ПРОБЛЕМЫ ПРИНЯТИЯ РЕШЕНИЙ В УСЛОВИЯХ ЦИФРОВИЗАЦИИ СЕЛЬСКОГО ХОЗЯЙСТВА Текст научной статьи по специальности «Прочие технологии»

УДК 338.1

doi:10.52210/2224669X_2021_4_207 ПРОБЛЕМЫ ПРИНЯТИЯ РЕШЕНИЙ

В УСЛОВИЯХ ЦИФРОВИЗАЦИИ СЕЛЬСКОГО ХОЗЯЙСТВА Д.В. Ветчинников, А.В. Иглин

Аннотация. Смысл цифровой модернизации любой сферы заключается в том, что решения начинают приниматься на основе объективных метаданных, полученных посредством анализа данных, собранных с объекта управления. Однако сложность организации цифровой конъюнктуры заключается не только в том, чтобы получить данные и создать метаданные, но и с экономической точки зрения принять оптимальное решение. Для выполнения этой цели целесообразно зашить в алгоритмы поддержки принятия решений экономические принципы, определяющие тенденции развития конкретной отрасли, в частности, отрасли сельского хозяйства.

Ключевые слова: цифровая модернизация, метаданные, инновациатив-ность, информационные системы, инновации, цифровые данные.

PROBLEMS OF DECISION-MAKING IN THE CONDITIONS OF DIGITALIZATION OF AGRICULTURE

D.V. Vetchinnikov, A.V. Iglin

Abstract. The meaning of digital modernization of any sphere is that decisions begin to be made on the basis of objective metadata obtained through the analysis of data collected from the management object. However, the complexity of organizing the digital environment is not only to obtain data, create metadata, but also to make the optimal decision from an economic point of view. To achieve this goal, it is advisable to sew economic principles into decision support algorithms that determine the development trends of a particular industry, in particular, the agricultural sector.

Keywords: digital modernization, metadata, innovativeness, information systems, innovations, digital data.

Агентство стратегических инициатив разработало дорожную карту развития умного сельского хозяйства FoodNet, в соответствии с которой к 2035 г. российские компании должны занять более 5 % мирового рынка в данном сегменте [18].

Цифровая экономика давно диктует требования и внутри страны к цифровой трансформации сельского хозяйства. Согласно Приказу Минобрнауки РФ от 22 сентября 2017 г. № 972 [6] в ком-

петенции зоотехника входит: определение показателей качества сырья и продуктов животного и растительного происхождения, учет влияния на организм животных социально-хозяйственных и экономических факторов, использование современных технологий в профессиональной деятельности, в том числе цифровых инноваций.

Несмотря на вводимые нормативно-правовые меры и системы экономической поддержки, специалисты животноводства не оправдывают ситуацию с официальными показателями. Согласно данным Росстата, за 2020 г. общая потеря крупного рогатого скота составила примерно 1 %, с наблюдением потери по всем федеральным округам, кроме Центрального Федерального округа и Северо-Западного Федерального округа. Однако заметный компенсирующий прирост крупного рогатого скота наблюдается в Центральном Федеральном округе - около 2 % [5].

Развитая конъюнктура внедрения цифровых технологий в этих федеральных округах даёт результаты. По оценкам экспертов, циф-ровизация животноводства даст прирост поголовья скота и надоя до 40 % [18].

Уровень внедрения таких технологий по сравнению с другими странами низок - РФ на 15-ом месте [15].

Однако «умное сельское хозяйство» способно оценивать экономическую эффективность самого себя, если при каждом цифровом акте принятия решения используются занесенные в алгоритмы критерии экономической эффективности того или иного действия в прилагаемых обстоятельствах.

Рассмотрим сначала типы систем принятия решений, которые могут быть использованы при цифровизации животноводства. Можно выделить два магистральных типа систем поддержки принятия решений:

1. «Знаниевые» системы (Knowledge-based systems, KBS), основанные на систематизированных научных данных, представляющие собой программу, которая рассуждает и использует базу знаний для решения сложных проблем. Обычно эти системы состоят из трёх частей:

- информационная база, содержащая правила и связи данных ме-таанализа, работающие по принципу ЕСЛИ-ТО;

- механизм логических выводов;

- механизм коммуникации.

2. «Незнаниевые» системы не основаны на выводах из научных исследований, их фундаментом являются статистические данные, обработанные математическими методами, - они, используя искусственный интеллект, устраняют необходимость написания правил путём обучения на основании полученного опыта и установлении закономерностей в пределах массива клинических данных. Однако, так как системы, основанные на «машинном обучении», не могут объяснить причины появления тех или иных выводов, большинство ветеринаров не сможет использовать их для постановки диагнозов из-за неуверенности в точности и достоверности результатов. При этом можно утверждать, что такие системы могут быть полезны для использования в последующих периодах лечения, выявляя закономерности для более глубокого их анализа.

