KR102468339B1 - 이행 센터들의 계층구조로부터의 전자 상거래 주문을 이행하는 시스템 및 방법 - Google Patents

이행 센터들의 계층구조로부터의 전자 상거래 주문을 이행하는 시스템 및 방법 Download PDF

Info

Publication number
KR102468339B1
KR102468339B1 KR1020177014165A KR20177014165A KR102468339B1 KR 102468339 B1 KR102468339 B1 KR 102468339B1 KR 1020177014165 A KR1020177014165 A KR 1020177014165A KR 20177014165 A KR20177014165 A KR 20177014165A KR 102468339 B1 KR102468339 B1 KR 102468339B1
Authority
KR
South Korea
Prior art keywords
fulfillment
delete delete
cost
order
fulfillment center
Prior art date
Application number
KR1020177014165A
Other languages
English (en)
Other versions
KR20170078722A (ko
Inventor
스베르커 린드보
제임스 와디러브
앤디 잉그람-테드
티모시 디톤 스타이너
데이비드 샤프
에반 이니스
Original Assignee
오카도 이노베이션 리미티드
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Family has litigation
First worldwide family litigation filed litigation Critical https://patents.darts-ip.com/?family=52118577&utm_source=***_patent&utm_medium=platform_link&utm_campaign=public_patent_search&patent=KR102468339(B1) "Global patent litigation dataset” by Darts-ip is licensed under a Creative Commons Attribution 4.0 International License.
Application filed by 오카도 이노베이션 리미티드 filed Critical 오카도 이노베이션 리미티드
Priority to KR1020227039807A priority Critical patent/KR20220158848A/ko
Publication of KR20170078722A publication Critical patent/KR20170078722A/ko
Application granted granted Critical
Publication of KR102468339B1 publication Critical patent/KR102468339B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
    • 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
    • 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
    • G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
    • G06Q10/083—Shipping
    • G06Q10/0832—Special goods or special handling procedures, e.g. handling of hazardous or fragile goods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
    • G06Q10/083—Shipping
    • G06Q10/0834—Choice of carriers
    • G06Q10/08345—Pricing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/06—Buying, selling or leasing transactions
    • G06Q30/0601—Electronic shopping [e-shopping]
    • G06Q30/0621—Item configuration or customization
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/06—Buying, selling or leasing transactions
    • G06Q30/0601—Electronic shopping [e-shopping]
    • G06Q30/0633—Lists, e.g. purchase orders, compilation or processing
    • G06Q30/0635—Processing of requisition or of purchase orders

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Human Resources & Organizations (AREA)
  • General Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Development Economics (AREA)
  • Marketing (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Finance (AREA)
  • Accounting & Taxation (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Operations Research (AREA)
  • Tourism & Hospitality (AREA)
  • Quality & Reliability (AREA)
  • Game Theory and Decision Science (AREA)
  • Educational Administration (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

고객 주문을 이행하도록 각각 구성되는 대형 이행 센터 및 소형 이행 센터를 포함하는 복수 개의 이행 센터를 운영하는 방법이 개시된다. 제 1 제품 및 제 2 제품은 상기 대형 이행 센터에서 수납된다. 상기 대형 이행 센터에서, 컨테이너 내로 패킹될 원하는 양의 제 1 및 제 2 제품이 피킹되는데(picked), 원하는 양은: 상기 대형 이행 센터 또는 소형 이행 센터에서 이행될, 적어도 한 명의 고객에 의해 주문된 양, 및 상기 소형 이행 센터에서 이행될, 적어도 한 명의 고객에 의해 주문될 것으로 예측된 양을 포함한다. 상보적인 시스템도 역시 개시된다.

