Deprecated: The each() function is deprecated. This message will be suppressed on further calls in /home/zhenxiangba/zhenxiangba.com/public_html/phproxy-improved-master/index.php on line 456
KR20200110107A - 아웃바운드 흐름을 시뮬레이션하기 위한 유전 알고리즘 기반 시스템 및 방법 - Google Patents
[go: Go Back, main page]

KR20200110107A - 아웃바운드 흐름을 시뮬레이션하기 위한 유전 알고리즘 기반 시스템 및 방법 - Google Patents

아웃바운드 흐름을 시뮬레이션하기 위한 유전 알고리즘 기반 시스템 및 방법 Download PDF

Info

Publication number
KR20200110107A
KR20200110107A KR1020190057675A KR20190057675A KR20200110107A KR 20200110107 A KR20200110107 A KR 20200110107A KR 1020190057675 A KR1020190057675 A KR 1020190057675A KR 20190057675 A KR20190057675 A KR 20190057675A KR 20200110107 A KR20200110107 A KR 20200110107A
Authority
KR
South Korea
Prior art keywords
solutions
fcs
solution
skus
simulation
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
KR1020190057675A
Other languages
English (en)
Other versions
KR102388228B1 (ko
Inventor
커 마
빈 구
난 왕
Original Assignee
쿠팡 주식회사
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 쿠팡 주식회사 filed Critical 쿠팡 주식회사
Publication of KR20200110107A publication Critical patent/KR20200110107A/ko
Priority to KR1020220046227A priority Critical patent/KR102524394B1/ko
Application granted granted Critical
Publication of KR102388228B1 publication Critical patent/KR102388228B1/ko
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06315—Needs-based resource requirements planning or analysis
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
    • G06Q10/083—Shipping
    • G06Q10/08355—Routing methods
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/067—Enterprise or organisation modelling
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
    • G06Q10/083—Shipping
    • G06Q10/0833—Tracking
    • G06Q50/28—

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Operations Research (AREA)
  • General Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Quality & Reliability (AREA)
  • Marketing (AREA)
  • Development Economics (AREA)
  • Educational Administration (AREA)
  • Game Theory and Decision Science (AREA)
  • Computer Hardware Design (AREA)
  • Evolutionary Computation (AREA)
  • Geometry (AREA)
  • General Engineering & Computer Science (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Accounting & Taxation (AREA)
  • Finance (AREA)
  • Supply And Distribution Of Alternating Current (AREA)
  • Two-Way Televisions, Distribution Of Moving Picture Or The Like (AREA)

Abstract

본 개시물의 실시예들은 복수의 풀필먼트 센터(FCs) 중에 복수의 스톡 키핑 유닛(SKUs)의 초기 분포를 포함하는 초기 솔루션들의 세트를 수신하는 단계, 및 초기 솔루션들의 세트의 각 솔루션의 시뮬레이션을 실행하는 단계를 포함하는, 제품들의 할당을 최적화하기 위한 방법 및 시스템을 제공한다. 참여 비율이 각 솔루션에 대해 계산될 수 있고, 각 솔루션에 대한 점수가 계산된 참여 비율에 기초하여 결정될 수 있다. 가장 높은 결정 점수를 갖는 적어도 하나의 솔루션이 하나 이상의 추가적 솔루션을 생성하는 솔루션 알고리즘에 제공하기 위해 선택될 수 있다. 최적-수행 솔루션에 기초하여, 복수의 FCs 중에서 복수의 SKUs의 할당이 변경될 수 있다. 최적-수행 솔루션은 생성된 모든 솔루션 중에서 가장 높은 결정 점수를 가질 수 있다.

