JP2022041715A - Store management system - Google Patents
Store management system Download PDFInfo
- Publication number
- JP2022041715A JP2022041715A JP2020147082A JP2020147082A JP2022041715A JP 2022041715 A JP2022041715 A JP 2022041715A JP 2020147082 A JP2020147082 A JP 2020147082A JP 2020147082 A JP2020147082 A JP 2020147082A JP 2022041715 A JP2022041715 A JP 2022041715A
- Authority
- JP
- Japan
- Prior art keywords
- time
- customer
- information
- store
- prediction unit
- Prior art date
- Legal status (The legal status 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 status listed.)
- Pending
Links
- 230000035622 drinking Effects 0.000 claims abstract description 72
- 235000013305 food Nutrition 0.000 claims description 19
- 230000037237 body shape Effects 0.000 claims description 4
- 238000012937 correction Methods 0.000 description 10
- 238000000034 method Methods 0.000 description 7
- 238000012986 modification Methods 0.000 description 6
- 230000004048 modification Effects 0.000 description 6
- 238000012545 processing Methods 0.000 description 6
- 238000010801 machine learning Methods 0.000 description 5
- 235000012054 meals Nutrition 0.000 description 5
- 238000012544 monitoring process Methods 0.000 description 5
- 238000004891 communication Methods 0.000 description 3
- 238000013135 deep learning Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 238000004140 cleaning Methods 0.000 description 2
- 230000003111 delayed effect Effects 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 125000002066 L-histidyl group Chemical group [H]N1C([H])=NC(C([H])([H])[C@](C(=O)[*])([H])N([H])[H])=C1[H] 0.000 description 1
- 235000015278 beef Nutrition 0.000 description 1
- 235000021152 breakfast Nutrition 0.000 description 1
- 235000011850 desserts Nutrition 0.000 description 1
- 230000006866 deterioration Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000001815 facial effect Effects 0.000 description 1
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Image Analysis (AREA)
Abstract
Description
本発明は、飲食店における店舗管理システムに関する。 The present invention relates to a store management system in a restaurant.
レストラン等の飲食店において、顧客へのサービスおよび売り上げの向上のために利用されるシステムが提案されている。特許文献1には、撮影された画像に基づいて顧客の飲食ペースを評価し、評価に基づいて顧客に特典を提供するシステムが記載されている。特許文献2には、静電容量センサによって検出された静電容量の変化に基づいて顧客の飲食の状況を推定して従業員へ指示を出すことにより、従業員の負担を軽減し、サービスの向上に資するシステムが記載されている。特許文献3には、順番待ちの順位から空き席待ち時間を予測し、提示する装置が記載されている。 In restaurants such as restaurants, a system used for improving customer service and sales has been proposed. Patent Document 1 describes a system that evaluates a customer's eating and drinking pace based on an image taken and provides a privilege to the customer based on the evaluation. In Patent Document 2, the burden on the employee is reduced and the service is provided by estimating the eating and drinking situation of the customer based on the change in the capacitance detected by the capacitance sensor and giving an instruction to the employee. The system that contributes to improvement is described. Patent Document 3 describes a device that predicts and presents a vacant seat waiting time from the order of waiting in order.
飲食店では混雑時に顧客が入店を待たされることがある。このような場合、顧客は長い時間待たされると、不満が増加する。このために店舗の運営に支障が出ることもありうる。このような顧客の不満を軽減するために、顧客に入店までの待ち時間を知らせることが行われる。顧客の不満を増加させないためには待ち時間を予測する精度が高いことが望まれる。待ち時間の予測の精度を向上するためには、飲食中の顧客の退店時間を精度よく予測することが望まれる。また飲食中の顧客の退店時間が分かれば従業員による片付けなどの段取りも円滑になる。本発明の目的は、飲食店において顧客が退店する時間の予測精度を向上させるのに有利な技術を提供することを目的とする。 At restaurants, customers may have to wait for entry when it is crowded. In such cases, the customer will be more dissatisfied if they wait for a long time. This may hinder the operation of the store. In order to alleviate such customer dissatisfaction, the customer is notified of the waiting time until entering the store. In order not to increase customer dissatisfaction, it is desirable that the accuracy of predicting the waiting time is high. In order to improve the accuracy of waiting time prediction, it is desirable to accurately predict the store leaving time of customers who are eating and drinking. In addition, if the customer's leaving time while eating and drinking is known, the arrangements such as cleaning up by employees will be smooth. An object of the present invention is to provide a technique advantageous for improving the accuracy of predicting the time when a customer leaves a restaurant.
