Skip to content

Seinäjoen kaupungin ruokapalveluissa ateriamäärät perustuivat aiemmin manuaaliseen laskentaan, joka ei tavoittanut esimerkiksi santsikierroksia. River IT:n yhteistyössä kaupungin tietohallinnon kanssa toteuttamassa Haasku-järjestelmässä konenäkö tunnistaa tarjoilulinjaston läpi kulkevat lautaset reaaliajassa – myös silloin, kun sama ruokailija hakee ruokaa useamman kerran. Ensimmäistä kertaa käytössä on todellinen mitattu ateriamäärä arvion sijaan. 

Haasku kokoaa hävikki-, valmistus- ja ateriatiedot yhteen ja automatisoi niiden keräämistä tekoälyn avulla. Hävikin punnitus on tuotantokäytössä yli 50 toimipisteessä, ja konenäköön perustuva lautaslaskenta ensimmäisissä kouluissa, mutta molempien käyttö laajenee. Ratkaisu on suunniteltu alusta lähtien niin, ettei videokuvaa tallenneta eikä siirretä pilvipalveluun. 

 

Hajallaan ollut tieto hidasti päätöksentekoa 

Seinäjoen ruokapalvelut tarvitsivat nykyistä tarkempaa ja ajantasaisempaa tietoa valmistetuista ruokamääristä, toteutuneesta menekistä ja syntyneestä hävikistä. 

Tietoa syntyi eri järjestelmissä ja käsin tehtyinä kirjauksina. Kokonaiskuvan kokoaminen oli hidasta, eikä tieto ollut aina riittävän nopeasti käytettävissä toiminnan suunnitteluun. 

— Päätösten tueksi tarvitaan luotettavaa tietoa. Kun tiedämme tarkemmin, kuinka paljon ruokaa valmistetaan, kuinka moni osallistuu ruokailuun ja kuinka paljon hävikkiä syntyy, pystymme ennustamaan menekkiä paremmin ja kohdentamaan resursseja entistä viisaammin, kertoo Seinäjoen kaupungin ruokapalveluasiantuntija Riina Puranen.

 

Tiedot samaan kokonaisuuteen 

Haaskuun kirjataan päivittäin lautashävikki, tarjoiluhävikki, lahjoitetun ruoan määrä ja varastohävikki. Tiedot yhdistetään ruokalistoihin, valmistettuihin ruokamääriin ja toteutuneeseen lautaslaskentaan. 

Yhtenäisesti kerätty tieto on edellytys sille, että hävikkiä voidaan ylipäätään vähentää suunnitelmallisesti: vasta vertailukelpoinen aineisto kertoo, mitkä toimenpiteet toimivat ja missä toimipisteissä. 

 

Tekoäly helpottaa päivittäistä tiedonkeruuta 

Tekoälyä hyödynnetään Haaskussa kahdessa käytännön työvaiheessa. 

Punnitustulos tallentuu valokuvasta

Käyttäjä ottaa mobiilisovelluksella kuvan digitaalisen vaa’an näytöstä. Kuvantunnistus lukee punnitustuloksen ja tallentaa sen järjestelmään. Lukemaa ei tarvitse näppäillä käsin, joten kirjaaminen nopeutuu ja näppäilyvirheiden mahdollisuus vähenee. 

Konenäkö laskee linjaston läpi kulkevat lautaset 

Ateriamäärien selvittämisessä käytettiin aiemmin pestyjen lautasten manuaalista laskentaa. Menetelmä vaati käsityötä eikä tuottanut tarkkaa tietoa esimerkiksi santsikierroksista. Haaskun konenäkömalli tunnistaa lautaset reaaliaikaisesta videokuvasta. Puhelin kiinnitetään telineeseen tarjoilulinjaston yläpuolelle, eikä erillistä kamera- tai palvelinlaitteistoa tarvita, mikä pitää toimipistekohtaiset kustannukset matalina ja käyttöönoton nopeana. 

 

Videokuvaa ei tallenneta eikä siirretä pilveen 

Tietosuoja huomioitiin lautaslaskennan suunnittelussa alusta lähtien. Kameran kuva-ala on rajattu siten, ettei kuvasta voida tunnistaa henkilöitä, ja tekoälymalli on koulutettu ja rajoitettu tunnistamaan vain lautasia. 

— Lautaslaskennassa käytämme konenäköön perustuvaa tekoälymallia, joka tunnistaa lautaset videokuvasta reaaliajassa. Samalla olemme halunneet varmistaa, että ratkaisu on kevyt, kustannustehokas ja tietosuojan näkökulmasta turvallinen, sanoo River IT:n toimitusjohtaja Pasi Kokko. 

