KR102263813B1 - 동적 오퍼레이터 거동 분석기 - Google Patents
동적 오퍼레이터 거동 분석기 Download PDFInfo
- Publication number
- KR102263813B1 KR102263813B1 KR1020167008799A KR20167008799A KR102263813B1 KR 102263813 B1 KR102263813 B1 KR 102263813B1 KR 1020167008799 A KR1020167008799 A KR 1020167008799A KR 20167008799 A KR20167008799 A KR 20167008799A KR 102263813 B1 KR102263813 B1 KR 102263813B1
- Authority
- KR
- South Korea
- Prior art keywords
- event
- operator
- vehicle
- behavior
- vehicle operator
- Prior art date
Links
Images
Classifications
-
- G—PHYSICS
- G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
- G09B—EDUCATIONAL OR DEMONSTRATION APPLIANCES; APPLIANCES FOR TEACHING, OR COMMUNICATING WITH, THE BLIND, DEAF OR MUTE; MODELS; PLANETARIA; GLOBES; MAPS; DIAGRAMS
- G09B19/00—Teaching not covered by other main groups of this subclass
- G09B19/16—Control of vehicles or other craft
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0633—Workflow analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06398—Performance of employee with respect to a job function
-
- G—PHYSICS
- G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
- G09B—EDUCATIONAL OR DEMONSTRATION APPLIANCES; APPLIANCES FOR TEACHING, OR COMMUNICATING WITH, THE BLIND, DEAF OR MUTE; MODELS; PLANETARIA; GLOBES; MAPS; DIAGRAMS
- G09B5/00—Electrically-operated educational appliances
-
- G—PHYSICS
- G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
- G09B—EDUCATIONAL OR DEMONSTRATION APPLIANCES; APPLIANCES FOR TEACHING, OR COMMUNICATING WITH, THE BLIND, DEAF OR MUTE; MODELS; PLANETARIA; GLOBES; MAPS; DIAGRAMS
- G09B5/00—Electrically-operated educational appliances
- G09B5/02—Electrically-operated educational appliances with visual presentation of the material to be studied, e.g. using film strip
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Educational Administration (AREA)
- Entrepreneurship & Innovation (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Development Economics (AREA)
- Educational Technology (AREA)
- Game Theory and Decision Science (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Traffic Control Systems (AREA)
- Forklifts And Lifting Vehicles (AREA)
- Steroid Compounds (AREA)
Abstract
차량 오퍼레이터 거동의 동적 모니터링 및 수정은 산업용 차량의 동작과 연관된 사건(event)을 특징짓는 메트릭(metric)을 식별하는 것을 포함하고, 상기 메트릭은 사건에 대해 평가하기 위해 적어도 하나의 거동 수정 동작 및 적어도 하나의 성능 파라미터를 갖는다. 산업용 차량의 모니터링 동작은 사건에 대해 실행된다. 사건의 발생의 검출 시에, 사건에 대한 차량 오퍼레이터의 응답을 특징짓는 사건 데이터가 기록된다. 기록된 사건 데이터는, 차량 오퍼레이터가 사건에 대한 적절한 거동을 설명했는지의 여부를 결정하기 위해 대응하는 메트릭과 연관된 적어도 하나의 성능 파라미터에 대해 평가된다. 차량 오퍼레이터 점수는 평가에 기초하여 업데이트되고 업데이트된 차량 오퍼레이터 점수가 전달된다.
Description
본 발명은 노동력 거동(workforce behavior)을 평가하기 위해 이용되고, 실행가능한(actionable) 노동력 정보를 시기 적절하게 제공하기 위해 이용된 노동력 데이터로 변환될 수 있는 차량 운영 데이터를 수집하기 위한 전자 시스템들에 관한 것이다.
무선 전략들은 비즈니스 운영들의 효율성 및 정확도를 개선하기 위해, 판매점들, 소매점들, 제조자들, 등을 포함하는 비즈니스 운영들에 의해 배치되고 있다. 무선 전략들은 또한, 끊임없이 증가하는 노동 및 물류 비용들의 서서히 미치는 효과들을 회피하기 위해 이러한 비즈니스 운영들에 의해 배치될 수 있다.
전형적인 무선 구현에서, 노동자들은 모바일 무선 트랜시버들을 통해 대응하는 컴퓨터 엔터프라이즈 상에서 실행하는 관리 시스템에 연결된다. 예를 들면, 시설에 관한 아이템들을 이동시키기 위해, 노동자들은 종종, 예를 들면, 지게차들, 수동 및 모터 구동 팰릿(pallet) 트럭들, 등을 포함하는 산업용 차량들을 활용한다. 무선 트랜시버들은 예를 들면, 어디서 및/또는 어떻게 시설 내에 아이템들을 선택하거나, 포장하거나, 치우거나, 이동시키거나, 스테이징(staging)하거나, 프로세싱(processing)하거나 그렇지 않으면, 조작하도록 노동자들에게 지시함으로써 그들의 업무들에서 노동자들을 총괄하기 위한 관리 시스템에 대한 인터페이스들로서 이용된다. 무선 트랜시버는 또한, 시설 내에서 지정된 아이템들의 이동을 추적하기 위해 태그들, 라벨들 또는 다른 식별자들을 스캐닝(scanning)하거나, 감지하거나 그렇지 않으면, 판독하기 위해 적합한 입력 디바이스와 결부하여 이용될 수 있다.
본 발명의 목적은 노동력 거동을 평가하기 위해 이용되고, 실행가능한 노동력 정보를 시기 적절하게 제공하기 위해 이용된 노동력 데이터로 변환될 수 있는 차량 운영 데이터를 수집하기 위한 전자 시스템들을 제공하는 것이다.
본 발명의 양태들에 따라, 차량 오퍼레이터 거동의 수정을 위한 동적 산업용 차량 모니터링을 위한 방법이 제공된다. 방법은 산업용 차량의 동작과 연관된 사건(event)을 특징짓는 메트릭(metric)을 식별하는 단계를 포함한다. 예로서, 메트릭은 산업용 차량 그 자체에 기인하는 동작(예로서, 충돌들, 부하 용량, 가속, 제동, 등)을 포함할 수 있다. 일 예시적인 메트릭은 또한, 차량 오퍼레이터에 기인하는 동작(예로서, 체크리스트 준수, 적절한 차량 하차, 시간 관리, 동작의 효율성, 성능, 등)을 포함할 수 있다. 게다가, 일 예시적인 메트릭은 환경에 기인하거나, 그렇지 않으면 관련된 동작(예로서, 가속 존, 정지, 램프(ramp), 제한 영역, 등)을 포함할 수 있다. 메트릭은 연관된 사건에 대해 평가하기 위해 적어도 하나의 성능 파라미터를 갖는다. 성능 파라미터는 메트릭과 연관된 사건의 발생에 응답하여 원하거나, 의도되거나, 적절하거나 그렇지 않으면 요구된 차량 오퍼레이터 거동(예로서, 차량 오퍼레이터가 행해야 하고/하거나 행해야 하지 않아야 하는 것)을 규정한다.
게다가, 방법은 사건에 대한 산업용 차량의 동작을 모니터링하는 단계 및 사건의 발생을 검출하는 단계를 포함한다. 사건의 검출에 응답하여, 방법은 (예로서, 오퍼레이터 동작(들) 또는 오퍼레이터 무대책(inaction)(들)과 같은 차량 오퍼레이터 거동을 캡쳐(capture)함으로써, 산업용 차량 상태를 캡쳐함으로써, 환경 상태를 캡쳐함으로써, 등) 사건에 대한 오퍼레이터의 응답을 특징짓는 사건 데이터를 기록하는 단계를 포함한다.
예로서, "오퍼레이터가 통로의 끝에서 경적을 울려야 한다"와 같은 사건이 메트릭과 연관됨을 가정하자. 그 메트릭에 대한 성능 파라미터는 "오퍼레이터가 경적을 울렸다"와 같은, 원하는 오퍼레이터 동작을 표현하는 데이터일 수 있다. 차량 오퍼레이터가 산업용 차량을 동작시키면서 통로의 끝에 도달하고, 따라서 사건의 발생을 트리거링(triggering)한다고 가정하자. 그에 응답하여, 방법은, 차량 오퍼레이터가 적절한 시간에 산업용 차량 경적을 울렸는지 아니면 울리지 않았는지의 여부를 나타내는 사건 데이터를 캡쳐한다.
방법은 또한, 차량 오퍼레이터가 사건에 대한 적절한 거동을 설명했는지의 여부를 결정하기 위해 적어도 하나의 성능 파라미터에 대해 기록된 사건 데이터를 평가하는 단계를 포함한다. 상기 예로 계속하면, 방법은, 차량 오퍼레이터가 연관된 사건에 대한 의도된 거동을 준수했는지의 여부를 결정하기 위해 차량 네트워크 버스(예로서, CAN 버스)에서 추출된 경적 활성화 데이터와 같은 사건 데이터를 성능 파라미터(예로서, 경적이 울려야 함을 나타내는 데이터)와 비교할 수 있다.
방법은 평가에 기초하여 차량 오퍼레이터 점수(score)를 업데이트하는 단계 및 업데이트된 차량 오퍼레이터 점수를 전달하는 단계를 더 포함한다.
본 명세서에서의 또 다른 양태들에 따라, 방법은 메트릭과 연관된 적어도 하나의 거동 수정 동작을 식별하는 단계를 더 포함할 수 있다. 거동 수정 동작은 사건에 응답하여 원하는 결과에 도달하기 위해(예로서, 대응하는 성능 파라미터(들)를 만족시키거나 그렇지 않으면 준수하기 위해) 필요한 거동에 관해 차량 오퍼레이터에 교육하는 동작이다. 상기 예로 계속하면, 거동 수정 동작은 통로의 끝에서 경적을 울리기 위해 (예로서, 차량 오퍼레이터에 대한 메시지를 통해) 팁을 제공하기 위한 동작일 수 있다.
이와 관련하여, 일 예시적인 구현에서, 사건에 대한 모니터링은, 사건이 실제로 발생하기 전에 사건이 발생할 것임을 예측하는 단계 및 사건이 실제로 발생하기 전에 거동 수정 동작을 수행하는 단계를 포함한다. 방법은, 오퍼레이터가 사건에 응답하도록 주입되었는지의 여부를 결정하고, 오퍼레이터가 사건에 응답하도록 주입되지 않았다는 결정에 기초하여 사건이 실제로 발생하기 전에 거동 수정 동작을 수행하는 단계를 더 포함할 수 있다. 이와 같이, 방법은 메트릭과 연관된 사건에 응답하여 적절한 거동을 설명한 차량 오퍼레이터를 위해 거동 수정 동작을 구현하지 않는다. 대응하여, 방법은 지시, 지도 또는 감독을 요구하는 차량 오퍼레이터(예로서, 메트릭과 연관된 사건에 응답하여 적절한 거동을 보여주지 않은 오퍼레이터)를 위해 거동 수정 동작을 구현한다.
본 명세서에서의 또 다른 양태들에 따라, 방법은 상기 언급된 바와 같이 메트릭과 연관된 적어도 하나의 거동 수정 동작을 식별하는 단계를 더 포함할 수 있다. 이와 관련하여, 방법은, 차량 오퍼레이터가 사건에 대한 적절한 거동을 보여주지 않았다는 결정 시에 거동 수정 동작을 수행하는 단계를 더 포함한다. 따라서, 거동 수정은 반응형 방식으로 제공된다. 차량 경적을 울리는 상기 예로 계속하면, 차량 오퍼레이터가 통로의 끝에 도달했고 경적을 울리지 않았으면(예로서, 메트릭과 연관된 적어도 하나의 성능 파라미터에 대한 사건 데이터의 비교에 기초하여), 방법은 거동 수정 동작을 실행한다(예로서, 메시지를 통해 차량 오퍼레이터에 "통로의 끝에서 경적을 울리기 위한" 팁을 제공한다).
게다가, 방법은, 오퍼레이터가 이벤트에 응답하도록 주입되었는지의 여부를 결정하고 차량 오퍼레이터가 사건에 대한 적절한 거동을 보여주지 않았다는 결정 시에 거동 수정 동작을 실행하는 단계를 포함할 수 있고, 여기서 오퍼레이터는 사건에 응답하도록 주입되지 않았다. 따라서, 차량 오퍼레이터가 부정확한 거동을 설명했고 사건에 응답하는 방법에 관한 지시, 지도 또는 감독을 제공받지 않았으면,방법은 거동 수정 동작을 실행할 것이다.
도 1은 본 발명의 양태들에 따라, 노동력 데이터를 수집하고, 노동력 성능에 점수를 매기며 노동력 정보를 제공하기 위한 동적 오퍼레이터 거동 분석기를 포함하는 시스템의 블록도.
도 2a는 본 발명의 다양한 양태들에 따른, 차량 오퍼레이터 거동의 동적 모니터링 및 수정을 제공하기 위한 방법의 흐름도.
도 2b는 본 발명의 다양한 양태들에 따른, 차량 오퍼레이터 거동의 동적 모니터링 및 수정을 제공하기 위한 방법의 흐름도.
도 3은 본 발명의 다양한 양태들에 따른, 동적 오퍼레이터 거동 분석기의 예시적인 오퍼레이터 중심 및 감독자 중심 특징들의 블록도.
도 4는 본 발명의 다양한 양태들에 따른, 동적 오퍼레이터 거동 분석기를 위한 셋업을 수행하는 일 예시적인 방법의 흐름도.
도 5는 본 발명의 다양한 양태들에 따른, 메트릭들을 규정하기 위해 이용된 변수들의 종류들의 블록도.
도 6은 본 명세서에서의 본 발명의 양태들에 따라, 차량 오퍼레이터 거동의 동적 모니터링 및 수정을 제공하기 위한 동적 오퍼레이터 거동 분석기 및 방법을 포함하는, 본 명세서에서 더 완전하게 설명된 시스템들 또는 방법들 중 임의의 것을 구현할 수 있는 컴퓨터 프로세싱 시스템의 블록도.
도 2a는 본 발명의 다양한 양태들에 따른, 차량 오퍼레이터 거동의 동적 모니터링 및 수정을 제공하기 위한 방법의 흐름도.
도 2b는 본 발명의 다양한 양태들에 따른, 차량 오퍼레이터 거동의 동적 모니터링 및 수정을 제공하기 위한 방법의 흐름도.
도 3은 본 발명의 다양한 양태들에 따른, 동적 오퍼레이터 거동 분석기의 예시적인 오퍼레이터 중심 및 감독자 중심 특징들의 블록도.
도 4는 본 발명의 다양한 양태들에 따른, 동적 오퍼레이터 거동 분석기를 위한 셋업을 수행하는 일 예시적인 방법의 흐름도.
도 5는 본 발명의 다양한 양태들에 따른, 메트릭들을 규정하기 위해 이용된 변수들의 종류들의 블록도.
도 6은 본 명세서에서의 본 발명의 양태들에 따라, 차량 오퍼레이터 거동의 동적 모니터링 및 수정을 제공하기 위한 동적 오퍼레이터 거동 분석기 및 방법을 포함하는, 본 명세서에서 더 완전하게 설명된 시스템들 또는 방법들 중 임의의 것을 구현할 수 있는 컴퓨터 프로세싱 시스템의 블록도.
본 발명의 다양한 양태들에 따라, 노동력 데이터를 얻고, 실행가능한 노동력 정보를 시기 적절하게 제공하기 위해 이용될 수 있는 산업용 차량 정보를 수집하는 시스템들, 방법들, 및 컴퓨터 구현 프로세스들이 제공된다. 이와 관련하여, 본 발명의 양태들은 산업용 차량 용도 및 성능 데이터를 대응하는 차량 오퍼레이터에 부여한다. 용도 및 성능 데이터를 차량 오퍼레이터에 부여하는 능력은 차량 오퍼레이터에 정보를 시기 적절하게 제공함으로써 (설득력 있고/있거나 거동적인 것을 포함하는) 오퍼레이터 주입을 용이하게 한다. 본 명세서에서 이용된 바와 같이, 용어 "주입하다(inculcate)" 및 그의 변형들은 지시 또는 반복에 의해 정보를 차량 오퍼레이터에게 서서히 주입시키거나 그렇지 않으면 명심하게 하는 것을 의미한다. 따라서, 지시, 지도 또는 감독 등은 적절한 거동을 확립하기 위해 한번 만큼 적게, 또는 반복을 통해 필요한 만큼 자주 차량 오퍼레이터에 제공된다.
이 방식으로, 산업용 차량, 서버 컴퓨터, 또는 그의 조합 상의 프로세서는 예를 들면, 차량 디스플레이 상의 실시간 메시지들을 통해 차량 오퍼레이터에 주입하기 위해 활용된다. 대안적으로, 차량 오퍼레이터는 오퍼레이터가 하나 이상의 시간 이력들(예로서, 산업용 차량이 정지한 때)로부터 수집된 정보(예로서, 차량 오퍼레이터 정보, 차량 정보, 등)를 뷰잉(viewing)하도록 허용함으로써 주입될 수 있다. 게다가, 차량 오퍼레이터는 산업용 차량 밖의 디바이스들과의 상호작용을 통해 주입될 수 있다(예로서, 컴퓨터, 태블릿, 스마트 폰, 등 상의 정보를 평가함으로써).
시기 적절한 정보는 장래적으로 제공될 수 있어서(예로서, 동작이 발행할 때를 예측함으로써 그리고 정보(예로서, 지시들, 요구조건들, 통지들, 코칭(coaching), 등))를 제공함으로써, 원하는 결과들/동작들이 동작이 요구되기 전에 해결될 수 있게 한다.
