на электронную версию
журнала и новости
Игорь Кулиничев, ведущий архитектор отраслевых решений, IBM Россия и СНГ
Задачи организации и поддержания эффективных агропромышленных производств сложно переоценить. Население Земли постоянно растет, и обеспечение продовольствием является приоритетной задачей практически всех стран, так как оно составляет основу для национальной продовольственной безопасности и снижает уровень социальной напряженности. Развитие мирового агропромышленного производства определяется несколькими тенденциями, которые в большей или меньшей степени характерны для ведущих агропромышленных стран и будут в ближайшие годы оказывать решающее значение на особенности развития цифровых технологий в агробизнесе и в области государственного регулирования в области сельскохозяйственного производства.:
Возрастающий спрос на сельскохозяйственную продукцию является ключевым драйвером роста всей экосистемы агробизнеса до 2050 года. Рост населения (до 9,6 миллиардов человек к 2050 году, согласно прогнозам ООН) потребует 50% роста сельскохозяйственной продукции. Рост среднего класса в развивающихся странах увеличит спрос на мясо, молочные продукты, растительное масло, сахар, фрукты и овощи. Новые источники спроса на сельскохозяйственную продукцию будут затрагивать энергетические отрасли, в частности, производство биотоплива и этанола.
На долю сельского хозяйства приходится до 70% потребляемой пресной воды при том, что за последние 50 лет ее использование увеличилось на 300%. Пахотные угодья сокращаются вследствие экономического развития, наносимого экологического ущерба, изменения климата и наступления более суровых погодных условий. В последние десятилетия cоотношение пахотных земель к населению сократилось примерно на 40% , причем, в развивающихся странах этот процесс ускоряется. Плодородность земель под культивацией снижается из-за ненадлежащего управления почвой. Сокращение природных ресурсов приводит к необходимости менять способы их извлечения и использования, значит, мир должен производить больше продовольствия с меньшими затратами. Растущие цены на сырьевые товары и энергоносители заставляют предприятия агробизнеса значительно улучшать эффективность и производительность труда для повышения общей рентабельности.
Влияние развивающиеся стран как производителей продукции сельского хозяйства и продовольственных товаров растет. При этом, доля c/х сектора тем крупней, чем больше общий ВВП страны. Cельское хозяйство Индии составляет 17% ВВП страны, Китая − 11% ВВП. В Бразилии этот показатель равен 6%, а в России − 5%. Для обеспечения доступа к экспортным рынкам и соответствия высоким стандартам качества и безопасности агропроизводства все чаще внедряют системы отслеживания продукции. Cтраны с высоким соотношением экспорта сельхозпродукции к ВВП быстро продвигаются к созданию прозрачных цепочек производства и поставок, в частности, для создания более положительного репутационного имиджа в области охраны труда и техники безопасности.
Производство с/х продукции является и сохранит за собой статус крупнейшего производства в мировом масштабе при том, что составной кооперативной частью агробизнеса можно смело считать производителей сельхозтехники, беспилотные летательные аппараты, компании точного земледелия, страхование урожаев, банковское дело для фермеров, транспорт и отрасли, которые непосредственно влияют на общую стоимость сельхозпродукции.
Цифровая трансформация агробизнеса происходит с опорой на использование передовых инновационных технологий, таких как интернет вещей (IoT), блокчейн1, искусственный интеллект и машинное обучение, облачные и мобильные технологии, аналитика больших данных. Спектр решений, несущих реальную выгоду агробизнесу, чрезвычайно широк и может быть условно разбит на следующие тематики:
Предсказательная аналитика и интернет вещей в сельском хозяйстве
В целях внедрения предсказательной аналитики в сельском хозяйстве активно используется интернет вещей. Речь идет о создании полноценных платформ, содержащих необходимый набор программно-аппаратных решений. Такие платформы позволяют реализовать цикл сбора и анализа информации для конкретной задачи прогнозирования, а также для организации взаимодействия ключевых участников экосистемы с/х производства. Создание IoT-платформы может находиться в ведении крупного агрохолдинга или государственного регулятора с привлечением ресурсов провайдера облачных услуг.
Анализ данных из разных источников о возделывании культур с использованием беспилотных летательных аппаратов и данных о погоде позволяет оптимизировать процессы посева, внесения удобрений и защиты урожая. IBM предлагает для этих задач сервисы облачной платформы Watson IoT. С помощью этих технологий данные собираются со всех источников посредством надежного промышленного протокола и передаются в облако Watson IoT для последующего проведения аналитических изысканий, которые позволяют предсказывать качество и количество урожаев. Возможные источники данных для предсказательной аналитики в с/х представлены на диаграмме ниже:на рисунке 1.
