CC BY
17
***** ИЗВЕСТИЯ *****
НИЖНЕВОЛЖСКОГО АГРОУНИВЕРСИТЕТСКОГО КОМПЛЕКСА: № 4 2019
НАУКА И ВЫСШЕЕ ПРОФЕССИОНАЛЬНОЕ ОБРАЗОВАНИЕ
Вахнина Ольга Владимировна, доцент кафедры «Высшая математика» Волгоградского государственного аграрного университета (РФ, 400002, г. Волгоград, Университетский проспект, 26), кандидат технических наук, доцент
ORCID: https://orcid.org/0000-0001-9234-7287 ovahnina@bk.ru
Клочков Михаил Юрьевич, студент физического факультета Московского государственного университета им. М.В. Ломоносова (РФ, 119991, г. Москва, Ленинские горы, 1) ORCID: m.klo4koff@ yandex.ru
Конфликт интересов. Авторы заявляют об отсутствии конфликта интересов. Conflict of interest. The authors declare no conflict of interest.
УДК 658.512:004.04:633 DOI: 10.32786/2071-9485-2019-04-28
ФУНКЦИОНАЛЬНЫЕ МОДЕЛИ ПРОИЗВОДСТВА ЗЕРНОВЫХ В ЦИФРОВЫХ БАЗОВЫХ ФЕРМЕРСКИХ ХОЗЯЙСТВАХ АГРАРНОГО ВУЗА
FUNCTIONAL MODELS OF GRAIN PRODUCTION IN BASIC FARMS OF AGRICULTURAL UNIVERSITY
О. В. Кочеткова1, доктор технических наук, профессор А. С. Матвеев1, кандидат физико-математических наук, доцент Д. П. Арьков1'2, кандидат технических наук, доцент Е. В. Ширяева1, кандидат технических наук, доцент
O. V. Kochetkova1' A. S. Matveev1, D. P. Arkov1'2, E. V. Shiryaeva1
1Волгоградский государственный аграрный университет 2Федеральный научный центр агроэкологии, мелиорации и защитного лесоразведения РАН, г. Волгоград
1 Volgograd State Agrarian University 2Federal Scientific Center of Agroecology, Land Réclamation and Protective Afforestation of the Russian Academy of Sciences, Volgograd
Дата поступления в редакцию 14.09.2019 Дата принятия к печати 19.12.2019
Received 14.09.2019 Submitted 19.12.2019
На основе анализа и реорганизации функциональных моделей бизнес-процессов производства зерновых «Как есть», выполненных ранее авторами, представлены модели модернизированных бизнес-процессов «Как будет» производства зерновых в цифровых базовых фермерских хозяйствах аграрного вуза. Модели выполнены в современной нотации BPMN, которая признана как международный стандарт моделирования бизнес-процессов и может быть использована без дополнительных трудозатрат для перевода модели процесса в соответствующий программный код. Для реализации модернизированных бизнес-процессов фермерское хозяйство должно обладать информационной системой, состоящей из трех взаимосвязанных функциональных подсистем: хранилище первичных данных, система поддержки принятия решений и система мониторинга показателей (климата, почвы, техники и пр.). В базе знаний информационной системы хранятся выстроенные цепочки агротехнологических операций, многофакторные модели технологий выращивания сельскохозяйственных культур, данные мониторинга. Используя эти данные, система поддержки принятия решений подсказывает сотруднику, какие технологические операции следует выполнять. Предусмотрена возможность при выполнении каждой операции, используя систему датчиков и введенные ранее экономистом и хранимые в ИС показатели, автоматически осуществлять расчет затрат, вычисление экономических показателей и оценивать влияние каждой операции на прогнозируемый урожай. Разработанные модели бизнес-процессов предполагают дистанционно осуществлять контроль качества выполнения работ, выполнять «умную» коррекцию технологических режимов, что позволит экономно использовать производственные ресурсы, энергию, топливо, удобрения, химикаты, а также улучшить показатели качества почвы. Разработанные модели биз-
НИЖНЕВОЛЖСКОГО АГРОУНИВЕРСИТЕТСКОГО КОМПЛЕКСА НАУКА И ВЫСШЕЕ ПРОФЕССИОНАЛЬНОЕ ОБРАЗОВАНИЕ
нес-процессов сельскохозяйственного предприятия по производству зерновых в полной мере пригодны для реализации на практике работ по внедрению современных цифровых технологий и информационных систем. Внедрение разработанных моделей бизнес-процессов создаст условия для рационального управления хозяйством с учетом реальных условий, снижения рисков и повышения эффективности деятельности, а также для минимизации влияния человеческого фактора. В дальнейшем авторами более детально будут исследованы различные аспекты разработки системы мониторинга с описанием типов датчиков и измеряемых показателей, протоколов обмена данными, организации хранилища первичных данных и обеспечения доступа к данным.
