Алгоритм логистики сельскохозяйственного производства на роботизированной растениеводческой ферме Текст научной статьи по специальности «Сельское хозяйство, лесное хозяйство, рыбное хозяйство»

МЕХАНИЗАЦИЯ

D

DOI: 10.24411/0235-2451-2018-10218 УДК 633.521: 631.171: 631.153: 631.165

АЛГОРИТМ ЛОГИСТИКИ СЕЛЬСКОХОЗЯЙСТВЕННОГО ПРОИЗВОДСТВА НА РОБОТИЗИРОВАННОЙ РАСТЕНИЕВОДЧЕСКОЙ ФЕРМЕ

Б.Ф. КАРПУНИН, кандидат сельскохозяйственных наук, зам. директора (e-mail: boris-karpunin@yandex. ru)

ООО Научно-технический центр «РобоПРОБ», Олимпийский пр-т, 4, оф. 80, Мытищи, Московская обл., 141009, Российская Федерация

Резюме. На основе разработанных автором цифровых моделей наступления фенологических фаз льна прядильного, формирования структуры его урожайности, технологии производства льносырья (электронные технологические карты) создана модель логистики сельскохозяйственного производства. Она позволяет рассчитать все необходимые для успешного выращивания и реализации уборочных работ технические параметры: прогноз климатически обоснованного урожая и его качество, даты наступления фенологических фаз и сроки агротехнических работ, состав технических и других средств производства для конкретной технологии, результат (рентабельность и прибыль). Модель может быть применена как управляющий алгоритм в программном обеспечении роботизированной растениеводческой фермы, в системах точного земледелия, для бизнес-планирования и управления производством. Задача управления технологией решена в общем виде, что позволяет использовать алгоритм в качестве управляющей программы для роботизированных сельскохозяйственных агрегатов, транспортных средств и стационарного оборудования. Возможно, его применение в сценарном планировании опытно-конструкторских работ и оптимизации любых других инновационных технологий производства льносырья, которые могут появиться в будущем.

Ключевые слова: роботизация, лён, логистика, моделирование, технология, сроки уборки, теребление, приготовление тресты, управление производством, точное земледелие.

Для цитирования: Карпунин Б.Ф. Алгоритм логистики сельскохозяйственного производства на роботизированной растениеводческой ферме // Достижения науки и техники АПК. 2018. Т. 32. № 2. С. 69-72. DOI: 10.24411/0235-24512018-10218.

Современное сельскохозяйственное производство становится высокотехнологичным и требует чёткой организации и выполнения всех работ для достижения экономического эффекта. Формализация управления в той степени, в которой можно заменить человека на рутинных операциях принятия решений, может стать фрагментом программного обеспечения для автоматизации роботизированной фермы в будущем. Точное земледелие позволяет делать растениеводство более управляемым и прибыльным, однако оптимизирует довольно узкий круг задач. Оптимизация факторов снабжения, параметров производства предмет изучения сравнительно молодой науки - логистики, в широком смысле понимаемой как «управление всеми видами потоков (материальными, людскими, энергетическими, финансовыми и др.), существующими в экономических системах

[1]. Поэтому мы сочли целесообразным применить её возможности в сельском хозяйстве. Технологии точного земледелия: планирование урожайности

[2], дифференцированное внесение удобрений и

параллельное вождение (в электронных технологических картах) были интегрированы в представляемую цифровую модель.

Сельское хозяйство - одна из самых рисковых отраслей человеческой деятельности. Это обусловлено, прежде всего, зависимостью результатов от погоды, которой невозможно надёжно управлять. Любой фермер или агроном ежедневно решает массу микрологистических задач, связанных с размещением культур по площади землепользования, тактикой посевной кампании, ухода за посевами, уборочными работами и др. Ошибки в определении последовательности и содержания агротехнических и уборочных работ могут дорого обойтись, и, наоборот, грамотный расчёт и чёткое исполнение намеченной программы может вывести низкорентабельное предприятие на хорошую прибыль. Логистика сельскохозяйственного производства оказывает значительное влияние на результаты в крупных аграрных производствах.

Цель исследований - разработка цифровой модели логистической оптимизации льноводства, решающей задачу обеспечения с помощью применяемых технологий и технических средств реализации выращивания и уборки льна с сохранением полученного в поле урожая и его качества.

В отечественной и зарубежной литературе автору не удалось найти публикаций по цифровым моделям, описывающим логистику сельскохозяйственного производства, изложенный подход к оптимизации технологий представляется впервые.