Description

아웃바운드 흐름을 시뮬레이션하기 위한 유전 알고리즘 기반 시스템 및 방법{GENETIC ALGORITHM-BASED SYSTEMS AND METHODS FOR SIMULATING OUTBOUND FLOW}
본 개시는 전반적으로 아웃바운드 흐름(outbound flow)을 시뮬레이션하고 제품들의 할당을 최적화하기 위한 컴퓨터화된 시스템 및 방법에 관한 것이다. 특히, 본 개시의 실시예들은 유전 알고리즘(genetic algorithm)에 기초하여 아웃바운드 흐름을 시뮬레이션하고 제품들의 할당을 최적화하는 것과 관련된 창의적이고 비전통적인 시스템에 관한 것이다.
일반적으로 고객 주문들이 이루어지면, 주문들은 하나 이상의 풀필먼트 센터(fulfillment center)로 전송되어야 한다. 그러나 고객 주문들은 많은 다른 지역들에 위치하는 많은 다른 고객들에 의해 이루어지므로, 주문들은 많은 다른 목적지들로 향한다. 따라서, 주문들은, 주문들이 적절한 풀필먼트 센터로 라우팅되고 궁극적으로 그들의 목적지로 정확하게 라우팅되도록 적절하게 분류되어야 한다.
아웃바운드 제품에 대하여 배송 실행을 최적화하고 배송 경로를 식별하기 위한 시스템 및 방법은 이미 존재한다. 예를 들어, 미국 출원 US 2010/0274609 A1은 배송 경로에 따라 배송을 시뮬레이션하는 방법을 기재한다. 최적의 라우팅 계획을 결정하기 위해, 대안적인 라우팅 모듈은 사용자 입력에 따라 패키지 라우팅 데이터를 수정할 수 있다. 즉, 사용자는 원래의 패키지 라우팅 데이터와 연관된 데이터를 수동으로 변경하여 각각의 라우팅 변경의 효과를 볼 수 있다. 이러한 프로세스는 최적의 라우팅 계획이 결정될 때까지 반복된다.
그러나 제품의 아웃바운드 흐름을 최적화하기 위한 이러한 종래의 시스템 및 방법은, 주로 상기 시스템 및 방법이 수동 수정 및 개별적 파라미터 조합에 대한 반복 테스트를 필요로 하기 때문에, 어렵고, 시간-소모적이며, 부정확하다. 특히 지역에 걸쳐 다수의 풀필먼트 센터를 갖는 사업체(entity)의 경우, 고객 주문이 처음 접수되는 레벨, 인바운드(inbound)/적재(stowing)/재고(inventory) 추정치가 결정되는 레벨, 및 다양한 풀필먼트 센터에 주문을 할당하는 로직이 결정되는 레벨을 포함한, 프로세스들의 모든 레벨들에서 제품의 아웃바운드 흐름을 복제하는 것이 상당히 어려우며 시간-소모적이다. 또한, 종래의 시스템 및 방법은 각 수정 후에 수동 수정 및 반복된 테스트가 필요하기 때문에, 시뮬레이션은 세분화된(granular) 스케일보다는 오히려 더 큰 스케일 상에서만 수행될 수 있다. 예를 들어, 시뮬레이션은 스톡 키핑 유닛(Stocking Keeping Unit, SKU)별보다는, 제품 유형별로만 수행될 수 있다.
따라서, 아웃바운드 흐름을 시뮬레이션하고 제품들의 할당을 최적화하기 위한 개선된 시스템 및 방법이 필요하다. 특히, 파라미터의 수동 수정 및 각 수동 수정 후의 반복된 테스트의 필요를 제거하는, 제품의 아웃바운드 흐름의 시뮬레이션을 최적화하기 위한 개선된 시스템 및 방법의 필요가 존재한다.
본 개시의 일 양태는 제품들의 할당을 최적화하기 위한 컴퓨터 구현 시스템에 관한 것이다. 상기시스템은 명령들을 저장하는 메모리 및 상기명령들을 실행하도록 구성된 적어도 하나의 프로세서를 포함할 수 있다. 적어도 하나의 프로세서는 명령을 실행하여 복수의 풀필먼트 센터들(FC) 중에서의 복수의 스톡 키핑 유닛(SKU)의 초기 분배를 포함하는 솔루션들의 초기 세트를 수신하도록 구성될 수 있다. 적어도 하나의 프로세서는 솔루션들의 초기 세트의 각 솔루션의 시뮬레이션을 실행할 수 있으며, 솔루션들의 초기 세트의 각 솔루션에 대한 참여 비율(participation ratio)을 계산할 수 있다. 적어도 하나의 프로세서는 계산된 참여 비율에 기초하여 솔루션들의 초기 세트의 각 솔루션에 대한 점수를 더 결정할 수 있다. 적어도 하나의 프로세서는 하나 이상의 추가 솔루션을 생성하기 위해 시뮬레이션 알고리즘에 제공할 가장 높은 결정 점수를 갖는 적어도 하나의 솔루션을 선택할 수 있다. 최적-수행(best-performing) 솔루션에 기초하여, 적어도 하나의 프로세서는 복수의 FC 중에서 복수의 SKU의 할당을 수정할 수 있다. 최적-수행 솔루션은 생성된 모든 솔루션 중에서 가장 높은 결정 점수를 가질 수 있다. 복수의 SKU 각각은 제품의 제조업자, 재료, 크기, 색상, 포장, 유형, 또는 중량 중 적어도 하나를 나타낼 수 있다.
일부 양태들에서, 최적-수행 솔루션은 적어도 하나의 FC에 대한 참여 비율을 2% 만큼 증가시킬 수 있다. 다른 양태들에서, 시뮬레이션 알고리즘은 적어도 하나의 제약사항을 포함할 수 있다. 적어도 하나의 제약사항은 FC들 각각에서의 고객 수요, FC들의 최대 수용능력, FC들과의 호환성, 또는 FC들 간의 운송 비용 중 적어도 하나를 포함할 수 있다. 일부 실시예들에서, 복수의 FC 중에서의 복수의 SKU의 초기 분배는 랜덤하게 생성될 수 있다. 일부 실시예들에서, 솔루션들의 각각에 대한 참여 비율은 FC들의 네트워크(예를 들어, 전국(nationwide) 네트워크, 지역 전체(regionwide) 네트워크, 또는 주전역(statewide) 네트워크)로부터의 제품들의 총 아웃풋(output)에 기여한 FC들의 백분율을 나타낼 수 있다. 다른 실시예들에서, 하나 이상의 추가 솔루션을 생성하기 위해 시뮬레이션 알고리즘에 제공할 가장 높은 결정 점수를 갖는 적어도 하나의 솔루션을 선택하는 동작은, 시뮬레이션 알고리즘을 통하여, 하나 이상의 추가 솔루션을 생성하기 위해 선택된 적어도 하나의 솔루션과 연관된 적어도 하나의 파라미터를 변경하는 동작을 포함할 수 있다.
또 다른 실시예에서, 적어도 하나의 프로세서는 명령들을 실행하여 복수의 FC 각각에서의 고객 수요를 시뮬레이션하며, 시뮬레이션된 고객 수요에 기초하여 복수의 FC 중에서 복수의 SKU를 할당하도록 구성될 수 있다. 적어도 하나의 프로세서는 명령들을 실행하여 시뮬레이션 알고리즘의 적어도 일부를 캐싱(cache)하도록 더 구성될 수 있다. 시뮬레이션 알고리즘의 캐싱된 부분은 시뮬레이션 알고리즘의 각 실행에 대해 실질적으로 변함없이 유지되는 적어도 하나의 제약사항을 포함할 수 있다.
본 개시의 또 다른 양태는 제품들의 할당을 최적화하기 위한 컴퓨터 구현 방법에 관한 것이다. 방법은 솔루션들의 초기 세트를 수신하는 단계를 포함할 수 있으며, 솔루션들의 초기 세트는 복수의 풀필먼트 센터들(FCs) 중에서의 복수의 스톡 키핑 유닛(SKUs)의 초기 분배를 포함한다. 방법은 솔루션들의 초기 세트의 각 솔루션의 시뮬레이션을 실행하는 단계, 및 솔루션들의 초기 세트의 각 솔루션에 대한 참여 비율을 계산하는 단계를 더 포함할 수 있다. 방법은 계산된 참여 비율에 기초하여 솔루션들의 초기 세트의 각 솔루션에 대한 점수를 결정하는 단계, 및 하나 이상의 추가 솔루션을 생성하기 위해 시뮬레이션 알고리즘에 제공할 가장 높은 결정 점수를 갖는 적어도 하나의 솔루션을 선택하는 단계를 더 포함할 수 있다. 방법은 최적-수행 솔루션에 기초하여, 복수의 FC 중에서 복수의 SKU의 할당을 수정하는 단계를 더 포함할 수 있다. 최적-수행 솔루션은 생성된 모든 솔루션 중에서 가장 높은 결정 점수를 가질 수 있다.
일부 양태들에서, 최적-수행 시뮬레이션은 하나 이상의 FC에 대한 참여 비율을 2%만큼 증가시킬 수 있다. 다른 양태들에서, 시뮬레이션 알고리즘은 적어도 하나의 제약사항을 포함할 수 있다. 적어도 하나의 제약사항은 FC들 각각에서의 고객 수요, FC들의 최대 수용능력, FC들과의 호환성, 또는 FC들 간의 운송 비용 중 적어도 하나를 포함할 수 있다. 복수의 FC 중에서의 복수의 SKU의 초기 분배는 랜덤하게 생성될 수 있다. 일부 실시예들에서, 솔루션들의 각각에 대한 참여 비율은 FC들의 네트워크(예를 들어, 전국 네트워크, 지역 전체 네트워크, 또는 주 전역 네트워크)로부터의 제품들의 총 아웃풋에 기여한 FC들의 백분율을 나타낼 수 있다. 다른 실시예들에서, 하나 이상의 추가 솔루션을 생성하기 위해 시뮬레이션 알고리즘에 제공할 가장 높은 결정 점수를 갖는 적어도 하나의 솔루션을 선택하는 방법은, 시뮬레이션 알고리즘을 통하여, 하나 이상의 추가 솔루션을 생성하기 위해 선택된 적어도 하나의 솔루션과 연관된 적어도 하나의 파라미터를 변경하는 방법을 포함할 수 있다.
또 다른 실시예에서, 방법은 복수의 FC 각각에서의 고객 수요를 시뮬레이션하는 단계 및 시뮬레이션된 고객 수요에 기초하여 복수의 FC 중에서 복수의 SKU를 할당하는 단계를 더 포함할 수 있다. 방법은 시뮬레이션 알고리즘의 적어도 일부를 캐싱하는 단계를 더 포함할 수 있다. 시뮬레이션 알고리즘의 캐싱된 부분은 시뮬레이션 알고리즘의 각 실행에 대해 실질적으로 변함없이 유지되는 적어도 하나의 제약사항을 포함할 수 있다.
본 개시의 또 다른 양태는 제품들의 할당을 최적화하기 위한 컴퓨터 구현 시스템에 관한 것이다. 시스템은 명령들을 저장하는 메모리 및 명령들을 실행하도록 구성된 적어도 하나의 프로세서를 포함할 수 있다. 적어도 하나의 프로세서는 명령들을 실행하여, 복수의 풀필먼트 센터들(FCs) 중에서의 복수의 스톡 키핑 유닛(SKUs)을 초기에 분배하는 것을 포함하는 솔루션들의 초기 세트를 수신하도록 구성될 수 있다. 적어도 하나의 프로세서는 솔루션들의 초기 세트의 각 솔루션의 시뮬레이션을 실행하고 솔루션들의 초기 세트의 각 솔루션에 대한 참여 비율을 계산할 수 있다. 적어도 하나의 프로세서는 계산된 참여 비율에 기초하여 솔루션들의 초기 세트의 각 솔루션에 대한 점수를 더 결정할 수 있다. 적어도 하나의 프로세서는 하나 이상의 추가 솔루션을 생성하기 위해 시뮬레이션 알고리즘에 제공할 가장 높은 결정 점수를 갖는 적어도 하나의 솔루션을 선택할 수 있다. 일부 양태들에서, 시뮬레이션 알고리즘은 적어도 하나의 제약사항을 포함할 수 있다. 적어도 하나의 제약사항은 FC들 각각에서의 고객 수요, FC들의 최대 수용능력, FC들과의 호환성, 또는 FC들 간의 운송 비용 중 적어도 하나를 포함할 수 있다. 다른 양태들에서, 시뮬레이션 알고리즘의 각 실행에 대해 실질적으로 변함없이 유지되는 적어도 하나의 제약사항은 캐싱될 수 있다. 다른 실시예들에서, 하나 이상의 추가 솔루션을 생성하기 위해 시뮬레이션 알고리즘에 제공할 가장 높은 결정 점수를 갖는 적어도 하나의 솔루션을 선택하는 동작은, 시뮬레이션 알고리즘을 통하여, 하나 이상의 추가 솔루션을 생성하기 위해 선택된 적어도 하나의 솔루션과 연관된 적어도 하나의 파라미터를 변경시키는 동작을 포함할 수 있다.
일부 양태들에서, 적어도 하나의 프로세서는 복수의 FC 각각에서의 고객 수요를 시뮬레이션할 수 있다. 적어도 시뮬레이션된 고객 수요 및 최적-수행 솔루션에 기초하여, 적어도 하나의 프로세서는 복수의 FC 중에서 복수의 SKU의 할당을 수정할 수 있다. 일부 실시예들에서, 복수의 FC 중에서 복수의 SKU의 할당을 변경시키는 동작은 할당과 연관된 데이터를 수정하는 동작을 포함한다. 최적-수행 솔루션은 적어도 하나의 FC에 대한 참여 비율을 2%만큼 증가시킬 수 있다.
다른 시스템들, 방법들, 및 컴퓨터- 판독 가능 매체도 본 명세서에서 논의된다.
도 1a는 개시된 실시예들에 따른, 배송, 운송 및 물류 동작을 가능하게 하는 통신을 위한 컴퓨터화된 시스템을 포함하는 네트워크의 예시적인 실시예를 도시하는 개략적인 블록도이다.
도 1b는 개시된 실시예들에 따른, 상호 작용 사용자 인터페이스 요소와 함께 검색 요청을 만족시키는 하나 이상의 검색 결과를 포함하는 검색 결과 페이지(SRP, Search Result Page)의 샘플을 도시한다.
도 1c는 개시된 실시예들에 따른, 제품 및 상호 작용 사용자 인터페이스 요소와 함께 제품에 관한 정보를 포함하는 샘플 단일 디스플레이 페이지(SDP, Single Display Page)를 도시한다.
도 1d는 개시된 실시예들에 따른, 상호 작용 사용자 인터페이스 요소와 함께 가상 쇼핑 장바구니에 담긴 아이템을 포함하는 샘플 장바구니 페이지를 도시한다.
도 1e는 개시된 실시예들에 따른, 상호 작용 사용자 인터페이스 요소와 함께 구매 및 배송에 관한 정보와 함께 가상 쇼핑 장바구니로부터의 아이템을 포함하는 샘플 주문 페이지를 도시한다.
도 2는 개시된 실시예들에 따른, 개시된 컴퓨터화된 시스템을 이용하도록 구성된 예시적인 풀필먼트 센터의 개략도이다.
도 3은 제품의 아웃바운드 흐름을 시뮬레이션하고 최적화하기 위한 최적화 시스템을 포함하는 시스템의 예시적인 실시예를 도시하는 개략적인 블록도이다.
도 4는 제품의 아웃바운드 흐름을 시뮬레이션하고 최적화하기 위한 방법의 예시적인 실시예를 도시하는 흐름도이다.
도 5는 제품의 아웃바운드 흐름을 시뮬레이션하고 최적화하기 위한 방법의 예시적인 실시예를 나타내는 다른 흐름도이다.
도 6은 생성된 시뮬레이션의 결과를 포함하는 예시적인 요약 페이지의 도면이다.
이하의 상세한 설명은 첨부 도면을 참조한다. 가능하면, 동일한 참조 번호가 도면 및 이하의 설명에서 동일하거나 또는 유사한 부분을 참조하기 위해 사용된다. 몇몇 예시적인 실시예가 본 명세서에 설명되지만, 변형예, 적응예 및 다른 구현예가 가능하다. 예를 들어, 도면들에 도시된 구성 요소들 및 단계들에 대한 대체예, 추가예 또는 변형예가 이루어질 수 있으며, 본 명세서에서 설명된 예시적 방법들을 개시된 방법들에 대해 단계들을 대체, 재정렬, 제거 또는 추가함으로써 변형될 수 있다. 따라서 이하의 상세한 설명은 개시된 실시예들 및 예시들로 제한되지 않는다. 대신에, 본 발명의 적합한 범위는 첨부된 청구 범위에 의해 규정된다.
본 개시의 실시예들은 유전 알고리즘을 사용하여 아웃바운드 흐름을 시뮬레이션하고 제품들의 할당을 최적화하도록 구성된 시스템 및 방법에 관한 것이다.
도 1a를 참조하면, 배송, 운송 및 물류 운영을 가능하게 하는 통신을 위한 컴퓨터 시스템을 포함하는 시스템의 예시적인 실시예를 나타낸 개략적인 블록도(100)가 도시되어 있다. 도 1a에 나타낸 바와 같이, 시스템(100)은 다양한 시스템을 포함할 수 있으며, 이들 각각은 하나 이상의 네트워크를 통해 서로 연결될 수 있다. 시스템은 또한(예를 들어, 케이블을 사용한) 직접 연결을 통해 서로 연결될 수 있다. 도시된 시스템은 배송 기관 기술(shipment authority technology, SAT) 시스템(101), 외부 프론트 엔드 시스템(103), 내부 프론트 엔드 시스템(105), 운송 시스템(107), 모바일 디바이스(107A, 107B, 107C), 판매자 포털(109), 배송 및 주문 트래킹(shipment and order tracking, SOT) 시스템(111), 풀필먼트 최적화(fulfillment optimization, FO) 시스템(113), 풀필먼트 메시징 게이트웨이(fulfillment messaging gateway, FMG)(115), 공급 체인 관리(supply chain management, SCM) 시스템(117), 인력 관리 시스템(119), 모바일 디바이스(119A, 119B, 119C)(풀필먼트 센터(fulfillment center, FC)(200) 내부에 있는 것으로 도시됨), 제3자 풀필먼트 시스템(121A, 121B, 121C), 풀필먼트 센터 인증 시스템(fulfillment center authorization system, FC Auth)(123), 및 노동 관리 시스템(labor management system, LMS)(125)을 포함한다.
일부 실시예에서, SAT 시스템(101)은 주문 상태와 배달 상태를 모니터링하는 컴퓨터 시스템으로서 구현될 수 있다. 예를 들면, SAT 시스템(101)은 주문이 약속된 배달 날짜(Promised Delivery Date, PDD)를 지났는지 여부를 결정할 수 있고, 신규 주문을 개시시키고, 배달되지 않은 주문의 아이템을 다시 배송하며, 배달되지 않은 주문을 취소하고, 주문 고객과 연락을 시작하는 것 등을 포함하는 적합한 조치를 취할 수 있다. SAT 시스템(101)은 또한,(특정 기간 동안 배송된 패키지의 개수와 같은) 출력, 및(배송시 사용하기 위해 수신된 빈 카드보드 박스의 개수와 같은) 입력을 포함하는 다른 데이터를 감시할 수 있다. SAT 시스템(101)은 또한, 외부 프론트 엔드 시스템(103) 및 FO 시스템(113)과 같은 장치들 간의(예를 들면, 저장 전달(store-and-forward) 또는 다른 기술을 사용하는) 통신을 가능하게 하는 시스템(100) 내의 상이한 장치들 사이의 게이트웨이로서 동작할 수 있다.
일부 실시예에서, 외부 프론트 엔드 시스템(103)은 외부 사용자가 시스템(100) 내의 하나 이상의 시스템과 상호 작용할 수 있게 하는 컴퓨터 시스템으로서 구현될 수 있다. 예를 들면, 시스템(100)이 시스템의 프레젠테이션을 가능하게 하여 사용자가 아이템에 대한 주문을 할 수 있도록 하는 실시예에서, 외부 프론트 엔드 시스템(103)은 검색 요청을 수신하고, 아이템 페이지를 제시하며, 결제 정보를 요청하는 웹 서버로서 구현될 수 있다. 예를 들면, 외부 프론트 엔드 시스템(103)은 Apache HTTP 서버, Microsoft Internet Information Services(IIS), NGINX 등과 같은 소프트웨어를 실행하는 컴퓨터 또는 컴퓨터들로서 구현될 수 있다. 다른 실시예에서, 외부 프론트 엔드 시스템(103)은 외부 디바이스(예를 들어, 모바일 디바이스(102A) 또는 컴퓨터(102B))로부터 요청을 수신 및 처리하고, 이들 요청에 기초하여 데이터베이스 및 다른 데이터 저장 장치로부터 정보를 획득하며, 획득한 정보에 기초하여 수신된 요청에 대한 응답을 제공하도록 설계된 커스텀 웹 서버 소프트웨어를 실행할 수 있다.
일부 실시예에서, 외부 프론트 엔드 시스템(103)은 웹 캐싱 시스템, 데이터베이스, 검색 시스템, 또는 결제 시스템 중 하나 이상을 포함할 수 있다. 일 양상에서, 외부 프론트 엔드 시스템(103)은 이들 시스템 중 하나 이상을 포함할 수 있는 반면, 다른 양상에서는 외부 프론트 엔드 시스템(103)은 이들 시스템 중 하나 이상에 연결된 인터페이스(예를 들면, 서버 대 서버, 데이터베이스 대 데이터베이스, 또는 다른 네트워크 연결)를 포함할 수 있다.
도 1b, 1c, 1d 및 1e에 의해 나타낸 단계들의 예시적인 세트는 외부 프론트 엔드 시스템(103)의 일부 동작을 설명하는 것을 도울 것이다. 외부 프론트 엔드 시스템(103)은 프레젠테이션 및/또는 디스플레이를 위해 시스템(100) 내의 시스템 또는 디바이스로부터 정보를 수신할 수 있다. 예를 들면, 외부 프론트 엔드 시스템(103)은 검색 결과 페이지(Search Result Page, SRP)(예를 들면, 도 1b), 싱글 디테일 페이지(Single Detail Page, SDP)(예를 들면, 도 1c), 장바구니 페이지(Cart page)(예를 들면, 도 1d), 또는 주문 페이지(예를 들면, 도 1e)를 포함하는 하나 이상의 웹페이지를 호스팅하거나 제공할 수 있다. (예를 들면, 모바일 디바이스(102A) 또는 컴퓨터(102B)를 사용하는) 사용자 디바이스는 외부 프론트 엔드 시스템(103)으로 이용하고 검색 박스에 정보를 입력함으로써 검색을 요청할 수 있다. 외부 프론트 엔드 시스템(103)은 시스템(100) 내의 하나 이상의 시스템으로부터 정보를 요청할 수 있다. 예를 들면, 외부 프론트 엔드 시스템(103)은 FO 시스템(113)으로부터 검색 요청을 만족하는 정보를 요청할 수 있다. 외부 프론트 엔드 시스템(103)은 또한,(FO 시스템(113)으로부터) 검색 결과에 포함된 각 제품에 대한 약속된 배달 날짜(Promised Delivery Date) 또는 "PDD"를 요청하고 수신할 수 있다. 일부 실시예에서, PDD는 제품이 들어있는 패키지가 특정 기간 이내, 예를 들면, 하루의 끝(PM 11:59)까지 주문되면 언제 사용자가 원하는 장소에 도착하는지에 대한 추정 또는 제품이 사용자가 원하는 장소에 배달될 약속된 날짜를 나타낼 수 있다(PDD는 FO 시스템(113)과 관련하여 이하에서 더 논의된다).
