top of page

УДК

338.436.33

DOI

10.53988 /24136573-2021-03-03

To cite the content of the article, please use the following description

To cite the content of the article, please use the following description

Меденников В.И. Цифровая платформа управления как составная часть цифровой экосистемы АПК // Управление рисками в АПК. 2021. Вып. 41.
С. 26-37. DOI: 10.53988/24136573-2021-03-03

Medennikov V.I. Digital management platform as an integral part of the digital ecosystem of the agroindustrial complex // Agricultural Risk Management, 2021, Vol. 41, pp. 26-37. DOI: 10.53988/24136573-2021-03-03

ТЕХНИЧЕСКИЕ НАУКИ
МЕДЕННИКОВ В.И.

ЦИФРОВАЯ ПЛАТФОРМА УПРАВЛЕНИЯ КАК СОСТАВНАЯ ЧАСТЬ ЦИФРОВОЙ ЭКОСИСТЕМЫ АПК

Меденников Виктор Иванович – доктор технических наук, ведущий научный сотрудник, Вычислительный центр имени А.А. Дородницына Федерального исследовательского центра «Информатика и управление» Российской академии наук, Москва, Россия.
Email: dommed@mail.ru
SPIN-код: 41442147

annotation

В статье рассматривается единая цифровая платформа управления производством как составная часть цифровой экосистемы АПК, полученная на основе математического моделирования и представляющая интеграцию цифровых подплатформ: облачной подплатформы сбора и хранения пооперационной первичной учетной информации всех предприятий в единой БД, облачной подплатформы технологического учета и облачной подплатформы алгоритмов.

Keywords

Цифровая платформа, облачная подплатформа, математическое моделирование, первичный и технологический учет, цифровая экосистема, научные информационные ресурсы, цифровое сельское хозяйство.

MEDENNIKOV V.I.

DIGITAL MANAGEMENT PLATFORM AS AN INTEGRAL PART OF THE DIGITAL ECOSYSTEM OF THE AGROINDUSTRIAL COMPLEX

Viktor I. Medennikov – Doctor of Technical Sciences, Leading Researcher, Computing Center of A.A. Dorodnitsyn, Federal Research Center “Computer Science and Control” of Russian Academy of Sciences, Moscow, Russia.
Email: dommed@mail.ru

Annotation

The article discusses a unified digital platform for production management as an integral part of the digital ecosystem of the agroindustrial complex, obtained on the basis of mathematical modeling and representing the integration of digital subplatforms: a cloudbased subplatform for collecting and storing operational primary accounting information of all enterprises in a single database, cloud subplatform of technological accounting, cloudbased algorithms subplatform.

Keywords

Digital platform, cloud subplatform, math modeling, primary and technological accounting, digital ecosystem, scientific information resources, digital agriculture.

Article text

В предыдущей статье “Цифровая экосистема АПК” [11] показано, что данная экосистема состоит из двух больших базовых цифровых платформ (ЦП) – единой цифровой платформы управления производством и единой платформы информационных научнообразовательных ресурсов (ЕИИПНОР). Дано определение их с последующим кратким анализом. Поскольку данные платформы в стране существуют сами по себе, почти не пересекаясь, то рассмотрим их более подробней по отдельности. В данной работе дадим анализ первой платформы.

В настоящее время утвердилось наиболее распространенное толкование ЦП как площадки для цифрового взаимодействия в сфере бизнес деятельности, либо в социальных сетях. Однако такая широкая трактовка этого понятия ведет к искажению смысла цифровизации экономики, оставляя за границами понимания производственную сферу, на что обратили внимание экономисты [1].

Поэтому, исходя из этого, именно для управления экономикой в [2] на основе большого опыта реализации идей А.И. Китова и академика В.М. Глушкова об общегосударственной автоматизированной системе сбора и обработки информации для учета, планирования и управления народным хозяйством в СССР (ОГАС) при разработке информационно-управляющей системы эталонным объектом – агрокомбинатом «Кубань», портала Россельхозакадемии, Федеральной базы научных исследований Минсельхоза и других работ в области информатизации предприятий [3, 4] сформулировано оригинальное определение ЦП.

