Een paar overgebleven donuts lijken misschien geen groot probleem, maar voor een fastfoodbedrijf met bijna 100 winkels kan onnodige verspilling tot serieuze kosten leiden.
Om de vraag naar donuts beter te kunnen voorspellen, heeft een in Knoxville, Tennessee gevestigde Dunkin’-franchisenemer, Bluemont Group, een AI systeem genaamd Do’Cast, ontworpen om verspilling tegen te gaan en tegelijkertijd populaire smaken op voorraad te houden. Ontwikkeld in samenwerking met restaurant AI-bedrijf PreciTastemaakt het systeem gebruik van camera’s in de winkel om de voorraad in realtime bij te houden 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, zo zeggen de bedrijven, heeft Do’Cast de verspilling van donuts en Munchkin-donutgaten met wel 25% verminderd, waardoor de kosten zijn verlaagd en tegelijkertijd is gewaarborgd dat de bestverkopende lekkernijen beschikbaar blijven.
“Het aanpassen van de productmix op basis van wat de camera’s monitoren, ik denk dat dat een van de goede punten van deze technologie is”, 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 geïntroduceerd, zag het bedrijf in elke winkel gemiddeld iets minder dan $ 100 per verspilling 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 als we dat halveren, is dat een besparing van anderhalf miljoen dollar”, zegt ze. “Dat is een groot probleem.”
Het systeem combineert voorspellende modellen met beeldherkenning, omdat werknemers in drukke winkels niet elke individuele donut die de deur uit gaat registreren, vooral niet wanneer klanten complexe assortimenten bestellen. Hughes zegt dat ze had gelezen over andere AI-systemen die gebak kunnen identificeren, waaronder een systeem dat in Japan wordt gebruikt en dat onderscheid kan maken tussen honderden soorten gebak. Ze besefte dat een vergelijkbare aanpak getraind kon worden om het verschil te zien tussen een ouderwetse en een chocoladecrème. PreciTaste, dat begon in Duitsland met de ontwikkeling van AI-aangedreven oventechnologie die automatisch verschillende items kan herkennen en deze op de juiste instellingen kan bereiden, had al ervaring met het classificeren van gebakken producten.
“Ze hadden broodjes en brood en croissants en wat dan ook, en deze zijn 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 donutvitrine, zodat het kan begrijpen hoe de winkelinventaris gedurende de dag verschuift en aan het eind van de dag ook een definitieve telling van de verspilling registreert, omdat overtollige artikelen in de prullenbak worden gegooid. Het hebben van overtollige donuts is geldverspilling, maar het opraken van de populaire varianten – vooral vroeg op de dag – is ook een probleem, en zelfs het beperken van slechts één donut uit een bepaalde categorie is niet ideaal, omdat veel klanten terughoudend zijn om de laatste donut te kopen, zegt Hughes.
“Dit is waar de camera’s zo belangrijk zijn om de beschikbaarheid gedurende de dag te beoordelen, dat we snel reageren op niet-presterende algoritmen op basis van de productmix”, zegt Illi.
De AI is nog steeds niet perfect: mensen bij 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. Het bedrijf leert ook nog steeds van nieuwe gegevens over hoe verschillende factoren de verkoop beïnvloeden. Recente sneeuwstormen hebben bijvoorbeeld geleid tot een drastisch verminderde 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 presteert en hoe het het beste kan worden aangepast. De bedrijven hopen ook andere factoren op te nemen die kunnen helpen bij de productieplanning, zoals inzicht in welke donuts als vervanging voor elkaar kunnen dienen. “Als je chocolade wilt, koop je geen aardbeien”, zegt Hughes.
Hughes vergelijkt de procestraining van de puppy die ze kreeg rond de tijd dat Bluemont de PreciTaste-technologie uitrolde: “Ik weet dat op de lange termijn alle training, alle investeringen en alle tijd de moeite waard zullen zijn”, zegt ze, “omdat we beste vrienden voor het leven zullen zijn.”
