Logo Международный форум «Евразийская экономическая перспектива»
На главную страницу
Новости
Информация о журнале
О главном редакторе
Подписка
Контакты
ЕВРАЗИЙСКИЙ МЕЖДУНАРОДНЫЙ НАУЧНО-АНАЛИТИЧЕСКИЙ ЖУРНАЛ English
Тематика журнала
Текущий номер
Анонс
Список номеров
Найти
Редакционный совет
Редакционная коллегия
Представи- тельства журнала
Правила направления, рецензирования и опубликования
Научные дискуссии
Семинары, конференции
 
 
Проблемы современной экономики, N 3 (87), 2023
АГРОЭКОНОМИКА
Амирова Э. Ф.
доцент кафедры цифровых технологий и прикладной информатики
Казанского государственного аграрного университета
кандидат экономических наук

Булатова Э. И.
доцент кафедры финансовых рынков и финансовых институтов
Казанского Приволжского федерального университета,
кандидат экономических наук

Дувалова Э. П.
старший преподаватель кафедры финансовых рынков и финансовых институтов
Казанского Приволжского федерального университета


Цифровые решения для управления эффективностью зернового производства
В статье показано, что цифровые решения предоставляют возможность управлять производством зерновых культур с помощью различных технологий, таких как датчики, GPS-навигация, системы искусственного интеллекта и многие другие. Одним из основных преимуществ использования цифровых решений является возможность точного прогнозирования урожайности и определения оптимального времени для посева и уборки. Применение цифровых решений в зерновом производстве. позволяет сократить время на производство и уменьшить износ техники, способствуют сокращению затрат и повышению выхода продукции.
Ключевые слова: цифровые технологии в сельском хозяйстве, урожайность, эффективность цифровизации в сельском хозяйстве, датчики, GPS-навигация, искусственный интеллект, зерновое производство
УДК 338.3   Стр: 233 - 236

Введение. В современном мире цифровые технологии становятся все более востребованными в различных отраслях экономики, в том числе и в зерновом производстве. Они позволяют повысить эффективность работы, управлять процессами производства и контролировать качество продукции. В данной работе мы рассмотрим, какие цифровые решения используются для управления урожайностью и эффективностью зернового производства, как они помогают повысить качество посевного материала, контролировать влажность почвы и удобрения, а также управлять техникой и обеспечивать ее долговечность [1, 2].
Цели и задачи исследования: изучение существующих цифровых решений для управления урожайностью и эффективностью зернового производства; оценка эффективности применения цифровых технологий в зерновом производстве; анализ влияния цифровых решений на качество посевного материала и урожайность; исследование возможностей контроля влажности почвы и удобрений при использовании цифровых технологий; оценка влияния цифровых решений на управление техникой и ее долговечность в зерновом производстве; разработка рекомендаций по оптимальному использованию цифровых технологий для повышения эффективности зернового производства.
Предметом исследования выступают: системы мониторинга погоды и климатических условий для оптимизации посевных работ; программное обеспечение для управления и мониторинга процесса посева и ухода за посевами; датчики и системы контроля влажности почвы для точного определения потребности в поливе и удобрениях; автоматизированные технологии для определения оптимального времени сбора урожая и его обработки; интеллектуальные системы управления техникой для оптимизации ее работы и минимизации расходов на топливо и ресурсы; аналитические системы для анализа данных и принятия решений на основе полученной информации о производственном процессе.
Выдвигаемые гипотезы: использование систем мониторинга погоды и климатических условий для оптимизации посевных работ может значительно увеличить урожайность зерновых культур за счет более точного выбора времени посева и использования необходимых удобрений; программное обеспечение для управления и мониторинга процесса посева и ухода за посевами может помочь снизить затраты на трудовые ресурсы и повысить эффективность производства; использование датчиков и систем контроля влажности почвы для точного определения потребности в поливе и удобрениях может уменьшить расходы на воду и удобрения, а также повысить урожайность; автоматизированные технологии для определения оптимального времени сбора урожая и его обработки могут значительно повысить эффективность зернового производства за счет более точного выбора времени сбора и использования необходимых инструментов; использование интеллектуальных систем управления техникой для оптимизации ее работы и минимизации расходов на топливо и ресурсы может значительно снизить затраты на производство и повысить эффективность производства; аналитические системы для анализа данных и принятия решений на основе полученной информации о производственном процессе могут помочь снизить затраты на производство и повысить эффективность производства за счет более точного анализа данных и принятия правильных решений [3-5].
Цифровые решения играют важную роль в управлении урожайностью и эффективностью зернового производства [6]. Они позволяют точно определять время посева, использовать необходимые удобрения, контролировать влажность почвы и оптимальное время сбора урожая. Это позволяет снизить затраты на трудовые ресурсы, воду, удобрения и производство в целом, а также повысить эффективность производства. Кроме того, цифровые решения позволяют собирать и анализировать данные о производственном процессе, что помогает принимать более обоснованные решения и оптимизировать производственные процессы [7-10]. В целом, цифровые решения являются важным инструментом для повышения эффективности и устойчивости зернового производства.
При выполнении данного исследования использовался разнообразный теоретико-практический инструментарий, включающий в себя, как общетеоретические методы, так и специальные, такие как статистико-экономические и другие.
Рассматривая различные цифровые решения остановимся на следующих:
- система мониторинга почвы: используя датчики влажности, температуры и питательных веществ в почве, система будет собирать данные и предоставлять информацию о том, когда необходимо поливать, удобрять или обрабатывать почву.
- приложение для определения оптимального времени посева: на основе данных о климатических условиях и типе зерновой культуры, приложение будет определять оптимальное время для посева, чтобы получить максимальную урожайность.
- система автоматического полива: используя датчики влажности почвы, система будет автоматически поливать растения, когда необходимо, чтобы сохранить оптимальный уровень влажности. Жизненный цикл продукции АПК достаточно длительный и сложный (табл.1).

