PowerPoint Presentation

[Audio] Καλώς ήρθατε στην Ενότητα 2 «Ψηφιακός μετασχηματισμός της αγροδιατροφικής αλυσίδας αξίας, από το αγρόκτημα στο πιάτο».

[Audio] Η μετάφραση έχει το ίδιο ύφος με τα προηγούμενα τμήματα. Στην Ενότητα 1 είδαμε ότι αγαθά, χρήμα και πληροφορία ρέουν μέσα στην αγροδιατροφική αλυσίδα. Σε αυτή την ενότητα εστιάζουμε στην τρίτη ροή, την πληροφορία, και αναρωτιόμαστε πώς οι ψηφιακές τεχνολογίες την αλλάζουν σε κάθε στάδιο, από τον προμηθευτή σπόρων έως το πιάτο του καταναλωτή. Ένας απλός τρόπος να οργανώσουμε τις τεχνολογίες είναι ως μια στοίβα επιπέδων. Στη βάση βρίσκεται το επίπεδο της αίσθησης (sensing layer): συσκευές που καταγράφουν δεδομένα από τον φυσικό κόσμο, όπως αισθητήρες εδάφους, μετεωρολογικοί σταθμοί, αισθητήρες μηχανημάτων, κάμερες, δορυφόροι και drones. Πάνω από αυτό βρίσκεται η συνδεσιμότητα, τα δίκτυα που μεταφέρουν τα δεδομένα από το χωράφι στο υπολογιστικό νέφος (cloud). Έπειτα έρχεται η αποθήκευση και η ενοποίηση δεδομένων, όπου πληροφορίες από διαφορετικές πηγές συγκεντρώνονται σε πλατφόρμες. Πιο πάνω βρίσκεται η ανάλυση, όπου η στατιστική και η τεχνητή νοημοσύνη μετατρέπουν τα ακατέργαστα δεδομένα σε γνώση. Στην κορυφή βρίσκονται οι εφαρμογές και οι διεπαφές, όπως το λογισμικό διαχείρισης εκμετάλλευσης, οι εφαρμογές για κινητά και οι πίνακες ελέγχου (dashboards), που μετατρέπουν τη γνώση σε αποφάσεις και ενέργειες. Η στοίβα αυτή δεν ανήκει σε έναν φορέα. Έναν αισθητήρα μπορεί να τον εγκαταστήσει ένας αγρότης, την πλατφόρμα να τη λειτουργεί μια τεχνολογική εταιρεία, την ανάλυση να την παρέχει μια ερευνητική νεοφυής επιχείρηση (spin-off) και την τελική σύσταση να την παραδίδει ένας σύμβουλος. Κάθε επίπεδο είναι ένα σημείο όπου συναντώνται διαφορετικοί φορείς, και γι' αυτό το θέμα συνδέεται τόσο άμεσα με τα επιχειρηματικά οικοσυστήματα. Μια σημαντική ανασκόπηση της βιβλιογραφίας από τον Wolfert και τους συνεργάτες του διαπίστωσε ότι οι εφαρμογές των μεγάλων δεδομένων (big data) στην έξυπνη γεωργία εκτείνονται πολύ πέρα από την πρωτογενή παραγωγή και επηρεάζουν ολόκληρη την αλυσίδα εφοδιασμού τροφίμων. Η ανασκόπηση αναφέρει επίσης ότι αρκετοί συγγραφείς αναμένουν ότι τα μεγάλα δεδομένα θα μετατοπίσουν τους ρόλους και τις σχέσεις ισχύος μεταξύ των παικτών στα δίκτυα της αλυσίδας εφοδιασμού τροφίμων. Κρατήστε στο μυαλό σας αυτό το τελευταίο σημείο σε όλη την ενότητα. Η τεχνολογία δεν κάνει απλώς πιο αποδοτικές τις υπάρχουσες δραστηριότητες. Μπορεί επίσης να αλλάξει ποιος έχει πληροφορίες, ποιος ασκεί επιρροή και ποιος κερδίζει τι. Στα επόμενα δέκα περίπου λεπτά θα ακολουθήσουμε το προϊόν σε πέντε στάδια: εισροές, παραγωγή, μετασυλλεκτικό στάδιο και μεταποίηση, εφοδιαστική, και λιανικό εμπόριο και καταναλωτές. Σε κάθε στάδιο θα θέτουμε τις ίδιες τρεις ερωτήσεις. Ποια δεδομένα παράγονται; Ποιος μπορεί να τα χρησιμοποιήσει; Και ποια αξία δημιουργούν, ή τουλάχιστον υπόσχονται να δημιουργήσουν; Θέλω επίσης να είμαι σαφής ως προς το τι δεν κάνουμε. Αυτό δεν είναι ένας κατάλογος γκάτζετ. Οι τεχνολογίες έχουν σημασία μόνο στο βαθμό που λύνουν ένα πραγματικό πρόβλημα για έναν πραγματικό φορέα, και πολλές ψηφιακές πρωτοβουλίες αποτυγχάνουν ακριβώς επειδή ξεκινούν από την τεχνολογία και όχι από το πρόβλημα..

