Яркие вспышки в полях
Цифровизация АПК
Роботизированная доильная станция R-SEPT
Успешные проекты цифровой трансформации в сельском хозяйстве остаются частными случаями. Большинство аграриев пока не склонны менять бизнес-процессы
В Удмуртии полным ходом идет создание в масштабах республики электронной карты земель сельскохозяйственного назначения. На карту уже нанесены 72 слоя данных, в том числе по видам использования земель, агрохимическим обследованиям, покрытию сотовой связью, инвестиционным площадкам, наличию карьеров, свалок, вырубок и т.д. Еще один проект, стартовавший в этом регионе в текущем году, — формирование большой базы данных в области животноводства на основании генетических паспортов сельскохозяйственных животных (более 50 различных показателей). Об этом сообщила вице-премьер, министр сельского хозяйства и продовольствия Удмуртии Ольга Абрамова на прошедшем в сентябре онлайн-мероприятии Forum.Digital Agro, посвященном цифровизации агропромышленного комплекса страны.
— Пока мы наносим данные на нашу электронную карту без учета конкретных собственников земель и сельскохозяйственных культур, которые посеяны на этих площадях. Конечно, можно пытаться цифровизировать все что угодно. Но сельхозпроизводители, организации АПК, крестьянские и фермерские хозяйства на сегодняшний день к этому не готовы, — обозначила проблему Ольга Абрамова. — Большинство из них не понимают ценность цифровизации и не имеют у себя оцифрованных производственных процессов. В связи с этим мы вынуждены использовать снимки со спутников. Но вряд ли получится реализовать качественно наши цифровые проекты, если у нас не будет исходных данных от конкретных предприятий и фермеров.
Долой тепличные условия
По экспертным оценкам, аграрный сектор России за счет внедрения цифровых решений может сэкономить почти 470 млрд рублей. Уже сегодня есть отдельные примеры того, как интеграция цифровых технологий (искусственный интеллект, интернет вещей, Big Data, роботизация, беспилотные системы, «умное» животноводство и растениеводство) на крупных предприятиях АПК и в небольших хозяйствах дает хорошие результаты в виде экономии средств и оптимизации затрат по статьям расходов на трудовые ресурсы, горюче-смазочные материалы, внесение удобрений и средств защиты, сокращение потерь урожая. Но при внедрении пилотных проектов цифровой трансформации в сельском хозяйстве, как и в других экономических отраслях, и их последующем масштабировании важно менять и сами бизнес-процессы на предприятии. Об этом свидетельствует опыт ГК «Русагро».
 |
|
Типовой комплект оснащения системой автономного вождения от компании Cognitive Technologies: 1 – Блок управления с нейропроцессором для автономного вождения; |
— Как обычно происходит вход той или иной технологии на предприятие? В виде «пилота», который внедряется, как правило, на старые бизнес-процессы доцифровой эры. Понятно, что в этих условиях «пилот» обычно не летит, поэтому вокруг него создается некая искусственная тепличная среда. Далее при наличии воли руководства, грамотного управления и соответствующего финансирования «пилот» взлетает. Но что с этим потом делать? Разумные компании так или иначе эти «пилоты» оставляют на полке, поскольку понимают, что такие тепличные условия они 30 или 100 раз не повторят. Но попытка масштабирования такого «пилота» без изменения бизнес-процессов неизбежно приводит к провалу. Результат всегда один и всегда плохой, — поделился руководитель управления по информационным технологиям ГК «Русагро» Павел Дрейгер. — Технократический подход в решении задач, вера в технологии, как правило, ведет к разочарованиям и большим финансовым потерям, потому что проблема всегда лежит в неправильных бизнес-процессах. Поэтому отдавайте предпочтение тяжелым «пилотам», которые будут челленджить (от английского challenge — проблема, сложная задача, вызов. — Ред.) не технологии (они-то работают), а ваши процессы. И не создавайте для таких «пилотов» искусственную благоприятную среду. Единственно успешный путь — изменение бизнес-процессов, тогда технология не будет проявляться в виде ярких вспышек, а станет в хорошем смысле рутиной.
Русагро идет именно таким путем. В настоящее время компания реализует, по заявлению ее представителей, самый большой в мире проект перевода на автономное вождение сельскохозяйственной уборочной техники — 242 комбайна.
— К этому нас вел большой и сложный «пилот», который фактически длился два года с компанией Cognitive Technologies. Он позволяет механизаторам сосредоточиться не на ведении техники, а на технологических параметрах уборки, соответственно проект экономически оправданный, — пояснил Павел Дрейгер.
