Voor telers die vooruit kijken

Big data navigeren telers over paar jaar naar hun doelstellingen

‘Sla na 300 meter linksaf’
604 0
Big data navigeren telers over paar jaar naar hun doelstellingen

Dankzij de verwevenheid met het internet en de komst van gewas- en klimaatsensoren komen voor de glastuinbouw big data beschikbaar. Het zijn enorme verzamelingen van gegevens die de teler kan gebruiken om bedrijfsaspecten als de gewasgroei of het energieverbruik te optimaliseren. Een consortium van bedrijven en organisaties werkt aan de rekenmodellen en de algoritmes die een alomvattend managementprogramma mogelijk moeten maken. “Zie het maar als een TomTom: de teler toetst een doelstelling in, het programma leidt hem daar naartoe.”

“Stel jezelf een ondernemer voor die tomaten teelt. Wat zou het mooi zijn als hij de productie, de kwaliteit en de oogsttijdstippen nog preciezer kan sturen dan nu het geval is. Op welke knoppen moet hij drukken om dat te bereiken? Dat is waar we naartoe werken.” Dat zegt Simon van Mourik. Hij is assistent-professor bij de Farm Technology Group van Wageningen University & Research en werkt aan intelligente agrosystemen die op precisietechnologie en datastromen zijn gebaseerd.

Alternatieve route

Samen met AgroEnergy legde Van Mourik de basis onder een gezamenlijk onderzoeksproject. Recent kregen de universiteit, de energiepartner voor de glastuinbouw en een aantal bedrijven en organisaties subsidie toegewezen voor dat project dat ‘Energy saving in greenhouse crop production by flexible management’ is gaan heten, met als werknaam FlexCrop. Het onderzoeksproject start de komende zomer in de belichte tomaten. In het consortium nemen ook LTO Glaskracht en de bedrijven B-Mex, LetsGrow.com en Delphy deel.
De ontwikkeling van een managementprogramma op basis van big data is geen kleinigheid. Voor FlexCrop is dan ook vier jaar uitgetrokken. Er zijn veel vereisten. Allereerst moet het programma voor tijdelijke fluctuaties kunnen corrigeren, zoals autonavigatie de bestuurder een alternatieve route voorstelt wanneer er op weg naar de bestemming een file staat. “Die dynamiek moet worden ingebouwd. Het programma moet dus dynamisch sturen. Op het gebied van bijvoorbeeld klimaat en dus ook het energieverbruik kan dat door de instellingen van uur tot uur aan te passen op basis van de meest recente gegevens”, zegt Van Mourik.

Analyseren en interpreteren

Alle relevante teeltfactoren moeten zijn ingebouwd. Zo kijkt B-Mex naar de prognoses van gewijzigde instellingen. Neem de CO2-dosering. Wat gebeurt er als de teler de CO2-concentratie verhoogt? Wat kost dat? En wat levert het op in termen van gewasgroei of extra kilogrammen product? Op basis van de metingen en berekeningen moet het programma de voor het gewas optimale en qua kosten meest effectieve CO2-dosering adviseren.
Van Mourik: “We zagen al bij Het Nieuwe Telen dat een gewas heel flexibel is. Als we daar nog meer van weten, kunnen we een algoritme ontwikkelen dat daarop optimaliseert. Daar zijn modellen voor nodig die voorspellen wat de consequenties zijn van een bepaalde actie of een bepaalde omstandigheid. Die modellen zijn er al, maar ze zijn nog niet perfect. Het is de uitdaging om de enorme hoeveelheid data op de juiste manier te analyseren en te interpreteren.”
In het onderzoek werken twee promovendi mee. Eén werkt aan kennis van de gewasfysiologie, de ander aan een algoritme dat de flexibiliteit van het gewas gaat benutten. “Het is in dit project ook de kunst om alle expertise van de partners te benutten”, aldus de Wageningse wetenschapper.
Voor de teler zijn de datasets waarop het managementinformatiesysteem is gebouwd onzichtbaar. Zal hij dan de adviezen durven vertrouwen? Van Mourik verwacht van wel. “Kijk naar autonavigatie. Je weet niet hoe het werkt, maar je volgt de aanwijzingen, je doet wat het scherm op het dashboard laat zien. 'Sla na 300 meter linksaf', en dan sla je inderdaad na 300 meter linksaf. En je komt waar je zijn moet.”