시기 적절한 정보는 대안적으로 소급적으로(예로서, 특정 결과/동작이 예상된 사건을 특징짓는 데이터를 거꾸로 검토함으로써) 제공될 수 있다. 예를 들면, 사건이 발생했음을 검출함으로써 그리고 원하는 또는 그렇지 않으면, 예상된 거동이 뒤따르지 않았음을 또한 검출함으로써, 정보(예로서, 지시들, 요구조건들, 통지들, 코칭, 정정 동작, 등)가 차량 오퍼레이터에 제공될 수 있어서 원하는 결과들/동작들이, 차량 오퍼레이터가 사건과 조우하는 다음에 성취될 수 있게 한다.
시기 적절한 정보는 오퍼레이터에 주입하기 위해 필요한 만큼 많은 반복들을 위해 제공될 수 있다. 또한, 동작들은 주입을 자동으로 다시 부추기기 위해 트리거링될 수 있다(예로서, 경험있는 오퍼레이터가 실패하거나 그렇지 않으면, 관심있는 사건에 응답하여 거동을 수행하는 것에 있어서 일관적이지 않은 경우). 따라서, 차량 오퍼레이터 거동 및 책임을 가르침 받고, 그들이 지속되며 모니터링된다. 이것은 시스템이 예상된 거동에 대한 예외들을 궁극적으로 관리하도록 허용한다.
본 발명의 양태들은 또한, 오퍼레이터 거동의 점수 및 차량 오퍼레이터에 피드백을 제공하는 능력을 제공한다. 예를 들면, 일 예시적인 구현에서, 차량 오퍼레이터 점수는 모니터링된 사건의 발생을 검출하는 것에 응답하여 업데이트된다. 점수에 대한 업데이트는, 차량 오퍼레이터 거동이 사건과 연관된 예상들을 준수했는지의 여부에 관한 결정에 기초한다. 피드백은 차량 오퍼레이터에 점수를 제공함으로써 제공된다. 이와 관련하여, 게임화(gamification)는 본 명세서에서 더 상세하게 설명될 바와 같이, 점수를 제공하기 위해 활용될 수 있다. 또 다른 예시적인 구현들에서, 피드백은 또한, 다른 개체(entity)들(예로서, 오퍼레이터 팀, 오퍼레이터 업무, 시설, 창고, 동작, 고객, 등)에 제공될 수 있다. 양태들은 또한, 감독자에 피드백을 제공한다(예로서, 드릴 다운(drill-down) 분석론을 갖는 대시보드를 통해). 예시적인 구현들에서, 오퍼레이터 점수는 오퍼레이터 성능을 반영하고, 따라서 궁극적으로 노동력 보상 계획들에 구속될 수 있어서, 차량 오퍼레이터들이 그들의 점수에 적어도 부분적으로 기초하여 보상받을 수 있다.
시스템 개요:
이제 도면들 특히, 도 1을 참조하면, 컴퓨터 시스템(100)의 일반도가 본 발명의 다양한 양태들에 따라 도시된다. 컴퓨터 시스템(100)은 (일반적으로 참조부호(104)에 의해 지정된) 하나 이상의 네트워크(들)에 의해 함께 연결되는 (일반적으로 참조부호(102)에 의해 지정된) 복수의 하드웨어 및/또는 소프트웨어 프로세싱 디바이스들을 포함한다.
네트워크(104)는 다양한 프로세싱 디바이스들(102) 사이에 통신 링크들을 제공하고, 예를 들면, 라우터들, 허브들, 방화벽들, 네트워크 인터페이스들, 유선 또는 무선 통신 링크들 및 대응하는 상호접속부들을 포함하는, 프로세싱 디바이스들(102)을 상호접속하는 네트워킹 구성요소들(106), 셀룰러 스테이션들 및 (예로서, 셀룰러와 TCP/IP 등 사이를 변환하기 위한) 대응하는 셀룰러 변환 기술들에 의해 지원될 수 있다. 게다가, 네트워크(들)(104)는 하나 이상의 인트라넷들, 엑스트라넷들, 근거리 통신망(LAN), 광역 통신망(WAN), 무선 네트워크들(와이파이(WiFi)), 월드 와이드 웹을 포함하는 인터넷, 셀룰러를 이용하는 접속부들 및/또는 실시간으로 또는 그렇지 않으면 (예로서, 타임 시프팅(time shifting), 일괄 프로세싱(batch processing), 등을 통해) 프로세싱 디바이스들(102) 사이의 통신을 가능하게 하기 위한 다른 장치들을 포함할 수 있다.
프로세싱 디바이스들(102)은 거래 시스템들, 목적 주도(purpose-driven) 기기들, 특수 목적 컴퓨팅 디바이스들 및/또는 네트워크(104)를 통해 통신할 수 있는 다른 디바이스들을 포함할 수 있다. 특정 콘텍스트들 및 역할들에서, 프로세싱 디바이스(102)는 모바일(예로서, 지게차, 리치 트럭(reach truck), 스톡 피커(stock picker), 견인 트랙터, 라이더 팰릿 트럭, 워키 토키(walkie-talkie), 등과 같은 산업용 차량(108) 상에 제공된 프로세싱 디바이스(102))인 것으로 의도된다.
예를 들면, 일 예시적인 컴퓨팅 디바이스(102)는, 그의 발명이 전체적으로 참조로서 통합되는 미국 특허 번호 제 8,060,400 호에 제시된 바와 같은 모바일 자산 정보 연결 디바이스(정보 연결 디바이스(38) 참조)이다. 이와 관련하여, 산업용 차량들은 네트워크(104)와 무선으로 통신하는 프로세싱 디바이스(102)를 포함한다. 이러한 환경들 하에서, 산업용 차량들(108)은 하나 이상의 액세스 지점들(110)을 통해 대응하는 네트워킹 구성요소(106)와 무선으로 통신할 수 있다. 대안적으로, 산업용 차량들(108)은 산업용 차량(108) 상의 프로세싱 디바이스(102)가 (예로서, 네트워크들(104)을 통해) 원격 디바이스와 직접적으로 통신하도록 허용하는 와이파이, 셀룰러 또는 다른 적합한 기술을 구비할 수 있다.
특정 예시적인 구현들에서, 프로세싱 디바이스(102)는 또한, (예로서, 그의 예들이 참조로서 이미 통합된 미국 특허 번호 제 8,060,400 호에 추가로 제시되는 차량 네트워크 버스(예로서, CAN 버스), 단거리 무선 기술(예로서, 블루투스 또는 다른 적합한 접근법을 통해), 또는 다른 유선 접속을 통해) 대응하는 산업용 차량(108)의 구성요소들과 통신한다.
다른 유형들의 프로세싱 디바이스들(102)은 예를 들면, 개인 휴대용 정보 단말기(PDA) 프로세서들, 팜 컴퓨터들, 셀룰러 모바일 전화들과 스마트 폰들을 포함하는 셀룰러 디바이스들 및 태블릿 컴퓨터들을 포함한다. 프로세싱 디바이스들(102)은 또한, 넷북 컴퓨터들, 노트북 컴퓨터들, 개인용 컴퓨터들 및 서버들을 포함할 수 있다.
예시적인 시스템(100)은 또한, 분석 엔진(114) 및 (데이터 소스들(116)로서 집합적으로 식별된) 대응하는 데이터 소스들을 지원하는 서버(112)(예로서, 웹 서버, 파일 서버, 및/또는 다른 프로세싱 디바이스)를 포함한다. 분석 엔진(114) 및 데이터 소스들(116)은 본 명세서에서 더 상세하게 설명된 바와 같이, (노동력 데이터를 수집하고, 노동력 거동을 평가하며, 실행가능한 노동력 정보를 시기 적절하게 제공하기 위해) 동적 오퍼레이터 거동 분석을 구현하도록 리소스들을 제공한다.
일 예시적인 구현에서, 데이터 소스들(116)은 비즈니스 운영에 관련된 다양한 유형들의 정보(예로서, 창고, 유통 센터, 소매점, 제조자, 등)를 저장하는 데이터베이스들의 컬렉션에 의해 구현된다. 예시적인 예에서, 데이터 소스들(116)은 산업용 차량 정보 데이터베이스(118), 창고 관리 시스템(WMS)(120), 인적 자원 관리 시스템(HRMS)(122), 노동 관리 시스템(LMS)(124), 등을 포함하는, 다수의, 상이한 도메인들로부터의 데이터베이스들을 포함한다. 상기 목록은 포괄적인 것이 아니고 단지 예시적인 것으로 의도된다. 전사적 자원 관리(ERP) 데이터베이스, 콘텐트 관리(CM) 데이터베이스, 위치 추적 데이터베이스, 음성 인식, 등으로부터와 같은, 다른 데이터가 또한 및/또는 대안적으로 존재할 수 있다. 게다가, 데이터는 분석 엔진(114)에 직접적으로 및/또는 로컬적으로 접속되지 않은 소스들로부터 나올 수 있다. 예를 들면, 특정 예시적인 구현들에서, 데이터는 (예로서, 제조자 데이터베이스들, 등에 액세스하기 위해) 원격 서버들로부터 얻어질 수 있다.
전통적으로, 데이터 소스들(116)을 포함하는 데이터 세트들이 활용되어 별개로 충분히 이용되지 않고, 손실된 접속 및 불필요한 오버헤드를 야기한다. 그러나, 본 명세서에서 더 상세하게 논의될 바와 같이, 분석 엔진(114)은 데이터 소스(116) 내의 다양한 데이터 세트들/데이터베이스들에 걸친 데이터를 거둬들이고(harvest), 마이닝(mining)하고, 질의하고, 액세스하며 그렇지 않으면 분석할 수 있어서 복수의 주어진 역할들에 대한 노동력 정보를 적절한 콘텍스트로 제공한다.
차량 오퍼레이터 거동의
모니터링
및 수정
본 발명의 양태들에 따라, 동적 오퍼레이터 거동 분석기로서 언급된 시스템은 차량 오퍼레이터 거동의 동적 모니터링 및 수정을 제공하는 방법을 구현한다. 일반적으로, 산업용 차량(108)은 독자적으로서, 또는 또한, 서버 컴퓨터(예로서, 서버(112)), 분석 엔진(114) 및 데이터 소스들(116) 중 하나 이상과의 상호작용을 포함하는 시스템의 부분으로, 방법 또는 그의 부분들을 실행하도록 프로그래밍되는 특수 프로세서로서 구성되는 프로세싱 디바이스(102)를 포함한다. 따라서, 예시적인 구현들에서, 동적 오퍼레이터 거동 분석기는 단지 산업용 차량 상에서 구현될 수 있거나, 동적 오퍼레이터 거동 분석기는 산업용 차량(108) 상의 프로세싱 디바이스(102)와 서버(112)의 분석 엔진(114) 사이에 분포될 수 있다.
제 1 특징화에서, 차량 지능이 별개의 관점에서 주어진다. 프로세싱 디바이스(102)는 특정한 차량 오퍼레이터의 아이덴티티(identity)를 안다. 예를 들면, 차량 오퍼레이터는 차량을 동작시키기 위해 로그온 정보를 제공할 것을 요구받을 수 있다. 또한, 프로세싱 디바이스(102)는 오퍼레이터 거동 응답을 트리거링할 수 있는 하나 이상의 사건들을 안다. 사건은 "로컬 인식"(즉, 차량 그 자체 내에서/상에서/에 대해서 진행 중인 사건들 또는 조건들), "환경 인식"(즉, 차량 외부의 사건들 또는 조건들), "오퍼레이터 인식"(즉, 오퍼레이터의 동작들) 또는 그의 조합들에 적어도 부분적으로 기초할 수 있다. 게다가, 방법은 "주입 모드" 및 "정상 모드"를 포함하는 상이한 모드들의 동작을 제공한다. 모드는 오퍼레이터 거동과 연관된 각각의 사건에 대해 설정될 수 있고, 모드는 글로벌적으로, 또는 다른 파라미터들에 기초하여(예로서, 오퍼레이터가 동작시키고 있는 차량의 유형에 기초하여) 설정될 수 있다.
또 다른 예시적인 예에서, 주입 모드, 정상 모드 및 경고 모드를 포함하는 적어도 3개의 모드들이 제공될 수 있다.
본 명세서에서 더 상세하게 언급된 바와 같이, 주입 모드는 관심 있는 사건에 응답하여 차량 오퍼레이터의 원하는 거동을 확립하기 위해 이용된다. 주입 모드는 (예로서, "앞의 교차로에 정류장이 존재한다"와 같은 메시지를 제공함으로써) 예측하는 방식으로 구현될 수 있다. 주입 모드는 또한, (예로서, "차량이 교차로에서 경적을 울리는데 실패했다"와 같은 메시지를 제공함으로써) 반응하는 방식으로 구현될 수 있다. 게다가, 주입 모드는 (예로서, 예상된 거동과 비교하여 오퍼레이터의 거동을 고려하는 코칭 메시지를 제공함으로써) 차량 오퍼레이터의 거동으로 동적으로 맞춰질 수 있다. 예를 들면, 주입 모드는 "1,000 파운드(454 킬로그램)를 초과하는 짐을 운반할 때, 교차로에서의 깔끔한(clear) 정지를 보장하기 위해 3초 일찍 속도를 줄이는 것을 시작하는 것"과 같은 메시지를 제공할 수 있다. 또한, 주입 모드는 적절한 거동을 나타내기 위한 단언(affirmation)들을 제공할 수 있다. 게다가, 주입 모드는 예를 들면, 사건의 발생하기 전에 코칭 동작을 제공하고 사건의 발생에 응답하여 차량 오퍼레이터 거동에 응답하는 피드백을 제공함으로써 예측하고 반응하는 양태들을 통합할 수 있다.
일단, 차량 오퍼레이터가 원하는 거동으로 경험되면, 오퍼레이터는 정상 모드로 진행할 수 있다. 정상 모드는 예외들을 관리하기 위해 이용된다. 즉, 오퍼레이터는 적절할 거동을 수행할 것으로 예상되고, 따라서 지시가 제공되지 않는다. 정상 모드는, 특정 메트릭들에 따라 시스템이 차량 오퍼레이터를 모니터링하고 오퍼레이터가 정확하게(및 선택적으로 일관적이고, 반복적인 방식으로) 차량을 동작시키고 있다고 결정할 때 이용되고 따라서, 더 이상 지시를 필요로 하지 않는다. 정상 모드에서, 오퍼레이터는 차량을 정상적으로(정확하게) 동작시키는 것에 대해 보상받는다. 예를 들면, 일 예시적인 구현에서, 시스템은 차량 오퍼레이터에 지시, 정정 또는 다른 거동 관련 메시지들/동작들을 제공하지 않는다. 이러한 동작들은, 예를 들면, 차량 오퍼레이터가 일관적으로 정확한 거동을 설명하고 있기 때문에 요구되지 않는다. 그러나, 시스템은 "당신이 일주일 동안 어떠한 영향들도 주지 않았다"와 같은 드문 긍정적 강화 메시지들을 제공할 수 있다. 시스템은, 차량 오퍼레이터가 시간에 따라 원하는 거동에서 실수(lapse)(또는 반복적 실수들)를 보여주면 차량 오퍼레이터를 다시 주입 모드로 설정하도록 프로그래밍될 수 있다.
경고 모드는, 차량 오퍼레이터가 정상 모드에 이르렀지만 단지 드물게 발생하는 원하는 거동에서 실수(mistake or lapse)를 할 때 활용될 수 있는 모드이고 따라서, 차량 오퍼레이터를 주입 모드로 다시 변경시키는 것을 보장하지 않는다. 경고 모드에서, 시스템은 정정 동작을 제공한다(예로서, 정정 동작이 뒤따르지 않았던 실수 직후에 차량 오퍼레이터에게 알린다). 경고 모드는 또한, 차량 오퍼레이터에게 관심 있는 사건에 응답하여 정확한 거동을 알릴 수 있다.
또 다른 예시적인 구현들에서, 다른 노드들은 메트릭들, 거동들 및 분석될 다른 특징들에 의존하여, 활용될 수 있다.
예시적인 동작
동작 시에, 산업용 차량 상의 프로세싱 디바이스(102) 예로서, 지게차는 (예로서, 적합한 오퍼레이터 로그인을 통해) 차량 오퍼레이터를 식별한다. 프로세싱 디바이스(102)는 또한, 모니터링될 오퍼레이터 거동들에 구속되는 지정된 사건들에 대해 모니터링한다. (산업용 차량이 창고 내의 산업용 차량의 위치 및 이동을 식별하기 위해 위치 추적을 이용하는 경우와 같은) 예측 동작을 일례로서 취하자. (예로서, 서버(112) 상의 프로세싱 디바이스(102) 또는 분석 엔진(114)을 통해) 시스템은, 사건이 발생함을 예측하고, 여기서 사건은 오퍼레이터 거동 응답과 연관된다. 시스템은, 특정한 차량 오퍼레이터가 예측된 사건을 핸들링(handling)하도록 주입되는지 확인한다.
일 예시적인 예에서, 한 세트의 메트릭들의 규정된다. 각각의 메트릭들은 (예로서, 특정한 오퍼레이터 거동이 요구되는) 산업용 차량의 동작과 연관된 사건을 특징짓는 사건과 연관된다. 각각의 메트릭은 그 사건에 대한 모드(주입, 정상, 경고, 등)를 저장하기 위해 이용되는 하나의 파라미터를 가질 수 있다. 각각의 메트릭은 또한, 연관된 사건에 대해 평가하기 위해 적어도 하나의 성능 파라미터를 가질 수 있다. 성능 파라미터는 메트릭과 연관된 사건의 발생에 응답하여 원하거나, 의도되거나, 적절하거나 그렇지 않으면, 요구된 차량 오퍼레이터 거동(예로서, 차량 오퍼레이터가 행해야 하고/하거나 행해야 하지 않아야 하는 것)을 규정한다. 게다가, 각각의 메트릭은 적어도 하나의 거동 수정 동작을 가질 수 있다. 거동 수정 동작은 사건에 응답하여 원하는 결과에 도달하기 위해(예로서, 대응하는 성능 파라미터(들)를 만족시키거나 그렇지 않으면 준수하기 위해) 필요한 거동에 관해 차량 오퍼레이터에 교육하는 동작이다.
