KR102574617B1 - 판매량이 예측 가능한 자동화 식당 운영 방법 - Google Patents

판매량이 예측 가능한 자동화 식당 운영 방법 Download PDF

Info

Publication number
KR102574617B1
KR102574617B1 KR1020210024446A KR20210024446A KR102574617B1 KR 102574617 B1 KR102574617 B1 KR 102574617B1 KR 1020210024446 A KR1020210024446 A KR 1020210024446A KR 20210024446 A KR20210024446 A KR 20210024446A KR 102574617 B1 KR102574617 B1 KR 102574617B1
Authority
KR
South Korea
Prior art keywords
data
order
customer
sales volume
kiosk
Prior art date
Application number
KR1020210024446A
Other languages
English (en)
Other versions
KR20220120810A (ko
Inventor
한순경
Original Assignee
황태영
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 황태영 filed Critical 황태영
Priority to KR1020210024446A priority Critical patent/KR102574617B1/ko
Publication of KR20220120810A publication Critical patent/KR20220120810A/ko
Application granted granted Critical
Publication of KR102574617B1 publication Critical patent/KR102574617B1/ko

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0201—Market modelling; Market analysis; Collecting market data
    • G06Q30/0202—Market predictions or forecasting for commercial activities
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/06—Buying, selling or leasing transactions
    • G06Q30/0601—Electronic shopping [e-shopping]
    • G06Q30/0633—Lists, e.g. purchase orders, compilation or processing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/12—Hotels or restaurants
    • G—PHYSICS
    • G07—CHECKING-DEVICES
    • G07F—COIN-FREED OR LIKE APPARATUS
    • G07F17/00—Coin-freed apparatus for hiring articles; Coin-freed facilities or services
    • G07F17/40—Coin-freed apparatus for hiring articles; Coin-freed facilities or services for devices for accepting orders, advertisements, or the like

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Accounting & Taxation (AREA)
  • Finance (AREA)
  • Strategic Management (AREA)
  • Physics & Mathematics (AREA)
  • Development Economics (AREA)
  • General Physics & Mathematics (AREA)
  • Tourism & Hospitality (AREA)
  • Theoretical Computer Science (AREA)
  • Marketing (AREA)
  • Economics (AREA)
  • General Business, Economics & Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Data Mining & Analysis (AREA)
  • Game Theory and Decision Science (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Resources & Organizations (AREA)
  • Primary Health Care (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Cash Registers Or Receiving Machines (AREA)
  • General Preparation And Processing Of Foods (AREA)

Abstract

전자적인 시스템을 통해 홀 직원의 업무를 경감하며 식당을 자동화시키고 빅데이터와 공공데이터를 기반으로 판매량을 예측할 수 있고 인공지능 기반으로 고객의 대기시간을 예측할 수 있는 판매량이 예측 가능한 자동화 식당 운영 방법이 제공된다.
상기 판매량이 예측 가능한 자동화 식당 운영 방법은 키오스크가 주문 메뉴 데이터와 주문 상황 데이터를 입력받는 단계; 상기 키오스크가 주문 메뉴 데이터를 주방 모니터로 전송하는 단계; 상기 주방 모니터가 조리 완료 신호를 홀 모니터로 전송하는 단계; 상기 홀 모니터가 고객 호출 신호를 출력하는 단계; 상기 키오스크가 고객 퇴실 데이터를 입력받는 단계; 상기 키오스크가 주문 메뉴 데이터와 주문 상황 데이터와 고객 퇴실 데이터를 메인 서버로 전송하는 단계; 상기 메인 서버가 주문 메뉴 데이터에 빅데이터와 공공데이터 중 적어도 하나를 가공한 이벤트 데이터를 반영하여 판매량 예측값을 출력하는 단계를 포함하는 것을 특징으로 한다.

