KR20240077339A - Method and device for guiding optimal loading by predicting cargo information to be loaded - Google Patents

Abstract

본 발명의 일 실시예에 따르는, 서버에 의해 수행되는, 적재 화물 예측 기반 적재 가이드 제공 방법은, a) 기 수행된 적재 작업에 대한 작업 정보를 수집하고, 수집된 작업 정보를 기초로 적재 공간 별 적재 패턴을 분석하여, 분석 결과가 저장된 데이터베이스를 구축하는 단계; b) 작업 중인 적재 공간에 대하여, 적재가 완료된 화물에 대한 제1 화물 정보를 실시간으로 수집하고, 수집된 제1 화물 정보를 기준으로 상기 데이터베이스를 검색하여, 검색에 의해 추출된 적재 패턴을 기초로 적재가 수행될 예상 화물에 대한 제2 화물 정보를 예측하는 단계; 및 c) 예측된 제2 화물 정보를 상기 작업 중인 적재 공간에 배치된 작업자 단말 또는 적재 로봇으로 실시간으로 제공하는 단계를 포함하되, 상기 제1 및 제2 화물 정보는 화물 별 종류, 크기, 무게, 수량 및 배송지 정보를 포함하는 것이다.According to an embodiment of the present invention, a method of providing a loading guide based on loading cargo prediction, performed by a server, includes: a) collecting work information on previously performed loading work, and classifying each loading space based on the collected work information; Analyzing the loading pattern and building a database storing the analysis results; b) For the loading space being worked on, first cargo information about the cargo that has been loaded is collected in real time, the database is searched based on the collected first cargo information, and the database is searched based on the loading pattern extracted through the search. predicting second cargo information for the expected cargo for which loading will be performed; and c) providing predicted second cargo information in real time to a worker terminal or loading robot placed in the loading space being worked on, wherein the first and second cargo information includes type, size, weight, It includes quantity and delivery address information.

Description

적재될 화물 정보를 예측하여 최적의 적재 작업을 가이드하는 방법 및 장치{METHOD AND DEVICE FOR GUIDING OPTIMAL LOADING BY PREDICTING CARGO INFORMATION TO BE LOADED}Method and device for guiding optimal loading operation by predicting cargo information to be loaded {METHOD AND DEVICE FOR GUIDING OPTIMAL LOADING BY PREDICTING CARGO INFORMATION TO BE LOADED}

본 발명은 화물의 적재 분야에 활용되는 기술로서, 물류 센터에 대기 중인 화물 중 적재가 예상되는 화물 및 그에 대한 정보를 예측하여 제공함으로써, 최적의 적재 작업이 도모되도록 가이드하는 방법 및 장치에 관한 것이다.The present invention is a technology used in the field of cargo loading, and relates to a method and device for guiding optimal loading operations by predicting and providing cargo expected to be loaded among cargo waiting at a logistics center and information about it. .

인터넷 상거래가 급격히 일반화됨에 따라, 배송 서비스를 이용한 물동량이 급증하고 있다. 배송 서비스는 일반적으로 규격화되지 않은 물품들을 취급하므로, 크기가 제 각각인 물품들을 얼마나 빨리, 많이, 효율적으로 운반하느냐에 따라 물류 비용과 배송 시간이 달라질 수 있다.As Internet commerce is rapidly becoming more common, the volume of cargo using delivery services is rapidly increasing. Since delivery services generally handle non-standardized items, logistics costs and delivery times can vary depending on how quickly, in large quantities, and efficiently the items of different sizes are transported.

종래에 택배 업체들이 채택하는 물류 적재 시스템은 근본적으로 컨베이어 벨트로 화물 박스들이 상차 컨테이너 입구로 끊임없이 운반되며, 적재 작업은 작업자가 화물 박스들을 차곡차곡 쌓아 올리는 형식으로 진행된다.The logistics loading system adopted by courier companies is essentially a conveyor belt in which cargo boxes are constantly transported to the entrance of the loading container, and the loading operation is carried out in the form of workers stacking the boxes one by one.

그러나, 작업자에게 적재할 화물들의 정보가 미리 제공되지 않는 상황이 대부분이라, 단순히 적재 직전의 개별 화물만 확인한 채 경험과 감각에 의존할 수 밖에 없는 것이 현실이다. 따라서, 최적의 공간 활용이 성사되기 어려우며 하차 작업에도 애를 먹는 경우가 자주 발생하게 된다.However, in most cases, information about the cargo to be loaded is not provided to the worker in advance, so the reality is that the worker has no choice but to rely on experience and sense while simply checking the individual cargo just before loading. Therefore, it is difficult to achieve optimal space utilization, and unloading is often difficult.

또한, 적재량이 작업자의 숙련도에 따라 들쑥날쑥 하여 업무가 표준화되기 어렵고 비효율을 초래하는 문제점이 있다.In addition, there is a problem in that the amount of load varies depending on the worker's skill level, making it difficult to standardize work and causing inefficiency.

이와 관련하여, 최근에는 적재 공간 및 화물을 모델링하여 작업자를 보조하는 기술이 도입되고 있다. 그러나, 종래의 기술은 단순히 크기가 다른 박스를 어떻게 배치하는 것이 좋은지 보여주는 데에만 머물러 있다.In this regard, technology has recently been introduced to assist workers by modeling loading space and cargo. However, the conventional technology is limited to simply showing how to place boxes of different sizes.

즉, 종래 기술에 의하면, 종류나 무게, 배송지와 같은 실제 대기 중인 적재물에 대한 정보가 전혀 예측되지 않아, 실제로 효용성에 있어 숙련된 작업자의 경험과 감각에도 미치지 못하고 있는 실정이다.In other words, according to the prior art, information about the actual waiting load, such as type, weight, or delivery address, is not predicted at all, and the actual effectiveness does not even reach the experience and sense of a skilled worker.

한편, 물류 산업의 특성 상, 유행, 최근 이슈 등과 같은 요소에 따라 거래 및 유통되는 물류의 종류와 수량이 변동되기 쉽다. 또한, 배송 및 적재 작업은 날씨, 교통 상황 등 급격하게 변하는 유동 상황에 의해서 영향을 받는 상황이 자주 연출되곤 한다. 그러나, 적재 작업을 보조하기 위한 종래의 서비스는 이러한 외부 요소 및 환경의 변화를 반영하는 기술까지는 미치지 못하고 있어 실효성이 떨어진다는 문제점이 존재한다.Meanwhile, due to the nature of the logistics industry, the type and quantity of logistics traded and distributed are prone to change depending on factors such as trends and recent issues. Additionally, delivery and loading operations are often affected by rapidly changing flow conditions such as weather and traffic conditions. However, conventional services to assist loading operations do not reach the level of technology that reflects these external factors and changes in the environment, so there is a problem in that they are less effective.

본 발명은 전술한 종래 기술의 문제점을 해결하기 위한 것으로서, 기 수행된 적재 작업의 분석 결과를 데이터베이스화하여, 이를 통해 미지의 대기 화물 중 적재가 예상되는 화물에 대한 정보를 보기 좋게 예측함으로써, 최적화된 적재 시뮬레이션 및 가이드 서비스를 제공하는 것을 그 목적으로 한다. The present invention is intended to solve the problems of the prior art described above, by creating a database of the analysis results of previously performed loading operations and thereby predicting information about cargo expected to be loaded among the unknown waiting cargo in a good manner, thereby optimizing The purpose is to provide advanced loading simulation and guide services.

다만, 본 실시예가 이루고자 하는 기술적 과제는 상기된 바와 같은 기술적 과제들로 한정되지 않으며, 또 다른 기술적 과제들이 존재할 수 있다.However, the technical challenges that this embodiment aims to achieve are not limited to the technical challenges described above, and other technical challenges may exist.

본 발명의 일 실시예에 따르는, 서버에 의해 수행되는, 적재 화물 예측 기반 적재 가이드 제공 방법은, a) 기 수행된 적재 작업에 대한 작업 정보를 수집하고, 수집된 작업 정보를 기초로 적재 공간 별 적재 패턴을 분석하여, 분석 결과가 저장된 데이터베이스를 구축하는 단계; b) 작업 중인 적재 공간에 대하여, 적재가 완료된 화물에 대한 제1 화물 정보를 실시간으로 수집하고, 수집된 제1 화물 정보를 기준으로 상기 데이터베이스를 검색하여, 검색에 의해 추출된 적재 패턴을 기초로 적재가 수행될 예상 화물에 대한 제2 화물 정보를 예측하는 단계; 및 c) 예측된 제2 화물 정보를 상기 작업 중인 적재 공간에 배치된 작업자 단말 또는 적재 로봇으로 실시간으로 제공하는 단계를 포함하되, 상기 제1 및 제2 화물 정보는 화물 별 종류, 크기, 무게, 수량 및 배송지 정보를 포함하는 것이다.According to an embodiment of the present invention, a method of providing a loading guide based on loading cargo prediction, performed by a server, includes: a) collecting work information on previously performed loading work, and classifying each loading space based on the collected work information; Analyzing the loading pattern and building a database storing the analysis results; b) For the loading space being worked on, first cargo information about the cargo that has been loaded is collected in real time, the database is searched based on the collected first cargo information, and the database is searched based on the loading pattern extracted through the search. predicting second cargo information for the expected cargo for which loading will be performed; and c) providing predicted second cargo information in real time to a worker terminal or loading robot placed in the loading space being worked on, wherein the first and second cargo information includes type, size, weight, It includes quantity and delivery address information.

본 발명의 일 실시예에 따르면, 상기 a)단계는, 기 수행된 적재 작업에 대한, 적재 공간 식별 정보, 배송 권역 정보 및 적재 완료 상태 정보를 포함하는 작업 정보를 수집하는 단계를 포함하되, 상기 적재 완료 상태 정보는 화물 별 적재 위치, 종류, 크기, 무게, 수량 및 배송지 정보를 포함하는 것이다.According to one embodiment of the present invention, step a) includes collecting work information including loading space identification information, delivery area information, and loading completion status information for a previously performed loading operation, Loading completion status information includes loading location, type, size, weight, quantity, and delivery address information for each cargo.

본 발명의 일 실시예에 따르면, 상기 a)단계는, 수집된 적재 공간 식별 정보에 기초하여 적재 패턴이 분석될 적재 공간을 특정하는 단계; 특정된 적재 공간을 기준으로 상기 수집된 작업 정보를 분류하는 단계; 수집된 배송 권역 정보 및 화물 별 배송지 정보에 기초하여 상기 특정된 적재 공간을 구획하는 단계; 구획된 영역을 기준으로 수집된 적재 완료 상태 정보를 분류하는 단계; 및 각 영역에 분류된 적재 완료 상태 정보를 통계 분석하여 상기 각 영역 별로 적재 순서 및 적재 경로를 포함하는 적재 패턴을 도출하는 단계를 포함한다.According to one embodiment of the present invention, step a) includes: specifying a loading space for which a loading pattern is to be analyzed based on collected loading space identification information; Classifying the collected work information based on a specified loading space; partitioning the specified loading space based on the collected delivery area information and delivery address information for each cargo; Classifying the collected loading completion status information based on the partitioned area; And a step of deriving a loading pattern including a loading order and loading path for each zone by statistically analyzing the loading completion status information classified in each zone.

본 발명의 일 실시예에 따르면, 상기 b)단계는, 상기 작업 중인 적재 공간에 화물이 적재될 때마다 적재된 화물의 제1 화물 정보를 누적하여 저장하되, 직전에 적재된 화물에 대한 제1 화물 정보는 분리하여 저장하는 단계; 및 누적 저장된 제1 화물 정보를 통계하여 통계 결과를 제1 코드로 변환하고, 분리하여 저장된 제1 화물 정보를 제2 코드로 변환한 후, 제1 코드 및 제2 코드로 구성된 검색값을 생성하여 상기 데이터베이스에 입력하는 단계를 포함한다.According to one embodiment of the present invention, in step b), each time cargo is loaded into the loading space under operation, first cargo information of the loaded cargo is accumulated and stored, and first cargo information for the cargo loaded immediately before is stored. Separating and storing cargo information; and converting the cumulatively stored first cargo information into statistics, converting the statistical results into a first code, converting the separately stored first cargo information into a second code, and then generating a search value consisting of the first code and the second code. Including inputting into the database.

본 발명의 일 실시예에 따르면, 상기 b)단계는, 적재가 이루어지지 않아 물류 센터에 남아 있는 화물들을 실시간으로 확인하고, 확인된 화물들에 대한 화물 정보를 상기 제1 화물 정보로 설정하는 단계를 포함한다.According to an embodiment of the present invention, step b) is a step of checking in real time cargo remaining in the distribution center because loading has not been made and setting cargo information for the confirmed cargo as the first cargo information. Includes.

본 발명의 일 실시예에 따르면, 상기 b)단계는, 인터넷 크롤링(crawling)을 통해 수집한 정보에 따라 기 설정된 기간 동안의 물류 동향을 분석하되, 분석된 물류 동향 정보에 의해 적재 패턴의 변화가 추정되는 경우, 상기 물류 동향 정보에 기초하여 상기 제2 화물 정보를 보정하는 단계를 포함한다.According to one embodiment of the present invention, step b) analyzes logistics trends for a preset period according to information collected through Internet crawling, and changes in loading patterns occur due to the analyzed logistics trend information. When estimated, it includes correcting the second cargo information based on the logistics trend information.

본 발명의 일 실시예에 따르면, 상기 b)단계는, 인터넷 크롤링을 수행하여 상기 기간 동안의 검색어, 이슈, 트랜드, 인기 품목 및 인기 콘텐츠 정보를 포함하는 최신 뉴스 정보를 검색하고, 검색된 최신 뉴스 정보를 기초로 물류 동향을 분석하는 단계를 포함한다.According to an embodiment of the present invention, step b) performs Internet crawling to search for the latest news information including search terms, issues, trends, popular items, and popular content information during the period, and retrieves the latest news information. It includes the step of analyzing logistics trends based on .

본 발명의 일 실시예에 따르면, 상기 b)단계는, 적재 및 배송 환경과 관련되어 기 설정된 이벤트의 발생 여부를 실시간으로 파악하는 단계; 발생한 것으로 파악된 이벤트를 기 구축된 적재 상황 예측기에 입력하여 상기 이벤트에 따른 화물 정보의 변화값을 출력하는 단계; 및 출력된 변화값에 따라 상기 제2 화물 정보를 보정하는 단계를 포함하되, 상기 적재 상황 예측기는, 임의의 이벤트가 입력되면 입력된 이벤트와 화물 정보의 변화에 대한 상관관계를 도출하여 상기 변화값을 출력하도록, 기 설정된 기계학습 모델의 반복 학습을 통해 구축되는 것이다.According to one embodiment of the present invention, step b) includes determining in real time whether a preset event occurs in relation to the loading and delivery environment; Inputting an event identified as having occurred into a previously constructed loading situation predictor and outputting a change value in cargo information according to the event; and correcting the second cargo information according to the output change value, wherein when a random event is input, the loading situation predictor derives a correlation between the input event and the change in cargo information and calculates the change value. It is constructed through repeated learning of a preset machine learning model to output .

