。これらのトランザクショナルログの収集および格納は、連続的または定期的に(例えば、1日1回または1週間に1回)行われ得る。
ステップ403の後、プロセス400はステップ404に進むことができる。ステップ404において、OPG 322は、製品識別子を使用してFCに格納された複数の製品の現在の在庫を決定することができる。OPG 322は、例えば、ステップ403に関して考察したトランザクショナルログを参照して、FCの在庫に残っている1つまたは複数の製品識別子に関連付けられた製品の量を決定することによって、この決定を行うことができる。
ステップ404の後、プロセス400はステップ405に進むことができる。ステップ405において、OPG 322は、機械学習アルゴリズムを使用して、トランザクショナルログおよび現在の在庫のうちの少なくとも一方を使用して、FCのアウトバウンドプロファイルを生成することができる。アウトバウンドプロファイルは、複数のカテゴリの製品の出荷製品の予想されるパーセンテージなど、FCのアウトバウンド容量および期待値に関する複数のメトリクスを含むことができる。カテゴリは、いくつかの実施形態では、FC、ブランド、トップ販売者、価格帯、または出荷場所における総在庫を含むことができる。いくつかの実施形態では、FCのアウトバウンドプロファイルは、FCからの特定の期間中の予想される出荷製品のパーセンテージではなく、数を含むことができる。特定の期間は、時間、日、週、月、または年など、任意の期間で設定および測定することができる。いくつかの実施形態では、履歴在庫データを使用して、今後のイベントについてアウトバウンドプロファイルを生成することができる。今後のイベントは、例えば、特定のアイテムが割引価格で顧客に販売される予想された販売であってもよい。今後のイベントは、売り上げが大幅に上昇または下降すると予想される予想期間(例えば、より多くの製品が休日期間中にギフトとして販売されることが予想され得る)であってもよい。
ステップ404を参照して上記に考察したように、OPG 322は、機械学習アルゴリズムを使用してアウトバウンドプロファイルを生成することができる。いくつかの実施形態では、アウトバウンドプロファイルは、強化アルゴリズムを使用して生成され得る。いくつかの実施形態では、これは、OPG 322が機械学習アルゴリズムによって生成された予測モデルを利用してプロファイルを生成する場合に起こり得る。いくつかの実施形態では、機械学習アルゴリズムは、予測モデルを生成するためにデータサイエンスモジュール321によって実行され得る。予測モデルを生成することは、トランザクショナルログデータを訓練データセットと検証データセットとに分割することであって、訓練データセットは検証データセットよりも多くのデータを有することと、訓練データセットに基づいて予測モデルを生成することとを含むことができる。例えば、トランザクショナルログは、データベース(例えば、FCデータベース312)から検索されることができ、トランザクショナルデータは、FCを介した以前の出力に関連する情報を示す。データサイエンスモジュール321は、予測モデルを生成するために、このデータのより大きな部分(すなわち、訓練データセット)を使用することができる。予測モデルは、線形回帰(例えば、Lasso回帰、Ridge回帰、Elastic Net回帰、Huber回帰、Passive Aggressive回帰、RANSAC回帰、SGD回帰など)、非線形回帰(例えば、K番目の最近傍、分類および回帰ツリー、SVM回帰など)、アンサンブル回帰(例えば、ADA、袋詰め、ランダムフォレスト、勾配ブースティングなど)、または電子要求情報と関連するFCとの間の関係を表すロジスティック回帰などの1つまたは複数の一般的な統計モデルの形式の式であってもよい。
データサイエンスモジュール321が予測モデルを生成した後、データサイエンスモジュールは、いくつかの実施形態では、検証データセットを使用して予測モデルを検証することができる。検証データセットは、予測モデルの生成に使用されなかったトランザクショナルログデータの少なくとも一部であってもよい。予測モデルを検証するために、データモジュール321は、検証データセット内の各電子要求について各FCのアウトバウンドプロファイルのセットを生成し、予測された関連するアウトバウンドプロファイルを実際のアウトバウンドデータFCと比較することができる。予測モデルは、例えば、所定の信頼閾値(例えば、モデルは、関連するFCの少なくとも95%を正しく予測した)を満たす場合に検証され得る。いくつかの実施形態では、検証は、予測モデルの性能を検証データセットと比較し、最も低い誤差(例えば、二乗平均平方根誤差)を有する予測モデルを選択することによって発生する可能性がある。予測モデルが検証された後、OPG 322は、モデルを受信および適用して、FCの少なくとも1つのアウトバウンドプロファイルを生成することができる。
