KR20240077339A

KR20240077339A - 적재될 화물 정보를 예측하여 최적의 적재 작업을 가이드하는 방법 및 장치

Info

Publication number: KR20240077339A
Application number: KR1020220159810A
Authority: KR
Inventors: 이상덕; 김영훈
Original assignee: 한국철도기술연구원
Priority date: 2022-11-24
Filing date: 2022-11-24
Publication date: 2024-05-31

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.

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}

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.

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.

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.

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.

또한, 적재량이 작업자의 숙련도에 따라 들쑥날쑥 하여 업무가 표준화되기 어렵고 비효율을 초래하는 문제점이 있다.

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.

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.

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.

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.

다만, 본 실시예가 이루고자 하는 기술적 과제는 상기된 바와 같은 기술적 과제들로 한정되지 않으며, 또 다른 기술적 과제들이 존재할 수 있다.

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.

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.

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.

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.

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.

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.

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.

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.

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.

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.

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.

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.

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.

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.

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.

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.

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.

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.

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.

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.

본 발명의 일 실시예에 따르면, 최근 이슈 및 거래 동향이 분석되어 이를 반영한 적재물의 수요가 예측된다.

본 발명의 일 실시예에 따르면, 적재 및 배송과 관련된 외부 환경의 변화를 보기 좋게 예측하여 이를 토대로 적재 작업의 보완이 신속히 이루어진다.

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.

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.

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.

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.

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.

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.

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.

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.

이하, 첨부된 도면을 활용하여 본 발명의 일 실시예를 상세히 설명하도록 한다.

도 1은 본 발명의 일 실시예에 따르는 적재 가이드 시스템에 대한 구조도이다.

도 1을 참조하면, 적재 가이드 시스템은, 서버(100), 작업자 단말(200) 및 적재 로봇(300)을 포함할 수 있다.

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.

일 실시예에 따르면, 작업자 단말(200)은 메모리, 프로세서 및 통신모듈을 포함하며, 통신모듈은 프로세서의 제어에 따라, 서버(100)와 데이터 통신을 수행한다.

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.

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.

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.

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.

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.

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.

도 2는 본 발명의 일 실시예에 따르는 서버의 내부 구성을 나타내는 블록도이다.

일 실시예에 따르면, 서버(100)는, 통신모듈(110), 메모리(120), 프로세서(130) 및 데이터베이스(140)를 포함할 수 있다.

통신모듈(110)은, 작업자 단말(200) 및 적재 로봇(300)과 데이터 통신을 처리한다.

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.

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.

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.

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.

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.

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.

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.

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.

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.

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 D₂₂각각을 하나의 영역으로 설정할 수 있다.

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.

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.

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.

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.

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.

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.

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.

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.

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.

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.

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.

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.

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.

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.

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.

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.

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.

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.

도 8은 본 발명의 일 실시예에 따르는 적재 시뮬레이션 방법의 동작 흐름도이다.

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.

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.

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.

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.

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.

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.

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.

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.

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.

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.

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.

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.

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.

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.

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.

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.

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.

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.

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.

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.

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: 도형

Claims

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.
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.
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.
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.
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.
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.
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.
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.
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.
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.
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.
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.
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.
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.
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.
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.
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.
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.
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.