CC BY
37
УДК 636.2 DOI 10.51794/27132064-2021-1-37
ПОВЫШЕНИЕ ЭФФЕКТИВНОСТИ ПРОИЗВОДСТВЕННЫХ СИСТЕМ ОТКОРМА КРУПНОГО РОГАТОГО СКОТА
Е.Б. Петров, кандидат сельскохозяйственных наук, доцент Институт механизации животноводства - филиал ФГБНУ ФНАЦ ВИМ E-mail: vniimzh@mail.ru
Аннотация. Рассмотрена структура бизнеса откорма молодняка крупного рогатого скота. Проанализированы мировые тенденции развития отрасли и состояние отечественного мясного скотоводства, проблемы его развития и направления научных исследований технологий содержания КРС специализированных мясных пород, на основании которых сформулированы предложения по оптимизации работы с расширенной базой данных в мясном скотоводстве. Исследования показали, что применение IT-технологий позволяет в зависимости от «ключевого признака» автоматически формировать базы данных производственных процессов. Предложены цифровые решения для повышения эффективности управления технологическими процессами при большом потоке информации о животных и технологических операциях; параметры модели, позволяющие в автоматическом режиме осуществлять перевод животного из одной производственной группы в другую путем отслеживания показателя «живая масса» как ключевого фактора на откорме. На основе цифровых решений (работа с Big Data) это позволит повысить эффективность управления технологическими процессами при производстве говядины и в определенной степени решить проблемы создания логистической инфраструктуры рынка производителей говядины, а также повысить эффективность взаимодействия производителей в мясных кластерах, которые объединяют крупный бизнес и малый в рамках единой цифровой платформы (экосистема производителей говядины). Ключевые слова: производство говядины, цифровизация, интеллектуальные технологии, агрокомплекс 4.0, экосистема производителей говядины.
Введение. Соседствующие с аграрным сектором экономики сегменты в глобальном мире забирают себе до 75% прибыли с тенденцией к повышению [1]. Мировое сельское хозяйство в условиях жесткой конкуренции, помимо необходимости сокращения операционных расходов и повышения прибыльности бизнеса, находится под давлением необходимости роста производительности. Все это заставляет производителей обратить внимание на цифровые решения для повышения эффективности управления технологическими процессами при значительном объеме информации о животных и технологических операциях (работа с Big Data), а также взаимодействия с информационной системой цифровых сервисов в АПК. Что же касается последнего направления, то следует отметить, что Мин-сельхоз РФ объявил о планах к 2022 году полного перевода в цифровой формат управления земельными ресурсами, крупным рогатым скотом, техникой и взаимодействия с сельхозпроизводителями [2]. Таким образом, одними из необходимых элементов совре-
менной животноводческой фермы становятся интеллектуальные системы контроля и управления технологическими процессами, позволяющие оптимизировать работу с расширенной базой данных. При этом в зависимости от целевых индикаторов они (системы) позволяют в автоматическом режиме осуществлять формирование базы данных производственных процессов.
Цель исследований - изучить способы повышения эффективности производственных систем при откорме крупного рогатого скота.
Материалы и методы исследований.
Объектом исследования явились технологии содержания и кормления животных, цифровые технологии и технические средства, имеющие потенциал применения в АПК, нормативно-справочные материалы, постановления правительства, результаты выполненных фундаментальных, теоретических, прогнозно-поисковых и прикладных научных исследований. Использованы методы сравнительного анализа, экспертных оценок, опыт
применения современных технологий и инновационной техники в передовых хозяйствах России и зарубежных странах.
Результаты исследований и обсуждение. Основным источником производства говядины в России в настоящее время являются выбракованные коровы и откормочный контингент из молочных стад, на долю которых приходится 81,7% этого вида мяса. В структуре производства крупного рогатого скота на убой во всех категориях хозяйств доля продукции специализированного мясного и помесного скота имеет положительную динамику и в 2019 г. достигла 18,3% [3].