Description

판매량이 예측 가능한 자동화 식당 운영 방법{AUTOMATED RESTAURANT OPERATION METHODS WITH PREDICTABLE SALES VOLUME}
본 발명은 판매량이 예측 가능한 자동화 식당 운영 방법에 관한 것이다.
최근 자영업자 및 프랜차이즈 본사 등은 식당을 운영함에 있어서, 일일 판매량과 고객의 대기시간을 예측하지 못하여 어려움을 겪고 있는 실정이다. 또한, 인건비는 증가하는데 비하여 고객의 오더와 서빙을 전통적으로 웨이터가 직접 고객과 대면하여 처리하기 때문에 식당의 자동화가 필요한 시점이다.
식당의 판매량을 예측할 수 있다면 예기치 않은 인건비와 식자재 구입비 지출을 방지할 수 있지만, 업주들은 현실적으로 이에 대한 데이터를 정리하기 힘들며 다양한 변수가 존재하기 때문이다.
또한, 점심 시간 등 식당이 혼잡한 경우 대기 손님에게 정확한 대기 시간을 알려줄 수 있다면 고객의 만족도가 크게 올라가지만, 이 또한, 업주들이 데이터베이스화하여 관리하기 힘들며 다양한 변수가 존재하여 정확한 대기 시간을 예측하기 힘든 문제가 있다.
한편, 빅데이터(Big data)는 디지털 경제의 확산으로 디지털 환경에서 생성되는 데이터로 그 규모가 방대하고 생성 주기도 짧고, 형태도 수치 데이터뿐 아니라 문자와 영상 데이터를 포함하는 대규모 데이터를 의미하며, 공공데이터(Public data)는 국가에서 보유하고 있는 다양한 데이터를 법률(대한민국의 경우, 공공데이터의 제공 및 이용 활성화에 관한 법률 등)에 따라 개방하여 누구나 보다 쉽고 용이하게 공유 및 활용할 수 있도록 제공되는 데이터세트(Dataset)를 의미한다.
만약, 전자적인 시스템을 이용하여 식당 운영을 자동화할 수 있고, 전자적인 시스템을 운영하며 축적된 데이터와 빅데이터와 공공데이터를 이용하여 정확한 일일 판매량을 예측할 수 있다면 획기적인 식당 운영이 가능할 것이다.
선행기술 1 등록특허공보 제10-2141172호(2020.08.04.)
선행기술 2 등록특허공보 제10-2129112호(2020.07.08.)
선행기술 3 공개특허공보 제10-2015-0000057호(2015.01.02.)
본 발명이 해결하고자 하는 과제는 전자적인 시스템을 통해 홀 직원의 업무를 경감하며 식당을 자동화시키고 빅데이터와 공공데이터를 기반으로 판매량을 예측할 수 있는 판매량이 예측 가능한 자동화 식당 운영 방법을 제공하는 것이다.
본 발명이 해결하고자 하는 과제들은 이상에서 언급된 과제로 제한되지 않으며, 언급되지 않은 또 다른 과제들은 아래의 기재로부터 통상의 기술자에게 명확하게 이해될 수 있을 것이다.
상술한 과제를 해결하기 위한 본 발명의 판매량이 예측 가능한 자동화 식당 운영 방법은 키오스크가 주문 메뉴 데이터와 주문 상황 데이터를 입력받는 단계; 상기 키오스크가 주문 메뉴 데이터를 주방 모니터로 전송하는 단계; 상기 주방 모니터가 조리 완료 신호를 홀 모니터로 전송하는 단계; 상기 홀 모니터가 고객 호출 신호를 출력하는 단계; 상기 키오스크가 고객 퇴실 데이터를 입력받는 단계; 상기 키오스크가 주문 메뉴 데이터와 주문 상황 데이터와 고객 퇴실 데이터를 메인 서버로 전송하는 단계; 상기 메인 서버가 주문 메뉴 데이터에 빅데이터와 공공데이터 중 적어도 하나를 가공한 이벤트 데이터를 반영하여 판매량 예측값을 출력하는 단계를 포함하는 것을 특징으로 할 수 있다.
상기 메인 서버는 산술처리한 과거의 주문 메뉴 데이터에 빅데이터와 공공데이터 중 적어도 하나에서 식당의 판매량에 영향을 주는 데이터를 분류한 이벤트 데이터를 산술적으로 반영하여 판매량 예측값을 출력하는 것을 특징으로 할 수 있다.
상기 메인 서버는 빅데이터와 공공데이터 중 적어도 하나에서 날씨와 인근 지역의 인구수와 인구 유동량과 차량의 유동량과 사기관과 공공기관에서 주최하는 행사 중 적어도 하나에 대한 데이터를 식당의 판매량에 영향을 주는 데이터로 분류하는 것을 특징으로 할 수 있다.
상기 메인 서버가 주문 메뉴 데이터와 주문 상황 데이터와 고객 퇴실 데이터를 처리하여 대기시간 예측값을 출력하는 단계를 더 포함하는 것을 특징으로 할 수 있다.
상기 메인 서버는 과거의 주문 메뉴 데이터와 과거의 주문 상황 데이터를 피처값으로 설정하고 과거의 고객 퇴실 데이터를 레이블값으로 설정하여 지도학습으로 인공지능 대기시간 예측 알고리즘을 생성하고, 현재의 주문 메뉴 데이터와 현재의 주문 상황 데이터를 인공지능 대기시간 예측 알고리즘에 입력하여 대기시간 예측값을 출력하며, 주문 상황 데이터는 고객의 성별과 나이와 동행자의 수와 주문 일시와 예약 여부와 주문 소요 시간과 고객이 배정된 테이블과 주문 당시의 식당 테이블의 점유율과 주방 인원과 날씨 중 적어도 하나에 대한 데이터를 포함하는 것을 특징으로 할 수 있다.
본 발명의 판매량이 예측 가능한 자동화 식당 운영 방법에서는 키오스크와 홀 모니터와 주방 모니터의 상호 작용에 의해 오더와 서빙이 자동으로 이루어져 자동화된 식당을 운영할 수 있는 장점이 있다.
나아가 본 발명의 판매량이 예측 가능한 자동화 식당 운영 방법에서는 고객의 키오스크 주문 시 축적되는 주문 메뉴 데이터에 빅데이터와 공공데이터를 반영하여 일일 판매량을 정확하게 예측할 수 있는 장점이 있다.
본 발명의 효과들은 이상에서 언급된 효과로 제한되지 않으며, 언급되지 않은 또 다른 효과들은 아래의 기재로부터 통상의 기술자에게 명확하게 이해될 수 있을 것이다.
도 1은 본 발명의 판매량이 예측 가능한 자동화 식당 운영 방법을 나타낸 개념도이다.
도 2는 본 발명의 판매량이 예측 가능한 자동화 식당 운영 방법에 이용되는 시스템을 나타낸 블록도이다.
도 3은 본 발명의 판매량이 예측 가능한 자동화 식당 운영 방법이 진행되는 순서를 나타낸 순서도이다.
도 4는 판매량 예측에 이용되는 알고리즘을 나타낸 개념도이다.
