Monitorização do Desperdício Alimentar: Análise de Dados e Estratégias Sustentáveis em Restauração Coletiva - Metadata
| DUBLIN CORE | PKP METADATA ITEMS | METADATA FOR THIS DOCUMENT |
|---|---|---|
| Title | Title of document | Monitorização do Desperdício Alimentar: Análise de Dados e Estratégias Sustentáveis em Restauração Coletiva |
| Creator | Author's name | Ana Sofia Santos |
| Creator | Author's name | Ana Rita Henriques |
| Creator | Author's name | Catarina Pirata |
| Creator | Author's name | Marisa Anacleto |
| Creator | Author's name | Patricia Olas |
| Creator | Author's name | Raquel Costa |
| Subject | Keyword(s) | Artificial intelligence; Collective catering; Continuous monitoring; Desperdício alimentar; Food waste; Innovation; Inovação; Inteligência artificial; Monitorização contínua; Restauração coletiva; Sustainability; Sustentabilidade |
| Description | Abstract | 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. |
| Publisher | Organizing agency | Acta Portuguesa de Nutrição |
| Date of Reception | (YYYY-MM-DD) | 2025-09-30 |
| Date of Acceptance | (YYYY-MM-DD) | 2026-06-30 |
| Type | Status & genre | article |
| Format | File format | |
| Identifier | Uniform Resource Identifier | https://actaportuguesadenutricao.pt/edicoes/https-actaportuguesadenutricao-pt-wp-content-uploads-2022-09-03_ao-pdf-2-2-2-2-2-2-2-2-2-2-2-2-2-2-2-2-2-2-3-2-2-2-2-2-3-2-2-2-2-2-2-2-2-2-2-2-2-2-2-2-2-2-2-2-2-2-2-2-2-2-2-3-2-2-2-2-2-2-2-2-2-2-2-2-7/ |
| Identifier | Digital Object Identifier (DOI) | https://doi.org/10.21011/apn.2026.4503 |
| Source | Title Year, ed., pp. | Acta Portuguesa de Nutrição 2026, 45, 12-17 |