[Audio] Ό,τι είναι ψηφιακό ξεκινά από την καταγραφή δεδομένων, οπότε ας δούμε το επίπεδο της αίσθησης. Είναι χρήσιμο να διακρίνουμε την επιτόπια ανίχνευση (proximal sensing), δηλαδή τους αισθητήρες που τοποθετούνται στο χωράφι, σε μηχανήματα ή σε ζώα, από την τηλεπισκόπηση (remote sensing), όπου οι παρατηρήσεις προέρχονται από απόσταση, από drones ή δορυφόρους. Οι επιτόπιοι αισθητήρες μετρούν την υγρασία και τη θερμοκρασία του εδάφους, τις καιρικές συνθήκες, την υγρασία των φύλλων, τα επίπεδα θρεπτικών στοιχείων, την παροχή νερού, την παραγωγή γάλακτος, τη δραστηριότητα των ζώων και πολλές άλλες μεταβλητές. Τα σύγχρονα τρακτέρ, οι θεριζοαλωνιστικές μηχανές και οι ψεκαστήρες λειτουργούν επίσης ως κινητές πλατφόρμες ανίχνευσης, καταγράφοντας θέση, ταχύτητα, απόδοση και δόσεις εφαρμογής την ώρα που εργάζονται. Η τηλεπισκόπηση προσφέρει ένα διαφορετικό πλεονέκτημα: την κάλυψη. Τα drones μπορούν να χαρτογραφήσουν ένα χωράφι λεπτομερώς κατά παραγγελία. Οι δορυφόροι μπορούν να παρατηρούν ολόκληρες περιφέρειες σε τακτά διαστήματα. Το ευρωπαϊκό πρόγραμμα Copernicus είναι ένα καλό παράδειγμα. Η αποστολή Sentinel-2 παρέχει πολυφασματικές εικόνες με χωρική ανάλυση έως 10 μέτρα, και ο αστερισμός των δύο δορυφόρων επιτυγχάνει χρόνο επανεπίσκεψης πέντε ημερών. Πιο κοντά στα μεσαία γεωγραφικά πλάτη της Ευρώπης, οι επανεπισκέψεις μπορεί να είναι ακόμη πιο συχνές. Επειδή τα δεδομένα αυτά είναι ελεύθερα διαθέσιμα, μια μικρή συμβουλευτική εταιρεία ή ένα πανεπιστήμιο μπορεί να χτίσει υπηρεσίες παρακολούθησης καλλιεργειών χωρίς να εκτοξεύσει ούτε έναν δορυφόρο. Αυτό χαμηλώνει το εμπόδιο εισόδου και επιτρέπει πολλά νέα επιχειρηματικά μοντέλα, τα οποία θα συζητήσουμε στην Ενότητα 4. Τα δεδομένα από όλες αυτές τις συσκευές πρέπει να ταξιδέψουν κάπου, γι' αυτό η συνδεσιμότητα έχει σημασία. Οι επιλογές περιλαμβάνουν τα δίκτυα κινητής τηλεφωνίας, τη ραδιοεπικοινωνία μικρής εμβέλειας, τα δίκτυα ευρείας κάλυψης χαμηλής ισχύος (low-power wide-area networks), που έχουν σχεδιαστεί για αισθητήρες με μπαταρία σε μεγάλες αποστάσεις, και τις δορυφορικές συνδέσεις για απομακρυσμένες περιοχές. Η σωστή επιλογή εξαρτάται από τον όγκο των δεδομένων που αποστέλλονται, τη συχνότητα αποστολής και την ενέργεια που είναι διαθέσιμη. Ας δούμε τώρα, με ειλικρίνεια, τις προκλήσεις. Η κάλυψη στις αγροτικές περιοχές εξακολουθεί να είναι άνιση. Οι αισθητήρες χρειάζονται ρεύμα, βαθμονόμηση και συντήρηση, και ένας κακοσυντηρημένος αισθητήρας παράγει παραπλανητικά δεδομένα, κάτι χειρότερο από την απουσία δεδομένων. Οι συσκευές διαφορετικών κατασκευαστών χρησιμοποιούν συχνά διαφορετικές μορφές δεδομένων, γεγονός που δημιουργεί τα προβλήματα διαλειτουργικότητας που θα συζητήσουμε στην Ενότητα 3. Και το κόστος μπορεί να είναι σημαντικό για τις μικρές εκμεταλλεύσεις. Για φοιτητές και διδάσκοντες, ένα σημαντικό μάθημα είναι ότι η ποιότητα των δεδομένων ξεκινά εδώ. Ένας πολύ εξελιγμένος αλγόριθμος δεν μπορεί να αντισταθμίσει έναν αισθητήρα που εγκαταστάθηκε σε λάθος σημείο ή δεν βαθμονομήθηκε ποτέ ξανά. Σας ζητώ να σκεφτείτε το δικό σας πλαίσιο. Ποιο είναι το πιο πολύτιμο δεδομένο που δεν διαθέτει σήμερα ένας αγρότης στην περιοχή σας, και ποιος θα ήταν ο φθηνότερος αξιόπιστος τρόπος για να το αποκτήσει;.

[Audio] Η μετάφραση έχει το ίδιο ύφος με τα προηγούμενα τμήματα. Τα δεδομένα έχουν μικρή αξία μέχρι να στηρίξουν μια απόφαση. Εδώ μπαίνουν στο παιχνίδι η ανάλυση δεδομένων και η τεχνητή νοημοσύνη, και βοηθά να τις σκεφτούμε σε τρία επίπεδα. Η περιγραφική ανάλυση (descriptive analytics) μας λέει τι συνέβη, για παράδειγμα ένας πίνακας ελέγχου με την υγρασία του εδάφους της περασμένης εβδομάδας. Η προβλεπτική ανάλυση (predictive analytics) εκτιμά τι είναι πιθανό να συμβεί, όπως μια πρόγνωση κινδύνου ασθένειας ή μια εκτίμηση απόδοσης. Η προδιαγραφική ανάλυση (prescriptive analytics) προτείνει τι να κάνουμε, για παράδειγμα πότε και πόσο να ποτίσουμε. Η μηχανική μάθηση έχει γίνει βασικό εργαλείο για το προβλεπτικό και το προδιαγραφικό επίπεδο. Μια ευρέως αναφερόμενη ανασκόπηση των Liakos και συνεργατών, που δημοσιεύθηκε στο περιοδικό Sensors το 2018, κατέγραψε τις εφαρμογές της μηχανικής μάθησης στα συστήματα γεωργικής παραγωγής και τις οργάνωσε σε τέσσερις κατηγορίες: διαχείριση καλλιεργειών, διαχείριση ζωικού κεφαλαίου, διαχείριση υδάτων και διαχείριση εδάφους. Το πλαίσιο αυτό είναι ένας χρήσιμος χάρτης. Στη διαχείριση καλλιεργειών συναντάμε την πρόβλεψη απόδοσης, την ανίχνευση ασθενειών και την ανίχνευση ζιζανίων. Στη διαχείριση ζωικού κεφαλαίου συναντάμε την παρακολούθηση της ευζωίας των ζώων και την πρόβλεψη παραγωγής. Η διαχείριση υδάτων και εδάφους περιλαμβάνει τον προγραμματισμό άρδευσης και την εκτίμηση των ιδιοτήτων του εδάφους. Η υπολογιστική όραση (computer vision) αξίζει ιδιαίτερη μνεία. Κάμερες σε drones, τρακτέρ, ρομπότ, γραμμές συσκευασίας, ακόμη και σε smartphones μπορούν να αναγνωρίζουν συμπτώματα ασθενειών, να μετρούν καρπούς, να κατατάσσουν την ποιότητα ή να εντοπίζουν ζιζάνια, καθιστώντας δυνατή την παρέμβαση σε μεμονωμένα φυτά και όχι σε ολόκληρα χωράφια. Οι περισσότεροι αγρότες δεν αλληλεπιδρούν άμεσα με αλγορίθμους. Τους συναντούν μέσα σε εργαλεία: πληροφοριακά συστήματα διαχείρισης εκμετάλλευσης που καταγράφουν εργασίες και κόστη, συστήματα υποστήριξης αποφάσεων που μετατρέπουν τα δεδομένα σε συστάσεις, και εφαρμογές για κινητά για συμβουλές, ειδοποιήσεις και αναφορές συμμόρφωσης. Η χρησιμότητα αυτών των εργαλείων εξαρτάται λιγότερο από την εξέλιξη του αλγορίθμου και περισσότερο από το αν η διεπαφή ταιριάζει στη ροή εργασίας του αγρότη και αν η συμβουλή είναι αξιόπιστη. Ας δούμε τώρα τα όρια. Πρώτον, η ποιότητα των δεδομένων: μοντέλα που εκπαιδεύονται σε φτωχά ή μεροληπτικά δεδομένα δίνουν φτωχά ή μεροληπτικά αποτελέσματα. Δεύτερον, η τοπική βαθμονόμηση: ένα μοντέλο που αναπτύχθηκε για μία περιοχή, ποικιλία ή κλίμα μπορεί να αποδίδει άσχημα αλλού, γι' αυτό έχει σημασία η τοπική επικύρωση από πανεπιστήμια και συμβούλους. Τρίτον, η επεξηγησιμότητα: ένας αγρότης που δεν καταλαβαίνει γιατί ένα σύστημα προτείνει μια ενέργεια είναι λιγότερο πιθανό να την ακολουθήσει, ιδίως όταν το κόστος μιας λανθασμένης απόφασης είναι υψηλό. Και τέταρτον, η εμπιστοσύνη: μια συμβουλή που συνδέεται με εμπορικό συμφέρον, όπως όταν ένας προμηθευτής εισροών προτείνει τα δικά του προϊόντα, εγείρει θεμιτά ερωτήματα. Το βασικό μήνυμα είναι ότι η ανάλυση δεδομένων δεν είναι μαγεία. Είναι ένας τρόπος να χρησιμοποιούμε τα δεδομένα για να στηρίζουμε την ανθρώπινη κρίση, και η αξία της εξαρτάται από το περιβάλλον οικοσύστημα επικύρωσης, συμβουλευτικής και εμπιστοσύνης..

