擺脫高成本、窮忙危機 AI翻轉日本物流、餐飲業痛點

擺脫高成本、窮忙危機  AI翻轉日本物流、餐飲業痛點
擺脫高成本、窮忙危機 AI翻轉日本物流、餐飲業痛點

在民眾口袋越來越緊的市場趨勢下,想提高企業獲利,日本物流業與餐飲業導入AI來協助。利用精準預測來降低食材成本、整合智慧系統以規劃最佳化物流配送,同時開源+節流,也幫企業營運繳出漂亮成績單。

【文/胡林 圖片提供/達志影像】

在人口老化與少子化的雙重衝擊下,日本服務業勞力短缺的問題日益嚴重,而重度仰賴運輸人力的物流業者,所面臨的挑戰也變得越來越嚴峻,由於司機高齡化與勞力不足,已經走入難以滿足暴增的電商物流量的窘境。搶在產業問題持續惡化之前,快遞巨人日本郵便(Japan Post)與新創業者Optimind,以及CBcloud的合作,借助人工智慧(Artificial Intelligence, AI)的力量,或可為物流運輸業找到一條可行的新出路。

縮短學習曲線

目前日本郵便正與CBcloud和Optimind合作,自今年6月起在日本全國約200家郵局導入簡化物流作業、提昇效率的智慧系統,這套系統同時整合了CBcloud的宅配效率化系統「SmaRyu Post」和Optimind的AI規劃路線系統「Loogia」。

日本郵便解釋,鑑於物流業的環境正在產生重大變化,包括勞動力減少、貨物數量增加,以及收貨者不在導致重新配送的業務量變多等情境,因此在此時導入系統,讓配送的全流程變得更精準、有效率,將有助於該公司的運營革新。

SmaRyu Post可以透過雲端運算給予司機相關的作業建議,提昇宅配各階段的效率。只要在智慧型手機上裝設SmaRyu Post後,司機就可以利用手機快速掃瞄貨件標籤,同時根據貨件類型及運送順序,系統會建議將其擺放在貨艙的哪個位置以便加速配送流程。除此之外,該系統也提供了路線建議和導航、運送狀態管理,以及電子簽名等實用的功能。

廣告

而Optimind推出的「Loogia」可以將物流配送路徑進行優化,司機只要於系統中輸入裝運目的地、交貨條件後,系統即可依據移動距離、指定送達時間、沿途路況、停車位置、移動順序等,在地圖上顯示送貨順序與最佳路線。

日本郵便的主管表示,在導入系統後,能協助司機將派件的路線變得更單純、方便,將更多的注意力集中在安全駕駛上。此外,還能有效降低新進人員的整體作業時間,幾乎能夠達到與資深前輩相同的速度,根據初步驗證,在引入Loogia之後,平均每趟送貨時間可減少17分鐘。

同樣引進Loogia的多治見酒品銷售公司,也感受到提昇物流效率的便利性。多治見的營運範圍主要是提供餐館、超市和零售店的酒精飲料和調味品,該公司的司機每天要送貨約15∼30次,但要如何規劃送貨路線則會因司機的習慣與偏好而異,運送效率的高低也大多取決於個人經驗和知識,因此每位司機所需的派送時間有個別差異。但在導入Loogia後,能使他們達到幾乎一致的送貨效率,更將每天的交貨時間縮短了30分鐘。而專門供應咖啡店原料的CCS咖啡公司在2019年8月引進Loogia系統後,該公司的平均交貨時間也因此減少了30∼40分鐘。

AI預測45天內來客數

AI不僅解決了物流業的困擾,如今也在日本的中小企業找到可協助之處。一家位於三重縣的百年日式食堂Ebiya就開發出一套AI系統,其使用100多種不同資料組,可預測未來45天的顧客數,預測準確率高達95%以上,從而使該店能更精確評估購買食材的預算,大幅減少食物浪費,更讓生產力提高3倍、公司的營業額成長5倍。

開發這套AI系統的Ebiya社長小田島春樹(Haruki Odajima)因此成立了EBILAB公司,為餐飲業及零售業提供來客數預測、店內分析商業智慧(Business Intelligence, BI)「TOUCH POINT BI」的系統服務,協助店家能以更有效率、獲利更佳的方式營運。在與收銀機連線後,系統可以自動從中獲取顧客與消費的相關紀錄。例如:顧客點購的餐點、年齡、性別、停留時間等,並以圖像化的方式,將商店營運中會產生的各項數字整合成易讀的資訊儀表板。此外,當這類資訊持續累積,就能藉由分析各種數據,進一步提高系統預測的精確度,或是結合氣候、溫度等資料預測其對來客數的影響。

小田島春樹說,「TOUCH POINT BI」可以預判明天的訪客人數、需準備的食材和人手數量,不僅可以預測「什麼時段會來多少顧客」,還可以預測「哪個時段會出現多少筆點單」。由於餐飲業必須支出相當大比例的食材成本,如何精準掌控採購與烹調份量就特別重要,他表示,「在廚房裡,我們必須了解客人可能較想選哪些餐點、要準備多少食材才足夠。例如:如果只須銷售25碗海鮮飯,就能只準備25碗飯及相關食材,不但大幅減少浪費食物,也能進而節省成本。」

由於希望儘量滿足顧客的需求,大多數餐館通常會準備比較多的飯量。但如果善用系統預測,就可以在安全範圍內準備必須的份量即可,小田島春樹以自家的食堂Ebiya舉例說明,「在引進系統前,平均每天約有6大桶的剩飯,現在是降到1.5桶左右,將損失減少了大約75%。」

目前已有近120家餐館採用了「TOUCH POINT BI」這套系統,其中許多餐館生意都有起色並成功減少了食材浪費。除此之外,EBILAB與三菱地所合作,在其於東京都有樂町推出的複合型市場「micro FOOD & IDEA MARKET」也導入其系統,協助店舖經營、食材訂購的資訊整合服務,現在也正在開發可結合店員獎金制度的系統,期待能挑戰更舒適便利的勞動環境。

翻轉窮+低效產業形象

小田島春樹說:「餐飲在全球商業新創公司中所占比重最大,但大多數都在10年內倒閉,也常被認為是生產力與薪資最低的行業。我希望全日本的服務業都能在系統的協助下,翻轉這個產業的形象。」看好產業的需求,不僅在日本國內積極推廣,小田島春樹的AI事業也準備進軍全球市場。他說:「這項事業有無限的可能性。」

【完整內容請見《能力雜誌》2020年7月號,非經同意不得轉載、刊登】