Условия, материалы и методы. Исследования выполнены в ООО «Лёнтехномаш» (Тверская область) и ВНИИ механизации льноводства в 2005-2016 гг. В работе использовали методы статистического и динамического моделирования, обработку данных проводили с помощью стандартных статистических алгоритмов и программ. Исследования выполнены на многолетних массивах опытных данных, полученных автором в 2000-2010 гг., опубликованных данных других авторов, данных ВНИИ льна, начиная с 60-х гг. прошлого столетия. Метеорологические многолетние данные Росгидромета взяты из открытых источников (www.rp5.ru).

Производство льняного сырья (натурального льняного волокна) - довольно сложный сельскохозяйственный процесс. Технология отличается от производства других культур тем, что существует необходимость послеуборочного приготовления и заготовки сырья для первичной переработки в полевых условиях. На реализацию этого процесса может быть затрачено 1-2 месяца тёплого периода в летние и осенние сезоны.

Лён-долгунец, как и множество других сельскохозяйственных культур, отлично произрастает на самых разных почвах (от дерново-подзолистых до чернозёмных). При этом значение имеет не тип почвы как таковой, а наличие в ней влаги, доступных

питательных веществ в определённых соотношениях, кислотность и агрофизическое состояние. Поэтому в своих расчётах мы исходим из того, что земледелец должен сделать всё необходимое для роста льна: внести точно дозы макро- и микроудобрений, выполнить весь комплекс агротехнических мероприятий для формирования планируемого урожая. Нарушения агротехники в модели не учитывали. Оптимальные дозы удобрений для конкретных почвенных и климатических условий рассчитываются в отдельном программном модуле.

Результаты и обсуждение. Технологии производства льнопродукции (льнотресты и технических семян) разделены на два глобальных и мультивари-антных модуля:

выращивание льна до теребления; уборка, включая теребление, приготовление тресты, её подъём и транспортировка.

Вероятность успешного проведения уборки зависит от обеспеченности климатическими и иными ресурсами, в которых осуществляется производство. Наиболее «узкое» место в технологии производства льносырья - уборочные работы, начало которых можно определить с использованием ряда критериев (см. табл.).

Таблица. Критерии начала уборочных работ льна

Технологии, назначение посевов и _производимая продукция_

Фаза или критерий начала уборочных _работ_

Семеноводческие посевы

Товарные посевы на волокно

Необходимость получения самого высокого качества для прядения (высокой тонины) волокна

Прогноз опасности сильного полегания посевов в фазе цветения Максимальная урожайность волокна (тонина и одревеснение волокна имеют подчинённое значение)_

Представляемая модель логистики сельскохозяйственных работ создана для выращивания товарного льна с реализацией уборочных работ по наиболее перспективной и рентабельной технологии раздельной уборки с применением самоходных теребилок и оборачивателей лент льна.

На уборочные мероприятия влияют все факторы, приводящие к увеличению (сокращению) вегетации растений льна до состояния технической готовности волокна. Влияние сорта связано с его скороспелостью и урожайностью. Чем более скороспелый сорт, тем раньше начало уборки и выше вероятность успешного приготовления качественной тресты и её заготовки, что особенно важно для комбайновой уборки. Однако технология раздельной уборки льнотеребилками позволяет практически снять необходимость выращивания раннеспелых сортов, так как технической готовности волокно достигает уже к концу фазы цветения, которая у позднеспелых сортов наступает через 60 суток после всходов. Например, в Тверской и Смоленской областях растения льна первого срока сева (конец апреля - начало мая) можно начинать убирать в первой пятидневке июля. Урожайность оказывает влияние на сроки вылежки тресты и продолжительность её заготовки:

прессования в рулоны и транспортировку к месту переработки.

Кроме того, на сроки начала уборки влияют такие свойства сорта, как устойчивость к полеганию. Для каждого генотипа существует средний предел урожайности, выше которого ее нельзя планировать и вносить соответствующие дозы удобрений из-за опасности потерять урожай. В целом на основе многолетней статистики можно утверждать, что позднеспелые сорта (особенно европейской селекции) гораздо более устойчивы к полеганию, чем средне- и раннеспелые.

Решающее влияние на логистику уборочных работ оказывают сроки и продолжительность сева льна. Виртуальные эксперименты на модели процесса онтогенеза подтвердили многолетние наблюдения учёных и практиков о том, что даты созревания часто наступают не синхронно срокам посева льна. В среднем сроки созревания короче, чем сроки (продолжительность) сева. Поэтому первым этапом разработки логистической модели уборки льна стало создание логистической модели посевных работ.

