Материалы пятой конференции ИТАПК (Часть VI)

28-29 июля 2021 года прошла пятая конференция «Информационные технологии в аграрно-промышленном комплексе России». Организатором мероприятия выступило ООО «ИД Коннект». В связи с ковидными ограничениями конференция в этом году проводилась в онлайн-режиме.

 

Сессия 1. Цифровизация в растениеводстве

Лаврентий Плотников, руководитель направления по работе с партнерами и ключевыми клиентами компании Trimble

Лаврентий Плотников, руководитель направления по работе с партнерами и ключевыми клиентами компании Trimble, открыл работу 1-й сессии докладом на тему «Автономные машины и цифровая экосистема сельхозпредприятия».

Доход компании Trimble составляет $3,152 млрд, выручка – $1,3 млрд (рост +9%). На сегодня в компании числятся 11 тысяч сотрудников, работающих в офисах более чем 40 стран мира. Клиенты у Trimble имеются в более чем 150 странах мира. Компания сейчас располагает 15 центрами разработки, включая Россию: в Москве находится основной центр разработки, также есть региональные офисы в Воронеже, Самаре и Краснодаре, плюс дилерская сеть по всей стране от Калининграда до дальнего Востока. При этом инвестиции Trimble в разработки составляют до $400 млн. в год. У компании имеется более 2000 патентов.

Ключевыми отраслями для Trimble на сегодня являются: сельское хозяйство, геодезия и инжиниринг, грузоперевозки и логистика, строительство и дизайн. Вместе с тем, Trimble активно внедряется и на развивающиеся (в деле геолокации) индустрии: железные дороги, водоснабжение и электросети, лесная промышленность, управление транспортом. При этом возникает некая синергия, которая позволяет Trimble быстро перенимать решения из одной отрасли в другую.

В автономном вождении Trimble выделяет три базовых уровня: автоматизированные агрегаты; автоматизированные работы групп машин; автоматизированные бизнес-процессы, задания и IoT. Как подчеркнул Лаврентий Плотников, автономия – это не продукт и не самоцель, а инструмент оптимизации бизнеса, являющийся результатом 20-летней работы и прогресса компании на рынке.

Сегодня в международном сообществе принято выделять всего пять основных уровней, стоящих на пути к автономии (если не считать шестой – «нулевой» уровень): 1) некоторая помощь водителю; 2) частичная автоматизация; 3) условная автоматизация; 4) высокая автоматизация; 5) полная автоматизация. По заявлению Лаврентия Плотникова, Trimble сегодня находится на третьем уровне – это условная автоматизация, когда оператор все-таки присутствует в кабине, правда, он не управляет машиной, а лишь контролирует процесс – его вмешательство требуется лишь при остановке автоматики или нештатных ситуациях.

Экосистема автономии включает в себя несколько ключевых компонентов: контроль (технология управления прицепными агрегатами ISOBUS), планирование маршрутов (оптимизация движения в поле и повышение производительности техники), восприятие объектов и безопасность (в 2020 году системы автономного вождения Trimble признаны самыми надежными – по этому показателю Trimble даже превзошла компанию Tesla), орудие и связывающая эти компоненты система коммуникации.

Экосистема Trimble включает в себя: управление внесением, продвинутое управление, датчики, системы управления, дисплеи и приемники, системы подключения, сигналы коррекции, облако Trimble.

Дмитрий Рыжков, менеджер по цифровой трансформации, ООО «Алма Продакшн» (справа)

Дмитрий Рыжков, менеджер по цифровой трансформации, ООО «Алма Продакшн», выступил с докладов на тему «Датацентричность как основа цифровой трансформации в растениеводстве. Проблематика источников данных, качества данных и цифровых платформ по их агрегации и дальнейшему анализу. Возможные подходы, рекомендации».

В понимании докладчика датацентричность означает следующее: 1) данные первичны – они заносятся в систему один раз и затеи обогащаются по мере необходимости; 2) данные доступны – актуальные данные доступны в любой момент потребности в них; 3) данные легко анализировать – данные представлены в визуализациях, дашбордах и графиках, обеспечивающих эргономичность восприятия. В конечном итоге датацентричность обеспечивает нам отсутствие ошибок, быстроту и качество принимаемых решений.

