Разработка технико-экономических параметров экспериментальных цифровых фермерских хозяйств, создаваемых в базовых хозяйствах высших учебных заведений

Титульный лист и исполнители

Реферат

Отчет 113 стр., 1 кн., 47 рис., 39 табл., 43 источн., 8 приложений.

МАЛЫЕ ФОРМЫ ХОЗЯЙСТВОВАНИЯ (КФХ), ЦИФРОВАЯ ЭКОНОМИКА, ИНТЕРНЕТ ВЕЩЕЙ, ЦИФРОВЫЕ ТЕХНОЛОГИИ В АПК, БИЗНЕС-ПРОЦЕССЫ, ИНТЕЛЛЕКТУАЛЬНОЕ СЕЛЬСКОЕ ХОЗЯЙСТВО.

Объектом исследования являются крестьянские (фермерские) хозяйства, являющиеся базовыми для Волгоградского ГАУ.

Цель работы – разработка технико-экономических параметров фермерских хозяйств на основе интеллектуальных цифровых технологий.

В процессе работы проводились прикладные исследования потенциала цифровизации бизнес-процессов фермерских хозяйств.

Результаты работы и их новизна: разработанные технико-экономические параметры цифровых фермерских хозяйств определяются критериями оптимизации ресурсов и повышения качества сельхозпродукции. Предложенные референсные модели бизнес-процессов производства сельхозпродукции с использованием цифровых устройств позволят повысить оперативность принятия обоснованных управленческих решений. Разработанный алгоритм реализации цифровых платформенных технологий и дорожная карта организации логистических каналов фермерских хозяйств обеспечат наибольшую отдачу в использовании потенциала сельских территорий.

Область применения результатов: цифровая трансформация фермерских хозяйств, создаваемых в базовых хозяйствах вуза.

Итоги внедрения результатов НИР: апробация разработанных технико-экономические параметров в базовых К(Ф)Х.

Значимость результатов исследования определяется разработанными рекомендациями и предложениями, которые могут быть использованы органами регионального и местного самоуправления как составляющие в тиражировании цифровых агрорешений для малых форм хозяйствования в АПК.

Введение

Разработка технико-экономических параметров экспериментальных цифровых фермерских хозяйств осуществляется, во-первых, с целью ускорения адаптации малого аграрного бизнеса Волгоградской области к условиям цифровой трансформации экономики в рамках перехода на целевые установки, обозначенные Концепцией научно-технологического развития цифрового сельского хозяйства «Цифровое сельское хозяйство», во-вторых, для подготовки компетентных специалистов, владеющих навыками использования цифровых технологий в сельском хозяйстве.

Экспериментальные цифровые фермерские хозяйства будут создаваться в базовых хозяйствах Волгоградского государственного аграрного университета, в которых студенты всех специальностей и направлений подготовки проходят производственную практику и должны получать набор цифровых компетенций в соответствии с повышением требований к подготовке кадров для цифровой экономики.

Выпускники вузов для успешной работы в условиях цифровой трансформации экономики должны обладать такими компетенциями, как умение выявлять зоны трансформации, обосновать необходимость их цифровизации и пользоваться цифровыми техническими устройствами для принятия оптимальных управленческих решений, гибкость мышления и социальный интеллект. В процессе учебы студентам должны быть даны знания о возможных областях цифровой трансформации производственного процесса в ветеринарии, агрономии, механизации и электрификации сельского хозяйства, переработке сельскохозяйственной продукции. Научная платформа университета должна формировать не только профессиональные базовые компетенции, но и обеспечить достижение достаточного уровня цифровой грамотности и освоение гибридных компетенций (технических, экономических и отраслевых).

Наиболее значимыми проблемами в подготовке кадров для цифрового сельского хозяйства являются отсутствие необходимой материально-технической базы университета для закрепления теоретических знаний и получения навыков работы с цифровыми устройствами и технологиями в условиях возрастающего объема информации. Поэтому для повышения эффективности подготовки кадров в условиях цифровой трансформации экономики необходимо в базовых малых агропредприятиях Волгоградского ГАУ создавать экспериментальные цифровые фермерские хозяйства. Нужно учесть, что в среднем (2016-2018 гг.) 68% выпускных квалификационных работ выполняются студентами Волгоградского ГАУ на базе К(Ф)Х и других малых форм хозяйствования.

Обучение студентов должно проходить на комплексе машин и оборудования, обеспечивающих внедрение технологий точного земледелия, использование интернета вещей, беспилотных летательных аппаратов, систем параллельного вождения, телеметрии и мониторинга сельскохозяйственной техники, робототехнических устройств, мобильных приложений, а также применение интеллектуальных систем в конструкциях сельхозмашин. Подготовить высококлассного специалиста, обладающего практическим опытом, можно только в тех агроформированиях, которые внедряют современные инновационные технологии, прошедшие техническое перевооружение и оснащенные современнейшей техникой и соответствующим навигационным оборудованием. Все это позволит не только получать конкурентоспособную сельхозпродукцию, но и подготовить грамотного и знающего выпускника высшей школы, который способен активно участвовать в современном производственном процессе и в то же время уверенно чувствовать себя в качестве специалиста.

Выполнение таких требований в условиях малых агропредприятий Волгоградской области в настоящее время проблематично, прежде всего, по причине отсутствия собственных финансовых ресурсов на закупку необходимого оборудования и программного обеспечения. Кроме того, к сдерживающим факторам развития и внедрения цифровых технологий и робототехнических устройств в сельском хозяйстве можно отнести: недостаточный уровень знаний в области создания и использования информационно-коммуникационных технологий; отсутствие необходимого количества устройств и датчиков российского производства (высокая импортозависимость); отсутствие необходимого количества IT-специалистов в отрасли; риск искусственного интеллекта.

Особенностью сельского хозяйства Волгоградской области как и в большинстве регионов России является аномально высокая доля крестьянских и малых фермерских хозяйств (99% по количеству в совокупности, почти 30% по объему производства в денежном выражении и 50-90% по отдельным видам продукции сельского хозяйства в натуральном выражении, при среднем размере годовой выручки крестьянского хозяйства в 200 тыс. руб. и фермерского — в 2 млн руб.). Преобладание малых хозяйств в структуре производства сельхозпродукции в России в сочетании с недоступностью для таких хозяйств современных средств механизации и автоматизации труда, а также удобрений и химикатов, является основной причиной низкой производительности труда в сельском хозяйстве России, которая, в свою очередь, определяет низкий уровень оплаты труда и высокие удельные издержки на производство единицы продукции.

В качестве основополагающих при разработке и внедрении цифровых технологий в сельском хозяйстве нужно выделить экономические факторы, такие как сокращение издержек на производство и обслуживание производственных фондов, инфраструктуры, сельскохозяйственных земель, техники, скота, на применение удобрений, семян, кормов. Как следствие – экономия затрат на производство единицы сельскохозяйственной продукции и повышение рентабельности ее производства.

С помощью цифровой техники выполняются такие трудоемкие операции, как мониторинг здоровья растений, позволяющий определить общий уровень состояния культуры и проблемные участки; диагностирование вредителей и сорняков (скаутинг), помогающий отслеживать активность вредителей и распространение сорняков; мониторинг урожайности и прогноз погоды, предоставляющий информацию для принятия решений о сроке уборки урожая, внесения удобрений, анализа изменений поля и т.д.

Единичные попытки отечественных фермеров внедрить новые инструменты в работу не дают масштабного эффекта, так как необходимы системное планирование и государственная поддержка цифровизации.

С этой целью разрабатывается система технико-экономических параметров, которым должны отвечать базовые малые агропредприятия Волгоградского ГАУ, обеспечивающие приобретение студентами необходимых компетенций и практических навыков работы в условиях нового технологического уклада. Система включает совокупность основных параметров, без обеспечения которых малые агропредприятия не будут способны перейти на цифровые технологии производства сельскохозяйственной продукции в установленные «Концепцией» сроки. К основным параметрам мы относим:

— кадровое обеспечение: подготовка квалифицированных кадров, способных внедрять и использовать цифровые технологии в производственном и управленческом процессе;

— техническое и программно-аппаратное обеспечение: внедрение технологий производства сельскохозяйственной продукции, основанных на применении комплексов программно-технических средств и цифровых устройств, обеспечивающих достижение высоких результатов на основе повышения производительности труда и сокращения издержек;

— финансово-экономическое и логистическое обеспечение: встраивание экспериментальных цифровых фермерских хозяйств в логистические цепочки АПК региона и разработка предложений по адресной государственной поддержке К(Ф)Х, внедряющих цифровые технологии и являющихся базовыми хозяйствами для прохождения практики студентами вузов.

При достижении необходимого уровня базовых параметров, обеспечивающих цифровизацию основных бизнес-процессов в сельскохозяйственном производстве К(Ф)Х, производственная практика студентов будет способна обеспечить закрепление компетенций, востребованных цифровой экономикой.

1. Информационно-нормативная база функционирования цифровых фермерских хозяйств в современных экономических условиях

С целью сокращения отставания по производительности труда, урожайности и другим показателям от стран с традиционно развитым сельским хозяйством в Российской Федерации все больше внимания уделяется разработке мер государственной поддержки в части стимулирования развития цифровых технологий в агропромышленном комплексе.

Правительство осознает потенциал цифровизации и придает большее значение данной теме. В конце 2018 г. разработана концепция «Цифровое сельское хозяйство» [1]. В ней представлены цели, которые преследует правительство, внедряя цифровизацию, а также приоритетные области применения. Национальная платформа цифрового государственного управления сельским хозяйством – это цифровая платформа, интегрированная с цифровыми субплатформами для управления сельским хозяйством на региональном и муниципальном уровнях, предусмотренная в рамках проекта «Цифровое сельское хозяйство». Министерство сельского хозяйства Российской Федерации предполагает одновременную работу по подготовке специалистов сельскохозяйственных предприятий с целью формирования у них компетенций в области цифровой экономики.

Основная цель – цифровая трансформация сельского хозяйства посредством внедрения цифровых технологий и платформенных решений для обеспечения технологического прорыва в АПК и достижения роста производительности на «цифровых» сельскохозяйственных предприятиях. Программой предусмотрен комплекс мероприятий по внедрению цифровых технологий и платформенных решений в АПК. В совокупности данные сервисы аккумулируют весь массив информации о производственных процессах в области сельского хозяйства, начиная с самых маленьких деталей производства и заканчивая решениями глобальных вопросов всего сельскохозяйственного сектора. Это выведет сельское хозяйство на новый уровень развития и позволит сделать технологический прорыв в АПК.

Свободный и открытый доступ к информационным ресурсам обеспечит оптимизацию производственных процессов, позволит существенно сократить расходы предприятий, что должно привести к увеличению показателей производства как по объемам получаемого сырья, продукции, так и по показателям финансово-хозяйственной деятельности.

Помимо прочего, платформа «Цифровое сельское хозяйство» построит работу и предоставит систему доступа к информации о контрагенте, а это, в свою очередь, позволит оперативно проводить проверку предприятий при решении серьезных вопросов, таких как финансирование организаций, осуществление кредитования, страхования.

В рамках данного проекта также предполагается активное взаимодействие с другими федеральными органами исполнительной власти и их сервисами, что позволит собрать больше информации и своевременно актуализировать ее. При налаженном взаимодействии платформа, являясь единым информационным пространством в области АПК, будет осуществлять задачи по планированию и прогнозированию производственной деятельности, что позволит своевременно выявлять проблемы, препятствующие либо «тормозящие» процессы развития сельского хозяйства, а также оперативно разработать меры, направленные на устранение этих проблем в кратчайшие сроки.

Нормативно-правовая база, способствующая реализации проекта «Цифровое сельское хозяйство»:

1. Указ Президента РФ №204 от 7 мая 2018 года «О национальных целях и стратегических задачах развития Российской Федерации на период до 2024 года» [2].

3. Доктрина продовольственной безопасности Российской Федерации, утвержденная Указом Президента РФ №120 от 30 января 2010 года [3].

4. Программа «Цифровая экономика Российской Федерации» (Распоряжение Правительства РФ от 28 июля 2017 года №1632-Р) [4].

Указ Президента Российской Федерации от 21 июля 2016 г. № 350 «О мерах по реализации государственной научно-технической политики в интересах развития сельского хозяйства» [5].

5. Постановление Правительства Российской Федерации от 7 марта 2008 г. № 157 «О создании системы государственного информационного обеспечения сельского хозяйства» [6].

6. Распоряжение Правительства Российской Федерации от 3 марта 2012 г. № 297-р «Об утверждении Основ государственной политики использования земельного фонда Российской Федерации на 2012-2020 годы» [7].

7. Распоряжение Правительства Российской Федерации от 30 июля 2010 г. № 1292-р «Об утверждении Концепции развития государственного мониторинга земель сельскохозяйственного назначения и земель, используемых или предоставленных для ведения сельского хозяйства в составе земель иных категорий, и формирования государственных информационных ресурсов об этих землях на период до 2020 года» [8].

8. Распоряжение Правительства Российской Федерации от 29 июня 2016 г. № 1364-р «Стратегия повышения качества пищевой продукции до 2030 года» [9].

9. Федеральный закон от 16 июля 1998 г. № 101-ФЗ «О государственном регулировании обеспечения плодородия земель сельскохозяйственного назначения» [10].

10. Федеральный закон от 24 июля 2002 г. № 101-ФЗ «Об обороте земель сельскохозяйственного назначения» [11].

Действующая нормативно-правовая база не является завершенной. Необходимо разработать и принять нормативно-правовые акты, от которых зависит нормативное регулирование и законодательное закрепление проекта, а также актов, предусматривающих субсидии для сельхозтоваропроизводителей, в связи с большим количеством вовлеченных федеральных органов исполнительной власти и сложными длительными процедурами согласования предоставления субсидий.

Таким образом, решив обозначенные проблемы в процессе проведения ведомственного проекта, органы государственной власти получат действенный механизм реализации государственной политики в части стимулирования процессов цифровизации сельхозтоваропроизводителей, а сельхозтоваропроизводители получат стимулирующую и необходимую поддержку.

2. Анализ технической и кадровой обеспеченности малых форм хозяйствования в аграрном секторе экономики Волгоградской области

Малый агробизнес продолжает оставаться существенным элементом отечественного сельского хозяйства. В структуре сельскохозяйственного производства Волгоградской области малые формы хозяйствования (МФХ) имеют традиционно сильные позиции по сравнению с другими регионами нашего государства. При этом они выполняют двоякую роль: с одной стороны этими субъектами обеспечивается производство до 60% валовой сельскохозяйственной продукции, а с другой – МФХ выступают в качестве своеобразного социального стабилизатора, обеспечивая устойчивость сельских территорий, препятствуя оттоку молодежи из села, а также способствуют решению множества других социальных, демографических и нравственных задач. Безусловно, малый агробизнес по своим производственно-хозяйственным возможностям уступает крупным агроформированиям, но при этом, значительно превосходит его в гибкости, а в ряде случаев, и в эффективности производства.

По данным Волгоградстата в Волгоградской области зафиксировано 4800 крестьянских (фермерских) хозяйств (КФХ), 240600 хозяйств населения (ЛПХ), 124 сельскохозяйственных потребительских кооперативов (СПоК) [12]. Среди малых сельскохозяйственных предприятий преобладают «микропредприятия», доля которых в общем числе субъектов малого сельскохозяйственного предпринимательства составила 60%. Все дальнейшие расчеты выполнены по источникам [12, 13] Волгоградстата.

В таблице 1 представлены посевные площади основных видов сельскохозяйственных культур в малых формах хозяйствования Волгоградской области за 2014-2018 гг. За малыми формами закреплено 1234,5 тыс. га земель сельскохозяйственного назначения за 2018 г. Посевные площади в крестьянских (фермерских) хозяйствах составляют 1192,6 тыс. га и хозяйствах населения — 41,9 тыс. га. В целом 60% занято зерновыми культурами, 32% — масличными, остальная площадь – это посевы овощных, бахчевых, кормовых культур и картофеля.

Таблица 1 — Посевные площади основных видов сельскохозяйственных культур в малых формах хозяйствования Волгоградской области, тыс. га

Годы	2014 г.	2015 г.	2016 г.	2017 г.	2018 г.
	Вся посевная площадь
Крестьянские хозяйства	1 011,3	1 049,1	1 089,4	1 142,5	1 192,6
ЛПХ	51,5	50,2	53,8	45,9	41,9
	Зерновые
Крестьянские хозяйства	720,9	713,9	724,9	828,9	879,9
ЛПХ	0,1	0,1	5,0	0,1	0,1
	Технические всего
Крестьянские хозяйства	215,8	248,8	280,6	234,4	239,9
ЛПХ	1,3	1,3	1,4	1,3	1,1
	Овощи, картофель, бахчевые
Крестьянские хозяйства	38,9	46,9	44,2	36,1	32,5
ЛПХ	48,5	47,2	46,0	43,3	39,6
	Кормовые культуры
Крестьянские хозяйства	35,7	39,5	39,8	43,1	40,3
ЛПХ	1,6	1,6	1,2	1,2	1,1

В тоже время органами статистики фиксируется незначительное снижение удельного веса малых форм хозяйствования в структуре валового производства сельскохозяйственной продукции как на общероссийском, так и на региональных уровнях. Так, в Волгоградской области по данным Волгоградстата удельный вес МФХ в валовом областном производстве сельхозпродукции снизился с 60,2% в 2014 г. до 59,8% в 2018 г. (Таблица 2).

Таблица 2 — Структура продукции сельского хозяйства по категориям хозяйств Волгоградской области в фактически действовавших ценах, в % к итогу

Категории хозяйств	2014 г.	2015 г.	2016 г.	2017 г.	2018 г.
Все категории хозяйств, в том числе:	100	100	100	100	100
Сельскохозяйственные предприятия	39,8	39,0	40,6	41,0	40,2
Личные хозяйства населения	45,1	45,6	41,1	38,5	40,6
Крестьянские (фермерские) хозяйства	15,1	15,4	18,3	20,5	19,2
Доля малых форм хозяйствования в общем производстве, %	60,2	61	59,4	59	59,8

Проанализируем функциональные возможности роста малых форм хозяйствования в условиях цифровой экономики и определим параметры развития малого агробизнеса на основе внедрения цифровых технологий, новых форм организации труда, новых или значительно улучшенных пород животных, сельскохозяйственных культур, инновационных способов реализации своей продукции, поскольку только инновационное развитие в максимальной степени сможет реализовать возможности, которые цифровые технологии открывают перед сельским хозяйством.

Таблица 3 — Продукция сельского хозяйства в малых формах хозяйствования Волгоградской области (в фактических ценах; млн. руб.)

Производство продукции	2014 г.	2015 г.	2016 г.	2017 г.	2018 г.
Производство продукции	ЛПХ
Сельское хозяйство	48572,9	59338,3	59714,5	51517,9	51935,1
Растениеводство	28432,7	35715,9	34651,5	25885,1	25788,3
Животноводство	20140,2	23622,3	25062,9	25632,7	26146,9
	К(Ф)Х
Сельское хозяйство	16315,2	19979,1	26651,2	27501,0	24542,5
Растениеводство	14830,4	18341,1	24712,9	25199,1	22168,3
Животноводство	1484,8	1638,0	1938,3	2301,9	2374,2

В К(Ф)Х производство растениеводческой продукции возросло в 2018г. по отношению к 2014г. на 49,5%, также увеличилось производство животноводческой продукции на 60%. В хозяйствах населения производство продукции растениеводства сократилось в 2018 г. по отношению к 2014г. на 9,3%, а производство продукции животноводства увеличилось на 29,8%. (Таблица 3, 4).

Таблица 4 — Структура продукции сельского хозяйства в малых формах хозяйствования Волгоградской области (в фактических ценах; в процентах от общего объема продукции сельского хозяйства)

Производство продукции	2014 г.	2015 г.	2016 г.	2017 г.	2018 г.
Производство продукции	ЛПХ
Сельское хозяйство — всего	100	100	100	100	100
Растениеводство	58,5	60,2	58,0	50,2	49,65
Животноводство	41,5	39,8	42,0	49,8	50,35
	К(Ф)Х
Сельское хозяйство — всего	100	100	100	100	100
Растениеводство	90,9	91,8	92,7	91,6	90,33
Животноводство	9,1	8,2	7,3	8,4	9,67

Предпринимательские формы малого сельхозпроизводства в период 2014-2018 гг. не сдают своих позиций и демонстрируют положительную динамику. В частности, удельный вес крестьянских (фермерских) хозяйств в областном валовом объеме сельхозпродукции вырос с 13,7% в 2013 г до 20,5% в 2017 г. Сельскохозяйственные предприятия за этот период также показали рост, однако более скромный: с 35,3% в 2013 г. до 41% в 2017 г. В то же время в структуре сельскохозяйственного производства наблюдается снижение удельного веса личных подсобных хозяйств населения. Структура сельхозпроизводства фермерских и личных подсобных хозяйств области представлена в таблице 5.

Таблица 5 — Структура продукции сельского хозяйства в малых формах хозяйствования Волгоградской области в 2017 г. (в фактических ценах; в % от продукции растениеводства; животноводства)

Продукция сельского хозяйства	К(Ф)Х и индивидуальные предприниматели	Хозяйства населения
Продукция растениеводства	100	100
в том числе: зерновые и зернобобовые	57,8	—
масличные культуры	13,5	0,1
картофель	0,7	13,4
овощи	25,7	47,9
солома и культуры кормовые	1,1	0,8
прочие (включая виноград)	0,1	37,6
Продукция животноводства	100	100
в том числе: скот и птица	64,5	43,0
молоко	31,9	48,9
яйца	0,2	6,1
шерсть	3,2	0,1

В 2017 г. крестьянские (фермерские) хозяйства и индивидуальные предприниматели в структуре продукции растениеводства в основном представлены зерновыми и зернобобовыми культурами 57,8% и овощами 25,7%, в то время как растениеводческая составляющая хозяйств населения ограничивается лишь овощами, доля которых в их производстве составляет 47,9%. В структуре животноводческого производства К(Ф)Х преобладает продукция скотоводства и птицеводства (64,5%), а также молоко (31,9%). В ЛПХ продукция скотоводства и птицеводства также занимает весомую долю 43% и 48,9% соответственно.

Таким образом, отраслевая специализация хозяйств населения характеризуется выращиванием овощей (218,8 тыс. тонн в 2018г.), бахчи (199,7 тыс. тонн в 2018г.), картофеля (165,1 тыс. тонн в 2018г.), т.е. они, в основном, ориентированы на производство культур, требующих прежде всего значительных затрат тяжелого ручного труда, в то время как К(Ф)Х занимаются выращиванием зерновых и зернобобовых культур (1406,3 тыс. тонн в 2018г.), предполагающих механизацию и автоматизацию производства. Основные показатели валового сбора сельскохозяйственных культур в К(Ф)Х и ЛПХ представлены в таблице 6.

Таблица 6 — Валовой сбор сельскохозяйственных культур в малых формах хозяйствования Волгоградской области, тыс. тонн

Годы	2014 г.	2015 г.	2016 г.	2017 г.	2018 г.
	Зерно
К(Ф)Х	1298,1	933,7	1597,8	2015,6	1406,3
ЛПХ	0,3	0,2	6,8	0,2	0,2
	Подсолнечник
К(Ф)Х	188,5	212,6	245,3	186,9	308,9
ЛПХ	1,3	1,3	1,3	1,3	0,9
	Горчица
К(Ф)Х	2,0	2,2	4,2	3,9	2,8
ЛПХ	—	—	—	—	—
	Картофель
К(Ф)Х	9,4	13,1	14,6	14,7	21
ЛПХ	218,6	207,6	184,4	176,5	165,1
	Овощи
К(Ф)Х	348,6	413,8	448,3	570,3	496
ЛПХ	292,2	281,4	251	229,6	218,8
	Бахчи продовольственные
К(Ф)Х	141,4	119,2	167,0	121,5	120,8
ЛПХ	179,5	192,8	185,2	207,4	199,7
	Плоды и ягоды
К(Ф)Х	0,08	0,04	0,05	0,1	0,3
ЛПХ	118,3	118,9	109	104,2	105

В результате проводимых с начала 90-х годов реформ в агропромышленном комплексе страны, произошло резкое снижение объёмов и экономической эффективности производства продукции. Существенно сократилось поголовье животных, разрушился генетический и производственный потенциал отрасли, обострилась конкуренция со стороны резко возросшего импорта.

Таблица 7 — Поголовье скота и птицы на конец года в малых формах хозяйствования Волгоградской области, тыс. гол.