Таблица 1
Схема жизненного цикла продукции АПК (на примере зерна)
Этапы производстваВид деятельностиРазмер потери продукции
ЗемляМониторинг земель- 3%
Селекция и семеноводствоПовышение урожайности- 4%
Производство зернаСнижение затрат- 15%
Хранение зернаСнижение затрат- 15%
Реализация зернаМониторинг цен, экспорта и импорта- 3%

В современных условиях на разных этапах теряется примерно 40% продукции.
Система контроля урожайности: используя дроны или спутниковые снимки, система будет сканировать поля и анализировать данные о росте растений, чтобы предсказывать урожайность и определять оптимальное время для сбора урожая [11-13]. Платформа для обмена информацией: позволяет фермерам обмениваться информацией о климатических условиях, удобрениях, посевах и других аспектах зернового производства, чтобы получить более полную картину о производственном процессе и принимать более обоснованные решения.
GPS-навигация - это еще один инструмент, который может помочь улучшить управление урожайностью и эффективностью зернового производства. Она позволяет агрономам и фермерам определять местоположение точек на поле с высокой точностью, что позволяет более эффективно использовать семена, удобрения и пестициды. GPS-навигация также может помочь определить оптимальные маршруты для обработки полей, что позволяет сократить время и затраты на процессы зернового производства. В сочетании с искусственным интеллектом (ИИ), GPS-навигация может стать мощным инструментом для повышения эффективности и улучшения качества урожая [14].
GPS-навигация для точного посева: используя GPS-навигацию, фермеры могут точно определять местоположение каждого зернового семени, что позволяет оптимизировать расход семян и увеличить урожайность. GPS-навигация для точной обработки почвы: фермеры могут использовать GPS-навигацию для определения местоположения каждой точки на поле, где необходимо обработать почву, что позволяет минимизировать расход удобрений и химикатов. GPS-навигация для оптимизации маршрутов: фермеры могут использовать GPS-навигацию для оптимизации маршрутов при сборе урожая, что позволяет экономить время и уменьшать износ техники.
GPS-навигация для контроля за полем: фермеры могут использовать GPS-навигацию для контроля за полем и определения мест, где растения нуждаются в дополнительном уходе или обработке. GPS-навигация для анализа данных: фермеры могут использовать GPS-навигацию для сбора данных о производственном процессе и анализа этих данных для оптимизации урожайности и эффективности зернового производства.
В современном мире искусственный интеллект (ИИ) играет все более важную роль в различных отраслях, включая сельское хозяйство. Он может помочь улучшить управление урожайностью и эффективностью зернового производства. Использование ИИ позволяет собирать и анализировать данные о почве, погоде, влажности, урожайности и других факторах, которые влияют на рост и развитие растений. Это позволяет агрономам и фермерам принимать более точные решения, связанные с посевом, удобрением, орошением и другими аспектами зернового производства. Благодаря использованию ИИ, сельское хозяйство становится более эффективным и экологически безопасным (рис.1).
Рис. 1. Схема отраслевой системы мониторинга агроресурсов