本発明の店舗管理システムは、顧客の属性に関する第1情報を取得する顧客情報生成部と、顧客が飲食するペースに関する第2情報を取得する飲食ペース取得部と、前記第1情報に基づいて顧客の滞在時間を予測する滞在時間予測部と、前記第2情報に基づいて前記滞在時間を補正することにより前記顧客の退店時間を予測する退店時間予測部と、前記退店時間を表示する表示装置とを備えることを特徴とする。 The store management system of the present invention has a customer information generation unit that acquires first information about customer attributes, a food and drink pace acquisition unit that acquires second information about the pace at which the customer eats and drinks, and a customer based on the first information. A stay time prediction unit that predicts the stay time of the customer, a store exit time prediction unit that predicts the store exit time of the customer by correcting the stay time based on the second information, and the store exit time are displayed. It is characterized by being provided with a display device.
飲食店において顧客が退店する時間の予測精度を向上させるのに有利な技術を提供すること。 To provide a technology that is advantageous for improving the accuracy of predicting the time when a customer leaves a restaurant.
以下、添付図面を参照して実施形態を詳しく説明する。なお、以下の実施形態は特許請求の範囲に係る発明を限定するものではない。実施形態には複数の特徴が記載されているが、これらの複数の特徴の全てが発明に必須のものとは限らず、また、複数の特徴は任意に組み合わせられてもよい。さらに、添付図面においては、同一若しくは同様の構成に同一の参照番号を付し、重複した説明は省略する。 Hereinafter, embodiments will be described in detail with reference to the accompanying drawings. The following embodiments do not limit the invention according to the claims. Although a plurality of features are described in the embodiment, not all of the plurality of features are essential for the invention, and the plurality of features may be arbitrarily combined. Further, in the attached drawings, the same or similar configurations are given the same reference numbers, and duplicate explanations are omitted.
(実施形態1)
本実施形態について図1に示す飲食店の店舗管理システムの例により説明する。本システムは、飲食店で飲食している顧客の退店時間、混雑時に空き席がない場合の入店前の顧客の待ち時間を取得して表示しうる。本システムは、システムサーバ10を含む。システムサーバ10は顧客情報生成部13、退店時間予測部14、飲食ペース取得部15、滞在時間予測部16、全体を制御する制御部18、待ち時間予測部19を備える。システムサーバ10は、例えば、CPU、GPU(Graphical Processing Unit)やFPGA(Field -Programmable Gate Array)、ROM、RAM、通信装置等を備えている。
(Embodiment 1)
This embodiment will be described with reference to an example of a restaurant management system shown in FIG. This system can acquire and display the exit time of a customer eating and drinking at a restaurant and the waiting time of the customer before entering the store when there are no vacant seats at the time of congestion. This system includes a
カメラ11、表示装置12及び端末17がシステムサーバ10に接続されうる。従業員は端末17を操作して、顧客に関する情報や注文に関する情報を入力することができる。また、端末17は、顧客自身が端末17を操作して、グループで来店した顧客の人数を入力したり、飲食する品の注文を入力するための端末であってもよい。
The
カメラ11は店舗内及び店舗外に設置されうる。例えば、カメラ11は店舗外の、入店前の順番待ちをしている顧客を撮影できる場所に設置されてもよい。カメラ11は席に座っている顧客を撮影できるように、テーブルごとに設置されてもよい。あるいはカメラ11は店舗内の様子が把握できる適切な場所に数台が配置されてもよい。カメラ11は、例えば所定時間間隔で画像を取得し、取得した画像をシステムサーバの顧客情報生成部13へ送信する。
The
顧客情報生成部13は、カメラ11によって取得された画像に基づいて、顧客の入店状況、空き席の順番待ちの状況を監視したり、顧客に関する情報(以下、「顧客情報」という。)を生成しうる。顧客情報は年齢、性別、体形、服装、顧客が構成するグループの人数などの顧客の属性に関する情報及び顧客の顔画像の少なくともいずれか1つを含みうる。
The customer