Годы	2014 г.	2015 г.	2016 г.	2017 г.	2018 г.
	Крупный рогатый скот
Крестьянские хозяйства	54,0	51,6	58,3	58,9	66,0
ЛПХ	223,8	215,6	214,0	205,9	205,9
	Коровы
Крестьянские хозяйства	33,8	32,3	33,6	34,8	39,9
ЛПХ	111,7	109,0	108,8	110,3	110,2
	Свиньи
Крестьянские хозяйства	4,1	4,3	4,3	1,7	1,4
ЛПХ	100,8	116,3	114,1	83,8	78,5
	Овцы и козы
Крестьянские хозяйства	251,5	268,0	328,3	309,3	296,9
ЛПХ	638,1	627,3	634,5	621,2	598,0
	Птица
Крестьянские хозяйства	15,0	12,2	13,6	12,3	22,7
ЛПХ	4128,4	3651,6	3305,8	3252,5	3164,7

Животноводство малых форм хозяйствования Волгоградской области представлено молочным и мясным скотоводством отечественных и зарубежных пород, свиноводством, овцеводством и козоводством, яичным и бройлерным птицеводством.

Поголовье крупного рогатого скота в ЛПХ на 2018 г. составило 205,9 тыс. голов, или 92 % к соответствующему периоду 2014 г., в том числе коров – 110,2 тыс. голов (98,7 %), свиней – 78,5 тыс. голов (77,9 %), овец и коз – 598,0 тыс. голов (93,7 %), птицы – 3164,7 тыс. голов (76,7 %).

Поголовье крупного рогатого скота в крестьянских хозяйствах на 2018 г. составило 66,0 тыс. голов, или 122,2 % к соответствующему периоду 2014 г., в том числе коров – 39,9 тыс. голов (118 %), свиней – 1,4 тыс. голов (34,1%), овец и коз – 296,9 тыс. голов (118 %), птицы – 22,7 тыс. голов (151,3 %). В то же время в связи с распространением в области вируса африканской чумы свиней, произошло сокращение численности поголовья свиней.

С точки зрения сравнительного анализа предпринимательских и непредпринимательских форм малого сельхозпроизводства наибольший интерес представляет сопоставление объемов производства мясомолочной продукции различными видами МФХ, а также динамика структуры валового производства мяса и молока по малым формам хозяйствования в целом. Показательным является тот факт, что при многократном преобладании ЛПХ в абсолютных величинах, в пересчете на одно хозяйство К(Ф)Х демонстрируют более чем двукратное превосходство в эффективности производства мяса и молока (Таблица 8).

Таблица 8 — Производство основных продуктов животноводства в малых формах хозяйствования Волгоградской области, тыс. тонн

Годы	2014 г.	2015 г.	2016 г.	2017 г.	2018 г.
	Молоко
К(Ф)Х	29,2	27,7	28,3	29,7	30,2
ЛПХ	449,9	441,8	450,6	459,6	462
	Мясо (реализация в живом весе)
К(Ф)Х	8,2	8,2	10,2	12,2	11,6
ЛПХ	105,6	98,4	101	99,8	101,2
	Яйцо, млн. штук
К(Ф)Х	1,6	1,3	1,2	1,2	1,3
ЛПХ	329,9	314,4	305,9	296,1	350
	Скот и птица на убой (в живом весе)
К(Ф)Х	8,2	8,2	10,2	12,2	11,6
ЛПХ	105,6	98,4	101	99,8	101,2
	КРС
К(Ф)Х	4,6	3,9	4,5	5,7	6,2
ЛПХ	57,8	54,8	53,9	56,6	57,3
	Овцы и козы
К(Ф)Х	2,8	3,7	5,1	6,0	4,9
ЛПХ	14,4	14,9	17	16,1	15,5
	Свиньи
К(Ф)Х	0,6	0,5	0,4	0,2	0,1
ЛПХ	21,1	16,7	19,3	16,3	16,3
	Птица
К(Ф)Х	—	—	—	—	—
ЛПХ	11,3	10,9	9,7	9,7	10,9

Машинно-технологический комплекс малых форм хозяйствования как инновационная база аграрного производства является важнейшей социально-ориентированной производственной системой, регулирующей объемы, качество и экономические характеристики конечной сельскохозяйственной продукции, и которая включает в себя инновационные агротехнологии производства продукции, выполняемые машинными агрегатами, современные технические средства и инфраструктуру, обеспечивающую работоспособность всей системы.

Анализ современного состояния машинно-технологического комплекса АПК Волгоградской области показывает сокращение тракторного парка на 5,2 %, аналогично наблюдается уменьшение и состава зерноуборочных комбайнов на 2%, плугов на 2,5%, сеялок на 0,4% за 2018 г. по отношению к 2014 г. (Таблица 9).

Это при износе на сегодняшний день сельскохозяйственной техники около 80 %, которая сегодня представлена устаревшими образцами и не отвечает требованиям современных технологий.

Таблица 9 — Наличие сельскохозяйственной техники во всех категориях хозяйств (на конец года) Волгоградской области, штук

Виды техники	2014 г.	2015 г.	2016 г.	2017 г.	2018 г.
Тракторы	17 978	17 810	18 003	17 907	17 038
Зерноуборочные комбайны	5 603	5 695	5 852	5 918	5 491
Плуги	7 492	7 434	7 454	7 442	7 307
Культиваторы	11 802	11 906	12 118	12 268	11 838
Сеялки	12 478	12 584	12 723	12 869	12 426

В таблице 10 представлена обеспеченность тракторами и зерноуборочными комбайнами в Волгоградской области, где за последние 5 лет сократилось количество тракторов на 1000 га пашни на 6,5%.

Также уменьшилось на 13,8 % количество зерноуборочных комбайнов на 1000 га посева зерновых в 2018 г.

В 2014 г. обеспеченность сельскохозяйственной отрасли Волгоградской области тракторами составляла 3,1 и 2,5 ед. техники на 1000 га посевов, при этом данный показатель оставался практически неизменным до 2017 г., после чего его значение сократилось на 0,2 и в 2018 г. составило около 2,9 и 2,3 ед. по сельскохозяйственным организациям и МФХ соответственно.

Таблица 10 — Ресурсообеспеченность сельскохозяйственных товаропроизводителей Волгоградской области в 2014 – 2018 гг.

Показатели		Годы
Показатели		2014	2015	2016	2017	2018
Тракторо-обеспеченность на 1000 га пашни, шт.	СХО	3,1	3,1	3,1	3,1	2,9
Тракторо-обеспеченность на 1000 га пашни, шт.	МФХ	2,5	2,5	2,5	2,4	2,3
Нагрузка пашни на один трактор, га	СХО	322	325	322	324	340
Нагрузка пашни на один трактор, га	МФХ	397	398	399	415	433
Комбайно-обеспеченность на 1000 га посевов, шт.: — зерноуборочных:	СХО	2,9	3,0	3,0	2,7	2,5
	МФХ	1,5	1,6	1,7	1,6	1,6
— кукурузоуборочных:	СХО	1,1	1,2	1,3	1,2	1,1
— кукурузоуборочных:	МФХ	0,4	0,4	0,3	0,3	0,3
Приходится посевов соответствующих культур, га на один комбайн: — зерноуборочных:	СХО	348	338	329	364	404
	МФХ	667	625	588	625	625
— кукурузоуборочных:	СХО	909	833	769	826	901
— кукурузоуборочных:	МФХ	2439	2381	2941	3030	3125
Внесено минеральных удобрений на 1 га посевной площади, кг. д.в.	СХО	19	17	22	25	25
	МФХ	7	10	11	12	12
Внесено органических удобрений на 1 га посевной площади, тонн	СХО	0,03	0,03	0,02	0,02	0,02
	МФХ	0,05	0,05	0,05	0,06	0,06

* СХО – сельскохозяйственные организации;

МФХ – малые формы хозяйствования (ИП и К(Ф)Х).

Данные процессы во многом связаны с техническим переоснащением, что обусловлено полным износом основных средств, поскольку практически 60% сельскохозяйственных машин и 40 % тракторов находится на предельных сроках амортизации (табл. 11, приложение А).

Таблица 11 — Структура парка сельскохозяйственной техники в Волгоградской области по длительности сроков эксплуатации в среднем за 2014 – 2018 гг., %

Виды техники	Структура, %
Виды техники	до 3-х лет	от 3-х до 10 лет	более 10 лет
Тракторы	17,00	26,17	56,83
Зерноуборочные комбайны	29,85	30,78	39,37
Плуги	13,04	27,30	59,66
Культиваторы	17,82	35,28	46,90
Сеялки	19,21	35,86	44,93

Коэффициент обновления в целом по Волгоградской области имел за 2014 – 2018 гг. устойчиво высокие параметры, величина которых в среднем вирировала от 8 до 19 %, в то время как коэффициент выбытия изменялся от 3,3 до 3,8 %. Суммарная величина обновления по агропредприятиям более чем два раза превышает аналогичный показатель по малым формам хозяйствования, в то время как тенденции выбытия характеризуют сопоставимые показатели. Сложившая ситуация во многом отражает слабые инвестиционные возможности малого агробизнеса, что определяет абсолютно разные темпы модернизации аграрного производства (приложение Б).

Нагрузка на уборочный комбайн, трактор и другую технику увеличивается темпами, превосходящими снижение энергонасыщенности. Это связано с тенденциями качественного технического обновления машинно-тракторного парка и обусловлено эффектом от использования программно-целевых инструментов развития сельского хозяйства (прежде всего это реализация долгосрочных государственных целевых программ «Развитие сельского хозяйства и регулирование рынков сельскохозяйственной продукции, сырья и продовольствия на 2013…2020 годы» и «Устойчивое развитие сельских территорий на 2014…2017 годы и на период до 2020 года»).

Современное состояние АПК области требует разработки системы машинных технологических процессов и обоснования структуры комплексов машин, учитывающих современные технологические требования производства конкретных полевых культур с учетом почвенно-климатических условий и финансовых возможностей сельскохозяйственных предприятий региона. В перспективе промышленность области освоит производство ресурсосберегающих рабочих органов и орудий, отвечающих зональным агротребованиям.

Несмотря на позитивные изменения, за последние годы произошло существенное снижение трудоспособного населения в сельском хозяйстве, величина трудообеспеченности с 2014 по 2018 гг. сократилась более чем на 20% (с 4 до 3-х работников на 1 га), а средний возраст работников, занятых в сельскохозяйственном производстве, стал выше 47 лет, в то время как число работников в возрасте до 30 лет составило менее 12%. Кроме того, в сельскохозяйственные товаропроизводители, имеющие новейшую технику для возделывания сельскохозяйственных культур по инновационным технологиям, используют труд работников с низкой квалификацией. Большинство механизаторов, работающих на современных машинно-тракторных агрегатах, имеют только среднее специальное образование, а главные специалисты зачастую не имеют высшего образования или занимают должности не соответствующие образовательным компетенциям.

В таблице 12 представлены социально-экономические индикаторы уровня жизни сельского населения Волгоградской области за 2014-2018 гг. Размер среднемесячной заработной платы в сельском хозяйстве позволяет выполнять только воспроизводственную функцию. Средний размер зарплаты в сельском хозяйстве соотносится с аналогичным показателем по экономике как 1:1,28. Соотношение заработной платы в сельском хозяйстве с прожиточным минимумом в 2018 г. составило 259 %.

Таблица 12 — Социально-экономические индикаторы уровня жизни сельского населения Волгоградской области

Показатели	2014 г.	2015 г.	2016 г.	2017 г.	2018 г.
Среднемесячные номинальные денежные доходы руб./месяц	19056	21719	20749	21689	22341
Заработная плата в экономике, руб./месяц	22828	24361	25739	27884	30350
Заработная плата в сельском хозяйстве, руб./месяц	15239	16999	20426	21222	23685
Среднедушевой прожиточный минимум, руб./месяц	7487	8889	8991	9096	9146
Соотношение заработной платы в сельском хозяйстве с прожиточным минимумом, %	203,5	191,2	227,2	233,3	259,0

Рисунок 1 – Характеристика социально-экономических параметров развития среднестатистического индивидуального предпринимателя аграрной сферы экономики Волгоградской области [12, с. 153-154]

Особую роль в реализации социально-демографической функции сельской местности играет предпринимательский сектор аграрной экономики, то есть в обеспечении населения сельской местности необходимыми рабочими местами. Так, в Волгоградской области предпринимательский сектор экономики охватывает не менее 11,5 тыс. чел. или около 10 % от среднегодовой численности занятых в аграрной сфере хозяйствования. При этом современные предпринимательские формы хозяйствования, обеспечивая ключевые функции сельской местности (экологическая, культурная, рекреационная) имеют близкие к сельскохозяйственным организациям социально-экономические параметры (рис. 1).

Целесообразность развития малых форм хозяйствования в аграрной сфере экономики очевидна, поскольку именно оно должно выполнять роль двигателя инновационной модернизации на селе. В этой связи дальнейшая судьба сельского хозяйства зависит от возможных тенденций инновационного обновления 2/3 хозяйств, существенная часть которых по своим производственно-экономическим параметрам является представителями малого и среднего агробизнеса. Диспропорции, обусловленные слабыми инвестиционными возможностями МФХ, формируют существенные недостатки таких хозяйств – низкую урожайность (продуктивность) и высокую трудоёмкость производства.

Технологические особенности хозяйствования отражают сложившуюся картину функционирования сельскохозяйственных товаропроизводителей, когда их группировка на основе монографического метода свидетельствует о том, что широкий спектр технологических возможностей агробизнеса в большинстве случаев охватывает экстенсивные устаревшие технологии, удельный вес которых, в зависимости от форм организации сельскохозяйственного производства и видов деятельности: в растениеводстве изменяется от 45 – 55 % по агропредприятиям и до 85– 90 %, по личным подсобным хозяйствам; в животноводстве – от 70-85 % по сельскохозяйственным организациям и до 90– 95 % по личным подсобным хозяйствам, крестьянско-фермерские хозяйства занимают здесь промежуточное положение (табл. 13).

Таблица 13 Технологичность агроформирований в России и Волгоградской области за 2014-2018 гг., %

Технологии	Сельское хозяйство
	Растениеводство			Животноводство
	СХО	К(Ф)Х и ИП	ЛПХ	СХО	К(Ф)Х и ИП	ЛПХ
Экстенсивные и устаревшие	45 — 55	60 — 70	85 — 90	70 — 85	85 — 90	90 — 95
Традиционные с элементами ресурсосбережения	30 — 45	15 — 25	10 — 15	10 — 15	5 — 10	≈ 5
Интенсивные ресурсосберегающие	10 — 15	≈ 5	> 1	≈ 5	> 1	–
Эффективность	10 — 20	5 — 15	Н / д	до 10	до 5 — 7	Н / д
СХО — сельскохозяйственные организации; К(Ф)Х- крестьянские (фермерские) хозяйства, ИП – индивидуальные предприниматели; ЛПХ- личные подсобные хозяйства.

Источник: составлено по данным [14].

Тенденция перехода и применения традиционных ресурсосберегающих технологий за анализируемый период в большей степени была характерна по растениеводству для 30 – 45 % в сельскохозяйственных организациях, 15 – 25 % в КФХ (ИП) и менее 15% в ЛПХ. Именно по этой причине в последние годы во многих регионах России наблюдаются рекордные показатели урожайности и валового сбора сельскохозяйственных культур. Так, например, в Волгоградской области величина урожайности зерновых культур в 2017 г. превысила 28,4 ц/га (на 32 % больше чем средняя арифметическая показателя за последние 10 лет), а значение валового сбора составило 5,3 млн. т (или в 1,5 раза выше, чем среднегодовая величина за 10 лет).

Вместе с тем в животноводстве во всех видах деятельности до 15 % агропредприятий и менее 5 % от хозяйств населения применяли интенсивные ресурсосберегающие технологии, что во многом и объясняет стагнацию развитиях основных видов деятельности животноводства. Неслучайно по некоторым важным видам производств (прежде всего, это молочное и мясное скотоводство), как на уровне исследуемого региона, так и по стране в целом, в последние годы наблюдается постепенное сокращение, которое по молоку составило около 3 %, по крупнорогатому скоту в убойном весе достигло 5%.

Интенсивные ресурсосберегающие технологии в сельском хозяйстве в настоящее время тесно связаны со спецификой систем обработки почв, внесения удобрений, борьбы с вредителями и заболеваниями, сортообновлением, содержанием и откормом животных, соответствующих естественно-биолгическим и природно-климатическим особенностям региона, а также племенной работой, то есть совокупность способов хозяйствования должна быть адаптирована к местным условиям.

Подобную адаптацию на уровне отраслевого хозяйственного механизма, как показывает опыт развитых стран, обеспечивают малые формы хозяйствования, которые позволяют быстрее реагировать на новшества, реализовывать их в применении новейших технологий. Вместе с этим отечественная практика хозяйствования свидетельствует, что освоить и применить интенсивные технологии удалось лишь менее 1% хозяйств населения, незначительно выше здесь удельный вес крестьянско-фермерских хозяйств и индивидуальных предпринимателей – 5 %. Технологическая обеспеченность сельскохозяйственных организаций по интенсивным ресурсосберегающим технологиям заметно выше и варьирует в пределах от 5 до 15%. Причина сложившейся ситуации состоит в том, что тиражирование новых технологий требует огромных временных и ресурсных затрат.

Низкие темпы модернизации аграрного бизнеса усугубляются отсутствием взаимовыгодных каналов взаимодействия с инновационной инфраструктурой. В результате сопоставление параметров инновационной активности аграрной сферы со среднестатистической величиной по национальной экономике соответствующей уровню в 10,5 %, а также базовыми системообразующими видам деятельности (например, обрабатывающие производства – 13,6%, добывающая промышленность – 7,3%) данные ограничения развития проявляются более отчётливо (рис. 2). При этом сопоставление позиций инновационной активности отечественного малого и среднего агробизнеса с европейскими и американскими компаниями свидетельствуют о более чем десятикратном отставании (Норвегия – 59,8 %, Нидерланды – 48,3%, Дания – 40,8%, США – 50,5%).

Рисунок 2 – Уровень инновационной активности сельскохозяйственных товаропроизводителей за 2016 – 2018 гг., %, [15]

Несмотря на это, первые тенденции в адаптации научных учреждений к рыночным условиям прослеживаются уже в настоящее время. По данным информационно-справочного портала Волгограда и комитета государственной статистики области научно-исследовательские и опытно-конструкторские учреждения аграрной сферы имеют более 45 предприятий-контрагентов реального сектора экономики, с которыми заключены контракты на проведение исследовательских работ с целью внедрения новаций на рыночных принципах. Реализация переориентации традиционно дотируемого государством сектора на коммерческую основу является необходимым условием целостности использования инновационного потенциала.

Проанализировать инновационную инфраструктуру, сформированную на вузовском уровне, возможно на примере научно-образовательного учреждения ФГБОУ ВО «Волгоградский государственный аграрный университет», который имеет 95 базовых хозяйств и организаций.

География взаимодействия прикладной аграрной науки ВУЗа и реализации его научно-исследовательских резервов в производственных предприятиях осуществляется во многих районах области. Данный факт позволяет констатировать востребованность подобного рода услуг на региональном рынке (табл. 14).

Таблица 14 Реализация научно-исследовательского потенциала

ФГБОУ ВО «Волгоградский государственный агарный университет»

№ п/п	Предприятия-заказчики поисковых и прикладных исследований, опытно-конструкторских и технологических разработок	Направления исследований
1.	К(Ф)Х Коротких Александр Иванович (Светлоярский район)	Выращивание овощей в открытом грунте
2.	К(Ф)Х Ковальчук Андрей Александрович (Новониколаевский район)	Ресурсосберегающая технология обработки почвы и получения высоких урожаев зерновых и масличных культур
3.	КХ «Ишкина А.В.» (Михайловский район)
4.	ООО «НИКОМ Волга» (Жирновский район)	Хранение и переработка зерна для производства макаронных и крупяных изделий
5.	К(Ф)Х «Казаки» (Быковский район)	Технология содержания крупного рогатого скота (мини фермы)
6.	К(Ф)Х Розов Владимир Сергеевич (Ольховский район)	Технология содержания животных на мини фермах
7.	ИП «Соловьев А.В.» (Среднеахтубинский район)	Технология содержания животных на мини фермах
8.	К(Ф)Х Бондаренко Александр Львович (Среднеахтубинский район)	Тепличное выращивание овощей при капельном орошении
9.	ООО «Быково-Агротранс» (Быковский район)	Технология выращивания бахчевых культур
10.	ЛПХ Борматов Владимир Александрович (Городищенский район)	Выращивание свиней донской мясной породы (СМ-1: ДМ)
11.	Племзавод «Ленина» (Суровикинский район)	Профилактика респираторных заболеваний (ИРГ и ПГЗ), профилактика травматизма, мероприятия по борьбе с горчаком
12.	МСК «Михайловский» (Михайловский район)	Кормовая база для животноводства и свиноводства, повышение продуктивной способности у животных
13.	Администрации: Чернышковского района	Борьба с плевельной совкой на озимой пшенице
14.	Быковского района
15.	Суровикинского района

Источник: составлено по данным Управления научно-инновационной деятельности ФГБОУ ВО Волгоградский ГАУ.

Общее количество предприятий-заказчиков поисковых и прикладных исследований, опытно-конструкторских и технологических разработок в 2014 — 2018 гг. составило свыше 50 ед. Тематика направлений взаимодействия агробизнеса с прикладной наукой осуществляется по множеству направлений – от реализации технологий производства до переработки сельскохозяйственной продукции (в том числе оказание информационно-консультационных услуг). Следует отметить, что предприятия-заказчики исследований представлены в большинстве своём малым и средним агробизнесом, причиной этому является материальная доступность предоставляемых услуг, а также нежелание участия крупных организаций в реализации финансовых вливаний в масштабные научно-исследовательские проекты.

Тенденция взаимодействия малого и среднего бизнеса с научными учреждениями региона получили дополнительную поддержку в рамках реализации долгосрочной областной целевой программы «Развитие сельского хозяйства и регулирование рынков сельскохозяйственной продукции, сырья и продовольствия» на 2017 – 2020 гг. (в рамках подпрограмм «Поддержка малых форм хозяйствования» и «Техническая и технологическая модернизация, инновационное развитие»), где развитие малого и среднего бизнеса рассматривается в связке с инновационной инфраструктурой региона, к которой в соответствии с Программой относятся научно-исследовательские и опытно-конструкторские учреждения области. Малые и средние предприятия в сельском хозяйстве составляют около 10% от их общего количества в регионе (около 60 % малых предприятий и индивидуальных предпринимателей осуществляют свою деятельность в городских округах Волгоградской области), доля малого и среднего бизнеса в общем обороте региона составляет более 65 % или свыше 537 млрд. рублей. При реализации взаимодействия малого и среднего агробизнеса с научными учреждениями региона его можно рассматривать как платформу структурной перестройки аграрной экономики и полигон активизации научно-технического прогресса.

На основании комплексного научно-практического исследования деятельности крестьянских (фермерских) и личных подсобных хозяйств Волгоградской области, включавшего в себя социологический опрос глав крестьянских хозяйств, статистическое обследование по целому ряду социально-экономических показателей деятельности МФХ, а также аналитическую обработку полученных результатов, были сформулированы базовые параметры инновационного роста в условиях тотальной цифровизации сельского хозяйства. Такими параметрами выступают:

уровень образования и квалификации работников, занятых в малых аграрных формированиях;
использование средств механизации и автоматизации сельхозпроизводства;
использование инновационных технологий в производстве сельхозпродукции;
использование информационных и цифровых технологий субъектами малого агробизнеса;
уровень компьютеризации малого агробизнеса;
уровень товарности производства сельхозпродукции;
рентабельность производства.

При высокой значимости каждого из перечисленных факторов, следует отметить, что если в большинстве из указанных точек роста показатели фермерских и личных подсобных хозяйств оказались сопоставимыми, то по уровню внедрения новаций между фермерским и подсобным укладом хозяйствования существует принципиальная разница. Сравнительный анализ двух различных форм малого агропромышленного производства позволил сделать предположение о том, что предпринимательские формы малого агробизнеса обладают значительно большим потенциалом для инновационного развития в условиях цифровизации, в то время как экономическое пространство личных подсобных хозяйств населения будет сокращаться и в дальнейшем, сводясь к исключительно нетоварному производству сельскохозяйственной продукции для собственных нужд.

3. Определение технико-экономических параметров и инновационного потенциала крестьянских (фермерских) хозяйств

Для определения основных технико-экономических параметров и инновационного потенциала малых аграрных предприятий, действующих в форме крестьянских (фермерских) хозяйств, имеющих наибольшую восприимчивость к инновациям, будет применяться авторская методика расчета «индекса инновационного потенциала», направленная на вскрытие инновационных возможностей фермерского хозяйства посредством оценки следующих социально-экономических индикаторов его деятельности: образование и квалификация глав К(Ф)Х и его работников; наличие новой сельхозтехники и оборудования; внедрение сельскохозяйственных инноваций; использование компьютерной техники и информационных технологий; уровень товарности, переработки и рентабельности производства.

