IQ-Flora: Bewaken en voorspellen rozenkwaliteit met ... · IQ-Flora: Bewaken en voorspellen...
Transcript of IQ-Flora: Bewaken en voorspellen rozenkwaliteit met ... · IQ-Flora: Bewaken en voorspellen...
IQ-Flora: Bewaken en voorspellen rozenkwaliteit met
kunstmatige intelligentie en sensoren
Cor Verdouw, Robbert Robbemond, Wageningen UR
Gitta ten Hoope, Royal Flora Holland
GreenCHAINge seminar, 18 januari 2017, Sassenheim
1
2
Projectcontext
Vermindering uitval
Betere kwaliteit voor consumenten
Kwaliteit monitorings-technologie
(sensoren, dataloggers)
Real-time Kwaliteits-gestuurde Bloemen-
keten
Tracking & tracing
technologie
(barcodes, RFID,
wireless)
Internet Techno-
logie
Meer efficiency en duurzaamheid
Behoud / uitbouw concurrentiepositie
Ontwikkeling naar real-time monitoring
barcode Passieve RFID
Actieve RFID /
geïntegreerde sensors
Draadloze sensor
netwerken
datalogger
s
WIFI, Bluetooth, 4G,
GPS, LoraNet, etc.
Doel en werkwijze
Doel
Ontwikkelen innovatief prototype
● bewaken en voorspellen kwaliteit in rozenketens
Toepassen in een praktijkpilot
Werkwijze
Pilotproject: innovatief/experimenteel én praktisch
Fasering: workshops / expert model, prototype, praktijktest
4
Opzet van het prototype
5
Module kwaliteitsvoorspelling (Baysiaans netwerk)
Webservice Kwaliteitsvoorspelling
Kwaliteitsapp (smartphone)
Webservice kwaliteitsapp
Commerciële sensor data platform(s)
LoRa WAN
sensor
Bluetooth Smart sensor
Sensor data webservice
Via smartphone Via LoRa Network
Rapportage module web applicatie
Rapportage webservice
Systeem backbone
Module kwaliteitsvoorspelling (1)
Gebaseerd op methode uit de kunstmatige intelligentie
● Bayesiaans netwerk
Welke factoren beïnvloeden de kwaliteit van bloemen?
● Causaliteitendiagram
Hoe groot is de impact?
● Tabellen met kansen
Voor verschillende ketenrollen
6
Teler Transport Handling Opslag
Ziekte en plagen
Module kwaliteitsvoorspelling (2)
7
Module kwaliteitsvoorspelling (3)
8
Voordelen expert systeem
9
Maakt expertkennis expliciet en transparant
Accepteert kwalitatieve en kwantitatieve data
Houdt rekening met onzekerheid
Werkt ook als er geen of onvolledige data zijn
Maakt gebruik van operationele data
Kan zelflerend zijn
Module sensordata
Temperatuur
● www.babbler.io
Prototype uitbreidbaar naar andere sensoren
10
5-50m
1000-15000m
Babbler App
11
Kwaliteitsapp
12
Rapportage module – Overzicht Shipments
13
Rapportage module – Voortgang Shipment
14
Scenario’s IQ-
Flora simulatie
A.Hoge kwaliteit
B.Regenseizoen Tanzania
C.Te warm vliegveld
15
Scenario A: Hoge kwaliteit
Startdatum: 14 februari 2018
16
Scenario A: Hoge kwaliteit
Screen shot lead times
17
Scenario A: Hoge kwaliteit
Screen shot temperatuur
18
Scenario A: Hoge kwaliteit
Screen shot gemiddeld verwacht vaasleven
19
Scenario A: Hoge kwaliteit
Screen shot Houdbaarheid in detail
20
Scenario B: Regenseizoen Tanzania
Startdatum: 22 maart 2018
21
Scenario B: Regenseizoen Tanzania
Screen shot temperatuur
22
Mar Mar Mar Mar Mar Mar
Scenario B: Regenseizoen Tanzania
Screen shot gemiddeld verwacht vaasleven
23
Mar Mar Mar Mar Mar Mar
Scenario C: Te warm vliegveld
Startdatum: 14 augustus 2018
24
Scenario C: Te warm vliegveld
Screen shot temperatuur
25
Scenario C: Te warm vliegveld
Screen shot gemiddeld verwacht vaasleven
26
Conclusies
27
Nieuwe ICT biedt veel nieuwe mogelijkheden voor management van kwaliteit in bloemenketens
• Denk groot, start klein!
Belangrijk voordeel is vastleggen kwaliteitskennis en leren van data
• Softwareontwikkeling complexer/tijdrovender dan verwacht
Tracking & tracing belangrijk om voordelen optimaal te benutten
• Test en afronding pilot in februari/maart
Mogelijkheden voor vervolg worden onderzocht
• Geïnteresseerd? Laat het ons weten!