Аннотация и ключевые слова
Аннотация (русский):
Высокая динамичность и неопределенность внешней и внутренней среды актуализируют реализацию инновационных технологий в управлении бизнес-процессами в сфере агропромышленного комплекса (АПК). Акцентировано внимание на стратегическом характере процесса трансформации агропроизводства в рамках цифровой экосистемы. Рассмотрены перспективные технологии сбора и обработки данных дистанционного зондирования, полученные от различных спутниковых сенсоров, беспилотных средств, метеостанций; геоинформационных систем; систем глобального позиционирования. Рассмотрены основополагающие элементы реинжиниринга бизнес-процессов в условиях цифровой трансформации, создания систем управления для контроля развития сельскохозяйственных культур с использованием потоковой обработки данных дистанционного зондирования. Обоснованы факторы сдерживания и катализации производственных процессов в АПК, раскрыты особенности элементов организации цифровой пространственной среды, в значительной степени определяющие переход к единой системе информационного обеспечения агропромышленного предприятия. Предложена структурно-функциональная модель реинжиниринга бизнес-процессов, нацеленная на обеспечение устойчивости в принятии управленческих решений. В рамках процесса реинжиниринга предполагается создать информационную среду агропредприятия, состоящую из взаимосвязанных процедур слияния информации ее составных функциональных систем: системы автоматизированного мониторинга, системы автоматизированного распознавания специфики состояния элементов растительной поверхности и автоматизированной аналитической СППР по подбору агротехнологических приемов. Реинжиниринг бизнес-процессов согласно предложенной модели приведет к снижению рисков в части соблюдения временных факторов, увеличит объемы производства и доходность сельскохозяйственного предприятия за счет перехода к цифровым технологиям автоматизированного сбора и обработки больших данных, возможности принятия решений на основе автоматизированных аналитических систем и способности хранения в базе знаний сгенерированных цепочек аг-ротехнологических операций для потребностей будущих периодов

Ключевые слова:
агропромышленный комплекс, структурно-функциональная модель, производственный процесс, цифровые технологии, данные дистанционного зондирования, цифровые решения
Текст
Текст произведения (PDF): Читать Скачать

