സപ്ലൈ, ഇൻവെൻ്ററി, വേസ്റ്റ് റിഡക്ഷൻ: വാങ്ങൽ, ഇൻവെൻ്ററി, സുസ്ഥിരത

നേട്ടങ്ങൾ:

• ആർട്ടിഫിഷ്യൽ ഇൻ്റലിജൻസ് പിന്തുണയോടെ വാങ്ങൽ ലിസ്റ്റ്, മിനിമം സ്റ്റോക്ക് (പാർ ലെവൽ), ഓർഡർ പോയിൻ്റ് ആശയങ്ങൾ എന്നിവ ആസൂത്രണം ചെയ്യാനുള്ള കഴിവ്
• ഭക്ഷ്യ മാലിന്യങ്ങൾ അളക്കാനുള്ള കഴിവ്, നിർമ്മിത ബുദ്ധി ഉപയോഗിച്ച് മൂലകാരണ വിശകലനവും റിഡക്ഷൻ സാഹചര്യങ്ങളും നിർമ്മിക്കുക, സുസ്ഥിരത ശക്തിപ്പെടുത്തുക
• ആർട്ടിഫിഷ്യൽ ഇൻ്റലിജൻസ് പ്രവചനം ചരിത്രപരമായ ഡാറ്റയെയും സീസണിനെയും അടിസ്ഥാനമാക്കിയുള്ളതാണെന്നും വിതരണ തടസ്സങ്ങളും വിലത്തകർച്ചയും ഉണ്ടാകുമ്പോൾ ഷെഫിൻ്റെയും വാങ്ങുന്നയാളുടെയും തീരുമാനമാണ് ആദ്യം വരുന്നതെന്നും വേർതിരിച്ചറിയാൻ കഴിയും.

ഒരു റെസ്റ്റോറൻ്റിൻ്റെ ലാഭം പ്രധാനമായും രണ്ട് സ്ഥലങ്ങളിൽ ഉണ്ടാക്കുകയോ നഷ്ടപ്പെടുകയോ ചെയ്യുന്നു: ശരിയായ വാങ്ങലും ചെറിയ മാലിന്യവും. വളരെയധികം മെറ്റീരിയൽ നശിപ്പിക്കും, വളരെ കുറച്ച് മെനുവിനെ നശിപ്പിക്കും; പാഴായിപ്പോകുന്ന ഓരോ ഗ്രാമും വാങ്ങിയ പണം പാഴാക്കുന്നു. ഈ യൂണിറ്റിൽ, വാങ്ങൽ ആസൂത്രണം, സ്റ്റോക്ക് മാനേജ്മെൻ്റ്, ഭക്ഷ്യ മാലിന്യങ്ങൾ കുറയ്ക്കൽ എന്നിവയ്ക്കായി ഞങ്ങൾ ആർട്ടിഫിഷ്യൽ ഇൻ്റലിജൻസ് ആസൂത്രണ സഹായിയായി ഉപയോഗിക്കും. അതിർത്തി വ്യക്തമാണ്: ചരിത്രപരമായ ഡാറ്റയും സീസണും അടിസ്ഥാനമാക്കി AI പ്രവചനങ്ങളും സാഹചര്യങ്ങളും സൃഷ്ടിക്കുന്നു; വിതരണ തടസ്സം, വിലത്തകർച്ച, ഗുണനിലവാരം എന്നിവ സംബന്ധിച്ച തീരുമാനത്തിൽ മേധാവിയുടെയും വാങ്ങുന്നയാളുടെയും വിധി മുൻഗണന നൽകുന്നു.

