datatomatenkas-blog

[datatomatenkas-blog]

Reflectie

Ik had het visualiseren van de data voor dit project verward met het maken van bijvoorbeeld een soort van infographic. Het was zo anders door de grote hoeveelheid data en wat er precies allemaal duidelijk gemaakt moet worden aan de telers. 

Dus ik stapte het project in met het gevoel dat ik hier al ervaring mee had maar het visualiseren van dit soort data was eigenlijk iets compleet nieuws. We moesten ons helemaal in gaan leren wat uiteindelijk veel tijd heeft gekost. Ik had regelmatig geprobeerd dit op te lossen met de kennis die ik al had, ik dacht dat ik hier wel raad mee wist. Maar doordat ik er op deze manier in stond liep ik juist een beetje vast en verloor het overzicht en de structuur van wat we aan het doen waren. Ik heb hiervan geleerd dat je echt altijd elke klus moet instappen met het idee dat je het nog niet kan.

Naast dit ben ik tevreden met hoe het project verlopen is, ik heb veel onderzoek gedaan, veel geleerd, ik heb kritisch gekeken naar werk en kritisch gereageerd op werk van groepsgenoten.

[datatomatenkas-blog]

Week 15

Hier hebben we vooral veel gekeken naar ons werk en besproken wat nog duidelijker kon. Denk aan overzichtelijkheid, compleetheid, gebruiksvriendelijkheid, leesbaarheid, etc. Iedereen heeft hier aan bijdragen gedragen.

Verder ben ik nog bezig geweest uit te schrijven wat belangrijk is te zeggen tijdens de presentatie.

[datatomatenkas-blog]

Week 14

Deze week heb ik vooral bijgedragen aan het houden van user tests. Tijdens de test heb ik belangrijke punten opgeschreven en meegedacht aan vragen die belangrijk zijn om te stellen aan de testpersoon. Hier zie je bijvoorbeeld ondervindingen van een user test:

Interface is herkenbaar, je ziet dat het een dashboard is en gaat om een overzicht.

Het is een beetje ingewikkeld dat de gebruiker op meerdere locaties kan configureren. Daarom hebben we besloten die drie puntjes op enkele plaatsen weg te laten.

Bij notificaties was todo niet duidelijk, maar het lijkt erop dat dat kwam door de dummy tekst die erachter stond. Als er relevante content achter staat dan zou het duidelijk moeten zijn.

We hebben ergens een schema van lijnen die de rijen in de kas representeert. Wilrick zag niet dat dat de rijen in een kas moet voorstellen.

De samenvatting op het dashboard is het enige donkere element op de pagina en als je erop klikt wordt het wit, Wilrick vond dat niet echt logisch.

Als je data van een kas wilt bekijken dan zie je de data daarvan bij die staafdiagram maar ook bovenaan. Dat is handig voor wanneer je het per zone bekijkt (dat je tegelijkertijd ook de kas waarde kan zien), maar op kas niveau is dat dubbelop.

Het design ziet er strak uit.

Je weet niet wanneer een waarde te hoog of te laag is bij een icoon in de zones.

Y-as is dynamisch afhankelijk van de data waar je op klikt.

Afwijking van kleur in dikke stukken lijn.

[datatomatenkas-blog]

Week 13

Nadat ik bezig was geweest met mijn vorige taak en Sam daarop verder is gegaan en de stijl heeft toegevoegd, hadden we nog verschillende taken openstaan. Het is moeilijk om met meerdere personen, daarom beheerde Maarten de ontwerpen in onze stijl en werkte hij daarin. Maar tijdens dit project waren er eigenlijk constant nog zaken waarover nagedacht/ontworpen moest worden, dus er was genoeg te doen.

Toen ben ik na gaan denken wat nog meer belangrijk zou kunnen zijn voor telers om te kunnen zien op het dashboard. Daarvoor heb ik gekeken naar ons concept en naar de wensen van de telers. Hiervan heb ik foto’s.

