Inovatīva tehnoloģija pārdefinē atkritumu apsaimniekošanu viesnīcu un veikalu nozarēs. Viesnīcu ķēde ir ņēmusi jaunievedumu, uzstādot kameru virs savām atkritumu tvertnēm, lai uzmanīgi novērotu saviem viesiem raksturīgos izmetes paradumus. Pārsteidzoši tika atklāts, ka bieži tiek izmeteni brokastu kruasāni, norādot uz potenciālu ietaupījumu.
Veikalu ķēde, izpētot savus pārdošanas datus, saprata, ka dzeltenās sīpoli netiek pārdoti tik ātri kā sarkanie, kas noved pie vairāk atkritumu. Šo iniciatīvu dzinējspēks ir mākslīgā intelekta (AI) jaunradījums, kas veltīts nesaprotamā problēma risināšanai par pārāk lielo pārtikas atkritumu daudzumu – no lauka līdz pirkšanas galamērķim – kas bieži nonāk izgāztuvēs, izmetot kaitīgās siltumnīcefekta gāzes.
Divas īpašas uzņēmumu, kas ir šā jomu pionieri, piedāvā AI balstītas risinājumus. Winnow izmanto savas AI rīkus, lai uzraudzītu restorānu atkritumus, kamēr Afresh izmanto tirgus datus, lai palīdzētu veikaliem optimizēt viņu krājumus, sakārtojot tos atbilstoši faktiskajiem iepirkumu modeļiem.
Neskatoties uz viņa zaļajiem mērķiem, AI paša ietekme uz vidi nevar tikt ignorēta, jo ir nepieciešama nozīmīga enerģija, lai apstrādātu iesaistītos lielu datu apjomu.
ASV iekšienē svaigai pārtikai ir ārkārtēji liels daudzums, kas nekad nenonāk patēriņam. Tikai 2022. gadā vispasaules mērogā tika izmetts miljards tonnu pārtikas, veidojot līdz pat 10% no kopējiem pasaules siltumnīcefekta gāzu emisijām, atbilstoši tam, ko nodrošina aviācijas un jūras transports kopā.
Taču šo jautājumu nepalaist garām. Progresu ir redzams, jo ASV un Kanādas Klusā okeāna piekrastē esošas veikalu ķēdes ziņo par 25% samazinājumu ne pārdoto pārtikas daudzumos no 2019. gada līdz 2022. gadam. Šīs ķēdes arī vairāk ziedo labdarībai un palielina savu komposta darbību, lai gan šādas iekārtas paliek reti sastopamas.
Jaunās inovācijas palīdz dīleriem šajās pūlēs. Uzņēmumi, piemēram, Apeel un Mori, ir izstrādājuši pārtikas pārtikas svaigumu pagarināšanas pārklājumus, bet lietotnes, piemēram, Flashfood un Too Good to Go, palīdz pārdot atlaides pārpalikumu pārtiku no veikaliem un restorāniem atbilstoši.
Afresh tehnoloģija izpēta aptuveni sešus gadus svaigas pārtikas tirdzniecības datus no partnerveikaliem. Lietojot AI, tas paredz iepirkumu modeļus priekšmetiem, piemēram, avokado, un var norādīt, cik daudz no tiem jāielikt ražošanā, balstoties uz bojāšanās tempu. Tas pat var ņemt vērā sezonālos spraugas, piemēram, palielinātos olu iepirkumus ap Pārtikas festivālu ap Esteri olu krāsošanas aktivitātēm.
AI piedāvā precizitāti, kas pārsniedz pat vispieredzējušākos veikalu vadītājus, analizējot, kādus konkrētus sīpolus pasūtīt, piemēram.
Winnow algoritms ir nodots uzdevumam atpazīt vērtīgos pārtikas atkritumus, piemēram, pusi lasanjas pannas no mazāk nozīmīgiem priekšmetiem, piemēram, banānu mizu. Pēc Winow sistēmas ieviešanas Hilton viesnīcas konstatēja, ka dažas brokastu sastāvdaļas bija regulāri par lielām un netika pilnībā patērētas, tādējādi atklājot atkritumu samazināšanas galvenos punktus.
