Статья журнала
Инструменты цифровой трансформации предприятий АПК
Digital Transformation Tools for Agro-Industrial Enterprises
Цитирование
Кузьмин В.Н., Мишуров Н.П., Моторин О.А. Инструменты цифровой трансформации предприятий АПК // Управление рисками в АПК. – 2022. – № 3 (45). – С. 66–73. – DOI: 10.53988/24136573-2022-03-08.
Citation
Kuzmin V.N., Mishurov N.P., Motorin O.A. Digital Transformation Tools for Agro- Industrial Enterprises // Agricultural Risk Management. 2022. No. 3 (45). Pp. 66–73. DOI: 10.53988/24136573-2022-03-08.
Аннотация
В статье систематизированы основные классы инструментов цифровой трансформации предприятий АПК: FMS, ERP, IoT, дистанционный мониторинг, BI, BPM, аналитические и роботизированные системы. Показано, что цифровая зрелость определяется степенью их интеграции в сквозные бизнес-процессы.
Ключевые слова
цифровая трансформация, предприятие АПК, FMS, ERP, интернет вещей, BI, BPM, цифровая зрелость, сельское хозяйство. Журнал «Управление рисками в АПК». Выпуск 3 (45). 2022 www.agrorisk.ru 73 Valery N. Kuzmin, Nikolay P. Mishurov, Oleg A. Motorin Digital Transformation Tools for Agro-Industrial Enterprises Valery N. Kuzmin – Doctor of Economics, Federal State Budgetary Scientific Institution “Rosinformagrotech”, Moscow Region, Russia. Nikolay P. Mishurov – Candidate of Technical Sciences, Federal State Budgetary Scientific Institution “Rosinformagrotech”, Moscow Region, Russia. Oleg A. Motorin – Candidate of Political Sciences, Federal State Budgetary Scientific Institution “Rosinformagrotech”, Moscow Region, Russia. Annotation The article systematizes major classes of digital transformation tools used by agro- industrial enterprises: FMS, ERP, IoT, remote monitoring, BI, BPM, analytical and robotic systems. Digital maturity is shown to depend on the degree of integration of these tools into end-to-end business processes.
Keywords
digital transformation, agro-industrial enterprise, FMS, ERP, Internet of Things, BI, BPM, digital maturity, agriculture. Введение Основные классы ИТ-решений для оценки цифровой зрелости растениеводческого бизнеса Анализ и обобщение информации об IT-решениях, позволяющих проводить оценку цифровой зрелости растениеводческого бизнеса, включает выявление наличия на конкретном предприятии различных платформ и инструментов, которые помогают систематически собирать данные, анализировать их и оценивать уровень зрелости СХО. Цифровая зрелость оценивается на основе уровня внедрения цифровых технологий и поддерживающего их оборудования, уровня автоматизации бизнес–процессов и качества использования данных в принятии руководством и линейным персоналом управленческих и производственных решений [2]. В современном высокоразвитом сельскохозяйственном производстве применяются следующие основные IT- решения и инструменты [6]: 1. Платформы управления сельскохозяйственным предприятием (FMS – Farm Management Systems). Это комплексные решения, позволяющие управлять различными аспектами сельскохозяйственного бизнеса, от планирования полевых работ до управления ресурсами и анализа данных. Такие системы интегрируют информацию о посевных, погодных данных, ресурсах и финансовых показателях, что позволяет оценивать уровень цифровизации и зрелости управления процессами. Из наиболее распространенных на российском рынке: Геомир Агро (предоставляет возможность управления полями, вести учета ресурсов, мониторинг состояния посевов и анализа данных, оценивать, насколько процессы автоматизированы и интегрированы), Поле.рф (сбор и анализ данных с полей, управление техникой и ресурсами, что помогает Журнал «Управление рисками в АПК». Выпуск 3 (45). 2022 www.agrorisk.ru 74 оценить уровень зрелости процессов и использовать данные для оптимизации решений), Агросигнал (сервис мониторинга и планирования полевых работ, который анализирует данные о посевах, технике и ресурсах, помогает оценивать зрелость на основе автоматизации и использования данных для управления). 2. Киберфизические платформы сбора, передачи, мониторинга и анализа данных (IoT). Позволяют собирать и анализировать данные в реальном времени. Это важный фактор в оценке цифровой зрелости, так как показывает, насколько предприятие использует современные технологии прежде всего сбора данных в цифровом режиме для целей мониторинга и управления процессами создания стоимости сельхозпродукции. Наиболее известные: ALAN IoT Application (облачная IoT–платформа, собирающая данные с датчиков (влажность почвы, температура воздуха, состояние растений) и позволяющая проводить анализ и визуализацию данных в реальном времени) [1, 5] или John Deere Operations Center (платформа для управления техникой и мониторинга работы полей, позволяющая оценить уровень автоматизации полевых процессов и интеграцию данных с техникой). 