سود:
- امکان برنامه ریزی لیست خرید، حداقل سهام (همتراز) و مفاهیم امتیاز سفارش با پشتیبانی از هوش مصنوعی
- توانایی اندازه گیری ضایعات مواد غذایی، تولید تجزیه و تحلیل ریشه و سناریوهای کاهش با هوش مصنوعی و تقویت پایداری
- توانایی تشخیص اینکه پیشبینی هوش مصنوعی بر اساس دادههای تاریخی و فصل است و تصمیم سرآشپز و خریدار در صورت وقفه در عرضه و شکست قیمتها حرف اول را میزند.
سود یک رستوران تا حد زیادی در دو جا به دست می آید یا از دست می رود: خرید صحیح و ضایعات کم. مواد بیش از حد خراب می شود، مقدار کم منو را خراب می کند. هر گرمی که هدر می رود هدر دادن پول خریداری شده است. در این واحد از هوش مصنوعی به عنوان دستیار برنامه ریزی برای برنامه ریزی خرید، مدیریت انبار و کاهش ضایعات مواد غذایی استفاده خواهیم کرد. مرز مشخص است: هوش مصنوعی پیشبینیها و سناریوهایی را بر اساس دادههای تاریخی و فصل تولید میکند. در تصمیم گیری در مورد قطع عرضه، شکست قیمت و کیفیت، قضاوت رئیس و خریدار اولویت دارد.
مفاهیم اولیه خرید
یک خرید محکم به چند مفهوم متکی است. سطح همتراز (حداقل سطح موجودی) حداقل مقدار ماده ای است که باید همیشه در دسترس باشد. هنگامی که آن را به زیر می افتد سفارش قرار داده می شود. نقطه سفارش با در نظر گرفتن زمان تحویل (چند روز طول می کشد تا مواد برسد) آستانه "اکنون سفارش" نامیده می شود. سهام ایمنی یک بافر در برابر عجله یا تاخیر غیرمنتظره است.
وقتی دادههای استفاده تاریخی و تعداد مورد انتظار پوششها را میدهید، هوش مصنوعی پیشنویسی از مواد و میزان سفارش تهیه میکند و سطوح همتراز را توصیه میکند. اما محصولات تازه ماندگاری کوتاهی دارند. خرید بیشتر به معنای هدر دادن است، خرید کمتر به معنای کسری منو است. پیشبینی هوش مصنوعی یک شروع است. کیفیت، قیمت و فصلی بودن تامین کننده در آن روز به تصمیم خریدار واگذار می شود. به عنوان مثال، حتی اگر هوش مصنوعی بگوید "10 کیلوگرم گوجه فرنگی بخر"، اگر گوجه فرنگی بی کیفیت باشد یا قیمت آن روز به شدت افزایش یافته باشد، خریدار با تجربه به یک جایگزین روی می آورد.
نکته: هنگامی که از هوش مصنوعی فهرست سفارش میخواهید، بگویید «نمایش سطح همتراز، موجودی فعلی و مقدار سفارش پیشنهادی برای هر کالا در ستونهای جداگانه». به این ترتیب شما یک توصیه مستدل و نه یک لیست کور دریافت می کنید و می توانید آن را به صورت بصری بررسی کنید.
اندازه گیری و کاهش ضایعات مواد غذایی
شما نمی توانید آنچه را که اندازه گیری نمی کنید مدیریت کنید. منابع ضایعات مواد غذایی به طور کلی عبارتند از: خرید بیش از حد (فاسد شدن)، قسمت های نادرست (باقی مانده در بشقاب)، ضایعات آماده سازی (مرتب سازی بیش از حد)، ذخیره سازی نامناسب (فاسد شدن زودهنگام) و عدم تعادل منو (فاسد شدن مواد اولیه کم فروش). هنگامی که سوابق ضایعات خود را ارائه می دهید (چه چیزی، چه مقدار، چرا دور ریخته شده است)، هوش مصنوعی بزرگترین منابع ضایعات را قابل مشاهده می کند و سناریوهای کاهش را پیشنهاد می کند: قسمت را تنظیم کنید، موارد کم فروش را از منو حذف کنید، از مواد هدر رفته در بشقاب دیگری استفاده کنید.
از نظر پایداری، کاهش ضایعات هم اخلاقی و هم اقتصادی است. رویکردهای "دوم به دم / ریشه به برگ" مانند تبدیل ساقه سبزی به آبگوشت سبزی، تبدیل نان بیات به کروتون و استفاده از ضایعات در وعده های غذایی کارکنان را می توان به عنوان ایده هایی از هوش مصنوعی در نظر گرفت. اما حاشیه ایمنی مواد غذایی حفظ می شود: محصول فاسد هرگز ارزیابی نمی شود. "کاهش ضایعات" هرگز نمی تواند بهانه ای برای استفاده از مواد غذایی ناایمن باشد.
