Comment la pépinière Brabant Plant combine des données provenant de différentes sources avec Agriware 365 Analytics

À Haarsteeg, dans le Brabant du Nord, aux Pays-Bas, vous trouverez la pépinière Brabant Plant. Brabant Plant est un client de Mprise Agriware et les deux sociétés ont récemment lancé un nouveau projet, centré sur la question suivante : comment combiner les données de production d'Agriware Business Central avec les données provenant de capteurs et d'autres sources de données ? C'est là qu'Agriware 365 Analytics est intervenu. Nous nous sommes entretenus avec Marvin Verkuijlen (chercheur sur les cultures chez Brabant Plant, sur la photo ci-dessus à droite) et Luuk van Geijtenbeek (directeur d'Agriware Analytics).

Marvin s'assoit après une balade à vélo dans l'entreprise. « Je viens de sortir d'une chambre climatique à trente degrés et je suis maintenant assis dans l'un des bureaux pendant un certain temps », résume-t-il la dynamique de sa journée de travail. Le chercheur en culture de Brabant Plant a étudié la biologie appliquée avec une spécialisation en recherche appliquée sur les plantes et parle avec passion de ses travaux : « Nous sommes une pépinière très diversifiée. Nous utilisons beaucoup de légumes de serre tels que les tomates, les concombres et les poivrons. Nous disposons également de plantes ornementales et de matériel de multiplication. Il existe pas moins de 27 départements différents, les processus sont souvent complexes. »

Combiner les données Business Central et les données climatiques provenant de capteurs
« La gestion et la combinaison de tous les lots en croissance nécessitent une énorme quantité de données », explique Marvin. « Toutes les serres sont contrôlées à l'aide de données climatiques et chaque plante, espèce et phase ont leur propre recette. De plus, chaque plante est déplacée trois ou quatre fois au cours de la culture. La collecte de toutes les données pour chaque phase et chaque site prend beaucoup de temps. Au sein de Brabant Plant, nous disposons d'une équipe dynamique dotée d'une grande expertise. Notre entreprise s'efforce de fournir la meilleure qualité possible sur une base spécifique à ses clients. La compréhension des données climatiques est un facteur important à cet égard. Pour obtenir une image la plus complète possible, de nombreuses données ont toujours été collectées. Outre tous les paramètres climatiques, cela comprenait également les caractéristiques spécifiques des plantes et des variétés ainsi que toutes les évaluations des plantes et des cultures. J'ai remarqué qu'en raison de la fragmentation des systèmes de données, de nombreuses informations restaient inutilisées. »

« La gestion et la combinaison de tous les lots croissants impliquent une énorme quantité de données »

Puzzles de données avancés
Lorsqu'on lui a demandé comment fonctionnait la collecte de données auparavant, Marvin répond : « Pour obtenir une image complète de la culture, les informations sur les lots contenant les données de date et de localisation d'Agriware ont été fusionnées manuellement avec les données climatiques du système climatique Priva. C'est un travail considérable par lot car la plante fait l'objet d'une rotation entre différents départements au cours de son cycle de culture. Ces données ont ensuite été complétées par d'autres mesures distinctes sur les plantes et les cultures. Non seulement ce processus est sujet à des erreurs, mais il prend également beaucoup de temps. Je me suis dit : nous pouvons procéder différemment. Ensuite, nous nous sommes associés à l'équipe de Mprise Agriware, qui, grâce à son expertise informatique, a pu donner forme aux idées. C'est de là que ce projet est né et je pense que nous pouvons être très fiers de ce que nous avons réalisé ensemble. »

Première phase terminée avec succès
Luuk van Geijtenbeek, directeur d'Agriware Analytics, ajoute : « Nous avons commencé vers l'été 2021 et nous sommes très satisfaits de la coopération entre notre équipe et celle de Brabant Plant. Au cours de la première phase, nous avons regroupé les données relatives au lot et au climat ; la partie du travail qui a d'abord dû être collectée manuellement. Une inscription correcte dans Agriware Business Central est essentielle pour cela. Les données doivent être complètes et fiables. Nous entrons maintenant dans la deuxième phase du projet, au cours de laquelle nous combinerons les données relatives au lot et au climat avec les données d'évaluation issues des observations et des inspections. »