Мясное скотоводство в Российской Федерации проходит важный этап становления в самостоятельную отрасль и формирования в ней двух направлений производственных систем - специализированное мясное скотоводство как самостоятельная отрасль и мясное направление в отрасли специализированного молочного скотоводства. Обе производственные системы включают интенсивный заключительный откорм перед реализацией на мясо. Однако на практике до сих пор эффективность технологий в мясном скотоводстве очень низкая [4]. При этом следует отметить индустриальное развитие этой отрасли в зарубежных странах; так, например, в настоящее время около 87% говядины в США получают от скота специализированных мясных пород. Средняя живая масса откормленного молодняка в стране достигла 612 кг, масса туши -370,6 кг, и этот показатель из года в год меняется незначительно, что свидетельствует о стабильности источников поступления убойного скота [5].
В России эффективные технологии производства говядины от скота специализированных мясных пород также апробированы. Опишем модель производства говядины полного цикла. Она состоит из трех крупных блоков: корова-теленок - откорм (фидлот) - забой, упаковка, торговая марка; кормопроизводство и кормозаготовка; генетика. Технология основана на принципе максимального использования биологических возможностей животного, и в данном случае ставка делается главным образом на интенсивность роста
мышечной ткани и генетическую предрасположенность ее к мраморности.
Эффективность специализированного мясного скотоводства базируется, прежде всего, на повышении прироста животных при сокращении возраста их убоя на мясо, получение продукции высокого качества с учетом потребностей населения. Проведенными исследованиями и практическим опытом установлено, что обеспечение технологических процессов ресурсами под целевые индикаторы по периодам выращивания и откорма молодняка КРС позволяет достичь среднесуточных привесов у бычков мясных пород до 2,1-2,5 кг, у бычков от молочных коров при направленном развитии - до 1,4-1,5 кг [6, 7].
Рассмотрим структуру бизнеса откорма молодняка крупного рогатого скота. На фид-лоте типа «Заречное» Воронежской области структура производственных процессов выглядит так:
• партии - 100 голов на один отсек;
• входной контроль при выгрузке скота на фидлоте: каждое животное взвешивается и получает индивидуальную бирку; начальный средний вес - 300 кг, обработка от паразитов при приемке;
• все бычки должны быть кастрированы;
• ветеринарный контроль и обработка всех животных перед заходом на фидлот, каждые 60 дней - повторная обработка;
• вакцинации;
• корм загружается по принципу «всегда в наличии» - корм всегда перед животным;
• ежедневный визуальный осмотр и контроль состояния животных;
• целевые индикаторы фидлота: финишный вес животного, кг; мраморность по принятому на производстве стандарту, например - USDA Choice; плановый привес по кастратам и телкам (соответственно, например, 1,8 кг/день и 1,6 кг/день); кормовой план.
Однако следует отметить, что для поддержания и повышения эффективности функционирования такого уже экономически выгодного производства, как фидлоты, требуется слаженная работа значительного количества звеньев и кооперационных связей - объединение крупного и мелкого агробизнеса в про-
изводственную цепочку. Примером такого развития может служить мясной кластер в Воронежской области, объединяющий более 250 хозяйств разного масштаба: коллективных, малых и средних фермерских, работающих на одну задачу - довести молодняк до кондиции, когда его можно будет отправить на откорм [8]. Пирамида кластера в регионе представлена в виде группы компаний «Заречное», располагающихся в пяти муниципальных районах Воронежской области и включающих в себя селекционный центр, фермы «корова-теленок», партнеров по выращиванию молодняка, фидлот для откорма животных, мясокомбинат и дистрибьюторская сеть для реализации продукции.
Как видим, в России уже практикуется мировой опыт эффективного ведения отрасли. В США сегодня большая часть мясного скотоводства находится в зоне мелких частных владельцев - более 600 тысяч домохозяйств располагают стадом до 50 голов, около 100 тысяч - до ста. В Европе, например, в Германии, вообще нет предприятий с поголовьем более 500 животных, и мясное скотоводство -это бизнес фермерских хозяйств [8]. Мин-сельхоз России применяет такую же политику в субъектах федерации в этой сфере, и с 2017 года она становится определяющей. В структуре мясного скотоводства России сегодня примерно 9 тыс. предприятий и фермеров. Из них 6 800 - это мелкие ЛПХ, у которых меньше ста голов, что вполне соответствует мировой тенденции [9].