വാങ്ങലിൻ്റെ അടിസ്ഥാന ആശയങ്ങൾ

ഒരു സോളിഡ് വാങ്ങൽ ചില ആശയങ്ങളെ ആശ്രയിച്ചിരിക്കുന്നു. പാര ലെവൽ (മിനിമം സ്റ്റോക്ക് ലെവൽ) എന്നത് എല്ലായ്‌പ്പോഴും കയ്യിൽ ഉണ്ടായിരിക്കേണ്ട ഒരു മെറ്റീരിയലിൻ്റെ ഏറ്റവും കുറഞ്ഞ തുകയാണ്; താഴെ വീഴുമ്പോൾ ഓർഡർ സ്ഥാപിക്കുന്നു. ലീഡ് സമയം (മെറ്റീരിയൽ എത്താൻ എത്ര ദിവസമെടുക്കും) കണക്കിലെടുത്ത് "ഇപ്പോൾ ഓർഡർ ചെയ്യുക" എന്ന ത്രെഷോൾഡാണ് ഓർഡർ പോയിൻ്റ്. അപ്രതീക്ഷിത തിരക്ക് അല്ലെങ്കിൽ കാലതാമസം എന്നിവയ്ക്കെതിരായ ഒരു ബഫർ ആണ് സുരക്ഷാ സ്റ്റോക്ക്.

നിങ്ങൾ ചരിത്രപരമായ ഉപയോഗ ഡാറ്റയും പ്രതീക്ഷിക്കുന്ന കവറുകളുടെ എണ്ണവും നൽകുമ്പോൾ, AI ഏത് മെറ്റീരിയലും എത്രത്തോളം ഓർഡർ ചെയ്യണം എന്നതിൻ്റെ ഒരു ഡ്രാഫ്റ്റ് നിർമ്മിക്കുകയും തുല്യ തലങ്ങൾ ശുപാർശ ചെയ്യുകയും ചെയ്യുന്നു. എന്നാൽ പുതിയ ഉൽപ്പന്നങ്ങൾക്ക് ഒരു ചെറിയ ഷെൽഫ് ലൈഫ് ഉണ്ട്; കൂടുതൽ വാങ്ങുന്നത് പാഴാകുന്നു, കുറച്ച് വാങ്ങുന്നത് മെനു കമ്മി എന്നാണ് അർത്ഥമാക്കുന്നത്. AI പ്രവചനം ഒരു തുടക്കമാണ്; അന്നത്തെ വിതരണക്കാരൻ്റെ ഗുണനിലവാരം, വില, സീസണൽ എന്നിവ വാങ്ങുന്നയാളുടെ തീരുമാനത്തിന് വിട്ടിരിക്കുന്നു. ഉദാഹരണത്തിന്, "10 കിലോ തക്കാളി വാങ്ങൂ" എന്ന് AI പറഞ്ഞാലും, തക്കാളി ഗുണനിലവാരമില്ലാത്തതാണെങ്കിൽ അല്ലെങ്കിൽ അന്നത്തെ വില കുതിച്ചുയരുകയാണെങ്കിൽ, പരിചയസമ്പന്നനായ വാങ്ങുന്നയാൾ ഒരു ബദലിലേക്ക് തിരിയുന്നു.

നുറുങ്ങ്: ഒരു ഓർഡർ ലിസ്‌റ്റിനായി AI-യോട് ആവശ്യപ്പെടുമ്പോൾ, "ഓരോ ഇനത്തിനും തുല്യമായ നില, നിലവിലെ സ്റ്റോക്ക്, നിർദ്ദേശിച്ച ഓർഡർ അളവ് എന്നിവ പ്രത്യേക നിരകളിൽ കാണിക്കുക" എന്ന് പറയുക. ഇതുവഴി നിങ്ങൾക്ക് ഒരു അന്ധമായ ലിസ്റ്റല്ല, യുക്തിസഹമായ ശുപാർശ ലഭിക്കും, നിങ്ങൾക്ക് അത് ദൃശ്യപരമായി പരിശോധിക്കാനാകും.