본 발명의 일 실시예에 따르면, 상기 c)단계는, 상기 예측된 제2 화물 정보에 따라 상기 예상 화물의 적재 경로 및 적재 위치를 파악하고, 파악된 적재 경로 및 적재 위치를 상기 작업자 단말 또는 적재 로봇에 추가로 제공하는 단계를 포함한다.According to one embodiment of the present invention, in step c), the loading path and loading location of the expected cargo are identified according to the predicted second cargo information, and the identified loading path and loading location are transmitted through the worker terminal or the loading location. It includes steps of providing additional information to the robot.

본 발명의 일 실시예에 따르는, 적재 가이드 제공 서버는, 적재 화물 예측 기반 적재 가이드 제공 방법을 수행하는 프로그램이 저장된 메모리; 및 상기 프로그램을 실행하는 프로세서;를 포함하고, 상기 프로세서는, 상기 프로그램의 실행에 의해, 기 수행된 적재 작업에 대한 작업 정보를 수집하고, 수집된 작업 정보를 기초로 적재 공간 별 적재 패턴을 분석하여, 분석 결과가 저장된 데이터베이스를 구축하고, 작업 중인 적재 공간에 대하여, 적재가 완료된 화물에 대한 제1 화물 정보를 실시간으로 수집하고, 수집된 제1 화물 정보를 기준으로 상기 데이터베이스를 검색하여, 검색에 의해 추출된 적재 패턴을 기초로 적재가 수행될 예상 화물에 대한 제2 화물 정보를 예측하고, 예측된 제2 화물 정보를 상기 작업 중인 적재 공간에 배치된 작업자 단말 또는 적재 로봇으로 실시간으로 제공하며, 상기 제1 및 제2 화물 정보는 화물 별 종류, 크기, 무게, 수량 및 배송지 정보를 포함하는 것이다.According to an embodiment of the present invention, a loading guide providing server includes: a memory storing a program that performs a loading guide providing method based on loading cargo prediction; and a processor executing the program, wherein the processor collects job information about previously performed loading tasks by executing the program, and analyzes loading patterns for each loading space based on the collected job information. By constructing a database in which the analysis results are stored, first cargo information on the loaded cargo is collected in real time for the loading space being worked on, and the database is searched based on the collected first cargo information, and search is performed. Predicts second cargo information about the expected cargo to be loaded based on the loading pattern extracted by, and provides the predicted second cargo information in real time to the worker terminal or loading robot placed in the loading space under operation. , The first and second cargo information includes type, size, weight, quantity, and delivery address information for each cargo.

본 발명의 일 실시예에 따르면, 상기 프로세서는, 상기 작업 정보를 수집하는 과정에서, 기 수행된 적재 작업에 대한, 적재 공간 식별 정보, 배송 권역 정보 및 적재 완료 상태 정보를 포함하는 작업 정보를 수집하되, 상기 적재 완료 상태 정보는 화물 별 적재 위치, 종류, 크기, 무게, 수량 및 배송지 정보를 포함하는 것이다.According to one embodiment of the present invention, in the process of collecting the task information, the processor collects task information including loading space identification information, delivery area information, and loading completion status information for the previously performed loading task. However, the loading completion status information includes loading location, type, size, weight, quantity, and delivery address information for each cargo.

본 발명의 일 실시예에 따르면, 상기 프로세서는, 상기 적재 공간 별 적재 패턴을 분석하는 과정에서, 수집된 적재 공간 식별 정보에 기초하여 적재 패턴이 분석될 적재 공간을 특정하고, 특정된 적재 공간을 기준으로 상기 수집된 작업 정보를 분류하고, 수집된 배송 권역 정보 및 화물 별 배송지 정보에 기초하여 상기 특정된 적재 공간을 구획하고, 구획된 영역을 기준으로 수집된 적재 완료 상태 정보를 분류하고, 각 영역에 분류된 적재 완료 상태 정보를 통계 분석하여 상기 각 영역 별로 적재 순서 및 적재 경로를 포함하는 적재 패턴을 도출한다.According to one embodiment of the present invention, in the process of analyzing the loading pattern for each loading space, the processor specifies the loading space for which the loading pattern is to be analyzed based on the collected loading space identification information, and selects the specified loading space. Classify the collected work information based on the collected delivery area information and delivery address information for each cargo, partition the specified loading space, classify the collected loading completion status information based on the partitioned area, and classify each The loading completion status information classified into areas is statistically analyzed to derive a loading pattern including the loading order and loading path for each area.

본 발명의 일 실시예에 따르면, 상기 프로세서는, 상기 제1 화물 정보를 실시간으로 수집하는 과정에서, 상기 작업 중인 적재 공간에 화물이 적재될 때마다 적재된 화물의 제1 화물 정보를 누적하여 저장하되, 직전에 적재된 화물에 대한 제1 화물 정보는 분리하여 저장하고, 누적 저장된 제1 화물 정보를 통계하여 통계 결과를 제1 코드로 변환하고, 분리하여 저장된 제1 화물 정보를 제2 코드로 변환한 후, 제1 코드 및 제2 코드로 구성된 검색값을 생성하여 상기 데이터베이스에 입력한다.According to one embodiment of the present invention, in the process of collecting the first cargo information in real time, the processor accumulates and stores the first cargo information of the loaded cargo each time cargo is loaded into the loading space under operation. However, the first cargo information about the cargo loaded immediately before is stored separately, the cumulatively stored first cargo information is statisticated, the statistical results are converted to the first code, and the separately stored first cargo information is converted to the second code. After conversion, a search value consisting of the first code and the second code is generated and entered into the database.

본 발명의 일 실시예에 따르면, 상기 프로세서는, 상기 제1 화물 정보를 실시간으로 수집하는 과정에서, 적재가 이루어지지 않아 물류 센터에 남아 있는 화물들을 실시간으로 확인하되, 확인된 화물들에 대한 화물 정보를 상기 제1 화물 정보로 설정한다.According to one embodiment of the present invention, in the process of collecting the first cargo information in real time, the processor checks in real time cargo remaining in the distribution center due to unloading, and checks the cargo for the confirmed cargo in real time. The information is set to the first cargo information.

본 발명의 일 실시예에 따르면, 상기 프로세서는, 상기 제2 화물 정보를 예측하는 과정에서, 인터넷 크롤링을 통해 수집한 정보에 따라 기 설정된 기간 동안의 물류 동향을 분석하되, 분석된 물류 동향 정보에 의해 적재 패턴의 변화가 추정되는 경우, 상기 물류 동향 정보에 기초하여 상기 제2 화물 정보를 보정한다.According to one embodiment of the present invention, in the process of predicting the second cargo information, the processor analyzes logistics trends for a preset period according to information collected through Internet crawling, and If a change in the loading pattern is estimated, the second cargo information is corrected based on the logistics trend information.

본 발명의 일 실시예에 따르면, 상기 프로세서는, 상기 물류 동향을 분석하는 과정에서, 인터넷 크롤링을 수행하여 상기 기간 동안의 검색어, 이슈, 트랜드, 인기 품목 및 인기 콘텐츠 정보를 포함하는 최신 뉴스 정보를 검색하고, 검색된 최신 뉴스 정보를 기초로 물류 동향을 분석한다.According to one embodiment of the present invention, in the process of analyzing the logistics trend, the processor performs Internet crawling to provide the latest news information including search terms, issues, trends, popular items, and popular content information during the period. Search and analyze logistics trends based on the latest news information found.

본 발명의 일 실시예에 따르면, 상기 프로세서는, 상기 제2 화물 정보를 예측하는 과정에서, 적재 및 배송 환경과 관련되어 기 설정된 이벤트의 발생 여부를 실시간으로 파악하고, 발생한 것으로 파악된 이벤트를 기 구축된 적재 상황 예측기에 입력하여 상기 이벤트에 따른 화물 정보의 변화값을 출력하고, 출력된 변화값에 따라 상기 제2 화물 정보를 보정하되, 상기 적재 상황 예측기는, 임의의 이벤트가 입력되면 입력된 이벤트와 화물 정보의 변화에 대한 상관관계를 도출하여 상기 변화값을 출력하도록, 기 설정된 기계학습 모델의 반복 학습을 통해 구축되는 것이다.According to one embodiment of the present invention, in the process of predicting the second cargo information, the processor determines in real time whether a preset event related to the loading and delivery environment occurs, and records the event determined to have occurred. It is input into the constructed loading situation predictor to output the change value of cargo information according to the event, and the second cargo information is corrected according to the output change value. The loading situation predictor is input when any event is input. It is constructed through repeated learning of a preset machine learning model to derive correlations between changes in event and cargo information and output the change values.

본 발명의 일 실시예에 따르면, 상기 프로세서는, 상기 예측된 제2 화물 정보를 상기 작업 중인 적재 공간에 배치된 작업자 단말 또는 적재 로봇으로 실시간으로 제공하는 과정에서, 상기 예측된 제2 화물 정보에 따라 상기 예상 화물의 적재 경로 및 적재 위치를 파악하고, 파악된 적재 경로 및 적재 위치를 상기 작업자 단말 또는 적재 로봇에 추가로 제공한다.According to one embodiment of the present invention, in the process of providing the predicted second cargo information in real time to the worker terminal or loading robot placed in the loading space being worked, the processor Accordingly, the loading path and loading location of the expected cargo are identified, and the identified loading path and loading location are additionally provided to the worker terminal or loading robot.

본 발명의 일 실시예에 따르는, 적재 가이드 제공을 위한 컴퓨터 판독가능 기록매체는, 적재 가이드 제공 방법을 수행하는 프로그램이 저장된 메모리; 및 상기 프로그램을 실행하는 프로세서;를 포함하고, 상기 프로세서는, 상기 프로그램의 실행에 의해, 기 수행된 적재 작업에 대한 작업 정보를 수집하고, 수집된 작업 정보를 기초로 적재 공간 별 적재 패턴을 분석하여, 분석 결과가 저장된 데이터베이스를 구축하고, 작업 중인 적재 공간에 대하여, 적재가 완료된 화물에 대한 제1 화물 정보를 실시간으로 수집하고, 수집된 제1 화물 정보를 기준으로 상기 데이터베이스를 검색하여 적재가 수행될 예상 화물에 대한 제2 화물 정보를 예측하고, 예측된 제2 화물 정보를 상기 작업 중인 적재 공간에 배치된 작업자 단말 또는 적재 로봇으로 실시간으로 제공하며, 상기 제1 및 제2 화물 정보는 화물 별 종류, 크기, 무게, 수량 및 배송지 정보를 포함하는 것이다.According to an embodiment of the present invention, a computer-readable recording medium for providing a loading guide includes: a memory storing a program for performing a method for providing a loading guide; and a processor executing the program, wherein the processor collects job information about previously performed loading tasks by executing the program, and analyzes loading patterns for each loading space based on the collected job information. Thus, a database in which the analysis results are stored is built, the first cargo information on the loaded cargo is collected in real time for the loading space being worked on, and the database is searched based on the collected first cargo information to determine the loading price. Second cargo information is predicted for the expected cargo to be carried, and the predicted second cargo information is provided in real time to a worker terminal or loading robot placed in the loading space being worked, and the first and second cargo information are stored in the cargo. It includes star type, size, weight, quantity, and delivery address information.

본 발명의 일 실시예에 따르면, 기 수행된 적재 작업들을 통해 적재 공간 별로 적재 패턴이 분석된 데이터베이스가 구축됨으로써, 작업자의 감각과 경험에만 의존하던 적재 패턴이 객관화된다.According to one embodiment of the present invention, a database is constructed in which loading patterns are analyzed for each loading space through previously performed loading operations, thereby objectifying loading patterns that depend only on the operator's senses and experience.

본 발명의 일 실시예에 따르면, 적재 패턴이 분석된 데이터베이스를 통해 물류 센터에 대기 중인 화물 중 적재가 예상되는 화물이 보기 좋게 예측된다. 또한, 적재가 예상되는 화물의 정보가 상세하게 예측되며, 적재를 수행할 작업자에게 실시간으로 제공된다.According to one embodiment of the present invention, the cargo expected to be loaded among the cargo waiting at the distribution center is clearly predicted through a database in which loading patterns are analyzed. In addition, information on cargo expected to be loaded is predicted in detail and provided in real time to workers who will perform the loading.

본 발명의 일 실시예에 따르면, 최근 이슈 및 거래 동향이 분석되어 이를 반영한 적재물의 수요가 예측된다.According to an embodiment of the present invention, recent issues and transaction trends are analyzed and the demand for cargo reflecting them is predicted.

본 발명의 일 실시예에 따르면, 적재 및 배송과 관련된 외부 환경의 변화를 보기 좋게 예측하여 이를 토대로 적재 작업의 보완이 신속히 이루어진다.According to one embodiment of the present invention, changes in the external environment related to loading and delivery are accurately predicted, and the loading operation is quickly supplemented based on this.

즉, 본 발명의 일 실시예에 따르면, 적재 과정의 객관화를 통해 작업자의 숙련도 차이가 완화되며, 업무의 표준화가 도모된다. 또한, 정확한 적재물 예측이 제공되어 작업자의 효율적인 적재 스케줄을 유도하여 최적의 공간 활용 및 안정성이 확보된 적재 작업이 도모된다. 나아가, 적재물 예측 과정에서 거래 동향 및 급격히 변하는 외부 환경이 반영되므로 특별한 시즌이나 돌발 상황에 유연한 대처가 가능하다.That is, according to an embodiment of the present invention, differences in workers' skills are alleviated through objectification of the loading process, and work standardization is promoted. In addition, accurate load prediction is provided to guide workers' efficient loading schedules, thereby promoting loading operations with optimal space utilization and stability. Furthermore, transaction trends and rapidly changing external environments are reflected in the load forecasting process, allowing flexible response to special seasons or unexpected situations.

