CC BY
0
ЭКОНОМИЧЕСКИЕ НАУКИ
УДК/UDC 338.012
ОСОБЕННОСТИ ФОРМИРОВАНИЯ ЦЕПОЧКИ СОЗДАНИЯ СТОИМОСТИ ПРОДУКЦИИ ЗЕРНОВОГО ПРОИЗВОДСТВА НА ОСНОВЕ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА
FEATURES OF FORMING THE VALUE CREATION CHAIN IN GRAIN PRODUCTION BASED ON ARTIFICIAL INTELLIGENCE
Ариничев И.В.*, кандидат экономических наук, доцент, доцент кафедры
теоретической экономики Arinichev I.V., Candidate of Economic Sciences, Associate Professor Сидоров В.А., доктор экономических наук, профессор, заведующий кафедрой
теоретической экономики Sidorov V.A., Doctor of Economic Sciences, Professor, Head of Theoretical
Economics Department ФГБОУ ВО «Кубанский государственный университет», Краснодар, Россия Federal State Budgetary Educational Establishment of Higher Education «Kuban
State University», Krasnodar, Russia *E-mail: iarinichev@gmail.com
В статье рассматриваются особенности формирования эффективной цепочки создания стоимости в зерновом производстве, акцентируя внимание на роли искусственного интеллекта. Главная цель управления цепочкой - обеспечение продовольственной безопасности страны за счет перехода к инновационным методам ведения хозяйства, основанным на технологиях искусственного интеллекта. Использование цифровых интеллектуальных решений позволяет снизить операционные риски, повысить производительность и качество продукции, а также способствует устойчивости и конкурентоспособности сельскохозяйственной отрасли. Среди базовых аспектов формирования эффективной цепочки выделяются: внутренняя интеграция бизнес-процессов на основе нейросетей, способствующих снижению материальных затрат, сокращение трудозатрат, эффективному управлению рисками и повышению общего уровня выполнения производственных функций; мониторинг всех этапов цепочки, обеспечивающий оперативные реакции на возникающие события, проблемы и рисковые ситуации; система управления на разных уровнях - от фермы до региона и страны, что обеспечивает согласованность между всеми участниками процесса. В зерновом комплексе, где стоимостная цепочка включает в себя множество этапов и процессов, важным становится обеспечение координации и взаимодействия между различными уровнями производства. Показано, что эффективное взаимодействие и согласованность между всеми участниками цепочки создания стоимости продукции достигаются через систему мониторинга, при этом технологии искусственного интеллекта, адаптированные к разным уровням управления, играют ключевую роль, обеспечивая получение качественных, обработанных, структурированных и иерархически организованных данных о процессах управления .В работе подчеркивается важность цифровой трансформации и роли искусственного интеллекта в обеспечении эффективности и устойчивости зернового производства, а также обеспечения продовольственной безопасности страны. Ключевые слова: цепочка создания стоимости, зерновое производство, искусственный интеллект, внутренняя интеграция бизнес-процессов, мониторинг, многоуровневая система управления
The paper explores the specifics of forming an effective value chain in grain production, with a focus on the role of artificial intelligence. The main objective of value chain management is to ensure the country's food security by transitioning to innovative farming methods based on artificial intelligence technologies. The use of digital intelligent solutions reduces operational risks, enhances production productivity and quality, and contributes to the sustainability and competitiveness of the agricultural sector. Key aspects of establishing an efficient value chain are highlighted, including: internal integration of business processes based on neural networks, promoting reduced material costs, decreased labor input, effective
risk management, and increased overall execution of production functions; monitoring of all value chain stages, ensuring real-time responses to emerging events, issues, and risky situations; a multi-level management system, spanning from individual farms to regions and countries, fostering alignment among all participants in the process; in the grain complex, where the value chain comprises multiple stages and processes, ensuring coordination and interaction across different production levels becomes crucial. The article demonstrates that effective interaction and alignment among all the participants in the value chain are achieved through a monitoring system. Importantly, artificial intelligence technologies, adapted to various management levels, play a pivotal role in obtaining high-quality, processed, structured, and hierarchically organized data regarding management processes. The paper underscores the importance of digital transformation and the role of artificial intelligence in ensuring efficiency and sustainability of grain production, as well as ensuring food security of the country.
