Μονάδες
1. Εισαγωγή στην Τεχνητή Νοημοσύνη στη Γαστρονομία: Ρόλοι, Όρια, Έλεγχος ταυτότητας και Απόρρητο 2. Ανάπτυξη μενού και ιδέας: Μηχανική θεμάτων, τάσεων και μενού 3. Ανάπτυξη και τυποποίηση συνταγών: Συνταγή, κλίμακα και συνέπεια 4. Διαχείριση κόστους και μερίδας: Κόστος φαγητού, Κόστος συνταγής και τιμολόγηση 5. Διαχείριση Αλλεργιογόνων και Διατροφής: Επισήμανση, Ασφάλεια και Προσαρμογή Διατροφής 6. Λειτουργία και ροή εργασίας κουζίνας: Mise en Place, Prep Lists and Shifts 7. Προμήθεια, Απογραφή και Μείωση Απορριμμάτων: Αγορές, Απογραφή και Βιωσιμότητα 8. Παρουσίαση και οπτική: Σύνθεση πιάτων, φωτογραφία μενού και εικόνα επωνυμίας 9. Ασφάλεια Τροφίμων και HACCP: Κρίσιμα Σημεία Ελέγχου και Παρακολούθηση Υποβοηθούμενη από AI 10. Τεστ γεύσης και αισθητηριακή αξιολόγηση: Η αναγκαιότητα του ανθρώπινου πίνακα 11. Επαλήθευση, δεοντολογία, πνευματικά δικαιώματα και ασφάλεια επωνυμίας: δημιουργικά και εμπορικά όρια
Μονάδα 7 / 11

Προμήθεια, Απογραφή και Μείωση Απορριμμάτων: Αγορές, Απογραφή και Βιωσιμότητα

Κέρδη:

  • Δυνατότητα προγραμματισμού λιστών αγορών, ελάχιστων αποθεμάτων (άρτιο επίπεδο) και σημείων παραγγελίας με υποστήριξη τεχνητής νοημοσύνης
  • Δυνατότητα μέτρησης της σπατάλης τροφίμων, παραγωγής σεναρίων ανάλυσης και μείωσης της βασικής αιτίας με τεχνητή νοημοσύνη και ενίσχυση της βιωσιμότητας
  • Να είναι σε θέση να διακρίνει ότι η πρόβλεψη τεχνητής νοημοσύνης βασίζεται σε ιστορικά δεδομένα και εποχή και ότι η απόφαση του σεφ και του αγοραστή έρχεται πρώτη σε περίπτωση διακοπής της προσφοράς και διακοπής των τιμών.

Τα κέρδη ενός εστιατορίου γίνονται ή χάνονται σε μεγάλο βαθμό σε δύο μέρη: στις σωστές αγορές και στη μικρή σπατάλη. Το πολύ υλικό θα χαλάσει, το πολύ λίγο θα καταστρέψει το μενού. Κάθε γραμμάριο που πάει χαμένο είναι σπατάλη αγορασμένων χρημάτων. Σε αυτήν την ενότητα, θα χρησιμοποιήσουμε την τεχνητή νοημοσύνη ως βοηθό προγραμματισμού για τον προγραμματισμό αγορών, τη διαχείριση αποθεμάτων και τη μείωση των απορριμμάτων τροφίμων. Το όριο είναι σαφές: η τεχνητή νοημοσύνη δημιουργεί προβλέψεις και σενάρια με βάση τα ιστορικά δεδομένα και την εποχή. Η κρίση του προϊσταμένου και του αγοραστή υπερισχύει στην απόφαση για τη διακοπή της παροχής, τη θραύση της τιμής και την ποιότητα.