Информационным источником послужили результаты анкетирования глав фермерских хозяйств и руководителей малых агроформирований, проведенного научным коллективом экономического факультета ВолГАУ в 2018 г. Анкета содержит перечень вопросов, направленных на выявление инновационного потенциала К(Ф)Х и отражающий уровень кадрового, технического и информационного обеспечения (приложение В). В опросе участвовали 427 глав К(Ф)Х всех пяти природно-климатических зон Волгоградской области, определяющих специализацию сельскохозяйственного производства (приложение Г).

Образовательный срез, выявленный в ходе анкетирования показывает, что высшее образование, включая неоконченное, а также профильное (образование в аграрной сфере) имеется у 44% респондентов. О наличии среднего профессионального образования сообщили 32% опрошенных; 11% имеют начальное профессиональное образование (Таблица 15).

Таблица 15 — Уровень образования глав К(Ф)Х за 2018 г.

Уровень образования	Степная зона черноземных почв		Сухостепная зона темно-каштановых почв		Волго-Ахтубинская пойма		Сухостепная зона каштановых почв		Полупустынная зона светло-каштано-вых почв
Уровень образования	ед.	%	ед.	%	ед.	%	ед.	%	ед.	%
Высшее и неполное высшее	151	49,67	40	44,94	8	38,10	183	47,91	27	27,27
Среднее профессиональное	118	38,82	44	49,44	5	23,81	143	37,43	46	46,46
Начальное профессиональное	2	0,66	1	1,12	3	14,29	7	1,83	10	10,10
Общее среднее (10-11 классов)	30	9,87	4	4,49	3	14,29	46	12,04	11	11,11
Основное общее (8-9 классов)	3	0,99	—	—	2	9,52	2	0,52	5	5,05
Начальное общее или не имеет	—	—	—	—	—	—	1	0,26	—	—
Всего К(Ф)Х по зоне	304	100	89	100	21	100	382	100	99	100

Одним из наиболее важных технико-экономических и инновационных параметров деятельности малых аграрных предприятий является использование сельскохозяйственной техники и транспорта.

Среди хозяйств, широко применяющих механизацию сельхозпроизводства и замену ручного труда, прежде всего, необходимо отметить фермерские хозяйства, индивидуальных предпринимателей, а также хозяйства населения, ориентированные на товарное и мелкотоварное производство сельхозпродукции. В таблице 16 представлены данные о зональном распределении сельскохозяйственной техники в крестьянских (фермерских) хозяйствах Волгоградской области.

Таблица 16 — Виды сельхозтехники К(Ф)Х за 2018 г.

Виды техники и транспорта	Степная зона черноземных почв		Сухостепная зона темно-каштановых почв		Волго-Ахтубин-ская пойма		Сухостепная зона каштановых почв		Полупустынная зона светло-каштановых почв
Виды техники и транспорта	ед.	%	ед.	%	ед.	%	ед.	%	ед.	%
Сельскохозяйственная техника — всего, шт.	6274	100	1540	100	196	100	5315	100	479	100
в том числе:
тракторы	2674	42,62	615	39,94	142	72,45	2525	47,51	303	63,26
комбайны	951	15,16	268	17,40	12	6,12	992	18,66	78	16,28

Как свидетельствуют данные ведомственного статистического обследования К(Ф)Х, крупная сельскохозяйственная техника (включая тракторы и комбайны) используется во всех, без исключения хозяйствах, причем наибольшее ее количество сосредоточено в степной зоне черноземных и сухостепной зоне каштановых почв, на которые приходится по 83% тракторов, 84% комбайнов соответственно.

Рисунок 3 — Удельный вес тракторов и комбайнов, используемых в К(Ф)Х за 2018 г.

Более 70% крупной сельскохозяйственной техники в исследованных К(Ф)Х принадлежит им на праве собственности, что говорит о наличии у фермеров достаточных финансовых ресурсов для приобретения техники и оборудования. Кроме того, что именно в этих зонах сосредоточена наибольшая часть пашни, обрабатываемой фермерами, чем и обусловлен высокий уровень их технической оснащенности (Рисунок 3).

Наибольшая обеспеченность К(Ф)Х тракторами, комбайнами, автомобилями и другой сельскохозяйственной техникой наблюдается в степной зоне черноземных почв, где на одно хозяйство в среднем приходится 3,35 трактора, 1,19 комбайна и 7,85 единиц сельхозтехники в целом. Наименьшие показатели обеспеченности имеют хозяйства Волго-Ахтубинской поймы, где средняя обеспеченность сельхозтехникой составила всего 1,98 единицы на хозяйство (Рисунок 4).

Рисунок 4 — Средняя обеспеченность сельскохозяйственной техникой в К(Ф)Х (ед. на хозяйство) за 2018 г.

Диаграмма, представленная на рисунке 4, отражает тренд снижения основных показателей материально-технического обеспечения фермерских хозяйств от первой зоны к пятой. Исключение составляет лишь Волго-Ахтубинская пойма, где крайне низкие показатели обеспеченности тракторами, комбайнами и другой сельскохозяйственной техникой обусловлены узкой овощеводческой специализацией зоны. Сложившийся тренд объясняется тем фактом, что две первые зоны, будучи наиболее благоприятными в почвенно-климатическом отношении, имеют ярко выраженную зерноводческую специфику, требующую больших, по сравнению с другими отраслями сельского хозяйства, материально-технических ресурсов.

Важное место в анкетировании фермеров, осуществленном в 2018 г, занимал инновационный раздел, включающий вопросы, направленные на выявление потенциальной восприимчивости фермерского производства к агропромышленным новациям. Вопросы этого раздела связанны с использованием фермерами новых технических решений, инновационных методов организации труда, применения экологически чистых, органических и безотходных технологий, современных способов переработки, хранения и транспортировки сельскохозяйственной продукции. Применяемые инновации были сгруппированы по отраслям сельхозпроизводства: растениеводство, животноводство и овощеводство, а также по сферам сельскохозяйственной деятельности: мелиорация, культивация, хранение и транспортировка сельхозпродукции, экономика, управление и организация труда в области сельского хозяйства.

Как свидетельствуют данные, представленные на рисунке 5, результаты анкетирования, в целом, подтверждают сделанные выше обобщения в отношении преобладания первой природно-климатической зоны практически по всем показателям агропромышленного производства в фермерских хозяйствах. Не стал исключением и такой важнейший индикатор инновационного потенциала, как использование в сельхозпроизводстве научно-технических новаций. Причины преобладания черноземной зоны в области внедрения фермерами сельскохозяйственных инноваций следует искать в высокой диверсификации сельскохозяйственного производства, благоприятных почвенно-климатических и географических условиях, наличии довольно развитой транспортной и логистической инфраструктуры, близости научных центров, более высоком (по сравнению с другими зонами) уровне развития производительных сил, материально-технического обеспечения агропромышленного производства, наличии квалифицированных кадров.

Рисунок 5 — Использование инновационных технологий опрошенными К(Ф)Х

в зависимости от их природно-экономического зонирования за 2018 г.

Массовая компьютеризация и информатизация современного общества, повсеместное использование цифровых технологий становится ключевым фактором экономической эффективности как всего агропромышленного комплекса в целом, так и его отдельных отраслей. В этой связи, уровень компьютеризации крестьянских хозяйств, использование ими информационных и цифровых технологий, также необходимо рассматривать как один из базисных индикаторов деятельности фермеров.

При разработке методики анкетирования глав К(Ф)Х в 2018 г. использование цифровых технологий были выделены в отдельный раздел, содержащий комплекс вопросов, направленных на выявление уровня компьютеризации и внедрения достижений ИТ в практическую деятельность фермеров. Результаты опроса представлены на рисунке 6.

Рисунок 6 — Использование информационных технологий в опрошенных К(Ф)Х за 2018 г.

Данные анкетирования показывают, что наиболее востребованными с точки зрения практического использования в деятельности фермерских хозяйств являются технологии интернет-платежей, а также использование сетевых ресурсов для приобретения сельскохозяйственной техники, семенного материала, молодняка животных, ГСМ и т.д. Показательно, что внедрение цифровых технологий в непосредственное производство сельхозпродукции в рамках фермерского хозяйства так или иначе происходит, хотя и недостаточно быстрыми темпами. В частности, об использовании специализированных программных продуктов, таких как «История поля», «Метеомонитор-АГРО», «ГЕО-план», «Farm Works», сообщили лишь 7% респондентов.

Несколько иная картина наблюдается в плане практического использования фермерами программного обеспечения для бухгалтерской и статистической отчетности, а также управления производственными процессами. Об использовании автоматизированных систем управления и учета разработки компании 1С и ее франчайзи-партнеров заявили более четверти опрошенных фермеров. И хотя в подавляющем большинстве случаев речь об использовании 1С: Бухгалтерия, специализированные решения, построенные на базе 1С: Предприятие 8, такие, например, как «Управление сельскохозяйственным предприятием», «Спутниковый мониторинг» и др. постепенно входят в практику фермерских хозяйств.

Весьма интересным и неоднозначным оказался тот факт, что несмотря на чрезвычайно слабое консалтинговое, консультационное и маркетинговое сопровождение деятельности малых форм хозяйствования, подавляющее большинство фермеров, по их мнению, не нуждаются в таких исследованиях. Согласно результатам анкетирования 2018 г. лишь около 10% глав К(Ф)Х заявили об использовании интернет для подключения к информационно-консалтинговым системам. Это может свидетельствовать, с одной стороны о низком уровне доверия со стороны фермеров структурам, осуществляющим коммерческую деятельность в сфере оказания маркетинговых и консалтинговых услуг, а с другой – объясняться низким уровнем их качества.

Таблица 17 — Экономические результаты хозяйственной деятельности К(Ф)Х в пересчете на хозяйство за 2018 г.

Показатели	Степная зона черноземных почв	Сухостепная зона темно-каштановых почв	Волго-Ахтубинская пойма	Сухостепная зона каштановых почв	Полупустынная зона светло-каштановых почв
Доходы хозяйств, полученные от собственной хозяйственной деятельности, тыс. руб.	11166	13760,2	8848	7590,22	4678,35
Выручка от реализации сельскохозяйственной продукции, тыс. руб.	10585,3	12404,8	7673,38	6683,6	3582,15
Удельный вес выручки от сельскохозяйственной продукции в общей выручке от продажи товаров, продукции, работ, услуг, %	94,80	90,15	86,72	88,06	76,57
Расходы хозяйств, полученные от собственной хозяйственной деятельности, тыс. руб.	8258,18	10850,4	7441,66	5965,75	4110,54
Себестоимость сельскохозяйственной продукции, тыс. руб.	4731,31	5838,04	4158,03	3076,43	2368,7
Удельный вес себестоимости от сельскохозяйственной продукции в общей доле расходов, %	57,29	53,80	55,87	51,57	57,63
Сумма налоговых платежей, тыс. руб.	455,692	453,478	314	319,579	111,2
Прибыль, тыс. руб.	2452,09	2456,32	1091,99	1304,89	456,609
Рентабельность по доходам, %	23,16	19,80	14,23	19,52	12,75
Рентабельность производства, %	51,83	42,07	26,26	42,42	19,28

Производственно-хозяйственные и финансовые параметры деятельности К(Ф)Х могут быть оценены по таким индикаторам как: уровень доходов и расходов, выручка, прибыль, рентабельность и т.п. Объединенные по зонам уровни доходов, расходов, выручки, рентабельности производства, рентабельности доходов и некоторые другие производственно-финансовые параметры обследованных хозяйств представлены в таблице 17.

Построенные на основе таблицы 15 диаграммы основных показателей финансово-хозяйственной деятельности К(Ф)Х в пересчете на одно хозяйство позволяют наглядно проиллюстрировать в каких природно-экономических зонах Волгоградской области сложились наиболее благоприятные условия для инновационного развития фермерства. Прежде всего, обращает на себя внимание тот факт, что наибольший средний доход на хозяйство (13760,2 тыс. руб.) приходится в сухостепной зоне темно-каштановых почв (Рисунок 7). В остальных зонах этот показатель снижется от степной зоны черноземных почв (11166 тыс. руб.) к полупустынной зоне светло-каштановых почв (4678,35 тыс. руб.).

Данный тренд легко объясняется общим ухудшением природно-климатических и социально-экономических условий деятельности фермерского хозяйства, однако тот факт, что доходы фермеров в сухостепной зоне темно-каштановых почв оказались выше, чем в степной зоне черноземных почв заслуживает отдельного рассмотрения.

На наш взгляд причины данного факта следует искать в специализации 2-й зоны, а также рыночной конъюнктуре, сложившейся на агропродовольственных рынках Волгоградской области.

Рисунок 7 — Основные показатели финансово-хозяйственной деятельности К(Ф)Х в пересчете на хозяйство за 2018 г.

Показатели рентабельности производства и рентабельности по доходам очевидным образом свидетельствуют о том, что наиболее экономически целесообразным является фермерское производство в степной зоне черноземных почв. Несмотря на более высокие доходы, получаемые усредненным фермерским хозяйством сухостепной зоны темно-каштановых почв, показатели себестоимости продукции здесь существенно выше, чем в степной зоне черноземных почв (5838,04 тыс. руб. против 4731,31 тыс. руб. в степной зоне), в то время как прибыль, получаемая хозяйствами обеих зон находится примерно на одном уровне (2452,0 тыс. руб. и 2456,32 тыс. руб. соответственно в первых двух зонах), что и предопределяет более низкие показатели рентабельности производства и рентабельности по доходам сухостепной зоны.

Следует отметить, что показатели рентабельности производства и рентабельности по доходам усредненного фермерского хозяйства сухостепной зоны каштановых почв (4-я зона) практически совпадают с результатами, демонстрируемыми фермерским хозяйством 2-й зоны, несмотря на то, что средние объемы доходов и выручки фермера сухостепной зоны каштановых почв практически вдвое меньше, чем у фермера из 2-й зоны. Как видим, близость природно-климатических, почвенных, социально-экономических и демографических условий предопределяет и практически полное совпадение финансовых результатов деятельности фермерского хозяйства в различных зонах.

Таким образом, данные выявленные при опросе глав К(Ф)Х, в 2018 г., а также результаты ведомственного статистического наблюдения показывают, что наиболее экономически целесообразным и перспективным с точки зрения инновационного развития являются фермерские хозяйства в тех природно-экономических зонах, где сложились наиболее благоприятные климатические, почвенные, демографические, транспортно-логистические, научно-производственные и социальные условия, необходимые для успешного функционирования фермерского хозяйства.

В рамках проведенного в 2018 г. анкетирования глав К(Ф)Х в целях научно-обоснованного зонирования фермерских хозяйств Волгоградской области устанавливался унифицированный показатель, определяемый как «индекс инновационного потенциала» (ИИП). Для определения указанного индекса по каждому опрошенному хозяйству использовались пять индикаторов: 1) образование и квалификация глав К(Ф)Х и его работников; 2) использование новой сельхозтехники и оборудования; 3) внедрение сельскохозяйственных инноваций; 4) использование компьютерной техники и информационных технологий; 5) уровень товарности, переработки и рентабельности производства, при определении суммированной величины которых использовались поправочные коэффициенты.

Для дифференциации влияния каждого из означенных индикаторов на индекс инновационного потенциала, а также нормализации численных данных, полученных в результате опроса, была разработана система весовых (поправочных) коэффициентов. В целях получения более объективного значения ИИП вес одних индикаторов был уменьшен, в то время как веса индикаторов, характеризующих уровень товарности и рентабельности производства, а также число внедряемых инноваций были увеличены. Расчет усредненного по числу хозяйств суммарного ИИП, осуществленного по вышеописанной методике для каждой природно-экономической зоны Волгоградской области, дал следующие результаты (Рисунок 8).

Рисунок 8 — Индекс инновационного потенциала К(Ф)Х за 2018 г.

На рисунке 8 видно, что наибольшей величины (около 10) индекс инновационного потенциала достигает в степной зоне черноземных почв. Именно в этой зоне фиксируется наиболее высокая степень диверсификации сельскохозяйственного производства в рамках фермерских хозяйств, наблюдается сравнительно высокие показатели материально-технической, кадровой и ресурсной обеспеченности фермеров. Показатели сухостепных зон каштановых и темно-каштановых почв находятся на несколько меньшем уровне, по сравнению с первой зоной. В данном случае проявляется тенденция к снижению практически всех показателей агропромышленного производства в фермерских хозяйствах, опосредуемая ухудшением климатических условий в этих зонах. Тем не менее, по сравнению с Волго-Ахтубинской поймой, и полупустынной зоной светло-каштановых почв, показатели которых практически вдвое меньше, инновационный потенциал зон с черноземами находится на довольно высоком уровне.

На основе анализа природно-экономического зонирования Волгоградской области был сделан вывод, что наиболее благоприятной локацией для реализации проекта экспериментального базового К(Ф)Х является степная зона черноземных почв. Дифференциация земельных ресурсов зоны по культурам сельскохозяйственных растений имеет растениеводческую направленность, в частности 61,18% пашни занимают зерновые и зернобобовые культуры, а 33,68% – подсолнечник. Животноводческая составляющая агропромышленного производства в фермерских хозяйствах зоны также достаточно развита, о чем свидетельствует численность поголовья сельскохозяйственных животных, имеющихся в К(Ф)Х, хотя по валовым показателям поголовья, данная зона несколько уступает сухостепной и полупустынной зонам. Ведущим направлением животноводства является выращивание коз и овец, составляющих 44% общего количества животных, крупный рогатый скот составляет 21,6%, свиньи – 18,44%, птица – около 15%.

Сухостепные зоны каштановых и темно-каштановых почв (2-я и 4-я зоны соответственно) имеют ярко выраженную животноводческую специализацию, с преобладанием в производстве крупного рогатого скота, численность которого в крестьянских (фермерских) хозяйствах зон составляет до 70%, овцы и козы – 14,3%, птица – 11,8%. Однако, несмотря на очевидную животноводческую специфику указанных зон, размещение инновационного животноводческого предприятия с использованием органического производства в условиях беспривязного содержания животных, окажется, по нашему мнению, менее эффективным, чем в степной зоне черноземных почв.

Что касается специализации полупустынной зоны светло-каштановых почв (5-й зоны), то она имеет явственную животноводческую специализацию с доминирующим преобладанием птицеводства, овцеводства и козоводства и достаточно низким индексом инновационного потенциала.

Вопреки прогнозам показатель ИИП Волго-Ахтубинской поймы оказался на довольно низком уровне. Несмотря на близость зоны к крупным населенным пунктам, и, следовательно, к научно-исследовательским и производственным центрам, наличие отлаженной транспортно-логистической структуры, доступа к информационным, консалтинговым и кадровым ресурсам, зона демонстрирует весьма невысокий показатель инновационного потенциала. Этот феномен объясняется довольно просто: во-первых, сельскохозяйственное производство в условиях зоны практически никак не диверсифицируемо; во-вторых, потребность во внедрении фермерами новых технологий и сельскохозяйственных новаций подавляется узконаправленной специализацией зоны, сосредоточенной на производстве продукции овощеводства, основанного на ручном труде; в третьих, поскольку в состав зоны включен только один район, статистические и аналитические оценки разнообразных индексов не могут отвечать требованиям репрезентативности и, следовательно, не могут считаться достаточно объективными с точки зрения описания тех или иных тенденций развития.

Обобщающие параметры экономической эффективности малых форм хозяйствования в большей степени соответствуют возможностям простого и, в отдельные благоприятные с позиции почвенно-климатических и конъюнктурных условий функционирования годы, даже расширенного воспроизводства, что наглядно подтверждают аналитические данные за последних лет (табл. 18).

Таблица 18 – Параметры экономической эффективности функционирования малых форм хозяйствования за 2017 – 2018 гг.

Показатели	2017 г.			2018 г.
Показатели	ИП	К(Ф)Х	СХО	ИП	К(Ф)Х	СХО
Прибыль / убыток, тыс. руб.	206124	3560410	9574655	230582	4829575	9931249
Выработка на работника, тыс. руб./чел.	2080,43	3013,72	2047,60	2136,26	3240,85	2419,64
Рентабельность продаж, %	19,01	19,77	19,01	16,63	22,66	18,38
Совокупный уровень рентабельности, %	23,48	24,64	24,91	19,95	29,30	23,76

Сопоставимые параметры эффективности малых форм хозяйствования и агропредприятий во многом определяются тенденцией укрупнения субъектов малого агробизнеса и изменением товарной структуры их производства, от низкотоварных форм производства в сторону увеличения доли ИП и К(Ф)Х с высоким уровнем товарности. Таким образом, совокупность исследованных ограничений, с учётом возможностей их преодоления, следует рассматривать как потенциал инновационного развития малых форм хозяйствования, реализацию которого должны обеспечить в первую очередь цифровые решения для малых форм хозяйствования в агропромышленном комплексе (в том числе «Умная ферма», «Умное поле», «Умное стадо», «Умная теплица», «Умная переработка», «Умный склад», «Умный агроофис» и другие), а также система мер государственной поддержки в рамках заключения смарт-контрактов (пакетные решения по льготному кредитованию, страхованию, субсидиям и грантам). При этом реализацию обозначенных направлений следует рассматривать в сочетании с подготовкой кадров для цифровой экономики при наполнении первой в России отраслевой квазикорпоративной электронной образовательной системы «Земля знаний». Высокий социально-экономический эффект цифровых решений по обозначенным направлениям обусловлен как повышением эффективности функционирования и производительности труда в малых формах хозяйствования, так и подготовкой кадров для цифровой агарной экономики.

Для установления технико-экономических параметров цифровых фермерских хозяйств из всего их множества по природно-климатическим зонам были отобраны базовые фермерские хозяйства, которые специализируются на производстве преимущественно одного вида продукции, имеют наиболее высокий инновационный потенциал и требуют минимальных затрат на приобретение техники, оборудования, программного обеспечения, чтобы осуществить переход на цифровые технологии и стать полноценной базой подготовки высококвалифицированных специалистов в основных отраслях аграрного производства:

— производство зерна — КХ «Ишкина А.В.» Михайловского района Волгоградской области, ИИП = 10,13 (Степная зона черноземных почв, ИИП = 9,65). Основной специализацией КХ «Ишкина А.В.» является выращивание зерновых культур; зернобобовых культур; семян масличных культур;

— производство продукции овощеводства – К(Ф)Х «Куршумов Искандар Чахалович» Быковского района Волгоградской области, ИИП = 7,94 (Сухостепная зона темно-каштановых почв, ИИП = 7,81). Основная специализация хозяйства связана с выращиванием и продажей овощной продукции: томатов, перца, баклажан;

— производство продукции животноводства (КРС) — ИП «Соловьев А.В.» Среднеахтубинского района Волгоградской области, ИИП = 4,54 (Полупустынная зона светло-каштановых почв, ИИП = 4,28). Основной специализацией ИП «Соловьев А.В.» разведение молочного крупного рогатого скота, производство сырого молока.

4. Кадровое обеспечение базовых К(Ф)Х: подготовка ИТ-специалистов для сельского хозяйства региона

Предложенная авторами проекта система технико-экономических параметров, которым должны соответствовать базовые малые агропредприятия Волгоградского ГАУ, обеспечивающие приобретение студентами необходимых компетенций и практических навыков работы в условиях нового технологического уклада и цифровизации сельского хозяйства, на первую позицию выдвигает кадровое обеспечение МФХ, то есть подготовку квалифицированных кадров, способных внедрять и использовать цифровые технологии в производственном и управленческом процессе, что обеспечивает решение одной из главных задач концепции «Цифровое сельское хозяйство: «Создание системы подготовки специалистов сельскохозяйственных предприятий с целью формирования у них компетенций в области цифровой экономики по работе с цифровыми продуктами и цифровыми технологиями».

Использование цифровых технологий в АПК требует подготовки специалистов, свободно ориентирующихся в информационных системах и электронных программах, обеспечивающих конкурентоспособность сельскохозяйственных предприятий и производимой ими продукции. Прежде всего, необходима подготовка нового поколения руководителей сельскохозяйственных организаций, способных выходить на уровень международной кооперации и экспорта отечественной продукции.

Работники отрасли должны уметь эффективно работать с информационными потоками и владеть современными средствами установления продуктивных связей в Интернете, использовать различные Интернет-сервисы и инструменты для изучения аналитических отчетов и обзоров, искать эффективные способы освоения новых ресурсов и рынков, оперативно контролируя состояние предприятия и взаимодействуя с различными партнерами и системами в сети для управления в режиме реального времени.