Deuxième phase du projet
Marvin, enthousiaste : « La deuxième phase sera vraiment intéressante ! Si nous pouvons relier les données d'évaluation aux données par lots et aux données climatiques, nous pourrons vraiment commencer à analyser. De cette façon, les choix de culture effectués par le producteur en serre sont enregistrés de manière autonome pour chaque lot afin de créer une « recette alternée ». En reliant également les « résultats » des évaluations de l'usine, nous pouvons réellement commencer à développer l'intelligence économique. C'est un énorme casse-tête, mais je pense que nous avons déjà assemblé de nombreuses pièces. J'en suis très fier et je suis également heureuse que nous ayons pu commencer à travailler avec Mprise Agriware à ce sujet. »

« Si nous parvenons à relier les données d'inspection aux données relatives aux lots et aux données climatiques, nous pourrons réellement commencer à analyser. »

De nouvelles opportunités
Marvin poursuit : « La quantité de données ne fait que croître. Les données étant classées par lots, les possibilités seront bientôt infinies. Vous pouvez effectuer des calculs de coûts, créer un tableau de bord pour chaque fonction de l'entreprise, nous étudions actuellement une combinaison avec des données de dépistage... Je vois de nombreuses possibilités. J'aimerais également inclure les avis des clients, afin d'avoir réellement des données sur l'ensemble de la chaîne. »
« Outre les données de culture, nous sommes en train de cartographier les coûts de main-d'œuvre, d'énergie, de transport et de matériaux afin d'y avoir également une vue d'ensemble, en appuyant sur un bouton », ajoute Luuk van Geijtenbeek. « Il s'agit donc de l'élément post-calcul du prix de revient, où les coûts réels, directs et indirects, peuvent être comparés aux coûts planifiés à l'avance. »

La quantité de données ne fera que croître de plus en plus. Avec les données en ordre au niveau des lots, les possibilités seront bientôt innombrables.

Mise en œuvre par étapes
Quand je lui demande s'il y a eu de grands changements dans la façon dont les employés travaillent, Marvin répond : « Nous avons toujours été très occupés par le travail axé sur les données, mais nous disposons désormais d'outils qui nous permettent de mieux visualiser les données. Nous avons pu faire un grand pas en avant dans l'enregistrement et la visualisation interconnectés des données, afin que le producteur puisse encore mieux piloter sur la base des données. Nous voulons être en mesure de rendre visibles l'expertise et les années d'expérience de nos producteurs sur ordinateur. » Comment gardez-vous une vue d'ensemble lors de la mise en œuvre ? « Les possibilités étant innombrables, il est important pour une organisation d'avoir une bonne idée des fonctionnalités prioritaires », explique Marvin. « L'un de mes collègues dit toujours : faites attention à la différence entre « avoir besoin » et « agréable d'avoir ». J'ai essayé de le cadrer et d'aborder la mise en œuvre étape par étape. Au final, le plan a été très bien accueilli et les employés qui peuvent désormais cliquer facilement sur les données sont très enthousiastes. »

Prêt pour l'avenir grâce à l'interconnexion des données
Marvin résume l'histoire : « Le travail axé sur les données est l'avenir, mais pour les sélectionneurs de plantes, entre autres, il est difficile de collecter des données climatiques par site, car les parties alternent entre plusieurs sites avec leurs différentes phases de plantation. Cela complique considérablement la collecte et l'analyse des données. Maintenant que nous avons établi ce lien, la « recette alternée » est enregistrée par lot. En reliant désormais également les évaluations des plantes, nous pouvons mieux comprendre les effets des paramètres climatiques sur la plante. De cette façon, nous pouvons apprendre et optimiser d'une manière encore plus axée sur les données. »

‍