Relying on analysis and reorganization of functional models of the business processes of grain production «As it is» performed earlier by authors, this article presents models of modernized business processes «As will be» grain production in basic digital farms of the agricultural university. The models are made in modern BPMN notation, which is recognized as an international business process modelling standard and without additional labor can be used for process model converting into appropriate software code. In order to implement modernized business processes the farm must have information system consisting of three interconnected functional subsystems: primary data storage, decision support system and index monitoring system (climate, soil, technology, etc.). Established chains of agro-technological operations, multi-factor models of crop growing technologies, monitoring data are being stored in information system database. Using this data, the decision support system tells the employee which technological operations to perform. Using a sensor system, data previously entered by economist and indexes stored inside information system it is possible to automatically calculate costs, economic indexes and impact of each operation on projected harvest. Developed business processes models allow to remotely supervise work quality and perform «smart» correction of technological modes, which in return will allow rational usage of production resources, energy, fuel, fertilizers, chemicals, and improvement of soil quality. Aforementioned models are fully suitable for modern digital technologies and information systems to be implemented. Introduction of developed business processes models will create conditions for rational management of the economy taking into account real circumstances, reducing risks and improving efficiency, as well as to minimize human factor influence. Subsequently the authors will examine various aspects of monitoring system development, sensor types description and measured indexes, data exchange protocols, organization of primary data storage and data access in more detail.
Ключевые слова: цифровые технологии, сельскохозяйственные предприятия, моделирование бизнес-процессов, бизнес-процессы, системы поддержки принятия решений, цифровое сельское хозяйство.
Key words: digital technologies, agricultural enterprises, modeling, business processes, decision support systems.
Цитирование. Кочеткова О. В., Матвеев А. С., Арьков Д. П., Ширяева Е. В. Модели использования информационных систем при производстве зерновых в базовых фермерских хозяйствах аграрного вуза с целью внедрения цифровых технологий в базовых хозяйствах аграрного вуза. Известия НВ АУК. 2019. 4(56). 237-246. DOI: 10.32786/2071-9485-2019-04-28. Citation. Kochetkova O. V., Matveev A. S., Arkov D. P., Shiryaeva E. V. Functional models of grain production in basic farms of agricultural university. Proc. of the Lower Volga Agro-University Comp. 2019. 4(56). 237-246 (in Russian). DOI: 10.32786/2071-9485-2019-04-28.
Введение. Одной из приоритетных задач развития России на современном этапе является обеспечение продовольственной безопасности, решающий вклад в решение которой вносит сельскохозяйственное производство. Постоянное повышение спроса на продукты питания в глобальных масштабах приводит к необходимости интенсификации производства продукции растениеводства [8]. В мировом земледелии в сравнении с другими культурами наибольшую площадь всей пашни занимают зерновые культуры. Пшеница как продовольственная культура - один из основных источников энергии для человека и животных. Значение её как мировой культуры будет непрестанно возрас-
НИЖНЕВОЛЖСКОГО АГРОУНИВЕРСИТЕТСКОГО КОМПЛЕКСА НАУКА И ВЫСШЕЕ ПРОФЕССИОНАЛЬНОЕ ОБРАЗОВАНИЕ
тать, поскольку она представляет собой питательную и экономически выгодную продовольственную культуру, которую можно выращивать в очень широких и разнообразных условиях.