Для реализации Стратегии развития зернового подкомплекса Волгоградской области, ориентированной на производство качественного зерна пшеницы с высоким содержанием протеина, которое востребовано на мировом рынке, агроформированиям необходимы высококвалифицированные специалисты, владеющие не только технологиями возделывания, но и свободно ориентирующимися в лучших сортоиспытательных и селекционных практиках. Кроме того, производство растениеводческой продукции и в перспективе будет базироваться на масличных, овощных, бахчевых и плодовых культурах со значительным увеличением среднего валового сбора, что потребует дополнительного притока молодых специалистов для использования инновационных технологий возделывания и круглогодичной работы в закрытом грунте. Наращивание производства животноводческой продукции делает особенно актуальным присутствие на производстве высококвалифицированных зоотехников и ветеринарных врачей, обеспечивающих качество и безопасность продуктов питания животного происхождения.

Субъекты малого предпринимательства в сельском хозяйстве региона испытывают потребность в специалистах, а вновь создаваемые хозяйства практически работают без профессионально подготовленных кадров. Такая же ситуация в перерабатывающей сфере. И если первичная переработка на 75% обеспечена кадрами, то вторичная испытывает значительный дефицит 57%, поскольку заданные темпы роста перерабатывающих предприятий зачастую опережают обеспеченность их трудовыми ресурсами.

Известна проблема дефицита квалифицированных кадров не только в волгоградском регионе, но и в стране: российскому агросектору необходимо порядка 90 тысяч ИТ-специалистов [16]. В настоящее время региональная потребность в таких специалистах составляет более 80%. Для снижения дефицита необходимо непрерывное обучение работников отрасли и развитие на основе информационно-ориентированного подхода актуальных прогрессивных методик обучения и современного инструментария.

Такой инструментарий применяется в Волгоградском государственном аграрном университете при подготовке специалистов нового поколения для цифрового АПК. Так, в учебном процессе университета используются современные программные продукты более 180 отечественных и зарубежных вендоров. Дополнительные образовательные программы в области информационных технологий реализуются в открытых в университете академиях всемирно известных вендоров: Microsoft, Cisco, Oracle. Учитывая высокую значимость и перспективность для агропромышленного комплекса технологии интернета вещей (IoT), компания Samsung открыла в Волгоградском ГАУ свою Академию, в которой студенты смогут по материалам компании изучать технологии интернета вещей, а впоследствии и машинного обучения, а затем выполнять реальные проекты, защищая их перед авторитетной комиссией, в состав которой входят представители всемирно известных компаний-вендоров.

Для малых форм хозяйствования и кооперативов организовано обучение и консультационное сопровождение в рамках реализуемых на федеральном и региональном уровне программ «Начинающий фермер», «Семейная животноводческая ферма», «Создание кооператива». Оценка перспективных показателей реализации регионального проекта по созданию системы поддержки фермеров и развития сельской кооперации, свидетельствует, что подготовка по данному направлению будет весьма востребованной (табл. 19).

Организационные и консультационные меры поддержки фермеров и сельскохозяйственных кооперативов на региональном уровне предусматривают в первую очередь обучение, подготовку и переподготовку кадров для малых форм хозяйствования и предоставление информационно-консультационных услуг по правовым, финансово-экономическим, организационным и другим вопросам.

Одним из определяющих условий подготовки квалифицированных инженеров и специалистов для цифровизации сельского хозяйства является наличие в вузе современной учебно-лабораторной базы, соответствующих условий ведения образовательной деятельности и согласованности образовательных программ, тематик научных исследований с реальными потребностями производства.

Таблица 19 — Целевые показатели реализации регионального проекта «Создание системы поддержки фермеров и развития сельской кооперации» в Волгоградской области

Наименование показателя	Целевое значение на конец года
Наименование показателя	2019	2020	2021	2022	2023	2024
Обеспечение вновь вовлеченных в субъекты малого и среднего предпринимательства (МСП) в сельском хозяйстве Волгоградской области к 2024 году, ед.	342	306	322	479	688	808
Количество принятых членов сельскохозяйственных потребительских кооперативов (кроме кредитных) из числа субъектов малого и среднего предпринимательства и личных подсобных хозяйств граждан, ед.	210	204	200	320	493	586
Количество вновь созданных субъектов малого и среднего предпринимательства в сельском хозяйстве, включая крестьянские (фермерские) хозяйства и сельскохозяйственные потребительские кооперативы, ед.	104	76	96	115	1зз	156

Учитывая высокую потребность в специалистах для цифровой экономики, в Волгоградском ГАУ реализуются специализированные образовательные программы по направлению подготовки 38.03.05 Бизнес-информатика (профили «Бизнес-информатика в АПК» и «Цифровая экономика»). Выпускники этих направлений подготовки умеют работать с большими массивами данных, использовать современные методы и средства, в том числе интеллектуальные технологии, для анализа данных, прогнозирования и принятия обоснованных управленческих решений. Кроме того, они умеют выполнять формализацию, анализ и реинжиниринг бизнес-процессов, создавать в автоматизированном режиме многочисленные варианты бизнес-планов, чтобы создать эталонные бизнес-процессы, позволяющие существенно повысить эффективность деятельности предприятия.

В университете создана многоступенчатая подготовка специалистов и в области проектирования, создания, адаптации и внедрения информационных систем, начиная с подготовки специалистов среднего звена (Прикладная информатика (по отраслям) — специалитет среднего профессионального образования), подготовки бакалавров (09.03.03 Прикладная информатика) и заканчивая подготовкой магистров (09.04.03 Прикладная информатика профиль «Управление сопровождением и проектами создания информационных систем, автоматизирующих задачи организационного управления и бизнес-процессы»).

В основной профессиональной образовательной программе направлений бакалавриата и магистратуры «Агроинженерия» элементы цифрового сельского хозяйства преподаются в рамках дисциплин: «Основы мобильных энергетических средств», «Направления развития сельскохозяйственных машин»; «Современные сельскохозяйственные комплексы машин», «Эксплуатация машинно-тракторного парка»; «Проектирование машинно-тракторного парка»; «Проектирование механизированных комплексов»; «Автоматизация технологических процессов». Основная профессиональная образовательная программа направления бакалавриата «Менеджмент» предусматривает преподавание дисциплин «Научные основы инновационных технологий», «Стратегический менеджмент», «Информационные технологии и в менеджменте», магистерская программа включает курсы «Управление бизнес-процессами в АПК», «Инновационное развитие предприятий АПК», обеспечивающие освоение обучающимися основ цифровизации управленческих процессов.

В учебном плане подготовки бакалавров 35.03.06 – Агроинженерия выделены самостоятельные дисциплины «Цифровая механизация сельского хозяйства», дающая знания по цифровой трансформации сельского хозяйства посредством внедрения цифровых технологий и платформенных решений и функционированию цифровых: ферм (платформы для управления и хранения данных), полей (точное внесение удобрений, точный высев, точное опрыскивание, мониторинг урожайности), стада, теплицы, переработки, складов, агроофисов (логистика).

Учебный план подготовки магистров 35.04.06 – Агроинженерия предусматривает дисциплину «Цифровой мониторинг технологических процессов в агропромышленном комплексе», преподавание которой нацелено на формирование комплексных знаний, умений и навыков для цифрового мониторинга, компетенций по оценке урожайности с обязательной географической привязкой полученных данных, дифференцированному внесению материалов в зависимости от ситуации на каждом отдельном участке поля, экономическим аспектам цифрового мониторинга технологических процессов в агропромышленном комплексе. Для полноценного преподавания современных цифровых технологий необходим диагностический компьютер, который впоследствии может использоваться для комплектования конкурсной площадки по компетенции «Эксплуатация сельскохозяйственной техники» конкурса «Молодые профессионалы» WSR.

Для научной (магистратура и аспирантура) и производственной (организация практик) деятельности на полях УНПЦ «Горная Поляна» необходимо приобретение мобильных систем позиционирования – трекеров и датчиков контроля за расходом топлива. В настоящее время преподавание элементов цифрового сельского хозяйства ведется с использованием интернет-контента по данной тематике.

Для создания учебной базы преподавания и изучения современных цифровых технологий Волгоградский ГАУ планирует закупку российской системы мониторинга и контроля операций Agrotronic и/или многофункционального дисплея Trimble CFX-750 (система параллельного вождения по курсоуказателю вдоль рядов в условиях любой видимости в ручном режиме, либо в автоматическом режиме в составе автопилота; управления секциями опрыскивателей и сеялок точного высева; управления нормой высева; дифференцированного внесения удобрений).

В 2019 г. в ВолГАУ создан научный центр инноваций и перспективных исследований, в который вошла лаборатория «Роботизированные технологии и цифровая адаптация сельскохозяйственной техники». Лаборатория создана для обеспечения практических занятий со студентами и для проведения научно-исследовательских работ профессорско-преподавательского состава.

Лаборатория осуществляет проведение научных исследований в области цифровых технологий точного земледелия, апробацию и внедрение цифровых технологий точного земледелия и разработку роботизированных сельскохозяйственных машин.

Основные направления работы:

Апробация и внедрение цифровых технологий точного земледелия, применяемых на всех этапах/технологических операциях производства (прямой и полосовой посев, дифференцированное внесение удобрений, контролируемый проезд техники (CTF), эффективная уборочная и послеуборочная логистика и т.д.).
Сбор и накопление информации для информационно-экспертных систем и платформ Big Data об объектах сельскохозяйственных ресурсов (на примере УНПЦ «Горная Поляна»), в частности, сельскохозяйственной техники, оборудования, запасных частях и потребности в них.
Анализ результатов использования инновационных технологий для сбора и обработки информации о состоянии и использовании сельскохозяйственной техники на базе УНПЦ «Горная Поляна».
Адаптация отечественной и приобретаемой сельскохозяйственной импортной техники к требованиям платформ телеметрии и управления интернета вещей, в т. ч. изучение и формирование функциональных требований к отечественной аппаратуре дифференциального позиционирования по сигналам ГЛОНАСС для систем цифрового и «точного земледелия».
Разработка образовательных программ обучения с целью формирования компетенций цифрового сельского хозяйства у студентов направления «Агроинженения». Разработка программ повышения квалификации сельхозтоваропроизводителей.

В настоящее время Волгоградский ГАУ готовит предложение в комитет сельского хозяйства, комитет информационных технологий Волгоградской области об организации на базе ФГБОУ ВО Волгоградский ГАУ регионального центра компетенций в области цифрового сельского хозяйства и созданию учебно-опытного полигона и демонстрационной площадки по внедрению цифровых технологий в сельскохозяйственное производство, проведению практических и лабораторных занятий, учебных практик. Учитывая высокий уровень теоретической и практической подготовки, выпускники Волгоградского ГАУ способны внести весомый вклад в цифровизацию регионального АПК.

5. Техническое и программно-аппаратное обеспечение базовых К(Ф)Х

5.1. Формализация и анализ и бизнес-процессов производства сельхозпродукции в базовых К(Ф)Х с целью их последующей автоматизации

В настоящее время в сфере менеджмента наблюдается активный переход от функционального подхода управления к процессному, а затем и к архитектурному, что влечет за собой необходимость проектирования архитектуры современных сельскохозяйственных предприятий. Архитектура предприятия – это наиболее общее и всестороннее представление предприятия, как хозяйствующего субъекта [17].

Внедрение цифровых технологий в АПК требует создания принципиально новой бизнес-архитектуры экспериментальных цифровых фермерских хозяйств. Модель архитектуры позволяет обеспечить всестороннее описание автоматизируемой организации посредством выявления скрытых взаимосвязей и взаимозависимостей в моделях предметной области, что облегчит навигацию по сложным архитектурным схемам организации и ее информационной системы.

Модель архитектуры предприятия призвана концентрировать и аккумулировать знания — о процессах, информационных объектах, поведении, информационных и материальных потоках, ресурсах и организационных единицах, инфраструктуре и архитектуре систем в предприятии. Данная модель направлена не только на повышение интегрированности предприятия, но и на поддержку, анализ его архитектуры в различных разрезах.

Проектирование бизнес-архитектуры включает в себя выявление слоя бизнес-процессов предприятия, информационных объектов, а также приложений, обрабатывающих потоки информационных объектов.

Бизнес-слой идентифицирует: функции, процессы, организацию, информационные потоки, обеспечивающие выполнение миссии организации. Он представляет собой исходную точку зрения для анализа данных, используемых приложений и их возможностей, а также реализацию технологий, необходимых для поддержания повторного использования компонентов и выполнения стандартов.

Обычно рассматривают такие слои как: бизнес-слой, архитектура данных, интеграция физических данных, концептуальная модель/модель процессов, архитектура приложений, технологическая архитектура, техническая модель.

Программная среда Dragon 1 на сегодняшний день является одной из наиболее функциональных в области моделирования архитектуры предприятия. По сути, данный инструмент представляет собой платформенно-независимую среду моделирования архитектуры предприятия посредством формализации данных и последующей графической реализации

В ходе проектирования бизнес-слоя в среде Dragon 1 [18] были выделены функции и процессы типового фермерского хозяйства, а также информационные объекты, используемые в данных процессах и приложения, с помощью которых выполняется управление этими информационными объектами (рис. 9-13), что позволяет наглядно увидеть полное отсутствие наполненности слоя приложений бизнес-архитектуры.

В ходе проектирования бизнес-слоя в среде Dragon 1 были выделены функции и процессы типового фермерского хозяйства, а также информационные объекты, используемые в данных процессах и приложения, с помощью которых выполняется управление этими информационными объектами (рис. 9-13), что позволяет наглядно увидеть полное отсутствие наполненности слоя приложений бизнес-архитектуры.

Произведенный анализ описания архитектуры предприятия и бизнес-архитектуры в частности, а также инструментов и технологий моделирования бизнес-архитектуры показал, что необходимы инструменты, модели и методы для общего описания организации и проектируемой бизнес-архитектуры, отвечающие следующим требованиям:

комплексное описание предметной области организации и ее информационной системы с возможностью интеграции и анализа различных архитектурных аспектов;
содержание наиболее общих и основополагающих понятий и отношений в моделируемой предметной области организации с возможностью детализации различных архитектурных аспектов;

Рисунок 9 – Архитектурный репозиторий программной среды Dragon1

Рисунок 10 – Визуальный дизайнер программной среды Dragon1

Рисунок 11 – Схема декомпозиции процесса «Возделывание

сельскохозяйственной продукции» в типовом КФХ

Рисунок 12 – Схема декомпозиции процесса «Доработка продукции»

в типовом КФХ

Рисунок 13 – Схема декомпозиции процесса «Уборка урожая»

в типовом КФХ

навигация по различным слоям бизнес-архитектуры предприятия;
возможность выявления скрытых взаимосвязей и взаимозависимостей элементов бизнес-архитектуры;
машинно-читаемость и возможность трансляции на другие языки моделирования целиком или частично, для интеграции с существующими методологиями и инструментальными средствами проектирования бизнес-архитектуры предприятия;
обеспечение инструментами визуализаций-моделей бизнес-архитектуры предприятия, с возможностью их интерпретации широким кругом специалистов (менеджерами, ИТ-менеджерами, системным аналитикам и разработчиками приложений, а также всеми заинтересованными участниками проекта);
обеспечение единства понятийного аппарата и создание глоссария для всех участников процесса проектирования информационной системы организации.

Формализация и анализ бизнес-процесса «Выполнить научные исследования и проектные работы»

Современные цифровые технологии способны своевременно выполнять сбор и анализ больших массивов информации из различных источников; мониторинг экономических, технологических процессов и процессов естественного воспроизводства; обеспечивать оптимальные условия производства сельскохозяйственной продукции и обоснованное принятие управленческих решений; позволяют увеличить объемы сельскохозяйственного производства и доходность отрасли [19]. Однако уровень внедрения цифровых технологий в сельском хозяйстве Российской Федерации остается самым низким среди всех отраслей хозяйства. Одной из важных причин такого отставания, наряду с особенностями ведения агропроизводства и высоких первоначальных инвестиций, является непонимание сельхозтоваропроизводителями процессов использования цифровых технологий и механизмов повышения эффективности и результативности деятельности предприятий вследствие их применения как в России, так и за рубежом. Для устранения этой причины необходимо ясно, реалистично и подробно описать бизнес-процессы, иллюстрирующие трансформацию традиционного сельскохозяйственного предприятия в цифровое, то есть использующего в своей деятельности современные информационные технологии [20].

Нами выделены следующие бизнес-процессы верхнего уровня фермерского хозяйства: выполнить маркетинговые исследования, выполнить научные исследования и проектные работы, осуществить закупки, выполнить производство продуктов и услуг, реализовать продукцию и услуги, выполнить сервисное обслуживание, выполнить работы по развитию.

Бизнес-процесс «Выполнить научные исследования и проектные работы» является одним из важнейших, поскольку определяет, по сути дела, успех всех дальнейших действий по производству продукции и услуг. Ненадлежащее выполнение этого процесса может привести к недостаткам в выборе сельскохозяйственных культур и технологии их возделывания; неправильному выбору техники для производств; уменьшению валового дохода и прибыли предприятия.

Бизнес-процесс «Выполнить научные исследования и проектные работы» включает следующие подпроцессы: проанализировать возможности производства, определить комплекс агротехнологических приемов, разработать технологию производства, разработать проекты. Рассмотрим подробнее подпроцессы «Как есть» исследуемого бизнес-процесса, изображенные в виде диаграмм в нотации BPMN на рисунке Д.1 приложения Д.

Стартовое событие подпроцесса «Проанализировать возможности производства» запускается получением результата маркетингового исследования о потенциальном спросе рынка на продукцию сельскохозяйственного предприятия, полученного в предыдущем процессе верхнего уровня. После стартового события параллельные операции сбора информации о возможности производственного оборудования предприятия и сбора данных о почвенно-климатических условиях и об истории полей, исполняемые соответственно экономистом и агрономом предприятия, позволяют разработать агроному план посева, который далее должен быть утвержден экономистом с учетом всей собранной информации. При условии отрицательного результата утверждения плана посева разработка плана посева повторяется. Подпроцесс завершается сообщением о наличии утвержденного плана посева и собранной информации о производственных мощностях сельскохозяйственного предприятия, которое запускает следующий подпроцесс «Определить комплекс агротехнологических приемов».

Подпроцесс «Определить комплекс агротехнологических приемов» после стартового события, запущенного предыдущим подпроцессом, начинается с операции обзора агрономом литературы и передового опыта агротехнологических приемов выращивания культур в соответствии с планом посева и производственными мощностями предприятия, что дает возможность агроному далее в параллельных операциях грамотно определить системы обработки и удобрения почвы, комплекс агротехнологических приемов подготовки и посева семян, комплекс агротехнологических приемов по уходу и уборке посевов. Подпроцесс завершается сообщением о готовности комплекса агротехнологических приемов выращивания культур, которое является основанием запуска следующего подпроцесса «Разработать технологию производства». Единственным исполнителем подпроцесса «Разработать технологию производства» так же, как и в предыдущем подпроцессе, является агроном, который разрабатывает технологию выращивания культуры после операции соответствующего обзора литературы, передового и собственного опыта. Подпроцесс завершается сообщением о готовности технологической карты, которое запускает стартовое событие следующего подпроцесса «Создать проекты».

Экономист предприятия, который является единственным исполнителем подпроцесса «Создать проекты», на основании полученного документа «Технологическая карта» из предыдущего подпроцесса выполняет последовательно операции по разработке проекта и расчету его экономической эффективности до выполнения условия положительной эффективности разработанного проекта. Подпроцесс завершается сообщением о готовности проекта по выращиванию культур, которое запускает следующий процесс верхнего уровня «Осуществить закупку».

Анализ существующего процесса «Выполнить научные исследования и проектные работы», схемы которого представлены на рисунке Д.1, выявил его существенные недостатки в плане высоких требований к квалификации исполнителей, трудоемкости и длительности операций по сбору и обработке данных, что в итоге может привести к значительной потере урожая. На протяжении всего процесса агроном выполняет операции, которые, по сути, представляют собой решение многокритериальных задач на основе значительного объема данных, которые, в свою очередь, собраны преимущественно ручным или механизированным способами. Поэтому результат исследуемого процесса напрямую зависит от степени квалификации агронома, который должен владеть не только агротехнологическими приемами, но и математическим аппаратом решения задачи многокритериальной оптимизации.

Отсутствие у экономиста современных средств поддержки принятия решения, необходимость сбора и обработки большого объема данных, в том числе и за прошедшие годы, ограниченные сроки разработки и утверждения итогового проекта ввиду специфики растениеводства, успех в котором напрямую зависит от соблюдения временных факторов, также являются причиной создания зачастую не самого эффективного проекта в растениеводстве.

Формализация и анализ бизнес-процессов производства продукции

растениеводства

Бизнес-процесс «Выполнить производство продукции и услуг» включает следующие подпроцессы: возделывание продукции, уборка урожая, доработка продукции, сортировка продукции, хранение продукции.

Бизнес-процесс «Выполнить производство продукции и услуг» в растениеводстве рассматривается на примерах выращивания озимой пшеницы и томатов в базовых фермерских хозяйствах Волгоградского ГАУ. Эти два продукта растениеводства для Волгоградской области занимают особое место. По данным Росстата в валовом сборе зерновых по Волгоградской области на озимую пшеницу с 2013 по 2018 год приходится от 61 до 80 % [21]. Томаты являются брендовым продуктом Волгоградской области ещё с советских времён, сорта волгоградской селекции томатов и сейчас пользуются высоким спросом на российском рынке овощей [22].

Запускают исследуемый бизнес-процесс «Выполнить производство продукции и услуг» результаты предшествующих процессов «Выполнить научные исследования и проектные работы» и «Осуществить закупку», которыми являются технологическая карта и проект по выращиванию культуры, а также все приобретенные ресурсы, необходимые для реализации проекта.

Бизнес-процесс производства озимой пшеницы в КХ «Ишкина А.В.» Михайловского района Волгоградской области

В КХ «Ишкина А.В.» при возделывании зерновых культурна большинстве полей применяется традиционная технология, подпроцессы которой были подробно проанализированы. Основные процессы осуществляются с использованием тракторов «BELARUS МТЗ», «Кировец», «Бюлер Версатайл 535», комбайнами «Полесье КЗС-1218», комбинированными посевными агрегатами «Джерарди G-224», «Джерарди G-262», «ГритПлейнс 4000», опрыскивателями «Версатейл-3000 24м», имеющими базовое программное оснащение. Зерновые культуры выращиваются на площади 2300 га.

Все процессы первого уровня производства озимой пшеницы представлены на рисунке Е.1 приложения Е.

Процесс первого уровня «Возделывание продукции» для озимой пшеницы представлен последовательностью трех подпроцессов (рисунок Е.1): основная обработка почвы, предпосевная обработка почвы и посев, уход [23].

Декомпозиция подпроцесса «Основная обработка почвы», представленная на рисунке Е.2, объединяет две группы операций незавершенного производства и культивации в весенний период. Все операции этих групп – «Лущение стерни» и «Пахота» незавершенного производства и «Боронование» и «Культивация на глубину 8-10 см» – осуществляются после соответствующих сообщений (команд) от агронома, который предварительно осуществляет анализ почвенно-климатических условий и предшественников. Количество повторений лущения стерни и культивации, направленной на уничтожение сорняков по мере их произрастания в весенний период, также определяется агрономом.

Декомпозиция подпроцесса «Предпосевная обработка почвы», представленная на рисунке Е.3, определяет последовательность операций, осуществляемых непосредственно перед посевом озимой пшеницы. На основе анализа почвенно-климатических условий агроном сообщает о начале параллельных операций подготовки почвы и семян к посеву, завершается сев операцией прикатывания для улучшения контакта семян с почвой и обеспечения дружных всходов. Завершение подпроцесса «Предпосевная обработка почвы» запускает следующий подпроцесс «Уход».

Все операции подпроцесса «Уход» выполняются под контролем агронома на основе анализа почвенно-климатических условий и состояния всходов (рисунок Е.4). После боронования в ранневесенний период всходам необходимо обеспечить своевременные и в достаточном объеме подкормки и обработки от вредителей [24]. Весь комплекс мероприятий ухода за посевами озимой пшеницы должен способствовать сохранению к уборке максимум продуктивных побегов, результативность этого процесса зависит от правильно принятых решений агронома.

Процесс первого уровня «Уборка урожая» для озимой пшеницы представлен подпроцессом собственно уборки и последующими параллельными подпроцессами послеуборочных работ по пожнивным остаткам и транспортировки зерна на ток (рисунок Е.1). Декомпозиция подпроцесса «Уборка» представлена на рисунке Е.5. Начало уборки определяет агроном на основе проделанного им анализа почвенно-климатических условий, созревания посевов и засоренности поля. В зависимости от степени засоренности поля выбирается способ уборки – прямое комбайнирование или скашивание в валки с последующим подбором и обмолотом [23].

