Machine-learning tegen voedselverspilling in de horeca

Inleiding

Jaarlijks verspilt de horeca rond de 51.000 ton aan voedsel. Met het verspillen van voedsel worden ook alle grondstoffen en hulpbronnen die voor de productie gebruikt zijn (zoals vruchtbaar land, water, arbeid en energie) verspild. Dit legt onnodige druk op voedselproducenten en -verwerkers en heeft een flinke impact op het milieu en op de duurzame samenleving. Ook brengt voedselverspilling onnodige kosten met zich mee voor de horecasector.

Doelstelling

Aanleiding voor dit project is dat De Walrus een vuist wil maken tegen voedselverspilling en zo wil bijdragen aan een betere waardering voor voedsel en een duurzame productie en verwerking van voedsel. Na afloop van dit haalbaarheidsproject beoogt De Walrus een softwarematig prototype te ontwikkelen waarmee voedselverspilling in de horeca tegengegaan kan worden.

Functionaliteiten van de Software

De software dient op basis van reeds aanwezige data uit verschillende bronnen een voorspelling te doen ten aanzien van benodigde producten en hoeveelheden, zodat er berekend voedsel ingekocht kan worden en mise-en-place gedaan kan worden. Op deze manier hoeft er na afloop zo min mogelijk voedsel weggegooid te worden. De Walrus beoogt een systeem dat middels machine learning steeds accuratere voorspellingen weet te maken.

Betrokken Data

Voorbeelden van data die hierin betrokken dienen te worden, zijn:

• Weersvoorspellingen
• Verkoop op vergelijkbare dag voorgaand jaar (bijvoorbeeld de zaterdag van week 25)
• Aantal gasten op vergelijkbare dag voorgaand jaar
• Evenementen in de omgeving
• Reeds aanwezige voorraden
• Trends in afgelopen weken
• Vakantieperioden