ഭക്ഷണം പാഴാക്കുന്നത് അളക്കുകയും കുറയ്ക്കുകയും ചെയ്യുന്നു

നിങ്ങൾ അളക്കാത്തത് നിങ്ങൾക്ക് നിയന്ത്രിക്കാൻ കഴിയില്ല. ഭക്ഷ്യാവശിഷ്ടങ്ങളുടെ സ്രോതസ്സുകളിൽ പൊതുവെ ഉൾപ്പെടുന്നു: അമിതമായ വാങ്ങൽ (ചുറ്റൽ), തെറ്റായ ഭാഗങ്ങൾ (പ്ലെയ്റ്റിലെ അവശിഷ്ടങ്ങൾ), തയ്യാറാക്കൽ മാലിന്യങ്ങൾ (ഓവർസോർട്ടിംഗ്), അനുചിതമായ സംഭരണം (അകാല കേടുപാടുകൾ), മെനു അസന്തുലിതാവസ്ഥ (അധികമായി വിൽക്കുന്ന ചേരുവകളുടെ കേടുപാടുകൾ). നിങ്ങളുടെ പാഴായ രേഖകൾ (എന്ത്, എത്ര, എന്തിന് വലിച്ചെറിഞ്ഞു) നൽകുമ്പോൾ, AI ഏറ്റവും വലിയ മാലിന്യ സ്രോതസ്സുകൾ ദൃശ്യമാക്കുകയും കുറയ്ക്കുന്നതിനുള്ള സാഹചര്യങ്ങൾ നിർദ്ദേശിക്കുകയും ചെയ്യുന്നു: ഭാഗം ക്രമീകരിക്കുക, കുറഞ്ഞ വിൽപ്പനയുള്ളവ മെനുവിൽ നിന്ന് നീക്കം ചെയ്യുക, പാഴായ ചേരുവകൾ മറ്റൊരു പ്ലേറ്റിൽ ഉപയോഗിക്കുക.

സുസ്ഥിരതയുടെ കാര്യത്തിൽ, മാലിന്യങ്ങൾ കുറയ്ക്കുന്നത് ധാർമ്മികവും സാമ്പത്തികവുമാണ്. ഒരു പച്ചക്കറിയുടെ തണ്ട് സ്റ്റോക്ക്/വെജിറ്റബിൾ ചാറാക്കി മാറ്റുക, പഴകിയ ബ്രെഡ് ക്രൂട്ടോണുകളാക്കി മാറ്റുക, ജീവനക്കാരുടെ ഭക്ഷണത്തിൽ മാലിന്യം ഉപയോഗിക്കുക തുടങ്ങിയ "മൂക്കിൽ നിന്ന് വാൽ / വേരു മുതൽ ഇല വരെ" സമീപനങ്ങൾ AI-ൽ നിന്നുള്ള ആശയങ്ങളായി എടുക്കാം. എന്നാൽ ഭക്ഷ്യ സുരക്ഷാ മാർജിൻ നിലനിർത്തുന്നു: കേടായ ഉൽപ്പന്നം ഒരിക്കലും വിലയിരുത്തപ്പെടുന്നില്ല; സുരക്ഷിതമല്ലാത്ത ഭക്ഷണം ഉപയോഗിക്കുന്നതിന് "മാലിന്യങ്ങൾ കുറയ്ക്കൽ" ഒരിക്കലും ഒരു ഒഴികഴിവായിരിക്കില്ല.

മുന്നറിയിപ്പ്: മാലിന്യം കുറയ്ക്കുന്നത് ഒരിക്കലും ഭക്ഷ്യ സുരക്ഷയിൽ വിട്ടുവീഴ്ച ചെയ്യില്ല. "പാഴാക്കുന്നതിനെ വിലയിരുത്തുക" എന്ന് AI പറയുമ്പോൾ പോലും, അവസാന വാക്ക് ഭക്ഷ്യ സുരക്ഷാ നിയമമാണ്: കാലഹരണപ്പെട്ടതോ തണുത്ത ശൃംഖല തകർന്നതോ വിട്ടുവീഴ്ച ചെയ്യപ്പെടുന്നതോ ആയ ഒരു ഉൽപ്പന്നവും ഇല്ല.

