Det digitale landbrug Billund 6. oktober

Størrelse: px

Starte visningen fra side:

Download "Det digitale landbrug Billund 6. oktober"

Hedvig Holm
7 år siden
Visninger:

1 enterprise like never before. Det digitale landbrug Billund 6. oktober Jens Bligaard Morten Bilde 1

2 Introduktion Jens Bligaard SEGES Afdelingschef, PlanteManagement, SEGES Planter & Miljø Morten Bilde AGCO Manager, Research & Advanced Engineering, Global Harvest 2

3 Agenda Udviklingen i landbrugsmaskiner Den digitale udvikling indenfor landbrugsmaskiner Digitalisering og beslutningsstøtte Adoptering af det digitale landbrug 3

4 Udviklingen i landbrugsmaskiner

5 Fremtiden!!! 5

6 Landbrugets teknologiske evolution Hvor er den teknologiske udvikling I landbruget på vej hen Kompleksitet Ag 4.0 Ag 3.0 Cyber Physical Systems Ag 1.0 Ag 2.0 Mekanisering Automatisering

7 Næste produkt generation Optimering af nuværende maskine koncepter Grænserne for størrelse og vægt af maskiner er nået Samme processer men langt mere optimeret Nye teknologiske byggeklodser til øget produktivitet Elektriske transmissioner Sensorer Kommunikationsteknologi Letvægtsmaterialer Efter næste produkt generation Næste produkt generation Nuværende maskin portfølje

Styring og automatisering af funktionelle drev Udfordringer: Pris

8 Nye teknologiske byggeklodser - Elektrificering 700 VDC elektriske anlæg Høj virkningsgrad sammenlignet med hydraulik Styring og automatisering af funktionelle drev Udfordringer: Pris og udvikling af komponenter Standardisering Sikkerhed Bruger accept Service 8

Nye teknologiske byggeklodser Sensorer Automatiserede og selvjusterende maskiner øger produktiviteten uden at skalere maskinerne Automatisering af maskiner kræver stadig flere sensorer til

Satellitter Droner Tøjrede droner Look-ahead sensorer Proces sensorer 5 10 sek Post-process sensors Afgrødevækst Fugtindhold i jord Udbytte estimering Modenhed Kornkvalitet Sygdomme Ukrudt

9 Nye teknologiske byggeklodser Sensorer Automatiserede og selvjusterende maskiner øger produktiviteten uden at skalere maskinerne Automatisering af maskiner kræver stadig flere sensorer til overvågning af kontrollerbare og ukontrollerbare procesvariabler Indsamling af data om jord, afgrøder og maskiner til dokumentation og planlægning 1 10 uger 1 5 dage 5 10 sek 1 5 sek 0 Satellitter Droner Tøjrede droner Look-ahead sensorer Proces sensorer 5 10 sek Post-process sensors Afgrødevækst Fugtindhold i jord Udbytte estimering Modenhed Kornkvalitet Sygdomme Ukrudt Dyreliv Markkontur Fremmedlegemer Udbytteestimering Materialeflow Separations effektivitet Udbytte Vandindhold Spild Korn kvalitet Fjernovervågning Feed-forward måling Online måling Feed-backward måling 9

Nye teknologiske byggeklodser Kommunikation Ubegrænset tilgængelighed af maskindata Teknologier Mobil GSM netværk Iridium satellit netværk

10 Nye teknologiske byggeklodser Kommunikation Ubegrænset tilgængelighed af maskindata Teknologier Mobil GSM netværk Iridium satellit netværk Radio netværk 2-vejs kommunikation Maskine til Maskine (M2M) Maskine til server Udfordringer Data sikkerhed Standardisering Data ejerskab 10

11 Efter næste produkt generation Modningen og adoptering af nye teknologier muliggør mere radikale ændringer i maskinkoncepter Nogle nøgle trends Nedskalering af maskiner Autonome maskiner Separering af processor Maskinproducenter levere ydelser og ikke maskiner Næste produkt generation Efter næste produkt generation Nuværende maskine portefølje

12 Autonome maskiner Autonom proces Autonom traktor Leader-Follower Maskin synkronisering Auto guide Udfordringer Sensorer til identificering af omgivelser Sikkerhed, lovgivning Ansvarsfordeling, producent/bruger 12 1

13 Den digitale udvikling indenfor landbrugsmaskiner

14 Digitale produkter og serviceydelser til landbrugsmaskiner Serviceabonnementer Fjernovervåning af maskinens tilstand Trådløs softwareopdateringer Altid opdaterede maskiner Øget gensalgsværdi Tilkøb on demand Ekstra motor effekt Komfort features GPS korrektions signal Automation Maskinindstillinger Integrering af brugerens egen elektronik Tablets/smartphones som brugergrænseflader 14