[Audio] Ακολουθούμε τώρα την αλυσίδα, ξεκινώντας από τους φορείς που προμηθεύουν σπόρους, λιπάσματα, προϊόντα φυτοπροστασίας, ζωοτροφές, κτηνιατρικά προϊόντα και μηχανήματα. Ο ψηφιακός μετασχηματισμός αλλάζει σημαντικά τον ρόλο τους: πολλοί από αυτούς περνούν από την πώληση προϊόντων στην πώληση αποτελεσμάτων ή λύσεων. Ένα χαρακτηριστικό παράδειγμα είναι η εφαρμογή ακριβείας. Αντί να αντιμετωπίζουν ολόκληρο το χωράφι ομοιόμορφα, οι αγρότες μπορούν να χρησιμοποιούν χάρτες και αισθητήρες για να εφαρμόζουν σπόρο, λίπασμα ή προϊόντα φυτοπροστασίας σε διαφορετικές δόσεις σε διαφορετικά σημεία του χωραφιού. Ο προμηθευτής μπορεί να παρέχει όχι μόνο το προϊόν αλλά και το λογισμικό, τους χάρτες και τη συμβουλή. Η επιχειρηματική λογική αλλάζει από το «πούλα περισσότερα κιλά» στο «βοήθησε τον αγρότη να χρησιμοποιεί τη σωστή ποσότητα στο σωστό σημείο και χρόνο», κάτι που, όταν λειτουργεί καλά, μπορεί να μειώσει το κόστος των εισροών και τις περιβαλλοντικές επιπτώσεις. Αλλάζουν και τα κανάλια διανομής. Οι ηλεκτρονικές παραγγελίες, οι ψηφιακοί κατάλογοι και οι υπηρεσίες συνδρομής αναπτύσσονται, όμως οι τοπικοί έμποροι και οι συνεταιρισμοί παραμένουν πολύ σημαντικοί. Η έρευνα για την υιοθέτηση της γεωργίας ακριβείας επισημαίνει ότι τα καταστήματα εμπορίας εισροών αποτελούν συχνά το πρώτο σημείο πρόσβασης των αγροτών σε αυτές τις τεχνολογίες, και ότι οι έμποροι διαμορφώνουν το τι είναι διαθέσιμο τοπικά και τι δοκιμάζουν οι αγρότες. Αυτό είναι μια καλή απεικόνιση της σκέψης με όρους οικοσυστήματος. Οι έμποροι, οι σύμβουλοι και οι συνεταιρισμοί λειτουργούν ως μεσάζοντες που μεταφράζουν μεταξύ των παρόχων τεχνολογίας και των αγροτών. Οι ψηφιακές συμβουλευτικές υπηρεσίες αποτελούν έναν ακόμη τομέα που αναπτύσσεται. Μπορεί να είναι δημόσιες, ιδιωτικές ή συνεταιριστικές, και να συνδυάζουν την εξ αποστάσεως παρακολούθηση με επισκέψεις στο χωράφι. Σε πολλές περιοχές το συμβουλευτικό δίκτυο είναι το βασικό κανάλι μέσω του οποίου τα ψηφιακά εργαλεία φτάνουν στις μικρές εκμεταλλεύσεις, και γι' αυτό οι ψηφιακές δεξιότητες των συμβούλων είναι εξίσου σημαντικές με τις δεξιότητες των αγροτών. Αυτό ακριβώς είναι το είδος της ικανότητας που το TALLHEDA και παρόμοιες πρωτοβουλίες στοχεύουν να ενισχύσουν. Υπάρχουν και κίνδυνοι. Ο ένας είναι ο εγκλωβισμός (lock-in): όταν τα δεδομένα και τα μηχανήματα ενός αγρότη είναι δεμένα με την πλατφόρμα ενός μόνο προμηθευτή, η αλλαγή γίνεται δαπανηρή. Ένας άλλος κίνδυνος είναι η δεσμευτική συλλογή δεδομένων, όπου η χρήση ενός προϊόντος σημαίνει ότι επιτρέπεις στον προμηθευτή να συλλέγει δεδομένα που μπορεί αργότερα να χρησιμοποιηθούν για άλλους εμπορικούς σκοπούς. Και υπάρχουν συγκρούσεις συμφερόντων όταν η συμβουλή συνδέεται με τις πωλήσεις προϊόντων. Θα επανέλθουμε σε αυτά τα ζητήματα διακυβέρνησης όταν θα συζητήσουμε την ανταλλαγή δεδομένων και τους κώδικες δεοντολογίας. Για συζήτηση: αν συμβουλεύατε έναν συνεταιρισμό που επιλέγει μια ψηφιακή υπηρεσία για τα μέλη του, ποιες τρεις ερωτήσεις θα κάνατε στον προμηθευτή σχετικά με τα δεδομένα και την ανεξαρτησία;.