Создание мясных кластеров представляет собой некую открытую систему, в которой взаимодействуют, в первую очередь, КФХ и средние предприятия с крупным бизнесом на основе кооперационных связей. Это позволяет одновременно использовать мощности откормочной площадки для покупного и собственного молодняка мясных пород, что ускоряет окупаемость инвестиционных затрат в мясное скотоводство, а также обеспечивает создание резерва постановочных мест на откормочных площадках и позволяет поддерживать оптимальную численность откармливаемого поголовья в зависимости от соотношения цен на концентрированные
корма и говядину. Так, на фидлоте «Заречное» общей площадью около 100 га при единовременной загрузке 24 тыс. голов КРС обеспечивается возможность откармливать в год до 50 тысяч животных (с перспективой двукратного увеличения) [8].
Другие распространенные системы производства говядины предусматривают такие технологические процессы, как доращивание, выпас, но все они включают интенсивный заключительный откорм на высококонцентрат-ных рационах. При развитии отрасли специализированного мясного скотоводства следует обратить внимание на особенности проблем, связанных с индустриальным обслуживанием технологического звена «корова-теленок».
Как отмечают эксперты - в отличие от того же птицеводства, где это принципиально удобно, мясное скотоводство «не терпит индустриализации», и интерес холдингов к данной теме снижается; происходит парадоксальная вещь - в откормочных комплексах имеется дефицит поголовья [8]. Только в пяти агрохолдингах-лидерах пустует 370 тысяч мест, и при этом же мелкие фермеры не могут реализовать свой скот.
Проведенный нами анализ технологий [10], применяемых при производстве высококачественной говядины ведущими российскими производителями (выборка п = 40), показал, что типоразмерный ряд предприятия выглядят следующим образом:
- фермы «корова-теленок» в вертикально-интегрированном производстве - 2,0-5,5 тыс. голов (компании «Мираторг», «Заречное», «Албиф»); у крупных собственников скота -1,0-1,5 тыс. голов; в фермерских хозяйствах -0,05-0,44 тыс. голов;
- откормочные площадки/фидлоты единовременного содержания откармливаемого поголовья ведущих российских производителей в Орловской, Брянской, Калужской, Липецкой, Воронежской и других областях имеют параметры от 12,7 тыс. до 80 тыс. голов. Следует также отметить функционирование и более крупных фидлотов в мировой практике (85-150 тыс. голов единовременной загрузки).
Таким образом, мониторинг выращивания животных и эффективного использования
фидлотов, обеспечивающих снижение себестоимости производства говядины, требует обработки большого массива данных. Множество проблем возникает там, где накапливается огромное их количество, и если использовать их в полной мере не удается, то они становятся «информационным мусором» и отягощают деятельность предприятий.
Как показали наши исследования [11], применение /Г-технологий позволяет в зависимости от «ключевого признака» автоматически формировать базы данных производственных процессов. Предложены параметры модели, позволяющие в автоматическом режиме осуществлять перевод животного из одной производственной группы в другую путем отслеживания показателя «живая масса» как ключевого фактора на откорме.
Разработанная модель цикличного формирования производственных групп С// в зависимости от результатов взвешивания описывается имитационной моделью и = [(х,р), где и - состояние моделируемой компоненты, / - основные функциональные зависимости, х - переменные модели, р - параметры модели. При этом с использованием дат электронного документооборота в следующий производственный цикл проходят животные, удовлетворяющие условию Со > Сс, (набравшие необходимую живую массу «С»). Животные, не удовлетворяющие требованию ключевого признака, переводятся в группу экстренной реализации как экономически неэффективные для дальнейшего откорма.
В электронном календаре заложена эффективность интенсивного выращивания и откорма молодняка. Она основана на двух биологических факторах: способности растущего организма к интенсивному росту основных тканей и органов в первые 1,5 года жизни; снижении расходов питательных веществ на единицу прироста живой массы тела. При этом между уровнем кормления и развитием молодняка существует зависимость, выражающаяся в том, что с повышением интенсивности кормления животных в молодом возрасте повышается интенсивность их роста [12]. Также учтена экономически обоснованная необходимость достижения
ориентировочных привесов не ниже 1000 г для бычков от молочных коров и 1300 г - от коров мясного направления [13].