顧客情報生成部13では機械学習済みの学習モデルを用いて、入力された画像情報に基づいて年齢や性別等の顧客情報を生成して滞在時間予測部16へ出力しうる。機械学習は、顧客情報を教師データとし、カメラにより撮影された画像を入力データとして、適切な顧客情報を生成するように行われる。制御部18は機械学習済みの学習モデルを顧客情報生成部13に設定できる。機械学習済みの学習モデルはパラメータが調整されたディープラーニング技術によって作成されたものであってもよい。GPUはデータをより多く並列処理することで効率的な演算を行うことができるので、ディープラーニングのような学習モデルを用いて複数回に渡り学習を行う場合にはGPUで処理を行うことが有効である。学習部による処理にはCPUに加えてGPUを用いる。具体的には、学習モデルを含む学習プログラムを実行する場合に、CPUとGPUが協働して演算を行うことで学習を行う。なお、学習部の処理はCPUまたはGPUのみにより演算が行われても良い。また、機械学習済みの学習モデルの推定を行う推定部も学習部と同様にGPUを用いても良い。制御部18はシステムサーバ10の内部に設けてもよいし、システムサーバ10の外に設けてもよい。
The customer
例えば、顧客情報生成部13は、カメラ11により撮影された画像に基づいて、個々の人物を顔認識技術で識別して年齢などの顧客情報を生成してもよい。顧客がグループを構成して来店した場合に、顧客情報生成部13は、個々の識別された情報を使って顧客情報を生成することにより、精度よく顧客情報を生成しうる。
For example, the customer
顧客情報は従業員が端末17を用いて顧客情報生成部13へ入力してもよい。端末17はハンディターミナル、スマートフォン、タブレット端末のようなものであってもよい。
The customer information may be input to the customer
滞在時間予測部16は、顧客情報に基づいて顧客が店内で飲食等に費やす滞在時間を予測して出力しうる。滞在時間予測部16は、例えば、顧客情報と滞在時間の関係を格納したデータテーブルを備える。あるいは滞在時間予測部16は、顧客情報と滞在時間を格納したデータベースを参照するようにしてもよい。データテーブルやデータベースはシステムサーバ10の外部に設けてもよい。
The stay
滞在時間予測部16は、顧客情報が入力されると、データテーブルに予め用意された顧客情報と滞在時間との関係から、顧客の滞在時間を予測して退店時間予測部14へ出力する。滞在時間予測部16のデータテーブルの一例について図2により説明する。この例では顧客情報は年齢、性別、人数を含む顧客構成であるが、体形や服装に関する情報を含んでいてもよい。
When the customer information is input, the stay
また、滞在時間予測部16は、来店した顧客の顔画像の情報と滞在時間とを記憶しておき、カメラ11が撮影した顧客が、今回よりも前に来店したことがあったかどうかを判断できるようにしてもよい。この場合、滞在時間予測部16は、来店した顧客が前に来店したことがあったと判断された場合には、その顧客の前に来店したときの滞在時間に関する情報から、今回予測された滞在時間を補正してもよい。前に来店したときの滞在時間に関する情報はその顧客の平均の滞在時間でもその顧客と注文した品物とを紐づけた滞在時間でもよい。例えば、顧客情報生成部13が顧客情報として、男性、50歳を出力した場合でも、滞在時間予測部16が、その人が前に来店したことがあったか判断する。前に来店したと判断されたときは、来店したときの滞在時間を調べる。その結果、その顧客が同じ属性に分類された他の人よりも短い時間しか滞在しなかったことが分かった場合は、顧客情報により予測された滞在時間を短くなるように補正してもよい。この場合、前の来店のデータとして比較的最近のデータを使った方が予測精度の低下を抑制できると考えられるので、例えばデータは2年以内に取得されたものに限るようにしてもよい。これにより記憶されるデータの規模を小さくできる。
Further, the stay
例えばデータテーブルは予め、過去の実績に基づいて作成されたものでもよいし、制御部18が飲食店の実測された滞在時間からデータテーブルを作成してもよい。各店舗毎に個別のデータテーブルを滞在時間予測部16が保持してもよいし、チェーン店や飲食店業種毎に共通のデータテーブルを滞在時間予測部16が保持してもよい。あるいは、システムサーバ10の一部もしくは全部をクラウド上に設けて、各店舗はシステムサーバ10やデータテーブルを共同利用してもよい。
For example, the data table may be created in advance based on past results, or the
初期状態では、データテーブルにその店舗に向いた適切な既成のデータを格納しておき、その後、実測された時間に基づいてデータが修正されてもよい。データテーブルの修正は、例えば、予測された滞在時間と実際の滞在時間との差に基づいて、制顧客情報に対応する滞在時間が修正されてもよい。実際の滞在時間は、制御部18が、顧客が席に着いてから退店するまでの時間を計測して求めうる。データテーブルの修正は、予測された滞在時間と実際の滞在時間との差が所定の閾値(例えばプラスマイナス5分)を超えるときや、実際の滞在時間が所定の閾値を超える回数が所定回数以上(例えば10回)になったときに、制御部18が行うようにしてもよい。
In the initial state, appropriate ready-made data suitable for the store may be stored in the data table, and then the data may be modified based on the actually measured time. The modification of the data table may be modified based on, for example, the difference between the predicted dwell time and the actual dwell time, and the dwell time corresponding to the customer information may be modified. The actual staying time can be obtained by the
退店時間予測部14は、現在時刻に、予測された滞在時間を加算し、退店時間の予測値を出力する。これを基本となる予測退店時間とする。退店時間の予測値は表示装置12に入力されて、表示されうる。このとき表示装置12に表示される退店時間を店内の顧客の退店時間のうちの最も短い時間とすれば、表示装置12に表示された退店時間は最も早く席が空くまでの時間となりうる。退店時間予測部14は待ち時間予測部19へ退店時間の情報を出力しうる。待ち時間予測部19は、店内に入れないで順番を待っている顧客がいる場合に、予測された退店時間に基づいて入店までの待ち時間を予測して出力しうる。予測される待ち時間は、入店の順番を待っている人や入店の順番を待っているグループのうちの、最後の人又はグループが入店できるまでの時間であってもよいし、その次に来る人が待たされる時間を予測して表示してもよい。
The store exit
