Pesquisa apresentou resultados promissores e busca aprimorar o planejamento dos cardápios, com potencial para reduzir o desperdício de alimentos
Ao conhecer a rotina do Restaurante Universitário (RU), o estudante Lucien Franzen, do Instituto de Ciências Matemáticas e de Computação (ICMC) da USP, em São Carlos, percebeu que poderia aplicar seus conhecimentos em ciência de dados, estatística e otimização matemática para prever a demanda por refeições nas duas unidades do campus.
Ele levou a proposta para o professor Marcos Mansano Furlan, que orientou a pesquisa intitulada Previsão de Demanda e Otimização do Planejamento da Produção em Restaurante Universitário. O trabalho também envolveu os estudantes Leonardo Rodrigues de Sousa, de Engenharia da Computação; Lucas Henrique Girasol e Sofia Lopes Munaro, de Estatística e Ciência de Dados; Rafael Perez Carmanhani, de Ciência de Computação; e Luís Fernando de Oliveira Souza, de Ciências de Computação. O grupo atuou na coleta e no tratamento de dados, na criação de modelos computacionais e no desenvolvimento de uma plataforma de apoio à gestão.
Para o estudante Luís Fernando, a possibilidade de utilizar a tecnologia para enfrentar um problema concreto foi um dos aspectos que despertaram seu interesse pela pesquisa. “Quando entrei no projeto, achei interessante utilizar técnicas de machine learning e otimização para evitar o desperdício de comida”, comenta.
A pesquisa foi apresentada na primeira etapa do Simpósio Internacional de Iniciação Científica e Tecnológica da USP (SIICUSP), que aconteceu nos dias 15 e 16 de outubro de 2026 no ICMC.
Como a pesquisa foi desenvolvida?
Uma das principais questões investigadas pelo grupo foi como aprimorar a estimativa do número de pessoas que frequentam os restaurantes diariamente. Segundo o professor Marcos Furlan, o planejamento realizado pelas equipes do RU se baseia principalmente na experiência dos profissionais e em indicadores de consumo. A proposta dos estudantes foi complementar esse conhecimento com previsões fundamentadas na análise de dados. “Usamos métodos de aprendizado de máquina, com base em dados históricos, para tentar fazer essa previsão da melhor forma possível”, explica o professor.
Para desenvolver o modelo, os estudantes analisaram registros das duas unidades do RU entre janeiro de 2023 e dezembro de 2025, incluindo informações sobre o número de refeições servidas, os cardápios oferecidos e o calendário acadêmico. Dados meteorológicos também foram avaliados durante o estudo, embora não tenham sido incorporados à versão final dos modelos de previsão.
A equipe comparou diferentes técnicas de aprendizado de máquina, uma área da inteligência artificial que permite identificar padrões nos dados e utilizá-los para realizar previsões. Nos testes com informações de 2025, os modelos apresentaram desempenho superior ao de métodos mais simples utilizados como referência pelos pesquisadores.
Para avaliar a precisão das previsões, os pesquisadores utilizaram um indicador estatístico que mede a diferença entre a quantidade estimada de usuários e a demanda efetivamente registrada. Na unidade da Área 1, esse indicador foi de aproximadamente 211 pessoas, o equivalente a 11,7% da demanda média. Na Área 2, ficou em cerca de 99 pessoas, ou 27,7% da demanda média. Os resultados mostraram que as previsões foram mais precisas na Área 1. “O desempenho foi melhor na primeira unidade, que dispõe de uma base maior de informações. Os resultados indicam o potencial da tecnologia, mas também apontam a necessidade de aperfeiçoar as estimativas, especialmente na segunda unidade”, comenta Sofia.
A análise mostrou ainda que a procura pelos restaurantes está relacionada ao calendário acadêmico. Dias letivos estão associados a uma demanda maior, enquanto períodos de férias e vésperas de dias não letivos tendem a registrar movimento menor. Ao considerar essas variações, a plataforma poderá ajudar as equipes a dimensionar a quantidade de refeições preparadas, reduzindo os riscos de produção excessiva ou insuficiente.
Planejamento dos cardápios – Além de estimar o número de usuários, os estudantes desenvolvem um sistema para auxiliar na elaboração dos cardápios mensais. A ferramenta combina dados históricos com técnicas de otimização matemática para identificar combinações de pratos que atendam às preferências estimadas dos usuários e às regras de funcionamento dos restaurantes.
Na prática, a proposta é gerar uma sugestão inicial de cardápio para o mês, respeitando critérios de composição das refeições, variedade e frequência dos pratos. As nutricionistas da USP poderão avaliar e ajustar as sugestões conforme as necessidades de cada unidade.
O estudante Lucas Girasol ressalta que a tecnologia não pretende substituir o trabalho dos profissionais, mas oferecer recursos que facilitem suas atividades. “A ideia é criar uma ferramenta que facilite o trabalho e torne as atividades mais eficientes e rápidas”, indica.
Para conhecer as necessidades dos restaurantes, o grupo já realizou reuniões com nutricionistas e representantes da prefeitura do campus, apresentando os avanços do projeto e reunindo sugestões para aperfeiçoar as ferramentas. Entre os aspectos que poderão ser incorporados futuramente estão a disponibilidade de funcionários e o esforço necessário para preparar determinados pratos, fatores que ainda não fazem parte do modelo de otimização.
Outra etapa prevista é a criação de uma interface digital que reúna as funcionalidades desenvolvidas. A intenção é permitir que os gestores consultem as previsões de demanda e as sugestões de cardápios por meio de computadores, tablets ou celulares, facilitando o acesso às informações utilizadas no planejamento das refeições.
Embora os modelos de previsão já tenham sido avaliados com dados históricos, a ferramenta de otimização dos cardápios ainda está em desenvolvimento e precisa passar por novas etapas de validação. Assim, não é possível afirmar que o projeto tenha resultado em uma redução efetiva do desperdício de alimentos. A expectativa é que, futuramente, as soluções contribuam para equilibrar a produção e a demanda, evitando tanto as sobras quanto a falta de refeições. (Texto: Mariana Lemes, da Fontes Comunicação Científica)
