Een paar overgebleven donuts lijken misschien niet zo erg, maar voor een fastfoodbedrijf met bijna 100 winkels kan onnodige verspilling tot serieuze kosten leiden.
Om de vraag naar donuts beter te voorspellen, lanceerde Bluemont Group, een dochteronderneming van Dunkin’ gevestigd in Knoxville, Tennessee, een NAAR DE systeem genaamd Do’Cast, ontworpen om verspilling te verminderen door de meest populaire smaken op voorraad te houden. Ontwikkeld in samenwerking met restaurantbedrijf AI PreciTastehet systeem maakt gebruik van camera’s in de winkel om de voorraad in realtime te monitoren en de vraag naar elk type donut te voorspellen. Deze voorspellingen houden rekening met recente verkopen, het weer, seizoenspatronen, feestdagen, dagen van de week en grote lokale evenementen zoals universiteitsvoetbalwedstrijden. Tot nu toe, zeggen de bedrijven, heeft Do’Cast de verspilling van donuts en Munchkin-donuts met wel 25% verminderd, waardoor de kosten zijn verlaagd en tegelijkertijd de beschikbaarheid van de best verkochte lekkernijen is gewaarborgd.
“Het aanpassen van de productmix op basis van wat de camera’s volgen, is volgens mij een van de zwakke punten van deze technologie”, zegt Moritz Illi, hoofd productontwikkeling bij PreciTaste en leider van het Do’Cast-project.
Bluemont exploiteert ongeveer 99 Dunkin’-locaties in meerdere staten, waarbij donuts dagelijks vanuit een centrale bakkerij aan individuele winkels worden geleverd. Alle onverkochte donuts worden aan het eind van de dag weggegooid, en voordat Do’Cast ongeveer zeven maanden geleden werd gelanceerd, verdiende het bedrijf gemiddeld iets minder dan $ 100 per afwijzing per winkel per dag, zegt Margo Hughes, directeur zakelijke dienstverlening bij Bluemont. Dat komt neer op ruim drie miljoen dollar aan weggegooide donuts per jaar, zegt Hughes.
“Zelfs een halvering ervan levert een besparing van anderhalf miljoen dollar op”, zegt hij. “Dit is een groot probleem.”
Het systeem combineert voorspellende modellen met beeldherkenning, omdat werknemers in drukke winkels niet elke donut registreren die de deur uitgaat, vooral niet wanneer klanten complexe assortimenten bestellen. Hughes zegt dat hij had gelezen over andere AI-systemen die gebak konden identificeren, waaronder een systeem dat in Japan werd gebruikt en dat onderscheid kon maken tussen honderden soorten gebak, en besefte dat een soortgelijke aanpak kon worden getraind om onderscheid te maken tussen een ouderwetse en een chocoladecrème. PreciTaste, dat in Duitsland begon met de ontwikkeling van op AI gebaseerde oventechnologie die automatisch verschillende soorten voedsel kan herkennen en deze met de juiste instellingen kan bereiden, had al ervaring met het beoordelen van gebakken producten.
“Ze hadden broodjes en brood en croissants en wat dan ook, en deze waren allemaal bruin”, zegt Hughes. “Dus ik dacht: als ze brood kunnen identificeren, kunnen ze ook donuts identificeren.”
Het systeem maakt nu meerdere keren per dag beelden van de donut-display, zodat het kan begrijpen hoe de inventaris van de winkel zich gedurende de dag beweegt en ook een definitieve afvaltelling aan het eind van de dag kan registreren, omdat overtollige artikelen in de prullenbak worden gegooid. Het hebben van overtollige donuts is geldverspilling, maar het opraken van populaire varianten, vooral vroeg op de dag, is ook een probleem, en jezelf beperken tot slechts één uit een bepaalde categorie is ook niet ideaal, omdat veel klanten terughoudend zijn om die laatste donut te kopen, zegt Hughes.
“Dit is waar camera’s zo belangrijk zijn voor het beoordelen van de beschikbaarheid gedurende de dag dat we snel reageren op ondermaats presterende algoritmen op basis van de productmix”, zegt Illi.
De AI is nog niet perfect: de mensen van PreciTaste houden nog steeds toezicht op en valideren de tellingen, zegt Illi, en winkelmanagers kunnen met het bedrijf communiceren om de donutbestellingen van de AI te negeren en factoren aan te dragen die het systeem mogelijk over het hoofd ziet. Bovendien leert het nog steeds van nieuwe gegevens over hoe verschillende factoren de verkoop beïnvloeden. Recente sneeuwstormen hebben bijvoorbeeld geleid tot een dramatische afname van de vraag, en veranderingen in het productassortiment van Dunkin kunnen nieuwe soorten donuts betekenen waar het systeem niet bekend mee is, zodat menselijke managers in eerste instantie betere verkoopschattingen voor hen kunnen geven.
PreciTaste, dat voorbereidingsplanning voor ingrediënten aanbiedt voor een verscheidenheid aan restauranttypes, voert wekelijks telefoongesprekken met Bluemont om te bespreken hoe het systeem werkt en hoe het het beste kan worden geoptimaliseerd. De bedrijven hopen ook andere factoren op te nemen die kunnen helpen bij de productieplanning, zoals uitzoeken welke donuts als vervanging voor elkaar kunnen dienen. “Als je chocolade wilt, koop je geen aardbeien”, zegt Hughes.
Hughes vergelijkt het puppytrainingsproces dat hij kreeg rond de tijd dat Bluemont de PreciTaste-technologie lanceerde: “Ik weet dat op de lange termijn alle training, alle investeringen en alle tijd de moeite waard zullen zijn”, zegt hij, “omdat we beste vrienden voor het leven zullen zijn.”