В современных условиях в соответствии с требованиями Государственной программы развития сельского хозяйства и регулирования рынков сельскохозяйственной продукции, сырья и продовольствия Российской Федерации на 2013-2020 годы и ведомственного проекта «Цифровое сельское хозяйство» [1] для надежного обеспечения продовольственной безопасности требуется внедрение новых производственных и цифровых технологий, «умной» техники, эффективной организации производства [6, 9].
В условиях, усугубляемых глобальными изменениями климата, актуальной является задача проектирования эффективных бизнес-процессов производства сельскохозяйственной продукции [5, 14-15]. Одной из первоочередных задач повышения качества и эффективности производства продукции растениеводства является исследование бизнес-процессов, позволяющее идентифицировать, оценить и представить процессы как основу для их организации и улучшения [3]. Для этого сначала создаются функциональные модели существующих бизнес-процессов (модели «Как есть»), выполняется их анализ с целью отыскания слабых мест, информационных и организационных разрывов, производится оценка целесообразности использования различных ресурсов. На основании полученных результатов принимается решение о реорганизации бизнес-процессов производства сельскохозяйственных культур.
В работе [2] доказано, что внедрение цифровых технологий в сельскохозяйственное производство приведет к изменению модели ведения бизнеса, что, в свою очередь, изменит все группы бизнес-процессов сельхозпредприятий. При этом кардинальные изменения затронут все уровни управления, начиная от оперативного и кончая стратегическим. Реорганизация бизнес-процессов на оперативном уровне повлечет усовершенствование ресурсного обеспечения и отдельных операций бизнес-процессов без существенного изменения технологии их выполнения. На тактическом уровне произойдут изменения технологии и регламента бизнес-процессов, а на стратегическом - изменится сеть бизнес-процессов сельхозпредприятия.
В работе [4] выполнены моделирование, исследование и анализ одного из важнейших в цепочке ценности бизнес-процесса «Выполнить научные исследования и проектные работы» традиционного сельскохозяйственного предприятия, занимающегося производством растениеводческой продукции. Результаты выполненных работ позволили выявить низкий уровень использования цифровых технологий в операциях по сбору и обработке исходных данных, а также при выработке технологического и проектного решений в сельскохозяйственном производстве. Разработанные модели «Как есть» исследуемого процесса послужили основой для разработки новых, модернизированных бизнес-процессов, в которых предусмотрено использование современных цифровых технологий и систем поддержки принятия решений (СППР) для снижения рисков и повышения эффективности деятельности сельскохозяйственного предприятия [7, 10, 12].
Целью данного исследования является разработка на основе анализа и реорганизации функциональных моделей бизнес-процессов производства зерновых «Как есть» модернизированных бизнес-процессов «Как будет» в цифровых базовых фермерских хозяйствах аграрного вуза для реализации на практике работ по внедрению современных цифровых технологий и информационных систем.
Материалы и методы. Для реализации поставленной цели использовался процессный подход и моделирование бизнес-процессов, позволяющие описать логику выполняемых процессов, представленную в виде исполняемой ВРМ-системами нотации. На текущий момент популярная нотация процессного подхода ВРМ№ 2.0.1 признана международным стандартом моделирования бизнес-процессов.