본 발명의 이점 및 특징, 그리고 그것들을 달성하는 방법은 첨부되는 도면과 함께 상세하게 후술되어 있는 실시예들을 참조하면 명확해질 것이다. 그러나, 본 발명은 이하에서 개시되는 실시예들에 제한되는 것이 아니라 서로 다른 다양한 형태로 구현될 수 있으며, 단지 본 실시예들은 본 발명의 개시가 완전하도록 하고, 본 발명이 속하는 기술 분야의 통상의 기술자에게 본 발명의 범주를 완전하게 알려주기 위해 제공되는 것이며, 본 발명은 청구항의 범주에 의해 정의될 뿐이다.
본 명세서에서 사용된 용어는 실시예들을 설명하기 위한 것이며 본 발명을 제한하고자 하는 것은 아니다. 본 명세서에서, 단수형은 문구에서 특별히 언급하지 않는 한 복수형도 포함한다. 명세서에서 사용되는 "포함한다(comprises)" 및/또는 "포함하는(comprising)"은 언급된 구성요소 외에 하나 이상의 다른 구성요소의 존재 또는 추가를 배제하지 않는다. 명세서 전체에 걸쳐 동일한 도면 부호는 동일한 구성 요소를 지칭하며, "및/또는"은 언급된 구성요소들의 각각 및 하나 이상의 모든 조합을 포함한다. 비록 "제1", "제2" 등이 다양한 구성요소들을 서술하기 위해서 사용되나, 이들 구성요소들은 이들 용어에 의해 제한되지 않음은 물론이다. 이들 용어들은 단지 하나의 구성요소를 다른 구성요소와 구별하기 위하여 사용하는 것이다. 따라서, 이하에서 언급되는 제1 구성요소는 본 발명의 기술적 사상 내에서 제2 구성요소일 수도 있음은 물론이다.
다른 정의가 없다면, 본 명세서에서 사용되는 모든 용어(기술 및 과학적 용어를 포함)는 본 발명이 속하는 기술분야의 통상의 기술자에게 공통적으로 이해될 수 있는 의미로 사용될 수 있을 것이다. 또한, 일반적으로 사용되는 사전에 정의되어 있는 용어들은 명백하게 특별히 정의되어 있지 않는 한 이상적으로 또는 과도하게 해석되지 않는다.
이하, 도면을 참조하여 본 발명의 판매량이 예측 가능한 자동화 식당 운영 방법(1000)을 설명한다. 도 1은 본 발명의 판매량이 예측 가능한 자동화 식당 운영 방법을 나타낸 개념도이고, 도 2는 본 발명의 판매량이 예측 가능한 자동화 식당 운영 방법에 이용되는 시스템을 나타낸 블록도이고, 도 3은 본 발명의 판매량이 예측 가능한 자동화 식당 운영 방법이 진행되는 순서를 나타낸 순서도이고, 도 4는 판매량 예측에 이용되는 알고리즘을 나타낸 개념도이다.
본 발명의 판매량이 예측 가능한 자동화 식당 운영 방법(1000)은 키오스크(10)와 주방 모니터(20)와 홀 모니터(30)와 네트워크(40)와 메인 서버(50)를 포함하는 시스템 내에서 수행될 수 있다.
키오스크(10)와 주방 모니터(20)와 홀 모니터(30)는 본 발명의 판매량이 예측 가능한 자동화 식당 운영 방법(1000)관련 웹 페이지, 앱 페이지(앱 리스트), 프로그램 또는 애플리케이션이 제공되는 단말일 수 있다.
이 경우, 키오스크(10)와 주방 모니터(20)와 홀 모니터(30)는 네트워크(40)를 통하여 원격지의 메인 서버(50)에 접속할 수 있는 컴퓨터로 구현될 수 있다.
상세하게, 키오스크(10)와 주방 모니터(20)와 홀 모니터(30)는 무선 통신 장치로서, 네비게이션, PCS(Personal Communication System), GSM(Global System for Mobile communications), PDC(Personal Digital Cellular), PHS(Personal Handyphone System), PDA(Personal Digital Assistant), IMT(International Mobile Telecommunication)-2000, CDMA(Code Division Multiple Access)-2000, W-CDMA(W-Code Division Multiple Access), Wibro(Wireless Broadband Internet) 단말, 스마트폰(smartphone), 스마트 패드(smartpad), 타블렛 PC(Tablet PC) 등과 같은 모든 종류의 핸드헬드(Handheld) 기반의 무선 통신 장치를 포함할 수 있으나 이에 한정되는 것은 아니다.
키오스크(10)와 주방 모니터(20)와 홀 모니터(30)는 네트워크(40)를 통해 메인 서버(50)와 연결될 수 있다.
네트워크(40)는 키오스크(10)와 주방 모니터(20)와 홀 모니터(30)와 메인 서버(50)와 같은 각각의 노드 상호 간에 정보 교환이 가능한 연결 구조를 의미하는 것으로, 이러한 네트워크의 일 예에는 RF, 3GPP(3rd Generation Partnership Project) 네트워크, LTE(Long Term Evolution) 네트워크, 5GPP(5rd Generation Partnership Project) 네트워크, WIMAX(World Interoperability for Microwave Access) 네트워크, 인터넷(Internet), LAN(Local Area Network), Wireless LAN(Wireless Local Area Network), WAN(Wide Area Network), PAN(Personal Area Network), 블루투스(Bluetooth) 네트워크, NFC 네트워크, 위성 방송 네트워크, 아날로그 방송 네트워크, DMB(Digital Multimedia Broadcasting) 네트워크 등이 포함되나 이에 한정되지는 않는다.
메인 서버(50)는 본 발명의 판매량이 예측 가능한 자동화 식당 운영 방법(1000)과 관련한 웹 페이지, 앱 페이지, 프로그램 또는 애플리케이션을 제공하는 서버일 수 있다.
한편, 키오스크(10)는 식당의 홀의 입구나 카운터 영역에 배치될 수 있으며, 터치 스크린 형태 등으로 마련되어 고객이 주문과 관련된 데이터를 입력할 수 있으며, 일 예로, 주문 메뉴 데이터와 주문 상황 데이터일 수 있지만, 이에 한정되는 것은 아니다.
또한, 고객의 퇴실 시 고객이 직접 또는 홀 직원에 의해 간접적으로 키오스크(10)에 고객의 퇴실 여부가 입력될 수 있다. 이 경우, 비워진 테이블은 청소 및 정리 후 다른 고객에게 키오스크(10)를 통해 배정될 수 있다.
