Come FirstFruits Farms ha ottimizzato le decisioni di stoccaggio e ha effettuato vendite più consapevoli

Tipi di frutta

Mele, ciliegie

Misurare

6000 acri / 2428 ettari

Utilizzo dell'app Hectre

Da settembre 2022

Moduli in uso

Come la rinomata azienda verticale dello Stato di Washington FirstFruits Farms ha semplificato il processo di calibrazione della frutta, ottimizzato le decisioni di stoccaggio e preso decisioni più consapevoli in materia di vendite e imballaggio utilizzando la tecnologia di calibrazione precoce della frutta di Hectre, Spectre Top Down.

Gestione avanzata dello stoccaggio. Decisioni più consapevoli su stoccaggio, vendite e imballaggio. Risparmio di tempo. Dimensionamento rapido e semplice della frutta precoce. Risultati altamente accurati.

FirstFruits Farms è un'azienda di marketing collaborativo di mele con sede nello Stato di Washington. È nota per il suo impegno verso pratiche agricole sostenibili e per la fornitura di asili nido, borse di studio e campi estivi per i suoi dipendenti e le loro famiglie.

Il team di FirstFruits coltiva una varietà di mele, tra cui opzioni convenzionali e biologiche. Operano come un sistema a singolo coltivatore, il che significa che non si affidano a coltivatori esterni per la frutta. Tutto ciò che confezionano è coltivato nei loro frutteti.

Inizialmente, FirstFruits Farms ha utilizzato l'app Spectre Hand-Held di Hectre per ricevere un profilo dimensionale per le mele in arrivo al loro magazzino di confezionamento. L'app ha fornito informazioni preziose e hanno visto il potenziale per un impatto maggiore ottenendo un set di dati più ampio. Ciò ha portato all'adozione dell'app Spectre Top Down di Hectre, aumentando i contenitori campionati al momento della ricezione da quattro a trenta per camion.

Abbiamo parlato con Andy Zhu, responsabile del controllo qualità post-raccolto presso FirstFruits Farms.

Le principali responsabilità di Andy includono la determinazione della frutta idonea per il confezionamento, la selezione della frutta per diversi processi, come la produzione di succhi, e la gestione dello stoccaggio della frutta nelle celle ad atmosfera controllata (CA) disponibili.

Perché hai deciso di implementare Spectre top-down?

Quando inizialmente ci hanno chiesto di avere la possibilità di scansionare i bidoni e ricevere un profilo dimensionale, ciò che mi ha incuriosito è stata la rapidità con cui siamo riusciti a scattare una foto e ottenere risultati nel giro di pochi minuti. Volevo avere quella capacità, ma all'inizio ero un po' scettico, pensando: "Come può fare tutto questo semplicemente scansionando la parte superiore del bidone?" Sembrava un po' inverosimile, o almeno molto interessante.

Dati precisi sulle dimensioni in meno di un minuto semplicemente scattando una foto della parte superiore del contenitore? Spectre sembrava un po' inverosimile all'inizio!

Essendo curioso e sempre alla ricerca della prossima grande novità, non volevo perdere l'opportunità, quindi ci siamo iscritti a una prova di Spectre. Volevo provare Spectre perché l'industria della frutta, in particolare quella delle mele, è più progressista ora. Le cose si stanno muovendo, con un approccio più basato sui dati e una tecnologia fortemente coinvolta. Abbiamo anche ricevuto molti feedback positivi dai clienti Hectre che utilizzano Spectre, il che ha contribuito alla nostra decisione di provare Spectre.

Prima di Spectre

Prima di avere la tecnologia di calibratura precoce dei frutti di Spectre, usavamo un sistema manuale per valutare le dimensioni dei frutti. Questo metodo prevedeva l'uso di informazioni dal nostro responsabile di campo, la pesatura dei frutti e l'affidamento alla nostra esperienza per giudicare le dimensioni dei frutti. In genere, quando le mele arrivavano durante la raccolta, disponevamo i contenitori sul marciapiede e facevamo una panoramica dei frutti. Ci facevamo un'idea se i frutti erano costantemente piccoli, medi o grandi guardandoli. Poi prendevamo appunti e usavamo fogli di calcolo per creare profili di dimensioni per ogni stanza CA.

Gestione avanzata dello storage

Utilizziamo Spectre Top Down nella nostra area di ricezione per raccogliere informazioni sui contenitori di frutta in arrivo e, in ultima analisi, per decidere in quale stanza conservare la frutta. Il processo inizia con un camion di mele che passa sotto la telecamera Top Down, che ci fornisce un profilo dimensionale per ogni particolare varietà o lotto. Quindi creiamo un file Tableau che registra il profilo dimensionale rispetto a stanze e lotti specifici.