본 발명의 일 실시예는, 적재 공간에 대한 가상의 모델을 구현하고, 예상 적재물에 대한 가상의 객체를 생성하여 적재 순서에 따라 모델에 배치시킴으로써, 적재 작업자가 시각적으로 용이하게 확인할 수 있는 적재 시뮬레이션을 제공한다. 또한, 예상 적재물의 각 종 정보를 통해 적재 화물들이 개별적으로 특정됨에 따라 실제 적재 과정을 유효하게 보조하는 적재 시뮬레이션을 제공한다.One embodiment of the present invention is a loading simulation that can be easily visually confirmed by the loading operator by implementing a virtual model for the loading space, creating virtual objects for the expected loading, and placing them in the model according to the loading order. provides. In addition, it provides a loading simulation that effectively assists the actual loading process as loaded cargoes are individually specified through various types of information on the expected load.

도 1은 본 발명의 일 실시예에 따르는 적재 가이드 시스템에 대한 구조도이다.
도 2는 본 발명의 일 실시예에 따르는 서버의 내부 구성을 나타내는 블록도이다.
도 3은 본 발명의 일 실시예에 따르는 적재 가이드 제공 방법의 동작 흐름도이다.
도 4는 본 발명의 일 실시예에 따르는 적재 패턴을 분석하기 위해 활용되는 적재 공간에 대한 3차원 모델 및 2차원 맵에 대한 예시도이다.
도 5는 본 발명의 일 실시예에 따르는 적재 공간의 2차원 맵을 구획하는 과정을 보여주는 예시도이다.
도 6은 본 발명의 일 실시예에 따르는 데이터베이스를 통해 제2 화물 정보를 예측하는 과정을 설명하기 위한 개념도이다.
도 7은 본 발명의 일 실시예에 따르는 적재 가이드 서비스가 제공되는 태양을 보여주는 예시도이다.
도 8은 본 발명의 일 실시예에 따르는 적재 시뮬레이션 방법의 동작 흐름도이다.
도 9는 본 발명의 일 실시예에 따르는 객체 조립의 안정성 조건을 설명하기 위한 예시도이다.
도 10은 본 발명의 일 실시예에 따르는 블록의 생성을 설명하기 위한 예시도이다.
도 11은 본 발명의 일 실시예에 따르는 블록의 배열 과정을 설명하기 위한 예시도이다.
도 12는 본 발명의 일 실시예에 따르는 적재 시뮬레이션이 제공되는 태양을 보여주는 예시도이다.1 is a structural diagram of a loading guide system according to an embodiment of the present invention.
Figure 2 is a block diagram showing the internal configuration of a server according to an embodiment of the present invention.
Figure 3 is an operational flowchart of a method for providing a loading guide according to an embodiment of the present invention.
Figure 4 is an example diagram of a three-dimensional model and a two-dimensional map of a loading space used to analyze a loading pattern according to an embodiment of the present invention.
Figure 5 is an exemplary diagram showing the process of dividing a two-dimensional map of a loading space according to an embodiment of the present invention.
Figure 6 is a conceptual diagram illustrating a process for predicting second cargo information through a database according to an embodiment of the present invention.
Figure 7 is an exemplary diagram showing an aspect in which a loading guide service is provided according to an embodiment of the present invention.
Figure 8 is an operation flowchart of a loading simulation method according to an embodiment of the present invention.
Figure 9 is an example diagram for explaining stability conditions for object assembly according to an embodiment of the present invention.
Figure 10 is an example diagram for explaining the creation of a block according to an embodiment of the present invention.
Figure 11 is an example diagram for explaining a block arrangement process according to an embodiment of the present invention.
Figure 12 is an exemplary diagram showing an aspect in which a loading simulation is provided according to an embodiment of the present invention.

아래에서는 첨부한 도면을 참조하여 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 본 발명의 실시예를 상세히 설명한다. 그러나 본 발명은 여러 가지 상이한 형태로 구현될 수 있으며 여기에서 설명하는 실시예에 한정되지 않는다. 그리고 도면에서 본 발명을 명확하게 설명하기 위해서 설명과 관계없는 부분은 생략하였으며, 명세서 전체를 통하여 유사한 부분에 대해서는 유사한 도면 부호를 붙였다.Below, with reference to the attached drawings, embodiments of the present invention will be described in detail so that those skilled in the art can easily implement the present invention. However, the present invention may be implemented in many different forms and is not limited to the embodiments described herein. In order to clearly explain the present invention in the drawings, parts unrelated to the description are omitted, and similar parts are given similar reference numerals throughout the specification.

명세서 전체에서, 어떤 부분이 다른 부분과 "연결"되어 있다고 할 때, 이는 "직접적으로 연결"되어 있는 경우뿐 아니라, 그 중간에 다른 소자를 사이에 두고 "전기적으로 연결"되어 있는 경우도 포함한다. 또한 어떤 부분이 어떤 구성요소를 "포함"한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있는 것을 의미한다.Throughout the specification, when a part is said to be "connected" to another part, this includes not only the case where it is "directly connected," but also the case where it is "electrically connected" with another element in between. . Additionally, when a part "includes" a certain component, this means that it may further include other components rather than excluding other components, unless specifically stated to the contrary.

이하에서 언급되는 "단말"은 네트워크를 통해 서버나 타 단말에 접속할 수 있는 컴퓨터나 휴대용 단말기로 구현될 수 있다. 여기서, 컴퓨터는 예를 들어, 웹 브라우저(WEB Browser)가 탑재된 노트북, 데스크톱(desktop), 랩톱(laptop), VR HMD(예를 들어, HTC VIVE, Oculus Rift, GearVR, DayDream, PSVR 등)등을 포함할 수 있다. 여기서, VR HMD 는 PC용 (예를 들어, HTC VIVE, Oculus Rift, FOVE, Deepon 등)과 모바일용(예를 들어, GearVR, DayDream, 폭풍마경, 구글 카드보드 등) 그리고 콘솔용(PSVR)과 독립적으로 구현되는 Stand Alone 모델(예를 들어, Deepon, PICO 등) 등을 모두 포함한다. 휴대용 단말기는 예를 들어, 휴대성과 이동성이 보장되는 무선 통신 장치로서, 스마트폰(smart phone), 태블릿 PC, 웨어러블 디바이스뿐만 아니라, 블루투스(BLE, Bluetooth Low Energy), NFC, RFID, 초음파(Ultrasonic), 적외선, 와이파이(WiFi), 라이파이(LiFi) 등의 통신 모듈을 탑재한 각종 디바이스를 포함할 수 있다. 또한, "네트워크"는 단말들 및 서버들과 같은 각각의 노드 상호 간에 정보 교환이 가능한 연결 구조를 의미하는 것으로, 근거리 통신망(LAN: Local Area Network), 광역 통신망(WAN: Wide Area Network), 인터넷 (WWW: World Wide Web), 유무선 데이터 통신망, 전화망, 유무선 텔레비전 통신망 등을 포함한다. 무선 데이터 통신망의 일례에는 3G, 4G, 5G, 3GPP(3rd Generation Partnership Project), LTE(Long Term Evolution), WIMAX(World Interoperability for Microwave Access), 와이파이(Wi-Fi), 블루투스 통신, 적외선 통신, 초음파 통신, 가시광 통신(VLC: Visible Light Communication), 라이파이(LiFi) 등이 포함되나 이에 한정되지는 않는다.The “terminal” mentioned below may be implemented as a computer or portable terminal that can connect to a server or other terminal through a network. Here, the computer is, for example, a laptop equipped with a web browser, a desktop, a laptop, a VR HMD (e.g., HTC VIVE, Oculus Rift, GearVR, DayDream, PSVR, etc.), etc. may include. Here, VR HMD is for PC (e.g. HTC VIVE, Oculus Rift, FOVE, Deepon, etc.), mobile (e.g. GearVR, DayDream, Storm Magic, Google Cardboard, etc.), and console (PSVR). Includes independently implemented Stand Alone models (e.g. Deepon, PICO, etc.). Portable terminals are, for example, wireless communication devices that ensure portability and mobility, including smart phones, tablet PCs, and wearable devices, as well as Bluetooth (BLE, Bluetooth Low Energy), NFC, RFID, and ultrasonic devices. , may include various devices equipped with communication modules such as infrared, WiFi, and LiFi. In addition, “network” refers to a connection structure that allows information exchange between nodes such as terminals and servers, including a local area network (LAN), a wide area network (WAN), and the Internet. (WWW: World Wide Web), wired and wireless data communication network, telephone network, wired and wireless television communication network, etc. Examples of wireless data communication networks include 3G, 4G, 5G, 3GPP (3rd Generation Partnership Project), LTE (Long Term Evolution), WIMAX (World Interoperability for Microwave Access), Wi-Fi, Bluetooth communication, infrared communication, and ultrasound. This includes, but is not limited to, communication, Visible Light Communication (VLC), LiFi, etc.

이하에서 언급되는 "화물 정보"는 화물을 식별하고 특정하기 위한 정보를 의미하며, 화물의 종류, 크기, 무게, 수량 및 배송지 정보를 포함할 수 있으나, 이에 한정되는 것은 아니다. 즉 나열된 정보는 대표적으로 선정된 용어로서, 예를 들어, 종류 정보는 화물의 제품명, 성질, 재료, 취급 주의도, 유통사 정보 등을 포함할 수 있으며, 크기 정보는 너비, 높이, 부피 등을 포괄하는 용어이고, 배송지 정보는 유통 과정에서 화물의 출하 지역을 총괄하는 용어로 해석될 수 있다.“Cargo information” referred to below refers to information for identifying and specifying cargo, and may include, but is not limited to, cargo type, size, weight, quantity, and delivery address information. In other words, the listed information is representatively selected terms. For example, type information may include the product name, nature, material, handling caution, distributor information, etc. of the cargo, and size information includes width, height, volume, etc. It is a term that says, and delivery address information can be interpreted as a term that comprehensively covers the shipping area of cargo during the distribution process.

이하에서 언급되는 "제1 화물 정보"는 적재 공간에 이미 적재가 완료된 화물에 대한 화물 정보를 의미한다. "제2 화물 정보"는 동일한 적재 공간에 적재가 수행될 예상 화물에 대한 화물 정보를 의미한다.“First cargo information” mentioned below refers to cargo information about cargo that has already been loaded into the loading space. “Second cargo information” means cargo information about cargo expected to be loaded in the same loading space.

이하, 첨부된 도면을 활용하여 본 발명의 일 실시예를 상세히 설명하도록 한다.Hereinafter, an embodiment of the present invention will be described in detail using the attached drawings.

도 1은 본 발명의 일 실시예에 따르는 적재 가이드 시스템에 대한 구조도이다.1 is a structural diagram of a loading guide system according to an embodiment of the present invention.

도 1을 참조하면, 적재 가이드 시스템은, 서버(100), 작업자 단말(200) 및 적재 로봇(300)을 포함할 수 있다.Referring to FIG. 1, the loading guide system may include a server 100, an operator terminal 200, and a loading robot 300.

일 실시예에 따르는 작업자 단말(200)은, 물류 센터를 운영하는 업체의 적재 작업자가 사용 주체인 단말로서, 작업자는 작업자 단말(200)을 통하여 서버(100)가 제공하는 제2 화물 정보 및 적재 시뮬레이션을 확인하여, 적재 작업의 수행 스케줄을 가이드 받을 수 있다.The worker terminal 200 according to one embodiment is a terminal used by a loading worker of a company that operates a logistics center, and the worker receives the second cargo information and loading provided by the server 100 through the worker terminal 200. By checking the simulation, you can receive guidance on the schedule for carrying out loading work.

일 실시예에 따르면, 작업자 단말(200)은 메모리, 프로세서 및 통신모듈을 포함하며, 통신모듈은 프로세서의 제어에 따라, 서버(100)와 데이터 통신을 수행한다.According to one embodiment, the worker terminal 200 includes a memory, a processor, and a communication module, and the communication module performs data communication with the server 100 under the control of the processor.

메모리에는 적재 가이드를 제공받기 위한 프로그램(또는 애플리케이션)이 저장되어 있다. 프로세서는, 메모리에 저장되어 있는 프로그램을 실행하여 적재 가이드 제공 서비스를 작업자에게 제공하기 위한 일련의 동작들을 처리한다.A program (or application) for providing a loading guide is stored in the memory. The processor executes a program stored in memory to process a series of operations to provide a loading guide service to the worker.

전반적인 동작의 예로, 프로세서는 서버(100)로부터 적재 가이드 제공 서비스를 위한 사용자 인터페이스를 수신한다. 프로세서는 작업자에 의해 적재가 수행되고 있거나 수행될 작업 공간을 서버(100)로 전송한다. 적재가 시작되면, 프로세서는 서버(100)로부터 앞으로 적재가 예상되는 화물에 대한 제2 화물 정보를 실시간으로 수신한다. 또한, 프로세서는 서버(100)로부터 예상 화물에 대한 적재 시뮬레이션을 실시간으로 수신한다. 작업자에 의해 적재가 완료된 후, 프로세서는 해당 적재 공간의 작업이 완료되었다는 메시지 또는 알림 신호와 적재 완료 정보를 서버(100)로 전송한다. 프로세서는 서버(100)로부터 적재 완료 정보와 적재 시뮬레이션의 비교 정보를 수신할 수 있다.As an example of the overall operation, the processor receives a user interface for a loading guide providing service from the server 100. The processor transmits to the server 100 the workspace where loading is being performed or will be performed by the operator. When loading begins, the processor receives second cargo information about cargo expected to be loaded in real time from the server 100. Additionally, the processor receives a loading simulation for the expected cargo from the server 100 in real time. After loading is completed by the operator, the processor transmits a message or notification signal that the work in the corresponding loading space has been completed and loading completion information to the server 100. The processor may receive comparison information between loading completion information and loading simulation from the server 100.

일 실시예에 따르는, 적재 로봇(300)은 작업자를 대체하거나 작업자의 적재를 보조하는 것으로서, 서버(100)로부터 적재를 수행할 적재 공간의 공간인식 정보를 실시간으로 수신하여 자체 메모리에 저장할 수 있다. 적재가 시작되면, 적재 로봇(300)은 서버(100)로부터 앞으로 적재가 예상되는 화물에 대한 제2 화물 정보를 실시간으로 수신하고, 이를 공간인식 정보와 매칭하여 적재를 수행할 수 있다.According to one embodiment, the loading robot 300 replaces the worker or assists the worker in loading, and can receive spatial recognition information of the loading space where loading will be performed from the server 100 in real time and store it in its own memory. . When loading begins, the loading robot 300 receives second cargo information about cargo expected to be loaded in real time from the server 100, matches this with spatial recognition information, and performs loading.