Šajās nozarēs AI pierāda sevi kā nenovērtējamu sabiedroto cīņā pret pārtikas atkritumiem, precīzi norādot ietaupījumus un ilgtspēju ar bezprecedentu precizitāti.
Svarīgas jautājumi un atbildes:
1. Kā inovatīvais AI palīdz samazināt pārtikas atkritumus viesnīcu un mazumtirdzniecības nozarēs?
AI palīdz, uzraudzot atkritumu modeļus, analizējot pārdošanas datus, prognozējot iepirkumu modeļus un optimizējot krājumu pārvaldību. Piemēram, viesnīcās AI var izsegt izmestās lietas, lai palīdzētu samazināt pārprodukciju, bet veikalos tas var prognozēt pieprasījumu, lai novērstu pārmērīgu krājuma veidošanos no laiku ierobežotu preci.
2. Kādas ir galvenās problēmas saistītas ar AI atkritumu samazināšanā?
Viens no galvenajiem izaicinājumiem ir ievērojama enerģijas patēriņa nepieciešamība AI sistēmu darbībai, kas var ietekmēt to vides pēdas iespaidu. Papildus var rasties izpētes izaicinājumi par šādas tehnoloģijas integrēšanu un pieņemšanu darbinieku un vadības vidū. Datu privātuma un drošības nodrošināšana ir arī svarīga.
3. Vai pastāv kādas kontroverses saistībā ar AI lietošanu atkritumu pārvaldībā šajos sektoros?
Bažas galvenokārt radušās par iespējamo darba vietu zudumu automatizēšanas dēļ, AI ieviešanas sākotnējiem izdevumiem un šo progresīvo tehnoloģiju barošanas vides ietekmi.
4. Kādas ir AI izmantošanas ierobežojumi atkritumu pārvaldībā?
AI balstās uz precīziem un visaptverošiem datiem; tāpēc ieskatu kvalitāti var ierobežot pieejamie dati. Turklāt, lai gan AI var prognozēt un ieteikt, galīgie lēmumi joprojām prasa cilvēka spriedumu un var būt ietekmēti neparedzamām faktoriem, piemēram, straujiem patērētāju paradumu maiņām vai ārējiem notikumiem.
Priekšrocības:
– AI iespējams precīzs krājumu vadības kontrolē, samazinot pārmērīgu pasūtīšanu un bojāšanos.
– Reāllaika datu analīze dod iespēju ātri pieejamus sniegumus attiecībā uz atkritumu samazināšanu.
– AI tehnoloģijas spēj atklāt modeļus un tendences, ko cilvēki varētu palaist garām.
– Pārtikas atkritumu samazināšana, izmantojot AI, var radīt ietaupījumus uzņēmumiem un apkārtējai videi noderīgas ieguvumus.
Nepilnības:
– AI sistēmām nepieciešama ievērojama enerģija, potenciāli izpildot dažas vides labvēlīgas ieguvumus.
– Šādu sistēmu ieviešanas izmaksas var būtu augstas, kas varētu būt kavēklis mazākiem uzņēmumiem.
– Tehnoloģijas pārmērīgs atkarība var samazināt cilvēku prasmju klāstu atkritumu pārvaldībā.
– Piedaloties, rodas datu drošības un privātuma bažas, kas saistītas ar patērētāju pirkuma datiem un atkritumu uzraudzīšanu.
Iespējamie saites informatīvai materiālam:
Šie ir ārējie saiti uz organizācijām un platformām, kas bieži pieminētas diskusijās par AI un pārtikas atkritumu samazināšanu viesnīcu un mazumtirdzniecības nozarēs:
– Afresh
– Winnow
– Apeel
– Mori
– Flashfood
– Too Good To Go
Šīs saites ļaus tieši piekļūt organizāciju mājas lapām, kas izstrādā AI un citas inovatīvas risinājumus, lai risinātu pārtikas atkritumu problēmas viesnīcu un mazumtirdzniecības nozarē.
[iekļaut]https://www.youtube.com/embed/Yr-ijPYF3P8[/embed]
The source of the article is from the blog trebujena.net