НИЖНЕВОЛЖСКОГО АГРОУНИВЕРСИТЕТСКОГО КОМПЛЕКСА: НАУКА И ВЫСШЕЕ ПРОФЕССИОНАЛЬНОЕ ОБРАЗОВАНИЕ
Результаты. Цифровое базовое фермерское хозяйство, занятое производством зерновых, должно обладать информационной системой (ИС), состоящей из трех взаимосвязанных функциональных подсистем: хранилище первичных данных, СППР и система мониторинга показателей (климата, почвы, техники и пр.). Такая концептуальная модель ИС хозяйства должна хранить в базе знаний выстроенные цепочки агротехнологических операций, многофакторные модели технологий выращивания сельскохозяйственных культур, данные мониторинг. Применение ИС подсказывает принимающему решение лицу необходимость использования в сложившейся ситуации тех или иных технологических операций при соответствующих значениях контролируемых параметров (например, пропашка с указанием типа плуга и глубины). Также при выполнении каждой операции с использованием системы датчиков и введенных ранее экономистом и хранимых в ИС показателей автоматически происходит расчет затрат, вычисление экономических показателей и оценка влияния каждой операции на прогнозируемый урожай.
На этапе первого уровня декомпозиции «Возделывание продукции» производится постоянный мониторинг операций и состояния объектов (техники, почвы, климата и пр.) с записью в хранилище первичных данных. На основании собранных данных и утвержденного плана проекта система поддержки принятия решений рекомендует переходить от одного подпроцесса к другому (рисунок 1).
Рисунок 1 - BPMN-диаграмма «Как будет» процесса «Выполнить производство
озимой пшеницы», лист 1
Figure 1 - BPMN-diagram «To Be» of «Implementing winter wheat production» process, Page 1
НИЖНЕВОЛЖСКОГО АГРОУНИВЕРСИТЕТСКОГО КОМПЛЕКСА: НАУКА И ВЫСШЕЕ ПРОФЕССИОНАЛЬНОЕ ОБРАЗОВАНИЕ
Рисунок 1 (продолжение) Figure 1 (continuation)
Рисунок 2 - Модель «Как будет» подпроцесса «Основная обработка почвы» Figure 2 - Model «To Be» of «Primary tillage» subprocess
НИЖНЕВОЛЖСКОГО АГРОУНИВЕРСИТЕТСКОГО КОМПЛЕКСА: НАУКА И ВЫСШЕЕ ПРОФЕССИОНАЛЬНОЕ ОБРАЗОВАНИЕ
На рисунке 2 приведена детализация подпроцесса «Основная обработка почвы». При выполнении процесса планируется постоянно (циклично, а не разово) проводить мониторинг почвенно-климатических условий выращивания зерновых. На основании данных мониторинга СППР формирует рекомендацию проведения определенной технологической операции, например, лущение стерни, пахоту с рекомендованной глубиной пропашки, боронование, культивацию и пр. с указанием планируемых расходов и оценки влияния на итоговый результат (урожайность, рентабельность и другие экономические показатели). Цикличность мониторинга состояния поля позволяет не только более гибко выполнить бизнес-процессы, но и внести корректировки в планируемые результаты, сравнить первоначальный план с ожидаемыми показателями на текущий момент с учетом рисков. Как только показатели почвенно-климатических условий станут соответствовать заложенным в моделях показателям и утвержденному проекту по использованию поля, СППР порекомендует перейти к следующему подпроцессу «Предпосевная обработка почвы и посевов».
Процесс «Предпосевная обработка почвы и посевов» разделен на две цепочки: подготовка семян и работа в поле (рисунок 3). Каждую технологическую операцию необходимо отслеживать при помощи датчиков и в соответствии с заложенными моделями учитывать рекомендации СППР. Такой подход, с одной стороны, снижает требования к уровню квалификации агронома и работников, а с другой, -уменьшает вероятность рисков принятия неверных управленческих решений, ведущих к снижению урожайности.
Рисунок 3 - Модель «Как будет» подпроцесса «Предпосевная обработка почвы и посевов» Figure 3 - Model «To Be» of «Presowing tillage and sowing» subprocess
Модель следующего подпроцесса «Уход» аналогична модели подпроцесса «Основная обработка почвы», но отличается технологическими операциями и более разнообразными средствами мониторинга состояния поля (рисунок 4). Так, помимо почвенно-климатических показаний отслеживается засоренность поля, состояние растений на всех этапах вегетации и рекомендуются к проведению конкретные технологические операции по улучшению состояния растений и урожайности [13].