차량 오퍼레이터가 사건에 대해 적합하게 주입되지 않았으면(즉, 차량 오퍼레이터는 그 사건에 대한 주입 모드와 연관된다), 산업용 차량 상의 프로세싱 디바이스(102)는 거동 수정 동작을 구현한다(예로서, 차량 오퍼레이터에 지시들을 제공한다). 거동 수정 동작은 본 명세서에서 더 완전하게 설명된 바와 같이 사건의 검출에 대해 우선적이거나 반응적일 수 있다.
프로세싱 디바이스(102)는 메트릭과 연관된 모드에 상관없이 (예로서, 사건이 실제로 발생할 때) 사건에 응답 시에 차량 오퍼레이터의 성능의 측정치를 기록한다. 기록된 데이터는 저장 및 후속 분석을 위해 서버로 전송될 수 있다. 대안적으로, 기록된 데이터는 산업용 차량(108) 상에서 저장되고/되거나 분석될 수 있다. 시간에 따라 그리고 사건과의 하나 이상의 반복된 조우들에 따라, 차량 오퍼레이터가 성능 파라미터(들)에 의해 규정된 바와 같은 사건을 핸들링하기 위한 능력/거동을 설명하면, 프로세싱 디바이스(102)는 차량 오퍼레이터를 그 사건에 대한 정상 모드로 변환시킬 것이다. 예를 들면, 메트릭과 연관된 파라미터는 그 메트릭에 대한 정상 모드로 변환시키기 위해 요구되는 연속적인 정확한 거동들의 수를 규정할 수 있다. 정상 모드에서, 거동 수정 동작은 사건에 응답하여 구현되지 않는다. 그러나, 차량 오퍼레이터가 사건에 응답하여 적절하게 거동하는 것에 실패하면, 시스템은 차량 오퍼레이터를 그 사건에 대한 주입 모드로 다시 변경시킬 수 있다.
사건에 응답하여 차량 오퍼레이터 거동은 또한, 차량 오퍼레이터 성능에 점수를 매기는 점수 엔진으로 통합될 수 있다. 점수 엔진은, 차량 오퍼레이터가 그들의 성능을 추적할 수 있도록 차량 오퍼레이터에(및 선택적으로 다른 것들에) 데이터를 보여주기 위해 이용된다.
점수
본 발명의 양태들에 따라, 차량 오퍼레이터 거동에 점수가 매겨진다. 일 예시적인 접근법에서, 차량 오퍼레이터는, 동적 오퍼레이터 거동 분석기가 주입 모드로 동작하고 있는 동안 점수를 누적하지 않는다. 대안적으로, 차량 오퍼레이터는 동적 오퍼레이터 거동 분석기가 주입 모드로 동작하고 있는 동안 점수를 누적할 수 있다. 또 다른 예시적인 구현에서, 차량 오퍼레이터는 동적 오퍼레이터 거동 분석기가 주입 모드로 동작하고 있는 동안 점수를 누적하지만, 점수는 동적 오퍼레이터 거동 분석기가 정상 모드로 동작하고 있는 동안 유사한 거동과 비교하여 조정되거나 가중된다.
정상 모드 동안, 차량 오퍼레이터는 규정된 메트릭들에 대한 적합한 거동을 설명함으로써 포인트들을 효과적으로 누적하고 있다. 오퍼레이터 점수는 차량 오퍼레이터 거동이 지속되는 한, 계속해서 개선된다(예로서, 임의의 적합한 속성이 점수로 하여금 악영향을 받도록 하는 실수를 하지 않고, 여기서 차량 오퍼레이터는 주입 모드로 다시 변환된다, 등).
점수들은 복수의 상이한 측정치들에 기초할 수 있다. 또한 점수(또는 점수 업데이트)는 대응하는 사건에 직접적으로 구속될 수 있거나, 점수는 하나 이상의 메트릭들에 간접적으로 구속될 수 있다. 예를 들면, 점수는 특정 거동(예로서, 차량 오퍼레이터는 교차로에서의 각각의 성공적인 정지에 대해 1 포인트의 점수를 매긴다)에 구속된 불(Boolean) 보상(즉, 당신은 완전한 보상을 얻거나 전혀 얻지 못한다)일 수 있다. 일 대안으로서, 차량 오퍼레이터 점수는 예상된 거동을 설명하는데 실패함으로써 악영향을 받을 수 있다(예로서, 차량 오퍼레이터 점수는 교차로에 정지하는 것에 대한 각각의 실패에 대해 1 포인트 만큼 감소된다). 게다가, 차량 오퍼레이터는 교차로에서의 정지에 대해 1 포인트의 점수를 매길 수 있지만, 또 다른 시간에서 교차로에 정지하는 것에 대한 실패에 대해 공제된 1 포인트를 갖는다(여기서, 보상 및 공제는 동일한 값일 필요는 없다).
다른 예시적인 구현들에서, 거동은 보상받을 수 있는 포인트들의 범위를 가질 수 있다. 예를 들면, 적치(putaway)에 대해, 오퍼레이터는 팰릿을 400 인치 높이의 랙 공간(400)에 성공적으로 위치시키기 위해 가능한 10 포인트들 중에서 5의 점수를 매길 수 있다. 대안적으로, 차량 오퍼레이터는, 차량의 에너지 소비를 최적화하기 위해 차량의 트랙션 제어(traction control)와의 포크 높이 제어의 블렌딩(blending) 동작을 수행하면서 그 동일한 팰릿을 멀리 두기 위해 가능한 10 포인트들 중에서 10의 점수를 매길 수 있다.
또 다른 예시적인 구현들에서, 점수들은 성취들에 기초하여 수정될 수 있다. 예를 들면, 시스템은 시간 이력에 걸쳐 및/또는 다수의 데이터 소스들(예로서, 산업용 차량 데이터(118), WMS 데이터(120), HRMS 데이터(122), LMS 데이터(124), 등)에 걸쳐 데이터를 평가할 수 있다. 몇몇 예시적인 예들로서, 차량 오퍼레이터는 병가를 내지 않고 X의 연속적인 날들에 대해, 시작/정지/휴식/점심에 대한 시기적절함(timeliness)의 Y의 연속적인 날들, 등에 대해 포인트들의 점수를 매길 수 있다. 성능 벤치마크(benchmark)들(개인용 또는 넓은 창고)을 시작하거나, 새로운 기술들을 학습하거나, 오퍼레이터가 동작시킬 자격이 있는 새로운 차량들을 부가하는, 등의 연속적인 날들에 대한 포인트들이 보상될 수 있다. 산업용 차량을 동작시키는 성취들에 대한 포인트들(예로서, 충돌 없는 X의 날들, 동작의 효율성을 개선하기 위한 포인트들, 등)이 보상될 수 있다. 게다가, 포인트들은 팀, 노동력, 등의 비교 분석에 기초하여 보상받을 수 있다(및 선택적으로 공제될 수 있다). 예를 들면, 규정된 기준들에 기초한 상위 5명의 수행자들은 월말, 등에 보너스 포인트들을 얻을 수 있다. 또한, 원하지 않는 거동에 대한 공제들이 확립될 수 있다. 오퍼레이터는 X의 연속적인 최근들에 대해, 한달에 걸친 Y번보다 많은 충돌들, 등에 대해 감산된 포인트들을 가질 수 있다.
본 발명의 또 다른 예시적인 양태들에 따라, 다양한 메트릭들은 상이한 점수 선호도들 및 점수 특성들을 지닌다. 예를 들면, 충돌 회피와 같은 메트릭은, 차량 오퍼레이터가 달성할 수 있는 최상의 것이 100% 충돌이 없는 점수 특성을 가질 수 있고, 이는 제로(zero) 충돌들에 대응한다. 즉, 최대값은 무명수(absolute number)(이 예에서 제로 충돌들)에 의해 설정된다. 또한, 기업의 선호도는, 각각의 차량 오퍼레이터가 100% 준수(예로서, 제로 충돌들)를 위해 노력하는 것 같다. 이와 관련하여, 충돌들은 사소한 것과 중대한 것으로서 분류될 수 있다. 사소한 충돌의 발생은 중대한 충돌과는 상이한 방식으로 차량 오퍼레이터 점수에 악영향을 미칠 수 있다. 그러나, X번의 사소한 충돌들의 누적은 단일의 사소한 충돌보다 높은 값에서 충돌들에 대한 차량 오퍼레이터의 점수로 공제를 증가시킬 수 있다. 따라서, 예를 들면, 충돌 회피 메트릭은, 차량 오퍼레이터가 중대한 충돌들을 회피하고 사소한 충돌들을 최소화함으로써 합리적으로 높은 점수를 얻는 것을 가능하게 하는 점수 선호도를 가질 수 있다.
대응적으로, 성능에 관련된 메트릭들과 같은 특정 메트릭들은 100%로 눈금을 매기는 인공수(artificial number)를 갖는다. 이 방식으로, 차량 오퍼레이터는 특정 조건들에서, 최대값 즉, 100%를 초과할 수 있다. 예를 들면, 적치들을 측정하는 메트릭은 100% 점수에 대응하기 위해 시프트 당 X번의 총 적치들을 요구할 수 있다. X+n번의 적치들을 완료하는 차량 오퍼레이터는 100% 이상의 점수를 성취할 수 있다. 대응적으로, X-m번의 총 적치들을 완료하는 차량 오퍼레이터는 100% 미만의 점수를 성취할 것이다.
본 명세서에서의 또 다른 양태들에 따라, 규정된 메트릭들에 대한 다양한 점수들이 집성될 때, 상이한 메트릭들은 주어진 구현에 대한 특정 메트릭들의 중요성을 설명하기 위해 가중되거나 조정될 수 있다. 따라서, 예를 들면, 차량 오퍼레이터(A)가 충돌 회피에서 80%의 점수를 매기고 적치들에서 105%의 점수를 매긴다고 가정하자. 차량 오퍼레이터(B)는 충돌 회피에서 87%의 점수를 매기고 적치들에서 90%의 점수를 매긴다. 여기서, 충돌 회피의 중요성의 가중치로 인해, 차량 오퍼레이터(B)가 궁극적으로, 적치들과 비교하여 충돌 회피에 호의적인 가중치를 적용하는 시스템으로 인해 더 높은 전체 점수를 얻는 것이 가능하다.
본 발명의 양태들에 따라, 모드(예로서, 주입, 정상, 경고)는 하나 이상의 메트릭들에 대한 차량 오퍼레이터와 연관된다. 따라서, 동일한 모드는 모든 메트릭들, 메트릭들의 서브세트, 등에 대해 할당될 수 있다. 대안적으로, 각각의 메트릭은 그와 연관된 그 자신의 고유한 모드를 가질 수 있다. 또한, 각각의 오퍼레이터에 대한 각각의 메트릭은 본 명세서에서 더 완전하게 설명된 바와 같이, 파라미터들, 규칙들, 조건들의 고유한 세트를 갖는 고유한 알고리즘을 가질 수 있다.
또한, 모든 메트릭은 점수를 가질 수 있다. 점수들은 임의의 원하는 스케일(scale)에 관한 것일 수 있다. 일 예시적인 예에서, 점수는 1 내지 5에 기초하고, 여기서 1은 시작 오퍼레이터이고 5는 마스터 오퍼레이터이다. 각각의 메트릭에 대해 평가된 점수는 메트릭들의 그룹(예로서, 모든 안전성 메트릭들, 모든 메트릭들, 모든 에너지 메트릭들, 등)에 대한 전체 점수로 집성될 수 있다. 메트릭들의 그룹들 각각에 대한 점수들은 오퍼레이터에 대한 전체 점수로 집성될 수 있다. 또한, 메트릭들에 걸친 정규화와 같은 프로세싱이 수행될 수 있다. 산업용 차량 상의 위젯(widget)은 오퍼레이터에 대한 점수 또는 점수 브레이크다운(breakdown)을 디스플레이하기 위해 활용될 수 있다.
본 명세서에서의 접근법은 부정확한 거동들(예로서, 부정확한 오퍼레이터 응답이 검출된 사건들) 사이에 설명되는 그들 정확한 거동들에 대해, 메트릭 단위로 정확한 거동에 대한 크레딧(credit)을 얻는 능력을 차량 오퍼레이터에 제공한다. 예를 들면, 부정확한 거동들의 빈도, 지속기간, 또는 그의 조합은, 동적 오퍼레이터 거동 분석기가 정상 모드, 주입 모드, 또는 경고 모드로 동작하고 있는지의 여부를 결정하기 위해 이용될 수 있다. 이러한 빈도, 지속기간, 또는 그의 조합은 또한, 오퍼레이터 점수에 영향을 미치기 위해 활용될 수 있다. 예를 들면, 충돌 메트릭과 연관된 하나의 서버 충돌은 주어진 오퍼레이터에 대해, 동적 오퍼레이터 거동 분석기 동작 모드를 정상으로부터 주입으로 이동시키는데 충분할 수 있다. 그러나, 몇몇 이동 하차들은, 동적 오퍼레이터 거동 분석기가 이동 하차 메트릭에 대한 주어진 오퍼레이터에 대해, 동작 모드를 정상으로부터 주입으로 변경하기 전에 시간의 특정 지속기간에 걸쳐 용인될 수 있다.
차량 오퍼레이터 거동의
모니터링
및 수정을 위한 방법
본 발명의 양태들에 따라, 방법들은 차량 오퍼레이터 거동의 동적 모니터링 및 수정을 제공한다. 방법들은 (예로서, 프로세싱 디바이스(102) 상에서, 산업용 차량(108) 상에서 독자적으로, 또는 서버(112) 상에서 실행되는 서버(예로서, 분석 엔진(114))와 협력하여 실행됨으로써) 도 1의 시스템을 이용하여 구현될 수 있다.
우선적 예
도 2를 참조하면, 방법(200)은 차량 오퍼레이터 거동의 동적 모니터링 및 수정을 제공한다. 방법(200)은 202에서, 산업용 차량의 이용과 연관된 동작을 특징짓는 메트릭을 식별하는 단계를 포함한다. 본 명세서에서 더 상세하게 언급된 바와 같이, 메트릭들은 산업용 차량 그 자체에 기인하는 동작들(예로서, 충돌들, 부하 용량, 가속, 제동, 등)을 포함할 수 있다. 메트릭들은 또한, 차량 오퍼레이터에 기인하는 동작들(예로서, 체크리스트 준수, 적절한 차량 하차, 시간 관리, 동작의 효율성, 등)을 포함할 수 있다. 게다가, 예시적인 메트릭들은 환경에 기인하는 동작들(예로서, 가속 존들, 정지들, 램프들, 제한 영역들, 등)을 포함할 수 있다.
간략한 예시를 위해, 일 예시적인 메트릭은 교차로에서 또는 통로의 끝에서 경적을 울리기 위한 요구조건들과 같은 동작을 특징짓는다. 또 다른 예시적인 메트릭은 교차로에서 또는 통로의 끝에서 정지하기 위한 요구조건과 같은 동작을 특징짓는다. 이러한 동작들은 OSHA 또는 고용주에 의해 지시받을 수 있다. 또 다른 예시적인 메트릭은 정체 영역(예로서, 하역장 영역, 선박 항로, 등)과 같은 전용 "슬로우 존"에 진입할 때 속도를 줄이기 위한 요구조건과 같은 동작을 특징짓는다.
식별된 메트릭은 프로그래밍되거나, 구성되거나 그렇지 않으면, 산업용 차량 상의 프로세싱 디바이스에 의한 또는 서버 컴퓨터(예로서, 도 1에 도시된 바와 같은 분석 엔진(114))에 의해 어시스트(assist)된 바와 같은 산업용 차량 상의 프로세싱 디바이스에 의한 방법(200)의 수행을 가능하게 하는 값들을 할당받는다. 메트릭들에 대한 값들의 구성은 논리적으로 범주들로 조직화된다. 예로서, 식별된 예시적인 메트릭은 적어도 하나의 거동 수정 동작 및 본 명세서에서 더 완전하게 설명된 것과 유사한 적어도 하나의 성능 파라미터를 포함한다. 성능 파라미터(들)는 대응하는 메트릭과 연관된 사건에 대해 평가된다. 일 예시적인 메트릭이 통로의 끝에서 경적을 울리는 사건과 관련됨을 가정하자. 식별된 메트릭에 대한 성능 파라미터의 일례는 하나의 파라미터(예로서, 경적이 울려야 함을 나타내는 플래그, 값 또는 다른 데이터)이다. 예를 들면, 경적 활성화 데이터가 차량 CAN 버스(또는 다른 차량 네트워크)로부터 추출될 수 있으면, 성능 파라미터는 "경적 활성화가 사실(TRUE)로 평가되는 것"에 대응하는 값일 수 있다.
식별된 메트릭은, 그 예들이 도 5를 참조하여 아래에 더 상세하게 논의되는 다른 범주들을 포함할 수 있다.
본 명세서에서 이용된 바와 같이, 거동 수정 동작은 사건과 연관된 예상된 거동에 관해 교육하거나 그렇지 않으면, 이를 차량 오퍼레이터에게 알리는 것을 목표로 하는 코칭 동작(예로서, 교시/지시 메시지, 사건, 동작, 등)을 포함할 수 있다. 거동 수정 동작은 또한, 차량 오퍼레이터가 행했거나, 적절하게 행하지 않았던 것에 관한 정보를 제공하는 것을 목표로 하는 정정 동작(예로서, 메시지, 경고, 사건, 동작, 등)을 포함할 수 있다. 거동 수정 동작은 또한, 차량 오퍼레이터의 설명된 거동 또는 반복된 거동에 기초한 게임화 동작(예로서, 배지(badge)의 획득, 상태, 성취, 등)을 포함할 수 있다.
