Какие IT-инструменты повышают эффективность агропроизводства

Агрохолдинги сегодня, как и другие производственные предприятия, нуждаются в снижении себестоимости продукции и росте чистой выручки, одновременно с этим им нужно как-то бороться с недостаточной квалификацией кадров и высоким уровнем хищений. В связи с этим руководители многих агрохолдингов, наконец, решились на внедрение ИТ в традиционные производственные процессы. Сегодня роль CIO в сельхозкомпаниях возрастает: все чаще именно ИТ-директора становятся источником новых идей и планов по развитию бизнеса, автоматизации производственных и бизнес-процессов, внедрению инновационных робототехнических комплексов и решений, которые помогают принимать верные управленческие решения.

АПК растут – и их потребности тоже

Российский агросектор стабильно растет на 3-4% в год даже в условиях кризисной экономики: санкции и курс на импортозамещение стимулировали агропроизводство, позволяя отечественным предприятиям претендовать на льготное кредитование и субсидирование.

Агрокомпании, которые смогли приспособиться к новым условиям ведения бизнеса, пошли по пути укрупнения: чтобы удовлетворить растущий спрос на российские продукты, нужно было увеличивать мощности, размеры агропроизводств. Благодаря росту объема выпускаемой продукции многие компании успешно вышли на экспорт (например, с подсолнечникоми зерновыми в этом году). Все это – в условиях жесткой конкуренции и производительности труда в 3-5 раз ниже, чем в среднем по Европе или США. 

В такой ситуации вырос спрос на IT-решения, автоматизирующие задачи управления и повышающие контролируемость и прозрачность бизнес-процессов в АПК. Ключевая задача ИТв агросекторе - минимизировать участие человека в агропроизводстве, то есть автоматизировать каждый этап производства продукции, от маршрутизации и вывода техники в поля до доставки продукта конечному потребителю. 

Шаг первый: модернизация инфраструктуры

На многие процессы в агропроизводстве, будь то снабжение или распределение работы в полях, оказывает влияние человеческий фактор. 

Представим себе для примера ситуацию с выращиванием зерна: посевные площади в России – более чем 80 млн га. Менеджер одного крупного предприятия отвечает за команду, которая может обрабатывать территории в несколько сотен гектаров. Для принятия решений о времени посева и сбора урожая, маршрутизации техники в полях, планировании горюче-смазочных материалов человеку нужно обрабатывать огромные массивы оперативной информации: от климатических условий в регионе до состояния конкретного поля. Одновременно необходимо эффективно координировать работу «полевой» команды: контролировать выполнение плана, предотвращать простои и хищение ГСМ (горюче-смазочных материалов). Можно было бы, конечно, нанять больше менеджеров. Но это привело бы к росту затрат на фонд оплаты труда – за нормативные работы и переработки.

В итоге ряд вопросов сбора данных и контроля постепенно переходит к датчикам, сенсорам, средствам визуального контроля. Например, американский агрокультурный холдинг Monsanto для оценки климатических условий и географического рельефа принадлежащих ему 25 миллионов сельскохозяйственных полей еще в 2013 году приобрел компанию Climate Corporation, специализирующуюся в картировании и анализе данных с сенсоров. Многие крупные игроки сельскохозяйственного рынка считают, что именно в области анализа больших данных и машинного обучения может произойти настоящая сельхоз-«революция».

Для контроля работы наемных сотрудников компании также используют самые современные решения. Например, устанавливают на рабочих местах камеры высокого разрешения и ведут запись видео и звука, обрабатывая видеоряд с инструментами «машинного зрения». Система проводит анализ видео на основании заложенных в ней сценариев и мгновенно определяет отклонение от норматива (простаивание оборудования и т.п.). Такие решения стали еще более популярны в последние годы, так как инфраструктурные технологии, те же камеры высокого разрешения, стали дешевле и доступнее.