15 Data-dreven maskinudvikling Maskindata har stor værdi for målrettet udvikling af maskiner Belastningsprofiler for forskellige modeller og markeder Målrettede produktkonfigurationer for kritiske applikationer Undgå overdesignede maskiner Løbende test og validering gennem hele produktets levetid Udfordring Kunder er skeptiske overfor at give andre adgang til deres data 15

16 Eksempel - Optimering af høstoperation inden udførelsen Ruteplan Afgrøde data Jord data Mark 16 1

17 Eksempel - Optimering under mark operation Koordinering af høst logistik Koordinering halm indsamling ud fra optimal ruteplan 17 1

18 Digitalisering og beslutningsstøtte

19 Optimering på forskellige system niveauer Optimering handler om beslutningstagning, uanset om det beslutningerne tages af mennesker eller maskiner Kvalificerede beslutninger afhænger af den rette information Strategisk optimering Taktisk optimering Operationel optimering Planlægning på bedriftsniveau Beslutninger Markplan Dyrkningsmetoder Indkøb af maskiner Bedrift infrastruktur Sædskifte Information Regler og love Foderbehov Bedrifts økonomi Produktivitets historik Marked forudsigelse Planlægning mellem markoperationer Beslutninger Tidspunkt for markbehandlinger Prioritering og rækkefølge af marker Planteværn og gødning Logistikplanlægning Information Vejrudsigter Afgrøde vækst Jordforhold Ressourcer Markedspriser på råvarer Udførelse af markoperationer Beslutninger Maskinindstillinger Logistik koordinering Variabel tildeling Information Maskinindstillinger Mark, jord og afgrøde data Proces udbytte Maskin produktivitet

20 Farm Management Systemer Planlægning og dokumentation Mark Online Gødningsregnskab Sprøjtejournal Grundbetaling Beslutningsstøtte Vandregnskab Online Planteværn Online CropSAt osv. Information Landbrugsinfo Sortsinfo, Middeldatabasen osv. 20

21 Dansk markdatabase data på markniveau Dækker i dag bedrifter i Danmark 2,2 mio. ha (85%) 21

22 Mark Online

23 Future Cropping Kobling af data på tværs af operationer og år YARA Novozymes KU AU Agrointelligence SEGES Ejlskov Orbicon Agrotech Agro Business Park GEUS Rambøll FOSS 23

24 Future Cropping i praksis 24

25 Sentinel 2 Jorden rundt på 90 minutter Danmark optaget på 10 sekunder Bredde pr. billede 290 km Billeder hver 5. dag Opløsning 10 x 10 meter 25

26 26

27 Biomasse måling (NDVI) fra satellit foto 27..

28 Gennemsnitlig NDVI (biomasse) pr vinterhvede mark 28..

29 Spredning i NDVI pr mark 29..

30 Vi kan nu følge udviklingen løbende i hver enkelt mark 30..

31 Mail til Jens Peter.. Vinterhvede i Mark 24/5 Målt biomasse (NDVI) Variation indenfor mark Indeks i forhold til område Kan VRA anbefales 1-0 Hereford 0,49 0,01 94 Nej 3-1 Mariboss 0,41 0,03 77 Ja 4-0 Benchmark 0,62 0, Nej 7-0 Benchmark 0,51 0, Ja 19-1 Benchmark 0,53 0,03 86 Ja Gennemsnit i vinterhvede indenfor 10 km Hereford Benchmark Mariboss 0,52 0,61 0,

32 CropSAT Præcisionsgødskning ud fra satellitfotos af biomasse 32..

33 Future Cropping (FC) Data Platform FC beslutningsstøtte FC Data Analyse Algoritmer & modeller FC Data Gateway. Dansk Markdatabase DMI vejrdata Miljøportalen Jordbundsdatabase Etc. John Deere CLAAS Trimble 33.. AGCO Agro Intelligence Etc. Etc. Etc.

34 Adoptering af det digitale landbrug

35 Big Data alle indsamler data! Muligt at finde nye mønstre i store datamængder Endnu kun få eksempler men toget kører nu! 35

36 Adoptering af det digitale landbrug Verden forandres vildt hurtigt Udfordring teknologien overtager styringen Hvem ejer data? Hvordan sikrer vi, at landmanden får del i fordelene? Rådgivningen som vigtige forandringsledere 36

37 Tak for opmærksomheden Spørgsmål? 37

Relaterede dokumenter

Hvad betyder Smart Farming for maskinerne, landmanden og maskinhandlerne? Morten Schmidt, 28. September 2018

Hvad betyder Smart Farming for maskinerne, landmanden og maskinhandlerne? Morten Schmidt, 28. September 2018 Morten W. Schmidt, Director Commercial Fuse EME Husum, Østerbro Cand.merc. Consulting Restrukturering