മൂന്ന് മിനി കേസുകൾ

കേസ് 1 - പാഴ് നിലയനുസരിച്ച് മാലിന്യം കുറയുന്നു. ഒരു ഹോട്ടൽ അടുക്കള എപ്പോഴും ധാരാളം പുതിയ പച്ചമരുന്നുകൾ വാങ്ങി, അവയിൽ പകുതിയും വാടിപ്പോയിരുന്നു. ചീഫ് 6 ആഴ്ചത്തെ ഉപയോഗ ഡാറ്റ AI-ക്ക് നൽകി; AI യഥാർത്ഥ പ്രതിവാര ഉപയോഗം എക്‌സ്‌ട്രാക്‌റ്റുചെയ്‌തു, ഓരോ സസ്യത്തിനും തുല്യ നിലവാരം ശുപാർശ ചെയ്‌തു. ഓർഡറുകൾ ഈ നിലയിലേക്ക് കുറഞ്ഞു, പുതിയ ഔഷധസസ്യങ്ങൾ പാഴാകുന്നത് ഗണ്യമായി കുറഞ്ഞു. വിതരണക്കാരൻ്റെ ഗുണനിലവാരം മോശമായിരുന്ന ആഴ്ചകളിൽ, വാങ്ങുന്നയാൾ വീണ്ടും സ്വന്തം തീരുമാനമെടുത്തു; AI അടിസ്ഥാനം സജ്ജമാക്കി, മനുഷ്യർ അത് ക്രമീകരിച്ചു.

കേസ് 2 - മാലിന്യ മൂലകാരണ വിശകലനം. ഒരു റസ്‌റ്റോറൻ്റിൽ പ്രതിമാസം കാര്യമായ ഭക്ഷണ പാഴ്‌വസ്തുക്കൾ അനുഭവപ്പെടുന്നുണ്ടെങ്കിലും അത് എവിടെ നിന്നാണ് വരുന്നതെന്ന് അറിയില്ല. ഒരു മാസത്തെ മാലിന്യം (എന്ത്, എത്ര കിലോ, എന്തുകൊണ്ട്) രേഖപ്പെടുത്തി YZ-ന് നൽകി. ഏറ്റവും വലിയ മൂന്ന് സ്രോതസ്സുകളെ AI ഉദ്ധരിച്ചു: കുറഞ്ഞ വിൽപ്പനയുള്ള ഫിഷ് പ്ലേറ്റിൻ്റെ കേടായ സ്റ്റോക്ക്, ഒരു സൈഡ് ഡിഷിൻ്റെ കൂടുതൽ ഭാഗങ്ങൾ, തെറ്റായി സംഭരിച്ച സാലഡ് ചേരുവകൾ. മെനുവിൽ നിന്ന് ഫിഷ് പ്ലേറ്റ് നീക്കം ചെയ്തു, ഭാഗങ്ങൾ കുറയ്ക്കുകയും സംഭരണം ശരിയാക്കുകയും ചെയ്തു. മൂന്ന് മാസത്തിനുള്ളിൽ മാലിന്യം ഗണ്യമായി കുറഞ്ഞു. AI ഉറവിടം കാണിച്ചു, ടീമാണ് തീരുമാനങ്ങൾ എടുത്തത്.

കേസ് 3 - വിതരണ തടസ്സത്തിൽ മനുഷ്യ തീരുമാനം. തിരിഞ്ഞു നോക്കുമ്പോൾ, AI അതിൻ്റെ പതിവ് ഓർഡർ ലിസ്റ്റിൽ ഒരു നിശ്ചിത സമുദ്രവിഭവം ഉൾപ്പെടുത്തിയിട്ടുണ്ട്. എന്നാൽ കാലാവസ്ഥ കാരണം വേട്ടയാടൽ ആ ആഴ്ച നിർത്തി, ഉൽപ്പന്നം ലഭ്യമല്ല അല്ലെങ്കിൽ വളരെ ചെലവേറിയതാണ്. വാങ്ങുന്നയാൾ AI ലിസ്റ്റ് അന്ധമായി പ്രയോഗിച്ചില്ല; മെനുവിൽ താൽക്കാലിക പകരം വയ്ക്കലുകൾ നടത്തി വിതരണക്കാരനുമായി സംസാരിച്ചു. AI ഭൂതകാലത്തിലേക്ക് നോക്കുന്നു; ക്ഷണികമായ ഇടവേള മനുഷ്യൻ കൈകാര്യം ചെയ്യുന്നു.