Keywords: value creation chain, grain production, artificial intelligence, internal business process integration, monitoring, multi-level management system
Введение. Зерновое производство, как важнейшая отрасль сельского хозяйства, играет ключевую роль в обеспечении продовольственной безопасности страны и имеет стратегическое значение для решения многочисленных народнохозяйственных задач, в числе которых создание рабочих мест в сельских районах, развитие инфраструктуры, укрепление экономического положения страны на мировых рынках. Эффективное зерновое производство не только обеспечивает стабильное наличие основных продуктов питания на внутреннем рынке, снижая зависимость от импорта и глобальных колебаний цен, но также служит важным условием для социальной, экономической и политической стабильности внутри страны [1].
Несмотря на рост валового сбора зерновых и зернобобовых продуктов в 2022 году (157,7 миллиона тонн, что на 29,9% больше, чем в предыдущем году) [2] и относительно неплохие перспективы на 2023 г. - почти 133 млн т., отрасль зернового производства сталкивается с рядом серьезных вызовов и проблем включая деградацию экосистем, сокращение пригодных для выращивания зерновых культур посевных площадей, распространение вредителей и болезней, ужесточение экологических стандартов, а также неэффективное использование ресурсов.
В свете перечисленных ограничений становится очевидной неотложная потребность в создании эффективной цепочки создания стоимости продукции зернового сельского хозяйства, являющейся критически важной компонентой обеспечения высокой конкурентоспособности и качества зерна, а также устойчивости его производства [3]. Цепочка создания стоимости, состоящая из последовательности этапов начиная от входящей логистики и заканчивая маркетингом с продажами, объединяет в себе сложную сеть взаимосвязанных бизнес-процессов, каждый из которых вносит свой вклад в общую стоимость продукции. От внутренней оптимизации бизнес-процессов, опосредующих процесс создания зерна и продуктов его переработки напрямую зависит эффективность функционирования не только отдельных этапов производственного цикла, но и всей цепочки как единого целого.
Не вызывает сомнений, такая оптимизация не может быть выполнена вне границ инновационной системы производства, базисом которой сегодня является искусственный интеллект (ИИ). В эпоху цифровой трансформации сельского хозяйства и развития ИИ-технологий, интеллектуализация зернового производства становится стратегической инициативой, находящейся в центре всех аграрных инноваций [4].
Внедрение и реализация ИТ-решений на основе ИИ имеет огромный потенциал для совершенствования бизнес-процессов. Эти технологии способны
сократить зависимость от ручного труда, снизить издержки производства, повысить урожайность, предсказывать рыночные цены на продукты, а также содействовать снижению негативного воздействия на окружающую среду и более эффективному использованию природных ресурсов. При этом оптимизация процессов выполняется главным образом за счет двух аспектов: или масштабирование когнитивных функций эксперта (критическая точка -принятие решений), или самой функции бизнес-процесса (большее число действий в единицу времени), а экономический эффект возникает за счет роста производительности, базирующейся на экономии времени и возникающем на этой основе росте числа точных своевременных прогнозов.
Цель исследования состоит в выявлении (и анализе основных аспектов и) особенностей формирования эффективной цепочки создания стоимости в зерновом производстве с использованием передовых технологий искусственного интеллекта.
Материалы и методы. Теоретическим базисом исследования послужили работы по использованию цифровых технологий управления зерновым производством в контексте задач, поставленных национальным проектом «Цифровая экономика», ведомственным проектом «Цифровое сельское хозяйство» в части цифровых агрорешений (продукты и технологии) в АПК, а также Долгосрочной стратегии развития зернового комплекса Российской Федерации до 2035 года [5-7]. В качестве методологической основы исследования взяты законы развития цифровой экономики (Мура, Хуанга, Кека), определяющие ключевые направления и тенденции развития в условиях внедрения новых технологий, а также процессный подход, позволяющий рассмотреть цепочку формирования стоимости как набор взаимосвязанных бизнес-процессов.
Результаты и обсуждение. Современное аграрное производство невозможно рассматривать вне его связи с объективными процессами экономического развития, ключевую роль в которых сегодня играют информационные технологии. В силу этого цифровизация общественного хозяйства набирает обороты. Важность данного процесса подчеркивается необходимостью проведения до 2030 г. цифровой трансформации всей страны, о чем заявлено во многих государственных документах. При этом особая роль отводится использованию передовых подходов, организации бережливого производства, снижению потерь, оптимизации хозяйственной деятельности в целом. Предстоит перестройка всей системы управления на основе технологий искусственного интеллекта.
Фундаментальную роль в построении эффективной цепочки создания стоимости на основе искусственного интеллекта в зерновом хозяйстве играет внутренняя интеграция бизнес-процессов [8]. Она представляет собой важный этап в организации интеллектуальной деятельности, способствуя оптимизации и согласованию внутренних бизнес-процессов, что в свою очередь приводит к повышению производительности, снижению издержек, экономии времени на рутинных операциях. Принятие решений, основанное на использовании модели данных означает, что появляется возможность объективного контроля за ходом производственных операций, следовательно в аграрном секторе возникают предпосылки интеллектуализации непосредственного производства. В зерновом секторе использование технологий искусственного интеллекта может быть представлено следующим образом (рисунок 1).