[Audio] Η πρωτογενής παραγωγή είναι το σημείο όπου εστιάζεται το μεγαλύτερο μέρος της προσοχής για την ψηφιακή γεωργία, οπότε ας δούμε τι συμβαίνει στην εκμετάλλευση. Η γεωργία ακριβείας είναι η πιο γνωστή προσέγγιση, και είναι σημαντικό να κατανοήσουμε ότι δεν πρόκειται για μία τεχνολογία. Η έρευνα των Lowenberg-DeBoer και Erickson, η οποία εξέτασε τα στοιχεία υιοθέτησης παγκοσμίως, κατέληξε ότι η γεωργία ακριβείας είναι ένα εργαλειοθήκη από την οποία οι αγρότες επιλέγουν ό,τι χρειάζονται. Σημειώνουν επίσης ότι η χρήση σε μη μηχανοποιημένες εκμεταλλεύσεις είναι σχεδόν ανύπαρκτη. Αυτό μας υπενθυμίζει ότι τα πρότυπα υιοθέτησης διαφέρουν έντονα ανάλογα με τον τύπο, το μέγεθος και την περιοχή της εκμετάλλευσης. Άλλες μελέτες αναφέρουν ότι απλά εργαλεία χαμηλής διατάραξης, όπως η δορυφορική καθοδήγηση των μηχανημάτων, έχουν υιοθετηθεί ευρέως, ενώ πιο έντονα πληροφοριακά εργαλεία, όπως οι τεχνολογίες μεταβλητής δοσολογίας, έχουν γίνει αποδεκτά από πολύ λιγότερους αγρότες. Η αυτοματοποίηση και η ρομποτική επεκτείνονται. Ρομπότ για την καταπολέμηση ζιζανίων και την παρακολούθηση, αυτόματα συστήματα αρμέγματος, αυτόματη σίτιση και βοήθεια στη συγκομιδή περνούν όλα από την έρευνα στην εμπορική χρήση, ιδίως όπου το εργατικό δυναμικό είναι σπάνιο ή ακριβό. Στην κτηνοτροφία, η ακριβής κτηνοτροφία (precision livestock farming) χρησιμοποιεί αισθητήρες, κάμερες και αλγορίθμους για την παρακολούθηση μεμονωμένων ζώων, υποστηρίζοντας την έγκαιρη ανίχνευση προβλημάτων υγείας και τη βελτίωση της ευζωίας και της παραγωγικότητας. Μια έννοια που κερδίζει έδαφος είναι ο ψηφιακός δίδυμος (digital twin). Σύμφωνα με τους Verdouw και συνεργάτες, σε άρθρο του 2021 στο περιοδικό Agricultural Systems, οι ψηφιακοί δίδυμοι είναι πολύ υποσχόμενοι για να οδηγήσουν την έξυπνη γεωργία σε νέα επίπεδα παραγωγικότητας και βιωσιμότητας, και οι συγγραφείς προτείνουν μια τυπολογία διαφορετικών ειδών ψηφιακών διδύμων μαζί με ένα εννοιολογικό πλαίσιο για τον σχεδιασμό τους. Με απλά λόγια, ο ψηφιακός δίδυμος είναι ένα εικονικό αντίγραφο ενός φυσικού αντικειμένου ή διαδικασίας, όπως ένα χωράφι, ένας οπωρώνας, ένα θερμοκήπιο ή ένα ζώο, το οποίο ενημερώνεται συνεχώς με πραγματικά δεδομένα. Μπορεί να χρησιμοποιηθεί για να παρακολουθούμε τι συμβαίνει, να προσομοιώνουμε τι θα συνέβαινε με διαφορετικές αποφάσεις και, σε ορισμένες περιπτώσεις, να ελέγχουμε το φυσικό σύστημα. Οι ψηφιακοί δίδυμοι ήταν επίσης από τα θέματα που παρουσιάστηκαν στην επίσκεψη ανταλλαγής ιδεών (brainstorming) του TALLHEDA στο Γεωπονικό Πανεπιστήμιο Αθηνών, κάτι που δείχνει πώς η έννοια αυτή εισέρχεται στην εκπαίδευση και την έρευνα. Η γεωργία ελεγχόμενου περιβάλλοντος, όπως τα θερμοκήπια και οι κάθετες καλλιέργειες, ταιριάζει ιδιαίτερα στον ψηφιακό έλεγχο, επειδή οι συνθήκες μπορούν να μετρηθούν και να ρυθμιστούν με ακρίβεια. Είναι επίσης ενεργοβόρα, οπότε η οικονομική της διάσταση χρειάζεται προσεκτική ανάλυση. Το βασικό μήνυμα αυτής της διαφάνειας είναι ότι τα ψηφιακά εργαλεία παραγωγής δημιουργούν αξία μόνο όταν ταιριάζουν στην κλίμακα, στις καλλιέργειες και στις δεξιότητες της εκμετάλλευσης. Μια τεχνολογία που είναι κερδοφόρα σε μια μεγάλη αροτραία εκμετάλλευση μπορεί να μην έχει νόημα σε μια μικρή μεικτή εκμετάλλευση. Γι' αυτό πρέπει να κατανοήσουμε ολόκληρο το οικοσύστημα υπηρεσιών, κοινής χρήσης μηχανημάτων και μοντέλων συνεργασίας που κάνουν την τεχνολογία προσβάσιμη..

[Audio] Μετά τη συγκομιδή, το προϊόν εισέρχεται στο τμήμα της αλυσίδας όπου οι απώλειες μπορεί να είναι μεγάλες και όπου τα ψηφιακά εργαλεία μπορούν να κάνουν μετρήσιμη διαφορά. Η έκθεση της FAO «Η Κατάσταση των Τροφίμων και της Γεωργίας 2019» (The State of Food and Agriculture 2019) κατέγραψε ότι περίπου το 14 τοις εκατό των τροφίμων παγκοσμίως χάνεται μετά τη συγκομιδή και πριν φτάσει στο επίπεδο του λιανικού εμπορίου, μεταξύ άλλων μέσα από εργασίες στην εκμετάλλευση, την αποθήκευση και τη μεταφορά. Η ίδια έκθεση διαπίστωσε ότι η συγκομιδή είναι το σημείο κρίσιμων απωλειών που αναφέρεται συχνότερα για όλα τα είδη τροφίμων. Τα στοιχεία ποικίλλουν πολύ ανά περιοχή, προϊόν και στάδιο, το μήνυμα όμως είναι σαφές: ένα σημαντικό μέρος της αξίας που δημιουργείται στην εκμετάλλευση χάνεται πριν το προϊόν φτάσει στο κατάστημα. Εδώ οι ψηφιακές τεχνολογίες λειτουργούν με τρεις βασικούς τρόπους. Ο πρώτος είναι η παρακολούθηση των συνθηκών αποθήκευσης. Αισθητήρες θερμοκρασίας, υγρασίας και αερίων σε σιλό, ψυκτικούς θαλάμους και αποθήκες επιτρέπουν έγκαιρες προειδοποιήσεις όταν οι συνθήκες αποκλίνουν από τα επιτρεπτά όρια, ώστε να γίνουν ενέργειες πριν εξαπλωθεί η αλλοίωση. Ο δεύτερος είναι η διαλογή και η ταξινόμηση. Κάμερες και αισθητήρες μπορούν να αξιολογούν το μέγεθος, το χρώμα, τα ελαττώματα και την εσωτερική ποιότητα ταχύτερα και πιο σταθερά από τον χειροκίνητο έλεγχο, βοηθώντας να αντιστοιχίζεται κάθε παρτίδα στη σωστή αγορά και να μειώνεται η σπατάλη. Ο τρίτος είναι ο καλύτερος προγραμματισμός, με χρήση προβλέψεων για τον χρόνο και τον