Основной критерий при проведении посева - физическое созревание почвы. Применён упрощённый подход к определению рекомендуемых сроков начала

посева льна для предварительного планирования технологии до начала полевых работ. В качестве критериев для лёгких почв использовали следующие параметры:

начиная со второй половины апреля, значение средней суточной температуры воздуха не менее 5 дней подряд выше 5 °С;

отсутствие осадков более 1 мм не менее 5 дней подряд.

Для описания логистики посевных работ была разработана и опробована программа, которая, кроме прогноза их начала с учетом изложенных условий, рассчитывает критерии продолжения (перерыва) посева в зависимости от отсутствия или выпадения осадков. Кроме того, она просчитывает дальнейшее развитие растений в агроценозе для каждого дня посева и прогнозирует структуру, величину урожайности, даты наступления технической спелости.

Алгоритм логистической модели посевных и уборочных работ выглядит следующим образом.

Календарная дата начала посева льна определяется по условию:

D ■ = 5 х DT5, (1)

sawing T5' v '

где DT5 - предшествующая предполагаемому дню начала сева Dsawing календарная дата со среднесуточной температурой воздуха выше 5 °С и отсутствием существенных осадков (более 1 мм).

Физический смысл (1) заключается в том, что рекомендуемая дата начала посева может быть назначена при условии отсутствия осадков и среднесуточной температуры воздуха 5 °С и выше пять дней подряд.

Чистая продолжительность посева в сутках зависит от производительности посевных комплексов, предварительно определяемых при помощи тех_ Достижения науки и техники АПК. 2018. Т 32. № 2

Полное созревание семян в коробочках первых сроков цветения, фаза 89-90 по шкале ВВСН [3]

Кондиции сформированного волокна и/ или технологическое состояние посевов (опасность сильного полегания) Фаза цветения - начиная с фазы 65-67 по шкале ВВСН [3]

Фаза цветения 63-65 по шкале ВВСН [3]

Ранняя жёлтая спелость (фаза 83 ВВСН [3]) - полная спелость (фаза 90 по шкале ВВСН [3])

нологических карт, и по рекомендациям не должна превышать 10 суток. В реальности этот период может изменяться. Функционально условие выглядит следующим образом:

Td = f1(Psawing) Х M^weather^ (2)

где Psawing - суммарная производительность посевных комплексов хозяйства, га в сутки; Pweather - суммарное влияние погодных условий на возможность посевных работ.

Если последний фактор не даёт возможность продолжать посев (например, из-за дождей), то модель показывает, что посевная прерывается до созревания почвы.

Цифровая модель наступления фенологических фаз льна для каждого посевного дня рассчитывает календарь их прохождения и формирование структуры урожая [4]. По наступлению фазы 73 ВВСН прогнозируется дата начала теребления на волокно:

harvesting

harvesting

Sng ~~ Fpr Х Jj

(3)

где Fpr - суммарная (результирующая) функция продукционного процесса;

harvesting

У Р

wea,her— суммарное влияние погодных условия по фазам роста.

Продолжительность теребления льна прогнозируется исходя из ресурса времени на вылежку тресты и все уборочные работы, включая подъём тресты. Для ориентировочной оценки (например, в условиях Тверской области) среднемноголетней вероятности наступления благоприятной погоды для подъёма тресты в каждый из дней августа - октября разработана простая полиномиальная модель:

Р =14,6-0,19xDkod+ 8,94х10-4 х D 2kod -1,59x10-6xD 3 +

kod

+ 5,96х 10-10xD 4kod, (4)

где р - вероятность в долях единицы наступления благоприятной (сухой) погоды для подъёма тресты; Dkod - код суток (порядковый номер в году).

Так, для Тверской области желательно, чтобы все работы, включая транспортировку рулонов с поля, были закончены до 15 сентября, поскольку вероятность благоприятной погоды к этой дате снижается до 0,4 (40 %). Исходя из оценки этого ресурса, прогнозируется необходимое количество уборочных машин (теребилок).

Продолжительность периода подъёма и транспортировки тресты к месту хранения и переработки определяется остающимся ресурсом времени до наступления ненастной осенней погоды (по средним многолетним данным). По сути вся логистическая цепочка уборочных работ зависит именно от продолжительности этого периода, что можно считать самым «узким» местом в технологии производства льносырья. Для того чтобы рассчитать его длительность необходимо ввести критерий, по которому определяется средняя многолетняя дата, после которой заготовка тресты льна без потери качества и урожая становится невозможной. В свою очередь конечную дату подъёма тресты определяют кондиции тресты по содержанию влаги, получаемые при модельных многолетних климатических условиях. Формирование кондиций влажности готовой льнотресты может удовлетворять следующим функциональным условиям:

Ws = f1(Weather) х f2 (Stem) х f3 (Land), (5)

где f1(Weather) - функция влияния погоды (осадки, температура воздуха или его энтальпия и др.) на влажность льнотресты; f2 (Stem) - функция влияния свойств стеблей льна на скорость их высыхания, в первую очередь диаметр и плотность стеблей; f3 (Land) - функция, характеризующая влияние ландшафтных условий (искусственный луг, поверхность почвы без растительности и др.) вылежки тресты на скорость испарения влаги.

