04-10-2019

Hoe de agrifood-sector data kan bevrijden uit silo's

Deel dit bericht

Data en geld hebben een aantal dingen met elkaar gemeen. De eerste overeenkomst: bedrijven verzamelen graag zowel data als geld. Maar je hebt er eigenlijk pas iets aan als je deze verzameling in de praktijk kunt gebruiken. Aan een miljoen euro heb je niks als dit geld nergens wordt geaccepteerd. Een grote database is alleen waardevol als je er relevante informatie uit kunt halen om beslissingen op te baseren. Om dat voor elkaar te krijgen, is het belangrijk om verschillende data aan elkaar te kunnen koppelen.

Precies daar gaat het nog vaak mis in de agrifood-sector: landbouwers, groothandelaren, transporteurs en voedselverwerkers verzamelen steeds meer data, maar wisselen deze nog nauwelijks uit. Vergelijk het met een mini-economie waarin verschillende spelers steeds meer geld verdienen, maar allemaal in hun eigen valuta.

Gebrek aan standaardisatie
Voor haar afstudeeronderzoek onderzocht Tea Stojanovic in het Research Center van Info Support hoe dit probleem het beste kan worden opgelost. “Je ziet vooral dat er een gebrek is aan standaardisatie van data-uitwisseling binnen de agrarische sector. Iedereen verzamelt wel data, maar er wordt nog nauwelijks gedeeld. Boeren meten bijvoorbeeld de output van methanol, de kwaliteit van de melk en hoe lang dieren in de wei verblijven. Transporteurs zijn verplicht om de temperatuur in de vrachtwagen te meten, omdat die tussen bepaalde waardes moet blijven.”

Het koppelen van data uit verschillende fases van de supply chain biedt volgens Stojanovic ongekende kansen. Zo kan data worden geanalyseerd om te achterhalen hoe voedselbesmettingen tot stand komen, maar ook hoe de sector als geheel efficiënter kan werken.

Silo’s
Haar onderzoek startte met het interviewen van boeren, om te achterhalen waarom data nu nog vaak in silo’s wordt opgeslagen. “Ik kwam erachter dat deze silo’s zelfs binnen bedrijven bestaan. Agrariërs verzamelen steeds meer data met behulp van sensoren, maar fabrikanten van deze systemen hebben vaak hun eigen dashboards waarop data is af te lezen. Het gevolg is dat boeren bijvoorbeeld elke week een rapportage ontvangen van elk afzonderlijk systeem en in sommige gevallen real-time meldingen krijgen, bijvoorbeeld als de luchtkwaliteit in de stallen onder een bepaald niveau zakt. Maar het combineren van deze data gebeurt nog veel te weinig, laat staan dat verschillende spelers binnen de supply chain data integreren.”

Ook binnen bedrijven wordt nog te weinig gebruik gemaakt van data-integratie: “Als je bijvoorbeeld de data van verschillende devices combineert, kun je meer inzicht krijgen. Zo weten we bijvoorbeeld dat er verschillende factoren zijn die invloed hebben op de melkkwaliteit, zoals het type en kwaliteit voedsel, de buitentemperatuur, waterconsumptie en de accommodatie van koeien. Als we al deze informatie verzamelen en combineren, dan kun je de invloed van elke individuele factor beoordelen en zo de kwaliteit van de melk positief beïnvloeden. Dit soort datakoppelingen kunnen overigens ook interessant zijn voor retailers, groothandelaren en eindconsumenten. Het helpt bedrijven niet alleen om de concurrentiepositie te verbeteren, maar ook om een consistente kwaliteit te kunnen leveren.

Middleware als oplossing
Het koppelen van data is voor Info Support bekend terrein. Daarom onderzocht Stojanovic binnen Info Support hoe de agrarische sector het beste werk kan maken van data-integratie. Ze nam daarvoor verschillende soorten middleware onder de loep: “Middleware kun je zien als een laag die je kunt aanbrengen tussen verschillende systemen, om data-uitwisseling mogelijk te maken. Deze laag vormt als het ware een brug tussen verschillende systemen en devices, dus bijvoorbeeld ook tussen de sensortechnologie die gebruikt wordt in landbouwbedrijven – ook wel Internet of Things (IoT) genoemd.”

Voor haar onderzoek zette ze de voor- en nadelen van verschillende middleware-architecturen op een rij: service-based, cloud-based en actor-based middleware (Ngu, A. H. et al, (2016). IoT Middleware: A Survey on Issues and Enabling technologies. IEEE Internet of Things Journal,1-1. doi:10.1109/jiot.2016.2615180). “Er zitten nogal wat verschillen tussen deze benaderingen. Cloud-based middleware wordt over het algemeen gezien als een vrij eenvoudige manier om data uit te wisselen. Het grote nadeel, met name voor boeren, is dat er voor deze manier van data-integratie een groot beroep wordt gedaan op internetverbindingen. Als je data real-time in de cloud wilt uitwisselen, dan heb je hoge snelheid verbindingen nodig en die zijn niet altijd zomaar voor handen op een boerenbedrijf.”

