现场运营管理技术
植物工厂数据活用：在买新传感器之前该做的事
供应商提议「先增加传感器、把数据收集起来吧」，你拿不准这是不是正确的方向。又或者，每天认真写日报，却完全感觉不到它和经营决策有什么关联。你有没有这样的疑惑？
一听到「数据活用」，人们往往以为要从购买IoT或AI的新系统开始。但其实，出发点离你近得多。
记录堆着没人看，出了事才翻出来
想一想你们的日报。很多人把温度、湿度、采收量记在纸上或电子表格里，而且一直坚持下来了。问题在于记完之后。有没有人认真去看——这就不好说了。采收量下降的时候，才第一次翻回去，事后才发现「那时候数字确实不对劲」。这种感觉有没有？电费也是每个月都记，但只是扫一眼，「好贵啊」就过去了。手边已经有一大堆数据，却总是「出了事才去看」。欠缺的不是新传感器。谁在什么时候看现有的数据——缺的是这个。
看数据有两种方式。一种是「事后追溯」，出了事故才去翻；另一种是「定期检查」，平时没出任何问题时定点去看。事后追溯到最后只是「那时候数字确实不对劲」。已经来不及了，只能事后对原因做个验证。
所以在买新系统之前，只需要确定一件事：谁来看、什么时候看。我在人工光型叶菜现场一直坚持的做法举一个例子——每天早上十五分钟，由一个人把前一天的日报读出声来。温度、湿度、采收量，即使没有异常，每天早上的晨读都不间断。这样「今天好像比平时高一点」就能在变成事故之前、在还只是隐约有点不对劲的阶段就被捕捉到。电费也是，与其每月看一次，不如每周粗略扫一眼，「这周莫名其妙偏高」就能看出来是空调系统运转过度还是门没关好——在照明和空调系统持续运转的人工光型封闭环境中，我的现场里这类问题最先就从这里冒出来。
同样一个数字，事后看不过是条记录，平时每天看就成了衡量「与往常的偏差」的标尺。仅仅做到这个切换，数据活用就能大幅推进。新传感器等到这把标尺也捕捉不到的东西出现了再加就够了。
研究界也指出了类似的偏差。一篇大规模综述智慧农业文献的研究指出，报告某项技术「能用」的文章很多，但分析导入之后产量和投资回收究竟改善了多少的研究却几乎没有（参考: 1）。同一篇综述还指出，使用最广泛的技术是传感器。难怪舆论会偏向「先买再说」，这也情有可原，但真正重要的效果，出人意料地几乎没有被测量过。
把电费当作平时标尺的思路，在研究层面也站得住脚。一项太阳光型植物工厂的案例报告指出，每单位面积每月的电力使用量可以作为能源管理指标（参考: 2）。那是温室的案例，其中大量电力消耗经由热泵与室外气温联动，因此体现出季节变化；而人工光型以照明负荷为主，与室外气温关联度低，消耗量平均后几乎是恒定的。所以从中借鉴的不是「反映室外气温和季节」这个内涵，而是「以单位面积电力作为一把标尺」这个思路。在人工光型中用这把标尺，量出来的不是季节，而是空调系统过度运转、门忘记关闭之类的运营偏差——我认为应该这样替换着来理解。
那么，最低限度需要哪些记录？从能否成为经营判断依据的角度来排，有三类：生产（每日采收量，如果可以的话加上合格率（良率））、成本（电费，以及人力和物料的使用情况）、品质（品质分级（出货分级），以及出了多少不合规格的产品）。这些大概散落在各自不同的账本和收据里。不是开始测量新的东西，而是把已有的东西集中到同一个地方——建立最小集，就从这里开始。如果在从零开始确定哪些项目、怎么排列时感到茫然，我把在现场用过的记录格式原封不动地整理成了现场运营管理模板13种供大家参考。与其说是直接套用的东西，不如把它当作照出自己现场哪里不足、哪里多余的检查清单来用。
把正常范围当标尺，判断不要压在一个人身上
每天坚持早上十五分钟的朗读，过不了多久就会流于形式。习以为常，走过场。我见过的范围内，这几乎必然发生。所以需要两个设计。
第一是如何建立最初的标尺。什么叫「和平时不一样」，一开始谁都不知道。所以最初先下定决心不做判断，只是把数字排列出来。每天在同一时刻、同一地点把温度排列出来，「我们这里大概在这个范围」的区间自然就会浮现。把这个范围在纸上写一行。比如「早上的气温大概在这附近」，用自己现场的实际数值来写。这样把正常范围一旦落成文字，标尺就脱离了个人感觉，不管谁来看都是同样的结果。诀窍是从一开始就不要试图确定正确的基准值。
第二是只有一个人看，感觉会出现偏差。读的人可以一直固定同一个人。但只有当他觉得「这好像和平时不一样」的时候，才当场问另一个人「你觉得这个怎么样？」防止因为习以为常而走过场，其实靠的也是这个。每天都保持完美专注是不可能的，所以制定规则：只有在有什么东西让你停下来的时候，才说出声来，把第二个人拉进来。只要机制允许哪怕随便扫一眼也能在一处卡住就停下来，就够了。
