Tekoäly tuotannonohjauksen apuvälineenä ruukkukasvien kasvihuoneviljelyssä

Abstract

Tässä kandidaatintyössä tarkastellaan tekoälyn hyödyntämistä ruukkukasvien kasvihuoneviljelyn tuotannonohjauksen apuvälineenä. Työn toimeksiantaja on Kauppapuutarha Ylitalo Oy, jonka näkökulmasta arvioidaan tekoälyn realistisia käyttökohteita osana uuden tuotannonohjausjärjestelmän suunnittelua. Työn tavoitteena on selvittää, mihin tuotannonohjauksen prosesseihin tekoälyä voidaan soveltaa, mitä sen käyttöönotto edellyttää ja millaisia hyötyjä sillä voidaan saavuttaa toimeksiantajayrityksen näkökulmasta. Työ toteutettiin kirjallisuuskatsauksena, ja täydennettiin kohdeyritykseltä saaduilla haastatteluilla. Teoreettinen tausta rakentuu ruukkukasviviljelyn tuotannonohjauksen erityispiirteistä, tekoälyn hyödyntämisestä tuotannonohjauksessa sekä datan ja mittareiden merkityksestä.

Työssä havaittiin, että ruukkukasvien kasvihuoneviljelyn tuotannonohjaus eroaa monista muista tuotantoaloista erityisesti biologisen kasvun, rinnakkaistuotannon monimuotoisuuden, sekä kapasiteetin luonteen vuoksi. Tekoälyn realistisimmat sovelluskohteet liittyvät tuotantomäärien ja valmistusajankohtien ennustamiseen, ilmasto-olosuhteiden ohjauksen tukemiseen, tilankäytön tehostamiseen, energiatarpeiden arviointiin sekä poikkeamien varhaiseen tunnistukseen. Ennustamiseen ja poikkeamien tunnistamiseen liittyvät ratkaisut voivat tukea tuotan-nonohjausta ilman, että päätöksentekoa tarvitsee automatisoida kokonaan.

Keskeinen johtopäätös on, että tekoälyä voidaan hyödyntää ruukkukasviviljelyn tuotannonohjauksessa, mutta käyttöönotto kannattaa aloittaa vaiheittain rajatuista ja mitattavista käyttökohteista. Tekoälyn suurin käytännön arvo Kauppapuutarha Ylitalo Oy:lle liittyy parempaan tilannekuvaan ja ennusteisiin. Työn perusteella tekoäly soveltuu parhaiten viljelijöiden kokemusta täydentäväksi päätöksenteon tueksi, eikä sitä korvaavaksi järjestelmäksi.

This bachelor’s thesis examines the use of artificial intelligence (AI) as a tool for production control in greenhouse cultivation of potted plants. The thesis was commissioned by Kauppapuutarha Ylitalo Oy, and its aim is to determine which production control processes AI can realistically be applied to, what its implementation requires, and what kinds of benefits it can provide from the perspective of the commissioning company. The thesis was conducted as a literature review, supplemented with interview and background information obtained from the case company. The theoretical background is based on the specific characteristics of production control in potted plant cultivation, the use of AI in production control, and the significance of the required data and metrics.

The thesis found that production control in the greenhouse cultivation of potted plants differs from many other production sectors particularly due to biological growth, the complexity of parallel production, and the nature of capacity. The most realistic applications of AI are related to forecasting production volumes and completion times, supporting the control of climate conditions, improving the efficiency of space utilization, estimating energy requirements, and enabling the early detection of anomalies. Forecasting and anomaly detection can support production control without requiring fully automated decision-making.

The key conclusion is that AI can be utilized in production control for potted plant cultivation, but its implementation should begin gradually with limited and measurable use cases. The greatest practical value of AI for Kauppapuutarha Ylitalo Oy is related to improved situational awareness and forecasts. Based on the thesis, AI is best suited as a decision-support tool that complements the experience of growers, rather than as a system that replaces it.