Suomen tulee yhtenä EU-maana puolittaa elintarvikejätteen määrä vuoteen 2030 mennessä. Keskeisiä hyötyjä hävikin pienentämisessä ovat ympäristökuormituksen vähentäminen sekä taloudelliset hyödyt, joita raaka-aineiden ja henkilöresurssien säästöt tuovat. Vaasan yliopiston koordinoima hanke NextGen keskittyy ruokahävikin vähentämiseen koneoppimisen ja datan avulla.
Hankkeessa on hyödynnetty Pinjan toteuttamaa ennustemallia hävikkimäärien tutkimisessa ja vähentämisessä keskittyen buffetruokailuun, viimeksi Kuortaneen urheiluopistossa.
Datapohjainen päätöksenteko ja hävikin vähentäminen auttavat ravitsemuspalveluiden tarjoajia säästämään merkittäviä summia joka kuukausi – verrattain pienenkin toimijan kohdalla tuhansia euroja.
Hanke jatkuu kevääseen 2025, ja siinä tarkastellaan hotelli- ja ravintola-alan yrityksissä syntyvää hävikkiä. Aiemmin hävikkiä on seurattu kouluissa muun muassa Wasteless- ja PAJATSO-hankkeissa, joihin Pinja on toteuttanut sekä ennustemallit että käyttöliittymät.
Ravitsemispalvelut tuottavat 16 % Suomen ruokahävikistä, ja ne muodostavat siksi tärkeän kohteen myös ongelman ratkaisemiseksi. NextGen-hankkeessa hävikkiä tarkastellaan valmistamisessa kertyvän, lautaselta pois heitettävän sekä yli jäävän ruoan näkökulmista.
Datalla on olennainen rooli hävikin pienentämisessä, sillä sen avulla voidaan tarkastella kuluttajien ruokailutottumuksia ja ennustaa tulevia kävijämääriä. Pinja automatisoi hankkeeseen datan keruun eri järjestelmistä tietovarastoon sekä toteutti koneoppimiseen pohjautuvan ennustemallin, joka ennustaa tulevaa valmistushävikkiä, lautashävikkiä, yli jäävää ruokahävikkiä ja tulevaa kävijämäärää.
Tarkastelut ovat kattaneet tiedot sekä lounas- että päivällistottumuksista. Tietoa kerättiin esimerkiksi
Keittiössä ja ruokailijoiden puolella hyödynnettiin älyvaakaa, jolla hävikkimääriä voidaan mitata. Sen ansiosta myös ruokailija näkee konkreettisesti oman ruokajätteensä määrän laittaessaan biojätteet jäteastiaan.
Vaasan yliopiston kehityspäällikkö Juha Vänskä kiittelee hankkeessa toteutettuja ratkaisuja. ”Pinjan kaltainen teknologiakumppani, jonka kanssa voimme yhdessä kehittää hävikkiratkaisuja, on meille kullanarvoinen”, hän toteaa.
Kuortaneen urheiluopistossa asetettiin tavoitteeksi pienentää ruokahävikkiä vähintään 20 prosentilla. Mitä enemmän tietoa on käytössä, sitä tarkemmaksi ennustaminen käy. Toistaiseksi tulokset hävikin vähentämisestä ovat olleet lupaavia, ja datapohjainen hävikin ehkäiseminen ja siihen liittyvä päätöksenteko tuo monia hyötyjä ravitsemuspalveluiden tarjoajille.
Pinjan toteuttaman Microsoft Azure -pohjaisen tekoälymallin antamat tiedot kävijämääristä, kävijöiden ruokailutottumuksista ja syntyvistä jätteistä auttavat suunnittelemaan paremmin myyntiä, ruokalistoja ja annoskokoja.
Datapohjainen päätöksenteko ja hävikin vähentäminen auttavat ravitsemuspalveluiden tarjoajia säästämään merkittäviä summia joka kuukausi – verrattain pienenkin toimijan kohdalla tuhansia euroja. Samalla hävikkimäärien näkyväksi tekeminen auttaa ruokailijoita suunnittelemaan omia annoskokojaan ja pienentämään hiilijalanjälkeään.
Ennustemallit auttavat viemään työtä oikeaan suuntaan palvelutuotannossa, mutta pysyvät muutokset vaativat sopeutumista ravintoloiden lisäksi myös ruokailijoilta.
”Julkaisemme kaikki hankkeeseen liittyvät lähdekoodit, jotta ne ovat myös muiden yritysten hyödynnettävissä”, Vänskä kertoo. “Toivomme, että mahdollisimman moni toimija innostuisi ehkäisemään hävikkiä erilaisten teknologioiden avulla tulevaisuudessa”, hän toteaa.
Lue lisää Vaasan yliopiston ratkaisuista hävikin vähentämiseksi.
Pinjan tiedolla johtamisen palvelut
Tiedolla johtaminen - Kuinka hyödynnät dataa entistä tehokkaammin
Koneoppiminen parantaa merkittävästi liiketoiminnan ennusteiden tarkkuutta