다시, 예시적인 메트릭이 통로의 끝에서 경적을 울리고 있다고 가정하자. 일 예시적인 거동 수정 동작은 통로의 끝에서 경적을 울릴 것을 차량 오퍼레이터에 지시하는 산업용 차량의 뷰잉가능한 스크린 상에 디스플레이되는 메시지를 포함한다. 거동 수정 동작은 또한, 버저(buzzer), 알람을 설정하거나, 차량을 정지시키거나(부분적으로 또는 완전하게), 차량의 성능 범위(performance envelope)를 감소시키거나(예로서, 최대 허용가능한 이동 속도, 리프트 저속, 등을 감소시킴으로써) 다른 조치를 취하는 것을 포함할 수 있다.
방법(200)은 또한, 204에서, 산업용 차량에 로그온한 오퍼레이터를 식별하는 오퍼레이터 식별을 얻는 단계를 포함한다. 이것은 산업용 차량 상의 프로세싱 디바이스가 본 명세서에서 더 상세하게 설명될 바와 같이, 오퍼레이터 특정 메트릭들 및 점수를 적용하도록 허용한다.
방법(200)은 206에서, 이벤트에 대해 모니터링하는 단계를 더 포함한다. 이와 관련하여, 프로세싱 디바이스(102)는 대응하는 산업용 차량, 차량 오퍼레이터의 거동, 차량이 동작하고 있는 환경, 외부 변수들(예로서, 시간/일/날짜), 저장된 산업용 차량 데이터(118)에 기초한 데이터 값들, WMS(120), HRMS(122), LMS(124)(도 1), 다른 데이터 소스들, 또는 그의 조합들로부터 얻어진 데이터를 모니터링할 수 있다. 일반적으로, 특정한 사건은 206에서 모니터링하기 위한 요구조건들을 좌우(dictate)할 것이다.
방법(200)은 또한, 208에서, 사건이 실제로 발생하기 전에 사건이 발생할 것임을 예측하는 단계를 포함한다. 통로의 끝에서 경적을 울리는 상기 예로 계속하면, 창고는 통로의 끝의 센서들(예로서, 랙들 또는 플로어에 내장된 전파 식별(radio frequency identification; RFID) 칩들)을 포함할 수 있다. 산업용 차량 상의 프로세싱 디바이스는 통로의 끝의 RFID 칩을 검출하는 RFID 판독기로부터 신호를 수신할 수 있고 따라서, 통로의 끝이 가까움을 나타낸다. 대안적으로, 산업용 차량이 위치 추적을 구비하면, 창고 내의 산업용 차량의 위치가 공지될 수 있다. 이와 같이, 방법은, 차량이 위치 추적 데이터에 기초하여 통로의 끝에 막 접근하려고 함을 예측할 수 있고, 상기 위치 추적 데이터는 산업용 차량에 대해 로컬적으로 결정되거나 서버(예로서, 서버(112))에서 결정될 수 있다. 서버가 차량의 위치를 식별하는 경우에, 서버는 산업용 차량으로 통로의 끝이 가까움을 나타내는 메시지를 전송할 수 있다. 게다가, 산업용 차량 상의 프로세싱 디바이스는 주행 거리를 측정할 수 있다. 게다가, 상이한 위치 기술들은 예측의 정확도를 개선하기 위해 조합될 수 있다.
방법(200)은 210에서, 차량 오퍼레이터가 동작이 발생할 것이라고 예측하는 것에 기초하여, 사건에 응답하도록 주입되었는지의 여부에 관한 결정을 수행하는 단계를 더 포함한다. 차량 오퍼레이터가 사건에 응답하도록 주입되지 않았다는 결정이 행해지면, 방법(200)은 또한, 212에서, 사건이 실제로 발생하기 전에 거동 수정 동작을 수행하는 단계를 포함한다. 이와 같이, 방법(200)은 차량 오퍼레이터에 지시를 시기 적절하게 제공한다. 예를 들면, 방법(200)이, 산업용 차량이 통로의 끝에 막 접근하려고 한다고 예측하면 그리고 방법(200)이, 차량 오퍼레이터가 통로의 끝 사건에 대해 주입되고 않았다고 결정했으면, 프로세싱 디바이스는 거동 수정 동작을 구현한다. 이 동작은 예를 들면, 산업용 차량의 디스플레이 스크린 상에, 통로의 끝에서 다음으로 진행하기 전에 경적을 울릴 것을 차량 오퍼레이터에 지시하는 지시/코칭 메시지를 제공하거나, 차량의 속도를 자동으로 늦추거나, 다른 조치들을 취하거나 그의 조합들을 포함할 수 있다.
방법(200)은 214에서, 예를 들면, 사건 검출 로직을 이용함으로써 사건의 발생을 검출하는 단계를 더 포함한다. 사건을 검출하는 것에 응답하여, 방법(200)은 216에서, 사건에 대한 차량 오퍼레이터의 응답을 특징짓는 사건 데이터를 기록하는 단계를 포함한다. 방법은 또한, 218에서, 관련 정보를 전달하는 단계를 포함할 수 있다. 예를 들면, 방법은 평가에 기초하여 차량 오퍼레이터 점수를 업데이트하고 (예로서, 오퍼레이터에, 저장을 위한 서버, 등에) 업데이트된 차량 오퍼레이터 점수를 전달할 수 있다. 방법은 또한, (예로서, 서버 컴퓨터에, 차량 상의 차량 오퍼레이터에, 원격 디바이스, 등에) 사건 데이터 또는 다른 관련 정보를 전달할 수 있다. 이와 관련하여, 사건에 응답하여 기록된 사건 데이터는 본 명세서에서 더 상세하게 언급된 바와 같이, 보여진 거동에 따라 오퍼레이터 점수를 조정하기 위해 이용될 수 있다.
예를 들면, 방법(200)이, 산업용 차량이 통로의 끝에 있다고 결정할 때(대응하는 메트릭에 의해 특징지워진 사건), 프로세싱 디바이스는, 차량 오퍼레이터가 예로서, 캡쳐된 사건 데이터를 메트릭과 연관된 성능 파라미터(들)와 비교함으로써 통로의 끝에서 다음으로 진행하기 전에 적절하게 경적을 울렸는지의 여부를 결정하기 위해 활용될 수 있다. 이 예에서, 메트릭과 연관된 성능 파라미터(들)에 대한 사건 데이터의 비교는, 차량 오퍼레이터가 통로의 끝에서 적당하게 경적을 울렸거나 울리지 않았다는 표시를 제공한다. 그 비교에 기초하여, 거동 수정 사건이 트리거링될 수 있다(예로서, 부족한 거동을 정정하기 위한 지시들, 긍정적 단언, 등). 이와 같이, 본 발명의 양태들은 시기 적절한 피드백, 지시, 및 거동 분석론을 제공한다. 또한, 오퍼레이터 점수는 메트릭과 연관된 성능 파라미터(들)에 대한 사건 데이터의 비교의 결과에 의존하여 업데이트된다. 점수는 또한, 본 명세서에서 더 완전하게 설명된 바와 같이, 다른 게임화 동작들을 트리거링할 수 있다.
사후 동작 강화:
사건이 발생할 때를 예측하거나 사건이 주도적이고 예방적인 것이 되기 위해 충분한 시간을 갖고 발생할 때를 예측할 수 있는 것은 항상 가능하지 않다. 그러나, 본 발명의 특정 양태들에 따라, 시스템은 차량 오퍼레이터 거동에 반응하고 오퍼레이터 성능에 점수를 매기기 위한 "활성 모니터" 특징을 포함할 수 있다.
도 2b를 참조하면, 방법(250)은 252에서 적어도 하나의 메트릭을 식별하는 단계를 포함한다. 메트릭(들)은 도 2a의 단계(202)와 유사한 방식으로 식별된다. 방법(250)은 또한, 254에서 차량 오퍼레이터의 식별을 얻는 단계를 포함한다(예로서, 도 2a의 단계(204)와 유사한 방식으로). 방법(250)은 또한, 256에서 사건(또는 사건들)에 대해 모니터링하는 단계를 포함한다. 사건이 258에서 사건 결정 로직에 의해 검출되지 않으면, 방법(250)은 되돌려지고(loop back) 256에서 사건(들)에 대해 모니터링한다. 사건이 258에서 사건 검출 로직에 의해 검출되면, 260에서, 오퍼레이터가 검출된 사건에서 주입되는지의 여부에 관한 결정이 행해진다. 차량 오퍼레이터가 사건에서 검출되지 않으면, 거동 수정 동작이 262에서 수행된다. 거동 수정 동작은 도 2a에서 212에서의 거동 수정 동작과 유사하고, 본 명세서에서 더 상세하게 설명된 바와 같다.
방법(250)은 그 다음, 264에서 차량 사건 데이터를 기록한다. 예를 들면, 이것은 오퍼레이터가 정확한 거동을 갖는 사건에 응답했는지의 여부를 나타내는 데이터를 기록하는 것을 포함할 수 있다. 방법(250)은 또한, 266에서 관련 정보를 전달하는 단계를 포함한다. 예를 들면, 방법은 평가에 기초하여 차량 오퍼레이터 점수를 업데이트하고 (예로서, 오퍼레이터에, 저장을 위한 서버, 등에) 업데이트된 차량 오퍼레이터 점수를 전달할 수 있다. 방법은 또한, (예로서, 서버 컴퓨터에, 차량 상의 차량 오퍼레이터에, 원격 디바이스, 등에) 사건 정보를 전달할 수 있다. 사건에 응답하여 기록된 사건 데이터는 본 명세서에서 더 상세하게 제시된 바와 같이, 보여진 거동에 따라 오퍼레이터 점수를 조정하기 위해 성능 파라미터(들)와 비교된다.
일반적으로 도면들을 참조하면, 점수에 관하여, 특정 동작들은 불(예로서, 사실/거짓, 예/아니오, 등)로서 간주될 수 있다: 오퍼레이터가 경적을 울렸거나, 울리지 않았다. 더 복잡한 구현에서, 사건(예로서, 정지하기 위해 속도를 늦추고, 경적을 울리며, 그 다음 진행해야 한다)과 연관된 측정가능한 파라미터들이 존재할 수 있다. 오퍼레이터가 경적을 울리고 천천히 움직이지만 정지되지 않았으면, 결과는, 동작이 "거의 충분하게" 완료되었는지를 결정하는 임계치와 비교될 수 있다. 대안적으로, 점수는 준수의 "정도"에 의해 조정될 수 있다.
게다가, 오퍼레이터에는 성능에 기초하여 점수가 매겨질 수 있다. 시스템은 개별적인 메트릭들에 대한 점수들 뿐만 아니라, 하나 이상의 메트릭들에 걸쳐 집성된 점수들을 지원한다. 따라서, 메트릭과 조우하기 위한 각각의 기회는 차량 오퍼레이터 점수를 증가(및 선택적으로 감소)시키기 위한 기회를 산출할 수 있다.
게다가, 차량 오퍼레이터 점수는 절대 성능(차량 오퍼레이터 준수의 실제 측정치) 또는 상대 성능(벤치마크와 비교된 차량 오퍼레이터 준수)을 결정하기 위해 임계치에 대해 평가될 수 있다. 예를 들면, 일 예시적인 구현에서, 오퍼레이터의 매니저는 임의의 데이터, 오퍼레이터로부터의 과거 데이터, 기업으로부터의 데이터, (기업의 내부 및/또는 외부의) 하나 이상의 창고들로부터 누적된 "산업 데이터", 오퍼레이터들의 그룹에 걸쳐 수집된 팀 데이터, 등을 이용할 수 있고, 매니저는 각각의 메트릭에 대한 타겟 성능을 설정하거나 각각의 메트릭의 타겟을 자동으로 설정하기 위한 참조로서 이용할 수 있다. 이것은, 매니저가 자동화된 방식으로 오퍼레이터 성능 및 거동을 효과적으로 평가하기 위해 툴(tool)들을 제공할 수 있는 동적 환경을 제공한다. 또한, 이것은 차량 오퍼레이터들의 성능 뿐만 아니라, 차량 오퍼레이터에 대해 행해진(placed upon) 예상들을 알기 위해 기업 내의 차량 오퍼레이터들에게 정보를 분배하는 능력을 매니저에 제공한다.
예를 들면, Z번의 총 적치들이 100% 점수를 성취하기 위해 요구됨을 아는 것은 차량 오퍼레이터 예상의 분명하고 모호하지 않은 표시를 제공한다. 또 다른 예로서, 충돌 회피와 같은 메트릭이 절대적일 수 있기 때문에, 차량 오퍼레이터는, 제로(0) 서버 충돌들이 충돌들에 대해 100% 점수를 획득하도록 예상/요구됨을 안다. 이와 같이, 그들 자신의 점수를 앎으로써, 차량 오퍼레이터는 그들이 얼마나 잘 수행하고 있는지, 어떤 거동들이 조정을 필요로 하는지, 그리고 만족스러운 예상들로 그들의 업무를 완료하기 위해 어떤 예상들이 그들에 대해 행해졌는지를 안다.
본 발명의 또 다른 양태들에 따라, 방법은 또한, 사후 사건 조치들을 취할 수 있다. 예를 들면, 긍정적 강화는 사건 시에 제공될 수 있다. 또 다른 예로서, 방법은, 오퍼레이터가 원하는 거동을 수행하는데 실패한 경우와 같은, 실수가 그들이 행한 것과 같았던 경우를 오퍼레이터에게 보여줄 수 있다. 이와 관련하여, 거동 수정 동작은 우선적이거나, 반응적이거나 둘 모두일 수 있다.
본 발명의 또 다른 양태들은 오퍼레이터 피드백에 경향 분석 및 동적 통합의 경향 수행을 할 수 있는 분석 엔진을 제공한다. 따라서, 예를 들면, 방법들(200, 250)은 또한, 차량 오퍼레이터가 대응하는 이벤트와 연관된 거동 수정 동작을 성공적으로 준수하는 차량 오퍼레이터에 기초하여 주입되는지의 여부를 규정하도록 구성될 수 있다. 따라서, 차량 오퍼레이터가 통로의 끝에서 연이어 5회 차량 경적을 성공적으로 울린다고 가정하자. 이러한 상황 하에서, 방법(200, 250)은 차량 오퍼레이터가 성공적으로 주입되었다고 고려할 수 있다. 차량 오퍼레이터는 그 메트릭에 대해 정상 모드로 변환된다. 이와 같이, 방법이 사건의 발생(예로서, 통로의 끝)을 검출할 때, 방법(200, 250)은 거동 수정 동작을 제공하지 않을 것이다(예로서, 지시 메시지는 이용자에게 디스플레이되지 않을 것이다).
본 발명의 또 다른 양태들에 따라, 경향 분석은 또한, 다르게 주입된 차량 오퍼레이터를 "주입된" 상태로 다시 되돌리기 위해 이용될 수 있다. 예를 들면, 경험있는 차량 오퍼레이터가 통로의 끝에서 경적을 울리는데 실패한다고(또는 경향 분석이 통로의 끝에서 경적을 울리지 않는 반복된 거동을 나타낸다고) 가정하자. 방법이 오퍼레이터 거동을 나타내는 데이터를 모니터링하고 기록하기 때문에, 방법(200, 250)은 차량 오퍼레이터가 거동적 요구조건들/예상들을 충족시키지 않고 있음을 안다. 이와 같이, 차량 오퍼레이터는 그 메트릭에 대한 주입 모드로 다시 복귀된다. 차량 오퍼레이터는 그 다음, 정상 모드로 리턴하기 위해 반복된 적절한 거동(이 예에서, 통로의 끝에서 경적을 울리는 것)을 통해 설명해야 한다.
상기 단순화된 예는 단일 메트릭을 도시한다. 실제로, 복수의 메트릭들이 존재할 것 같다. 또한, 모든 메트릭이 모든 오퍼레이터, 차량, 차량 유형, 등에 관련되는 것은 아닌 것 같다.
게다가, 다른 것들보다 감독자에 중요한 특정 메트릭들이 존재할 것 같다. 이와 같이, 방법(200, 250)은 또한, 각각이 산업용 차량 상에 구현되는 동작을 특징짓는 복수의 부가적인 메트릭들을 식별하고 메트릭들의 우선순위 및 가중치 중 적어도 하나를 선택하는 단계를 포함할 수 있다. 가중치 또는 우선순위는 감독자가 각각의 메트릭의 중요성을 주어진 애플리케이션에 맞추도록 허용할 것이다.
예로서, 그리고 제한이 아닌 것으로서, 소프트웨어 제공자는 미리 규정되는 한 세트의 메트릭들을 제공할 수 있다. 주어진 구현에 대한 감독자는 미리 규정된 이용가능한 메트릭들의 목록으로부터 선택할 수 있다. 감독자는 그 다음, 대응하는 차량 오퍼레이터들의 거동을 모니터링하고 수정하며 추적하기 위해 선택된 메트릭들을 맞추도록 특정한 값들을 할당하거나 그렇지 않으면, 메트릭들을 수정할 수 있다.
