Smart Meal Planning

Met de steun van:

Smart Meal Planning verricht onderzoek naar het potentieel van AI bij het voorspellen van productiehoeveelheden bij laattijdige aanpassingen in de voedingsindustrie.

Waarom dit project?

Veel bedrijven in de verse voeding en de verkoop van bederfbare producten hebben gelijkaardige businessprocessen bij de bestelprocedures. De bestellingen van hun klanten gebeuren typisch in twee fasen. In een eerste fase, lang voor de effectieve leveringsdatum, wordt een relatief groot volume besteld. In een tweede fase, typisch heel kort voor de effectieve leveringsdatum, ontvangt de producent last-minute aanpassingen op het initiële bestelvolume. De timing van de tweede fase bestelling laat echter niet meer toe om nog op een traditionele manier te produceren. Dit resulteert in een disbalans van de HR-planning, rush-orders van grondstoffen, extra druk en stress op het keukenpersoneel, en bij het wegvallen van de vraag te veel reeds geproduceerde maaltijden die niet afgenomen worden. Verder is het typisch zo dat enkel de finale (aangepaste) bestelhoeveelheid wordt gefactureerd, onafhankelijk van de grootte van de laattijdige aanpassingen.

Hoewel het potentieel van AI vaak duidelijk is bij deze bedrijven, zijn de resources en technische kennis vaak niet intern aanwezig om dit zelf te ontwikkelen. Ook zijn er drempels om bestaande softwareplatformen in gebruik te nemen: digitale maturiteit van het voedingsbedrijf en AI-maturiteit van softwareleveranciers, opleiding van mensen, maar evenzeer het feit dat een voorspellingssysteem voor niet-bederfbare goederen eenvoudigweg niet nauwkeurig genoeg is voor bederfbare maaltijden.

Onderzoeksaanpak en resultaten

Smart Meal Planning was een collectief praktijkgericht onderzoeksproject (type TETRA) met als doel AI-bedrijven meer slagkracht te bieden om hun afzetmarkt te vergroten richting de voedingssector en voedingsbedrijven te ondersteunen in een efficiëntere productieplanning.

Dit gebeurde door de meerwaarde van AI aan te tonen in het voorspellen van productiehoeveelheden. Er werd een AI-forecastingmodel ontwikkeld en geïmplementeerd bij verschillende bedrijven. Hoewel dit gepaard ging met de nodige uitdagingen, leidde het model uiteindelijk tot betere en betrouwbaardere voorspellingen.

Toegang tot de projectresultaten

Meer weten over de projectresultaten? Lees het artikel 'Van voorspelling tot beslissing: demand forecasting in de voedingsindustrie'.

Wil je ook een praktijkervaring vanuit een bedrijf horen? Beluister dan de podcast: 'Podcast AI in de voedingsindustrie'.

Doelgroep

Dit project richtte zich op een brede doelgroep van vooral niet R&D-intensieve ondernemingen van verschillende grootte, uit zowel de voedingssector als AI-sector. De mogelijkheden werden in eerste instantie onderzocht binnen snel bederfbare maaltijden, maar de resultaten kunnen doorgetrokken worden naar andere voedingsproducten (secundaire doelgroep: producenten van matig bederfbare producenten zoals groenten, vlees, vis etc).