Tecnologiaagrícola:*presenti*futur* Lleida 27 09 19*€¦ · Índex* 1....
Transcript of Tecnologiaagrícola:*presenti*futur* Lleida 27 09 19*€¦ · Índex* 1....
Tecnologia agrícola: present i futur Lleida_27_09_19
Índex
1. Principals reptes en agricultura 2. Situació Agritech actual 3. El paper de les dades dins l’Agritech
4. El futur Agritech: solucions basades amb dades
5. Conclusions
2
Incrementar la producció Reptes globals en agricultura
Font: www.worldgovernmentsummit.org
3
Produir de manera sostenible Reptes globals en agricultura
Font: www.worldgovernmentsummit.org
4
Reduir el malbaratament alimentari Reptes globals en agricultura
Font: www.worldgovernmentsummit.org
5
Canviar hàbits alimentaris? Reptes globals en agricultura
Font: www.esagua.es
6
Eines: Coneixement i tecnologia Eines per afrontar el repte
7
Situació actual Agritech
La inversió a nivell mundial s’ha mulSplicat per 5 en els darrers 8 anys 01
En procés de millora de fiabilitat i escalabilitat de solucions 02
03 Atomització de proveïdors amb solucions específiques i poc integrades
Sector en maduració
8
Les dades dins l’Agritech De la digitalització fins al Big Data
Registrar dades
Agregar
Analitzar
Prescripció
EINES DE SUPORT DECISSIÓ Big Data i Models de Predicció
EINES d’ANALÍTICA Farm Management + ERP + BI + Eines Soc específics (eFoodPrint ENV, Reg, Plagues, etc...)
INTEGRACIÓ API’S: Farm Management + ERP
DIGITALITZACIÓ Excel, Hesperides, AgropSma, Agrícolum...
9
Exemples de solucions: AnalíSca de collita A
10
Estacions meteorològiques virtuals
Amb històric i previsió a 7 dies de la principals variables hiperlocalitzades per parcel·∙la. Amb alertes automàSques per email.
11
Models de predicció de malalSes Monilia
Risc de monilia amb 7 dies d'antelació Amb enviament d'alertes automàSques per email
12
Models de predicció de maduració
13
Volum de producció i data de collita integrant històrics, mostrejos, bancs de dades meteorològics i altres fonts com imatges per satèl·∙lit.
Models de predicció de volum
14
Reconeixement facial a camp Projecte amb Juve & Camps, Adecco, Eurecat y Innovi
15
Conclusions (I)
El sector agrícola és probablement el sector més complicat per la incertesa que generen les variables meteorològiques.
01
L’oferta de solucions Agritech està madurant, però encara hi ha molta dispersió d’oferta i de proveïdors.
03
La digitalització de les dades es una obligació i un patrimoni. No digitalitzar la informació es perdre temps i diners.
02
16
Conclusions (II)
Opendata i els bans de dades aporten molt valor per al sector agrícola. La tecnologia es necessària per a processar i digerir la informació.
04
Big Data integra dades de múlSples fonts per ajudar als tècnics a millorar decisions estratègiques i críSques econòmicament.
06
La tecnologia ajuda a reduir incertesa, agilitzar processos i millorar resultats econòmics. Els que innoven prenen risc però son els que primer se'n beneficien.
05
17
Moltes gràcies!
Més informació a efoodprint.com i rawdata.es