Data-alustat kasvihuonetuotantoon

Kasvihuoneyrityksissä kertyvien varsin mittavien datamäärien hyödyntämiseen on saatavilla useita eri data-alustoja. Data-alustat toimivat yrityksen eri toiminnoista kerättävien ja pilvipalveluun koottavien datamassojen varastona. Eri lähteistä tulevat datat ovat olleet ennen erillään ilman keskusteluyhteyttä. Data-alustat tuovat yhteen muun muassa ilmasto-olosuhteita ja tuotteita koskevat datat. Tavoitteena on esim. parantaa ja tasoittaa sadon määrää ja laatua ja sovittaa ne paremmin kysyntään sekä optimoida kalliin infrastruktuurin ja muiden resurssien käyttöä. Käsite Big Data on olennainen osa data-alustoja. Yhteen koottavat datamassat voivat olla hyvin suuria, ja niiden analysointiin tarvitaan omat menetelmänsä.

Pelkkä datojen keskittäminen tietovarastoon ei vielä tuota hyötyjä, vaan dataa täytyy usein ensin järjestellä, korjailla, siivoilla ja suodattaa sekä selvittää vialliset datalähteet. Näiden jälkeen dataa voidaan laadukkaammin analysoida ja muuttaa toimintaohjeiksi yrityksen kehittämistyössä. Data-alustan käyttöönottoon liittyykin aina muutosjohtaminen, sillä keskenään keskustelevien datojen avulla yritys voi kehittää uusia liiketoimintoja ja toimintatapoja.

Data-alustan taustalla olevat datastrategiat eivät ole aina täysin sopivia Suomen oloihin. Esimerkiksi Alankomaissa yksi datastrategian tärkeä tavoite on sovittaa tuotantoa kysynnän vaihteluihin. Suomessa tällainen tavoite ei ole vielä kovin yleinen. Data-alustassa voi siis olla toimintoja, joista ei ole suomalaisyritykselle suoraa tai välitöntä hyötyä. Toisaalta niihin voidaan joutua lisäämään muuttujia, joita niissä ei alun perin ole. Tämä ei kuitenkaan ole yleensä ongelma: uusia muuttujia voidaan lisätä ja saada niitä kuvaava data näkymään kojelaudalla, mutta analyysimenetelmiä ei ole heti välttämättä olemassa uusia muuttujia varten.

Tekniikka

Data-alustoihin liittyvät langattomat sensorit ja tiedonsiirtoverkot, joiden avulla kerätään mittausdataa ja siirretään ne alustalle. Kehittyneimmät sensorit toimivat osana esineiden internetiä (IoT, Internet of Things): sensorin kasvihuoneesta keräämä data menee suoraan tai erillisen tietokannan kautta pilvipalvelussa olevaan data-alustaan. Siellä data tarjoillaan muutamien välivaiheiden kautta liiketoiminnassa hyödynnettäväksi.

Data-alustan taustalla on datastrategia (miksi ja mitä dataa kerätään). Se muutetaan alustan data-arkkitehtuurin teknisiksi vaatimuksiksi. Ne kertovat, millä tavalla mikin data kerätään ja siirretään alustalle, miten datat alustalla yhdistetään ja mitä ”temppuja” datoilla tehdään, jotta niistä saadaan toivottu hyöty. Datastrategian yksityiskohtia voidaan muokata kasvihuoneyrityksen omien liiketoimintatavoitteiden mukaisesti. Alustan ”kojelaudalla” (dashboard) pitääkin näkyä nimenomaan kyseistä kasvihuoneyrittäjää kiinnostavat asiat, esimerkiksi miten paljon energiaa on kulunut valotukseen ja lämmitykseen, miten satoa on saatu eri kasvihuoneista suhteessa asetettuihin satotavoitteisiin tai millä tasolla tomaattien sokeripitoisuudet ovat hyvän maun takaamiseksi.

Kasvihuoneyrityksen datalähteitä ovat mm. olosuhdesäätöjärjestelmän tuottamien perusmittausten lisäksi kasvualustan vesipitoisuuden ja johtokyvyn sensorit, kasvien ja kasvualustan painoa seuraavat vaa’at, joilla ohjataan kastelua, sekä kasvien elintoimintoja mittaavat sensorit. Kasveista tehdään myös manuaalisia kasvu- ja laatumittauksia ja tarkkaillaan kasvintuhoojien määrää ja otetaan niistä kuvia, jotka nekin voi syöttää data-alustaan myöhempää käyttöä varten.