Description

이행 센터들의 계층구조로부터의 전자 상거래 주문을 이행하는 시스템 및 방법{SYSTEM AND METHOD FOR FULFILLING E-COMMERCE ORDERS FROM A HIERARCHY OF FULFILMENT CENTRES}
본 명세서에서 설명되는 실시예는 일반적으로 전자 상거래에 관한 것이고, 특히 이행 센터의 계층구조로부터의 주문을 이행하기 위한 시스템 및 방법에 관한 것이다.
고객이 배달되도록 제품을 전자적인 방식으로 주문하게 하는 전자 상거래 솔루션들이 다양한 제품에 대해 존재한다.
몇 가지 전자 상거래 솔루션들은 오프라인(brick-and-mortar) 상점에서부터 작동된다. 예를 들어, 몇 가지 경우에, 주문을 실행하는 작업자들은 배달할 주문된 아이템을 고르기 위해 일반 고객들 사이에서 오프라인 상점에서 카트를 밀고 다닌다.
그러나, 이러한 접근법의 문제점에는: (i) 골라내고 배송하는 비용이 상점을 운영하기 위한 다른 비용에 추가된다는 사실에 기인한 높은 비용; (ii) 작업자가 일반 고객들과 함께 공간을 좁은 공간을 차지하게 될 수 있다는 것; (iii) 예를 들어 이용가능성 정보를 제공하기 위해서 재고 수준을 관리하는 어려움; 및 (iv) 예를 들어 만료일/유효일을 모니터링하여 변질성 아이템을 관리하는 어려움 등이 있다.
예를 들어, 이용가능성 정보를 제공하는 것과 관련해서는, 일반 고객은 작업자가 마지막 아이템을 고를 수 있게 되기 전에 그 아이템을 고를 수 있다; 그리고 만료일/유효일을 모니터링하는 것과 관련해서는, 일부 일반 고객들이 "선반 뒷부분(back of the shelf)"에서 그들의 아이템을 선택할 수 있다. 이러한 이벤트는 예측할 수 없게 발생할 수 있다.
다른 전자 상거래 솔루션들은 전용 주문 이행 센터로부터 작동된다. 몇 가지 경우에, 이러한 주문 이행 센터는 종래의 오프라인 상점과 거의 같은 크기일 수 있다. 이러한 주문 이행 센터는 "다크 상점(dark store)"이라고 불릴 수 있다. 다른 경우, 훨씬 더 큰 주문 이행 센터가 사용될 수 있다. 주문 이행 센터가 이처럼 커지면 고객에게 제공될 수 있는 상품의 거리가 증가될 수 있다. 그러나, 이처럼 큰 주문 이행 센터의 한 가지 장점은 통상적으로 이러한 상점들은 숫자가 적다는 것이다. 그러므로, 각각의 센터가 더 많은 수의 고객에게 서비스를 제공하게 되고, 각각의 고객까지의 평균 거리가 더 커진다. 운송 시간과 비용이 이에 비례하여 더 길어지고 더 높아진다.
따라서, 종래의 전자 상거래 시스템에는 통상적으로 주문의 이행과 관련된 파라미터들, 예컨대, 예를 들어 거리, 편의성, 및 비용 사이의 트레이드-오프가 필요하다.
본 발명의 몇 가지 실시예는 언급된 문제점 중 일부를 다룰 수 있고, 언급된 트레이드-오프들 중 일부를 피할 수 있다. 본 발명의 일부 실시예는 주문의 이행과 연관된 하나 이상의 파라미터, 예컨대, 예를 들어 거리, 비용 및 편의성을 개선하는 시스템 및 방법에 관한 것이다.
다양한 추가적 양태에서, 본 발명은 이러한 시스템, 디바이스, 및 방법을 구현하기 위한, 대응하는 시스템, 방법 및 디바이스, 및 머신-실행가능 코딩된 명령 세트와 같은 논리 구조를 제공한다.
본 발명에 따르면, 고객 주문을 이행하도록 각각 구성되는 대형 이행 센터 및 소형 이행 센터를 포함하는 복수 개의 이행 센터를 운영하는 방법으로서, 상기 대형 이행 센터에서, 제 1 제품 및 제 2 제품을 수납하는 단계; 및 상기 대형 이행 센터에서, 컨테이너 내로 패킹할 원하는 양의 제 1 및 제 2 제품을 피킹(picking)하는 단계를 포함하고, 상기 원하는 양은: 상기 대형 이행 센터 또는 소형 이행 센터에서 이행될, 적어도 한 명의 고객에 의해 주문된 양; 및 상기 소형 이행 센터에서 이행될, 적어도 한 명의 고객에 의해 주문될 것으로 예측된 양을 포함하며, 상기 방법은, 상기 대형 이행 센터에서, 상기 제 1 제품을 제 1 컨테이너 내에 저장하는 단계; 및 상기 대형 이행 센터에서, 상기 제 2 제품을 제 2 컨테이너 내에 저장하는 단계를 더 포함하고, 상기 제 1 및 제 2 컨테이너 각각은 하나 이상의 미리 결정된 크기를 가지는 표준화된 컨테이너들의 세트로부터 선택되는, 이행 센터 운영 방법이 제공된다.
다른 양태에서, 대형 이행 센터 및 소형 이행 센터를 포함하는 복수 개의 이행 센터로부터의 이행될 주문을 처리하기 위한 시스템이 제공된다. 이러한 시스템은 옵션 선택 모듈을 포함하고, 상기 옵션 선택 모듈은, 주문을 수신하는 것, 상기 대형 이행 센터 및 소형 이행 센터 중 적어도 하나를 통해 상기 주문을 이행하기 위한 적어도 두 개의 잠재적 옵션을 식별하는 것, 비용 함수를 최적화함으로써 상기 적어도 두 개의 잠재적 옵션 중 하나의 옵션을 선택하는 것, 및 상기 주문을 이행하기 위해서 선택된 옵션을 하나 이상의 물류 시스템으로 통신하는 것을 위해 구성되는 프로세서를 포함한다.
이러한 관점에서, 발명의 적어도 하나의 실시예를 자세하게 설명하기 이전에, 본 발명이 후속하는 상세한 설명에서 진술되거나 도면에 표시된 구성요소들의 디자인 및 배치구성의 세부사항에만 적용되는 것으로 한정되지 않는다는 것이 이해되어야 한다. 본 발명은 다른 실시예도 구현할 수 있고, 다양한 방법으로 실시되고 실행될 수 있다. 또한, 본 명세서에서 채용된 어법 및 용어는 설명하기 위한 목적을 위한 것이라는 것이 이해되어야 하고 한정하는 것으로 간주되어서는 안 된다.
도면에서, 본 발명의 실시예들은 예시적으로 설명된다. 상세한 설명 및 도면은 오직 예시를 위하고 이해를 돕기 위한 것이고, 본 발명의 한계를 정의하는 것으로 의도되지 않는다.
이제 실시예들이 오직 예시적으로 첨부 도면을 참조하여 설명될 것이다:
도 1 은 일부 실시예에 따르는 물류 배치의 블록 개략도이다.
도 2 는 일부 실시예에 따르는, 다수 개의 소형 이행 센터에 연결된 대형 이행 센터의 개략도이다.
도 3 은 일부 실시예에 따르는, 제품 피킹 능력을 가지는 대형 이행 센터의 개략도이다.
도 4 는 일부 실시예에 따르는 이행 결정 지원 시스템의 개략도이다.
도 5, 도 9 및 도 10 은 일부 실시예에 따르는, 고객 주문의 이행 시에 다양한 물류 옵션을 제공할 수 있는, 상이한 타입의 이행 센터 및/또는 픽업 포인트를 가지는 계층관계의 다양한 배치를 나타내는 개략도이다.
도 6 은 일부 실시예에 따르는, 고객이 할 수 있는 결정을 보여주는 흐름도이다.
도 7 은 일부 실시예에 따르는, 고객의 주문을 이행할 때에 수행될 수 있는 단계들을 보여주는 흐름도이다.
도 8 은 일부 실시예에 따르는, 총이행비용을 계산할 때에 수행될 수 있는 몇 가지 예시적인 단계들을 보여주는 흐름도이다.
도 11 은 일부 실시예에 따르는 노동력 최적화 서브시스템에 의해 이용될 수 있는 샘플 작업흐름이다.
도 12 는 일부 실시예에 따르는 능력(capacity) 최적화 서브시스템에 의해 이용될 수 있는 샘플 작업흐름이다.
도 13 은 일부 실시예에 따르는 재고 운송비 최적화 서브시스템에 의해 이용될 수 있는 샘플 작업흐름이다.
도 14 는 일부 실시예에 따르는 유통비 최적화 서브시스템에 의해 이용될 수 있는 샘플 작업흐름이다.
도 15 는 전술된 바와 같은 하나 이상의 실시예를 구현하기 위한 플랫폼을 제공하도록 구성될 수 있는 컴퓨터 디바이스, 및 연관된 통신 네트워크, 디바이스, 소프트웨어 및 펌웨어를 예시하는 개략도이다.
본 발명의 실시예를 구현하는 데에 사용되기에 적합한 방법, 시스템, 및 장치가 도면을 참조하여 설명된다.
후속하는 설명은 본 발명의 기술 요지의 많은 예시적인 실시예들을 제공한다. 비록 각각의 실시예가 진보적인 요소의 단일 조합만을 나타낸다고 해도, 본 발명의 기술 요지는 개시된 요소들의 가능한 모든 조합을 포함하는 것으로 간주된다. 따라서, 어떤 실시예가 A, B, 및 C라는 요소를 포함하고, 제 2 실시예가 B 및 D의 요소를 포함한다면, 명백하게 개시되지 않더라도 본 발명의 기술 요지 도 A, B, C, 또는 D의 다른 잔여 조합을 포함하는 것으로 간주된다.
일 양태에서, 본 발명은 이행 센터의 계층구조로부터의 주문을 이행하기 위한 방법, 시스템 및/또는 컴퓨터 프로그램 제품을 제공한다. 이러한 방법 및 시스템 중 몇 가지 실시예를 위해서는 전자적 수단 및/또는 컴퓨터-관련 수단을 수반하는 전체 또는 부분적인 구현형태가 필요하며, 요구하며, 구현형태는 실무상 온전히 수동적 단계, 정신적인 단계, 또는 다른 구현되지 않은 단계들을 통해서는 수행될 수 없다.
몇 가지 실시예들에서, 시스템은 주문이 이행될 수 있는 이행 센터의 계층구조와 연관되어 제공될 수 있다. 이행 센터의 다양한 계층이 존재할 수 있으며, 이들 중 일부는 상이한 크기, 동작 특성, 물류 채널 등을 가질 수 있다.
이행 센터의 계층구조는 하나 이상의 대형 이행 센터를 포함할 수 있다. 몇 가지 실시예들에서, 대형 이행 센터는 오프라인 상점보다 20 내지 40 배 더 클 수 있고, "다크 상점(dark store)"보다 적어도 10 배 더 클 수 있다. 대형 이행 센터는 장점들이 있다. 예를 들어, 대형 이행 센터는 더 넓은 범위의 상품을 보유할 수 있고, 규모가 크기 때문에 자동화하는 것이 용이할 수 있다. 또한, 대형 이행 센터는 제조사 및 처리 공장으로부터 자주 물건을 공급받도록 충분한 양을 처리할 수 있고, 따라서 종래의 공급 체인에서 비용이 높고 시간이 많이 드는 단계를 거치지 않을 수 있다.
이행 센터의 계층구조는 다수의 더 소형 이행 센터들을 포함할 수도 있다. 소형 이행 센터는 고객에 더 가까이 위치할 수 있고, 따라서 짧은 주문 조달 시간(lead time)을 제공할 수 있다. 이행 센터가 충분히 가까우면, 고객은 이행 센터로부터 직접적으로 주문을 수집할 수 있다.
이행 센터의 계층구조는 고객 픽업 포인트, 차량 재선적 포인트 등의 또 다른 타입의 센터를 포함할 수도 있다.
본 명세서에서 개시된 시스템의 실시예는, 대형 이행 센터의 높은 생산성과 자본 효율을 소형 이행 센터의 근접성과 짧은 조달 시간과 결합하도록 구성되고 그러한 방식으로 작동될 수 있다.
이러한 시스템은 종래의 접근법과 비교해서 주문을 이행하는 것이 개선되도록 하는(예를 들어 더 효율적이고, 더 시기적절하며, 비용-효과가 더 높은 등) 다양한 크기의 이행 센터의 조합을 제공하도록 구성될 수 있다.
예를 들어, 시스템은 간결한 원칙, 적시 (just-in-time) 재고 제어 등이 가능하도록 구성될 수 있다. 시스템은 예컨대 인건비, 배달비, 능력비, 기회 비용 등과 같은 다양한 인자와 연관된 비용의 최적화에 기초하여, 물류 결정 지원을 제공하고 및/또는 자동적으로 물류 조치를 수행하도록 구성될 수 있다.
몇 가지 실시예들에서, 시스템은 물류 결정 지원을 제공하고 및/또는 물류 조치를 예측하는 방식으로 수행하도록 구성될 수도 있다. 예를 들어 주문의 총수 및 특정한 상품에 대해 기대되는 고객 수요를 나타내는 데이터가 주어지면, 주문의 수가 예측될 수 있고, 예측된 주문은 특정 이행 센터(예를 들어 소형 이행 센터)로부터 더 효과적으로 이행되도록 결정될 수 있다. 그러한 상품들이 특정한 이행 센터에 충분한 양 존재하지 않으면, 시스템은 적어도 일부의 상품들이 예측된 주문이 이루어지기 이전에 특정 이행 센터로 선적되도록 할 수 있다.
일 예로서는, 대형 이행 센터로부터 소형 이행 센터로 이송될 계획인 예비 용량이 수송 트럭(또는 트럭에 실린 특정 컨테이너)에 존재할 수도 있고, 따라서 상기 아이템을 소형 이행 센터로 수송하는 한계 비용은 낮을 것으로 결정될 수 있다.
다른 예를 들면, 소형 이행 센터에 예비 저장 용량이 존재할 수 있고, 따라서 그러한 소형 이행 센터에서 아이템을 저장하는 한계 비용이 낮을 것으로 결정될 수 있다.
다른 예를 들면, 어떤 이행 센터에 예비 노동 용량(예를 들어 피킹/패킹 용량)이 존재할 수 있고, 따라서 주문을 실현하기 위해 아이템을 피킹/패킹하거나 예측된 주문 이전에 다른 이행 센터로 아이템을 피킹/패킹하기 위한 한계 비용은 낮을 것으로 결정될 수 있다.
반대로, 수송 용량, 저장 용량, 노동 용량 등에 부족분(shortfall)이 발생하면, 연관된 비용이 증가될 수 있다.
다른 예를 들면, 고객 주문을 부분적으로 피킹하는 것이 유익할 수 있다. 예를 들어, 고객 주문의 일부는 대형 이행 센터에서 피킹되고 이행될 수 있고, 미리 결정된 개수의 표준화된 컨테이너 중 하나에 보유되는 부분적으로 피킹된 주문이 해당 주문의 나머지를 피킹하기 위해 소형 이행 센터로 전달될 수 있다.
주문의 나머지 중 일부 또는 전부는 대형 이행 센터에서 이미 피킹된 고객 주문 내의 아이템의 서브세트를 이미 보유하는, 전달된 표준화된 컨테이너 내로 피킹될 수 있다.
또 다른 예를 들면, 컨테이너를 표준화하면 인입하는 재고 아이템들의 단일 디캔트(decant)가 가능해진다는 것이 후술되는 시스템 및 방법의 장점이다. 아이템들은 계속해서 표준화된 컨테이너 내에서 이행 센터들 간에 전달된다.
또 다른 예를 들면, 상이한 카테고리의 재고 아이템들이 지정된 이행 센터에서 디캔트되고 피킹될 수 있다는 것이 설명되는 본 발명의 시스템 및 방법의 장점인데, 상기 이행 센터는 상기 센터에 위치된 능력 및 장비에 기초하여 선택된다. 예를 들어, 재고 아이템을 로봇식으로 피킹 및/또는 디캔팅하려면 특정한 로봇식 피킹, 디캔팅 및 처리 디바이스가 필요할 수 있다. 그러므로 각각의 이행 센터에는 재고 아이템의 어떤 서브세트만을 피킹할 수 있는 주어진 타입의 로봇식 피커만이 제공될 수 있다. 본 명세서에서 설명되는 시스템은 해당 센터에서 이용될 수 있는 상기 장비에 기초하여 이행 센터를 선택하게 한다.
모든 이러한 예시적인 비용과 본 명세서에서 상세히 설명되는 다른 비용은 개시된 실시예의 물류 함수(logistics function에 의해 고려될 수 있다.
이러한 실시예에는, 그렇지 않으면 활용되지 않거나 과소 사용되는 용량을 활용할 능력, 다양한 상이한 정보 소스에 기초하여 물류 결정을 지능적으로 수행할 수 있는 능력, 예측된 수요를 효과적으로 만족시키도록 물류 결정을 할 수 있는 능력, 및/또는 기회 비용을 결정하는 과정에서 분해하여 고려할 수 있는 능력과 같은 상업적인 장점들이 존재할 수 있다.
개관
도 1 은 일부 실시예에 따르는 물류 배치의 블록 개략도이다. 물류 배치는 이행 결정 지원 시스템(100), 하나 이상의 대형 이행 센터(102a, 102n), 하나 이상의 소형 이행 센터(104a, 104n), 재고 관리 시스템(106), 주문 관리 시스템(108) 및 물류 관리 시스템(110)을 포함한다.
이러한 다양한 시스템 및/또는 센터는, 현재의 상태, 재고 상태 등과 같은 정보를 통신하면서 서로 통신할 수 있다. 시스템들 사이의 상호연결은 다양한 머신들 사이에 통신 수단을 제공하는 애플리케이션 프로그래밍 인터페이스(API)를 포함할 수 있다. API는 단순 오브젝트 액세스 프로토콜(SOAP), 프로그래밍 코드를 사용하여 기능성을 노출시킴으로써 발전하는 인터페이스, 표현 상태 전송(representational state transfer; REST)에 따르는 프로그래밍 기법 등과 같은 다양한 기술을 통해 구현될 수 있다. 통신은 하나 이상의 네트워크에 걸쳐서도 발생할 수 있다. 하나 이상의 네트워크는 인터넷, 인트라넷, 점대점 네트워크 등을 포함할 수 있다. 네트워킹 기술은 TCP/IP, UDP, WAP 등과 같은 기술을 포함할 수 있다. 정보는 다양한 포맷으로 시스템들 사이에서 통신될 수 있다. 예를 들어, 정보는 휴대용 문서 포맷 파일(portable document format file; PDF), 코마-분리 값(comma-separated value; CSV), 마이크로소프트 Excel™ 문서, 확장가능 마크업 언어(XML), 하이퍼텍스트 마크업 언어(HTML) 또는 단순 스캐닝된 및/또는 물리적 문서로서 제공될 수 있다.
이행 결정 지원 시스템(100)은 주문의 이행과 관련된 물류 결정의 지원 및/또는 해당 물류 결정에 관련된 명령들의 자동 제공(provisioning)을 위해 구성될 수 있다. 이행 결정 지원 시스템(100)은 과거, 현재, 장래 및/또는 예견된 제품 주문과 관련된 입력을 다양한 소스로부터 수신할 수 있다. 입력은, 예를 들어 수송 장비의 상태 및/또는 포지셔닝, 다양한 루트의 교통 체증 등과 같은 물리적 물류에 대한 정보를 수신 할 수도 있다. 입력은, 예를 들어 배달 속도에 대한 참을성, 하루 중 배달 시간, 가정 배달 또는 고객 픽업에 대한 선호도, 바람직한 픽업 포인트 등과 같은, 고객 선호도에 관련된 정보도 포함할 수 있다.
몇 가지 실시예들에서, 하나 이상의 고객 프로파일이 생성 및/또는 유지될 수 있고, 다양한 분석적 방법을 통해 고객 선호도가 결정될 수 있다. 고객 선호도, 주문 이력, 및/또는 예견된 주문이 이행 결정을 지원하는 데에 고려될 수 있다.
이행 결정 지원 시스템(100)은 규칙의 세트에 기초하여 다양한 옵션들의 우선순위를 결정하고; 옵션을 추천하며; 통계적 분석을 수행하고 보고하며; 및/또는 이러한 규칙 세트를 적용한 것에 기초하여 물류 옵션을 자동적으로 선택하도록 구성될 수 있다.
하나 이상의 대형 이행 센터(102a, 102n) 또는 하나 이상의 소형 이행 센터(104a, 104n)로부터의 일부의 고객 주문을 이행하는 것이 가능할 수도 있다. 이행 결정 지원 시스템(100)은 하나 이상의 이행 옵션들 사이에서 선택하도록 구성될 수도 있다. 이러한 선택은, 적어도 부분적으로 해당 이행 옵션과 연관된 비용 함수를 최적화하는 것에 기초할 수 있다. 그러면 더 상세히 후술되는 바와 같이, 잠재적으로 비용-절약 및/또는 다른 최적화가 제공될 수 있다.
몇 가지 실시예들에서, 이행 결정 지원 시스템(100)은 대형 이행 센터(102a, 102n)와 소형 이행 센터(104a, 104n) 사이에서 선제적으로 상품들을 이동시키는 기회를 결정하도록 구성될 수 있다. 예를 들어, 소형 이행 센터(104a)에 인접한 고객으로부터 기대된 수요가 존재하면, 이행 결정 지원 시스템(100)은 고객 주문을 예상하고 선제적으로 해당 제품을 소형 이행 센터(104a)로 이동하라는 명령 및/또는 추천을 발생하도록 구성될 수 있다. 잠재적 이점에는 고객에게 더 큰 선택권을 제공하고, 배달 시간이 더 빨라지며(변질성 상품과 관련해서는 특히 중요함), 비용이 감소되고, 판매 마진이 더 높아진다는 것이 포함될 수 있다.
특히, 이행 결정 지원 시스템(100)은 고객의 구매 및 웹 브라우징 이력으로부터의 정보를 활용하여 원하는 짧은 조달 시간에 이용가능한 더 많은 범위의 아이템을 가지는 것과 같은 원하는 물류 특성의 세트를 가짐으로써, 어디서 추가 판매가 이뤄지고 및/또는 마진이 높아질 지를 계산하도록 구성될 수 있다.
이러한 정보는 주어진 위치 및 시간에 대한 범위를 최적화하는 알고리즘에 의해 활용 및/또는 수신될 수 있다.
희망 목록에 있는 아이템, 전자 쇼핑 카트, 판매 가격에 대한 반응, 인구통계학적 정보, 계절 정보, 이벤트 기초 정보, 고객 리뷰, 다가오는 프로모션 등과 같은 다른 타입의 정보가 사용될 수도 있다.
이행 결정 지원 시스템(100)은 소형 이행 센터로부터, 대형 이행 센터 또는 다른 소형 이행 센터인 다른 이행 센터로 제품을 송부하게 하도록 구성될 수도 있다. 예를 들어, 다른 곳에서 더 효과적으로 및/또는 바람직하게는 이행될 수 있는 여러 제품이 어떤 소형 이행 센터에 보유되고 있으면, 이행 결정 지원 시스템(100)은 해당 제품이 다른 이행 센터로 이동되게 할 수 있다. 이와 유사하게, 제품은 다른 곳에서의 추후 주문에 대비하여 소형 이행 센터로부터 이동될 수도 있다.
몇 가지 실시예들에서, 이행 결정 지원 시스템(100)은 일부 변질성 아이템이 소형 이행 센터로부터 대형 이행 센터로 반환되게 할 수도 있다. 예를 들어, 이것은 어떤 아이템이 해당 소형 이행 센터에서 수 일간 판매될 것으로 예측되지 않지만 대형 이행 센터에서는 훨씬 빨리 판매될 경우, 그리고 이러한 아이템이 제품 기한 중 더 긴 사용가능한 날짜를 가질 때 해당 아이템이 고객에게 더 높이 평가받는 경우에 바람직할 수 있다.
몇 가지 실시예들에서, 이행 결정 지원 시스템(100)은 시간이 지남에 따라서 수집된 정보에 기초하여 머신 학습 기법을 하도록 구성될 수 있다. 예를 들어, 이행 결정 지원 시스템(100)은 물류 결정을 내리기 전에 분석해서 결정 알고리즘을 자동적으로 세밀화하거나 적응시키도록 구성될 수 있다. 예를 들어, 다양한 인자에 가중치를 주도록 계수들이 사용될 수 있고, 계수들은 시간이 지남에 따라서 변경되어 이행 결정 지원 시스템(100)에 의해 추천되는 결정을 도울 수 있다.