Цифровая платформа управления экономикой – совокупность упорядоченных цифровых данных на основе онтологического моделирования; математических алгоритмов, методов и моделей их обработки и программнотехнических средств сбора, хранения, обработки и передачи данных и знаний, оптимально интегрированных в единую информационно-управляющую систему, предназначенную для управления целевой предметной областью с организацией рационального цифрового взаимодействия заинтересованных субъектов.

Толчком к такому определению послужил анализ эволюции развития общемировых информационных систем (ИС), вершиной которой стала современная ЦЭ. В ходе ее, как только данные были отделены от программного обеспечения (ПО), с появлением более мощных средств хранения, переработки и передачи информации, возникла потребность в тиражировании ИС на некоторый круг предприятий.

По нашему мнению, в своем жизненном цикле технологии проектирования ИС прошли четыре эволюционных этапа, на каждом из которых происходила существенная трансформация способов хранения, передачи, обработки и интеграции данных и ПО, исходя из того факта, что проектное пространство ИС каждой фирмы имеет три основных оси измерения: информационные ресурсы (ИР), приложения (автоматизируемые задачи или алгоритмы) и инструментарий, представляющий общесистемное ПО и электронное оборудование.

При этом наблюдается синергетический эффект между всеми тремя составляющими. Например, алгоритмы повышают эффективность использования данных, создают большую стоимость продукции и услуг, так же, как и структурированные, все более объемные данные совершенствуют алгоритмы, верхом которых в настоящее время являются технологии искусственного интеллекта (ИИ). В результате таких растущих взаимодействий данных, алгоритмов, инструментария люди и экономика становятся все более ориентированы на информацию, делая ее одним из самых ценных активов.

Многообразие используемых информационных технологий, в большинстве своем онтологически и функционально несовместимых, превратили в основном теоретическую проблему интеграции ИР, приложений и инструментария в чрезвычайно актуальную в экономическом и практическом плане задачу интеграции их в единую информационно управленческую среду при переходе к четвертому этапу эволюции ИС, связанному с ЦЭ.

Данную задачу невозможно разрешить без согласования цифровых стандартов на все оси проектного пространства ИС, основой которых должны стать методы онтологического моделирования приложений (знаний, задач) и ИР, позволяющие связать их, имеющих в большинстве своем, гетерогенную структуру, в единое информационное пространство. Исследования и разработки в области онтологического моделирования активно развиваются во всем мире, что вызвано именно переходом к четвертому этапу эволюции ИС [5].

Формализуем основное требование ЦЭ в виде интеграции как алгоритмов, так и ИР, используемых для решения ее задач, для чего введем обозначения:

m – код отрасли, ;
j – код подотрасли, ;
k – код предметной области, ;
i – код предприятия, ;
n – код задачи, ;
– информационный элемент ИР, ;
– индекс задач, принимающий значение 0 или 1 в зависимости от наличия nй задачи в соответствующем множестве ;
– инструмент проектирования соответствующей ИС, ;
– оператор онтологического моделирования ИР, который все множество L представляет в виде L = ,
где – множество ИР, в которое входят онтологически единые информационные элементы для целой отрасли m, ,
– множество ИР, в которое входят онтологически единые информационные элементы для jй подотрасли отрасли m, ,
– множество ИР, в которое входят онтологически единые информационные элементы для kй предметной области jй подотрасли отрасли m, ,
– множество ИР, в которое входят онтологически единые информационные элементы для iго предприятия kй предметной области jй подотрасли отрасли m, ,
– множество ИР, в которое входят онтологически единые информационные элементы только для nй задачи для iго предприятия kй предметной области jй подотрасли отрасли m, ;
– оператор онтологического моделирования задач, который все множество Z представляет в виде Z = , где смысл множеств задач (i = 1,, 5) подобен вышеприведенным выражениям. Аналогично определим через оператор классификации инструментария проектирования ИС, где D = .

Тогда через P( , , ) выразим оператор проектирования ИС в ЦЭ, а через W(P( , , ), R, G) некоторый критерий эффективности проектирования ИС, где R – ресурсы, выделенные на проектирование, G – различного рода ограничения, к основным из которых можно отнести ограничения на так называемые комплементарные активы в виде структуры управления, уровня развития человеческого капитала [6].

