Deze module wordt aangestuurd door Artificial Intelligence (AI) en is uniek afgestemd op jouw kas. De kracht van AI stelt ons in staat om historische gegevens te correleren met de huidige situatie, iets wat onmogelijk is zonder technologie.

Het AI Driven model
"e-Gro's Yield Forecaster kan echte waarde toevoegen door het voorspellen van de opbrengst op basis van een combinatie van historische gegevens. De innovatieve technologie analyseert alle beschikbare gegevens in jouw kas, vindt patronen en ontsluit kritische factoren die de opbrengst beïnvloeden. Simpel gezegd voorspelt het jouw wekelijkse oogst (kg/m2) in de toekomst: 1, 2, 3 en 4 weken van tevoren. En het beste van alles? De module begint met het maken van voorspellingen vanaf het eerste moment waarop je gegevens invoert. Hieronder nemen we jou mee door alle voordelen van deze uitzonderlijke technologie en kijken we naar wat de toekomst brengt."

Zorgen voor de juiste budgetvoorspellingen, prijsberekeningen en arbeidsplanning is vaak uitdagend, tijdrovend en moeilijk. De omstandigheden in een kas veranderen voortdurend als gevolg van zowel factoren binnenshuis, zoals het klimaat, het type kas en de arbeid, als buitenshuis, zoals wind, zonlicht en CO₂ niveaus. Al deze factoren hebben een invloed op de groei van de planten en bijgevolg op de kwaliteit en de kwantiteit van de geoogste gewassen. "Omdat deze omstandigheden elke dag kunnen veranderen, kan het anticiperen op jouw volgende stappen een hele uitdaging zijn. Dus hoe kan deze module jou helpen bij de teelt?"

1. Meer nauwkeurige inzichten 4 weken vooruit: Met de Yield Forecaster ben je in staat om vier weken van tevoren de opbrengstresultaten te berekenen en de gerealiseerde opbrengst te vergelijken met de voorspelde opbrengst voor aanvullende inzichten. 24/7 op elk mobiel apparaat, altijd en overal.
2. Bepaal het optimale product- en prijsbereik: Streef naar optimale product- en prijsbereiken op basis van de opbrengstprognose (m.a.w. de “yield forecast”), waardoor het gemakkelijker wordt om aan de marketing- en verkoopverplichtingen te voldoen. Bovendien helpt de Yield Forecaster jou om een ​​sterkere positie te verwerven voor prijshandel met derde partijen op de markten, zoals handelsorganisaties. Aangezien de Yield Forecaster helpt bij het voorspellen van de oogst, wordt de aankoop van gewassen tegen een te hoge prijs, om tekorten te dekken, verminderd en heeft daardoor een positief effect op jouw bedrijf.
3. Krijg meer controle: Met de Yield Forecaster krijg je meer controle over de arbeidsplanning, de verpakking, de opslag en de verzending dankzij de voorspellingen vier weken van tevoren, waardoor je middelen kunt plannen en controleren om kosten te besparen.
4. Optimaliseer de tijd en de groei: Als je jouw opbrengst nauwkeurig kunt voorspellen met behulp van bepaalde parameters zoals irrigatie en CO₂, kun je ook bepalen hoe jij deze aanpast om meer opbrengst te krijgen. Met andere woorden, je kunt jouw teelt optimaliseren.
5. Verminder voedselverspilling: Hoe beter je jouw oogsthoeveelheid kunt voorspellen, hoe beter je beslissingen kunt nemen. Dit voorkomt niet alleen extra kosten als gevolg van slechte marktprijzen of magazijnkosten, maar bespaart uiteindelijk ook voedsel en verlaagt de afvalberg om een duurzamere onderneming te worden.

Aangedreven door gegevens
Grodan's nieuwe Yield Forecaster is de volgende stap in datagestuurde precisieteelt. Er is zoveel data beschikbaar in de kas en we zijn steeds meer in staat om deze data te combineren om de juiste inzichten en beslissingen te bepalen. Handmatig is dit complex, overweldigend, tijdrovend en vaak onnauwkeurig. "Je moet de precieze factoren bepalen om de totale opbrengst van een kas te verbeteren en de benodigde middelen te verminderen. Nieuwe technologie, zoals Artificial Intelligence (AI) en Machine Learning (ML) stelt ons in staat om belangrijke stappen te zetten in de richting van maximale efficiëntie en gemak."

Op basis van ervaringen, gegevens en feedback uit de markt verbetert Grodan e-Gro en de Yield Forecaster-module continu. "We boeken grote vooruitgang en kunnen voortdurend gebruik maken van meer gegevens en meer variabelen. Binnen een jaar hebben we een verbetering in de nauwkeurigheid van het model gerealiseerd, wat een belangrijke prestatie is."