Hoe plantenkwekerij Brabant Plant data uit verschillende bronnen combineert met Agriware 365 Analytics

In Haarsteeg, Noord-Brabant, Nederland vind je plantenkwekerij Brabant Plant. Brabant Plant is klant van Mprise Agriware en onlangs zijn de twee bedrijven een nieuw project gestart, waarin de vraag centraal staat; hoe combineer je productiegegevens van Agriware Business Central met gegevens van sensoren en andere gegevensbronnen? Dit is waar Agriware 365 Analytics van pas kwam. We spraken met Marvin Verkuijlen (gewasonderzoeker bij Brabant Plant, te zien op de foto hierboven rechts) en Luuk van Geijtenbeek (manager Agriware Analytics).

Marvin gaat zitten na een fietstocht binnen het bedrijf. „Ik kom net uit een klimaatkamer van dertig graden en zit nu een tijdje in een van de kantoren”, schetst hij de dynamiek van zijn werkdag. De gewasonderzoeker bij Brabant Plant studeerde toegepaste biologie met een specialisatie in toegepast plantenonderzoek en vertelt vol passie over zijn werk: „We zijn een zeer diverse plantenkwekerij. We doen veel met kasgroenten zoals tomaten, komkommers en paprika's. We hebben ook sierplanten en uitgangsmateriaal. Er zijn maar liefst 27 verschillende afdelingen, de processen zijn vaak complex.”

Combinatie van Business Central-gegevens en klimaatgegevens van sensoren
„Er is een enorme hoeveelheid data nodig om alle teeltpartijen te beheren en te combineren”, legt Marvin uit. „Alle kassen worden aangestuurd met klimaatgegevens en elke plant, soort en fase heeft zijn eigen recept. Bovendien wordt elke plant tijdens de teelt drie of vier keer verplaatst. Het verzamelen van alle gegevens voor elke fase en elke locatie is erg tijdrovend. Binnen Brabant Plant hebben we een dynamisch team met veel expertise. Ons bedrijf streeft ernaar om de best mogelijke kwaliteit te leveren op klantspecifieke basis. Het begrijpen van de klimaatgegevens is daarbij een belangrijke factor. Voor een zo compleet mogelijk beeld is er altijd veel data verzameld. Naast alle klimaatparameters omvatte dit ook plant- en rasspecifieke kenmerken en alle plant- en gewasbeoordelingen. Ik merkte dat door de versnippering van datasystemen veel inzichten onbenut bleven.”

„Er is een enorme hoeveelheid data nodig om alle groeiende partijen te beheren en te combineren”

Geavanceerde datapuzzels
Op de vraag hoe de gegevensverzameling vroeger werkte, antwoordt Marvin: „Om een volledig teeltbeeld te krijgen, werd partijinformatie met datum- en locatiegegevens van Agriware handmatig samengevoegd met de klimaatgegevens van het Priva-klimaatsysteem. Dit is een hele klus per partij omdat de plant tijdens de teeltcyclus over verschillende afdelingen wordt geroteerd. Deze gegevens werden vervolgens aangevuld met andere afzonderlijke plant- en gewasmetingen. Dat proces is niet alleen foutgevoelig, het kost ook veel tijd. Ik dacht: we kunnen dit anders doen. Daarna sloegen we de handen ineen met het team van Mprise Agriware, dat met hun IT-expertise de ideeën vorm kon geven. Daar is dit project ontstaan en ik denk dat we heel trots kunnen zijn op wat we samen hebben bereikt.”

Eerste fase succesvol afgerond
Luuk van Geijtenbeek, manager Agriware Analytics, vult aan: „We zijn rond de zomer van 2021 begonnen en we zijn erg blij met de samenwerking tussen ons team en het team van Brabant Plant. In de eerste fase hebben we de lot- en klimaatgegevens samengebracht; het deel van het werk dat eerst handmatig moest worden verzameld. Een correcte registratie binnen Agriware Business Central is hiervoor essentieel. Gegevens moeten volledig en betrouwbaar zijn. We gaan nu een tweede fase van het project in, waarin we de lot- en klimaatgegevens zullen combineren met beoordelingsgegevens van observaties en inspecties.”

