Cloud.ru и «ВейвАксесс» разработали ИИ-решение, которое рассчитывает потребность ресторанов в отдельных блюдах по часам. В пилотном проекте точность прогнозирования достигла 97%. Результаты позволяют оценить возможности более точного планирования производства и запасов скоропортящейся продукции.
От ручных расчётов к почасовому планированию
Cloud.ru и «ВейвАксесс» представили совместное решение для прогнозирования спроса в ресторанных сетях. В пилоте для франшизы быстрого питания алгоритм использовали вместо ручных расчётов при планировании заготовок. По данным компаний, потери сократились на 14%. Система формирует прогноз по каждой позиции меню, ресторану и часу, создавая основу для определения объёмов приготовления.
Для сетевого общепита основная сложность — согласовать выпуск продукции с неравномерным спросом. Избыточные заготовки увеличивают риск списаний, недостаточные приводят к отсутствию популярных блюд в продаже. При этом потребность различается между ресторанами и меняется в течение дня. Поэтому общий прогноз продаж не даёт необходимой детализации для планирования конкретных производственных партий.
ИИ-модель анализирует историю продаж каждой точки, учитывает сезонность, дни недели, время суток, погоду, промоакции и локальные события. На основе этих данных ресторан получает почасовой прогноз потребности в отдельных блюдах. Он служит ориентиром для расчёта объёмов приготовления, связывая информацию о спросе с производственным планированием. Для внутренней логистики это означает более точное согласование выпуска продукции, загрузки кухни и запасов готовой еды.
Читайте также: X5 оценила эффект ИИ в 5 млрд рублей: алгоритмы входят в управление спросом и запасами
От прогноза продаж к управлению запасами
Cloud.ru предоставляет облачные GPU-мощности, а «ВейвАксесс» отвечает за разработку модели, внедрение и интеграцию с R-Keeper, iiko, 1С и другими системами заказчика. По оценке Cloud.ru, такая архитектура позволяет использовать машинное обучение без собственной вычислительной инфраструктуры и отдельной команды Data Science. Решение ориентировано прежде всего на средние и крупные ресторанные сети с оцифрованной историей продаж.
Разработчики также рассматривают применение технологии в сетевых пекарнях, dark kitchen и продуктовом ритейле с собственным производством готовой еды. В этих сегментах детализация прогноза по ассортименту и времени позволяет планировать выпуск продукции с ограниченным сроком реализации. При интеграции с закупочными системами прогноз также можно использовать для расчёта потребности в ингредиентах и пополнения запасов. Результаты применения решения в закупках компании пока не представили.
Почасовое прогнозирование связывает ожидаемый спрос с объёмами приготовления на уровне отдельных блюд и торговых точек. Для ресторанных сетей, пекарен и производителей готовой еды это способ точнее планировать производственные партии и управлять запасами скоропортящейся продукции.
