Monitorização do Desperdício Alimentar: Análise de Dados e Estratégias Sustentáveis em Restauração Coletiva

Resumo

Introdução: O desperdício alimentar é um desafio global, com impactos ambientais, económicos e nutricionais, especialmente na restauração coletiva.

Objetivos: Avaliar e caracterizar o desperdício em seis unidades de restauração coletiva, com recurso a inteligência artificial, de modo a identificar padrões e oportunidades de redução alinhadas com os Objetivos de Desenvolvimento Sustentável.

Metodologia: Estudo quasi-experimental em seis unidades de restauração coletiva, monitorizando desperdício alimentar em produção, pós-consumo e sobreprodução. O sistema Vision AI registou dados em tempo real e estimou preditivamente poupanças em peso, custo, refeições e emissões de CO2e. As intervenções implementadas incluíram ajuste de porções, planeamento, controlo de produção, gestão de stocks e formação das equipas.

Resultados: O desperdício concentrou-se nos pratos dos consumidores e foi maioritariamente não comestível. A análise efetuada pelo sistema inteligência artificial permitiu projetar, com base no período de referência e numa extrapolação anual (52 semanas), uma redução potencial de 6,8 t de desperdício alimentar (equivalente a 17 108 refeições), o que corresponderia à prevenção da emissão de 29 424 kg de CO2e e a uma poupança estimada de 14 879 €. A formação foi considerada a medida mais eficaz, sem associação significativa entre idade e perceção.

Conclusões: A inteligência artificial aliada à perceção das equipas permite um diagnóstico mais preciso e a definição de estratégias sustentáveis, promovendo políticas de restauração coletiva mais responsáveis.

Abstract

Introduction: Food waste is a global challenge, with environmental, economic, and nutritional impacts, particularly in foodservice.

Objectives: To assess and characterize food waste in six collective catering units using artificial intelligence to identify patterns and reduction opportunities aligned with the Sustainable Development Goals.

Methodology: Quasi-experimental study in six institutional food services, monitoring food waste at production, post-consumption, and overproduction stages. The Vision AI system collected real-time data and predicted potential savings in weight, cost, meals, and CO2e emissions. Implemented interventions included portion adjustment, planning, production control, stock management, and staff training.

Results: Waste was concentrated at the plate waste stage and was predominantly inedible. The analysis performed by the artificial intelligence system enabled the projection, based on the reference period and an annual extrapolation (52 weeks), of a potential reduction of 6.8 tonnes of food waste (equivalent to 17,108 meals), which would correspond to the avoidance of 29,424 kg of CO2e emissions and an estimated cost saving of €14,879. Training was considered the most effective measure, with no significant association between age and perception.

Conclusions: Artificial intelligence combined with team perceptions allows precise diagnosis and sustainable strategies, promoting more responsible collective catering policies.

Palavras-chave: Artificial intelligence, Collective catering, Continuous monitoring, Desperdício alimentar, Food waste, Innovation, Inovação, Inteligência artificial, Monitorização contínua, Restauração coletiva, Sustainability, Sustentabilidade