회사 자료를 불러오는 중…
회사 자료를 불러오는 중…
검증 단계 — 어디까지 확인했나
L0 · 국민연금 인력 · 공시 재무 · 특허 — 공공자료
서울특별시에 있는 2017년 설립 회사입니다. 포장 및 충전업을 합니다. 2025년 매출은 877억입니다. 2026년 8월 기준 국민연금 가입자는 207명입니다. 외부감사를 받는 회사이고, 가장 최근 감사의견은 「적정」입니다.
읽어오는 중입니다…
최근 출원 2025-05-27 · 최근 등록 2025-01-23 · 최신 출원순
본 개시의 일 실시예에 따른 복수의 풀필먼트(fulfillment) 센터들을 관리하기 위한 서버 장치는, 통신부, 메모리, 상기 통신부 및 상기 메모리와 전기적으로 연결되는 적어도 하나의 프로세서를 포함하고, 상기 적어도 하나의 프로세서는, 상기 통신부를 통하여 제1 외부 전자 장치(OMS)로부터 제1 물품에 대한 입고 예정 수량에 관한 정보를 수신하고, 상기 통신부를 통하여 제2 외부 전자 장치(WMS)로부터 상기 제1 물품의 출고 정보를 수신하고, 상기 제1 물품의 출고 정보 및 상기 제1 물품에 대응되는 제2 물품의 출고 정보에 기반하여, 상기 제1 물품에 대한 복수의 풀필먼트 센터들의 할당 수량을 결정하도록 구성되고, 상기 제1 물품과 상기 제2 물품은, 적어도 하나의 태그(tag)를 공유할 수 있다.
본 개시의 일 실시예에 따른 복수의 풀필먼트(fulfillment) 센터들을 관리하기 위한 서버 장치는, 통신부, 메모리, 상기 통신부 및 상기 메모리와 전기적으로 연결되는 적어도 하나의 프로세서를 포함하고, 상기 적어도 하나의 프로세서는, 상기 통신부를 통하여 제1 외부 전자 장치(OMS)로부터 제1 물품에 대한 입고 예정 수량에 관한 정보를 수신하고, 상기 통신부를 통하여 제2 외부 전자 장치(WMS)로부터 상기 제1 물품의 출고 정보를 수신하고, 상기 제1 물품의 출고 정보 및 상기 제1 물품에 대응되는 제2 물품의 출고 정보에 기반하여, 상기 제1 물품에 대한 복수의 풀필먼트 센터들의 할당 수량을 결정하도록 구성되고, 상기 제1 물품과 상기 제2 물품은, 적어도 하나의 태그(tag)를 공유할 수 있다.
본 개시는 물류 센터의 입고(Inbound) 및 출고(Outbound) 과정에서 온톨로지 기반 인공지능(AI)을 이용하여 보관 위치와 작업 동선을 최적화하는 스마트 물류 시스템의 동작 방법에 있어서, 관제 서버가 입고 예정 정보를 수신하고, 물품의 종류, 무게, 크기 및 형태 특성을 포함하는 물품 속성 정보를 획득하는 단계; 인바운드 AI 모델이 상기 물품 속성 정보, 보관 구역 정보 및 작업자 상태 정보를 고려하여 최적화된 입고 위치를 결정하고 상기 입고 위치까지 경로를 생성하는 단계; 관제 서버가 상기 최적 보관 위치를 작업자 단말기에 전송하는 단계; 입고 작업 완료 후, 상기 작업자 단말기가 상기 관제 서버로 상기 물품 속성 정보 및 입고 위치를 전송하는 단계; 입고된 물품에 대응하는 주문이 발생하면, 아웃바운드 AI 모델이 상기 물품 속성 정보, 상기 입고 위치 및 작업자 상태 정보를 분석하여 최적화된 피킹 경로를 생성하는 단계; 상기 관제 서버가 상기 작업자 단말기에 상기 피킹 경로를 기초로 출고 작업 지시를 전송하는 단계; 및 출고 작업 완료 후, 상기 관제 서버가 재고 상태를 갱신하는 단계;를 포함하는, 스마트 물류 시스템의 동작 방법을 개시한다.
