Critical Missteps to Avoid When Seeking a Partnership with an AI Supplier
2024-09-04
En este contexto, estamos colaborando con Surexport, una multinacional dedicada a la producción, gestión y distribución de frutos rojos, en un proyecto que implementa la solución de Tupl AI Agro Unifier para automatizar los procesos de estimación de recolección a través de las curvas de rendimiento usando herramientas de analítica avanzada de datos y aplicaciones de Inteligencia Artificial. Además, estamos en proceso de desarrollar un proyecto para automatizar los procesos de tratamiento de las fincas.
Surexport, como empresa líder en su sector, es consciente de que la automatización es un requisito para seguir siendo líder de mercado. Ya usan dispositivos IoT y herramientas de medición, y quieren aprovechar los datos generados por sus máquinas con el fin de impulsar su productividad, reducir costes y mejorar la eficiencia. Tupl, por su parte emplea la Inteligencia Artificial y el Machine Learning para crear herramientas que optimicen, entre otros, los procesos industriales y agrícolas.
Esta empresa de producción a gran escala de frutos rojos se encuentra ante desafíos diarios en sus instalaciones de producción, entre ellos:
- Limitaciones en el control de procesos operativos: En un flujo de trabajo jerárquico, numerosos empleados deben comunicar órdenes de trabajo de forma constante, lo que da lugar a múltiples comandos y posibles errores que requieren notificaciones individuales para alcanzar la perfección en una tarea.
- Costes de producción elevados: Los gastos asociados a la maquinaria, su mantenimiento, la materia prima, los recursos, y la mano de obra impactan significativamente en los márgenes de beneficio.
- Escasez de personal: La escasa disponibilidad de trabajadores para las diversas labores agrícolas.
- Ineficiencias en la detección de errores: La falta de detección, notificación o registro de anomalías en la producción puede dar lugar a ineficiencias en el proceso de producción.
- Falta de previsión en costes futuros: Recolectar datos sobre cultivos, personal, maquinaria y dispositivos en el campo carece de utilidad si no se pueden usar estos datos para anticipar costes, por ejemplo, lo que dificulta la toma de decisiones prospectivas sobre la producción.
Tupl AI Agro Unifier es un sistema basado en inteligencia artificial y machine learning que automatiza procesos complejos que hasta ahora se han hecho manualmente, agilizando la toma de decisiones.
En estos dos casos de uso se describe cómo AI Agro Unifier está ayudando a Surexport a solucionar los retos a los que se enfrenta:
Caso de uso de Surexport 1 – Automatización de Curvas de Rendimiento.
Este caso de uso, implementado y ya en funcionamiento, automatiza el proceso de previsión de la recolección a través de curvas de rendimiento. Se usan tres tipos de curva:
1. Curva de rendimiento teórico semanal.
2. Curva de rendimiento teórico modificada semanal: esta es modificable por el técnico dependiendo de la información semanal- por ejemplo, la falta o exceso de lluvia, o la falta de personal de recolección, puede afectar a las previsiones de la semana siguiente.
3. Curva de rendimiento real diario.
Toda esta información es necesaria para que los comerciales sepan cuánta mercancía van a tener a disposición para la venta, y por tanto es la base de los cálculos de beneficios para la empresa.
Tupl Agro Unifier se conecta a los sistemas de monitorización existentes y automatiza el reporte de los datos, enviando alarmas si los datos reales presentan discrepancias con la previsión. Además, el sistema compara la estimación que se ha hecho con los datos reales de recolección y genera alertas que permiten al técnico recalcular la curva, para después mandar a los comerciales datos más fiables.
Tupl Agro Unifier ha automatizado todo este proceso, añadiendo nuevos campos de datos, por ejemplo, usando una estimación diaria, en vez de semanal, y enviando alertas cuando se está recolectando más o menos de lo que se había estimado. Además, la UI de Tupl Agro Unifier permite una entrada de datos mucho más ágil y automatizada.
Imagen 1. Curvas de Rendimiento. Análisis-Predicción del rendimiento productivo a nivel de finca para anticipaciones comerciales y aumento del volumen de ventas.