Βασικές έννοιες της αγοράς

Μια σταθερή αγορά βασίζεται σε μερικές έννοιες. Το ονομαστικό επίπεδο (ελάχιστο επίπεδο αποθέματος) είναι η ελάχιστη ποσότητα ενός υλικού που πρέπει να είναι διαθέσιμο ανά πάσα στιγμή. Όταν πέσει κάτω η παραγγελία γίνεται. Το σημείο παραγγελίας είναι το λεγόμενο όριο "παραγγελίας τώρα", λαμβάνοντας υπόψη τον χρόνο παράδοσης (πόσες ημέρες χρειάζονται για να φτάσει το υλικό). Το απόθεμα ασφαλείας είναι προστατευτικό έναντι απροσδόκητης βιασύνης ή καθυστέρησης.

Όταν δίνετε δεδομένα ιστορικής χρήσης και αναμενόμενο αριθμό εξωφύλλων, η τεχνητή νοημοσύνη παράγει ένα προσχέδιο του υλικού και της ποσότητας που πρέπει να παραγγείλετε και προτείνει κανονικά επίπεδα. Αλλά τα φρέσκα προϊόντα έχουν μικρή διάρκεια ζωής. Αγοράζοντας περισσότερα σημαίνει σπατάλη, αγοράζοντας λιγότερα σημαίνει έλλειμμα μενού. Η πρόβλεψη AI είναι μια αρχή. Η ποιότητα, η τιμή και η εποχικότητα του προμηθευτή εκείνη την ημέρα αφήνονται στην απόφαση του αγοραστή. Για παράδειγμα, ακόμα κι αν το AI λέει "αγοράστε 10 κιλά ντομάτες", εάν οι ντομάτες είναι κακής ποιότητας ή η τιμή έχει εκτοξευθεί στα ύψη εκείνη την ημέρα, ο έμπειρος αγοραστής θα στραφεί σε μια εναλλακτική λύση.

Συμβουλή: Όταν ζητάτε από το AI μια λίστα παραγγελιών, πείτε "εμφάνιση ονομαστικού επιπέδου, τρέχοντος αποθέματος και προτεινόμενης ποσότητας παραγγελίας για κάθε είδος σε ξεχωριστές στήλες". Με αυτόν τον τρόπο λαμβάνετε μια αιτιολογημένη σύσταση, όχι μια τυφλή λίστα, και μπορείτε να την ελέγξετε οπτικά.

Μέτρηση και μείωση της σπατάλης τροφίμων

Δεν μπορείς να διαχειριστείς αυτό που δεν μετράς. Οι πηγές απορριμμάτων τροφίμων περιλαμβάνουν γενικά: υπεραγορές (χαλασμούς), λανθασμένες μερίδες (υπολείμματα στο πιάτο), απορρίμματα προετοιμασίας (υπερβολική ταξινόμηση), ακατάλληλη αποθήκευση (πρόωρη αλλοίωση) και ανισορροπία μενού (χαλασμός συστατικών που δεν πωλούνται καθόλου). Όταν παρέχετε τα αρχεία σπατάλης σας (τι, πόσο, γιατί πετάχτηκε), η τεχνητή νοημοσύνη κάνει ορατές τις μεγαλύτερες πηγές απορριμμάτων και προτείνει σενάρια μείωσης: προσαρμόστε τη μερίδα, αφαιρέστε τις χαμηλές πωλήσεις από το μενού, χρησιμοποιήστε τα χαμένα συστατικά σε άλλο πιάτο.

Όσον αφορά τη βιωσιμότητα, η μείωση των απορριμμάτων είναι τόσο ηθική όσο και οικονομική. Προσεγγίσεις "από τη μύτη στην ουρά / από τη ρίζα σε φύλλο" όπως η μετατροπή του μίσχου ενός λαχανικού σε ζωμό/ζωμό λαχανικών, η μετατροπή του μπαγιάτικου ψωμιού σε κρουτόν και η χρήση απορριμμάτων στα γεύματα του προσωπικού μπορούν να ληφθούν ως ιδέες από την τεχνητή νοημοσύνη. Όμως το περιθώριο ασφάλειας των τροφίμων διατηρείται: το αλλοιωμένο προϊόν δεν αξιολογείται ποτέ. Η «μείωση των απορριμμάτων» δεν μπορεί ποτέ να αποτελέσει δικαιολογία για τη χρήση μη ασφαλών τροφίμων.