待ち時間予測部19による入店の待ち時間を予測する技術について次に説明する。例えば、カメラ11によって撮影された入店の順番を待っている顧客の画像に基づいて、年齢、性別、体形、服装、人数やグループの構成などの顧客情報が顧客情報生成部13により生成される。滞在時間予測部16は、入店を待っている顧客の顧客情報に基づいて、入店を待っている人が店内に入った後に飲食等に費やすと予想される予想滞在時間を予測しうる。なお、入店の順番を待つ顧客は、店舗に用意された端末17を用いてグループの人数などの顧客情報を顧客情報生成部13入力してもよい。あるいは、従業員が端末17を用いて順番を待っている顧客の顧客情報を顧客情報生成部13へ入力してもよい。
Next, a technique for predicting the waiting time for entering a store by the waiting
すでに席にいる人についての予測される退店時間と入店を待っている人の予想される滞在時間から、待っている人のうちの最後尾に来る人の待ち時間を予測しうる。例えば、3つのグループが3つのテーブルを待っている状態では、3つのテーブルが空き、かつ、4つ目のテーブルが空く時間を予測することにより、待っている人の最後尾に来る人(4番目に来る人)の待ち時間を予測しうる。 From the expected exit time for those who are already seated and the expected staying time for those who are waiting to enter, it is possible to predict the waiting time for the last person waiting. For example, when three groups are waiting for three tables, the person who comes to the end of the waiting person by predicting the time when the three tables are free and the fourth table is free (4). The waiting time of the second person) can be predicted.
待ち時間予測部19は、退店時間予測部16が予測した各テーブルの顧客の退店時間と滞在時間予測部16が予測した、入店を待っている顧客の予想される滞在時間とに基づいて、入店の順番を待っている顧客の待ち時間を算出し、表示装置12へ送信する。
The waiting
表示装置12は、待ち時間予測部19が予測した待ち時間を表示しうる。順番を待っている人がいないが、空き席がない場合は、飲食中の顧客の中で最初に退店する顧客について予測された退店時間が待ち時間になりうる。また、空き席がある場合は待ち時間は通常はないから、表示装置12は待ち時間を0と表示してもよい。滞在時間予測部16が順番を待っている個々の人やグループの滞在時間を予測することにより、待ち時間予測部19は入店を待つ順番の途中にいる人やグループの待ち時間も予測しうる。
The
待ち時間予測部19は、順番を待っている人が入店した後に滞在するだろう時間を予測に利用することにより、入店の順番を待つ人が入店できるまでの時間を予測する精度が向上しうる。なお、待ち時間の予測に、顧客情報生成部13、滞在時間予測部16、退店時間予測部14を利用する例を説明したが、処理の一部又は全部を待ち時間予測部19が行ってもよい。
The waiting
表示装置12はシステムサーバ10から出力された予測された退店時間及び予測された待ち時間を表示しうる。表示装置12は店舗内あるいは店舗外に設置しうる。表示装置に代えて、順番待ちをしている顧客が持つ端末等に通知するようにしてもよい。
The
次に退店時間予測部14が、顧客の飲食ペースを使って予測された退店時間を補正することを説明する。食事が提供されて顧客の飲食が開始されると、カメラ11は顧客の飲食中の画像を、例えば所定時間毎に取得し、システムサーバ10へ送信する。飲食の開始は、カメラ11が撮影した画像に基づいて飲食ペース取得部15が判断してもよいし、食事が配膳されたタイミングで自動的又は従業員により端末17から入力されてもよい。
Next, it will be described that the store exit
飲食中の画像は例えば所定時間毎に飲食ペース取得部15に入力される。飲食ペース取得部15は入力された画像に基づいて、顧客の飲食ペースを取得する。飲食ペース取得部15により取得された飲食ペースは退店時間予測部14に入力される。退店時間予測部14は入力された顧客の飲食ペースに応じて、退店時間予測部14が予測した基本となる予測退店時間を補正する。飲食ペースによる補正は、飲食ペースの早いか遅いかに応じて退店時間予測部14が、所定の時間を退店時間に加算または減算をしてもよい。あるいは飲食ペースの速さに応じた係数を滞在時間に掛けることにより退店時間を補正してもよい。退店時間予測部14が、飲食ペースに基づいて基本となる退店時間を補正することにより、退店時間の予測精度が向上しうる。退店時間予測部14は補正された退店時間を表示装置12へ送信する。
The image during eating and drinking is input to the eating and drinking
次に飲食ペース取得部15においてカメラ11が撮影した画像から飲食ペースを取得することについて、図3により説明する。飲食ペース取得部15は、カメラ11により取得された画像に基づいて、顧客が飲食に使っている飲食器具31、飲食物32を認識する。具体的には、飲食器具31が、例えば箸、スプーン、フォークのどれであるかを識別する。飲食ペース取得部15は、所定時間毎に取得した複数画像において、飲食器具31の位置の変化を検出することで飲食が行われた回数をカウントし、画像を取得した時間と飲食の回数から飲食ペースを算出しうる。
Next, the fact that the eating and drinking
飲食に使う器具や飲食回数の判別には機械学習が用いられてもよい。例えば、飲食回数は、学習済みモデルに飲食中の画像を入力し、飲食器具31が何かを示す情報とその位置情報から、飲食物32を口に運んだかどうか判定し、口に運んだ回数をカウントしうる。学習済みモデルは、飲食器具31の種類と位置の変化の情報を入力データ、位置の変化に基づいて口に運ぶことを教師データとして学習させて得られたモデルであってもよい。飲食をした回数から時間当たりの飲食ペースを取得することができる。
Machine learning may be used to determine the equipment used for eating and drinking and the number of times of eating and drinking. For example, the number of times of eating and drinking is determined by inputting an image of eating and drinking into the trained model, determining whether or not the food and
