Keuntungan:
- Kemampuan untuk merencanakan konsep daftar pembelian, stok minimum (tingkat par) dan titik pemesanan dengan dukungan kecerdasan buatan
- Kemampuan untuk mengukur limbah makanan, menghasilkan analisis akar permasalahan dan skenario pengurangan dengan kecerdasan buatan, dan memperkuat keberlanjutan
- Mampu membedakan bahwa perkiraan kecerdasan buatan didasarkan pada data historis dan musim, dan bahwa keputusan koki dan pembeli diutamakan jika terjadi gangguan pasokan dan penurunan harga.
Keuntungan sebuah restoran sebagian besar diperoleh atau hilang dalam dua hal: pembelian yang benar dan sedikit pemborosan. Terlalu banyak bahan akan rusak, terlalu sedikit akan merusak menu; Setiap gram yang terbuang adalah pemborosan uang pembelian. Pada unit ini, kami akan menggunakan kecerdasan buatan sebagai asisten perencanaan untuk perencanaan pembelian, pengelolaan stok, dan pengurangan limbah makanan. Batasannya jelas: AI menghasilkan prakiraan dan skenario berdasarkan data historis dan musim; Keputusan pimpinan dan pembeli diutamakan dalam pengambilan keputusan mengenai gangguan pasokan, kerusakan harga dan kualitas.
Konsep dasar pembelian
Pembelian yang solid bergantung pada beberapa konsep. Tingkat par (tingkat stok minimum) adalah jumlah minimum suatu bahan yang harus tersedia setiap saat; Ketika turun di bawah pesanan ditempatkan. Titik pemesanan adalah apa yang disebut ambang batas "pesan sekarang", dengan mempertimbangkan waktu tunggu (berapa hari yang diperlukan agar bahan tiba). Stok pengaman adalah penyangga terhadap kesibukan atau penundaan yang tidak terduga.
Saat Anda memberikan data riwayat penggunaan dan jumlah sampul yang diharapkan, AI menghasilkan draf bahan apa dan berapa banyak yang harus dipesan serta merekomendasikan tingkat nominal. Namun produk segar memiliki umur simpan yang pendek; Membeli lebih banyak berarti pemborosan, membeli lebih sedikit berarti defisit menu. Prediksi AI adalah sebuah permulaan; Kualitas, harga, dan musim pemasok pada hari itu diserahkan kepada keputusan pembeli. Misalnya, meskipun AI mengatakan "beli 10 kg tomat", jika kualitas tomat buruk atau harga meroket pada hari itu, pembeli yang berpengalaman akan beralih ke alternatif lain.
Tip: Saat menanyakan daftar pesanan kepada AI, ucapkan "tunjukkan tingkat nominal, stok saat ini, dan jumlah pesanan yang disarankan untuk setiap item di kolom terpisah". Dengan cara ini Anda mendapatkan rekomendasi yang masuk akal, bukan daftar buta, dan Anda dapat memeriksanya secara visual.
Mengukur dan mengurangi limbah makanan
Anda tidak dapat mengelola apa yang tidak Anda ukur. Sumber sisa makanan secara umum meliputi: pembelian berlebihan (pembusukan), porsi yang tidak tepat (sisa makanan di piring), sisa persiapan (oversorting), penyimpanan yang tidak tepat (pembusukan dini), dan ketidakseimbangan menu (pembusukan bahan yang kurang terjual). Saat Anda memberikan catatan pemborosan (apa, berapa banyak, mengapa dibuang), AI membuat sumber sampah terbesar terlihat dan menyarankan skenario pengurangan: sesuaikan porsinya, hapus bahan-bahan yang paling laris dari menu, gunakan bahan-bahan yang terbuang di piring lain.
Dalam hal keberlanjutan, pengurangan sampah bersifat etis dan ekonomis. Pendekatan “hidung-ke-ekor/akar-ke-daun” seperti mengubah batang sayuran menjadi kaldu/kaldu sayuran, mengubah roti basi menjadi crouton, dan menggunakan limbah dalam makanan staf dapat dijadikan sebagai ide dari AI. Namun margin keamanan pangan tetap dipertahankan: produk rusak tidak pernah dievaluasi; “Pengurangan limbah” tidak bisa menjadi alasan untuk menggunakan makanan yang tidak aman.