Введение Характерная особенность нашего времени – проникновение цифровых технологий во все сферы жизни общества. В рамках цифровой трансформации агропромышленного комплекса (АПК) в Российской Федерации принята политика, направленная на внедрение ряда инновационных технологических проектов для нужд сельскохозяйственных предприятий, а также утвержден план мероприятий по созданию сквозных цифровых систем и платформенных решений для достижения роста производительности агропредприятий [1]. В Постановлении Правительства РФ «О государственной программе развития сельского хозяйства и регулирования рынков сельскохозяйственной продукции, сырья и продовольствия» [2] указано, что актуальной является задача обеспечения развития АПК посредством внедрения цифровых технологий и платформенных решений, а также оцифровка всех циклов сельскохозяйственного производства. Активное освоение спектра инструментов точного земледелия и их объединение в системах Интернета вещей неминуемо приведут к тому, что механизмы управления предприятием как сложной системой будут адаптироваться к новым возможностям. Успешное решение всего комплекса проблем будет во многом определяться современным развитием системы комплексного мониторинга, который подразумевает пространственно-временные сопряженные наблюдения с помощью средств наземного и аэрокосмического базирования [3]. Такие изменения вскоре примут регулярный характер и приведут к более эффективному ведению хозяйства. Детальное описание бизнес-процессов необходимо для понимания текущего положения дел и совершенствования управления деятельностью сельскохозяйственных предприятий. Чтобы наглядно оценить исследуемую деятельность, найти проблемные области и определить возможности для улучшений, в литературных источниках разрабатывается модель «КАК-ЕСТЬ», которая позволяет выявить узкие места, а модель «КАК-БУДЕТ» отображает совокупность процессов, обеспечивающих перевод системы в более устойчивое состояние путем разработки и реализации целенаправленных воздействий, задания правил и регламентов выполнения процессов для достижения желаемой цели [4–6]. В связи с этим возникает необходимость пере-осмысления бизнес-процессов предприятий АПК в новом контексте, когда акценты сдвинуты к области цифровых технологий. Рабочие процедуры и организационные принципы существующей системы АПК На базе методологии процессного подхода в данном исследовании будут формализованы бизнес-процессы предприятия по производству растениеводческой продукции и их декомпозиция. Данная работа затрагивает процессный подход к моделированию основных бизнес-процессов агропромышленного предприятия в стандарте IDEF и предметное рассмотрение со-временных возможностей по созданию системы с элементами включения цифровых технологий, которая отличается от существующей регулярным пространственным наблюдением и автоматизированным анализом данных. С помощью нотации моделирования IDEF0 выполнена формализация основных бизнес-процессов в виде структурно-функциональных моделей, которые наглядно представляют совокупность выполняемых процедур. В обобщенном графическом виде на рис. 1, 2 показана упорядоченная совокупность структурных элементов и соответствующих им потоков информации технологического цикла предприятия по производству растениеводческой продукции, включающая бизнес-процессы «Провести предпроектное планирование», «Наземный мониторинг факторов воздействия на производственный процесс» и «Разработка агротехнологических мероприятий». Рис. 1. Модель существующих бизнес-процессов агропромышленного предприятия Рис. 2. Модель поэтапного взаимодействия ключевых бизнес-процессов Более детальное описание исследуемых бизнес-процессов с возможностью включения логических элементов проведено с использованием диаграммы в нотации BPMN. Стартовое событие запускает параллельные операции по наземному мониторингу процессов естественного воспроизводства, возможностей производственного оборудования, атрибутивной и картографической истории полей. Это позволяет агроному привлекать необходимые ресурсы для обработки и удобрения почвы, формировать комплекс агротехнологических приемов по уходу за посевами (рис. 3). Рис. 3. Структурно-функциональная модель бизнес-процессов «Наземный мониторинг факторов воздействия на производственный процесс», «Разработка агротехнологических мероприятий» по традиционной схеме Выявленные недостатки действующей системы, точки роста и пути развития Анализ существующих процессов, схема которых представлена на рис. 3, дает основания констатировать низкий уровень использования информационных технологий в операциях по сбору и анализу основных индикаторов созревания культур, что приводит к недостаточной результативности технологических и проектных решений (табл.). Сравнительная характеристика факторов