また、飲食ペース取得部15は、複数画像において識別された飲食物32の体積の変化割合から飲食ペースを取得してもよい。飲食ペース取得部15は、食事を提供した直後(食事の開始時)の画像を100%とし、複数画像から得られた飲食物32の体積の時間あたりの減少割合から飲食に必要とする時間を算出する。飲食ペースを求める方法には機械学習が用いられてもよい。このときの学習モデルは飲食物32の体積の変化に着目させて作成しうる。飲食中の画像を入力し画像に対する飲食の進捗度を教師データとして、飲食する品物ごとの学習モデルを作成しうる。
Further, the eating / drinking
複数人のグループで構成される顧客が飲食している場合は、顧客のそれぞれについての飲食ペースを取得してもよい。そのばあいは一番遅い飲食ペースに基づいて退店時間を予測してもよい。複数人の中から代表となる1名を選択してその人の飲食ペースをグループの代表値としてもよい。代表の選び方は例えば、グループで来店した顧客のうち、飲食に最も長い時間を要すると推測される人を代表としてもよい。例えば顧客情報生成部13がグループの中に子供がいることを識別した場合は、顧客情報生成部13は、カメラ11が撮影した画像に基づいて子供の位置の情報を特定し、位置情報を飲食ペース取得部15へ送信する。飲食ペース取得部15は、位置情報に基づいて飲食ペースを取得して、グループの飲食ペースの代表値にする。あるいは、飲食ペース取得部15は、カメラ11の撮影した画像に基づいて飲食している子供を識別して、その子供の飲食ペースを取得してもよい。
If a customer consisting of a group of multiple people is eating and drinking, the eating and drinking pace for each of the customers may be acquired. In that case, the exit time may be predicted based on the slowest eating and drinking pace. One representative person may be selected from a plurality of people, and the eating and drinking pace of that person may be used as the representative value of the group. As for how to select a representative, for example, among the customers who come to the store in a group, the person who is estimated to take the longest time to eat and drink may be the representative. For example, when the customer
図4は本実施形態の退店時間を予測する動作を説明するフローチャートである。顧客が入店するとカメラ11により撮影された顧客の画像が、カメラ11から顧客情報生成部13に入力される(S11)。顧客情報生成部13は、撮影された画像を入力とし、機械学習によって作成された学習済みモデルを使って顧客情報を生成する(S13)。あるいは、従業員が端末17に顧客の特徴を入力し(S12)、顧客情報を生成してもよい(S13)。滞在時間予測部16は、顧客情報生成部13により生成された顧客情報に基づいて予測滞在時間を退店時間予測部14へ出力し、退店時間予測部14は基本となる退店時間を出力する(S14)。飲食が開始されると、カメラ11により撮影された飲食中の顧客の画像が飲食ペース取得部15に入力される(S15)。カメラ11により所定時間毎(S18)に撮影された画像が所定の枚数に達したら(S16)、画像は飲食ペース取得部15に入力される(S17)。飲食ペース取得部15は、撮影された飲食中の顧客の画像に基づいて飲食ペースを評価し、飲食ペースを取得する(S19)。飲食ペース取得部により取得された飲食ペースは退店時間予測部14に入力され、退店時間予測部14は入力された飲食ペースに基づいて、予測されていた退店時間を補正する(S110)。その後、退店時間予測部14は補正した退店時間を表示装置12へ送信し、表示装置12は補正された退店時間を表示する。なお、カメラ11が撮影した画像は、撮影の都度、システムサーバ10へ入力されてもよい。その場合は、システムサーバはカメラ11が撮影した時間間隔と撮影された画像を記憶しておき、撮影された画像が所定の枚数になったか、所定の時間が経過した後に、記憶された画像に基づいて飲食ペースを取得する。
FIG. 4 is a flowchart illustrating an operation of predicting the store closing time of the present embodiment. When the customer enters the store, the image of the customer taken by the
(変形例1)
次に図5により滞在時間予測部42が、顧客が注文したメニューの内容に基づいて滞在時間を予測する例を説明する。顧客の属性などの顧客に関する情報を利用した場合と相違する点を説明し、重複する箇所の説明は割愛する。
(Modification 1)
Next, an example in which the stay
この例では、顧客によって注文されたメニューの内容を入力するメニュー入力装置41が設けられる。メニュー入力装置41は、従業員が操作する端末でもよいし、顧客が操作する端末でもよい。顧客が操作する端末は、テーブルに置かれたタッチパネル式の端末や店舗に備えられた自動食券機のようなものでもよい。
In this example, a
メニュー入力装置41から入力された注文内容はシステムサーバ10に送信されて滞在時間予測部42に入力される。滞在時間予測部42は注文内容に基づいて滞在時間を予測する。滞在時間予測部42は退店時間予測部14へ予測した滞在時間を出力する。
The order contents input from the
滞在時間は次のように求めることができる。滞在時間予測部42はメニューと滞在時間の関係を含むデータテーブルを備えている。データテーブルを使って注文したメニューから当てはまる予想滞在時間が決定される。滞在時間予測部42が備えるデータテーブルの一例が図6に示される。例示されたデータテーブルは、メニューの品に対する滞在時間を示している。滞在時間予測部14は、複数の品を注文する顧客に対しては品毎の滞在時間の合計値を出力してもよい。あるいは滞在時間予測部14は、注文された複数の品の組み合わせに対応する滞在時間を出力してもよい。一緒にグループで来店した顧客についての滞在時間は、注文された品の中から調理や飲食に一番時間のかかるメニューを選んだ者の滞在時間を、グループの滞在時間としてもよい。