본 개시는 풀필먼트 센터에서 작업자 단말기를 이용한 작업 안내 방법에 있어서, 관제 서버가 네트워크에 연결된 복수의 작업자 단말기로 출고 요청 메시지를 브로드캐스트하는 단계, 제1 작업자 장치로부터 출고 응답을 수신하면, 상기 제1 작업자 단말기로 제1 피킹 정보를 송신하는 단계; 및 상기 제1 피킹 정보와 관련된 물품 속성 정보를 제1 작업자 단말기의 이력 데이터베이스에 저장하는 단계를 포함하는, 작업 안내 방법을 포함할 수 있다.
작업 인원 결정 장치가 개시된다. 본 개시에 따른 작업 인원 결정 장치는, 메모리, 및 상기 메모리에 저장된 명령어를 실행하는 적어도 하나의 프로세서를 포함하고, 상기 프로세서는 상기 통신부를 통하여 제1 외부 전자 장치로부터 주기 정보를 포함하는 제1 출고 데이터를 수신하고, 화주사의 특성 데이터 및 상기 제1 출고 데이터를 입력 값으로 사용하고, 제1 기계 학습 모델에 기반하여 제2 출고 데이터를 획득하고, 상기 제2 출고 데이터를 입력 값으로 사용하고, 제2 기계 학습 모델에 기반하여 제1 예상 공수를 획득하고, 상기 제1 예상 공수 및 적어도 하나의 이벤트에 관한 데이터를 입력 값으로 사용하고, 제3 기계 학습 모델을 사용하여 상기 제1 예상 공수보다 큰 제2 예상 공수를 획득하고, 상기 제2 예상 공수에 대응되는 작업 인원을 결정하고, 제3 출고 데이터를 추출하고, 상기 제3 출고 데이터에 기초하여 상기 제1 출고 데이터를 업데이트하여 상기 메모리에 저장하도록 구성되고, 상기 화주사의 특성 데이터는, 상기 화주사의 포장 방식, 배송 방식, 요구사항 및 출고 상품의 물성 중 적어도 하나를 포함할 수 있다.
전자 장치의 동작 방법이 개시된다. 본 개시의 일 실시예에 따른 전자 장치의 동작 방법은, 제1 판매 채널로부터 제1 상품에 대한 상품 판매 데이터를 획득하는 동작, 상기 상품 판매 데이터를 입력 값으로 사용하여, 상품의 수요량을 예측하도록 학습되는 기계 학습 모델에 기반하여, 상기 제1 판매 채널에 대한 제1 상품의 예측 수요량을 획득하는 동작, 상기 제1 판매 채널로부터 식별되는 실시간 데이터에 기반하여, 상기 제1 상품에 대한 예측 수요량을 업데이트하는 동작, 및 상기 제1 상품에 대한 예측 수요량에 기반하여 상기 제1 판매 채널에 대한 상기 제1 상품의 할당량을 결정하는 동작을 포함할 수 있다.
본 명세서는 작업 인원 결정 장치 및 방법에 관한 것으로 보다 상세하게는 AI에 기반하여 공수를 예측함으로써 물류 센터에서 현장에 투입될 작업 인원을 결정하는 작업 인원 결정 장치 및 방법에 관한 것이다. 본 개시의 일 실시예에 따른 작업 인원 결정 장치는 메모리 및 메모리에 저장된 명령어를 실행하는 적어도 하나의 프로세서를 포함하고, 프로세서는 출고량 예측 모듈이 상품 출고와 관련된 복수의 누적 출고 데이터를 입력으로 하여 출고 예측 데이터를 산출하고, 공수 예측 모듈이 상기 출고 예측 데이터로부터 화주사의 특성을 반영한 제1 예상 공수를 산출하고, 실시간 데이터를 이용하여 상기 제1 예상 공수를 보정한 제2 예상 공수를 산출하고, 인원 결정 모듈이 상기 제2 예상 공수에 대응되는 작업 인원을 결정하고, 공수 실측 모듈이 실제 공수를 포함하는 출고 실측 데이터를 추출하고, 데이터 갱신 모듈이 상기 출고 실측 데이터에 기초하여 상기 복수의 누적 출고 데이터를 업데이트한다.