Hierna had ik feedback gevraagd aan de groep en Stef zei dat we eigenlijk wel iets moeten kiezen waarvan het fijn is om het elke dag te zien. Je hoeft bijvoorbeeld niet elke dag te zien dat je het dit jaar beter doet dan vorige jaar. Daarom probeerde ik nog even verder te gaan:

Met de groep hebben we besloten dat weersvooruitzichten bijvoorbeeld niet zo relevant zijn aangezien veel kassen van telers automatisch reageren op het weer. Het zou wel een optie kunnen zijn om telers ervoor kunnen laten kiezen weersvooruitzichten toe te voegen aan het dashboard. Maar niet dat het er standaard inzit. 

Uiteindelijk hebben we gekozen voor de verwachte oogst per dag, hoeveel vruchten er geplukt kunnen gaan worden. Want dit is relevant om elke dag te zien en dit helpt ze een goede inschatting te maken wanneer ze in gesprek gaan met bedrijven die de tomaten willen afnemen.

[datatomatenkas-blog]

Week 12

Op basis van vorige ideetjes en schetsen zijn we verder gegaan en hebben we opnieuw taken verdeeld. Ons doel was nu om echt high fidelity schetsen te krijgen en om ze ook snel uit te werken in een bepaalde stijl. Ik ben gaan werken aan het onderdeel van de app waar de gebruiker waardes kan zien op verschillende niveau’s (kas, zone en vierkante meter). Hieronder zie je mijn werk:

Na de bovenstaande wireframes hadden we het besproken met de groep. Feedback die ik kreeg op dit ontwerp was dat het bijvoorbeeld handig is als de gebruiker te alle tijde de waardes over de hele kas of zone kan zien als de gebruiker het per vierkante meter aan het bekijken is. Verder moest ik zorgen dat de verhoudingen van die grafiek kloppen en dat zwarte labeltje niet te veel in de weg zit. Verder gaat het de goede kant op.

Ik had hierbij samengewerkt met Sam, we hadden vooral veel besproken en ik had de wireframes gemaakt. Sam gaat de stijl toepassen hierop.

[datatomatenkas-blog]

Week 11

Hier hadden wij allemaal de pdf van Brenda doorgenomen. Het interessantste uit de pdf vond ik hoe je items kon classificeren (door kleur, textuur, vorm, uitlijning, oriëntatie, kleur helderheid en kleur saturatie). Afhankelijk van je doel kan je een manier van classificeren kiezen. Wat nog meer interessant was, was hoe je de soort grafiek kan kiezen afhankelijk van de soort data. Denk aan scatterplot, bubble chart, lijngrafiek, taart diagram, ring diagram, etc. Aan de hand van deze pdf heb ik nog zelf onderzoek gedaan naar bubble charts omdat je daar makkelijk verschillende dimensies mee weer kan geven. Ik heb veel voorbeelden gezien over hoe je het ‘t beste toe kan passen. We hadden de theorie even kort besproken en zijn daarna weer verder gegaan met ideeën waarbij we de taken al hadden verdeeld. Ik ging ideeën bedenken voor het deel van de app waar micro management bij kwam kijken (waarbij je dus eigenlijk steeds verder in kan zoomen in de kas). En hier moest ik me vooral gaan focussen op het weergeven van de data. Hieronder zie je tekeningen ervan.

Tot slot gingen we al onze ideeën aan elkaar voorleggen en feedback geven op elkaar. Aan de hand hiervan hadden we besloten dat echt eerst even de flow gemaakt moet worden omdat bleek dat het best wel veel schermen gingen worden. Een aantal van ons waren bezig geweest met de flow en hadden die daarna gelijk gedeeld met de rest. Ook hadden we hier nogmaals geprobeerd een teler te mailen om data te verkrijgen en ik heb dat gemaild omdat ik de contactpersoon ben, maar helaas hebben we daar nooit meer iets op ontvangen.

[datatomatenkas-blog]

Week 10

We moesten dus verder met het visualiseren van data, wij kwamen toch weer uit op grafieken terwijl we tijdens begeleidingen hadden gehoord dat we misschien daarvan af moeten wijken.