Рис. 1. Источники данных для предсказательной аналитики в с/х на базе платформы Watson IoT
На риc.унке 2 приведена высокоуровневая архитектура предсказательной аналитики в сельском хозяйстве, которая использует все многообразие данных, аналитические модели и такие специфические возможности IoT платформы как «рецепты» − предварительно сконфигурированные системные наборы для использования устройств и сенсоров ведущих производителей в облачной среде.
Рис. 2. Архитектура предсказательной аналитики в с/x на базе Watson IoT
Собираемые данные о почве и погоде, видео, а также данные со спутника создают возможность для анализа и оптимизации урожайности. Небольшие фермерские хозяйства могут использовать аналитическую информацию для повышения своей конкурентоспособности.
Точное земледелие
Одно из самых современных направлений цифровизации в сельском хозяйстве − точное (координатное) земледелие. В основе данной концепции лежит представление о существовании неоднородностей в пределах одной сельскохозяйственной единицы (поля). Для детектирования таких неоднородностей используются современные технологии: ГЛОНАСС/GPS, аэрофотосъемка, фотосъемка со спутников, а также множество различных датчиков для определения характеристик выделенного участка земли. После сбора и обработки подобной информации принимается решение о дифференцированном применении удобрений и работ для повышения урожайности на различных участках возделываемого поля. В результате вместо равномерного распределения удобрений или профилактических работ по всей сельскохозяйственной площади, указанные действия могут быть применены точечно для конкретных областей, в соответствии с ожидаемой урожайностью того или иного участка. Точное земледелие требует междисциплинарного подхода, где ключевую роль играет правильная организация сбора и обработки данных полевых сенсоров, аэрофотосъемка. Возможно применение решений по обработке данных длительного полевого опыта земледелия на одном и том же участке земли при различных условиях окружающей среды. Также, возможно создание концепции «умного поля» как облачного сервиса по сбору и обработке информации точного земледелия, а также генерации оптимальных управляющих решений различного уровня (от непосредственных команд автоматики до стратегических инвестиционных решений).
Создание высокоточных прогнозов погодных условий местного масштаба
Погодные условия являются главным природным фактором, влияющим практически на все аспекты с/х деятельности. Много усилий направляется на предвосхищение возможных последствий резкого изменения погоды (шторм, потоп, сильный снегопад) путем подготовки объектов к экстремальным условиям. Важнейшим фактором становится создание точных прогнозов, которые закладываются в основу планирования мероприятий для инфраструктуры, согласованиея времени работ и заблаговременного выделения ресурсов обеспечения. При прогнозировании погоды используются сложные математические модели, симулирующие атмосферные процессы с определенной точностью. В сельском хозяйстве важно с высокой точностью знать температурный и влажностный режим конкретных участков земли для оптимального планирования таких мероприятий, как орошение. Важно повышение точности прогнозирования с одновременным уменьшением масштаба до локального уровня (1 км2 и менее) при сроке прогнозирования как минимум на 1-2 суток.
IBM проводит подобные исследования в области создания атмосферных моделей. Планируется создание необходимого спектра прогнозных моделей от долгосрочных сезонных до краткосрочных. Компания занимается исследовательскими работами по созданию различных моделей (погодных, физических, статистических, химического состава и других), комбинированное взаимодействие которых позволяет при использовании в режиме гибридной ассимиляции данных и смешанного применения извлекать максимальные преимущества машинного обучения и когнитивных вычислений для формирования долгосрочных прогнозов. Для решений с использованием погодных факторов срок прогнозов составляет около 10 дней, а для краткосрочных комплексных прогнозов − это 1-2 дня. Сами же прогнозы могут быть разными и относиться к сфере деятельности с/х как напрямую, так и косвенно. Например, речь может идти о распространении загрязняющих веществ в атмосфере, влажности или химическом составе почвы. На практике каждый конкретный случай требует индивидуального подхода, с точки зрения учитываемых факторов, срочности прогноза и его координатной гранулярности.Данные наработки позволят предсказывать погодные условия и проводить оценку рисков возникновения неблагоприятных условий для конкретной местности, что дает возможность строить соответствующие финансовые прогнозы.