주방 모니터(20)는 터치 스크린 형태 등으로 마련되어 식당의 주방 영역에 배치될 수 있으며, 고객이 키오스크(10)를 통해 오더한 주문 메뉴 데이터가 시각화되어 디스플레이될 수 있으며, 주방 직원은 주방 모니터(20)를 확인하여 주문 메뉴를 파악한 다음 조리를 시작할 수 있다.
홀 모니터(30)는 일반적인 일방향 전송 모니터 형태로 마련되어 식당의 홀의 라운지나 배식구 영역에 배치될 수 있으며, 주문 메뉴의 조리 완료 여부가 시각화되어 디스플레이될 수 있으며, 홀에 대기 중인 고객들이 자신이 주문한 메뉴의 조리가 완료되었는지 홀 모니터(30)를 통해 확인한 다음 직접 수령할 수 있다.
본 발명의 판매량이 예측 가능한 자동화 식당 운영 방법(1000)은 키오스크(10)가 주문 메뉴 데이터와 주문 상황 데이터를 입력받는 단계(100); 키오스크(10)가 주문 메뉴 데이터를 주방 모니터(20)로 전송하는 단계(200); 주방 모니터가 조리 완료 신호를 홀 모니터(30)로 전송하는 단계(300); 홀 모니터(30)가 고객 호출 신호를 출력하는 단계(400); 키오스크(10)가 고객 퇴실 데이터를 입력받는 단계(500); 키오스크(10)가 주문 메뉴 데이터와 주문 상황 데이터와 고객 퇴실 데이터를 메인 서버(50)로 전송하는 단계(600); 메인 서버(50)가 주문 메뉴 데이터에 빅데이터와 공공데이터 중 적어도 하나를 가공한 이벤트 데이터를 반영하여 판매량 예측값을 출력하는 단계(700)를 포함할 수 있다.
키오스크(10)가 "주문 메뉴 데이터"와 "주문 상황 데이터"를 입력받는 단계(100)는 고객이나 점주가 키오스크(10)를 조작하거나 자동 셋팅된 정보에 의해 "주문 메뉴 데이터"와 "주문 상황 데이터"가 키오스크(10)에 입력되는 단계일 수 있다.
키오스크(10)의 기본 화면에는 고객 퍼스널 정보 입력란(로그인)과 비어있는 테이블의 번호와 당일 제공되는 메뉴 등이 디스플레이될 수 있으며, 고객은 로그인 후 테이블과 메뉴를 선택함으로써 주문을 완료할 수 있다.
"주문 상황 데이터"는 고객의 성별과 나이와 동행자의 수와 주문 일시와 예약 여부와 주문 소요 시간과 고객이 배정된 테이블과 주문 당시의 식당 테이블의 점유율과 주방 인원과 날씨 중 적어도 하나에 대한 데이터를 포함할 수 있지만, 이에 한정되는 것은 아니다.
한편, 고객의 성별과 나이와 동행자의 수와 예약 여부와 주문 소요 시간과 고객이 배정된 테이블에 대한 데이터는 고객이 키오스크(10)를 조작함으로써 입력될 수 있으며, 주문 일시와 날씨에 대한 데이터는 공공데이터나 빅데이터를 활용하여 자동 셋팅된 정보가 입력될 수 있으며, 주문 당시의 식당 테이블의 점유율은 키오스크(10) 내의 자체적인 프로그램에 의해서 고객이 점유한 테이블과 고객이 점유하지 않은 테이블의 비를 산출함으로써 입력될 수 있으며, 주방 인원 데이터는 점주가 키오스크(10)를 조작하여 그 날 출근한 주방 직원의 수를 셋팅함으로써 입력될 수 있다.
한편, 키오크스(10)에서 고객의 주문이 완료되면 키오스크(10)에서 주문 번호 빌지 등이 출력되어 고객은 자신의 주문 번호를 확인할 수 있다.
키오스크(10)가 "주문 메뉴 데이터"를 주방 모니터(20)로 전송하는 단계(200)는 키오스크(10)에서 고객이 입력한 "주문 메뉴 데이터"가 주방 모니터(20)로 전송되어 주방 모니터(20)를 통해 주방 직원에게 디스플레이되는 단계일 수 있다. 이 단계에서 주방 직원은 주방 모니터(20)에 표시된 주문 메뉴를 확인하고 조리를 시작할 수 있다.
주방 모니터(20)가 조리 완료 신호를 홀 모니터(30)로 전송하는 단계(300)는 주방에서 주문 메뉴의 조리가 끝나면 주방 직원이 주방 모니터(20)를 조작하여 조리 완료 신호를 생성하고 홀 모니터(30)가 주방 모니터(20)에서 생성된 조리 완료 신호를 수신하는 단계일 수 있다.
홀 모니터(30)가 고객 호출 신호를 출력하는 단계(400)는 홀 모니터(30)에서 시청각적 알림(일 예로, 알림음, 주문 번호 표시 등)이 출력되는 단계일 수 있다. 고객은 홀 모니터(30)에 표시된 알림으로 자신이 주문한 메뉴의 조리가 완료되었다는 것을 파악하고 조리된 음식을 가지러 갈 수 있다.
상술한 바에 따르면, 본 발명의 판매량이 예측 가능한 자동화 식당 운영 방법(1000)에서는 홀 직원이 수행하는 고객으로부터 주문을 받는 일과 주방에 주문 메뉴를 알려주고 음식의 조리가 완료되었는지 확인하는 일과 음식을 서빙하는 일이 전자적인 시스템 상에서 자동으로 수행되므로 홀 직원의 업무량이 경감되어 종국적으로 채용 인원 감소로 인건비를 감소시킬 수 있다.
키오스크(10)가 "고객 퇴실 데이터"를 입력받는 단계(500)는 고객이 식사를 마치고 퇴실하는 경우 고객이 직접 또는 홀 직원이 간접적으로 고객의 퇴실 여부를 키오스크(10)를 조작하여 입력하는 단계일 수 있다.
이 경우, 키오스크(10)는 이전 고객이 떠난 테이블을 빈테이블로 인식하여 새로운 고객이 점유할 수 있도록 화면에 표시할 수 있다. 또한, "고객 퇴실 데이터"는 추후 설명하는 인공지능 알고리즘에서 고객이 테이블에 머문 시간 정보로서 활용될 수 있다.
키오스크(10)가 "주문 메뉴 데이터"와 "주문 상황 데이터"와 "고객 퇴실 데이터"를 메인 서버(50)로 전송하는 단계(600)는 상술한 일련의 고객 접대 과정에서 입력된 "주문 메뉴 데이터"와 "주문 상황 데이터"와 "고객 퇴실 데이터"가 네트워크(40)를 통해 메인 서버(50)로 전송되어 데이터베이스에 기록되는 단계일 수 있다.
메인 서버(50)가 "주문 메뉴 데이터"에 빅데이터와 공공데이터 중 적어도 하나를 가공한 "이벤트 데이터"를 반영하여 판매량 예측값을 출력하는 단계(700)에서는 메인 서버(50)에서 키오스크(10)에서 입력되어 축적됨으로써 일반적인 데이터로서 확립된 "주문 메뉴 데이터"에 일시적으로 발생할 수 있는 "이벤트 데이터"를 빅데이터와 공공데이터로부터 추출하여 반영함으로써, 미래의 판매량을 정확하게 예측하는 단계일 수 있다.