Системы поддержки принятия решений - информационная система, предназначенная для помощи ветеринарам и иным специалистам в работе с задачами, связанными с принятием ветеринарных решений. Системы поддержки принятия решений связывают результаты клинических исследований с данными, имеющимися в отношении конкретного животного или унифицированной группы животных, влияя на выбор решения для более эффективного оказания ветеринарной помощи. Разработка и внедрение систем поддержки принятия решений принадлежит к главным направлениям развития искусственного интеллекта в сельском хозяйстве. Системы поддержки принятия решений являются инструментом, помогающим ветеринару в принятии решений на всех этапах работы с животным: сбор анамнеза, постановка предварительного диагноза, выбор диагностических процедур, ветеринарной терапии, схемы лечения и так далее. Система помогает поставить предварительный диагноз, предлагает список необходимых для его подтверждения исследований и специалистов, консультации которых понадобятся ветеринару [12].

Системы поддержки принятия решений осуществляют следующие действия:

- сбор данных о состоянии здоровья животных с помощью носимых устройств и оборудования, использующего искусственный интеллект в своей работе;

- автоматизированный удалённый мониторинг состояния здоровья животных;

- профилактика заболеваний, их прогнозирование;

- диагностика, в том числе дифференциальная диагностика;

- помощь в лечении в виде подбора и контроля ветеринарной терапии;

- анализ экономической эффективности своих действий.

Потеря или недоступность больших объёмов диагностических данных приводит к снижению качества диагностики и необходимости в повторных исследованиях. Подобные инциденты, возникающие из-за неиспользования цифровых технологий, обеспечивающих хранение и поиск информации, снижают эффективность использования уникального дорогостоящего цифрового диагностического оборудования. Для решения подобных проблем подходят специализированные информационно-технологические системы, позволяющие надежно архивировать диагностические данные и автоматизировать рабочие процессы в ветеринарии. Для решения этой проблемы необходимо ответить на вопросы, где и как хранить цифровые изображения. Представляется очевидной необходимость хранения данных в привязке к конкретному исследуемому животному или объединённой по какому-либо признаку исследуемой группе животных, для дальнейшего удобства в нахождении и классификации информации.

Подобная технология может принять наиболее удобную для работы форму в виде системы, которая способна передавать и архивировать изображения, создавать специальные удалённые архивы для поиска и просмотра интересующей информации по внутренней защищённой сети.

Возможно выделить две автоматизированные системы поддержки принятия решений в сельском хозяйстве:

1. Автоматизированная система ветеринарного воздействия:

- различная ветеринарная аппаратура, оснащенная средствами вычислительной техники с цифроаналоговыми и аналогоциф-ровыми свойствами;

- устройства для дистанционного вливания лекарственных препаратов на основе самостоятельно принятой информации на основе состояния здоровья животного и экономической целесообразности его лечения.

Система принятия решения высчитывает экономическую эффективность лечебно-профилактических мероприятий по формуле:

ЭЛП=П - ^ ш

где:

П^ - предотвращенный экономический ущерб в результате проведения лечебно-профилактических мероприятий (по разнице убытков до и после их осуществления) в рублях; Зш - затраты на проведение мероприятий в рублях.

Окупаемость этих мероприятий на 1 рубль затрат определяется по формуле:

ОЛП = П / Злп (2)

2. Автоматизированные системы интенсивной терапии - более сложные системы, объединяющие задачи мониторинга, оценки состояния животного и выработки управляющих лечебных воздействий (подобные системы обычно создаются только для строго фиксированных задач) [13].

Представляется необходимым создать новые ветеринарные при-борно-компьютерные системы, использующие компьютеры, измерительную и управляющую технику. Такие новые эффективные средства обеспечивают автоматизированный сбор информации, обрабатывают её в реальном времени, отслеживают и управляют состоянием животного. Типичными представителями ветеринарных приборно-компью-терных систем могут являться ветеринарные системы мониторинга за состоянием животных, например, системы автоматизированного компьютерного анализа данных исследований [10]. Такая система может работать по принципу замкнутого цикла и быть разложена на следующие составные части: блок управления - источник воздействия - устройство воздействия - биологический объект - блок контроля - компьютер - блок управления.