Cognitive Technologies — московская компания. Среди ее разработок — та самая система автономного вождения, созданная на основе компьютерного зрения с применением искусственного интеллекта.
— Понятно, что хорошие комбайны позволяют убирать быстрее и с меньшим количеством единиц техники. Но они дорогие. Средний срок обновления парка техники у аграриев составляет около девяти лет. Поэтому вопрос — что делать с уже имеющейся техникой, которая эксплуатируется на полях? Как заставить машины не самого топового класса давать высокий результат? Мы изначально поставили себе задачу сделать максимально простую и надежную систему, которая не требует спутникового сигнала, предварительного картирования полей, дополнительных инвестиций в инфраструктуру. Просто поставил одну камеру, прикрутил вычислительный блок и две кнопки — «включить» и «выключить». В результате решение дает колоссальный эффект, поскольку позволяет фактически освободить механизатора от самой простой, но самой трудоемкой операции — вождения техники, — рассказал представитель Cognitive Technologies Андрей Черногоров. — Система, ориентируясь по фактическому состоянию культуры, ведет технику по кромке, рядку или валку. Главное — она распознает фактическое состояние культуры, обнаруживая препятствия, видит их за 15 метров. В этом году мы оснастили системой автономного вождения свыше 350 единиц техники в 26 хозяйствах совершенно разных регионов страны. Поскольку система основана на искусственном интеллекте, то с каждым новым внедрением, как в «Тесле», она становится умнее. То есть каждая система при возникновении такой возможности (допустим, когда комбайн вернулся в бригаду) дообучает облако и наоборот получает обновление, чтобы работать еще точнее.
Имеющиеся в мире технологии роботизации создаются под модели небольших животноводческих ферм — от 20 до 100 голов. В России же это всегда очень крупные предприятия с отличающимися бизнес-процессами
Такой комплекс на одну машину стоит около 700 тыс. рублей и устанавливается за один день. Как заявляют в Cognitive Technologies, инвестиции возможно окупить за два сезона — за счет точности захвата кромки, сокращения потерь урожая, контроля скорости, непрерывности и ритмичности работы комбайна, предотвращения простоев из-за аварий, доступности выгрузки на ходу.
Технологии искусственного интеллекта и машинного зрения активно внедряет на свою технику и Ростсельмаш. В созданном R&D-центре компании трудятся около сотни конструкторов и разработчиков. Они создают системы телеметрии, автоматизации технологических процессов, межмашинного взаимодействия, автоуправления парком машин. То есть речь идет не об отдельных беспилотных комбайнах, а о формировании целого сообщества автономных машин, выполняющих в поле определенные задачи. Цель — автономизация всех рабочих процессов: от обработки почвы до уборки урожая. На Ростсельмаше создали Agrotronic — систему дистанционного онлайн-мониторинга и параметрического контроля агромашин, которая предназначена для удаленного контроля над технологическими процессами с целью оптимизации режимов эксплуатации техники. Agrotronic работает в формате как web-платформы, так и мобильного приложения. В системе, позволяющей отслеживать и интерпретировать более 170 показателей, уже зарегистрировано более 6,5 тыс. единиц техники Ростсельмаша, работающей на полях.
— Первые системы автономного управления мы начали тестировать еще в 2015 году, — рассказал руководитель проекта инновационных технологий ГК «Ростсельмаш» Олег Александров. — В этом году подошли к внедрению на рынок «РСМ Агротроник Пилот 2.0». Это первая российская гибридная система автоуправления сельхозтехникой на основе технологий RTK*, которая дает непревзойденную точность вождения в 2,5 см и машинного зрения, позволяющего определять препятствия и останавливаться перед ними. Кроме того, мы научили систему автоматически разворачивать машину, поднимать и опускать жатку, а также подбирать оптимальную скорость движения. Используемая компонентная база — российского производства. Наша система автономного вождения совместима с нашими же системами картирования урожайности, идентификации оператора и целым рядом других функций.
Ростсельмаш уже провел серию успешных тестирований системы «РСМ Агротроник Пилот 2.0» и с 1 октября открыл предзаказ на ее установку практически на всю линейку машин собственного производства. Такой системой может быть оснащена как уже работающая в поле техника, так и новая, съезжающая с заводского конвейера. А с апреля 2021 года Ростсельмаш намерен предлагать аграриям коробочное решение для установки своих систем автономного управления на технику большинства основных производителей.
Вкалывают роботы
Отечественные инновационные решения по автоматизации и роботизации производственных процессов сегодня создаются и для животноводства. Пример — российский стартап R-SEPT, работающий над проектом роботизированной фермы.
