Реализация системы автоматизации проектирования севооборотов в цифровой платформе управления агропромышленным комплексом

Цель исследований – формализовать нарастающие интеграционные процессы данных и алгоритмов управления в сельском хозяйстве на развитом этапе цифровой экономики (ЦЭ), результатом которых явился перспективный инновационный проект цифровой платформы управления (ЦПУ) производственной экономикой, интегрирующей онтологически и функционально все управленческие задачи аграриев с единым научно обоснованным подходом к их проектированию, важнейшим элементом которой должна стать универсальная система автоматизации проектирования (САПР) структуры севооборотов (СО), обоснованная математическим моделированием. Первоочередность создания такой САПР в ЦЭ диктуется свойством и способностью научно обоснованных севооборотов определять все технологические процессы в сельском хозяйстве. Проект ЦПУ, в свою очередь, стал результатом синтеза с последующей формализацией проявившихся некоторых ведущих принципов ЦЭ, которые ярко стали видны в попытках стихийно объединить информационные ресурсы и информационно-управляющие системы (ИУС) крупными организациями в процессе информатизации своего бизнеса, а также опыта внедрения подсистем ИУС в более 1000 предприятий в рамках программы «Электронизация сельского хозяйства». Так, работая с экспертами Кубанского НИИСХ, имеющего большой многолетний экспериментальный материал, была разработана математическая модель формирования оптимальных СО. Исследования подтверждаются мировыми тенденциями появления САПР вместо традиционного ручного проектирования систем, что стало следствием развития как интеграционных технологий, так и одновременного совершенствования методов математического моделирования. В представленной работе использован математический аппарат теории графов в виде задачи об упаковке в контейнеры с одновременным поиском кратчайшего пути, а также оптимизационная математическая модель производственно-логистической цепочки как выращивания, так и дальнейшего перемещения продукции внутри хозяйства и за его пределами, что особенно важно для агрохолдингов. В дальнейшем при переходе агропромышленного комплекса на ЦПУ с накоплением достаточного объема данных можно ставить задачу формирования и новых СО, учитывающих неоднородность полей, с использованием искусственного интеллекта.

1. Chernov I., Dranko O., Guo М., Novikov D., Pan J., Raikov A. Scenario Modelling of Country's Region Development with Artificial Intelligence Support. 12th IEEE International Conference on Communication Systems and Network Technologies, CSNT. Bhopal, India, 2023. pp. 653–660. DOI: https://doi.org/10.1109/CSNT57126.2023.10134656

2. Боровков А. И., Рябов Ю. А., Кукушкин К. В., Марусева В. М., Кулемин В. Ю. Цифровые двойники и цифровая трансформация предприятий ОПК. Вестник Восточно-Сибирской открытой академии. 2019;(32):2. Режим доступа: https://elibrary.ru/item.asp?id=37180048 EDN: ZAXCOT

3. Grieves M. Digital Twin Certified: Employing Virtual Testing of Digital Twins in Manufacturing to Ensure Quality Products. Machines. 2023;11(8):808. DOI: https://doi.org/10.20944/preprints202305.1758.v1

4. Budzko V., Medennikov V., Keyer P. System Analysis of Subject Identification of Digital Twin in Agriculture. In: Samsonovich A. V., Liu T. (eds) Biologically Inspired Cognitive Architectures 2023. BICA. Studies in Computational Intelligence. Vol 1130. Springer, Cham, 2023. pp. 135–142. DOI: https://doi.org/10.1007/978-3-031-50381-8_16

5. Medennikov V., Raikov A. Formation of the digital platform for precision farming with mathematical modeling. CEUR Workshop Proceedings. 2020;2790:114. URL: https://elibrary.ru/item.asp?id=45075916 EDN: BDWJUK

6. Васильев С. А. Интеллектуальная технология контроля качества обработки почвы в системе точного земледелия. Земледелие. 2022;(3):36–41. DOI: https://doi.org/10.24412/0044-3913-2022-3-36-41 EDN: ZGGQUG