В ветеринарных приборно-компьютерных системах можно выделить три магистральных составляющих обеспечения:

- ветеринарная составляющая обеспечения, способная решать ветеринарные задачи, соответствующие возможностям технической (аппаратной) и программной частей системы, представляет собой такие методики для измерения физиологических параметров и применяющиеся методы их измерения, которые определяют способы и допустимые границы воздействия системы на животное;

- техническая (аппаратная) составляющая обеспечения, а именно -средства вычислительной техники, получения ветеринарно-био-логической информации, осуществления лечебных воздействий;

- программная составляющая, которая обеспечивает функционирование всей системы посредством оперирования математическими методами обработки ветеринарно-биологической информации, алгоритмами и программами.

Одним из инновационных решений в сфере животноводства является на сегодняшний день электронная татуировка - биометрический трекер, который внешне выглядит как обычная татуировка, но решает целый спектр задач. На животное приклеивается тату, состоящее из обычной и электропроводящей краски. Датчики, элементы питания и ультратонкая микросхема также приклеиваются. Они не мешают привычной жизнедеятельности и не стесняют движения, но собирают данные в режиме реального времени. В зависимости от предназначения это может быть диагностический сенсор, медицинская карта или детектор состояния внешней среды и организма. Подобную технологию возможно использовать для сбора следующих данных:

- температура тела;

- частота сердечных сокращений;

- уровень гидратации организма;

- результат химический реакций на основе потоотделения;

- сатурация.

Вторую категорию экономически эффективных устройств составляют микрофлюидные устройства. Чипы - «лаборатории», выполняющие химический анализ чрезвычайно малых объёмов жидкостей, например, крови. «Лаборатория на чипе» позволяет реализовать все стадии биохимического анализа в одном устройстве. Микрофлюидное устройство - главная составляющая «лаборатории на чипе» - реализована в виде стеклянного или пластикового микрочипа, в котором выполняются различные операции пробоподготовки, манипуляции с биологической пробой: выделение, сортировка и анализ. Применение в ветеринарии «Лаборатории на чипе» может уменьшить время и стоимость создания лекарств. Такая технология позволяет диагностировать ранние стадии заболеваний и адаптировать терапию под каждое конкретное животное [11]. Применение электрических полей в микрофлюидных устройствах позволяет существенно расширить их возможности и реализовать методики перемещения жидкостей, молекул и микрочастиц, электрохимического детектирования веществ, а также методики изучения живых клеток in vitro [8].

Наноробототехника позволяет реализовать в системах, которые по размеру намного меньше клетки или микропроцессора, ряд функций: получение и обработку информации, какую-либо форму активности, коммуникацию. Нанороботы смогут либо самостоятельно, либо под воздействием внешних полей перемещаться в конкретные точки тела животного и обеспечивать, например, адресную доставку лекарств. Сейчас можно выделить два класса нанороботов:

- нанороботы с внешним контроллером, которыми можно управлять с помощью электромагнитных или акустических полей;

- нанороботы, содержащие нужные препараты или снабженные энзимами или катализатором в том месте, где происходит реакция, изменяющая химическую среду вокруг и заставляющая наноробот двигаться.

Наличие «Инновационной ДНК» в сельском хозяйстве будет определять характеристики организации по мере ее развития. Так, ветеринарные организации, являясь активно функционирующими «семьями», используют новые виды взаимодействия и культуру, выражающуюся в готовности к экспериментам и сотрудничеству с другими игроками отрасли, поддержка профильных стартапов, готовность к нестандартным решениям [3] Некоторые перспективные компоненты «инновационной ДНК» представляют из себя:

- машинное обучение;

- технологию дополненной реальности;

- вычисления с использованием квантовых компьютеров.

- технологии распределенных реестров (блокчейн);

Для разработчиков цифровых систем в сельском хозяйстве открывается огромный спектр инновационных возможностей [17]. У каждого будет возможность в сотрудничестве с зообиотехнологами формировать их «инновационную ДНК», которая поможет увеличить качество продукции сельского хозяйства [7].

Сейчас обыденностью представляется целый ряд ещё совсем недавно передовых технологий. Использование их качеств в новых сценариях позволит получить дополнительные преимущества [9]. Среди основных стратегических тенденций развития технологий в сельском хозяйстве можно перечислить следующие: 1. Гиперавтоматизация - это тотальная автоматизация процессов посредством приложений, автоматизирующих выполнение от-

дельных задач, и использование передовых технологий: машинного обучения и искусственного интеллекта.

2. Новые среды взаимодействия с компьютером - множество сенсоров в носимых устройствах будут причиной возникновения обволакивающей среды взаимодействия с животным (ambient experience).