— Имеющиеся в мире технологии роботизации создаются под модели животноводческих ферм с очень маленьким поголовьем — в среднем от 20 до 100 голов. В России же это всегда очень крупные предприятия с отличающимися бизнес-процессами. Наша цель — создать роботизированные технологии, которые подходят именно для крупных хозяйств, — описал специфику работы генеральный директор R-SEPT Алексей Хахунов. — Такие технологии очень важны, ведь роботизация ферм позволяет повышать надои молока до 20% и его качество, увеличивать продолжительность жизни животных за счет постоянного контроля состояния их здоровья.
R-SEPT предлагает аграриям несколько решений. Среди них — робот для добровольного доения, способный обслуживать до 70 коров, по цене 5 млн рублей. Он ежедневно собирает детальную информацию о качестве и количестве молока каждого животного и полностью исключает человеческий фактор на всех этапах работы.
Другой продукт компании — система компьютерного зрения, которая при помощи камер определяет активность животных. Она способна распознавать коров по их уникальному внешнему виду и собирать множество аналитических показателей: вести централизованный контроль, статистику здоровья, надоев и кормов. В ключевой функционал системы входит составление оптимального рациона питания, предупреждение о нештатных ситуациях, заболеваниях и изменениях в технологии. Система рассчитана на обслуживание 500 голов и стоит 1,6 млн рублей, окупаемость — два-три года.
Новейшее предложение от R-SEPT — роботизация доильных каруселей.
— Мы только закончили проектирование этого продукта. Это будет первое на рынке решение, позволяющее роботизировать уже построенные доильные залы и полностью убрать операторов, увеличив пропускную способность зала до 20%, а также внедрив трехразовую дойку. Стоимость — от 7 до 19 млн рублей, — отметил Алексей Хахунов. — Кроме того, в этом году мы на своей площадке запускаем полностью роботизированную ферму и будем ее использовать как демостенд. Мы находимся в контакте практически со всеми агрохолдингами, они хотят посмотреть, как это реально работает.
Отечественные разработчики сегодня предлагают решения по цифровизации и роботизации многих производственных процессов в АПК, в том числе касающихся детального обследования количества и качества сельскохозяйственных земель для технологий точного земледелия. Мировой тренд в получении этой информации — дистанционное зондирование, но данные по содержанию основных элементов питания растений и микроэлементов можно получить только с помощью наземных обследований. Однако здесь чрезмерно велика роль человеческого фактора: никто не хочет идти в поле и месить грязь. Поэтому качество данных, частота отбора почвенных проб и их достоверность остаются низкими.
— Мы создали роботизированный комплекс RoboProb, который делает наземные обследования доступными, точными, быстрыми и эффективными, — заявил автор идеи, представитель компании «РобоПроб» (резидента Сколково) Владимир Елисеев. — Агроробот заменяет пять человек, он может передвигаться со скоростью 35 км/час и производить отбор до 36 почвенных проб с точностью позиционирования по GPS/ГЛОНАСС до одного метра. Персонал по обслуживанию комплекса — один человек. Оператор загружает маршрут и после отбора почвенных проб RoboProb возвращается на то же место, чтобы перезарядить обойму и отправиться на следующее поле. А разработанная нами экспресс-лаборатория RoboLab позволяет проводить измерения макроэлементов прямо на поле.
Отметим: принимаемые в настоящее время меры государственной поддержки в части стимулирования развития цифровых технологий в агропромышленном комплексе страны беспрецедентны. Они осуществляются как на федеральном, так и на региональном уровне. Это ведомственный проект «Цифровое сельское хозяйство», создаваемая Минсельхозом России «Информационная система цифровых сервисов АПК», льготное кредитование и субсидирование сельхозпроизводителей с возможностью вернуть до 80% затрат на приобретение современной техники и оборудования. Но обратите внимание на наши иллюстрации, взятые с сайтов российских разработчиков. Пока это только компьютерная графика, нет «живых» фотографий, свидетельствующих о масштабном внедрении технологий цифровизации и роботизации на предприятиях АПК. Большинство инновационных решений реализуются в экспериментальном порядке. Да и аграрии пока держатся за работающие и давно проверенные схемы и не склонны менять бизнес-процессы. В стране требуется фактически с нуля формировать схему взаимодействия инноваторов и производственников, но это системный вопрос, не ограниченный рамками сельского хозяйства.
* RTK (англ. Real Time Kinematic — «кинематика реального времени») — совокупность приемов и методов получения плановых координат и высот точек местности сантиметровой точности с помощью спутниковой системы навигации посредством получения поправок с базовой станции, принимаемых аппаратурой пользователя во время съемки