7. Асадов Х. Г., Махмудова В. Х. Построение математической модели внесения удобрения в сельскохозяйственные поля в точном земледелии. Аграрный научный журнал. 2021;(11):8–11. DOI: https://doi.org/10.28983/asj.y2021i11pp8-11 EDN: YNCGKR

8. Сергеева Н. В. Экономическое обоснование элементов точного земледелия. Экономика сельского хозяйства России. 2024;(5):2–7. DOI: https://doi.org/10.32651/245-2 EDN: NKBQFX

9. Михайленко И. М., Тимошин В. Н. Автоматизированный комплекс управления агротехнологией в точном земледелии. Вестник российской сельскохозяйственной науки. 2024;(5):54–62. DOI: https://doi.org/10.31857/S2500208224050127 EDN: ZSNYLV

10. Меденников В. И. Моделирование формирования цифровой платформы управления АПК. Экономика сельского хозяйства России. 2022;(7):83–90. DOI: https://doi.org/10.32651/227-83 EDN: FPOKJW

11. Зацаринный А. А., Меденников В. И., Райков А. Н. Интеграция приложений искусственного интеллекта в единую цифровую платформу АПК. Информационное общество. 2023;(1):127–138. DOI: https://doi.org/10.52605/16059921_2023_01_127 EDN: NMKKLZ

12. Хабарова И. А., Непоклонов В. Б. Деградация земель юга Российской Федерации. Известия высших учебных заведений. Геодезия и аэрофотосъемка. 2017;(2):111–115. Режим доступа: https://elibrary.ru/item.asp?id=29186002 EDN: YORPPJ

13. Макаров О. А., Кузнецов М. С., Демидов В. В., Карпова Д. В., Шульга П. С., Абдулханова Д. Р., Есафова Е. Н., Кубарев Е. Н. Основные направления научных исследований на кафедре эрозии и охраны почв: современное состояние и перспективы развития. Вестник Московского университета. Серия 17: Почвоведение. 2023;(4):70–82. DOI: https://doi.org/10.55959/MSU0137-0944-17-2023-78-4-70-82 EDN: DGCDSJ

14. Хомяков Д. М. Почва – незаменимый компонент биосферы и глобальной продовольственной системы (критическая оценка ситуации). Вестник Московского университета. Серия 17: Почвоведение. 2020;(4):3–16. Режим доступа: https://elibrary.ru/item.asp?id=44097163 EDN: KCXCOW

15. Меденников В. И. Опыт и последствия разработки когнитивной карты для комплексной цифровизации сельского хозяйства. Управление развитием крупномасштабных систем (MLSD'2025): тр. Восемнадцатой международ. конф. Москва, 24–26 сентября 2025 года. М.: ИПУ им. В. А. Трапезникова РАН, 2025. С. 302–310. Режим доступа: https://elibrary.ru/item.asp?id=88809623 EDN: LMJYVV

16. Меденников В. И., Кейер П. А. Географическая привязка формирования перспективных севооборотов на основе математической модели управления производственно-логистической цепочкой продукции растениеводства. Системы высокой доступности. 2023;19(4):73–81. DOI: https://doi.org/10.18127/j20729472-202304-06 EDN: NXMTKE

17. Барашов Е. Б., Егоркин А. В., Лемтюжникова Д. В., Посыпкин М. А. Анализ эффективности алгоритма редукции в решении задачи об упаковке в контейнеры. Системы и средства информатики. 2023;33(3):61–75. DOI: https://doi.org/10.14357/08696527230305 EDN: QDUAMY

18. Фуремс Е. М. Приближенное решение обратной задачи об упаковке в контейнеры с учетом предпочтений лица, принимающего решения. Искусственный интеллект и принятие решений. 2018;(3):112–121. DOI: https://doi.org/10.14357/20718594180321 EDN: YKVVAL