Edge computing
Ze stuitte echter ook op een mogelijke oplossing voor dit probleem. “Boeren verzamelen dus voortdurend grote hoeveelheden data. De snelle groei van Internet of Things-devices heeft een negatieve impact op de servicekwaliteit. Of, anders gezegd: de bestaande netwerkprestaties gaan achteruit als je alleen gebruik maakt van cloud computing. Daarom is het zinvol om taken te scheiden tussen lokale systemen, de cloud en de digitale edge – een soort hybride cloud-aanpak waarbij sommige sensoren zelf data verwerken. Dataverwerking in de cloud wordt alleen ingezet als dat echt nodig is. Dat is een kwestie van prioriteiten aanbrengen: welke data wil je het liefst real-time delen en welke data zou je ook één keer per dag in een batch kunnen laten verwerken? De oplossing is een combinatie van algoritmes die bepalen welke data-uitwisselingen prioriteit moeten krijgen en een technologie die edge computing heet. Deze zorgt ervoor dat data uit sensoren wordt voorbewerkt voordat het naar de cloud wordt gestuurd, waardoor je bandbreedte kunt besparen.”

“Denk bijvoorbeeld aan een slimme sensor die de vochtigheid van de bodem elke tien seconde meet en een sproei-installatie. Als je weet dat het vochtgehalte tussen bepaalde waardes moet liggen, dan kun je de informatie uit de sensoren gebruiken om te bepalen wanneer de sproei-installatie moet worden aangezet. Het is in dit geval niet nodig om de data elke tien seconde te uploaden naar een centrale server of de cloud; dat kost simpelweg te veel opslagruimte en bandbreedte. Je kunt een sensor beter zo programmeren dat deze alleen een signaal geeft als de vochtigheidsgraad onder of boven een bepaalde waarde komt. In dat geval wordt data alleen opgeslagen op de server op het moment dat de irrigatie in gang wordt gezet.”

“Deze prioritering van dataopslag is edge computing in de meest eenvoudige vorm. Maar stel nu dat je sensoren hebt voor de temperatuur, het vochtgehalte en irrigatie en je wilt meten wat het verband is tussen de temperatuur en de vochtigheid van de grond op het moment dat de irrigatie in gang wordt gezet. De sensoren zijn vaak afkomstig van verschillende leveranciers. Dat betekent dat data meestal in een verschillend format worden aangeleverd of via verschillende netwerkprotocollen worden verstuurd. Dat maakt het ingewikkeld om data te combineren en daar conclusies uit te trekken. Je moet daarvoor data eerst ‘vertalen’ naar hetzelfde format. Deze vertaalslag stelt je in staat om precies te weten wat de temperatuur was op een specifiek moment, waarop het vochtgehalte onder een bepaald niveau zakte.”

Datarotonde
Een van de meest opvallende conclusies uit haar onderzoek, was dat dit wiel al vaker uitgevonden is. En wel binnen de Info Support International Group: de Datarotonde die Info Support Real Estate Services ontwikkelde voor de woningcorporatiebranche voldoet al voor een belangrijk deel aan de vereisten van de agrifood-sector. Ook binnen woningcorporaties is er veel behoefte aan standaardisatie op het gebied van data-uitwisseling en de Dataronde biedt een platform om dat te faciliteren. “Omdat de Dataronde super flexibel is, zien we veel mogelijkheden om deze technologie ook in te zetten binnen de agrarische sector, zoals het combineren van data uit sensoren voor warmte en vochtigheid.”

Maar hoe werkt het? Zoals eerder vermeld, hebben verschillende apparaten de neiging om informatie in verschillende formaten te leveren. De Datarotonde lost dit op door een verbinding tot stand te brengen met de bron van informatie (of het nu gaat om software, een landbouwwerktuig met een sensor of een apparaat) en data automatisch om te zetten in een standaardformaat. De eigenaar van de gegevens heeft dan de volledige toegang en controle over de gegevens en kan deze ook delen met andere partijen.

In ons vorige voorbeeld zou dit betekenen dat het mogelijk is om de gegevens over temperatuur, vochtigheidsgraad en de frequentie van irrigatie in dezelfde omgeving onder te brengen. Een landbouwer heeft dan al deze informatie in één omgeving en kan daardoor direct volgen wat er precies voorafging aan de activatie van het irrigatiesysteem. Ook kan een externe gebruiker worden geautoriseerd om toegang te krijgen tot de data. Als er bijvoorbeeld een probleem is met het irrigatiesysteem, dan kan het bedrijf dat verantwoordelijk is voor het onderhoud toegang krijgen tot de irrigatiegegevens bevat.

Al deze stappen kunnen helpen om een nog beter irrigatieplan voor de toekomst te maken. Als we bijvoorbeeld weten dat irrigatie terwijl de plant in direct zonlicht staat niet de meest optimale methode is voor de meeste planten, beginnen we pas na zonsondergang met water geven.

Bijvangst
Die bijvangst – dus de conclusie dat de Datarotonde een geschikte oplossing zou zijn voor de uitdagingen van deze sector – maakte haar onderzoek extra waardevol: “Dit zorgt ervoor dat we ook een hele concrete oplossingsrichting kunnen bieden voor bedrijven die worstelen met de uitdaging om data uit verschillende bronnen aan elkaar te koppelen. Met wat aanpassingen kunnen we bestaande technologie gebruiken om de agrarische sector te helpen om veel meer waarde uit hun data te halen.”

Na haar afstudeeronderzoek is Tea Stojanovic aan de slag gegaan als IT-consultant bij Info Support.

Partners