Perhatian: Pengurangan limbah tidak pernah mengorbankan keamanan pangan. Bahkan ketika AI mengatakan "evaluasi pemborosan", kata terakhirnya adalah aturan keamanan pangan: tidak ada produk yang kadaluwarsa, rantai dinginnya rusak, atau tampak dalam bahaya.
tiga kasus mini
Kasus 1 — Limbah berkurang seiring dengan tingkat par. Dapur hotel selalu membeli terlalu banyak herba segar dan setengahnya sudah layu. Ketua memberikan data penggunaan selama 6 minggu kepada AI; AI mengekstraksi penggunaan mingguan aktual dan tingkat par yang direkomendasikan untuk setiap ramuan. Pesanan dikurangi hingga tingkat ini, dan pemborosan herba segar menurun secara signifikan. Pada minggu-minggu ketika kualitas pemasok buruk, pembeli kembali mengambil keputusan sendiri; AI menyiapkan basisnya, manusia menyesuaikannya.
Kasus 2 — Analisis akar penyebab limbah. Sebuah restoran mengalami limbah makanan dalam jumlah besar setiap bulannya, namun tidak mengetahui dari mana asalnya. Sampah dicatat selama sebulan (berapa, berapa kg, kenapa) dan diberikan kepada YZ. AI mengutip tiga sumber terbesar: stok ikan yang dijual dengan harga rendah, porsi lauk yang terlalu banyak, dan bahan salad yang tidak disimpan dengan benar. Piring ikan telah dihapus dari menu, porsinya dikurangi dan penyimpanannya diperbaiki. Limbah menurun drastis dalam tiga bulan. AI menunjukkan sumbernya, tim mengambil keputusan.
Kasus 3 — Keputusan manusia dalam gangguan pasokan. Melihat ke belakang, AI telah menempatkan makanan laut tertentu pada daftar pesanan rutinnya. Namun perburuan terhenti pada minggu itu karena cuaca, dan produk tersebut tidak tersedia atau sangat mahal. Pembeli tidak begitu saja menerapkan daftar AI; membuat pergantian sementara pada menu dan berbicara dengan pemasok. AI melihat ke masa lalu; Manusia mengatur istirahat sesaat.
Empat templat yang dapat disalin
1) Draf pembelian/pesanan:
Peran Anda: asisten pembelian. Di bawah ini adalah masing-masing bahan: tingkat nominal, stok saat ini, penggunaan rata-rata selama 4 minggu terakhir, dan waktu tunggu. Perkiraan kepadatan minggu depan: [normal/tinggi]. Tugas: Hitung jumlah pesanan yang disarankan untuk setiap bahan dalam kolom terpisah dan tuliskan alasannya dalam satu kalimat. Tambahkan peringatan umur simpan pada produk segar. Nyatakan bahwa saya akan mengambil keputusan kualitas/harga. Data: [tabel].
2) Analisis akar penyebab limbah:
Di bawah ini adalah catatan pemborosan bulanan: bahan/piring, jumlah yang dibuang, alasan pembuangan. Sebutkan 5 sumber sampah terbesar; Untuk masing-masing permasalahan, tuliskan kemungkinan akar permasalahan dan rekomendasi mitigasinya. Jangan memberikan saran apa pun yang membahayakan keamanan pangan. Data: [tabel].
3) Evaluasi limbah (aman):
Sarankan ide daur ulang yang AMAN untuk limbah persiapan berikut (misalnya batang sayuran, kerak roti) (kaldu, kaldu sayuran, crouton, makanan staf). Untuk setiap gagasan, nyatakan bahwa ini hanya berlaku untuk produk SEGAR dan aman, produk rusak tidak dapat digunakan. Limbah: [daftar].