Единая модель допускает принятие альтернативных решений в зависимости от наличия имеющихся ресурсов. Применение соответствующих алгоритмов объединяет генетические и технологические параметры, факторы среды и информационные технологии, учитывая степень влияния отдельных признаков и возможность их регулирования. Данная цифровая модель с использованием дат электронного документооборота также будет эффективной при формировании логистики поставок скота на откорм при кооперационных связях и корректировке технологических процессов.
Выводы. В значительном объеме информации о животных и технологических операциях требуется оптимизация процесса работы с расширенной базой данных для отслеживания хозяйственной деятельности, технологических процессов и временных периодов в электронном документообороте.
Создание единой цифровой платформы производителей говядины будет способствовать производству продукции с высокой долей добавленной стоимости. Цифровые решения (работа с Big Data) позволят повысить эффективность управления технологическими процессами при производстве говядины, логистику рынка производителей говядины, а также оптимизируют взаимодействие производителей в мясных кластерах, которые объединяют крупный и малый бизнес в рамках единой цифровой платформы (экосистема производителей говядины).
Литература:
1. Интернет вещей в сельском хозяйстве (Agriculture IoT/AIoT): мировой опыт, кейсы применения и экономический эффект от внедрения в РФ. URL: https:// json.tv/ict_telecom_analytics_view/internet-veschey-v-
selskom-hozyaystve-agriculture-iot-aiot-mirovoy-opyt-
keysy-primeneniya-i-ekonomicheskiy-effekt-ot-vnedre-niya-v-rf-20170621045316
2. Иван Лебедев рассказал о перспективах развития цифровых платформ агропромышленного комплекса. URL: https://mcx.gov.ru/press-service/news/ivan-lebedev -rasskazal-o-perspektivakh-razvitiya-tsifrovykh-platform-agropromyshlennogo-kompleksa/
3. Инновационные технологии содержания крупного рогатого скота специализированных мясных пород / Морозов Н.М. и др. М.: Росинформагротех, 2020. 92 с.
4. Тараторкин В.М., Самарханов Т.Г., Петров Е.Б. Технологический аудит мясного скотоводства в Краснодарском крае // Современный фермер. 2019. № 1-2. С. 28-31.
5. Терентьева А.С. Мясное скотоводство в США: современное состояние, проблемы и перспективы. URL: https://rusus.ies.su/s207054760000059-1-1/
6. Новости СКК "Виктория-Агро". URL: http://www. viktoriy.ru/?view=18751603
7. Сидорова В.Ю., Попов Н.А., Иванов В.А. Направленное развитие молодняка голштинской породы // Зоотехния. 2019. № 1. С. 23-27.
8. Сазонов Т. Кластерный подход в мясном скотоводстве: в чем преимущества и как его строить. URL: https://agrobook.ru/blog/user/timur-sazonov/klasternyy-podhod-v-myasnom-skotovodstve-v-chem-preimushche-stva-i-kak-ego
9. Костюк Р. Развитие мясного скотоводства - это вопрос социально-экономической безопасности страны. URL: https://sfera.fm/interviews/myasnaya/roman-kos-tyuk
10. Петров Е.Б., Сидорова В.Ю. Типоразмерный ряд предприятий по откорму крупного рогатого скота // Научная жизнь. 2019. Т. 14, № 8(96). С. 1341-1351.
11. Сидорова В.Ю., Петров Е.Б. Электронный календарь как элемент цифрового управления IT-фермой / Bio Web of Conferences 2020. Т. 27. С. 00150.
12. Гетоков О.О. Влияние условий кормления на мясную продуктивность молодняка крупного рогатого скота. URL: https://novainfo. ru/article/7282
13. Петров Е.Б. Технологические и экономические аспекты производства говядины. М., 2007. 36 с.