പകർത്താവുന്ന നാല് ടെംപ്ലേറ്റുകൾ

1) വാങ്ങൽ / ഓർഡർ ഡ്രാഫ്റ്റ്:

നിങ്ങളുടെ റോൾ: പർച്ചേസിംഗ് അസിസ്റ്റൻ്റ്. ഓരോ മെറ്റീരിയലിനും ചുവടെ: തുല്യ നില, നിലവിലെ സ്റ്റോക്ക്, കഴിഞ്ഞ 4 ആഴ്ചകളിലെ ശരാശരി ഉപയോഗം, ലീഡ് സമയം. അടുത്ത ആഴ്‌ച പ്രതീക്ഷിക്കുന്ന സാന്ദ്രത: [സാധാരണ/ഉയർന്നത്]. ടാസ്‌ക്: ഓരോ മെറ്റീരിയലിനും പ്രത്യേകം കോളത്തിൽ ശുപാർശ ചെയ്‌ത ഓർഡർ അളവ് കണക്കാക്കി ഒരു വാക്യത്തിൽ ന്യായീകരണം എഴുതുക. പുതിയ ഉൽപ്പന്നങ്ങളിൽ ഷെൽഫ് ലൈഫ് മുന്നറിയിപ്പ് ചേർക്കുക. ഗുണനിലവാരം/വില എന്നിവ ഞാൻ തീരുമാനിക്കുമെന്ന് പ്രസ്താവിക്കുക. ഡാറ്റ: [പട്ടിക].

2) മാലിന്യ മൂലകാരണ വിശകലനം:

പ്രതിമാസ പാഴായതിൻ്റെ റെക്കോർഡ് ചുവടെയുണ്ട്: മെറ്റീരിയൽ/പ്ലേറ്റ്, ഉപേക്ഷിച്ച തുക, ഉപേക്ഷിക്കാനുള്ള കാരണം. മാലിന്യത്തിൻ്റെ ഏറ്റവും വലിയ 5 ഉറവിടങ്ങൾ പട്ടികപ്പെടുത്തുക; ഓരോന്നിനും, സാധ്യമായ മൂലകാരണവും ഒരു ലഘൂകരണ ശുപാർശയും എഴുതുക. ഭക്ഷ്യ സുരക്ഷയിൽ വിട്ടുവീഴ്ച ചെയ്യുന്ന നിർദ്ദേശങ്ങളൊന്നും നൽകരുത്. ഡാറ്റ: [പട്ടിക].

3) മാലിന്യ മൂല്യനിർണ്ണയം (സുരക്ഷിതം):

ഇനിപ്പറയുന്ന തയ്യാറാക്കൽ മാലിന്യങ്ങൾ (ഉദാ. പച്ചക്കറി തണ്ട്, ബ്രെഡ് പുറംതോട്) (സ്റ്റോക്ക്, വെജിറ്റബിൾ ബ്രൂത്ത്, ക്രൗട്ടൺസ്, സ്റ്റാഫ് മീൽ) എന്നിവയ്ക്കായി സുരക്ഷിതമായ പുനരുപയോഗ ആശയങ്ങൾ നിർദ്ദേശിക്കുക. ഓരോ ആശയത്തിനും, ഇത് പുതിയതും സുരക്ഷിതവുമായ ഉൽപ്പന്നങ്ങൾക്ക് മാത്രം സാധുതയുള്ളതാണെന്ന് പ്രസ്താവിക്കുക, കേടായ ഉൽപ്പന്നം ഉപയോഗിക്കാൻ കഴിയില്ല. മാലിന്യങ്ങൾ: [ലിസ്റ്റ്].

4) സമതല ശുപാർശ:

മെറ്റീരിയൽ ഉപയോഗിച്ചുള്ള അവസാന 6 ആഴ്‌ചത്തെ ഉപയോഗമാണ് ചുവടെ. ഓരോ മെറ്റീരിയലിനും ശുപാർശ ചെയ്യുന്ന തുല്യ നിലവാരവും (മിനിമം സ്റ്റോക്കും) സുരക്ഷാ സ്റ്റോക്കും കണക്കാക്കുക. വിതരണ സമയം കണക്കിലെടുക്കുക. ഫ്രഷ്/ഡ്യൂറബിൾ എന്നിവ തമ്മിലുള്ള വ്യത്യാസം നിരീക്ഷിക്കുക. ഫോർമുല കാണിക്കുക. ഡാറ്റ: [പട്ടിക].