일 실시예에 따르면, 적재 로봇(300)은 자율 주행이 가능하도록 설계될 수 있으며, 로봇 암과 같은 적재 작업을 수행하는 장비가 구비될 수 있다. 즉, 적재 로봇(300)은 자율 주행에 요구되는 센서들을 포함할 수 있으며, 특히 적재 공간 내 각각의 위치를 인식하기 위한 라이더 센서 및 대기 중인 적재 화물을 식별하는 카메라 센서를 포함할 수 있으나, 이에 한정되는 것은 아니다. 또한, 적재 로봇(300)은 화물을 지지하되 적재 위치에 따라 화물의 지지 방향을 변경하는 회전 가능한 지지 장비가 구비될 수 있다. 적재 로봇(300)은 서버(100)로부터 적어도 하나 이상의 적재 시뮬레이션 결과를 제공받을 수 있으며, 이 중 선택된 시뮬레이션을 기초로 적재 작업을 수행할 수 있다. 이 때, 서버(100)는 적재 로봇의 구조, 부피 및 동선을 고려하여, 적재 시뮬레이션을 수행할 수 있다.According to one embodiment, the loading robot 300 may be designed to be capable of autonomous driving and may be equipped with equipment to perform a loading task, such as a robot arm. That is, the loading robot 300 may include sensors required for autonomous driving, and in particular, may include a lidar sensor for recognizing each position within the loading space and a camera sensor for identifying waiting cargo. It is not limited. Additionally, the loading robot 300 may be provided with rotatable support equipment that supports cargo and changes the direction of support of the cargo depending on the loading position. The loading robot 300 may receive at least one loading simulation result from the server 100, and may perform a loading operation based on the selected simulation. At this time, the server 100 may perform a loading simulation by considering the structure, volume, and movement line of the loading robot.

추가 실시예로서, 도시되지는 않았으나, 시스템은 공간인식 센서(미도시)를 더 포함할 수 있다. 공간인식 센서는, 적재 공간에 배치되는 것으로, 적재 공간의 RGB값을 포함하는 영상 정보 및 적재 공간의 형상, 면적을 확인하기 위한 깊이값을 실시간으로 획득하여 서버(100)로 전송할 수 있다. 즉, 서버(100)는 영상 정보 및 깊이값을 통해 해당 적재 공간에 대한 적재 실시 구역 및 가능 구역을 실시간으로 파악할 수 있다. 한편, 공간인식 센서는 라이더(Lider)를 대표적인 예로 들 수 있으나, 이에 한정되는 것은 아니다.As a further embodiment, although not shown, the system may further include a spatial awareness sensor (not shown). The space recognition sensor is placed in the loading space and can obtain image information including RGB values of the loading space and depth values for confirming the shape and area of the loading space in real time and transmit them to the server 100. That is, the server 100 can determine the loading implementation area and possible area for the corresponding loading space in real time through image information and depth values. Meanwhile, a representative example of a spatial recognition sensor is Lider, but it is not limited to this.

일 실시예에 따르는 서버(100)는, 물류 센터를 운영하는 업체의 운영 서버로서, 적재 시뮬레이션을 수행하고 이를 작업자 단말(200) 또는 적재 로봇으로 제공하는 프로세스를 수행한다. 이에 따라, 서버(100)는 작업 시뮬레이션 서버로 그 용어를 정의할 수 있다.The server 100 according to one embodiment is an operating server of a company that operates a logistics center, and performs a process of performing a loading simulation and providing it to the worker terminal 200 or a loading robot. Accordingly, the server 100 may define the term as a job simulation server.

도 2는 본 발명의 일 실시예에 따르는 서버의 내부 구성을 나타내는 블록도이다.Figure 2 is a block diagram showing the internal configuration of a server according to an embodiment of the present invention.

일 실시예에 따르면, 서버(100)는, 통신모듈(110), 메모리(120), 프로세서(130) 및 데이터베이스(140)를 포함할 수 있다.According to one embodiment, the server 100 may include a communication module 110, memory 120, processor 130, and database 140.

통신모듈(110)은, 작업자 단말(200) 및 적재 로봇(300)과 데이터 통신을 처리한다.The communication module 110 processes data communication with the worker terminal 200 and the loading robot 300.

메모리(120)에는, 적재 가이드 제공 방법을 수행하기 위한 프로그램(또는 애플리케이션)이 저장되어 있으며, 프로세서(130)는, 메모리(120)에 저장된 프로그램을 실행하여 적재 가이드 제공 방법에 대한 각 종 프로세스를 처리한다.In the memory 120, a program (or application) for performing a method of providing a loading guide is stored, and the processor 130 executes the program stored in the memory 120 to perform various processes for a method of providing a loading guide. Process it.

프로세서(130)가 처리하는 전반적인 프로세스의 일 실시예는 다음과 같다. 프로세서(130)는 이미 수행된 적재 작업에 대한 작업 정보를 수집하고, 이를 기초로 적재 공간 별 적재 패턴을 분석한다. 프로세서(130)는 적재 패턴의 분석 결과가 저장된 데이터베이스를 구축한다. 프로세서(130)는 작업 중인 적재 공간에 대하여 적재가 완료된 화물에 대한 제1 화물 정보를 실시간으로 수집한다. 프로세서(130)는 제1화물 정보를 기준으로 데이터베이스(140)를 검색하여 적재가 수행될 예상 화물에 대한 제2 화물 정보를 예측한다. 프로세서(130)는 제2 화물 정보를 작업자 단말(200) 또는 적재 로봇(300)에 실시간으로 제공하여 적재의 가이드 서비스를 실시한다.One embodiment of the overall process processed by the processor 130 is as follows. The processor 130 collects work information about already performed loading work and analyzes the loading pattern for each loading space based on this. The processor 130 builds a database in which analysis results of loading patterns are stored. The processor 130 collects first cargo information about cargo that has been loaded into the loading space being worked on in real time. The processor 130 searches the database 140 based on the first cargo information and predicts the second cargo information for the expected cargo to be loaded. The processor 130 provides the second cargo information to the worker terminal 200 or the loading robot 300 in real time to provide a loading guide service.

한편, 프로세서(130)는 예상 화물에 대한 적재 시뮬레이션을 수행하여 작업자 단말(200) 또는 적재 로봇(300)으로 제공할 수 있으며, 이에 대한 구체적인 실시예는 후술하도록 한다. Meanwhile, the processor 130 can perform a loading simulation for the expected cargo and provide it to the worker terminal 200 or the loading robot 300, and specific embodiments of this will be described later.

일 실시예에 따르는 데이터베이스(140)는, 적재 공간 별 적재 패턴의 분석 결과가 저장된다. 데이터베이스(140)는 특정 화물 정보를 토대로 생성된 검색값이 입력되면 그에 따른 적재 패턴이 추출되도록 설계될 수 있다.The database 140 according to one embodiment stores analysis results of loading patterns for each loading space. The database 140 may be designed to extract a loading pattern according to a search value generated based on specific cargo information.

이하, 도 3 내지 도 7을 참조하여, 본 발명의 적재 가이드 제공 방법에 대한 일 실시예를 설명하도록 한다. 도 3은 본 발명의 일 실시예에 따르는 적재 가이드 제공 방법의 동작 흐름도이다.Hereinafter, with reference to FIGS. 3 to 7, an embodiment of the method for providing a loading guide of the present invention will be described. Figure 3 is an operational flowchart of a method for providing a loading guide according to an embodiment of the present invention.

단계 S310에서, 서버(100)는 기 수행된 적재 작업에 대한 작업 정보를 수집한다. 수집하는 방식은, 적재 작업이 완료될 때마다 이를 수행한 작업자의 업로드가 일반적이나, 이에 한정되는 것은 아니고, 인터넷 크롤링, 데이터 구매, 스크래핑 등의 방법으로 대중에 공개된 작업 정보 또한 자체적으로 수집이 가능할 수 있다.In step S310, the server 100 collects job information about a previously performed loading job. The collection method is generally uploaded by the worker who performed the loading task whenever it is completed, but it is not limited to this. Work information disclosed to the public through methods such as Internet crawling, data purchase, scraping, etc. is also collected on its own. It may be possible.

일 실시예에 따르면, 작업 정보는 적재 작업이 수행된 적재 공간의 식별 정보, 적재된 화물이 배송되는 배송 권역 정보 및 적재 완료 상태 정보를 포함할 수 있다. 또한, 적재 완료 상태 정보는, 해당 적재 공간에 적재된 화물 별 적재 위치, 종류, 크기, 무게, 수량 및 배송지 정보를 포함할 수 있다. 여기서, 배송 권역은 배송지를 포함하는 범위로서, 예를 들어 배송 권역이 아파트 단지인 경우, 배송지는 아파트 단지 내 동호수를 의미할 수 있다.According to one embodiment, the task information may include identification information of the loading space where the loading operation was performed, delivery area information where the loaded cargo is delivered, and loading completion status information. Additionally, the loading completion status information may include loading location, type, size, weight, quantity, and delivery address information for each cargo loaded in the corresponding loading space. Here, the delivery area is a range that includes the delivery area. For example, if the delivery area is an apartment complex, the delivery area may mean the number of units within the apartment complex.

단계 S320에서, 서버(100)는 수집된 작업 정보를 기초로 적재 공간 별 적재 패턴을 분석한다. 적재 패턴 분석의 구체적인 실시예로서, 서버(100)는 작업 정보에 포함된 적재 공간 식별 정보에 기초하여 적재 패턴이 분석될 적재 공간을 특정한다. 서버(100)는 특정된 적재 공간을 기준으로 작업 정보를 분류한다. 예를 들어, 작업 공간 식별 정보에 따라 A트럭, B선박, C창고의 적재 공간이 특정되면, 각 적재 공간에서 수행된 적재 작업에 대한 배송 권역 정보 및 적재 완료 상태 정보를 모두 종합하여 A트럭, B선박, C창고 별로 분류할 수 있다.In step S320, the server 100 analyzes the loading pattern for each loading space based on the collected job information. As a specific embodiment of the loading pattern analysis, the server 100 specifies the loading space for which the loading pattern is to be analyzed based on the loading space identification information included in the job information. The server 100 classifies work information based on the specified loading space. For example, if the loading space of Truck A, Ship B, and Warehouse C are specified according to the work space identification information, all the delivery area information and loading completion status information for the loading work performed in each loading space are synthesized to determine Truck A, It can be classified by B ship and C warehouse.

서버(100)는 특정된 적재 공간에 배치된 공간인식 센서로부터 적재 공간의 깊이값 및 영상 정보를 수집할 수 있다. 서버(100)는 이를 이용하여 적재 공간 내부의 구조 및 면적을 파악할 수 있다. 도 4를 참조하면, 서버(100)는 깊이값 및 영상 정보에 기초하여 해당 작업 공간에 대한 가상의 3차원 모델(10) 및 2차원 맵(20)을 생성할 수 있다. 여기서 3차원 모델(10)은 작업 공간의 바닥 면을 x축 및 y축으로 하고, 높이를 z축으로 하는 좌표계의 공간으로 구축될 수 있으며, 2차원 맵(20)은 모델의 x축 및 y축으로 이루어진 것일 수 있다.The server 100 may collect the depth value and image information of the loading space from a spatial recognition sensor placed in the specified loading space. The server 100 can use this to determine the structure and area inside the loading space. Referring to FIG. 4 , the server 100 may generate a virtual 3D model 10 and a 2D map 20 for the corresponding work space based on the depth value and image information. Here, the three-dimensional model 10 can be constructed in a space of a coordinate system with the floor surface of the work space as the x-axis and y-axis and the height as the z-axis, and the two-dimensional map 20 is the x-axis and y-axis of the model. It may be composed of an axis.

서버(100)는 특정된 적재 공간으로 분류된 배송 권역 정보 및 화물 별 배송지 정보에 기초하여, 해당 적재 공간을 구획할 수 있다. 예를 들어, 도 5에 도시된 바와 같이, 서버(100)는 맵(20)을 배송 권역(예로, 아파트 단지 단위)을 기준으로 cluster A 내지 D로 구획할 수 있다. 서버(100)는 cluster를 화물 별 배송지(예로, 동 단위)를 기준으로 A₁ 내지 D₂로 더 구획할 수 있다. 서버(100)는 A₁ 내지 D₂를 배송지의 세부 정보(예로, 호수)를 기준으로 A₁₁ 내지 D₂₂로 더 구획할 수 있다. 서버(100)는 A₁₁ 내지 D₂₂ 각각을 하나의 영역으로 설정할 수 있다.The server 100 may partition the corresponding loading space based on delivery area information classified into a specific loading space and delivery address information for each cargo. For example, as shown in FIG. 5, the server 100 may divide the map 20 into clusters A to D based on the delivery area (eg, apartment complex unit). The server 100 may further divide the cluster into A ₁ to D ₂ based on the delivery destination for each cargo (eg, unit). The server 100 may further divide A ₁ to D ₂ into A ₁₁ to D ₂₂ based on detailed information (eg, number) of the delivery address. The server 100 may set each of A ₁₁ to D ₂₂ as one area.

서버(100)는 구획된 영역을 기준으로 해당 적재 공간의 적재 완료 상태 정보를 분류할 수 있다. 예를 들어, A₁₁ 내지 D₂₂영역 별로 배송을 위해 각 영역에 적재되었던 화물들의 적재 위치, 종류, 크기, 무게 및 수량 정보를 분류할 수 있다. 이후, 서버(100)는 각 영역에 분류된 적재 완료 상태 정보를 통계 분석할 수 있다. 예를 들어, A₁₁영역에 적재되었던 화물의 종류, 화물의 종류 별 적재 수량의 평균, A₁₁영역에 적재되었던 화물 각각의 크기와 무게, 및 화물의 종류, 수량, 크기 및 무게에 따른 A₁₁영역 내 각 화물의 적재 위치를 파악할 수 있다. 이러한 통계 분석에 기초하여, 서버(100)는 각 영역 별로 적재 순서 및 적재 경로를 포함하는 적재 패턴을 도출할 수 있다.The server 100 may classify loading completion status information of the corresponding loading space based on the partitioned area. For example, the loading location, type, size, weight, and quantity information of cargo loaded in each area for delivery can be classified by area A ₁₁ to D ₂₂ . Afterwards, the server 100 may perform statistical analysis on the loading completion status information classified in each area. For example, the type of cargo loaded in the A ₁₁ area, the average of the loading quantity for each type of cargo, the size and weight of each cargo loaded in the A ₁₁ area, and the A ₁₁ according to the type, quantity, size, and weight of the cargo. You can determine the loading location of each cargo within the area. Based on this statistical analysis, the server 100 can derive a loading pattern including a loading order and loading path for each area.