Literatura:
1. Internet veshchej v sel'skom hozyajstve (Agriculture IoT/AIoT): mirovoj opyt, kejsy primeneniya i ekonomi-cheskij effekt ot vnedreniya v RF. URL: https://json.tv/ ict_telecom_analytics_view/internet-veschey-v-selskom-hozyaystve-agriculture-iot-aiot-mirovoy-opyt-keysy-pri-
meneniya-i-ekonomicheskiy-effekt-ot-vnedre-niya-v-rf-20170621045316
2. Ivan Lebedev rasskazal o perspektivah razvitiya cifro-vyh platform agropromyshlennogo kompleksa. URL: https://mcx.gov.ru/press-service/news/ivan-lebedev-ras-skazal-o-perspektivakh-razvitiya-tsifrovykh-platform-ag-ropromyshlennogo-kompleksa/
3. Innovacionnye tekhnologii soderzhaniya krupnogo ro-gatogo skota specializirovannyh myasnyh porod / Moro-zov N.M. i dr. M.: Rosinformagrotekh, 2020. 92 s.
4. Taratorkin V.M., Samarhanov T.G., Petrov E.B. Tekh-nologicheskij audit myasnogo skotovodstva v Krasnodar-skom krae // Sovremennyj fermer. 2019. № 1-2. S. 28-31.
5. Terent'eva A.S. Myasnoe skotovodstvo v SSHA: sov-remennoe sostoyanie, problemy i perspektivy. URL: https://rusus.jes.su/s207054760000059-1-1/
6. Novosti SKK "Viktoriya-Agro". URL: http://www.vik-toriy.ru/?view=18751603
7. Sidorova V.YU., Popov N.A., Ivanov V.A. Napravlen-noe razvitie molodnyaka golshtinskoj porody // Zootekh-niya. 2019. № 1. S. 23-27.
8. Sazonov T. Klasternyj podhod v myasnom skotovodst-ve: v chem preimushchestva i kak ego stroit'. URL: https: //agrobook.ru/blog/user/timur-sazonov/klasternyy-podhod -v-myasnom-skotovodstve-v-chem-preimushchestva-ikak-ego
9. Kostyuk R. Razvitie myasnogo skotovodstva - eto vo-pros social'no-ekonomicheskoj bezopasnosti strany. URL: https://sfera.fm/interviews/myasnaya/roman-kos-tyuk
10. Petrov E.B., Sidorova V.YU. Tiporazmernyj ryad pre-dpriyatij po otkormu krupnogo rogatogo skota // Nauch-naya zhizn'. 2019. T. 14, № 8(96). S. 1341-1351.
11. Sidorova V.YU., Petrov E.B. Elektronnyj kalendar' kak element cifrovogo upravleniya IT-fermoj / Bio Web of Conferences 2020. T. 27. S. 00150.
12. Getokov O.O. Vliyanie uslovij kormleniya na myas-nuyu produktivnost' molodnyaka krupnogo rogatogo skota. URL: https://novainfo.ru/article/7282
13. Petrov E.B. Tekhnologicheskie i ekonomicheskie as-pekty proizvodstva govyadiny. M., 2007. 36 s.
IMPROVING OF CATTLE FATTENING PRODUCING SYSTEMS' EFFICIENCY E.B. Petrov, candidate of agricultural sciences, professor's associate Institute of livestock mechanization - filial of FGBNY FNAC VIM
Annotation. The fattening of young cattle's business structure is considered. The domestic beef cattle industry glo -bal trends, problems of its and scientific research's direction of the specialized cattle meat breeds' breeding technology development are analyzed, work optimization's proposals by an beef cattle extended database are formulated. Studies have shown that the IT-technologies using allows in depending on the "key feature", production processes databases automatically to generate. Digital solutions for technological process of management's efficiency with an information large flow the animals and technological operations improving about are proposed; model's parameters allowing by automatic regime an animal from one producing group to another to transfer by the "live weight" indicator as a fattening key's factor tracking. Based on digital solutions (working with Big Data), this will allow beef producing managing technological processes' efficiency to increase and in a certain extent, the problems of logistics for the beef producers ' market infrastructure creating to solve, as well as the interaction efficiency between producers in meat clusters that integrate large and small businesses together within a single digital platform (the ecosystem of beef producers) to increase.
Keywords: beef production, digitalization, intelligent technologies, agrocomplex 4,0, ecosystem of beef producers.