한편, 빅데이터(Big data)는 디지털 경제의 확산으로 디지털 환경에서 생성되는 데이터로 그 규모가 방대하고 생성 주기도 짧고, 형태도 수치 데이터뿐 아니라 문자와 영상 데이터를 포함하는 대규모 데이터를 의미하며, 공공데이터(Public data)는 국가에서 보유하고 있는 다양한 데이터를 법률(대한민국의 경우, 공공데이터의 제공 및 이용 활성화에 관한 법률 등)에 따라 개방하여 누구나 보다 쉽고 용이하게 공유 및 활용할 수 있도록 제공되는 데이터세트(Dataset)를 의미한다.
이 경우, 메인 서버(50)는 산술처리한 과거의 "주문 메뉴 데이터"에 빅데이터와 공공데이터 중 적어도 하나에서 식당의 판매량에 영향을 주는 데이터를 분류한 "이벤트 데이터"를 산술적으로 반영하여 판매량 예측값을 출력할 수 있다.
상세하게, 메인 서버(50)는 과거 고객의 "주문 메뉴 데이터"를 산술처리하여 특정 일시에서 일반적으로 예상되는 판매량(주문 메뉴 당 가격을 총합하여 산출)을 도출할 수 있다. 이 경우, 과거의 반복되는 복수의 특정 일시나 기간에서의 "주문 메뉴 데이터"를 평균값으로 산출처리하여 일반적으로 예상되는 판매량을 도출할 수 있으나, 본 발명의 판매량이 예측 가능한 자동화 식당 운영 방법(1000)의 산출처리 기법이 평균값 산술처리에 한정되는 것은 아니다.
일 예로, 과거 특정 일시에서의 "주문 메뉴 데이터"가 특정 이벤트(일 예로, 식당 인근에서의 대규모 행사 후 군중이 식당으로 집합하는 이벤트; 과거의 특정 일시에서의 이벤트 데이터로부터 도출 가능)에 의해 영향을 받은 경우 특정 일시에서의 판매량에만 경감치를 두어 과거의 다른 일시에서의 판매량과의 평균값으로 산술처리하거나, 과거 특정 일시에서의 "주문 메뉴 데이터"가 특정 이벤트(일 예로, 비가 와서 손님이 찾지 않는 이벤트; 과거의 특정 일시에서의 이벤트 데이터로부터 도출 가능)에 의해 영향을 받은 경우 특정 일시에서의 판매량에만 가중치를 두어 과거의 다른 일시에서의 판매량과의 평균값으로 산술처리할 수 있다.
또한, 메인 서버(50)는 식당 판매량에 원인이 되는 웹 상에서 방대하게 존재하는 빅데이터와 공공데이터에서 식당의 판매량에 영향을 주는 데이터만을 선별하여 일시적이고 우발적으로 발생할 수 있는 이벤트를 판매량 예측에 반영할 수 있다.
일 예로, 메인 서버(50)는 빅데이터와 공공데이터 중 적어도 하나에서 날씨와 인근 지역의 인구수와 인구 유동량과 차량의 유동량과 사기관과 공공기관에서 주최하는 행사 중 적어도 하나에 대한 데이터를 식당의 판매량에 영향을 주는 데이터로 분류하여 "이벤트 데이터"로 설정할 수 있다.
만약, 날씨가 맑거나 인근 지역의 인구수와 인구 유동량과 차량의 유동량이 증가하거나 사기관과 공공기관에서 주최하는 행사가 열린다면 식당의 판매량이 증가할 것이다.
즉, 메인 서버(50)는 일반적으로 예상되는 판매량을 나타내는 산출처리한 "과거의 주문 메뉴 데이터"에 우발적으로 증가하거나 감소할 수 있는 판매량을 나타내는 "이벤트 데이터"를 산술적으로 반영하여 정확한 판매량 예측이 가능하다.
이 경우, 메인 서버(50)는 산술처리한 "과거의 주문 메뉴 데이터"에 "이벤트 데이터"를 단순 합하거나 빼는 산술처리를 통해 판매량 예측값을 산출할 수도 있고, 산술처리한 "과거의 주문 메뉴 데이터"에 "이벤트 데이터"를 경감치나 가중치 지수로서 곱하는 산술처리를 통해 판매량 예측값을 산출할 수도 있으나, 본 발명의 판매량이 예측 가능한 자동화 식당 운영 방법(1000)의 산출처리 기법이 상술한 산출처리에 한정되는 것은 아니다.
상술한 바에 따르면, 본 발명의 판매량이 예측 가능한 자동화 식당 운영 방법(1000)에서는 일반적인 판매량 데이터셋에 우발적으로 발생할 수 있는 이벤트 지수를 반영함으로써, 정확한 판매량 예측이 가능한 장점이 있다.
한편, 본 발명의 판매량이 예측 가능한 자동화 식당 운영 방법(1000)의 변형례(미도시)에서는 인공지능에 의해 손님의 대기시간을 예측할 수 있다. 이를 위해, 본 발명의 판매량이 예측 가능한 자동화 식당 운영 방법(1000)의 변형례에서는 메인 서버(50)가 "주문 메뉴 데이터"와 "주문 상황 데이터"와 "고객 퇴실 데이터"를 처리하여 대기시간 예측값을 출력하는 단계를 더 포함할 수 있다.
참고로, 인공지능(AI; Artificial Intelligence)은 인간의 학습능력, 추론능력, 지각능력, 자연언어의 이해능력 등을 컴퓨터 프로그램으로 실현한 컴퓨터 공학 및 정보기술의 한 분야이다. 특히, 인공지능 중 가장 많은 분야에서 활용되는 지도학습(Supervised learning)은 정답(Label)을 포함하는 트레이닝 데이터를 이용하여 미래 값을 예측하는 방법이다.
인공지능은 기계학습에 원류를 두고 있는데, 기계학습은 명시적으로 프로그램되지 않아도 컴퓨터가 스스로 학습할 수 있도록 능력을 부여하는 방법론으로 정의될 수 있으며, 이는 데이터를 기반으로 프로그램이 스스로 데이터의 패턴을 학습하도록 하는 방식이다. 기계학습은 학습에 필요한 데이터에 정답의 명시 여부에 따라 지도학습(Supervised Learning)과 비지도학습(Unsupervised Learning)으로 구되고, 사용 목적에 따라 데이터를 유한개의 카테고리로 나누는 분류(Classification), 연속적인 값으로 맵핑하는 리그레션(Regression), 유사한 데이터를 묶는 군집화(Clustering), 다차원의 데이터를 대표성 있는 낮은 차원으로 사상하는 차원축소(Dimension Reduction) 방법론으로 구분된다.