сдерживания и катализации производственных процессов Факторы, снижающие эффективность деятельности агропредприятия в модели AS-IS Возможности, которые открывают современные информационные технологии Высокая трудоемкость и длительность операций по сбору и обработке данных Мобильность получения и обработки данных (фото, информации) дистанционного зондирования по интересующей территории Ручные, механизированные способы сбора данных (низкая точность и высокая вероятность ошибки) Геоинформационное картографирование полей аграрного профиля. Автоматизированные (облачные) средства обработки больших данных Влияние человеческого фактора: решения принимаются на основе квалификации и жизненного опыта агронома и не всегда научно оправданны Исследование процесса оптимальных условий производства сельскохозяйственной продукции путем привлечения аппарата много-критериальной оптимизации Отсутствие объективной и своевременной информации на всех этапах производства продукции растениеводства приводит к тому, что затраты труда и ресурсов, вложенные в течение длительного периода, могут не в полной мере оправдать ожидания производителей. А значительные объемы информации, принадлежащие к различным предметным областям и хранящиеся в банках данных предприятия, требуют от специалистов оперативной обработки всех процессов в комплексном восприятии [7]. Специфика растениеводства накладывает ограничения на сроки разработки и утверждения управленческих решений, успеха в которых сложно достичь без привлечения инструментов анализа больших данных для генерации моделей адаптивных реакций на условия внешней среды. В этом плане цифровые технологии способны устранить сложившиеся трудности. Данные обстоятельства обуславливают необходимость разработки новых инструментов поддержки принятия решений в растениеводстве и, впоследствии, внедрения интегрированной системы управления сельскохозяйственным предприятием [8]. Геоинформационное обеспечение цифрового земледелия Аэрокосмические снимки предоставляют самую точную и реальную информацию о сложившейся ситуации с заданной периодичностью. В результате тематической обработки они совместимы с технологиями цифрового картографирования и являются инструментом комплексного анализа ситуации на пахотных землях [9] (рис. 4). Рис. 4. Эволюция возможностей в решении хозяйственно-экономических вопросов агропредприятий в сети Интернета вещей (IoT) Повышение урожайности за счет освоения спектра элементов точного земледелия, снижение нагрузки на окружающую среду, тренд на опережение проявления негативных воздействий в результате сложного сплетения факторов окружающей среды являются главными драйверами внедрения цифровых решений в области земледелия как в России, так и во всем мире. В основу построения функциональной организационной структуры технологического цикла предприятия должен быть положен системный подход, интегрирующий современные научные методы исследований в области дистанционного зондирования Земли; унифицированные методики и технологии обработки и использования космической информации; аппарат систем поддержки принятия решений (СППР) [10], нацеленный на получение оптимальных технических решений по разработке цепочек агротехнологических операций с учетом условий произрастания культур [11]. Первоначально состояние участков, засеянных культурами, фиксируется с помощью сенсоров и устройств мониторинга. Затем происходит передача накопленных разнородных данных в банк хранения для первичных преобразований. Анализ данных с помощью интеллектуальных технологий обладает большими возможностями для развития адаптивного управления. Тестирование корректирующих технологических мероприятий может стать шагом к своевременному торможению деструкционных процессов для урожая (рис. 5). Рис. 5. Основные этапы цифрового управления сельским хозяйством: ИИ – искусственный интеллект; КЗ – компьютерное зрение; МО – машинное обучение [11] Основные элементы организации единой цифровой пространственной среды Механизмы для достижения устойчивого управления земельными ресурсами с помощью имеющейся информации в реальном времени о землях и выращиваемых сельскохозяйственных культурах представлены на рис. 6. Рис. 6. Функциональное моделирование основных процедур производственных агропроцессов с техническими и технологическими элементами цифровой трансформации Данные дистанционного зондирования (ДДЗ), полученные от различных спутниковых сенсоров, беспилотных средств, метеостанций. На этапе загрузки данных происходит сбор информации абиотических параметров окружающей среды, описывающих распространение и приживаемость сельскохозяйственной культуры в природе. Результаты измерений включают данные о величине солнечной радиации, параметрах воздуха (температура, влажность, точка росы, скорость и направление