Vastgeknoopt aan bedrijfsvoering

Een voorbeeld van waar het met big date naartoe kan, is BiedOptimaal van AgroEnergy. Dit programma berekent op basis van uitgebreide datasets en voorspellingsmodellen de optimale APX-bieding voor de volgende dag. Hier maken al ruim 130 telers dagelijks gebruik van. Op de energiemarkt is veel te halen voor de teler, legt Peter Goudswaard, productontwikkelaar bij het bedrijf, uit. “Energie is een belangrijk deel van de kostprijs en de prijzen van energie kunnen op de APX- en de intradaymarkt sterk schommelen. Door de juiste APX-bieding en door bij te sturen op intraday kun je met het programma de energiekosten aanzienlijk verlagen en tijd besparen.”
Momenteel werkt het bedrijf aan een serie aanvullende oplossingen die telers moet helpen bij dagelijkse vragen. Voorbeelden te over. Goudswaard: “Loont het om de lampen aan te doen of kun je ze beter uit laten? Wat zijn in het eerste geval de kosten, wat is in het tweede geval de besparing? En wat doet het gewas als de lampen branden, of uit zijn? Wat zijn de extra opbrengsten en welke kosten staan daar tegenover? Het programma benadert de kostenfactor energie niet geïsoleerd en wordt op steeds meer punten vastgeknoopt aan teelt, klimaat en de dagelijkse bedrijfsvoering. Dit doen we samen met partners.”

Beslissingsondersteunend

Zijn collega Bram van Rens is data scientist bij de energiespecialist uit Delft: “Uit de teelt moet de opbrengst komen, terwijl klimaat een kostenfactor is. Het kost tijd wanneer de teeltmanager en de energiemanager vaak met elkaar in overleg moeten. Omdat de teeltmanager bijvoorbeeld de lampen aan wil voor extra groei en productie, terwijl de energiemanager op dat moment juist wil terugleveren omdat de prijzen goed zijn. Hun doelstellingen lopen uiteen, maar teelt en energie zijn allebei factoren in het rendement van het bedrijf: ze moeten hand in hand gaan.”
Big data maken juist adviezen mogelijk die het optimum aangeven, aldus Van Rens. “Met beslissingsondersteunende systemen kunnen we de teler ontzorgen. Naarmate sensoren en het internet der dingen met steeds meer informatie en data komen, wordt de noodzaak daaraan steeds groter.”


Minder naar dagmarkt, hogere middenprijs

Het bedrijf HortiKey in De Lier werkt aan andere toepassingen op basis van big data. De onderneming brengt zeer binnenkort de Plantalyzer op de markt, die allereerst voor tomaat is ontwikkeld.

Het zelfrijdende meetsysteem fotografeert de kleur van de tomaten in twaalf gradaties.
Uit de meetgegevens volgt een voorspelling over de oogst in kilogrammen, twee weken van tevoren. Dat is heel interessant. Want als de ondernemer nu al weet dat hij over twee weken meer produceert dan wat hij contractueel aan zijn klanten kan leveren, kunnen zijn verkopers alvast alternatieve afzet gaan zoeken. Algemeen directeur Andreas Hofland: “Anders moet hij het surplus wegzetten op de dagmarkt; de prijzen daar drukken bijna altijd zijn middenprijs. Met dit systeem kan de normale foutmarge in de productieplanning van plus of min tien procent omlaag.”

Goed beschouwd is het meetsysteem een verkoopinstrument, zegt Hofland. Maar toch iets meer dan dat, want het maakt ook productieverschillen zichtbaar en kan afwijkende verkleuring constateren. “Als een aantal trossen anders dan normaal verkleurt, vertelt dat de teeltmanager dat er dáár iets verkeerd is gegaan in de gewasontwikkeling. Als hij weet uit te zoeken wát precies, kan die fout voortaan worden vermeden. Al was het maar een lekkend luchtraam. Leergierige telers krijgen zo een schat aan nieuwe informatie.” Het bedrijf werkt vooral aan toepassingen voor de grote vruchtgroentebedrijven. Een strategische keuze, want wereldwijd worden deze bedrijven steeds groter, terwijl het moeilijker wordt nog goede teeltmanagers te vinden, terwijl risico's (lees: fouten in teelt of productie) moeten worden uitgesloten.


Samenvatting

Bij big data is het de kunst om in de enorme stroom gegevens patronen te herkennen en die om te zetten in informatie, om deze vervolgens voor praktijkgebruik toepasbaar te maken. Verschillende partijen in de glastuinbouw zijn er druk mee bezig. Zo werkt een consortium aan een managementinformatiesysteem op basis van big data en focust een bedrijf op opbrengstvoorspellingen waarmee de teler de productie en de afzet nog preciezer kan sturen.

Tekst en foto’s: Jos Bezemer.

[/wcm_restrict]

Geef commentaar

Uw e-mail adres wordt niet gepubliceerd