The length of stay can be calculated as follows. The stay
本例の動作について説明する。滞在時間予測部42は、メニュー入力装置41から入力された顧客の注文した品の情報を取得する(S21)。滞在時間予測部42は、注文された品の情報をデータテーブルに照合する(S22)。データテーブルから求められた予測された滞在時間は、滞在時間予測部42から退店時間予測部14へ出力される。退店時間予測部14は基本となる予測退店時間を出力する(S14)。飲食ペース取得部15により取得された飲食ペースによって、予測された退店時間は補正される(S110)。その他の処理は図4と同様である。
The operation of this example will be described. The staying
この例では、顧客の注文メニューに基づいて基本となる予測退店時間を予測する。このため、大量に注文する顧客やデザートや飲み物だけ注文する顧客など、顧客の年齢や性別からは予測がしにくい顧客に対して、退店時間の予測の精度の向上を達成しうる。この例でも、顧客情報に基づいて、待ち時間予測部19により順番待ちの顧客の待ち時間を予測、表示するようにしてもよい。
In this example, the basic estimated exit time is predicted based on the customer's order menu. Therefore, it is possible to improve the accuracy of predicting the exit time for customers who are difficult to predict from the age and gender of customers, such as customers who order a large amount of food and customers who order only desserts and drinks. Also in this example, the waiting
本例は、顧客情報に基づいて求めた滞在時間を補正するのに使ってもよい。例えば、滞在時間予測部42は、注文品と滞在時間のデータテーブルに代えて、注文品と係数のデータテーブルを持つようにする。データテーブルで求めた係数を顧客情報から求めた滞在時間に掛けて、滞在時間を補正する。この場合、滞在時間予測部42は、顧客情報に係るデータテーブルと注文品に係るデータテーブルとを備えることになる。係数は、例えば、図6に示す例によれば、牛丼並の滞在時間を基準にして、生姜焼き定食の係数を1.3決めてもよい。注文品の情報に、メニュー入力端末からのデータを利用できるので、データ取得の負担を軽減しうる。
This example may be used to correct the staying time obtained based on the customer information. For example, the stay
(変形例2)
次に図8を用いて、基本となる予測退店時間を店内の混雑度で補正する例を説明する。なお、実施形態1や変形例1と相違する点を説明し、重複する箇所の説明は割愛する。例えば、制御部18や待ち時間予測部19に関する説明は省略されている。
(Modification 2)
Next, with reference to FIG. 8, an example of correcting the basic predicted exit time by the degree of congestion in the store will be described. The differences from the first embodiment and the first modification will be described, and the description of the overlapping parts will be omitted. For example, the description of the
混雑監視部81は、店舗の混雑度合についての情報を取得し、混雑度に応じて、退店時間予測部14が予測した基本となる予測退店時間を補正するための補正値を出力する。このときに使用する混雑度の情報は、現在時刻の混雑度の情報や、数分~数十分後に予測される混雑度の情報でもよい。
The
動作を図9のフローチャートにより説明する。顧客情報から退店時間予測部14は退店時間を予測する(S31)。混雑監視部81で算出した補正値を使って退店時間予測部14はS31で予測した退店時間を補正する(S32)。それ以降のフローは図4と同様である。
The operation will be described with reference to the flowchart of FIG. The store exit
本実施形態では、予測された退店時間の混雑度による影響を補正することで予測の精度の向上を達成しうる。例えば、混雑していない店内では、飲食後も滞在を続ける可能性が高く、退店時間が遅くなることが多い。逆に混雑している場合は店内の居心地が悪化するため、退店時間を早める場合が多くなる。その一方、店内が混雑している場合は注文が滞留したり、調理や配膳、後片づけに時間がかかる場合がある。 In the present embodiment, it is possible to improve the accuracy of the prediction by correcting the influence of the congestion degree of the predicted closing time. For example, in a store that is not crowded, there is a high possibility that the store will continue to stay after eating and drinking, and the time to leave the store will often be delayed. On the other hand, if it is crowded, the comfort of the store will deteriorate, and the time to leave the store will be shortened in many cases. On the other hand, if the store is crowded, orders may be delayed, and it may take time to cook, serve, and clean up.