따라서, 이용량 데이터 및 성능 데이터의 속성은 차량 오퍼레이터와 대응하는 산업용 차량 사이에 관계들을 구축하는데 영향을 미친다. 오퍼레이터는 실시간 코칭 메시지들 및 경고 메시지들을 볼 뿐만 아니라, 그들의 개인용 상세 정보를 드릴 다운하고 볼 수 있다(예로서, 산업용 차량이 고정일 때). 특정 구현들에 따라, 오퍼레이터는 관리가 볼 동일한 정보; 맵들, 차트들, 데이터, 등에 액세스할 수 있다. 이것은 오퍼레이터가 그들의 업무 기술들을 개선하기 위한 그들의 기회들에 관한 통찰력을 얻도록 허용한다. 또한, 비즈니스가 거동적 수행을 통화로 정하고 장려하는 경우에, 높은 점수는 오퍼레이터가 잠재적으로 궁극적으로 더 많은 돈을 벌도록 허용한다.
또한, 상기 설명된 바와 같은 메트릭들, 점수들, 및 게임화는 오퍼레이터 식별의 임의의 표시 없이 산출될 수 있다. 예를 들면, 오퍼레이터가 시프트(또는 일부 다른 시간 기간)를 시작할 때, 메트릭들 및 점수들은 오퍼레이터가 차량에 로그온하지 않고 유지될 수 있다. 시프트의 끝에서, 오퍼레이터는 그 시프트 동안의 오퍼레이터의 수행에 관한 피드백 및 점수를 얻을 것이다. 게다가, 점수는 오퍼레이터가 점수를 지울 때까지 남을 수 있거나 자동으로 지워질 수 있다(예로서, 시프트의 끝에서).
이용량 및 성능 데이터
도 3을 참조하면, 블록도(300)는 본 발명의 또 다른 양태들에 따라 노동력 데이터를 수집하고, 노동력 성능에 점수를 매기며 노동력 데이터를 제공하기 위한 동적 오퍼레이터 거동 분석기의 양태들을 도시한다. 동적 오퍼레이터 거동 분석기는 오퍼레이터 거동 데이터(302)(예로서, 도 2a 및/또는 도 2b의 방법에서 수집되는 데이터)를 조작한다. 거동 데이터는 오퍼레이터 중심 특징들(304)을 제공하기 위해 이용될 수 있다. 예를 들면, 수집된 거동 데이터(302)는 306에서 오퍼레이터에 기인한다. 이것은 동작들의 준수에서의 차량 오퍼레이터의 측정을 허용하고 또한, 성능의 측정으로서의 역할을 할 수 있다. 또한, 306에서의 속성은 차량 오퍼레이터에 지시를 제공하기 위해, 감독자들, 매니저, 더 경험있는 차량 오퍼레이터들로부터 시간을 빼앗는 요구조건 없이 차량 오퍼레이터의 자가 개선을 허용한다. 예를 들면, (도 2a 및 도 2b를 참조하여 더 상세하게 언급된 바와 같이) 방법들은 308에서 특정한 거동을 요구하는 (사건이 발생하기 전 및/또는 후에) 중요한 지시들을 제공하기 위해 주문에 따라 그리고 적시에 통신을 제공할 수 있다. 이것은 차량 오퍼레이터가 라이브(live) 적절한 기술을 실행하고 적시에 관련, 실행가능한 정보를 제공하는 시점에서 그에 따라 조치를 취하도록 허용한다. 이것은 또한, 차량 오퍼레이터에 필요한 지시를 제공할 때 다른 작업자들에 대한 시간 낭비의 부담을 제거한다.
또한, 거동 데이터(302)는 차량 오퍼레이터 점수를 계산하기 위해 집성되거나, 조작되거나, 필터링되거나, 파싱(parsing)되거나 그렇지 않으면, 프로세싱될 수 있다. 이 점수는, 오퍼레이터가 시간 기간에 걸친 성능이 최대 노동력 예상들까지 측정할 수 있는지의 여부를 알도록 차량 오퍼레이터에게 이용가능하게 될 수 있다. 게다가, 오퍼레이터 이용량 및 성능 데이터(302)는 거동에 기초하여 차량 오퍼레이터에 피드백을 제공하기 위해 이용될 수 있다. 예를 들면, 상기 언급된 바와 같이, 주어진 메트릭에 대해 정상 모드로 전이함으로써, 피드백은 차량 오퍼레이터에 제공된다. 대안적으로, 차량 오퍼레이터가 주어진 메트릭에 대해, 주입된 모드로 다시 재분류되면, 거동적 수정이 요구되는 피드백이 제공된다. 게다가, 시스템은 지시들에 더하여 단언들, 통계들 및 다른 피드백을 제공할 수 있다.
오퍼레이터 이용량 및 성능 데이터(302)는 또한, 314에서 감독자 중심 특징들을 제공하기 위해 이용될 수 있다. 예를 들면, 차량 오퍼레이터 점수들은 316에서 감독자에 의해 검토될 수 있다. 여기서, 감독자는 개별적인 오퍼레이터들, 오퍼레이터들의 그룹들, 등에 대한 점수들을 뷰잉할 수 있다(오퍼레이터가 단지 그들에 대해 평가된 점수만을 보는 것으로 제한할 수 있는 310에서의 점수와 비교하여). 또한, 점수들에 기초하여, 감독자는 오퍼레이터들에 (긍정 또는 부정인) 피드백을 제공하거나, 선택 오퍼레이터들로부터의 결과들을 공유 등을 할 것을 선택할 수 있다.
또한, 오퍼레이터 거동 데이터(302)는 대시보드로 통합될 수 있고, 상기 대시보드는 (예로서, 임계치, 등에 대해 측정된 바와 같이) 차량 오퍼레이터 성능의 (거의) 실시간 평가를 허용한다. 이와 관련하여, 감독자는 대시보드를, 단지 요약 데이터가 대시보드 상에 보여지도록 허용하는 계층적 뷰로 배열할 수 있다. 예를 들면, 감독자는 임계치와 비교하여 한 무리의 오퍼레이터들에 걸친 점수들의 집성 측정치를 단지 볼 수 있다. 감독자는 그 다음, 원하는 경우 개별적인 데이터를 보기 위해 320에서 상세들로 드릴 다운할 수 있다.
도 4를 참조하면, 본 발명의 예시적인 양태들에 따라, 감독자는 (예로서, 도 2a, 도 2b의 방법, 도 3의 특징들, 등을 구현하는) 동적 오퍼레이터 거동 분석기 시스템의 셋업(400)을 수행할 수 있다. 이와 관련하여, 감독자는 402에서 메트릭들을 선택하거나 그렇지 않으면, 규정한다. 예를 들면, 감독자는 예로서, 메뉴 또는 다른 적합한 인터페이스로부터 선택함으로써 이용가능한, 미리 규정된 메트릭들로부터 선택할 수 있다. 대안적으로, 감독자는 특정한 애플리케이션에 적합하게 하기 위해 메트릭들을 생성하거나 그렇지 않으면, 설계할 수 있다.
메트릭들의 선택은 (예로서, 충돌들을 제한하고, 산업용 차량 안정성, 제한 속도들 및 정지 표지들에 대한 집착, 정기 통신을 유지하며 '통행권(right of way)' 관습, 적절한 부하 가중치들 및 리프트 높이들, 등을 따르는 것을 통해) 창고 운영들에서의 개선들을 부여하도록 맞춰질 수 있다.
예로서, 그리고 제한이 아닌 것으로서, 예시적인 메트릭들은 다음을 포함할 수 있다:
차량 네트워크 버스(예로서, CAN 버스) 용이
메트릭들
:
메트릭들은 예로서, 급작스럽고, 갑작스러운 시작들과 같은 가속; 정확한 주기의 버튼 활성화들과 같은 활성화들(예로서, 업무 동안의 "도움(Assist) 특징들); 또는 배터리가 표준무게 이하이거나, 배터리가 지속시간을 변경시키거나, 배터리 큐 지시들이 뒤따르는지의 여부와 같은, 배터리 특성들을 결정하기 위해 차량 네트워크 버스에 걸친 질의들에 의해 식별될 수 있는 특징들을 포함할 수 있다. 다른 이러한 메트릭들은 동시에 리프팅 및 이동과 같은 블렌딩; 제공; 배터리 충전 또는 변경, 등을 포함할 수 있다. 게다가, 이러한 메트릭들은 클록 관리; 체크리스트 준수; 오퍼레이터가 고속 코너링을 수행하는지의 여부; 오퍼레이터가 차량이 정지하기 전에 차량에서 하차하는지의 여부, 등을 포함할 수 있다. 여전히 다른 메트릭들은 충돌들(충돌 심각도(collision severity), 빈도, 등); 차량 용량들에 관한 포크들에 대한 부하; 안정성 및 차량 네트워크 버스에 걸친 질의에 의해 식별될 수 있는 다른 특징들을 포함할 수 있다.
위치
추적 용이
메트릭들
:
여전히 또 다른 메트릭들은 상업용 차량, 서버, 동작 환경, 또는 그의 조합에 대해 제공된 위치 기반 추적 능력들로부터 얻어질 수 있다. 이러한 메트릭들의 예들은 반 자동화 특징들을 이용할 때 다음의 시스템 지시들; 특정 영역에서의 이동 방향, 경적의 이용, 빛, 등, 및 에너지 이용량 대 이동된 케이스들/팰릿들 대 구동 습관들의 빈도를 포함할 수 있다. 여전히 다른 메트릭들은 좁은 통로에서 또 다른 트럭을 가깝게 통과할 때의 차량 속도; 산업용 차량이 제한된 영역에 진입하거나, 스피드 존들을 준수하거나, 필요한 정지를 하거나, 양보하는, 등의 여부를 포함할 수 있다.
성능
메트릭들
또 다른 예들로서, 성능 메트릭들은, 이상적인 경로 밖에 초과 이동 또는 리프트가 존재하는지의 여부, 오퍼레이터가 부정확한 선택들 또는 적치들을 수행하는지의 여부, 등과 같은, 효율성을 추적할 수 있다.
감독자는 그 다음, 404에서 메트릭들을 구성한다. 404에서의 구성은, 프로세서가 분석하기에 중요한 데이터를 갖도록 메트릭들에 특정한 값들을 할당한다. 예를 들면, 메트릭이 통로의 끝에서 경적을 울리는 것이면, 사건은 자동화된 프로세스에 의해 이해될 수 있는 데이터로 변환될 필요가 있다. 따라서, "통로의 끝 메트릭"은 통로의 끝에 대한 산업용 차량의 근접성을 식별하기 위해 위치 추적을 이용하도록 구성될 수 있다. 또한, 프로세스는, 시스템이 오퍼레이터가 실제로 적절한 시간에 경적에 관여했는지의 여부를 알아낼 수 있도록 산업용 차량 CAN 버스(또는 다른 로컬 차량 네트워크)에서 정보를 판독하도록 프로그래밍될 수 있다. 따라서, 메트릭들을 구성하는 것은 모든 필요한 파라미터들, 값들, 규칙들, 등을 설정하는 것을 포함하고, 이들은 본 명세서에서 더 완전하게 설명된 바와 같이 메트릭들과 연관된다.
감독자는 406에서, 선택된 메트릭들에 순서/가중치를 적용하기로 선택할 수 있다. 예를 들면, 특정 사건들이 특정 고객들에 대한, 그러나 모든 고객들에 대한 것이 아닌 플릿(fleet)의 운영에 더 높은 중요성을 전달할 것 같다. 이와 같이, 감독자는 비즈니스, 로컬, 주 또는 연방 법들, 등의 센서빌리티(sensibility)들 및 요구조건들을 반영하기 위해 다양한 메트릭들을 맞추거나 조정할 수 있다. 또한, 메트릭들은 다양한 계층적 레벨들(예로서, 최대 단일의, 상위 레벨 점수)까지 집성될 수 있다. 이 점수는 차량 오퍼레이터들을 평가하기 위해 이용될 수 있고 심지어 보상(compensation or reward)의 측정치의 역할을 할 수 있다. 게다가, 감독자는 408에서 벤치마크들을 규정할 수 있다. 본 명세서에서 이용된 바와 같이, 용어 "벤치마크"는 일부 표준에 대한 오퍼레이터 거동의 비교를 허용하는 일부 측정치를 의미한다. 벤치마크는 (예로서, 상이한 시프트들, 위치들, 또는 다른 기준들을 설명하기 위해) 조정될 수 있다.
도 5를 참조하면, 본 명세서에서 더 상세하게 언급된 바와 같이, 각각의 메트릭은 그와 연관된 데이터 값들의 다양한 범주들을 가질 수 있다. 범주들(500)의 일 예시적인 세트가 예를 위해 도시된다. 예시적인 범주들은 502에서 사건 설명, 504에서 거동 수정 동작, 506에서 모드 규칙들, 508에서 사전 동작 트리거(들), 510에서 평가 규칙(들), 512에서 벤치마크, 및 514에서 가중치를 포함한다.
502에서의 사건은 대응하는 메트릭과 연관된 사건을 규정한다. 사건은 예를 들면, 특정 오퍼레이터 거동을 원하는 상황들을 위해 규정된다.
504에서의 거동 수정 동작은, 정보/코칭이 특정 오퍼레이터 거동을 위해 요구된다는 결정이 행해질 때 실행되는 동작이다. 예를 들면, 상기 언급된 바와 같이, 거동 수정 동작은 사건에 응답하여 원하는 결과에 도달하기 위해(예로서, 대응하는 성능 파라미터(들)를 만족시키거나 그렇지 않으면, 준수하기 위해) 필요한 거동에 관해 차량 오퍼레이터에 교육하는 동작일 수 있다. 거동 수정 동작은 시각 메시지, 청취가능한 메시지, 알람, 지시 비디오, 햅틱(haptic) 응답, 빛, 사진/이미지 또는 차량의 속도를 늦추거나, 차량에 대한 제어들을 제한하는, 등과 같은, 산업용 차량의 수행 시의 지시, 자동화된 제어 또는 조정을 전달하는 시각 은유일 수 있다.
예로서, 통신은 헤드 장착된, 음성 활성화 디스플레이 및 이용자 경험/이용자 인터페이스, 오퍼레이터의 주변 시야에서 정보를 디스플레이하는 안전 유리들로 구축된 대체 현실(alternate reality; AR) 디바이스와 같은 AR 디바이스, 햅틱 또는 오디오 피드백, 글로브(glove)들, 반사기 베스트(vest), 등을 제공하는 웨어러블(wearable) 기술에 의해 구현될 수 있다. 게다가, 오퍼레이터에 전달하기 위해 특정 조건들에서 진동하는 손목밴드 장치가 제공될 수 있다. 여기서, 코칭은 차량을 운전하는 것으로부터 오퍼레이터의 주의를 다른 곳으로 돌리지 않고 이러한 방식으로 제공될 수 있다.
또 다른 예시적인 통신 기술은 오퍼레이터가 심지어 차량 밖/부지 밖(예로서, 집)에서의 편안한 설정의 개선을 위해 그들의 기회들을 연구하도록 허용하는 모바일 애플리케이션을 활용할 수 있다. 시스템은 또한, 블로그, 온라인 오퍼레이터 커뮤니티, 관리의 개입 없이 오퍼레이터들이 그들의 블로그를 관리하는 게임, 등을 지원할 수 있다.
오퍼레이터를 위한 산업용 차량에 관한 메시지들의 예들
충돌들
산업용 차량 디스플레이 상에 디스플레이된 충돌 경고 메시지들은 다음을 포함할 수 있다:
적색, 전체 스크린
a. "IMPACT 6.2g 당신은 괜찮은가?" + 점수 카드 및 경향
i. "예" 또는 "아니오"를 위한 버튼들
ii. 예이면, "비디오를 플레이하는가?"를 위한 메뉴
iii. 아니오이면, 충돌의 유형을 위한 메뉴
주의 메시지
b. 노란색, 절반 스크린
i. "IMPACT 2.2g" + 점수 카드 및 경향
ii. 충돌의 유형을 위한 메뉴
iii.
긍정적 강화 메시지들
c. 녹색, 전체 스크린
i. "IMPACTS 양호" + 점수 카드 및 경향
d. 노란색, 절반 스크린
i. "IMPACTS 개선" + 점수 카드 및 경향
정지들
산업용 차량 디스플레이 상에 디스플레이된 정지 경고 메시지들은 다음을 포함할 수 있다:
주입/주의 메시지(예측적)
e. 노란색, 전체 스크린
i. "STOP 교차로에서의 정지" + 점수 카드 및 경향
경고 메시지(반응적)
f. 적색, 전체 스크린
i. "STOP 정지하는데 실패한" + 점수 카드 및 경향
긍정적 강화 메시지들
g. 녹색, 전체 스크린
i. "STOPS 양호" + 점수 카드 및 경향
h. 노란색, 절반 스크린
i. "STOPS 개선" + 점수 카드 및 경향
근접성
산업용 차량 디스플레이 상에 디스플레이된 근접성 기반 경고 메시지들은 다음을 포함할 수 있다:
주의 메시지
i. 노란색, 전체 스크린
i. "PROXIMITY 3mph" + 점수 카드 및 경향
경고 메시지
j. 적색, 전체 스크린
i. "PROXIMITY 3mph 초과" + 점수 카드 및 경향
긍정적 강화 메시지들
k. 녹색, 전체 스크린
i. "PROXIMITY 속도 양호" + 점수 카드 및 경향
l. 노란색, 절반 스크린
i. "PROXIMITY 개선" + 점수 카드 및 경향
차량 오퍼레이터를 위한 팰릿 산업용 차량에 관한 성능 메시지들의 예들.
타겟(이동된 케이스들 또는 팰릿들)
산업용 차량 디스플레이 상에 디스플레이된 생산성 경고 메시지들은 다음을 포함할 수 있다.
