Veeboeren hebben diverse silo’s op het terrein staan met mengvoer. De vulling hiervan wordt met een vrachtwagen door de transporteur verzorgd. Deze transporteur komt pas in actie als de boer hier opdracht voor geeft. De boer moet dus zelf controleren of de silo wel voldoende voer bevat voor de komende dagen. Het resultaat is dat er vaak spoedorders nodig zijn, dit zijn extra kosten en zorgt voor onnodig veel kilometers voor de transporteur. ICIT heeft een sensor ontwikkeld die twee keer per dag de inhoud van een silo meet. Via het iot-platform van Vodafone en het dataplatform van ICIT, inclusief voorspellend gedrag via ai, wordt automatisch een transporteur ingeschakeld om de silo te vullen. Voor de hoofdjury van de Computable Awards 2022 reden om de silosensor van ICIT te nomineren in de categorie Digitale Innovatie.
De silosensor van ICIT is zeer betaalbaar, draadloos en heeft een levensduur van meer dan tien jaar. Twee keer per dag geeft de sensor de inhoud van de silo af. Met ai wordt voorspeld wanneer de silo weer gevuld moet worden. Er wordt dan gekeken naar zaken als de weersverwachting en de inschatting of de boer meer voer gaat verbruiken. De boer kan natuurlijk realtime meekijken en kan via een app uitlezen hoeveel mengvoer er nog in zijn silo aanwezig is. Zo heeft de boer altijd zijn silo’s voldoende gevuld en de transporteur kan de planning optimaal maken. Rijdt een vrachtwagen in de buurt van een silo en heeft hij nog wat geschikt voer in zijn wagen? Dan krijgt hij een melding en kan de silo vullen. Zo wordt er optimaal gereden en gaat dit naar verwachting 10 procent besparing in de gereden kilometers opleveren.
De behuizing van de sensor moet geschikt zijn om het fijnste stof buiten te houden, de laser moet namelijk altijd schoon blijven. Bij het vullen van een silo komt het voer met 2 bar in de silo gespoten, de druk is dus enorm. De behuizing moet dus bestand zijn tegen extreme weeromstandigheden op meer dan vijf meter hoogte en bestand zijn tegen grote druk van binnenuit. De firmware moet verder stabiel zijn, want op locatie een aanpassing doorvoeren is niet zomaar mogelijk. Het ai-onderdeel tot slot heeft veel complexiteit met zich meegebracht. Diverse omstandigheden zorgen voor een afwijking in de trend. Plotseling erg slecht weer? Dan wordt er meer mengvoer gebruikt. De historische data zijn maar voor een klein deel te gebruiken en dus moeten alle elementen samengebracht worden om te kunnen voorspellen.
