Resumo: Aproximadamente 30% da produção mundial de frutas e vegetais (FV) produzidos são perdidos ou desperdiçados ao longo da cadeia de suprimentos. Considerando as questões relacionadas à segurança alimentar e nutricional da população, esses níveis de desperdício precisam ser mitigados, sobretudo nas nas Centrais de Abastecimento (CEASA). O objetivo deste estudo é analisar se um conjunto de fatores relacionados aos aspectos de logística e comercialização são capazes de prever o nível de desperdício de FV. Para análise foram selecionadas as CEASAS de Belém e Campinas, após isso foram selecionados 7 produtos (banana, tomate, laranja, alface, batata, mamão e melancia) e 15 variáveis relacionadas à logística, manuseio, gerenciamento de estoque, comercialização e desperdício. Três técnicas foram utilizadas para predizer o nível de desperdício: regressão logística, redes neurais e Support Vector Machine (SVM). As variáveis comuns encontradas pelos modelos e relacionadas ao baixo índice de desperdício foram: carga paletizada, tratamento prévio à comercialização, prática de preços promocionais, operações de controle para evitar o desperdício, tipo de embalagem e tipo de transporte. A aplicação das três técnicas nos permitiu o desenvolvimento de modelos preditivos capazes de estimar o nível de desperdício. Para os casos de Belém/Campinas, Belém e Campinas a técnica de regressão logística foi a que teve melhor acurácia, mesmo assim as outras técnicas obtiveram uma acurácia dentro do limite aceitável. Foi possível identificar nas cadeias analisadas as praticas associadas ao baixo e alto nível de desperdício, sendo possível a proposição de estratégias para a mitigação do desperdício contribuindo para o estabelecimento de cadeias logísticas de FV mais sustentáveis Ver menos

Abstract: Food waste and losses account for approximately 30% of the fruits and vegetables (FV) produced globally that are not consumed. Food waste at Central Supply Centers remains a problem that still needs to be addressed in Brazil. The objective is to analyze whether a set of factors related to logistics and commercialization aspects can predict the level of FV waste. For the analysis, the CEASAs of Belém and Campinas were selected; after that, 7 products were chosen (banana, tomato, orange, lettuce, potato, papaya, and watermelon), along with 15 variables related to logistics, handling, stock management, commercialization, and waste. Three techniques were used to predict the waste level: logistic regression, neural networks, and Support Vector Machine (SVM). The common variables identified by the models were: palletized load, pre-commercialization treatment, promotional prices, control to prevent waste, type of packaging, and type of transportation. The application of the three techniques allowed us to develop predictive models capable of estimating the waste level. For the cases of Belém/Campinas, Belém, and Campinas, logistic regression was the technique that had the highest accuracy, although the other techniques achieved an accuracy within an acceptable limit. It was possible to classify the waste levels using the models, and strategies are needed to preserve the integrity and quality of the products Ver menos