Caso de Uso 2 (en desarrollo) – Automatización de Órdenes de Tratamiento
Las órdenes de tratamiento fitosanitario son uno de los procesos más complejos dentro de la gestión agrícola por la cantidad de datos necesarios para su gestión. En este proceso es necesario involucrar a múltiples departamentos (técnicos, administrativos, encargados de fincas) y también a proveedores externos. Además, los tratamientos han de ser justificables ante las autoridades agrícolas competentes, y los productos de tratamiento han de estar aprobados oficialmente por el Ministerio de Agricultura, que aumenta la complejidad del proceso y la importancia de que su ejecución esté controlada. Ahora mismo, este proceso es un proceso manual, lo que dificulta la trazabilidad, y la comunicación de la información a las autoridades.
Tupl está trabajando con Surexport para desarrollar un piloto de automatización de estos procesos, desde el primer muestreo del técnico hasta la ejecución del tratamiento.
El proceso de automatización en el que estamos trabajando comienza el con el muestreo que el técnico decida realizar. Este proceso se identifica con un código único para su trazabilidad. El técnico, tras el muestreo, lanza la orden de tratamiento, que está vinculada a una finca, un cultivo y una especie, y que debe contener la información exacta de qué polígonos tratar, con qué producto y cuánta cantidad de producto se necesita. Gracias a que el técnico tiene acceso a un mapa de la finca con los polígonos de la misma con datos de hectáreas, etc, este proceso se facilita enormemente. Con esta información, el técnico genera en el sistema la orden de tratamiento a través de una UI muy simple. Tupl Agro Unifier conecta la orden generada con los almacenes de producto, de tal forma que se puede saber de forma inmediata si el producto está disponible, o no, sin tener que contactar al almacén en cada caso. Si está disponible, se puede reservar desde el mismo sistema, si no, se puede lanzar una orden de compra, o si está disponible en otro almacén, se puede lanzar una orden de movimiento de productos. De esta forma Tupl Agro Unifier incorpora la gestión de stock de productos para las órdenes de tratamiento generadas en el sistema.
Una vez completada esta primera fase del proceso, el sistema enviará automáticamente al encargado de la finca toda la información de la orden que tiene que ejecutar. La ejecución se asignará a una determinada persona y maquinaria, también identificados con un código para su posterior trazabilidad; una vez finalizado el tratamiento, podrán rellenar, a través de la UI móvil de la plataforma, toda la información del tratamiento, incluyendo cualquier tipo de incidencias. Así quedará reflejado en el sistema todo lo que se ha ejecutado o no, las horas de comienzo y fin de la ejecución, etc, y cualquier incidencia se notificará al técnico de forma automática a través de alarmas, lo que garantiza que todos los tratamientos se completen dentro del presupuesto asignado, y que se cumplan los plazos de seguridad establecidos para la recolección.
Como se ha explicado, durante todo el proceso, Tupl Agro Unifier genera alertas en tiempo real para mantener el control del proceso, notificando en el momento en el que hay un desvío del procedimiento a seguir, o una discrepancia con las previsiones, con lo que no solo se pueden hacer correcciones en tiempo real, sino reducir el tiempo de ejecución y los errores humanos, y sobre todo, controlar y reducir los costes, ya que el sistema alerta inmediatamente si hay una desviación de las previsiones en comparación con realidad – por ejemplo si se usa más producto del indicado. Si esta agilización se multiplica por el número de hectáreas que tiene una gran empresa como Surexport, podemos esperar que el ahorro de costes sea muy significativo.
Imagen 2. Ordenes de Trabajo. Seguimiento del estado de órdenes de tratamientos fitosanitarios.
Además, todos los datos quedan en el sistema, de tal forma que se pueden visualizar fácilmente en un dashboard, y acceder al histórico de datos en todo momento. Esto es muy importante para agilizar el relleno automático del cuaderno de campo, que será obligatorio el año que viene, y que supone un proceso que de forma manual es muy laborioso y en el que es fácil cometer errores.