3. Системы для дистанционного мониторинга помогают с помощью БАС и спутниковых снимков собрать точные цифровые данные о состоянии посевов, вегетации сельскохозяйственных культур, оценить состояние полей и интегрировать данные в общую систему управления (Геоскан, ТерраТех, Сканэкс и др.). 4. Платформы для анализа цифровой зрелости (Digital Maturity Assessment Tools) – специализированные инструменты для автоматизации оценки цифровой зрелости предприятия на основе данных о текущем использовании технологий, уровня автоматизации и интеграции процессов (на российском рынке подобных ИТ-продуктов нет, среди зарубежных разработок можно отметить следующие. BCG Digital Acceleration Index (инструмент для оценки цифровой зрелости, который позволяет структурировано собрать данные о текущих процессах и технологиях, используемых на предприятии, и сравнить их с отраслевыми стандартами и бенчмарками). Gartner Digital Maturity Assessment (предлагает подробный опросник и методологию для оценки зрелости, позволяет фермерским хозяйствам и СХО структурированно анализировать уровень цифровизации и выстраивать стратегию улучшения на основе полученных данных). 5. BI-системы и платформы для визуализации данных позволяют осуществлять по коннекторам интеграцию данных из разносортных баз данных и визуализировать в едином пользовательском интерфейсе данные о состоянии бизнес–процессов и использовании ресурсов через сервисную шину предприятия, помогая, тем самым, оценивать эффективность текущих решений и уровень их автоматизации. Продуктов данного класса достаточно много на рынке, как российских Cubisio, Visiology, так и зарубежных: Microsoft Power BI, Tableau [3, 4]. Этот класс решений обеспечивает создание панелей управления и отчетов, которые наглядно отображают данные о цифровизации процессов, использование сельхозтехники и ресурсов, позволяет анализировать Журнал «Управление рисками в АПК». Выпуск 3 (45). 2022 www.agrorisk.ru 75 информацию из разных систем и источников (баз данных, датчиков, ERP, FMS) и на основе данных определять уровень зрелости бизнеса). 6. ERP–системы и их модули для агробизнеса позволяют централизовать управление и учет всех финансово-хозяйственных процессов предприятия. Интеграция таких учетных систем показывает высокий уровень цифровой зрелости, так как они объединяют данные о производственных, логистических и финансовых процессах. Наиболее импортозамещенный ИТ-продукт на российском рынке: 1С: Предприятие 8. ERP Агропромышленный комплекс и его кастомные модификации для различных отраслей сельского хозяйства (включает модули для учета полевых работ, управления сельхозтехникой, учета затрат и планирования сельхозработ, что позволяет централизованно управлять производственными процессами и оценивать уровень зрелости на основе интеграции данных в 1С.. SAP Agriculture включает в себя ERP-систему как один из элементов своей экосистемы, обеспечивая полный спектр инструментов для управления агробизнесом, в том числе управление запасами, производством, финансами и цепочкой поставок с применением искусственного интеллекта. Позволяет анализировать зрелость процессов на уровне ERP и искусственного интеллекта, оптимизируя их на основе данных. 7. Программное обеспечение для моделирования бизнес–процессов (BPM) позволяет моделировать и анализировать бизнес–процессы, что важно для оценки уровня зрелости и автоматизации. Анализ и моделирование бизнес- процессов на агропредприятии помогает выявить узкие места и оптимизировать их [3]. Среди них можно отметить: ARIS BPM (платформа для моделирования и анализа бизнес–процессов, позволяющая создавать цифровые модели процессов управления вегетацией сельскохозяйственных культур, ресурсами и техникой, оценивая уровень их цифровой зрелости), Bizagi (BPM–платформа, используемая для визуализации и автоматизации процессов, включая управление посевами, логистикой и ресурсами. Позволяет анализировать степень автоматизации процессов и их интеграцию). 8. Инструменты для анализа и оптимизации функциональных сельскохозяйственных данных включают в себя программное обеспечение, которое позволяет анализировать функциональные данные о состоянии почвенных характеристик, погодно-климатических условиях и урожайности культур, помогает оценивать зрелость на основе использования инструментария предиктивной аналитики. Российских ИТ-сервисов данного типа на рынке для АПК практически нет. Среди зарубежных разработок можно отметить: FieldView (Climate Corporation) (платформа для сбора и анализа данных о посевах, мониторинга условий на полях и прогнозирования урожайности, помогает определить, насколько предприятие использует данные для управления производственными процессами) [1]. 