ветра), параметрах почвы (температура, влажность, кислотность) и состоянии посевов (спектр отраженного от посевов света в нескольких фиксированных диапа-зонах). Задаются начальные параметры, и происходит наполнение информацией хранилищ ин-формационной системы для возделывания заданного сорта с биологической точки зрения. Дан-ные дистанционного зондирования послужат основой для экстраполяции полевых данных и анализа пространственного распределения характеристик растительных сообществ [12]. Исследование открытых для доступа изображений из космоса в видимом и инфракрасном диапазонах [13] регистрируют состояние местности на четко известный момент и отражают фотосинтетическую активность культур на основе расчета спектральных индексов [14]. Географические информационные системы (ГИС), техники анализа больших данных и СППР. На данном этапе происходит синтез эмпирически накопленной информации с аппаратом анализа больших данных для последующего использования этих результатов (рис. 7). Рис. 7. Многоуровневый сценарий реинжиниринга бизнес-процессов при внедрении элементов точного земледелия На этапе анализа первичные данные складываются в определенные знания об изучаемом объекте, формируются унифицированные витрины данных, а средства геоинформационного моделирования позволяют наложить слои распознанного картографического материала с возможностью визуализировать обстановку на картах местности [15]. Данные различных источников могут храниться и обрабатываться отдельно, совмещаться в информационном продукте на основе привязки к единой системе координат в виде комбинации слоев. Возможность независимого изменения и совместного отображения слоев данных позволяет получать свежие текущие данные из наземных источников для отображения на растровой подложке ДДЗ [16]. Методы анализа больших данных могут выявить неочевидные, на первый взгляд, закономерности. Система поддержки принятия решений будет рассматривать различные модели адаптивных реакций на условия внешней среды, формировать аналитические запросы и генерировать рекомендательные сообщения для конечного пользователя в отношении набора альтернативных вариантов его поведения в той или иной ситуации. В итоге будут сформированы карты-задания на реализацию агроприемов по технологии точного земледелия. Системы глобального позиционирования (GPS) исполняют роль связующего звена между коллекциями данных и географическими информационными системами (рис. 7). В результате синтеза применимой в конкретном хозяйстве агротехнологии данные системы позволяют привязать данные, собранные с земли или с помощью дистанционного зондирования, и максимально корректно нанести их на карту-задание для проведения необходимых технологических операций на участках. Агротехнические операции, включенные в агротехнологию, можно проводить выборочно за счет реализованных механизмов генерации карт-заданий и таблиц агротребований [17]. В процессе трансформации традиционного сельскохозяйственного предприятия в цифровое устанавливается взаимодействие специалиста в области агрономии и аппаратно-программного комплекса, чтобы облегчить наукоемкие и трудоемкие задачи топографического мониторинга, анализа фонда пространственных данных, построения цепочек агротехнологических операций для сложившихся условий выращивания. Информационно и функционально взаимосвязанные между собой составляющие аппаратно-программного комплекса обеспечивают выполнение технологических процессов, объединенных задачей постоянного картографического слежения за изменениями местности на основе космической информации среднего и высокого пространственного разрешения. Основными функциями аппаратно-программного комплекса являются получение и первичная обработка космической информации, проведение автоматизированного анализа разно-временных материалов космической съемки и идентификация на них изменений объектов местности, формирование баз пространственных данных (метаданных) и подбор агротехнологических операций в сложившихся условиях внешней среды. Предлагаемый механизм управления агротехнологиями с элементами внедрения цифровых технологий представлен на рис. 8 для исследуемых бизнес-процессов «Топографический мониторинг выращивания культур» и «Оптимизация технологических операций для различных условий выращивания». Рис. 8. Структурно-функциональная модель реинжиниринга бизнес-процессов «Топографический мониторинг выращивания культур» и «Оптимизация технологических операций для различных условий выращивания» Реорганизованные бизнес-процессы, представленные структурно-функциональной моделью (рис. 8) в нотации BPMN, основаны на широком использовании современных цифровых технологий. Предлагается создать информационную среду предприятия, состоящую из взаимосвязанных процедур слияния информации от ее составных функциональных