احتیاط: کاهش ضایعات هرگز ایمنی مواد غذایی را به خطر نمی اندازد. حتی وقتی هوش مصنوعی میگوید «ارزیابی هدر رفته»، حرف آخر قانون ایمنی مواد غذایی است: هیچ محصولی تاریخ مصرف گذشته، زنجیره سرد شکسته یا به نظر میرسد که در معرض خطر نیست.
سه کیف کوچک
مورد 1 - کاهش زباله با سطح همتراز. یک آشپزخانه هتل همیشه مقدار زیادی سبزی تازه می خرید و نیمی از آنها پژمرده بودند. رئیس 6 هفته اطلاعات استفاده را به هوش مصنوعی داد. هوش مصنوعی استفاده هفتگی واقعی را استخراج کرد و سطح همتراز هر گیاه را توصیه کرد. سفارشات به این سطح کاهش یافت و ضایعات گیاهان تازه به میزان قابل توجهی کاهش یافت. در هفته هایی که کیفیت تامین کننده ضعیف بود، خریدار دوباره تصمیم خود را گرفت. هوش مصنوعی پایگاه را راه اندازی کرد، انسان ها آن را تنظیم کردند.
مورد 2 - تجزیه و تحلیل علل ریشه ای زباله. یک رستوران هر ماه هدر رفت غذای قابل توجهی را تجربه می کرد اما نمی دانست از کجا می آید. ضایعات به مدت یک ماه (چه، چند کیلوگرم، چرا) ثبت شد و به YZ داده شد. هوش مصنوعی سه منبع بزرگ را ذکر کرده است: موجودی یک بشقاب ماهی کم فروش، قسمتهای بیش از حد غذای جانبی، و مواد تشکیل دهنده سالاد که به درستی ذخیره نشده است. بشقاب ماهی از منو حذف شد، بخش ها کاهش یافت و ذخیره سازی اصلاح شد. ضایعات در سه ماه به میزان قابل توجهی کاهش یافت. هوش مصنوعی منبع را نشان داد، تیم تصمیم گیری کرد.
مورد 3 - تصمیم انسانی در اختلال عرضه. با نگاهی به گذشته، هوش مصنوعی غذاهای دریایی خاصی را در لیست سفارشات معمول خود قرار داده بود. اما شکار آن هفته به دلیل آب و هوا متوقف شد و محصول یا در دسترس نبود یا بسیار گران بود. خریدار کورکورانه لیست هوش مصنوعی را اعمال نکرد. جایگزین های موقت در منو انجام داد و با تامین کننده صحبت کرد. هوش مصنوعی به گذشته نگاه می کند. انسان وقفه لحظه ای را مدیریت می کند.
چهار قالب قابل کپی
1) پیش نویس خرید / سفارش:
نقش شما: دستیار خرید. در زیر برای هر ماده آمده است: سطح همتراز، موجودی فعلی، میانگین استفاده در 4 هفته گذشته و زمان تحویل. تراکم مورد انتظار هفته آینده: [طبیعی/بالا]. وظیفه: مقدار سفارش توصیه شده برای هر ماده را در یک ستون جداگانه محاسبه کنید و توجیه را در یک جمله بنویسید. هشدار ماندگاری محصولات تازه را اضافه کنید. بیان کنید که من تصمیم به کیفیت/قیمت خواهم گرفت. داده ها: [جدول].
2) تجزیه و تحلیل علل ریشه ای زباله:
در زیر یک رکورد هدر رفت ماهانه آمده است: مواد/بشقاب، مقدار دور ریخته شده، دلیل دور ریختن. 5 منبع بزرگ زباله را فهرست کنید. برای هر کدام، علت اصلی احتمالی و یک توصیه کاهش را یادداشت کنید. هیچ پیشنهادی که ایمنی مواد غذایی را به خطر می اندازد ارائه ندهید. داده ها: [جدول].
3) ارزیابی زباله (ایمن):
ایده های بازیافت ایمن را برای ضایعات آماده سازی زیر (به عنوان مثال ساقه سبزیجات، پوسته نان) (مواد، آبگوشت سبزیجات، کروتون، وعده غذایی کارکنان) پیشنهاد دهید. برای هر ایده، بیان کنید که این فقط برای محصولات تازه و ایمن معتبر است، محصول خراب قابل استفاده نیست. ضایعات: [فهرست].