외부 프론트 엔드 시스템(103)은 정보에 기초하여 SRP(예를 들면, 도 1b)를 준비할 수 있다. SRP는 검색 요청을 만족하는 정보를 포함할 수 있다. 예를 들면, 이는 검색 요청을 만족하는 제품의 사진을 포함할 수 있다. SRP는 또한, 각 제품에 대한 각각의 가격, 또는 각 제품, PDD, 무게, 크기, 오퍼(offer), 할인 등에 대한 개선된 배달 옵션에 관한 정보를 포함할 수 있다. 외부 프론트 엔드 시스템(103)은(예를 들면, 네트워크를 통해) SRP를 요청 사용자 디바이스로 전송할 수 있다.
사용자 디바이스는 SRP에 나타낸 제품을 선택하기 위해, 예를 들면, 사용자 인터페이스를 클릭 또는 탭핑하거나, 다른 입력 디바이스를 사용하여 SRP로부터 제품을 선택할 수 있다. 사용자 디바이스는 선택된 제품에 관한 정보에 대한 요청을 만들어 내고 이를 외부 프론트 엔드 시스템(103)으로 전송할 수 있다. 이에 응답하여, 외부 프론트 엔드 시스템(103)은 선택된 제품에 관한 정보를 요청할 수 있다. 예를 들면, 정보는 각각의 SRP 상에 제품에 대해 제시된 것 이상의 추가 정보를 포함할 수 있다. 이는, 예를 들면, 유통 기한, 원산지, 무게, 크기, 패키지 내의 아이템 개수, 취급 지침, 또는 제품에 대한 다른 정보를 포함할 수 있다. 정보는 또한,(예를 들면, 이 제품 및 적어도 하나의 다른 제품을 구입한 고객의 빅 데이터 및/또는 기계 학습 분석에 기초한) 유사한 제품에 대한 추천, 자주 묻는 질문에 대한 답변, 고객의 후기, 제조 업체 정보, 사진 등을 포함할 수 있다.
외부 프론트 엔드 시스템(103)은 수신된 제품 정보에 기초하여 SDP(Single Detail Page)(예를 들면, 도 1c)를 준비할 수 있다. SDP는 또한, "지금 구매(Buy Now)" 버튼, "장바구니에 추가(Add to Cart)" 버튼, 수량 필드, 아이템 사진 등과 같은 다른 상호 작용 요소를 포함할 수 있다. SDP는 제품을 오퍼하는 판매자의 리스트를 포함할 수 있다. 이 리스트는 최저가로 제품을 판매하는 것으로 오퍼하는 판매자가 리스트의 최상단에 위치하도록, 각 판매자가 오퍼한 가격에 기초하여 순서가 정해질 수 있다. 이 리스트는 또한 최고 순위 판매자가 리스트의 최상단에 위치하도록, 판매자 순위에 기초하여 순서가 정해질 수 있다. 판매자 순위는 예를 들어, 약속된 PDD를 지켰는지에 대한 판매자의 과거 추적 기록을 포함하는 복수의 인자에 기초하여 만들어질 수 있다. 외부 프론트 엔드 시스템(103)은 (예를 들면, 네트워크를 통해) SDP를 요청 사용자 디바이스로 전달할 수 있다.
요청 사용자 디바이스는 제품 정보를 나열하는 SDP를 수신할 수 있다. SDP를 수신하면, 사용자 디바이스는 SDP와 상호 작용할 수 있다. 예를 들면, 요청 사용자 디바이스의 사용자는 SDP의 "장바구니에 담기(Place in Cart)" 버튼을 클릭하거나, 이와 상호 작용할 수 있다. 이렇게 하면 사용자와 연계된 쇼핑 장바구니에 제품이 추가된다. 사용자 디바이스는 제품을 쇼핑 장바구니에 추가하기 위해 외부 프론트 엔드 시스템(103)으로 이러한 요청을 전송할 수 있다.
외부 프론트 엔드 시스템(103)은 장바구니 페이지(예를 들면, 도 1d)를 생성할 수 있다. 일부 실시예에서, 장바구니 페이지는 사용자가 가상의 "쇼핑 장바구니(shopping cart)"에 추가한 제품을 나열한다. 사용자 디바이스는 SRP, SDP, 또는 다른 페이지의 아이콘을 클릭하거나, 상호 작용함으로써 장바구니 페이지를 요청할 수 있다. 일부 실시예에서, 장바구니 페이지는 사용자가 장바구니에 추가한 모든 제품 뿐 아니라 각 제품의 수량, 각 제품의 아이템당 가격, 관련 수량에 기초한 각 제품의 가격, PDD에 관한 정보, 배달 방법, 배송 비용, 쇼핑 장바구니의 제품을 수정(예를 들면, 수량의 삭제 또는 수정)하기 위한 사용자 인터페이스 요소, 다른 제품의 주문 또는 제품의 정기적인 배달 설정에 대한 옵션, 할부(interest payment) 설정에 대한 옵션, 구매를 진행하기 위한 사용자 인터페이스 요소 등과 같은 장바구니의 제품에 관한 정보를 나열할 수 있다. 사용자 디바이스의 사용자는 쇼핑 장바구니에 있는 제품의 구매를 시작하기 위해 사용자 인터페이스 요소(예를 들면, "지금 구매(Buy Now)"라고 적혀있는 버튼)를 클릭하거나, 이와 상호 작용할 수 있다. 그렇게 하면, 사용자 디바이스는 구매를 시작하기 위해 이러한 요청을 외부 프론트 엔드 시스템(103)으로 전송할 수 있다.
외부 프론트 엔드 시스템(103)은 구매를 시작하는 요청을 수신하는 것에 응답하여 주문 페이지(예를 들면, 도 1e)를 생성할 수 있다. 일부 실시예에서, 주문 페이지는 쇼핑 장바구니로부터의 아이템을 재나열하고, 결제 및 배송 정보의 입력을 요청한다. 예를 들면, 주문 페이지는 쇼핑 장바구니의 아이템 구매자에 관한 정보(예를 들면, 이름, 주소, 이메일 주소, 전화번호), 수령인에 관한 정보(예를 들면, 이름, 주소, 전화번호, 배달 정보), 배송 정보(예를 들면, 배달 및/또는 픽업 속도/방법), 결제 정보(예를 들면, 신용 카드, 은행 송금, 수표, 저장된 크레딧), 현금 영수증을 요청하는 사용자 인터페이스 요소(예를 들면, 세금 목적) 등을 요청하는 섹션을 포함할 수 있다. 외부 프론트 엔드 시스템(103)은 사용자 디바이스에 주문 페이지를 전송할 수 있다.
사용자 디바이스는 주문 페이지에 정보를 입력하고 외부 프론트 엔드 시스템(103)으로 정보를 전송하는 사용자 인터페이스 요소를 클릭하거나, 상호 작용할 수 있다. 그로부터, 외부 프론트 엔드 시스템(103)은 정보를 시스템(100) 내의 다른 시스템으로 전송하여 쇼핑 장바구니의 제품으로 신규 주문을 생성하고 처리할 수 있도록 한다.
일부 실시예에서, 외부 프론트 엔드 시스템(103)은 판매자가 주문과 관련된 정보를 통신 및 전송할 수 있도록 추가로 구성될 수 있다.
일부 실시예에서, 내부 프론트 엔드 시스템(105)은 내부 사용자(예를 들면, 시스템(100)을 소유, 운영 또는 임대하는 조직의 직원)가 시스템(100) 내의 하나 이상의 시스템과 상호작용할 수 있게 하는 컴퓨터 시스템으로서 구현될 수 있다. 예를 들면, 네트워크(101)가 사용자가 아이템에 대한 주문을 할 수 있게 하는 시스템의 프레젠테이션을 가능하게 하는 실시예에서, 내부 프론트 엔드 시스템(105)은 내부 사용자가 주문에 대한 진단 및 통계 정보를 볼 수 있게 하고, 아이템 정보를 수정하며, 또는 주문에 대한 통계를 검토할 수 있게 하는 웹 서버로서 구현될 수 있다. 예를 들면, 내부 프론트 엔드 시스템(105)은 Apache HTTP 서버, Microsoft Internet Information Services(IIS), NGINX 등과 같은 소프트웨어를 실행하는 컴퓨터 또는 컴퓨터들로서 구현될 수 있다. 다른 실시예에서, 내부 프론트 엔드 시스템(105)은(도시되지 않은 다른 디바이스뿐 아니라) 시스템(100) 내에 나타낸 시스템 또는 디바이스로부터 요청을 수신 및 처리하고, 그러한 요청에 기초하여 데이터베이스 및 다른 데이터 저장 장치로부터 정보를 획득하며, 획득한 정보에 기초하여 수신된 요청에 대한 응답을 제공하도록 설계된 커스텀 웹 서버 소프트웨어를 실행할 수 있다.
일부 실시예에서, 내부 프론트 엔드 시스템(105)은 웹 캐싱 시스템, 데이터베이스, 검색 시스템, 결제 시스템, 분석 시스템, 주문 모니터링 시스템 등 중 하나 이상을 포함할 수 있다. 일 양상에서, 내부 프론트 엔드 시스템(105)은 이들 시스템 중 하나 이상을 포함할 수 있는 반면, 다른 양상에서는 내부 프론트 엔드 시스템(105)은 이들 시스템 중 하나 이상에 연결된 인터페이스(예를 들면, 서버 대 서버, 데이터베이스 대 데이터베이스, 또는 다른 네트워크 연결)를 포함할 수 있다.
일부 실시예에서, 운송 시스템(107)은 시스템(100) 내의 시스템 또는 디바이스와 모바일 디바이스(107A-107C) 간의 통신을 가능하게 하는 컴퓨터 시스템으로서 구현될 수 있다. 일부 실시예에서, 운송 시스템(107)은 하나 이상의 모바일 디바이스(107A-107C)(예를 들면, 휴대 전화, 스마트폰, PDA 등)로부터 정보를 수신할 수 있다. 예를 들면, 일부 실시예에서, 모바일 디바이스(107A-107C)는 배달원에 의해 동작되는 디바이스를 포함할 수 있다. 정규적, 임시직 또는 교대 근무일 수 있는 배달원은 사용자에 의해 주문된 제품들이 들어있는 패키지의 배달을 위해 모바일 디바이스(107A-107C)를 이용할 수 있다. 예를 들면, 패키지를 배달하기 위해, 배달원은 배달할 패키지와 배달할 위치를 나타내는 모바일 디바이스 상의 알림을 수신할 수 있다. 배달 장소에 도착하면, 배달원은 (예를 들면, 트럭의 뒤나 패키지의 크레이트에) 패키지를 둘 수 있고, 모바일 디바이스를 사용하여 패키지 상의 식별자와 연관된 데이터(예를 들면, 바코드, 이미지, 텍스트 문자열, RFID 태그 등)를 스캔하거나 캡처하며, (예를 들면, 현관문에 놓거나, 경비원에게 맡기거나, 수령인에게 전달하는 것 등에 의해) 패키지를 배달할 수 있다. 일부 실시예에서, 배달원은 모바일 디바이스를 사용하여 패키지의 사진(들)을 찍거나 및/또는 서명을 받을 수 있다. 모바일 디바이스는, 예를 들면, 시간, 날짜, GPS 위치, 사진(들), 배달원에 관련된 식별자, 모바일 디바이스에 관련된 식별자 등을 포함하는 배달에 관한 정보를 포함하는 정보를 운송 시스템(107)에 전송할 수 있다. 운송 시스템(107)은 시스템(100) 내의 다른 시스템에 의한 접근을 위해 데이터베이스(미도시)에 이러한 정보를 저장할 수 있다. 일부 실시예에서, 운송 시스템(107)은 다른 시스템에 특정 패키지의 위치를 나타내는 트래킹 데이터를 준비 및 전송하기 위해 이러한 정보를 사용할 수 있다.
일부 실시예에서, 특정 사용자는, 한 종류의 모바일 디바이스를 사용할 수 있는 반면(예를 들면, 정규 직원은 바코드 스캐너, 스타일러스 및 다른 장치와 같은 커스텀 하드웨어를 갖는 전문 PDA를 사용할 수 있음), 다른 사용자는 다른 종류의 모바일 디바이스를 사용할 수 있다(예를 들면, 임시 또는 교대 근무 직원이 기성 휴대 전화 및/또는 스마트폰을 사용할 수 있음).
일부 실시예에서, 운송 시스템(107)은 사용자를 각각의 디바이스와 연관시킬 수 있다. 예를 들면, 운송 시스템(107)은 사용자(예를 들면, 사용자 식별자, 직원 식별자, 또는 전화번호에 의해 표현됨)와 모바일 디바이스(예를 들면, International Mobile Equipment Identity(IMEI), International Mobile Subscription Identifier(IMSI), 전화번호, Universal Unique Identifier(UUID), 또는 Globally Unique Identifier(GUID)에 의해 표현됨) 간의 연관성(association) 저장할 수 있다. 운송 시스템(107)은, 다른 것들 중에 작업자의 위치, 작업자의 효율성, 또는 작업자의 속도를 결정하기 위해 데이터베이스에 저장된 데이터를 분석하기 위해 배달시 수신되는 데이터와 관련하여 이러한 연관성을 사용할 수 있다.
일부 실시예에서, 판매자 포털(109)은 판매자 또는 다른 외부 엔티티(entity)가 시스템(100) 내의 하나 이상의 시스템과 전자 통신할 수 있게 하는 컴퓨터 시스템으로서 구현될 수 있다. 예를 들면, 판매자는 판매자 포털(109)을 사용하여 시스템(100)을 통해 판매하고자 하는 제품에 대하여, 제품 정보, 주문 정보, 연락처 정보 등을 업로드하거나 제공하는 컴퓨터 시스템(미도시)을 이용할 수 있다.
일부 실시예에서, 배송 및 주문 트래킹 시스템(111)은 고객(예를 들면, 디바이스(102A-102B)를 사용하는 사용자)에 의해 주문된 제품들이 들어 있는 패키지의 위치에 관한 정보를 수신, 저장 및 포워딩하는 컴퓨터 시스템으로서 구현될 수 있다. 일부 실시예에서, 배송 및 주문 트래킹 시스템(111)은 고객에 의해 주문된 제품들이 들어 있는 패키지를 배달하는 배송 회사에 의해 운영되는 웹 서버(미도시)로부터 정보를 요청하거나 저장할 수 있다.
일부 실시예에서, 배송 및 주문 트래킹 시스템(111)은 시스템(100)에 나타낸 시스템들로부터 정보를 요청하고 저장할 수 있다. 예를 들면, 배송 및 주문 트래킹 시스템(111)은 운송 시스템(107)으로부터 정보를 요청할 수 있다. 전술한 바와 같이, 운송 시스템(107)은 사용자(예를 들면, 배달원) 또는 차량(예를 들면, 배달 트럭) 중 하나 이상과 연관된 하나 이상의 모바일 디바이스(107A-107C)(예를 들면, 휴대 전화, 스마트폰, PDA 등)로부터 정보를 수신할 수 있다. 일부 실시예에서, 배송 및 주문 트래킹 시스템(111)은 또한, 풀필먼트 센터(예를 들면, 풀필먼트 센터(200)) 내부의 개별 제품의 위치를 결정하기 위해 인력 관리 시스템(WMS)으로부터 정보를 요청할 수 있다. 배송 및 주문 트래킹 시스템(111)은 운송 시스템(107) 또는 WMS(119) 중 하나 이상으로부터 데이터를 요청하고, 이를 처리하며, 요청시 디바이스(예를 들면, 사용자 디바이스(102A, 102B))로 제공할 수 있다.
일부 실시예에서, 풀필먼트 최적화(FO) 시스템(113)은 다른 시스템(예를 들면, 외부 프론트 엔드 시스템(103) 및/또는 배송 및 주문 트래킹 시스템(111))으로부터의 고객 주문에 대한 정보를 저장하는 컴퓨터 시스템으로서 구현될 수 있다. FO 시스템(113)은 또한, 특정 아이템이 유지 또는 저장되는 곳을 나타내는 정보를 저장할 수 있다. 예를 들면, 소정 아이템은 하나의 풀필먼트 센터에만 저장될 수 있는 반면, 소정 다른 아이템은 다수의 풀필먼트 센터에 저장될 수 있다. 또 다른 실시예에서, 특정 풀필먼트 센터는 아이템의 특정 세트(예를 들면, 신선한 농산물 또는 냉동 제품)만을 저장하도록 구성될 수 있다. FO 시스템(113)은 이러한 정보뿐 아니라 관련 정보(예를 들면, 수량, 크기, 수령 날짜, 유통 기한 등)를 저장한다.
FO 시스템(113)은 또한, 각 제품에 대해 대응하는 PDD(약속된 배달 날짜)를 계산할 수 있다. 일부 실시예에서, PDD는 하나 이상의 요소에 기초할 수 있다. 예를 들면, FO 시스템(113)은 제품에 대한 과거 수요(예를 들면, 그 제품이 일정 기간 동안 얼마나 주문되었는지), 제품에 대한 예상 수요(예를 들면, 얼마나 많은 고객이 다가오는 기간 동안 제품을 주문할 것으로 예상되는지), 일정 기간 동안 얼마나 많은 제품이 주문되었는지를 나타내는 네트워크 전반의 과거 수요, 다가오는 기간 동안 얼마나 많은 제품이 주문될 것으로 예상되는지를 나타내는 네트워크 전반의 예상 수요, 각각의 제품을 저장하는 각 풀필먼트 센터(200)에 저장된 제품의 하나 이상의 갯수, 그 제품에 대한 예상 또는 현재 주문 등에 기초하여 제품에 대한 PDD를 계산할 수 있다.
일부 실시예에서, FO 시스템(113)은 주기적으로(예를 들면, 시간별로) 각 제품에 대한 PDD를 결정하고, 검색하거나 다른 시스템(예를 들면, 외부 프론트 엔드 시스템(103), SAT 시스템(101), 배송 및 주문 트래킹 시스템(111))으로 전송하기 위해 이를 데이터베이스에 저장할 수 있다. 다른 실시예에서, FO 시스템(113)은 하나 이상의 시스템(예를 들면, 외부 프론트 엔드 시스템(103), SAT 시스템(101), 배송 및 주문 트래킹 시스템(111))으로부터 전자적 요청을 수신하고 요구에 따라 PDD를 계산할 수 있다.
일부 실시예에서, 풀필먼트 메시징 게이트웨이(FMG)(115)는 FO 시스템(113)과 같은 시스템(100) 내의 하나 이상의 시스템으로부터 하나의 포맷 또는 프로로톨로 요청 또는 응답을 수신하고, 그것을 다른 포맷 또는 프로토콜로 변환하여, 변환된 포맷 또는 프로토콜로 된 요청 또는 응답을 WMS(119) 또는 제3자 풀필먼트 시스템(121A, 121B, 또는 121C)과 같은 다른 시스템에 포워딩하며, 반대의 경우도 가능한 컴퓨터 시스템으로서 구현될 수 있다.
일부 실시예에서, 공급 체인 관리(SCM) 시스템(117)은 예측 기능을 수행하는 컴퓨터 시스템으로서 구현될 수 있다. 예를 들면, SCM 시스템(117)은, 예를 들어 제품에 대한 과거 수요, 제품에 대한 예상 수요, 네트워크 전반의 과거 수요, 네트워크 전반의 예상 수요, 각각의 풀필먼트 센터(200)에 저장된 제품의 개수, 각 제품에 대한 예상 또는 현재 주문 등에 기초하여, 특정 제품에 대한 수요의 수준을 예측할 수 있다. 이러한 예측된 수준과 모든 풀필먼트 센터를 통한 각 제품의 수량에 응답하여, SCM 시스템(117)은 특정 제품에 대한 예측된 수요를 만족시키기에 충분한 양을 구매 및 비축하기 위한 하나 이상의 구매 주문을 생성할 수 있다.
일부 실시예에서, 인력 관리 시스템(WMS)(119)은 작업 흐름을 모니터링하는 컴퓨터 시스템으로서 구현될 수 있다. 예를 들면, WMS(119)는 개개의 디바이스(예를 들면, 디바이스(107A-107C 또는 119A-119C))로부터 개별 이벤트를 나타내는 이벤트 데이터를 수신할 수 있다. 예를 들면, WMS(119)는 패키지를 스캔하기 위해 이들 디바이스 중 하나를 사용한 것을 나타내는 이벤트 데이터를 수신할 수 있다. 풀필먼트 센터(200) 및 도 2에 관하여 이하에서 논의되는 바와 같이, 풀필먼트 프로세스 동안, 패키지 식별자(예를 들면, 바코드 또는 RFID 태그 데이터)는 특정 스테잊의 기계(예를 들면, 자동 또는 핸드헬드 바코드 스캐너, RFID 판독기, 고속 카메라, 태블릿(119A), 모바일 디바이스/PDA(119B), 컴퓨터(119C)와 같은 디바이스 등)에 의해 스캔되거나 판독될 수 있다. WMS(119)는 패키지 식별자, 시간, 날짜, 위치, 사용자 식별자, 또는 다른 정보와 함께 대응하는 데이터베이스(미도시)에 패키지 식별자의 스캔 또는 판독을 나타내는 각 이벤트를 저장할 수 있고, 이러한 정보를 다른 시스템(예를 들면, 배송 및 주문 트래킹 시스템(111))에 제공할 수 있다.
일부 실시예에서, WMS(119)는 하나 이상의 디바이스(예를 들면, 디바이스(107A-107C 또는 119A-119C))와 시스템(100)과 연관된 하나 이상의 사용자를 연관시키는 정보를 저장할 수 있다. 예를 들면, 일부 상황에서,(파트 타임 또는 풀 타임 직원과 같은) 사용자는 모바일 디바이스(예를 들면, 모바일 디바이스는 스마트폰임)를 소유한다는 점에서, 모바일 디바이스와 연관될 수 있다. 다른 상황에서, 사용자는 임시로 모바일 디바이스를 보관한다는 점에서(예를 들면, 사용자는 하루의 시작에서부터 모바일 디바이스를 대여받고, 하루 동안 그것을 사용할 것이고, 하루가 끝날 때 그것을 반납할 것임), 모바일 디바이스와 연관될 수 있다.