Поскольку цель представленной работы не предусматривает разработку моделей испарения влаги стеблями льна, а само такое исследование достаточно трудоёмко и должно быть проведено отдельно, для разработки логистической модели уборочных работ сделаны некоторые допущения:

модель (5) существует и использована для прогноза средних многолетних сроков наступления кондиций тресты по влажности;

с помощью модели (5) определено, что последняя средняя дата Dyieldlng работ по рулонной уборке (прессованию из ленты) тресты без большого риска потерь для Тверской области - 15 сентября.

Таким образом, весь ресурс времени на уборочные работы равен:

D general D2 rolling D1 pulling, (6)

где D2

rolling

последняя дата прессования льна;

01 ри||тд - первая возможная дата начала теребления льна.

Далее необходимо определить продолжительность теребления льна. Расчёты по модели онтогенеза показывают, что первая возможность теребления льна без очёса коробочек в Тверской области наступает в первой пятидневке июля. Средняя продолжительность (0ри||тд) созревания этого льна до ранней жёлтой -жёлтой спелости около трёх недель. Для раздельной технологии такую продолжительность теребления льна можно считать оптимальной: за три недели поля последних сроков сева подойдут к фазе жёлтой спелости и лён будет убран в оптимальные сроки.

Продолжительность теребления и других работ на уборке льна рассчитывается по формуле:

0риШпд = Б/( К X Пга хСм) (7)

где 0|И - продолжительность теребления или других работ, дней; Б - площадь посева льна, га; К - количество машин на весь объём работы, ед.; Пга - суточная сменная производительность одного уборочного агрегата, га; См - количество смен работы в сутки, ед.

Сменная производительность вычисляется с учётом часовой производительности сменного времени и количества часов в смене. Количество агрегатов рассчитывается итерационным методом по электронным технологическим картам, исходя из экономической целесообразности.

При определении продолжительности вылежки тресты прогноз наступления балла 2 отделяемости волокна в тресте (проведение оборачивания) и балла 3-4 (начало прессования в рулоны) осуществляется по формулам:

Ботд = -0,481 +42,9/(1+145 хЕХР(-0,00164х£ Энтсут)), (8) Ботд =-2,86 +17,7/(1 + 11,5хЕХР(-0,00115х! исут)), (9)

где Е Энтсут - накопленная среднесуточная энтальпия воздуха, кДж/кг; Еисут - накопленная среднесуточная относительная влажность воздуха, %.

Для прогноза первой даты начала рулонной уборки берётся среднее арифметическое из значений, полученных по этим двум уравнениям.

Дата наступления возможности начала работ по подъёму тресты по достижении балла отделяемости 3 определяется следующим образом. При прогнозе даты подъёма тресты по сумме среднесуточной энтальпии применима формула:

D1.

rolling

D Ботд=3

= ХЭнто

Dlpulling

(10)

где D1pulling - дата начала теребления льна; DBffm =

Ботд

3 - дата достижения балла 3 отделяемости волокна из тресты льна.

Прогноз даты подъёма тресты по сумме накопленной относительной среднесуточной влажности воздуха:

D1

D Ботд=3

rolling = Ucyr

Dlpulling

(11)

За точку отсчёта начала подъёма тресты предлагается брать среднюю календарную дату, вычисленную по формулам (10) и (11).

Оборачивание тресты проводится в течение периода вылежки Dturn, суток:

^игп= ^риШпд - Юбс^ (12)

Календарный срок оборачивания лент льна наступает при отделяемости волокна 2 балла, начала подъёма тресты - при 3-4 баллах.

Средняя многолетняя прогнозная продолжительность благоприятного периода подъёма тресты:

D

rolling

D1 rolling D2 rolling'

(13)

Количество агрегатов для подъёма лент льна рассчитывается по формуле:

Крулон = Y/( Droll,ng * Пга)' П4)

где Y - валовый урожай (сбор) тресты льна, т; Droning - продолжительность уборки, дней; Пга - суточная сменная производительность одного агрегата, га.