다양한 실시예들에 따라서, 전자 장치는 적어도 하나의 프로세스를 포함하고, 상기 적어도 하나의 프로세서는, 물품에 대한 주문 정보를 확인하고, 상기 주문 정보에 대한 부가 정보를 확인하고, 및 상기 주문 정보 및 상기 부가 정보를 CNN 기반의 인공 신경망 모델에 입력하여, 웨이브 업무의 종류를 결정하도록 설정되고, 상기 인공 신경망 모델은, 특정 주문 정보, 특정 부가 정보를 입력 받아 상기 특정 주문 정보 및 상기 특정 부가 정보에 대응하는 복수의 웨이브 업무 처리 시간들 중에서 가장 짧은 웨이브 업무 처리 시간을 갖는 웨이브 업무의 종류를 출력하도록 구현되고, 상기 인공 신경망 모델은 복수의 주문 정보, 복수의 부가 정보, 복수의 웨이브 업무의 종류, 복수의 웨이브 업무 처리 시간에 기반하여 학습될 수 있다. 그 밖의 다양한 실시예가 가능하다.
특허청 KIPRIS · 2026-10-15 조회 · 최신 출원순 · 오른쪽은 등록일(등록 전은 출원일) · 전체 8건 중 8건 · 줄을 누르면 자세한 내용이 펼쳐집니다 ▾
지금은 공공자료(국민연금 · 전자공시 · 특허 · 명부 · 보도)만 있습니다. 회사가 IR Room에 자료를 내면 L1로 올라갑니다. 저희는 회사에 점수나 등급을 매기지 않습니다 — 어디까지 확인했는지만 적습니다.
| 단위 억원 | 2024 | 2025 |
|---|---|---|
| 영업수익(매출액) | 640.1 | 877.2 |
| 매출원가 | 610.8 | 807.9 |
| 매출총이익(손실) | 29.2 | 69.4 |
| 판매비와관리비 | 47.6 | 48.1 |
| 영업이익(손실) | (18.4) | 21.3 |
| 영업외수익 | 4.6 | 6.8 |
| 기타이익 | 0.7 | 2.3 |
| 금융수익 | 3.8 | 2.7 |
| 기타 | 0.1 | 1.8 |
| 영업외비용 | 12.3 | 15.6 |
| 기타손실 | 0.7 | 0.8 |
| 금융원가 | 4.4 | 3.9 |
| 기타 | 7.2 | 10.9 |
| 법인세비용차감전순이익(손실) | (26.0) | 12.5 |
| 당기순이익(손실) | (26.0) | 12.5 |
매출은 877.2억으로 전년 대비 37.1% 증가한 것으로 나타났다.
영업이익률은 2.4%로 전년 -2.9%에서 상승했다.
당기순이익은 12.5억으로 나타났다.
여기 실린 것보다 깊은 자료가 필요하십니까. 추가 정보 요청 — 종합 검토보고서 · 가치평가 · Executive Teaser · IM · 경쟁사 분석 · 실사 의뢰. 고르시면 산출비용과 걸리는 기간을 메일로 안내드립니다.
공개 기사의 제목 · 링크만 싣습니다 · 저희가 확인한 내용이 아닙니다(원문 ↗) · 「증권사 전망」은 확정 실적 아님 · 2026-11-05 확인