В зависимости от применяемых методов и моделей (операторов) проектирования ИС различают индивидуальное, типовое и автоматизированное проектирование. В ЦЭ, когда развитие ИКТ позволяет осуществить разумный уровень интеграции как ИР, так и задач (алгоритмов) путем оптимизации критерия W, имеет большое значение решение следующей задачи: путем выбора подходящего оператора проектирования P добиться заданных значений характеристик ИС.

В свое время данные соотношения получили числовое подтверждение, выраженное наглядно в виде так называемого квадрата Брукса [7], из которого следует, что затраты на программный продукт, тиражируемый и интегрированный в некоторую ИС, при переходе на единую ЦП, на порядок выше затрат на разработку оригинального ПО. Следовательно, инвестиции в комплексные ИС обеспечат уровень самоокупаемости разработки при внедрении, начиная со второго десятка предприятий, огромный экономический эффект которых наиболее очевиден для отраслей, имеющих большое количество предприятий, например, для сельского хозяйства.

Приведенное формализованное обоснование перехода на методы интеграции и типизации при разработке ИС в АПК послужило основой определения ЦП управления производством и привело к разработке математической модели формирования ЦП для управления экономикой отрасли АПК [2].

С помощью модели удалось получить ряд цифровых подплатформ, в сумме представляющих единую ЦП управления сельским хозяйством, первая из которых представляет облачную подплатформу сбора и хранения пооперационной первичной учетной информации всех предприятий в единой БД (ЕБДПУ) в следующем виде: вид и объект операции, место осуществления, субъект проведения, дата и интервал времени проведения, задействованные средства производства, объем и вид потребленного ресурса.

Данная структура нашла подтверждение в форме карты истории полей, введенных постановлением Совета министров РСФСР от 6 мая 1961 года N 511 «О ведении в колхозах и совхозах шнуровой книги истории полей севооборотов и агротехнического паспорта полей севооборотов», с отражением данной информации в соответствующих документах, заброшенных с началом перестройки. Следующая – также облачная подплатформа на единой БД технологического учета (ЕБДТУ) всех предприятий. Третья – облачная подплатформа алгоритмов (управленческих задач).

Так, в [8, с. 54] приведен такой цифровой стандарт для всех сельскохозяйственных предприятий в виде онтологической информационной модели растениеводства, с выделением 240 функциональных управленческих задач с единым описанием алгоритмов также для большинства сельскохозяйственных организаций (стандарт на управленческие задачи).

Такая ЦП, основанная на приведенных цифровых стандартах, на облачных технологиях сбора и хранения информации на их основе, дает принципиально новые возможности управления производством: позволит осуществить разработку унифицированных производственных типовых систем управления; стать базой планирования, оперативного управления, инструментом для экономического анализа; даст надежную информационную составляющую для применения математического моделирования, искусственного интеллекта, big data, нейросетей в различных срезах от конкретных земельного участка, головы скота, средства производства, работника на каждом уровне вплоть до федерального уровня; позволит существенно упростить статистический и бухгалтерский учет.

При этом будет обеспечена реализации всех задач технологий точного земледелия (ТЧЗ), наиболее востребованных в мире и требующих сочетания большого количества данных и технологий, в частности технологий дистанционного зондирования Земли (ДЗЗ), технологий единой подплатформы логистики, ИИ и т.д.

Проанализируем теперь более внимательней смоделированную единую ЦП управления производством, представляющую из себя интеграцию в единой облачной БД информации первичного учета и технологических БД на основе унифицированной системы сбора, хранения и анализа первичной учетной, технологической, статистической информации, сопряженной как между собой, так и с единой системой классификаторов, справочников, нормативов, представляющих реестры практически всех материальных, интеллектуальных и человеческих ресурсов АПК.

Представленная ЦП приобретает особенное значение в настоящее время, когда технологии ДЗЗ, ГИС, ТЧЗ, ИИ начинают активно внедряться в такой относительно молодой сфере аграрного производства, как точное земледелие, требующего сочетания большого количества данных и технологий. На рис. 1 представлена схема перспективной цифровой подплатформы ТЧЗ в сельском хозяйстве.

Рассмотрим отдельные элементы данной цифровой подплатформы ТЧЗ. В настоящее время все данные ДЗЗ находятся в гетерогенных структурах баз данных, собираемых и хранимых в различных наземных ведомственных комплексах и центрах. Данные, зачастую, передаются заказчикам в виде снимков, которые после этого необходимо самостоятельно и трудозатратно дешифровывать. Самым эффективным способом получения готовых для товаропроизводителей снимков стало бы формирование единой облачной ГИС ДЗЗ со специальным единым органом отраслевой их дешифровки с бесплатной передачей пользователям уже готовых решений.