Поэтому сегодня на агрорынке инвестиции в высокотехнологичное сельскохозяйственное оборудование растут со скоростью до 10% в год. Внедряются, в основном, решения для точного земледелия и дистанционного мониторинга техники и оборудования через GPS и ГЛОНАСС, датчики и сенсоры Индустриального интернета вещей (IIoT). Появляются также роботизированные линии агропроизводств и «умные склады», а крупные агрохолдинги вкладываются в беспилотную технику (сейчас, например, в России тестируют первые прототипы автопилотируемых тракторов и комбайнов). Правда, пока не более 5-10% полей и агропроизводств в России оснащено качественной «умной»техникой. 

Шаг второй: обеспечение информационной поддержки

Создание высокотехнологичной IT-инфраструктуры невозможно без качественной информационной поддержки, обеспечивающей эффективность работы оборудования. Если нет систем для эффективной обработки поступающих с оборудования данных, полезность инвестиций в технику обнуляется.  

В агропромышленности развиваются два основных направления информатизации агропроизводств: с одной стороны, в агросекторе внедряются «точечные» ИТ-решения, оптимизирующие работу отдельных департаментов АПК (финансовых, маркетинговых и других отделов). С другой стороны, появляется все больше решений, которые решают задачи комплексного управления АПК, в первую очередь – в части эффективного планирования/прогнозирования производства (ресурсов, загрузки мощностей и т.д.) за счет нахождения и исследования скрытыхзакономерностей в бизнес-процессах. Такие решения относятся к системам класса предиктивной (прогнозной) аналитики, оптимизационного планирования.

Прогнозные решения, такие как IBM SPSS, в режиме реального времени обрабатывают информацию с датчиков Интернета вещей, установленных в полях и на производственном оборудовании, и позволяют разрабатывать сценарии и прогнозы развития событий с учетом различных факторов: от финансового состояния предприятия и валютных рисков до географии, климата, почвы на полях. С IBM SPSS можно выявлять скрытые закономерности на основании анализа данных и рассчитывать, например, урожайность, или оптимальное место для размещения производственных мощностей.

Решения для планирования и оптимизации производства, такие как IBM ILOG, помогают более эффективно использовать технику: формировать оптимальные маршруты движения техники по полям, организовывать ротацию сельскохозяйственной техники (посевной и уборочной), оптимизировать снабжение техники горюче-смазочными материалами и запчастями, контролировать размещение баз по ремонту оборудования. В системе предусмотрен учет слива топлива, определение местонахождения техники и даже того, насколько глубоко плуг вошел в землю, — все эти меры снижают риск хищения на предприятии. 

Другие инструменты оптимизируют использование ресурсов: например, IBM Maximo производит мониторинг состояния складов и оборудования и позволяет заблаговременно планировать ремонты техники, с учетом требуемых трудозатрат.

При внедрении подобных ИТ-систем важно учитывать ряд особенностей агрохолдингов.

Во-первых, в агрохолдингах, вне зависимости от размера, задачи могут распределяться по нескольким каналам одновременно: в Excel, на планерках или просто по телефону. То есть их пересечение и, соответственно, дублирование весьма вероятно: нередко одних и тех же работников отправляют решать несколько задач одновременно или не учитывают в планировании нагрузки отсутствие членов команды. Поэтому при внедрении ИТ-решения в АПК — будь то мониторинг, оптимизация, планирование или что-то иное – важно исключить фактор дублирования информации. Данные должны вноситься и автоматически агрегироваться в едином хранилище, вне зависимости от их источника.

Во-вторых, продукция сельского хозяйства — преимущественно скоропортящаяся. Поэтому производственный процесс в агрохолдингах важно планировать полным циклом: от съема с поля, через грамотное хранение и до переработки. Будущее информационных систем в агросекторе - за так называемым подходом «от поля до прилавка», то есть полностью управляемым, прозрачным, автоматизированным процессом управления производством. 

Шаг третий: CIO принимают стратегические решения

Таким образом, перед собственниками агробизнеса стоят стратегические задачи эффективного управления цепочкой создания стоимости агропродукции, оптимизации производственных и логистических процессов, а также снижения ошибок и влияния человеческого фактора. В агросекторе становятся востребованы самым современные технологии информационной поддержки бизнеса: от высокотехнологичного оборудования (системы дистанционного мониторинга, машинного зрения, датчиков и сенсоров Индустриального интернета вещей) до поддерживающих их аналитических систем класса datamining, инструментов прогнозирования и оптимизации.