Successfully reported this slideshow.
We use your LinkedIn profile and activity data to personalize ads and to show you more relevant ads. You can change your ad preferences anytime.

IQ-Flora: Bewaken en voorspellen rozenkwaliteit met kunstmatige intelligentie en sensoren

949 views

Published on

Presentatie op het GreenCHAINge seminar 'Kwaliteit Gestuurde Sierteeltketens' van ons protype van IQ-Flora, een innovatief systeem voor real-time bewaken en voorspellen van productkwaliteit in rozenketens. Het systeem moet het mogelijk maken om condities die van invloed zijn op de kwaliteit van rozen te bewaken gedurende de gehele naoogstfase van producent tot retailer.

Zie voor meer informatie over het pilotproject:
http://tuinbouwdigitaal.net/nl-nl/Projecten/Tuinbouw-Digitaal-projecten/ArtMID/6272/ArticleID/160/Kwaliteitgestuurde-Rozenketen

Published in: Business
  • Login to see the comments

IQ-Flora: Bewaken en voorspellen rozenkwaliteit met kunstmatige intelligentie en sensoren

  1. 1. 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. 2. 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
  3. 3. 3 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
  4. 4. Ontwikkeling naar real-time monitoring barcode Passieve RFID Actieve RFID / geïntegreerde sensors Draadloze sensor netwerken datalogger s WIFI, Bluetooth, 4G, GPS, LoraNet, etc.
  5. 5. 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 5
  6. 6. Opzet van het prototype 6 Module kwaliteitsvoorspelling (Bayesiaans 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
  7. 7. 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 7 Teler Transport Handling Opslag Ziekte en plagen
  8. 8. Module kwaliteitsvoorspelling (2) 8
  9. 9. Module kwaliteitsvoorspelling (3) 9
  10. 10. Voordelen expert systeem 10 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
  11. 11. Module sensordata  Temperatuur ● www.babbler.io  Prototype uitbreidbaar naar andere sensoren 11 5-50m 1000-15000m
  12. 12. Babbler App 12
  13. 13. Kwaliteitsapp 13
  14. 14. Rapportage module – Overzicht Shipments 14 Fictieve data!
  15. 15. Rapportage module – Voortgang Shipment 15 Fictieve data!
  16. 16. Scenario’s IQ- Flora simulatie A.Hoge kwaliteit B.Regenseizoen Tanzania C.Te warm vliegveld 16 Op basis van fictieve data!
  17. 17. Scenario A: Hoge kwaliteit  Startdatum: 14 februari 2018 17
  18. 18. Scenario A: Hoge kwaliteit  Screen shot lead times 18
  19. 19. Scenario A: Hoge kwaliteit  Screen shot temperatuur 19
  20. 20. Scenario A: Hoge kwaliteit  Screen shot gemiddeld verwacht vaasleven 20
  21. 21. Scenario A: Hoge kwaliteit  Screen shot Houdbaarheid in detail 21
  22. 22. Scenario B: Regenseizoen Tanzania  Startdatum: 22 maart 2018 22
  23. 23. Scenario B: Regenseizoen Tanzania  Screen shot temperatuur 23 Mar Mar Mar Mar Mar Mar
  24. 24. Scenario B: Regenseizoen Tanzania  Screen shot gemiddeld verwacht vaasleven 24 Mar Mar Mar Mar Mar Mar
  25. 25. Scenario C: Te warm vliegveld  Startdatum: 14 augustus 2018 25
  26. 26. Scenario C: Te warm vliegveld  Screen shot temperatuur 26
  27. 27. Scenario C: Te warm vliegveld  Screen shot gemiddeld verwacht vaasleven 27
  28. 28. Conclusies 28 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!
  29. 29. Discussie! Cor.Verdouw@wur.nl Robbert.Robbemond@wur.nl GittaTenHoope@royalfloraholland.com 29

×