Quantificação e análise do custo da sobra limpa em unidades de alimentação e nutrição de uma empresa de grande porte
Bibliographic record
Abstract
OBJETIVO:O propósito deste estudo foi quantificar e avaliar o custo da sobra limpa em oito unidades de alimentação e nutrição de uma empresa siderúrgica de grande porte. MÉTODOS: Foram avaliadas oito unidades de alimentação e nutrição durante cinco meses. A quantificação da sobra limpa considerou as sobras e o número de refeições planejadas e servidas diariamente. As preparações foram divididas em grupos, sendo os custos obtidos a partir do valor médio dos alimentos adquiridos no mês. RESULTADOS: Cinquenta por cento das unidades de alimentação e nutrição não atingiram valores inferiores ou iguais a 30g, meta per capita de sobra limpa determinada pela empresa. Os per capitas totais de sobra limpa variaram entre 24g e 60g, equivalentes a 176kg-1.213kg de alimentos desperdiçados mensalmente. As saladas apresentaram as maiores porcentagens de desperdício na maioria das unidades. O custo mensal com as sobras atingiu de 2,2% a 3% do valor gasto mensalmente com alimentos, representando um custo elevado para a empresa (entre 80 a 108 salários-mínimos). Diante dos resultados obtidos, foram propostas medidas de intervenção, tais como planejamento e elaboração adequada das preparações, caracterização dos clientes e ações para educação nutricional. CONCLUSÃO: As unidades de alimentação e nutrição apresentaram considerável perda de alimentos com a sobra limpa. A implementação das intervenções propostas poderá minimizar essa perda. O valor gasto com esse desperdício poderia ser revertido em melhorias nos processos produtivos.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.001 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.001 | 0.000 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.001 | 0.000 |
| Insufficient payload (model declined to judge) | 0.002 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".