Декомпозиция подпроцесса «Послеуборочные работы по пожнивным остаткам», представленная на рисунке Е.6, определяет последовательность операций, выполняемых трактористом: сталкивание соломы, погрузка соломы, транспортировка соломы и её скирдование. Процесс первого уровня «Доработка продукции» для озимой пшеницы представлен подпроцессом «Очистка и сушка зерна» (рисунок Е.1), который декомпозирован на рисунке Е.7 и запускается завершением операции транспортировки зерна на ток предыдущего подпроцесса. Послеуборочная обработка зерна, которую проводят на специально оборудованных механизированных токах, заключается в последовательности проводимых операций: предварительная очистка зерна, активная вентилирования зерна, сушка зерна и первая очистка зерна. Для достижения целей проводимых операций – повышение качества зерновой массы и способности к длительному хранению – необходим регулярный лабораторный контроль параметров процессов (рисунок Е.7, непрерывающие событие – сообщение) посредством анализа температуры и влажности зерновой массы и атмосферного воздуха, качества зерна, значения которых регулярно фиксируются лабораторией (рисунок Е.7, граничное непрерывающие событие – сигнал). Завершение сушки зерна происходит по достижению соответствующего показателя влажности зерна (рисунок Е.7, граничное прерывающие событие – условное).

Процесс первого уровня «Сортировка продукции» для озимой пшеницы представлен подпроцессом «Сортировка и транспортировка зерна в зернохранилище» (рисунок Е.1), который декомпозирован на рисунке Е.8. При сортировке отбираются лучшие по качественным показателям зёрна на семенной материал и для пищевой отрасли. Отобранный семенной материал отправляют в семенохранилище, а остальное, ввиду загруженности зернохранилищ в сезон, предварительно подлежит временному хранению, в течение которого необходим регулярный лабораторный контроль через анализ температуры и влажности зерновой массы и атмосферного воздуха, качества зерна.

Процесс первого уровня «Хранение продукции» описан параллельными циклическими процессами буртования зерна и поддержки режимов температуры и влажности (рисунок Е.1).

Анализ существующего процесса «Выполнить производство продукции и услуг» на примере выращивания озимой пшеницы (рисунок Е.1), показал его существенные недостатки в плане высоких требований к квалификации агронома, который определяет время начала и параметры всех значимых операций выращивания озимой пшеницы на основе собственных знаний, опыта и анализа данных, которые преимущественно собраны им же ручным или механизированным способом. В процессе ухода за посевами от агронома требуется незамедлительной коррекции развития побегов или борьбы с вредителями на определенных участках поля. Всегда актуален вопрос научно-обоснованного состава и концентрации удобрения или химической защиты побегов, для чего необходима по сути научная лаборатория, а не один агроном, хоть и с богатейшим профессиональным опытом. После уборки урожая ответственность за сохранность качества зерна ложиться на лаборатории при механизированных токах, которые на основе регулярных сборов соответствующих данных корректируют процессы сушки и хранения зерна, успех этого процесса определяется квалификацией сотрудников лаборатории и современным уровнем технической оснащенности лаборатории, что на практике, к сожалению, отсутствует.

Бизнес-процесс производства томатов рассадным способом в открытом грунте с применением капельного орошения в К(Ф)Х «Куршумов Искандар Чахалович» Быковского района Волгоградской области

Все процессы первого уровня производства томатов рассадным способом в открытом грунте с применением капельного орошения представлены на рисунке Ж.1 приложения Ж.

Процесс первого уровня «Возделывание продукции» для томатов (рисунок Ж.1) представлен подпроцессом основной обработки почвы; параллельными процессами выращивания рассады и предпосевной обработки почвы; последующими подпроцессами посадки рассады и ухода [25].

Декомпозиция подпроцесса «Основная обработка почвы» представлена на рисунке Ж.2. Операции этого подпроцесса – лущение, внесение удобрения – запускаются агрономом после соответствующего анализа почвенно-климатических условий и предшественников, количество повторений лущения также определяется агрономом. Завершается подпроцесс операцией отвальной вспашки.

Декомпозиция подпроцесса «Выращивание рассады» представлена на рисунке Ж.3. Последовательность операций «Подготовка субстрата для посева семян» и «Высев семян» запускается командой от агронома после проведенного им анализа почвенно-климатических условий. После посева агроном регулярно проводит анализ почвенно-климатических условий теплицы и состояния всходов с целью корректировки режима теплицы (температуры, влажности, вентиляции, света), который поддерживается рабочими теплицы, параллельно осуществляются циклическая операция «Полив и подкормка» и операция «Пикировка». Завершающим событием подпроцесса «Выращивание рассады» является сигнал о готовности рассады к высадке.

Декомпозиция подпроцесса «Предпосевная обработка почвы» представлена на рисунке Ж.4. На основе анализа почвенно-климатических условий агроном сообщает о начале операций «Покровное боронование» с последующим внесением удобрения и «Фрезерование», после которого осуществляется монтаж капельного орошения. Завершающим событием подпроцесса «Предпосевная обработка почвы» является сигнал о готовности почвы к высадке рассады. Стартовым событием подпроцесса «Посадка рассады», декомпозиция которого представлена на рисунке Ж.5, является сигнал о готовности почвы и рассады к высадке. На основе анализа почвенно-климатических условий агроном сообщает о начале последовательности операций транспортировки и высадки рассады, далее агроном осуществляет регулярной анализ почвенно-климатических условий, состояния рассады с целью определения необходимости проведения циклической операции капельного полива до полного приживания рассады.

Все операции подпроцесса «Уход» выполняются под контролем агронома на основе анализа почвенно-климатических условий и состояния рассады (рисунок Ж.6). Агроном определяет необходимость проведения и чередование циклических операций ухода за томатами: полив и подкормка через капельную ленту; прополка и окучивание рядов; удаление больных растений; пасынкование; культивация междурядий; обработка химикатами от вредителей и болезней.

Процесс первого уровня «Уборка урожая» для томатов представлен подпроцессом уборки (рисунок Ж.1), декомпозиция которого приведена на рисунке Ж.7. Начало уборки определяет агроном на основе проделанного им анализа почвенно-климатических условий и зрелости плодов, в зависимости от процента зрелых плодов и целей сбора выбирается способ уборки – сплошная комбайновая уборка растений или ручная уборка, что предпочтительнее для последующей продажи томатов [26]. Завершается уборка последовательностью операций «Погрузка томатов в транспортные средства» и «Перевозка томатов на сортировку».

Процесс «Доработка продукции» для томатов как процесс первого уровня отсутствует (рисунок Ж.1), к операциям этого процесса можно отнести удаление нестандартных плодов, что присутствует в процессе первого уровня «Сортировка продукции».

Процесс первого уровня «Сортировка продукции» для томатов представлен подпроцессом «Сортировка томатов» и последующими неисключающими друг друга операциями транспортировки на продажу, переработку или в овощехранилище (рисунок Ж.1). Декомпозиция подпроцесса «Сортировка томатов» представлена на рисунке Ж.8. После операции «Разгрузка томатов на сортировочный стол» выполняются параллельные операции «Сортировка томатов по степени зрелости», «Калибровка», «Удаление нестандартных плодов», «Укладка в тару». Завершается подпроцесс «Сортировка томатов» операцией «Погрузка тары для транспортировки».

Процесс первого уровня «Хранение продукции» описан параллельными операциями «Хранение томатов» и «Поддержка режимов температуры, влажности, вентиляции» (рисунок Ж.1).

Анализ существующего процесса «Выполнить производство продукции и услуг» на примере выращивания томатов (рисунок Ж.1), показал его существенные недостатки в плане высоких требований к квалификации агронома, который определяет время начала и параметры всех значимых операций выращивания томатов на основе собственных знаний, опыта и анализа данных, которые преимущественно собраны им же ручным или механизированным способом.

В процессе выращивания рассады и ухода после её высадки от агронома требуются пристальное внимание и незамедлительные научно обоснованные решения на изменения в процессах. После уборки урожая томатов требуется максимально сократить время на сортировку и транспортировку продукции, а также количество ошибок при сортировке, чего не может обеспечить использование ручного труда в этих процессах.

Формализация и анализ бизнес-процессов производства молочной продукции в ИП «Соловьев А.В.» Среднеахтубинского района Волгоградской области

В настоящее время имеется чрезвычайно мало информации об организации бизнес-процессов на молочных фермах и проблемах, связанных с их оценкой и реорганизацией. Однако их четкое описание необходимо для понимания текущего положения дел и непрерывного совершенствования с целью повышения эффективности управления производственной деятельностью сельскохозяйственных предприятий. Поэтому целью данного исследования является изучение, формализация, анализ бизнес-процессов на молочных фермах с целью их дальнейшей реорганизации и создания эталонных бизнес-процессов, реализуемых с использованием цифровых технологий, адаптивных методов управления и обладающих высокой эффективностью.

На базе методологии бизнес-моделирования и процессного подхода выполнена формализация в виде графических моделей бизнес-процессов «Как есть» молочных ферм, начиная с первого уровня декомпозиции (Приложение З. рисунок З.1) и дальнейшей их декомпозиции до более подробного описания процессов на третьем уровне декомпозиции (Приложение З. рисунок З.8,9). Это позволяет выявить текущие несоответствия, проблемы и узкие места, а затем построить модели «Как будет», отображающие правила выполнения процессов для достижения желаемой цели. Анализ представленных графических моделей показал, что процессы типовых молочных ферм не в полной мере используют прогрессивные средства производства, наукоемкие, цифровые технологии, в то время как для достижения высоких результатов необходима реализация максимального количества факторов технологической оснащенности производства, его индустриализации, эффективных методов управления на основе поддержки принятия решений специалистов [27]. Подавляющее большинство молочных ферм не соблюдает типовые требования к организации бизнес-процессов, что приводит к снижению производительности и эффективности производства.

Требуется совершенствование процессов управления микроклиматом, технологией содержания и управления здоровьем коров. Из диаграмм видно, что на современных молочных комплексах уже используется идентификация животных посредством наушных бирок, однако это не позволяет определять состояние животных, сигнализировать об его изменении и необходимости принятия срочных мер. В то же время имеется возможность производить расчет отклонений производственных параметров от эталонных и на основании опыта специалиста принимать решения об изменении текущего режима содержания коров. Кроме того, в автоматизированном режиме имеется возможность формировать отчетность по количеству и качеству надоенного молока для каждой коровы и всего стада [28].

Проведенные исследования бизнес-процессов и архитектуры базовых фермерских хозяйств Волгоградского ГАУ показали, что применение цифровых технологий в них находится на начальном уровне. В наибольшей степени они используются на предприятиях молочного животноводства, где выполняется идентификация животных, индивидуальный учет надоев, расчет отклонений производственных параметров от эталонных и автоматизация бухгалтерского учета. Однако на сельскохозяйственных предприятиях, занимающихся производством как продукции растениеводства, так и животноводства, практически все производственные решения принимаются на основе знаний, опыта и анализа данных, которые преимущественно собраны ручным или механизированным способом, специалистами хозяйства. Это приводит к низкой оперативности и повышенным рискам принятия необоснованных управленческих решений, большой трудоемкости выполнения агротехнологических работ и, как следствие, недостаточной эффективности деятельности предприятия. Внедрение современных цифровых технологий поможет ликвидировать эти недостатки.

Использование архитектурного подхода для отображения цифровизации базовых хозяйств аграрных вузов

В современном сельском хозяйстве можно выделить несколько направлений развития технологий и использования инноваций [29]:

технологии обработки почвы;
технологии выращивания и содержания скота;
технологии осушения и орошения почвы;
технологии сбора и сохранения продукции;
технологии транспортировки и реализации продукции.

Интернет вещей — концепция вычислительной сети физических предметов («вещей»), оснащённых встроенными технологиями для взаимодействия друг с другом или с внешней средой, рассматривающая организацию таких сетей как явление, способное перестроить экономические и общественные процессы, исключающее из части действий и операций необходимость участия человека [30].

Интернет вещей предоставляет возможность реализации точного земледелия. Идея состоит в определении неоднородностей в области одного поля, с использованием данных с гео-спутников. Информация поступает от всевозможных устройств, расположенных в поле (грядке, стволах дерева), на ферме от датчиков, агротехники, метеорологических станций, спутниковых систем, автоматических дронов, внешних систем, партнерских платформ, поставщиков. Общие данные от различных участников производственной цепочки, собранные в одном месте, позволяют получать информацию нового качества, находить закономерности, создавать добавочную стоимость для всех вовлеченных участников, применять современные научные методы обработки и на их основе принимать правильные решения, которые помогут минимизировать риски, улучшающие бизнес производителей и клиентский опыт. С помощью полученный сведений, можно провести анализ, который позволит спланировать более целесообразную посадку, а также, наиболее оптимальную норму использования удобрений, инсектицидов и прочих разнообразных химикатов. Система подскажет, в каком случае необходимо добавить тот или иной компонент. Как результат, представители агропромышленного бизнеса могут экономить, а также наносить в разы меньше урона окружающей среде, за счет оптимизации производственного процесса. Кроме того, с помощью вычислений, основанных на математическом моделировании, можно прогнозировать количество урожая в той или иной ситуации [31].

Также система позволяет анализировать поведение насекомых и прочих вредителей для предотвращения порчи урожая. Еще одно применение специализированных сенсоров связано с поливом растений, система может проводить анализ почвы и регулировать полив. Таким образом, оросительный процесс проходит в рассчитанных пропорциях, не нарушая структуру и свойства почвы. Широкое применение можно найти оборудованию, позволяющему с помощью разнообразных датчиков анализировать состояние мест, где хранится урожай. Так, при грамотной регулировке температуры и влажности помещения, урожай сохраняется невредимым намного дольше, нежели обычно. Возможности для модернизации отрасли весьма обширны, под давлением необходимости повышения производительности сельское хозяйство претерпит метаморфозу из традиционной в высокотехнологичную отрасль, которая в свою очередь, сможет предоставить новые возможности для реализации инновационных решений и разработок на рынке.

Внедрение технологии интернета вещей приведет к изменению всех групп бизнес-процессов сельхозпредприятий, поскольку существенным образом изменится модель ведения бизнеса. При этом кардинальные изменения претерпят не только отдельные бизнес-процессы, но и вся сеть и архитектура бизнес-процессов компании. Пустующие слои нижнего уровня архитектуры типовых фермерских хозяйств, представленные в предыдущем разделе настоящего отчета, будут заполнены экземплярами используемых программных приложений (Applications) и информационной инфраструктуры (IT infrastructure).

Рисунок 14 — Архитектура цифрового предприятия

в программной среде Dragon1

Модель архитектуры позволяет обеспечить всестороннее описание автоматизируемой организации посредством выявления скрытых взаимосвязей и взаимозависимостей в моделях предметной области, что облегчит навигацию по сложным архитектурным схемам организации и ее информационной системы.

Таким образом, проведенный анализ существующих исследований в области интернета вещей в сельскохозяйственных предприятиях доказал актуальность и необходимость формализации данных предметной области и создание типовой бизнес-архитектуры цифрового фермерского хозяйства.

5.2. Современные программно-аппаратные и технические средства для реализации цифровых технологий в базовых К(Ф)Х

Для обоснования рациональных параметров и режимов работы программно-аппаратных и технических средств для реализации цифровых технологий в экспериментальных цифровых фермерских хозяйствах необходимо провести анализ существующих автоматических устройств и автоматизированных систем используемых в агропромышленном производстве в России и за рубежом.

Для обнаружения, позиционирования и идентификации чаще всего используются спутниковые навигационные системы GPS (в основном для мониторинга транспортных средств и сельскохозяйственных агрегатов), а также телевизионное и цифровое видеонаблюдение и системы позиционирования в режиме реального времени – RTLS, однако каждая из этих систем имеет свои ограничения (табл. 20) [32].

Таблица 20 — Сравнительные характеристики применяемых технологий идентификации и позиционирования подвижных объектов

Технологии позиционирования	Параметры сравнения
Технологии позиционирования	Точность	Дистанция	Стоимость
Система спутниковой навигации ГЛОНАСС, GPS	10…15 м	в пределах доступности	низкая
Сотовая связь	100…500 м	в пределах доступности	низкая
Инфракрасное	10 см	3…10 м	высокая
Ультразвуковое	10 см	3…10 м	высокая
Активные RFID системы радиочастотных идентификаторов	1…3 м	20…100 м	средняя
Сетевая беспроводная система локального позиционирования RTLS	1 м	>30 м	средняя
Лазерное наведение	До 1 мм	>1000 м	высокая

Спутниковые навигационные системы (GPS, ГЛОНАСС) обеспечивают позиционирование и идентификацию на огромных территориях, но не работают внутри малых площадей и требуют, чтобы контролируемый объект был снабжен устройством с уникальным кодом (меткой).

Важным элементом технологии точного земледелия, как для работы в режиме реального времени (on-line), так и в режиме off-line, является использование различных датчиков (сенсоров) [32,33].

Устройства, используемые в растениеводстве

Знание свойств почв, определяющих их плодородие, является важной предпосылкой для принятия объективных решений в технологии точного земледелия.

Это касается таких ее свойств, как плотность, текстура, влажность, содержание гумуса, питательных веществ и кислотность.

Плотность можно упрощенно использовать в качестве обобщенного показателя физического состояния почвы, который является одним из показателей ее пригодности для возделывания сельскохозяйственных культур.

Датчики определения свойств почвы измеряют сопротивление почвы, влажность, засоленность и другие необходимые показатели в реальном времени, и передают данные по беспроводным сетям на блок мониторинга и управления.

1. Измеритель плотности почвы (пенетрометр) Wile Soil

Рисунок 15 – Пенетрометр грунтовый

Таблица 21 – Характеристики пенетрометра Wile Soil

Основные атрибуты
Производитель	Farmcomp
Страна производитель	Финляндия
Дополнительные характеристики
Наконечник для проведения измерений плотности в твердом грунте	диаметром 1,27 см
Наконечник для проведения измерений плотности в мягком грунте	диаметром 1,91 см
Цена	19 000 руб.

2. Значение pH почвы является очень важным фактором в выращивании качественных культур. Большинство культур не могут выжить в слишком щелочной или кислой среде. Поэтому, знание pH почвы необходимо для получения оптимальных результатов для этих целей подходит полевой рН метр/влагомер почвы (грунта) Instrument ZD-05 [34].

Рисунок 16 – Полевой рН метр/влагомер Instrument ZD-05

Таблица 22 — Характеристики полевого рН метра/влагомера Instrument ZD-05

Производитель	ZD Instrument
Страна производитель	США
Цена	23 000 руб.

3. Зонды почвы «Sentek» предназначены для использования во всех типах грунтов при любых условиях содержание воды в почве, от насыщенных до сухих. Датчик TriSCAN предназначен для планирования удобрения и борьбы с засолением почв в научных исследованиях, сельском хозяйстве и экологии. Датчик влажности почвы измеряет объемное содержание воды (мм жидкости на 100 куб. мм измеряемой почвы) [35].

Рисунок 17 – Sentek Drill & Drop датчик TriSCAN

Таблица 23 – Характеристики Sentek Drill & Drop датчика TriSCAN
Длина зонда	30 cm (12”) / 60 cm (24”) / 90 cm (36”) / 120 cm (48”) / 150 cm (59”)
Количество датчиков	3 / 6 / 9 / 12 / 15
Внешний диаметр зонда	(Верхний нижний) 24,5-24 мм / 30-28,75 мм / 30-26,25 мм / 30-25 мм
Диапазон влажности (VWC)	сухой до насыщения
Метод	Технология, основанная на емкостном сопротивлением
Разрешение	Влажность (VWC): 1: 10000 Соленость (VIC, объемное содержание ионов): 1: 6000 Температура: 0,3 °C
Точность влажности	+/- 0,03 % об.
Точность температуры	+/- 2 °C при 25 °C
Рабочая температура	от -20 °C до 60 °C

Стоимость почвенных сенсоров:

Блок управления метеостанцией 800 €
Датчик осадков 440 €
Drill & Drop Probe, Moisture, SDI-12 (30 см) (температура — 3, влажность — 3) + Блок управления 1 600 €
Drill & Drop Probe, Moisture, SDI-12 (60 см) (температура — 6, влажность — 6) + Блок управления 1 800 €
Drill & Drop Probe, SDI-12 , TriScan (120 см) (Температура – 12, влажность – 12, солёность — 12) 2 420 €.

4. Погодная агро-метеостанция Meteobot Max — профессиональная станция, предоставляет полную агрометеорологическую информацию [36].

Рисунок 18 — Метеостанция Meteobot Max

Таблица 24 — Технические характеристики метеостанции Meteobot Max

Датчик	Разрешение	Охват	Точность
Температура воздуха	0,1С	-40С до +150С	0,5С
Относительная влажность воздуха	0,10%	0-100%	2%
Атмосферное давление	1гПа	500-1100гПа	1гПа
Скорость ветра	0,4м/с	0,9-40м/с	0,5м/с
Направление ветра	22,5	0-360	3
Количество дождя	0,25л/м2	0,25 л/м2- более 0	0,25л/м2
Интенсивность дождя	0,25л/ч	0,25 -180 л/ч	1,4%
Цена			2650€

Преимущества, недостатки и лучшее потенциальное использование рассмотренных сенсорных технологий приведены в таблице 25.

Таблица 25 — Сенсорные технологии для обнаружения болезни растений

Сенсорная технология	Преимущества	Недостатки	Наилучшие сферы применения
Флюоресценция	Раннее обнаружение болезней даже до того как произошли изменения растения	Не могут быть определены факторы, вызвавшие стрессовое состояние, недостаточная точность и чувствительность к уровню освещенности	Метод может быть использован для раннего предупреждения возможного осложнения в будущем или для использования в лабораторных исследованиях
Отражение света	Обеспечивает хорошее определение факторов, вызвавших стресс. Высокая точность в распознавании болезни растений	Более эффективно после того как определены симптомы и обесцвечивание становятся видимым. Чувствительность к интенсивности контроля и возрасту растения
Термография	Можно определить наличие болезни, если с ней связано содержание воды в листьях. Больший эффект при использовании на летательных аппаратах	Сильно зависит от уровня освещенности, очень низкая точность при изменении погодных условий, не позволяет идентифицировать специфические факторы, вызвавшие стресс растений	Используется в теплицах или летательных аппаратах при равномерной освещенности и постоянной температуре окружающей среды

5. В процессе посева необходим контроль технологических параметров механических сеялок, это возможно с помощью систем контроля посевного комплекса например таких как СКИФ-30 ДПФС [37]. СКПК контролирует:

нижний уровень семян и/или удобрений в трех бункерах сеялки;
вращение до четырех валов дозатора;
состояние двух независимых высевающих линий (семян и удобрений) в семяпроводах до 150 шт.;
относительный поток семян/удобрений в каждом семяпроводе;
целостность подключения цепи датчиков пролета ДПФС;
надежность и напряжение в сети электропитания;
постоянный самоконтроль системы (обрыв линий, неисправность датчиков и пр.)

Имеется возможность настраивать:

минимальный относительный поток для каждой линии;
способ обработки информации (линейный/логарифмический);
период отображения номеров датчиков пролета в режиме «Высев»;
период вывода аварийных сообщений и пр.

Предоставляемая информация:

отсутствие вращения вала дозатора (первые 10 сек после остановки вала);
снижение потока посевного материала через один из сошников (сигнал «Забит сошник»);
аварийное сообщение о номере «забившегося» сошника и относительном потоке через него;
неисправность в цепи датчиков пролета семян;
снижение уровня посевного материала в каждом из бункеров сеялки ниже установленного;
неисправность датчиков бункеров;
ненадежный контакт в цепи подключения системы к бортовой сети трактора («дребезг контактов»);
снижение напряжения в бортовой сети трактора ниже 11В или нарушения цепи питания СКПК в случае возникновения аварий — осуществляется звуковая и визуальная сигнализация.

Количество контролируемых сошников до 250 шт.

Типы сеялок и ПК:

Механические сеялки с внутренним диаметром семяпровода 32 мм. Amazone D9, KUHN Premia, РИТМ

Цена 44 000 рублей.

Датчики для измерения свойств растений и травостоев

Для бесконтактного измерения параметров, характеризующих рост и развитие растений (образование биомассы) и других параметров травостоев, применяют системы отражения дневного света и излучений искусственных источников, и датчики для определения сопротивления стеблестоев изгибу. Сравнительные характеристики наиболее распространённых представлены в таблице 26 [38].

Во время вегетационного периода необходимо внесение удобрений, которое возможно с помощью систем дифференцированного внесения удобрений, например таких как — Trimble GreenSeeker RT 200 предназначенной для работы: с прицепными, навесными, самоходными опрыскивателями и разбрасывателями; с жидкими и гранулированными азотными удобрениями; с контактными фунгицидами и десикантами; по зерновым, мелкосемянным и пропашным культурам.