9. Роботизированные системы управления производственными процессами в растениеводстве. Представляют собой комплекс решений, которые обеспечивают автоматизацию и оптимизацию сельскохозяйственного производства. Системы используют робототехнику, сенсоры и программное Журнал «Управление рисками в АПК». Выпуск 3 (45). 2022 www.agrorisk.ru 76 обеспечение для выполнения различных задач на ферме, включая посадку, уход за растениями и сбор урожая. Их основные функции включают в себя контроль за состоянием растений, точное внесение удобрений, орошение, а также обработку от вредителей и болезней, в сумме это позволяет значительно повысить эффективность производства и снизить затраты на рабочую силу. Одним из примеров – система автоматического полива и внесения удобрений, которая анализирует состояние почвы и растений с помощью датчиков и автоматически регулирует количество воды и удобрений, необходимое для каждой культуры, помогает оптимизировать использование ресурсов и улучшить качество урожая. Российских решений в этой сфере пока немного, однако можно выделить несколько разработок, направленных на автоматизацию процессов в растениеводстве. Например, платформа "АгроДрон" предлагает услуги по мониторингу состояния полей с использованием беспилотников, что позволяет выявлять проблемы с растениями на ранних стадиях и оперативно принимать меры для их устранения [1]. Компания Cognitive также активно развивает технологии в области автоматизации растениеводства. Их решение Cognitive Agro Pilot представляет собой систему автономного управления сельскохозяйственной техникой, использующую компьютерное зрение, искусственный интеллект для навигации тракторов, комбайнов, что повышает точность выполнения сельскохозяйственных операций [7]. Может автономно контролировать движение техники по полю, избегать препятствия и оптимизировать маршрут, что в конечном итоге приводит к повышению производительности и снижению эксплуатационных затрат. На международном рынке одним из лидеров в этой области является система FarmBot, представляющая собой роботизированную платформу для автоматического ухода за растениями. Она включает в себя посадку семян, точное орошение и удаление сорняков, что делает процесс растениеводства более автономным и предсказуемым. Роботизированные системы управления в растениеводстве помогают аграриям принимать более информированные решения и уменьшать влияние человеческого фактора. Использование данных, получаемых в реальном времени, и применение предиктивной аналитики позволяют фермерам лучше планировать и повышать урожайность, что особенно актуально в условиях изменений климата и необходимости повышения эффективности сельского хозяйства. Таким образом, представленный комплекс IT-решений позволяет проводить многоуровневую оценку цифровой зрелости растениеводческого бизнеса. Эти инструменты интегрируют данные с различных источников (IoT или киберфизические системы, ERP и FMS как системы управления сельхозпредприятиями, беспилотные системы мониторинга и выполнения производственных процессов) и предоставляют аналитические возможности для оценки текущего уровня цифровизации и формирования стратегии дальнейшего развития. Использование таких решений позволяет предприятию Журнал «Управление рисками в АПК». Выпуск 3 (45). 2022 www.agrorisk.ru 77 объективно оценить свои процессы, выявить слабые места и определить направления для цифровой трансформации. Цифровая трансформация предприятия АПК представляет собой не внедрение одного программного продукта, а последовательное формирование связанных контуров сбора данных, управления ресурсами, аналитики и воздействия на производственный процесс. Поэтому инструменты целесообразно классифицировать по их функции в архитектуре предприятия. FMS обеспечивают управление полевыми и производственными операциями, ERP – учет ресурсов, финансов и затрат, IoT и телеметрия – автоматизированный сбор данных, ДЗЗ и БАС – дистанционный мониторинг, BI – консолидацию и визуализацию, BPM – моделирование процессов, роботизированные системы – автоматизированное выполнение операций. Цифровая зрелость определяется степенью интеграции этих классов, а не их количеством. Архитектурный анализ должен предшествовать выбору конкретного продукта. Сначала определяется процесс и требуемая цифровая функция, затем данные и интерфейсы, и только после этого выбирается инструмент. Такой порядок снижает риск технологической фрагментации и избыточных инвестиций. Архитектура интеграции цифровых инструментов Интегрированная цифровая архитектура предприятия формируется вокруг общей модели данных и интерфейсов. FMS получает технологические задания и фактические данные, ERP связывает операции с ресурсами и затратами, IoT и телеметрия поставляют первичную информацию, BI формирует аналитическое представление, а BPM фиксирует целевые процессы и требования к автоматизации. Слабым местом является точка сопряжения систем. Если данные