주의 메시지
m. 노란색, 전체 스크린
i. "CASES PICKS" + 점수 카드 및 경향
ii. 큰 하향 화살표를 갖는 점수(104)
경고 메시지
n. 적색, 전체 스크린
i. "CASES PICKS" + 점수 카드 및 경향
ii. 큰 하향 화살표를 갖는 점수(88)
긍정적 강화 메시지들
o. 녹색, 전체 스크린
i. "CASES PICKS" + 점수 카드 및 경향
ii. 좌측을 가리키는 큰 화살표를 갖는 점수(108)(안정적)
p. 노란색, 절반 스크린
i. "CASES PICKS 개선" + 점수 카드 및 경향
ii. 큰 상향 화살표를 갖는 점수(96)
506에서의 모드 규칙(들)은, 모드(예로서, 주입, 정상, 경고)가 대응하는 메트릭에 대한 차량 오퍼레이터와 연관되는 조건을 결정하는 파라미터들, 규칙들, 등을 식별한다. 예를 들면, 모드 규칙은 하나의 모드로부터 또 다른 모드로 이동하기 위해 복수의 연속적인 거동들을 확립할 수 있다. 일례로서, 주입 모드는, 차량 오퍼레이터가 사건에 응답하여 X 미만의 연속적인 적합한 거동들을 설명했다면 그 사건에 대해 설정될 수 있다. 마찬가지로, 경험있는 오퍼레이터(예로서, 메트릭에 대한 정상 모드)는, 경험있는 오퍼레이터가 미리 결정된 기간 내에서 Y번의 연속적인 휫수들, Z번의 횟수들, 등으로 의도된 거동을 수행하는데 실패하면 주입된 상태로 다시 강등될 수 있다. 다른 측정치들은 또한 또는 대안적으로, 모드들 사이를 전이할 때를 결정하기 위해 이용될 수 있다. 또한, 상이한 사건들은 상이한 규칙들을 가질 수 있다. 예를 들면, 더 상이하거나 더 중요한 사건들(예로서, 높은 범위 적치 동작들, 하역장 상에서의 운전, 등)은 경험있는 상태를 획득하기 위해 적절한 거동의 더 많은 반복들을 요구할 수 있다.
508에서의 사전 동작 트리거는, 방법이 메트릭에 대한 예측 능력이 인에이블링(enabling)되면, 사건이 발생함을 예측할 때를 특징짓는 하나 이상의 동작들, 사건들, 파라미터들, 규칙들, 등이다. 주문시 적시에 코칭을 제공하기 위해, 특정 사건들은 예측 능력을 요구할 수 있다. 사전 동작 트리거는 그들 예측 파라미터들을 규정한다. 예를 들면, 상기 예에서, 통로의 끝에서 경적을 울리기 위한 사건에 대한 사전 동작 트리거는 통로의 끝 근처의 산업용 차량의 검출이다. 또 다른 예로서, 적재 존으로의 운전과 같은 사건은 속도를 늦추고/늦추거나 미리 규정된 속도 제한으로 속도를 완화할 것을 차량 오퍼레이터에 요구할 수 있다. 이와 같이, 차량은, 그것이 적재 존에 막 진입할 때를 알아야 한다. 사전 동작은 심지어 동적일 수 있다. 예를 들면, 적합한 속도 늦추기는 차량에 의해 운반된 짐의 무게에 의존할 수 있다. 이와 같이, 방법은 사전 동작에 영향을 주는 동적 입력들이 트리거링할 때, 영역에서의 짐, 차량 속도, 및 다른 차량들/노동자들의 수를 고려할 수 있다.
510에서의 평가 규칙은, 차량 오퍼레이터가 대응하는 사건과 연관된 거동을 준수했는지의 여부를 특징짓는 하나 이상의 규칙들이다. 예를 들면, 평가 규칙들(510)은 하나 이상의 성능 파라미터들에 의해 규정될 수 있다. 본 명세서에서 언급된 바와 같이, 성능 파라미터는 메트릭과 연관된 사건의 발생에 응답하여 원하거나, 의도되거나, 적절하거나 그렇지 않으면 요구된 차량 오퍼레이터 거동(예로서, 차량 오퍼레이터가 행해야 하고/하거나 행해야 하지 않아야 하는 것)을 규정한다. 따라서, 예를 들면, 사건이 적재 존에서 속도를 늦추는 것이면, 평가 규칙은, 오퍼레이터가 실제로 속도가 늦춰졌는지의 여부를 결정한다. 규칙의 정확한 구현은 따라서, 관련 정보(사건 데이터)를 추출하기 위해 대응하는 사건 및 산업용 차량 상의 프로세싱 디바이스의 능력에 의존할 것이다.
본 발명의 또 다른 양태들에 따라, 평가 규칙들은 대응하는 거동에 준수하여 식별하는 준수 규칙들, 정정 조치가 취해지는(또는 선택적으로, 정정 조치의 심각도) 때를 식별하는 결과 규칙들, 사건에 응답하여 원하는 거동이 부적합한 것으로 결정된 후의 응답을 결정하는 사후 위반 규칙들, 등을 포함할 수 있다.
512에서의 벤치마크는 차량 오퍼레이터, 차량 오퍼레이터들의 그룹(예로서, 차량 오퍼레이터들의 팀), 등을 평가하기 위한 비교로서 이용되는 측정치이다. 특정한 벤치마크는 메트릭과 연관된 사건의 본질에 의존할 것이다.
514에서의 가중치는 감독자가 또 다른 메트릭보다 하나의 메트릭에 대해 더 크게 강조하거나 더 큰 중요성을 부여하도록 허용하는 선택적 스케일링을 표현한다. 이것은 특정한 구현의 필요성들 또는 예상들에 부합하기 위해 메트릭들 및 점수 계산들의 맞춤을 허용한다.
따라서, 예를 들면, 각각의 메트릭은 고객에 의해 선택된 바와 같이 가중될 수 있다. 시스템은 오퍼레이터 이용량 및 성능 데이터를 통해 개개인, 그룹, 등, 안전 및 성능 표시의 기록을 보관하고, 이는 오퍼레이터 피드백(예로서, 성능 점수)을 제공한다. 또한, 점수는 성능 평가 또는 인센티브 프로그램(예로서, 통화 또는 다른 상/보상들)의 부분으로서 이용될 수 있다.
몇몇 메트릭들의 기본 기능이 위치 추적 없이 인에이블링될 수 있음에도 불구하고, 많은 유용한 메트릭들이 위치 추적 기술에 의해 크게 증진될 수 있음에 주의한다. 이와 관련하여, 위치 추적을 위해 필요한 로컬라이제이션(localization)은 차량 위치의 매핑을 통해, RFID 태그들과 같은, 태그들의 검출, 또는 다른 적합한 기술들(예로서, 카메라들/이미지 식별, 등)을 통해 달성될 수 있다. 몇몇 예시적인 예들은 다음과 같다:
선택적으로, 각각이 메트릭은 516에서 하나 이상의 게임화 보상들을 가질 수 있다. 게임화 보상들은 본 명세서에서 설명된 바와 같이, 점수들, 배지들, 성취 인식들, 등을 포함할 수 있다.
차량 오퍼레이터
게임화
:
게이머들은 다른 것들에 대해 점수를 매기고/경쟁할 능력을 좋아할 수 있거나 단지 그들이 비교하는 방법을 안다. 이와 같이, 게임화 시스템에서 이용된 것들과 같은 기술들이 또한 구현될 수 있다. 예를 들면, 적절한 거동들은 더 높은 점수를 획득하고, 이는 획득되는 배지로서의 역할을 할 수 있다. 이와 관련하여, 게임화 기술들은 성취, 상태, 자가 표현, 등을 위해 차량 오퍼레이터들 사이에서의 경쟁을 용이하게 하도록 동적 오퍼레이터 거동 분석기 내에서 활용된다. 게임화는 포인트들, 가상 코인들/화폐, 가상 배지들, 진행 바/미터, 등의 이용을 통해 차량 오퍼레이터들에 한 세트의 보상들을 제공함으로써 구현된다. 보상들은 본 명세서에서 더 완전하게 개시된 오퍼레이터 점수에 기초하여 누적될 수 있다. 예를 들면, 보상들은 적절한 거동을 보이기 위해 제공될 수 있다. 배지들은 차량 오퍼레이터의 성취들을 인식하기 위해 차량 디스플레이 상에 디스플레이될 수 있다.
배지들은 또한, 뿐만 아니라, 역 방식으로 이용될 수 있다. 예를 들면, "루키" 배지는, 차량 오퍼레이터가 배지로 하여금 제거될 권리를 획득할 시간까지 차량 오퍼레이터의 공용 디스플레이 상에 끊임없이 보일 수 있다. 보상들은 또한, 사소한 사건, 참석, 재직, 차량 동작 승인들의 수/유형, 하나 이상의 차량 유형들에 대해 성취된 기술 레벨, 등 없이, X일의 근무일들을 포함하는 차량 오퍼레이터의 동작들에 의해 획득될 수 있다.
이와 관련하여, (예로서, 디스플레이 스크린 상에 디스플레이될 수 있는 "리더들의 보드"를 통해, 대시보드 상의 비교 메트릭들을 통해, 또는 다른 가상 디스플레이들을 통해) 차량 오퍼레이터 보상들이 다른 차량 오퍼레이터들에게 보이게 함으로써 경쟁이 부추겨진다.
기타
매니저들에 대해, 산업용 차량 시스템은 벤치마크 또는 타겟에 대해 새로운 안전 및 성능 메트릭들을 측정하고 관리한다. 매니저들에게는 실제 성능 대 벤치마크(예로서, 이번주에 22번의 충돌들; 목적은 주 당 18번의 충돌들 미만이다)가 보여진다. 매니저들에게는 또한, 각각의 메트릭 사이에 상대 비교를 행하기 위해, 퍼센티지(예로서, 충돌들 94%)로서 각각의 메트릭에 대한 정규화된 점수가 보여진다. 대시보드들, 맵 뷰들 및 데이터 가상화들은 매니저가 중요한 것을 확인하고 조치를 취하도록 허용한다.
오퍼레이터에 대해, 각각의 메트릭은 이상적인 순간(예로서, 오퍼레이터는 단지 교차로에 도착하기 이전에 "STOP" 메시지를 수신한다)에 산업용 차량 디스플레이 상에서 실시간으로 오퍼레이터에 제공되는 일련의 지시 및 거동 수정 동작들을 갖는다. 메시지들은, 오퍼레이터가 지속적으로 정확한 거동을 설명할 때까지 반복된다. 오퍼레이터가 일관적일 때, 메시지들이 사라진다. 오퍼레이터가 실수를 하면, 메시지들은 그들이 다시 일관적이 될 때까지 다시 나타난다.
본 발명의 양태들은 산업용 차량에 대한 외부 정보, 및 (예로서, 센서들, CAN 버스 모니터링, 등을 통해) 산업용 차량에 의해 확인가능한 정보로부터 전체적으로 얻어질 수 있는 정보를 활용할 수 있다. 예를 들면, 위치 추적은 지오펜스(geofenced) 위치들, 정지 신호들, 느리거나 정체된 영역들, 등에 관한 정보를 제공할 수 있다. 위치 추적은 또한, 창고에서의 이용자가 일하고 있는 장소를 알릴 수 있다. 따라서, 위치 추적은 다른 위치 추적 자산들에 기초하여 긴급 호(close call)들을 근사화할 수 있다. 여기서, 시스템은 오퍼레이터가 알기 전에 상기 오퍼레이터가 위반했음을 실제로 알 수 있다. 또한, 초음파 센서들, 카메라들 및 다른 기계 인에이블링된 기술들은 위치 추적 시스템에 이용가능하지 않은 피드백을 제공할 수 있다.
로컬화된 상대 위치 피드백은 또한, 서버가 조건이 존재한다고 통지받기 전에 해결할 기회를 제공한다. 예를 들면, 산업용 차량 상에 장착된 초음파 센서들은 오퍼레이터가, 시스템이 거동을 서버에 보고하기 전에 상기 거동을 정정하도록 허용할 수 있다. 또한, 이러한 로컬화된 지식은 무선 네트워크를 통한 정보의 수신에 의존하지 않는다.
본 발명의 양태들에 따라, 성능에 대한 메트릭들은 차량 오퍼레이터와 대응하는 차량 사이의 일련의 통신들을 통해 제공된다. 차량은 트럭 디스플레이 상의 시기 적절한 메시지들 또는 다른 형태의 통신을 통해 실시간으로 그것의 오퍼레이터로 전달할 것이다. 따라서, 산업용 차량은 오퍼레이터로 하여금 그들의 기술들을 개선시키고 유지하도록 이상적인 순간에 코칭 및 지시 정보를 오퍼레이터에 부여하고 있다.
예를 들면, 긍정적 강화, 경고, 또는 코칭/주입 메시지가 제공될 때마다, 오퍼레이터의 점수(예로서, 100%로 정규화된)가 디스플레이될 수 있어서, 오퍼레이터가 수행의 실행 표시를 갖게 한다. 또한, 통계들(예로서, 평균(average, mean), 높은 점수, 낮은 점수, 등)이 제공될 수 있다. 이들 통계들은 오퍼레이터를 그들 자신의 이전 점수들에 대항(pit against)시킬 수 있거나, 통계들은 오퍼레이터들의 그룹에 대한 비교를 표현할 수 있다.
감독자의 관점으로부터, 대시보드는 점수(예로서, 차량 오퍼레이터들의 거동에 기초하여 그들을 평가하고, 비교하며 순위를 매기기 위한 평균 평점(grade point average; GPA) 또는 다른 방식)를 제공하여, 감독자가 그들이 특정한 거동에 대해 드릴 다운하기를 원하지 않는 한 데이터를 낙하 주입(pour through)할 필요가 없게 한다. 높은 스코어러들이 인식되고/보상될 수 있으며; 낮은 스코어러들이 코칭되고, 책임을 지며, 재할당, 등이 될 수 있다.
따라서, 본 발명의 양태들은 오퍼레이터에게, 그들의 습관들을 추적하고, 실시간 피드백을 제공하며, 그들에게 (사회적으로, 금전적으로, 등) 개선하기 위한 인센티브를 제공하기 위한 툴들을 그들에게 제공함으로써 개선시킬 권한을 준다.
컴퓨터 시스템 개요
도 6을 참조하면, 개략적 블록도는 예로서, 이용자와 상호작용함으로써 본 명세서에 설명된 다양한 방법들을 구현하기 위한 일 예시적인 컴퓨터 시스템(600)을 도시한다. 예시적인 컴퓨터 시스템(600)은 시스템 버스(630)에 접속되는 하나 이상의 마이크로프로세서(μP)(610) 및 대응하는 메모리(620)(랜덤 액세스 메모리 및/또는 판독 전용 메모리)를 포함한다. 정보는 적합한 브릿지(650)에 의해 시스템 버스(630)와 버스(640) 사이에 전달될 수 있다. 버스(640)는 저장장치(660)(예로서, 하드 디스크 드라이브들); 착탈가능한 매체 저장 디바이스들(670)(예로서, 플래시 드라이브들, DVD-ROM 드라이브들, CD-ROM 드라이브들, 플로피 드라이브들, 등); I/O 디바이스들(680)(예로서, 마우스, 키보드, 모니터, 프린터, 스캐너, 등); 및 네트워크 어댑터(690)와 같은, 주변장치를 하나 이상의 마이크로프로세서들(μP)(610)과 인터페이싱(interfacing)시키기 위해 이용된다. 주변장치의 상기 목록은 예로서 제공되고, 제한적인 것으로 의도되지 않는다. 다른 주변 디바이스들은 컴퓨터 시스템(600)으로 적합하게 통합될 수 있다. 착탈가능한 매체 저장장치(670)로 삽입가능한 메모리(620), 저장장치(660), 착탈가능한 매체 또는 그의 조합들은 도 1 내지 도 5를 참조하여 본 명세서에서 제시되고 설명된 방법들, 구성들, 인터페이스들 및 다른 양태들을 구현하기 위해 이용될 수 있다.
마이크로프로세서(들)(610)는 예시적인 컴퓨터 시스템(600)의 동작을 제어한다. 또한, 마이크로프로세서(들)(610) 중 하나 이상은 본 명세서에서의 방법들을 구현할 것을 마이크로프로세서(들)(610)에 지시하는 컴퓨터 판독가능한 코드를 실행한다. 컴퓨터 판독가능한 코드는 예를 들면, 메모리(620), 저장장치(660), 착탈가능한 매체 저장 디바이스(670) 또는 마이크로프로세서(들)(610)에 의해 액세스가능한 다른 적합한 유형의 저장 매체에 저장될 수 있다. 메모리(620)는 또한, 예를 들면, 데이터, 운영 체제, 등을 저장하기 위한 워킹 메모리(working memory)로서의 기능을 할 수 있다.
따라서, 예시적인 컴퓨터 메모리(600) 또는 그의 구성요소들은 본 명세서에서 더 상세하게 제시된 바와 같이 방법들 및 컴퓨터 판독가능한 저장 디바이스들을 구현할 수 있다. 다른 컴퓨터 구성들은 또한, 본 명세서에서 더 상세하게 제시된 바와 같이 방법들 및 컴퓨터 판독가능한 저장 디바이스들을 구현할 수 있다. 본 발명의 양태들에 대한 동작들을 실행하기 위한 컴퓨터 프로그램 코드는 하나 이상의 컴퓨터 프로그래밍 언어들의 임의의 조합으로 기록될 수 있다. 프로그램 코드는 전체적으로 컴퓨터 시스템(600) 상에서, 부분적으로 컴퓨터 시스템(600) 상에서, 부분적으로 컴퓨터 시스템(600) 상에서 및 부분적으로 원격 컴퓨터 상에서 또는 전체적으로 원격 컴퓨터 또는 서버 상에서 실행될 수 있다. 후자의 시나리오에서, 원격 컴퓨터는 예로서, 컴퓨터 시스템(600)의 네트워크 어댑터(690)를 이용하여 임의의 유형의 네트워크 접속을 통해 컴퓨터 시스템(600)에 접속될 수 있다.
