Optimización dos recursos para a rendibilidade: é necesaria a tecnoloxía xemelga dixital?
O valor de calquera tecnoloxía reside en última instancia na capacidade de optimizar custos e recursos. Ter a capacidade de anticiparse aos resultados ofrécelles aos produtores de alimentos o beneficio da previsión que logo se pode aplicar na vida real. Un exemplo de aplicación e comercialización na vida real da tecnoloxía Xemelgo Dixital é o mecanicismo modelo desenvolvido por Tom De Swaef na Universidade de Gantt. A empresa belga 2Grow aproveita este modelo para medir as variacións no fluxo de auga e no grosor do talo nas plantas de tomate. O obxectivos da empresa para reducir o 20 % da superficie dedicada á produción vexetal.
It Aínda non está claro se a comunidade está a facer un esforzo para adoptar xemelgos dixitais nas súas operacións. Ademais, pódese argumentar que na maioría dos casos a tecnoloxía de xemelgos dixitais non é realmente necesaria. Os avances na aprendizaxe automática permitiron predicir eventos clave sen construír un modelo completo que requiriría grandes cantidades de datos de alta calidade, que tamén son caros de obter. Como produtor de alimentos que quere predicir certas propiedades, centrarse en medir e monitorizar os cambios clave pode ser todo o que se necesita para construír un modelo preditivo exitoso. Ademais, isto é moito máis accesible, o que o fai alcanzable para os produtores de alimentos que necesitan ver un retorno do investimento inmediato na implementación de modelos preditivos.
Por exemplo, se cultivas patacas é importante ter indicadores de pragas como a enfermidade do tizón tardío, causada por un organismo semellante a un fungo que pode provocar perdas nas colleitas nun curto período de tempo se non se adoptan as medidas de control axeitadas. Para este tipo de cultivo en liñas en grandes hectáreas de campo aberto, ter cámaras montadas en sistemas de rega pivotante pode identificar de forma eficiente e eficaz enfermidades ou problemas. Os datos necesarios para crear un xemelgo dixital para un campo aberto de patacas custarían unha fortuna, e crear un modelo completo a tal escala para obter información que se pode obter cunha tecnoloxía máis sinxela e accesible simplemente non ten sentido.
- O videoxogo SimCity foi unha innovación nos anos 90, xa que os xogadores convertíanse nos heroes da súa propia cidade mentres deseñaban e creaban dixitalmente unha fermosa e bulliciosa metrópole. 30 anos despois, temos a tecnoloxía para crear representacións dixitais incriblemente precisas de árbores, granxas ou pomares do mundo real. Do mesmo xeito que en SimCity podemos simular como evolucionaría unha metrópole en función do que "investamos" dentro do xogo, agora podemos crear simulacións de como medrará unha planta en diferentes escenarios, o que nos axuda a axustar os esforzos agrícolas cunha previsión sen precedentes.
- Un xemelgo dixital é unha representación dixital dun obxecto do mundo real. Pode empregarse para monitorizar o "obxectivo" real de forma remota. Para proporcionar un substituto preciso e realista do xemelgo do mundo real, o xemelgo dixital debe estar baseado en datos mediante medicións dixitais da entidade real. Na agricultura, estes poderían ser datos que chegan a través de ferramentas como sensores de solo, imaxes de plantas, datos meteorolóxicos, etc.
- A nova representación dixital, ou xemelgo dixital, debería reflectir todo o esforzo agrícola: activos físicos, procesos, sistemas, recursos, todo. A cambio, isto permítenos simular, planificar, analizar e mellorar os procesos agrícolas a unha escala nunca antes imaxinada. Non obstante, é realmente necesario que os produtores de alimentos implementen esta tecnoloxía sofisticada e custosa, ou poden obter a información que necesitan de sensores máis accesibles e económicos que os axuden a monitorizar e predicir resultados clave?
Crecemento e adopción de xemelgos dixitais e o seu potencial na agricultura
Gartner prevé que para 2021, a metade das grandes empresas industriais usarán... xemelgos dixitais, o que se traducirá nunha mellora do 10 % na eficacia desas organizacións. Non obstante, o concepto de xemelgos dixitais existe desde hai décadas. Durante máis de 30 anos, os equipos de enxeñaría de produtos e procesos utilizaron representacións 3D de deseño asistido por ordenador modelos (CAD), modelos de activos e simulacións de procesos para garantir e validar a fabricabilidade. Por exemplo, a NASA leva décadas executando simulacións complexas de naves espaciais. Non obstante, as innovacións na aprendizaxe automática e na IA están a poñer o concepto de xemelgo dixital en primeiro plano, creando moito interese como unha tendencia disruptiva cun impacto máis amplo no futuro próximo.
Cando se trata de procesos agrícolas, o uso de xemelgos dixitais como medio central para a xestión agrícola pode permitir a desvinculación dos fluxos físicos da súa planificación e control. Como resultado, os agricultores poden xestionar as operacións de forma remota baseándose en información dixital (case) en tempo real en lugar de ter que depender da observación directa e das tarefas manuais in situ. Isto permítelles actuar de inmediato en caso de desviacións (previstas) e simular os efectos das intervencións baseándose en datos da vida real. Por exemplo, un xemelgo dixital dun pomar podería alertar ao pomar de sobrerrego sen que o agricultor teña que examinalo.
A idea dun horta dixital é extremadamente atractivo para os agricultores que entenden a natureza laboriosa da monitorización, a predición e o control da saúde das árbores froiteiras e da calidade da súa colleita. Científicos da Universidade de Queensland desenvolveron un modelo para un pomar con cultivos de crecemento lento como a manga e a macadamia. Isto pode permitir aos usuarios probar rapidamente novas ideas e obter información sobre como optimizar mellor os sistemas de produción. Os investigadores do proxecto salientaron como estas simulacións instantáneas poderían beneficiar especialmente os cultivos de crecemento lento como as árbores froiteiras.
Hai casos de uso específicos nos que ten sentido financeiro construír un xemelgo dixital, como para a mellora vexetal, onde un modelo podería permitirche predicir cedo se unha variedade específica non é comercialmente viable. Pero en moitos casos, non hai necesidade de romper unha noz cun martelo.
- Raviv Itzhaky é o cofundador e director técnico de Prospera Technologies, liderando a visión técnica da empresa de transformar o xeito en que se cultivan os alimentos mediante a ciencia de datos e a IA. Emprega a súa experiencia no desenvolvemento de algoritmos, matemáticas e aprendizaxe automática para resolver problemas do mundo real. Antes de Prospera, Raviv desenvolveu algoritmos na empresa de ciberseguridade BioCatch e traballou como enxeñeiro de procesamento de sinais nas Forzas de Defensa Israelianas. É licenciado en Física e ten un máster en Física Aplicada pola Universidade Hebrea.