НИЖНЕВОЛЖСКОГО АГРОУНИВЕРСИТЕТСКОГО КОМПЛЕКСА: НАУКА И ВЫСШЕЕ ПРОФЕССИОНАЛЬНОЕ ОБРАЗОВАНИЕ
Рисунок 4 - Модель «Как будет» подпроцесса «Уход» Figure 4 - Model «To Be» of «Care» subprocess
Перед уборкой урожая СППР в зависимости от засоренности поля рекомендует агроному технологические операции по уборке (рисунок 5). Во время самой уборки обязательно проводится мониторинг показателей использования техники и урожая с записью в хранилище первичных данных.
Рисунок 5 - Модель «Как будет» подпроцесса «Уборка» Figure 5 - Model «To Be» of «Harvesting» subprocess
При выполнении остальных подпроцессов, таких как «Транспортировка зерна на ток», «Послеуборочные работы по пожнивным остаткам», «Очистка и сушка зерна», «Сортировка и транспортировка зерна в зернохранилище», «Буртование зерна», «Поддержка режимов температуры и влажности», проводится мониторинг состояния техники и количества собранных зерновых с записью в систему хранения первичных данных, на основании которых СППР рекомендует выполнить необходимые операции. Мониторинг показателей не только позволяет рассчитать издержки и другие экономические показатели, сравнить достигнутые показатели с планируемыми, но и дает возможность руководству предприятия оценить влияние принятых решений на конечные показатели, а разработчикам моделей для СППР уточнить и скорректировать принятые модели.
НИЖНЕВОЛЖСКОГО АГРОУНИВЕРСИТЕТСКОГО КОМПЛЕКСА НАУКА И ВЫСШЕЕ ПРОФЕССИОНАЛЬНОЕ ОБРАЗОВАНИЕ
Обсуждение. Разработанные модели бизнес-процессов выращивания зерновых предполагают широкое использование современных датчиков, технологий интернета вещей и автоматизированных систем поддержки принятий решений. Это позволит снизить издержки при возделывании продукции за счет сокращения использования химикатов, удобрений, топлива, трудовых ресурсов. Кроме того, цифровизация производственных и управленческих процессов создаст условия для рационального управления хозяйством с учетом реальных условий, а также для минимизации влияния «человеческого фактора».
Более детального рассмотрения, выходящего за рамки статьи, требуют вопросы взаимодействия вуза с агропредприятием в процессе производства продукции и услуг; разработки системы мониторинга с описанием типов датчиков и измеряемых показателей, протоколов обмена данными, организации хранилища первичных данных и обеспечения доступа к данным.
Заключение. Приведенные в статье разработки создают основу для реализации на практике работ по внедрению современных цифровых технологий и информационных систем. Построение и внедрение предлагаемых моделей бизнес-процессов и концепции ИС позволят оперативно отслеживать выполнение проекта по использованию каждого поля, планировать и отслеживать затраты, прогнозировать урожай, отслеживать влияние каждой технологической операции на урожайность и экономические показатели. Как следствие, постоянный мониторинг производства зерновых позволит вовремя и корректно принять управленческие решения и уменьшить влияние квалификации персонала на итоговый результат.
Библиографический список
1. Ведомственный проект «Цифровое сельское хозяйство»: официальное издание. - М.: ФГБНУ «Росинформагротех», 2019. 48 с.
2. Кочеткова О. В. Моделирование и анализ процесса «Выполнить научные исследования и проектные работы» c целью внедрения цифровых технологий в базовых хозяйствах аграрного вуза / О. В. Кочеткова [и др.] // Известия Нижневолжского агроуниверситетского комплекса: наука и высшее профессиональное образование. 2019. №2 (54). С. 303-314.