Рисунок 19 — Система дифференцированного внесения материалов

Trimble GreenSeeker RT 200

Таблица 26 – Стоимость систем дифференцированного контроля

№	Наименование товара	Цена, руб.
1	Ручной датчик урожайности GreenSeeker	44000,00
2	Система GreenSeeker RT200C	960000,00
3	Система GreenSeeker RT200C	1300000,00

Таблица 27 — Сравнительная характеристика сенсорных датчиков [39]

Показатели	Система GreenSeeker	Система MiniVeg N	N-Sensor	Crop-Sensor
Обрабатываемая культура	Озимая пшеница, кукуруза, и ячмень	Зерновые культуры и кукуруза	Зерновые культуры, кукурузы и рапса	Все виды колосовых культур при отсутствии их полегания
Вносимые материалы	Жидкое удобрение, ведется разработка версии для гранулированных удобрений	Удобрения фунгициды, стимуляторы роста	Удобрения, фунгициды, стимуляторы роста	Удобрения, фунгициды, стимуляторы роста
Принцип работы	Часть отраженного света попадает на фотодиоды, где измеряется его количество. После вычисления на компьютере выдается индекс вегетации, который служит показателем плотности травостоя и его жизнеспособности. Бортовой компьютер позволяет вычислять необходимое количество удобрений и подавать их в каждый жиклер отдельно	Датчики крепятся на штанге, которая поворачивается в сторону по ходу движения техники. В датчике происходит разложение солнечных лучей и сравнение с лучами от растений. В зависимости от содержания хлорофилла в видимой части спектра отражается больше или меньше света. Определяется цвет листьев, а также плотность травостоя. Компьютер вычисляет необходимое количество удобрений. Определяет заболевание на листьях растений	Датчик монтируется на крыше тягача В датчике происходит разложение солнечных лучей на 256 диапазонов спектра и сравнение с лучами от растений. В зависимости от содержания хлорофилла в видимой части спектра отражается больше или меньше света. Определяется цвет листьев, а также плотность травостоя. Компьютер вычисляет необходимое количество удобрений. Программируются алгоритмы для их повторных внесений	На передней части трактора крепится маятник, с помощью которого на постоянной высоте измеряется сила сопротивления растений при их отклонении от вертикального положения. Установка высоты зависит от массы и количества отдельных растений. Чтобы избежать погрешностей измерения, необходимо выдерживать постоянную скорость движения машины. Условия, влияющие на точность измерения, например, глубина колеи трактора или его наклон из-за неровности местности, должны учитываться автоматически, благодаря дополнительной установке соответствующих устройств. Оценка массы растений происходит между колесами трактора, проходящего по междурядьям

Устройства, используемые в животноводстве

Электронные термометры (электронные «серьги») — удобный современный способ идентификации животных для учета, наблюдения за сельскохозяйственными животными. Сама бирка и номер, присвоенный животному, используются только один раз. Маленький вес и хорошее качество материала, из которого сделана бирка-кнопка, обеспечивают долгую службу. Электронные бирки для животных сделаны в виде двух твердых половинок кнопки. На одной из них находится удлиненный конус с острым металлическим концом, что позволяет быстро проколоть ухо животного и закрепить бирку. Обе части бирки-кнопки вращаются независимо друг от друга. Радиочастотный идентификационный номер закодирован внутри бирки [40].

Рисунок 20 – Электронная бирка для КРС

Основные характеристики

Материал термопластичный полиуретан;

Размер диаметр 30 мм, диаметр 25 мм;

Для кого КРС, свиньи, МРС;

Цвет по заказу (основной — желтый);

Характеристика ушных электронных бирок:

Протоколы считывания — FDX-B, HDX.

Заводская кодировка в соответствии с международными правилами.

Обязательное дублирование номера чипа лазерным нанесением на внешней части бирки входит в стоимость.

Установка электронной бирки на ухо животному осуществляется при помощи стандартного игольного аппликатора.

Часть «папа» комплекта бирки на выбор под размер в соответствии с видом животного.

Цена 154 рубля.

Таблетки-датчики. Система мониторинга smaXtec — создан для постоянного измерения уровня PH и температуры в рубце коровы, а также ее двигательной активности [41]. Эти данные передаются в режиме реального времени на антенну Base Station. Сравнение возможностей системы представлено на рисунке 21. В таблице 28 – стоимость системы в зависимости от количества голов и стоимости программного обеспечения.

Рисунок 21 – Возможности системы smaXtec

Таблица 28 — Стоимость системы

КП для производственных площадок
Наименование	от 20 голов, евро/шт.	от 50 голов , евро/шт.
Болюс базовый	100	95
Болюс pH.	330	325
Базовая станция	720	700
Ретраснлятор/репитер	260	245
Климатическая установка	170	170
Аппликатор	80	80

Датчик двигательной активности коров.

Задача выявления коров в охоте — по экономической значимости одна из важнейших в молочном скотоводстве, и особенно остро стоит в крупных хозяйствах, где визуальное определение охот затруднено. В западной научной периодике опубликованы сотни статей и предложены множество методов предсказания овуляции коров: от измерения содержания прогестерона в молоке (самый надёжный, но при этом самый дорогой метод) и до спектрального анализа мычания.

Приёмник «Ovi-bovi» в цельнометаллическом корпусе имеет два разъёма: для подключения антенны через SMA-коннектор и для восьмижильного PoE-кабеля систему автоматической детекции половой охоты по двигательной активности животных с беспроводной передачей данных в реальном времени.

Система состоит из:

индивидуальных беспроводных датчиков активности, носимых коровами на ошейниках;
приёмного узла с антенной, принимающего данные на расстоянии до 2 или — на открытой местности — до 5 км;
программного обеспечения по репродуктивному контролю стада для осеменатора, ветврача, заведующего фермой.

Таблица 29 -Технические характеристики системы

Масса и габариты датчика	80 г, 105 мм × 60 мм × 22 мм
Радиодиапазон	433,05…434,79 МГц
Пиковая мощность (ЭИИМ)	10 мВт
Скорость передачи данных	2,4 кбит/сек
Дальность приёма	2…5 км
Срок автономной работы	10 лет
Температурный диапазон	−20…85°С
Класс пыле- и влагозащиты	IP67
Число датчиков	не ограничено
Время калибровки	1 сутки

Стоимость: Датчик двигательной активности коров «Ovi-bovi» 75€. Приёмный узел «Ovi-bovi» 750€. Антенна внешняя 150 €.

5.3. Референсные эталонные модели бизнес-процессов экспериментальных цифровых фермерских хозяйств, создаваемых в базовых хозяйствах высших учебных заведений

Предлагаемая (Как будет – с применением средств автоматизации) формализация бизнес-процесса «Выполнить научные исследования и проектные работы»

Анализ существующего процесса «Выполнить научные исследования и проектные работы», схемы которого представлены на рисунке 22, выявил его существенные недостатки в плане высоких требований к квалификации исполнителей, трудоемкости и длительности операций по сбору и обработке данных, что в итоге может привести к значительной потере урожая. На протяжении всего процесса агроном выполняет операции, которые по сути представляют собой решение многокритериальных задач на основе значительного объема данных, которые, в свою очередь, собраны преимущественно ручным или механизированным способами. Поэтому результат исследуемого процесса напрямую зависит от степени квалификации агронома, который должен владеть не только агротехнологическими приемами, но и математическим аппаратом решения задача многокритериальной оптимизации.

Отсутствие у экономиста современных средств поддержки принятия решения, необходимость сбора и обработки большого объема данных, в том числе и за прошедшие года, ограниченные сроки разработки и утверждения итогового проекта ввиду специфики растениеводства, успех в котором напрямую зависит от соблюдения временных факторов, также являются причинами создания зачастую не самого эффективного проекта в растениеводстве.

С целью повышения эффективности производственной деятельности и принятия обоснованных управленческих решений целесообразно использовать цифровые технологии при выполнении исследуемого процесса. На рисунках 22-25 представлены диаграммы в нотации BPMN «Как будет» подпроцессов исследуемого бизнес-процесса.

Рисунок 22 – BPMN-диаграмма «Как будет» подпроцесса «Проанализировать возможности производства»

Рисунок 23 – BPMN-диаграмма «Как будет» подпроцесса «Определить

комплекс агротехнологических приемов»

Рисунок 24 – BPMN-диаграмма «Как будет» подпроцесса «Разработать технологию производства»

Рисунок 25 – BPMN-диаграмма «Как будет» подпроцесса «Разработать проекты» процесса «Выполнить научные исследования и проектные работы»

Результаты процесса «Выполнить маркетинговые исследования» будут представлены в виде расчетных данных по разнообразным культурам, (возможно и ранее не выращиваемым в данном хозяйстве), которые вносятся в хранилище первичных данных и запускают функцию «Проанализировать возможности производства» (рис. 22).

Далее запускаются три параллельных функции: «Сбор информации о возможности производственного оборудования», «Сбор данных об истории полей», «Сбор и обработка почвенно-климатических данных». Последнюю из перечисленных функций целесообразно выполнять вузу, имеющему квалифицированные научные кадры и более широкие возможности (программные, технические средства, научную и лабораторную базу и пр.) по обработке и анализу почвенно-климатических данных, чем базовое хозяйство. Собранные данные по каждому полю используются при разработке плана посева, при этом система поддержки принятия решений (ППР) предлагает различные планы посева для одного поля, в том числе и варианты с использованием оборудования, отсутствующего на предприятии, но применение которого целесообразно в сложившейся ситуации.

Далее экономист рассматривает план посева, предлагаемый агрономом, и предварительно оценивает экономическую целесообразность выращивания предложенных культур с использованием конкретного оборудования. Заканчивается подпроцесс подтвержденным перечнем планов посева, который включает различные допустимые варианты использования поля, в том числе и для выращивания ранее не производимых культур. Такой подход позволит с минимальными трудозатратами получить на выходе несколько проектов и выбрать наиболее привлекательный для сельскохозяйственного предприятия.

При выполнении подпроцесса «Определить комплекс агротехнологических приемов» (рис. 23) агроном только проверяет наличие в системе мониторинга и ППР наличие необходимых комплексов и агротехнологических приемов для выполнения разных планов посевов. В случае необходимости для предоставления дополнительной информации по этому вопросу подключается вуз.

На основе утвержденного перечня планов посевов при выполнении подпроцесса «Разработать технологию производства» агроном с применением средств автоматизации формирует несколько технологических карт (рис. 24). При этом на начальном этапе система ППР предлагает готовые варианты технологических карт для каждой культуры с выводом различных предполагаемых показателей рассчитанных в случае применения предлагаемой технологии. Агроному необходимо только уточнить некоторые операции и выбрать несколько наиболее перспективных технологий. Самое трудоемкое и сложное – разработка объективных многофакторных моделей для разных климатических зон, почв и пр. на этом этапе ложится на вуз. При этом, решив такую задачу, можно её тиражировать на различные хозяйства.

Последний подпроцесс позволяет выбрать наиболее перспективный проект, применяя систему ППР. На заключительном этапе свою визу должен ставить руководитель хозяйства (рис. 25).

Предлагаемые решения в модели «Как будет» процесса «Выполнение научных исследований и проектных работ» позволяют избавить базовые хозяйства от наиболее наукоемких и трудоемких процессов (обработка, анализ данных, изучение передовых технологий, построение многофакторных моделей для различных условий выращивания), передав для выполнения эти процессы аграрному вузу.

Особую роль работе базового хозяйства и его взаимодействия с вузом должна сыграть автоматизация предприятия. Предлагается создать информационную систему (ИС) предприятия из трех взаимосвязанных функциональных систем: хранилище первичных данных, система поддержки принятия решений и система мониторинга состояния (климата, почвы, техники и т.п.). Такая концептуальная модель ИС хозяйства должна хранить в базе знаний выстроенные цепочки агротехнологических операций, многофакторные модели технологий выращивания сельскохозяйственных культур. Это позволит снизить требования к квалификации агронома и экономиста хозяйства, так как система ППР предлагает несколько вариантов планов посева и технологий возделывания с предполагаемыми результатами по урожайности и расчетом экономических показателей.

Моделирование бизнес-процесса сельскохозяйственного предприятия «Выполнить научные исследования и проектные работы», выполненное в современной нотации BPMN, позволяет констатировать низкий уровень использования информационных технологий в операциях по сбору и обработке исходных данных, а также при выработке технологического и проектного решений в сельском хозяйстве. Стартовые решения для сельскохозяйственного производства требуют обработки большого объема данных, таких как климатические и почвенные характеристики, севооборот или история поля, производственные мощности, технологическое оборудование, трудовые ресурсы и т.д., что в современных условиях конкуренции сельхозтоваропроизводителей и государственной политики развития инноваций в сельском хозяйстве предполагает новый уровень использования информационных технологий – переход к цифровым технологиям, обеспечивающих автоматизацию сбора и обработки большого объема данных и принятие решения на основе автоматизированных аналитических систем. Предложенные модели «Как есть» исследуемого процесса позволят использовать современные цифровые технологии и реорганизовать бизнес-процесс для снижения рисков и повышения эффективности деятельности сельскохозяйственного предприятия.

Предлагается создать информационную систему предприятие из двух взаимосвязанных функциональных систем: хранилище первичных данных, система поддержки принятия решений. Такая концептуальная модель информационной системы хозяйства позволит хранить оперативную информацию, поступающую от автоматических средств мониторинга, информацию формируемую работниками хозяйства и научными сотрудниками вуза, хранить в базе знаний выстроенных цепочек агротехнологических операций, многофакторные модели технологий выращивания. Что позволит снизить требования к квалификации агронома и экономиста хозяйства, так как система поддержки принятия решений предлагает несколько вариантов планов посева и технологий возделывания с предполагаемыми результатами по урожайности и расчетом экономических показателей. Специалисту необходимо только внести некоторые уточнения и изменения применительно именно к данному хозяйству и отправить проекты на утверждение руководителю.

Такой подход призван снизить риски потери урожая, повысить качество и эффективность принятых проектов по выращиванию сельскохозяйственных культур, на основе моделей прогнозировать урожайность и как следствие ожидаемую прибыль от деятельности хозяйства.

Предлагаемая (Как будет) формализация бизнес-процессов производства продукции растениеводства

Предлагается задействовать автоматизацию на всех этапах работы базового хозяйства. Такой подход позволит аккумулировать большие данные работать не с процессами, а по проектам в которых описаны все технологические операции, планировать и рассчитывать фактические экономические показатели на всех этапах жизненного цикла работы базового хозяйства.

При производстве продукции растениеводства последовательность операций и предполагаемая стоимость всех работ содержится в проекте по выращиванию культуры на поле. Агроному необходимо будет выполнять рекомендации системы поддержки принятия решений. При этом система поддержки принятия решений делает свои рекомендации на основе данных имеющихся в хранилище первичных данных. Данные можно разделить условно на три категории: данные о состоянии почвы и климатических условиях, данные о состоянии выращиваемой продукции, данные об операциях и состоянии технических устройств (датчики позиционирования техники, расхода горючего, удобрений и пр.)

Процессы производства пшеница (как будет) представлены на рисунках 26-34 (для КХ «Ишкина А.В.»)

Рисунок 26 – BPMN-диаграмма «Как будет» процесса «Выполнить производство озимой пшеницы»

Рассмотрим основные изменения. Построенные диаграммы «как будет» не привязаны к технологии выращивания пшеницы. В зависимости от утвержденного проекта на этапе НИР, выполняются те или иные технологические операции.

Рисунок 27 – Продолжение BPMN-диаграмма «Как будет» процесса «Выполнить производство озимой пшеницы»

Рисунок 28 – BPMN-диаграмма «Как будет» декомпозиции процесса «Основная обработка почвы»

Например, на рисунке 28 при выполнении процесса «Основная обработка почвы» постоянно проводится анализ почвенно-климатических условий. В зависимости от результатов этого анализа система поддержки принятия решений рекомендует проводить конкретную технологическую операцию (например, лущение), при этом приводится предсказание влияние этой операции на урожайность, расход и расчет итоговых экономических показателей. На основании представленных данных агроном принимает решение о необходимости данной операции. При выполнении этой операции в хранилище первичных данных записываются характеристики техники, проводится фактический расчет расхода ресурсов, что отражается в итоговых показателях проекта. В завершении система поддержки принятия решений рекомендует перейти к следующему этапу «Предпосевная подготовка почвы и посев».

На этапе предпосевная подготовка почвы и посев проводится подготовка семян в соответствии с принятой технологией выращивания, при подготовке почвы и севе снимаются показания с установленных датчиков на технике (данные заносятся в хранилище первичных данных), а также заносятся данные о семенах и т.д.

Все остальные процессы описанные в виде диаграмм (рис. 29) принципиально мало чем отличаются от описанных.

Рисунок 29 – BPMN-диаграмма «Как будет» декомпозиции процесса «Предпосевная обработка почвы и посев»

Рисунок 30 – BPMN-диаграмма «Как будет» декомпозиции процесса «Уход»

Рисунок 31 – BPMN-диаграмма «Как будет» декомпозиции процесса «Уборка»

Рисунок 32 – BPMN-диаграмма «Как будет» декомпозиции процесса «Послеуборочные работы по пожнивным остаткам»

Рисунок 33 – BPMN-диаграмма «Как будет» декомпозиции процесса «Очистка и сушка зерна»

Рисунок 34 – BPMN-диаграмма «Как будет» декомпозиции процесса «Сортировка и транспортировка зерна в зернохранилище»

По результатам производства можно будет сравнить расходы, экономические показатели с планируемыми, при необходимости внести изменения в существующие модели технологий выращивания. Стоит отметить, что приведённые модели универсальны и могут быть применены к производству любых зерновых.

На рисунках 35-41 описаны модели выращивания томатов в открытом грунте (как будет) для К(Ф)Х «Куршумов Искандар Чахалович» Здесь также как при производстве пшеницы используется концептуальная модель информационной системы состоящей из хранилища первичных данных и системы поддержки принятия решений. При этом для универсальности и автоматизации пришлось объединить некоторые процессы, например, основную и предпосевную обработку почвы (рисунок 35).

Рисунок 35 – BPMN-диаграмма «Как будет» процесса

«Выполнить производство томатов»

Отобразили циклично процесс ухода, при этом при каждой итерации цикла происходит анализ почвенно-климатических условий и состояния рассады и система поддержки принятия решений рекомендует ту или иную операцию с предоставлением планируемых расходов и влияния этой операции на экономические показатели проекта. Здесь также как при производстве пшеницы по результатам производства можно будет сравнить расходы, экономические показатели с планируемыми.

Рисунок 36 – BPMN-диаграмма «Как будет» декомпозиции процесса «Основная и предпосевная обработка почвы»

Рисунок 37 – BPMN-диаграмма «Как будет» декомпозиции процесса «Выращивание рассады»

Рисунок 38 – BPMN-диаграмма «Как будет» декомпозиции процесса

«Посадка рассады»

Рисунок 39– BPMN-диаграмма «Как будет» декомпозиции процесса «Уход»

Рисунок 40 – BPMN-диаграмма «Как будет» декомпозиции процесса «Уборка»

Рисунок 41 – BPMN-диаграмма «Как будет» декомпозиции процесса

«Сортировка томатов»

Концептуальное представление процессов управления режимом

содержания коров при использовании цифровых технологий

Предлагаемая концептуальная модель управления режимом содержания животных при использовании современных цифровых технологий на предприятии молочного животноводства (ИП «Соловьев А.В.») в виде диаграммы прецедентов «Как будет» представлена на рисунке 42.

Современные цифровые технологии и уже используемые в практике зарубежного молочного животноводства устройства идентификации в виде «умных» ошейников, оснащённых различными датчиками, позволяют в режиме реального времени проводить наблюдение поведения и состояния каждого животного. Это дает возможность точно определять оптимальный момент осеменения коров, а в случае отклонения состояния или поведения животных от требуемого, автоматически производить отправку сообщения о возникших проблемах.

Чтобы предотвратить принятие неправильных управленческих решений, система предлагает для каждой выявленной проблемы предпринять конкретные предлагаемые ею действия. Возможно выполнять также выбор группы животных или конкретных особей для корректировки их состояния и поведения, создавать модели поведения групп коров и всего стада, определять местоположения животного в коровнике, а также изменять режим содержания коров в автоматическом режиме. По результатам контроля выполнения нового режима содержания животных может быть принято решение о его корректировке. Система также позволяет оценить влияние управленческих решений на производительность животных, определить отклонения производственных параметров от эталонных, формировать разнообразные виды отчетности как по отдельной корове, так и по всему стаду.

Представленные в разделе варианты автоматизации процессов верхнего уровня «Выполнить научные исследования и проектные работы» и «Производство продукции растениеводства/животноводства» предполагают изменение всех групп бизнес-процессов базового сельхозпредприятия, поскольку существенным образом изменится модель ведения бизнеса. При этом кардинальные изменения претерпят не только отдельные бизнес-процессы, но и вся сеть и архитектура бизнес-процессов базового сельхозпредприятия. Изменения затронут все уровни управления, начиная от оперативного, кончая стратегическим, что приведет к формированию качественно новой целостной системы управления изменениями предприятия. Она будет базироваться не на опыте и интуиции лиц, принимающих решения, а на обширной коллекции типов бизнес-правил, прогнозирующую аналитику, моделей знаний, адаптивные решения.

Рисунок 42 -Диаграмма прецедентов управления режимом содержания

животных при использовании ИТ «Как будет»

Накопленный обширный массив данных потребует привлечения технологий из раздела Big Data, выработку новых алгоритмов и технических решений. Реорганизация бизнес-процессов на оперативном уровне повлечет усовершенствование ресурсного обеспечения и отдельных операций бизнес-процессов без существенного изменения технологии их выполнения. На тактическом уровне произойдут изменения технологии и регламента бизнес-процессов, а на стратегическом изменится сеть бизнес-процессов сельхозпредприятия. Изменения затронут и потребителей сельхозпродукции так как предлагаемая концептуальная модель информационной системы позволит решать вопросы с прослеживаемостью выращенной сельхозпродукции, и как следствие при взаимодействии с ИС переработчика с/х продукции позволит потребителю проследить всю цепочку продукции от используемых семян до готового продукта в магазине.

Разработанные модели бизнес-процессов «Как будет» по сути являются рефренсными эталонными бизнес-процессами и могут быть рекомендованы для реализации в цифровых фермерских хозяйствах.

6. Финансово-экономическое и логистическое обеспечение базовых К(Ф)Х

6.1 Оценка экономической эффективности цифровизации технологий сельскохозяйственного производства и финансирование приобретения цифрового оборудования

Проведенные исследования показали, что внедрение цифровых технологий в сельском хозяйстве потребует перехода в сфере менеджмента от функционального подхода управления к процессному, а затем и к архитектурному. Выстроенная принципиально новая модель управления бизнес-процессами в растениеводстве и животноводстве экспериментальных цифровых фермерских хозяйств, расположенных в наиболее перспективных природно-климатических зонах Волгоградской области, позволяет концентрировать и аккумулировать знания о процессах, информационных объектах, поведении, информационных и материальных потоках, ресурсах и организационных единицах, инфраструктуре и архитектуре систем в К(Ф)Х.

При анализе экономической эффективности применения элементов цифровизации сопоставляют затраты на покупку техники и другие производственные издержки с уровнем снижения затрат или прибавкой урожайности по сравнению с традиционными технологиями.

Использование экономического анализа в технологиях точного земледелия ограничено трудностями, связанными с идентификацией и количественным учетом как положительных, так и отрицательных эффектов.

В частности, к таким положительным эффектам относят: снижение нагрузки и упрощение рабочего процесса для механизаторов за счет автоматизации технологических операций, более качественного управления агротехнологиями на основе информационной базы, улучшение условий оптимизации менеджмента как отдельных производственных процессов, так и всего хозяйства.

Однако трудно учесть затраты, связанные с повышением квалификации руководителей и рабочих, а также освоением новых специальных знаний на начальных этапах работы с новой техникой и современными технологиями. При внедрении цифровых технологий руководителям и специалистам агроформирований необходимы дополнительные профессиональные знания для управления технологическим процессом.

Большинство современных подходов к экономическому анализу технологии точного земледелия сводится к оценке применяемой техники и соответствующих технологий при выращивании отдельной сельскохозяйственной культуры. Вместе с тем очевидно, что общий агроэкономический эффект от интеграции технологий точного земледелия в масштабах хозяйства с учетом синергетических эффектов будет более высоким по сравнению с применением отдельных технологических комплексов.

Следует выделить основные факторы, определяющие динамику материальных и трудовых затрат (посевной материал, удобрения, средства защиты растений, горючее, затраты труда и др.) и повышение урожайности сельскохозяйственных культур:

– неоднородность полей по плодородию почв – чем она выше относительно оптимальных условий для роста и развития культурных растений, тем больше возможности для экономии производственных ресурсов и повышения урожайности;

– интенсификация производства – экономическая эффективность точного земледелия повышается при более высоком уровне интенсификации производства за счет снижения затрат средств производства;

– размер хозяйства или площадей, на которых проводятся дифференцированные мероприятия – с увеличением обрабатываемого участка в системе точного земледелия снижаются затраты на единицу площади, так как при этом постоянные издержки распределяются на большую территорию. С учетом того, что у каждой машины существует свой предел производительности по площади, при его превышении требуются дополнительные затраты. Переменные затраты не изменяются, а в отдельных случаях могут возрастать.