4) Rekomendasi tingkat par:
Di bawah ini adalah 6 minggu terakhir penggunaan berdasarkan bahan. Hitung tingkat par yang direkomendasikan (stok minimum) dan stok pengaman untuk setiap bahan. Pertimbangkan waktu pasokan. Amati perbedaan antara segar/tahan lama. Tunjukkan rumusnya. Data: [tabel].
Perintah lemah / Perintah kuat
Lemah:
Berapa banyak bahan yang harus saya pesan?
Tidak ada penggunaan, stok, waktu tunggu, kepadatan; AI membuat prediksi, tapi tidak berhasil.
Kuat:
Peran Anda: asisten pembelian. Tomat: level par 8 kg, tersedia 3 kg, penggunaan mingguan ~12 kg, persediaan 1 hari. Kepadatan tinggi minggu depan. Hitung jumlah pesanan yang disarankan, tulis alasan, tambahkan peringatan umur simpan. Saya akan memutuskan kualitas dan harga.
Konsep pasokan dan limbah (tabel)
konsep
Deskripsi
Mengapa ini penting?
tingkat setara
Min wajib hadir. stok
Tidak terlalu sedikit, tidak terlalu banyak
titik pemesanan
Ambang batas pesanan berdasarkan waktu tunggu
Pasokan tepat waktu
stok pengaman
buffer kepadatan yang tidak terduga
Mencegah kesenjangan menu
api
Jumlah yang dibuang/hilang
Kehilangan uang secara langsung
akar permasalahan
Alasan sebenarnya untuk pemborosan
solusi permanen
Kesalahan umum
- Menerapkan daftar pesanan AI secara membabi buta. Kualitas, harga dan musim adalah keputusan masyarakat.
- Tidak menyimpan catatan kebakaran. Sampah yang tidak terukur tidak dapat dikelola; Tidak ada analisis tanpa registrasi.
- Melewatkan umur simpan pada produk segar. Membeli terlalu banyak berarti pembusukan, uang, dan pemborosan.
- Mengutamakan pengurangan limbah dibandingkan keamanan pangan. Produk rusak tidak pernah dievaluasi.
- Mengabaikan gangguan pasokan. Prediksi berdasarkan masa lalu tidak mengenal jeda sesaat.
Singkatnya
Keuntungan dipertahankan dengan pembelian yang benar dan sedikit pemborosan. Level par YZ adalah asisten perencanaan cepat dalam kuantitas pesanan, analisis akar penyebab limbah, dan ide evaluasi pemborosan; Ini mengukur limbah yang tidak terlihat. Namun setiap prediksi bergantung pada masa lalu dan musim; Keputusan mengenai kualitas, harga dan pengurangan pasokan diserahkan kepada koki dan pembeli. Pengurangan limbah tidak pernah mengorbankan keamanan pangan.
Tugas aplikasi
Pilih lima bahan dan tuliskan tingkat nominal, stok saat ini, penggunaan mingguan, dan waktu tunggu (walaupun hanya khayalan) untuk masing-masing bahan. Terima draf pesanan yang beralasan dari YZ. Secara terpisah, buat catatan limbah imajiner selama satu bulan, minta AI melakukan analisis akar masalah, dan tulis keputusan pengurangan untuk dua sumber limbah terbesar. Siapkan skenario gangguan pasokan dan jelaskan bagaimana Anda akan mengambil keputusan sebagai manusia.
daftar periksa
- [ ] Saya mendasarkan draf pesanan pada tingkat par, stok, dan waktu tunggu.
- [ ] Saya berpendapat bahwa rekomendasi AI menyerahkan keputusan kualitas/harga kepada manusia.
- [ ] Saya menyimpan catatan kebakaran dan melakukan analisis akar permasalahan.
- [ ] Saya memperhitungkan peringatan umur simpan untuk produk segar.
- [ ] Saya tidak pernah mengkompromikan keamanan pangan dalam mengurangi limbah.
- [ ] Saya tahu bahwa penilaian manusia menjadi prioritas utama ketika terjadi gangguan pasokan.