대형 이행 센터(102a, 102n) 및 소형 이행 센터(104a, 104n)는 이행 센터의 계층적 배치의 일 예로서 제공된다. 몇 가지 실시예들에서, 이행 센터의 크기는 소형과 대형으로 한정되지 않고, 다양한 능력을 가지는 다양한 크기의 이행 센터들이 있을 수도 있다.
예를 들어, 이행 센터는 공급자로부터 선적 정보를 수신하고, 다양한 수송 링크/차량과 상호 동작하며, 직접적으로(예를 들어 고객이 주문을 직접 픽업하거나 주문이 이행 센터로부터 고객에게 직접적으로 선적됨) 고객 주문을 이행하고, 간접적으로(예를 들어 재고 아이템이 다른 이행 센터를 이용하여 어떤 이행 센터로부터 고객에게 간접적으로 선적됨) 고객 주문을 이행하는 등을 수행할 수도 있다. 고객 주문이 간접적으로 이행되면, 주문은 다수의 이행 센터로부터의 상품들을 이용하여 이행될 수 있다.
대형 이행 센터(102a, 102n) 및 소형 이행 센터(104a, 104n)는 가정 배송 주문을 이행하고 고객이 픽업하도록 주문을 예비하기 위해 사용될 수 있다. 대형 이행 센터(102a, 102n) 및 소형 이행 센터(104a, 104n)는 상품을 보유하는 컨테이너의 피킹, 패킹, 언패킹, 적재, 및 양하를 위한, 다양한 기계화된 및/또는 그렇지 않으면 자동화된 솔루션을 잠재적으로 포함할 수도 있다.
몇 가지 실시예들에서, 고객이 주문을 하고, 주문이 상품을 픽업 포인트로 선적함으로써 이행될 수 있는, 픽업 포인트와 같은 다른 타입의 이행 센터가 존재할 수도 있다.
대형 이행 센터(들)(102a, 102n)는 소형 이행 센터(104a, 104n)보다 물리적 크기가 더 클 수 있다. 그러므로, 대형 이행 센터(들)(102a, 102n)는 소형 이행 센터(104a, 104n)보다 더 넓은 범위의 상품을 저장할 수 있다.
대형 이행 센터(들)(102a, 102n)는 높은 수준의 자동화 및/또는 기계화된 프로세스와 같은, 물류 및 공급 체인 필요성과 연관된 다양한 능력을 가질 수 있다. 더 큰 이행 센터는 하루 중 더 오랜 시간 동안 운영될 수도 있고, 더 큰 수송 차량과 함께 운영될 수도 있다.
소형 이행 센터(104a, 104n)는 크기가 더 작고, 아이템의 감소된 선택/재고를 소지하며, 위치가 지리적으로 더 다양할 수도 있다. 소형 이행 센터(104a, 104n)는 고객에 대해 더 바람직하게 위치결정될 수도 있고, 운영비 및/또는 재고 공간의 비용이 더 높을 수 있는 더 유리한 위치(예를 들어 높은 고객 교통이 있는 위치)에 위치될 수도 있다.
다양한 수송 차량이 이행 센터들 사이에, 고객에게, 공급자로부터, 공급자에게 등으로 상품을 수송하기 위해 사용될 수 있다. 이러한 수송 링크는 예컨대 자동차, 트럭, 열차, 페리호, 비행기, 헬리콥터, 택배 등과 같은 다양한 타입일 수 있다. 상이한 능력, 용량, 제한사항, 크기 및/또는 운영 비용을 가지는 수송 차량들이 존재할 수도 있다. 몇 가지 실시예들에서, 일부 수송은 냉장, 에어 쿠션, 진동 저항, 위험 화학물질 수송 등과 같은 다양한 능력에 대해 적합한 추가적 장비를 가질 수도 있다.
공급자에 의해 제공된 제품은 많은 양의 균질한 아이템을 가지는 컨테이너 안에 들어갈 수 있다. 이러한 컨테이너는 용이한 저장, 수송에 적합하고, 및/또는 이행 센터의 자동화된 시스템(예를 들어 피킹, 패킹 등을 위한 자동화)과 인터페이스하도록 적응될 수 있는 표준화된 컨테이너일 수 있다. 균질한 아이템이 천천히 판매되는 아이템인 경우 이러한 컨테이너를 소형 이행 센터로 제공하면 문제점이 발생할 수 있다. 예를 들어, 저장 공간이 소형 이행 센터에서 고가라면, 그렇지 않으면 다른 상품을 저장하도록 사용될 수 있는 재고 공간이 비-최적의 개수의 저속 판매 아이템에 의해 점유될 수 있다. 그러므로, 더 상세히 후술되는 바와 같이, 이러한 상품은 소형 이행 센터로 수송되기 전에 아이템들의 이종 믹스(heterogeneous mix)를 포함하는 표준화된 컨테이너 내로 대형 이행 센터에서 재포장될 수 있다.
몇 가지 실시예들에서, 상품은 처음에는 대형 이행 센터(102a, 102n) 수납될 수 있다. 상품은 표준화된 컨테이너에서 수납될 수 있고, 또는 상품은 수신된 그렇지 않으면 예를 들어 팔레트에서 수납되고 대형 이행 센터(102a, 102n)에 도착하면 표준화된 컨테이너로 전달될 수 있다. 상품은 대형 이행 센터에서 저장되도록 다양한 컨테이너 내로 정렬될 수 있다. 예를 들어, 제 1 제품은 저장되도록 제 1 컨테이너 내에 정렬되는 반면에, 제 2 제품은 저장되도록 제 2 컨테이너 내에 정렬될 수 있다.
표준화된 컨테이너는 하나 이상의 미리 결정된 크기로 제공될 수 있다. 편리하게, 미리 결정된 크기를 가지는 표준화된 컨테이너를 사용하면 컨테이너가 일부 실시예에 따르는 대형 이행 센터에 있는 기계화된 저장 및 취출 시스템에 의해 용이하게 조작될 수 있게 할 수 있다. 몇 가지 실시예들에서, 소형 이행 센터 또는 수집 포인트에 유사한 기계화된 저장 및 취출 시스템이 있을 수 있다.
몇 가지 실시예들에서, 기계화된 저장 및 취출 시스템은, 예를 들어 이행 센터에서 수행되는 다양한 재고 관리 프로세스, 예를 들어 픽 프로세스, 팩 프로세스, 정렬 프로세스, 공간 최적화 프로세스 등의 일부로서 재고를 처리하도록 적응되는 복수 개의 재고 관리 디바이스를 포함할 수 있다. 그러므로, 재고 관리 디바이스는 컨테이너, 컨테이너들의 그룹, 또는 그 안에 보유된 상품을 조작(예를 들어 이동, 부하, 양하, 취출, 운반, 회전, 롤, 도크, 언도크, 상승, 또는 그렇지 않으면 처리)하도록 구성될 수 있다.
예를 들어, 재고 관리 디바이스는 어떤 컨테이너를 어떤 이행 센터 내의 하나의 위치로부터 해당 이행 센터의 다른 위치로 이동하도록 구성될 수도 있다. 일 실시예에서, 하나 이상의 재고 관리 디바이스는 이행 센터에서 독자적으로 이동하도록 구성되어 컨테이너를 이동시키는 디바이스일 수도 있다. 하나 이상의 재고 관리 디바이스는 다른 타입의 태스크 및/또는 조치(예를 들어 컨테이너와의 도킹, 컨테이너와의 언도킹, 컨테이너의 상승, 컨테이너와의 인터페이싱, 다른 타입의 장비로의 컨테이너의 전달)에 대해서 자동화될 수도 있다.
몇 가지 실시예들에서, 표준화된 컨테이너는 하나 이상의 재고 관리 디바이스와 인터페이스하도록 구성될 수 있다. 예를 들어, 표준화된 컨테이너는, 조작을 위해서 재고 관리 디바이스와 인터페이스하기 이용될 수 있는, 리세스, 돌출부, 잠금 메커니즘, 고정 메커니즘, 롤러, 전기적 연결 등과 같은 다양한 구조적 피쳐를 포함할 수 있다.
몇 가지 실시예들에서, 표준화된 컨테이너는 하나 이상의 재고 관리 디바이스와 상호작용하도록 구성될 수 있는, 하나 이상의 표준화된 컨테이너 내에 하우징될 수도 있다. 예를 들어, 다수 개의 표준화된 컨테이너는 단일 컨테이너 내에 배치되고 재고 관리 디바이스에 의해 함께 이동될 수 있다.
몇 가지 실시예들에서, 표준화된 컨테이너는 함께 적층되고 이동될 수 있다. 표준화된 컨테이너는 서로 고정되도록 구성될 수도 있다.
몇 가지 실시예들에서, 소형 이행 센터(104a, 104n)로 상품을 전달하기 위해 사용되는 컨테이너는 적어도 하나의 미리 결정된 크기의 표준화된 컨테이너들의 세트로부터 선택될 수 있다. 그러므로, 예시적인 작업흐름에서, 상품은 다른 표준화된 컨테이너(들)로 패킹되도록 하나 이상의 표준화된 컨테이너로부터 피킹될 수 있다.
편리하게, 미리 결정된 크기를 가지는 표준화된 컨테이너를 사용하면 컨테이너가 일부 실시예에 따르는 소형 이행 센터에 있는 기계화된 저장 및 취출 시스템에 의해 용이하게 조작될 수 있게 할 수 있다. 이러한 표준화된 컨테이너는, 예를 들어 소형 이행 센터에서 조작되도록 소형 이행 센터에 있는 기계화된 저장 및 취출 시스템의 일부로서 제공될 수 있다. 예를 들어, 대형 이행 센터로부터 소형 이행 센터로 수송된 표준화된 컨테이너는 소형 이행 센터에서 수납되면 재고 관리 디바이스에 의해 이동될 수 있다.
고객이 한 주문에 응답하여, 및/또는 장래 주문을 예견하여, 예를 들어 소형 이행 센터에서 이용가능한 제품의 매력적인 거리를 유지하기 위해, 아이템은 소형 이행 센터(104a, 104n)로 전달될 수 있다.
몇 가지 실시예들에서, 시스템은 일부 변질성 아이템(예를 들어 신선빵)과 같은 일부 제품을 공급자로부터 소형 이행 센터(104a, 104n)에게 직접적으로 공급하도록 구성될 수도 있다.
재고 관리 시스템(106)은 재고에 관련된 정보, 예컨대 재고 수준, SKU(재고품 키핑 유닛) 번호, 재고 상태, 재고 규칙(예를 들어 만료 날짜, 파손성 상품, 위험한 재료), 예약, 재고 위치 등을 생성, 업데이트 및/또는 그렇지 않으면 저장하도록 구성될 수 있다. 몇 가지 실시예들에서, 재고 관리 시스템(106)은 장래 상태 재고 정보를 결정하고, 공급자로부터의 예견된 선적 또는 배달에 관련된 정보를 수신하도록, 공급자 시스템과 통신하도록 구성될 수 있다.
주문 관리 시스템(108)은 고객 주문에 관련된 정보, 예컨대 제품, 전달 위치 및 전달 시간 윈도우를 생성, 업데이트 및/또는 그렇지 않으면 저장하도록 구성될 수 있다. 몇 가지 실시예들에서, 주문 관리 시스템(108)은 다양한 표지, 예컨대 이력 주문 정보, 프로모션 캠페인, 신제품의 소개, 사전주문으로부터의 외삽 등에 기초하여 장래 주문을 예측하도록 구성될 수 있다. 몇 가지 실시예들에서, 주문 관리 시스템(108)은 고객의 주문에 있는 아이템에 대한 적합한 대체재를 결정할 수 있다.
물류 관리 시스템(110)은 수송 링크 및/또는 수송 차량에 관련된 정보, 예컨대 수송 비용, 이용가능한 용량, 이용가능한 능력, 교통 체증, 차량의 이용가능성, 연료 비용, 보험 비용, 운전자 비용, 이용가능한 수송 연계성(예를 들어 대형 이행 센터에서 이용가능한 트럭 적재 도크) 등을 생성, 업데이트 및/또는 그렇지 않으면 저장하도록 구성될 수 있다.
이행 결정 지원 시스템(100)은, 특히 데이터 처리, 데이터 저장, 데이터 백업, 데이터 호스팅과 같은 백엔드 서비스를 제공하도록 구성되는, 하나 이상의 컴퓨터-판독가능 저장 매체와 공동으로 동작하는 하나 이상의 프로세서를 가지는 하나 이상의 서버를 포함할 수 있다.
몇 가지 실시예들에서, 이행 결정 지원 시스템(100)은 통신 네트워크를 통해 연결된 분산형 컴퓨팅 디바이스의 세트이다. 이러한 세트의 분산형 컴퓨팅 디바이스의 일 예는, 통상적으로 '클라우드 컴퓨팅' 구현형태라고 알려진 것일 것이다. 이러한 네트워크에서, 복수 개의 연결된 디바이스는 공동으로 동작하여 그들의 공유된 자원을 사용하여 서비스를 제공한다.
물류 옵션을 처리 및 분석하기 위한 클라우드-기초 구현형태는: 개방성, 유연성, 및 확장성; 중앙 관리가능성; 신뢰성; 확장가능성; 컴퓨팅 자원에 대한 최적화; 다수 개의 소스에 걸쳐서 정보를 수신할 수 있는 능력; 및 다수 개의 시스템에 걸쳐서 연결될 수 있는 능력을 포함하는 하나 이상의 장점을 제공할 수 있다.
본 발명의 실시예 및 구현형태가 시스템 플랫폼의 양태들을 구현하기 위해서 클라우드를 사용하는 것에 대해서 특히 비한정적인 예로서 설명될 수 있지만, 로컬 서버, 단일 원격 서버, 서비스 플랫폼으로서의 소프트웨어, 또는 임의의 다른 컴퓨팅 디바이스가 클라우드 대신에 사용될 수도 있다.
주문 피킹 / 혼합된 컨테이너 피킹
도 2 는 소형 이행 센터(104a, 104b, 104c, 104d, 104e, 및 104f)에 연결된 대형 이행 센터(102a)의 개략도이다. 이러한 다이어그램은 몇 가지 실시예에 따른, 예시적인 고객 주문을 이행하는 것을 보여준다.
도시된 실시예에서, 대형 이행 센터(102a) 및 소형 이행 센터(104a, 104b, 104c, 104d, 104e, 및 104f)는 성형(star)(중앙 집중 방식(hub-and-spoke)) 토폴로지에 따라서 배치되고 서로 연결된다. 다른 실시예들에서, 예를 들어 링 토폴로지, 트리 토폴로지, 버스 토폴로지, 그리드 토폴로지 등과 같은 다른 토폴로지들도 역시 가능하다. 이행 센터는 상품들이 임의의 이행 센터로부터 임의의 다른 이행 센터로 전달될 수 있도록 완전히 연결될 수도 있다.
도시된 바와 같이, 고객의 주문을 이행하기 위해 이용가능한 다음의 적어도 두 개의 옵션이 존재할 수 있다: (1) 트럭(202a)을 통해 대형 이행 센터(102a)로부터 아이템을 제공함, 또는 2) 소형 이행 센터(104e)에 보유한 재고로부터 트럭(202b)을 사용해 주문을 직접적으로 전송함. 그러나, 트럭(202a)은 이미 소형 이행 센터(104f)로 출발했거나 및/또는 고객의 근처에 제품을 하역하고 있을 수도 있다. 소형 이행 센터(104e)는 지리적으로 고객에 더 근접할 수 있지만, 빈 트럭(202b)을 준비할 필요가 있을 것이다.
이러한 예에서, 이행 옵션들 중에서 중요한 결정을 해야 할 필요가 있다. 이행 결정 지원 시스템(100)은 다양한 소스로부터의 입력과 옵션들에 대해 존재할 수 있는 논리적 제약을 고려하고 어떤 옵션이 최적일지를 결정하도록 구성될 수 있다. 최적화는 비용, 환경적 풋프린트, 고객 주문에 대한 민감성과 같은 다양한 원하는 결과의 관점에서 수행될 수 있다.
도시된 예에서, 이러한 최적화를 수행할 때에, 소형 이행 센터(104e)가 지리적으로 고객에 더 근접할 수 있더라도, 고객의 주문을 대형 이행 센터(102a)로부터 전송하도록 결정될 수 있다.
어떤 시점에서, 옵션들은 다양한 제약을 고려할 때 좁아질 수도 있다. 예를 들어, 대형 이행 센터(102a)가 너무 멀리 있기 때문에 대형 이행 센터로부터 주문을 이행하기에는 너무 늦어버릴 수도 있다. 다른 예에서, 어떤 차량이 이미 출발했기 때문에 그 차량을 이용하기에는 너무 늦어버릴 수도 있다. 결정이 이뤄져야 하는 시점에 정보는 완벽하지 않을 수도 있지만, 몇 가지 실시예들에서, 시스템(100)은 소정 데드라인에 이르기까지 새로운 정보로써 확률을 정제하는 것이 가능해지도록 구성될 수 있다.
도 5, 도 9 및 도 10 은 일부 실시예에 따르는, 고객 주문의 이행 시에 다양한 물류 옵션을 제공할 수 있는, 상이한 타입의 이행 센터 및/또는 픽업 포인트를 가지는 계층관계의 다양한 배치를 나타내는 개략도이다.
주문 피킹 / 혼합된 컨테이너 피킹
도 3 은 일부 실시예에 따르는, 제품 피킹 능력을 가지는 대형 이행 센터의 개략도이다. 대형 이행 센터(들)(102a)는 피킹 스테이션(302a 및 302b), 컨테이너를 수송하기 위한 에이전트(304), 컨테이너를 트럭(310)에 제공하기 위한 패킹 스테이션(306 및 308)을 포함할 수 있다. 트럭(310)은 컨테이너를 소형 이행 센터(104a)로 또는 고객에게 직접적으로 제공할 수 있다.
몇 가지 실시예들에서, 제품이 도입되면, 대형 이행 센터(들)(102a, 102n)는 단일 타입의 제품을 포함하는 컨테이너/팔레트(예를 들어 동일한 SKU#를 가지는 제품을 운반하는 컨테이너) 내에 수납하도록 구성될 수 있다.
예를 들어 예측된 주문 이전에 하나 이상의 소형 이행 센터(104a, 104n)로 상품을 유통시키기 위해서, 균질한 상품을 보유한 컨테이너 대신에 상품들(상이한 SKU#를 가짐)의 혼합된 모음을 보유하는 컨테이너가 소형 이행 센터(104a, 104n)로 제공된다면 효율이 더 높아질 수 있을 것이다. 예를 들어, 소형 이행 센터(104a, 104n)는 한 달에 특정 상품을 한 개 내지 두 개밖에 판매하지 못할 수 있고, 특히 재고 공간이 소형 이행 센터(104a)에서 부족하다면 소형 이행 센터(104a)에 이러한 특정 상품 15 개를 포함하는 컨테이너를 제공하는 것이 바람직하지 않을 수도 있다.
그러므로, 하나 이상의 소형 이행 센터(104a, 104n)로 유통하기 위해 상품의 혼합된 모음을 운반하는 컨테이너가 하나 이상의 대형 이행 센터(102a, 102n)에 제공될 수 있다. 특정 소형 이행 센터(104a, 104n)로 가는 어떤 컨테이너 내의 각각의 제품의 특정 양은 목적지 이행 센터에 가까운 고객들로부터의 해당 제품에 대한 기대된 수요, 목적지 이행 센터에서의 저장 가능성(모음 또는 특정 제품 타입의 저장 가능성) 등에 기초할 수 있다. 상품의 선택은 본 명세서의 다른 곳에서 상세히 후술되는 다양한 기준들에 따라서 최적화될 수 있다.
이에 상응하여, 아이템 크기, 유통 기한 및 소형 이행 센터(104a, 104n)에서의 저장 공간의 이용가능성과 관련하여, 많이 판매되는 상품들은 단일-제품 컨테이너 내에서 운반될 수 있고, 다른 상품들은 다수의 제품을 운반하는 컨테이너에서 운반될 수 있다.
혼합된 상품을 포함하는 컨테이너를 소형 이행 센터(104a, 104n)로 제공하려면, 혼합된 상품을 포함하는 표준화된 컨테이너 내에 패킹하기 위해 하나의 타입의 상품만을 가지는 표준화된 컨테이너로부터 아이템을 피킹할 수 있는 피킹 능력을 사용할 필요가 있을 수 있다.
대형 이행 센터(들)(102a, 102n)가 제품을 실제 고객 주문용 컨테이너 내로 피킹하기 위한 이미 존재하는 피킹 스테이션(302a 및 302b)을 가질 수 있기 때문에, 예측된 주문 이전에 소형 이행 센터(104a, 104n)로 수송할 혼합된 제품을 포함하는 컨테이너 내로 제품을 피킹 하기 위해 이러한 피킹 스테이션(302a 및 302b)이 역시 사용될 수 있다.
언급된 바와 같이, 몇 가지 실시예들에서, 피킹은 대형 이행 센터에 제공되는 기계화된 저장 및 취출 시스템에 의해 수행될 수 있다. 예를 들어, 컨테이너는 기계화된 저장 및 취출 시스템의 하나 이상의 재고 관리 디바이스에 의해 저장 위치로부터 패킹 스테이션(306)으로 이동될 수 있다.
편리하게, 실제 고객 주문 용 컨테이너 및 예측된 주문 용 컨테이너는 동일한 피킹 프로세스를 사용하여 서로 나란히 피킹될 수 있다.
몇 가지 경우에, 단일 컨테이너는 실제 고객 주문용 제품 및 예측된 주문용 제품을 포함할 수 있다.
작업흐름
도 6 은 일부 실시예에 따르는, 고객이 할 수 있는 결정을 보여주는 흐름도이다.
도 7 은 일부 실시예에 따르는, 고객의 주문을 이행할 때에 수행될 수 있는 단계들을 보여주는 흐름도이다.
이행 결정 지원 시스템
도 4 는 일부 실시예에 따르는 이행 결정 지원 시스템의 개략도이다. 이행 결정 지원 시스템(100)은 노동력 최적화 서브시스템(402), 용량 최적화 서브시스템(404), 유통비 최적화 서브시스템, 재고 운송비 최적화 서브시스템, 이행 최적화 서브시스템(410), 규칙 엔진(412), 장래 상태 예측 서브시스템(414), 분석 서브시스템(416), 결정 지원 서브시스템(418), 및 데이터베이스(470)를 포함할 수 있다.
이행 결정 지원 시스템(100)은 규칙의 세트에 기초하여 다양한 옵션들의 우선순위를 결정하고; 이행 옵션을 추천하며; 통계적 분석을 수행하고 보고하며; 및/또는 이러한 규칙 세트를 적용한 것에 기초하여 물류 옵션을 자동적으로 선택하도록 구성될 수 있다. 이행 결정 지원 시스템(100)은 하나 이상의 대형 이행 센터(102a, 102n), 하나 이상의 소형 이행 센터(104a, 104n), 재고 관리 시스템(106), 주문 관리 시스템(108) 및 물류 관리 시스템(110)과 상호작용하도록 구성될 수 있다. 예를 들어, 이러한 시스템으로부터의 정보는 데이터베이스(470) 내에 저장, 업데이트 및/또는 그렇지 않으면 수정될 수 있다.
데이터베이스(470) 는 관계형 데이터베이스(예를 들어 SQL 데이터베이스), NoSQL 데이터베이스, 플랫 데이터베이스, 마이크로소프트 Excel™ 스프레드시트, 코마 분리된 값 등의 다양한 데이터베이스 기술을 사용하여 구현될 수 있다. 데이터베이스(470) 가 관계형 데이터베이스 기술을 사용하여 구현된다면, 데이터베이스(470) 는 다양한 데이터 레코드들 사이의 관련성을 더 저장하도록 구성될 수 있다. 데이터베이스(470) 는, 예컨대 고상 또는 하드 디스크 드라이브, 독립형 디스크의 리던던트 어레이, 클라우드 스토리지, 가상 저장 디바이스 등과 같은 소프트웨어 기술의 다양한 하드웨어를 사용하여 구현될 수 있다.