όγκο της συγκομιδής, ώστε να συντονίζονται το εργατικό δυναμικό, οι μεταφορές και η αποθηκευτική χωρητικότητα. Στη μεταποίηση, η βιομηχανία τροφίμων είναι ήδη σε μεγάλο βαθμό αυτοματοποιημένη, αλλά η ψηφιακή ενοποίηση σε όλη την αλυσίδα είναι συχνά περιορισμένη. Μια ανασκόπηση για τον ψηφιακό μετασχηματισμό στην αγροδιατροφική αλυσίδα επισημαίνει ότι η βιομηχανία τροφίμων είναι σε μεγάλο βαθμό αυτοματοποιημένη, αλλά δεν έχει αξιοποιήσει πλήρως τις δυνατότητες του ψηφιακού μετασχηματισμού για να συνδέσει τα διαφορετικά στάδια της αλυσίδας. Αυτό είναι μια πραγματική ευκαιρία. Αν ένας μεταποιητής έχει πρόσβαση σε δεδομένα για το πώς καλλιεργήθηκε, συγκομίστηκε και αποθηκεύτηκε η πρώτη ύλη, μπορεί να προγραμματίζει την παραγωγή με μεγαλύτερη ακρίβεια, να προσαρμόζει τις ρυθμίσεις της διαδικασίας στην ποιότητα της πρώτης ύλης και να τεκμηριώνει πιο εύκολα τη συμμόρφωση. Αντιστρόφως, αν οι αγρότες λαμβάνουν δεδομένα για το πώς απέδωσε το προϊόν τους στη μεταποίηση, μπορούν να προσαρμόσουν τις πρακτικές τους. Αυτός ο βρόχος ανατροφοδότησης είναι ένα από τα πολυτιμότερα χαρακτηριστικά μιας ψηφιακής αλυσίδας, απαιτεί όμως εμπιστοσύνη, κοινές μορφές δεδομένων και δίκαιους κανόνες για το ποιος μπορεί να βλέπει τι. Ένας μεταποιητής μπορεί να διστάζει να μοιραστεί δεδομένα ποιότητας αν φοβάται ότι αυτό θα αποδυναμώσει τη διαπραγματευτική του θέση, και ένας αγρότης μπορεί να ανησυχεί ότι λεπτομερή δεδομένα παραγωγής θα μπορούσαν να χρησιμοποιηθούν εναντίον του στις διαπραγματεύσεις τιμών. Προβληματισμός: στο δικό σας παράδειγμα προϊόντος από την Ενότητα 1, πού πιστεύετε ότι συμβαίνουν οι μεγαλύτερες απώλειες αξίας ανάμεσα στη συγκομιδή και το ράφι, και ποια πληροφορία θα βοηθούσε να μειωθούν;.

[Audio] Η μετάφραση έχει το ίδιο ύφος με τα προηγούμενα τμήματα. Η εφοδιαστική είναι το νευρικό σύστημα της αλυσίδας: συνδέει την παραγωγή με τις αγορές. Για τα ευπαθή προϊόντα, η ταχύτητα και ο έλεγχος των συνθηκών είναι καθοριστικά, και αυτό κάνει το στάδιο αυτό φυσικό χώρο εφαρμογής ψηφιακών εργαλείων. Η κεντρική ιδέα είναι η ορατότητα. Με συσκευές εντοπισμού και αισθητήρες σε παλέτες, κοντέινερ και οχήματα, οι φορείς μπορούν να γνωρίζουν πού βρίσκεται μια αποστολή και ποιες συνθήκες έχει βιώσει: θερμοκρασία, υγρασία, κραδασμούς, ανοίγματα θυρών. Αν διακοπεί η ψυκτική αλυσίδα, μια ειδοποίηση μπορεί να πυροδοτήσει ενέργειες όσο υπάρχει ακόμη χρόνος να σωθεί το φορτίο, και τα δεδομένα αποτελούν απόδειξη για το τι συνέβη, κάτι που έχει σημασία για αποζημιώσεις από ασφαλιστικές εταιρείες και για διαφορές μεταξύ των μερών. Μια ερευνητική γραμμή από το Wageningen έχει τυποποιήσει αυτή την ιδέα με την έννοια της εικονικοποίησης (virtualisation). Οι Verdouw, Wolfert, Beulens και Rialland, σε άρθρο του 2016 στο περιοδικό Journal of Food Engineering, περιγράφουν πώς, σε ένα περιβάλλον Διαδικτύου των Πραγμάτων (Internet of Things), οι αλυσίδες εφοδιασμού τροφίμων μπορούν να γίνουν αυτοπροσαρμοζόμενα συστήματα στα οποία έξυπνα αντικείμενα λειτουργούν, αποφασίζουν και μαθαίνουν αυτόνομα, και προτείνουν μια αρχιτεκτονική για τα πληροφοριακά συστήματα που το καθιστούν δυνατό. Η μελέτη περίπτωσής τους αφορούσε τη διανομή ψαριών. Η διαίσθηση είναι απλή: κάθε φυσικό προϊόν, παρτίδα ή κοντέινερ έχει ένα ψηφιακό αντίστοιχο, ένα «εικονικό αντικείμενο», που μεταφέρει την ταυτότητά του, το ιστορικό του και την κατάστασή του μέσα στην αλυσίδα. Πέρα από την παρακολούθηση, ο ψηφιακός μετασχηματισμός αλλάζει και τη γραφειοκρατία. Τα ηλεκτρονικά έγγραφα μεταφοράς, η ψηφιακή απόδειξη παράδοσης και η ηλεκτρονική τιμολόγηση μειώνουν τα λάθη και τις καθυστερήσεις, και οι κοινές πλατφόρμες μπορούν να αντιστοιχίζουν τη διαθέσιμη μεταφορική χωρητικότητα με τη ζήτηση, μειώνοντας τα κενά δρομολόγια. Για τους μικρούς παραγωγούς, η συμμετοχή σε τέτοιες πλατφόρμες μπορεί να μειώσει το κόστος πρόσβασης σε απομακρυσμένους αγοραστές, αν και δημιουργεί επίσης εξάρτηση από τον διαχειριστή της πλατφόρμας. Γιατί έχει σημασία αυτό για τις απώλειες τροφίμων; Η ανάλυση της FAO που ανέφερα νωρίτερα διαπίστωσε ότι, για τα φρούτα, τις ρίζες και τους κονδύλους, η συσκευασία και η μεταφορά αποτελούν επίσης κρίσιμα σημεία απωλειών. Η καλύτερη παρακολούθηση των συνθηκών και ο καλύτερος χειρισμός συνδέονται επομένως άμεσα με τη μείωση των απωλειών. Τέλος, η υποβολή εκθέσεων βιωσιμότητας αυξάνει τη ζήτηση για δεδομένα εφοδιαστικής. Αγοραστές και ρυθμιστικές αρχές θέλουν να γνωρίζουν το αποτύπωμα άνθρακα και τις συνθήκες της μεταφοράς, και μια ψηφιακή αλυσίδα μπορεί να παρέχει αυτά τα δεδομένα αυτόματα και όχι μέσω χειροκίνητης αναφοράς. Υπάρχει εδώ ένα επαναλαμβανόμενο θέμα. Η τεχνολογία για την παρακολούθηση των αγαθών υπάρχει ήδη. Τα δυσκολότερα ερωτήματα είναι οργανωτικά: ποιος πληρώνει τους αισθητήρες, ποιος κατέχει τα δεδομένα, πώς επικοινωνούν τα συστήματα διαφορετικών εταιρειών και πώς μοιράζονται τα οφέλη; Τα ερωτήματα αυτά θα είναι κεντρικά στην επόμενη ενότητα για τα δεδομένα και τη διαλειτουργικότητα..

