Optimización de la Producción del Champiñón
Data Value Management
Sector: Agricultura
Business Case
Desarrollo de una plataforma que mediante modelos de Machine Learning sea capaz de determinar cuáles son las variables clave en la producción del champiñón, que genere recomendaciones en tiempo real en base a cómo va evolucionando la producción y prediga la recogida diaria para optimizar la logística y el personal necesario.
Objetivos
Identificar las variables que más afectaban a cada una de las fases de la maduración del champiñón, lograr recomendaciones en tiempo real para maximizar la producción y predecir la recogida diaria para optimizar la logística y las necesidades de personal.
Use case
Para este proyecto se ha desarrollado un proceso de estructuración de los datos históricos, tras ello se han entrenado los algoritmos necesarios y tras ello se ha desarrollado una aplicación que permite visualizar las principales variables de cada fase, genera recomendaciones y muestra las predicciones realizadas en base a los datos que se van generando durante el proceso productivo. Por último, el sistema se reentrena con los nuevos datos que se vayan generando.
Infraestructura
On Premise
Tecnologías utilizadas
Machine Learning y Deep Learning
Datos utilizados
Variables asociadas a las características del champiñón incubado (especie, calidad de la tierra, fertilizantes, pesticidas, etc.), datos sobre la atmósfera en la que se realiza la maduración del champiñón (humedad, CO2, temperatura, etc.), riegos, así como las variables, objetivo, cantidad producida por cada lote y cantidad producida diaria.
Recursos utilizados
Los recursos empleados han sido el propio personal de Data Value Management quienes se han encargado de preparar los datos, realizar los sistemas predictivos y capacitar a las personas usuarias del sistema desarrollado. Todo el desarrollo y el despliegue de la solución se ha realizado en los servidores de la compañía.
Dificultades y aprendizaje
La principal dificultad en este reto fue el sistema de almacenaje de los datos existente ya que se realizaba en múltiples sistemas con diferentes formatos por lo que antes de iniciar el proyecto hubo que asesorar a la compañía en la definición de las bases de datos, así como en los casos de uso que podían afrontar desde la compañía y sus aplicaciones.
KPIs (impacto en el negocio y métricas del modelo)
Gracias a este sistema se ha logrado un incremento de un 6% de la cantidad producida y un 2% en la reducción de los costes de logística. Debido a que el sistema se reentrena y mejora con nuevos datos se espera que los resultados mejoren en el futuro.
Financiación
Colaboradores
El proyecto ha sido realizado exclusivamente por DVM, contando con la ayuda del personal de la compañía quienes han aportado el conocimiento de negocio.
