ระบบโลจิสติกส์เชิงดิจิทัลสำหรับการให้บริการด้านอาหารในธุรกิจบริการด้วย ตรรกศาสตร์แบบคลุมเครือ กรณีศึกษา ห้องครัวเปิดของร้านอาหารญี่ปุ่น
Article Sidebar
Main Article Content
บทคัดย่อ
เมื่อพนักงานร้านอาหารญี่ปุ่นรับรายการอาหารจากลูกค้ารายการอาหารจะถูกส่งผ่านเข้าสู่ห้องครัวแบบเปิดด้วยแอปพลิเคชันบนอุปกรณ์เคลื่อนที่ ผู้ช่วยพ่อครัวซึ่งรับรายการอาหารผ่านแอปพลิเคชันภายในห้องครัว แบบเปิดจะทำหน้าที่ในการจัดเตรียมวัตถุดิบพร้อมกันหลายชนิด โดยวัตถุดิบจะถูกจัดเตรียมให้สอดคล้องกับความต้องการรสชาติของลูกค้าหลายรายในเวลาเดียวกัน ซึ่งส่งผลใหผู้ช่วยพ่อครัวไม่สามารถจัดการวัตถุดิบได้อย่างทันท่วงที ปัญหาดังกล่าวส่งผลต่อคุณภาพของอาหารและลำดับในการให้บริการลูกค้าของร้านอาหารญี่ปุ่นบทความวิจัยฉบับนี้จึงทำการพัฒนาระบบการจัดการโลจิสติกส์สำหรับห้องครัวแบบเปิด โดยใช้แนวคิดตรรกศาสตร์แบบคลุมเครือเพื่อการสื่อสารในการลำเลียงวัตถุดิบในการปรุงอาหารระหว่าง ผู้ช่วยพ่อครัว และพ่อครัว จากการทดลองพบว่ามีผลลัพธ์จากการวิจัยประกอบไปด้วย 1) ความถี่ที่ลดลงของการทำงานที่ผิดพลาดของผู้ช่วยพ่อครัวอยู่ที่ร้อยละ 0.5 2) ความถี่ที่ลดลงของการถูกขัดจังหวะในการปรุงอาหารอันเนื่องจากความเข้าใจที่ไม่ตรงกันระหว่างพ่อครัวและผู้ช่วยพ่อครัวลดลงร้อยละ 3.3 3) ความถี่ที่ลดลงของปริมาณอาหารที่มีคุณภาพไม่ดีอันเนื่องจากการจัดเตรียมปริมาณวัตถุดิบที่ไม่มีความเหมาะสมร้อยละ 3 4) ความถี่ที่ลดลงจากการที่พ่อครัวประสบปัญหาจากการเรียงลำดับวัตถุดิบที่ผิดพลาดโดยผู้ช่วยพ่อครัวร้อยละ 1.1 5) ความถี่ที่ลดลงของการที่ผู้ช่วยพ่อครัวไม่สามารถจัดเตรียมวัตถุดิบ ในการปรุงอาหารได้ในระยะเวลาอันเหมาะสมร้อยละ 4.9 และ 6) ความถี่ที่ลดลงของการถูกขัดจังหวะ ในการปรุงอาหารอันเนื่องจากการจัดเตรียมวัตถุดิบ ซึ่งไม่สอดคล้องกับลำดับในการลำเลียงวัตถุดิบที่ถูกต้อง ร้อยละ 2.8 โดยระบบดังกล่าวจะช่วยให้พนักงานสามารถรับรายการอาหารจากลูกค้าซึ่งมีรายการ เพิ่มเติมเล็กน้อยเกี่ยวกับรสชาติอาหารในแต่ละจานและทำการส่งต่อข้อมูลดังกล่าวให้กับผู้ช่วยพ่อครัว ซึ่งทำการจัดเตรียมวัตถุดิบอาหารที่มีความสอดคล้องกับความต้องการของลูกค้าหลายรายในเวลาเดียว จนกระทั่งพ่อครัวสามารถทำการปรุงอาหารด้วยวัตถุดิบที่มีความยืดหยุ่นต่อความต้องการของลูกค้าได้ และนำอาหารดังกล่าวให้บริการแก่ลูกค้าภายใต้ความต้องการที่หลากหลายและทันต่อเวลา
Article Details
เอกสารอ้างอิง
[2] Turkalj, Fosic and Dujak. (2008). Conflict Management in Organization. Interdisciplinary Management Research. Vol. 4, pp. 505-515
[3] Zadeh. (1892). Fuzzy Sets. Oxford: Clarendon
[4] Wang, Y. J., Han, T. C., and Kao, C. S. (2012). A Fuzzy Decision-Making Model for Supplier Selection of Logistics. In Proceedings of the 2012 Third International Conference on
Innovations in Bio-Inspired Computing and Applications. pp. 168-171. DOI: 10.1109/IBICA.2012.12
[5] Alaoui, M. E. and Ben-Azza, H. (2017). Aggregation of Performance Indicators for Supply Chain and Fuzzy Logic Extensions Applied to Green Supply Chain. In 2017 International
Colloquium on Logistics and Supply Chain Management (LOGISTIQUA). Morocco: IEEE. pp. 36-41. DOI: 10.1109/logistiqua.2017.7962870
[6] Kaya, I., Surmeli, G., and Erdogan, M. (2015). A Fuzzy Multi-Criteria Decision Making Approach for Choosing a Logistics Center Location in Turkey. In 2015 6th International