Tweede fase van het project
Marvin, enthousiast: „Fase twee wordt echt interessant! Als we beoordelingsgegevens kunnen koppelen aan partij- en klimaatgegevens, dan kunnen we echt beginnen met analyseren. Op deze manier worden de teeltkeuzes van de teler in de kas voor elke partij autonoom vastgelegd om een zogenaamd 'geroteerd recept' te creëren. Door ook de 'uitkomst' van de beoordelingen van de fabriek te koppelen, kunnen we echt beginnen met het opbouwen van business intelligence. Het is een enorme puzzel, maar ik denk dat we al veel stukjes in elkaar hebben gezet. Ik ben hier best trots op en ik ben ook blij dat we met Mprise Agriware aan de slag konden.”

„Als we naast partij- en klimaatgegevens ook inspectiegegevens kunnen koppelen, dan kunnen we echt beginnen met analyseren.”

Nieuwe kansen
Marvin vervolgt: „De hoeveelheid data wordt alleen maar groter en groter. Met de data op partij niveau op orde, zijn de mogelijkheden binnenkort eindeloos. Je kunt kostenberekeningen maken, je kunt voor elke functie binnen het bedrijf een dashboard maken, we kijken momenteel naar een combinatie met scoutinggegevens... Ik zie veel mogelijkheden. Ik wil ook klantbeoordelingen toevoegen, dan heb je echt data over de hele keten.”
„Naast de teeltgegevens zijn we bezig de kosten van arbeid, energie, transport en materialen in kaart te brengen, zodat er ook daar een overzicht is, met één druk op de knop”, vult Luuk van Geijtenbeek aan. „Dus het kostprijsstuk na berekening, waarbij de werkelijke kosten, zowel direct als indirect, kunnen worden verrekend met de vooraf geplande kosten.”

De hoeveelheid data wordt alleen maar groter en groter. Nu de gegevens op partij niveau op orde zijn, zijn de mogelijkheden binnenkort legio.

Stapsgewijze implementatie
Als ik vraag of er veel veranderd is in de manier waarop medewerkers werken, antwoordt Marvin: „We zijn altijd erg druk geweest met datagericht werken, maar nu hebben we tools waarmee we de data veel beter kunnen visualiseren. We hebben een enorme stap vooruit kunnen zetten in het gekoppeld vastleggen en visualiseren van data, zodat de teler nog beter kan sturen op basis van data. We willen de expertise en jarenlange ervaring van onze telers in de computer visueel kunnen maken.” Hoe bewaar je het overzicht tijdens de implementatie? „Omdat de mogelijkheden legio zijn, is het voor een organisatie belangrijk om goed in beeld te hebben welke functionaliteiten prioriteit hebben”, legt Marvin uit. „Eén collega van mij zegt altijd: let op het verschil tussen 'need to have' en 'nice to have'. Ik heb geprobeerd het in te kaderen en de implementatie stap voor stap te benaderen. Uiteindelijk is het plan zeer goed ontvangen en medewerkers die nu op een eenvoudige manier gegevens kunnen doorklikken, zijn erg enthousiast.”

Klaar voor de toekomst met interconnectie van data
Marvin vat het verhaal samen: „Datagericht werken is de toekomst, maar voor onder andere plantenveredelaars is het een uitdaging om klimaatgegevens per locatie te verzamelen, aangezien partijen rouleren over meerdere locaties met hun verschillende plantfasen. Dit maakt het verzamelen en analyseren van gegevens erg omslachtig. Nu we deze link hebben gemaakt, wordt het 'geroteerde recept' per lot vastgelegd. Door nu ook de plantbeoordelingen te koppelen, kunnen we meer inzicht krijgen in wat klimaatparameters met de plant doen. Op deze manier kunnen we nog meer datagericht leren en optimaliseren.”

‍