FamilyMart, AI ऑर्डरिंग के माध्यम से प्रति सप्ताह 6 घंटे का कार्य समय कम कर रहा है──स्टॉक के अनुकूलन के साथ खाद्य अपशिष्ट को भी नियंत्रित कर रहा है।

अनुक्रमणिका

1. परिचय: कंविनी DX और "AI ऑर्डरिंग"

2. परिचय का पृष्ठभूमि──मानव संसाधन की कमी और खाद्य अपशिष्ट के बीच

3. AI अनुशंसा ऑर्डरिंग क्या है

4. सिस्टम के तकनीकी तत्व

5. 500 स्टोर पायलट के परिणाम

6. स्टोर स्टाफ का अनुभव और मुख्यालय का उद्देश्य

7. समान स्टोर अनुशंसा के माध्यम से उत्पाद विविधता का अनुकूलन

8. खाद्य अपशिष्ट में कमी की वास्तविकता

9. मानव संसाधन लागत और प्रशिक्षण लागत पर प्रभाव

10. अन्य चेन/विदेशी उदाहरणों के साथ तुलना

11. असामान्य स्थिति और "मानव दृष्टि"

12. मध्यम और दीर्घकालिक रोडमैप और चुनौतियाँ

13. ESG और SDGs दृष्टिकोण से मूल्यांकन

14. सारांश और दृष्टिकोण

1. परिचय: कंविनी DX और "AI ऑर्डरिंग"

दुनिया में उच्च घनत्व में फैले जापान के कंविनी, लगातार मानव संसाधन की कमी और 24 घंटे की सेवा बनाए रखने की दोहरी चुनौती का सामना कर रहे हैं। सेल्फ-चेकआउट और मोबाइल ऑर्डर के बाद अगला DX (डिजिटल ट्रांसफॉर्मेशन) जो ध्यान आकर्षित कर रहा है, वह है "AI ऑर्डरिंग"। फैमिलीमार्ट ने लगभग एक साल के PoC (प्रूफ ऑफ कॉन्सेप्ट) के बाद, 2025 के जुलाई में 500 स्टोर्स में इसे लागू करना शुरू किया।ITmedia

डेटा-ड्रिवन प्रबंधन की ओर शिफ्ट

पारंपरिक ऑर्डरिंग "अनुभवी स्टाफ के अनुभव और अंतर्ज्ञान" पर अत्यधिक निर्भर थी, और स्टोर के बीच असमानता एक समस्या थी। AI का परिचय व्यक्तिगत कार्यों को मात्रात्मक बनाना और उच्च पुनरावृत्ति वाले संचालन को प्राप्त करने की दिशा में पहला कदम है।

2. परिचय का पृष्ठभूमि──मानव संसाधन की कमी और खाद्य अपशिष्ट के बीच

मानव संसाधन की कमी का तेजी से बढ़ना

घटती घरेलू श्रम जनसंख्या के कारण, कंविनी कंपनियों को रात के समय की बंदी या सेवा समय की कमी पर विचार करना पड़ रहा है। ऑर्डरिंग कार्य एक दिन में अधिकतम 4 बार होता है, और प्रत्येक बार 15-30 मिनट लगते हैं, जो एक छोटा बोझ नहीं है।雑記ブログ、ときどきAmazon

खाद्य अपशिष्ट और ESG दबाव

जापान का खाद्य अपशिष्ट वार्षिक 522 मिलियन टन है (कृषि मंत्रालय 2024)। कंविनी का अपशिष्ट सामाजिक आलोचना का शिकार होता है और यह कंपनी के मूल्य को प्रभावित करता है। AI ऑर्डरिंग "अविक्रीत वस्तुओं में कमी" और "अवसर हानि से बचाव" के संतुलन को मूल्यांकन बिंदु बनाता है।AMP[アンプ] - ビジネスインスピレーションメディア

3. AI अनुशंसा ऑर्डरिंग क्या है

बहुआयामी डेटा लर्निंग

सिस्टम बिक्री रिकॉर्ड, मौसम, छुट्टियाँ, आस-पास की घटनाएँ, यातायात आदि 30 से अधिक विशेषताओं को शामिल करता है और 15 मिनट के अंतराल में पुनः सीखता है। यह दिन, शिपमेंट और व्यक्तिगत वस्तु के आधार पर मांग वक्र बनाता है और स्टॉक और अगली डिलीवरी के समय को ध्यान में रखते हुए अनुशंसित संख्या लौटाता है।ファミリーマート