Videokuvaa ei myöskään tallenneta. Kuvan käsittely tapahtuu paikallisesti puhelimessa, eikä videota siirretä pilvipalveluun. Puhelimeen tallennetaan ainoastaan tunnistettujen lautasten laskentatiedot, jotka synkronoidaan Haaskun pilvipalveluun raportointia varten. 

River IT toteutti tiedonkeruun koko ketjun 

Tiedonkeruu toimii luotettavasti vain, jos mobiilisovellus, tekoälymallit, pilviarkkitehtuuri ja tietomalli on suunniteltu yhtenä kokonaisuutena. 

River IT vastasi projektissa tästä kokonaisuudesta: 

  • henkilöstön käyttämä mobiilisovellus 
  • tietojen hallintaan tarkoitettu hallintaportaali 
  • punnitustulosten kuvantunnistus 
  • lautasten laskentaan käytettävä konenäkömalli 
  • ratkaisun pilviarkkitehtuuri 
  • kerätyn tiedon jalostaminen tietovarastoon 
  • raportoinnin tietomalli 

Seinäjoen kaupungin tiedolla johtamisen tiimi toteutti lopulliset raportit tuotantokäyttöön River IT:n rakentaman tietovarasto- ja raportointimallin pohjalta. Työnjaon ansiosta tiedon kerääminen, käsittely ja hyödyntäminen muodostavat yhtenäisen ketjun. Ruokapalvelujen arjessa syntyvä tieto siirtyy raportointiin ilman erillistä tiedostojen kokoamista tai useita manuaalisia käsittelyvaiheita. 

 

Ajantasainen tieto tukee valmistusmäärien suunnittelua 

Haaskun raporteista voidaan tarkastella esimerkiksi: 

  • suunniteltujen ja toteutuneiden ruokamäärien eroja 
  • eri ruokalajien menekkiä 
  • lautas-, tarjoilu- ja varastohävikin kehitystä 
  • lahjoitetun ruoan määrää 
  • tehtyjen hävikkitoimenpiteiden vaikutuksia 

Kun tietoa kertyy yhdenmukaisesti eri toimipisteistä ja pidemmältä ajalta, ruokapalvelut voivat tunnistaa toistuvia eroja suunnitellun ja toteutuneen menekin välillä. Tietoa voidaan käyttää valmistusmäärien tarkentamiseen, resurssien suunnitteluun ja hävikkiä vähentävien toimenpiteiden kohdentamiseen. 

— Kaupungilla on käytössään paljon arvokasta tietoa eri tietojärjestelmissä. Kun tieto saadaan yhdistettyä ja automatisoitua osaksi raportointia, voidaan vähentää manuaalista työtä, parantaa tiedon laatua ja tehdä päätöksiä ajantasaisen tiedon pohjalta, sanoo Seinäjoen kaupungin tietohallintojohtaja Sami Varjo. 

 

Kohti laajempaa kokonaiskuvaa 

Haasku on tuotantokäytössä oleva osa Seinäjoen kaupungin ruokapalvelujen tiedonkeruuta. Hävikin punnitus on käytössä yli 50 toimipisteessä, ja konenäköön perustuva lautaslaskenta laajenee kymmeniin kouluihin ja päiväkoteihin. Käytön laajetessa järjestelmä käsittelee viikoittain satoja tuhansia lautashavaintoja. 

Samalla Seinäjoen kaupunki saa entistä kattavamman kuvan ruoan menekistä ja hävikistä. Ruokapalvelujen päätöksenteko voidaan perustaa yksittäisten arvioiden sijaan yhdenmukaisesti kerättyyn ja ajantasaiseen tietoon. 

Lue aiheesta lisää

  • Kuvantunnistus jo
    0
    eri koulussa
  • Punnitussovellus yli
    0
    eri toimipisteessä
  • Yli
    0
    annosta kuukausittain

Asiakastarinat

Tutustu referensseihimme

Chemigate

Chemigaten talousraportointiin tuli hiljattain tarpeita muutoksille, kun uusien tytäryhtiöiden talousluvut haluttiin osaksi koko konsernin raportointia.
Lue miten onnistuimme

Jämsän kaupunki

Robotiikka vähensi manuaalista työtä jopa 90% Jämsän kaupungin sotelaskutuksessa.
Lue miten onnistuimme

Ilkka Oyj

Ilkka Oyj löysi River IT:stä ketterän kumppanin integraatioiden kehittämiseen
Lue miten onnistuimme