Большое внимание докладчик уделил проблемам источников данных, указав следующее: разобщенность по разным системам («1C», Excel, Web и пр.); невозможность быстрой агрегации для анализа или полное отсутствие такой возможности; проблема «copy-paste»; постоянные изменения в источниках данных, вносимые вручную. Как следствие – низкая производительность и невозможность принять правильное решение в правильное время.

Каковы возможные подходы и рекомендации к решению проблемы? Дмитрий Рыжков считает, что необходимо использовать BI-системы. Как особо подчеркнул докладчик, на сегодня стоимость таких решений сопоставима со стоимостью владения ПО MS Office. Специалисту по внедрению и поддержке не обязательно быть мощным программистом для работы с ними – достаточно пройти небольшой курс обучения, все очень просто. BI-системы производят очень эффективные вычисления In-memory и дают очень быстрые результаты на действительно больших объемах данных. С такими инструментами стало достаточно легко реализовать принцип датацентричности.

Основные задачи, решаемые сегодня BI-системами: сбор данных из разных источников, их структурирование и хранение в единой системе; анализ больших объемов данных для формирования и подтверждения гипотез или для разработки бизнес-решений с учетом аналитики; моделирование возможных решений для оценки их влияния на итоговые показатели деятельности и прогнозирование последующего развития на основе имеющихся данных; формирование оперативной и стратегической отчетности, в том числе оповещение об отклонении показателей от допустимых норм; сохранение и систематизация знаний с целью последующей передачи новым сотрудникам, чтобы опыт сохранялся, и качество работы стабильно повышалось.

Основной целью внедрения BI-систем является предоставление бизнесу возможности принятия обоснованных решений с учетом полной аналитики. У компании, внедрившей BI, всегда будут полные, точные и организованные данные. Благодаря BI-системам компаниям не нужно нанимать специалистов по Data Science – система соберет все «сырые» данные, самостоятельно обработает их и автоматически покажет информацию, с которой можно работать.

Сегодня, с помощью BI-систем реализовать принцип датацентричности можно дешево быстро и эффективно. У нас появилась возможность пропускать описание процессов внедрения или сильно упрощать их, так как системы очень гибкие и прощают ошибки: можно на лету вносить исправления в уже готовые модели, что позволяет нам достигать «быстрые победы» в кратчайшие сроки (некоторые решения можно реализовать за один рабочий день). При правильной настройке агрегации данных уходит много рутинных процессов, а ошибки ручной обработки снижаются в 0. Также появляется возможность использовать актуальную информацию вовремя, проводить исследования по поиску взаимосвязей в процессах для снижения их стоимости и увеличения эффективности. Информация становиться динамически доступна в любое время и в любом месте.

Карен Асатрян, программист-аналитик, АО «Белая Дача Трейдинг»

Карен Асатрян, программист-аналитик, АО «Белая Дача Трейдинг», рассказал о переходе своей компании на систему «1С:ERP».

АО «Белая Дача Трейдинг» является лидером российского рынка мытых резаных салатов. Компания сегодня располагает собственными полями в Ярославской области, тепличным комплексом в Ставропольском крае. Имеются три завода по переработке сырья: в Елабуге (Татарстан), Подмосковье и Новосибирске. Поставка продукции идет во все федеральные торговые сети и сети ресторанов быстрого питания: McDonalds, Burger King, KFC.

Основными причинами запуска проекта перехода на отечественную систему «1С:ERP» стали: снятие с поддержки импортной системы; высока стоимость перехода на ее новую версию; отсутствие каких-либо функциональных преимуществ зарубежного продукта перед российской ERP-системой.

Система «1С:ERP» должна была одновременно запуститься сразу на двух заводах – в Подмосковье и Татарстане. Поэтому было принято решение об удаленном внедрении системы, комплексном обучении пользователей, опоре на собственный ИТ-персонал «Белой Дачи». Было организовано дежурство консультантов и разработчиков подрядчика в режиме 24×7.

ERP-система должна была обеспечивать: управление продажами, закупками и доставкой товара; управление качеством; производственный учет, включая также оперативный внутрицеховой учет; комплексный учет затрат и расчет себестоимости продукции; бухгалтерский и налоговый учет и подготовка регламентированной отчетности.

Были реализованы следующие отдельные кейсы: «Стол заказов», «Протокол качества партии продукции», АРМ – распределение материалов и работ.