समान स्टोर बेंचमार्क

AI स्वचालित रूप से "आदर्श स्टोर" को निकालता है जो स्थान की स्थिति, ग्राहक वर्ग और बिक्री संरचना में समान होते हैं। यह लोकप्रिय वस्तुओं को विस्तारित करके क्षेत्रीय पसंद के अंतर को भरता है और नई मांग को उत्पन्न करता है।AMP[アンプ] - ビジネスインスピレーションメディア

4. सिस्टम के तकनीकी तत्व

• समय श्रृंखला मांग पूर्वानुमान मॉडल: XGBoost और LSTM को मिलाकर, यह अल्पकालिक प्रवृत्तियों और मौसमी कारकों को एक साथ पकड़ता है।

• मल्टी-एजेंट अनुकूलन: प्रदर्शन स्थान, समाप्ति तिथि और सकल लाभ दर को ध्यान में रखते हुए समग्र लाभ को अधिकतम करता है।

• पुनरावर्ती फीडबैक: स्टाफ द्वारा ओवरराइट की गई मैनुअल संख्या को सीखने के डेटा में वापस लाया जाता है और मॉडल को स्व-अपडेट किया जाता है।

5. 500 स्टोर पायलट के परिणाम

ऊपर दी गई तालिका औसत मूल्य (n=500 स्टोर) है। कार्य में कमी के कारण स्टाफ ग्राहक सेवा और उत्पाद प्रदर्शन में समय पुनः आवंटित कर सकते हैं, जिससे बिक्री में 4% की वृद्धि हुई।ITmediaAMP[アンプ] - ビジネスインスピレーションメディア

6. स्टोर स्टाफ का अनुभव और मुख्यालय का उद्देश्य

"AI के आंकड़ों में आधार होता है, इसलिए संतोषजनक होता है। आत्मविश्वास के साथ ऑर्डर कर सकते हैं"(टोक्यो, FC मैनेजर)
"आदत पड़ने पर यह कार्य 3 मिनट में समाप्त हो जाता है। बंद होने के बाद की ओवरटाइम में भारी कमी आई है"(ओसाका, मैनेजर डिप्टी)

मुख्यालय मानकीकरण के माध्यम से गुणवत्ता समरूपता और SV (सुपरवाइजर) कार्यों की दक्षता को लक्षित करता है। जिम्मेदार SV कहते हैं, "स्टोर दौरे में 'ऑर्डरिंग गाइडेंस' में लगाए गए समय को प्रमोशन प्रस्तावों में लगाया जा सकता है।"雑記ブログ、ときどきAmazon

7. समान स्टोर अनुशंसा के माध्यम से उत्पाद विविधता का अनुकूलन

AI समान ग्राहक वर्ग वाले स्टोरों को सीखता है और अभी तक न बिके हिट उत्पादों की अनुशंसा करता है। "लो गुड्स (कम टर्नओवर उत्पाद)" को जबरन हटाने के बजाय, टर्नओवर दर और सकल लाभ दर दोनों को अनुकूलित करता है, जिससे स्टोर की व्यक्तिगतता भी बनी रहती है।AMP[アンプ] - ビジネスインスピレーションメディア

8. खाद्य अपशिष्ट में कमी की वास्तविकता

AI "विक्रय मात्रा बनाए रखने की संख्या" की गणना करता है और दृश्यता को बनाए रखते हुए स्टॉक को न्यूनतम करता है। इसके परिणामस्वरूप अपशिष्ट हानि औसतन आधी हो गई। अविक्रीत वस्तुओं के जमाव और दान जैसे द्वितीयक उपायों के साथ, यह SDGs लक्ष्य 12.3 में योगदान देता है।ファミリーマート

9. मानव संसाधन लागत और प्रशिक्षण लागत पर प्रभाव

नए कर्मचारियों के प्रशिक्षण में सबसे अधिक समय ऑर्डरिंग लॉजिक को सीखने में लगता था। AI के परिचय के बाद, "मैनुअल पढ़ना→AI अनुशंसित मूल्य की पुष्टि→सूक्ष्म समायोजन" के प्रवाह में कमी आई, और प्रशिक्षण लागत में 30% की कमी आई। यह मुख्यालय के ई-लर्निंग के साथ भी जुड़ा हुआ है, जिससे कौशल स्तर का मात्रात्मक मूल्यांकन किया जा सकता है।

10. अन्य चेन/विदेशी उदाहरणों के साथ तुलना

• सेवन-इलेवन जापान: 2022 से गहन शिक्षण आधारित स्वचालित ऑर्डरिंग का परीक्षण कर रहा है।

• लॉसन: खुदरा AI स्टार्टअप के साथ मिलकर, कंसाई के 200 स्टोर्स में परीक्षण कर रहा है।

• वॉलमार्ट यूएस##