Подключаемая мобильность для фермерских хозяйств
Мобильность в агробизнесе – залог улучшения критических показателей его деятельности благодаря использованию мобильных технологий. Расширенные возможности мобильной связи облегчают фермерам доступ к оперативной рыночной информации и сводкам погоды, вспомогательной информации о финансовых ресурсах и таких продуктах, как кредит и страхование. Веб и мобильные приложения помогают также укреплять отношения с клиентами и партнерами, делая взаимодействие в рамках экосистемы прозрачным и нетрудоемким.
Управление оборудованием и цепочками поставок
Вопросы обеспечения безопасности пищевых продуктов и прозрачность логистических процедур от производства до потребителя реализуется на базе технологий интернета вещей и блокчейн. Кроме того, речь идет о максимальном увеличение времени работы оборудования за счет прогнозирования сбоев и оптимизации обслуживания. Выполняется оптимизация цепочек поставок, с точки зрения финансовых выгод и экологической безопасности.
Прогнозирование и отслеживание использования земель
Решение позволяет формировать комплексное понимание использования земель путем интеграции данных из реестра землепользования, цифровых снимков почвы. Оно позволяет оценивать потенциальную отдачу с полей и мониторить прогресс роста культур.
Идентификация и прогноз по вредителям / болезням
Решение позволяет прогнозировать и устранять причины гибели урожая. При выработке прогнозов используются следующие данные: сводки погоды, информация о влажности почвы, цифровые изображения. В результате возможно получить набор данных, описывающий оценку здоровья растений, прогноз распространения вредителей и болезней на следующие дни, предупреждения о вредителях и заболеваниях на основе базы знаний.
Описанные выше технологии и решения успешно применяются на практике в ряде проектов по всему миру и приносят осязаемую выгоду заказчикам проектов.
Кейс 1. Измерительное решение для хранилищ зерна и кормов
IBM работает над созданием измерительного решения для хранилищ зерна и кормов на основе сбора и отображения данных из силосов и бункеров хранения.
Изначально проблемной областью заказчика было неточное количественное измерение и ограниченная прослеживаемость или коэффициент использования зерна. В результате проекта разработано устройство и приложение для датчиков силоса, разработана корпоративная архитектура, внедрена интеграция подсистем и бизнес-аналитика.
Преимущества реализованного решения для бизнеса:
наличие центральной системы управления несколькими объектами/несколькими силосными хранилищами, обеспечение отчетности по аспектам хранения зерна;
удаленный мониторинг товарных запасов на нескольких объектах;
взаимодействие участников процесса (правительственные агентства, поставщики, клиенты и т.д.);
оптимизация доставки инвентаря;
доведение запасов до уровней обеспечения бесперебойной поставки.
Кейс 2. Использование блокчейн для проверки качества и безопасности сельскохозяйственной продукции
IBM вместе с крупнейшей розничной сетью Walmart и Университетом Цинхуа провели пилотные испытания блокчейн в отслеживании транспортировки продовольственной продукции от поставщиков до прилавков, в том числе, свинины в Китае и манго в США. Испытания в частности показали, что блокчейн помог сократить время определения маршрута упаковки манго с нескольких дней или недель до пары секунд.
Позитивный эффект от использования инновационных технологий не умаляет значимости традиционных систем, которые в настоящий момент используются в сельском хозяйстве. Напротив, внедрение цифровых инноваций сулит максимальную выгоду при поступательной их апробации с опорой на уже накопленные информационные массивы и технологические решения. Таким образом, крайне важен процесс обогащения существующего ИТ-ландшафта c возможностью получения неизвестных ранее знаний при сохранности уже осуществленных инвестиций.
Справка:
Игорь Кулиничев является сертифицированным архитектором с 20–летним опытом работы. Отвечает за руководство комплексными проектными работами в рамках предпродажного консультирования, подготовку предложений, отвечающих требованиям ключевых заказчиков с акцентом на отраслевые решения IBM, в частности, для госсектора и сферы транспортных услуг.
Игорь Кулиничев имеет большой проектный опыт в области создания высоконадежных центров обработки данных, архитектуры электронного правительства, а также в таких инновационных отраслях как облачные вычисления, большие данные, интернет вещей и искусственный интеллект. Является выпускником МГТУ им. Баумана.
______________________________________________________________________________
1. Блокчейн (англ. blockchain или block chain) – это публичная распределенная база всех транзакций, происходящих в системе, работа которой осуществляется без централизованного управления. Проверкой транзакций занимаются участники системы, которые подтверждают подлинность совершенных действий, а также формируют из набора записей транзакций блоки (blocks). Решаемые задачи: создание надежного децентрализованного хранилища; формирование распределенных учетных систем; организация учета транзакций без посредников; практически безграничная масштабируемость.
Смотрите также
