Plattformen

Fra frø til tallerken er det overraskende mye software

Bak produksjonen ligger en teknologiplattform vi kaller:

Lille Blad OS – LBOS

Den kobler sammen produksjonssteder, utstyr, mennesker, produkter og kunder.

Målet er ikke å digitalisere ting fordi vi kan.

Målet er å fjerne friksjon, oppdage feil tidligere og gjøre kunnskap tilgjengelig der den trengs.

Kortversjonen

Plattformen kan grovt deles i tre områder:

01 — Produksjon

Teknologien som bor på gården

Hvert produksjonssted har lokale systemer som styrer og overvåker produksjonen.

Det inkluderer blant annet:

• lys

• vanning

• ventiler

• pumper

• temperatur

• luftfuktighet

• CO₂

• sensordata

• infrastrukturstatus

• varsling

Kritiske funksjoner kjører lokalt.

Det er et bevisst valg.

Produksjonen skal fortsette selv om forbindelsen til skyen forsvinner.

Teknologier og prinsipper:
IoT · Edge computing · Telemetry · Automation · Local services · Resilience

Når planen møter virkeligheten

En produksjonsplan kan for eksempel si at en bestemt sone skal vannes.

Systemet kan samtidig kontrollere om pumpen faktisk startet, om ventilen åpnet og om sensordata ser normale ut.

Det gir oss mulighet til å oppdage avvik raskere.

Over tid ønsker vi å gjøre denne typen tilbakemeldingssløyfer stadig smartere.

02 — Drift

Det som binder Lille Blad sammen

Den sentrale plattformen håndterer mye av informasjonen og arbeidsflyten rundt produksjonen.

Blant annet:

Produksjon og vekstoppskrifter

• planter og sorter

• frø og leverandører

• veksttid

• produksjonsparametere

• observasjoner

• tilgjengelighet

Sporbarhet og kvalitet

• frø til ferdig produkt

• produksjonsbatcher

• renhold

• risikovurderinger

• dokumentasjon

Lager og såing

• tilgjengelig beholdning

• produksjonsbehov

• sålister

• planlagt tilgjengelighet

Produkter

• navn

• bilder

• beskrivelser

• priser

• oversettelser

• produktdata

Kunder

• kunderegister

• individuelle priser

• prislister

• ordre- og kampanjestøtte

• kundespesifikk informasjon

Logistikk

• plukk

• levering

• scanning

• manifester

• ruteinformasjon

• tilbakemeldinger

Produsenter

• produksjonsdata

• oppgjørsgrunnlag

• lokal tilgjengelighet

Etiketter, UID og scanning

Når fysiske produkter beveger seg mellom produksjon, pakking, transport og kunde, må de kunne kobles til riktig digital informasjon.

Derfor bruker vi unike ID-er, strekkoder og scanning i flere deler av arbeidsflyten.

Det hjelper med:

• sporbarhet

• lager

• pakking

• levering

• etiketter

• intern logistikk

En liten strekkode kan bære overraskende mye ansvar.

Distribuert printing

Et produksjonssted trenger etiketter.

Et annet trenger en plukkliste.

En sjåfør trenger et manifest.

Derfor har vi bygget en printtjeneste som kan generere dokumenter og etiketter sentralt og sende dem til riktig printer på riktig produksjonssted.

Tjenesten brukes blant annet til:

• interne produksjonsetiketter

• lageretiketter

• kundeetiketter

• frakt- og leveringsdokumenter

Teknologier og prinsipper:
APIs · Messaging · Pub/Sub · Templates · Distributed services

03 — Kunde

Den delen du faktisk ser

Kundeplattformen håndterer produktinformasjon og stadig mer selvbetjening.

Det inkluderer blant annet:

• produktkatalog

• produktdata

• kundespesifikke priser

• kampanjer

• bestillingsrelaterte funksjoner

• informasjon og inspirasjon

Nettsiden du leser nå er en del av dette laget.

Og ja. Vi bruker AI. Ganske mye.

AI brukes ikke fordi plantene blir imponert av buzzwords.

Vi bruker det der det kan spare tid, gjøre informasjon lettere tilgjengelig eller hjelpe noen til å ta en bedre beslutning.

Eksempler inkluderer:

• kunnskapssøk

• dokumentbehandling

• klassifisering

• produktinformasjon

• beskrivelser og oversettelser

• oppskrifts- og bruksforslag

• analyse

• støtte til interne arbeidsflyter

• eksperimentering med beslutningsstøtte

Vår egen kunnskapsplattform

Vi har bygget en intern RAG-basert kunnskapsløsning.

Enkelt forklart gjør den tre ting:

1. Innhenting

Dokumenter og informasjon blir lest, beriket, klassifisert og gjort søkbare.

2. Finne riktig kunnskap

Systemet kombinerer semantisk søk med metadata og tilgangsregler for å finne relevant informasjon.

3. Bruke kunnskapen

En AI-modell kan strukturere informasjonen og kombinere den med andre systemer, API-er og verktøy.

Teknologier og prinsipper:
LLM · RAG · Qdrant · n8n · Embeddings · Metadata · APIs · Agents

Lokal AI

Vi eksperimenterer også med modeller som kan kjøre lokalt ute på produksjonsstedene.

Det er interessant av flere grunner:

• lavere avhengighet av internett

• rask tilgang til lokal kunnskap

• mulighet for stedsspesifikk beslutningsstøtte

• bedre kobling mellom sensordata, produksjonsplan og faktisk drift

Dette er fortsatt et område under utvikling.

Og det er akkurat derfor det er interessant.

Data fra hele reisen

Når produksjon, sensorer, logistikk og kunder bruker samme plattform, får vi et sammenhengende datagrunnlag.

Vi kan blant annet lære av:

• miljødata

• produksjon

• veksttid

• avvik

• lager

• salg

• kundeadferd

• levering

• produktbruk

Målet er ikke å samle mest mulig data.

Målet er å samle data som hjelper oss å dyrke bedre, planlegge bedre og levere bedre.

For de spesielt interesserte

Vi liker teknologi.

Men vi liker aller best teknologi som forsvinner inn i arbeidsflyten og bare gjør jobben enklere.

Hvis produsenten må tenke på teknologiplattformen hele tiden, har vi sannsynligvis bygget den feil.

Se den fysiske infrastrukturen →
Se produktene →