서버(100)는 도출된 적재 패턴을 적재 공간 별로 저장하여 검색 기능이 활성화된 데이터베이스(140)를 구축할 수 있다. 전술한대로, 데이터베이스(140)는 특정 화물 정보를 토대로 생성된 검색값이 입력되면, 그에 따른 적재 패턴이 추출되도록 설계될 수 있다.The server 100 can build a database 140 with an activated search function by storing the derived loading patterns for each loading space. As described above, the database 140 may be designed to extract a loading pattern according to a search value generated based on specific cargo information.

단계 S330에서, 특정 적재 공간에서 적재가 시작되면, 서버(100)는 해당 적재 공간에서 적재가 완료된 화물에 대한 제1 화물 정보를 실시간으로 수집한다. 예를 들어, 서버(100)는 단일 또는 복수의 화물의 적재가 완료될 때마다, 적재 공간에 배치된 작업자 단말(200) 또는 적재 로봇(300)으로부터 해당 화물에 대한 종류, 무게, 크기, 수량 및 배송지 정보를 수신할 수 있다. 또는, 서버(100)는 물류 센터의 대기 공간에서 해당 적재 공간으로 전달되는 화물들을 실시간으로 파악하고, 전달 과정에 배치되는 화물정보 인식기를 통해 전달되는 화물들의 종류, 무게, 크기, 수량 및 배송지 정보를 확인할 수 있다.In step S330, when loading begins in a specific loading space, the server 100 collects first cargo information about cargo that has been loaded in the corresponding loading space in real time. For example, whenever the loading of single or multiple cargoes is completed, the server 100 receives the type, weight, size, and quantity for the cargo from the worker terminal 200 or the loading robot 300 placed in the loading space. and delivery address information can be received. Alternatively, the server 100 identifies cargo delivered from the waiting space of the logistics center to the corresponding loading space in real time, and provides type, weight, size, quantity and delivery address information of the cargo delivered through a cargo information recognizer placed in the delivery process. You can check.

일 실시예에 따르면, 서버(100)는 해당 적재 공간에 화물이 적재될 때마다 적재된 화물의 제1 화물 정보를 누적하여 저장할 수 있다. 다만, 서버(100)는 직전에 적재된 화물에 대한 제1 화물 정보는 누적과 함께 분리하여 저장할 수 있다. 서버(100)는 누적 저장된 제1 화물 정보를 통계하여 통계 결과를 제1 코드로 변환할 수 있다. 또한, 분리하여 저장된 제1 화물 정보를 제2 코드로 변환하고, 제1 코드 및 제2 코드로 구성된 검색값을 생성할 수 있다.According to one embodiment, the server 100 may accumulate and store the first cargo information of the loaded cargo each time cargo is loaded in the corresponding loading space. However, the server 100 may separately store the first cargo information about the cargo loaded just before the accumulation. The server 100 may perform statistics on the accumulated first cargo information and convert the statistical results into a first code. Additionally, the separately stored first cargo information can be converted into a second code, and a search value composed of the first code and the second code can be generated.

도 6을 활용하여 예를 들면, 누적하여 저장된 제1 화물 정보가 통계되어, 이를 기초로, [적재 완료 배송지 또는 적재 미수행 배송지 / 적재된 화물의 종류 별 수량 / 크기 정보에 따른 화물의 종류 별 적재된 면적 / 무게 정보에 따른 적재된 화물이 배치된 위치]의 통계 결과를 나타내는 제1 코드가 생성될 수 있다. 또한, [직전 적재물의 종류, 크기, 무게, 배송지]를 나타내는 제2 코드가 생성될 수 있다. 이와 같이 통계 결과 및 직전에 적재된 화물의 제1 화물 정보가 코드화되어, 제1 코드 및 제2 코드로 이루어진 검색값(61)이 생성될 수 있다.Using Figure 6, for example, the accumulated and stored first cargo information is statistics, and based on this, [Loaded delivery location or unloaded delivery location / Quantity by type of loaded cargo / By type of cargo according to size information A first code representing the statistical result of [the location where the loaded cargo is placed according to the loaded area/weight information] may be generated. Additionally, a second code indicating [the type, size, weight, and delivery address of the previous load] may be generated. In this way, the statistical results and the first cargo information of the cargo loaded just before are coded, and a search value 61 composed of the first code and the second code can be generated.

일 실시예에 따르면, 서버(100)는 적재가 이루어지지 않아 물류 센터에 남아 있는 화물들을 실시간으로 확인하고, 확인된 화물들에 대한 화물 정보를 제1 화물 정보로 설정할 수 있다. 서버(100)는 이렇게 설정된 제1 화물 정보 또한 통계하여, 통계 결과를 제3 코드로 변환하고, 검색값(61)에 포함시킬 수 있다.According to one embodiment, the server 100 may check in real time the cargo remaining in the distribution center because it has not been loaded, and set cargo information for the confirmed cargo as first cargo information. The server 100 may also perform statistics on the first cargo information set in this way, convert the statistical results into a third code, and include it in the search value 61.

단계 S340에서, 서버(100)는 제1화물 정보를 기준으로 데이터베이스(140)를 검색하여, 검색에 의해 추출된 적재 패턴을 통해 적재가 수행될 예상 화물에 대한 제2 화물 정보를 예측한다. 전술한 실시예에 따르면, 서버(100)는 수집된 제1 화물 정보에 기초하여 생성된 검색값(61)을 데이터베이스(140)에 입력할 수 있으며, 검색값(61)에 따르는 적재 패턴이 추출될 수 있다. 이후, 서버(100)는 추출된 적재 패턴을 분석 및 가공하여 제2 화물 정보를 생성할 수 있다.In step S340, the server 100 searches the database 140 based on the first cargo information and predicts the second cargo information for the expected cargo to be loaded through the loading pattern extracted through the search. According to the above-described embodiment, the server 100 may input a search value 61 generated based on the collected first cargo information into the database 140, and a loading pattern according to the search value 61 may be extracted. It can be. Thereafter, the server 100 may generate second cargo information by analyzing and processing the extracted loading pattern.

일 실시예에 따르면, 서버(100)는 추출된 적재 패턴을 통해 기 설정된 항목으로 구성된 제2 화물 정보를 생성할 수 있다. 여기서 항목은 제1 화물 정보의 제1 코드 및 제2 코드에 대응하여 설정될 수 있다. 예를 들어, 도 6에 도시된 바와 같이, 제2 화물 정보(62)는 [적재 미수행 배송지 / 배송지 별 예상 화물의 종류 / 예상 화물의 종류 별 적재 예상 수량 / 종류 별 각 예상 화물의 크기 및 무게 / 종류 별 예상 화물의 크기에 따른 종류 별 필요한 적재 면적 / 다음 예상 화물의 종류, 크기, 무게, 배송지]의 항목으로 가공되어 생성될 수 있으며, 항목은 나열된 예시에 한정되는 것은 아니다.According to one embodiment, the server 100 may generate second cargo information consisting of preset items through the extracted loading pattern. Here, the item may be set to correspond to the first code and second code of the first cargo information. For example, as shown in FIG. 6, the second cargo information 62 includes [unloaded delivery location / expected cargo type by delivery destination / expected loading quantity by type of expected cargo / size of each expected cargo by type, and Weight / Required loading area for each type according to the size of the expected cargo by type / type, size, weight, delivery address of the next expected cargo] can be processed and created, and the items are not limited to the examples listed.

한편, 물류 산업의 특성 상, 최근 이슈나 유행에 민감하기 때문에, 이러한 점이 고려되어 적재 물량이 예측될 필요가 있다. 이와 관련된, 일 실시예에 따르면, 단계 S340에서 서버(100)는 인터넷 크롤링(crawling)을 수행하여 최근 많이 판매되거나 제작된 물류가 무엇인지 검색할 수 있다. 예를 들어, 서버(100)는 제2 화물 정보(62)에 포함된 화물의 종류를 취급하는 이커머스 사이트를 크롤링하여 기 설정된 기간 동안 판매된 품목 별 수량을 파악할 수 있다. 또한, 국가나 공공기관에서 운영하는 물류 및 유통 사이트를 크롤링하여 기 설정된 기간 동안의 물류 별 거래량 및 유통량을 파악할 수 있다.Meanwhile, due to the nature of the logistics industry, it is sensitive to recent issues and trends, so it is necessary to take this into consideration when predicting loading volume. Related to this, according to one embodiment, in step S340, the server 100 may perform Internet crawling to search for recently sold or manufactured logistics. For example, the server 100 may crawl an e-commerce site that handles the type of cargo included in the second cargo information 62 and determine the quantity of each item sold during a preset period. In addition, by crawling logistics and distribution sites operated by the government or public institutions, it is possible to determine the transaction and distribution volume of each logistics during a preset period.

일 실시예에 따르면, 서버(100)는 인터넷 크롤링을 수행하여 최근 주류적으로 거래되거나 유통된 물류를 예측하기 위한 최신 뉴스 정보를 수집할 수 있다. 예를 들어, 서버(100)는 기 설정된 포털 사이트 및 콘텐츠 제공 사이트를 크롤링하여 기 설정된 기간 동안의 검색어, 이슈, 트랜드, 인기 품목 및 인기 콘텐츠 정보를 검색할 수 있으며, 검색 대상이 되는 정보는 예시에 한정되는 것은 아니다.According to one embodiment, the server 100 may perform Internet crawling to collect the latest news information for predicting recently mainstream traded or distributed logistics. For example, the server 100 can crawl preset portal sites and content provision sites to search for search terms, issues, trends, popular items, and popular content information for a preset period. Examples of information subject to search include: It is not limited to.

이후, 서버(100)는 최신 뉴스 정보를 포함하여 인터넷 크롤링을 통해 수집된 정보에 따라 검색 기간 동안의 물류 동향을 분석할 수 있다. 서버(100)는 분석된 물류 동향 정보에 따르는 적재 패턴의 변화 여부를 판단할 수 있다. 판단 결과 적재 패턴의 변화가 추정되는 경우, 서버(100)는 물류 동향 정보에 기초하여 제2 화물 정보를 보정할 수 있다. 예를 들어, 크롤링을 통해 검색된 최신 뉴스 정보가 미세먼지 이슈이고, 그에 따른 물류 동향이 공기청정기의 거래량 급증으로 분석되는 경우, 서버(100)는 기존의 제2 화물 정보의 항목 중 [예상 화물의 종류 별 적재 예상 수량 / 종류 별 각 예상 화물의 크기 및 무게 / 종류 별 예상 화물의 크기에 따른 종류 별 필요한 적재 면적]의 정보를 물류 동향에 따라 보정할 수 있다. 즉, 추출된 적재 패턴에 따라 공기청정기의 크기가 x3, 부피가 y3으로 확인되는 경우, 서버(100)는 "x3, y3의 전자 제품의 적재 수량이 n개가 늘어날 것으로 예상되어 전자 제품의 적재 면적을 m만큼 더 확보해야 함"을 나타내는 정보가 반영되도록 제2 화물 정보를 보정할 수 있다.Thereafter, the server 100 may analyze logistics trends during the search period according to information collected through Internet crawling, including the latest news information. The server 100 may determine whether there is a change in the loading pattern according to the analyzed logistics trend information. If a change in the loading pattern is estimated as a result of the determination, the server 100 may correct the second cargo information based on the logistics trend information. For example, if the latest news information retrieved through crawling is a fine dust issue and the resulting logistics trend is analyzed as a rapid increase in the transaction volume of air purifiers, the server 100 selects [Expected cargo] among the items of the existing second cargo information. The information of [Expected loading quantity by type / Size and weight of each expected cargo by type / Required loading area by type according to expected size of cargo by type] can be corrected according to logistics trends. That is, if the size of the air purifier is x3 and the volume is y3 according to the extracted loading pattern, the server 100 says, "The loading quantity of electronic products of x3 and y3 is expected to increase by n, so the loading area of electronic products is The second cargo information can be corrected to reflect information indicating that “an additional amount of m must be secured.”

한편, 물류 산업의 특성 상, 배송 및 적재 작업은 여러 외적인 이벤트의 발생에 따라 영향을 받는 경우가 자주 발생한다. 예를 들어, 날씨가 우천으로 갑자기 변하는 경우, 배송 경로가 달라지거나 배송을 위해 적재되는 화물의 종류가 달라질 수 있다. 따라서, 이러한 이벤트 발생 여부를 고려하여 적재 물량이 예측될 필요가 있는데, 본 발명은 딥러닝 기법을 활용하여 이벤트 발생에 따른 제2 화물 정보를 보정하는 실시예를 개시한다.Meanwhile, due to the nature of the logistics industry, delivery and loading operations are often affected by the occurrence of various external events. For example, if the weather suddenly changes to rain, the delivery route may change or the type of cargo loaded for delivery may change. Therefore, it is necessary to predict the loading quantity by considering whether such an event occurs. The present invention discloses an embodiment of correcting the second cargo information according to the occurrence of the event using deep learning techniques.

한편, 이벤트는 적재 및 배송 환경에 영향을 미치는 외적인 상황으로서, 서버(100)에 미리 설정된 것이며, 예를 들어, 날씨의 변화, 교통량의 변화, 도로 상태의 변화(사고 등), 작업 인력의 변화, 배송 권역의 상태 변화, 팬데믹 현상 등을 예로 들 수 있으나, 이에 한정되는 것은 아니다.Meanwhile, an event is an external situation that affects the loading and delivery environment and is preset in the server 100, for example, a change in weather, a change in traffic volume, a change in road conditions (accidents, etc.), and a change in workforce. , changes in the status of the delivery area, pandemic phenomena, etc., but are not limited to these.

구체적으로, 서버(100)는 작업 정보를 통해, 미리 수행된 적재 작업에서 발생한 이벤트와 그에 따른 화물 정보의 변화 정보를 추출할 수 있다. 추출된 정보들의 전처리 과정을 거쳐, 서버(100)는 이벤트 및 화물 정보의 변화 정보를 세트로 하는 학습 데이터를 확보할 수 있다. 서버(100)는 학습 데이터를 기 설정된 딥러닝 모델에 적용하여 이벤트와 화물 정보의 변화에 대한 상관관계를 학습할 수 있다. 이러한 학습을 반복함으로써, 서버(100)는 임의의 이벤트가 입력되면 입력된 이벤트와 화물 정보의 변화에 대한 상관관계를 도출하여 화물 정보의 변화값을 출력하는 적재 상황 예측기를 구축할 수 있다. 여기서 딥러닝 모델은 특별히 한정되는 것은 아니나, 예측에 특화된 LSTM(long short-term memory) 네트워크를 대표적인 예로 들 수 있다.Specifically, the server 100 may extract information about events that occurred in previously performed loading operations and changes in cargo information resulting from the operation information. Through a preprocessing process of the extracted information, the server 100 can secure learning data that includes change information in event and cargo information. The server 100 can apply learning data to a preset deep learning model to learn the correlation between events and changes in cargo information. By repeating this learning, the server 100 can build a loading situation predictor that, when an arbitrary event is input, derives a correlation between the input event and changes in cargo information and outputs a change value in cargo information. Here, the deep learning model is not particularly limited, but a representative example is a long short-term memory (LSTM) network specialized for prediction.