いくつかの実施形態では、機械学習アルゴリズムは、報酬システムを使用して機械学習アルゴリズムを訓練することによって連続的または定期的に改善され得る。例えば、データサイエンスモジュール321は、生成された予測モデルがFCにおけるアウトバウンド出荷を高い確度まで予測する場合、「ポイント」をアルゴリズムに割り当てることができる。データサイエンスモジュール321は、同様の結果を再現し続けるように、所与の予測に対して受信する「ポイント」の量に基づいて機械学習アルゴリズムを調整または改善するように構成され得る。
いくつかの実施形態では、アウトバウンドプロファイルは、FCレベル、地域レベル、および国レベルで生成され得る。例えば、アウトバウンドプロファイルの生成は、FCを参照して考察された。しかしながら、いくつかの実施形態では、アウトバウンドプロファイルは、複数のFCを含む地域に対して生成され得る。上記に考察したように、アウトバウンドFCプロファイルは、FCのトランザクショナルログおよび在庫レベルを使用して生成され得る。ただし、これらのトランザクショナルログおよび在庫は、指定された地域のアウトバウンドプロファイルを決定するために地域レベルで集約されてもよいし、国全体のアウトバウンドプロファイルを生成するために国レベルで集約されてもよい。
ステップ405の後、プロセス400はステップ406に進むことができる。ステップ406において、システムは、アウトバウンドプロファイルをFCの実際のアウトバウンド容量と比較することによって、FCの生成されたアウトバウンドプロファイルを使用して、ネットワークアウトバウンドを管理する。このステップは、いくつかの実施形態では、TIP 324によって実行され得る。例えば、TIP 324は、各FCのアウトバウンドプロファイルをそれらの実際のアウトバウンド容量と比較することに基づいて、配送の遅延、アイテムの紛失などが生じる可能性があるので、それらの容量外の注文を実行するために割り当てられることを防止するために、いくつかの注文は異なるFCに割り当て、または再割り当てされなければならないと決定することができる。別の例では、TIP 324は、各FCのアウトバウンドプロファイルをそれらの実際のアウトバウンド容量と比較し、FCでの需要を満たすために予想されるアウトバウンドがFCのアウトバウンド容量を超え、したがって、需要を満たすためにFCのアウトバウンド容量を増加させるために追加のリソース、ストレージスペース、または作業者が必要であると決定することができる。この決定を行うと、TIP 324は、いくつかの実施形態では、FC容量を増加させるために追加のリソース、ストレージスペース、作業者などのうちの1つまたは複数が必要であるという通知をデバイスに表示させる命令をデバイス(例えば、WMS 119のデバイス119A、119B、および119C)に送信することができる。地域レベルまたは国レベルで、例えば、ネットワークアウトバウンドを管理することは、アウトバウンド容量を増加させるために新しいFCおよび/または倉庫を構築すべきかどうか、ならびにどこにそれらを構築すべきかを決定することを含むことができる。
ネットワークアウトバウンドを管理することはまた、各FCにターゲット在庫レベルを設定し、需要を満たすことができるように1つまたは複数のFCへの製品のインバウンド出荷を管理するなどの在庫計画を含むことができる。例えば、IPS 325は、FCプロファイルから導出された予想されるアウトバウンドレベルを満たすように設定されたターゲット在庫レベルを決定し、さらに、ターゲット在庫レベルに基づいて、所与のアイテムのうちのより多くのまたはより少ないものがインバウンドとしてFCに送信されるべきかどうかを決定することができる。
図5は、アウトバウンドプロファイルに基づいて在庫レベルを管理するために使用され得る例示的なプロセスおよび/または論理500のフローチャートを提供する。このプロセスは、例えば、IPS 325の1つまたは複数のプロセッサによって実行され得る。プロセス500は、IPS 325がアウトバウンドプロファイルに基づいて特定の製品のターゲット在庫を決定した後、ステップ501で開始することができる。次いで、ステップ502で、1つまたは複数のプロセッサは、FCにおける製品の現在の在庫がターゲット在庫に等しいかどうかを判定することができる。現在の在庫がターゲット在庫と「等しい」かどうかのこの判定は、いくつかの実施形態では、現在の在庫の正確な数量または絶対値が、ターゲット在庫の正確な数量または絶対値と一致することに基づくことができる。現在の在庫がターゲット在庫に等しい場合、そのときステップ503において、1つまたは複数のプロセッサは、FCにおける製品の現在の在庫を維持するための命令を送信する。1つまたは複数のプロセッサは、ステップ505で、FCにおける製品の現在のインバウンド数量がFCにおける製品のアウトバウンド数量に等しいかどうかをさらに判定することができる。そうである場合、ステップ506で、現在の在庫が一定に維持されるように、インバウンド数量を維持するために、1つまたは複数のプロセッサがデバイスに命令を送信することができる。そうでなければ、ステップ507で、1つまたは複数のプロセッサは、インバウンド量がアウトバウンド量に等しくなるようにインバウンド量を修正する命令を送信することができる。