이행 결정 지원 시스템(100)은 다양한 파라미터 및 변수(예를 들어 비용, 상품의 신선도, 잠재적인 운반 위험, 수송 용량의 이용가능성, 고객 주문에 대한 반응성, 전문화된 장비 [예컨대 냉장 트럭]의 이용가능성, 주문 우선순위, 이동된 거리, 탄소 방출)에 대한 최적화(예컨대 옵션의 우선순위 결정, 옵션의 추천, 조치의 자동 제공, 물류 요소의 예약 등)를 자동적으로 또는 반-자동적으로 제공하도록 구성될 수 있다.
도 8 은 일부 실시예에 따르는, 총이행비용을 계산할 때에 수행될 수 있는 몇 가지 예시적인 단계들을 보여주는 흐름도이다.
고객 주문의 이행을 계획할 때에, 어떤 자원을 사용할지 그리고 특히 하나 이상의 대형 이행 센터(들)(102a, 102n) 또는 하나 이상의 소형 이행 센터(들)(104a, 104n) 중 어디로부터 이행할지에 대한 결정이 사전에 이루어지는 것이 바람직할 수 있다.
몇 가지 실시예들에서, 시스템은 사용할 스케줄을 활용하고 및/또는 그렇지 않으면 자원을 이용할 수 있고, 또한 기대된 용량 및/또는 시스템 내에서 이용가능한 다른 장래-상태 정보를 고려할 수도 있다. 이행 결정 지원 시스템(100)은 기대된 주문 이전에 제품을 선제적으로 이동시키라는 명령 및/또는 추천을 발행할 수 있다.
규칙 엔진(412)은 논리적 규칙의 세트를 정의, 생성, 수정, 업데이트 및/또는 적용하도록 구성될 수 있다. 이러한 물류 규칙은 다양한 물류 요소와 연관될 수 있고, 인가되면, 비용 결정 및/또는 물류 옵션의 우선순위 결정을 바꿀 수 있다. 예를 들어, 특정 타입의 신선 제품은 대형 이행 센터(102a)에 있는 공급자로부터의 선적이 수신된 것으로부터 5 일의 기간 내에 고객에게 도달해야 한다는 규칙이 있을 수 있다. 이러한 규칙 때문에 다양한 옵션들에 비용이 더 많이 들게 되거나 제약을 고려할 때 이러한 옵션들이 적용될 수 없게 될 수 있다.
장래 상태 예측 서브시스템(414)은 물류 결정 동작에 영향을 줄 수 있는 예견된 물류 인자에 대한 예측을 발전시키도록 구성될 수 있다. 예를 들어, 예견된 주문, 용량, 노동, 고객 수요, 교통 패턴 등이 고려될 수 있다. 이행 최적화 서브시스템(410)은 다양한 이행 옵션과 연관된 하나 이상의 비용 함수들을 최적화하는 데에 이러한 예측을 활용할 수 있다. 예를 들어, 제 1 소형 이행 센터(104a)에 인접한 고객 세그먼트로부터 특정 제품에 대해 높은 수요가 예견되면, 이행 최적화 서브시스템(410)은 제품을 해당 소형 이행 센터(104a)로 선제적으로 선적하라는 추천을 발행할 가능성이 더 높아질 것이다.
몇 가지 실시예들에서, 장래 상태 예측 서브시스템(414)은 다양한 확률 및/또는 의존성을 고려하도록 구성될 수 있다. 예를 들어, 상이한 시점에 필요할 상이한 자원들에 대한 확률이 고려될 수 있다. 고객 주문이 도달하거나 도달하지 않으면, 이러한 확률은 바뀔 수 있다. 최적화 프로세스의 다양한 스테이지 중에, 시스템은 예를 들어 다소의 노동 또는 다소의 배달 차량을 스케줄링함으로써, 하나 이상의 변수 및/또는 파라미터를 동적으로 변경하도록 구성될 수 있다. 이에 상응하여, 관련된 확률도 변경될 수 있다.
몇 가지 실시예들에서, 장래 상태 예측 서브시스템(414)은 이력 및/또는 예견된 장래 상태 정보에 기초한 머신 러닝 기법을 위해 구성될 수 있다. 예를 들어, 선택된 물류 옵션의 실제 비용이 선택된 물류 옵션의 기대된 비용과 비교되어 변동량과 이유를 결정할 수 있다. 이행 결정 지원 시스템(100)에 의해 발행된 추천 및/또는 조치를 정제하기 위해서 다양한 인자들이 시간이 지남에 따라서 적응될 수 있다. 예를 들어, 다양한 확률적 옵션에 가중치를 부여하기 위해 사용되는 계수들은 주문의 이행에 후속하는 실제 데이터를 분석할 때 가중치가 다시 부여될 수 있다.
분석 서브시스템(416)은 데이터베이스(470)에 저장된 정보에 기초하여 제공 다양한 통계적 분석 및 보고 능력을 제공하도록 구성될 수 있다. 보고는 이력 정보에 대해 생성될 수 있고 다양한 통계적 기법, 데이터 채굴 기법 등을 수반할 수 있다. 분석 서브시스템(416)의 출력은 이행 결정 지원 시스템(100)을 시간이 지남에 따라서 적응하기 위해 장래 상태 예측 서브시스템(414)에게 제공될 수 있다.
노동력 최적화 서브시스템(402)은 물류 운영 및/또는 이행 센터에서의 노동의 상태에 관련된 다양한 속성에 기초한 데이터베이스(470)로부터의 정보 입력을 수신하고, 운영의 기대된 인건비 함수를 결정하도록 구성될 수 있다. 또한, 해당 제품이 파손성 아이템을 포함하고 있으며 특수 훈련을 받은 작업자들의 서브세트에 의해서만 처리되어야 한다는 것을 표시하는 것과 같은 다양한 논리적 규칙이 해당 결정을 변경하여, 수반된 인건비를 증가시킬 수도 있다.
노동력 최적화 서브시스템(402)은 작업자들의 최대 이용에 대한 그들의 현재 및/또는 예견된 이용을 고려하도록 구성될 수 있다. 노동력 최적화 서브시스템(402)은 고정 비용, 가변 비용, 단위 비용, 한계 비용, 초기 비용 등과 같은, 물류와 연관된 비용의 타입을 고려할 수 있다.
예를 들어, 수행할 작업이 있는지 여부에 따라 작업자에게 급여가 주어지는 작업이 작업자에게 할당되면, 따라서 고정 비용이 발생한다. 작업자가 오직 시간의 반 동안에만 필요하다면, 해당 작업자가 그것을 수행할 시간/능력이 있는 한 더 많은 작업을 할당해도 추가 비용이 생기지 않을 수 있다.
따라서, 소형 이행 센터(104a)로부터 이행하려는 결정은 이용가능한 잉여의 피킹 노동력이 존재한다는 가정에 기초할 수 있다. 이러한 추정이 일부 실례들에서는 정확할 수 있지만, 짧은 시간 내에 주문 내의 신속(expedited)/조기(early) 배달 요구와 같은 다양한 인자 때문에 소형 이행 센터(104a)로부터만 이행될 수 있는 예상하지 못한 고객 수요 증가가 생길 수 있다. 피킹 노동력이 대형 이행 센터(102a)로부터 수행되었을 수 있는 주문을 이행하기 위해 이미 할당되었다면, 이러한 예상하지 못한 수요의 증가는 만족될 수 없고, 비즈니스 기회 비용이 매우 커질 수 있다. 그러나, 이러한 수요의 증가가 생기지 않는다면, 대형 이행 센터(102a)로부터 주문을 이행한다는 것은 대형 이행 센터(102a)에서의 다른 수요가 만족될 수 없을 수 있다는 것을 의미한다.
도 11 은 일부 실시예에 따르는 노동력 최적화 서브시스템에 의해 이용될 수 있는 샘플 작업흐름이다. 입력 및 작업흐름 요소는 예시적인 것들일 뿐이고, 더 많거나, 더 적거나, 대안적이거나 상이한 요소들이 존재할 수 있다.
용량 최적화 서브시스템(404)은 어떤 물류 옵션과 연관된 비용 값을 결정하도록 구성될 수 있다. 예를 들어, 시스템의 이용가능한 총용량이 고려될 수 있는데, 이용가능한 용량이 거의 없으면 예견된 비용은 커질 것이고, 과잉 용량이 이용될 수 있다면 예견된 비용은 더 낮아질 것이다. 예를 들어, 어떤 차량이 절반의 적재물을 가지고 A로부터 B로 이동하도록 스케줄링되면, 해당 차량에 더 많은 상품을 추가하는 비용 증가는 제로인 것으로 간주될 수 있다. 추가적인 가중치 등에 기인한 추가된 연료의 비용, 타이어 마모 등과 같은 다른 비용이 수반될 수 있다. 과제를 완수하기 위해 과잉 용량이 이용될 수 있는 경우 잠재적 기회 비용도 역시 고려될 수 있다.
능력비는 어느 정도의 쓰루풋을 가능하게 하는 빌딩, 기계류 및/또는 다른 장비를 소유하고 유지보수하는 비용과 같은 다양한 인자를 포함할 수 있다.
이러한 비용은 기대된 사용, 최대 사용, 사용의 유연성(예를 들어, 특정 트럭이 냉방 능력을 가지고 있기 때문에 수송을 위해 사용돼야 하는 경우), 기회 비용, 고정 비용, 가변 비용, 초기 비용, 운영비, 자본 비용, 한계 비용, 동작 시간, 최대 동작 시간, 유지보수 요구 사항, 기동 비용, 셧-다운 비용 등을 고려할 수 있다.
쓰루풋은 시간당 쓰루풋과 같은 다양한 콘텍스트로부터 고려될 수 있고, 동작 시간, 머신 속도, 온도 등과 같은 인자에 따라 달라질 수 있다.
도 12 는 일부 실시예에 따르는 능력(capacity) 최적화 서브시스템에 의해 이용될 수 있는 샘플 작업흐름이다. 입력 및 작업흐름 요소는 예시적인 것들일 뿐이고, 더 많거나, 더 적거나, 대안적이거나 상이한 요소들이 존재할 수 있다.
유통비 최적화 서브시스템(406)은 물류 옵션과 연관된 비용 값을 결정하도록 구성될 수 있다.
유통비는 고객 주문을 주문이 수신 및/또는 피킹된 위치로부터 고객이 해당 주문을 수신하는 곳까지 이동시키는 것에 수반되는 다양한 비용을 포함할 수 있다.
유통비는, 차량의 제공, 차량 양하, 차량 적재, 컨테이너 준비, 컨테이너 피킹 비용, 픽업 카운터 비용, 임의의 적용가능한 임무, 연료 비용, 운전자 비용, 제품의 큰 크기, 제품 무게, 이행 센터 내에서의 내부 물류 비용, 요구된 노동, 저장 비용, 관리비, 패키징 비용 등과 같은, 제품의 유통과 연관된 다양한 비용을 포함할 수 있다. 유통비 최적화 서브시스템(406)은, 변질성 상품에 대한 타이밍에 대한 제한과 같은 비용을 수정하도록 규칙이 적용될 수 있는 경우 규칙 엔진(412)으로부터의 규칙을 적용할 수 있다.
도 13 은 일부 실시예에 따르는 유통비 최적화 서브시스템에 의해 이용될 수 있는 샘플 작업흐름이다. 입력 및 작업흐름 요소는 예시적인 것들일 뿐이고, 더 많거나, 더 적거나, 대안적이거나 상이한 요소들이 존재할 수 있다.
재고 운송비 최적화 서브시스템(408)은 물류 옵션과 연관된 비용 값을 결정하도록 구성될 수 있다.
재고 운송비는 고객 주문을 피킹하기 전에 제품을 한 위치에서 다른 위치로 이동시키는 비용일 수 있다. 예를 들어, 제품은 장래 주문 이전에 다른 이행 센터에서 이행되도록 이동되거나 피킹될 수 있다.
재고 운송비는, 차량의 제공, 차량 양하, 차량 적재, 컨테이너 준비, 컨테이너 피킹 비용, 픽업 카운터 비용, 임의의 적용가능한 임무, 연료 비용, 운전자 비용, 제품의 큰 크기, 제품 무게, 이행 센터 내에서의 내부 물류 비용 등과 같은, 재고를 이행 센터들 사이에서 이동시키는 것과 연관된 다양한 비용을 포함할 수 있다.
재고 운송비 최적화 서브시스템(408)은, 변질성 상품에 대한 타이밍에 대한 제한과 같은 비용을 수정하도록 규칙이 적용될 수 있는 경우 규칙 엔진(412)으로부터의 규칙을 적용할 수 있다.
도 14 는 일부 실시예에 따르는 재고 운송비 최적화 서브시스템에 의해 이용될 수 있는 샘플 작업흐름이다. 입력 및 작업흐름 요소는 예시적인 것들일 뿐이고, 더 많거나, 더 적거나, 대안적이거나 상이한 요소들이 존재할 수 있다.
본 명세서에서 설명되는 일부 비용들은 고객 주문에 앞서서 계산될 수 있다. 일부 비용은 고객으로부터 수신된 주문과 관련된 새 데이터와 같은 새 데이터 또는 예측된 주문이 이용가능해질 때에 연속적으로 계산될 수 있다. 일부 비용은 새 데이터(예를 들어 모니터링된 재고 수준에 관련된 데이터)가 이행 센터로부터 수신될 때, 또는 새 데이터가 제 3 자(예를 들어 공급자)로부터 수신될 때에 연속적으로 계산될 수 있다. 예를 들어, 어떤 이행 옵션을 선택하는 것과 연관된 한계 비용 및 기회 비용은 유입과 관련된 실시간 데이터 및 주문의 속성 및 예측된 주문의 개수 및 속성의 대응하는 확률에 기초하여, 시간이 지남에 따라서 바뀔 수 있다.
결정 지원 서브시스템(418)은 다양한 물류 옵션과 연관된 비용을 이행 최적화 서브시스템(410)으로부터 수신하고, 이행 결정 지원 시스템(100)과 통합된 다양한 시스템으로 추천, 조치 및/또는 예약을 발행하도록 구성될 수 있다.
결정 지원 서브시스템(418)은 고객 주문과 연관된 다양한 반환과 연관된 비용을 수신하고, 이행 결정 지원 시스템(100)과 통합된 다양한 시스템으로 추천, 조치 및/또는 예약을 발행하도록 구성될 수 있다.
결정 지원 시스템(100)의 전술된 일반적인 설명에 대해서는, 본 발명에 따른 특정 실시예가 이제 후술될 것이다. 이러한 실시예는 단지 예시에 지나지 않으며 특정 실시예를 참조한 본 발명의 양태는 본 발명의 일반적인 범위 내에 여전히 망라되면서 상이한 방식으로 구현될 수 있다는 것이 이해될 것이다.
1. 결정 지원 시스템(100)의 특정 실시예
도 16 을 참조하면, 본 발명의 일 실시예가 설명된다. 본 발명 및 특정 실시예와 공통인 부분들은 동일한 참조 번호를 사용하여 지칭될 것이라는 것이 이해될 것이다.
1.a 제어 시스템 요구 사항
비록 개시된 발명이 소형 이행 설비를 고객에 가깝게 위치시키는 것을 허용하지만, 대형 및 소형 이행의 페어링의 최적 이용을 위해서 배달 대기(latency) 및 배달비를 줄이도록 주문하려면, 다음의 두 가지 주된 관점에서 더 복잡한 결정이 필요하다는 것에 주의해야 한다:
1) "유입(inbound)" 측에서는:
a) 상품의 어떤 모음이 소형 이행 설비에서 보유될 것인지,
b) 얼마나 많은 재고품이 각각의 이행 설비에 보유될 것인지(설비간 재고 전달 포함), 및
c) 재고품이 어디에서 수납되고 표준화된 컨테이너들 내로 선택적으로 디캔팅되어야 하는지 - 이것은 재고품이 이행을 위해서만 이용되는 설비와는 상이함 -.
2) "유출"측에서는:
a) 어떤 이행 설비가 서로 조립해야 하는지, 및
b) 주문의 각각의 부분을 이행하기 위해 어떤 재고품이 사용되어야 하는지 - 선택된 재고품은 상이한 설비에 저장될 수 있음.
본 발명의 하나의 형태의 이러한 특정 실시예에서, 이러한 결정을 하기 위한 예시적이고 비-망라적인 범위의 제어 기법 변형물들이 개시된다. 오직 명확화를 위하여, 결정 프로세스의 유입 및 유출측은 별개로 처리된다. 본 발명의 일부 양태들에서 두 개의 프로세스들이 상호링크될 수 있다는 것이 이해될 것이며, 논의된 제어 알고리즘 모두가 양자 모두의 도메인을 망라하는 복합 비용 함수에도 역시 적용되어 각각의 도메인에 대한 비용 함수를 분리한다는 것에 주의해야 한다.
2. 제어 시스템 에이전트 조성물
후속하는 섹션에서, 본 발명의 일 실시예에서 제어 에이전트라는 표현은(1) 에이전트의 "상태" 또는 에이전트가 자신의 환경을 어떻게 모델링하는지; 및(2) 일부 에이전트 실시예가 결정을 하기 위해 사용할 수 있는, 비즈니스 / 운영 로직을 인코딩하는 비용 함수의 예시적인 세트를 차례대로 들여다 봄으로써 도입된다.
2.a 시스템 상태
제어 시스템 에이전트는 시스템의 상태에 기초하여 어떤 조치(들)를 수행할지를 결정하는 상태로서 간주될 수도 있다. 여기에서 주로 고려되는 조치는, 주문을 수락할지 여부와 수락된 주문에 대해서 어떤 설비를 가지고 주문을 이행할지에 대한 결정이다. 시스템의 상태는 여러 클래스로 더욱 분할될 수 있다:
1) "관찰가능(observable)" 상태 - 시스템의 직접적으로 관찰가능한 현재의 상태, 예를 들어 각각의 설비에서의 현재의 재고품 수준.
2) "예측성(predictive)" 상태 - 몇 가지 실시예는 이력 또는 외부 데이터 소스에 맞춤된 통계적 모델을 사용하여 아직 알려지거나 직접적으로 관찰가능하지 않은 관심의 양, 예를 들어 장래 시점에서의 상품에 대한 고객 수요의 확률적 추정을 제공할 수 있다.
3) "계획된(planned)" 상태 - 몇 가지 실시예는 계획, 즉 추측성 결정을 하고 그러한 결정의 누적 효과를 시뮬레이션하는 데에 있어서 결합되어, 예측성 상태의 추정치를 정제하고 및/또는 결과적으로 얻어지는 장래의 관찰가능 상태를 계산할 수 있다. 예를 들어, 에이전트는 다양한 설비에서 이행될 고객 주문의 세트를 추측하여 할당함으로써 이러한 구성의 연관된 비용을 평가할 수 있다.
이러한 상태들을 차례대로 취하고 이러한 상태들 각각에 영향을 주는 문제점들을 살펴본다:
2.a.i 관찰가능 상태
1) 설비에 의해 이용될 수 있는 노동력
2) 만료 날짜와 연관된 설비 내의 현재의 재고품 수준
3) 용량 제약
2.a.ii 예측성 상태
1) 수요 예측 - 각각의 이행 설비에 어떤 상품을 얼만큼 저장할지에 대한 임의의 결정은 반드시 해당 설비로부터의 상품에 대한 수요의 예측 모델과 함께 시작된다. 통상적 실시예에서, 이러한 예측은 모델들의 자동회귀(autoregressive), 지수적 평활화, 또는 동적 선형 패밀리 중 하나의 모델을 사용하여 이력 수요 패턴의 시간 시리즈 데이터로부터 생성될 수 있다. 일부 경우에, 앙상블(ensemble) 기법 및 복수 개의 모델을 사용하여 정확도가 향상된다. 일부 경우에는, 예측된 수요의 설명으로서 전체 확률 분포를 가지는 것이 바람직하다. 그러한 경우, 그리고 포인트 추정치만을 제공하는 모델들에 대해서, 그러한 모델들은 부트스트랩된(bootstrapped) 이력 데이터에 걸쳐 반복적으로 실행될 수 있다.
2.a.iii 계획된 상태
1) 설비에 주문을 할당.
2) 설비들을 통해 재고를 전달.
3) 주문 제약(예를 들어 주문 기회, 트럭 만충 제약, 최소 구입량, 구입량 배수(multiples), 최대 구입량 등 계획된 고객 주문-설비 할당, 및 재고 전송)을 포함하는 재고품 예측.
2.b 비용 함수
모든 비용 함수(예를 들어 후술되는 비용 함수와 같음)는 동일한 단위(이 경우에는 통화)로 표현될 수 있고 이것은 이제 함수들이 지배하는(overarching) 비용 함수로 합산될 수 있게 한다. 그러면, 이러한 지배하는 비용 함수는 고객 주문의 세트를 설비로 특정하게 할당하는 것의 적절성을 평가하기 위해 사용될 수도 있고, 또는 이와 유사하게 이러한 함수의 델타 변화가, 고정되게 유지되는 다른 주문들의 설비 할당의 백드롭(backdrop)에 대한, 어떤 단일 주문을 특정한 설비(들)로 할당하는 것의 적절성을 평가하기 위해 사용될 수 있다.
2.b.i 유입 도메인
유입 도메인 내에서, 여러 세트의 제약들이 적용될 수 있다:
1. 주문 제약 예를 들어 일부 공급자가 특정한 시간/ 특정 일에는 주어진 설비로만 선적하고자 할 수 있다는 것, 가득 찬 로리에 상당하는 상품만을 선적하고자 한다는 것("트럭 충진" 제약), 각각의 SKU 당 재고품의 최소량, SKU 당 왕복 선적의 경우에 상당하는 재고품("구입량 배수"), 및/또는 일회성 / 소정 시간 기간 내에 주문가능한 주어진 SKU의 재고품의 양의 제한. 더 나아가, 모든 공급자가 모든 설비에 서비스를 제공하려 하는 것은 아닐 것이다. 예를 들어, 소명 공급자는 가장 가까운 설비로만 서비스를 제공하려 하거나, 다른 공급자의 상품이 적시에 배달 차량에 의해 수집돼야 하는 경우가 있을 수 있고, 해당 공급자의 상품이 어떤 설비에 의해 서비스가 제공되는 고객에 대한 이용가능한 모음의 일부이더라도, 해당 공급자의 상품은 실제로 해당 설비를 통과해서 지나가는 것은 아니다.
2. 설비 저장 제약 - 각각의 설비는 각각의 이용가능한 타입의 컨테이너의 개수를 저장하기 위한 미리 결정된 용량을 가질 것이다.
가장 단순한 경우에, 모든 설비는 제품(SKU)의 동일한 모음을 제공할 것이다. 예를 들어, 공급자의 배달이 더 큰 설비로만 일어나는 것이 유리하거나 필요하다면, 더 작은 설비는 더 큰 설비에서 이용가능한 상품의 서브세트만을 제공하는 것이 바람직할 수 있다. 몇 가지 구현형태들에서, 공급자 배달이 하나 이상이지만 특정 제품을 제공하는 네트워크 내의 설비들 모두는 아닐 수 있는 설비로 이루어지면서, 각각의 설비는 전체 범위 중 자기 자신의 개개의 서브세트를 제공할 수 있다.
더 일반적인 경우에, 에이전트는 각각의 설비에서의 모음 계획(assortment planning)에 대해 스스로 결정하는 것을 최적화하기 위해 데이터의 여러 소스를 사용할 수 있다:
1. 각각의 SKU에 대한 예견된 수요(이용가능하다고 가정함).
2. 고객 영향 - 가능한 범위 중 일부를 저장하지 않는 특정 설비에 의해 서비스가 제공되는 고객에 대한 영향은, 저장되는 가능한 범위 중 일부가 저장되지 않는 라인을 얼마나 잘 대체하는지를 추정함으로써 정량화될 수 있다. 특히, 고객 장바구니에 함께 자주 나타나는 SKU들의 세트의 쌍별 음의 상관(pairwise negative correlation)이 상품의 대체가능성을 표시할 수 있다. 고객이 대체재를 거절할 수 있으면, 거절율이 높다는 것은 대체가능성이 낮다는 것을 나타낼 것이다.
각각의 설비의 특정 모음을 가지는 것이 바람직하다는 것이 정량화될 수 있으면, 이제 각각의 설비에서의 모음을 최적화하기 위해서 표준 알고리즘이 사용될 수 있다. 작은 문제의 실례에 대해서는, 동적 프로그래밍 또는 혼합된 정수 선형 프로그래밍을 포함하는 정확한 솔루션 방법으로 충분할 수 있다. 더 흔히, 거의 최적의 솔루션을 생성하기 위해서 시뮬레이션된 어닐링 또는 유전적 알고리즘과 같은 메타발견적(metaheuristic) 기법이 필요할 것이다.
2.b.ii 유입 비용 모델