Результатами внедрения системы «1С:ERP» стали: значительное снижение стоимости содержания информационной системы; существенное снижение трудозатрат по ведению учета; значительное повышение точности учетной информации.

Текущий ИТ-ландшафт «Белой Дачи» включает в себя две большие системы: «1С:ERP» и «1С:Зарплата и Управление персоналом». Система «1С:ERP» обеспечивает: управление продажами; управление закупками и складами; учет на производстве; управление качеством; расчет затрат; РСБУ (российские стандарты бухгалтерского учета). Система «1С:Зарплата и Управление персоналом» обеспечивает: кадровый учет и расчет заработной платы.

Всего на системе «1С:ERP» было автоматизировано 200 рабочих мест. При этом доработки типовой конфигурации заняли менее 1%, в настоящее время эта система поддерживается собственной службой ИТ-предприятия. Сейчас «Белая Дача» движется дальше в сторону развития системы бюджетирования, в сторону замены предыдущей BI-системы новым решением, идет по пути улучшения управленческих навыков.

Андрей Берюляев, заместитель директора по точному земледелию, ООО «ЭкоНива-АПК Холдинг»

Андрей Берюляев, заместитель директора по точному земледелию, ООО «ЭкоНива-АПК Холдинг», рассказал участникам конференции о причинах, опыте и перспективах в деле разработки собственного программного обеспечения.

«ЭкоНива» сегодня располагает 630 тыс. га земли в 12 регионах России, у компании больше 12 тыс. сотрудников, поголовье крупного рогатого скота составляет 218 800 голов (по состоянию на июнь 2021 года), компания производит 925 тыс. сырого молока в год (3167 тонн молока в сутки), несколько производственных линий позволяют «ЭкоНива» перерабатывать 86 482 тонны сырого молока в год.

Почему ООО «ЭкоНива» столкнулось с необходимостью разработки собственного программного обеспечения? Это было обусловлено рядом факторов, включая: быстрый рост производства, возрастание сложности контроля и управления, необходимость оптимизации бизнеса, увеличение расходов.

Естественно, рассматривались два вариант дальнейшего развития: аутсорс и инхаус. Аутсорсинговый подход обладает известными преимуществами: экономия времени, наличие договоренности, профессионализм ИТ-сотрудников, минимизация рисков. Недостатками аутсорса являются: низкая вовлеченность, большие затраты, сложность контроля и значительное время, затрачиваемое на погружение.

Инхаус также обладает своими неоспоримыми преимуществами: уверенность, высокая вовлеченность, экономичность (в долгосрочной перспективе), качество и контроль. Но есть у этого вариант и свои недостатки: мотивация, планирование нагрузки, подбор.

В конечном итоге был сделан выбор в пользу инхауса, поскольку руководство ставило, в первую очередь, задачу сделать ИТ-решение, подходящее исключительно для компании «ЭкоНива», ИТ-решение под свои бизнес-процессы, которые существенно отличаются от того, что реализовано в большинстве коробочных ИТ-систем. Кроме того, сыграл и такой фактор, как невозможность повлиять на разработчиков внешних решений.

На 2017 год приходится формирование команды разработки и старт разработки ПО для формирования рационов кормов EkoFeed. В 2018 году EkoFeed уже выходит на опытно-промышленную эксплуатацию. В следующем 2019 году у «ЭкоНива» появляется своя собственная ГИС, электронные карты хозяйств, а EkoFeed внедряется на всех фермах компании. На 2020 год приходится старт разработки ПО для растениеводства EkoCrop. Причем, внедрение EkoCrop во всех хозяйствах компании произошло уже в 2021 году.

Две команды разработчиков «ЭкоНива» сегодня применяют следующие информационные технологии: платформа – NodeJS (12.x); язык – JavaScript; фреймворк – LoopBack (3.x); стандарт API – Rest на базе OpenAPI/Swagger; схема базы данных – собственный синтаксис LoopBack; основная база данных – MongDB; обработка и очистка – собственный JavaScript код; веб-сервер – Nginx; контейнеризация отсутствует.

В настоящее время система EkoCrop для растениеводства работает в 29 производственных хозяйствах, ею пользуется более 300 сотрудников компании. Система работает оффлайн, мобильно, быстро, информативно и без ошибок.

«ЭкоНива» планирует развивать систему – строить свою цифровую платформу, которая будет включать в себя мобильное и веб-приложения; также будет расширена интеграция с внутренними сервисами компании (с молочным производством) и внешними сервисами, которые сейчас планирует Минсельхоз.

Игорь Смирнов, заведующий отделом интеллектуализации, автоматизации и роботизации сельскохозяйственного производства, ФГБНУ ФНАЦ ВИМ

В ходе своего выступления Игорь Смирнов, заведующий отделом интеллектуализации, автоматизации и роботизации сельскохозяйственного производства, ФГБНУ ФНАЦ ВИМ, рассказал о цифровых технологиях и роботизированных машинах для садоводства.

Докладчик предложил краткий анализ конструктивных параметров роботизированных энергосредств для ухода за насаждениями и уборки урожая в садоводстве, включая: интеллектуальный робот-культиватор Garre Anatis (Франция), оригинальное семейство роботизированных машин на резиноармированных движителях ENERGREEN, опытный образец земляникоуборочного робота, электроприводную платформу для уборки урожая и ухода за насаждениями «ВПМ-Элеком», Ecogreenitalia-платформу с электроприводом для сбора урожая плодов, опытный образец машины для мониторинга фитосанитарного состояния сада.

Игорь Смирнов представил характеристики собственной разработки ФГБНУ ФНАЦ ВИМ – универсальной роботизированной платформы (УРП) и рассказал о полевых испытаниях, о выполнении технологических операций по сбору урожая плодов яблони. Отметим, что идентификация плодов осуществляется с помощью нейронной сети глубокого обучения.

Докладчик также рассказа о новой разработке программно-аппаратного блока системы технического зрения с наземных технических средств для работы в режиме «следуй за мной», продемонстрировав фрагменты программного кода системы технического зрения Python3 и фреймворка Flask.

Еще одно интересное направление связано с разработкой роботизированного устройства для дифференцированного внесения средств защиты растений в овощеводстве.

В завершение выступления Игорь Смирнов рассказал о разработке автоматизированной системы управления агротехнологиями, продемонстрировав работу ее отдельных блоков: полевого журнала, отображения расположения метеостанций на карте, меню добавления различных видов тревог, результаты проведения наземных осмотров садовых насаждений, интерфейс ключевых функций в мобильном приложении.

Александр Аверьянов, CEO Terroir Concept, аспирант СПбГУ

Александр Аверьянов, CEO Terroir Concept, аспирант СПбГУ, проанализировал актуальные аспекты разработки и внедрения геоинформационных систем (ГИС) в винодельческой отрасли.

Большое внимание в своем докладе Александр Аверьянов уделил государственной поддержке отрасли виноградарства и виноделия, отметив, в частности, что недавно впервые в российском законодательстве дали определение понятию «вино»; был введен запрет использования импортного вимоматериала для производства вина, и сегодня на части зарубежной продукции не менее 20% площади бутылки занимает известная всем этикетка с надписью «Не является вином»; установлены строгие требования к маркировке продукции и правила розничной продажи; четко определены формы государственной поддержки отечественных производителей вина. В Федеральном законе от 2019 года «О виноградарстве и виноделии» отдельная глава посвящена национальной системе защиты географических указаний и наименований мест производства товара.

Разработана Государственная программа эффективного вовлечения в оборот земель сельскохозяйственного назначения и развития мелиоративного комплекса РФ на период с 2022 по 2031 годы. Создан Реестр виноградопригодных земель, использование которых будет возможно только по целевому назначению.

Как отметил докладчик, вкусовые характеристики вина находятся в тесной взаимосвязи от почвенно-климатических условий возделывания винограда – терруара. Виноград – одна из наиболее требовательных и чувствительных к внешним условиям культур. Виноград относится к многолетним насаждениям, поэтому его плоды становятся пригодными для производства вина только по прошествии 3 лет. Покупка непригодного для возделывания винограда участка может повлечь за собой большие финансовые потери для фермера-винодела.

Небольшая команда Terroir Concept, состоящая из аспирантов и студентов СПбГУ, предлагает виноделам: 1) обеспечить выбор хорошего участка; 2) выбор сорта винограда; 3) производить мониторинг плодородия.

Главный продукт Terroir Concept на сегодня – это кроссплатформенное решение Terroir Evaluation, представляющее собой клиент-серверное приложение. Хранение данных осуществляется на сервере, обмен данными проходит по сети, поэтому системе необходим только доступ к Интернету. Программа Terroir Evaluation интегрирована с Google Maps с помощью Maps Javascript API.

Terroir Evaluation позволяет выполнять следующую цепочку последовательных задач: 1) агрегация данных о почвенно-климатических условиях района; 2) расчет Terroir Index; 3) показатели индекса определяют, какой район/участок лучше; 4) программа сопоставляет факторы плодородия с биологическими характеристиками винограда; 5) программа определяет, какой сорт винограда сажать лучше.

В основу решений команды Terroir Concept положены различные научные исследования, проведенные в СПбГУ: почвенно-топологическая и геохимическая обусловленность виноградарства полуостровов Бретань, Крым и Тамань; геохимические исследования микроэлементного состава почв виноградников департамента Атлантическая Луара (Франция) и Автономного территориального образования Гагаузия (Молдавия) методом рентген-флуоресцентного анализа.

Александра Шитикова, заведующая кафедрой, ФГБОУ ВО РГАУ-МСХА имени К.А. Тимирязева

Александра Шитикова, заведующая кафедрой, ФГБОУ ВО РГАУ-МСХА имени К.А. Тимирязева, в своем докладе обратилась к тематике актуальных компетенций аграрного специалиста.

Президент России поручил Университету Иннополис стать опорным образовательным и единым учебно-методологическим центром и курировать разработку образовательных программ по приоритетным отраслям экономики страны. Цель этого проекта – создание, апробация и масштабирование модели обеспечения приоритетных отраслей Российской Федерации высококвалифицированными кадрами, востребованными в условиях цифровой экономики. Программы для аграриев разрабатывает Академия имени К.А. Тимирязева.

Александра Шитикова предложила вниманию участников конференции анализ потребности работодателей в агрономах нового поколения. Какими компетенциями должны обладать агрономы XXI века? 1) Знать основные тренды развития современных цифровых технологий в растениеводстве. 2) Обладать навыками оценки эффективности цифровой трансформации растениеводства. 3) Использовать информационные системы для разработки производственных планов и контроля выполнения работ, а также для подготовки отчетов. 4) Анализировать метеоданные, полученные с датчиков, сенсоров и других смарт-приборов, а также полученные из открытых источников для разработки приемов по снижению действия лимитирующих факторов продуктивности полевых культур. 5) Знать передовой опыт применения цифровых технологий в агрономии (в России и за рубежом). 6) Использовать мобильные приложения для визуального контроля состояния посевов. 7) Обладать навыками работы с информационными системами управления аграрным производством (ERP-системами).

Разработку новой компетентностной модели выпускника, основанной на требованиях работодателя в соотношении с требованиями ПС, потребностями цифровой экономики, а также с учетом рекомендаций рабочей группы ООЦ, курирует отраслевая группа по сельскому хозяйству, которую возглавляет заместитель министра сельского хозяйства Российской Федерации Максим Увайдов.

Актуализация ОПОП 35.03.04 Агрономия предусматривает изучение в рамках дисциплин сквозных цифровых технологий (ключевые научно-технические направления, которые оказывают наиболее существенное влияние на развитие различных рынков цифровой экономики): большие данные; квантовые технологии; новые производственные технологии; промышленный Интернет вещей; искусственный интеллект; технологии беспроводной связи; компоненты робототехники и сенсорика; технология распределенных реестров; технологии виртуальной и дополненной реальности.

В завершение своего выступления Александра Шитикова подробнее остановилась на представлении модели профессиональных компетенций выпускника, предусматривающей изучение сквозных цифровых технологий, по направлению подготовки 35.03.04 Агрономия, направленности (профилю) «Агробизнес», актуализированной ФГБОУ ВО «Российский государственный аграрный университет – Московская сельскохозяйственная академия имени К. А. Тимирязева».

(Продолжение следует)

 

Поделиться:
Спецпроект

Spot Wave: NetApp оптимизирует облачную инфраструктуру

Подробнее
Спецпроект

Цифровая перезагрузка лесного комплекса

Подробнее


Подпишитесь
на нашу рассылку