ദുർബലമായ പ്രോംപ്റ്റ് / ശക്തമായ പ്രോംപ്റ്റ്

ദുർബല:

ഞാൻ എത്ര മെറ്റീരിയൽ ഓർഡർ ചെയ്യണം?

ഉപയോഗം, സ്റ്റോക്ക്, ലീഡ് സമയം, സാന്ദ്രത; AI പ്രവചനങ്ങൾ നടത്തുന്നു, അത് പ്രവർത്തിക്കുന്നില്ല.

ശക്തമായ:

നിങ്ങളുടെ റോൾ: പർച്ചേസിംഗ് അസിസ്റ്റൻ്റ്. തക്കാളി: തുല്യ നില 8 കിലോ, ലഭ്യമാണ് 3 കിലോ, പ്രതിവാര ഉപയോഗം ~12 കിലോ, വിതരണം 1 ദിവസം. അടുത്ത ആഴ്ച ഉയർന്ന സാന്ദ്രത. ശുപാർശ ചെയ്യുന്ന ഓർഡർ അളവ് കണക്കാക്കുക, ഒരു ന്യായീകരണം എഴുതുക, ഒരു ഷെൽഫ് ലൈഫ് മുന്നറിയിപ്പ് ചേർക്കുക. ഗുണനിലവാരവും വിലയും ഞാൻ തീരുമാനിക്കും.

വിതരണവും മാലിന്യ ആശയങ്ങളും (പട്ടിക)

ആശയം

വിവരണം

എന്തുകൊണ്ട് അത് പ്രധാനമാണ്?

തുല്യ തലം

കുറഞ്ഞത് ഹാജരാകേണ്ടതുണ്ട്. സ്റ്റോക്ക്

വളരെ ചെറുതല്ല, അധികവുമല്ല

ഓർഡർ പോയിൻ്റ്

ലീഡ് സമയം അനുസരിച്ച് ഓർഡർ ത്രെഷോൾഡ്

കൃത്യസമയത്ത് വിതരണം

സുരക്ഷാ സ്റ്റോക്ക്

അപ്രതീക്ഷിത സാന്ദ്രത ബഫർ

മെനു വിടവ് തടയുന്നു

തീ

കളഞ്ഞുപോയ/നഷ്ടപ്പെട്ട തുക

നേരിട്ടുള്ള പണനഷ്ടം

മൂലകാരണം

മാലിന്യത്തിൻ്റെ യഥാർത്ഥ കാരണം

ശാശ്വത പരിഹാരം

സാധാരണ തെറ്റുകൾ

• AI ഓർഡർ ലിസ്റ്റ് അന്ധമായി പ്രയോഗിക്കുന്നു. ഗുണനിലവാരവും വിലയും സീസണും ജനങ്ങളുടെ തീരുമാനങ്ങളാണ്.
• അഗ്നിശമന രേഖകൾ സൂക്ഷിക്കുന്നില്ല. അളക്കാത്ത മാലിന്യം കൈകാര്യം ചെയ്യാനാകില്ല; രജിസ്ട്രേഷൻ ഇല്ലാതെ ഒരു വിശകലനവുമില്ല.
• പുതിയ ഉൽപ്പന്നങ്ങളുടെ ഷെൽഫ് ലൈഫ് ഒഴിവാക്കുന്നു. അമിതമായി വാങ്ങുന്നത് കേടുപാടുകൾ, പണം, പാഴാക്കൽ എന്നിവയാണ്.
• ഭക്ഷ്യസുരക്ഷയെ മുൻനിർത്തി മാലിന്യം കുറയ്ക്കൽ. കേടായ ഉൽപ്പന്നം ഒരിക്കലും വിലയിരുത്തപ്പെടുന്നില്ല.
• വിതരണ തടസ്സം അവഗണിക്കുന്നു. ഭൂതകാലത്തെ അടിസ്ഥാനമാക്കിയുള്ള പ്രവചനത്തിന് തൽക്ഷണ ഇടവേള അറിയില്ല.