2.b.ii.1 노동력
노동력이 단일 설비에 대해서 주어지지만, 이것은 성질상, 각각의 설비에 대한 올바른 파라미터 값을 가지고 연산을 차례대로 반복하고 및 결과적으로 얻어지는 비용들을 합산함으로써 쉽게 여러 설비들로 확장된다.
Rmin = 예를 들어 계약 요구 사항 때문에 주어진 교대 근무에 대해 근무할 수 있는 일반 노동자의 최소 명수.
Rmax = 예를 들어 노동력 이용가능성 때문에 주어진 교대 근무에 대해 근무할 수 있는 일반 노동자의 최대 명수.
Rcost = 일반 노동자의 교대 근무 당 비용.
Tmax = 주어진 교대 근무에 대해 근무할 수 있는 임시 작업자의 최대 명수.
Tcost = 일시적 노동자의 교대 근무당 비용.
Lreq = Lfacility (차량, SKU, 컨테이너, 케이스, 중량, 수량) = 주어진 교대 근무 중에 필요한 사람의 명수; 예를 들어, 양하될 차량의 수, 수납될 별개의 SKU의 개수, 인입하는 재고품을 수용하기 위해 필요한 컨테이너의 수, 배달되는 케이스의 개수, 표준화된 컨테이너 내에 수납되고 배치될 상품의 총 중량 및 수량의 설비 특유 함수를 사용하여 이것을 결정하는 것이 가능할 수 있다.
그러면 유입 인건비 성분이 다음과 같이 계산될 수 있다:
ILcost = Rreq * Rcost + Treq * Tcost
여기에서 Rreq 및 Treq는 요구된 일반 및 일시적 노동력을 각각 제공한다:
Rreq = MIN(Rmax, MAX(Rmin, Lreq))
Treq = MIN(Tmax, MAX(0, Lreq - Rreq))
이러한 컴퓨팅의 별개의 변형이 각각의 작업 역할에 대해 이루어질 수 있고, 그 결과들이 합산될 수 있다는 것이 이해될 것이다.
노동력이 유입 및 유출 동작에 걸쳐서 공유된 풀(pool)이라면, 유입 도메인에서의 이러한 인건비 함수는 몇 가지 실시예들에서 유출 도메인 비용 함수 성분과 상호작용하고 이것에 영향을 줄 수 있다는 것에 주의해야 한다.
2.b.ii.2 고객 영향
이것은 기대된 부족 현상, 즉 주문 중 일부를 이행하지 못하는 것과 주문된 제품 대신에 대체품이 공급되는 경우의 고객 또는 기능적 대체재(operational substitution)의 함수라고 간주될 수 있다.
2.b.ii.3 재고 수송
이동할 컨테이너의 무게 및 개수, 이동 거리 또는 루트, 및 기대된 교통 상황이 주어질 경우의 기대된 여행 시간, 허용될 수 있는 거리의 속도 등에 기초하여 고려 및/또는 선택될 수 있는 주어진 차량 타입에 대하여, 운전자 비용을 계산하는 것이 가능하고, 이것은 이에 비례하는 차량의 감가 상각 능력 및 유지보수 비용, 기대되는 연료 소비 및 비용 등을 포함할 수 있다. 더욱이, 차량이 출발한 곳으로 이미 복귀했는지 여부 그리고 비어 있을 가능성에 따라 달라지는 비용을 포함하는 것이 가능할 수도 있다.
각각의 설비 또는 이행 센터에 대하여 이용가능하지만 투입되지 않은(uncommitted) 상품, 및 요구되는 상품의 부족분이 있을 것이다. 그러므로, 각각의 후보 소스 위치에서의 차량 및 운전자 이용가능성에 대한 제한이 있을 경우, 제거 및 부족분(비록 그 실제 비용은 고객 영향(Customer Impact) 및 기대된 제거(Expected Purge) 하에서 캡쳐될 수 있지만)을 최소화하는 요구되는 재고 배달의 최소 비용 세트를 찾는 것이 가능하다. 이에 상응하여:
2.b.ii.4 기대된 제거(Expected Purge)
특정 SKU에 대해 다음이 주어진다:
Pcost = 해당 SKU의 각각을 피킹하는 비용.
Ecost = 해당 SKU의 각각의 비용.
Peaches = SKU 제거(purging)의 양을 제공하는 변수(랜덤 변수일 수 있음)
그러면 기대된 제거 비용은 다음과 같이 계산될 수 있다:
EPcost =(Pcost + Ecost) * Peaches
주문-설비 할당이 설비들에 걸쳐서 수요 패턴을 바꾸고, 따라서 몇 가지 실시예들에서 고객 영향(Customer Impact), 재고 수송(Inventory Transport), 및 유출 도메인이 있는 기대된 제거(Expected Purge with Outbound Domain) 비용 함수 성분에 영향을 줄 수 있다는 것에 주의해야 한다.
2.b.iii 유출 도메인
주문-설비 할당.
2.b.iii.1 설비
해당 설비에 기인하는 비용은 "능력비(capacity cost)"라고 불릴 수 있다. 건물 및 장비의 고정된 감가상각 비용 + 임대료 + 빌딩의 가변 비-노동력 운영비, 예를 들어 난방비, 전기요금이 이러한 변수를 고려할 때 모두 고려될 수 있다.
2.b.iii.2 재고 수송
이것은 전술된, 유입 도메인이 있는 재고 운송비 함수 성분과 실질적으로 같다고 간주될 수 있다.
2.b.iii.3 노동력
이것은 다음을 제외하고는 전술된, 유입 도메인이 있는 인건비 함수 성분과 실질적으로 동일하다고 간주될 수 있다:
Lreq = Lfacility (차량, 주문, 컨테이너, 수량) = 적재될 배달 차량, 이행될 주문, 그러한 주문을 위해 필요한 컨테이너, 및 그러한 주문을 위해 피킹돼야 할 개체의 수량의 함수로서, 주어진 교대 근무 동안에 필요한 인원수; 및
ILcost 또는 OLcost(유입 노동력 대 유출 노동력).
2.b.iii.4 분포
랜덤 변수
1) Croute = 요청된 배달 날짜 및 시간에 대한, 유망한 설비로부터의, 유망한 주문의 지리적 영역 내에서 운용되는 배달할 밴의 경로에 대한 GBP 내의 예견된 비용이고, 스태프 임금, 차량 감가상각, 연료 비용 등을 포함할 수 있음.
2) Tavail = 요청된 배달 날짜 및 시간에 대한, 유망한 설비로부터의, 유망한 주문의 지리적 영역 내에서 운용되는 배달할 밴의 경로에 대한 이용가능한 총 운전 시간(drive time)의 분포.
3) Wavail = 요청된 배달 날짜 및 시간에 대한, 유망한 설비로부터의, 유망한 주문의 지리적 영역 내에서 운용되는 배달할 밴의 경로에 대한 하중 운반 용량(weight carrying capacities)의 분포.
4) Vavail = 요청된 배달 날짜 및 시간에 대한, 유망한 설비로부터의, 유망한 주문의 지리적 영역 내에서 운용되는 배달할 밴의 경로에 대한 표준화된 컨테이너에서 측정된 밴 용량의 분포.
5) Torder = 동일한 요일에, 그리고 하루 중 유망한 주문과 동일한 시간 기간 동안의, 앞선 드롭(drop)으로부터 배달까지의, 그리고 동일한 지리적 영역에서 발생된 배달을 위한 배달부터 후속 드롭까지의 관찰된 이력적 운전 시간의 평균값의 경험적 분포.
6) Worder =(예를 들어), 현재의 장바구니 콘텐츠, 배달 시 그리고 주문 생성부터 배달까지의 간격에서의 이러한 고객의 주문의 이력 가중치, 및 요청된 배달까지의 잔여 시간에 의해 예측되는 유망한 주문의 가능한 가중치의 분포.
7) Vorder=(예를 들어), 현재의 장바구니 콘텐츠, 배달 시 그리고 주문 생성부터 배달까지의 간격에서의 이러한 고객의 주문의 이력 가중치, 및 요청된 배달까지의 잔여 시간에 의해 예측되는 유망한 주문의 표준화된 컨테이너에서 측정되는 가능한 주문량의 분포.
8) Morder =(예를 들어), 현재의 장바구니 콘텐츠, 배달 시 그리고 주문 생성부터 배달까지의 간격에서의 이러한 고객의 주문의 이력 마진, 및 요청된 배달까지의 잔여 시간에 의해 예측되는 유망한 주문의 가능한 주문 이윤 마진의 분포.
위의 예시적인 변수가 주어지면, 특정 주문을 수락하는 기회 비용의 배달 성분이 다음과 같이 모델링될 수 있다:
Corder = Croute * MAX( Torder / Tavail, Worder / Wavail, Vorder / Vavail)
몇 가지 구현형태들에서 Vorder 및 Vavail은 예를 들어 주문의 일부가 상이한 온도 범위에서 처리돼야 한다는 요구 사항을 캡쳐하도록 세부적으로 분할될 수 있다. 몇 가지 구현형태들에서, 추정의 정확도는, 증가되는 운전 시간 요구 사항 또는 기대된 이용가능한 중량 또는 부피 용량의 추정치를 수정하기 위해(이력 데이터에 기초하여), 이력 데이터에만 의존하는 것이 아니라 이행과 배달을 위해 이미 수락된 다른 관련된(공간 및 시간에 있어서 관련된) 주문의 지식을 사용함으로써 개선될 수 있다.
몇 가지 구현형태들에서, 소매가 및 비용 가격은 설비 위치에 의해 바뀔 수 있고, 이러한 경우 Morder를 Corder로 나눈 값이 Corder 혼자 사용되는 대신에 관련 메트릭으로서 사용될 수 있다.
몇 가지 구현형태들에서, 관련된 메트릭(Corder 또는 Morder/Corder)의 연산은 배달 옵션을 고객에게 제공하기 전에 추측에 의해 수행될 수도 있다. 이러한 경우에, 슬롯들(slot)에 대한 고객 수요는 다음과 같은 여러 미캐닉(Mechanics)에 의해 관리될 수 있다: 배달료를 변경하는 것, 슬롯들을 이용불가능한 것으로 제외하는 것, 우선 상이한 배달 옵션을 제공하거나 그렇지 않으면 디스플레이의 순서를 변경하는 것, 시각적으로, 예를 들어 녹색 밴 아이콘 등으로 일부 배달 옵션을 강조하는 것, Morder/Corder가 평균 아래가 아니라 평균보다 높은 슬롯을 선택하도록 권장하는 것. 이러한 경우에, 고객 경험에 대한 영향은, 고객이 배달 옵션에 대한 그들의 유연성을 규정하게 하거나 조금 더 여유가 있는 배달 시간(예를 들어 한 시간의 배달 윈도우 대신에 두 시간 짜리를 선택하면 배달 요금을 줄이는 것이 가능함)을 선택하게 함으로써 최소화될 수 있다. 또한, 배달 요금, 주문 한 뒤에 배달까지의 시간, 및 다른 요일 및 다른 시간에서의 슬롯 이용가능성에 대한 고객의 민감도는 그들의 종래의 배달 슬롯 선택 움직임으로부터 유추될 수 있다. 그러면 슬롯 수요 관리는 개인화되어 상응하도록 완화될 수 있다.
3. 결정 알고리즘
아래에 주어진 예에서, 고객 주문에 대해 설비를 할당하는 것은 다음과 같은 복합적인 결정을 망라하는 것으로 이해된다: 예를 들어, 고객 주문이 어떤 설비 또는 이행 센터로부터 출발해야 하는지, 및 단일 고객 주문이 피킹될 수 있는 설비 또는 다수의 설비.
1) 그리디(Greedy) - 구성가능한 임계를 가진 수락된 각각의 고객 주문에 대해 최적의 설비 할당을 선택하여, 너무 비용이 높은 주문을 거절하거나 해당 주문이 더 많은 마진을 남기도록 배달 요금을 조절하기 위한, 사용 비용 함수 또는 그 증가.
2) 체험적(Heuristic) - 바람직하게는 궁극적으로 고객 주문을 설비들에 최적으로 할당하게 하는 것이 가능할 수락된 각각의 고객 주문에 대한 설비 할당을 선택하기 위한, 상태 및 / 또는 비용 함수에 기초한 사용 규칙.
3) 최적화(Optimisation) - 고객 주문을 설비들에 최적으로 할당하는 것을 직접적으로 구성하기 위한, 조합(combinatorial) 최적화(예를 들어 시뮬레이션된 어닐링, 유전적 프로그래밍, 교차 엔트로피 방법 등) 시도를 근사화하기 하는 표준 접근법.
4) 강화 학습(Reinforcement Learning; RL) - 관찰가능한 보상 함수, 예를 들어 총 전체 마이너스 운영비를 사용하여, 조치를 취하기 위한 마르코프 결정 프로세스(Markov Decision Process; MDP)에 의해 모델링된 환경 내의 최적 정책을 학습한다. 즉, 시간 t에서의 이전에 언급된 상태 S는 시간 t-1 에서의 이전의 상태 S의 함수이다. 조치는, 설비 할당을 선택하거나 주문을 거절하거나 해당 주문이 더 많은 마진을 남기도록 배달 요금을 조절하거나 주문에 포함된 상품의 가격을 적응시키는, 글로벌 수준에서 이루어질 수 있다. 또한, 조치는 주문을 수락할지 여부를 선택하고 재고품을 요청하고 다른 설비로 보내는, 설비 수준에서 이루어질 수도 있다. 정책은, 예를 들어 딥 Q 러닝을 사용하여 직접적으로 학습되거나 그렇지 않을 수도 있고, 중간 단계로서, 예를 들어 시간차 러닝(temporal difference learning)을 통해 상태에 가치를 매기기 위한 함수를 학습하는 것을 수반하거나 그렇지 않을 수도 있으며, 계획(planning) 및 시물레이션을 사용하는 것을 포함하거나 그렇지 않을 수도 있다. 최적의 정책을 학습하는 것에는, 전술된 다른 결정 프로세스로부터 학습하기 위해 오프-정책 러닝(off-policy learning)을 사용함으로써 부트스트랩 현상이 발생하거나 그렇지 않을 수도 있다.
전술된 비용 함수 및 알고리즘의 특정 실시예에서, 변수들 중 전부 또는 일부가 사용될 수 있고, 비용 함수(Cost Function)가 전술된 것들 중 일부 또는 전부에 기초하여 계산될 수 있다는 것이 이해될 것이다. 계산된 비용 함수의 결과로서, 여러 방식으로 고객 주문을 이행하는 비용이 계산될 수 있고, 주어진 상황에 대한 최선책이 선택될 수 있다. 최선책은 전술된 변수들 중 임의의 것에 따라 정의될 수 있고 재정적으로 가장 저렴한 것을 의미할 필요가 없으며, 예를 들어 시스템 내의 다른 고객 주문에 가장 적은 영향을 미치는 비용 함수를 의미할 수 있다는 것이 이해될 것이다.
전술된 변수 및 함수의 목록은 한정적인 것이 아니고 청구되는 봄 발명의 범위 및 사상에 속하는 추가적인 변수와 함수가 고려될 수 있다는 것도 역시 인정될 것이다.
총괄
설명된 실시예는 실세계에 있는 다양한 오브젝트, 예컨대 물류 장비, 창고, 실제 제품, 실제 컨테이너 등과 상호작용한다. 이러한 최적화에는, 감소된 비용, 증가된 마진, 증가된 제품 선택폭, 더 짧은 고객 주문 조달 시간, 증가된 물류 옵션 선택폭, 향상된 효율, 감소된 환경적 영향 등과 같은 상업적 이점들이 존재할 수 있다.
컴퓨터-구현 실시예의 경우, 제공된 상세한 설명은 시스템 또는 방법 단계를 구현하기 위해 컴퓨터를 어떻게 변경할지를 기술할 수 있다. 해결되는 특정한 문제점은 컴퓨터-관련 문제점의 콘텍스트에 있을 수 있고, 시스템은 수동 수단을 통하거나 수동 단계들의 시리즈로서만 수행되도록 의도되지 않을 수 있다. 컴퓨터-관련 구현형태 및/또는 솔루션은 일부 실시예들에서; 특히 적어도 확장가능성(많은 수의 입력 및/또는 활동을 관리하기 위해 단일 플랫폼/시스템을 사용하는 것); 이질적인 네트워크들로부터 신속하고 효과적으로 정보를 모으는 능력; 다른 방법으로는 불가능했을 결정을 지원하는 것 및/또는 분석의 개선; 유일한 연결 포인트가 컴퓨터-구현 인터페이스인 외부 시스템과 통합될 수 있는 능력; 자동화를 통해 비용 절약을 이뤄내는 능력; 다양한 콘텍스트에서 업데이트에 동적으로 대응하고 응답하는 능력 주문 흐름 또는 물류 상태를 신속하게 바꾸는 것); 수동 수단을 통해서는 불가능했을 복잡한 논리적 규칙을 적용하는 능력; 주문이 완전히 익명으로 이루어지게 하는 능력의 관점에서 유익할 수 있다.
전자 및/또는 컴퓨터화된 수단을 사용하면 전통적인 컴퓨터화되지 않은 수단보다 더 편리하고, 확장가능하며, 효율적이고, 정확하며, 및/또는 신뢰가능한 플랫폼이 제공될 수 있다. 더 나아가, 시스템은 컴퓨터화될 수 있고 플랫폼은 바람직하게는 상호운용가능성을 가지도록 설계될 수 있으며, 수동으로 운영하는 것은 어렵거나 및/또는 불가능할 수 있다. 더 나아가, 가능하다고 하더라도, 수동으로 운영하는 것은 비견될만큼 효과적일 가능성이 적다.
확장가능성은, 많은 수의 입력, 출력 및/또는 외부 시스템과의 상호연결 및/또는 통합을 효과적으로 관리할 수 있는 시스템을 제공하는 것이 유익할 수 있기 때문에 유용할 수 있다.
어떤 솔루션의 편의성 및 효과는 개인들이 더 양호하게 주문하고 및/또는 이행을 결정하기 위해 이용가능한 더 많은 정보를 가질 수 있기 때문에 주문 이행의 콘텍스트에서 평가될 수 있다.
본 발명의 시스템 및 방법은 다양한 실시예들에서 실시될 수 있다. 적절하게 구성된 컴퓨터 디바이스, 및 연관된 통신 네트워크, 디바이스, 소프트웨어 및 펌웨어는 위에서 설명된 바와 같은 하나 이상의 실시예를 가능하게 하기 위한 플랫폼을 제공할 수 있다. 일 예로서, 도 15 는 저장 유닛(1504) 및 랜덤 액세스 메모리(1506)에 연결된 중앙 처리 유닛("CPU")(1502)을 포함할 수 있는 컴퓨터 디바이스(1500)를 도시한다. CPU(1502)는 운영 체제(1501), 애플리케이션 프로그램(1503), 및 데이터(1523)를 처리할 수 있다. 운영 체제(1501), 애플리케이션 프로그램(1503), 및 데이터(1523)는 저장 유닛(1504)에 저장되고 필요할 때에 메모리(1506)로 로딩될 수 있다. 컴퓨터 디바이스(1500)는 CPU(1502) 및 메모리(1506)에 동작가능하도록 연결되고 과중한 이미지 프로세싱 계산을 CPU(1502)로부터 덜어내고 이러한 계산 동작을 CPU(1502)와 병렬적으로 실행하는 그래픽 처리 유닛(GPU)(1522)을 더 포함할 수 있다. 운영자(1507)는 비디오 인터페이스(1505)에 의해 연결되는 비디오 디스플레이(1508) 및 키보드(1515), 마우스(1512)와 같은 다양한 입력/출력 디바이스, 및 I/O 인터페이스(1509)에 의해 연결된 디스크 드라이브 또는 고상 드라이브(1514)를 사용하여 컴퓨터 디바이스(1500)와 상호작용할 수 있다. 알려진 방식으로, 마우스(1512)는 비디오 디스플레이(1508) 내에서 커서의 움직임을 제어하고, 비디오 디스플레이(1508)에서 나타나는 다양한 그래픽 사용자 인터페이스(GUI) 제어부를 마우스 버튼으로 작동시키도록 구성될 수 있다. 디스크 드라이브 또는 고상 드라이브(1514)는 컴퓨터 판독가능 매체(1516)를 수용하도록 구성될 수 있다. 컴퓨터 디바이스(1500)는 네트워크 인터페이스(1511)를 통해 네트워크의 일부를 형성하여 컴퓨터 디바이스(1500)가 적절하게 구성된 다른 데이터 처리 시스템(미도시)과 통신할 수 있게 할 수 있다. 다양한 소스로부터 입력을 수신하기 위해 상이한 타입의 하나 이상의 센서(1535)가 사용될 수 있다.
본 발명의 시스템 및 방법은 데스크탑 컴퓨터, 랩탑 컴퓨터, 태블릿 컴퓨터 또는 무선 핸드헬드를 포함하는 거의 모든 방식의 컴퓨터 디바이스에서 실시될 수 있다. 본 발명의 시스템 및 방법은, 하나 이상의 컴퓨터 디바이스가 본 발명에 따른 방법에 포함되는 다양한 프로세스 단계들 각각을 구현하게 하는 컴퓨터 프로그램 코드를 포함하는 컴퓨터-판독가능/사용가능 매체로서도 구현될 수 있다. 전체 동작들을 수행하는 컴퓨터 디바이스가 하나 이상 있는 경우, 컴퓨터 디바이스들은 네트워크로 연결되어 동작의 다양한 단계들을 분산시킨다. 컴퓨터-판독가능 매체 또는 컴퓨터 사용가능 매체라는 용어가 프로그램 코드의 임의의 타입의 하나 이상의 물리적 실시예를 포함한다는 것이 이해된다. 특히, 컴퓨터-판독가능/사용가능 매체는, 이상의 휴대용 저장소(예를 들어 광학 디스크, 자기 디스크, 테이프 등), 및 컴퓨터 및/또는 저장 시스템과 연관되는 메모리와 같은 컴퓨팅 디바이스의 하나 이상의 데이터 저장부에 구현되는 프로그램 코드를 포함할 수 있다.
본 발명의 모바일 적용예는 웹 서비스로서 구현될 수 있고, 이러한 경우 모바일 디바이스는 네이티브 애플리케이션보다 웹 서비스에 액세스하기 위한 링크를 포함한다.
설명된 기능은 iOS™ 플랫폼, ANDROID™, WINDOWS™ 또는 BLACKBERRY™를 포함하는 임의의 모바일 플랫폼에 구현될 수 있다.
본 명세서에서 설명되는 실시예의 다른 변형예들도 본 발명의 범위로부터 벗어나지 않고서 실시될 수 있다는 것이 당업자에게 이해될 것이다. 그러므로 다른 변형예도 가능하다.
추가 양태에서, 본 발명은 이러한 방법을 구현하고 전술된 기능성을 가능하게 하는 데에 사용되기 위한 시스템, 디바이스, 방법, 및 비일시적 머신-판독가능 명령 세트를 포함하는 컴퓨터 프로그래밍 제품을 제공한다.
비록 본 발명이 어느 정도의 특정성을 가지고 설명되고 예시적인 형태에서 예시되었지만, 이러한 설명 및 예시는 오직 예시를 위한 것일 뿐이라는 것에 주의한다. 구성 요소와 단계들의 구성 및 조합 및 배치의 세부 사항에는 많은 변경이 이루어질 수 있다. 이에 따라, 이러한 변화는 그 범위가 청구 범위에 의해 정의되는 본 발명에 포함되는 것이 의도이다.
명시적으로 언급되거나 임의의 선택적인 단계 또는 그 구성요소를 포함하며 설명된 프로세스 내에 내재하는 정도를 제외하고는, 필수적인 순서, 시퀀스, 또는 조합을 암시하려는 것은 의도되지 않는다. 청구 범위에 의해서만 한정되는 본 발명의 범위를 벗어나지 않으면서, 본 명세서에서 설명되는 프로세스 및 임의의 시스템, 디바이스 등 모두에 대해서 광범위한 변형이 가능하고, 다양한 환경에서는 유리할 수도 있다는 것을 당업자는 이해할 것이다.