現在の時間、店内の画像、厨房の画像、待ち時間などが混雑監視部81へ入力データとして与えられる。混雑監視部81は、入力データに対して、混雑度を教師データとして機械学習させた学習済みモデルやパラメータを調整したディープラーニング技術による学習済みモデルにより混雑度を求める。次に混雑監視部81は得られた混雑度に応じて退店時間を補正するための補正値を算出する。混雑度に応じた補正値は、混雑度と補正値のテーブルを使って出力しうる。退店時間の補正は、補正値に基づく時間を退店時間に加算又は減算して行いうる。あるいは、補正値に基づく係数を予測される滞在時間に掛けることにより行いうる。補正値は、補正された退店時間と実際の退店時間との差に基づいて修正しうる。この例でも、顧客情報に基づいて、待ち時間予測部19により順番待ちの顧客の待ち時間を予測、表示するようにしてもよい。
The current time, the image in the store, the image of the kitchen, the waiting time, etc. are given to the
以上、説明したように、本実施形態では、顧客の退店時間や順番を待っている顧客が入店するまでの待ち時間を予測できる。従業員は表示装置12に表示される退店時間を確認することで、テーブルの片づけなどの作業を効率的に行うことができる。また、順番待ちをしている顧客は席に案内されるまでの待ち時間を知ることができ、不満解消に繋がる。
As described above, in the present embodiment, it is possible to predict the customer leaving time and the waiting time until the customer waiting for the turn enters the store. By confirming the exit time displayed on the
(実施形態2)
本実施形態に係る飲食店の店舗管理システムについて図10を用いて説明する。待ち時間予測部19に関する説明は省略する。本実施形態では予測される退店時間を、学習済みモデルを使って予測して取得する。加えて、本実施形態では店舗外の状況を外部情報101として利用して滞在時間を予測することを行っている。なお、実施形態1と相違する点を説明し、重複する箇所の説明は割愛する。例えば制御部18や待ち時間予測部19に関する説明は省略されている。
(Embodiment 2)
The store management system of the restaurant according to the present embodiment will be described with reference to FIG. The description of the waiting
外部情報101は飲食する顧客情報には直接的に関係しない情報であり、例えば店舗の周囲の天気、日時でありうる。外部情報101は従業員により端末が操作されて入力されてもよいし、通信ネットワークやインターネットを通じて外部から提供されてもよい。また店舗に備えられたセンサ等から取得されてもよい。滞在時間予測部102は入力された顧客情報や外部情報から滞在時間を予測して出力する。予測は、機械学習で作成された学習済みモデルを使って行われる。学習済みモデルとして、顧客情報や外部情報101を入力データとし滞在時間のデータを教師データとして機械学習されたものが用意される。制御部18により学習済みモデルが滞在時間予測部102に設定される。学習済みモデルには、顧客情報と外部情報が入力され、それぞれの情報は重み付けされて滞在時間が出力される。
The
動作を図11により説明する。滞在時間予測部102は顧客情報を取得(S13)と外部情報を取得する(S41)。取得した顧客情報、外部情報を用いて滞在時間予測部102において滞在時間を予測する(S42)。それ以降のフローは図4と同様である。
The operation will be described with reference to FIG. The stay
本実施形態では、滞在時間を顧客情報に加えて、滞在時間に相関性のある外部情報を使って予測することで、より精度良く滞在時間が求められうる。図12は滞在時間と相関性のある情報の例を示している。図12(a)は時間帯と滞在時間の関係を表している。時間帯により顧客が飲食店に入店する目的が異なり、朝食、昼食、仕事の打合せ、仲間同士のコミュニケーションなどで滞在時間が変化すると推測される。図12(b)は天気と滞在時間の関係を表している。天気が悪いほど早く帰宅するため滞在時間が短くなると推測されたり、天気に依存して注文が増減する品の変化による滞在時間の変化も考えられる。 In the present embodiment, the staying time can be obtained more accurately by predicting the staying time by using external information correlating with the staying time in addition to the customer information. FIG. 12 shows an example of information that correlates with the staying time. FIG. 12A shows the relationship between the time zone and the staying time. It is presumed that the purpose of customers entering the restaurant differs depending on the time of day, and the length of stay will change due to breakfast, lunch, work meetings, communication between friends, and so on. FIG. 12B shows the relationship between the weather and the staying time. It is presumed that the worse the weather, the sooner the person will return home, so the staying time will be shorter, or the staying time may change due to changes in items whose orders increase or decrease depending on the weather.
