Maskininlärning för minskat matsvinn i restauranger

Syfte och mål

Projektet har tagit fram ett koncept och en prototyp för att med hjälp av maskininlärning kunna analysera data för minskning av matsvinn. En bidragande faktor till att motverka matsvinnet är att på förhand kunna se hur många gäster som kommer och laga mat därefter. Vidare har en algoritm tagit fram vilka kök som har liknande förutsättningar men som lyckas olika bra i sitt arbete med att minska svinnet. Detta för att kunna synliggöra vilka kök i en grupp som lyckas och att på så sätt i en förlängning bädda för att kunna överföra tips och trix till kök inom samma grupp som lyckas mindre bra.

Resultat och förväntade effekter

Vid projektets början fanns en inneboende osäkerhet på vilka faktorer som faktiskt påverkade matsvinnet och därför vilka parametrar som är av vikt att ta med i maskininlärningsalgoritmen. Detta undersöktes under våren tillsammans med expertis på SLU. Tillsammans med vår partner kommun valde vi att i denna fas fokusera på att ta fram prognoser för antalet närvarande. Indata för algoritmen samlades in från kommuner i Sverige med skolor som uppvisade samma karistika som utvalda kök i vår partner kommun. Prototypen lyckades gissa rätt med tillfredställande marginal.

Upplägg och genomförande

Under våren genomfördes en studie på vilka mätbara faktorer som påverkar matsvinnet samt hur stor påverkansgrad dessa har. Detta genomfördes tillsammans med SLU. Under sommaren och början av hösten togs algoritmer och koncept fram som testades i vår partner kommun under deras matsvinnsmätningsperiod, som under denna period sträckte sig två veckor. Tidigare har mätperioden varit 4 veckor, vilket skulle ha varit bättre för att kunna få in mer data och kunna validera hur algoritmen hanterar ojämnheter.