Προσοχή: Η μείωση των απορριμμάτων δεν θέτει ποτέ σε κίνδυνο την ασφάλεια των τροφίμων. Ακόμη και όταν η τεχνητή νοημοσύνη λέει "αξιολογήστε τη σπατάλη", η τελευταία λέξη είναι ο κανόνας για την ασφάλεια των τροφίμων: κανένα προϊόν δεν έχει λήξει, δεν έχει σπασμένη αλυσίδα ψύξης ή φαίνεται να έχει παραβιαστεί.

τρεις μίνι θήκες

Περίπτωση 1 — Τα απόβλητα μειώνονται με το άρτιο επίπεδο. Μια κουζίνα ξενοδοχείου αγόραζε πάντα πάρα πολλά φρέσκα βότανα και τα μισά από αυτά ήταν μαραμένα. Ο Αρχηγός έδωσε δεδομένα χρήσης 6 εβδομάδων στο AI. Το AI εξήγαγε την πραγματική εβδομαδιαία χρήση και το συνιστώμενο άρτιο επίπεδο για κάθε βότανο. Οι παραγγελίες μειώθηκαν σε αυτό το επίπεδο και η σπατάλη φρέσκων βοτάνων μειώθηκε σημαντικά. Σε εβδομάδες όπου η ποιότητα του προμηθευτή ήταν κακή, ο αγοραστής έπαιρνε πάλι τη δική του απόφαση. Η τεχνητή νοημοσύνη έστησε τη βάση, οι άνθρωποι την προσάρμοσαν.

Περίπτωση 2 — Ανάλυση βασικών αιτιών αποβλήτων. Ένα εστιατόριο αντιμετώπιζε σημαντική σπατάλη φαγητού το μήνα, αλλά δεν ήξερε από πού προερχόταν. Τα απόβλητα καταγράφηκαν για ένα μήνα (τι, πόσα κιλά, γιατί) και δόθηκαν στην ΥΖ. Η AI ανέφερε τις τρεις μεγαλύτερες πηγές: χαλασμένο απόθεμα ενός πιάτου ψαριού με χαμηλές πωλήσεις, υπερβολική μερίδα ενός συνοδευτικού και ακατάλληλα αποθηκευμένα συστατικά σαλάτας. Το πιάτο ψαριού αφαιρέθηκε από το μενού, οι μερίδες μειώθηκαν και η αποθήκευση διορθώθηκε. Τα απόβλητα μειώθηκαν αισθητά μέσα σε τρεις μήνες. Το AI έδειξε την πηγή, η ομάδα πήρε τις αποφάσεις.

Περίπτωση 3 — Ανθρώπινη απόφαση σε περίπτωση διακοπής του εφοδιασμού. Κοιτάζοντας πίσω, η AI είχε τοποθετήσει ορισμένα θαλασσινά στη λίστα με τις συνήθεις παραγγελίες της. Όμως το κυνήγι σταμάτησε εκείνη την εβδομάδα λόγω του καιρού και το προϊόν ήταν είτε μη διαθέσιμο είτε πολύ ακριβό. Ο αγοραστής δεν εφάρμοσε τυφλά τη λίστα AI. έκανε προσωρινές αντικαταστάσεις στο μενού και μίλησε με τον προμηθευτή. Η τεχνητή νοημοσύνη κοιτάζει στο παρελθόν. Ο άνθρωπος διαχειρίζεται το στιγμιαίο διάλειμμα.