习以为常是前提。在习以为常之后也能继续捕捉到问题，这才是设计。依赖完美专注的运营方式，基本上持续不了。
提前确定看的人和做判断的人分开，看似平淡，却是发力点所在。研究中，在同一UECS体系的工作里，反复出现「将传感器数据与控制相连接的信息平台，可以提升栽培管理和决策水平」的提案（参考: 3, 4, 5, 6）。但那里提案的归根结底是「可以构建这样一套系统」的实现层面的话题，大多没有触及谁在什么时候看那个界面、决定下一步行动的运营主体问题。正因如此，「谁来看、谁来判断」这个问题，无论是在引入系统之前还是之后，终究是一个必须手动搭建的课题，这一点始终没有改变。
等到无法切分原因的时候，再增加测量手段
站在经营层的角度来看，视角又不一样了。供应商带着「导入这个，产量就会提升」的提案来，下周的董事会就要决定是否采用。有没有遇到过这种场面？这个时候，「先决定谁来看、什么时候看」这件事，和是否投资的判断之间是什么关系？
这里有效的，不是「加还是不加」，而是「用现有的标尺，能否把那个差异一路追溯到原因？」当早上的晨读和每周的电费让你能捕捉到「和平时不一样」之后，必然会遇到下一道墙。差异看得到，但手头的记录无法分辨原因是什么。比如采收量下降了，电费也上涨了。但日报上的温度在正常范围内。这时候无法判断「是空调系统的问题，还是水的问题，还是别的什么？」手头的记录，切分到这里就停了。这才是第一次出现「增加测量手段」的信号。反过来，在碰到这道墙之前就加传感器，因为没有看的习惯，最终只是扫一眼就结束了。顺序是反的。
这个顺序在人工光型叶菜这样的封闭环境里效果最直接。变量相对较少，日报和电费能捕捉到大部分问题。反过来，在受室外空气和日照影响的太阳光型、或者变量众多的果菜领域，有时候从一开始就必须有多种测量手段才行。请把我说的理解为封闭环境的话题。
所以当供应商提案来到董事会时，我首先想确认的不是「产量会提升」这一点。而是「我们现在有什么无法解释、正在为之困扰的差异」这个前提是否存在。如果是先有困扰、为了切分原因需要这个测量手段，这样的逻辑才值得花钱。如果困扰还没有被说清楚、只凭「导入就会提升」就来推销，导入之后也没人看，通常我会选择不采用。
投资判断时还要看的一点，是「增加的测量手段，谁来读、什么时候读」能否落入运营轨道。能在早上十五分钟里加一行的测量，才能持续。无论功能多强大，每天要单独打开专用界面才能看到的东西，终究会没人再看——这也是我在现场见过很多次的情况。增加测量手段的判断和建立查看习惯，是一件连续的事。新的测量手段，也要等到能收进「谁来看、什么时候看」的框架里，才真正发挥作用。
先有困扰再增加测量才有效——这方面也有数字明确的例子。在灌水方面，有报告记录了一个商业农场试验：果菜栽培中，从固定定时器浇水改为通过传感器监测基质含水量、只在需要时才供水。是韩国的案例：椰糠基质水耕、商业温室，作物为番茄和草莓。番茄方面，在产量几乎不变的情况下，灌水量减少到定时器方式的三分之一到六分之一左右（参考: 8）。草莓方面削减幅度不及番茄，大约压缩到六成左右（参考: 7）。两者的肥料成本都削减了大约四到六成。作物和设施与读者的植物工厂不同，但从中获取的不是数字本身，而是「因为先有浇水过多却看不到这个困扰，才加了测量那一个点，所以才有效」——这个顺序。这个顺序在叶菜栽培中同样适用。
把现场的不对劲传递到经营层，同时更换查看项目
话说回来，在是否增加测量手段之前，作为判断依据的「困扰」，往往从现场的一个小小不对劲开始。然而，在现场感觉到「怎么感觉有点奇怪」，还没能成为经营判断材料，就在现场内部以「先观察一下吧」的方式消失了。以我的经验来看，这是最容易漏掉的地方。所以只做一件事：建立一个不让不对劲消失的机制。感觉有什么不对时，不需要当场得出结论，只在日报的边角写一行「感觉有点在意」。不做判断，只留一个印记。之所以会消失，是因为想在那天早上就决定是观察还是事故。不做决定、只是留下来，等到每周看电费的时候，「这周好像有好几次都有点在意」，点就连成了线。只有一次，观察也无妨。反复出现多次，就已经成了该向经营层汇报的困扰。现场的不对劲不是直接到达董事会，而是印记积累起来才变成语言。中间设了一个缓冲。
还有一件事：行数增加，结果又回到走马观花。有没有遇到这种情况？把这当作必然发生的事来对待。每增加一个测量手段，都要想一想能不能去掉现有的某一行。朗读的时间框架固定在十五分钟，行数也不增加。需要新的数字，就意味着一直每天早上都在读的某一项，应该已经完成了它作为标尺的使命。早期排列的温度，如果现在已经「大概在这里」、长期保持稳定没有偏离，就不需要每天早上读出声来了。可以降格到每周偶尔确认一下。不扩大框架，而是更换内容。否则一行一行地增加，最终变成没有人读的长篇读物。