別法として、ステップ502において、1つまたは複数のプロセッサは、現在の在庫がターゲット在庫に等しくないと決定することができる。この場合、OOSまたは過剰在庫を防止するために、ステップ504で、1つまたは複数のプロセッサは、FCにおける製品のインバウンド数量を修正するための命令をデバイスに送信することができる。例えば、現在の在庫がターゲット在庫よりも少ないと決定された場合、そのとき送信された命令は、インバウンド数量がアウトバウンド数量よりも多くなるように製品のインバウンド数量を修正することであり得る。対照的に、製品の現在の在庫がターゲット在庫よりも多い場合、命令は、インバウンド数量がアウトバウンド数量よりも少なくなるようにインバウンド数量を修正することであり得る。プロセスはステップ502に戻ることができ、現在の在庫は、ターゲット在庫に等しくなるまで調整され続けることができる。さらに、このプロセスはステップの順序として説明されているが、1つまたは複数のプロセッサは、上述の決定(例えば、ステップ502および505において)を連続的に行うことによって現在の在庫レベルを連続的に評価および修正するように構成され得る。プロセス500は、FCアウトバウンドプロファイルに基づいてFCにおけるインバウンド出荷数量を管理するものとして説明されているが、同じプロセスまたは同様のプロセスは、生成された地域および国のアウトバウンドプロファイルにそれぞれ基づいて地域エリアまたは国エリアへのインバウンド出荷数量を管理するために使用され得る。
本開示はその特定の実施形態を参照して示され、説明されてきたが、本開示は修正なしに、他の環境において実施され得ることが理解されるのであろう。前述の説明は、例示の目的で提示されている。これは、網羅的ではなく、開示された正確な形態または実施形態に限定されない。当業者には、開示された実施形態の明細書および実施を考慮することによって、修正および適合が明らかになるのであろう。さらに、開示された実施形態の態様はメモリに記憶されるものとして記載されているが、当業者はこれらの態様が二次記憶デバイス、例えば、ハードディスクまたはCD ROM、または他の形態のRAMまたはROM、USB媒体、DVD、ブルーレイ、または他の光学駆動媒体などの他のタイプのコンピュータ可読媒体に記憶されてもよいことを理解するのであろう。
記載された説明および開示された方法に基づくコンピュータプログラムは、熟練した開発者の技術の範囲内である。様々なプログラムまたはプログラムモジュールは当業者に知られている技法のいずれかを使用して作成することができ、または既存のソフトウェアに関連して設計することができる。例えば、プログラム・セクションまたはプログラムモジュールは、.Net Framework、.Net Compact Framework(およびVisual Basic、C などの関連言語)、Java、C++、Objective-C、HTML、HTML/AJAXの組み合わせ、XML、またはJavaアプレットを含むHTMLの中で、またはその手段によって設計することができる。
さらに、例示的な実施形態が本明細書で説明されてきたが、本開示に基づいて当業者によって理解されるように、同等の要素、修正、省略、組み合わせ(例えば、様々な実施形態にわたる態様の)、適応、および/または変更を有する任意のおよび全ての実施形態の範囲が可能である。クレームの限定はクレームに使用されている文言に広く基づいて解釈されるものとし、本明細書に記載されている例に限定されるものではなく、または出願手続中に解釈されるものとする。実施例は、非排他的であると解釈されるべきである。さらに、開示された方法のステップは、ステップを並べ替えること、および/またはステップを挿入または削除することを含む、任意の方法で修正されてもよい。したがって、本明細書および実施例は単に例示的なものとみなされ、真の範囲および精神は以下の特許請求の範囲およびそれらの均等物の全範囲によって示されることが意図される。
Claims (20)
- 自動化されたアウトバウンドプロファイルを生成するためのコンピュータ実装システムであって、
少なくとも1つのプロセッサと、
少なくとも1つのデータベースと、
命令を含むメモリと、を備え、
前記命令は、前記少なくとも1つのプロセッサによって実行されると、
フルフィルメントセンタ(FC)の容量を含むデータを受信することと、
前記FCへの複数の到着製品に関連付けられた複数の製品識別子を受信することと、
前記製品識別子を使用して、前記FCで前記複数の製品のトランザクショナルログを定期的に収集および格納することと、
前記製品識別子を使用して、前記FCで格納された前記複数の製品の現在の在庫を決定することと、
機械学習アルゴリズムを使用して、前記トランザクショナルログおよび前記現在の在庫の少なくとも1つを使用して前記FCのアウトバウンドプロファイルを生成することであって、前記アウトバウンドプロファイルが、複数のカテゴリの製品の出荷製品の予想されるパーセンテージを含む、ことと、
