Ocado如何使用机器学习来减少食物浪费、解决饥饿问题?

编译作者: 布加迪 2019-11-20 08:00:00

Ocado如何使用机器学习来减少食物浪费、解决饥饿问题?

【51CTO.com快译】食物浪费在全球是个大问题。据联合国粮食及农业组织声称,全球每年浪费约13亿吨粮食。据信这足以养活全球8.15亿的饥饿人口。

但由于技术的进步,这个问题有一天有望消除。比如说,杂货店技术先驱Ocado通过使用数据分析、机器学习和人工智能来管理其产品,将食品浪费率降低到6000件中的仅仅1件。

Ocado的企业社会责任(CSR)负责人Suzanne Westlake说:“在英国这里,问题的严重程度是:每年浪费8600万只鸡、4.38亿片面包、300万片奶酪、130万只苹果、5.2亿品脱牛奶以及20多亿个土豆。我们总是宁愿看到食物落在别人的肚子里,而不是倒在垃圾箱里。”

遏制食物浪费

利用基于机器学习的预测和优化,Ocado的端到端电子商务、物流和履行平台可以计算出顾客实际需要的食物,确保不会从供应商处订购过多的产品。

Ocado Technology的首席执行官James Matthews说:“在我们的网店上,先进的AI可以帮助我们了解顾客的购物习惯。一组先进的预测引擎可以准确地预测我们54000多种不同产品的需求,那样我们不会从供应商处订购多余的产品。”

“我们每天生成2000多万个预测。我们在寻找能够为顾客提供最大新鲜度和可用性,同时最大程度减少浪费和库存量的最佳平衡点。这也使我们得以预测销售量,并在合适的时间对合适的产品进行打折,以确保我们拥有的所有库存都售完。”

Ocado在仓库中部署了一系列AI驱动的系统和机器人,以确保食物按时到达顾客手中并且新鲜,因而最终不会被扔掉。Matthews继续说:“我们名为Hive的订单履行技术以及在其上运行的独特机器人机群,使我们能够确保食物可以在5小时内送入、拣选、包装并再次运送到顾客处。”

“实际上,成千上万的机器人在网格上协作,仅需5分钟就可以拣选大约50件产品的一笔顾客订单。我们的机器人在网格上以每秒多达4米的速度移动。比如说,拣选、包装和运货的速度越快,看到冰淇淋融化的可能性就越小。

追踪运货车队

产品未正确地存储在仓库或送货车中时,也会造成食品浪费,不过Ocado已实施了模拟和预测模型来解决该问题。

“这有助于我们确保将送来的产品保存在精确温度控制的应有环境中,有效地消除了因以不正确的温度存储、存储在仓库中或运送到顾客的途中而造成的浪费。”

在其他地方,机器学习优化工具可以每天为数千辆货车安排最佳的实时送货路线。Matthews说:“我们每秒进行950万次路线安排计算。每次顾客下订单或更新订单时,都会在刷新页面所需的时间内计算所有可能的路线安排和送货方案。”

“路线规划是实时调整的,可响应各种因素,包括不断变化的路况、交通和燃油量等。这使最后一英里成为高效无缝的路程。结果是,运输途中浪费的食物极少。”

作为新鲜度保证的一部分,Ocado不会出售只有几天就会过期的新鲜农产品,会捐赠给有需要的人。Westlake说:“相反,它将被自动标记,并重新分发给当地的食物银行或动物公园。”

“我们与30多家精挑细选的食品合作伙伴、超本地化食品银行、食品重新分发慈善机构和野生动物园合作,将我们的食品浪费降低到几乎为零,并提供给真正有需要的人们。在过去三年,我们已重新分发了近4000吨的食品。”

展望未来,Ocado将继续扩大社会公益事业。Westlake总结道:“我们继续支持社区,并与食品银行Ediblelinks运营的Honesty Shops进行合作。”

“对于许多人来说,它是丝毫不会有耻辱感的食品银行替代渠道,这有助于缓解并防止危机情况。这让地方社区的成员能够获得食物及其他相关产品,比如尿布和婴儿奶粉,否则他们可能无力从商业大街上的零售商那里购买。”

原文标题:How Ocado Is Using Machine Learning To Reduce Food Waste And Feed The Hungry,作者:Nicholas Fearn

【51CTO译稿,合作站点转载请注明原文译者和出处为51CTO.com】

Ocado 机器学习
上一篇:一文搞懂神经网络 下一篇:NLP极简入门指南,助你通过面试,踏入NLP的大门
评论
取消
暂无评论,快去成为第一个评论的人吧

更多资讯推荐

机器学习变革物流运输和交通出行

云和机器学习的融合催生了自动驾驶技术尤其是人们出行方式的广泛创新,正在改变整个行业的游戏规则。根据普华永道(PWC)的数据,68%的物流运输企业负责人认为,未来5年,提供物流运输服务的核心技术的改变将颠覆整个行业。

AWS大中华区云服务产品管理总经理顾凡 ·  2天前
轻松构建 PyTorch 生成对抗网络(GAN)

生成对抗网络(GAN)是一种生成式机器学习模型,它被广泛应用于广告、游戏、娱乐、媒体、制药等行业,可以用来创造虚构的人物、场景,模拟人脸老化,图像风格变换,以及产生化学分子式等等。

佚名 ·  3天前
新AI让教师能够快速开发智能辅导系统

通过使用一种采用人工智能的新方法,教师可以通过演示解决某个主题中的问题的几种方法来教计算机……

佚名 ·  4天前
终结重复工作!教你30分钟创建自己的深度学习机器

建立一个深度学习环境是一件很重要的事情。本文讲述使用深度学习 CommunityAMI、TMUX和 Tunneling在EC2为Jupyter Notebooks创建一个新的深度学习服务器。

读芯术 ·  4天前
如何用机器学习模型,为十几亿数据预测性别

基于用户画像进行广告投放,是优化投放效果、实现精准营销的基础;而人口属性中的性别、年龄等标签,又是用户画像中的基础信息。那该如何尽量准确的为数据打上这些标签?

TalkingData ·  2020-05-26 18:50:49
教你轻松选择合适的机器学习算法!

机器学习方面没有免费午餐。因此,确定使用哪种算法取决于许多因素:面临的问题类型和预期的输出类型等。本文介绍了为数据集探究合适的机器学习方法时要考虑的几个因素。

布加迪 ·  2020-05-26 18:35:00
画图太丑拿不出手?有人做了套机器学习专用画图模板,还有暗黑模式

论文、博客写好了,里面的图可怎么画?对于很多研究人员和开发者来说,内容的「可视化」是一个大问题。如果从头开始画,配色、空间布局都很伤脑筋,而且画丑了也拿不出手,要是有模板可以套就好了。

张倩、魔王 ·  2020-05-26 14:28:12
机器学习:物联网成功的诀窍?

通过机器学习,物联网可以完美地运行。全球各地的组织正在竞相利用物联网的能力,但是,其中许多组织都被我们讨论过的一个或多个障碍所困扰。不过,不管您遇到什么问题,都可以通过结合了机器学习技术的方法来解决。

iothome ·  2020-05-25 22:39:38
Copyright©2005-2020 51CTO.COM 版权所有 未经许可 请勿转载