Сейчас для этого появились надежды – создается Единая территориально-распределённой информационная система ДЗЗ (ЕТРИС ДЗ) с интеграцией всей информации ДЗЗ в единое геоинформационное пространство страны со сроком окончания к 2025г. Работа осуществляется в соответствии с планами Концепции развития российской космической системы дистанционного зондирования Земли. Конечно, желательно было бы создать такой же центр дешифровки снимков и с набирающих популярность дронов, а также со стационарных мачт ДЗЗ, что привело бы к снижению стоимости внедрения ТЧЗ и повышению эффективности использования этих аппаратов.

Информация ДЗЗ после дешифровки в созданных центрах должна собираться в облачной ГИС (ОГИС), в которую также собирается информация технологического и первичного учета, данные всех материальных, интеллектуальных и человеческих ресурсов отрасли. Примером такого подхода служит существующая в ЕС Единая административно управляющая система (IACS), получающая и хранящая информацию о землях и их пользователях. Далее, информация, полученная от источников, помимо указанных выше, также от гаджетов, наземных и установленных на сельскохозяйственной технике датчиков, собирается в облачной ГИС, при этом часть ее передается непосредственно на коммуникационное оборудование обратно на технику. Таким образом в ОГИС будут собраны все данные обо всех технологических и учетных операциях, совершенных на каждом участке, с каждым техническим средством всеми работниками на протяжении всего года. Будет обеспечена возможность отслеживания всех перемещения продукции, материалов и любой техники.

В подобной ситуации объединения огромного количества разнородной, многоаспектной, многоотраслевой информации особое значение среди технологий ее обработки приобретают методы искусственного интеллекта (ИИ), необходимым условием эффективного применения которых является требование достаточного количества структурированных и надежных данных. Все методы ИИ страдают от отсутствия данных, поскольку чем больше данных отдается под решение любой задачи, тем лучше работает искусственный интеллект. Среди проблем ИИ отсутствие структурированных, достоверных данных поставили на первое место специалисты в этой области [9].

Совершенствование ТЧЗ на основе ГИС, ДЗЗ и ИИ позволит сформировать облачный сервис для всех участников цепочки создания добавленной стоимости, кардинально повышающий эффективность их деятельности. На основе полученных ЕБДПУ и ЕБДТУ можно получить единое интернетпространство цифрового взаимодействия (ЕИИП) логистической деятельности (рис. 2). Реализации данной схемы опирается на математическую модель оптимизации логистической деятельности всех участников цепочки поставок [10].

Таким образом, указанная выше цифровая платформа на основе технологий ТЧЗ, ГИС, ДЗЗ и ИИ: создаст основу системы оперативного управления, планирования, явится инструментом для экономического анализа производства на основе математического моделирования, предиктивной логики, искусственного интеллекта в различных срезах на любом уровне управления от участка до федерального центра; позволит существенно упростить бухгалтерский и статистический учет.

Поскольку технологии ДЗЗ, ГИС и ИИ начали активно применяться во многих других отраслях экономики кроме сельского хозяйства, таких как картография, экология, лесное хозяйство, обустройство земель, геология, логистика, строительство, нефте и газотранспортные системы, погода и климат, океанология и т.д., то они будут постепенно приобретать статус инфраструктурных технологий. В этом случае при грамотной их интеграции данные технологии в скором времени должны будут играть в цифровой экономике ту же ключевую роль, которую в свое время сыграли электрические сети, железнодорожная инфраструктура, телеграфная и телефонная связь и т.д.