систем: системы автоматизированного мониторинга, системы автоматизированного распознавания специфики состояния элементов растительной поверхности и автоматизированной аналитической СППР по подбору агротехнологических приемов. Все процессы начинаются с операции комплексной оценки агрономом плана посева, его сопоставления с применяемыми технологиями возделывания, сопоставления данных прошлых периодов, апробированных в условиях хозяйства, визуального осмотра текущего состояния земельного участка. Далее предполагается запуск параллельных подпроцессов автоматизированного сбора данных о динамике изменчивости почвенно-климатических параметров, получения многоспектральных снимков поверхности земельного участка. Посредством сенсорно-технических средств данные всестороннего наблюдения наполняют цифровую лабораторную базу эталонов (сигнатур) картографического представления изучаемой местности. Результаты отснятых сцен подлежат дешифрованию и интерпретации для распределения по степени зрелости растительных групп и разбиения на зоны изменчивости показателей плодородия. Так измеренная отражательная способность на снимке сопоставляется с реальной вегетационной зрелостью в моменты наибольшего различия между отражательными способностями растительных объектов на многозональном снимке. На основе полученных данных и их анализа формируется база знаний сгенерированных цепочек агротехнологических операций. Такой подход избавляет агронома от проведения достаточно трудоемкого регулярного полевого обследования и позволяет получать качественно новые данные без существенных затрат. Полученные знания об участке далее используются аналитиком для рассмотрения различных допустимых технологических карт выращивания и выбора экономически наиболее целесообразной карты. Системой поддержки принятия решений учитываются план посева культуры, необходимые операции по уходу согласно проведенной классификации по уровню плодородия участка, возможности и ограничения по ресурсной базе предприятия, варианты использования производственных мощностей и оборудования. Заканчивается подпроцесс передачей перечня рекомендательных технологических мер ухода по зонам участка от аналитика агроному с последующим утверждением последним технологической карты операций. Реинжиниринг бизнес-процессов согласно предложенной модели приведет к снижению рисков в части соблюдения временных факторов, увеличит объемы производства и доходность сельскохозяйственного предприятия за счет перехода к цифровым технологиям автоматизированного сбора и обработки больших данных, возможности принятия решений на основе автома-тизированных аналитических систем и способности хранения в базе знаний сгенерированных цепочек агротехнологических операций для потребностей будущих периодов. К достоинствам предлагаемой модели технической и технологической трансформации, структура которой показана на рис. 8, относятся: – частичная компенсация и/или исключение ручного труда; – получение данных на протяжении всего производственного цикла; – возможность проведения статистического оперативного и интеллектуального анализа данных; – ведение оперативного мониторинга состояния посевов; – оценка всхожести сельскохозяйственных культур и их развития по цифровым картам (в виде ротофото- и векторных планов); – эффективное использование ресурсов, повышение производительности труда. В сельском хозяйстве все это особенно важно из-за сезонности и зависимости многих работ и их результата от внешних и не всегда поддающихся контролю факторов. Заключение Исследована актуальная современная задача организации системы цифрового землепользования, состоящая во внедрении автоматизированного режима сбора, обновления, анализа информации о ландшафтных метриках участка в различных временных срезах. Рассмотрены основополагающие элементы реинжиниринга бизнес-процессов в условиях цифровой трансформации, создания систем управления для контроля развития сельскохозяйственных культур с использованием потоковой обработки данных дистанционного зондирования. Изучена модель информационного сопровождения процессов производства для предприятий растениеводческого профиля, направленная на получение цифровых картографических моделей морфологии ландшафта и выработку рекомендаций по осуществлению адаптивно-ландшафтного земледелия. Цифровой облик внутренней структуры участка обернется для специалистов пространственной основой для динамического сравнения исторической и текущей ситуации и повысит контроль над факторами неопределенности. Повышение уровня контроля состояния и использования земель позволит разработать качественные рекомендательные схемы по устойчивому сохранению урожая, влияющие на оптимальное расходование ресурсов производства, а также получение высокой урожайности культур.
Список литературы

