Voedselafval: Een probleem van vele oplossingen

Jaarlijks wordt er globaal 1 miljard ton voedsel weggegooid. Goed voor 8% van de globale emissies. Dit zorgt voor frustraties bij de consument, verliezen bij de producenten en komt de planeet uiteraard ook niet ten goede.

Beterschap op komst? Volgens de huidige prognoses van de Boston Consulting Group zal het er in 2030 nog slechter aan toegaan. Zij voorspellen dat er dan 2,1 miljard ton verloren gaat of weggegooid wordt, wat overeenkomt met 66 ton voedselafval per seconde. Als we veronderstellen dat een personenwagen om en bij 1000 kg weegt, zouden we in 2030 dus per seconde het equivalent van 66 auto’s in de vuilbak gooien. (BCG

Het spreekt dan ook voor zich dat er in de voedingsindustrie vele initiatieven lopen om naar oplossingen te zoeken. Eén trend is daarbij opvallend… Preventie is hetgeen waar we het minst in investeren. Volgens het US Food waste investment report ging er van de totale 134 miljoen in 2018 slechts 5 miljoen naar preventie. 3,73%. Al de rest werd geïnvesteerd in recovery en recyclage van afval. Is voorkomen dan niet beter dan genezen? 

Bij de keuze van de juiste aanpak is het belangrijk om een onderscheid te maken tussen verschillende types van voedingsafval. Residu’s en nevenstromen zoals fruitschillen zijn onvermijdbaar bij de productie van voedsel. Langs de andere kant ontstaan er veel voedseloverschotten door o.a. consumentengedrag en slechte stockage en managementpraktijken. Waar recycleren van nevenstromen een sterke aanpak is om meerwaarde te creëren uit residu’s en secundaire producten (zoals Flanders’ FOOD bewijst in de projecten Foodheroes en Food From Food) is het voor primaire voedseloverschotten misschien nuttiger om te focussen op preventie (https://theecologist.org/2018/oct/11/food-waste-and-circular-economies). 

Eén zo’n preventieve aanpak is sales forecasting: voorspellen wat de verkoop zal zijn, om zo de aankoop hierop af te stemmen en dus geen overschotten te hebben die uiteindelijk afval worden. Bij retail en groothandelaars alleen ontstaat er jaarlijks 5 miljoen ton voedselafval (Stenmarck). Potentieel is er dus zeker. Vandaag gebeurt Sales Forecasting vooral met statistische methoden. Recent onderzoek heeft echter aangetoond dat machine learning dit veel accurater kan. Toekomstmuziek? Misschien niet. In Vlaanderen werkt Start-up Foresightee aan een algoritme dat sales forecasting op basis van machine learning mogelijk kan maken. Het algoritme wordt getraind met 1,5 jaar aan historische aankoop- en verkoopdata, waaraan tot 13 parameters toegevoegd worden. Onder begeleiding van Startit KBC is Foresightee momenteel pilootprojecten aan het opzetten om het algoritme verder te trainen. 

Meer info and further reads? 

https://www.educba.com/machine-learning-vs-statistics/ 

https://healthcare.ai/machine-learning-versus-statistics-use/ 

https://res.mdpi.com/data/data-04-00015/article_deploy/data-04-00015-v2.pdf?filename=&attachment=1 

https://www.cardinalpath.com/blog/forecasting-with-machine-learning-techniques/ 

Contact Judith Ketelslegers van Foresightee (www.foresightee.com).