[Audio] Η ιχνηλασιμότητα είναι μία από τις πιο πολυσυζητημένες εφαρμογές της ψηφιακής τεχνολογίας στις αλυσίδες τροφίμων, και αξίζει να ξεχωρίσουμε τι απαιτεί ο νόμος από το τι καθιστά δυνατό η τεχνολογία. Στην Ευρωπαϊκή Ένωση, το άρθρο 18 του Κανονισμού (ΕΚ) αριθ. 178/2002 καθορίζει τις απαιτήσεις ιχνηλασιμότητας, που συνοψίζονται συχνά στην προσέγγιση «ένα βήμα πίσω, ένα βήμα μπροστά»: οι επιχειρήσεις πρέπει να μπορούν να προσδιορίσουν από ποιον προμηθεύτηκαν και σε ποιον προμήθευσαν τα προϊόντα τους. Ο κανονισμός δεν προσδιορίζει ακριβώς ποιες πληροφορίες πρέπει να τηρούνται, ενώ για τα τρόφιμα ζωικής προέλευσης ισχύουν πρόσθετοι κανόνες στον Εκτελεστικό Κανονισμό (ΕΕ) αριθ. 931/2011. Αυτή η νομική βάση είναι σκόπιμα ελάχιστη. Βοηθά τις αρχές να περιορίσουν ένα πρόβλημα ασφάλειας των τροφίμων, αλλά από μόνη της δεν δίνει στους καταναλωτές ή στους αγοραστές μια λεπτομερή εικόνα του τρόπου παραγωγής ενός προϊόντος. Οι ψηφιακές τεχνολογίες καθιστούν δυνατή μια πολύ πιο λεπτομερή ιχνηλασιμότητα: αρχεία σε επίπεδο παρτίδας, ενημερώσεις σε πραγματικό χρόνο και πληροφορίες που μοιράζονται σε ολόκληρη την αλυσίδα και όχι μόνο μεταξύ γειτονικών κρίκων. Αυτό είναι ελκυστικό για την ασφάλεια των τροφίμων, για ταχύτερες ανακλήσεις, για την απόδειξη της προέλευσης και της βιολογικής ιδιότητας και για την υποστήριξη ισχυρισμών βιωσιμότητας. Συχνά στη συζήτηση μπαίνει και το blockchain. Σε μια ευρέως αναφερόμενη ανασκόπηση, οι Kamilaris, Fonts και Prenafeta-Boldú κατέληξαν ότι το blockchain είναι μια πολλά υποσχόμενη τεχνολογία για την επίτευξη μιας διαφανούς αλυσίδας εφοδιασμού τροφίμων. Άλλοι συγγραφείς που συνοψίζουν αυτό το έργο επισημαίνουν εμπόδια όπως η απροθυμία των μικρομεσαίων επιχειρήσεων να υιοθετήσουν νέες τεχνολογίες, η απουσία κατάλληλων πολιτικών, οι ανησυχίες για την ιδιωτικότητα και το κόστος υλοποίησης. Θα πρόσθετα μια εννοιολογική επιφύλαξη που είναι ευρέως αποδεκτή: ένα blockchain μπορεί να καταστήσει τα αρχεία δύσκολο να αλλοιωθούν μετά την καταχώρισή τους, αλλά δεν μπορεί να επαληθεύσει ότι η αρχική καταχώριση ήταν αληθής. Αν ένας αισθητήρας είναι ελαττωματικός ή ένας άνθρωπος καταχωρίσει ψευδή δεδομένα, το σύστημα θα διατηρήσει πιστά το λάθος. Η εμπιστοσύνη εξακολουθεί επομένως να εξαρτάται από την επαλήθευση, τους ελέγχους και την ορθή διακυβέρνηση. Ίσως έχετε ακούσει και για τα ψηφιακά διαβατήρια προϊόντων. Θεσπίστηκαν με τον Κανονισμό για τον οικολογικό σχεδιασμό βιώσιμων προϊόντων, Κανονισμός (ΕΕ) 2024/1781, που ισχύει από τον Ιούλιο του 2024. Οι πρώτες ομάδες προϊόντων που έχουν προσδιοριστεί για απαιτήσεις οικολογικού σχεδιασμού και διαβατήρια είναι τα υφάσματα, τα στρώματα, τα έπιπλα, τα ελαστικά, ο σίδηρος και ο χάλυβας, το αλουμίνιο και τα ενεργειακά προϊόντα, επομένως τα τρόφιμα δεν ανήκουν στο πρώτο κύμα. Το αναφέρω επειδή δείχνει την κατεύθυνση της πολιτικής της ΕΕ προς την ψηφιακή πληροφόρηση σε επίπεδο προϊόντος, και οι αλυσίδες τροφίμων μπορεί να επηρεαστούν στο μέλλον. Για τους αγρότες και τους συνεταιρισμούς, η ιχνηλασιμότητα μπορεί να είναι ευκαιρία ή βάρος. Αν σχεδιαστεί έτσι ώστε οι παραγωγοί να μοιράζονται τα οφέλη, για παράδειγμα μέσω ανώτερων τιμών για επαληθευμένη ποιότητα, μπορεί να ενισχύσει τη θέση τους. Αν επιβληθεί ως ανεπιχορήγητο κόστος συμμόρφωσης, μπορεί να αυξήσει την πίεση στους μικρούς φορείς..