Claims (33)

  1. 대형 이행 센터 및 소형 이행 센터를 포함하는 복수 개의 이행 센터로부터의 이행될 주문을 처리하기 위한 시스템으로서,
    옵션 선택 모듈을 포함하고, 상기 옵션 선택 모듈은,
    주문을 수신하는 것,
    상기 대형 이행 센터 및 소형 이행 센터 중 적어도 하나를 통해 상기 주문을 이행하기 위한 적어도 두 개의 잠재적 옵션을 식별하는 것 - 상기 적어도 두 개의 잠재적 옵션은 대형 이행 센터로부터 주문의 적어도 하나의 아이템을 제공하는 것, 또는 소형 이행 센터에 보유된 재고로부터 주문을 직접적으로 전송하는 것을 포함하고, 상기 적어도 두 개의 잠재적 옵션을 식별하는 것은 규칙 세트에 기초하여 옵션들의 우선순위를 결정하는 것을 포함함 -
    이행 옵션들을 추천하는 것,
    비용 함수를 최적화함으로써 상기 적어도 두 개의 잠재적 옵션 중 하나의 옵션을 선택하는 것 - 상기 비용 함수는 상기 이행 센터들 각각과 연관된, 인건비(labour cost), 능력비(capacity cost), 유통비(distribution cost), 및 재고 운송비(inventory transfer cost) 중 적어도 하나를 포함함 -, 및
    상기 주문을 이행하기 위해서 선택된 옵션을 하나 이상의 물류 시스템으로 통신하는 것을 위해 구성되는 프로세서를 포함하는, 주문 처리 시스템.
  2. 제1항에 있어서,
    상기 비용 함수는 상기 주문을 이행하는 것과 연관된 한계 비용(marginal cost)을 포함하는, 주문 처리 시스템.
  3. 제2항에 있어서,
    상기 한계 비용은 고객으로부터 수신된 주문과 예측된 주문을 반영하는 실시간 데이터에 기초하여 계산되는, 주문 처리 시스템.
  4. 제1항 또는 제2항에 있어서,
    상기 비용 함수는 상기 주문을 이행하는 것과 연관된 기회 비용(opportunity cost)을 포함하는, 주문 처리 시스템.
  5. 제4항에 있어서,
    상기 기회 비용은 고객으로부터 수신된 주문과 예측된 주문을 반영하는 실시간 데이터에 기초하여 계산되는, 주문 처리 시스템.
  6. 제1항 또는 제2항에 있어서,
    상기 선택하는 것은, 특정 자원의 이용가능성과 연관된 적어도 하나의 확률을 결정하는 것을 포함하는, 주문 처리 시스템.
  7. 제6항에 있어서,
    상기 특정 자원은 노동 자원, 수송 자원, 또는 저장 자원인, 주문 처리 시스템.
  8. 제1항 또는 제2항에 있어서,
    이행 센터들의 계층구조는, 복수 개의 소형 이행 센터들을 포함하는, 주문 처리 시스템.
  9. 제1항 또는 제2항에 있어서,
    상기 복수 개의 소형 이행 센터는 허브-및-스포크 방식으로 상기 대형 이행 센터 주위에 배치되는, 주문 처리 시스템.
  10. 제1항 또는 제2항에 있어서,
    상기 대형 이행 센터는 제 1 컨테이너 내에 제 1 제품을 포함하고 상기 소형 이행 센터는 제 2 컨테이너 내에 제 2 제품을 포함하며,
    상기 제 1 및 제 2 컨테이너 각각은 하나 이상의 미리 결정된 크기를 가지는 표준화된 컨테이너들의 세트로부터 선택되는, 주문 처리 시스템.
  11. 삭제
  12. 삭제
  13. 삭제
  14. 삭제
  15. 삭제
  16. 삭제
  17. 삭제
  18. 삭제
  19. 삭제
  20. 삭제
  21. 삭제
  22. 삭제
  23. 삭제
  24. 삭제
  25. 삭제
  26. 삭제
  27. 삭제
  28. 삭제
  29. 삭제
  30. 삭제
  31. 삭제
  32. 삭제
  33. 삭제
KR1020177014165A 2014-10-31 2015-11-02 이행 센터들의 계층구조로부터의 전자 상거래 주문을 이행하는 시스템 및 방법 KR102468339B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020227039807A KR20220158848A (ko) 2014-10-31 2015-11-02 이행 센터들의 계층구조로부터의 전자 상거래 주문을 이행하는 시스템 및 방법