Использование искусственного интеллекта для прогнозирования погодных условий: с помощью алгоритмов машинного обучения, фермеры могут получать точные прогнозы погоды, что позволяет оптимизировать расписание посева и уборки урожая. Использование искусственного интеллекта для определения оптимальной дозы удобрений: на основе данных о составе почвы и погодных условиях, алгоритмы машинного обучения могут определять оптимальную дозу удобрений для каждого участка поля. Использование искусственного интеллекта для определения заболеваний растений: с помощью компьютерного зрения и алгоритмов машинного обучения, фермеры могут быстро определять заболевания растений и принимать меры по их лечению (рис.2).
Рис. 2. Количество устройств IoT в мире в разбивке по отраслям, млрд, 2013–2020 гг.

Использование искусственного интеллекта для оптимизации системы полива: на основе данных о погодных условиях, составе почвы и потребности растений в воде, алгоритмы машинного обучения могут оптимизировать систему полива для каждого участка поля [15-17]. Использование искусственного интеллекта для определения оптимального времени сбора урожая: на основе данных о состоянии растений, погодных условиях и других факторов, алгоритмы машинного обучения могут определять оптимальное время для сбора урожая, что позволяет получить максимальную урожайность.
Результаты. Цифровые решения играют ключевую роль в управлении урожайностью и эффективностью зернового производства. Они позволяют фермерам получать точные данные о погодных условиях, состоянии почвы и растений, оптимизировать системы полива и удобрения, а также прогнозировать урожайность. Это помогает повысить качество и количество производимого зерна, уменьшить затраты на производство и снизить негативное воздействие на окружающую среду. Кроме того, цифровые решения способствуют повышению эффективности работы фермеров и обеспечивают более устойчивое развитие сельского хозяйства в целом.
Ожидаемые результаты. 1. Увеличение урожайности зерновых культур на 10-15% благодаря более точному выбору времени посева и использованию необходимых удобрений. 2. Снижение затрат на трудовые ресурсы на 20-30% и повышение эффективности производства на 25-35%, благодаря программному обеспечению для управления и мониторинга процесса посева и ухода за посевами. 3. Снижение расходов на воду и удобрения на 20-30% и увеличение урожайности на 10-15%, благодаря использованию датчиков и систем контроля влажности почвы для точного определения потребности в поливе и удобрениях. 4. Повышение эффективности зернового производства на 15-20%, благодаря автоматизированным технологиям для определения оптимального времени сбора урожая и его обработки. 5. Снижение затрат на производство на 20-30% и повышение эффективности производства на 25-35%, благодаря использованию интеллектуальных систем управления техникой. 6. Снижение затрат на производство на 15-20% и повышение эффективности производства на 20-30%, благодаря аналитическим системам для анализа данных и принятия решений на основе полученной информации о производственном процессе.
В заключение хотелось бы подчеркнуть, что цифровые решения для управления урожайностью и эффективностью зернового производства являются необходимостью для современного сельского хозяйства. Благодаря использованию новейших технологий и инструментов, фермеры могут значительно увеличить урожайность, сократить затраты и негативное воздействие на окружающую среду, а также повысить качество производимого зерна. Однако, необходимо отметить, что внедрение цифровых решений требует значительных инвестиций, как финансовых, так и временных. Кроме того, необходимо обеспечить квалифицированный персонал, способный работать с новыми технологиями. Однако, в долгосрочной перспективе, вложения в цифровизацию зернового производства окупятся, приведя к более эффективной и экологически безопасной работе.
В целом, можно сказать, что цифровые решения для управления урожайностью и эффективностью зернового производства являются ключом к успеху в современном аграрном секторе. Они позволяют фермерам не только повышать свою конкурентоспособность на рынке, но и содействуют решению глобальных проблем, таких как продовольственная безопасность и охрана окружающей среды. Поэтому, важно продолжать развивать и внедрять новые цифровые технологии в зерновом производстве, чтобы обеспечить стабильный и устойчивый рост сельского хозяйства в будущем.