前記FCの前記生成されたアウトバウンドプロファイルを使用して、前記アウトバウンドプロファイルを前記FCの実際のアウトバウンド容量と比較することによって、ネットワークアウトバウンドを管理することと、
を含むステップを実行する、コンピュータ実装システム。 - トランザクショナルログが、
前記FCに割り当てられた少なくとも1つの顧客注文、
前記FCに割り当てられた到着製品、
前記製品が前記FCで受け取られた時間、
前記製品が保管された期間、
前記製品が前記FCから出荷された時間、
前記FCに入荷したブランド数、
前記FCから出荷されたトップブランド、
前記FCでの製品の入手可能性、または、
前記FCから出荷された異なるブランドの製品数のうちの少なくとも1つを含む、請求項1に記載のコンピュータ実装システム。 - 前記FCの前記アウトバウンドプロファイルは、前記FCからの特定の期間中のいくつかの予想される出荷製品をさらに含む、請求項1に記載のコンピュータ実装システム。
- 前記特定の期間は、日、月、または年のうちの少なくとも1つで測定され得る、請求項3に記載のコンピュータ実装システム。
- 製品のカテゴリは、前記FCにおける総在庫、ブランド、トップ販売者、価格帯、または出荷場所のうちの少なくとも1つを含む、請求項1に記載のコンピュータ実装システム。
- 前記命令が、FCレベル、地域レベル、および国レベルでアウトバウンドプロファイルを生成することをさらに含む、請求項1に記載のコンピュータ実装システム。
- 前記命令が、前記トランザクショナルログに格納された情報に基づいて、前記アウトバウンドプロファイルを定期的に更新するように、前記機械学習アルゴリズムを訓練することをさらに含む、請求項1に記載のコンピュータ実装システム。
- 前記データベースが、前記FCの履歴在庫データを格納する履歴在庫データベースを含み、
前記履歴在庫データは、少なくとも、前記FCに格納された製品、前記製品が前記FCから格納および出荷された時間、前記製品が前記FCに格納された期間、前記製品の価格、および前記製品のブランドを識別する、請求項1に記載のコンピュータ実装システム。 - 前記アウトバウンドプロファイルは、前記履歴在庫データを使用して、今後のイベントについて生成される、請求項8に記載のコンピュータ実装システム。
- アウトバウンドプロファイルを生成することが、
複数のFCからの複数のトランザクショナルログおよび現在の在庫をデータベースに格納することであって、前記複数のトランザクショナルログおよび現在の在庫がトランザクショナルデータを含む、ことと、
トランザクショナルデータを訓練データセットおよび検証データセットに分割することであって、前記訓練データセットが前記検証データセットよりも多くのデータを有する、ことと、
機械学習アルゴリズムを使用して、前記訓練データセットに基づいて予測モデルを生成することと、
前記検証データセットを使用して前記予測モデルを検証することと、
前記予測モデルを前記関連するトランザクショナルログおよび現在の在庫に適用することによって、前記FCの前記アウトバウンドプロファイルを生成することと、
を含む、請求項1に記載のコンピュータ実装システム。 - 自動化されたアウトバウンドプロファイルを生成するためのコンピュータ実装方法であって、
フルフィルメントセンタ(FC)の容量を含むデータを受信することと、
前記FCへの全ての到着製品に関連付けられた製品識別子を受信するステップと、
前記製品識別子を使用して、前記FCで全ての製品ごとにトランザクショナルログを定期的に収集および格納することと、
前記FCの履歴トランザクショナルログを検索することと、
前記製品識別子を使用して、前記FCで全ての製品の現在の在庫を決定することと、
機械学習アルゴリズムを使用して、前記トランザクショナルログおよび前記現在の在庫のうちの少なくとも1つを使用して、前記FCのアウトバウンドプロファイルを生成することと、
を含む、コンピュータ実装方法。 - トランザクショナルログが、
前記FCに割り当てられた少なくとも1つの顧客注文、
前記FCに割り当てられた到着製品、
全ての製品が前記FCで受け取られた時間、
全ての製品が保管された期間、
全ての製品が前記FCから出荷された時間、
前記FCに入荷したブランド数、
前記FCから出荷されたトップブランド、
前記FCでの製品の入手可能性、および
前記FCから出荷された異なるブランドの製品数のうちの少なくとも1つを含む、請求項11に記載のコンピュータ実装方法。 - 前記FCの前記アウトバウンドプロファイルは、前記FCからの特定の期間中のいくつかの予想される出荷製品を含む、請求項11に記載のコンピュータ実装方法。
- 前記特定の期間は、日、月、または年のうちの少なくとも1つで測定され得る、請求項11に記載のコンピュータ実装方法。
- 予想される出荷製品の数が、前記FCにおける総在庫、ブランド、トップ販売者、価格帯、および出荷場所のうちの少なくとも1つに基づく、請求項13に記載のコンピュータ実装方法。