Kun data on määritelty, virheet ja duplikaatit poistettu ja sitä on ehkä muunnettukin toiseen muotoon, sitä voidaan prosessoida eri menetelmin ja näyttää tulokset käyttäjälle. Arkkitehtuuri kuvaa vielä, miten dataa jaellaan yrityksen sisällä ja ulkopuolella, kuka datan omistaa ja kuka sitä saa käyttää ja kehittää. Näin data ei joudu vääriin käsiin.

Analyysikerrosta ja sen myötä tietysti koko alustan arkkitehtuuria kehittävät yhteistyössä käyttäjien kanssa tietovarastojen ja laskenta- ja mallinnussovellusten asiantuntijat sekä sensoreiden ja ilmastonsäätöohjelmien toimittajat.

Ohjelmointirajapinnat eli APIt

Kaikki ilmastonsäätöjärjestelmät tai niiden versiot tai muut olemassa olevat mittalaitteet eivät ole suoraan yhteensopivia data-alustojen arkkitehtuurin kanssa. Niiden välille pitää luoda toimivat yhteydet erityisten APIen eli ohjelmointirajapintojen avulla (Application Programming Interface). APIn avulla eri ohjelmat voivat vaihtaa tietoja eli keskustella keskenään. Tarvittavat APIt pitää löytyä data-alustalta, jotta datayhteyttä voidaan alkaa kehittää tiedon lähteeltä. Rajapinnan tekijä riippuu alustan omistajasta, mutta datan kerääjän täytyy vähintään osata käyttää valmista APIa, jotta dataa saadaan alustalle.

Oheisella videolla (ruotsinkielinen) kokemuksia Digitomkku-hankkeessa käytettävästä Phytosense-järjestelmästä. Phytosense on kasvien fysiologisia toimintoja ja tilaa mittava sensorijärjestelmä, jota käytetään hankkeessa tomaattien läpi kulkevan vesimäärän jatkuvaan mittaamiseen ja varren paksuusvaihtelun seurantaan.

Mittausten avulla saadaan tietoa kasvien aktiivisuudesta ja kyvystä palautua päivän työn jälkeen. Tietoja käytetään kastelun ja ilmankosteuden tarkentamiseen, joiden kautta voidaan vaikuttaa kasvien fysiologisiin, sadontuotannon kannalta tärkeisiin toimintoihin.

Hyödyt

Samaan paikkaan koottuja, eri lähteistä tulevia datoja voidaan tarkastella yhtä aikaa ja nähdä niiden välisiä riippuvuuksia. Auttaa ymmärtämään esim. mitkä tekijät vaikuttavat kasvintuhoojien lisääntymiseen
Saadaan tarkempaa tietoa kasvien kasvun ohjaamiseen ja sen myötä lisää tuloja suuremman ja laadullisesti paremman sadon ansiosta
Voidaan asettaa tavoitteita sadon määrälle ja laadulle ja vertailla tavoitteiden toteutumista eri kasvihuoneiden ja vuosien välillä ja vertailujen perusteella tehdä muutoksia viljelyprosesseihin
Voidaan sovittaa tuotantoa paremmin kysynnän määrään ja saada lisää tuloja
Voidaan optimoida energian ja muiden resurssien käyttöä saadun datan perusteella ja säästää rahaa
Voidaan jakaa etänä tietoa neuvojien ja konsulttien kanssa ja neuvotella heidän kanssaan toimenpiteistä
Saadaan läpinäkyvää tietoa tuotannosta markkinoinnin tarpeisiin

Huomioitavaa

Osa data-alustaan dataa tuottavista langattomista sensoreista ja tiedonsiirtoyhteyksistä vaati wifi-yhteyden, joka ei aina toimi hyvin kasvihuoneissa metalli- ja lasirakenteiden takia
Data-alustojen hyödyt toteutuvat yleensä vasta tietyn kokoluokan yrityksissä, jossa omien havaintojen tekeminen ja kertyvän datan tulkitseminen sen suuren määrän takia on ihmisen toimesta mahdotonta
Data-alustan käyttöönotto vaatii uuttaa ajattelutapaa ja oppimista, jota varten palvelufirma tarjoaa kyllä koulutusta.
Yksi kynnys on oppimisen myötä pystyä luottamaan kerättyyn dataan ja tekemään päätöksiä sen perusteella. Data-alusta on renki, ei isäntä.
Hyötyjen pitää tulla nopeasti näkyviin, jotta ne kattavat palvelun vuosimaksut ja oppimiskustannukset. Data-alustan tarjoajan on pystyttävä auttamaan käyttäjiään hyötyjen tunnistamisessa.