Τέσσερα πρότυπα με δυνατότητα αντιγραφής

1) Προσχέδιο αγοράς / παραγγελίας:

Ο ρόλος σας: βοηθός αγορών. Παρακάτω είναι για κάθε υλικό: ονομαστικό επίπεδο, τρέχον απόθεμα, μέση χρήση τις τελευταίες 4 εβδομάδες και χρόνος παράδοσης. Αναμενόμενη πυκνότητα την επόμενη εβδομάδα: [κανονική/υψηλή]. Εργασία: Υπολογίστε τη συνιστώμενη ποσότητα παραγγελίας για κάθε υλικό σε ξεχωριστή στήλη και γράψτε την αιτιολόγηση σε μία πρόταση. Προσθέστε προειδοποίηση διάρκειας ζωής στα φρέσκα προϊόντα. Δηλώστε ότι θα πάρω την απόφαση ποιότητας/τιμής.Δεδομένα: [πίνακας].

2) Ανάλυση της βασικής αιτίας των αποβλήτων:

Ακολουθεί ένα μηνιαίο αρχείο σπατάλης: υλικό/πιάτο, ποσότητα που απορρίφθηκε, λόγος απόρριψης. Καταγράψτε τις 5 μεγαλύτερες πηγές απορριμμάτων. Για καθένα, σημειώστε την πιθανή βασική αιτία και μια σύσταση μετριασμού. Μην προσφέρετε προτάσεις που θέτουν σε κίνδυνο την ασφάλεια των τροφίμων. Στοιχεία: [πίνακας].

3) Αξιολόγηση απορριμμάτων (ασφαλής):

Προτείνετε ΑΣΦΑΛΕΣ ιδέες ανακύκλωσης για τα ακόλουθα απόβλητα προετοιμασίας (π.χ. στελέχη λαχανικών, κρούστες ψωμιού) (ζωμό, ζωμός λαχανικών, κρουτόν, γεύμα προσωπικού). Για κάθε ιδέα, δηλώστε ότι ισχύει μόνο για ΦΡΕΣΚΑ και ασφαλή προϊόντα, δεν μπορεί να χρησιμοποιηθεί χαλασμένο προϊόν. Απόβλητα: [κατάλογος].

4) Σύσταση ισότιμου επιπέδου:

Παρακάτω είναι οι τελευταίες 6 εβδομάδες χρήσης ανά υλικό. Υπολογίστε το συνιστώμενο ονομαστικό επίπεδο (ελάχιστο απόθεμα) και το απόθεμα ασφαλείας για κάθε υλικό. Λάβετε υπόψη τον χρόνο παροχής. Παρατηρήστε τη διάκριση μεταξύ φρέσκου/ανθεκτικού. Δείξτε τον τύπο. Στοιχεία: [πίνακας].

Αδύναμη προτροπή / Ισχυρή προτροπή

Αδύναμο:

Πόσο υλικό πρέπει να παραγγείλω;

Χωρίς χρήση, απόθεμα, χρόνος παράδοσης, πυκνότητα. Το AI κάνει προβλέψεις, δεν λειτουργεί.

Δυνατό:

Ο ρόλος σας: βοηθός αγορών. Ντομάτα: άρτιο επίπεδο 8 κιλά, διαθέσιμη 3 κιλά, εβδομαδιαία χρήση ~12 κιλά, προμήθεια 1 ημέρα. Υψηλή πυκνότητα την επόμενη εβδομάδα. Υπολογίστε τη συνιστώμενη ποσότητα παραγγελίας, γράψτε μια αιτιολόγηση, προσθέστε μια προειδοποίηση διάρκειας ζωής. Θα αποφασίσω για την ποιότητα και την τιμή.