I dati precoci di Spectre sulle dimensioni dei frutti ci consentono di scegliere in modo rapido e semplice la stanza CA più adatta per una determinata dimensione del frutto, eliminando qualsiasi incertezza.

Puntiamo a creare un mix di diverse dimensioni all'interno di ogni stanza, in quanto garantisce un inventario più equilibrato e previene potenziali difficoltà di vendita che potrebbero sorgere dall'avere stanze riempite esclusivamente con frutta grande o piccola. In genere, apriamo solo una stanza alla volta, poiché l'apertura di più stanze contemporaneamente potrebbe portare all'esposizione della frutta all'ossigeno atmosferico regolare, il che potrebbe influire negativamente sulle condizioni di conservazione.

I dati di Spectre aiutano a garantire una distribuzione equilibrata di diverse dimensioni, fornendo al contempo dati preziosi per aiutare a identificare la stanza CA che dovremmo aprire quando cerchiamo una particolare dimensione di frutta. Aiuta a eliminare la necessità di congetture nel determinare cosa c'è in una stanza, rendendolo uno strumento prezioso da avere quando si prendono queste decisioni di stoccaggio. Inoltre, possiamo suddividere i dati di Spectre in base alle date di ricezione per identificare eventuali incongruenze o differenze nelle dimensioni relative alla data di ricezione della frutta.

Risparmio di tempo

Ora che abbiamo Spectre, posso facilmente aprire il file Tableau contenente il set di dati di Spectre, cercare una stanza specifica e ottenere una panoramica generale delle cose. Il set di dati generato da Spectre è già in un file CSV, il che significa che posso facilmente importarlo e quindi creare un foglio di lavoro per me stesso. Questo è più efficiente che scorrere un foglio di calcolo e cercare un intervallo di dimensioni. Invece, ora ho una ripartizione della percentuale di ogni singola dimensione in un contenitore particolare, rendendo il processo più efficiente.

Avere i dati di Spectre già in un file CSV consente una facile importazione, rendendo ancora più semplici le decisioni in materia di archiviazione.

Prima di Spectre, impiegavo fino a mezz'ora per esaminare le stanze e con il mio foglio di calcolo farmi un'idea delle dimensioni di ogni stanza. Con i dati di Spectre e il foglio di lavoro di Tableau, ora posso esaminare queste informazioni in circa cinque minuti.

Spectre mi fornisce una ripartizione della percentuale di ogni singola dimensione in un determinato contenitore, il che mi fa risparmiare tempo ogni settimana.

Decisioni di vendita più consapevoli

Quando c'è una domanda di mercato per una particolare dimensione, il team di vendita può chiedere informazioni sul profilo dimensionale di una particolare varietà. Utilizziamo i dati che raccogliamo con Spectre per prendere decisioni di vendita informate, in particolare quando si tratta di promozioni.

I dati di Spectre semplificano le decisioni di vendita, individuando rapidamente le dimensioni dei frutti per promozioni e campagne mirate.

Se una campagna di marketing richiede dimensioni specifiche, i dati di Spectre aiutano a identificare la stanza in cui è immagazzinata la frutta richiesta. Analizzando i dati per una stanza CA specifica e considerando il numero di contenitori in quella stanza, il team può ottenere informazioni su quante scatole di una particolare dimensione saranno disponibili. Queste informazioni vengono quindi condivise con il personale di vendita, che può confrontarle con i requisiti della promozione.

Supporto alle decisioni della linea di imballaggio

Generalmente abbiamo una linea di confezionamento dedicata alla frutta più grande e un'altra per quella più piccola, a causa delle loro diverse capacità, come l'insacchettamento e il riempimento alla rinfusa o il confezionamento in vassoi. Utilizziamo i dati di Spectre insieme alla valutazione manuale della consistenza della frutta prima di eseguirla. Combinando i dati di Spectre con la nostra valutazione visiva dei contenitori, siamo in grado di prendere decisioni più consapevoli su quale linea di confezionamento utilizzare per la frutta.

Prossimo: Spettro per ciliegie

Con il successo di Spectre per le mele, e con l'aspettativa che sarà altrettanto utile, presto implementeremo Spectre per le ciliegie nei nostri magazzini di imballaggio. Se Spectre per le ciliegie si dimostrerà efficace e utile come lo è stato per le mele, sarà un'altra fantastica aggiunta al nostro processo.

Più che soddisfatti di Spectre per Apple, prevediamo un impatto simile quando implementeremo Spectre per Cherry più avanti nel corso dell'anno.