[Audio] Το τελευταίο στάδιο της αλυσίδας είναι η διεπαφή με τους καταναλωτές, και εδώ οι ψηφιακές τεχνολογίες δημιουργούν νέες διαδρομές προς την αγορά και νέες ροές πληροφορίας προς και από τις δύο κατευθύνσεις. Πρώτον, οι διαδρομές προς την αγορά. Οι ηλεκτρονικές αγορές (marketplaces), τα ηλεκτρονικά καταστήματα απευθείας πώλησης στον καταναλωτή, τα κουτιά συνδρομής και οι πλατφόρμες γεωργίας που υποστηρίζεται από την κοινότητα επιτρέπουν στους παραγωγούς να φτάνουν στους πελάτες με λιγότερους μεσάζοντες. Για παραγωγούς προϊόντων premium, τοπικών ή εξειδικευμένων, αυτό μπορεί να σημαίνει υψηλότερα περιθώρια κέρδους και άμεση σχέση με τους πελάτες. Οι συνεταιρισμοί και οι ομάδες παραγωγών μπορούν επίσης να λειτουργούν κοινά ηλεκτρονικά καταστήματα, μοιραζόμενοι το κόστος της εφοδιαστικής και του μάρκετινγκ. Υπάρχουν όμως και αντισταθμίσματα: οι απευθείας πωλήσεις απαιτούν δεξιότητες στο μάρκετινγκ, στην εξυπηρέτηση πελατών και στην παράδοση, και μπορεί να είναι απαιτητικές για μικρές εκμεταλλεύσεις που δεν έχουν υποστήριξη. Δεύτερον, η πληροφορία στο σημείο πώλησης. Ένας κωδικός QR στη συσκευασία μπορεί να παραπέμπει στην προέλευση του προϊόντος, στις πρακτικές παραγωγής, στην πιστοποίηση και ακόμη και στην ιστορία του αγρότη. Όταν η πληροφορία αυτή είναι επαληθεύσιμη, μπορεί να διαφοροποιήσει τα προϊόντα και να δικαιολογήσει μια υπερτιμολόγηση. Όταν δεν είναι, κινδυνεύει να εκληφθεί ως μάρκετινγκ, κάτι που μπορεί να βλάψει την εμπιστοσύνη. Τρίτον, και συχνά λιγότερο ορατή, είναι η πληροφορία που επιστρέφει από τους καταναλωτές προς τους παραγωγούς. Οι έμποροι λιανικής και οι πλατφόρμες συλλέγουν μεγάλο όγκο δεδομένων για το τι αγοράζουν οι άνθρωποι, πότε και σε ποια τιμή. Αν αυτή η ανατροφοδότηση φτάνει στους παραγωγούς σε χρήσιμη μορφή, μπορεί να καθοδηγήσει το τι καλλιεργούν και πώς προγραμματίζουν. Ωστόσο, τα δεδομένα αυτά τα κατέχουν συνήθως οι ίδιοι οι έμποροι και οι πλατφόρμες, κάτι που ενισχύει τη θέση τους ως ενορχηστρωτών του οικοσυστήματος. Αυτό συνδέεται με την ανησυχία που εκφράσαμε στην Ενότητα 1 για τις ασυμμετρίες ισχύος. Υπάρχει επίσης μια ενδιαφέρουσα διάσταση σχετικά με τον καταναλωτή στην έρευνα. Στο άρθρο γνώμης τους του 2017 στο PNAS, οι Walter και συνεργάτες υποστηρίζουν ότι η έξυπνη γεωργία μπορεί να μειώσει το οικολογικό αποτύπωμα της γεωργίας και να την κάνει πιο κερδοφόρα, και ότι έχει επίσης τη δυνατότητα να ενισχύσει την αποδοχή από τους καταναλωτές. Τονίζουν όμως ότι αυτό απαιτεί την αποφυγή των συνοδευτικών κινδύνων και την προορατική ανάπτυξη υποστηρικτικών πολιτικών και νομικών πλαισίων και πλαισίων αγοράς. Με άλλα λόγια, η εμπιστοσύνη των καταναλωτών δεν είναι αυτόματο υποπροϊόν της τεχνολογίας. Πρέπει να κερδηθεί μέσω αξιόπιστης διαφάνειας. Σε αυτό το σημείο, σας προσκαλώ να πάρετε ξανά το σχέδιο του προϊόντος σας από την Ενότητα 1. Πού εισέρχεται σήμερα στην αλυσίδα η πληροφορία από τον καταναλωτή, αν εισέρχεται καθόλου; Και ποιοι θα έπρεπε να συνεργαστούν για να λειτουργήσει αυτός ο βρόχος ανατροφοδότησης;.

[Audio] Η μετάφραση έχει το ίδιο ύφος με τα προηγούμενα τμήματα. Ας κάνουμε τώρα ένα βήμα πίσω και ας συνθέσουμε όσα είδαμε κατά μήκος της αλυσίδας. Σε κάθε στάδιο εντοπίσαμε δυνητικά οφέλη. Στην προμήθεια εισροών, πιο ακριβή χρήση των εισροών και νέες συμβουλευτικές υπηρεσίες. Στην εκμετάλλευση, καλύτερη παρακολούθηση, αυτοματοποίηση και υποστήριξη αποφάσεων. Μετά τη συγκομιδή, μείωση των απωλειών και καλύτερη αντιστοίχιση της ποιότητας με τις αγορές. Στην εφοδιαστική, ορατότητα και έλεγχος των συνθηκών. Στην ιχνηλασιμότητα, ταχύτερη αντίδραση σε προβλήματα και επαληθεύσιμοι ισχυρισμοί. Και στην πλευρά του καταναλωτή, νέα κανάλια και στενότερη σχέση με τους πελάτες. Ωστόσο, τα στοιχεία δείχνουν επίσης ότι τα οφέλη δεν ρέουν αυτόματα και ότι η υιοθέτηση διαμορφώνεται από εμπόδια που δεν είναι μόνο τεχνικά. Το κόστος και το μέγεθος της εκμετάλλευσης έχουν σημασία. Οι δεξιότητες έχουν σημασία, τόσο για τους αγρότες όσο και για τους συμβούλους. Η συνδεσιμότητα είναι άνιση. Τα συστήματα διαφορετικών προμηθευτών δεν επικοινωνούν πάντα μεταξύ τους. Και συχνά υπάρχει αβεβαιότητα ως προς το ποιος θα καρπωθεί τα οφέλη. Αυτό το τελευταίο σημείο αξίζει έμφαση. Σε μια ανασκόπηση του 2019 στο περιοδικό Sociologia Ruralis, οι Rotz και συνεργάτες εξέτασαν τις ψηφιακές γεωργικές τεχνολογίες μέσα από το πρίσμα της πολιτικής οικονομίας. Παρατηρούν ότι πολλοί αγρότες δυσκολεύονται να δουν τα οφέλη των ψηφιακών δεδομένων που παράγουν οι ίδιες οι τεχνολογίες της εκμετάλλευσής τους. Αν ο αγρότης παράγει τα δεδομένα αλλά η αξία αποσπάται αλλού στην αλυσίδα, το κίνητρο για υιοθέτηση και ανταλλαγή είναι ασθενές. Αυτό είναι πρόβλημα επιχειρηματικού μοντέλου και διακυβέρνησης, όχι τεχνολογίας. Μια ακόμη σημαντική οπτική προέρχεται από τους Klerkx, Jakku και Labarthe, των οποίων η ανασκόπηση του 2019 της βιβλιογραφίας των κοινωνικών επιστημών για την ψηφιακή γεωργία, την έξυπνη γεωργία και τη γεωργία 4.0 δείχνει ότι η έρευνα έχει αναπτυχθεί ραγδαία αλλά παραμένει αποσπασματική. Εντοπίζουν νέες ερευνητικές κατευθύνσεις, μεταξύ των οποίων οι διαδικασίες διαμόρφωσης πολιτικής για την ψηφιακή γεωργία και οι ψηφιακά υποστηριζόμενες