일부 실시예에서, WMS(119)는 시스템(100)과 연관된 각각의 사용자에 대한 작업 로그를 유지할 수 있다. 예를 들면, WMS(119)는 임의의 할당된 프로세스(예를 들면, 트럭에서 내리기, 픽업 구역에서 아이템을 픽업하기, 리빈 월 작업, 아이템 패킹하기), 사용자 식별자, 위치(예를 들면, 풀필먼트 센터(200)의 바닥 또는 구역), 직원에 의해 시스템을 통해 이동된 유닛의 수(예를 들면, 픽업된 아이템의 수, 패킹된 아이템의 수), 디바이스(예를 들면, 디바이스(119A-119C))와 관련된 식별자 등을 포함하는, 각 직원과 관련된 정보를 저장할 수 있다. 일부 실시예에서, WMS(119)는 디바이스(119A-119C)에서 작동되는 계시(timekeeping) 시스템과 같은 계시 시스템으로부터 체크-인 및 체크-아웃 정보를 수신할 수 있다.
일부 실시예에서, 제3자 풀필먼트(3PL) 시스템(121A-121C)은 물류 및 제품의 제3자 제공자와 관련된 컴퓨터 시스템을 나타낸다. 예를 들면,(도 2와 관련하여 이하에서 후술하는 바와 같이) 일부 제품이 풀필먼트 센터(200)에 저장되는 반면, 다른 제품은 오프-사이트(off-site)에 저장될 수 있거나, 수요에 따라 생산될 수 있으며, 달리 풀필먼트 센터(200)에 저장될 수 없다. 3PL 시스템(121A-121C)은 FO 시스템(113)으로부터(예를 들면, FMG(115)를 통해) 주문을 수신하도록 구성될 수 있으며, 고객에게 직접 제품 및/또는 서비스(예를 들면, 배달 또는 설치)를 제공할 수 있다. 일부 실시예에서, 하나 이상의 3PL 시스템(121A-121C)은 시스템(100)의 일부일 수 있지만, 다른 실시예에서는, 하나 이상의 3PL 시스템(121A-121C)이 시스템(100)의 외부에 있을 수 있다(예를 들어, 제3자 제공자에 의해 소유 또는 운영됨).
일부 실시예에서, 풀필먼트 센터 인증 시스템(FC Auth)(123)은 다양한 기능을 갖는 컴퓨터 시스템으로서 구현될 수 있다. 예를 들면, 일부 실시예에서, FC Auth(123)는 시스템(100) 내의 하나 이상의 다른 시스템에 대한 단일-사인 온(single-sign on, SSO) 서비스로서 작동할 수 있다. 예를 들면, FC Auth(123)는 내부 프론트 엔드 시스템(105)을 통해 사용자가 로그인하게 하고, 사용자가 배송 및 주문 트래킹 시스템(111)에서 리소스에 액세스하기 위해 유사한 권한을 갖고 있다고 결정하며, 두 번째 로그인 프로세스 요구 없이 사용자가 그러한 권한에 액세스할 수 있게 한다. 다른 실시예에서, FC Auth(123)는 사용자(예를 들면, 직원)가 자신을 특정 작업과 연관시킬 수 있게 한다. 예를 들면, 일부 직원은(디바이스(119A-119C)와 같은) 전자 디바이스를 갖지 않을 수 있으며, 대신 하루 동안 풀필먼트 센터(200) 내에서 작업들 사이 및 구역들 사이에서 이동할 수 있다. FC Auth(123)는 이러한 직원들이 상이한 시간대에 수행 중인 작업과 속해 있는 구역을 표시할 수 있도록 구성될 수 있다.
일부 실시예에서, 노동 관리 시스템(LMS)(125)은 직원(풀-타임 및 파트-타임 직원을 포함함)에 대한 출근 및 초과 근무 정보를 저장하는 컴퓨터 시스템으로서 구현될 수 있다. 예를 들면, LMS(125)는 FC Auth(123), WMA(119), 디바이스(119A-119C), 운송 시스템(107), 및/또는 디바이스(107A-107C)로부터 정보를 수신할 수 있다.
도 1a에 나타낸 특정 구성은 단지 예시일 뿐이다. 예를 들면, 도 1a는 FO 시스템(113)에 연결된 FC Auth 시스템(123)을 나타낸 반면, 모든 실시예가 이러한 특정 구성을 필요로 하는 것은 아니다. 실제로, 일부 실시예에서, 시스템(100) 내의 시스템은 인터넷, 인트라넷, WAN(Wide-Area Network), MAN(Metropolitan-Area Network), IEEE 802.11a/b/g/n 표준을 따르는 무선 네트워크, 임대 회선 등을 포함하는 하나 이상의 공공 또는 사설 네트워크를 통해 서로 연결될 수 있다. 일부 실시예에서, 시스템(100) 내의 시스템 중 하나 이상은 데이터 센터, 서버 팜 등에서 구현되는 하나 이상의 가상 서버로서 구현될 수 있다.
도 2는 풀필먼트 센터(200)를 나타낸다. 풀필먼트 센터(200)는 주문시 고객에게 배송하기 위한 아이템을 저장하는 물리적 장소의 예시이다. 풀필먼트 센터(FC)(200)는 다수의 구역으로 분할될 수 있으며, 각각이 도 2에 도시된다. 일부 실시예에서, 이러한 "구역(zones)"은 아이템을 수령하고, 아이템을 저장하고, 아이템을 검색하고, 아이템을 배송하는 과정의 상이한 단계 사이의 가상 구분으로 생각될 수 있다. 따라서, "구역"이 도 2에 나타나 있으나, 일부 실시예에서, 구역의 다른 구분도 가능하고, 도 2의 구역은 생략, 복제, 또는 수정될 수 있다.
인바운드 구역(203)은 도 1a의 시스템(100)을 사용하여 제품을 판매하고자 하는 판매자로부터 아이템이 수신되는 FC(200)의 영역을 나타낸다. 예를 들면, 판매자는 트럭(201)을 사용하여 아이템(202A, 202B)을 배달할 수 있다. 아이템(202A)은 자신의 배송 팔레트(pallet)를 점유하기에 충분히 큰 단일 아이템을 나타낼 수 있으며, 아이템(202B)은 공간을 절약하기 위해 동일한 팔레트 상에 함께 적층되는 아이템의 세트를 나타낼 수 있다.
작업자는 인바운드 구역(203)의 아이템을 수령하고, 선택적으로 컴퓨터 시스템(미도시)을 사용하여 아이템이 손상되었는지 및 정확한지를 체크할 수 있다. 예를 들면, 작업자는 아이템(202A, 202B)의 수량을 아이템의 주문 수량과 비교하기 위해 컴퓨터 시스템을 사용할 수 있다. 수량이 일치하지 않는다면, 해당 작업자는 아이템(202A, 202B) 중 하나 이상을 거부할 수 있다. 수량이 일치한다면, 작업자는 그 아이템들을(예를 들면, 짐수레(dolly), 핸드트럭(handtruck), 포크리프트(forklift), 또는 수작업으로) 버퍼 구역(205)으로 운반할 수 있다. 버퍼 구역(205)은, 예를 들면, 예상 수요를 충족시키기 위해 픽업 구역에 그 아이템이 충분한 수량만큼 있기 때문에, 픽업 구역에서 현재 필요하지 않은 아이템에 대한 임시 저장 영역일 수 있다. 일부 실시예에서, 포크리프트(206)는 버퍼 구역(205) 주위와 인바운드 구역(203) 및 드롭 구역(207) 사이에서 아이템을 운반하도록 작동한다. (예를 들면, 예상 수요로 인해) 픽업 구역에 아이템(202A, 202B)이 필요하면, 포크리프트는 아이템(202A, 202B)을 드롭 구역(207)으로 운반할 수 있다.
드롭 구역(207)은 픽업 구역(209)으로 운반되기 전에 아이템을 저장하는 FC(200)의 영역일 수 있다. 픽업 작업에 할당된 작업자("피커(picker)")는 픽업 구역의 아이템(202A, 202B)에 접근하고, 픽업 구역에 대한 바코드를 스캔하며, 모바일 디바이스(예를 들면, 디바이스(119B))를 사용하여 아이템(202A, 202B)과 관련된 바코드를 스캔할 수 있다. 그 다음 피커는 아이템을(예를 들면, 카트에 놓거나 운반함으로써) 픽업 구역(209)에 아이템을 가져갈 수 있다.
픽업 구역(209)은 아이템(208)이 저장 유닛(210)에 저장되는 FC(200)의 영역일 수 있다. 일부 실시예에서, 저장 유닛(210)은 물리적 선반, 책꽂이, 박스, 토트(tote), 냉장고, 냉동고, 저온 저장고 등 중 하나 이상을 포함할 수 있다. 일부 실시예에서, 픽업 구역(209)은 다수의 플로어로 편성될 수 있다. 일부 실시예에서, 작업자 또는 기계는, 예를 들면, 포크리프트, 엘리베이터, 컨베이어 벨트, 카트, 핸드트럭, 짐수레, 자동화된 로봇 또는 디바이스, 또는 수작업을 포함하는 다양한 방식으로 아이템을 픽업 구역(209)으로 운반할 수 있다. 예를 들면, 피커는 아이템(202A, 202B)을 드롭 구역(207)의 핸드트럭 또는 카트에 놓을 수 있으며, 아이템(202A, 202B)을 픽업 구역(209)으로 가져갈 수 있다.
피커는 저장 유닛(210) 상의 특정 공간과 같은 픽업 구역(209)의 특정 스팟에 아이템을 배치(또는 "적재(stow)")하라는 명령을 수신할 수 있다. 예를 들면, 피커는 모바일 디바이스(예를 들면, 디바이스(119B))를 사용하여 아이템(202A)을 스캔할 수 있다. 디바이스는, 예를 들면, 통로, 선반 및 위치를 나타내는 시스템을 사용하여, 아이템(202A)을 적재해야 하는 위치를 나타낼 수 있다. 그 다음 디바이스는 그 위치에 아이템(202A)을 적재하기 전에 피커가 그 위치에서 바코드를 스캔하도록 할 수 있다. 디바이스는 도 1a의 WMS(119)와 같은 컴퓨터 시스템에 아이템(202A)이 디바이스(119B)를 사용하는 사용자에 의해 그 위치에 적재되었음을 나타내는 데이터를(예를 들면, 무선 네트워크를 통해) 전송할 수 있다.
일단 사용자가 주문을 하면, 피커는 저장 유닛(210)으로부터 하나 이상의 아이템(208)을 검색하기 위해 디바이스(119B)에 명령을 수신할 수 있다. 피커는 아이템(208)을 검색하고, 아이템(208) 상의 바코드를 스캔하며, 운송 기구(214) 상에 놓을 수 있다. 일부 실시예에서, 운송 기구(214)가 슬라이드로서 표현되지만, 운송 기구는 컨베이어 벨트, 엘리베이터, 카트, 포크리프트, 핸드트럭, 짐수레, 카트 등 중 하나 이상으로서 구현될 수 있다. 그 다음 아이템(208)은 패킹 구역(211)에 도착할 수 있다.
패킹 구역(211)은 아이템이 픽업 구역(209)으로부터 수령되고 고객에게 최종 배송하기 위해 박스 또는 가방에 패킹되는 FC(200)의 영역일 수 있다. 패킹 구역(211)에서, 아이템을 수령하도록 할당된 작업자("리비닝 작업자(rebin worker)")는 픽업 구역(209)으로부터 아이템(208)을 수령하고, 어느 주문에 대응하는 지를 결정할 것이다. 예를 들면, 리비닝 작업자는 아이템(208) 상의 바코드를 스캔하기 위해 컴퓨터(119C)와 같은 디바이스를 사용할 수 있다. 컴퓨터(119C)는 아이템(208)이 어느 주문과 관련이 있는지를 시각적으로 나타낼 수 있다. 이는, 예를 들면, 주문에 대응하는 월(216) 상의 공간 또는 "셀(cell)"을 포함할 수 있다. (예를 들면, 셀에 주문의 모든 아이템이 포함되어 있기 때문에) 일단 주문이 완료되면, 리비닝 작업자는 패킹 작업자(또는 "패커(packer)")에게 주문이 완료된 것을 알릴 수 있다. 패커는 셀로부터 아이템을 검색하고, 배송을 위해 이들을 박스 또는 가방에 놓을 수 있다. 그 다음 패커는, 예를 들면, 포크리프트, 카트, 짐수레, 핸드트럭, 컨베이어 벨트, 수작업 또는 다른 방법을 통해, 박스 또는 가방을 허브 구역(213)으로 보낼 수 있다.
허브 구역(213)은 패킹 구역(211)으로부터 모든 박스 또는 가방("패키지(packages)")을 수신하는 FC(200)의 영역일 수 있다. 허브 구역(213)의 작업자 및/또는 기계는 패키지(218)를 검색하고, 각 패키지가 배달 영역의 어느 부분으로 배달되도록 되어 있는지를 결정하며, 패키지를 적합한 캠프 구역(215)으로 보낼 수 있다. 예를 들면, 배달 영역이 2개의 작은 하위 영역을 갖는다면, 패키지는 2개의 캠프 구역(215) 중 하나로 보내질 것이다. 일부 실시예에서, 작업자 또는 기계는 최종 목적지를 결정하기 위해(예를 들면, 디바이스(119A-119C) 중 하나를 사용하여) 패키지를 스캔할 수 있다. 패키지를 캠프 구역(215)으로 보내는 것은, 예를 들면, (우편 번호에 기초하여) 패키지가 향하는 지리적 영역의 부분을 결정하고, 지리적 영역의 부분과 관련된 캠프 구역(215)을 결정하는 것을 포함할 수 있다.
일부 실시예에서, 캠프 구역(215)은 루트 및/또는 서브-루트로 분류하기 위해 허브 구역(213)으로부터 패키지가 수령되는 하나 이상의 빌딩, 하나 이상의 물리적 공간, 또는 하나 이상의 영역을 포함할 수 있다. 일부 실시예에서, 캠프 구역(215)은 FC(200)로부터 물리적으로 분리되어 있는 반면, 다른 실시예에서는 캠프 구역(215)은 FC(200)의 일부를 형성할 수 있다.
캠프 구역(215)의 작업자 및/또는 기계는, 예를 들면, 목적지와 기존 루트 및/또는 서브-루트의 비교, 각각의 루트 및/또는 서브-루트에 대한 작업량의 계산, 하루 중 시간, 배송 방법, 패키지(220)를 배송하기 위한 비용, 패키지(220)의 아이템과 관련된 PDD 등에 기초하여 패키지(220)가 어느 루트 및/또는 서브-루트와 연관되어야 하는지를 결정할 수 있다. 일부 실시예에서, 작업자 또는 기계는 최종 목적지를 결정하기 위해(예를 들면, 디바이스(119A-119C) 중 하나를 사용하여) 패키지를 스캔할 수 있다. 일단 패키지(220)가 특정 루트 및/또는 서브-루트에 할당되면, 작업자 및/또는 기계는 배송될 패키지(220)를 운반할 수 있다. 예시적인 도 2에서, 캠프 구역(215)은 트럭(222), 자동차(226), 배달원(224A, 224B)을 포함한다. 일부 실시예에서, 배달원(224A)이 트럭(222)을 운전할 수 있는데, 이 때 배달원(224A)은 FC(200)에 대한 패키지를 배달하는 풀-타임 직원이며, 트럭은 FC(200)를 소유, 임대 또는 운영하는 동일한 회사에 의해 소유, 임대, 또는 운행된다. 일부 실시예에서, 배달원(224B)이 자동차(226)를 운전할 수 있는데, 이 때 배달원(224B)은 필요에 따라(예를 들면, 계절에 따라) 배달하는 "플렉스(flex)" 또는 비상시적인 작업자이다. 자동차(226)는 배달원(224B)에 의해 소유, 임대 또는 운행될 수 있다.
도 3을 참조하면, 개략적인 블록도(300)는 아웃바운드 흐름을 시뮬레이션하기 위한 최적화 시스템(301)을 포함하는 시스템의 예시적인 실시예를 도시한다. 최적화 시스템(301)은 도 1a의 시스템(100) 내의 하나 이상의 시스템과 연관될 수 있다. 예를 들어, 최적화 시스템(301)은 SCM 시스템(117)의 일부로서 구현될 수 있다. 일부 실시예들에서, 최적화 시스템(301)은 다른 시스템(예를 들어, 외부 프론트 엔드 시스템(103), 배송 및 주문 트래킹 시스템(111), 및/또는 FO 시스템(113))으로부터의 고객 주문에 대한 정보뿐만 아니라 각 FC(200)에 대한 정보를 저장하는 컴퓨터 시스템으로서 구현될 수 있다. 예를 들어, 최적화 시스템(301)은 FC들 중에서 SKU들의 분배를 기재하는 정보를 저장할 수 있는 하나 이상의 프로세서(305)를 포함할 수 있다. 따라서, 최적화 시스템(301)의 하나 이상의 프로세서(305)는 각 FC 내에 저장된 SKU들의 리스트를 저장할 수 있다. 또한, 하나 이상의 프로세서(305)는 FC들 각각과 연관된 제약사항을 기재하는 정보를 저장할 수 있다. 예를 들어, 특정 FC에는 최대 수용능력, 크기, 냉장 요구, 중량, 또는 기타 아이템 요구사항에 의한 특정 아이템과의 호환성, 운송 비용, 건물 제한, 및/또는 이들의 임의의 조합을 포함하는 제약사항이 있을 수 있다. 예를 들어, 특정 아이템은 하나의 풀필먼트 센터 내에만 저장될 수 있지만, 특정 다른 아이템들은 다수의 풀필먼트 센터들 내에 저장될 수 있다. 또 다른 실시예들에서, 특정 풀필먼트 센터는 특정 아이템들의 세트(예를 들어, 신선한 농산물 또는 냉동 제품)만을 저장하도록 설계될 수 있다. 하나 이상의 프로세서(305)는 각 FC에 대한 연관 정보(예를 들어, 수량, 크기, 수령 일자, 만료일 등)뿐만 아니라 이러한 정보를 저장 또는 검색할 수 있다.
다른 실시예들에서, 각 FC(200)와 연관된 전술된 정보 각각은 데이터베이스(304) 내에 저장될 수 있다. 이와 같이, 최적화 시스템(301)은 네트워크(302)를 통해 데이터베이스(304)로부터 정보를 검색할 수 있다. 데이터베이스(304)는 정보를 저장하고 네트워크(302)를 통해 액세스되는 하나 이상의 메모리 디바이스를 포함할 수 있다. 예를 들어, 데이터베이스(304)는 Oracle™ 데이터베이스, Sybase™ 데이터베이스, 또는 다른 관계형 데이터베이스 또는 Hadoop 시퀀스 파일, HBase, 또는 Cassandra와 같은 비관계형 데이터베이스를 포함할 수 있다. 데이터베이스(304)가 시스템(300) 내에 포함되는 것으로 도시되었지만, 데이터베이스(304)는 대안적으로 시스템(300)으로부터 멀리 위치될 수 있다. 다른 실시예들에서, 데이터베이스(304)는 최적화 시스템(301) 내에 통합될 수 있다. 데이터베이스(304)는, 데이터베이스(304)의 메모리 디바이스 내에 저장된 데이터에 대한 요청을 수신 및 처리하고 데이터베이스(304)로부터 데이터를 제공하도록 구성된 컴퓨팅 구성요소(예를 들어, 데이터베이스 관리 시스템, 데이터베이스 서버 등)를 포함할 수 있다.
또한, 시스템(300)은 네트워크(302) 및 서버(303)를 포함할 수 있다. 최적화 시스템(301), 서버(303), 및 데이터베이스(304)는 네트워크(302)를 통해 서로 접속되어 서로 통신할 수 있다. 네트워크(302)는 무선 네트워크, 유선 네트워크, 또는 무선 네트워크와 유선 네트워크의 임의의 조합일 수 있다. 예를 들어, 네트워크(302)는 광섬유 네트워크, 수동 광 네트워크, 케이블 네트워크, 인터넷 네트워크, 위성 네트워크, 무선 LAN, GSM(Global System for Mobile Communication), PCS(Personal Communication Service), PAN(Personal Area Network), D-AMPS, Wi-Fi, 고정 무선 데이터, IEEE 802.11b, 802.15.1, 802.11n, 및 802.11g, 또는 데이터를 송수신하기 위한 임의의 다른 유선 또는 무선 네트워크의 하나 이상을 포함할 수 있다.
또한, 네트워크(302)는 전화선, 광섬유, IEEE 이더넷 902.3, WAN(Wide Area Network), LAN(Local Area Network), 또는 인터넷과 같은 글로벌 네트워크를 포함할 수 있으나, 이에 제한되지는 않는다. 또한 네트워크(302)는 인터넷 네트워크, 무선 통신 네트워크, 셀룰러 네트워크 등, 또는 이들의 임의의 조합을 지원할 수 있다. 네트워크(302)는 독립형 네트워크로서 또는 서로 협력하여 동작하는, 하나의 네트워크 또는 위에서 언급된 임의의 수의 예시적인 유형들의 네트워크를 더 포함할 수 있다. 네트워크(302)는 그들이 통신 가능하게 결합되는 하나 이상의 네트워크 요소의 하나 이상의 프로토콜을 이용할 수 있다. 네트워크(302)는 다른 프로토콜들로 또는 다른 프로토콜들로부터 네트워크 디바이스들의 하나 이상의 프로토콜들로 변환될 수 있다. 네트워크(302)가 단일 네트워크로서 도시되었지만, 하나 이상의 실시예들에 따르면, 네트워크(302)는 예를 들어 인터넷, 서비스 제공자의 네트워크, 케이블 텔레비전 네트워크, 회사 네트워크, 및 홈 네트워크와 같은 복수의 상호접속된 네트워크를 포함할 수 있음이 이해되어야 한다.
