Resources optimaliseren voor winstgevendheid: is Digital Twin Tech noodzakelijk?
De waarde van elke technologie ligt uiteindelijk in het vermogen om kosten en middelen te optimaliseren. Het vermogen om resultaten te voorkomen, geeft voedseltelers het voordeel van een vooruitziende blik die vervolgens in het echte leven kan worden toegepast. Een voorbeeld van real-life toepassing en commercialisering van Digital Twin-technologie is de mechanistiek model ontwikkeld door Tom De Swaef aan de Gantt-universiteit. Het Belgische bedrijf 2Grow gebruikt dit model om variaties in de waterstroom en stengeldikte in tomatenplanten te meten. De onderneming beoogt om de 20% oppervlakte die wordt besteed aan plantaardige productie te verminderen.
It het is nog steeds onduidelijk of de gemeenschap zich inspant om digitale tweelingen te adopteren in haar bedrijfsvoering. Bovendien kan worden gesteld dat digital twin-technologie in de meeste gevallen niet echt nodig is. Vooruitgang in machine learning heeft het mogelijk gemaakt om belangrijke gebeurtenissen te voorspellen zonder een volledig model te bouwen waarvoor grote hoeveelheden gegevens van hoge kwaliteit nodig zijn die ook duur zijn om te verkrijgen. Als voedselteler die bepaalde eigenschappen wil voorspellen, is het misschien voldoende om zich te concentreren op het meten en monitoren van belangrijke veranderingen om een succesvol voorspellend model op te bouwen. Bovendien is dit aanzienlijk betaalbaarder, waardoor het haalbaar is voor voedseltelers die onmiddellijke ROI moeten zien bij de implementatie van voorspellende modellen.
Als u bijvoorbeeld aardappelen teelt, is het belangrijk om indicatoren te hebben voor ongedierte zoals Phytophthora, veroorzaakt door een schimmelachtig organisme, dat kan leiden tot mislukte oogsten in een korte periode als er geen passende controlemaatregelen worden genomen. Voor dit type rijgewas op grote hectaren open veld kunnen camera's op spilirrigatiesystemen efficiënt en effectief ziekten of problemen identificeren. De gegevens die nodig zijn om een digitale tweeling voor een open veld aardappelen te creëren, zouden een fortuin kosten, en het is gewoon niet logisch om een heel model op zo'n schaal te creëren om inzichten te krijgen die kunnen worden verkregen met eenvoudigere en goedkopere technologie.
- Videogame SimCity brak in de jaren 90 baanbrekend toen spelers de held van hun eigen stad werden terwijl ze digitaal een prachtige, bruisende metropool ontwierpen en creëerden. We spoelen 30 jaar vooruit en we hebben de technologie om ongelooflijk nauwkeurige digitale weergaven te maken van echte bomen, boerderijen of boomgaarden. Net zoals we in SimCity kunnen simuleren hoe een metropool zou evolueren op basis van waar we in het spel "in investeren", kunnen we nu simulaties maken van hoe een plant zal groeien in verschillende scenario's - wat ons helpt landbouwinspanningen te verfijnen met een ongekende vooruitziende blik.
- Een Digital Twin is een digitale weergave van iets uit de echte wereld. Het kan worden gebruikt om het echte 'ding' op afstand te volgen. Om een nauwkeurig en realistisch surrogaat te bieden voor de echte tweeling, moet de digitale tweeling data-geïnformeerd zijn via digitale meting van de echte entiteit. In de landbouw kunnen dit gegevens zijn die afkomstig zijn van tools zoals bodemsensoren, beeldvorming van planten, weergegevens, enz.
- De nieuwe digitale weergave, of digitale tweeling, moet de volledige landbouwinspanning weerspiegelen: fysieke activa, processen, systemen, middelen, alles. In ruil daarvoor stelt dit ons in staat om landbouwprocessen op een voorheen onvoorstelbare schaal te simuleren, plannen, analyseren en verbeteren. Is het echter echt nodig voor voedseltelers om deze kostbare geavanceerde technologie te implementeren - of kunnen ze de inzichten die ze nodig hebben krijgen van toegankelijkere en betaalbare sensoren die hen helpen belangrijke resultaten te monitoren en te voorspellen?
Groei en acceptatie van digitale tweelingen en hun potentieel in de landbouw
Gartner voorspelt dat tegen 2021 de helft van de grote industriële bedrijven zal gebruiken digitale tweeling, wat zich zal vertalen in een verbetering van 10% in effectiviteit voor die organisaties. Het concept van digitale tweelingen bestaat echter al tientallen jaren. Al meer dan 30 jaar gebruiken product- en procesengineeringteams 3D-weergaven van computerondersteund ontwerp (CAD)-modellen, activamodellen en processimulaties om maakbaarheid te waarborgen en te valideren. NASA heeft bijvoorbeeld al tientallen jaren complexe ruimtevaartuigsimulaties uitgevoerd. Innovaties op het gebied van machine learning en AI brengen het concept van de digitale tweeling echter op de voorgrond, waardoor er veel hype ontstaat als een ontwrichtende trend met een bredere impact in de nabije toekomst.
Als het gaat om landbouwprocessen, gebruik dan Digital Twins als een centraal middel voor boerderijbeheer kan de ontkoppeling van fysieke stromen van planning en controle mogelijk maken. Als gevolg hiervan kunnen boeren hun activiteiten op afstand beheren op basis van (bijna) real-time digitale informatie in plaats van te moeten vertrouwen op directe observatie en handmatige taken ter plaatse. Hierdoor kunnen ze direct handelen bij (verwachte) afwijkingen en effecten van interventies simuleren op basis van real-life data. Een digitale tweeling van een boomgaard kan bijvoorbeeld de boomgaard waarschuwen voor overmatige irrigatie zonder dat de boer de boomgaard hoeft te onderzoeken.
Het idee van een digitale boomgaard is buitengewoon aantrekkelijk voor boeren die de arbeidsintensieve aard van het monitoren, voorspellen en beheersen van de gezondheid van fruitbomen en de kwaliteit van hun oogst begrijpen. Wetenschappers van de University of Queensland ontwikkelden een model voor een boomgaard met langzaam groeiende gewassen als mango en macadamia. Hierdoor kunnen gebruikers snel nieuwe ideeën uitproberen en inzicht krijgen in hoe ze productiesystemen het beste kunnen optimaliseren. Onderzoekers bij het project benadrukten hoe deze instant-simulaties met name gunstig kunnen zijn voor langzaam groeiende gewassen zoals fruitbomen.
Er zijn specifieke use-cases waarbij het financieel zinvol is om een digitale tweeling te bouwen, zoals voor plantenveredeling, waarbij je met een model in een vroeg stadium kunt voorspellen of een bepaald ras niet commercieel levensvatbaar is. Maar in veel gevallen is het niet nodig om een noot met een voorhamer te kraken.
- Raviv Itzhaky is de mede-oprichter en CTO van Prospera-technologieën, die de technische visie van het bedrijf leidt om de manier waarop voedsel wordt verbouwd te transformeren met behulp van datawetenschap en AI. Hij gebruikt zijn expertise in de ontwikkeling van algoritmen, wiskunde en machine learning om echte problemen op te lossen. Voordat hij bij Prospera kwam, ontwikkelde Raviv algoritmen bij cyberbeveiligingsbedrijf BioCatch en werkte hij als Signal Processing Engineer bij de IDF. Hij heeft een BSc in natuurkunde en een MSc in toegepaste natuurkunde van de Hebreeuwse Universiteit.