Интеллектуализация бизнес-процессов зернового производства
/ Оптимизация \
материальных
V ресурсов у
? \
Сокращение трудозатрат
Улучшение условий труда
Управление рисками
Повышение эффективности производства
Снижения потребления сырья и материалов благодаря постоянному контролю за процессами производства и хранения продукции;
Точное прогнозирование потребности в ресурсах, а также снижение риска дефицита и излишков за счет возможности интеллектуального управления цепочками поставок;
Своевременное обнаружение болезней и вредителей растений сна основе интеллектуальных систем позволяет производителям таргстировать использование агрохимии.
^ИИ автоматизирует рутинные задачи, снижает зависимость от ручного труда,^ что позволяет организации сократить трудозатраты, повысить производительность и сосредоточиться на более стратегических аспектах ^деятельности_у
^Модификация трудовых функций рабочих и оптимизация бизнес-процессов^ упрощают тяжелые повседневные рутинные задачи и снижают риски для здоровья работников. Многие задачи могут выполняться дистанционно или с использованием специализированного оборудования, что снижает риск ^контакта с вредными веществами и возникновения опасных ситуаций.
/Внутренняя интеграция БГТ на основе ИИ способствует эффективному^ управлению рисками. Анализируя большие объемы данных ИИ-системы способный оценивать потенциальные риски, связанные с погодными условиями, рыночными колебаниями, болезнями растений и другими факторами. Это позволяет производителю принимать более обоснованные решения, разрабатывать планы снижения рисков и обеспечивать более ^стабильное и устойчивое производство.__у
Эффективное использование ресурсов, сокращение трудозатрат, снижение издержек, эффективное управление рисками обеспечивает повышению общей ^ производительности и эффективности зернового производства_
Рисунок 1 - Преимущества внутренней интеграции бизнес-процессов на основе
технологий ИИ
Представленная модель ориентирована на динамичную и конкурентную среду, в которой особую значимость приобретает контроль бизнес-процессов, отправным пунктом которого выступает мониторинг, позволяющий не только реагировать на текущие события, но и предвидеть потенциальные риски и возможности. Выявление дополнительных резервов для создания добавленной стоимости продукции зернового производства невозможно без организованной и структурированной системы наблюдения. Любая управленческая деятельность начинается с наблюдения. Чтобы обнаружить слабые места в производственном цикле необходимо в первую очередь проанализировать текущие процессы и идентифицировать области, требующие оптимизации.
Нарастающая сегодня стремительными темпами интеллектуализация всей аграрной сферы, открыла новые уникальные возможности мониторинга (в виде точного, информированного и устойчивого наблюдения за всеми аспектами зернового производства), что мультиплицирует не только внутреннюю интеграцию бизнес-процессов по всей цепочке создания стоимости, но и создает дополнительные условия организации бережливого производства. Современные технологии и инновации, включая искусственный интеллект, анализ больших данных, интернет вещей революционизировали способы, которыми сельскохозяйственные производители могут отслеживать и управлять основными процессами, влияя тем самым на конечную стоимость продукции [9, 10].
Использование искусственного интеллекта в зерновом производстве открывает и новые возможности в организации системы управления им. Они возникают в связи с многоуровневостью управления отдельными этапами бизнес-процессов (начиная от оперативного и технического управления на нижних уровнях до стратегического руководства наверху), иерархия которых может быть очерчена схемой: единичный производитель - уровень административного района - региональная ступень - национальное регулирование. Каждый уровень имеет свои задачи и область компетенции. В связи с этим цепочка создания стоимости получает возможности мониторинга по горизонтали (между производством отдельных видов работ в рамках данного бизнес-процесса) и, что немаловажно - по вертикали (когда бизнес-функции могут быть отслежены между отдельными производителями и владельцами больших баз данных. Целеполагание в данном случае выстраивается таким образом, чтобы цели и задачи базовых, нижних звеньев соответствовали главной стратегической цели, сформулированной менеджментом высшего звена.