- FCレベル、地域レベル、および国レベルでアウトバウンドプロファイルを生成することをさらに含む、請求項11に記載のコンピュータ実装方法。
- 前記トランザクショナルログに格納された情報に基づいて、前記アウトバウンドプロファイルを定期的に更新するように前記機械学習アルゴリズムを訓練することをさらに含む、請求項11に記載のコンピュータ実装方法。
- 前記FCの履歴在庫データを格納することをさらに含み、
前記履歴在庫データが、少なくとも、前記FCに格納された製品、前記製品が前記FCから格納および出荷された時間、前記製品が前記FCに格納された期間、前記製品の価格、ならびに前記製品のブランドを識別する、請求項11に記載のコンピュータ実装方法。 - 前記アウトバウンドプロファイルは、前記履歴在庫データを使用して、今後のイベントについて生成される、請求項18に記載のコンピュータ実装方法。
- 複数の自動化されたアウトバウンドプロファイルを生成するためのコンピュータ実装システムであって、
少なくとも1つのプロセッサと、
少なくとも1つのデータベースと、
命令を含むメモリと、を備え、
前記命令は、前記少なくとも1つのプロセッサによって実行されると、
フルフィルメントセンタ(FC)の容量を含むデータを受信することと、
前記FCへの複数の到着製品に関連付けられた複数の製品識別子を受信することと、
前記製品識別子を使用して、前記FCで前記複数の製品のトランザクショナルログを定期的に収集および格納することと、
前記製品識別子を使用して、前記FCで格納された前記複数の製品の現在の在庫を決定することと、
複数のトランザクショナルログおよび複数のFCからの現在の在庫をデータベースに格納することであって、前記複数のトランザクショナルログおよび現在の在庫がトランザクショナルデータを含む、ことと、
トランザクショナルデータを訓練データセットおよび検証データセットに分割することであって、前記訓練データセットが前記検証データセットよりも多くのデータを有する、ことと、
機械学習アルゴリズムを使用して、前記訓練データセットに基づいて予測モデルを生成することと、
前記検証データセットを使用して、前記予測モデルを検証することと、
前記予測モデルを前記関連するトランザクショナルログおよび現在の在庫に適用することによって、前記FCの前記アウトバウンドプロファイルを生成することであって、前記アウトバウンドプロファイルが、複数のカテゴリの製品の出荷製品の予想されるパーセンテージを含む、ことと、
前記FCの前記生成されたアウトバウンドプロファイルを使用して、前記アウトバウンドプロファイルを前記FCの実際のアウトバウンド容量と比較することによって、ネットワークアウトバウンドを管理することと、
を含むステップを実行する、コンピュータ実装システム。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US16/842,302 US10796279B1 (en) | 2020-04-07 | 2020-04-07 | Systems and methods for automated outbound profile generation |
US16/842,302 | 2020-04-07 | ||
PCT/IB2020/062348 WO2021205224A1 (en) | 2020-04-07 | 2020-12-22 | Systems and methods for automated outbound profile generation |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2023520086A true JP2023520086A (ja) | 2023-05-16 |
Family
ID=72664002
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2021526522A Pending JP2023520086A (ja) | 2020-04-07 | 2020-12-22 | 自動化されたアウトバウンドプロファイル生成のためのシステムおよび方法 |
Country Status (6)
Country | Link |
---|---|
US (2) | US10796279B1 (ja) |
JP (1) | JP2023520086A (ja) |
KR (2) | KR102354795B1 (ja) |
SG (1) | SG11202104714QA (ja) |
TW (2) | TWI759025B (ja) |
WO (1) | WO2021205224A1 (ja) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10796279B1 (en) | 2020-04-07 | 2020-10-06 | Coupang Corp. | Systems and methods for automated outbound profile generation |