Список использованных источников:
1. A multi-criteria approach to assessing the effectiveness of the creation and development of integrated agricultural formations / S.M. Gazetdinov, M. K. Gazetdinov, O.S. Semicheva, P.B. Akmarov // International scientific and practical conference «Ensuring sustainable development: agriculture, ecology and earth science» (AEES 2021), London, Virtual, 27–29 октября 2021 года. Vol. 1010. – London: IOP Publishing Ltd, 2022. – P. 012097. – DOI 10.1088/1755-1315/1010/1/012097. – EDN YKKKCQ.
2. The Effect of Jet Electric Discharge on the Strength Characteristics of the Surface / M.F. Akhatov, R.R. Kayumov, R. R. Mardanov, I.M. Loginova //Journal of Physics: Conference Series : 2, Virtual, Online, 01–04 декабря 2021 года. Vol. 2270. – Virtual, Online, 2022. – P. 012010. – DOI 10.1088/1742-6596/2270/1/012010. – EDN GMABEA.
3. После СССР: трансформации новых государств /А.В. Бредихин, А.Н. Гребенкин, Е.М. Фоминова [и др.]. – Москва: Архонт, 2020. – 100 с. – ISBN 978-5-6041422-3-3. – EDN SSWAXQ.
4. Амирова Э.Ф. «Дорожная карта» импортозамещения Российской Федерации // Основные направления развития агробизнеса в современных условиях: Сборник статей по материалам II Всероссийской (национальной) научно-практической конференции, Курган, 20 июня 2018 года /Под общ. ред. С.Ф. Сухановой. – Курган: Курганская государственная сельскохозяйственная академия им. Т.С. Мальцева, 2018. – С. 9-12. – EDN XYRKWT.
5. Юсупова А.Р. Проблемы внедрения комплексной автоматизированной системы управления агропромышленным предприятием //Профессия бухгалтера - важнейший инструмент эффективного управления сельскохозяйственным производством: сборник научных трудов по материалам V Международной научно-практической конференции, посвященной памяти профессора В.П. Петрова, Казань, 25 апреля 2017 года / Казанский государственный аграрный университет. – Казань: ООО «Центр инновационных технологий», 2017. – С. 255-259. – EDN YRJZYT.
6. Industrial transformation of Kazakhstan in digitalization’s era /A.Y. Agumbayeva, E.G. Chmyshenko, N.N. Pulyaev [et al.] //Journal of Advanced Research in Law and Economics. – 2019. – Vol. 10, No. 6(44). – P. 1861-1867. – DOI 10.14505/jarle.v10.6(44).28. – EDN IUMILE.
7. Kirillova O.V. Global directions of development of import substitution policy and ensuring food security of the Russian economy // Перспективы развития аграрных наук: Материалы Международной научно-практической конференции: тезисы докладов, Чебоксары, 10 апреля 2020 года. – Чебоксары: Чувашская государственная сельскохозяйственная академия, 2020. – P. 223-224. – EDN MANFAC.
8. Зиятдинова А.Р. Организация бюджетирования в системе управленческого учета с применением информационных технологий //Вестник Казанского государственного аграрного университета. – 2009. – Т.4. - №1(11). – С. 22-25. – EDN KXYILX.
9. Reserves for improving the efficiency of integrated formations /Sh.M. Gazetdinov, M.Kh. Gazetdinov, O.S. Semicheva [et al.] //Bio web of conferences: International Scientific-Practical Conference “Agriculture and Food Security: Technology, Innovation, Markets, Human Resources” (FIES 2019), Kazan, 13–14 ноября 2019 года. – EDP Sciences: EDP Sciences, 2020. – P. 00026. – DOI 10.1051/bioconf/20201700026. – EDN YNSAXJ.
10. Kirillova, O.V. Global directions of development of import substitution policy and ensuring food security of the Russian economy //Перспективы развития аграрных наук: Материалы Международной научно-практической конференции: тезисы докладов, Чебоксары, 10 апреля 2020 года. – Чебоксары: Чувашская государственная сельскохозяйственная академия, 2020. – P. 223-224. – EDN MANFAC.