Hintahaarukka

Palveluna ostetun data-alustan vuosikäyttömaksu on 2500 euron luokkaa
Vuosimaksun lisäksi maksetaan alussa noin 1500 euron suuruinen kertamaksu, joka kattaa palvelun asentamiskustannukset, mahdolliset APIt ja muut tarvittavat säädöt, joiden avulla alusta saadaan linkitettyä asiakasyrityksen prosesseihin ja järjestelmiin
Uudet sensorit ja datansiirto niistä alustaan, jos sensoreita hankitaan, maksavat erikseen. Tietyt firmat myös liisaavat sensoreita asiakkaiden käyttöön vuosimaksua vastaan. Vuosimaksun suuruus riippuu sensorityypistä ja sen tarkoituksesta.
Jotkin palveluntarjoajat tarjoavat moduulipohjaisia ratkaisuja, jotka ovat valinnanvaraisia ja hinnaltaan edullisempia. Moduulin vuosimaksu on luokkaa 750–1000 euroa, hinta suurenee sitä mukaa kuin toiminnallisuuksia lisätään moduuliin.

Tuotteita

Let’s Grow (Alankomaat): Moduulipohjainen, tiiviisti tutkimuksen kanssa yhteistyössä kehitetty data-alusta, joka tarjoaa mm. IPM-moduulin kasvintuhoojia koskevien havaintojen tallentamiseen). LetsGrow-alustan IPM-moduuli on käytössä ÖSP:n johtaman Jaustra-hankkeen pilottitiloilla, joilla alustaa käytetään jauhiaistarkkailun tulosten dokumentointiin ja analysointiin
HortiSense (Alankomaat): Erikoistunut tekovalotuksen optimointiin ja muun teknisen infrastruktuurin seurantaan sekä dokumenttien organisointiin
Pylot (Alankomaat):Osa Kubo-konsernia, uusin tulokas kasvihuonetuotannon tarpeisiin tarkoitettujen data-alustojen tarjoajana. Käytössä Digitomkku-hankkeessa.
30MHZ (Alankomaat): Liisaa myös monipuolisen valikoiman erilaisia sensoreita, joista maksetaan kuukausimaksua. Erihintaisia paketteja riippuen miten monta ja millaisia sensoreita pakettiin valitaan.
Ridder HortOS: Painottunut viljelyn strategiseen kustannusseurantaan ja -suunnitteluun ja tavoitteiden toteutumisen seurantaan sekä suoritusvertailuun kasvihuoneiden, vuosien ja työntekijöiden suoritustason suhteen.
Motorleaf (Kanada): Erikoistunut tekoälypohjaisten satoennusteiden tekemiseen.
2Grow (Belgia): Erikoistunut kasvien vesitalouden ja kasvun seurantaan Phytosense-järjestelmän avulla, ei siis varsinaisesti kokonaisvaltainen data-alusta, vaan Phytosense-data voidaan siirtää data-alustalle.
Sendot Senbox (Alankomaat): Erikoistunut erilaisiin optisiin sensoreihin ja niiden avulla kerättävän datan hyödyntämiseen osana yrityksen tuotantoprosesseja.

Lisätietoa

Digitomkku-hanke: pilottitiloilla käytössä Pylot-data-alusta ja Phytosense-sensorijärjestelmä
Autonomous Greenhouse Challenge Wageningenin yliopiston (WUR, Hollanti) organisoima autonomisen kasvihuonetuotannon kilpailu (2019/kurkku, 2020/tomaatti, 2021/salaatti)
Autonomous Greenhouses – Smart Micro Farming and Large-scale Production (paprika, tomaatti, mansikka, kukat, SmartAgriHubs-hanke)