단계 S340에서, 서버(100)는 이벤트의 발생 여부를 실시간으로 파악할 수 있다. 서버(100)는 발생한 것으로 파악된 이벤트를 적재 상황 예측기에 입력하며, 이에 따라 해당 이벤트와 화물 정보의 변화에 대한 상관관계가 도출되어 해당 이벤트에 따른 화물 정보의 변화값이 출력되게 된다. 최종적으로, 서버(100)는 출력된 변화값에 따라 기존의 제2 화물 정보를 보정할 수 있다.In step S340, the server 100 can determine in real time whether an event has occurred. The server 100 inputs the event identified as having occurred into the loading situation predictor, and accordingly, a correlation between the event and the change in cargo information is derived, and the change value in the cargo information according to the event is output. Finally, the server 100 can correct the existing second cargo information according to the output change value.

단계 S350에서, 서버(100)는 단계 S340을 통해 예측된 제2 화물 정보를 작업 중인 적재 공간에 배치된 작업자 단말(200) 또는 적재 로봇(300)으로 실시간으로 제공한다. 이에 따라, 작업자는 앞으로 적재가 예상되는 화물들의 각 종 정보를 확인할 수 있어, 최적의 공간 활용도, 신속성 및 안정성을 갖춘 적재 스케줄을 용이하게 설계할 수 있다. 적재 로봇(300)은 서버(100)로부터 수신한 공간인식 정보와 제2 화물 정보를 서로 매칭함으로써, 안정적인 적재 작업을 수행할 수 있다.In step S350, the server 100 provides the second cargo information predicted through step S340 in real time to the worker terminal 200 or the loading robot 300 placed in the loading space being worked on. Accordingly, workers can check various information on cargo expected to be loaded in the future, making it possible to easily design a loading schedule with optimal space utilization, speed, and stability. The loading robot 300 can perform a stable loading operation by matching the spatial recognition information received from the server 100 and the second cargo information.

일 실시예에 따르면, 전술한대로, 데이터베이스(140)에서 검색된 적재 패턴은 적재 순서 및 적재 경로를 포함하므로, 단계 S350에서, 서버(100)는 제2 화물 정보에 따라 예상 화물의 적재 경로 및 적재 위치를 파악할 수 있다. 이후, 서버(100)는 제2 화물 정보와 함께 적재 경로 및 적재 위치를 작업자 단말(200) 및 적재 로봇(300)에 추가로 제공할 수 있다.According to one embodiment, as described above, since the loading pattern retrieved from the database 140 includes the loading order and loading path, in step S350, the server 100 determines the loading path and loading location of the expected cargo according to the second cargo information. can be figured out. Thereafter, the server 100 may additionally provide the loading path and loading location along with the second cargo information to the worker terminal 200 and the loading robot 300.

한편, 제2 화물 정보, 적재 경로 및 적재 위치는, 해당 적재 공간의 3차원 모델(10) 또는 2차원 맵(20)을 통해 표시되어, 작업자 단말(200)로 제공될 수 있는데, 이러한 적재 가이드 서비스가 구현된 사용자 인터페이스의 예시는 도 7에 도시되어 있다. 도 7를 참조하면, 본 발명의 적재 가이드 서버(100)는 예상 화물에 대한 적재 시뮬레이션을 구현하여 적재 가이드 서비스의 실용성을 극대화 할 수 있으며, 이와 관련된 일 실시예를 도 8 내지 도 12를 활용하여 설명하도록 한다.Meanwhile, the second cargo information, loading path, and loading location may be displayed through a three-dimensional model 10 or a two-dimensional map 20 of the corresponding loading space and provided to the worker terminal 200, and this loading guide An example of a user interface in which the service is implemented is shown in FIG. 7. Referring to FIG. 7, the loading guide server 100 of the present invention can maximize the practicality of the loading guide service by implementing loading simulation for expected cargo, and an embodiment related to this can be seen using FIGS. 8 to 12. Let me explain.

도 8은 본 발명의 일 실시예에 따르는 적재 시뮬레이션 방법의 동작 흐름도이다.Figure 8 is an operation flowchart of a loading simulation method according to an embodiment of the present invention.

단계 S810에서, 도 4에 도시된 바와 같이, 서버(100)는 적재 공간에 대한 가상의 3차원 모델(10)을 구축하고, 모델(10)의 x축 및 y축으로 이루어진 가상의 2차원 맵(20)을 생성한다. 또한, 서버(100)는 맵(20)을 복수의 영역으로 구획하며 그 예시는 도 5에 도시되어 있다. 이는, 적재 패턴의 분석 과정 상에서 수행되는 것으로, 중복되는 내용은 도 4 및 도 5를 통해 전술한 실시예의 내용으로 갈음하도록 한다.In step S810, as shown in FIG. 4, the server 100 builds a virtual three-dimensional model 10 for the loading space and creates a virtual two-dimensional map consisting of the x-axis and y-axis of the model 10. Produces (20). Additionally, the server 100 divides the map 20 into a plurality of areas, an example of which is shown in FIG. 5. This is performed in the process of analyzing the loading pattern, and the overlapping content is replaced with the content of the embodiment described above with reference to FIGS. 4 and 5.

일 실시예에 따르면, 모델(10)의 원점은 적재 공간의 바닥 면을 이루는 모서리 중 하나의 지점에 설정될 수 있다. 작업의 특성 상, 적재 공간의 가장 안 쪽에서부터 적재가 진행되는 것이 일반적이므로, 적재 공간의 가장 안 쪽 측면을 이루는 바닥 면의 모서리를 모델(10)의 원점으로 설정하는 것이 바람직하다.According to one embodiment, the origin of the model 10 may be set at one of the corners forming the bottom surface of the loading space. Due to the nature of the work, loading generally proceeds from the innermost side of the loading space, so it is desirable to set the corner of the floor surface forming the innermost side of the loading space as the origin of the model 10.

일 실시예에 따르면, 서버(100)는 공간인식 센서를 통해 수집된 깊이값을 이용하여 적재 공간 내부의 구조 및 면적을 파악할 수 있다. 즉, 서버(100)는 수집된 깊이값에 기초하여 모델(10)의 x축, y축 및 z축의 범위 및 적재 공간을 이루는 각 지점에 대한 좌표값을 결정할 수 있다.According to one embodiment, the server 100 can determine the structure and area inside the loading space using the depth value collected through the space recognition sensor. That is, the server 100 may determine the range of the x-axis, y-axis, and z-axis of the model 10 and the coordinate value for each point forming the loading space based on the collected depth value.

단계 S820에서, 서버(100)는, 제2 화물 정보에 기초하여 각 예상 화물에 대응하는 박스 형의 가상의 객체를 생성한다. 이 때, 물류는 일반적으로 박스에 포장되어 유통되므로, 가상의 객체는 도 9에 도시된 바와 같이 박스 형상으로 구현될 수 있다. 예를 들어, 서버(100)는 각 화물에 대응하여 각 화물의 크기 정보에 따르는 단면적 및 높이를 가진 박스 형의 객체(30)를 생성한다. 한편, 포장이 되지 않거나 육면체가 아닌 다른 공간도형의 포장재로 포장된 경우라도, 적재 시뮬레이션의 직관성을 위해, 객체(30)는 화물 단면의 최대 길이에 따르는 단면적 및 화물의 높이를 가지는 박스 형상으로 구현되는 것이 바람직하다.In step S820, the server 100 creates a box-shaped virtual object corresponding to each expected cargo based on the second cargo information. At this time, since logistics are generally packaged and distributed in boxes, the virtual object may be implemented in a box shape as shown in FIG. 9. For example, the server 100 corresponds to each cargo and creates a box-shaped object 30 with a cross-sectional area and height according to the size information of each cargo. On the other hand, even if it is not packaged or is packed with packaging material of a spatial shape other than a cube, for intuitive loading simulation, the object 30 is implemented as a box shape with a cross-sectional area and cargo height according to the maximum length of the cargo cross-section. It is desirable to be

객체(30)가 생성되면, 서버(100)는 제2 화물 정보에 기초하여, 각 객체(30)들을 영역 별로 분류한다. 즉, 서버(100)는 각 객체(30)를 화물의 배송지 정보와 대응하는 영역으로 분류할 수 있다. 서버(100)는 동일한 영역으로 분류된 객체(30)들끼리 하나의 그룹으로 설정한다.When the object 30 is created, the server 100 classifies each object 30 into regions based on the second cargo information. That is, the server 100 can classify each object 30 into an area corresponding to the delivery address information of the cargo. The server 100 sets the objects 30 classified into the same area into one group.

일 실시예에 따르면, 서버(100)는 영역 별로 분류된 객체(30)들의 제2 화물 정보에 따라 맵(200)에서 각 영역이 차지하는 위치 및 면적을 결정할 수 있다. 도 5를 활용하여 예를 들면, A₁₂영역에 속한 객체(30)와 대비하여 A₁₁영역에 속한 객체(30)들의 개수가 많고 대체적으로 크기가 큰 경우, A₁₁영역의 면적을 더 크게 보정하고, 그에 따른 적합한 위치로 조정할 수 있다.According to one embodiment, the server 100 may determine the location and area occupied by each region on the map 200 according to the second cargo information of the objects 30 classified by region. For example, using Figure 5, when the number of objects 30 belonging to the A 11 area are greater and generally larger in size compared to the objects 30 belonging to the A ₁₂ area, the area of the A ₁₁ area is corrected to be larger _. and can be adjusted to an appropriate position.

단계 S830에서, 서버(100)는 적재 공간의 높이를 넘지 않는 선에서 각 그룹에 속한 객체(30)들을 수직으로 조립한다. 즉, 서버(100)는 모델(10)의 z축 범위 안에서 각 그룹에 속한 객체(30)들을 z축 방향으로 쌓을 수 있다. 이 때, 서버(100)는 안정성 조건을 만족하도록 객체(30)들을 쌓게 되는데, 이에 대한 예시가 도 9에 도시되어 있다.In step S830, the server 100 assembles the objects 30 belonging to each group vertically at a line that does not exceed the height of the loading space. That is, the server 100 can stack the objects 30 belonging to each group in the z-axis direction within the z-axis range of the model 10. At this time, the server 100 stacks the objects 30 to satisfy stability conditions, an example of which is shown in FIG. 9.

도 9를 참조하면, 서버(100)는 높이에 대한 안정성 조건을 만족하도록 객체(30)들을 쌓는다. 전술한대로, 높이에 대한 안정성 조건은 적재 공간의 높이 이하, 즉, 모델(10)의 z축 범위 내에서 객체(30)들을 쌓는 것일 수 있다.Referring to FIG. 9, the server 100 stacks objects 30 to satisfy stability conditions for height. As described above, the stability condition for height may be to stack the objects 30 below the height of the loading space, that is, within the z-axis range of the model 10.

일 실시예에 따르면, 서버(100)는 무게에 대한 안정성 조건을 만족하도록 객체(30)들을 쌓는다. 예를 들어, 서버(100)는 동일 그룹에 속한 객체(30)들의 무게 정보를 추출하고 무거운 화물의 객체(30)순으로 나열할 수 있다. 서버(100)는 나열된 순서대로 객체(30)를 z축 방향으로 쌓을 수 있다. 추가적으로, 서버(100)는 보다 견고한 적재를 위하여 무게의 안정성에 대한 서브 조건을 더 고려하여 객체(30)를 쌓을 수 있다. 예를 들어, 서버(100)는 연속적으로 쌓이게 되는 세 개의 객체 중 최하단에 배치되는 객체의 무게가 해당 객체의 위에 배치되는 두 개의 객체의 무게의 합보다 크거나 같을 조건을 만족하도록 객체(30)들을 쌓을 수 있다. 즉, 도 9를 참조하면, 동일 그룹에 속한 객체(30)들은 w2+w3 ≤ w1의 조건이 성취된 상태로 쌓일 수 있다.According to one embodiment, the server 100 stacks the objects 30 to satisfy stability conditions for weight. For example, the server 100 may extract weight information of objects 30 belonging to the same group and list them in order of objects 30 of heavy cargo. The server 100 may stack the objects 30 in the z-axis direction in the listed order. Additionally, the server 100 may stack the objects 30 by further considering sub-conditions for weight stability for more sturdy loading. For example, the server 100 sets the object 30 to satisfy the condition that the weight of the object placed at the bottom of the three objects stacked in succession is greater than or equal to the sum of the weights of the two objects placed above the object. can be stacked. That is, referring to FIG. 9, objects 30 belonging to the same group can be stacked in a state where the condition w2+w3 ≤ w1 is fulfilled.

일 실시예에 따르면, 서버(100)는 접촉 면적에 대한 안정성 조건을 만족하도록 객체(30)들을 쌓는다. 예를 들어, 서버(100)는 동일 그룹에 속한 객체(30)들의 크기 정보를 추출하고 단면적이 넓은 객체(30)의 순으로 나열할 수 있다. 서버(100)는 나열된 순서대로 객체(30)를 z축 방향으로 쌓을 수 있다. 이 때, 서버(100)는 연속적으로 쌓이게 되는 두 개의 객체 간 접촉 면적이 이들 중 위에 배치되는 객체의 면적의 절반을 넘지 않는 조건을 더 만족하도록 객체(30)들을 쌓을 수 있다.According to one embodiment, the server 100 stacks the objects 30 to satisfy stability conditions for contact area. For example, the server 100 may extract size information of the objects 30 belonging to the same group and list them in order of the objects 30 having the largest cross-sectional area. The server 100 may stack the objects 30 in the z-axis direction in the listed order. At this time, the server 100 may stack the objects 30 so as to further satisfy the condition that the contact area between two objects stacked in succession does not exceed half of the area of the object placed on top of them.