В отличие от расчёта количества теребилок, расчёт производительности комплексов по рулонной уборке льна из лент ограничен по времени суток из-за кондиции тресты по влажности, о чём было указано ранее. Количество часов в сутках, которое можно использовать для подбора тресты из лент зависит

Литература.

1. Алесинская Т.В. Основы логистики. Общие вопросы логистического управления. Таганрог: Изд-во ТРТУ, 2005. 121 с.

2. Карпунин Б.Ф. Прогнозирование структуры урожая у льна-долгунца для применения в точном земледелии // Земледелие. 2016. № 1. С. 5-8.

3. Heller K., Byczynska M. Ontogenesis of fibre flax (Linum usitatissimum L.) // Proceedings of the Conference "Bast Fibrous Plants for Healthy Life", October 24-28, 2004, Banja Luka, Bosnia and Herzegovina, Republic of Srpska: CD.

4. Karpunin B.F. Model for biomass accumulation, dates of onset, and duration of the phenological phases of fiber flax// Journal of Natural Fibers. 2016. Vol.13. Issue 4. Pp. 477-482. URL: http://dx.doi.org/10.1080/15440478.2015.1060916 (дата обращения: 24.12.2017).

от календарной даты, географического положения места выращивания, свойств агроландшафта. В конечном итоге - от продолжительности периода выпадения и сохранения росы, а также высыхания тресты после осадков.

Количество агрегатов для транспортировки (и, возможно, погрузо-разгрузочных работ, если используется не комбинированный агрегат) рулонов тресты льна рассчитывается по формуле:

ТР = ^оШпд * ПД (15)

где Y = валовый урожай (сбор) тресты льна, т; Droll¡ng - продолжительность уборки, дней; Пга - суточная сменная производительность одного транспортирующего агрегата, га.

Выводы. Цифровая модель логистики производства льнопродукции позволяет учитывать климатические ресурсы конкретной местности выращивания льна как на посевных работах, так и на уборке. Это главный и решающий аспект для ответа на вопросы: может ли планируемая к применению технология и её техническая реализация обеспечить необходимую урожайность, качество и сохранить их в процессе уборки;

как оптимизировать состав агрокомплекса, в том числе путём применения средств точного земледелия, чтобы достичь необходимого уровня урожайности и его себестоимости.

Алгоритм модели позволяет использовать его в программном обеспечении роботизированной растениеводческой фермы для расчёта сценариев технологических операций во время вегетационного периода выращивания культуры.

Поскольку задача моделирования полевых уборочных работ льна решена в общем виде, а также ввиду универсальности алгоритма, разработанная модель пригодна для оптимизации технического состава уборочного комплекса, а также сценарного планирования опытно-конструкторских работ и оптимизации любых других инновационных технологий на приготовлении льносырья, которые могут появиться в будущем.

ALGORITHM OF LOGISTICS OF AGRICULTURAL PRODUCTION ON ROBOTIZED

CROP-BREEDING FARM

B.F. Karpunin

OOO Research and development center "RoboPROB", Olimpiiskii pr-t, 4, of. 80, Mytishchi, Moskovskaya obl., 141009, Russian Federation

Abstract. On the basis of digital models of phenological phases of flax fiber, developed by the author, formation of the structure of its yield, technology of production of flax material (electronic technological maps), a logistics model for agricultural production was created. It makes it possible to calculate all the technical parameters necessary for the successful cultivation and realization of harvesting activities: the forecast of climatically-based crop and its quality, the dates of the onset of phenological phases and the terms of agricultural work, the composition of technical means and other means of production for a particular technology; the result is profitability and profit. The model can be applied as a control algorithm in the software of a robotized crop farm, in precision farming systems, for business planning and production management. The task of managing the technology is solved in a general way, which makes it possible to use the algorithm as a control program for robotized agricultural aggregates and vehicles, stationary agricultural equipment. It is possible to apply it in the scenario planning of experimental design and optimization of any other innovative technologies for the production of flax that may appear in the future.

Keywords: robotization; flax; logistics; modeling; technology; terms of harvesting; pulling; preparation of stock; production management; precision farming.

Author Details: B.F. Karpunin, Cand. Sc. (Agr.), deputy director (e-mail: boris-karpunin@yandex.ru).

For citation: Karpunin B.F. Algorithm of Logistics of Agricultural Production on Robotized Crop-Breeding Farm. Dostizheniya nauki i tekhnikiAPK. 2018. Vol. 32. No. 2. Pp. 69-72 (in Russ.). DOI: 10.24411/0235-2451-2018-10218.