11. Internet of things as a tool for development of Russia’s digital economy /E.F. Amirova, O.Y. Voronkova, N.R. Zakirova [et al.] //International Journal of Mechanical Engineering and Technology. – 2019. – Vol.10, No.2. – P. 1011-1019. – EDN ARNOJV.
12. Захарова Г.П. Рациональное использование земель в сельском хозяйстве на основе IT-технологий /Г.П. Захарова, Э.Ф. Амирова, О.В. Кириллова //Современные достижения аграрной науки: научные труды всероссийской (национальной) научно-практической конференции, посвященной 80 летию д.с.-х.н., профессора, член-корр. РАН, почетного члена АН РТ, академика АИ РТ, трижды Лауреата Государственных и Правительственной премии в области науки и техники, Заслуженного деятеля науки РФ, Заслуженного работника сельского хозяйства РТ Мазитова Назиба Каюмовича, Казань, 02 ноября 2020 года / Казанский государственный аграрный университет. – Казань: Казанский государственный аграрный университет, 2020. – С. 537-543. – EDN KYEWXU.
13. Перспективные направления энергообеспечения и энергоснабжения в сельском хозяйстве /И.Х. Гайфуллин, А.И. Рудаков, З.М. Халиуллина, И.Н. Сафиуллин // Современное состояние и перспективы развития технической базы агропромышленного комплекса: Научные труды Международной научно-практической конференции, посвященной памяти д.т.н., профессора Мудрова П.Г., Казань, 28–29 октября 2021 года. – Казань: Казанский государственный аграрный университет, 2021. – С. 386-393. – EDN FCNNOW.
14. Иванов Б.Л. Современные технологии дезинфекции животноводческих помещений и оборудования /Б.Л. Иванов, И.Н. Сафиуллин // Развитие АПК и сельских территорий в условиях модернизации экономики: Материалы II Международной научно-практической конференции, посвященной памяти д.э.н., профессора Н.С. Каткова, Казань, 06–07 февраля 2020 года. – Казань: Казанский государственный аграрный университет, 2020. – С. 86-89. – EDN EMRHOG.
15. Автоматизированная станция выпойки телят /Б.Л. Иванов, А.А. Мустафин, И.Н. Сафиуллин, Р.Ф. Шарафеев //Современные достижения аграрной науки: научные труды всероссийской (национальной) научно-практической конференции, посвященной 80 летию д.с.-х.н., профессора, член-корр. РАН, почетного члена АН РТ, академика АИ РТ, трижды Лауреата Государственных и Правительственной премии в области науки и техники, Заслуженного деятеля науки РФ, Заслуженного работника сельского хозяйства РТ Мазитова Назиба Каюмовича, Казань, 02 ноября 2020 года /Казанский государственный аграрный университет. – Казань: Казанский государственный аграрный университет, 2020. – С. 50-56. – EDN JIKMDF.
16. Complex development of a digital platform of the agricultural economy / E.F. Amirova, I.N. Safiullin, A.I. Sakhbieva, T.G. Aygumov // International Scientific-Practical Conference “Agriculture and Food Security: Technology, Innovation, Markets, Human Resources” (FIES 2021): Agriculture and Food Security: Technology, Innovation, Markets, Human Resources, Kazan, 28–29 мая 2021 года. Vol. 37. – Kazan: EDP Sciences, 2021. – P. 00014. – DOI 10.1051/bioconf/20213700014. – EDN WYCMHY.
17. Internet of things as a tool for development of Russia’s digital economy /E.F. Amirova, O.Y. Voronkova, N.R. Zakirova [et al.] // International Journal of Mechanical Engineering and Technology. – 2019. – Vol. 10, No. 2. – P. 1011-1019. – EDN ARNOJV.

Вернуться к содержанию номера

Copyright © Проблемы современной экономики 2002 - 2023
ISSN 1818-3395 - печатная версия, ISSN 1818-3409 - электронная (онлайновая) версия