이와 같이, 서버(100)는 높이, 무게 및 접촉 면적에 대한 안정성 조건이 모두 만족되는 여건 하에 각 그룹에 속하는 객체(30)들을 쌓는 작업을 수행한다. 이에 따라, 단계 S830에서, 각 그룹 별로, 객체(30)들이 z축 방향으로 쌓인 객체의 조합이 적어도 하나 이상 구현될 수 있다.In this way, the server 100 performs the task of stacking the objects 30 belonging to each group under conditions in which stability conditions for height, weight, and contact area are all satisfied. Accordingly, in step S830, at least one combination of objects 30 stacked in the z-axis direction may be implemented for each group.

서버(100)는, 그룹 별 객체의 조합을 육면체 형상의 블록으로 변환할 수 있다. 예를 들어, 도 10에 도시된 바와 같이, 블록(40)은 z축 방향으로 쌓인 객체(30)들의 높이의 합을 높이로 하고, 객체(30)들의 단면적 중 최대값을 단면적으로 하는 육면체 형상으로 생성될 수 있다.The server 100 can convert a combination of objects for each group into a hexahedron-shaped block. For example, as shown in FIG. 10, the block 40 has a hexahedral shape whose height is the sum of the heights of the objects 30 stacked in the z-axis direction, and whose cross-sectional area is the maximum of the cross-sectional areas of the objects 30. It can be created with

단계 S840에서, 서버(100)는 맵(20)의 x축 또는 y축 내 임의의 지점을 기준으로 일직선 상에 나란히 위치하는 영역에 속하는 그룹의 블록(40)들을 추출하여 배열한다. 예를 들어, 도 11(a)의 상단에 도시된 바와 같이, 맵(20)의 한 축 라인을 따라 A₁₁ 내지 A₂₂영역이 순서대로 위치한다면, 서버(100)는 해당 영역의 그룹으로 생성된 블록(40)들을 추출하여 A₁₁ 내지 A₂₂의 순서대로 배열할 수 있다.In step S840, the server 100 extracts and arranges blocks 40 of a group belonging to an area located side by side on a straight line based on an arbitrary point in the x-axis or y-axis of the map 20. For example, as shown at the top of FIG. 11(a), if areas A ₁₁ to A ₂₂ are located in order along one axis line of the map 20, the server 100 creates a group of the corresponding areas. The blocks 40 can be extracted and arranged in the order of A ₁₁ to A ₂₂ .

한편 적재 시뮬레이션은, 적재 공간을 배송 경로나 권역을 기준으로 구획하고 구획된 각 영역에 맞는 화물들을 배치하도록 설계되나, 각 영역에 배치되는 화물들의 크기 차이로 인한 작업자나 적재 로봇의 동선이 방해 받는 상황이 발생할 수 있다. 이와 관련된 실시예로서, 도 11(a) 및 11(b)를 참조하면, 서버(100)는 맵(20)의 구조에 기초하여 단계 S840에서 수행된 블록(40)의 배열 상태가 적재 공간 내에서 작업자나 적재 로봇(300)의 동선을 제한하는지 여부를 판단할 수 있다. 동선을 제한하는 것으로 판단되는 경우, 서버(100)는 동선을 최대로 확보하도록 하는 배열 상태로 보정할 수 있다. 물론, 서버(100)는 배열의 보정에 따라, 배열된 블록(40)들이 속한 각 영역의 위치를 변경할 수 있다.Meanwhile, the loading simulation is designed to divide the loading space based on the delivery route or area and place cargo appropriate for each zone, but the movement of workers and loading robots is interrupted due to differences in the sizes of the cargo placed in each zone. Situations may arise. As a related embodiment, referring to FIGS. 11(a) and 11(b), the server 100 determines that the arrangement state of the block 40 performed in step S840 is within the loading space based on the structure of the map 20. It can be determined whether the movement line of the worker or the loading robot 300 is restricted. If it is determined that the movement line is limited, the server 100 may correct the arrangement to maximize the movement line. Of course, the server 100 may change the location of each area to which the arranged blocks 40 belong according to arrangement correction.

단계 S850에서, 서버(100)는 블록(40)의 단면인 사각의 2차원 도형을 생성한다. 또한, 서버(100)는 블록(40)의 배열 상태에 대응하여 도형을 배열할 수 있다. 도 11(b)에 도시된 바와 같이, 서버(100)는 도형(50)을 블록(40)의 배열 순서에 따라 맵(20)에 배치할 수 있다. 예를 들어, 블록(40)이 x축 방향을 따라 배열되는 경우, 서버(100)는 각 배열이 이루어진 y축 상의 임의의 지점을 기초로, 배열된 도형(50)의 집합을 y축 방향을 따라 배치할 수 있다. 또한, 서버(100)는 도형(50)의 배열 순서 및 배열된 도형(50)의 집합의 배치 순서를 맵(20)에 추가로 표시할 수 있다.In step S850, the server 100 creates a square two-dimensional shape that is a cross-section of the block 40. Additionally, the server 100 may arrange the shapes corresponding to the arrangement state of the blocks 40. As shown in FIG. 11(b), the server 100 may place the figure 50 on the map 20 according to the arrangement order of the blocks 40. For example, when the blocks 40 are arranged along the It can be arranged accordingly. Additionally, the server 100 may additionally display the arrangement order of the shapes 50 and the arrangement order of the set of arranged shapes 50 on the map 20 .

단계 S850 이후, 서버(100)는 단계 S810 내지 S850을 통해 수행된 예상 화물의 적재 시뮬레이션을 작업자 단말(200) 또는 적재 로봇(300)으로 전송할 수 있다. 작업자는 이를 통해 최적의 가이드를 제공받을 수 있으며, 적재 로봇(300) 또한 적재 시뮬레이션을 통해 효율적인 적재를 수행할 수 있다. 또한, 도 12에 도시된 바와 같이, 적재 시뮬레이션은 3차원 및 2차원 형태로 제공될 수 있으므로, 작업자는 직관적으로 시뮬레이션 결과를 확인하고 적재 및 출하 과정을 쉽게 이해할 수 있다.After step S850, the server 100 may transmit the loading simulation of the expected cargo performed through steps S810 to S850 to the worker terminal 200 or the loading robot 300. Through this, workers can be provided with optimal guidance, and the loading robot 300 can also perform efficient loading through loading simulation. Additionally, as shown in FIG. 12, the loading simulation can be provided in three-dimensional and two-dimensional form, so workers can intuitively check the simulation results and easily understand the loading and shipping process.

본 발명의 일 실시예는 컴퓨터에 의해 실행되는 프로그램 모듈과 같은 컴퓨터에 의해 실행가능한 명령어를 포함하는 기록 매체의 형태로도 구현될 수 있다. 컴퓨터 판독 가능 매체는 컴퓨터에 의해 액세스될 수 있는 임의의 가용 매체일 수 있고, 휘발성 및 비휘발성 매체, 분리형 및 비분리형 매체를 모두 포함한다. 또한, 컴퓨터 판독가능 매체는 컴퓨터 저장 매체를 모두 포함할 수 있다. 컴퓨터 저장 매체는 컴퓨터 판독가능 명령어, 데이터 구조, 프로그램 모듈 또는 기타 데이터와 같은 정보의 저장을 위한 임의의 방법 또는 기술로 구현된 휘발성 및 비휘발성, 분리형 및 비분리형 매체를 모두 포함한다.One embodiment of the present invention may also be implemented in the form of a recording medium containing instructions executable by a computer, such as program modules executed by a computer. Computer-readable media can be any available media that can be accessed by a computer and includes both volatile and non-volatile media, removable and non-removable media. Additionally, computer-readable media may include all computer storage media. Computer storage media includes both volatile and non-volatile, removable and non-removable media implemented in any method or technology for storage of information such as computer-readable instructions, data structures, program modules or other data.

본 발명의 방법 및 시스템은 특정 실시예와 관련하여 설명되었지만, 그것들의 구성 요소 또는 동작의 일부 또는 전부는 범용 하드웨어 아키텍쳐를 갖는 컴퓨터 시스템을 사용하여 구현될 수 있다.Although the methods and systems of the present invention have been described with respect to specific embodiments, some or all of their components or operations may be implemented using a computer system having a general-purpose hardware architecture.

전술한 본 발명의 설명은 예시를 위한 것이며, 본 발명이 속하는 기술분야의 통상의 지식을 가진 자는 본 발명의 기술적 사상이나 필수적인 특징을 변경하지 않고서 다른 구체적인 형태로 쉽게 변형이 가능하다는 것을 이해할 수 있을 것이다. 그러므로 이상에서 기술한 실시예들은 모든 면에서 예시적인 것이며 한정적이 아닌 것으로 이해해야만 한다. 예를 들어, 단일형으로 설명되어 있는 각 구성 요소는 분산되어 실시될 수도 있으며, 마찬가지로 분산된 것으로 설명되어 있는 구성 요소들도 결합된 형태로 실시될 수 있다.The description of the present invention described above is for illustrative purposes, and those skilled in the art will understand that the present invention can be easily modified into other specific forms without changing the technical idea or essential features of the present invention. will be. Therefore, the embodiments described above should be understood in all respects as illustrative and not restrictive. For example, each component described as single may be implemented in a distributed manner, and similarly, components described as distributed may also be implemented in a combined form.

본 발명의 범위는 상기 상세한 설명보다는 후술하는 특허청구범위에 의하여 나타내어지며, 특허청구범위의 의미 및 범위 그리고 그 균등 개념으로부터 도출되는 모든 변경 또는 변형된 형태가 본 발명의 범위에 포함되는 것으로 해석되어야 한다.The scope of the present invention is indicated by the claims described below rather than the detailed description above, and all changes or modified forms derived from the meaning and scope of the claims and their equivalent concepts should be construed as being included in the scope of the present invention. do.

100: 서버
200: 작업자 단말
300: 적재 로봇
10: 모델
20: 맵
61: 검색값
140: 데이터베이스
62: 제2 화물 정보
30: 객체
40: 블록
50: 도형100: server
200: worker terminal
300: Loading robot
10: model
20: map
61: Search value
140: database
62: Second cargo information
30: object
40: block
50: Shape

Claims (19)