US11250380B2 (en) * | 2020-07-17 | 2022-02-15 | Coupang Corp. | Computer-implemented systems and methods for optimization of a product inventory by intelligent distribution of inbound products using product assignment validation |
US11379865B2 (en) * | 2020-07-17 | 2022-07-05 | Sap Se | Machine learned models for item price planning |
US11481858B2 (en) * | 2020-09-21 | 2022-10-25 | Walmart Apollo, Llc | Peak period network capacity planning |
CN115953115B (zh) * | 2023-03-10 | 2023-05-26 | 陕西物流集团产业研究院有限公司 | 一种仓库的出库自动化推荐***及方法 |
Family Cites Families (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP3767954B2 (ja) * | 1996-11-07 | 2006-04-19 | 富士通株式会社 | 需要予測装置 |
US20020077929A1 (en) * | 2000-05-05 | 2002-06-20 | Knorr Yolanda Denise | Event driven shopping method utilizing electronic e-commerce order pending |
KR100782921B1 (ko) * | 2005-12-23 | 2007-12-07 | 주식회사농심 | 재고 관리 효율화를 위한 공급망 관리 시스템 |
KR100932262B1 (ko) | 2007-09-28 | 2009-12-16 | 한국전자통신연구원 | 물류 센터의 운영 관리 시스템 및 그 방법 |
KR101694514B1 (ko) | 2009-09-07 | 2017-01-10 | 한국전자통신연구원 | 물류 운영 계획 시스템 및 방법 |
US20130268312A1 (en) * | 2012-04-10 | 2013-10-10 | Verizon Patent And Licensing Inc. | Digital Asset Management Protocol |
WO2015059750A1 (ja) * | 2013-10-21 | 2015-04-30 | 株式会社日立製作所 | 物流計画装置、物流計画生成プログラム及び記憶媒体 |
US20150134382A1 (en) * | 2013-11-13 | 2015-05-14 | Microsoft Corporation | Interactive visualization of workloads |
KR101778758B1 (ko) | 2015-11-20 | 2017-09-14 | 쿠팡 주식회사 | 창고 관리 시스템, 방법, 및 컴퓨터 프로그램 |
US10832194B2 (en) * | 2016-05-10 | 2020-11-10 | International Business Machines Corporation | System and method for setting inventory thresholds for offering and fulfillment across retail supply networks |
KR20180079995A (ko) * | 2017-01-03 | 2018-07-11 | 주식회사 데일리인텔리전스 | 머신러닝을 기반으로 데이터를 분석하는 프로그램을 생성하기 위한 방법 |
JP2019016035A (ja) * | 2017-07-04 | 2019-01-31 | メトロエンジン株式会社 | 客室料金設定装置、客室料金設定方法、およびプログラム |
CN109840648B (zh) * | 2017-11-27 | 2021-01-26 | 北京京东振世信息技术有限公司 | 用于输出储位信息的方法和装置 |
JP2019145088A (ja) | 2017-12-29 | 2019-08-29 | ゴゴロ インク | 交換可能エネルギー貯蔵装置ステーション間でエネルギーを動的に配分するためのシステムおよび方法 |
CN109284856B (zh) | 2018-07-25 | 2022-06-07 | 顺丰科技有限公司 | 一种快递包材物料需求预测方法、装置及设备、存储介质 |
