論文の概要: The Restaurant Meal Delivery Problem with Ghost Kitchens

• arxiv url: http://arxiv.org/abs/2408.07417v1
• Date: Wed, 14 Aug 2024 09:54:03 GMT
• ステータス: 処理完了
• システム内更新日: 2024-08-15 13:54:15.292736
• Title: The Restaurant Meal Delivery Problem with Ghost Kitchens
• Title（参考訳）: ゴーストキッチンによるレストランの食肉配達問題
• Authors: Gal Neria, Florentin D Hildebrandt, Michal Tzur, Marlin W Ulmer,
• Abstract要約: 「ゴーストキッチン」では、中央コンプレックスに数軒のレストランを同調した料理が提案されている。 ゴーストキッチンを効果的に運用するための運用戦略を提案する。 本研究は,料理スケジューリングと派遣車両の統合最適化と,今後の需要と意思決定の予測の両方が,事業の成功に不可欠であることを示す。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Restaurant meal delivery has been rapidly growing in the last few years. The main challenges in operating it are the temporally and spatially dispersed stochastic demand that arrives from customers all over town as well as the customers' expectation of timely and fresh delivery. To overcome these challenges a new business concept emerged, "Ghost kitchens". This concept proposes synchronized food preparation of several restaurants in a central complex, exploiting consolidation benefits. However, dynamically scheduling food preparation and delivery is challenging and we propose operational strategies for the effective operations of ghost kitchens. We model the problem as a sequential decision process. For the complex, combinatorial decision space of scheduling order preparations, consolidating orders to trips, and scheduling trip departures, we propose a large neighborhood search procedure based on partial decisions and driven by analytical properties. Within the large neighborhood search, decisions are evaluated via a value function approximation, enabling anticipatory and real-time decision making. We show the effectiveness of our method and demonstrate the value of ghost kitchens compared to conventional meal delivery systems. We show that both integrated optimization of cook scheduling and vehicle dispatching, as well as anticipation of future demand and decisions, are essential for successful operations. We further derive several managerial insights, amongst others, that companies should carefully consider the trade-off between fast delivery and fresh food.
• Abstract（参考訳）: レストランの食事の配達はここ数年急速に増えている。 運用上の主な課題は、時間的・空間的に分散した確率的需要であり、街中の顧客からやってくるだけでなく、顧客がタイムリーで新鮮な配送を期待していることである。 これらの課題を克服するため、新しいビジネスコンセプト「ゴーストキッチン」が誕生した。 この概念は、コンソリデーションの恩恵を生かして、中央の複合施設にある複数のレストランの同期食品準備を提案する。 しかし, 食品の調理・配達の動的スケジューリングは困難であり, ゴーストキッチンの運用を効果的に行うための運用戦略を提案する。 私たちは問題をシーケンシャルな意思決定プロセスとしてモデル化します。 注文準備のスケジューリング,旅行への注文の統合,旅行旅行のスケジューリングといった複雑な複合的・複合的決定空間に対して,部分的決定に基づく大規模近傍探索手法を提案し,解析的性質によって駆動する。 大きな近所の探索では、決定は値関数近似によって評価され、予測とリアルタイムの意思決定を可能にする。 本手法の有効性を示し,従来の食事デリバリーシステムと比較してゴーストキッチンの価値を示す。 我々は,料理のスケジューリングと車両の派遣を統合的に最適化するだけでなく,今後の需要や意思決定の予測も成功に欠かせないことを示す。 さらに、早産と生鮮食品のトレードオフを慎重に検討すべきという、いくつかの管理上の洞察を導き出します。

