Автоматизированный выбор агротехнологий и тракторного парка сельхозпредприятия: программный комплекс

Исследованы аспекты увеличения продуктивности и конкурентоспособности аграрного предприятия в области производства продукции растениеводства через информационное обеспечение производственных процессов с использованием современных цифровых информационных технологий. Цель данной работы – разработать программное обеспечение, предназначенное для оптимизации управления производственными процессами в растениеводстве, путем выбора соответствующих агротехнологий и эффективного использования имеющихся технических средств с учетом агроклиматических и производственных условий конкретного хозяйства. Объектом исследования стал процесс выбора технологий и технических средств при возделывании зерновых культур. Исследование учитывало современные агротехнологии, применяемые в Новосибирской области. Выделены основные этапы планирования производства продукции растениеводства, обоснована целесообразность создания веб-ориентированного программного обеспечения, разработана структурная схема программного комплекса для автоматизации подбора агротехнологий и технических средств. В результате реализован вебориентированный программный комплекс, состоящий из нескольких программных компонент, объединенных общей базой данных и интерфейсом, что позволяет обеспечить удобство и эффективность в использовании. Данный программный комплекс автоматизирует процесс формирования годового плана работ и расчета экономических показателей, значительно упрощая ведение планирования производства продукции на всех этапах. Программный комплекс ориентирован на применение в системах поддержки принятия решений, использующих цифровые технологии, что открывает новые горизонты для повышения производительности и оптимизации процессов в сфере растениеводства. Ключевыми преимуществами разработки являются улучшение качества планирования, сокращение временных затрат на обработку данных и возможность реализации индивидуального подхода к выбору технологий в зависимости от специфики производственного процесса.

1. David Christian Rose, Rebecca Wheeler, Michael Winter, Matt Lobley Charlotte-Anne Chivers. Agriculture 4.0: Making it work for people, production, and the planet // Land Use Policy. 2021. Vol. 100. N 104933. DOI: 10.1016/j.landusepol.2020.104933.

2. Rohit Sharma, Shreyanshu Parhi, Anjali Shishodia. Industry 4.0 Applications in Agriculture: Cyber-Physical Agricultural Systems (CPASs) // Advances in Mechanical Engineering: Select Proceedings of ICAME 2020. 2020. P. 807–813. DOI: 10.1007/978-981-15-3639-7_97.

3. Кирюшин В.И. Научно-инновационное обеспечение приоритетов развития сельского хозяйства // Достижения науки и техники АПК. 2019. Т. 33. № 3. С. 5–10. DOI: 10.24411/0235-2451-2019-10301.

4. Tanha Talaviya, Dhara Shah, Nivedita Patel, Hiteshri Yagnik, Manan Shah. Implementation of artificial intelligence in agriculture for optimisation of irrigation and application of pesticides and herbicides // Artificial Intelligence in Agriculture. 2020. Vol. 4. P. 58–73. DOI: 10.1016/j.aiia.2020.04.002.

5. Коковихин С.В., Биднина И.А., Шарий В.А., Червань А.Н., Дробитько А.В. Оптимизация агротехнологического процесса возделывания сельскохозяйственных культур на орошаемых землях с использованием информационных технологий // Почвоведение и агрохимия. 2020. № 2 (65). С. 63–71.

6. Якушев В.П., Якушев В.В., Блохина С.Ю., Блохин Ю.И., Матвеенко Д.А. Информационное обеспечение современных систем земледелия в России // Вестник Российской академии наук. 2021. Т. 91. № 8. С. 755–768.

7. Riksen V., Maksimovich K., Kizimova T., Galimov R., Fedorov D. Elements of the Decision Support System in the Agricultural Production Processes // Agriculture Digitalization and Organic Production. 2022. Vol. 331. P. 389–398. DOI: 10.1007/978-981-19-7780-0_34.

8. Коновалова Л.К., Окорков В.В. Совершенствование классификации агротехнологий (структурно-модульный подход) // Современные наукоемкие технологии. Региональное приложение. 2019. № 3 (59). С. 101–112.

9. Gosrev A.V., Pykhtin A.I., Semenova L. Program for the rational choice of highly cost-effective adaptive technology of grain cultivation for various conditions of the European part of the Russian Federation // Journal of Applied Engineering Science. 2020. Vol. 18. N 2. P. 216–221. DOI: 10.5937/jaes18-26312.

10. Старцев А.В., Алушкин Т.Е., Романов С.В., Сторожев И.И. Модель определения эксплуатационных затрат машинно-тракторных агрегатов на посев с учетом продолжительности работ и размеров площадей // Тракторы и сельхозмашины. 2020. № 1. С. 82–87.

11. Васенев И.И., Ярославцев А.М., Валентини Р. Курашов М.Ю., Сильвестри М. Развитие IoT систем агроэкологического мониторинга для поддержки принятия решений по оптимизации выбора сортов и агротехнологий // Доклады ТСХА. 2021. Т. 293. Ч. 4. С. 412–415.

12. Чуян О.Г., Золотухин А.Н., Караулова Л.Н, Митрохина О.А. Система поддержки принятия решений по рациональному использованию природно-ресурсного потенциала в агроландшафтах ЦЧР // Достижения науки и техники АПК. 2022. Т. 36. № 9. С. 5–12. DOI: 10.53859/02352451_2022_36_9_5.

13. Крепышев Д.А., Овчаров А.П., Лабинцева В.Р. Использование экспертных систем для поддержки принятия решений в ведении агробизнеса // Научный журнал КубГАУ. 2020. № 164 (10). DOI: 10.21515/1990-4665-164-011.

14. Kulmatova S., Khatamov O., Yusupova D. Issues of digitalization of machine and tractor fleets in agriculture // E3S Web of Conferences. 2023. Vol. 401. P. 04047. DOI: 10.1051/e3sconf/202340104047.

15. Rehman A., Liu J., Kequi L., Mateen Ah. Yasin M.Q. Machine learning prediction analysis using IoT for Smart Farming // International Journal of Emerging Trends in Engineering Research. 2020. Vol. 8. N 9. P. 6482–6487.

16. Альт В.В., Балушкина Е.А., Исакова С.П. Математическая модель по выбору технологий возделывания зерновых культур // Сибирский вестник сельскохозяйственной науки. 2020. Т. 50. № 2. С. 92–99. DOI: 10.26898/0370-8799-2020-2-11.