딥러닝은 기계학습 기법 중 하나로 한동안 정체되었던 기계학습의 성능을 획기적으로 향상시켰는데, 딥러닝은 인간의 뇌 구조에서 시냅스의 중첩을 흉내 낸 인공신경망(ANN; Artificial Neural Network) 알고리즘에 기반한 방법론이며, 딥러닝 구조로는 입력 계층(Input Layer)과 출력 계층(Output Layer) 사이에 복수의 은닉 계층(Hidden Layer)이 존재하는 심층신경망(DNN; Deep Neural Network), 은닉계층 앞에 요인 추출에 필요한 필터를 두고 필터를 함께 학습하는 나선형신경망(CNN; Convolutional Neural Network), 각 시간의 인공신경망을 적층해 시계열 데이터 처리가 가능한 재귀신경망(RNN; Recurrent Neural Network)을 포함할 수 있다. 여기서, 딥러닝 모델의 높은 성능은 두 가지로 설명되는데, 첫째, 인경신경망은 각 계층에 있는 함수들의 가중합의 중첩으로 모든 종류의 함수가 근사 가능한 범용근사법(Universal Approximator)으로 충분히 일반적인 데이터가 주어 진다면 높은 정확도로 데이터를 모사할 수 있다. 둘째, 데이터를 잘 구분하기 위해서는 데이터를 대표하는 요인을 적절하게 추출하는 것이 중요한데 나선형신경망을 이용하여 필터 학습을 통해 최적의 요인을 추출할 수 있다는 것이다. 또한, 딥러닝은 인공신경망(neural network)이라는 인공지능분야의 모형이 발전된 형태로서, 계층구조로 이루어진 인공신경망의 내부계층(hidden layer)이 여러 단계로 이루어진 구조이다. 최근의 딥러닝 모형은 내부계층이 많아져서 노드(node)를 연결하는 가중치(weight, 연결강도를 의미함)의 수가 최대 수십억 개가 되기도 한다.
본 발명의 판매량이 예측 가능한 자동화 식당 운영 방법(1000)의 변형례에서는 메인 서버(50)가 과거의 "주문 메뉴 데이터"와 과거의 "주문 상황 데이터"를 피처값(변수)으로 설정하고 과거의 "고객 퇴실 데이터"를 레이블값(결과)으로 설정하여 지도학습으로 인공지능 대기시간 예측 알고리즘을 생성할 수 있다.
다음으로, 메인 서버(50)에서 현재 식당에서 식사를 하고 있는 고객이 입력한 현재의 "주문 메뉴 데이터"와 현재의 "주문 상황 데이터"를 과거 데이터셋으로 지도학습에 의해 생성된 인공지능 대기시간 예측 알고리즘에 입력하면 현재 식당에서 식사를 하고 있는 고객에 대한 "고객 퇴실 데이터(고객이 퇴실하는 시간)"가 출력될 수 있으며, 이는 대기 고객의 예상 대기시간, 즉, 대기시간 예측값일 수 있다.
한편, 상술한 바와 같이, 본 발명의 판매량이 예측 가능한 자동화 식당 운영 방법(1000)의 변형례에서는 인공 지능을 학습시키기 위한 데이터셋의 피처값으로서 주문 메뉴뿐만 아니라 고객의 성별과 나이와 동행자의 수와 주문 일시와 예약 여부와 주문 소요 시간과 고객이 배정된 테이블과 주문 당시의 식당 테이블의 점유율과 주방 인원과 날씨 등이 종합적으로 고려되기 때문에 더욱 정밀한 예측이 가능한 장점이 있다.
이상에서 전술한 본 발명의 판매량이 예측 가능한 자동화 식당 운영 방법(1000)은 하드웨어인 서버와 결합되어 실행되기 위한 프로그램(또는 어플리케이션)으로 구현되어 매체에 저장될 수 있다.
상기 전술한 프로그램은, 상기 컴퓨터가 프로그램을 읽어 들여 프로그램으로 구현된 상기 방법들을 실행시키기 위하여, 상기 컴퓨터의 프로세서(CPU)가 상기 컴퓨터의 장치 인터페이스를 통해 읽힐 수 있는 C, C++, JAVA, 기계어 등의 컴퓨터 언어로 코드화된 코드(Code)를 포함할 수 있다. 이러한 코드는 상기 방법들을 실행하는 필요한 기능들을 정의한 함수 등과 관련된 기능적인 코드(Functional Code)를 포함할 수 있고, 상기 기능들을 상기 컴퓨터의 프로세서가 소정의 절차대로 실행시키는데 필요한 실행 절차 관련 제어 코드를 포함할 수 있다. 또한, 이러한 코드는 상기 기능들을 상기 컴퓨터의 프로세서가 실행시키는데 필요한 추가 정보나 미디어가 상기 컴퓨터의 내부 또는 외부 메모리의 어느 위치(주소 번지)에서 참조되어야 하는지에 대한 메모리 참조관련 코드를 더 포함할 수 있다. 또한, 상기 컴퓨터의 프로세서가 상기 기능들을 실행시키기 위하여 원격(Remote)에 있는 어떠한 다른 컴퓨터나 서버 등과 통신이 필요한 경우, 코드는 상기 컴퓨터의 통신 모듈을 이용하여 원격에 있는 어떠한 다른 컴퓨터나 서버 등과 어떻게 통신해야 하는지, 통신 시 어떠한 정보나 미디어를 송수신해야 하는지 등에 대한 통신 관련 코드를 더 포함할 수 있다.
상기 저장되는 매체는, 레지스터, 캐쉬, 메모리 등과 같이 짧은 순간 동안 데이터를 저장하는 매체가 아니라 반영구적으로 데이터를 저장하며, 기기에 의해 판독(reading)이 가능한 매체를 의미한다. 구체적으로는, 상기 저장되는 매체의 예로는 ROM, RAM, CD-ROM, 자기 테이프, 플로피디스크, 광 데이터 저장장치 등이 있지만, 이에 제한되지 않는다. 즉, 상기 프로그램은 상기 컴퓨터가 접속할 수 있는 다양한 서버 상의 다양한 기록매체 또는 사용자의 상기 컴퓨터상의 다양한 기록매체에 저장될 수 있다. 또한, 상기 매체는 네트워크로 연결된 컴퓨터 시스템에 분산되어, 분산방식으로 컴퓨터가 읽을 수 있는 코드가 저장될 수 있다.
본 발명의 실시예와 관련하여 설명된 방법 또는 알고리즘의 단계들은 하드웨어로 직접 구현되거나, 하드웨어에 의해 실행되는 소프트웨어 모듈로 구현되거나, 또는 이들의 결합에 의해 구현될 수 있다. 소프트웨어 모듈은 RAM(Random Access Memory), ROM(Read Only Memory), EPROM(Erasable Programmable ROM), EEPROM(Electrically Erasable Programmable ROM), 플래시 메모리(Flash Memory), 하드 디스크, 착탈형 디스크, CD-ROM, 또는 본 발명이 속하는 기술 분야에서 잘 알려진 임의의 형태의 컴퓨터 판독가능 기록매체에 상주할 수도 있다.
이상, 첨부된 도면을 참조로 하여 본 발명의 실시예를 설명하였지만, 본 발명이 속하는 기술분야의 통상의 기술자는 본 발명이 그 기술적 사상이나 필수적인 특징을 변경하지 않고서 다른 구체적인 형태로 실시될 수 있다는 것을 이해할 수 있을 것이다. 그러므로, 이상에서 기술한 실시예들은 모든 면에서 예시적인 것이며, 제한적이 아닌 것으로 이해해야만 한다.