본 발명의 양태들은 본 발명의 실시예들에 따라 방법들의 흐름도 예시들 및 컴퓨터 프로그램 제품들을 참조하여 본 명세서에서 설명된다. 흐름도 예시들의 각각의 블록은 컴퓨터 프로그램 지시들에 의해 구현될 수 있다. 이들 컴퓨터 프로그램 지시들은 기계를 생산하기 위해 프로세서에 제공될 수 있어서, 컴퓨터의 프로세서 또는 다른 프로그래밍가능한 데이터 프로세싱 장치를 통해 실행되는 지시들이 흐름도에 규정된 기능들/동작들을 구현하기 위한 수단을 생성하게 한다.
이들 컴퓨터 프로그램 지시들은 또한, 컴퓨터 판독가능한 저장 매체(즉, 컴퓨터 판독가능한 저장 디바이스)에 저장될 수 있어서 컴퓨터 판독가능한 매체에 저장된 지시들이, 프로세서에 의해 구현될 때 흐름도들에 규정된 기능들/동작들을 구현하는 지시들을 포함하는 한 품목의 상품을 생성하게 한다.
당업자에 의해 이해될 바와 같이, 본 발명의 양태들은 임의의 새롭고 유용한 프로세스, 기계, 상품, 또는 물질의 구성, 또는 그의 임의의 새롭고 유용한 개선을 포함하는 복수의 특허할 만한 부류들 또는 콘텍스트 중 임의의 것으로 본 명세서에서 도시되고 설명될 수 있다. 따라서, 본 발명의 양태들은 전체적으로 하드웨어, 전체적으로 소프트웨어(펌웨어, 상주 소프트웨어, 마이크로코드, 등) 또는 소프트웨어 및 하드웨어 구현을 조합하는 것으로 구현될 수 있다. 하나 이상의 컴퓨터 판독가능한 매체들의 임의의 조합이 활용될 수 있다. 본 명세서에서의 양태들은 컴퓨터 판독가능한 저장 매체 또는 컴퓨터 판독가능한 신호 매체로서 구현될 수 있다. 저장 매체는 유형의 또는 그렇지 않으면, 물리적 메모리 예로서, 저장 디바이스이다. 컴퓨터 판독가능한 신호 매체는 예를 들면, 기저대역에서의 또는 반송파의 부분으로서 그 안에 구체화된 컴퓨터 판독가능한 프로그램 코드를 갖는, 전파된 데이터 신호 그 자체를 포함할 수 있다. 컴퓨터 판독가능한 신호 매체는 컴퓨터 판독가능한 저장 매체가 아니고 지시 실행 시스템, 장치, 또는 디바이스에 의해 또는 이와 관련하여 이용하기 위해 프로그램을 전달, 전파, 또는 전송할 수 있는 임의의 컴퓨터 판독가능한 매체일 수 있다.
본 명세서에서 이용된 전문용어는 단지 특정한 실시예들을 설명하기 위한 것이고 본 발명을 제한하는 것으로 의도되지 않는다. 본 명세서에서 이용된 바와 같이, 단수 표현들("a", "an" 및 "the")은 콘텍스트가 명백하게 다르게 나타내지 않으면, 복수 형태들을 또한 포함하도록 의도된다. 본 명세서에서 이용될 때, 용어들("포함하다(comprises)" 및/또는 "포함하는(comprising)")이 언급된 특징들, 정수들, 단계들, 동작들, 요소들, 및/또는 구성요소들의 존재를 규정하지만, 하나 이상의 다른 특징들, 정수들, 단계들, 동작들, 요소들, 구성요소들 및/또는 그의 그룹들의 존재 또는 부가를 배제하지 않음이 추가로 이해될 것이다.
본 발명의 설명은 예시 및 설명의 목적들을 위해 제공되었지만, 포괄적인 것으로 의도되지 않거나 개시된 형태로 본 발명으로 제한되지 않는다. 많은 수정들 및 변형들은 본 발명의 범위 및 사상으로부터 벗어나지 않고 당업자들에 명백할 것이다.
따라서, 본 출원의 본 발명이 상세하게 및 본 발명의 실시예들에 대한 참조로써 설명되었으면, 수정들 및 변형들이 첨부된 청구항들에 규정된 본 발명의 범위를 벗어나지 않고 가능함이 명백할 것이다.
100, 600: 컴퓨터 시스템 102: 프로세싱 디바이스들
104: 네트워크 106: 네트워킹 구성요소들
108: 산업용 차량 110: 액세스 지점들
112: 서버 114: 분석 엔진
116: 데이터 소스들
118: 산업용 차량 정보 데이터베이스 120: 창고 관리 시스템
122: 인적 자원 관리 시스템 124: 노동 관리 시스템
610: 마이크로프로세서 620: 메모리
630: 시스템 버스 640: 버스
650: 시스템 브릿지 660: 저장장치
670: 착탈가능한 매체 저장 디바이스들 680: I/O 디바이스들
690: 네트워크 어댑터
104: 네트워크 106: 네트워킹 구성요소들
108: 산업용 차량 110: 액세스 지점들
112: 서버 114: 분석 엔진
116: 데이터 소스들
118: 산업용 차량 정보 데이터베이스 120: 창고 관리 시스템
122: 인적 자원 관리 시스템 124: 노동 관리 시스템
610: 마이크로프로세서 620: 메모리
630: 시스템 버스 640: 버스
650: 시스템 브릿지 660: 저장장치
670: 착탈가능한 매체 저장 디바이스들 680: I/O 디바이스들
690: 네트워크 어댑터
Claims (17)
- 차량 오퍼레이터 거동의 수정을 위해 동적 산업용 차량 모니터링을 제공하는 방법에 있어서:
산업용 차량의 동작과 연관된 사건(event)을 특징짓는 메트릭(metric)을 식별하는 단계로서, 상기 메트릭은 상기 사건에 대해 평가하기 위해 적어도 하나의 성능 파라미터를 갖는, 상기 메트릭을 식별하는 단계;
상기 사건에 대한 상기 산업용 차량의 동작을 모니터링하는 단계;
상기 사건의 발생을 검출하는 단계; 및
상기 사건에 대한 차량 오퍼레이터의 응답을 특징짓는 사건 데이터를 기록하고;
상기 차량 오퍼레이터가 상기 사건에 대한 적절한 거동을 설명했는지의 여부를 결정하기 위해 대응하는 메트릭과 연관된 적어도 하나의 성능 파라미터에 대해 상기 기록된 사건 데이터를 평가하고;
상기 평가에 기초하여 차량 오퍼레이터 점수(score)를 업데이트하며;
상기 업데이트된 차량 오퍼레이터 점수를 전달하는 것을 수행하는 단계를 포함하는, 동적 산업용 차량 모니터링을 제공하는 방법. - 제 1 항에 있어서,
메트릭을 식별하는 상기 단계는:
적어도 하나의 거동 수정 동작을 식별하는 단계; 및
상기 사건에 대해 모니터링하는 단계를 더 포함하고,
상기 모니터링 단계는:
상기 사건이 실제로 발생하기 전에 상기 사건이 발생할 것임을 예측하는 단계; 및
상기 사건이 실제로 발생하기 전에 상기 거동 수정 동작을 수행하는 단계를 포함하는, 동적 산업용 차량 모니터링을 제공하는 방법. - 제 2 항에 있어서,
상기 거동 수정 동작은 발생할 것으로 예측된 사건을 준수하기 위해 필요한 거동에 관한 지시를 포함하는, 동적 산업용 차량 모니터링을 제공하는 방법. - 제 2 항에 있어서,
메트릭을 식별하는 상기 단계는:
상기 사건이 발생할 것임을 예측하는 방법을 규정하는 적어도 하나의 사전 동작 트리거를 식별하는 단계를 더 포함하고,
상기 사건이 실제로 발생하기 전에 상기 사건이 발생할 것임을 예측하는 단계는, 상기 사건이 발생하려고 하는지의 여부를 예측하기 위해 상기 산업용 차량에 의해 얻어진 정보를 적어도 하나의 사전 동작 트리거에 대해 비교하는 단계를 포함하는, 동적 산업용 차량 모니터링을 제공하는 방법. - 제 4 항에 있어서,
상기 산업용 차량에 의해 얻어진 정보를 적어도 하나의 사전 동작 트리거에 대해 비교하는 상기 단계는:
상기 산업용 차량 상의 위치 추적 디바이스로부터 수집된 위치 추적 정보를 적어도 하나의 사전 동작 트리거에 대해 비교하는 단계를 포함하는, 동적 산업용 차량 모니터링을 제공하는 방법. - 제 1 항 내지 제 5 항 중 어느 한 항에 있어서,
메트릭을 식별하는 상기 단계는:
적어도 하나의 거동 수정 동작을 식별하는 단계; 및
상기 사건에 대해 모니터링하는 단계를 더 포함하고,
상기 모니터링 단계는:
상기 사건이 실제로 발생하기 전에 상기 사건이 발생할 것임을 예측하는 단계; 및
상기 사건이 발생할 것임을 추측하는 것에 기초하여:
상기 오퍼레이터가 상기 사건에 응답하도록 주입(inculcate)되었는지의 여부를 결정하고,
상기 오퍼레이터가 상기 사건에 응답하도록 주입되지 않았다는 결정에 기초하여 상기 사건이 실제로 발생하기 전에 상기 거동 수정 동작을 수행하는 것을 수행하는 단계를 포함하는, 동적 산업용 차량 모니터링을 제공하는 방법. - 제 1 항에 있어서,
메트릭을 식별하는 상기 단계는:
거동 수정 동작을 식별하는 단계를 더 포함하고,
상기 방법은:
상기 차량 오퍼레이터가 상기 사건에 대한 적절한 거동을 보여주지 않았다고 결정할 때 상기 거동 수정 동작을 수행하는 단계를 더 포함하는, 동적 산업용 차량 모니터링을 제공하는 방법. - 제 7 항에 있어서,
상기 거동 수정 동작은 상기 사건의 발생에 응답하여 예상된 거동을 나타내는 메시지를 제공하는 것을 포함하는, 동적 산업용 차량 모니터링을 제공하는 방법. - 제 7 항에 있어서,
상기 거동 수정 동작은 상기 사건에 대한 원하는 거동을 성취하기 위해 상기 사건에 응답하여 오퍼레이터 성능을 정정하는 방법을 설명하는 코칭(coaching) 지시를 포함하는, 동적 산업용 차량 모니터링을 제공하는 방법. - 제 1 항에 있어서,
메트릭을 식별하는 상기 단계는:
거동 수정 동작을 식별하는 단계를 더 포함하고,
상기 방법은:
상기 오퍼레이터가 상기 사건에 응답하도록 주입되었는지의 여부를 결정하는 단계; 및
상기 오퍼레이터가 상기 사건에 응답하도록 주입되지 않았다는 결정에 기초하여, 상기 차량 오퍼레이터가 상기 사건에 대한 적절한 거동을 보여주지 않았다고 결정할 때 상기 거동 수정 동작을 수행하는 단계를 더 포함하는, 동적 산업용 차량 모니터링을 제공하는 방법. - 제 10 항에 있어서,
메트릭을 식별하는 상기 단계는:
상기 차량 오퍼레이터가 상기 사건에 대해 주입 모드 또는 정상 모드에 있는지의 여부를 결정하는 적어도 하나의 주입 규칙을 식별하는 단계를 더 포함하고,
상기 거동 수정 동작은 상기 주입 모드에 있을 때 상기 차량 오퍼레이터를 위해 구현되며, 상기 거동 수정 동작은, 상기 차량 오퍼레이터가 상기 사건에 대한 상기 정상 모드에 있을 때 구현되지 않는, 동적 산업용 차량 모니터링을 제공하는 방법. - 제 1 항 내지 제 5 항 중 어느 한 항에 있어서,
상기 차량 오퍼레이터 점수로부터 결정된 바와 같은 성취들에 기초하여 차량 오퍼레이터들에 가상 배지(badge)들을 포함하는 한 세트의 가상 보상들을 할당하는 단계를 더 포함하는, 동적 산업용 차량 모니터링을 제공하는 방법. - 제 1 항 내지 제 5 항 중 어느 한 항에 있어서,
각각이 산업용 차량 상에서 구현되는 동작을 특징짓는 복수의 부가적인 메트릭들을 식별하는 단계; 및
상기 메트릭들의 우선순위 및 가중치 중 적어도 하나를 선택하는 단계를 더 포함하는, 동적 산업용 차량 모니터링을 제공하는 방법. - 제 13 항에 있어서,
메트릭을 식별하는 상기 단계 및 복수의 부가적인 메트릭들을 식별하는 상기 단계는:
미리 규정되지 않은 이용가능한 메트릭들의 목록으로부터 선택하는 단계를 포함하는, 동적 산업용 차량 모니터링을 제공하는 방법. - 제 1 항 내지 제 5 항 중 어느 한 항에 있어서,
상기 차량 오퍼레이터 점수를 결정할 벤치마크(benchmark)에 대해 비교하는 단계; 및
상기 산업용 차량의 디스플레이 상에 상기 점수를 디스플레이함으로써 상기 오퍼레이터에 상기 결정된 벤치마킹된 점수를 제공하는 단계를 더 포함하는, 동적 산업용 차량 모니터링을 제공하는 방법. - 제 1 항 내지 제 5 항 중 어느 한 항에 있어서,
상기 메트릭에 대해, 상기 오퍼레이터가 상기 동작을 수행하도록 주입되었는지의 여부를 결정하기 위한 상기 파라미터들을 규정하는 주입 조건들을 할당하는 단계를 더 포함하는, 동적 산업용 차량 모니터링을 제공하는 방법. - 제 1 항에 있어서,
상기 산업용 차량에 로그온한 상기 차량 오퍼레이터를 식별하는 오퍼레이터 식별을 얻는 단계를 더 포함하는, 동적 산업용 차량 모니터링을 제공하는 방법.