서버(303)는 웹 서버일 수 있다. 예를 들어, 서버(303)는, 예를 들어, 인터넷과 같은, 네트워크(예를 들어, 네트워크(302))를 통해 사용자에 의해 액세스될 수 있는 웹 콘텐츠를 전달하는 하드웨어(예를 들어, 하나 이상의 컴퓨터) 및/또는 소프트웨어(예를 들어, 하나 이상의 애플리케이션)를 포함할 수 있다. 서버(303)는, 예를 들어, 사용자와 통신하기 위해 하이퍼텍스트 전송 프로토콜(HTTP 또는 sHTTP)을 사용할 수 있다. 사용자에게 전달되는 웹 페이지는 예를 들어 텍스트 콘텐츠 이외에 이미지, 스타일 시트(style sheet), 및 스크립트를 포함할 수 있는 HTML 문서를 포함할 수 있다.
예를 들어, 웹 브라우저, 웹 크롤러(crawler), 또는 네이티브(native) 모바일 애플리케이션과 같은 사용자 프로그램은 HTTP를 사용하여 특정 자원에 대한 요청을 함으로써 통신을 시작할 수 있고, 서버(303)는 그 자원의 콘텐츠로 응답하거나 그럴 수 없다면 에러 메시지로 응답한다. 또한, 서버(303)는 사용자로부터 콘텐츠를 수신하는 것을 가능하게 하거나 촉진하여, 사용자가 예를 들어 파일 업로드를 포함하여, 웹 양식을 제출할 수 있다. 또한, 서버(303)는, 예를 들어, ASP(Active Server Pages), PHP, 또는 다른 스크립트 언어(scripting language)를 사용하는 서버-사이드 스크립트(server-side scripting)를 지원할 수 있다. 따라서, 서버(303)의 동작은 개별 파일로 스크립트될 수 있지만, 실제 서버 소프트웨어는 변경되지 않고 유지된다.
다른 실시예들에서, 서버(303)는 자신의 적용된 애플리케이션을 지원하기 위한 절차(예컨대, 프로그램, 루틴, 스크립트)의 효율적인 실행에 전념하는 하드웨어 및/또는 소프트웨어를 포함할 수 있는 애플리케이션 서버일 수 있다. 서버(303)는, 예를 들어, Java 애플리케이션 서버(예를 들어, Java 플랫폼, Enterprise Edition(Java EE), Microsoft®로부터의 .NET 프레임워크, PHP 애플리케이션 서버 등)를 포함하는 하나 이상의 애플리케이션 서버 프레임워크를 포함할 수 있다. 다양한 애플리케이션 서버 프레임워크는 포괄적인 서비스 계층 모델(service layer model)을 포함할 수 있다. 서버(303)는, 예를 들어, 플랫폼 자체에 의해 규정된 API를 통해 시스템(100)을 구현하는 엔티티(entity)에 액세스가능한 구성요소들의 세트로서 작용할 수 있다.
이하에서 상세히 논의되는 바와 같이, 최적화 시스템(301)의 하나 이상의 프로세서(305)는, 하나 이상의 FC에 대한 제품의 아웃바운드 흐름의 하나 이상의 시뮬레이션을 생성하도록 유전 알고리즘을 구현할 수 있다. 예를 들어, 데이터베이스(304) 내에 저장된 각 FC와 연관된 정보에 기초하여, 하나 이상의 프로세서(305)는, 하나 이상의 FC 간에서, 예를 들어 SKU와 같은, 제품의 아웃바운드 흐름을 최적화할 수 있다. 일부 실시예들에서, 하나 이상의 프로세서(305)는 SKU 매핑을 통해 아웃바운드 흐름을 최적화할 수 있다. SKU 매핑은 SKU를 FC에 할당하는 것이며, 아웃바운드 네트워크 최적화는 SKU 매핑을 통해 달성될 수 있다. 하나 이상의 프로세서(305)는 SKU 매핑을 통해 시뮬레이션을 생성할 수 있고, 각각의 시뮬레이션은 FC들 중의 SKU들의 상이한 분배를 포함할 수 있다. 각각의 시뮬레이션은 랜덤하게 생성될 수 있다. 따라서, 하나 이상의 프로세서(305)는 하나 이상의 시뮬레이션을 생성하고 주 전역 네트워크, 지역 전체 네트워크, 또는 전국 네트워크에 걸쳐 하나 이상의 FC의 아웃풋 레이트(output rate)를 가장 향상시키는 최적의 시뮬레이션을 선택함으로써 최적의 시뮬레이션을 찾을 수 있다. 아웃풋 레이트를 향상시키는 최적의 시뮬레이션을 결정하는 것은 제품의 아웃바운드 흐름을 최적화하는데 있어서 중요할 수 있다. 예를 들어, 각 FC 내에 각 아이템 중 하나를 배치하는 것이 더 쉬울 수 있지만, 이는 최적이 아닐 수 있는데, 그 이유는 특정 아이템에 대한 고객 수요가 급격하게 증가하면 FC는 아이템들을 빠르게 소진할 것이기 때문이다. 마찬가지로, 한 아이템 모두가 단일 FC 내에 배치되면, 여러 위치에 있는 고객들이 아이템을 원할 수 있기 때문에, 최적이 아닐 수 있다. 그 다음, 아이템이 단일 FC 내에서만 사용 가능하기 때문에, 한 FC로부터 다른 FC로 아이템을 운송하는 비용이 증가할 수 있으므로, 시스템의 효율성이 떨어진다. 따라서, 제품의 아웃바운드 흐름을 최적화하는 것에 관한 컴퓨터화된 실시예들은 FC들 중의 SKU들의 최적의 분배를 결정하기 위한 신규하고 결정적인 시스템을 제공한다.
또 다른 실시예에서, 하나 이상의 프로세서(305)는 비즈니스 제약사항과 같은 하나 이상의 제약사항을 유전 알고리즘에 구현할 수 있다. 제약사항은, 예를 들어, 각 FC의 최대 수용능력, 각 FC와 연관된 아이템 호환성, FC와 연관된 비용, 또는 각 FC와 연관된 임의의 다른 특성을 포함할 수 있다. 각 FC의 최대 수용능력은 각 FC에서 수용할 수 있는 SKU 수와 연관된 정보를 포함할 수 있다. 각 FC와 연관된 아이템 호환성은 아이템의 크기, 아이템의 무게, 냉장의 필요성, 또는 아이템/SKU와 연관된 다른 요구사항들로 인해 특정 FC에서 수용될 수 없는 특정 아이템과 연관된 정보를 포함할 수 있다. 각 FC에서 특정 아이템이 수용되는 것을 허용하고 특정 아이템이 수용되는 것을 방지하는, 각 FC와 연관된 건물 제한이 있을 수도 있다. 각 FC와 연관된 비용은, FC-대-FC 운송 비용, 클러스터-양단(cross-cluster) 배송 비용(예를 들어, 다수의 FC로부터 아이템을 배송할 때 발생하는 배송 비용), FC들 간에 아이템을 교차-스톡킹하는 것으로부터 발생되는 배송 비용, 하나의 FC 내에 모든 SKU를 보유하는 것과 연관된 UPP(unit per parcel) 비용, 또는 이들의 임의의 조합을 포함할 수 있다.
다른 실시예들에서, 하나 이상의 프로세서(305)는 효율성을 증가시키기 위해 유전 알고리즘의 하나 이상의 부분을 캐싱할 수 있다. 예를 들어, 시뮬레이션이 생성될 때마다 알고리즘의 모든 부분을 재실행할 필요성을 제거하기 위해 유전 알고리즘의 하나 이상의 부분이 캐싱될 수 있다. 하나 이상의 프로세서(305)는 각각의 반복에서 현저한 변화가 있을지 여부에 기초하여 유전 알고리즘의 어느 부분(들)이 캐싱될 수 있는지를 결정할 수 있다. 예를 들어, 일부 파라미터는 시뮬레이션이 생성될 때마다 일관성을 유지할 수 있지만 다른 파라미터는 변경될 수 있다. 매번 일관성을 유지하는 파라미터는 시뮬레이션이 생성될 때마다 재실행될 필요가 없을 것이다. 따라서, 하나 이상의 프로세서(305)는 이러한 일관된 파라미터를 캐싱할 수 있다. 예를 들어, 각 FC에서의 최대 수용능력은 시뮬레이션이 생성될 때마다 변하지 않을 수 있으므로, 캐싱될 수 있다. 한편, 시뮬레이션마다 변할 수 있는 파라미터에는, 예를 들어, 고객 주문 프로필(profile), 지역들에 걸친 각 SKU에 대한 고객의 관심, 또는 적재 모델(stowing model)이 포함될 수 있다. 고객 주문 프로필은 주 전역 네트워크, 지역 전체 네트워크, 또는 전국 네트워크에 걸친 고객 주문의 행위(behavior)를 나타낼 수 있다. 예를 들어, 고객 주문 프로필은 주 전역 네트워크, 지역 전체 네트워크, 또는 전국 네트워크에 걸친 고객 주문의 주문 패턴을 나타낼 수 있다. 각 SKU에 대한 고객의 관심은 주 전역 네트워크, 지역 전체 네트워크, 또는 전국 네트워크에 걸친 각 아이템에 대한 고객 수요량을 나타낼 수 있다. 적재 모델은, 각 FC 내 픽업 구역(209) 내의 특정 장소 또는 저장 유닛(210) 상의 특정 공간과 같은, 특정 아이템이 보관된 장소를 나타내는 모델을 나타낼 수 있다. 적재 모델은 각 FC마다 다를 수 있다. 유전 알고리즘의 하나 이상의 부분을 캐싱함으로써, 하나 이상의 프로세서(305)는 효율을 증가시키고 프로세싱 용량을 감소시킬 수 있다.
일부 실시예들에서, 시뮬레이션 알고리즘에 부가된 또 다른 제약사항은 각 FC에서의 고객 수요를 포함할 수 있다. 하나 이상의 프로세서(305)는 각 FC에서 주문 이력을 관찰함으로써 각 FC에서의 고객 수요를 결정할 수 있다. 다른 실시예들에서, 하나 이상의 프로세서(305)는 각 FC에서 고객 수요를 시뮬레이션할 수 있다. 예를 들어, 적어도 각 FC에서의 주문 이력에 기초하여, 하나 이상의 프로세서(305)는 각 FC에서 고객 수요를 예측 및/또는 시뮬레이션할 수 있다. 각 FC에서 적어도 시뮬레이션된 고객 수요를 기초로 하여, 하나 이상의 프로세서(305)는 SKU 할당, SKU 매핑, 및 제품의 아웃바운드 흐름을 최적화하기 위해 FC들 중에서 SKU들을 할당할 수 있다.
도 4는 제품의 아웃바운드 흐름을 시뮬레이션하고 최적화하기 위한 예시적 방법 400을 나타내는 흐름도이다. 이러한 예시적 방법이 예로서 제공된다. 도 4에 도시된 방법 400은 다양한 시스템들의 하나 이상의 조합에 의해 실행되거나 달리 수행될 수 있다. 후술되는 것과 같은 방법 400은, 예로서 도 3에 도시된 바와 같은 최적화 시스템(301)에 의해 수행될 수 있으며, 그 시스템의 다양한 요소들은 도 4의 방법을 설명하는데 참조된다. 도 4에 도시된 각각의 블록은 예시적 방법 400에서의 하나 이상의 프로세스, 방법, 또는 서브루틴(subroutine)을 나타낸다. 도 4를 참조하면, 예시적 방법 400은 블록 401에서 시작될 수 있다.
블록 401에서, 하나 이상의 프로세서(305)는 FC들 중에서 SKU들의 초기 분배를 포함하는, 솔루션들의 초기 세트를 수신할 수 있다. 일부 실시예들에서, 솔루션들의 세트 각각은 각 FC 내에 저장될 하나 이상의 SKU의 리스트를 포함할 수 있다. 하나 이상의 SKU는 각각의 대응하는 아이템에 특정될 수 있으며, 따라서 제조업자, 재료, 색상, 포장 유형, 중량, 또는 각각의 대응하는 아이템과 연관된 임의의 다른 특성을 나타낼 수 있다. 또한, 각 솔수션들의 세트는, 대응하는 FC 내에 저장될 하나 이상의 SKU의 리스트에 기초하여 각 FC 내에서의 총 아웃풋의 수를 포함할 수 있다. 일부 양태들에서, 솔루션들의 세트 각각 내의 FC들 중에서 SKU들의 분배는 랜덤하게 생성될 수 있다. 예를 들어, 하나 이상의 프로세서(305)가 솔수션들의 세트를 생성할 때마다, 하나 이상의 SKU가 하나 이상의 FC 중에서 랜덤하게 분배될 수 있다. 하나 이상의 프로세서(305)가 솔루션들의 세트를 생성할 때마다, 솔루션들의 세트 각각은 FC들 중에서 SKU들의 상이한 분배를 포함할 수 있다. 다른 양태들에서, 솔루션들의 세트는 또 다른 시스템 또는 데이터 저장소로부터 수신될 수 있다. 예를 들어, 솔루션들의 세트는 SKU들의 현재 분배에 기초할 수 있다.
전술한 바와 같이, 솔루션들의 세트 각각은 또한 각 FC와 연관된 하나 이상의 제약사항을 고려할 수 있다. 예를 들어, 하나 이상의 프로세서(305)는 솔루션들의 세트를 생성할 때 하나 이상의 제약사항(예를 들어, 각 FC의 최대 수용능력, 각 FC와 연관된 아이템 호환성, FC와 연관된 비용, 또는 각 FC와 연관된 임의의 다른 특성)을 적용할 수 있다. 이와 같이, 솔루션들의 세트(예를 들어, FC들 중에서 SKU들의 분배)은 각 FC와 연관된 다양한 제약사항을 또한 고려하면서 랜덤하게 생성될 수 있다.
솔루션들의 초기 세트가 수신되면, 방법 400은 블록 402로 진행할 수 있다. 블록 402에서, 하나 이상의 프로세서(305)는 솔루션들의 초기 세트 내 각 솔루션의 시뮬레이션을 실행할 수 있다. 예를 들어, 하나 이상의 프로세서(305)는 솔루션들의 초기 세트 내의 FC들 중에서 SKU들의 초기 분배에 기초하여 제품의 아웃바운드 흐름을 시뮬레이션할 수 있다. 하나 이상의 프로세서(305)는, FC들 중의 SKU들의 초기 분배가 얼마나 잘 수행되는지를 결정하기 위해, 솔루션들의 초기 세트 내의 각 솔루션의 시뮬레이션을 실행할 수 있다. 일부 실시예들에서, 하나 이상의 프로세서(305)는 솔루션들의 초기 세트 내의 각 솔루션의 시뮬레이션을 실행함으로써 아웃풋 데이터를 얻을 수 있다. 아웃풋 데이터는 솔루션들의 세트 각각 내의 각 FC에서의 총 아웃풋을 포함할 수 있다.
솔루션들의 초기 세트 내의 각 솔루션에 대한 시뮬레이션이 실행되면, 방법 400은 블록 403으로 진행할 수 있다. 블록 403에서, 하나 이상의 프로세서(305)는 수신된 솔루션들의 초기 세트의 적합성을 평가할 수 있다. 예를 들어, 하나 이상의 프로세서(305)는 FC들 중에서 SKU들의 배치를 위한 솔루션들의 초기 세트가 최적인지 여부를 평가할 수 있다. 하나 이상의 프로세서(305)가 초기 시뮬레이션에 있는 솔루션들이 최적이라고 결정하면, 방법 400은 블록 403A로 진행할 수 있다. 블록 403A에서, 하나 이상의 프로세서(305)는 솔루션들의 초기 세트가 최적이기 때문에, 종료 조건이 도달되었는지를 결정할 수 있다. 하나 이상의 프로세서(305)가 솔루션들의 초기 세트가 최적이고 블록 403A에서 종료 조건이 도달되었다고 결정하면, 방법 400은 하나 이상의 프로세서(305)가 방법 400을 종료할 수 있는 블록 407로 진행할 수 있다. 이하에서 상세히 설명하는 바와 같이, 솔루션들의 초기 세트의 적합성을 평가하는 단계는, 예를 들어, 각 FC에서의 총 아웃풋을 계산하는 단계, 각 솔루션에 대한 각 FC의 참여 비율을 계산하는 단계, 또는 참여 비율에 기초하여 각 솔루션에 대한 점수를 결정하는 단계를 포함할 수 있다. 각 FC에서의 총 아웃풋은 각 FC로부터의 아이템/제품의 총 아웃풋을 포함할 수 있다. FC의 참여 비율은 FC의 네트워크의 총 아웃풋의 백분율을 나타낼 수 있다. 예를 들어, 그러한 FC의 네트워크는 주 전체, 지역 전체, 또는 전국에 걸친 것일 수 있다.
하나 이상의 프로세서(305)가, 초기 시뮬레이션이 아직 최적이 아니며 블록 403A에서 종료 조건이 도달되지 않았다고 결정하면, 방법 400은 블록 404로 진행할 수 있다. 예를 들어, 하나 이상의 FC에서의 참여 비율이 사전결정된 임계치만큼 증가하면, 하나 이상의 프로세서(305)는 솔루션들의 초기 세트가 최적이라고 결정할 수 있다. 사전결정된 임계치는 0.5% 내지 10%일 수 있다. 예로서, 하나 이상의 FC의 참여 비율이 2%만큼 증가하는 경우, 하나 이상의 프로세서(305)는 솔루션들의 초기 세트가 최적이라고 결정할 수 있다. 그러나 하나 이상의 FC에서의 참여 비율이 사전결정된 임계치만큼 증가하지 않으면, 하나 이상의 프로세서(305)는 시뮬레이션이 최적이 아니라고 결정할 수 있으며, 따라서 방법 400은 블록 404로 계속될 수 있다.
블록 404에서, 하나 이상의 프로세서(305)는 솔루션들의 초기 세트로부터 하나 이상의 솔루션을 선택하여, 시뮬레이션 알고리즘(예를 들어, 유전 알고리즘)에 제공하여, 하나 이상의 추가 솔루션을 생성할 수 있다. 선택되어 시뮬레이션 알고리즘에 제공된 하나 이상의 솔루션은 생성된 하나 이상의 추가 솔루션에서 변함없이 유지될 수 있다.
하나 이상의 새로운 추가 솔루션이 생성되면, 방법 400은 블록 405로 계속될 수 있다. 블록 405에서, 하나 이상의 프로세서(305)는 하나 이상의 새로운 솔루션들의 적합성을 다시 평가할 수 있다. 블록 403과 유사하게, 하나 이상의 프로세서(305)는, FC들 중에서 SKU들의 배치를 위한 하나 이상의 새로운 솔루션이 최적인지 여부를 평가함으로써 하나 이상의 새로운 시뮬레이션의 적합성을 평가할 수 있다. 예를 들어, 하나 이상의 새로운 솔루션의 적합성을 평가하는 단계는, 예를 들어, 각 FC에서의 총 아웃풋을 계산하는 단계, 각 FC의 참여 비율을 계산하는 단계, 또는 각 솔루션에 대해 계산된 참여 비율에 기초하여 각 솔루션에 대한 점수를 결정하는 단계를 포함할 수 있다.
하나 이상의 새로운 솔루션의 적합성을 평가한 후에, 방법 400은 블록 406으로 진행할 수 있다. 블록 406에서, 하나 이상의 프로세서(305)는 종료 조건에 도달했는지 여부를 결정할 수 있다. 일부 실시예들에서, 하나 이상의 프로세서(305)가 하나 이상의 FC에서의 참여 비율이 사전결정된 임계치만큼 증가했다고 결정하면, 종료 조건이 도달될 수 있다. 예를 들어, 전술한 바와 같이, 하나 이상의 프로세서(305)가, 하나 이상의 FC에서의 참여 비율이 0.5% 내지 10% 증가했다고 결정하면, 하나 이상의 프로세서(305)는 시뮬레이션이 최적이고 종료 조건이 도달됐음을 결정할 수 있다. 다른 실시예들에서, 하나 이상의 FC의 참여 비율이 2%만큼 증가하면, 하나 이상의 프로세서(305)는 종료 조건이 도달되었음을 결정할 수 있다.
하나 이상의 프로세서(305)가 종료 조건이 도달됐다고 결정하면, 방법 400은 블록 407로 진행할 수 있다. 블록 407에서, 하나 이상의 프로세서(305)는 최적화를 종료할 수 있다. 예를 들어, 하나 이상의 프로세서(305)는 시뮬레이션 알고리즘의 실행을 중단할 수 있다. 그러나 하나 이상의 프로세서(305)가 종료 조건이 도달되지 않았다고 결정하면, 방법 400은 블록 404로 되돌아가, 하나 이상의 프로세서(305)가 생성된 하나 이상의 새로운 솔루션을 수신된 솔루션들의 초기 세트에 추가하여 솔루션들의 새로운 세트를 생성할 수 있다. 그런 다음, 하나 이상의 프로세서(305)는 솔루션들의 새로운 세트로부터 하나 이상의 솔루션을 다시 선택하고, 솔루션들의 새로운 세트로부터 선택된 하나 이상의 솔루션을 시뮬레이션 알고리즘에 제공하여 하나 이상의 추가 솔루션을 생성할 수 있다. 하나 이상의 프로세서(305)는 종료 조건이 도달될 때까지 이러한 프로세스를 반복할 수 있다. 예를 들어, 하나 이상의 프로세서(305)는 하나 이상의 FC에서의 참여 비율의 증가가 2% 증가와 같은 사전결정된 임계치에 도달할 때까지 프로세스를 반복할 수 있다.
도 5는 제품의 아웃바운드 흐름를 시뮬레이션하고 최적화하기 위한 (도 4의) 방법 400을 보다 상세하게 도시한 흐름도이다. 이러한 예시적 방법은 예로서 제공된다. 도 5에 도시된 방법 500은 다양한 시스템들의 하나 이상의 조합에 의해 실행되거나 달리 수행될 수 있다. 후술되는 바와 같은 방법 500은, 예로서, 도 3에 도시된 바와 같은, 최적화 시스템(301)에 의해 실시될 수 있으며, 상기 시스템의 다양한 요소들은 도 5의 방법을 설명하는데 참조된다. 도 5에 도시된 각각의 블록은 예시적 방법 500에서의 하나 이상의 프로세스, 방법, 또는 서브루틴을 나타낸다. 도 5를 참조하면, 예시적 방법 500은 블록 501에서 시작될 수 있다.
블록 501에서, 도 4의 블록 401과 유사하게, 하나 이상의 프로세서(305)는 FC들 중에서 SKU들의 초기 분배를 포함하는 솔루션들의 초기 세트를 수신할 수 있다. 일부 실시예들에서, 솔루션들의 초기 세트는 각 FC 내에 저장될 하나 이상의 SKU의 리스트를 포함할 수 있다. 하나 이상의 SKU는 각각의 대응하는 아이템에 특정될 수 있으며, 따라서 제조업자, 재료, 색상, 포장 유형, 중량, 또는 각각의 대응하는 아이템과 연관된 임의의 다른 특성을 나타낼 수 있다. 일부 양태들에서, 솔루션들의 세트 각각은 랜덤하게 생성될 수 있다. 예를 들어, 하나 이상의 프로세서(305)가 솔수션들의 세트를 생성할 때마다, 하나 이상의 SKU가 하나 이상의 FC 중에서 랜덤하게 분배될 수 있다. 하나 이상의 프로세서(305)가 솔루션들의 세트를 생성할 때마다, 각 시뮬레이션은 FC들 중에서 SKU들의 상이한 분배를 포함할 수 있다. 예를 들어, 솔루션들의 세트 각각은 FC들 간에서의 SKU들의 상이한 분배를 포함할 수 있다.