Conference on Modeling, Simulation, and Applied Optimization (ICMSAO 2015). Istanbul, Turkey 27 - 29 May 2015, pp. 1-6
[7] Ajerame, M. (2017). Impact of Inter-Organizational Collaboration on Logistics Information Systems Adoption Case of Moroccan Agribusiness Companies. In Proceeding of the International Colloquium on Logistics and Supply Chain Management (LOGISTIQUA). Morocco: IEEE, pp. 171-176.
[8] Yi, G. (2013). Research on Electronic Commerce Logistic System Platform Based on System Dynamics. In Proceeding of sixth International Conference on Information Management,
Innovation Management and Industrial Engineering (ICIII). China: IEEE, pp. 181-84
[9] Sadok, T. and Nidhal, R. (2017). Study of the E-Maintenance SWervice in E-Logistic Supply Chain. In Proceeding of the Symposium on Service-Oriented System Engineering (SOSE).
USA: IEEE, pp. 132-137
[10] Siminski, R. and Xieski, T. (2017). Backward Chaining Inference as a Database Stored Procedure - the Experiments on Real-World Knowledge Bases. In Proceeding of International Conference on Innovations in Intelligent System and Application (INISTA). Poland: IEEE, pp. 253-258
[11] Moller, B. and Beer, M. (2005). Fuzzy Randomness. Uncertainty in Civil Engineering and Computational Mechanics.
[12] Ramjan, S. (2018). Conceptual Framework of a Fuzzy Logic Forecasting Decision-Support System for Diaper Purchase to be Used in an Internet of Things Environment. In Proceeding of the Sixth International Conference on Information Technology: Internet of Things and Smart City, Hong Kong: ACM, p. 17
[13] Wongnai. (2017). Top 3 Japanese Hot Kitchen in Thailand. Access (13 July, 2017). Available (https://www.wongnai.com)
[14] Kaiwan. (2014). Principle of Statistic and Application. Bangkok: Chulalongkorn Press
[15] Lee, S. H. and Lime, J. S. (2008). Forecasting Exchange Rate by Weighted Average Defuzzification Base NEWFM. In Proceeding of the International Conference on Industrial Informatics. South Korea: IEEE, pp. 1306-1041
[16] Yilmaz, O. F., Durmusoglu, M. B., and Öztayşi, B. (2017). Determination of Material Handling Equipment for Lean In-Plant Logistics Using Fuzzy Analytical Network Process Considering Risk Attitudes of the Experts. The International Journal of Industrial Engineering: Theory, Applications and Practice. Vol. 24, No. 1, pp. 81-122
[17] Wang, Q. and Lv, H. (2015). Supplier Selection Group Decision Making in Logistics Service Value Cocreation Based on Intuitionistic Fuzzy Sets. Discrete Dynamics in Nature and Society. Vol. 2015, pp. 1-10. DOI: 10.1155/2015/719240
[18] Hirschinger, M., Spickermann, A., Hartmann, E., Gracht, H., and Darkow, I-. L. (2015). The Future of Logistics in Emerging Markets-Fuzzy Clustering Scenarios Grounded in Institutional and Factor-Market Rivalry Theory. Journal of Supply Chain Management. Vol. 51, Issue 4, pp. 73-93. DOI: 10.1111/jscm.12074