В зерновом комплексе, где стоимостная цепочка включает в себя множество этапов и составляющих их процессов, координация и взаимодействие между уровнями становится критически важной задачей, решение которой обеспечивается через эффективное взаимодействие и согласованность между всеми звеньями процесса создания стоимости продукции через систему мониторинга. В этом случае технологии искусственного интеллекта, дифференцированные по уровням управления позволяют получить качественно обработанные, структурированные и иерархированные данные об объекте управления. Концептуальные положения относительно формирования создания цепочки стоимости зернового производства, основанные на искусственном интеллекте приведены на рисунке 2.
Рисунок 2 - Основные компоненты формирования цепочки создания стоимости в зерновом производстве на базе искусственного интеллекта
Из рисунка 2 следует, что мониторинг служит не только цели внутренней диагностики бизнес-процессов, но является связующим звеном с другими участниками зернового производства. Такая интеграция достигается через создание центральной базы данных мониторинга, объединяющей информацию о различных аспектах производства: от состояния почвы, погодных условиях, ресурсном обеспечении и пр., и заканчивая информацией о поставщиках и потребителях. Последующее хранение, обработка и анализ собранной информации, необходимо для принятия обоснованных управленческих решений в процессе корректировки добавленной стоимости по местам ее происхождения. Приобретая универсальный характер и выполняя функции источника информации для всех участников аграрного процесса, таких как отраслевой бизнес, агрегаторы, исследовательские организации, вендоры, институты развития и государственные органы, база данных мониторинга создает важное общее пространство в области совокупной аграрной деятельности и формирования аграрной политики.
Информация, собираемая в системе, обладает значительной ценностью для организаций из различных смежных отраслей: поставщиками средств производства и материальных ресурсов, банками и страховыми компаниями, покупателями сельскохозяйственной продукции, логистическими компаниями, доступ к которой обеспечивается через наличие хаба данных. В данной особенности формирования данных выражается и многоуровневость системы управления мониторингом.
Таким образом, искусственный интеллект выступает ядром оптимизации всей цепочки создания стоимости. Благодаря возможностям интеллектуального мониторинга, обеспечивающего диагностику бизнес-процессов с одной стороны обеспечивается внутренняя интеграция бизнес-процессов, с другой -реализуются возможности многоуровневой системы управления бизнес-процессами, что предопределяет, обнаружение в них слабых мест, идентификацию потенциала для оптимизации и принятия обоснованных управленческих решений. Эффективное использование мониторинга позволяет улучшить координацию и согласованность всех этапов ценностной цепочки, снизить операционные риски, повысить производительность и качество продукции, а также уровень участия всех заинтересованных сторон в аграрной сфере.
Выводы
В современных условиях, где требования потребителей и стандарты находятся в постоянной динамике, необходимо активно адаптироваться и оптимизировать процессы в рамках всей ценностной цепочки. В связи с этим
1. Назревает острая необходимость создания действенной системы управления ценностной цепочкой продукта, отправным пунктом которой является мониторинг;
2. Главная цель управления цепочкой - обеспечение продовольственной безопасности страны за счет перехода к инновационным методам ведения хозяйства, основанным на технологиях искусственного интеллекта.
3. Оптимизация управления создания стоимости достигается за счет:
- контроля всех бизнес-процессов в этой цепочке (мониторинг на первом месте);
- разных уровней управления отдельными этапами отдельных бизнес-процессов (ферма-регион-страна);
- управления внутренней интеграцией бизнес-процессов (нейросеть).
Внедрение ИИ позволяет выявить слабые места в производственных процессах, идентифицировать потенциал для оптимизации и принимать обоснованные управленческие решения. Это приводит к снижению операционных рисков, повышению производительности и качества продукции, а также участии всех участников аграрной сферы.
Важно подчеркнуть, что использование ИИ в сельском хозяйстве имеет долгосрочное стратегическое значение, способствуя конкурентоспособности и устойчивости отрасли, что содействует успешному развитию сельского хозяйства в современных условиях.
БИБЛИОГРАФИЯ
1. Суслов С.А., Шамин А.Е. Обеспечение устойчивого производства зерна: монография. Княгинино: НГИЭУ, 2022. 242 с.
2. Федеральная служба государственной статистика. Сельское хозяйство, охота и лесное хозяйство // Режим доступа: https://rosstat.gov.ru/enterprise_economy (дата обращения: 22.09.2023)
3. Андреева Т.В., Видищева Р.С. Процессно-ориентированный подход к управлению ценностной цепочкой продукта пищевой промышленности в регионе. Экономика, предпринимательство и право. 2020. Том 10. № 11. С. 2651-2664. - doi: 10.18334/epp.10.11.111123
4. Применение технологий искусственного интеллекта в сельском хозяйстве Е. А. Скворцов [и др.]/ Аграрный вестник Урала. 2019. № 8 (187). С. 91-98. - DOI: 10.32417/article_5d908ed7817fc7.89378141.