Для оценки эффективности использования элементов системы управления интеллектуальными технологиями в растениеводстве на примере выращивания озимой пшеницы в КХ «Ишкина А.В.» Михайловского района Волгоградской области используем данные технологических карт, которая рассчитана на площадь в 100 га.

Таблица 30 Суммарные инвестиции, необходимые для обеспечения цифровизации технологических процессов в растениеводстве, тыс. руб.

№ п/п	Наименование	Характеристика	Сумма
1.	Система дифференцированного контроля	Green Seeker RT200C	960
2.	Почвенные сенсоры, всего:	—	502
3.	в том числе: — блок управления метеостанцией	—	57
	— датчик осадков	Drill & Drop Probe	31
	— датчик температуры и влажности с блоком управления 1	Drill & Drop Probe, Moisture, SDI-12 (30 см) (температура — 3, влажность — 3)	114
	— датчик температуры и влажности с блоком управления 2	Drill & Drop Probe, Moisture, SDI-12 (60 см) (температура — 6, влажность — 6)	128
	— датчик температуры и влажности с блоком управления 3	Drill & Drop Probe, SDI-12 , TriScan (120 см) (Температура – 12, влажность – 12, солёность — 12)	172
4.	Пенетрометр Wile Soil	Наконечник для проведения измерений плотности в твердом /мягком грунте диаметром 1,27 – 1,91 см	19
5.	Ручной датчик урожайности	GreenSeeker	44
6.	Полевой рН метр / влагомер	Instrument ZD-05	23
7.	Система контроля посевного комплекса	СКИФ-30 ДПФС	44
	Суммарные инвестиции	—	1 592

* Источник: по данным коммерческих предложений.

Оборудование, необходимое для обеспечения цифровизации технологических процессов в полеводстве, включает в себя комплекс аппаратных и технических средств: датчиков, почвенных сенсоров, систем дифференцированного контроля. С целью оптимизации инвестиционных затрат был использован математический принцип минимакса, основу которого определяет стратегия развития фермерских хозяйств, где минимальные вложения инвестиционных ресурсов позволяют осуществить максимально возможности научно-технического прогресса. Таким образом, на основе обобщения коммерческих предложений ведущих фирм, обеспечивающих цифровизацию бизнес-процессов в сельском хозяйстве, были определены суммарные инвестиции необходимые для обеспечения цифровизации технологических процессов на 100 га, величина которых составляет 1592 тыс. руб. (табл. 30).

Следует отметить, что эргономика технологических операций в результате цифровизации позволяет значительно снизить совокупные затраты производственных ресурсов. Экономическая целесообразность внедрения новых способов обработки почвы обусловлена экономией ресурсов (табл. 31). Так, применение средств цифровизации позволит обеспечить существенную экономию посевного и горюче-смазочного материала, а также удобрений и средств защиты растений, что происходит за счёт дифференциации их внесения.

Таблица 31 Сравнительная экономическая оценка затратности технологий возделывания озимой пшеницы в базовых хозяйств ВолГАУ, за 2018 г. руб./га (традиционная технология)

Статьи затрат	Технологии*
Статьи затрат	Традиционная	Традиционная с использованием средств цифровизации
Семена	2791	2289
Минеральные удобрения и средства защиты растений	4275	3548
Горюче-смазочные материалы	2163	1839
Запчасти и материалы для ремонта	3708	3819
Оплата труда с отчислениями	1833	1742
Амортизация	3008	3158
Услуги сторонних организаций	113	119
Электроэнергия	268	273
Итого:	18159	16786

* Источник: фактические и плановые данные технологических карт КХ Ишкина.

При этом осуществление перехода от традиционной к минимальной и нулевой технологии обработки почвы с внедрением средств цифровизации позволяет обеспечить дальнейшее сокращение затрат на семенной и горюче-смазочный материалы, что составит более 35%, экономия издержек на запасные части и амортизацию изменяется от 11 до 45%, а сокращение расходов на оплату труда составляет от 20 до 40%, незначительно снижаются расходы на электроэнергию от 3 до 5%. В то время переход к новым технологиям приводит к росту затрат на минеральные удобрения и средства защиты растений, величина которых существенно на 12 – 55% возрастает (табл. 32 – 33).

Таблица 32 Сравнительная экономическая оценка затратности технологий возделывания озимой пшеницы в базовых хозяйств ВолГАУ, за 2018 г. руб./га (минимальная с механическим паром «Minimal-till»)

Статьи затрат	Технологии*
Статьи затрат	«Minimal-till»	«Minimal-till» с использованием дополнительных средств цифровизации
Семена	2450	2271
Минеральные удобрения и средства защиты растений	4570	4185
Горюче-смазочные материалы	1560	1462
Запчасти и материалы для ремонта	3300	3501
Оплата труда с отчислениями	1260	1233
Амортизация	2570	2779
Услуги сторонних организаций	95	103
Электроэнергия	210	221
Итого:	16015	15755

* Источник: фактические и плановые данные технологических карт базовых хозяйств ВолГАУ.

Таблица 33 Сравнительная экономическая оценка затратности технологий возделывания озимой пшеницы в базовых хозяйств ВолГАУ, за 2018 г. руб./га (нулевая с химическим паром «No-till»)

Статьи затрат	Технологии*
Статьи затрат	«No-till»	«No-till» с использованием дополнительных средств цифровизации
Семена	2173	2043
Минеральные удобрения и средства защиты растений	6129	5761
Горюче-смазочные материалы	1045	993
Запчасти и материалы для ремонта	2070	2132
Оплата труда с отчислениями	979	930
Амортизация	2009	2109
Услуги сторонних организаций	93	97
Электроэнергия	196	200
Итого:	14693	14265

* Источник: фактические и плановые данные технологических карт КХ Ишкина.

Применение новых технологий обработки почвы, с точки зрения сокращения производственных затрат, является оправданным. Тем не менее, результативность технологии определяется выходом продукции с единицы площади, то есть натуральной эффективностью (урожайность), а также экономической эффективностью при сопоставлении экономического эффекта с затратами не его обеспечение, то есть рентабельность (табл. 34).

Таблица 34 – Экономическая эффективность технологий возделывания озимой пшеницы в базовых хозяйств ВолГАУ, за 2018 г.

Показатели	Технологии
Показатели	Традиционная	Традиционная с использованием средств цифровизации
Урожайность, ц/га	24,3	30,6
Производственные затраты на 1 га , руб.	18159	16786
Затраты труда на 1 га, чел. — ч	9,32	8,65
Цена реализации 1 ц, руб.	1100	1100
Производственная себестоимость 1 ц, руб.	747,28	548,56
Стоимость валовой продукции с 1 га посева, руб.	26730	33660
Чистый доход, руб., в расчете на:	—	—
— 1 ц зерна	352,72	551,44
— 1 га посева	8571	16874
— 1 чел.-ч.	919,64	1950,75
Суммарный экономический эффект в результате цифровизации на 1 га, руб. в том числе:	—	8303
— экономия технологических затрат на 1 га, руб.	—	1373
— стоимость прибавки урожая с 1 га, руб.	—	6930
Уровень рентабельности по чистому доходу, %	47,20	100,52

Анализ сопоставления параметров урожайности и экономической эффективности свидетельствует о существенном приросте урожайности озимой пшеницы от 5 до 7,5 ц/га, что обусловлено дифференциацией внесения необходимых удобрений на посевах. При этом эргономика технологических операций позволяет обеспечить сокращение затрат труда, что обеспечивает суммарный экономический эффект в результате цифровизации на 1 га в размере до 8,5 тыс. руб. Всё это приводит к существенному повышению рентабельности возделывания сельскохозяйственной культуры, параметры которой возрастают с 47,2 до 100,5%, формирую устойчивые позиции для ведения расширенного воспроизводства на базе крестьянских (фермерских) хозяйств.

Обоснование экономической эффективности применения средств цифровизации в рамках традиционной технологии возделывания зерновых сельскохозяйственных культур в рамках метода сравнения дополнительных технико-экономических показателей, представленных в таблице 35 [42].

Таблица 35 – Показатели экономической эффективности применения средств цифровизации в рамках традиционной технологии возделывания зерновых сельскохозяйственных культур (при производстве озимой пшеницы в КХ Ишкина А.В.)

Наименование показателей	Технологии		в % от базисных показателей
Наименование показателей	Традиционная	Традиционная с использованием средств цифровизации	в % от базисных показателей
Объем работ, га	100	100	100
Урожайность, ц/га	24,3	30,6	125,93
Затраты труда, чел.-час: на 1 га посева	9,32	8,65	92,81
на 1 ц продукции	0,38	0,28	73,68
Экономия труда, чел.- час	—	603	—
Рост производительности труда, %	—	3,57	—
Прямые эксплуатационные затраты, руб: на 1 га посева	18159	16786	92,44
на 1 ц продукции	747,28	548,56	73,41
Приведенные затраты, руб: на 1 га посева	18160	16870	92,90
на 1 ц продукции	747,32	551,30	73,77
Годовой экономический эффект, руб.	—	830300	—
Срок окупаемости дополнительных инвестиций, лет	—	1,91	—

Таким образом, годовой экономический эффект на 100 га достигает величины в 830 тыс. руб., позволяя обеспечить срок окупаемости дополнительных инвестиций в размере менее 2-х лет. В то же время величина срока окупаемость может быть существенно снижена – до 1 года, что является возможным при увеличении размеров посевных площадей и осуществлении перехода к минимальной и нулевой технологиям обработки почвы.

Усиление технологий выращивания средствами цифровизации обеспечит не только экономический эффект, но и позволит контролировать экологические параметры ведения сельскохозяйственного производства.

Существенное значение в увеличении производства сельскохозяйственных культур, в том числе и овощных культур, росте их урожайности имеет широкое применение интенсивных технологий. Для возделывания различных сортов томатов – это, прежде всего, агротехнологические приёмы капельного орошения и внесение удобрений по научно обоснованным нормам. Широкое применение удобрений сдерживается высокими ценами. Однако, внедрение средств цифровизации позволяет обеспечить сокращение затрат на агрохимию, дифференцированное использование которой способствует значительному росту урожайности и качества томатов (табл. 36).

Таблица 36 Сравнительная экономическая оценка затратности технологий возделывания томатов открытого грунта базовых хозяйств ВолГАУ, за 2018 г. руб./га (традиционная рассадная технология)

Статьи затрат	Технологии*
Статьи затрат	Традиционная (рассадная)	Традиционная (рассадная) с использованием средств цифровизации
Семена и посадочный материал	59551,51	51940,83
Удобрения и средства защиты растений	56601,59	50505,6
Горюче-смазочные материалы	37943,35	34789,12
Запчасти и материалы для ремонта	7780,414	7484,758
Оплата труда с отчислениями	157083,2	135284,8
Амортизация	11430,94	10781,84
Услуги сторонних организаций	7743,54	7598,469
Электроэнергия	30605,42	29453,34
Итого:	368740,1	327838,7

* Источник: фактические и плановые данные технологических карт К(Ф)Х «Куршумов Искандар Чахалович».

Внедрение производственного программного обеспечения и установка необходимых датчиков для перевода в «цифру» всех операционных и технологических процессов позволяет формировать и оптимизировать планы размещения культур и технологических операций в привязке к электронным картам полей, отслеживать в режиме online состояние технологических этапов, фиксировать отклонения и своевременно вносить корректировки. Подключение системы спутникового мониторинга состояния растений, а также оснащение сельхозоборудования автоматическими регулируемыми устройствами (дозаторами, форсунками и др.), позволяет, основываясь на состоянии отдельных участков поля, точечно дифференцировать нормы внесения удобрений, средств химической защиты, что обеспечивает высокую эффективность производства томатов открытого грунта (табл. 37).

Таблица 37 – Экономическая эффективность технологий возделывания томатов открытого грунта базовых хозяйств ВолГАУ за 2018 г.

Показатели	Технологии*		Абсолютное изменение, +, —
Показатели	Традиционная (рассадная)	Традиционная (рассадная) с использованием средств цифровизации	Абсолютное изменение, +, —
Урожайность, т/га	71,05	85,3	+ 14,25
Производственные затраты на 1 га , руб.	368740	327839	— 40901
Затраты труда на 1 га, чел.-ч.	720	650	— 70
Цена реализации 1т, руб.	7000	7000	—
Производственная себестоимость 1т, руб.	5189,87	3843,36	-1346,51
Стоимость валовой продукции с 1 га посева, руб.	497350	597100	+ 99750
в том числе: дополнительная продукция	—	99750	—
Чистый доход, руб., в расчете на:	—	—	—
— 1 т зерна	1810,13	3156,64	+ 1346,51
— 1 га посева	128610	269261	+ 140651
— 1 чел.-ч.	178,63	414,25	+ 235,62
Уровень рентабельности по чистому доходу, %	34,88	82,13	+ 47,25

* Источник: фактические и плановые данные технологических карт К(Ф)Х «Куршумов Искандар Чахалович».

При этом внедрение средств цифровизации в традиционной технологии возделывания томатов позволяет обеспечить существенное сокращение затрат на семена и посадочный материал, что составит от 8 до 13%, экономия издержек на запасные части и амортизацию изменяется от 6 до 10%, а сокращение расходов на оплату труда варьирует от 10 до 15%, незначительно снижаются расходы на ГСМ от 4 до 11%. В тоже время использование средств цифровизации в традиционных технологиях возделывания томатов за счёт дифференциации использования ресурсов приводит к сокращению затрат на минеральные удобрения и средства защиты растений на 7 – 16%. Совокупная экономия производственных затрат достигает величины в 41 тыс. руб. на 1 га или на 11%.

При этом сопоставление параметров урожайности и экономической эффективности свидетельствует о существенном приросте урожайности томатов открытого грунта (по сорту томатов Новичок) от 71,05 до 85,3 т/га, что обусловлено дифференциацией внесения необходимых удобрений на посевах. При этом эргономика технологических операций позволяет обеспечить сокращение затрат труда, что обеспечивает суммарный экономический эффект в результате цифровизации на 1 га в размере до 121 тыс. руб. Всё это приводит к существенному повышению рентабельности возделывания сельскохозяйственной культуры, параметры которой возрастают с 34,88 до 82,13 %, формируя устойчивые позиции для ведения расширенного воспроизводства на базе крестьянских (фермерских) хозяйств.

Для оценки экономической эффективности внедрения цифровых технологий при производстве цельного молока в условиях небольшой животноводческой фермы с численностью стада до 100 голов крупного рогатого скота использовались технологические карты молочного производства в ИП «Соловьев А.В.» Среднеахтубинского района Волгоградской области, официальные статистические данные, а также данные полученные из открытых источников.

Технологическое оборудование «умной» молочной фермы, основанной на применении цифровых технологий для контроля основных биометрических, физиологических и медицинских показателей животных, включает в себя электронные термометры, таблетки-датчики системы мониторинга smaXtec и датчики двигательной активности коров.

В результате обобщения коммерческих предложений ведущих фирм-производителей цифрового оборудования в области автоматизации животноводческого производства, был определен размер финансовых затрат, необходимых для реализации проекта «умной» молочной фермы. В пересчете на 100 коров, суммарная величина инвестиций составила 1 243 265 руб. (Таблица 38).

Система SmaXtec, помимо перечисленных элементов, может включать в себя также и иного рода цифровые сенсоры: датчики состояния параметров окружающей среды, ретрансляторы радиосигналов, базовые станции и т.п. Все данные, получаемые с датчиков, в режиме реального времени передаются на электронные вычислительные устройства и хранятся в облаке компании SmaXtec. Облачные технологии, в свою очередь, могут послужить основой для построения архитектуры BigData КРС путем занесения «личных карточек» каждого животного в БД, доступную фермерам через стационарные или мобильные устройства, подключенные к сети Интернет. Таким образом в реальном формате времени оператор получает возможность иметь о каждой корове исчерпывающую информацию, включая состояние ее здоровья, наличие (либо, наоборот, недостаток) питательных элементов в ее рационе, необходимость осеменения и т.д.

Таблица 38 Суммарные инвестиции необходимые для обеспечения цифровизации технологических процессов в животноводстве, руб.

№ п/п	Наименование	Цена, евро/шт.	Цена, руб/шт.	Стоимость на 100 голов, руб.
1	Электронные термометры	—	154	15400
2	Таблетки-датчики системы мониторинга smaXtec	—	—	229200,8
2.1	Болюс базовый	95	6741,2	13482,4
2.2	Болюс pH.	325	23062	46124
2.3	Базовая станция	700	49672	99344
2.4	Ретраснлятор/репитер	245	17385,2	34770,4
2.5	Климатическая установка	170	12063,2	24126,4
2.6	Аппликатор	80	5676,8	11353,6
3	Система двигательной активности коров	—	—	596064
3.1	Датчик двигательной активности коров «Ovi-bovi»	75	5322	532200
3.2	Приёмный узел «Ovi-bovi»	750	53220	53220
3.3	Антенна внешняя	150	10644	10644
4	1С: Предприятие 8. Селекция в животноводстве. КРС (5 р.м.)	—	102 600	102 600
5	Компьютерная техника	—	60 000	300 000
	Итого затрат	—	—	1 243 265

Следует учитывать, что достижение положительного экономического эффекта от использования оборудования SmaXtec возможно лишь при использовании специализированного программного обеспечения. Наиболее оптимальным по соотношению цена/эффективность является готовое решение «1С: Предприятие 8. Селекция в животноводстве. КРС», разработанное отечественным производителем ПО компанией «Матрица» на платформе «1С: Предприятие 8.3». Данное решение, помимо всего прочего, позволяет вести оценку и бонитировку стада, количественно-весовой учет животных, учет воспроизводства стада, учет надоев и анализ молока, учет ветеринарных мероприятий, учет кормов и т. д.

Основными факторами достижения экономического эффекта цифровизации молочного производства на базе технологического оборудования SmaXtec в сочетании с ПО «1С: Предприятие 8. Селекция в животноводстве. КРС» являются: сокращение трудозатрат в пересчете на голову КРС; сокращение расходов на ветеринарное обслуживание, закупку ветеринарных препаратов, кормов, биологически активных добавок; увеличение продуктивности коров и повышение качественных характеристик молока, в том числе увеличение его жирности и снижение бакосемененности. В целом, по оценкам отечественных специалистов, годовые надои «цифровизованных» коров черно-пестрой породы могут составить до 8000 кг молока, что в среднем на 20-25% выше, чем существующие на данный момент показатели продуктивности животных этой породы (Таблица 39).

Таблица 39 – Показатели экономической эффективности применения средств цифровизации в животноводстве (на 100 гол.)

Наименование показателей	Технологии		Экономический эффект, руб.	в % от базовых показателей
Наименование показателей	Традиционная	С применением средств цифровизации	Экономический эффект, руб.	в % от базовых показателей
Среднеобластная закупочная цена сырого молока, руб./кг	23,7	23,7	—	100
Годовой надой в расчете на одну корову, кг	6262	~ 7000	1749060	111,79
Годовая экономия труда в расчете на одну корову, чел./час	—	~ 30	327000	—
Прямые эксплуатационные затраты на корма, биологически активные добавки на одну корову в год, руб.	39576	~ 35000	457600	88,44
Затраты на ветеринарные препараты, вакцины, оказание ветеринарных услуг на одну корову в год, руб.	18160	~ 15000	316000	82,60
Итоговый экономический эффект	—	—	2849660	—
Срок окупаемости дополнительных инвестиций, лет	—	1	—	—
Чистый дисконтированный доход от внедрения средств цифровизации при ставке дисконтирования 20%	—	—	1285116	—

Таким образом, полная стоимость первоначальных вложений с учетом затрат, совершенных на начальном периоде, будет возвращена уже на первый год реализации проекта цифровой молочной фермы. При этом чистый дисконтированный доход инвестора при использовании собственных, а не заемных средств к концу года составит 1 285 116 руб. (Рисунок 43).

Столь оптимистичный прогноз обусловлен предположением о 10-% росте годовой продуктивности животных в результате внедрения системы мониторинга «SmaXtec», и датчиков двигательной активности «Ovi-bovi», при их сравнительно низкой стоимости. Тем не менее, даже при отсутствии прироста продуктивности животных в результате их цифровизации, можно ожидать значительного экономического эффекта в первую очередь за счет оптимизации рациона, ранней диагностики заболеваний и сокращения трудозатрат.

Рисунок 43 — Срок окупаемости проекта молочной фермы

В настоящее время отсутствует связующее звено между системой образования и сферой внедрения и использования цифровых технологий. Одним из путей решения данной проблемы является оснащение базовых хозяйств аграрного вуза цифровым оборудованием с привлечением бюджетного финансирования, поскольку решается государственная задача подготовки высококвалифицированных кадров с мультидисциплинарными компетенциями и практическими навыками. В связи с этим, важным становится подготовка за счет бюджетных ассигнований специалистов в области информационно-коммуникационных технологий в образовательных организациях высшего образования аграрного профиля. Для таких специалистов должна быть предусмотрена целевая подготовка в вузе, прохождение практики в хозяйствах, вставших на путь цифровизации с последующим трудоустройством. В рамках реализации программы «Цифровое сельское хозяйство» планируется к 2021 году создать в аграрных вузах, подведомственных Министерству сельского хозяйства РФ 54 центра компетенций, в задачи которых будет входит подготовка и переподготовка кадров сельскохозяйственных организаций в сфере цифровой экономики. Это позволит обучить специалистов хозяйств работе с цифровыми технологиями и продуктами.

Для небольших хозяйств технологии точного земледелия, как правило, только тогда экономически выгодны, если МФХ не приобретают сами необходимую технику и оборудование. Поэтому для экспериментальных цифровых фермерских хозяйств, создаваемых в базовых хозяйствах высших учебных заведений, необходимо предусмотреть дополнительные источники финансирования.

Для этой цели предлагается увеличить размер несвязанной поддержки сельхозтоваропроизводителям в области растениеводства, предусмотрев в Постановлении Администрации Волгоградской области от 13.02.2017 № 71-п «Об утверждении Порядка предоставления субсидий на оказание несвязанной поддержки сельскохозяйственным товаропроизводителям в области растениеводства» (в ред.21.06.2019) еще один пункт в) на возмещение части прямых затрат по приобретению оборудования и технических средств цифровизации производственных процессов в растениеводстве (до 90% затрат).

Возможна грантовая поддержка фермерским хозяйствам, создаваемым в базовых хозяйствах высших учебных заведений, или введение самостоятельной адресной субсидии из областного бюджета на возмещение части прямых затрат, связанных с приобретением оборудования и технических средств цифровизации производственных процессов в растениеводстве и животноводстве. Грантовая поддержка может покрывать 100% затрат, содержащихся в утвержденном Комитетом сельского хозяйства области плане расходов на указанные цели. Субсидии могут предоставляться экспериментальным базовым КФХ на основании решения комиссии по определению хозяйствующих субъектов, имеющих право на получение возмещения части затрат (перечень экспериментальных базовых фермерских хозяйств утверждается Комитетом сельского хозяйства области), связанных с приобретением оборудования и технических средств цифровизации производственных процессов в растениеводстве и животноводстве. Предоставление субсидий должно осуществляться в порядке, установленном нормативным правовым актом Администрации Волгоградской области.

6.2 Цифровая агрологистика и интеграция базовых фермерских хозяйств в региональную структуру АПК

Малый агробизнес испытывает немалые трудности с продвижением произведенной продукции до конечного потребителя. Это связано, прежде всего, с неразвитостью институтов рынка и его инфраструктуры.

Для экспериментальных базовых цифровых фермерских хозяйств задача встраивания в существующую структуру регионального аграрного комплекса должна решаться с использованием информационных технологий и на основе сетевой организации взаимодействия хозяйственных структур с использованием элементов электронной торговли.

Наиболее важными каналами интеграции базовых цифровых фермерских хозяйств (БЦФХ) в региональную систему агропромышленного производства являются (рис. 44):

Рисунок 44 – Интеграция цифровых фермерских хозяйств в региональную структуру АПК

во-первых, внедрение БЦФХ в структуру существующих товаропроводящих систем, а также перспективы создания новых логистических решений, направленных на оптимизацию товарно-ресурсных потоков в цепочке производитель – переработчик – потребитель;

во-вторых, встраивание БЦФХ в государственные программы развития сельского хозяйства и агропродовольственных рынков посредством выделения цифровых фермерских хозяйств в самостоятельное направление адресной господдержки;

в-третьих, установление и развитие связей между цифровыми фермерскими хозяйствами и научно-исследовательскими, научно-образовательными организациями и учреждениями как регионального, так и федерального уровня с целью трансфера технологий, разработки и реализации совместных с научными учреждениями инновационных проектов;

в-четвертых, использование БЦФХ в качестве составных элементов агротехнопарков, создаваемых с целью реализации инновационных научно-исследовательских проектов, коммерциализации и трансфера инноваций в реальный сектор аграрной экономики.