상술한 바와 같이, 솔루션들의 세트 각각은 또한 각 FC와 연관된 하나 이상의 제약사항을 고려할 수 있다. 예를 들어, 하나 이상의 프로세서(305)는 솔루션들의 세트 각각을 생성할 때 하나 이상의 제약사항(예를 들어, 각 FC의 최대 수용능력, 각 FC와 연관된 아이템 호환성, FC와 연관된 비용, 또는 각 FC와 연관된 임의의 다른 특성)을 적용할 수 있다. 이와 같이, 솔루션들의 세트(예를 들어, FC들 중에서 SKU들의 분배)는 각 FC와 관련된 다양한 제약사항을 또한 고려하면서 랜덤하게 생성될 수 있다.
솔루션들의 초기 세트가 수신되면, 방법 500은 블록 502으로 진행할 수 있다. 블록 502에서, 하나 이상의 프로세서(305)는 솔루션들의 초기 세트 내 각 솔루션의 시뮬레이션을 실행할 수 있다. 예를 들어, 하나 이상의 프로세서(305)는 솔루션들의 초기 세트 내의 FC들 중에서 SKU들의 초기 분배에 기초하여 제품의 아웃바운드 흐름을 시뮬레이션할 수 있다. 하나 이상의 프로세서(305)는 FC들 중의 SKU들의 초기 분배가 얼마나 잘 수행되는지를 결정하기 위해, 솔루션들의 초기 세트 내의 각 솔루션의 시뮬레이션을 실행할 수 있다. 일부 실시예들에서, 하나 이상의 프로세서(305)는 솔루션들의 초기 세트 내의 각 솔루션의 시뮬레이션을 실행함으로써 아웃풋 데이터를 얻을 수 있다. 아웃풋 데이터는 솔루션들의 세트 각각에 각 FC에서의 총 아웃풋을 포함할 수 있다. 예를 들어, 아웃풋 데이터는, 대응하는 FC들 내에 수용될 하나 이상의 SKU의 리스트에 기초하여 각 FC 내의 총 아웃풋의 수를 포함할 수 있다.
솔루션들의 초기 세트 내의 각 솔루션에 대한 시뮬레이션이 실행되면, 방법 500은 블록 503으로 진행할 수 있다. 블록 503에서, 하나 이상의 프로세서(305)는 솔루션들의 초기 세트 내 각 솔루션에 대한 참여 비율을 계산할 수 있다. 각 솔루션의 참여 비율을 계산하기 위해, 하나 이상의 프로세서(305)는, FC의 네트워크(예를 들어, 전국 네트워크, 지역 전체 네트워크, 또는 주 전역 네트워크)의 아이템/제품의 총 아웃풋뿐만 아니라, 각 FC로부터의 아이템/제품의 총 아웃풋을 결정할 수 있다. FC의 참여 비율은 FC의 (예를 들어, 주 전역, 지역 전체 또는 전국) 네트워크의 총 아웃풋의 백분율을 나타낼 수 있다.
각 솔루션에 대한 참여 비율이 계산되면, 방법 500은 블록 504로 진행할 수 있다. 블록 504에서, 계산된 참여 비율에 기초하여, 하나 이상의 프로세서(305)는 솔루션들의 초기 세트의 각 솔루션에 대한 점수를 결정할 수 있다. 점수는 각 솔루션과 각 FC에 대한 참여 비율의 증가를 나타낼 수 있다. 예를 들어, 하나 이상의 프로세서(305)는, (예를 들어, 초기 시뮬레이션에서의) 초기 참여 비율과 (예를 들어, 새 시뮬레이션에서의) 새로운 참여 비율 간의 차뿐만 아니라, (예를 들어, 초기 시뮬레이션에서의) 각 FC에서의 초기 아웃풋과 (예를 들어, 새로운 시뮬레이션에서의) 새로운 아웃풋 간의 차를 결정할 수 있다. 계산된 참여 비율들의 간의 차에 기초하여, 하나 이상의 프로세서(305)는 각 FC의 참여 비율의 증가 또는 감소가 있는지 여부를 결정할 수 있다. 참여 비율들의 차에 기초하여, 하나 이상의 프로세서(305)는 각 솔루션에 점수를 할당할 수 있다. 할당된 점수는 새로운 솔루션이 각 FC에 대한 참여 비율을 얼마나 증가시키거나 감소시킬 수 있었는지(예를 들어, 각 FC가 FC들의 네트워크의 총 아웃풋에 기여하는 정도)를 나타낼 수 있다. FC의 참여 비율은 FC의 (주 전역, 지역 전체, 또는 전국) 네트워크의 총 아웃풋의 백분율을 나타낼 수 있다.
점수가 결정되면, 방법 500은 블록 505로 진행할 수 있다. 블록 505에서, 하나 이상의 프로세서(305)는 가장 높은 결정 점수를 갖는 적어도 하나의 솔루션을 선택할 수 있다. 예를 들어, 하나 이상의 프로세서(305)는 가장 높은 결정 점수를 갖는 솔루션들의 초기 세트에서 적어도 하나의 솔루션을 선택할 수 있다. 일부 실시예들에서, 하나 이상의 프로세서(305)는 솔루션들의 초기 세트에서 1 내지 10개의 솔루션을 선택할 수 있다. 선택된 솔루션은 FC의 네트워크(예를 들어, 전국 네트워크, 지역 전체 네트워크, 또는 주 전역 네트워크)의 총 아웃풋에 대한 대응하는 FC의 기여를 가장 잘 개선한 솔루션을 포함할 수 있다. 일부 실시예들에서, 하나 이상의 프로세서(305)는 하나 이상의 추가 솔루션을 생성하기 위한 입력으로서 선택될 솔루션(들)을 결정하기 위해 알고리즘을 사용할 수 있다. 예를 들어, 알고리즘은 각 솔루션이 선택될 확률을 결정할 수 있다. 예를 들어, 알고리즘에 기초하여, 가장 높은 결정 점수를 갖는 솔루션(들)은 더 낮은 결정 점수를 갖는 솔루션들의 세트 내 다른 솔루션(들)보다 더 높은 선택될 확률을 가질 수 있다. 따라서, 가장 높은 결정 점수를 갖는 솔루션(들)은 하나 이상의 추가 솔루션을 생성하기 위한 입력으로서 선택될 확률이 더 높을 수 있다. 각 솔루션의 선택될 확률을 결정하기 위해 사용되는 알고리즘은 다음과 같을 수 있다:
Figure pat00001
여기서 Si는 솔루션 i의 점수이며, Pi는 솔루션 i가 선택될 확률이다.
방법 500은 하나 이상의 프로세서(305)가 블록 506으로 진행하여, 시뮬레이션 알고리즘(예를 들어, 유전 알고리즘) 내로 가장 높은 결정 점수를 갖는 선택된 솔루션을 제공할 수 있다. 블록 507에서, 하나 이상의 프로세서(305)는 하나 이상의 추가 솔루션을 생성할 수 있다. 예를 들어, 하나 이상의 프로세서(305)는 (블록 501에서) 수신된 솔루션들의 초기 세트에 (블록 506에서) 선택된 솔루션을 추가하여, 솔루션들의 새로운 세트를 생성할 수 있다. 일부 실시예들에서, 가장 높은 결정 점수를 갖는 선택된 솔루션(들)은 생성된 솔루션들의 새로운 세트 내에서 변함없이 유지될 수 있는 반면, 솔루션들의 새로운 세트 내의 하나 이상의 다른 솔루션은 FC에서의 하나 이상의 제약사항을 고려하면서 다시 랜덤하게 생성될 수 있다. 따라서, 하나 이상의 프로세서(305)는 가장 높은 결정 점수를 갖는 1 내지 10개의 솔루션을 선택하여, 선택된 솔루션들을 시뮬레이션 알고리즘 내에 제공하여 하나 이상의 추가 솔루션을 생성할 수 있다. 시뮬레이션 알고리즘에 다수의 솔루션을 제공함으로써, 프로세스는 매번 더 많은 수의 가능한 솔루션들(예를 들어, SKU들의 가능한 모든 조합)을 생성하는 시스템에 비하여, 프로세서 로드(load)를 줄이고 효율을 증가시킨다.
시뮬레이션 알고리즘으로 제공되는 솔루션은 생성된 추가 솔루션 내에서 변함없이 유지될 수 있다. 예를 들어, 시뮬레이션 알고리즘 내로 공급된 선택된 솔루션은 대응하는 FC들 중에서 SKU들의 특정 분배를 포함할 수 있다. 선택된 솔루션 내의 FC들 중에서 SKU들의 분배는 생성된 추가 솔루션에서 변경되지 않고 유지될 수 있다.
블록 507에서 하나 이상의 추가 솔루션이 생성되면, 방법 500은 블록 508로 진행할 수 있다. 블록 502과 유사하게, 블록 508에서, 하나 이상의 프로세서(305)는 (블록 507에서) 생성된 하나 이상의 추가 솔루션의 시뮬레이션을 실행할 수 있다. 예를 들어, 하나 이상의 프로세서(305)는, 하나 이상의 추가 솔루션에서 FC들 중에서 SKU들의 분배가 얼마나 잘 수행되는지를 결정하기 위해, 하나 이상의 추가 솔루션의 시뮬레이션을 실행할 수 있다. 일부 실시예들에서, 하나 이상의 프로세서(305)는 하나 이상의 추가 솔루션 각각의 시뮬레이션을 실행함으로써 아웃풋 데이터를 얻을 수 있다. 아웃풋 데이터는 하나 이상의 추가 솔루션 각각에서 각 FC에서의 총 아웃풋을 포함할 수 있다. 예를 들어, 아웃풋 데이터는 대응하는 FC 내에 수용될 하나 이상의 SKU의 리스트에 기초하여, 각 FC 내에서의 총 아웃풋의 수를 포함할 수 있다.
하나 이상의 추가 솔루션의 시뮬레이션이 실행되면, 방법 500은 블록들 509 및 510으로 진행한다. 블록 503과 유사하게, 블록 509에서, 하나 이상의 프로세서(305)는 하나 이상의 추가 솔루션들 각각에 대한 참여 비율을 계산할 수 있다. 블록 504과 유사하게, 블록 510에서, 하나 이상의 프로세서(305)는 참여 비율에 기초하여 하나 이상의 추가 솔루션들 각각에 대한 점수를 결정할 수 있다.
(예를 들어, 도 4의 블록 403에 관해 상술한 바와 같이) 하나 이상의 추가 솔루션의 적합성을 평가한 후에, 방법 500은 블록 511로 진행할 수 있다. 블록 511에서, 하나 이상의 프로세서(305)는 종료 조건이 도달됐는지 여부를 결정할 수 있다. 일부 실시예들에서, 하나 이상의 프로세서(305)가 하나 이상의 FC에서 참여 비율이 사전결정된 임계치만큼 증가되었다고 결정하면, 종료 조건이 도달될 수 있다. 예를 들어, 상술한 바와 같이, 하나 이상의 프로세서(305)가 하나 이상의 FC에서의 참여 비율이 0.5% 내지 10% 증가했다고 결정하면, 하나 이상의 프로세서(305)는 시뮬레이션이 최적이고 종료 조건에 도달되었음을 결정할 수 있다. 다른 실시예들에서, 하나 이상의 FC의 참여 비율이 2%만큼 증가하면, 하나 이상의 프로세서(305)는 종료 조건이 도달되었음을 결정할 수 있다.
하나 이상의 프로세서(305)가 종료 조건이 도달됐다고 결정하면, 방법 500은 블록 512로 진행할 수 있다. 블록 512에서, 하나 이상의 프로세서(305)는 가장 높은 점수를 갖는 최적-수행 솔루션을 선택하고 최적화 프로세스를 종료할 수 있다. 예를 들어, 하나 이상의 프로세서(305)는 가장 높은 결정 점수(예를 들어, 참여 비율의 가장 높은 증가)를 갖는 솔루션을 선택할 수 있다. 선택된 솔루션은 최적-수행 솔루션일 수 있다.
반면에, 블록 511에서, 하나 이상의 프로세서(305)가 종료 조건이 도달되지 않았다고 결정하면, 방법 500은 블록 511A으로 진행할 수 있다. 블록 511A에서, 하나 이상의 프로세서(305)는, (블록 501에서) 수신된 솔루션들의 초기 세트에 (블록 507에서) 생성된 하나 이상의 추가 솔루션을 추가하여 솔루션들의 새로운 세트를 생성할 수 있다. 그런 다음, 방법 500은 솔루션들의 새로운 세트과 함께 블록 505로 되돌아갈 수 있으며, 이 블록에서, 하나 이상의 프로세서(305)는 상기 솔루션들의 새로운 세트로부터 가장 높은 결정 점수를 갖는 적어도 하나의 솔루션을 선택할 수 있다.
적어도 하나의 솔루션이 선택되면, 방법 500은 다시 블록 506으로 돌아가, 하나 이상의 프로세서가 솔루션들의 새로운 세트로부터 선택된 솔루션을 시뮬레이션 알고리즘 내에 제공하여 블록 507에서 하나 이상의 추가 솔루션을 생성할 수 있다. 일부 실시예들에서, 솔루션들의 새로운 세트로부터의 선택된 솔루션(들)은 (블록 507에서) 생성된 추가 솔루션 중 하나 이상일 수 있으며, 및/또는 (블록 501에서) 수신된 솔루션들의 초기 세트 내 솔루션 중 하나 이상일 수 있다. 하나 이상의 프로세서(305)는 종료 조건이 도달될 때까지, 블록 505 내지 블록 511A에서의 프로세스를 반복할 수 있다. 예를 들어, 하나 이상의 프로세서(305)는 하나 이상의 FC에서의 참여 비율의 증가가, 2% 증가와 같은 사전결정된 임계치에 도달할 때까지 프로세스를 반복할 수 있다.
다른 실시예들에서, 하나 이상의 프로세서(305)는, 프로세스가 반복된 횟수가 사전결정된 임계치를 초과할 때까지 프로세스를 반복할 수 있다. 따라서, 하나 이상의 프로세서(305)는 프로세스가 사전결정된 횟수만큼 반복된 후에 시뮬레이션 프로세스를 종료할 수 있다. 예를 들어, 하나 이상의 프로세서(305)가 프로세스를 반복한 횟수, 예를 들어, 추가 시뮬레이션이 생성된 횟수가 사전결정된 임계치를 초과하면, 종료 조건이 도달되지 않았더라도, 하나 이상의 프로세서(305)가 방법 500을 종료할 수 있다. 일부 실시예들에서, 하나 이상의 프로세서(305)는 블록 511A로 진행하고, 블록 505 내지 블록 507로 돌아가서 방법 500을 종료하기 전에 하나 이상의 추가 솔루션을 약 10번, 9번, 7번, 5번, 또는 3번 생성할 수 있다.
하나 이상의 프로세서(305)가 블록 511에서 종료 조건이 도달됐다고 결정하고 하나 이상의 프로세서(305)가 블록 512에서 최적-수행 솔루션을 선택하면, 방법 500은 블록 513으로 진행할 수 있다. 블록 513에서, 하나 이상의 프로세서(305)는 최적-수행 솔루션에 기초하여 FC들 중에서 SKU들을 할당할 수 있다. 전술한 바와 같이, 하나 이상의 프로세서(305)는 최적-수행 솔루션에서 시뮬레이션된 분배에 따라 FC들 중에서 SKU들을 할당할 수 있다. 최적-수행 솔루션에 따라 FC들 중에서 SKU들을 할당함으로써, 하나 이상의 프로세서(305)는 제품의 아웃바운드 흐름을 최적화할 수 있다.
이제 도 6을 참조하면, 생성된 시뮬레이션의 결과를 포함하는 예시적인 요약 페이지의 도면이 도시된다. 전술한 바와 같이, 하나 이상의 프로세서(305)는, 각 FC에 대한 솔루션들의 세트를 포함하는 시뮬레이션을 생성할 수 있다. 하나 이상의 프로세서(305)는 생성된 시뮬레이션의 결과를 시스템(100) 내의 하나 이상의 시스템에 전송할 수 있다. 예를 들어, 하나 이상의 프로세서(305)는 생성된 시뮬레이션의 결과를 내부 프론트 엔드 시스템(105)에 전송하여 결과를 디스플레이할 수 있다. 예시적인 시뮬레이션의 예시적인 요약 페이지(600)가 도 6에 도시되어 있다. 도 6에 도시된 바와 같이, 하나 이상의 프로세서(305)는 초기 시뮬레이션(예를 들어, “이전 아웃풋(Before Output)”) 내 각 FC에서의 총 아웃풋뿐만 아니라 새로운 시뮬레이션(예를 들어, “이후 아웃풋(After Output)”) 내 각 FC에서의 총 아웃풋을 결정할 수 있다. 일부 실시예들에서, 하나 이상의 프로세서(305)는, 초기 시뮬레이션의 총 아웃풋과 새로운 시뮬레이션의 총 아웃풋 간의 차(예를 들어, "변동량(Variance)")를 더 결정할 수 있다. 차를 계산함으로써, 하나 이상의 프로세서(305)는 FC의 네트워크(예를 들어, 전국 네트워크 , 지역 전체 네트워크, 또는 주 전역 네트워크)의 전체 아웃풋에 대한 각 FC의 초기 기여뿐만 아니라, 새로운 시뮬레이션이 각 FC의 초기 총 아웃풋에 대해 개선되었는지를 결정할 수 있다. 일부 양태들에서, 하나 이상의 프로세서(305)는 변동량을 백분율로 계산할 수 있다.
전술한 바와 같이, 하나 이상의 프로세서(305)는 초기 시뮬레이션 및 새로운 시뮬레이션에서 각 FC의 참여 비율을 추가로 계산할 수 있다. 참여 비율은 FC의 네트워크(예를 들어, 전국 네트워크, 지역 전체 네트워크, 또는 주 전역 네트워크)의 총 아웃풋에 대한 각 FC의 기여를 나타낼 수 있다. FC의 참여 비율은 FC의 (주 전역, 지역 전체, 또는 전국) 네트워크의 총 아웃풋의 백분율을 나타낼 수 있다. 일부 실시예들에서, 하나 이상의 프로세서(305)는 초기 시뮬레이션에서의 각 FC의 참여 비율(예를 들어, "이전 참여 비율(Before Participation Ratio)")과 새로운 시뮬레이션에서의 각 FC의 참여 비율(예를 들어, "이후 참여 비율(After Participation Ratio)") 간의 차를 결정할 수 있다. 각 FC의 참여 비율 간의 차에 기초하여, 하나 이상의 프로세서(305)는 각 FC와 연관된 각 솔루션에 대한 점수를 결정할 수 있다. 예를 들어, 특정 FC의 참여 비율을 가장 많이 증가시킨 솔루션에 최대 점수가 부여될 수 있다. 마찬가지로, 특정 FC의 참여 비율을 가장 많이 감소시킨 솔루션에 최소 점수가 부여될 수 있다. 예를 들어, FC의 참여 비율을 약 2%만큼 증가시키는 솔루션에 최대 점수가 부여될 수 있다.
다른 실시예들에서, 하나 이상의 프로세서(305)는 적어도 변동량에 기초하여 각 솔루션에 대한 점수를 결정할 수 있다. 변동량은 각 FC의 참여 비율의 변화와 관련되기 때문에, 하나 이상의 프로세서(305)는 가장 높은 변동량을 낸 솔루션에 최대 점수를 부여하고, 가장 낮은 변동량을 낸 솔루션에 최소 점수를 부여할 수 있다. 상술한 바와 같이, 하나 이상의 프로세서(305)는 가장 높은 점수를 갖는 하나 이상의 솔루션을 선택하고, 선택된 솔루션을 시뮬레이션 알고리즘에 제공하여 추가 시뮬레이션을 생성할 수 있다. 일부 실시예들에서, 하나 이상의 프로세서(305)는 상위 2개의 최고 점수를 갖는 2개의 솔루션들 또는 상위 3개의 최고 점수를 갖는 3개의 솔루션들을 선택할 수 있다. 선택되고 시뮬레이션 알고리즘 내로 공급되는 솔루션을 "최적-수행 시뮬레이션"이라고 부를 수 있다.
본 개시가 특정 실시예를 참조하여 설명되었지만, 본 개시는 다른 환경에서 변형없이 실시될 수 있음을 이해할 것이다. 전술한 설명은 설명을 목적으로 제공되었다. 이는 포괄적인 것이 아니며 개시된 정확한 형태 또는 실시예로 한정되지 않는다. 변형예 및 적응예는 개시된 실시예들의 상세 설명 및 실시의 고려로부터 통상의 기술자에게 명백할 것이다. 추가적으로, 개시된 실시예들의 양상들이 메모리에 저장되는 것으로 설명되었지만, 통상의 기술자는 이러한 양상들이 또한 2차적 저장 디바이스(예를 들어, 하드 디스크 또는 CD ROM, 다른 형태의 RAM 또는 ROM, USB 매체, DVD, Blu-ray 또는 기타 광 드라이브 매체)와 같은 다른 유형의 컴퓨터 저장 매체에 저장될 수 있는 것이 명백할 것이다.
기재된 설명 및 개시된 방법들에 기초하는 컴퓨터 프로그램은 숙련된 개발자의 기술 내에 있다. 다양한 프로그램 또는 프로그램 모듈이 당업계에서 알려진 임의의 기술을 사용하여 만들어질 수 있으며, 기존 소프트웨어와 관련되어 설계될 수 있다. 예를 들어, 프로그렘 섹션 또는 프로그램 모듈은 .Net Framework, .Net Compact Framework(및 Visual Basic, C 등과 같은 관련 언어), Java, C ++, Objective-C, HTML, HTML / AJAX 조합, XML 또는 Java 애플릿이 포함된 HTML으로 또는 이것들에 의하여 설계될 수 있다.
이에 더하여, 예시적 실시들이 본 명세서에 설명되었지만, 등가 요소들, 변형물, 생략물, (예를 들어, 다양한 실시예들에 걸친 양상들의) 조합물, 적응물 및/또는 대체물을 갖는 임의 및 모든 실시예의 범위가 본 개시에 기초하여 통상의 기술자에게 이해될 것이다. 청구 범위에서의 제한은 청구 범위에서 사용된 언어에 기초하여 광범위하게 해석되어야 하며, 본 명세서 또는 본 출원의 기소 중에 설명된 예시들로 제한되지 않는다. 예시들은 비배타적으로 해석되어야 한다. 이에 더하여, 개시된 방법들의 단계들은 단계들의 재정렬 및/또는 단계를 삽입 또는 삭제하는 것을 포함하는 임의의 방식으로 변형될 수 있다. 따라서, 상세한 설명과 예시들은 시례로서만 고려되어야 하고, 이하의 청구 범위 및 등가물의 전체 범위에 의해 나타내지는 진정한 범위와 정신을 갖는 것으로 의도된다.