3. Кочеткова О. В. Трансформация бизнес-процессов сельскохозяйственных предприятий для внедрения технологии интернета вещей // Science in the modem information society XIX: Proceedings of the Conference. North Charleston, 23-24.04.2019, Vol. 1. Morrisville, NC, USA: Lulu Press, 2019. P. 95-97.
4. Кочеткова О. В., Ширяева Е. В., Васильев М. П. Формализация и анализ процессов производства озимой пшеницы в базовых фермерских хозяйствах аграрного вуза // Известия Нижневолжского агроуниверситетского комплекса: наука и высшее профессиональное образование. 2019. №3 (55). С. 332-342.
5. Красильникова Л. Е. Теоретические аспекты построения бизнес-процессов управленческих решений по организации эффективного развития отечественного АПК // Пермский аграрный вестник. 2017. № 1 (17). С. 131-136.
6. Москалев С. М., Клименок-Кудинова Н. В. Искусственный интеллект и интернет вещей как инновационные методы совершенствования агропромышленного сектора // Известия Санкт-Петербургского государственного аграрного университета. 2018. № 3 (52). С. 121-130.
7. Ткаченко В. В., Лытнев В. В. Разработка комплексной автоматизированной информационной системы поддержки принятия решений в управлении технологическими процессами растениеводства (на материалах АПК Краснодарского края) // Вестник Академии знаний. 2018. № 6 (29). С. 249-253.
8. Хорошева Е. С., Денисова Н. В. Бизнес-процессы в АПК: сущность, виды и особенности в современных экономических условиях // Научный журнал. 2018. № 11 (34). С. 14-19.
9. Шилерова E., Овчинников А. С., Балашова Н. Н. Использование принципов точного земледелия для управления бизнесом // Известия Нижневолжского агроуниверситетского комплекса: наука и высшее профессиональное образование. 2015. № 1 (37). С. 218-223.
НИЖНЕВОЛЖСКОГО АГРОУНИВЕРСИТЕТСКОГО КОМПЛЕКСА НАУКА И ВЫСШЕЕ ПРОФЕССИОНАЛЬНОЕ ОБРАЗОВАНИЕ
10. A smart decision system for digital farming / C. C. Baseca, S. Sendra, J. Lloret, J. Tomas // Agronomy 2019. № 9(5). P. 216. doi:10.3390 / agronomy 9050216.
11. Digital marketplace and FinTech to support agriculture sustainability / A M. Nshari, N. Almunawar, M. Masri, M. Hamdan // Energy Procedia. 2019. № 156. P. 234-238.
12. Experience versus expectation: farmers' perceptions of smart farming technologies for cropping systems across Europe / M. Kernecker, Knierim, A. Wurbs, T. Kraus, F. Borges // Precision Agriculture. doi: 10.1007/s 11119-019-09651 -z.
13. Optimizing nitrogen management to achieve high yield, high nitrogen efficiency and low nitrogen emission in winter wheat / J. Duan Shao, Y. He, L. Li, X. Hou, G. Li, S. Feng, W.Y. Zhu // Science of the Total Environment. 2019. Vol. 697 December. P. 20.
14. GeoFarmer: A monitoring and feedback system for agricultural development projects / A. J. Eitzinger, K. Cock, C. R. Atzmanstorfer, P. Binder, O. Läderach, M. Bonilla-Findji, C. Bartling, L. Mwongera, Zurita, and A. Jarvis// Computers and Electronics in Agriculture 2019. 158, P. 109-121.
15. Wireless future of the agrarian market as a basis of food security provision (Book Chapter) / S. V. Lobova, N. Alekseev, A. V. Bogoviz, J. V. Ragulina // Studies in Computational Intelligence. 2019. № 826. P. 975-981.