В настоящее время логистическая инфраструктура АПК в основном представлена транспортно-логистическими и оптово-логистическими центрами, ориентированными на потребности товародвижения сельскохозяйственных организаций и крупнотоварных фермерских хозяйств. Поскольку возможности входа в формируемую логистическую структуру для малых форм хозяйствования затрудняются незначительными объемами предлагаемых ими товарных партий и высокими транспортными издержками, решением указанной проблемы могли бы стать промежуточные транспортно-логистические центры, предназначенные для аккумуляции готовой продукции, произведенной небольшими фермерскими хозяйствами, и перенаправления транспортно-логистических потоков.

Кроме того, актуально развитие взаимодействия малого агробизнеса с крупным сельскохозяйственным предприятиями для реализации эффективных контрактных отношений по заранее установленным позициям (например, предоставление аутсорсинговых услуг, принятие определённых функций по производству кормов, откорму скота и т.д.)

Создание и развитие логистической системы в цифровом секторе регионального АПК может быть осуществлено как на базе уже существующей инфраструктуры транспортировки и хранения сельскохозяйственной продукции, так и путем создания новых транспортно-логистических центров, с учетом специфики производства и товародвижения в условиях малого сельхозпроизводства, дополняя и развивая сеть транспортно-логистических и оптово-логистических центров, обслуживающих потребности крупных производителей.

Наиболее эффективное использование потенциала небольших цифровых фермерских хозяйств осуществимо лишь в условиях их тесной интеграции с фундаментальной наукой и передовым производственно-техническим опытом, накопленным в научно-исследовательских и научно-образовательных организациях региона. Как подчеркивается в стратегии инновационного развития РФ до 2020 г. интеграция разнообразных научных и научно-производственных объединений в структурированные технологический парки и наукограды имеет решающее значение для достижения темпов опережающего развития отечественного сельского хозяйства. Центральная роль в решении означенной задачи отводится научно-образовательным учреждениям, которые должны превратиться в интеграционные комплексы, объединяющие научный, творческий, материально-технический, технологический и человеческий потенциал российских (а в перспективе и международных) научно-образовательных, научно-исследовательских и производственных структур.

Необходимо отметить, что на базе Волгоградского аграрного университета в 2012 г. создана Международная ассоциация «Аграрный университетский комплекс», объединивший более 20 научно-исследовательских и образовательных учреждений, таких как ВНИИОЗ, ПНИИЭМТ, ВНИАЛМИ, ВФ ВНИИГиМ, НВ НИИСХ, НИИММП, а также агропредприятий различных форм собственности. Это позволило сконцентрировать научные усилия исследователей из пятнадцати стран мира, занимающихся проблемами сельского хозяйства, экономики, экологии, питания, сельского экотуризма и т.д.

Одной из перспективных форм трансфера научных знаний в цифровое аграрное производство может стать модель технопарка, создаваемого в форме аграрного инновационного комплекса на базе опытно-производственных подразделений крупных аграрных вузов. Важным элементом конструкции такого комплекса должны стать небольшие цифровые хозяйства, способные выступать в качестве опытно-производственных площадок обеспечивающих трансфер аграрных инноваций, их коммерциализацию, сбор и обобщение результатов внедрения, формирование технического задания на разработку НИОКР, вовлечение студентов и аспирантов в область решения прикладных задач на основе имеющегося у сельскохозяйственных производителей опыта и теоретических познаний, которыми обладают студенты и преподаватели вуза.

Ведущая роль в распространении и тиражировании опыта цифровизации малых форм хозяйствования в аграрном секторе возлагается на институт местного самоуправления, который должен стимулировать развитие интеграции малых форм хозяйствования с крупным агробизнесом и инфраструктурными предприятиями на территории региона.

Рисунок 45 Дорожная карта организации логистических каналов фермерских хозяйств

Потенциал территориально-производственного пространства сельской местности наиболее эффективно используется, если его наполнение обеспечивается различными институциональными формами и созданием информационной базы данных об участниках агробизнеса (рис. 45). Данная модель ориентирует передачу части ресурсной базы государственной поддержки на уровень органов муниципального и местного самоуправления. Первоочередной задачей функционирования такой хозяйственной системы является установление и упорядочение связей между её участниками, способствующих устранению их несбалансированного взаимодействия. Реализация этого обеспечивается через внедрение в работу органов местного самоуправления сетевых каналов коммуникации, когда процесс получения, обработки и передачи информации через глобальную Сеть Интернета будет являться системообразующим [43].

Необходимым условием этого является создание унифицированного сетевого информационно-аналитического портала – веб-сайта, предназначенного для размещения информации, обеспечивающей реализацию сетевых форм взаимодействия хозяйствующих субъектов агропромышленного комплекса с целью заключения контрактов на взаимовыгодной основе. Сетевой портал в модели выступает носителем информации, которая позволяет не только свести множество взаимодействий к одному каналу, но и максимально сократить операционные (трансакционные) издержки, снизив тем самым масштаб влияния торговых и спекулятивно-посреднических структур. Эффективность такого взаимодействия обоснована учёными ВНИИЭСХ, по мнению которых на протяжении реформ и по настоящее время механизм «невидимого» устранения финансовых ресурсов из сельского хозяйства посредством цен в агропредприятиях составил 10 – 15% от произведённой продукции, то есть около 100 – 120 млрд. руб. ежегодно [42]. Учитывая тот факт, что удельный вес продукции малых форм хозяйствования сопоставим и превосходит его значение по сельскохозяйственным предприятиям, а также отсутствие маркетинговых отделов, значение ценовых потерь малого агробизнеса могут увеличиться до 40 – 50 % и выше в зависимости от видов деятельности, что значительно превышает финансовые потери.

Сетевая организация взаимодействия хозяйственных структур обеспечит не только прямое удовлетворение потребителей в уникальной продукции при которой конечный покупатель и поставщик взаимодействуют напрямую, но и наладить каждому хозяйству предпринимательского сектора эффективную логистику технико-технологического и научно-информационного сопровождения. Последовательность действий субъектных представительств целесообразно представить через алгоритм реализации сетевого взаимодействия в рамках предлагаемой модели (рис. 46).

Рисунок 46 Схема алгоритма реализации сетевого взаимодействия БЦФХ

В соответствии с алгоритмом финансовое обеспечение создания сетевых каналов товаропродвижения будет обеспечена грантовой государственной поддержкой, а непосредственное внедрение и доработку портала возьмут на себя организации инновационной инфраструктуры и науки. Создание унифицированного веб-сайта обеспечит функционирование открытого рыночного пространства, где присутствуют данные о видах сельскохозяйственного производства, его объёмах и качестве продукции, а также ценах реализации. При этом предусматривается заключение контракта на поставку сельскохозяйственной продукции (а также обеспечение материально-техническими, информационными и другими ресурсами) в будущем на основе экстраполирования данных, распространённых и установленных с помощью ретроспективного анализа, что позволит частично упорядочить множество поставщиков и потребителей, а, следовательно, сформировать эффективные логистические каналы (рис. 47).

Рисунок 47 Схема организации логистических каналов БЦФХ

(цифры обозначают последовательность взаимодействий)

Представленный способ построения и координации действий участников логистической системы направлен на преобразование сложившейся воспроизводственной структуры аграрной экономики и обусловлен необходимостью взаимодействия предпринимательского сектора с инновационной инфраструктурой и прикладной наукой. Преобразование межхозяйственных экономических отношений направлены здесь на повышение производительности труда, обеспечение информацией о необходимых технике и оборудовании, улучшении и преобразовании существующих технологий по направлениям ресурсосбережения и экологизации производства. Поэтому формирование эффективного логистического канала между организациями науки и хозяйствами малого агробизнеса следует обеспечить при поддержке со стороны государства и / или коммерческих, некоммерческих фондов, бизнес-ангелов. Обработка первичных данных (заявок на поставку, обеспечение, реализацию) от поставщиков новшеств в лице организаций науки и от малых форм хозяйствования выявит потребности в направлениях научного сопровождения (в том числе внедрения цифровизации), где эффективность грантовой поддержки с адекватной (учитывая сферу деятельности и период окупаемости) реализацией кредитного сопровождения сделает экономически возможным внедрение инноваций в реальное сельскохозяйственное производство предпринимательского сектора.

В результате адаптация субъектов малого агробизнеса к инновационному развитию предусматривает реализацию трёх ключевых позиций взаимодействия социально-экономических структур хозяйствования – маркетинговой, научного сопровождения, материально-технического снабжения, оптимизация которых с одной стороны заключается в актуализациии вовлечения органов местного самоуправления, что позволит преодолеть консерватизм малых форм сельского хозяйства, с другой стороны компетентная поддержка со стороны государства будет способствовать широкому распространению электронной торговли и создаст возможности к переводу предприятий малого агробизнеса на инновационную основу.

Заключение

Результаты исследований по разработке технико-экономических параметров экспериментальных фермерских хозяйств на основе цифровых технологий доказывают, что для создания связующего звена между системой образования и сферой внедрения цифровых технологий в аграрное производство необходимо оснастить базовые хозяйства аграрного вуза техническими и программно-аппаратными средствами для подготовки высококвалифицированных специалистов с целью формирования у них компетенций в области цифровой экономики по работе с цифровыми продуктами и цифровыми технологиями. Обоснование параметров кадрового, технического, финансово-экономического и логистического обеспечения осуществлялось с использованием современного информационно-аналитического инструментария и авторских методик научного исследования.

1. Проведен анализ технической и кадровой обеспеченности малых форм хозяйствования в аграрном секторе экономики Волгоградской области с применением разработанной авторами методики оценки их инновационного потенциала, направленной на выявление восприимчивости фермерского производства к агропромышленным новациям и цифровизации. Анализ осуществлялся путем определения унифицированного показателя – индекса инновационного потенциала (ИИП) по пяти природно-экономическим зонам Волгоградской области. Экстраполяция полученных результатов на областной и региональный уровни показала зависимость этого уровня от инновационного потенциала: субъекты малого агробизнеса, имеющие показатель индекса инновационного потенциала, не превышающий значение 5, отнесены к МФХ, невосприимчивым к инновационному развитию; субъекты, у которых этот показатель находится в пределах от 5 до 8,5, – к МФХ, имеющим средний инновационный потенциал; субъекты с показателем свыше 8,5 – это МФХ с высоким инновационным потенциалом.

2. Для установления технико-экономических параметров цифровых фермерских хозяйств из всего их множества по природно-климатическим зонам отобраны базовые фермерские хозяйства, которые имеют наиболее высокий инновационный потенциал и требуют минимальных затрат на приобретение техники, оборудования, программного обеспечения, чтобы осуществить переход на цифровые технологии и стать полноценной базой подготовки высококвалифицированных специалистов в основных отраслях аграрного производства.

3. Представлен анализ технического и программно-аппаратного обеспечения базовых К(Ф)Х на основе архитектурного и процессного подходов и методологии бизнес-моделирования с последующими рекомендациями по их трансформации в рамках программы цифровизации АПК.

Формализация в виде IDEF0 и BPMN-диаграмм и анализ корневых бизнес-процессов в базовых К(Ф)Х, определяющих ход производства сельхозпродукции (озимой пшеницы, томатов, молочной продукции) показали, что существующий уровень применения цифровых технологий:

— не использует автоматизированный, а только ручной и механизированные способы сбора и обработка необходимых данных;

— не обеспечивает поддержку принятия решений сотрудников и управляющих специалистов;

— предъявляет повышенные требования к квалификации специалистов, которые определяют время начала и параметры всех значимых операций производства продукции на основе собственных знаний и опыта;

— не позволяет отслеживать в режиме реального времени параметры условий развития сельскохозяйственных растений или содержания животных и осуществлять эффективное управление этими режимами.

4. На основе разработанных моделей бизнес-процессов «Как есть» и приведенного анализа современных программно-аппаратных и технические средства, используемых в агропромышленном производстве, для базовых К(Ф)Х разработаны эталонные референсные бизнес-процессы «Как будет» производства сельскохозяйственной продукции с использованием современных датчиков, технологий интернета вещей и автоматизированных систем поддержки принятий решений. Их внедрение позволит уменьшить ошибки в производстве за счет сокращения влияния «человеческого фактора» и повышения оперативности принятия верных управленческих решений; приведет к снижению рисков потери урожая, повышению качества и эффективности принятых проектов, более точным прогнозным решениям, а также создаст возможность решать вопросы прослеживаемости продукции растениеводства от семян до готового к потреблению продукта. При этом предлагается при выполнении научных исследований и проектных работ часть наиболее сложных подпроцессов передать для выполнения аграрному вузу, что при наличии автоматических средств мониторинга позволит базовым К(Ф)Х оперативно получать актуальные научно-обоснованные многофакторные модели технологий производства продукции. Разработанные эталонные референсные модели бизнес-процессов в дальнейшем могут использоваться BPMS-системами, автоматизирующими управление бизнес-процессами.

5. Для отобранных базовых экспериментальных хозяйств разработаны технико-экономические решения по внедрению в производство комплекса датчиков для контроля состояния биологических объектов, позволяющих повысить качество производимой продукции, эффективно использовать имеющиеся ресурсы, увеличивать объемы производства и снижать потери. При росте урожайности зерновых на 25,9% совокупные затраты на их производство сокращаются на 8-10%, суммарный экономический эффект в результате цифровизации на 1 га составляет 8303 руб., уровень рентабельности возрастает с 47,2 до 100,5% (на 53,3%).

Использование средств цифровизации в традиционных технологиях возделывания томатов за счёт дифференциации использования ресурсов приводит к экономии производственных затрат до 41 тыс. руб. на 1 га или на 11%. Сокращение затрат труда обеспечивает суммарный экономический эффект в результате цифровизации на 1 га в размере до 121 тыс. руб., при этом рентабельность возрастает с 34,88 до 82,13 % (на 47,25%). Экономический эффект от внедрения средств цифровизации (внедрение системы мониторинга «SmaXtec», и датчиков двигательной активности «Ovi-bovi») в молочном скотоводстве (чистый доход на 100 гол.) составляет 2850 тыс. руб.

6. Даны предложения по привлечению бюджетного финансирования для решения государственной задачи подготовки высококвалифицированных кадров с мультидисциплинарными компетенциями и практическими навыками; по привлечению дополнительных источников финансирования на возмещение части затрат по приобретению оборудования и технических средств цифровизации производственных процессов в растениеводстве и животноводстве для экспериментальных цифровых фермерских хозяйств, создаваемых в базовых хозяйствах Волгоградского ГАУ.

7. Разработаны алгоритмы интеграции цифровых фермерских хозяйств в структуру товаропроводящих систем, раскрыты перспективы создания новых логистических решений, направленных на оптимизацию товарно-ресурсных потоков с участием базовых экспериментальных цифровых хозяйств.

8. Для тиражирования и практического применения опыта цифровизации органам государственного, регионального и местного управления предложено использовать полученные результаты исследования при разработке стратегии цифровой модернизации малых форм хозяйствования в аграрной сфере экономики, направленной на повышение эффективности их деятельности.

Список использованных источников

1. Концепция «Научно-технологического развития цифрового сельского хозяйства «Цифровое сельское хозяйство». – http://mcxac.ru/upload/iblock/97d/97d2448548e047b0952 c3b9a1b10edde.pdf

2. Указ Президента РФ №204 от 7 мая 2018 года «О национальных целях и стратегических задачах развития Российской Федерации на период до 2024 года» — https://www.garant.ru/products/ipo/prime/doc/71837200/

3. Доктрина продовольственной безопасности Российской Федерации, утвержденная Указом Президента РФ №120 от 30 января 2010 года — https://base.garant.ru/12172719/

4. Программа «Цифровая экономика Российской Федерации» (Распоряжение Правительства РФ от 28 июля 2017 года №1632-Р) — https://base.garant.ru/71734878/

5. Указ Президента Российской Федерации от 21 июля 2016 г. № 350 «О мерах по реализации государственной научно-технической политики в интересах развития сельского хозяйства» — http://www.kremlin.ru/acts/bank/41139.

6. Постановление Правительства Российской Федерации от 7 марта 2008 г. № 157 «О создании системы государственного информационного обеспечения сельского хозяйства» — https://base.garant.ru/12159302/.

7. Распоряжение Правительства Российской Федерации от 3 марта 2012 г. № 297-р «Об утверждении Основ государственной политики использования земельного фонда Российской Федерации на 2012-2020 годы» — http://www.consultant.ru/document/cons_doc_LAW_127154/.

8. Распоряжение Правительства Российской Федерации от 30 июля 2010 г. № 1292-р «Об утверждении Концепции развития государственного мониторинга земель сельскохозяйственного назначения и земель, используемых или предоставленных для ведения сельского хозяйства в составе земель иных категорий, и формирования государственных информационных ресурсов об этих землях на период до 2020 года» — http://www.consultant.ru/document/cons_doc_LAW_103410/.

9. Распоряжение Правительства Российской Федерации от 29 июня 2016 г. № 1364-р «Стратегия повышения качества пищевой продукции до 2030 года» — https://myaso31.ru/news/strategiya-povyisheniya-kachestva-pishhevoj-produkczii-do-2030-goda.

10. Федеральный закон от 16 июля 1998 г. № 101-ФЗ «О государственном регулировании обеспечения плодородия земель сельскохозяйственного назначения» — https://base.garant.ru/12112328/.

11. Федеральный закон от 24 июля 2002 г. № 101-ФЗ «Об обороте земель сельскохозяйственного назначения» — http://www.consultant.ru/document/cons_doc_LAW_37816/.

12. Волгоградская область в цифрах. 2018: краткий сб. / Терр. орган Фед. службы гос. статистики по Волгоград. обл. – Волгоград: Волгоградстат, 2019. – 380 с.

13. Статистический ежегодник Волгоградская область 2017: сборник / Терр. орган Фед. службы гос. статистики по Волгоград. обл. – Волгоград: Волгоградстат, 2018. – 768 с.

14. Балашова, Н. Н. Экономическая оценка эффективности применения технологий сельскохозяйственного производства: региональный аспект [Текст] / Н.Н. Балашова, И.С. Корабельников, Д. А. Ишкин // Известия Нижневолжского агроуниверситетского комплекса: наука и высшее профессиональное образование. – 2017. – № 4 (48). – С. 273.

15. Попова, Л.В. Инновационная аграрная политика: состояние и приоритеты развития / Л.В. Попова, Т.А. Дугина, И.С. Корабельников // Экономика сельскохозяйственных и перерабатывающих предприятий. – 2018. – №10. – С. 44 — 48. — c. 47.

16. Козубенко, И. Агропромышленный комплекс поднимет «цифровая экономика» // https://www.dairynews.ru/dairyfarm/

17. Бизнес – архитектура предприятия. [Электронный ресурс]. Режим доступа: https://studfiles.net/preview/5611891/page:5/.

18. Официальный сайт программной среды Dragon1 (стартовая страница). [Электронный ресурс]. Режим доступа: https://www.dragon1.com/

19. Кочеткова, О.В., Матвеев, А.С., Ширяева, Е.В., Арьков, Д.П. Моделирование и анализ процесса «Выполнить научные исследования и проектные работы» с целью внедрения цифровых технологий в базовых хозяйствах аграрного вуза. Известия НВ АУК. 2019. 2(54). 49-53. DOI: 10.32786/2071-9485-2019-02-

20. Ordering adoption: Materiality, knowledge and farmer engagement with precision agriculture technologies / V. Higgins, M. Bryant, A. Howell, J. Battersby // Journal of Rural Studies. – 2017. – № 55. – P. 193-202.

21. Валовой сбор продукции растениеводства [Электронный ресурс] // Федеральная служба государственной статистики: [cайт]. – 2019. – 01 апреля. URL: http://volgastat.gks.ru/wps/wcm/connect/rosstat_ts/volgastat/ru/statistics/ enterprises/agriculture (Дата обращения: 01.07.2019)]

22. Шадчина, В. Ученые вернули на грядки знаменитые волгоградские помидоры [Электронный ресурс] // Региональный Информационно-Аналитический Центр: [cайт]. – 2019. – 17 мая. https://riac34.ru/news/102403/ (Дата обращения: 01.07.2019)

23. Технология производства озимой пшеницы [Электронный ресурс] // Бизнес-портал «Пути успеха». 2015. URL: http://puti-uspeha.ru/agroteh/647-ozim-pshenica.html?showall=1 (Дата обращения: 01.07.2019)

24. Технология возделывания озимой пшеницы [Электронный ресурс] // Информационные технологии в АПК: [cайт]. АдептИС. 2006. URL: http://www.agrisoft.ru/agro_kulture_psh_oz_tv.php (Дата обращения: 01.07.2019)

25. Кныш, В Промышленная технология выращивания томата на капельном орошении [Электронный ресурс] / В. Кныш, А. Наумов // Журнал «Овощеводство»: [сайт]. Издательский дом «Юнивест Медиа». –2017. – №2. URL: http://www.ovoschevodstvo.com/journal/browse/201702/article/1535/ (Дата обращения: 01.07.2019)

26. Уборка томатов [Электронный ресурс] // Аgropk: [сайт]. 2016. URL: https://agropk.by/itma/uborka-tomatov (Дата обращения: 01.07.2019)

27. Рационы кормления коров, нетелей, телят, молодняка, быков. [Электронный ресурс].- Режим доступа: https://www.korall-agro.ru/ration_kpc.htm

28. Селэкс Молочный. [Электронный ресурс]. — Режим доступа: https://plinor.spb.ru/index.php?l=0&p=3

29. «Применение информационных технологий в АПК» [Электронный ресурс], Режим доступа: http://nauka-rastudent.ru/12/2246/

30. «Интернет вещей» [Электронный ресурс], Режим доступа: https://ru.wikipedia.org/wiki/%D0%98%D0%BD%D1%82%D0%B5%D1%80%D0%BD%D0%B5%D1%82_%D0%B2%D0%B5%D1%89%D0%B5%D0%B9.

31. Ведомственный проект «Цифровое сельское хозяйство»: официальное издание. – М.: ФГБНУ «Росинформагротех», 2019. – 48 с.

32. Точное земледелие : учеб. пособие / Е. В. Труфляк, Е. И. Трубилин, В. Э. Буксман, С. М. Сидоренко. – Краснодар : КубГАУ, 2015. – 376 с.

33. Интеллектуальные технические средства АПК : учеб. пособие / Е. В. Труфляк, Е. И. Трубилин. – Краснодар : КубГАУ, 2016. – 266 с.

34. pH-метр ZD05 для измерения pH и влажности почвы. [Электронный ресурс]. URL: https://www.ecounit.ru/goods_330.html.

35. ПОЧВЕННЫЕ ЗОНДЫ Drill&Drop «Sentek» (АВСТРАЛИЯ). [Электронный ресурс]. URL: http://agrometeo.ru.

36. Метеостанция температуры / скорости ветра / относительная влажность / направления ветра. [Электронный ресурс] URL: http://www.agriexpo.ru/prod/prointegra-ltd/product-184800-85256.html.

37. СКИФ-30 ДПФС — cистема контроля посевного комплекса [электронный ресурс] URL: https://skbm.tiu.ru/p338715329-skif-dpfs-cistema.html.

38. Система дифференцированного внесения GreenSeeker. [Электронный ресурс] URL: http://www.agrosturman.ru/catalogue/vneseniematerialov/greenseeker-sistema-differencirovannogo-vneseniya.html.

39. Арьков Д.П. Современные цифровые устройства мониторинга и диагностики, применяемые в растениеводстве / Д.П. Арьков, О.В. Кочеткова, А.С. Матвеев, Е.В. Ширяева // В сборнике: Академическая наука — проблемы и достижения Материалы XXI международной научно-практической конференции. 2019. С. 89-93.

40. Электронные бирки [Электронный ресурс]. URL: http://partnerlab.ru/category-60-elektronnie-birki

41. Система мониторинга smaXtec [Электронный ресурс] URL: https://agrobiodata.ru.таблица 28

42. Корабельников, И.С. Предпосылки и потенциал инновационного развития сельского хозяйства: монография [Текст] / Р.С. Шепитько, И.С. Корабельников. – Волгоград: ФГБОУ ВО Волгоградский ГАУ, 2017. – 152 с.

43. Стратегия долгосрочного социально-экономического развития АПК России: дискуссионный клуб // Экономика сельского хозяйства России. – 2010 – №9. – С. 50.

Приложения

Автор НИР

ФГБОУ-ВО-Волгоградский-ГАУ

Экономика и организация сельского хозяйства