関連論文リスト

• RoDE: Linear Rectified Mixture of Diverse Experts for Food Large Multi-Modal Models [96.43285670458803]
  Uni-Foodは、さまざまな食品ラベルを持つ10万以上の画像からなる統合食品データセットである。 Uni-Foodは、食品データ分析に対するより包括的なアプローチを提供するように設計されている。 本稿では,食品関連マルチタスキングの課題に対処するため,新しいリニア・リクティフィケーション・ミックス・オブ・ディバース・エキスパート (RoDE) アプローチを提案する。
  論文  参考訳（メタデータ） (2024-07-17T16:49:34Z)
• Automating Food Drop: The Power of Two Choices for Dynamic and Fair Food Allocation [51.687404103375506]
  私たちはインディアナ州の非営利組織とパートナーし、EmphFood Dropというプログラムを率いています。 このパートナーシップの目標は、Food Dropを完全に自動化することにあります。 そのためには、食品を受け取った食品銀行の公正性の確保と、トラック運転手の効率の最適化を両立させるために、リアルタイムな意思決定を行うためのマッチングアルゴリズムが必要である。
  論文  参考訳（メタデータ） (2024-06-10T15:22:41Z)
• Cloud Kitchen: Using Planning-based Composite AI to Optimize Food Delivery Processes [0.0]
  本稿では,食品デリバリーを行うレストランの意思決定ツールとして,Cloud Kitchenプラットフォームを提案する。 プラットフォームには、レストランやシミュレーターと通信するためのインターフェースを提供するTechnology-Specific Bridge (TSB) が含まれている。 当社のプラットフォームによる意思決定は,現実の過去のデータセットを用いて,納品の遅れを減らすことで,顧客満足度を向上させることができることを示す。
  論文  参考訳（メタデータ） (2024-02-16T14:31:33Z)
• FoodLMM: A Versatile Food Assistant using Large Multi-modal Model [96.76271649854542]
  大規模マルチモーダルモデル(LMM)は多くの視覚言語タスクにおいて顕著な進歩を遂げている。 本稿では,多機能なLMMに基づく多目的食品アシスタントであるFoodLMMを提案する。 本稿では,食品の栄養価と複数のセグメンテーションマスクを予測するために,一連の新しいタスク固有のトークンとヘッドを導入する。
  論文  参考訳（メタデータ） (2023-12-22T11:56:22Z)
• Towards Fairness in Online Service with k Servers and its Application on Fair Food Delivery [6.729646573556134]
  我々は k-FOOD 問題という仮定を使わずに k- の現実的な一般化を導入する。 k-FOOD問題は、フードデリバリー、ライドシェアリング、クイックコマースなど、さまざまな現実世界のユースケースをモデル化する汎用性を提供する。 オンラインプラットフォームにおける公平性の必要性に感銘を受けて、最大値の目的を持つFAIR k-FOOD問題を導入する。
  論文  参考訳（メタデータ） (2023-12-18T15:22:03Z)
• Learning Sequential Acquisition Policies for Robot-Assisted Feeding [37.371967116072966]
  本稿では,長期食品購入の枠組みとして,視覚行動計画OveRシーケンス(VAPORS)を提案する。 VAPORSは、シミュレーションにおいて学習された潜在プレートダイナミクスを活用することで、ハイレベルなアクション選択のポリシーを学習する。 我々は,ヌードル獲得とゼリー豆のバイマンスクーピングを含む複雑な実世界の買収試験に対するアプローチを検証した。
  論文  参考訳（メタデータ） (2023-09-11T02:20:28Z)
• Transferring Knowledge for Food Image Segmentation using Transformers and Convolutions [65.50975507723827]
  食品画像のセグメンテーションは、食品の皿の栄養価を推定するなど、ユビキタスな用途を持つ重要なタスクである。 1つの課題は、食品が重なり合ったり混ざったりし、区別が難しいことだ。 2つのモデルが訓練され、比較される。1つは畳み込みニューラルネットワークに基づくもので、もう1つは画像変換器(BEiT)のための双方向表現に関するものである。 BEiTモデルは、FoodSeg103上の49.4の結合の平均的交点を達成することで、従来の最先端モデルよりも優れている。
  論文  参考訳（メタデータ） (2023-06-15T15:38:10Z)
• Concepts and Algorithms for Agent-based Decentralized and Integrated Scheduling of Production and Auxiliary Processes [78.120734120667]
  本稿ではエージェントベースの分散型統合スケジューリング手法について述べる。 要求の一部は、線形にスケールする通信アーキテクチャを開発することである。 このアプローチは、工業的要件に基づいた例を使って説明されます。
  論文  参考訳（メタデータ） (2022-05-06T18:44:29Z)
• A Deep Reinforcement Learning Approach for the Meal Delivery Problem [1.5391321019692434]
  一日に一組の宅配業者に与えられた動的顧客要求を満たす食事配達サービスについて検討する。 私たちはこのサービスをマルコフ決定プロセスとしてモデル化し、ソリューションアプローチとして深層強化学習を使用します。 本研究は,ある日に異なる順序周波数のクーリエの割り当てプロセスと最適なクーリエ数の両方について有意な知見を与える。
  論文  参考訳（メタデータ） (2021-04-24T19:01:59Z)
• A Bayesian Approach for Predicting Food and Beverage Sales in Staff Canteens and Restaurants [2.362412515574206]
  本稿では,ポイント・オブ・セールスシステムから取得したデータのみに基づく予測手法を提案する。 幅広い評価において,カジュアルなレストランで収集された2つのデータセットと,大きなスタッフの缶詰について検討する。 提案モデルがレストランデータの特徴に適合することを示す。
  論文  参考訳（メタデータ） (2020-05-26T12:05:06Z)
• Cross-Modal Food Retrieval: Learning a Joint Embedding of Food Images and Recipes with Semantic Consistency and Attention Mechanism [70.85894675131624]
  画像とレシピを共通の特徴空間に埋め込み、対応する画像とレシピの埋め込みが互いに近接するように学習する。 本稿では,2つのモダリティの埋め込みを正規化するためのセマンティック・一貫性とアテンション・ベース・ネットワーク(SCAN)を提案する。 食品画像や調理レシピの最先端のクロスモーダル検索戦略を,かなりの差で達成できることが示される。
  論文  参考訳（メタデータ） (2020-03-09T07:41:17Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。