所以，增加的判断和减少的判断要配套。和是否值得增加测量手段同等重要的，是每次都想一想可以停止读什么。正因为框架有限，真正值得每天早上看的东西才能留下来。
上面说的是「用于切分原因的测量，碰壁之后再增加」，但另有一类测量，是从一开始就要持续运行的。像故障或病害这类，发现时已经来不及、无可挽回的异常，靠平时的读出声来是追不上的。持续监测并发出警报的测量，是不需要等困扰出现、就要提前布置好的。还有，标尺本身的校准。如果传感器返回的是偏差的数值，好不容易写下来的正常范围也会跟着扭曲，反而在数据层面制造出本文最排斥的「事后追溯」。仪器输出的是正确数值这一点，作为运营的前提需要定期重新确认。另外，写了范围的那张纸要在人员交接时更新并传递下去；夜间或人手不足、人眼无法覆盖的时间段，不要试图靠手动运营来填补，交给连续监测来负责——这两点也是属人化运营容易崩溃的典型环节，从一开始就定好会省事很多。
根据自己的限制来选择读什么、放弃什么，这种姿态在技术选型的研究中也有类似的说法。农业IoT在管理、监控、控制等各种用途上被广泛使用，但没有任何单一技术或配置在所有场景下都是最优解。所以使用者只能根据自己的限制来选择——这是综述得出的结论（参考: 9）。不存在从外部降临的万能正确配置。
起点不是传感器，而是一张纸
「我们本来就没有传感器和IoT，所以数据活用还是很久以后的事」——这样感觉、在入口处停下来的人，有没有？但起点不是传感器，而是一张纸。如果现在什么都还没有记录，在去买IoT之前，先从本来就在意的数字里选一个，每天在同一时刻记下来。大多数现场，温度计的读数和采收量，或者每月收到的电费账单就够了。最容易开始的是电费。因为那是每个月以账单形式送到手边的，所以只需要把「扫一眼归档」改成「把这个月的数字写在上个月旁边、放在同一个地方」就可以了。这已经是很好的数据活用了。「谁来看、什么时候看」这个问题，从有两个数字可以比较的那一刻起就开始了。不需要等到系统齐备。
所以，在入口停下来的人，其实并不是在起跑线之前。电费账单应该就在手边，送货单和墙上的温度计也可能有。要做的不是获取数据，而是把现在扔掉的东西排列出来，决定在固定的日子去看。从一个数字、一个负责人、一个固定时间开始。第二个数字，等第一个成为标尺之后再加就好了。
排列出来的数字，即使项目很少，读数的能力也会增长。比如我在人工光型叶菜现场经常观察的，是修整（采后去除外叶）时产生的废弃物比例。「今天废弃物很多」就此打住的话什么也留不下来，但从同一个数字出发，可以读出废弃物的产生方式本身、当天作业的仔细程度、栽培工程某处的不足、是否把植株种得太密——几个不同的侧面。哪怕只有一个数字，只要把它和正常范围对照、追问「今天为什么这么高」，能打的牌就多了，应对的余地也随之改变。比高价设备更先发挥作用的，是这种读数的方式。
最后，说几句关于边界的实话。靠手头记录的运营能覆盖的，是「发现差异、自己能出手解决」的范围。温度和平时不一样、门开着、忘了切断供水——原因在自己每天运营的内部，差异一旦看到就能伸手去修正的事情。这是这个方法最有效的地方，而且比大多数人想象的要宽。
有两处要交出去。一处是切分原因的那道墙。这个时候，差异看得到，但手头的记录就是无法分辨原因，靠感觉猜错了真的会花很多钱。这才是第一次增加测量手段，如果可以的话，请以读取此类数据为本业的专业人士加入进来。到了那个阶段，问题已经从运营变成了技术的话题。另一处是涉及安全或设备本身的话题——电气容量、配线、药剂、结构。在那里绝对不用自己的标尺做实验。交给专业人士，或者纳入设备的投资判断。因为失败时的代价不是「采收量下降」，而是无法挽回的东西。判断标准是这样的：读完数字知道「该做什么」，那就留在自己的范围内。读完数字只知道「需要比我更懂的人」，那就是边界。而能早点察觉到那个边界本身，也是每天查看的习惯所教给你的东西之一。
不必一上来就买昂贵的系统——这也不只是现场感觉的问题。有报告指出，商业智慧农业系统的高成本成为普及的壁垒，作为替代，低成本设备和农户自行组装的自制机制，正在作为推广的替代手段被探讨（参考: 4, 10）。入口未必是大额投资——这确实是被当作真实选项来讨论的。
更深入的盈利化实用技巧汇总，还有提升植物工厂收益性的172个实用技巧。等到能把手头的记录变成标尺，再把那个当作下一步来读。