We besloten even een aantal voorstellen te maken en voor te leggen aan Brenda. Hier twee inspiratiebeelden van mij:

Ik heb me hier vooral gefocust op de flow. Ik heb voor nu gekozen voor een hiërarchische weergave.

Brenda gaf tijdens het gesprek ook aan dat we als uitgangspunt echt moesten beginnen grafieken, daarna kan je het meer vorm gaan geven of er echt een concept van maken. Ze gaf ons tips voor boeken en stuurde ons een pdf door over data visualisatie. Ze gaf ook nog aan dat het heel erg lastig is dat we geen echte data konden krijgen van de telers. Want je kan wel met dummy data werken maar dan is het nog steeds anders dan dat je echte data hebt. Verder kon Brenda op dat moment nog niet echt veel met wat wij op tafel hadden gelegd.

[datatomatenkas-blog]

Week 9 (vanaf hier blok 12)

In deze week gingen we vooral nadenken of we het op een andere manier zouden kunnen aanpakken, zoals een fysieke weergave van alle data. Mijn inspiratie kwam voort uit de beelden hieronder:

Het werd voor ons wel snel duidelijk dat we als basis een interface moeten hebben door de grote hoeveelheid data die weergegeven moet worden en de complexiteit daarvan. Iets fysieks kan altijd later nog toegevoegd worden maar het gaat voor dit project weinig toegevoegde waarde hebben.

[datatomatenkas-blog]

Week 8

Ik had een soort lagensysteem bedacht. Bovenaan staat een overzicht met periodes (met daarbij de ratings), als je daarin gaat zie je een overzicht van alle weken van die periode met de gemeten data, daarin die week van alle losse onderdelen van de kassen, etc.

Toen we onze ideeën aan elkaar gingen laten zien zag ik verschillende leuke dingen. Uit alles wat we die ochtend besproken hadden haalde ik het volgende:

Ik vind het belangrijk dat de gebruiker de mogelijkheid heeft om alleen relevante data in te zien.

Ik zag potentie in een data visualisatie van Rik met wat aanpassingen waar ik aan dacht. Ik heb snel een schets gemaakt en onder deze lijst gezet. Rik had waardes langs de y-as, hier moeten die alleen op de x-as om tijd weer te geven. Maar als je verschillende data hebt met verschillende eenheden kan je niet echt vaste variabelen op de y-as zetten. Dat kan je oplossen door met je cursor over de lijn te gaan. Als gebieden gemarkeerd worden die blijkbaar voor een goede oogst hebben gezorgd kan je gemakkelijk verbanden zien tussen de data. De oogst wordt bijvoorbeeld goed als de grootte van de stengeldikte en de hoeveelheid bladeren gelijk aan elkaar opgaat en als de temperatuur constant blijft en niet te hoog is. Ik moest denken aan het toevoegen van zo’n gemarkeerd gebied bij het zien van Rik’s visualisatie.

Ik kwam toch ook tot de conclusie dat we echt iets met visualisaties moesten doen, zelf zat ik nog te veel in de cijfertjes (tabellen) te zoeken.

Verder ben ik bezig met uit te schrijven wat belangrijk is te vertellen bij de presentatie. We moeten in ieder geval nog even een goede inleiding geven omdat er docenten bijzijn die nog niets over ons project weten. Dan moeten we nog benoemen dat wij veel onderzoek hebben moeten doen, veel mailcontact en gesprekken hebben gehad, veel tijd hebben moeten stoppen in het versimpelen van het probleem/project, etc. Daarna komt waar wij nu staan:

Wij kiezen voor het maken van een modulair systeem (en met welke reden)

Het is belangrijk dat telers vergelijkingen, verbanden, aanbevelingen, analyses, etc. van data kunnen zien. Zelf weten ze namelijk ook niet precies welke situaties bij de teelt iets zeggen over iets en wat zorgt voor de beste oogst. Als het systeem hen kan helpen met het zien van verbanden zouden ze natuurlijk erg geholpen zijn, dan kunnen ze makkelijker analyses doen en nieuwe conclusies trekken.

