Waar tot op heden de groene vingers van de teler voldoende waren om beslissingen te nemen of om voorspellingen te doen, zien we dat dit steeds moeilijker wordt. Er ontstaat meer behoefte aan nauwkeurigere voorspellingen en het aantal mensen met groene vingers neemt fors af. Gelukkig kan Artificial Intelligence (AI) in de glastuinbouw helpen om dit verlies van kennis op te vangen. De LetsGrow.com-oogstprognose is de eerste stap naar het digitaliseren van de tomatenproductie.
De data die LetsGrow.com omzet naar nauwkeurige en betrouwbare prognoses dragen bij aan het behalen van een hoger resultaat voor de klanten. Telers(verenigingen) en handelaren worstelen er namelijk al jaren mee: “Hoeveel product kan ik de komende tijd verwachten?” en “Hoe ziet mijn arbeidsplanning eruit?”. De cijfers van de handmatige prognoses wijken vaak tientallen procenten af van de werkelijkheid. LetsGrow.com heeft het, met inzet van Machine Learning, mogelijk gemaakt om een oogstprognose te maken die tussen de 83% en 93% nauwkeurig is. Dit is een enorme stap voorwaarts!
In 2018 heeft LetsGrow.com de oogstprognose gelanceerd. Deze prognose wordt zeer positief ontvangen door de klanten. In het vierde kwartaal van 2017 heeft LetsGrow.com onderzoek gedaan naar de mogelijkheid om Machine Learning in te zetten voor het creëren van oogstprognoses. Inmiddels zijn er ruim tien grote tomatentelers in Nederland die succesvol gebruik maken van de oogstprognosemodule.
Methodiek
De methodiek om tot een nauwkeurige en betrouwbare oogstprognose te komen, is gebaseerd op meerdere productiejaren van Greenco. Greenco is een internationale teler en verpakker van de lekkerste snackgroenten: snacktomaten, -paprika’s en -komkommers (bron: www.greenco.com). Door het inzetten van Machine Learning om de juiste correlatie uit het verleden te analyseren kan de productie voor de komende vier weken worden voorspeld. Ieder jaar komt er meer data in het oogstprognosemodel waardoor deze steeds nauwkeuriger wordt.
Al jaren verzamelt LetsGrow.com data van en voor de klanten. Hoe mooi is het als deze data door iedere teler afzonderlijk ten gelde wordt gemaakt door daar een goed werkend oogstprognosemodel van te maken? Door onze plantkundige achtergrond te combineren met Machine Learning kunnen we snel schakelen om zeer nauwkeurige analyses, zoals deze prognose, voor onze klanten te verzorgen.
Vraag en aanbod
Er is in de glastuinbouwprocesketen een groeiende vraag naar een betere afstemming van vraag en aanbod. Door onbalans in vraag en aanbod ontstaat er enorme verstoring in de markt. De ene keer is er teveel product en de andere te weinig. Het gevolg is een niet optimale prijsvorming van het product. Met een goede prognose is dit veel beter af te stemmen waardoor de prijsvorming uiteindelijk omhoog gaat. Er zijn immers veel minder missers in de markt.
Blijf op de hoogte
"*" geeft vereiste velden aan