1. Гордеев А. В. Ведомственный проект «Цифровое сельское хозяйство»: офиц. изд. М.: ФГБНУ «Росинформагротех», 2019. 48 с. URL: http://mcx.ru/upload/iblock/900/900863fae06c026826a9ee43e124d058.pdf (дата обращения: 10.03.2021).

2. О государственной программе развития сельского хозяйства и регулирования рынков сельскохозяйственной продукции, сырья и продовольствия: Постановление Правительства Российской Федерации от 14 июля 2021 г. № 717. URL: http://docs.cntd.ru/document/902361843 (дата обращения: 26.02.2021).

3. Технологии и инновации. Цифровая трансформация бизнеса. URL: https://www.it.ua/ru/knowledge-base/technology-innovation/big-data-bolshie-dannye (дата обращения: 08.11.2020).

4. Структурные методы анализа и проектирования. URL: https://studfile.net/preview/5266140/page:3/ (дата обращения: 03.12.2020).

5. Удалова З. В. Особенности бизнес-процессов в сельскохозяйственных организациях и их влияние на формирование учетно-аналитического обеспечения. URL: https://cyberleninka.ru/article/n/osobennosti-biznes-protsessov-v-selskohozyaystvennyh-organizatsiyah-i-ih-vliyanie-na-formirovanie-uchetno-analiticheskogo/viewer (дата обращения: 15.11.2020).

6. Управление организационным поведением и механизмы управления. URL: http://www.mtas.ru/about/smartman/mechanism/04.pdf (дата обращения: 12.12.2020).

7. Хоменко Т. В., Квятковская И. Ю., Чертина Е. В. Информационно-аналитическая система управления региональным кластером аквакультуры и рыбного хозяйства // Вестн. Астрахан. гос. техн. ун-та. Сер.: Управление, вычислительная техника и информатика. 2017. № 2. С. 117–124. DOI: 10.24143/2072-9502-2017-2-117-124.

8. Вакуленко Д. В., Кравец А. Г. Разработка системы информационной поддержки принятия управленческих решений в задаче оценки земель сельскохозяйственного назначения // Инновационные технологии в обучении и производстве: материалы XIV Всерос. науч.-практ. конф. (Камышин, 15 ноября 2019 г.): в 3-х т. Волгоград: Изд-во Волгогр. гос. техн. ун-та, 2019. Т. 2. С. 50–53.

9. Филиппов Д. В., Чурсин И. Н. Оценка качества цифровых аэрофотоснимков // Вестн. компьютер. и информац. технологий. 2018. № 1. С. 34–39.

10. Алексанян И. Ю., Космачева И. М., Максименко Ю. А., Сибикина И. В., Хоменко Т. В. Модель управления рисками для систем поддержки принятия решений в рыбохозяйственной отрасли // Вестн. Астрахан. гос. техн. ун-та. Сер.: Управление, вычислительная техника и информатика. 2017. № 3. С. 108–116. DOI: 10.24143/2072-9502-2017-3-108-116.

11. Мужичек С. М., Обросов К. В., Сафонов В. А., Лисицын В. М. Эффективность мониторинга поверхности земли через слой кучевой облачности // Вестн. компьютер. и информац. технологий. 2019. № 11. С. 29–36.

12. Saiz-Rubio V. From Smart Farming towards Agriculture 5.0: A Review on CropDataManagement. URL: https://www.mdpi.com/2073-4395/10/2/207/htm (дата обращения: 08.12.2020).

13. Афонин В. В., Cавкина А. В., Никулин В. В. Оценка устойчивости структурно-яркостных свойств при цифровой обработке изображений // Вестн. Астрахан. гос. техн. ун-та. Сер.: Управление, вычислительная техника и информатика. 2021. № 2. С. 39–46. DOI 10.24143/2072-9502-2021-2-39-46.

14. Чурсин И. Н., Филиппов Д. В., Горохова И. Н. Распознавание сельскохозяйственных культур по мультиспектральным космическим снимкам высокого разрешения // Вестн. компьютер. и информац. технологий. 2018. № 11. С. 22–27.

15. Комарова А. Ф., Журавлева И. В., Яблоков В. М. Открытые мультиспектральные данные и основные методы дистанционного зондирования в изучении растительного покрова // Принципы экологии. 2016. № 1. С. 40–74.

16. Каличкин В. К., Павлова А. И. Агрономические геоинформационные системы. Новосибирск: СФНЦА РАН, 2018. 347 с. URL: https://sfsca.ru/docs/kalichkin.pdf (дата обращения: 27.11.2020).

17. Якубайлик О. Э. Технологии формирования интерактивных тематических карт на геопортале // Вестн. компьютер. и информац. технологий. 2017. № 4. С. 23–28.