これら以外の外部情報でも、例えば、気温、湿度、経済指標、店舗の周辺で行われている催事などの情報でも滞在時間が変化すると考えられる。それらの情報を外部情報101として入力すればさらに予測の精度を向上することができる。この場合も、外部情報を入力とし、滞在時間の変化を教師データとして得られた学習済みモデルにより、外部情報に応じた補正係数を求めて、滞在時間を補正するとよい。また、本実施形態のように外部情報を予測に利用することは実施形態1にも適用しうる。
It is thought that the length of stay will change depending on external information other than these, such as temperature, humidity, economic indicators, and information on events held around the store. If such information is input as
発明は上記実施形態に制限されるものではなく、発明の精神及び範囲から離脱することなく、様々な変更及び変形が可能である。従って、発明の範囲を公にするために請求項を添付する。 The invention is not limited to the above embodiment, and various modifications and modifications can be made without departing from the spirit and scope of the invention. Therefore, a claim is attached to publicize the scope of the invention.
10:システムサーバ、11:カメラ、12:表示装置、13:顧客情報生成部、14:退店時間予測部、15:飲食ペース取得部、16:滞在時間予測部、17:端末 10: System server, 11: Camera, 12: Display device, 13: Customer information generation unit, 14: Store exit time prediction unit, 15: Food and drink pace acquisition unit, 16: Stay time prediction unit, 17: Terminal
Claims (13)
顧客が飲食するペースに関する第2情報を取得する飲食ペース取得部と、
前記第1情報に基づいて顧客の滞在時間を予測する滞在時間予測部と、
前記第2情報に基づいて前記滞在時間を補正することにより前記顧客の退店時間を予測する退店時間予測部と、
前記退店時間を表示する表示装置と、を備える店舗管理システム。 The customer information generation unit that acquires the first information about the customer's attributes,
The food and drink pace acquisition department that acquires the second information about the pace at which the customer eats and drinks,
A staying time prediction unit that predicts the staying time of a customer based on the first information,
A store exit time prediction unit that predicts the store exit time of the customer by correcting the stay time based on the second information.
A store management system including a display device for displaying the closing time.
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2020147082A JP2022041715A (en) | 2020-09-01 | 2020-09-01 | Store management system |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2020147082A JP2022041715A (en) | 2020-09-01 | 2020-09-01 | Store management system |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2022041715A true JP2022041715A (en) | 2022-03-11 |
Family
ID=80500061
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2020147082A Pending JP2022041715A (en) | 2020-09-01 | 2020-09-01 | Store management system |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP2022041715A (en) |
-
2020
- 2020-09-01 JP JP2020147082A patent/JP2022041715A/en active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP2016009211A (en) | Wine automatic selection system according to taste of user | |
CN109493254A (en) | A kind of vegetable production sequence with urge dish method, apparatus and vegetable processing system | |
JP5746554B2 (en) | Information providing system, information providing method, program, and information recording medium | |
JP2018049393A (en) | Health care device, health care system, and health care method | |
US20200410573A1 (en) | Computer-implemented method for generating a suggestion list and system for generating an order list | |
JP6455118B2 (en) | Health management device and health management method | |
US20200159750A1 (en) | System for measuring food weight | |
JP2019215828A (en) | Congestion state prediction system, sales data processing apparatus, and program | |
CN109812840A (en) | Cooking temp detection method, device and kitchen range | |
US11393015B1 (en) | Interface for item acquisition | |
JP2014052840A (en) | Service support method and system using the same | |
JP6903629B2 (en) | Evaluation system, evaluation method and program | |
CN109064296A (en) | A kind of methods, devices and systems assisting snack | |
CN112530076B (en) | Canteen catering system and method for health management | |
US20110077996A1 (en) | Multimodal Affective-Cognitive Product Evaluation | |
JP2022041715A (en) | Store management system | |
EP3837511B1 (en) | A system and a process for delivering optimised meals to patients | |
JP7289448B2 (en) | Article identification system and accounting system with article identification system | |
WO2022025282A1 (en) | Learning control system | |
JP6920820B2 (en) | Seat status display system | |
JP2019012524A (en) | Information output system, information output program, and method for information output related to taking care of skin state, physical state, or mental state | |
US20120270192A1 (en) | Behavior estimation apparatus, behavior estimation method, and computer readable medium | |
JP7224618B2 (en) | Action recommendation device and action recommendation system | |
WO2019083464A1 (en) | System and methods for collecting and analyzing customer behavioral data | |
JP7170153B1 (en) | Information processing device and information processing method |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
RD01 | Notification of change of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7421 Effective date: 20210103 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20210113 |