Claims (20)

  1. 제품들의 할당을 최적화하기 위한 컴퓨터 구현 시스템으로서,
    명령들을 저장하는 메모리; 및
    상기 명령들을 실행하여 동작들을 수행하도록 구성된 적어도 하나의 프로세서를 포함하며,
    상기 동작들은,
    솔루션들의 초기 세트를 수신하는 동작―상기 솔루션들의 초기 세트는 복수의 풀필먼트 센터들(FCs) 중에서의 복수의 스톡 키핑 유닛(SKUs)의 초기 분배를 포함함―;
    상기 솔루션들의 초기 세트의 각 솔루션의 시뮬레이션을 실행하는 동작;
    상기 솔루션들의 초기 세트의 각 솔루션에 대한 참여 비율을 계산하는 동작;
    상기 계산된 참여 비율에 기초하여 상기 솔루션들의 초기 세트의 각 솔루션에 대한 점수를 결정하는 동작;
    하나 이상의 추가 솔루션을 생성하기 위해 시뮬레이션 알고리즘에 제공할 가장 높은 결정 점수를 갖는 적어도 하나의 솔루션을 선택하는 동작; 및
    최적-수행 솔루션에 기초하여, 상기 복수의 FC 중에서 상기 복수의 SKU의 할당을 수정하는 동작―상기 최적-수행 솔루션은 생성된 모든 솔루션 중에서 가장 높은 결정 점수를 갖는 것임―인
    컴퓨터 구현 시스템.
  2. 청구항 1에 있어서,
    상기 복수의 SKU 각각은 제품의 제조업자, 재료, 크기, 색상, 포장, 유형, 또는 중량 중 적어도 하나를 나타내는
    컴퓨터 구현 시스템.
  3. 청구항 1에 있어서,
    상기 최적-수행 솔루션은 적어도 하나의 FC에 대한 참여 비율을 2% 만큼 증가시키는
    컴퓨터 구현 시스템.
  4. 청구항 1에 있어서,
    상기 시뮬레이션 알고리즘은 적어도 하나의 제약사항을 포함하며,
    상기 제약사항은 FC들 각각에서의 고객 수요, FC들의 최대 수용능력, FC들과의 호환성, 또는 FC들 간의 운송 비용 중 적어도 하나를 포함하는
    컴퓨터 구현 시스템.
  5. 청구항 1에 있어서,
    상기 하나 이상의 추가 솔루션을 생성하기 위해 시뮬레이션 알고리즘에 제공할 가장 높은 결정 점수를 갖는 적어도 하나의 솔루션을 선택하는 동작은, 상기 시뮬레이션 알고리즘을 통하여, 상기 하나 이상의 추가 솔루션을 생성하기 위해 선택된 상기 적어도 하나의 솔루션과 연관된 적어도 하나의 파라미터를 변경하는 동작을 포함하는
    컴퓨터 구현 시스템.
  6. 청구항 1에 있어서,
    상기 복수의 FC 중에서의 상기 복수의 SKU의 초기 분배는, 랜덤하게 생성되는
    컴퓨터 구현 시스템.
  7. 청구항 1에 있어서,
    상기 솔루션들의 각각에 대한 참여 비율은 FC들의 네트워크로부터의 제품들의 총 아웃풋(output)에 기여한 FC들의 백분율을 나타내는
    컴퓨터 구현 시스템.
  8. 청구항 1에 있어서,
    상기 적어도 하나의 프로세서는 상기 명령들을 실행하여,
    상기 복수의 FC 각각에서의 고객 수요를 시뮬레이션하고;
    상기 시뮬레이션된 고객 수요에 기초하여 상기 복수의 FC 중에서 상기 복수의 SKU를 할당하도록 더 구성되는
    컴퓨터 구현 시스템.
  9. 청구항 1에 있어서,
    상기 적어도 하나의 프로세서는 상기 명령들을 실행하여 상기 시뮬레이션 알고리즘의 적어도 일부를 캐싱(cache)하도록 더 구성되는
    컴퓨터 구현 시스템.
  10. 청구항 9에 있어서,
    상기 시뮬레이션 알고리즘의 캐싱된 부분은 상기 시뮬레이션 알고리즘의 각 실행에 대해 실질적으로 변함없이 유지되는 적어도 하나의 제약사항을 포함하는
    컴퓨터 구현 시스템.
  11. 제품들의 할당을 최적화하기 위한 컴퓨터 구현 방법으로서,
    솔루션들의 초기 세트를 수신하는 단계―상기 솔루션들의 초기 세트는 복수의 풀필먼트 센터들(FCs) 중에서의 상기 복수의 스톡 키핑 유닛(SKUs)의 초기 분배를 포함함―;
    상기 솔루션들의 초기 세트의 각 솔루션의 시뮬레이션을 실행하는 단계;
    상기 솔루션들의 초기 세트의 각 솔루션에 대한 참여 비율을 계산하는 단계;
    상기 계산된 참여 비율에 기초하여 상기 솔루션들의 초기 세트의 각 솔루션에 대한 점수를 결정하는 단계;
    하나 이상의 추가 솔루션을 생성하기 위해 시뮬레이션 알고리즘에 제공할 가장 높은 결정 점수를 갖는 적어도 하나의 솔루션을 선택하는 단계; 및
    최적-수행 솔루션에 기초하여, 상기 복수의 FC 중에서 상기 복수의 SKU의 할당을 수정하는 단계―상기 최적-수행 솔루션은 생성된 모든 솔루션 중에서 가장 높은 결정 점수를 갖는 것임―를 포함하는
    컴퓨터 구현 방법.
  12. 청구항 11에 있어서,
    상기 솔루션들 각각에 대한 참여 비율은 FC들의 네트워크로부터의 제품들의 총 아웃풋에 기여한 FC들의 백분율을 나타내는
    컴퓨터 구현 방법.
  13. 청구항 11에 있어서,
    상기 최적-수행 솔루션은 적어도 하나의 FC에 대한 참여 비율을 2%만큼 증가시키는
    컴퓨터 구현 방법.
  14. 청구항 11에 있어서,
    상기 시뮬레이션 알고리즘은 적어도 하나의 제약사항을 포함하며,
    상기 제약사항은 상기 FC들 각각에서의 고객 수요, FC들의 최대 수용능력, FC들과의 호환성, 또는 FC들 간의 운송 비용 중 적어도 하나를 포함하는
    컴퓨터 구현 방법.
  15. 청구항 11에 있어서,
    상기 하나 이상의 추가 솔루션을 생성하기 위해 상기 시뮬레이션 알고리즘에 제공할 가장 높은 결정 점수를 갖는 적어도 하나의 솔루션을 선택하는 단계는, 상기 시뮬레이션 알고리즘을 통하여, 상기 하나 이상의 추가 솔루션을 생성하기 위해 선택된 상기 적어도 하나의 솔루션과 연관된 적어도 하나의 파라미터를 변경하는 단계를 포함하는
    컴퓨터 구현 방법.
  16. 청구항 15에 있어서,
    상기 복수의 FC 중에서의 상기 복수의 SKU의 초기 분배는 랜덤하게 생성되는
    컴퓨터 구현 방법.
  17. 청구항 11에 있어서,
    상기 복수의 FC 각각에서의 고객 수요를 시뮬레이션하는 단계; 및
    상기 시뮬레이션된 고객 수요에 기초하여 상기 복수의 FC 중에서 상기 복수의 SKU를 할당하는 단계를 더 포함하는
    컴퓨터 구현 방법.
  18. 청구항 11에 있어서,
    상기 시뮬레이션 알고리즘의 적어도 일부를 캐싱하는 단계를 더 포함하는
    컴퓨터 구현 방법.
  19. 청구항 18에 있어서,
    상기 시뮬레이션 알고리즘의 캐싱된 부분은 상기 시뮬레이션 알고리즘의 각 실행에 대해 실질적으로 변함없이 유지되는 적어도 하나의 제약사항을 포함하는
    컴퓨터 구현 방법.
  20. 제품들의 할당을 최적화하기 위한 컴퓨터 구현 시스템으로서,
    명령들을 저장하는 메모리; 및
    상기 명령들을 실행하여 동작들을 수행하도록 구성된 적어도 하나의 프로세서를 포함하며,
    상기 동작들은,
    솔루션들의 초기 세트를 수신하는 동작―상기 솔루션들의 초기 세트는, 랜덤하게 생성되는, 복수의 풀필먼트 센터들(FCs) 중에서의 복수의 스톡 키핑 유닛(SKUs)의 초기 분배를 포함함―;
    상기 솔루션들의 초기 세트의 각 솔루션의 시뮬레이션을 실행하는 동작;
    상기 솔루션들의 초기 세트의 각 솔루션에 대한 참여 비율을 계산하는 동작;
    상기 계산된 참여 비율에 기초하여 상기 솔루션들의 초기 세트의 각 솔루션에 대한 점수를 결정하는 동작;
    하나 이상의 추가 솔루션을 생성하기 위해 시뮬레이션 알고리즘에 제공할 가장 높은 결정 점수를 갖는 적어도 하나의 솔루션을 선택하는 동작
    ―상기 시뮬레이션 알고리즘은 적어도 하나의 제약사항을 포함하고, 상기 제약사항은 FC들 각각에서의 고객 수요, FC들의 최대 수용능력, FC들과의 호환성, 또는 FC들 간의 운송 비용 중 적어도 하나를 포함하고;
    상기 시뮬레이션 알고리즘의 각 실행에 대해 실질적으로 변함없이 유지되는 적어도 하나의 제약사항은 캐싱되고; 그리고
    상기 하나 이상의 추가 솔루션을 생성하기 위해 시뮬레이션 알고리즘에 제공할 가장 높은 결정 점수를 갖는 적어도 하나의 솔루션을 선택하는 동작은, 상기 시뮬레이션 알고리즘을 통하여, 상기 하나 이상의 추가 솔루션을 생성하기 위해 선택된 상기 적어도 하나의 솔루션과 연관된 적어도 하나의 파라미터를 변경시키는 동작을 포함함―;
    상기 복수의 FC 각각에서의 고객 수요를 시뮬레이션하는 동작; 및
    적어도 상기 시뮬레이션된 고객 수요 및 최적-수행 솔루션에 기초하여, 상기 복수의 FC 중에서 상기 복수의 SKU의 할당을 수정하는 동작―상기 최적-수행 솔루션은 적어도 하나의 FC에 대한 참여 비율을 2%만큼 증가시키는 것임―을 포함하는
    컴퓨터 구현 시스템.
KR1020190057675A 2019-03-13 2019-05-17 아웃바운드 흐름을 시뮬레이션하기 위한 유전 알고리즘 기반 시스템 및 방법 Active KR102388228B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020220046227A KR102524394B1 (ko) 2019-03-13 2022-04-14 아웃바운드 흐름을 시뮬레이션하기 위한 유전 알고리즘 기반 시스템 및 방법