переносятся вручную, используются разные идентификаторы объектов или отсутствует единый справочник, цифровой контур остается разорванным. Поэтому интероперабельность является самостоятельным критерием зрелости. Этапы развития цифрового контура предприятия. Последовательность этапов показывает переход от локальной автоматизации к интегрированному контуру управления на основе данных (таблица 1). Таблица 1 – Этапы развития цифрового контура сельскохозяйственного предприятия Этап Характеристика Основные инструменты Фрагментарный Отдельные несвязанные решения Локальные приложения, Excel Обмен между учетными и Интеграционный ERP, FMS, API производственными системами Датадривен Единые данные и аналитика IoT, DWH, BI Предиктивный Прогнозирование и рекомендации ML, оптимизационные модели Автономный Автоматизированное воздействие Роботизация, автопилоты Источник: составлено авторами. Журнал «Управление рисками в АПК». Выпуск 3 (45). 2022 www.agrorisk.ru 78 Оценка эффективности инструментов Оценивать инструмент следует по его влиянию на процесс: сокращение времени операции, снижение затрат, повышение точности, уменьшение потерь, улучшение качества данных и снижение риска. Такой подход позволяет сравнивать решения разных классов на общей экономико-управленческой основе. Важным является учет совокупной стоимости владения: лицензий, оборудования, связи, интеграции, обучения, сопровождения и обновления. Решение с низкой ценой приобретения может оказаться более дорогим при эксплуатации, если требует ручной интеграции или специализированного персонала. Выводы Инструменты цифровой трансформации предприятий АПК образуют многоуровневый технологический контур: от первичного сбора данных и дистанционного мониторинга до ERP/FMS, BI-аналитики, моделирования бизнес-процессов и роботизированного управления. Их практическая ценность определяется не количеством внедренных продуктов, а степенью интеграции данных и способностью поддерживать конкретные производственные и управленческие решения. Для оценки цифровой зрелости предприятия целесообразно анализировать не отдельные программные продукты, а покрытие ими бизнес-процессов, качество обмена данными и достижение измеримого экономического эффекта. Источники: 1. Зарубежный опыт цифровизации сельского хозяйства / Н. П. Мишуров, О. В. Кондратьева, В. Я. Гольтяпин [и др.]. М.: Росинформагротех, 2022. 224 с. 2. Володин В. М., Надькина Н. А., Надькина А. А. Предварительная оценка уровня цифровизации предприятий АПК на базе digital-анализа // Менеджмент сегодня. 2022. № 4. С. 314–329. 3. Меденников В. И. Цифровая онтологическая интеграция базовых цифровых платформ в экосистеме АПК // Управление рисками в АПК. 2020. № 4. С. 7–21. DOI: 10.53988/24136573- 2020-04-01. 4. Меденников В. И. Цифровая экосистема АПК // Управление рисками в АПК. 2021. № 2. С. 35–46. 5. Козубенко И. С., Моторин О. А., Горбачев М. И. Электронное сельское хозяйство: использование цифровых технологий для развития устойчивых инклюзивных продовольственных систем и интеграции торговли // Управление рисками в АПК. 2018. № 3. С. 126–138. 6. Кульба В. В., Меденников В. И. Оценка уровня цифровой трансформации сельского хозяйства России // Управление развитием крупномасштабных систем MLSD’2020. М., 2020. С. 400–408. 7. Цифровая трансформация агропромышленного комплекса / Т. И. Ашмарина, Т. В. Бирюкова, В. Т. Водянников [и др.]. М.: Мегаполис, 2022. 160 с. Журнал «Управление рисками в АПК». Выпуск 3 (45). 2022 www.agrorisk.ru 79 References: 1. Mishurov N.P., Kondratyeva O.V., Goltyapin V.Ya. et al. Foreign Experience of Digitalization of Agriculture. Moscow: Rosinformagrotekh, 2022. (In Russian). 2. Volodin V.M., Nadkina N.A., Nadkina A.A. Preliminary assessment of the level of digitalization of agricultural enterprises based on digital analysis. Management Today. 2022, (4):314–329. (In Russian). 3. Medennikov V.I. Digital ontological integration of basic digital platforms in the agricultural ecosystem. Agricultural Risk Management. 2020, (4):7–21. DOI: 10.53988/24136573-2020-04-01. (In Russian). 4. Medennikov V.I. Digital ecosystem of the agro-industrial complex. Agricultural Risk Management. 2021, (2):35–46. (In Russian). 5. Kozubenko I.S., Motorin O.A., Gorbachev M.I. E-agriculture: use of digital technologies for sustainable inclusive food systems and trade integration. Agricultural Risk Management. 2018, (3):126–138. (In Russian). 6. Kulba V.V., Medennikov V.I. Assessment of the level of digital transformation of Russian agriculture. MLSD’2020 Proceedings. Moscow, 2020:400–408. (In Russian). 7. Ashmarina T.I., Biryukova T.V., Vodyannikov V.T. et al. Digital Transformation of the Agro- Industrial Complex. Moscow: Megapolis, 2022. (In Russian). Журнал «Управление рисками в АПК». Выпуск 3 (45). 2022 www.agrorisk.ru 80