διαδρομές μετάβασης. Το συμπέρασμα για εμάς είναι ότι η ψηφιακή γεωργία είναι ένα κοινωνικοτεχνικό σύστημα. Συσκευές, θεσμοί, δεξιότητες, κανόνες και επιχειρηματικά μοντέλα εξελίσσονται μαζί, και η επιτυχία εξαρτάται από το να βρεθεί ο σωστός συνδυασμός του συνόλου. Επιτρέψτε μου να συνοψίσω την ενότητα σε τέσσερα σημεία. Πρώτον, οι ψηφιακές τεχνολογίες δημιουργούν ένα επίπεδο δεδομένων σε ολόκληρη την αλυσίδα, από την αίσθηση έως την υποστήριξη αποφάσεων. Δεύτερον, κάθε στάδιο προσφέρει συγκεκριμένες ευκαιρίες, αλλά τα οφέλη εξαρτώνται από την προσαρμογή στην εκμετάλλευση, στις δεξιότητες και στο περιβάλλον οικοσύστημα. Τρίτον, η ιχνηλασιμότητα και η διαφάνεια είναι ισχυρές, αλλά εξαρτώνται από την εμπιστοσύνη και την επαλήθευση, όχι μόνο από την τεχνολογία. Τέταρτον, το κεντρικό άλυτο ερώτημα είναι πώς μοιράζονται η αξία και τα δεδομένα μεταξύ των φορέων. Το τέταρτο σημείο οδηγεί κατευθείαν στην επόμενη ενότητα, όπου θα εστιάσουμε στα δεδομένα, τις πλατφόρμες και τη διαλειτουργικότητα: ποιος κατέχει τα δεδομένα, πώς μπορούν να μοιράζονται δίκαια και τι είναι οι χώροι δεδομένων (data spaces); Πριν προχωρήσουμε, αφιερώστε λίγο χρόνο στον προβληματισμό σας. Ποιο στάδιο της αλυσίδας σας έχει το μεγαλύτερο χάσμα ανάμεσα σε όσα θα μπορούσε να κάνει η τεχνολογία και σε όσα συμβαίνουν στην πράξη, και ποιος είναι ο βασικός λόγος; Αν παρακολουθείτε ζωντανά, μοιραστείτε την απάντησή σας στη συνομιλία (chat)..

References. European Commission (2002). Regulation (EC) No 178/2002 of the European Parliament and of the Council of 28 January 2002 laying down the general principles and requirements of food law, establishing the European Food Safety Authority and laying down procedures in matters of food safety. https://eur-lex.europa.eu/eli/reg/2002/178/oj European Commission (2011). Commission Implementing Regulation (EU) No 931/2011 of 19 September 2011 on the traceability requirements set by Regulation (EC) No 178/2002 for food of animal origin. https://eur-lex.europa.eu/eli/reg_impl/2011/931/oj/eng European Parliament and Council (2024). Regulation (EU) 2024/1781 establishing a framework for the setting of ecodesign requirements for sustainable products. http://data.europa.eu/eli/reg/2024/1781/oj ESA. Sentinel-2 User Handbook (ESA Standard Document). https://sentinels.copernicus.eu/documents/247904/685211/Sentinel-2_User_Handbook FAO (2019). The State of Food and Agriculture 2019: Moving forward on food loss and waste reduction. Rome: FAO. https://www.fao.org/newsroom/detail/A-major-step-forward-in-reducing-food-loss-and-waste-is-critical-to-achieve-the-SDGs/en Kamilaris, A., Fonts, A. & Prenafeta-Boldú, F.X. (2019). The rise of blockchain technology in agriculture and food supply chains. Trends in Food Science & Technology, 91, 640-652. https://doi.org/10.1016/j.tifs.2019.07.034 Klerkx, L., Jakku, E. & Labarthe, P. (2019). A review of social science on digital agriculture, smart farming and agriculture 4.0: New contributions and a future research agenda. NJAS: Wageningen Journal of Life Sciences, 90-91, 100315. https://doi.org/10.1016/j.njas.2019.100315 Liakos, K.G., Busato, P., Moshou, D., Pearson, S. & Bochtis, D. (2018). Machine learning in agriculture: a review. Sensors, 18(8), 2674. https://doi.org/10.3390/s18082674 Lowenberg-DeBoer, J. & Erickson, B. (2019). Setting the record straight on precision agriculture adoption. Agronomy Journal, 111(4), 1552-1569. https://doi.org/10.2134/agronj2018.12.0779 Rotz, S., Duncan, E., Small, M., Botschner, J., Dara, R., Mosby, I., Reed, M. & Fraser, E.D.G. (2019). The politics of digital agricultural technologies: a preliminary review. Sociologia Ruralis, 59(2), 203-229. https://doi.org/10.1111/soru.12233 TALLHEDA (2024). Brainstorming visit at the Agricultural University of Athens. https://www.tallheda.eu/post/tallheda-brainstorming-visit-at-the-agricultural-university-of-athens-a-resounding-success Verdouw, C.N., Wolfert, J., Beulens, A.J.M. & Rialland, A. (2016). Virtualization of food supply chains with the Internet of Things. Journal of Food Engineering, 176, 128-136. https://doi.org/10.1016/j.jfoodeng.2015.11.009 Verdouw, C., Tekinerdogan, B., Beulens, A. & Wolfert, S. (2021). Digital twins in smart farming. Agricultural Systems, 189, 103046. https://doi.org/10.1016/j.agsy.2020.103046 Walter, A., Finger, R., Huber, R. & Buchmann, N. (2017). Smart farming is key to developing sustainable agriculture. PNAS, 114(24), 6148-6150. https://doi.org/10.1073/pnas.1707462114 Wolfert, S., Ge, L., Verdouw, C. & Bogaardt, M.-J. (2017). Big Data in Smart Farming: a review. Agricultural Systems, 153, 69-80. https://doi.org/10.1016/j.agsy.2017.01.023.

[Audio] Σας ευχαριστώ. thank you!. TALLHEDA has received funding from the European Union's Horizon Europe research and innovation programme under Grant Agreement No. 101136578. Funded by the European Union. Views and opinions expressed are however those of the author(s) only and do not necessarily reflect those of the European Union or the European Research Executive Agency (REA). Neither the European Union nor the granting authority can be held responsible for them..