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
GB1419498.9 2014-10-31
GBGB1419498.9A GB201419498D0 (en) 2014-10-31 2014-10-31 System and method for fulfilling E-commerce orders from a hierarchy of fulfilment centres
PCT/EP2015/075493 WO2016066859A1 (en) 2014-10-31 2015-11-02 System and method for fulfilling e-commerce orders from a hierarchy of fulfilment centres

Related Child Applications (1)

Application Number Title Priority Date Filing Date
KR1020227039807A Division KR20220158848A (ko) 2014-10-31 2015-11-02 이행 센터들의 계층구조로부터의 전자 상거래 주문을 이행하는 시스템 및 방법

Publications (2)

Publication Number Publication Date
KR20170078722A KR20170078722A (ko) 2017-07-07
KR102468339B1 true KR102468339B1 (ko) 2022-11-16

Family

ID=52118577

Family Applications (2)

Application Number Title Priority Date Filing Date
KR1020227039807A KR20220158848A (ko) 2014-10-31 2015-11-02 이행 센터들의 계층구조로부터의 전자 상거래 주문을 이행하는 시스템 및 방법
KR1020177014165A KR102468339B1 (ko) 2014-10-31 2015-11-02 이행 센터들의 계층구조로부터의 전자 상거래 주문을 이행하는 시스템 및 방법

Family Applications Before (1)

Application Number Title Priority Date Filing Date
KR1020227039807A KR20220158848A (ko) 2014-10-31 2015-11-02 이행 센터들의 계층구조로부터의 전자 상거래 주문을 이행하는 시스템 및 방법

Country Status (9)

Country Link
US (1) US10776750B2 (ko)
EP (1) EP3213275A1 (ko)
JP (1) JP6651517B2 (ko)
KR (2) KR20220158848A (ko)
CA (1) CA2966075C (ko)
GB (2) GB201419498D0 (ko)
IL (1) IL251907B (ko)
WO (1) WO2016066859A1 (ko)
ZA (1) ZA201702979B (ko)