Het systeem moet weten hoe elke oogst verliep om verbanden te kunnen zien die vermoedelijk zorgen voor een goede oogst. Om dit te kunnen realiseren willen wij gebruik maken van een ratingsysteem waarbij de teler elke oogst kan raten, zo kan er een script geschreven worden die data tijdens de teelt analyseert op basis van hoe goed die oogst was.

Bij het tussenproduct wat we nu hebben heeft de gebruiker de mogelijkheid om data snel visueel te kunnen zien en om letterlijk alle cijfertjes te zien in bijvoorbeeld een tabel.

We willen notificaties gebruiken zodat de gebruiker de mogelijkheid heeft om alleen data te zien wanneer er iets ‘mis’ is. De gebruiker krijgt bijvoorbeeld een notificatie wanneer de temperatuur niet hoog genoeg is ten opzichte van...

Het product wat we momenteel hebben heeft een aantal eigenschappen die wij erin willen willen houden, maar we gaan nog verder experimenteren om tot een innovatievere oplossing te komen. Geen standaard stappenplan waar de gebruiker doorheen moet lopen, denk aan adaptive design.

Planning die gaat komen

[datatomatenkas-blog]

Week 7

Hier hebben we echt het concept vastgelegd en iedereen ging aan de hand hiervan thuis aan de slag. Dit is onze lijst:

Module gebasseerd

Het platform moet door meerdere teeltbedrijven te gebruiken zijn, waardoor de teler de optie krijgt om zijn relevante metingen toe te voegen, door middel van modules.

Alleen opvallende data wordt weergegeven

Ratingsysteem 

Analyseren / vergelijken / filteren

Binnenkomende data kan worden gegroepeerd in verschillende informatieblokken. Waarbij filteren op tijdsvak, seizoen, week, maand, jaar, weersomstandigheden, oogst, puntensysteem.

[datatomatenkas-blog]

Week 6

Tijdens een projectbespreking gingen we even allemaal onze eerste ideeën uitschetsen die paste bij de uitgangspunten die we op dat moment hadden. Vanwege het feit dat het een modulair systeem moest worden bestond wat ik in mijn hoofd had uit verschillende blokken die je weg kan klinken of weer aan kan vinken. De blokken zijn bepaalde categorieën van data die gemeten wordt, denk aan: vegatatieve en generatieve groei, klimaat, etc. Je ziet gewoon de cijfertjes bij de blokken staan met daarbij het geadviseerde cijfer en de mogelijkheid om er een visualisatie van te bekijken en te kijken welke eenheid het is. Het scherm wat ik uitgeschetst heb gaat over de laatst gemeten data. Ook heb ik rekening gehouden om aan te geven welke data bijvoorbeeld niet gemeten is door bijvoorbeeld een storing. Naar deze data wordt dan niet gekeken wanneer er berekeningen gedaan worden om te kijken wat de ideale data is. Dit is dus maar een deel van wat het zou moeten worden, ik heb bijvoorbeeld nog niet echt gekeken naar hoe verbanden getoond zouden kunnen worden. Hieronder zie je twee versies.

[datatomatenkas-blog]

Week 5

In deze week hadden we een groen-licht moment met Ivo. We hadden nog niets uitgewerkt maar kregen toch groen licht omdat we echt veel hadden uitgezocht. Die ochtend hadden we wel nog vastgesteld dat we een een modulair systeem willen omdat iedereen andere data meet, zo kan de teler zelf kiezen wat hij belangrijk vindt. Ook hadden we besloten dat de teler bepaalde oogsten moet kunnen raten, zodat op basis daarvan verbanden gezocht kunnen worden en ‘aanbevelingen’ gedaan kunnen worden. Ivo gaf als feedback dat het belangrijkste wat we nu konden doen was: kijken welke data er precies gemeten worden bij verschillende telers (en kijken of daar overeenkomsten inzitten) en onderzoek doen naar hoe je verbanden kan ontwerpen.