CN109784806B (zh) | 2018-12-27 | 2023-09-19 | 北京航天智造科技发展有限公司 | 供应链控制方法、***以及存储介质 |
US20200320474A1 (en) | 2019-04-02 | 2020-10-08 | Coupang Corp. | Computerized systems and methods for buffered inventory management |
US10504061B1 (en) | 2019-04-10 | 2019-12-10 | Coupang, Corporation | Systems and methods for machine-learning assisted inventory placement |
US10796279B1 (en) | 2020-04-07 | 2020-10-06 | Coupang Corp. | Systems and methods for automated outbound profile generation |
-
2020
- 2020-04-07 US US16/842,302 patent/US10796279B1/en active Active
- 2020-07-10 KR KR1020200085557A patent/KR102354795B1/ko active IP Right Grant
- 2020-09-04 US US17/012,482 patent/US11526845B2/en active Active
- 2020-12-22 TW TW109145506A patent/TWI759025B/zh active
- 2020-12-22 WO PCT/IB2020/062348 patent/WO2021205224A1/en active Application Filing
- 2020-12-22 JP JP2021526522A patent/JP2023520086A/ja active Pending
- 2020-12-22 SG SG11202104714QA patent/SG11202104714QA/en unknown
- 2020-12-22 TW TW111105606A patent/TWI777897B/zh active
-
2022
- 2022-01-19 KR KR1020220007722A patent/KR102445716B1/ko active IP Right Grant
Also Published As
Publication number | Publication date |
---|---|
US10796279B1 (en) | 2020-10-06 |
KR102354795B1 (ko) | 2022-02-07 |
TW202139090A (zh) | 2021-10-16 |
US11526845B2 (en) | 2022-12-13 |
KR20220016235A (ko) | 2022-02-08 |
KR102445716B1 (ko) | 2022-09-22 |
WO2021205224A1 (en) | 2021-10-14 |
TWI759025B (zh) | 2022-03-21 |
SG11202104714QA (en) | 2021-11-29 |
KR20210124869A (ko) | 2021-10-15 |
TW202221594A (zh) | 2022-06-01 |
TWI777897B (zh) | 2022-09-11 |
US20210312378A1 (en) | 2021-10-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
TWI751646B (zh) | 用於智慧生成採購訂單的電腦實施系統及方法 | |
US20210110461A1 (en) | Systems and methods for optimization of a product inventory by intelligent adjustment of inbound purchase orders | |
KR102445716B1 (ko) | 자동화된 아웃바운드 프로파일 생성을 위한 시스템 및 방법 | |
TWI813080B (zh) | 用於產品的智能化分配的電腦實施系統及電腦實施方法 | |
KR102515834B1 (ko) | 사이클 및 안전 재고 결정 시스템 | |
KR102575630B1 (ko) | 인공 지능(ai) 기반 인바운드 계획 생성을 위한 컴퓨터-구현 시스템 및 방법 | |
KR20220139265A (ko) | 제품 할당 검증을 이용한 인바운드 제품의 지능적 분배에 의해 제품 재고를 최적화하는 컴퓨터 구현 시스템 및 방법 |