Een paar overgebleven donuts lijken misschien niet zo erg, maar voor een fastfoodbedrijf met bijna 100 winkels kan onnodige verspilling veel geld kosten.
Om de vraag naar donuts beter te voorspellen, heeft de in Knoxville, Tennessee gevestigde Dunkin’-franchisenemer Bluemont Group gelanceerd AI een systeem genaamd Do’Cast is ontworpen om verspilling te verminderen en tegelijkertijd populaire smaken op voorraad te houden. Ontwikkeld in samenwerking met AI-restaurantbedrijf Juiste smaakhet systeem maakt gebruik van camera’s in de winkel om de voorraad in realtime bij te houden en de vraag naar elk type donut te schatten. Bij de voorspellingen wordt rekening gehouden met de huidige verkopen, het weer, seizoenspatronen, feestdagen, dagen van de week en grote lokale evenementen zoals universiteitsvoetbalwedstrijden. Tot nu toe heeft Do’Cast de verspilling van Munchkin-donuts en donutgaten met 25% verminderd, waardoor de kosten zijn verlaagd en tegelijkertijd is gewaarborgd dat de bestverkochte lekkernijen beschikbaar blijven.
“Het aanpassen van de productmix op basis van wat de camera in de gaten houdt, dat vind ik een van de voordelen van deze technologie”, zegt Moritz Illi, hoofd productontwikkeling bij PreciTaste en projectleider van Do’Cast.
Bluemont exploiteert ongeveer 99 Dunkin’-locaties in verschillende staten, waarbij dagelijks donuts vanuit een centrale bakkerij bij elke winkel worden afgeleverd. Alle onverkochte donuts worden aan het eind van de dag weggegooid, en voordat Do’Cast ongeveer zeven maanden geleden werd gelanceerd, zag het bedrijf een gemiddelde van iets minder dan $ 100 per bak in elke winkel per dag, zegt Margo Hughes, Bluemont’s directeur zakelijke dienstverlening. Dat betekent dat er jaarlijks ruim drie miljoen dollar aan donuts wordt weggegooid, zegt Hughes.
“Zelfs als we het gewoon zouden halveren, zou dat anderhalf miljoen dollar hebben bespaard”, zei hij. “Dat is een groot probleem.”
Het systeem combineert voorspellende modellen met beeldherkenning, omdat werknemers in een drukke winkel niet elke donut bijhouden die uitgaat, vooral niet als klanten een complex assortiment donuts bestellen. Hughes zei 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 cake, en besefte dat een soortgelijke aanpak zou kunnen worden getraind om onderscheid te maken tussen ouderwetse en chocoladeroomkoekjes. PreciTaste, dat in Duitsland begon met de ontwikkeling van AI-aangedreven oventechnologie die automatisch verschillende items kan herkennen en deze met de juiste instellingen kan bereiden, heeft al ervaring met het classificeren van gebak.
“Ze hadden broodjes, brood, croissants en wat dan ook, en ze waren allemaal bruin”, zei Hughes. “Dus ik dacht: als ze brood kunnen identificeren, kunnen ze zeker ook donuts identificeren.”
Het systeem maakt nu meerdere keren per dag beelden van de donutvitrine, zodat het kan begrijpen hoe de inventaris van de winkel zich gedurende de dag beweegt en ook de exacte hoeveelheid afval aan het eind van de dag kan registreren, wanneer overtollige items in de prullenbak worden gegooid. Het hebben van overtollige donuts is geldverspilling, maar het opraken van populaire soorten donuts – vooral in de ochtend – is ook een probleem, en zelfs het kiezen van één uit een bepaalde categorie is niet ideaal, omdat veel klanten terughoudend zijn om de laatste donut te kopen, zei Hughes.
“Hier komt de camera langs om de beschikbaarheid gedurende de dag te beoordelen, zodat we snel kunnen reageren op algoritmen die niet goed presteren op basis van de productmix”, aldus Illi.
De AI is nog steeds niet perfect: mensen bij PreciTaste monitoren en valideren nog steeds de berekeningen, zei Illi, en winkelmanagers kunnen met het bedrijf communiceren om AI-donutbestellingen uit te sluiten en factoren aan te dragen die het systeem over het hoofd zou kunnen zien. Het bedrijf leert ook nog steeds van nieuwe gegevens over hoe verschillende factoren de verkoop beïnvloeden. Een recente sneeuwstorm veroorzaakte bijvoorbeeld een drastische daling van de vraag, en een verandering in de productlijn van Dunkin kan een nieuw type donut introduceren dat het systeem niet herkent, zodat menselijke managers in eerste instantie een betere verkoopschatting voor die donuts kunnen geven.
PreciTaste, dat planning voor de bereiding van ingrediënten aanbiedt voor diverse soorten restaurants, belt wekelijks met Bluemont om te bespreken hoe het systeem presteert en hoe het het beste kan worden aangepast. Het bedrijf hoopt ook andere factoren mee te nemen die kunnen helpen bij de productieplanning, zoals inzicht in welke donuts als vervanging voor elkaar kunnen dienen. “Als je chocolade wilde, zou je geen aardbeien kopen”, zei Hughes.
Hughes vergeleek het proces van het trainen van een puppy met het trainingsproces dat hij had toen Bluemont zijn PreciTaste-technologie lanceerde: “Ik wist dat op de lange termijn alle training, alle investeringen en de bestede tijd de moeite waard zouden zijn”, zei hij, “omdat we beste vrienden voor het leven zouden zijn.”