Families Citing this family (80)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9139363B2 (en) 2013-03-15 2015-09-22 John Lert Automated system for transporting payloads
EP3650375A1 (en) 2015-06-02 2020-05-13 Alert Innovation Inc. Storage and retrieval system
US11203486B2 (en) 2015-06-02 2021-12-21 Alert Innovation Inc. Order fulfillment system
US11142398B2 (en) 2015-06-02 2021-10-12 Alert Innovation Inc. Order fulfillment system
US20170185933A1 (en) * 2015-06-14 2017-06-29 Jda Software Group, Inc. Distribution-Independent Inventory Approach under Multiple Service Level Targets
US10074066B2 (en) * 2016-01-16 2018-09-11 International Business Machines Corporation Two phase predictive approach for supply network optimization
US10248922B1 (en) * 2016-03-11 2019-04-02 Amazon Technologies, Inc. Managing network paths within a network of inventory spaces
CN110574055A (zh) 2016-11-17 2019-12-13 阿勒特创新股份有限公司 自动化服务零售***和方法
CN110100256A (zh) 2016-11-29 2019-08-06 阿勒特创新股份有限公司 自动化零售供应链和存货管理***
JP2020504066A (ja) 2017-01-10 2020-02-06 アラート イノヴェイション インコーポレイテッド 交換可能自動移動ロボットを備えた自動ストア
WO2018146686A1 (en) * 2017-02-12 2018-08-16 Commonsense Robotics Ltd. Method and system for using multiple packing stations in ‎delivery of goods
GB201702746D0 (en) 2017-02-20 2017-04-05 Ocado Innovation Ltd Vending system and method of automatically vending
WO2018156966A1 (en) * 2017-02-24 2018-08-30 Alert Innovation Inc. Inventory management system and method
US11270371B2 (en) * 2017-03-10 2022-03-08 Walmart Apollo, Llc System and method for order packing
US10943182B2 (en) 2017-03-27 2021-03-09 International Business Machines Corporation Cognitive screening of EOR additives
US10878378B2 (en) * 2017-05-26 2020-12-29 Inmotus Pty Ltd Retail supply chain management system
CN107527115A (zh) * 2017-08-14 2017-12-29 震坤行工业超市(上海)有限公司 智能仓储管理方法、装置、***、及无人智能仓储设备
US20190114576A1 (en) * 2017-10-17 2019-04-18 Enjoy Technology, Inc. Platforms, systems, media, and methods for high-utilization product expert logistics
US20190228352A1 (en) 2018-01-19 2019-07-25 Walmart Apollo, Llc Systems and methods for combinatorial resource optimization
US11151496B2 (en) * 2018-02-19 2021-10-19 Target Brands, Inc. Parallel lead time determinations in supply chain architecture
US10832209B2 (en) * 2018-02-26 2020-11-10 Walmart Apollo, Llc Systems and methods for rush order fulfilment optimization
US11270040B2 (en) * 2018-03-16 2022-03-08 Walmart Apollo, Llc Simulation system for a production environment and related methods of use
US11854062B2 (en) 2018-04-25 2023-12-26 Walmart Apollo, Llc Order fulfillment system having dynamic routing
US11126956B2 (en) * 2018-05-15 2021-09-21 Nike, Inc. Order fulfillment
CA3101836A1 (en) 2018-06-01 2019-12-05 Walmart Apollo, Llc Automated slot adjustment tool
US11481711B2 (en) 2018-06-01 2022-10-25 Walmart Apollo, Llc System and method for modifying capacity for new facilities
US11301794B2 (en) * 2018-06-11 2022-04-12 International Business Machines Corporation Machine for labor optimization for efficient shipping
US11301791B2 (en) * 2018-06-11 2022-04-12 International Business Machines Corporation Fulfilment machine for optimizing shipping
US10769587B2 (en) * 2018-07-02 2020-09-08 Walmart Apollo, Llc Systems and methods of storing and retrieving retail store product inventory
GB2590248A (en) 2018-07-12 2021-06-23 Walmart Apollo Llc Automated storage retrieval system connection and communication protocol
WO2020014374A1 (en) 2018-07-12 2020-01-16 Walmart Apollo, Llc Autonomous storage and retrieval tower
GB2590246A (en) 2018-07-12 2021-06-23 Walmart Apollo Llc System and method for product recognition and assignment at an automated storage and retrieval device
US20200034859A1 (en) * 2018-07-26 2020-01-30 Walmart Apollo, Llc System and method for predicting stock on hand with predefined markdown plans
JP7062561B2 (ja) * 2018-09-06 2022-05-06 株式会社日立製作所 在庫配置設計装置および在庫配置設計方法
EP3640873A1 (en) * 2018-10-17 2020-04-22 Tata Consultancy Services Limited System and method for concurrent dynamic optimization of replenishment decision in networked node environment
US11615368B2 (en) * 2018-11-01 2023-03-28 Walmart Apollo, Llc Systems and methods for determining delivery time and route assignments
US11868934B1 (en) * 2018-11-05 2024-01-09 Amazon Technologies, Inc. Virtual fulfillment centers for item delivery
US11037081B1 (en) * 2018-11-14 2021-06-15 Amazon Technologies, Inc. Dynamic node level storage capacity management system
US11823117B2 (en) * 2018-11-30 2023-11-21 Target Brands, Inc. Delivery mode optimization in supply chain architecture
US11551270B2 (en) 2018-12-05 2023-01-10 Odd Bookworm Llc Methods and systems for e-commerce fulfillment
US11080727B1 (en) * 2018-12-11 2021-08-03 Stitch Fix, Inc. Global optimization of inventory allocation
JP2021527898A (ja) * 2018-12-20 2021-10-14 キャリア コーポレイションＣａｒｒｉｅｒ Ｃｏｒｐｏｒａｔｉｏｎ 将来の運送を計画するためのインタラクティブシステム
CA3119942C (en) 2019-03-01 2024-01-02 Attabotics Inc. Multi-nodal supply chain system and method for supply chain workflow execution using transportable and continuously trackable storage bins
US20200293968A1 (en) * 2019-03-13 2020-09-17 Coupang, Corp. Genetic algorithm-based systems and methods for simulating outbound flow
CN110110932A (zh) * 2019-05-09 2019-08-09 上汽安吉物流股份有限公司 订单预测方法和装置、物流***及计算机可读介质
EP3966134A4 (en) * 2019-05-10 2023-06-21 Attabotics Inc. SPACE-EFFICIENT ORDER EXECUTION SYSTEM FOR WORKFLOW BETWEEN SERVICE AREAS
US20200387864A1 (en) * 2019-06-04 2020-12-10 Coupang Corporation Computer-implemented system and method for determining top items for a custom fulfillment center
DE102019122751A1 (de) * 2019-08-23 2021-02-25 Dematic Gmbh Verfahren zur Versorgung eines lokalen automatisierten Auftragsabarbeitungszentrums mit Nachschub
GB201912750D0 (en) * 2019-09-05 2019-10-23 Ocado Innovation Ltd A system and method for controlling the movement of items
CA3149155A1 (en) * 2019-09-18 2021-03-25 Nicholas L. Whitman Systems and methods for tracking product environment throughout a supply chain
US20210090003A1 (en) * 2019-09-19 2021-03-25 Coupang, Corp. Systems and methods for outbound forecasting based on postal code mapping
US11138527B2 (en) * 2019-09-19 2021-10-05 Coupang Corp. Systems and methods for responsive and automated predictive packaging acquisition
US10867309B1 (en) 2019-09-19 2020-12-15 Coupang Corp. Systems and methods for outbound forecasting based on a fulfillment center priority value
US20210089985A1 (en) * 2019-09-23 2021-03-25 Coupang, Corp. Systems and methods for outbound forecasting using inbound stow model
US20210090106A1 (en) * 2019-09-23 2021-03-25 Coupang, Corp. Systems and methods for outbound forecasting
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
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
US10891583B1 (en) 2019-12-17 2021-01-12 Coupang Corp. Systems and methods for automated merging of split deliveries to a single customer
US11321651B2 (en) * 2019-12-30 2022-05-03 Coupang Corp. Cycle and safety stock determination systems
US11379905B2 (en) * 2020-01-02 2022-07-05 Salesforce, Inc. Processing fulfillment using stateless APIs and complex classes
WO2021149075A1 (en) * 2020-01-21 2021-07-29 Samya AI Artificial Intelligence Technologies Private Limited Integrating machine-learning models impacting different factor groups for dynamic recommendations to optimize a parameter
US11270258B2 (en) * 2020-01-23 2022-03-08 International Business Machines Corporation Dynamic inventory segmentation with predicted prediction time window
US20230081051A1 (en) * 2020-02-26 2023-03-16 3M Innovative Properties Company Systems and methods using inventory data to measure and predict availability of products and optimize assortment
WO2022005459A1 (en) * 2020-06-30 2022-01-06 Walmart Apollo, Llc Methods and apparatuses for automatically estimating order sizes
US11775931B2 (en) 2020-08-03 2023-10-03 Flexe, Inc. System and associated methods for apportionment of inventory between warehouse nodes to achieve requested service levels
US11468493B2 (en) * 2020-08-04 2022-10-11 Maplebear Inc. Determining generic items for orders on an online concierge system
US20230351314A1 (en) * 2020-08-24 2023-11-02 Nec Corporation Distribution analysis apparatus, distribution hub setting-up support apparatus, and method
US11481858B2 (en) 2020-09-21 2022-10-25 Walmart Apollo, Llc Peak period network capacity planning
KR102306117B1 (ko) * 2020-12-04 2021-09-29 쿠팡 주식회사 물류 관리 방법 및 이를 수행하는 전자 장치
KR102320835B1 (ko) * 2020-12-11 2021-11-03 쿠팡 주식회사 전자 장치 및 그의 정보 제공 방법
KR102307147B1 (ko) * 2020-12-16 2021-10-01 쿠팡 주식회사 물품 이관을 관리하는 전자 장치 및 그 정보 관리 방법
US11741524B2 (en) * 2021-01-30 2023-08-29 Walmart Apollo, Llc Systems and methods for generating basket and item quantity predictions using machine learning architectures
DE102021104633A1 (de) * 2021-02-26 2022-09-01 Robert Bosch Gesellschaft mit beschränkter Haftung Beladungs- und Routenplanung für Fahrzeuge
EP4050538A1 (en) * 2021-02-26 2022-08-31 TGW Logistics Group GmbH Method and system for determining and/or optimising operating conditions of an intralogistics system
WO2022235205A1 (en) * 2021-05-07 2022-11-10 Grabtaxi Holdings Pte. Ltd. Communications server apparatus, method and communications system for fulfilment of an order from a user
WO2022259033A1 (en) * 2021-06-11 2022-12-15 Coupang Corp. Systems and computerized methods for item order and distribution management
US11416815B1 (en) * 2021-06-11 2022-08-16 Coupang Corp. Systems and computerized methods for balancing inventory
EP4134889A1 (en) * 2021-08-11 2023-02-15 Implement Consulting Group P/S A method and a system for customer demand driven supply chain planning
KR20240033310A (ko) * 2022-09-05 2024-03-12 주식회사 브링코 주문자 별 통합 배송 방법 및 이를 구현하는 서버
WO2024128968A1 (en) * 2022-12-15 2024-06-20 Grabtaxi Holdings Pte. Ltd. Distribution channel selection method and apparatus

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2004035122A (ja) * 2002-06-28 2004-02-05 Toyota Motor Corp 物流計画立案装置と立案方法とプログラム
JP2008524714A (ja) * 2004-12-17 2008-07-10 スピーゲル，ジョエル 予測小包出荷のための方法およびシステム

Family Cites Families (26)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH0798741A (ja) * 1993-06-04 1995-04-11 Hitachi Ltd 生販物統合管理方法
JP2000085925A (ja) * 1998-09-17 2000-03-28 Hitachi Ltd 補給計画作成方法
US7139637B1 (en) * 1999-05-11 2006-11-21 William Henry Waddington Order allocation to minimize container stops in a distribution center
US7370005B1 (en) * 1999-05-11 2008-05-06 Peter Ham Inventory replication based upon order fulfillment rates
WO2002003294A2 (en) * 2000-06-29 2002-01-10 United Parcel Service Of America, Inc. Systems and methods for end-to-end fulfillment and supply chain management
ATE381191T1 (de) * 2000-10-26 2007-12-15 Prismedia Networks Inc Verfahren und system zur verwaltung von verteilten inhalten und entsprechenden metadaten
US6974928B2 (en) * 2001-03-16 2005-12-13 Breakthrough Logistics Corporation Method and apparatus for efficient package delivery and storage
US6694217B2 (en) * 2001-05-24 2004-02-17 Breakthrough Logistics Corporation Automated system for efficient article storage and self-service retrieval
US7653457B2 (en) * 2001-03-16 2010-01-26 Breakthrough Logistics Corporation Method and system for efficient package delivery and storage
JP2003223604A (ja) * 2002-01-30 2003-08-08 Japan Tobacco Inc 需給管理システム
US7860724B2 (en) * 2002-10-30 2010-12-28 Automed Technologies, Inc. System and method for management of pharmacy workflow
JP2005104624A (ja) * 2003-09-29 2005-04-21 Ryuichi Kawabata 車両用部品在庫管理システム及び方法
US8407096B2 (en) * 2003-12-24 2013-03-26 Ziti Technologies Limited Liability Company Method for ordering groups of products
AT500946A1 (de) * 2004-10-22 2006-05-15 Tgw Transportgeraete Gmbh Warenumschlaglager und verfahren zu dessen betrieb
US9213953B1 (en) * 2008-09-15 2015-12-15 Amazon Technologies, Inc. Multivariable load balancing in a fulfillment network
KR20120052020A (ko) * 2010-11-15 2012-05-23 주식회사지니 위성 위치 추적을 이용한 물류유통 네트워크 시스템 및 물류유통 방법
US8718814B1 (en) * 2010-12-29 2014-05-06 Amazon Technologies, Inc. Robotic induction and stowage in materials handling facilities
US8732039B1 (en) * 2010-12-29 2014-05-20 Amazon Technologies, Inc. Allocating regional inventory to reduce out-of-stock costs
US8473425B1 (en) * 2011-06-20 2013-06-25 Amazon Technologies, Inc. Predictive drop shipping
US8620707B1 (en) * 2011-06-29 2013-12-31 Amazon Technologies, Inc. Systems and methods for allocating inventory in a fulfillment network
US9129335B1 (en) * 2011-09-26 2015-09-08 Amazon Technologies, Inc. Localization of merchant data
US9959562B1 (en) * 2013-09-17 2018-05-01 Amazon Technologies, Inc. Method, medium, and system for local item fulfillment in a market hierarchy
US9792578B2 (en) * 2013-10-08 2017-10-17 Google Inc. Managing information about inventory
US9632313B1 (en) * 2014-03-27 2017-04-25 Amazon Technologies, Inc. Augmented reality user interface facilitating fulfillment
US10127514B2 (en) * 2014-04-11 2018-11-13 Intelligrated Headquarters Llc Dynamic cubby logic
US10540621B2 (en) * 2014-08-22 2020-01-21 Walmart Apollo, Llc Inventory mirroring

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2004035122A (ja) * 2002-06-28 2004-02-05 Toyota Motor Corp 物流計画立案装置と立案方法とプログラム
JP2008524714A (ja) * 2004-12-17 2008-07-10 スピーゲル，ジョエル 予測小包出荷のための方法およびシステム

Also Published As

Publication number Publication date
GB201519366D0 (en) 2015-12-16
JP6651517B2 (ja) 2020-02-19
US20170323250A1 (en) 2017-11-09
IL251907A0 (en) 2017-06-29
CA2966075C (en) 2024-06-04
JP2017534990A (ja) 2017-11-24
IL251907B (en) 2020-08-31
CA2966075A1 (en) 2016-05-06
EP3213275A1 (en) 2017-09-06
GB201419498D0 (en) 2014-12-17
GB2533846A (en) 2016-07-06
ZA201702979B (en) 2018-11-28
WO2016066859A1 (en) 2016-05-06
US10776750B2 (en) 2020-09-15
KR20220158848A (ko) 2022-12-01
KR20170078722A (ko) 2017-07-07

Similar Documents

Publication Publication Date Title
KR102468339B1 (ko) 이행 센터들의 계층구조로부터의 전자 상거래 주문을 이행하는 시스템 및 방법
Mor et al. Vehicle routing problems over time: a survey
KR102343759B1 (ko) 컴퓨터화된 균형을 맞춘 배송 루트 할당 및 인센티브 구조를 위한 시스템 및 방법
JP7320537B2 (ja) 配送作業員の自動スケジューリングのためのシステムおよび方法
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
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
KR102515834B1 (ko) 사이클 및 안전 재고 결정 시스템
Lam Optimizing logistics routings in a network perspective of supply and demand nodes
TWI824220B (zh) 用於智慧分配產品的電腦實行系統以及方法
JP7439244B2 (ja) 物品の移動を制御するためのシステムおよび方法
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
Turgut et al. Supply Chain Analytics

Legal Events

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