Sources:

1. Ленчук Е. Цифровая экономика в России? Секундочку ... [Электронный ресурс]. – URL: https://zen.yandex.ru/media/freeconomy/cifrovaia ekonomikavrossiisekundochku5ccc6762a8ac8300b3495949 (дата обращения 17.06.2021).
2. Меденников В.И. Математическая модель формирования цифровых платформ управления экономикой страны // Цифровая экономика. 2019. №1(5). С. 2535.
3. Меденников В.И. Теоретические аспекты синтеза структур компьютерного управления агропромышленным производством. // Аграрная наука. 1993. N 2. С. 1618.
4. Ereshko F.I., Medennikov V.I., Muratova L.G. Modeling of a digital platform in agriculture // IEEE Xplore Digital Library. Eleventh International Conference Management of LargeScale System Development (MLSD), Moscow, Russia, 2018.
5. Ефименко, И. В., Хорошевский, В. Ф. Онтологическое моделирование экономики предприятий и отраслей современной России: Часть 1. Онтологическое моделирование: подходы, модели, методы, средства, решения. Изд. дом Высшей школы экономики, 2011.
6. Меденников В.И. Комплементарные зависимости науки и бизнеса – необходимое условие успешности цифровизации аграрной экономики // Цифровая экономика. 2020. №3(11). С. 4154.
7. Brooks F. The mythical manmonth or how software systems are created. SPb .: SymbolPlus. 2001.
8. Меденников В.И., Кузнецов И.М., Макеев М.В., Моторин О.А. Опыт системного подхода к цифровой трансформации АПК и направления реорганизации // Управление рисками в АПК. 2020. № 2. С. 5161. URL: http://www.agrorisk.ru/20200207.
9. Галустьян А. Пять проблем, которые пока не может решить искусственный интеллект. [Электронный ресурс]. – URL: https://rb.ru/opinion/problemyii/ (дата обращения 17.06.2021).
10. Меденников В.И. Математическая модель формирования единого информационного логистического пространства страны // Цифровая экономика. 2021. 2(50). С. 44.
11. Меденников В.И. Цифровая экосистема АПК // Управление рисками в АПК. 2021. Вып. 40. С. 816. DOI: 10.53988/2413657320210201.

References:

1. Lenchuk E. Cifrovaya ekonomika v Rossii? Sekundochku ... URL: https://zen.yandex.ru/media/freeconomy/cifrovaiaekonomikavrossiisekundochku5ccc6762a8ac8300b3495949
2. Medennikov V.I. Matematicheskaya model' formirovaniya cifrovyh platform upravleniya ekonomikoj strany // Cifrovaya ekonomika. 2019. №1(5). Pp. 2535.
3. Medennikov V.I. Teoreticheskie aspekty sinteza struktur komp'yuternogo upravleniya agropromyshlennym proizvodstvom. // Agrarnaya nauka. 1993. N 2. Pp. 1618.
4. Ereshko F.I., Medennikov V.I., Muratova L.G. Modeling of a digital platform in agriculture // IEEE Xplore Digital Library. Eleventh International Conference Management of LargeScale System Development (MLSD), Moscow, Russia, 2018.
5. Efimenko, I. V., Horoshevskij, V. F. Ontologicheskoe modelirovanie ekonomiki predpriyatij i otraslej sovremennoj Rossii: CHast' 1. Ontologicheskoe modelirovanie: podhody, modeli, metody, sredstva, resheniya. Izd. dom Vysshej shkoly ekonomiki, 2011.
6. Medennikov V.I. Komplementarnye zavisimosti nauki i biznesa – neobhodimoe uslovie uspeshnosti cifrovizacii agrarnoj ekonomiki // Cifrovaya ekonomika. 2020. №3(11). Pp. 4154.
7. Brooks F. The mythical manmonth or how software systems are created. SPb .: SymbolPlus. 2001.
8. Medennikov V.I., Kuznecov I.M., Makeev M.V., Motorin O.A. Opyt sistemnogo podhoda k cifrovoj transformacii APK i napravleniya reorganizacii // Upravlenie riskami v APK. 2020. № 2. Pp. 5161. URL: http://www.agrorisk.ru/20200207.
9. Galust'yan A. Pyat' problem, kotorye poka ne mozhet reshit' iskusstvennyj intellekt. URL: https://rb.ru/opinion/problemyii/.
10. Medennikov V.I. Matematicheskaya model' formirovaniya edinogo informacionnogo logisticheskogo prostranstva strany // Cifrovaya ekonomika. 2021. №2(50). Pp. 4461.
11. Medennikov V.I. Digital ecosystem of the agroindustrial complex // Agricultural Risk Management, 2021, Vol. 40, pp. 816. DOI: 10.53988 /2413657320210201.

All illustrations of the article:

bottom of page