Έννοιες της προμήθειας και των αποβλήτων (πίνακας)

έννοια

Περιγραφή

Γιατί είναι σημαντικό;

άρτιο επίπεδο

Απαιτείται ελάχιστη παρουσία. απόθεμα

Ούτε πολύ λίγο, ούτε πολύ

σημείο παραγγελίας

Όριο παραγγελίας ανά χρόνο παράδοσης

Έγκαιρη παροχή

απόθεμα ασφαλείας

απροσδόκητη προσωρινή μνήμη πυκνότητας

Αποτρέπει το κενό μενού

φωτιά

Ποσό που απορρίφθηκε/χαθεί

Άμεση απώλεια χρημάτων

βασική αιτία

Ο πραγματικός λόγος για τα απόβλητα

μόνιμη λύση

Συνήθη λάθη

  • Τυφλή εφαρμογή της λίστας παραγγελιών AI. Η ποιότητα, η τιμή και η εποχή είναι αποφάσεις των ανθρώπων.
  • Μη τήρηση αρχείων πυρκαγιάς. Τα αμέτρητα απόβλητα δεν μπορούν να αντιμετωπιστούν. Δεν υπάρχει ανάλυση χωρίς εγγραφή.
  • Παράλειψη διάρκειας ζωής σε φρέσκα προϊόντα. Αγοράζοντας πάρα πολλά σημαίνει αλλοίωση, χρήματα και σπατάλη.
  • Θέτοντας τη μείωση των απορριμμάτων πάνω από την ασφάλεια των τροφίμων. Το χαλασμένο προϊόν δεν αξιολογείται ποτέ.
  • Αγνοώντας τη διακοπή του εφοδιασμού. Η πρόβλεψη με βάση το παρελθόν δεν γνωρίζει το στιγμιαίο διάλειμμα.

Συνοπτικά

Το κέρδος διατηρείται με σωστή αγορά και ελάχιστη σπατάλη. Το επίπεδο YZ είναι ένας γρήγορος βοηθός σχεδιασμού για την ποσότητα παραγγελίας, την ανάλυση των βασικών αιτιών των απορριμμάτων και τις ιδέες αξιολόγησης της σπατάλης. Προσδιορίζει ποσοτικά τα αόρατα απόβλητα. Αλλά κάθε πρόβλεψη εξαρτάται από το παρελθόν και την εποχή. Η απόφαση για την ποιότητα, την τιμή και τις περικοπές προμηθειών επαφίεται στον σεφ και τον αγοραστή. Η μείωση των απορριμμάτων δεν θέτει ποτέ σε κίνδυνο την ασφάλεια των τροφίμων.

Εργασία εφαρμογής

Επιλέξτε πέντε υλικά και σημειώστε το ονομαστικό επίπεδο, το τρέχον απόθεμα, την εβδομαδιαία χρήση και τον χρόνο παράδοσης (αν και φανταστικό) για το καθένα. Λάβετε ένα προσχέδιο αιτιολογημένης παραγγελίας από την YZ. Ξεχωριστά, δημιουργήστε ένα φανταστικό αρχείο αποβλήτων ενός μήνα, ζητήστε από την τεχνητή νοημοσύνη να εκτελέσει μια ανάλυση της βασικής αιτίας και να γράψετε μια απόφαση μείωσης για τις δύο μεγαλύτερες πηγές αποβλήτων. Ρυθμίστε ένα σενάριο διακοπής του εφοδιασμού και εξηγήστε πώς θα λάβατε μια απόφαση ως άνθρωπος.

λίστα ελέγχου

  • [ ] Στήριξα το προσχέδιο της παραγγελίας στο άρτιο επίπεδο, το απόθεμα και τον χρόνο παράδοσης.
  • [ ] Υποστηρίζω ότι η σύσταση AI αφήνει την απόφαση ποιότητας/τιμής στον άνθρωπο.
  • [ ] Διατηρώ αρχεία πυρκαγιάς και κάνω ανάλυση βασικών αιτιών.
  • [ ] Έλαβα υπόψη την προειδοποίηση διάρκειας ζωής για φρέσκα προϊόντα.
  • [ ] Δεν έχω θέσει ποτέ σε κίνδυνο την ασφάλεια των τροφίμων όσον αφορά τη μείωση των απορριμμάτων.
  • [ ] Γνωρίζω ότι η ανθρώπινη κρίση έρχεται πρώτη όταν συμβαίνει διακοπή της προσφοράς.