Toepassen van big data technologie in het internet of things

Big data spelen een steeds grotere rol, ook bij de te ontwikkelen Food Pro·tec·ts produkten. Gelijktijdig wordt het steeds moeilijker om nuttige informatie te extraheren uit de alsmaar groter wordende hoeveelheid gegevens die wordt geproduceerd door de bedrijven in de onder Food Pro·tec·ts horende werkpakketten. Maar ook doordat steeds meer apparaten (sensoren, 3D-camera´s, procescomputers) zelf data verzamelen, opslaan en uitwisselen in het zogenaamde internet of things.

In de veehouderij worden gegevens verzameld over het voerverbruik en over de dieren zelf (leeftijd, gewicht, en medicijngebruik). Op een aantal bedrijven wordt inmiddels ook het waterverbruik geregistreerd. En door de steeds goedkoper wordende sensortechnologie staan we aan de vooravond van de grootschalige introductie van het monitoren van het klimaat in de stallen (temperatuur, relatieve luchtvochtigheid en CO2 gehalte), het vaststellen van longproblemen met hoestsensoren en het bepalen van de fijnstofgehalten rondom stallen. Het kunnen bieden van praktische toepassingen voor het analyseren van deze data levert aantrekkelijke perspectieven voor verschillende agrofood hi-tech bedrijven in het INTERREG gebied, niet in het minst voor de Food Pro·tec·ts partners, temeer indien door het bij elkaar brengen van data uit de verschillende systemen op het bedrijf voorheen meer ‘onzichtbare’ oorzaak-gevolg relaties kunnen worden opgespoord.

Aan het Systems Research Institute van de Technische Universiteit Eindhoven werkt men in het domein humane gezondheidszorg ook aan toepassingen om big data te vertalen naar informatie. Aan de TUE gaat men daarbij een stap verder door interessante patronen in big data tijdreeksen te vertalen naar linguïstische beschrijvingen voor het automatisch genereren van diagnostische uitspraken. De uitdaging is om het aantal beschrijvingen zo klein mogelijk te houden, zonder verlies aan informatie. Hiermee is een gebruikersvriendelijk systeem te ontwikkelen dat dient als interface tussen het ruwe sensor data netwerk en de non-technische gezondheidszorg professional.

De aan deze universiteit opgebouwde wetenschappelijke kennis is waardevol voor het verder ontwikkelen van big data toepassingen binnen Food Pro·tec·ts. DLV heeft naast de TUE ook met de WUR een goede samenwerking, en er is sprake van een laagdrempelige toegang tot hun opgebouwde expertise. Hierop voortbouwend toepassingen voor de veehouderij ontwikkelen kan een zinvolle aanvulling zijn op de Food Pro·tec·ts werkpakketten. Een doelstelling die haalbaar wordt geacht is het integraal vertalen van big data over klimaat en (volks)gezondheid naar praktische output en toepassingen in de zin van geautomatiseerde accurate en tijdige diagnostische uitspraken.

Online dashboards kunnen zo worden ingezet om pluimveehouders meer inzicht te geven over mogelijkheden om stalklimaat te optimaliseren en lagere stofemmissies te bereiken. Naar afstemming met het Poultry Expertise Centre (PEC) en GIQS worden binnen dit werkpakket ook verbindingen gelegd met de nationale proefstallen en corresponderende projecten. Vragen over grenswaarden voor in te stellen alerts kunnen worden beantwoord.

Dit past bij de ambities van onder meer het manifest december 2016 over een gezonde leefomgeving in de regio foodvalley, mede gericht op de ontwikkeling van betaalbare nieuwe technologieën voor het reduceren van fijnstof.

Het project richt zich met name op de reductie van fijnstof in en rondom pluimveestallen. Gelijktijdig worden de volgende componenten van Food Pro·tec·ts producten verbeterd met gebruik van big-data: In TIC 1 wordt food waste in de productieketen mede verminderd door het real time bepalen van parameters met sensoren, voorspellingsmodellen, en een te ontwikkelen early warning-tool. De geautomatiseerde vertaling van big data naar ‘linguistic messages’ draagt bij uitstek bij aan early warning tools met een goede balans tussen vals positieve en vals negatieve ‘alerts’. Hier vind vooral samenwerking plaats met de partner Dr. Berns. In TIC 2 wordt ten behoeve van het verbeteren van het monitoren van infectieziekten gewerkt aan de verdere ontwikkeling van innovatieve monitoring programma’s. Hier wordt samengewerkt met de Landwirtschaftskammer NRW. De door de TUE voor de humane gezondheidszorg ontwikkelde expertise is ook toepasbaar voor de gezondheidszorg in de veehouderij. In TIC 3 wordt gewerkt aan het verbeteren van het stalklimaat met koude plasma technologie en internet of things applicaties. De ambitie is om meer ‘onzichtbare’ oorzaak-gevolg relaties op te sporen. De vertaling van big data naar ‘linguistic messages’ brengt het marktperspectief van marktrijpe toepassingen, omdat de gebruiker veel minder vals positieve ‘alerts’ krijgt. De verwachting is dat hiermee binnen drie jaren ruim de helft (‘de blijvers’) van de varkens- en pluimveeveehouders gebruik van maakt.

In TIC 4 wordt gewerkt aan een internet-gebaseerd monitoring systeem voor voedingsmiddelen. In TIC 5 streven de partners naar een effectiever gebruik van biomassastromen met behulp van sensoren die mede de installaties besturen. Samen met de Hochschule Bonn-Rhein-Sieg wordt hier over mogelijke interfaces tussen de werkpaketten nagedacht.

In onderstaand overzicht is weergegeven voor welke onderdelen van de onderscheiden TIC werkpakketten big data een toegevoegde waarde hebben. Voor de werkpakketten 1, 3 en 4 wordt het naar verwachting een belangrijke functionele toevoeging aan de te ontwikkelen software. De toepassing van Big Data kan de productkwaliteit en daarmee het marktpotentieel doen toenemen, de mate waarin is op dit moment echter nog moeilijk te kwantificeren. Echter, wat wel vast staat is dat veel software in hoger tempo vertraagt dan dat de hardware versneld (denk aan moderne Pc’s die steeds langzamer opstarten). Juist voor dit probleem kan big data een mede een oplossing bieden. Toepassing van dergelijke technologie (van big data naar beperkte ´linguistic messages) is ook bijna onvermijdelijk, gegeven de Wet van Moore dat de hoeveelheid data elk twee jaar verdubbelt.

Concrete activiteiten zijn het toepassen van de technologie op de datatsets in de pakketten 1, 3 en 4. Dit gebeurt door allereerst in werkpakket 3 een informatiemodel te beschrijven en deze vervolgens in Python (freeware) te programmeren. De aldus gebouwde functionaliteit wordt opgenomen in de Slimme Stal softwareapplicatie. Dan wordt op basis van de beschikbare dataset die momenteel in TIC wordt opgebouwd m.b.v. de extra functionaliteit nagegaan hoe vaak een geautomatiseerde alert wordt geproduceerd. Dit wordt beoordeeld ten opzichte van de technisch/economische resultaten van de betreffende afdelingen met varkens (over dezelfde periode waarover de sensordata zijn verzameld). Als de uitkomst hiervan naar tevredenheid is, zal in de twee andere werkpakketten vervolgens dezelfde procedure worden toegepast.