Claims (5)

  1. 키오스크가 주문 메뉴 데이터와 주문 상황 데이터를 입력받는 단계;
    상기 키오스크가 주문 메뉴 데이터를 주방 모니터로 전송하는 단계;
    상기 주방 모니터가 조리 완료 신호를 홀 모니터로 전송하는 단계;
    상기 홀 모니터가 고객 호출 신호를 출력하는 단계;
    상기 키오스크가 고객 퇴실 데이터를 입력받는 단계;
    상기 키오스크가 주문 메뉴 데이터와 주문 상황 데이터와 고객 퇴실 데이터를 메인 서버로 전송하는 단계; 및
    상기 메인 서버가 주문 메뉴 데이터에 빅데이터와 공공데이터를 가공한 이벤트 데이터를 반영하여 판매량 예측값을 출력하는 단계; 및
    상기 메인 서버가 주문 메뉴 데이터와 주문 상황 데이터와 고객 퇴실 데이터를 처리하여 대기시간 예측값을 출력하는 단계를 포함하고,
    주문 상황 데이터는 고객의 성별과 나이와 동행자의 수와 주문 일시와 예약 여부와 주문 소요 시간과 고객이 배정된 테이블과 주문 당시의 식당 테이블의 점유율과 주방 인원과 날씨에 대한 데이터를 포함하고,
    상기 메인 서버는 과거의 반복되는 특정 기간에서의 주문 메뉴 데이터를 평균값으로 산술처리한 과거의 주문 메뉴 데이터을 도출하고, 빅데이터와 공공데이터를 이용하여 날씨와 인근 지역의 인구수와 인구 유동량과 차량의 유동량과 사기관과 공공기관에서 주최하는 행사에 대한 데이터를 이벤트 데이터로 설정하고, 평균값으로 산술처리한 과거의 주문 메뉴 데이터에 이벤트 데이터를 경감치 또는 가중치 지수로서 곱하여 판매량 예측값을 산출하고,
    상기 메인 서버는 과거의 주문 메뉴 데이터와 과거의 주문 상황 데이터를 피처값으로 설정하고 과거의 고객 퇴실 데이터를 레이블값으로 설정하여 지도학습으로 인공지능 대기시간 예측 알고리즘을 생성하고, 현재의 주문 메뉴 데이터와 현재의 주문 상황 데이터를 인공지능 대기시간 예측 알고리즘에 입력하여 대기시간 예측값을 출력하는 것을 특징으로 하는 판매량이 예측 가능한 자동화 식당 운영 방법.
  2. 삭제
  3. 삭제
  4. 삭제
  5. 삭제
KR1020210024446A 2021-02-24 2021-02-24 판매량이 예측 가능한 자동화 식당 운영 방법 KR102574617B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020210024446A KR102574617B1 (ko) 2021-02-24 2021-02-24 판매량이 예측 가능한 자동화 식당 운영 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020210024446A KR102574617B1 (ko) 2021-02-24 2021-02-24 판매량이 예측 가능한 자동화 식당 운영 방법