ചുരുക്കത്തിൽ

ശരിയായ പർച്ചേസിംഗും ചെറിയ പാഴ് വസ്തുക്കളുമാണ് ലാഭം നിലനിർത്തുന്നത്. YZ par ലെവൽ ക്രമത്തിൻ്റെ അളവ്, മാലിന്യ മൂലകാരണ വിശകലനം, പാഴാക്കൽ വിലയിരുത്തൽ ആശയങ്ങൾ എന്നിവയിൽ ഒരു ദ്രുത പ്ലാനിംഗ് സഹായിയാണ്; ഇത് അദൃശ്യമായ മാലിന്യങ്ങളെ അളക്കുന്നു. എന്നാൽ ഓരോ പ്രവചനവും ഭൂതകാലത്തെയും സീസണിനെയും ആശ്രയിച്ചിരിക്കുന്നു; ഗുണനിലവാരം, വില, വിതരണം എന്നിവ വെട്ടിക്കുറയ്ക്കുന്നതിനുള്ള തീരുമാനം ഷെഫിനും വാങ്ങുന്നയാൾക്കും വിട്ടുകൊടുക്കുന്നു. മാലിന്യ നിർമാർജനം ഒരിക്കലും ഭക്ഷ്യ സുരക്ഷയിൽ വിട്ടുവീഴ്ച ചെയ്യുന്നില്ല.

ആപ്ലിക്കേഷൻ ടാസ്ക്

അഞ്ച് മെറ്റീരിയലുകൾ തിരഞ്ഞെടുത്ത് ഓരോന്നിനും തുല്യ നില, നിലവിലെ സ്റ്റോക്ക്, പ്രതിവാര ഉപയോഗം, ലീഡ് സമയം (സാങ്കൽപ്പികമാണെങ്കിലും) എന്നിവ എഴുതുക. YZ-ൽ നിന്ന് യുക്തിസഹമായ ഓർഡർ ഡ്രാഫ്റ്റ് സ്വീകരിക്കുക. വെവ്വേറെ, ഒരു മാസത്തെ സാങ്കൽപ്പിക മാലിന്യ റെക്കോർഡ് സൃഷ്ടിക്കുക, AI ഒരു മൂലകാരണ വിശകലനം നടത്തുക, കൂടാതെ രണ്ട് വലിയ മാലിന്യ സ്രോതസ്സുകൾക്കായി ഒരു റിഡക്ഷൻ തീരുമാനം എഴുതുക. ഒരു സപ്ലൈ തടസ്സപ്പെടുത്തൽ സാഹചര്യം സജ്ജീകരിച്ച് ഒരു മനുഷ്യനെന്ന നിലയിൽ നിങ്ങൾ എങ്ങനെ തീരുമാനമെടുക്കുമെന്ന് വിശദീകരിക്കുക.

ചെക്ക്ലിസ്റ്റ്

• [ ] ഞാൻ ഓർഡർ ഡ്രാഫ്റ്റ് സമനില, സ്റ്റോക്ക്, ലീഡ് സമയം എന്നിവയെ അടിസ്ഥാനമാക്കിയുള്ളതാണ്.
• [ ] AI നിർദ്ദേശം ഗുണനിലവാരം/വില തീരുമാനിക്കുന്നത് മനുഷ്യന് വിടുമെന്ന് ഞാൻ വിശ്വസിക്കുന്നു.
• [ ] ഞാൻ അഗ്നിശമന രേഖകൾ സൂക്ഷിക്കുകയും മൂലകാരണ വിശകലനം നടത്തുകയും ചെയ്യുന്നു.
• പുതിയ ഉൽപ്പന്നങ്ങളുടെ ഷെൽഫ് ലൈഫ് മുന്നറിയിപ്പ് ഞാൻ കണക്കിലെടുത്തിട്ടുണ്ട്.
• [ ] മാലിന്യം കുറയ്ക്കുന്നതിൽ ഞാൻ ഒരിക്കലും ഭക്ഷ്യ സുരക്ഷയിൽ വിട്ടുവീഴ്ച ചെയ്തിട്ടില്ല.
• [ ] വിതരണം തടസ്സപ്പെടുമ്പോൾ മനുഷ്യൻ്റെ വിധിയാണ് ആദ്യം വരുന്നത് എന്ന് എനിക്കറിയാം.