5. Национальная программа «Цифровая экономика Российской Федерации», утвержденная протоколом заседания президиума Совета при Президенте Российской Федерации по стратегическому развитию и национальным проектам от 4 июня 2019 г. № 7. // Режим доступа: https://www.consultant.ru/document/cons_doc_LAW_328854/ (дата обращения: 22.09.2023)
6. Ведомственный проект «Цифровое сельское хозяйство»: официальное издание. - М.: ФГБНУ «Росинформагротех», 2019. - 48 с.
7. Распоряжение Правительства Российской Федерации от 10.08.2019 № 1796 - р «Об утверждении Долгосрочной стратегии развития зернового комплекса Российской Федерации до 2035 года» // Режим доступа: http://government.ru/docs/37668/ (дата обращения: 22.09.2023)
8. Эффективные отечественные практики на базе технологий искусственного интеллекта в сельском хозяйстве (2023). Аналитический отчет. - АНО «Цифровая экономика». Режим доступа: https://d-economy.ru/research/ (дата обращения: 22.09.2023).
9. Ариничев И.В. Использование цифровых интеллектуальных техноогий для диагностики заболеваний хлебных злаков Кубани // Аграрный научный журнал. 2022. № 5. С. 70-73.
10. Ариничев И.В., Полянских С.В., Ариничева И.В. Семантическая сегментация ржавчин и пятнистостей пшеницы // Компьютерная оптика. 2023. Т. 47. № 1. С. 118-125.
REFERENCES
1. Suslov S.A., Shamin A.Ye. Obespechenie ustoychivogo proizvodstva zerna: monografiya. Knyaginino: NGIEU, 2022. 242 s.
2. Federalnaya sluzhba gosudarstvennoy statistika. Selskoe khozyaystvo, okhota i lesnoe khozyaystvo // Rezhim dostupa: https://rosstat.gov.ru/enterprise_economy (data obrashcheniya: 22.09.2023)
3. Andreeva T.V., Vidishcheva R.S. Protsessno-orientirovannyy podkhod k upravleniyu tsennostnoy tsepochkoy produkta pishchevoy promyshlennosti v regione. Ekonomika, predprinimatelstvo i pravo. 2020. Tom 10. № 11. S. 2651 -2664. - doi: 10.18334/epp.10.11.111123
4. Primenenie tekhnologiy iskusstvennogo intellekta v selskom khozyaystve Ye. A. Skvortsov [i dr.]/ Agrarnyy vestnik Urala. 2019. № 8 (187). S. 91-98. - DOI: 10.32417/article_5d908ed78f7fc7.89378141.
5. Natsionalnaya programma «Tsifrovaya ekonomika Rossiyskoy Federatsii», utverzhdennaya protokolom zasedaniya prezidiuma Soveta pri Prezidente Rossiyskoy Federatsii po strategicheskomu razvitiyu i natsionalnym proektam ot 4 iyunya 2019 g. № 7. // Rezhim dostupa: https://www.consultant.ru/document/cons_doc_LAW_328854/ (data obrashcheniya: 22.09.2023)
6. Vedomstvennyy proekt «Tsifrovoe selskoe khozyaystvo»: ofitsialnoe izdanie. - M.: FGBNU «Rosinformagrotekh», 2019. - 48 s.
7. Rasporyazhenie Pravitelstva Rossiyskoy Federatsii ot 10.08.2019 № 1796 - r «Ob utverzhdenii Dolgosrochnoy strategii razvitiya zernovogo kompleksa Rossiyskoy Federatsii do 2035 goda» // Rezhim dostupa: http://government.ru/docs/37668/ (data obrashcheniya: 22.09.2023)
8. Effektivnye otechestvennye praktiki na baze tekhnologiy iskusstvennogo intellekta v selskom khozyaystve (2023). Analiticheskiy otchet. - ANO «Tsifrovaya ekonomika». Rezhim dostupa: https://d-economy.ru/research/ (data obrashcheniya: 22.09.2023).
9. Arinichev I.V. Ispolzovanie tsifrovykh intellektualnykh tekhnoogiy dlya diagnostiki zabolevaniy khlebnykh zlakov Kubani // Agrarnyy nauchnyy zhurnal. 2022. № 5. S. 70-73.
10. Arinichev I.V., Polyanskikh S.V., Arinicheva I.V. Semanticheskaya segmentatsiya rzhavchin i pyatnistostey pshenitsy // Kompyuternaya optika. 2023. T. 47. № 1. S. 118-125.