Publications (2)

Publication Number Publication Date
KR20220120810A KR20220120810A (ko) 2022-08-31
KR102574617B1 true KR102574617B1 (ko) 2023-09-06

Family

ID=83061649

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020210024446A KR102574617B1 (ko) 2021-02-24 2021-02-24 판매량이 예측 가능한 자동화 식당 운영 방법

Country Status (1)

Country Link
KR (1) KR102574617B1 (ko)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102129112B1 (ko) * 2019-12-11 2020-07-08 주식회사 립페이 블록체인 간편결제 플랫폼 기반 qr 코드를 이용한 비대면 원스탑 주문예약결제 서비스 제공 방법
KR102141172B1 (ko) * 2020-02-10 2020-08-04 주식회사 드림아이티솔루션 인공지능 및 사물인터넷을 적용한 키오스크 주문 관리 시스템 및 그 방법
KR102289885B1 (ko) 2020-02-28 2021-08-17 (주)씨아이테크 정보 제공 기능이 구비된 무인 발주 키오스크 시스템

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20150000057A (ko) * 2013-06-21 2015-01-02 동아대학교 산학협력단 대학교내 매장관리 시스템 및 방법

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102129112B1 (ko) * 2019-12-11 2020-07-08 주식회사 립페이 블록체인 간편결제 플랫폼 기반 qr 코드를 이용한 비대면 원스탑 주문예약결제 서비스 제공 방법
KR102141172B1 (ko) * 2020-02-10 2020-08-04 주식회사 드림아이티솔루션 인공지능 및 사물인터넷을 적용한 키오스크 주문 관리 시스템 및 그 방법
KR102289885B1 (ko) 2020-02-28 2021-08-17 (주)씨아이테크 정보 제공 기능이 구비된 무인 발주 키오스크 시스템

Also Published As

Publication number Publication date
KR20220120810A (ko) 2022-08-31

Similar Documents

Publication Publication Date Title
Hu et al. A bi-objective robust model for emergency resource allocation under uncertainty
Winkler The consensus of subjective probability distributions
Harrison et al. Cultivating trustworthy artificial intelligence in digital government
Bai et al. Supply-chain performance-measurement system management using neighbourhood rough sets
Bauer et al. Considering context in the design of intelligent systems: Current practices and suggestions for improvement
Zhang et al. A hybrid ARIMA-SVR approach for forecasting emergency patient flow
US8706656B1 (en) Multi-label modeling using a plurality of classifiers
Broyles et al. A statistical Markov chain approximation of transient hospital inpatient inventory
Huang Mining online footprints to predict user’s next location
Shukla et al. A fuzzy rough sets-based multi-agent analytics framework for dynamic supply chain configuration
Onggo et al. Combining symbiotic simulation systems with enterprise data storage systems for real-time decision-making
CN110322093B (zh) 信息处理方法、信息显示方法、装置及计算设备
Altulyan et al. A survey on recommender systems for Internet of Things: techniques, applications and future directions
Harper et al. A hybrid modelling approach using forecasting and real-time simulation to prevent emergency department overcrowding
Serpell Towards a knowledge-based assessment of conceptual cost estimates
Branchi et al. Learning to act: a reinforcement learning approach to recommend the best next activities
Dash et al. A model for planning the product portfolio and launch timings under resource constraints
Du et al. Analysis of university fitness center data uncovers interesting patterns, enables prediction
Verma et al. A data analytic-based logistics modelling framework for E-commerce enterprise
CN116888617A (zh) 食谱提供装置及方法
KR102129112B1 (ko) 블록체인 간편결제 플랫폼 기반 qr 코드를 이용한 비대면 원스탑 주문예약결제 서비스 제공 방법
KR20220122414A (ko) 인공지능 기반 유저와 판매자의 마이데이터를 활용하여 정기구독 플랫폼에서 큐레이팅 서비스를 제공하는 방법
KR102574617B1 (ko) 판매량이 예측 가능한 자동화 식당 운영 방법
KR20220076013A (ko) Ｂ２ｂ 시장을 위한 인공지능 기반 식자재 자동 발주 서비스 제공 시스템
KR102067782B1 (ko) 예약부도 및 예약이행의 확률통계 기반 예약부도 가능성 예측을 이용한 예약부도 관리 서비스 제공 방법

Legal Events

Date Code Title Description
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant