Старостин И. А., Белышкина М. Е., Ещин А. В., Дегтярева Е. Д. Концепция интеллектуальной системы управления продукционными процессами в растениеводстве // Научная жизнь. 2022. Т. 17. Вып. 5.

Старостин Иван Александрович, канд. техн. наук, ст. науч. сотр., зав. лабораторией прогнозирования развития систем машин и технологий в АПК, ФГБНУ «Федеральный научный агроинженерный центр ВИМ»: Россия, 109428, г. Москва, 1-й Институтский проезд, 5.
Белышкина Марина Евгеньевна, канд. с.-х. наук, ст. науч. сотр. лаборатории прогнозирования развития систем машин и технологий в АПК, ФГБНУ «Федеральный научный агроинженерный центр ВИМ»: Россия, 109428, г. Москва, 1-й Институтский проезд, 5.
Ещин Александр Вадимович, канд. техн. наук, доцент, ст. науч. сотр. лаборатории прогнозирования развития систем машин и технологий в АПК, ФГБНУ «Федеральный научный агроинженерный центр ВИМ»: Россия, 109428, г. Москва, 1-й Институтский проезд, 5.
Дегтярева Елена Дмитриевна, ведущий специалист лаборатории прогнозирования развития систем машин и технологий в АПК, ФГБНУ «Федеральный научный агроинженерный центр ВИМ»: Россия, 109428, г. Москва, 1-й Институтский проезд, 5.

Тел.: (903) 271-31-05
E-mail: bely-mari@yandex.ru

Значительное влияние на продуктивность растений и качество получаемой продукции оказывает оперативное управление продукционным процессом, к которому относится выявление негативных факторов и устранение (минимизация) их воздействия. Негативными факторами в растениеводстве выступают болезни, вредители, недостаток влаги или питательных веществ и т.д. Высокое значение имеет скорость выявления и устранения влияния негативных факторов, а также последствий их воздействия. С целью снижения рисков воздействия негативных факторов на сельскохозяйственные культуры необходимо осуществлять мониторинг состояния посевов и окружающей их среды в режиме реального времени и прогнозировать возможные негативные воздействия. В качестве технологических мероприятий выступает непосредственное совершение технологических операций, соответствующих требованиям технологий возделывания сельскохозяйственных культур. Целью любого сельскохозяйственного производства является получение наивысшей прибыли, которая заключается в производстве наибольшего объема продукции высокого качества при высокой цене ее реализации и наименьшей себестоимости производства. Одной из первых и главных задач, стоящей перед руководителями и специалистами организации в сфере растениеводства является выбор возделываемой сельскохозяйственной культуры и формирование севооборота с учетом агроклиматических, почвенных и ресурсных ограничений хозяйства. При этом должны учитываться сложившаяся ситуацию на продовольственном рынке и прогнозироваться возможные изменения конъюнктуры рынка. Система управления продукционными процессами в растениеводстве требует разработки следующих подсистем выработки оптимальных управленческих решений: «Подсистема выбора оптимальной культуры», «Подсистема выбора оптимального сорта (гибрида) культуры», «Подсистема формирования оптимальной технологии возделывания», «Подсистема формирования оптимального машинно-тракторного парка организации», «Подсистема формирования оптимального штата организации». Получаемые от подсистем результаты обрабатываются системой управления с целью получения оптимального результата: наивысшая продуктивность при наименьших затратах.

Список литературы:

1. Максимов И. И., Максимов Е. А. Функционирование системы «растение – почва – воздух» // Вестник Чувашской государственной сельскохозяйственной академии. – 2017. – № 2 (2). – С. 29–33.

2. Полевой А. Н., Флоря Л. В. Моделирование агроклиматических ресурсов производительности урожая и формирования продуктивности сельскохозяйственных культур // Гидрометеорология и экология. – 2015. – № 1 (76). – С. 36–49.
3. Белышкина М. Е., Кобозева Т. П., Гуреева Е. В. Рост и развитие сортов сои северного экотипа в зависимости от влияния лимитирующих факторов вегетационного периода // Аграрный научный журнал. – 2020. – № 9. – С. 4–9.
4. Баденко В. Л., Топаж А. Г., Медведев С. А., Захарова Е. Т., Дунаева Е. А. Оценка продуктивности агроландшафтов в региональном масштабе на основе интеграции имитационной модели агроэкосистемы и ГИС // Таврический вестник аграрной науки. – 2019. – № 3 (19). – С. 18–30.
5. Siddique K. H. M., Turner N. C., Johansen C., Jeuffroy M.-H., Hashem A., Sakar D., Gan Y., Alghamdi S. S. Innovations in agronomy for food legumes. A review // Agronomy for Sustainable Development. – 2012. – Vol. 32, № 1. – Pp. 45–64.
6. Белышкина М. Е., Кобозева Т. П., Шевченко В. А., Делаев У. А.
Влияние норм высева и способов посева на урожайность и качество семян раннеспелых сортов и форм сои северного экотипа // Известия Тимирязевской сельскохозяйственной академии. – 2018. – № 4. – С. 182–190.
7. Клещенко А. Д., Лебедева В. М., Найдина Т. А., Савицкая О. В. Использование спутниковой информации MODIS в оперативной агрометеорологии // Современные проблемы дистанционного зондирования Земли из космоса. – 2015. – Т. 12, № 2. – С. 143–154.
8. Юсупов М. Ч., Юсупов Д. Т. О построении математической модели влияния изменения климата и дефицита водных ресурсов на урожайности сельхозкультур // Вестник Технологического университета Таджикистана. – 2018. – № 3 (34). – С. 70–74.
9. Юсупов М. Ч., Юсупов Дж. Т. Влияние изменения климата на урожайность сельскохозяйственных культур // Вестник Технологического университета Таджикистана. – 2020. – № 4 (43). – С. 110–114.
10. Сибирина Т. Ф., Мельникова Е. В., Мордвинова Н. М., Полубояринов Н. А., Беляков А. А. Имитация режимов температуры и осадков, лимитирующих продуктивность яровой пшеницы в полевых условиях лесостепи // Эпоха науки. – 2020. – № 21. – С. 36–48.
11. Белышкина М. Е. Современное состояние и перспективы мирового и российского рынков сои // Аграрная Россия. – 2013. – № 6. – С. 7–11.
12. Гришин А. П., Гришин А. А., Семенова Н. А. Способ контроля продуктивности растения // Сельскохозяйственные машины и технологии. – 2021. – Т. 15, № 2. – С. 69–74.
13. Драгавцева И. А., Кузнецова А. П., Клюкина А. В. Новый подход к стабилизации продукционного процесса сортов плодовых культур в условиях флуктуации климата // Бюллетень государственного Никитского ботанического сада. – 2020. – № 135. – С. 111–118.
14. Сухова Е. М., Воденеев В. А., Сухов В. С. Математическое моделирование фотосинтеза и анализ продуктивности растений // Биологические мембраны. – 2021. – Т. 38, № 1. – С. 20–43.
15. Lybbert T. J., Smith A., Sumner D. A. Weather shocks and inter-hemispheric supply responses: implications for climate change effects on global food markets // Climate Change Economics. – 2014. – Vol. 5, № 4. – Pp. 14–50.
16. Minoli S., Rolinski S., Müller C., Egli D. B. Modelling cropping periods of grain crops at the global scale // Global and Planetary Change. – 2019. – Vol. 174. – Рр. 35–46.
17. Nguy-Robertson A., Gitelson A., Peng Y., Rundquist D., Viña A., Arkebauer T. Green leaf area index estimation in maize and soybean: combining vegetation indices to achieve maximal sensitivity // Agronomy Journal. – 2012. – Vol. 104, № 5. – Рр. 1336–1347.

THE CONCEPT OF AN INTELLIGENT CONTROL SYSTEM OF PRODUCTION PROCESSES IN CROP PRODUCTION

Starostin Ivan Aleksandrovich, Cand. of Tech. Sci., Senior Researcher, Head of the laboratory of forecasting the development of machine systems and technologies in the Agro-industrial Complex, Federal Scientific Agroengineering Center VIM, Moscow, Russia.
Belyshkina Marina Evgenievna, Cand. of Agr. Sci., Senior Researcher of the laboratories for forecasting the development of machine systems and technologies in the Agro-industrial Complex, Federal Scientific Agroengineering Center VIM, Moscow, Russia.
Eshchin Alexander Vadimovich, Cand. of Tech. Sci., Ass. Prof., Senior Researcher of the laboratories for forecasting the development of machine systems and technologies in the Agro-industrial Complex, Federal Scientific Agroengineering Center VIM, Moscow, Russia.
Degtyareva Elena Dmitrievna, leading specialist of the laboratory for forecasting the development of machine systems and technologies in the Agro-industrial Complex, Federal Scientific Agroengineering Center VIM, Moscow, Russia.

Keywords: production process, agricultural crops, intelligent systems, digital technologies, Internet of things, artificial intelligence.

Abstract. The operational management of the production process, which includes the identification of negative factors and the elimination (minimization) of their impact, has a significant impact on the productivity of plants and the quality of the products obtained. Negative factors in crop production are diseases, pests, lack of moisture or nutrients, etc. The speed of identifying and eliminating the influence of negative factors, as well as the consequences of their impact, is of high importance. In order to reduce the risks of negative factors affecting agricultural crops, it is necessary to monitor the condition of crops and their environment in real time and predict possible negative impacts. The technological measures are the direct execution of technological operations that meet the requirements of crop cultivation technologies. The goal of any agricultural production is to obtain the highest profit, which consists in producing the largest volume of high-quality products at a high selling price and the lowest production cost. One of the first and main tasks facing the managers and specialists of the organization in the field of crop production is the choice of cultivated crops and the formation of crop rotation, taking into account the agro-climatic, soil and resource constraints of the economy. At the same time, the current situation in the food market should be taken into account and possible changes in market conditions should be predicted. The management system of production processes in crop production requires the development of the following subsystems for the development of optimal management decisions: "Subsystem for the selection of optimal culture", "Subsystem for the selection of the optimal variety (hybrid) of culture", "Subsystem for the formation of optimal cultivation technology", "Subsystem for the formation of the optimal machine and tractor fleet of the organization", "Subsystem for the formation of the optimal staff of the organization". The results obtained from the subsystems are processed by the management system in order to obtain the optimal result: the highest productivity at the lowest cost.