你應該要知道的食事

日本經濟產業省利用天氣預報資料,協助食品業者減少食物浪費及商品碳足跡,並提升食品需求量預估模型之精準度,2015年擴大施行到全國後已有具體成果。

撰文=黃齡誼

近年來食物浪費在世界各國都是非常受到注目的議題,國際上除了有許多由民眾自發性建立的食物銀行之外,聯合國糧農組織(FAO)也針對此議題建立資訊平台,並獲得七大工業國(G7)響應;法國甚至立法禁止超商丟棄食品。日本政府在這股國際趨勢下也實施了「提升需求預估精準度以削減食品浪費並節省物流能源消耗計畫」,針對豆腐、中華涼麵沾醬、鍋底等易受天氣影響需求量或需求集中在特定季節的商品,活用天氣預報,成功減少退貨或作廢棄物處理的狀況,降低了20-30%的食品浪費、將運送途中所產生的二氧化碳減半,並成功利用人工智慧(AI)技術分析、預測消費者的購買行為。

日本經濟產業省在2016年4月25日公布了這項與氣象協會合作的成果,該計畫自2014年開始在關東地區試點實施,利用天氣預測為基礎來提升生產食品的效率,避免生產過剩導致的浪費。有具體成果後,在2015年將數據分析的區域擴大至日本全國,調查商品除了豆腐、中華涼麵沾醬、鍋底之外也增加了素麵沾醬、蕎麥麵沾醬、碳酸飲料、麥茶、寶特瓶裝咖啡;參與計劃的食品製造商、通路商和學術團體也從原有的9個擴增到26個;此外還分析了合作零售商所有商品的需求量與天氣之間的關聯性,希望能讓需求量預估更精確。

2015年利用前一年的成果來調整生產量,結果在豆腐這項商品上減少了30%的食物浪費、而在中華涼麵沾醬這項商品上也減少了20%的浪費。同時,廠商也利用日本氣象協會的氣溫預測資訊來決定商品的輸送方法,2015年的計畫中將寶特瓶裝咖啡由陸地運輸改為海路運輸,因此每公噸貨品的碳足跡減少了約48%,半年來省下了98公噸的二氧化碳排放量。

另一方面,該計畫也利用人工智慧(AI)分析銷售點(POS)、社群網站(SNS)和氣象數據,建立商品需求量的預估模型,完成了以下結果:

  1. 分析零售商販售的所有商品之銷售額及天氣之關連性,確立出與銷售量與天氣高度相關的商品之優先順序,包含飲料、鍋物等。

  2. 利用人工智慧(AI)建立商品需求量預估模型,比起以往的分析方法,對來店客數的預測精準度提高了約20%

  3. 分析社群網站(Twitter)上有發文位置資訊的貼文,分析人們在不同天氣狀況下的冷熱感受,得到體感溫度之數據;比起絕對溫度,體感溫度與商品需求更有直接相關。


日本經濟產業省希望將此計畫作為永續發展政策的一環、並將其變成例行業務,希望能強化產業鏈間的合作關係並提升合作夥伴間的信賴感。未來將推動零售商與食品製造商提前分享販賣計畫,並將季節性商品之終止販賣流程最適化,進一步削減退貨及食品浪費的情況。也希望能利用人工智慧(AI)開發出的來店客數預測模型,來預估容易受到天氣影響之日常食品需求量,協助零售商的採購業務,以期能更有效地減少剩食浪費。


延伸閱讀:
養成10個好習慣 加入歐盟反糧食浪費行動
英國人的苦惱,柴米油鹽少不了—食物銀行與廚餘戰役
義大利人用清倉市集減少食物浪費

參考資料:
日本經濟產業省:需要予測の高度化・共有により返品・食品ロス削減に成功しました
日本經濟產業省:天気予報で物流を変える~ 業界初の試み~ 食品ロス削減・省エネ物流プロジェクトがスタートしています
日本氣象協會:~天気予報で物流を変える~「需要予測精度向上による食品ロス削減及び省エネ物流プロジェクト」