3. Наращивание мощности периферийных вычислений позволит локальному распределённому трафику уменьшить задержку; усиленные периферийные вычисления могут являются одной из причин увеличения объёма Интернета вещей в сфере сельского хозяйства [14].

4. Развитие автономных систем - дроны с внедрённым искусственным интеллектом в сельском хозяйстве, как и другие использующие технологию машинного обучения автономные системы для работы в воздухе, воде и на суше, более эффективны для решения задач, требующих низкой квалификации;

5. Развитие практического блокчейна - эксплуатация одного разделяемого блокчейна, трансформирующего отрасль, наиболее эффективна в совокупности с интеграцией дополняющих технологий, например искусственного интеллекта и Интернета вещей в сельском хозяйстве. Такой подход позволит расширить число участников блокчейна посредством обмена недостающими активами.

Библиографический список

1. Архипов А.Г., Косогор С.Н. // Цифровая трансформация сельского хозяйства России. М., 2019.

2. Большие данные (Big Data) мировой рынок, 2019 г. // TAdviser. URL: http://www.tadviser.ru/index (дата обращения: 18.09.2021).

3. Бурда А.Г, Бурда С.А. Целесообразность применения электронной системы управления молочным стадом в условиях цифровизации экономики // Научный вестник ЮИМ. 2018. № 3.

4. Ганиева И.А. Цифровая трансформация сельского хозяйства России: консолидация государства и агробизнеса // Достижения науки и техники АПК. 2019. Т. 33. № 4.

5. Данные РОССТАТА. Поголовье крупного рогатого скота на 01.01.2021 г. В хозяйствах всех категорий, тыс. голов. URL: http://www.skotovodstvo. com/file/repository/Dannye_Rosstata.pdf (дата обращения: 18.09.2021).

6. Действующие приказы Минобрнауки России 2020 и 2021 г. URL: https:// www.minobrnauki.gov.ru/documents/?ELEMENT_ID=41545 (дата обращения: 18.09.2021).

<g!fc>

МОСКОВСКИЙ ФИНАНСОВО-ЮРИДИЧЕСКИЙ УНИВЕРСИТЕТ МФЮА

7. Козина А.М., Семкив Л.П. Использование цифровых технологий при производстве молока // Вестник НФ РАНХиГС. 2018. Т. 8. № 2.

8. Козубенко И.С. Вводим цифровые технологии // Информационный бюллетень Минсельхоза России. 2018. № 7.

9. Компьютеризированная система управления молочной фермой. URL: https://www.agro-vek.ru/p99-kompyuterizirovannaya-sistema-upravleniya-molochnoy-fermoy (дата обращения: 10.09.2021).

10. Корнеев С.М. // Цифровые технологии в работе ветеринарного врача // Ветеринария сельскохозяйственных животных. 2020. № 2.

11. Косогор С.Н., Корнеев С.М. Цифровое сельское хозяйство. 2019. № 5.

12. Майстренко А.В., Майстренко Н.В. Системы поддержки принятия решений. URL: https://tstu.ru/book/elib3/mm/2017/maistrenko/t6.html (дата обращения: 10.09.2021).

13. Организация ветеринарного дела: краткий курс лекций для студентов специальности 36.05.01 «Ветеринария» / сост.: А.В. Красников. Саратов, 2016.

14. Программа управления стадом - Uniform Professional Global. URL: http://novagrotec.ru/index.php/pro-gramma-upravleniya-stadom-uniform-professional-global (дата обращения: 11.09.2021).

15. Россия вошла в топ-15 стран по уровню развития технологий в сельском хозяйстве. URL: https://tass.ru/ekonomika/4979176 (дата обращения: 11.09.2021).

16. Система электронной ветеринарной сертификации продукции животного происхождения действует в России два года. URL: DairyNews.ru URL: https://www.dairynews.ru/news/sistema-elektronnoy-veterinarnoy-sertifikatsii-pro.html (дата обращения: 09.09.2021).

17. Суровцев В.Н. Освоение цифровых технологий как основа стратегии развития молочного скотоводства // АПК: Экономика, управление. 2018. № 9.

18. Федоров А.Д., Кондратьева О.В., Слинько О.В. О перспективах циф-ровизации животноводства // Техника и технологии в животноводстве. 2019. № 1 (33).

Д.В. Ветчинников

Российский государственный аграрный университет - МСХА

им. К.А. Тимирязева

E-mail: agentmedia@yandex.ru

А.В. Иглин

кандидат юридических наук, доцент

Московский финансово-юридический университет МФЮА

E-mail: iglin-AV@list.ru