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US16/351,937 2019-03-13
US16/351,937 US20200293968A1 (en) 2019-03-13 2019-03-13 Genetic algorithm-based systems and methods for simulating outbound flow

Related Child Applications (1)

Application Number Title Priority Date Filing Date
KR1020220046227A Division KR102524394B1 (ko) 2019-03-13 2022-04-14 아웃바운드 흐름을 시뮬레이션하기 위한 유전 알고리즘 기반 시스템 및 방법

Publications (2)

Publication Number Publication Date
KR20200110107A true KR20200110107A (ko) 2020-09-23
KR102388228B1 KR102388228B1 (ko) 2022-04-20

Family

ID=72423811

Family Applications (2)

Application Number Title Priority Date Filing Date
KR1020190057675A Active KR102388228B1 (ko) 2019-03-13 2019-05-17 아웃바운드 흐름을 시뮬레이션하기 위한 유전 알고리즘 기반 시스템 및 방법
KR1020220046227A Active KR102524394B1 (ko) 2019-03-13 2022-04-14 아웃바운드 흐름을 시뮬레이션하기 위한 유전 알고리즘 기반 시스템 및 방법

Family Applications After (1)

Application Number Title Priority Date Filing Date
KR1020220046227A Active KR102524394B1 (ko) 2019-03-13 2022-04-14 아웃바운드 흐름을 시뮬레이션하기 위한 유전 알고리즘 기반 시스템 및 방법

Country Status (8)

Country Link
US (1) US20200293968A1 (ko)
JP (1) JP7018142B2 (ko)
KR (2) KR102388228B1 (ko)
AU (1) AU2020236748A1 (ko)
PH (1) PH12020551790A1 (ko)
SG (1) SG11202011426TA (ko)
TW (2) TWI778626B (ko)
WO (1) WO2020183398A1 (ko)

Families Citing this family (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11481858B2 (en) * 2020-09-21 2022-10-25 Walmart Apollo, Llc Peak period network capacity planning
KR102312163B1 (ko) * 2020-12-24 2021-10-14 쿠팡 주식회사 물품 관련 정보 제공 방법 및 이를 이용한 전자 장치
WO2022265942A1 (en) 2021-06-16 2022-12-22 Dexterity, Inc. Workflow for using learning based approach for placing boxes on pallets
EP4356328A4 (en) 2021-06-16 2025-05-14 Dexterity, Inc. State estimation using geometric data and vision system for palletizing
US12258227B2 (en) 2021-06-16 2025-03-25 Dexterity, Inc. Simulated box placement for algorithm evaluation and refinement
WO2022265941A1 (en) 2021-06-16 2022-12-22 Dexterity, Inc. Workflow for using tree search-based approach for placing boxes on pallet with limited knowledge of future sequence
US12486125B2 (en) 2021-06-16 2025-12-02 Dexterity, Inc. Collision avoidance based on vision data, geometric data and physics engine evaluation
US20220402134A1 (en) * 2021-06-16 2022-12-22 Dexterity, Inc. Using simulated/generated noise to evaluate and refine state estimation
US11507922B1 (en) * 2021-06-24 2022-11-22 Coupang Corp. Computer-implemented systems and methods for artificial intelligence (AI)-based inbound plan generation using fungibility logic

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2001266048A (ja) * 2000-03-22 2001-09-28 Hitachi Ltd 需給調整シミュレーション方法
KR20070067503A (ko) * 2005-12-23 2007-06-28 주식회사농심 재고 관리 효율화를 위한 공급망 관리 시스템
US20130066455A1 (en) * 2011-09-09 2013-03-14 Sap Ag Demand-driven collaborative scheduling for just-in-time manufacturing
US9213953B1 (en) * 2008-09-15 2015-12-15 Amazon Technologies, Inc. Multivariable load balancing in a fulfillment network

Family Cites Families (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7930050B2 (en) * 2004-12-23 2011-04-19 Oracle International Corporation Systems and methods for best-fit allocation in a warehouse environment
US7643974B2 (en) * 2005-04-22 2010-01-05 Air Liquide Large Industries U.S. Lp Pipeline optimizer system
US7797205B2 (en) * 2007-12-21 2010-09-14 Exxonmobil Research And Engineering Company System for optimizing bulk product allocation, transportation and blending
JP4351724B2 (ja) * 2008-01-18 2009-10-28 新日本製鐵株式会社 配合計画作成装置、配合計画作成方法、プログラム、及びコンピュータ読み取り可能な記録媒体
JP2009208933A (ja) * 2008-03-05 2009-09-17 National Univ Corp Shizuoka Univ 物流計画システム、物流計画方法及び物流計画プログラム
US8352382B1 (en) * 2008-08-15 2013-01-08 Amazon Technologies, Inc. Heuristic methods for customer order fulfillment planning
US8892240B1 (en) * 2011-06-29 2014-11-18 Amazon Technologies, Inc. Modular material handling system for order fulfillment
WO2015059750A1 (ja) * 2013-10-21 2015-04-30 株式会社日立製作所 物流計画装置、物流計画生成プログラム及び記憶媒体
CN106415559B (zh) * 2014-05-30 2019-07-26 苹果公司 健康数据聚合器
TW201601075A (zh) * 2014-06-30 2016-01-01 陳靜毅 使用資訊系統評估人力成本的方法及其電腦可讀取記錄媒體及電腦程式產品
US10074070B2 (en) * 2014-09-30 2018-09-11 Walmart Apollo, Llc Methods and systems for prioritizing stock-keeping units in cost-based inventory allocation
GB201419498D0 (en) * 2014-10-31 2014-12-17 Ocado Innovation Ltd System and method for fulfilling E-commerce orders from a hierarchy of fulfilment centres
CN104992251B (zh) * 2015-07-17 2018-07-31 国家电网公司 一种协议库存匹配优化分配方法
US10528903B2 (en) * 2016-01-07 2020-01-07 Oracle International Corporation Computerized promotion and markdown price scheduling

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2001266048A (ja) * 2000-03-22 2001-09-28 Hitachi Ltd 需給調整シミュレーション方法
KR20070067503A (ko) * 2005-12-23 2007-06-28 주식회사농심 재고 관리 효율화를 위한 공급망 관리 시스템
US9213953B1 (en) * 2008-09-15 2015-12-15 Amazon Technologies, Inc. Multivariable load balancing in a fulfillment network
US20130066455A1 (en) * 2011-09-09 2013-03-14 Sap Ag Demand-driven collaborative scheduling for just-in-time manufacturing

Also Published As

Publication number Publication date
JP2021513134A (ja) 2021-05-20
PH12020551790A1 (en) 2021-06-21
TW202133069A (zh) 2021-09-01
US20200293968A1 (en) 2020-09-17
KR20220050122A (ko) 2022-04-22
KR102388228B1 (ko) 2022-04-20
SG11202011426TA (en) 2020-12-30
AU2020236748A1 (en) 2020-11-19
TWI778626B (zh) 2022-09-21
KR102524394B1 (ko) 2023-04-24
JP7018142B2 (ja) 2022-02-09
TW202040502A (zh) 2020-11-01
TWI731618B (zh) 2021-06-21
WO2020183398A1 (en) 2020-09-17

Similar Documents

Publication Publication Date Title
KR102677402B1 (ko) 풀필먼트 센터 우선순위 값에 기초한 아웃바운드 예측을 위한 시스템 및 방법
KR20220139268A (ko) 기계-학습 보조 재고 배치를 위한 시스템 및 방법
KR102524394B1 (ko) 아웃바운드 흐름을 시뮬레이션하기 위한 유전 알고리즘 기반 시스템 및 방법
KR102479802B1 (ko) 우편 번호 매핑에 기초하여 아웃바운드를 예측하기 위한 시스템 및 방법
TWI759825B (zh) 用於出站預測之電腦實施系統以及電腦實施方法
KR102445639B1 (ko) 인바운드 스토우 모델을 이용한 아웃바운드 예측을 위한 시스템 및 방법

Legal Events

Date Code Title Description
PA0109 Patent application

Patent event code: PA01091R01D

Comment text: Patent Application

Patent event date: 20190517

A201 Request for examination
PA0201 Request for examination

Patent event code: PA02012R01D

Patent event date: 20190916

Comment text: Request for Examination of Application

Patent event code: PA02011R01I

Patent event date: 20190517

Comment text: Patent Application

PG1501 Laying open of application
E902 Notification of reason for refusal
PE0902 Notice of grounds for rejection

Comment text: Notification of reason for refusal

Patent event date: 20210225

Patent event code: PE09021S01D

AMND Amendment
E601 Decision to refuse application
PE0601 Decision on rejection of patent

Patent event date: 20210819

Comment text: Decision to Refuse Application

Patent event code: PE06012S01D

Patent event date: 20210225

Comment text: Notification of reason for refusal

Patent event code: PE06011S01I

X091 Application refused [patent]
AMND Amendment
PX0901 Re-examination

Patent event code: PX09011S01I

Patent event date: 20210819

Comment text: Decision to Refuse Application

Patent event code: PX09012R01I

Patent event date: 20210524

Comment text: Amendment to Specification, etc.

E90F Notification of reason for final refusal
PE0902 Notice of grounds for rejection

Comment text: Final Notice of Reason for Refusal

Patent event date: 20211122

Patent event code: PE09021S02D

AMND Amendment
PX0701 Decision of registration after re-examination

Patent event date: 20220114

Comment text: Decision to Grant Registration

Patent event code: PX07013S01D

Patent event date: 20211201

Comment text: Amendment to Specification, etc.

Patent event code: PX07012R01I

Patent event date: 20211019

Comment text: Amendment to Specification, etc.

Patent event code: PX07012R01I

Patent event date: 20210819

Comment text: Decision to Refuse Application

Patent event code: PX07011S01I

Patent event date: 20210524

Comment text: Amendment to Specification, etc.

Patent event code: PX07012R01I

X701 Decision to grant (after re-examination)
A107 Divisional application of patent
GRNT Written decision to grant
PA0107 Divisional application

Comment text: Divisional Application of Patent

Patent event date: 20220414

Patent event code: PA01071R01D

PR0701 Registration of establishment

Comment text: Registration of Establishment

Patent event date: 20220414

Patent event code: PR07011E01D

PR1002 Payment of registration fee

Payment date: 20220415

End annual number: 3

Start annual number: 1

PG1601 Publication of registration