Diezelfde middag had ik nog mailtjes gestuurd naar een stuk of 11 telers om te vragen naar welke data ze mailen. Ik had daarvoor een format meegestuurd als bijlage met een tabel:

Ook hadden we gevraagd naar een soort van jaar overzicht zodat wij dummy data hebben en kunnen gebruiken voor ons project. We gaven daarbij aan dat we natuurlijk vertrouwelijk omgaan met hun gegevens. Redelijk snel kregen we reacties van telers die het teveel werk vonden of zeiden dat het SCOUT-project daar al mee bezig was en het niet nodig was om het ook nog aan ons te geven... dit was het moment dat we besloten om echt ons eigen ding te doen met dingen die we al weten. Wanneer we iets ontworpen zouden hebben zouden we terug te gaan naar een teler om het te testen. Later hebben we gelukkig nog wel twee mails gehad waarbij de teler wel het format een beetje had ingevuld, die heb ik op de drive gezet zodat iedereen erbij kan.

[datatomatenkas-blog]

Week 4

Het was redelijk moeilijk om uit te vogelen welke data nou precies gemeten wordt. We hadden het erover gehad om met dummy data te werken gebaseerd op dingen die we wel al weten, maar niet iedereen in de groep geloofde dat dat zin had omdat wij niet weten wat die data betekent. Mij leek het wel een optie om in ieder geval verder te kunnen. 

Deze week waren we ook nog bij de teler ‘Vereijken’ geweest, Michael was daar ook mee naartoe geweest. Hier werd voor ons duidelijk dat eigenlijk allebei de telers ook niet precies weten wat alle eigenschappen/situaties van de plant zeggen over hoe goed het gaat met de teelt. Ze zijn nog erg zoekende en analyserend. Bij Vereijken kreeg ik door middel van verschillende vragen eruit dat het meten van data op meerdere momenten nuttig kan zijn omdat er dan meer/duidelijkere conclusies getrokken kunnen worden (tussen verschillende data). Dit was voor mij het belangrijkste van het hele gesprek. Ik dacht gelijk: het doel van de app moet worden om nieuwe analyses mogelijk te maken en conclusies te kunnen trekken. Verder werd er ook gezegd dat het meten van data door middel van sensoren handig is omdat informatie dan gelijk verwerkt kan worden, je bent dan niet afhankelijk van medewerkers die het moeten invoeren. Tot slot werd ook hier weer duidelijk dat er zó veel data wordt bijgehouden, dat we ook even niet meer wisten wat we er allemaal mee moeten.

[datatomatenkas-blog]

Week 3

In deze week zijn we wezen kijken bij de HAS hogeschool. Tijdens de kennismaking met Michael hoorden we van hem dat ze daar een grote kas hebben. Daarom zijn we daar gaan kijken en hebben we gesproken met een docent die ons het systeem liet zien waarop alle data wordt weergegeven die binnenkomt (en gemeten wordt met sensoren). Dit heeft ons weer meer inzicht gegeven in wat er mogelijk is met sensoren en in de tomatenteelt in het algemeen. Hieronder zie je de foto’s van het systeem.

In ons kennismakingsgesprek had Michael een keer aangeven dat het misschien goed was als hij een keer bij een projectbegeleiding kon zijn met Peter. Daarom besloot ik dat nog een keer in de groep te gooien en hem te mailen met een aantal datums wanneer hij eventueel aan kan sluiten bij een projectbegeleiding. Dezelfde week op vrijdag kon hij nog aanwezig zijn tijdens een projectbeoordeling. 