서버에 의해 수행되는, 적재 화물 예측 기반 적재 가이드 제공 방법에 있어서,
a) 기 수행된 적재 작업에 대한 작업 정보를 수집하고, 수집된 작업 정보를 기초로 적재 공간 별 적재 패턴을 분석하여, 분석 결과가 저장된 데이터베이스를 구축하는 단계;
b) 작업 중인 적재 공간에 대하여, 적재가 완료된 화물에 대한 제1 화물 정보를 실시간으로 수집하고, 수집된 제1 화물 정보를 기준으로 상기 데이터베이스를 검색하여, 검색에 의해 추출된 적재 패턴을 기초로 적재가 수행될 예상 화물에 대한 제2 화물 정보를 예측하는 단계; 및
c) 예측된 제2 화물 정보를 상기 작업 중인 적재 공간에 배치된 작업자 단말 또는 적재 로봇으로 실시간으로 제공하는 단계;
를 포함하되,
상기 제1 및 제2 화물 정보는 화물 별 종류, 크기, 무게, 수량 및 배송지 정보를 포함하는 것인, 적재 가이드 제공 방법.In a method of providing a loading guide based on load cargo prediction performed by a server,
a) collecting work information on previously performed loading work, analyzing loading patterns for each loading space based on the collected work information, and building a database storing the analysis results;
b) For the loading space being worked on, first cargo information about the cargo that has been loaded is collected in real time, the database is searched based on the collected first cargo information, and the database is searched based on the loading pattern extracted through the search. predicting second cargo information for the expected cargo for which loading will be performed; and
c) providing predicted second cargo information in real time to a worker terminal or loading robot placed in the loading space being worked;
Including,
A method of providing a loading guide, wherein the first and second cargo information includes type, size, weight, quantity, and delivery address information for each cargo. 제 1항에 있어서,
상기 a)단계는, 기 수행된 적재 작업에 대한, 적재 공간 식별 정보, 배송 권역 정보 및 적재 완료 상태 정보를 포함하는 작업 정보를 수집하는 단계;를 포함하되,
상기 적재 완료 상태 정보는 화물 별 적재 위치, 종류, 크기, 무게, 수량 및 배송지 정보를 포함하는 것인, 적재 가이드 제공 방법.According to clause 1,
The step a) includes collecting work information including loading space identification information, delivery area information, and loading completion status information for the previously performed loading operation,
A method of providing a loading guide, wherein the loading completion status information includes loading location, type, size, weight, quantity, and delivery address information for each cargo. 제 2항에 있어서,
상기 a)단계는,
수집된 적재 공간 식별 정보에 기초하여 적재 패턴이 분석될 적재 공간을 특정하는 단계;
특정된 적재 공간을 기준으로 상기 수집된 작업 정보를 분류하는 단계;
수집된 배송 권역 정보 및 화물 별 배송지 정보에 기초하여 상기 특정된 적재 공간을 구획하는 단계;
구획된 영역을 기준으로 수집된 적재 완료 상태 정보를 분류하는 단계; 및
각 영역에 분류된 적재 완료 상태 정보를 통계 분석하여 상기 각 영역 별로 적재 순서 및 적재 경로를 포함하는 적재 패턴을 도출하는 단계;
를 포함하는, 적재 가이드 제공 방법.According to clause 2,
In step a),
Specifying a loading space for which a loading pattern is to be analyzed based on the collected loading space identification information;
Classifying the collected work information based on a specified loading space;
partitioning the specified loading space based on the collected delivery area information and delivery address information for each cargo;
Classifying the collected loading completion status information based on the partitioned area; and
Statistically analyzing the loading completion status information classified in each area to derive a loading pattern including a loading order and loading path for each area;
Including, a method of providing a loading guide. 제 1항에 있어서,
상기 b)단계는,
상기 작업 중인 적재 공간에 화물이 적재될 때마다 적재된 화물의 제1 화물 정보를 누적하여 저장하되, 직전에 적재된 화물에 대한 제1 화물 정보는 분리하여 저장하는 단계; 및
누적 저장된 제1 화물 정보를 통계하여 통계 결과를 제1 코드로 변환하고, 분리하여 저장된 제1 화물 정보를 제2 코드로 변환한 후, 제1 코드 및 제2 코드로 구성된 검색값을 생성하여 상기 데이터베이스에 입력하는 단계;
를 포함하는, 적재 가이드 제공 방법.According to clause 1,
In step b),
Each time cargo is loaded into the loading space under operation, accumulating and storing first cargo information about the loaded cargo, but separately storing first cargo information about the cargo loaded immediately before; and
The cumulatively stored first cargo information is statistically converted to a first code, the separately stored first cargo information is converted to a second code, and then a search value consisting of the first code and the second code is generated. Entering into a database;
Including, a method of providing a loading guide. 제 1항에 있어서,
상기 b)단계는, 적재가 이루어지지 않아 물류 센터에 남아 있는 화물들을 실시간으로 확인하고, 확인된 화물들에 대한 화물 정보를 상기 제1 화물 정보로 설정하는 단계;를 포함하는, 적재 가이드 제공 방법.According to clause 1,
The step b) is a method of providing a loading guide, including the step of checking in real time cargo remaining in the distribution center because loading has not been performed and setting cargo information for the confirmed cargo as the first cargo information. . 제 1항에 있어서,
상기 b)단계는, 인터넷 크롤링(crawling)을 통해 수집한 정보에 따라 기 설정된 기간 동안의 물류 동향을 분석하되, 분석된 물류 동향 정보에 의해 적재 패턴의 변화가 추정되는 경우, 상기 물류 동향 정보에 기초하여 상기 제2 화물 정보를 보정하는 단계;를 포함하는, 적재 가이드 제공 방법.According to clause 1,
In step b), logistics trends for a preset period are analyzed according to information collected through Internet crawling, and if changes in loading patterns are estimated based on the analyzed logistics trend information, the logistics trend information A method of providing a loading guide, comprising: correcting the second cargo information based on the second cargo information. 제 6항에 있어서,
상기 b)단계는, 인터넷 크롤링을 수행하여 상기 기간 동안의 검색어, 이슈, 트랜드, 인기 품목 및 인기 콘텐츠 정보를 포함하는 최신 뉴스 정보를 검색하고, 검색된 최신 뉴스 정보를 기초로 물류 동향을 분석하는 단계;를 포함하는, 적재 가이드 제공 방법.According to clause 6,
Step b) is a step of performing Internet crawling to search for the latest news information including search words, issues, trends, popular items, and popular content information during the period, and analyzing logistics trends based on the retrieved latest news information. A method of providing a loading guide, including ; 제 1항에 있어서,
상기 b)단계는,
적재 및 배송 환경과 관련되어 기 설정된 이벤트의 발생 여부를 실시간으로 파악하는 단계;
발생한 것으로 파악된 이벤트를 기 구축된 적재 상황 예측기에 입력하여 상기 이벤트에 따른 화물 정보의 변화값을 출력하는 단계; 및
출력된 변화값에 따라 상기 제2 화물 정보를 보정하는 단계;
를 포함하되,
상기 적재 상황 예측기는, 임의의 이벤트가 입력되면 입력된 이벤트와 화물 정보의 변화에 대한 상관관계를 도출하여 상기 변화값을 출력하도록, 기 설정된 기계학습 모델의 반복 학습을 통해 구축되는 것인, 적재 가이드 제공 방법.According to clause 1,
In step b),
Determining in real time whether a preset event related to the loading and delivery environment occurs;
Inputting an event identified as having occurred into a previously constructed loading situation predictor and outputting a change value in cargo information according to the event; and
correcting the second cargo information according to the output change value;
Including,
The loading situation predictor is constructed through repeated learning of a preset machine learning model to derive a correlation between the input event and changes in cargo information when an arbitrary event is input and output the change value. How to provide guidance. 제 1항에 있어서,
상기 c)단계는, 상기 예측된 제2 화물 정보에 따라 상기 예상 화물의 적재 경로 및 적재 위치를 파악하고, 파악된 적재 경로 및 적재 위치를 상기 작업자 단말 또는 적재 로봇에 추가로 제공하는 단계;를 포함하는, 적재 가이드 제공 방법.According to clause 1,
Step c) includes identifying the loading path and loading location of the expected cargo according to the predicted second cargo information, and additionally providing the identified loading path and loading location to the worker terminal or loading robot; Including, how to provide a loading guide. 적재 가이드 제공 서버에 있어서,
적재 화물 예측 기반 적재 가이드 제공 방법을 수행하는 프로그램이 저장된 메모리; 및
상기 프로그램을 실행하는 프로세서;를 포함하고,
상기 프로세서는, 상기 프로그램의 실행에 의해,
기 수행된 적재 작업에 대한 작업 정보를 수집하고, 수집된 작업 정보를 기초로 적재 공간 별 적재 패턴을 분석하여, 분석 결과가 저장된 데이터베이스를 구축하고,
작업 중인 적재 공간에 대하여, 적재가 완료된 화물에 대한 제1 화물 정보를 실시간으로 수집하고, 수집된 제1 화물 정보를 기준으로 상기 데이터베이스를 검색하여, 검색에 의해 추출된 적재 패턴을 기초로 적재가 수행될 예상 화물에 대한 제2 화물 정보를 예측하고,
예측된 제2 화물 정보를 상기 작업 중인 적재 공간에 배치된 작업자 단말 또는 적재 로봇으로 실시간으로 제공하며,
상기 제1 및 제2 화물 정보는 화물 별 종류, 크기, 무게, 수량 및 배송지 정보를 포함하는 것인, 적재 가이드 제공 서버.In the loading guide providing server,
A memory storing a program that performs a method of providing loading guidance based on loading cargo prediction; and
Includes a processor that executes the program,
The processor, by executing the program,
Collect work information about previously performed loading work, analyze loading patterns for each loading space based on the collected work information, and build a database storing the analysis results.
For the loading space being worked on, the first cargo information about the cargo that has been loaded is collected in real time, the database is searched based on the collected first cargo information, and the loading is based on the loading pattern extracted through the search. predict secondary cargo information for the expected cargo to be carried;
The predicted second cargo information is provided in real time to the worker terminal or loading robot placed in the loading space being worked on,
The first and second cargo information includes type, size, weight, quantity, and delivery address information for each cargo. A loading guide providing server. 제 10항에 있어서,
상기 프로세서는, 상기 작업 정보를 수집하는 과정에서,
기 수행된 적재 작업에 대한, 적재 공간 식별 정보, 배송 권역 정보 및 적재 완료 상태 정보를 포함하는 작업 정보를 수집하되,
상기 적재 완료 상태 정보는 화물 별 적재 위치, 종류, 크기, 무게, 수량 및 배송지 정보를 포함하는 것인, 적재 가이드 제공 서버.According to clause 10,
In the process of collecting the task information, the processor
Collect work information including loading space identification information, delivery area information, and loading completion status information for previously performed loading operations,
The loading completion status information includes loading location, type, size, weight, quantity, and delivery address information for each cargo. A loading guide providing server. 제 11항에 있어서,
상기 프로세서는, 상기 적재 공간 별 적재 패턴을 분석하는 과정에서,
수집된 적재 공간 식별 정보에 기초하여 적재 패턴이 분석될 적재 공간을 특정하고,
특정된 적재 공간을 기준으로 상기 수집된 작업 정보를 분류하고,
수집된 배송 권역 정보 및 화물 별 배송지 정보에 기초하여 상기 특정된 적재 공간을 구획하고,
구획된 영역을 기준으로 수집된 적재 완료 상태 정보를 분류하고,
각 영역에 분류된 적재 완료 상태 정보를 통계 분석하여 상기 각 영역 별로 적재 순서 및 적재 경로를 포함하는 적재 패턴을 도출하는, 적재 가이드 제공 서버.According to clause 11,
In the process of analyzing the loading pattern for each loading space, the processor
Specifies the loading space for which the loading pattern will be analyzed based on the collected loading space identification information,
Classifies the collected work information based on the specified loading space,
The specified loading space is partitioned based on the collected delivery area information and delivery address information for each cargo,
Classifies the collected loading completion status information based on the partitioned area,
A loading guide providing server that statistically analyzes the loading completion status information classified in each area to derive a loading pattern including the loading order and loading path for each area. 제 10항에 있어서,
상기 프로세서는, 상기 제1 화물 정보를 실시간으로 수집하는 과정에서,
상기 작업 중인 적재 공간에 화물이 적재될 때마다 적재된 화물의 제1 화물 정보를 누적하여 저장하되, 직전에 적재된 화물에 대한 제1 화물 정보는 분리하여 저장하고,
누적 저장된 제1 화물 정보를 통계하여 통계 결과를 제1 코드로 변환하고, 분리하여 저장된 제1 화물 정보를 제2 코드로 변환한 후, 제1 코드 및 제2 코드로 구성된 검색값을 생성하여 상기 데이터베이스에 입력하는, 적재 가이드 제공 서버.According to clause 10,
In the process of collecting the first cargo information in real time, the processor
Each time cargo is loaded into the loading space under operation, the first cargo information of the loaded cargo is accumulated and stored, but the first cargo information for the cargo loaded immediately before is stored separately,
The cumulatively stored first cargo information is statistically converted to a first code, the separately stored first cargo information is converted to a second code, and then a search value consisting of the first code and the second code is generated. A server that provides loading guides that are entered into a database. 제 10항에 있어서,
상기 프로세서는, 상기 제1 화물 정보를 실시간으로 수집하는 과정에서,
적재가 이루어지지 않아 물류 센터에 남아 있는 화물들을 실시간으로 확인하되, 확인된 화물들에 대한 화물 정보를 상기 제1 화물 정보로 설정하는, 적재 가이드 제공 서버.According to clause 10,
In the process of collecting the first cargo information in real time, the processor
A loading guide providing server that checks in real time the cargo remaining in the distribution center because loading has not occurred, and sets cargo information for the confirmed cargo as the first cargo information. 제 10항에 있어서,
상기 프로세서는, 상기 제2 화물 정보를 예측하는 과정에서,
인터넷 크롤링을 통해 수집한 정보에 따라 기 설정된 기간 동안의 물류 동향을 분석하되, 분석된 물류 동향 정보에 의해 적재 패턴의 변화가 추정되는 경우, 상기 물류 동향 정보에 기초하여 상기 제2 화물 정보를 보정하는, 적재 가이드 제공 서버.According to clause 10,
In the process of predicting the second cargo information, the processor
Logistics trends for a preset period are analyzed according to information collected through Internet crawling, but if changes in loading patterns are estimated based on the analyzed logistics trend information, the second cargo information is corrected based on the logistics trend information. A server that provides loading guides. 제 15항에 있어서,
상기 프로세서는, 상기 물류 동향을 분석하는 과정에서,
인터넷 크롤링을 수행하여 상기 기간 동안의 검색어, 이슈, 트랜드, 인기 품목 및 인기 콘텐츠 정보를 포함하는 최신 뉴스 정보를 검색하고, 검색된 최신 뉴스 정보를 기초로 물류 동향을 분석하는, 적재 가이드 제공 서버.According to clause 15,
In the process of analyzing the logistics trend, the processor
A loading guide providing server that performs Internet crawling to retrieve the latest news information including search words, issues, trends, popular items, and popular content information for the above period, and analyzes logistics trends based on the retrieved latest news information. 제 10항에 있어서,
상기 프로세서는, 상기 제2 화물 정보를 예측하는 과정에서,
적재 및 배송 환경과 관련되어 기 설정된 이벤트의 발생 여부를 실시간으로 파악하고,
발생한 것으로 파악된 이벤트를 기 구축된 적재 상황 예측기에 입력하여 상기 이벤트에 따른 화물 정보의 변화값을 출력하고,
출력된 변화값에 따라 상기 제2 화물 정보를 보정하되,
상기 적재 상황 예측기는, 임의의 이벤트가 입력되면 입력된 이벤트와 화물 정보의 변화에 대한 상관관계를 도출하여 상기 변화값을 출력하도록, 기 설정된 기계학습 모델의 반복 학습을 통해 구축되는 것인, 적재 가이드 제공 서버.According to clause 10,
In the process of predicting the second cargo information, the processor
Determine in real time whether preset events related to the loading and delivery environment occur,
The event identified as having occurred is entered into a previously constructed loading situation predictor and the change value of cargo information according to the event is output.
Correct the second cargo information according to the output change value,
The loading situation predictor is constructed through repeated learning of a preset machine learning model to derive a correlation between the input event and changes in cargo information when an arbitrary event is input and output the change value. Guide provision server. 제 10항에 있어서,
상기 프로세서는, 상기 예측된 제2 화물 정보를 상기 작업 중인 적재 공간에 배치된 작업자 단말 또는 적재 로봇으로 실시간으로 제공하는 과정에서, 상기 예측된 제2 화물 정보에 따라 상기 예상 화물의 적재 경로 및 적재 위치를 파악하고, 파악된 적재 경로 및 적재 위치를 상기 작업자 단말 또는 적재 로봇에 추가로 제공하는, 적재 가이드 제공 서버.According to clause 10,
In the process of providing the predicted second cargo information in real time to a worker terminal or a loading robot placed in the loading space being worked, the processor determines the loading path and loading of the predicted cargo according to the predicted second cargo information. A loading guide providing server that determines the location and additionally provides the identified loading path and loading location to the worker terminal or loading robot. 적재 가이드 제공을 위한 컴퓨터 판독가능 기록매체에 있어서,
적재 가이드 제공 방법을 수행하는 프로그램이 저장된 메모리; 및
상기 프로그램을 실행하는 프로세서;를 포함하고,
상기 프로세서는, 상기 프로그램의 실행에 의해,
기 수행된 적재 작업에 대한 작업 정보를 수집하고, 수집된 작업 정보를 기초로 적재 공간 별 적재 패턴을 분석하여, 분석 결과가 저장된 데이터베이스를 구축하고,
작업 중인 적재 공간에 대하여, 적재가 완료된 화물에 대한 제1 화물 정보를 실시간으로 수집하고, 수집된 제1 화물 정보를 기준으로 상기 데이터베이스를 검색하여 적재가 수행될 예상 화물에 대한 제2 화물 정보를 예측하고,
예측된 제2 화물 정보를 상기 작업 중인 적재 공간에 배치된 작업자 단말 또는 적재 로봇으로 실시간으로 제공하며,
상기 제1 및 제2 화물 정보는 화물 별 종류, 크기, 무게, 수량 및 배송지 정보를 포함하는 것인, 적재 가이드 제공을 위한 컴퓨터 판독가능 기록매체.In a computer-readable recording medium for providing a loading guide,
A memory storing a program that performs a loading guide providing method; and
Includes a processor that executes the program,
The processor, by executing the program,
Collect work information about previously performed loading work, analyze loading patterns for each loading space based on the collected work information, and build a database storing the analysis results.
For the loading space being worked on, first cargo information about the cargo for which loading has been completed is collected in real time, and the database is searched based on the collected first cargo information to obtain second cargo information about the cargo expected to be loaded. predict,
The predicted second cargo information is provided in real time to the worker terminal or loading robot placed in the loading space being worked on,
The first and second cargo information includes type, size, weight, quantity, and delivery address information for each cargo. A computer-readable recording medium for providing a loading guide.

Images