寮步镇这5家幼儿园里，最难配送的那一家，日均用餐人数只有312人。
我当时把五家园的数据拉到同一张表里，鼠标停在“退餐率”这一列，停了大概两分钟。
312人的幼儿园，退餐率最高，午餐平均剩余量达到18.6%。另外一家每天540人，剩余量只有7.2%。
管理层最初问的是，能不能把采购量直接按报名人数的九成来算。
不能。
至少在寮步这5家园里不能。
我跑现场的时候带了一个灰色文件袋，里面是前两周的订单、请假记录、加餐领取数和配送签收时间。袋角被雨水泡皱了，后来一直没换。数据分析做久了，会对这种细节有点固执，表格不能皱，文件可以。
第一家在香市路附近，早上7点42分，第一车餐到了。温度记录合格，签收没有问题，可厨房人员把当天的鸡蛋羹临时拆成了两桶。原因很简单，孩子上午请假的数量比前一天多了23人。
这23人不在系统的正式请假数据里。
家长在微信群里报了假，老师又没有同步给订餐表。
那天的采购预测误差，不能归咎于食材损耗。系统拿到的输入本身就晚了。
我把这家园的有效订餐人数改成三个口径：报名人数、前一日17点确认人数、当天7点15分二次修正人数。三组数据之间的差值，连续观察9天，均值大约在31到38人之间。按孩子年龄段拆开，托班波动最大，标准差接近大班的1.8倍。
很麻烦。
但团餐配送最怕的就是把麻烦当成偶然。
第二家园的情况又不一样，人数不算多，早餐配送距离也短，真正拖时间的是卸货。门口有一段斜坡，配送车停得稍微靠外，保温箱就要多搬12米。每箱大约14公斤，早班连续搬40多箱，时间不一定多出很多，人员动作会变慢。
我记录过3天，7点35分到7点50分之间，平均每车卸货耗时从16分钟涨到27分钟。
27分钟会影响什么？
会影响厨房二次分餐，影响班级领取，也会挤压下一家幼儿园的送达窗口。团餐配送路线不能只按地图距离排序，装卸时间、门禁等待、校门开放时间，都应该进模型。
五家园里，直线距离最远的那家，反倒没有迟到记录。
因为它的签收窗口有40分钟。
寮步镇的园区道路有些地方早晚高峰变化很明显，我用配送轨迹回放时，发现同一条路，8点前后平均速度差了约32%。地图显示的12分钟，现场经常变成19分钟。这个区间如果不放进排线，所谓“准时率”只能看运气。
还有一家，园长很在意菜品投诉。
她把一个月的投诉记录打印出来，用红笔圈了很多地方。我拿回去录入后，发现“孩子不爱吃”只占投诉总量的28%，剩下的是汤洒了、饭偏硬、分量不均、班级取餐时间不同。
饭偏硬这个词，单独看没有意义。
和出餐后到食用的时间放在一起，才有意义。五家园中，午餐配送到开餐间隔超过34分钟的班级，米饭剩余率明显高于其他班，差值大约在6到11个百分点。这个结论的置信区间是95%，但样本量仍然不够大，我没有把它写成绝对规律。
数据分析师说话得留余地。
尤其是幼儿园团餐。
有一次我在一所园门口等签收，旁边放着一只蓝色塑料筐，筐底有一小块褪色的“B-17”。我盯着它看了很久，后来才发现那是前一批餐具周转箱的编号。箱子编号、配送批次、退餐重量，其实都可以关联。很多团餐公司只统计总退餐量，没继续往班级、时段、菜品拆。
这样采购量永远只能粗估。
五家园里，荤菜的预测相对稳定，蔬菜波动更大，汤类最难。汤的实际领取量受天气和班级安排影响，误差区间可以到15%上下。晴天和阴雨天的差异，甚至比周一和周五更明显。
我曾经建议把汤的备餐量设置成动态区间，结果有人问我，能不能给一个固定数字。
固定数字当然好管理。
也容易浪费。
最后一家幼儿园的午餐签收单上，有一天多了一个手写的“+8”，没有姓名，没有班级。我追了两天，才知道是临时来园的插班儿童。那8份餐没有提前进订餐系统，厨房用的是备用量。
备用量不是越多越安心。过去4周的数据里，五家园备用餐平均使用率只有63%，但在周一和节假日前后会突然跳到82%到91%。采购预测要给异常留位置，路线排班也要留位置，连餐盒都得留。
数字到了现场，会变得很具体。
比如7点15分，门卫还没开侧门。
比如一箱鸡蛋羹从车上搬下来时，箱盖被风吹开了一条缝。
比如某个班级每天比其他班晚取餐11分钟。
我现在看寮步镇幼儿园团餐配送方案，先看这几个数字：确认人数变化、单园实际签收时间、班级开餐间隔、退餐率、备用餐使用率。报价和菜谱当然也看，放到后面。
因为配送路线排得再漂亮，人数错了，采购错了，最后都会回到那张退餐称重表上。
那张表通常放在厨房最里面，油烟机下面。 qq彩票
原创文章，如若转载，请注明出处：https://www.ztrw.cn/314.html
