Resumo

Apresentar o desenvolvimento e a validação de um produto técnico-tecnológico baseado em Inteligência Artificial, projetado para transformar o planejamento reativo de suprimentos em um modelo proativo, otimizando a gestão de um refeitório institucional e reduzindo o desperdício de alimentos.

A originalidade reside na aplicação de um comitê de modelos preditivos e uma arquitetura híbrida customizada para solucionar um problema de gestão crônico em sistemas produtivos. O trabalho oferece um modelo replicável para promover a eficiência e a sustentabilidade.

Foi realizada uma pesquisa aplicada, envolvendo agregação de dados, engenharia de features e seleção automática de variáveis Um comitê de modelos foi treinado e validado através de backtesting e um teste hold-out, simulando a operação real para validar a eficácia da intervenção.

O modelo campeão alcançou um R² de 64.37% no teste final. A simulação de backtesting demonstrou que a estratégia de produção guiada pela IA reduziu o desperdício em mais de 50% e o custo operacional total em 23,18% (economia de R$ 6.700,96).

A principal contribuição é a arquitetura de um sistema que integra a precisão estatística de um modelo híbrido a uma lógica de negócio (margem de segurança adaptativa e limite por reservas), transformando a previsão em uma recomendação de gestão acionável e segura.

A solução oferece uma ferramenta prática para gestores otimizarem a cadeia de suprimentos, reduzindo custos e o impacto ambiental. Demonstra um caminho viável para a modernização da gestão e a promoção da sustentabilidade (ODS) em instituições de ensino e serviços de alimentação.

To present the development and validation of an AI-based technical-technological product designed to transform reactive supply planning into a proactive model, optimizing the management of an institutional cafeteria and reducing food waste.

The originality lies in applying a predictive model committee and a custom hybrid architecture to solve a chronic management problem in productive systems. The work offers a replicable model to promote efficiency and sustainability.

Applied research was conducted, involving data aggregation, feature engineering, and automatic variable selection. A model committee was trained and validated through backtesting and a hold-out test, simulating real-world operations to validate the intervention's effectiveness.

The champion model achieved an R² of 64.37% in the final test. Backtesting simulation showed that the AI-guided production strategy reduced waste by over 50% and the total operational cost by 23.18%, saving R$ 6,700.96.

The main contribution is a system architecture that integrates the statistical precision of a hybrid model with business logic (adaptive safety margin and reservation limits), transforming a forecast into an actionable and safe management recommendation.

The solution provides a practical tool for managers to optimize the supply chain, reducing costs and environmental impact. It demonstrates a viable path for modernizing management and promoting sustainability (SDGs) in educational institutions and food services.