Tijdens deze begeleiding hadden we onze ondervingen verteld van het bezoek aan de teler en het bezoek aan de HAS hogeschool. Ik vond het belangrijk om even te melden dat we het lastig vinden dat wij iets moeten doen met sensoren (uitgezocht door studenten van het SCOUT-project) die nog niet gebruikt worden en waarvan het ook niet lijkt dat de teler erin geïnteresseerd is (het zijn dure sensoren en er moet nog veel onderzoek naar gedaan worden). Het belangrijkste wat wij daarop te horen kregen was dat we niet helemaal vast zitten aan onderzoek van het SCOUT-project en ook zelf onderzoek mogen doen. Verder noemde ik ook dat ik gemerkt had dat de teler helemaal niet zoveel interesse leek te hebben in waar wij mee bezig waren en meer interesse had in ziektebestrijding. Waarbij je door middel van een plattegrond van de kassen op een app aan kan geven waar welke ziekte zit en met welke intensiteit. Daarop kreeg ik weer te horen dat het voor die telers al snel lijkt of ze niets nodig hebben, maar dat ze zelf ook niet weten wat ze “missen”. Dus dat we als CMD-ers toch moeten kijken wat we kunnen verbeteren. Ik had ook het gevoel dat wij ons heel erg moesten verdiepen in de tomatenteelt om dit project uit te kunnen voeren, maar beetje bij beetje kwam ik er tijdens het gesprek achter dat we wel wat moeten weten maar echt geen kenner hoeven te worden.

[datatomatenkas-blog]

Carnavalsvakantie - bezoek BioVerbeek

Door het bezoek aan de biologische teler BioVerbeek zijn we meer over tomaten te weten gekomen en hebben we een beeld van wat ongeveer komt kijken bij het telen van tomaten. Na ons bezoek heb ik een notulenlijst opgesteld met belangrijke punten:

Hoeveel vruchten er aan een plant mogen zitten wisselt per seizoen. Ook de vruchten heeft invloed op hoeveel vruchten er aan een plant mogen zitten.

 De meeste data zoals afstand tussen kop en eerste bloem, stengeldikte, stengellengte, hoeveelheid vruchten, etc. wordt wekelijks gemeten. Alleen de temperatuur in de kas wordt continue gemeten en moet ook regelmatig aangepast worden.

 Momenteel gebruiken ze een app waar ze alle data in kunnen zetten en waar een grafiek zichtbaar is van alle ingevoerde data. De app heet: let’s grow.

 Ze gaven aan zeer geïnteresseerd te zijn in een mogelijkheid om aan te geven in een app op een soort van map waar in de kas bepaalde ziekten/plagen zich bevinden.

Naast de locatie moet de soort ziekte/plaag aangegeven kunnen worden en de intensiteit. Dit is ook interessant om voor ze te maken, alleen is het niet helemaal onze opdracht. Dus dit zouden we kunnen bespreken bij een projectbegeleiding.

[datatomatenkas-blog]

Week 2

Na Michael een keer gemaild te hebben, hadden we het rapport ontvangen en allemaal doorgenomen. Hierdoor ben ik ook wat meer te weten gekomen over de tomatenteelt. Ik spoorde aan om snel contact op te nemen met telers zodat we snel een kijken konden gaan nemen omdat we zelf helemaal geen verstand hadden van tomaten. Zelf had ik dan ook die week een aantal telers gemaild met de vraag of we langs konden komen. BioVerbeek reageerde heel snel en we konden in de carnavalsvakantie langskomen. Hiernaast stelde ik alvast een lijstje op met wat belangrijk is om te vragen aan de telers. 

[datatomatenkas-blog]

Week 1 (vanaf hier blok 11)

In deze week stond de briefing en kennismaking met de opdrachtgever centraal. Het bleek dat er studenten bezig zijn met een SCOUT-project en dat wij inhaken op werk wat er al is van hen. Wat zij hebben uitgezocht is voornamelijk welke soort sensoren gebruikt moeten gaan worden in de tomatenteelt (in de toekomst). Tijdens deze week vond ik het belangrijkste om praktische zaken te regelen zoals het uitwisselen van e-mailadressen met de opdrachtgever en afspreken of hij graag mee zou willen wanneer wij tomatentelers gaan bezoeken. Michael (de opdrachtgever) zou ons een rapport sturen van studenten die bezig zijn met het SCOUT-project, ik wilde ook in de gaten houden of we dat op tijd gingen krijgen zodat we die alvast allemaal konden doorlezen. Ook hadden we al snel besproken dat ik contactpersoon zou worden en ik dus het contact met Michael en de telers op me neem.