Reference
1. Vedomstvennyj proekt «Cifrovoe sel'skoe hozyajstvo»: oficial'noe izdanie. - M.: FGBNU "Rosinformagroteh", 2019. 48 p.
2. Kochetkova O. V. Modelirovanie i analiz processa "Vypolnit' nauchnye issledovaniya i proektnye raboty" c cel'yu vnedreniya cifrovyh tehnologij v bazovyh hozyajstvah agrarnogo vuza / O. V. Kochetkova [i dr.] // Izvestiya Nizhnevolzhskogo agrouniversitetskogo kompleksa: nauka i vysshee professional'noe obrazovanie. 2019. №2 (54). P. 303-314.
3. Kochetkova O. V. Transformaciya biznes-processov sel'skohozyajstvennyh predpriyatij dlya vnedreniya tehnologii interneta veschej // Science in the modern information society XIX: Proceedings of the Conference. North Charleston, 23-24.04.2019, Vol. 1. Morrisville, NC, USA: Lulu Press, 2019. P. 95-97.
4. Kochetkova O. V., Shiryaeva E. V., Vasil'ev M. P. Formalizaciya i analiz processov pro-izvodstva ozimoj pshenicy v bazovyh fermerskih hozyajstvah agrarnogo vuza // Izvestiya Nizh-nevolzhskogo agrouniversitetskogo kompleksa: nauka i vysshee professional'noe obrazovanie. 2019. №3 (55). P. 332-342.
5. Krasil'nikova L. E. Teoreticheskie aspekty postroeniya biznes-processov upravlencheskih reshenij po organizacii jeffektivnogo razvitiya otechestvennogo APK // Permskij agrarnyj vestnik. 2017. № 1 (17). P. 131-136.
6. Moskalev S. M., Klimenok-Kudinova N. V. Iskusstvennyj intellekt i internet veschej kak innovacionnye metody sovershenstvovaniya agropromyshlennogo sek-tora // Izvestiya Sankt-Peterburgskogo gosudarstvennogo agrarnogo universiteta. 2018. № 3 (52). P. 121-130.
7. Tkachenko V. V., Lytnev V. V. Razrabotka kompleksnoj avtomatizirovannoj informacion-noj sistemy podderzhki prinyatiya reshenij v upravlenii tehnologicheskimi processami rastenievodstva (na materialah APK Krasnodarskogo kraya) // Vestnik Akademii znanij. 2018. № 6 (29). P. 249-253.
8. Horosheva E. S., Denisova N. V. Biznes-processy v APK: suschnost', vidy i osobennosti v sovremennyh jekonomicheskih usloviyah // Nauchnyj zhurnal. 2018. № 11 (34). P. 14-19.
9. Shilerova E., Ovchinnikov A. S., Balashova N. N. Ispol'zovanie principov tochnogo zem-ledeliya dlya upravleniya biznesom // Izvestiya Nizhnevolzhskogo agrouni-versitetskogo kompleksa: nauka i vysshee professional'noe obrazovanie. 2015. № 1 (37). P. 218-223.
10. A smart decision system for digital farming / C. C. Baseca, S. Sendra, J. Lloret, J. Tomas // Agronomy 2019. № 9(5). P. 216. doi:10.3390 / agronomy 9050216.
11. Digital marketplace and FinTech to support agriculture sustainability / A M. Nshari, N. Almunawar, M. Masri, M. Hamdan // Energy Procedia. 2019. № 156. P. 234-238.
12. Experience versus expectation: farmers' perceptions of smart farming technologies for cropping systems across Europe / M. Kernecker, Knierim, A. Wurbs, T. Kraus, F. Borges // Precision Agriculture. doi: 10.1007/s 11119-019-09651 -z.
НИЖНЕВОЛЖСКОГО АГРОУНИВЕРСИТЕТСКОГО КОМПЛЕКСА НАУКА И ВЫСШЕЕ ПРОФЕССИОНАЛЬНОЕ ОБРАЗОВАНИЕ
13. Optimizing nitrogen management to achieve high yield, high nitrogen efficiency and low nitrogen emission in winter wheat / J. Duan Shao, Y. He, L. Li, X. Hou, G. Li, S. Feng, W.Y. Zhu // Science of the Total Environment. 2019. Vol. 697 December. P. 20.