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201361874172P | 2013-09-05 | 2013-09-05 | |
US61/874,172 | 2013-09-05 | ||
PCT/US2014/054238 WO2015035130A2 (en) | 2013-09-05 | 2014-09-05 | Dynamic operator behavior analyzer |
Publications (2)
Publication Number | Publication Date |
---|---|
KR20160051861A KR20160051861A (ko) | 2016-05-11 |
KR102263813B1 true KR102263813B1 (ko) | 2021-06-14 |
Family
ID=51582517
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
KR1020167008799A KR102263813B1 (ko) | 2013-09-05 | 2014-09-05 | 동적 오퍼레이터 거동 분석기 |
Country Status (8)
Country | Link |
---|---|
US (5) | US9626879B2 (ko) |
EP (2) | EP3671174B1 (ko) |
KR (1) | KR102263813B1 (ko) |
CN (1) | CN105579823B (ko) |
AU (4) | AU2014315126B2 (ko) |
CA (1) | CA2918506C (ko) |
MX (1) | MX358031B (ko) |
WO (1) | WO2015035130A2 (ko) |
Families Citing this family (51)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2018039114A1 (en) * | 2016-08-22 | 2018-03-01 | Peloton Technology, Inc. | Systems for vehicular platooning and methods therefor |
US10474166B2 (en) | 2011-07-06 | 2019-11-12 | Peloton Technology, Inc. | System and method for implementing pre-cognition braking and/or avoiding or mitigation risks among platooning vehicles |
US20170242443A1 (en) | 2015-11-02 | 2017-08-24 | Peloton Technology, Inc. | Gap measurement for vehicle convoying |
US10520581B2 (en) | 2011-07-06 | 2019-12-31 | Peloton Technology, Inc. | Sensor fusion for autonomous or partially autonomous vehicle control |
US9582006B2 (en) | 2011-07-06 | 2017-02-28 | Peloton Technology, Inc. | Systems and methods for semi-autonomous convoying of vehicles |
KR20130024739A (ko) * | 2011-08-31 | 2013-03-08 | 성균관대학교산학협력단 | 실시간 경험 분석 시스템 및 방법 |
US11294396B2 (en) | 2013-03-15 | 2022-04-05 | Peloton Technology, Inc. | System and method for implementing pre-cognition braking and/or avoiding or mitigation risks among platooning vehicles |
KR102263813B1 (ko) | 2013-09-05 | 2021-06-14 | 크라운 이큅먼트 코포레이션 | 동적 오퍼레이터 거동 분석기 |
US10311527B2 (en) | 2014-01-14 | 2019-06-04 | Deere & Company | Agronomic variation and team performance analysis |
US10453018B2 (en) * | 2014-01-14 | 2019-10-22 | Deere & Company | Agricultural information sensing and retrieval |
US10380704B2 (en) | 2014-01-14 | 2019-08-13 | Deere & Company | Operator performance recommendation generation |
CN113552887B (zh) | 2015-05-25 | 2024-11-08 | 克朗设备公司 | 工业车辆地理特征系统 |
US10625751B2 (en) | 2015-06-17 | 2020-04-21 | Crown Equipment Corporation | Dynamic vehicle performance analyzer with smoothing filter |
BR112017025504A2 (pt) * | 2015-07-17 | 2018-08-07 | Crown Equipment Corporation | dispositivo de processamento tendo uma interface gráfica de usuário. |
US11423348B2 (en) * | 2016-01-11 | 2022-08-23 | Hand Held Products, Inc. | System and method for assessing worker performance |
CA3011464A1 (en) | 2016-01-13 | 2017-07-20 | Joy Global Surface Mining Inc | Providing operator feedback during operation of an industrial machine |
JP7005526B2 (ja) | 2016-05-31 | 2022-01-21 | ぺロトン テクノロジー インコーポレイテッド | 隊列走行コントローラの状態マシン |
US10198685B2 (en) | 2016-06-24 | 2019-02-05 | Crown Equipment Corporation | Electronic badge to authenticate and track industrial vehicle operator |
KR102298819B1 (ko) * | 2016-06-24 | 2021-09-09 | 크라운 이큅먼트 코포레이션 | 간접적 전자 배지 추적 |
US10369998B2 (en) | 2016-08-22 | 2019-08-06 | Peloton Technology, Inc. | Dynamic gap control for automated driving |
AU2017315396B2 (en) | 2016-08-25 | 2023-07-06 | Crown Equipment Corporation | Industrial electronic badge |
KR102405377B1 (ko) * | 2016-08-25 | 2022-06-07 | 크라운 이큅먼트 코포레이션 | 관찰 기반 이벤트 추적 |
US20180096629A1 (en) * | 2016-10-04 | 2018-04-05 | GM Global Technology Operations LLC | Virtual driving school |
US10936183B2 (en) * | 2016-11-22 | 2021-03-02 | Crown Equipment Corporation | User interface device for industrial vehicle |
US10423638B2 (en) * | 2017-04-27 | 2019-09-24 | Google Llc | Cloud inference system |
CN108876683B (zh) * | 2017-05-11 | 2021-08-24 | 张堂贤 | 利用游戏社群协助交通管理系统及其方法 |
US10694668B2 (en) | 2017-06-19 | 2020-06-30 | Deere & Company | Locally controlling settings on a combine harvester based on a remote settings adjustment |
US11589507B2 (en) | 2017-06-19 | 2023-02-28 | Deere & Company | Combine harvester control interface for operator and/or remote user |
US10310455B2 (en) | 2017-06-19 | 2019-06-04 | Deere & Company | Combine harvester control and communication system |
US11789413B2 (en) | 2017-06-19 | 2023-10-17 | Deere & Company | Self-learning control system for a mobile machine |
US10437243B2 (en) | 2017-06-19 | 2019-10-08 | Deere & Company | Combine harvester control interface for operator and/or remote user |
JP7027738B2 (ja) * | 2017-09-06 | 2022-03-02 | 株式会社デンソー | 運転支援装置 |
JP7069617B2 (ja) * | 2017-09-27 | 2022-05-18 | 富士フイルムビジネスイノベーション株式会社 | 行動情報処理装置 |
US10782672B2 (en) * | 2018-05-15 | 2020-09-22 | Deere & Company | Machine control system using performance score based setting adjustment |
US10800409B2 (en) * | 2018-09-04 | 2020-10-13 | Caterpillar Paving Products Inc. | Systems and methods for operating a mobile machine using detected sounds |
CN111105106B (zh) * | 2018-10-25 | 2024-11-05 | 玳能本股份有限公司 | 操作评价装置、操作评价方法及操作评价系统 |
US10762791B2 (en) | 2018-10-29 | 2020-09-01 | Peloton Technology, Inc. | Systems and methods for managing communications between vehicles |
KR102435433B1 (ko) * | 2018-11-21 | 2022-08-24 | 구글 엘엘씨 | 서로 다른 데이터 소스들에 대한 질의의 응답들의 통합 |
US10940870B1 (en) * | 2018-11-28 | 2021-03-09 | BlueOwl, LLC | Systems and methods for visualizing predicted driving risk |
KR20200076470A (ko) | 2018-12-19 | 2020-06-29 | 주식회사 두산 | 산업차량, 건설 또는 물류장비의 운영 및 물류 관리 시스템을 위한 가변형 통신 알고리즘 |
JP7275661B2 (ja) * | 2019-03-01 | 2023-05-18 | 日本電信電話株式会社 | 文生成装置、文生成方法、文生成学習装置、文生成学習方法及びプログラム |
CN109919505A (zh) * | 2019-03-14 | 2019-06-21 | 上海达慧智能科技有限公司 | 一种操作状态判断方法、装置、系统、设备和存储介质 |
US11427196B2 (en) | 2019-04-15 | 2022-08-30 | Peloton Technology, Inc. | Systems and methods for managing tractor-trailers |
US11969882B2 (en) * | 2019-11-21 | 2024-04-30 | The Raymond Corporation | Material handling vehicle behavior modification based on task classification |
US11586854B2 (en) * | 2020-03-26 | 2023-02-21 | Intel Corporation | Devices and methods for accurately identifying objects in a vehicle's environment |
CA3174392A1 (en) * | 2020-03-30 | 2021-10-07 | Moove.Ai | Vehicle-data analytics |
US20230394989A1 (en) * | 2020-04-22 | 2023-12-07 | Speadtech Limited | Multi-sensory based performance enhancement system |
KR20230087522A (ko) | 2020-10-05 | 2023-06-16 | 크라운 이큅먼트 코포레이션 | 초광대역 무선 기술을 사용하여 자재 취급 자량들의 상대적 포즈 결정 및 필드 시행을 위한 시스템들 및 방법들 |
US20220383773A1 (en) * | 2021-06-01 | 2022-12-01 | Category, LLC | System, Method, and Apparatus for Maneuver Training |
US11894941B1 (en) | 2022-03-18 | 2024-02-06 | Grammarly, Inc. | Real-time tone feedback in video conferencing |
IT202200019938A1 (it) * | 2022-09-28 | 2024-03-28 | Fassi Gru S P A | Sistema adattativo per la movimentazione di un braccio articolato, in particolare di una gru articolata |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20120068860A1 (en) | 2010-09-17 | 2012-03-22 | Honda Motor Co., Ltd. | Traffic Control Database And Distribution System |
US20140226010A1 (en) | 2011-07-21 | 2014-08-14 | Bendix Commercial Vehicle Systems Llc | Vehicular fleet management system and methods of monitoring and improving driver performance in a fleet of vehicles |
Family Cites Families (52)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6162060A (en) * | 1991-08-09 | 2000-12-19 | Texas Instruments Incorporated | System and method for the delivery, authoring, and management of courseware over a computer network |
US5758299A (en) * | 1995-11-03 | 1998-05-26 | Caterpillar Inc. | Method for generating performance ratings for a vehicle operator |
US8140358B1 (en) | 1996-01-29 | 2012-03-20 | Progressive Casualty Insurance Company | Vehicle monitoring system |
US6516273B1 (en) | 1999-11-04 | 2003-02-04 | Veridian Engineering, Inc. | Method and apparatus for determination and warning of potential violation of intersection traffic control devices |
US20030129574A1 (en) * | 1999-12-30 | 2003-07-10 | Cerego Llc, | System, apparatus and method for maximizing effectiveness and efficiency of learning, retaining and retrieving knowledge and skills |
US6419496B1 (en) * | 2000-03-28 | 2002-07-16 | William Vaughan, Jr. | Learning method |
US20030024132A1 (en) * | 2000-06-14 | 2003-02-06 | Nippon Yusoki Co., Ltd. | Cargo handling vehicle |
US6909947B2 (en) | 2000-10-14 | 2005-06-21 | Motorola, Inc. | System and method for driver performance improvement |
US20030023592A1 (en) * | 2001-07-27 | 2003-01-30 | Rapiscan Security Products (Usa), Inc. | Method and system for certifying operators of x-ray inspection systems |
US20030113694A1 (en) | 2001-12-18 | 2003-06-19 | Develop Your Game, Inc. | Data processing method and system for processing and managing repetitive motion data between diverse geographic locations |
US20030222898A1 (en) * | 2002-06-03 | 2003-12-04 | International Business Machines Corporation | Integrated wizard user interface |
US20040122580A1 (en) * | 2002-12-23 | 2004-06-24 | Sorrells Giles K. | Method and apparatus for determining road conditions |
US8750782B2 (en) * | 2003-04-02 | 2014-06-10 | Joseph M. Scandura | Building and delivering highly adaptive and configurable tutoring systems |
ATE505775T1 (de) * | 2003-05-15 | 2011-04-15 | Speedgauge Inc | System und verfahren zur bewertung der fahrzeug- und bedienerleistungsfähigkeit |
EP1652128B1 (en) * | 2003-07-07 | 2014-05-14 | Insurance Services Office, Inc. | Traffic information system |
US7389178B2 (en) * | 2003-12-11 | 2008-06-17 | Greenroad Driving Technologies Ltd. | System and method for vehicle driver behavior analysis and evaluation |
WO2005119622A1 (en) | 2004-06-01 | 2005-12-15 | Persen Technologies Incorporated | Vehicle warning system |
US20060053038A1 (en) | 2004-09-08 | 2006-03-09 | Warren Gregory S | Calculation of driver score based on vehicle operation |
JP2006127055A (ja) * | 2004-10-27 | 2006-05-18 | Denso Corp | 車両用情報提示装置 |
US20060246411A1 (en) * | 2005-04-27 | 2006-11-02 | Yang Steven P | Learning apparatus and method |
US7659827B2 (en) * | 2006-05-08 | 2010-02-09 | Drivecam, Inc. | System and method for taking risk out of driving |
US8508353B2 (en) | 2009-01-26 | 2013-08-13 | Drivecam, Inc. | Driver risk assessment system and method having calibrating automatic event scoring |
US20070277097A1 (en) * | 2006-05-25 | 2007-11-29 | Erik Frederick Hennum | Apparatus, system, and method for context-aware authoring transform |
ES2984643T3 (es) | 2006-12-13 | 2024-10-30 | Crown Equip Corp | Sistema de gestión de flotas |
US20080243558A1 (en) | 2007-03-27 | 2008-10-02 | Ash Gupte | System and method for monitoring driving behavior with feedback |
US20080254433A1 (en) | 2007-04-12 | 2008-10-16 | Microsoft Corporation | Learning trophies in a computerized learning environment |
FR2917690B1 (fr) * | 2007-06-19 | 2009-10-30 | Peugeot Citroen Automobiles Sa | Procede interactif pour aider le conducteur d'un vehicule automobile a adopter une conduite economique et vehicule mettant en oeuvre ce procede. |
US9129460B2 (en) | 2007-06-25 | 2015-09-08 | Inthinc Technology Solutions, Inc. | System and method for monitoring and improving driver behavior |
CA2617976A1 (en) | 2008-01-11 | 2009-07-11 | John Dasilva | Personnel safety system utilizing time variable frequencies |
JP5408572B2 (ja) * | 2008-06-06 | 2014-02-05 | 株式会社山城自動車教習所 | 運転行動自動評価システム |
US8700255B2 (en) | 2008-10-08 | 2014-04-15 | Trimble Navigation Limited | Devices, systems, and methods for monitoring driver and vehicle behavior |
US8126642B2 (en) * | 2008-10-24 | 2012-02-28 | Gray & Company, Inc. | Control and systems for autonomously driven vehicles |
US20100179723A1 (en) * | 2009-01-13 | 2010-07-15 | General Motors Corporation@@Gm Global Technology Operations, Inc. | Driver behavior based remote vehicle mis-usage warning and self-maintenance |
CN102439643A (zh) | 2009-04-30 | 2012-05-02 | 层近系统有限责任公司 | 具有宁静区的接近警告系统 |
US20120135382A1 (en) | 2009-05-12 | 2012-05-31 | The Children's Hospital Of Philadelphia | Individualized mastery-based driver training |
US8301475B2 (en) * | 2010-05-10 | 2012-10-30 | Microsoft Corporation | Organizational behavior monitoring analysis and influence |
EP2569762A4 (en) | 2010-05-12 | 2015-05-20 | Proxisafe Ltd | EVENT WARNING SYSTEM AND METHOD THEREFOR |
GB2483251A (en) | 2010-09-01 | 2012-03-07 | Ricardo Uk Ltd | Driver feedback system and method |
US20120143952A1 (en) * | 2010-12-01 | 2012-06-07 | Von Graf Fred | System and method for event framework |
US20120196252A1 (en) * | 2011-02-02 | 2012-08-02 | Matthew James Jensen | Tailgating Scenario Safety Training Device And Methods |
US20120245817A1 (en) * | 2011-03-23 | 2012-09-27 | Tk Holdings Inc. | Driver assistance system |
GB2495265A (en) | 2011-07-07 | 2013-04-10 | Toyota Motor Europe Nv Sa | Artificial memory system for predicting behaviours in order to assist in the control of a system, e.g. stability control in a vehicle |
JP5664978B2 (ja) | 2011-08-22 | 2015-02-04 | 日立コンシューマエレクトロニクス株式会社 | 学習支援システム及び学習支援方法 |
US20130143181A1 (en) | 2011-12-05 | 2013-06-06 | Ford Global Technologies, Llc | In-vehicle training system for teaching fuel economy |
CN102829980A (zh) * | 2012-03-29 | 2012-12-19 | 中国科学院自动化研究所 | 一种智能车辆的智能程度测评方法 |
DE102012214464A1 (de) * | 2012-08-14 | 2014-02-20 | Ford Global Technologies, Llc | System zur Überwachung und Analyse des Fahrverhaltens eines Fahrers in einem Kraftfahrzeug |
MX350204B (es) | 2012-08-16 | 2017-08-30 | Schlage Lock Co Llc | Sistema y método inalámbrico de cerradura electrónica. |
JP2015534173A (ja) * | 2012-09-17 | 2015-11-26 | ボルボトラックコーポレーション | 車両の運転者に指導メッセージを与える方法及びシステム |
US9424696B2 (en) * | 2012-10-04 | 2016-08-23 | Zonar Systems, Inc. | Virtual trainer for in vehicle driver coaching and to collect metrics to improve driver performance |
US20140322676A1 (en) * | 2013-04-26 | 2014-10-30 | Verizon Patent And Licensing Inc. | Method and system for providing driving quality feedback and automotive support |
KR102263813B1 (ko) | 2013-09-05 | 2021-06-14 | 크라운 이큅먼트 코포레이션 | 동적 오퍼레이터 거동 분석기 |
US20170286826A1 (en) * | 2016-03-30 | 2017-10-05 | Nec Laboratories America, Inc. | Real-time deep learning for danger prediction using heterogeneous time-series sensor data |
-
2014
- 2014-09-05 KR KR1020167008799A patent/KR102263813B1/ko active IP Right Grant
- 2014-09-05 CA CA2918506A patent/CA2918506C/en active Active
- 2014-09-05 EP EP20151784.4A patent/EP3671174B1/en active Active
- 2014-09-05 WO PCT/US2014/054238 patent/WO2015035130A2/en active Application Filing
- 2014-09-05 CN CN201480048781.XA patent/CN105579823B/zh active Active
- 2014-09-05 MX MX2016002842A patent/MX358031B/es active IP Right Grant
- 2014-09-05 US US14/478,015 patent/US9626879B2/en active Active
- 2014-09-05 EP EP14771462.0A patent/EP3042174B1/en active Active
- 2014-09-05 AU AU2014315126A patent/AU2014315126B2/en active Active
-
2017
- 2017-03-08 US US15/453,027 patent/US10522054B2/en active Active
-
2019
- 2019-03-15 AU AU2019201794A patent/AU2019201794B2/en active Active
- 2019-12-30 US US16/729,959 patent/US10991266B2/en active Active
-
2020
- 2020-11-25 US US17/104,376 patent/US11935426B2/en active Active
-
2021
- 2021-04-19 AU AU2021202359A patent/AU2021202359A1/en not_active Abandoned
- 2021-04-26 US US17/240,636 patent/US11694572B2/en active Active
-
2023
- 2023-04-12 AU AU2023202256A patent/AU2023202256B2/en active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20120068860A1 (en) | 2010-09-17 | 2012-03-22 | Honda Motor Co., Ltd. | Traffic Control Database And Distribution System |
US20140226010A1 (en) | 2011-07-21 | 2014-08-14 | Bendix Commercial Vehicle Systems Llc | Vehicular fleet management system and methods of monitoring and improving driver performance in a fleet of vehicles |
Also Published As
Publication number | Publication date |
---|---|
US20200135051A1 (en) | 2020-04-30 |
US9626879B2 (en) | 2017-04-18 |
EP3671174A1 (en) | 2020-06-24 |
MX358031B (es) | 2018-08-02 |
US20150064668A1 (en) | 2015-03-05 |
EP3671174B1 (en) | 2023-11-01 |
WO2015035130A2 (en) | 2015-03-12 |
US20210272475A1 (en) | 2021-09-02 |
US10991266B2 (en) | 2021-04-27 |
US11935426B2 (en) | 2024-03-19 |
WO2015035130A3 (en) | 2015-08-06 |
AU2019201794B2 (en) | 2021-01-28 |
AU2023202256A1 (en) | 2023-05-04 |
US10522054B2 (en) | 2019-12-31 |
EP3042174A4 (en) | 2017-01-25 |
CA2918506A1 (en) | 2015-03-12 |
AU2021202359A1 (en) | 2021-05-13 |
CN105579823B (zh) | 2018-09-18 |
US20170178536A1 (en) | 2017-06-22 |
EP3042174B1 (en) | 2020-01-15 |
CN105579823A (zh) | 2016-05-11 |
EP3042174A2 (en) | 2016-07-13 |
KR20160051861A (ko) | 2016-05-11 |
CA2918506C (en) | 2022-03-22 |
US11694572B2 (en) | 2023-07-04 |
AU2023202256B2 (en) | 2024-10-24 |
MX2016002842A (es) | 2016-06-17 |
AU2019201794A1 (en) | 2019-04-04 |
AU2014315126A1 (en) | 2016-04-07 |
AU2014315126B2 (en) | 2018-12-20 |
US20210082312A1 (en) | 2021-03-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR102263813B1 (ko) | 동적 오퍼레이터 거동 분석기 | |
AU2022201328B2 (en) | Industrial vehicle geo-feature system | |
CN107548503B (zh) | 具有平滑过滤器的动态车辆性能分析仪 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
E902 | Notification of reason for refusal | ||
E701 | Decision to grant or registration of patent right | ||
GRNT | Written decision to grant |