4) توصیه سطح همتراز:
در زیر 6 هفته گذشته استفاده از مواد ذکر شده است. سطح همتراز توصیه شده (حداقل موجودی) و سهام ایمنی برای هر ماده را محاسبه کنید. زمان عرضه را در نظر بگیرید. تمایز بین تازه/بادوام را رعایت کنید. فرمول را نشان دهید. داده ها: [جدول].
اعلان ضعیف / اعلان قوی
ضعیف:
چقدر مواد باید سفارش بدم؟
بدون استفاده، انبار، زمان سرب، تراکم. هوش مصنوعی پیش بینی می کند، کار نمی کند.
قوی:
نقش شما: دستیار خرید. گوجه فرنگی: سطح 8 کیلوگرم، موجود 3 کیلوگرم، مصرف هفتگی ~ 12 کیلوگرم، عرضه 1 روز. تراکم بالا در هفته آینده. مقدار سفارش توصیه شده را محاسبه کنید، یک توجیه بنویسید، یک هشدار ماندگاری اضافه کنید. من در مورد کیفیت و قیمت تصمیم خواهم گرفت.
مفاهیم تامین و زباله (جدول)
مفهوم
توضیحات
چرا مهم است؟
سطح همتراز
حداقل لازم برای حضور سهام
نه خیلی کم، نه خیلی زیاد
نقطه سفارش
آستانه سفارش بر اساس زمان تحویل
عرضه به موقع
سهام ایمنی
بافر چگالی غیرمنتظره
از شکاف منو جلوگیری می کند
آتش
مقدار دور انداخته/از دست رفته
از دست دادن مستقیم پول
علت اصلی
دلیل واقعی ضایعات
راه حل دائمی
اشتباهات رایج
- اعمال کورکورانه لیست سفارشات هوش مصنوعی. کیفیت، قیمت و فصل تصمیم مردم است.
- عدم نگهداری سوابق آتش سوزی زباله های اندازه گیری نشده را نمی توان مدیریت کرد. هیچ تحلیلی بدون ثبت نام وجود ندارد.
- عدم ماندگاری در محصولات تازه خرید زیاد به معنای خراب شدن، پول و هدر رفتن است.
- کاهش ضایعات را مقدم بر ایمنی مواد غذایی قرار دهید. محصول خراب هرگز ارزیابی نمی شود.
- نادیده گرفتن اختلال در عرضه پیش بینی بر اساس گذشته، وقفه آنی را نمی شناسد.
به طور خلاصه
سود با خرید صحیح و ضایعات کم حفظ می شود. سطح همتراز YZ یک دستیار برنامه ریزی سریع در کمیت سفارش، تجزیه و تحلیل ریشه ضایعات و ایده های ارزیابی ضایعات است. ضایعات نامرئی را کمیت می کند. اما هر پیش بینی به گذشته و فصل بستگی دارد. تصمیم گیری در مورد کیفیت، قیمت و کاهش عرضه به سرآشپز و خریدار واگذار می شود. کاهش ضایعات هرگز ایمنی مواد غذایی را به خطر نمی اندازد.
وظیفه کاربردی
پنج ماده را انتخاب کنید و سطح همتراز، موجودی فعلی، مصرف هفتگی و زمان تحویل (البته خیالی) را برای هر کدام یادداشت کنید. یک پیش نویس سفارش مستدل از YZ دریافت کنید. به طور جداگانه، یک رکورد خیالی ضایعات یک ماهه ایجاد کنید، از هوش مصنوعی بخواهید تجزیه و تحلیل علت اصلی را انجام دهد و یک تصمیم کاهش برای دو منبع بزرگ زباله بنویسید. یک سناریوی اختلال در عرضه تنظیم کنید و توضیح دهید که چگونه به عنوان یک انسان تصمیم می گیرید.
چک لیست
- [ ] من پیش نویس سفارش را بر اساس سطح همتراز، موجودی و زمان تحویل قرار دادم.
- [ ] من معتقدم که توصیه هوش مصنوعی تصمیم گیری کیفیت/قیمت را به انسان واگذار می کند.
- [ ] من سوابق آتش سوزی را نگه می دارم و تجزیه و تحلیل علت اصلی را انجام می دهم.
- [ ] من هشدار عمر مفید محصولات تازه را در نظر گرفتم.
- [ ] من هرگز ایمنی مواد غذایی را در کاهش ضایعات به خطر نینداختم.
- [ ] من می دانم که قضاوت انسان زمانی که اختلال در عرضه رخ می دهد، حرف اول را می زند.