Área: Ciências Exatas e da Terra
Subárea: Ciência da Computação
Estado: Minas Gerais
Cidade: Muzambinho
Escola: Instituto Federal de Educação, Ciência e Tecnologia do Sul de Minas Gerais, Campus Muzambinho
Resumo: O desperdício de alimentos de restaurantes universitários é um problema comum, gerando uma perda significativa de alimentos produzidos. A estimativa da quantidade de alimentos a ser produzida é um grande desafio devido ao comportamento dos estudantes que frequentam restaurantes e ao número de variáveis que devem ser observadas. A fim de fazer tais estimativas considerando estas variáveis, métodos baseados em Machine Learning (ML) podem ser explorados para este fim. Três diferentes algoritmos de ML foram testados e avaliados neste contexto: K-Nearest Neighbors, Random Forest, e Artificial Neural Networks. Foi então utilizado dados do restaurante do campus de Umuarama da Universidade Federal de Uberlândia. Este estudo utilizou técnicas de análises e pré-processamento dos dados, aplicando-os os dados aos algoritmos ML, que foram avaliados e comparados com a previsão humana e com a média aritmética do consumo. Os resultados mostraram que em três dos quatro cenários, os algoritmos ML foram melhores do que a previsão humana ou melhores que um apenas realizar uma média aritmética. Em comparação, a previsão humana foi melhor do que um dos quatro cenários. Concluímos que o uso de ML pode ser uma solução promissora para reduzir o desperdício em restaurantes universitários.