14. GeoFarmer: A monitoring and feedback system for agricultural development projects / A. J. Eitzinger, K. Cock, C. R. Atzmanstorfer, P. Binder, O. Läderach, M. Bonilla-Findji, C. Bartling, L. Mwongera, Zurita, and A. Jarvis// Computers and Electronics in Agri-culture 2019. 158, P. 109-121.
15. Wireless future of the agrarian market as a basis of food security provision (Book Chapter) / S. V. Lobova, N. Alekseev, A. V. Bogoviz, J. V. Ragulina // Studies in Computational Intelligence. 2019. № 826. P. 975-981.
Информация об авторах Кочеткова Ольга Владимировна, проректор по стратегическому развитию и информатизации, заведующий кафедрой «Информационные системы и технологии», ФГБОУ ВО «Волгоградский государственный аграрный университет» (РФ, 400002, г. Волгоград, пр-т Университетский, д. 26), доктор технических наук.
ORCID: https://orcid.org/0000-0003-4892-1899. E-mail: ovk555@bk.ru.
Матвеев Александр Сергеевич, доцент кафедры «Информационные системы и технологии», ФГБОУ ВО «Волгоградский государственный аграрный университет» (РФ, 400002, г. Волгоград, пр-т Университетский, д. 26), кандидат физико-математических наук. ORCID: https://orcid.org/0000-0002-5120-0649. E-mail: alexsmatveev@yandex.ru.
Арьков Дмитрий Петрович, доцент кафедры «Информационные системы и технологии», ФГБОУ ВО «Волгоградский государственный аграрный университет» (РФ, 400002, г. Волгоград, пр-т Университетский, д. 26), кандидат технических наук.
ORCID: https://orcid.org/0000-0001-5675-351X. E-mail: el.shirjaeva@gmail.com.
Ширяева Елена Владимировна, доцент кафедры «Информационные системы и технологии», ФГБОУ ВО «Волгоградский государственный аграрный университет» (РФ, 400002, г. Волгоград, пр-т Университетский, д. 26), кандидат технических наук. ORCID: https://orcid.org/0000-0003-4461-2511. E-mail: el.shirjaeva@gmail.com.
Конфликт интересов. Авторы заявляют об отсутствии конфликта интересов. Conflict of interest. The authors declare no conflict of interest.
УДК 51:631.153 DOI: 10.32786/2071-9485-2019-04-29
ОЦЕНКА И ПРОГНОЗИРОВАНИЕ СЕЛЬСКОХОЗЯЙСТВЕННОГО ПРОИЗВОДСТВА И ПРОДОВОЛЬСТВЕННОЙ БЕЗОПАСНОСТИ НА ОСНОВЕ НЕЧЕТКИХ КОГНИТИВНЫХ МАТЕМАТИЧЕСКИХ МОДЕЛЕЙ
ASSESSMENT AND FORECASTING OF AGRICULTURAL PRODUCTION AND FOOD SECURITY BASED ON FUZZY COGNITIVE MATHEMATICAL MODELS
А. Ф. Рогачев1'2, доктор технических наук Е. В. Мелихова1'2, кандидат технических наук А. Ю. Руденко1, кандидат экономических наук
A.F. Rogachev1'2, E.V. Melikhova1'2, A.Yu. Rudenko1
1Волгоградский государственный аграрный университет, 2Волгоградский государственный технический университет
1 Volgograd State Agrarian University 2Volgograd State Technical University
Дата поступления в редакцию 28.08. 2019 Дата принятия к печати 04.12.2019
Received 28.08.2019 Submitted 04.12.2019
Рассматриваются методология и программная реализация оценки и прогнозирования сельскохозяйственного производства, а также его влияние на уровень продовольственной безопасности (ПБ). Рассмотрены возможность и целесообразность реализации системного когнитивного подхода
