Р.Ю. Есиков1, Н.А. Рындин2

1 Федеральный исследовательский центр «Информатика и управление» РАН (Москва, Россия)
2 ФГБОУ ВО ВГТУ (г. Воронеж, Россия)
1 vhiteroman@gmail.com,  2 nikitaryndin@gmail.com

Постановка проблемы. Эффективное управление планами севооборотов в агропромышленных предприятиях – сложная задача, так как предполагает оптимизацию переменной последовательности мероприятий для максимизации прибыли с учетом агрономических и технологических ограничений, экстремальных погодных условий и других дестабилизирующих факторов.

Цель. Разработка подхода к управлению организационной системой агропромышленного предприятия на основе моделирования и оптимизации плана севооборота, позволяющего предприятию достигать максимальной прибыли при соблюдении всех соответствующих ограничений.

Результаты. Представлен подход к управлению организационной системой агропромышленного предприятия на основе моделирования и оптимизации плана севооборота, представляющего собой варьируемую последовательность деятельности сотрудников предприятия по достижению максимальной прибыли при соблюдении всех агрономических и технологических ограничений, учете погодных условий. В основу управления севооборотом положена система связанных моделей линейного программирования. Для формирования этих моделей используются статистические данные по урожайности сельскохозяйственных культур, обрабатываемые методами машинного обучения, а также имеющиеся в цифровой среде такой организационной системы шаблоны технологических карт выращивания альтернативных сортов сельскохозяйственных культур, экономические данные по затратам на их выращивание, уборку и хранение. Формируются оптимизационные модели и приводятся алгоритмы поиска оптимальной последовательности с использованием известных методов оптимизации.

Практическая значимость. Предложенный подход и разработанная система обеспечивают инструмент поддержки принятия решений по оптимизации планов севооборота и повышению рентабельности. Система может помочь предприятиям: повысить урожайность сельскохозяйственных культур; оптимизировать распределение ресурсов и сократить затраты; повысить эффективность планирования севооборота и сократить время, необходимое для планирования; повысить общую конкурентоспособности предприятия на рынке; система может быть внедрена на различных агропромышленных предприятиях, способствуя росту аграрного сектора и экономики в целом.

Есиков Р.Ю., Рындин Н.А. Управление организационной системой аграрного предприятия на основе оптимизации варьируемой последовательности деятельности // Системы высокой доступности. 2024. Т. 20. № 4. С. 44−51. DOI: https://doi.org/10.18127/ j20729472-202404-05

1. Меденников В.И., Райков А.Н. Анализ опыта цифровой трансформации в мире для сельского хозяйства России. Тенденции развития Интернет и цифровой экономики // Труды III Всерос. c междунар. участием научно-практ. конф. Симферополь: ИП Т.В. Зуева. 2020. С. 57–62.
2. Меденников В.И. Системный анализ цифровых экосистем производственных отраслей на примере АПК // Цифровая эко­номика. 2021. № 3(15). С. 34–51.
3. Никляев В.С., Косинский В.С., Ткачев В.В., Сучилина А.А. Основы технологии сельскохозяйственного производства. Земледелие и растениеводство. М.: Былина. 2000. 391 c.
4. Евтефеев Ю.В., Казанцев Г.М. Основы агрономии: учебник для вузов. М.: Эксмо. 2013. 368 с.
5. Gerdt V.P., Lassner W. Isomorphism verification for complex and real Life algebras by Grobner basis technique // Modern Group Analysis: Advanced Analytical and Computational Methods in Mathematical Physics: Proceedings of the International Workshop Acireale, Catania, Italy, October 27–31. 1992.  Springer Netherlands. 1993. Р. 245–254.
6. Юдин Д.Б., Гольштейн Е.Г. Линейное программирование. Теория, методы и приложения. 2-е изд. М.: УРСС. 2012. 424 с.
7. CatBoost, XGBoost и выразительная способность решающих деревьев. https://habr.com/ru/companies/ods/articles/645887/
8. Santos L.M.R., Michelon P.R.H., Arenales M.N., Santos R.H.S. Crop rotation scheduling with adjacency constraint // In Annals of Operations Research 190. 2011. C. 165–180.
9. Aliano Filho A., de Oliveira Florentino H., Vaz Pato M. Metaheuristics for a crop rotation problem // International Journal of Metaheuristics. 2014. V. 3. № 3. P. 199–222.
10. Schoning J., Richter M.L. AI-based crop rotation for sustainable agriculture worldwide // 2021 IEEE Global Humanitarian Technology Conference (GHTC). IEEE. 2021. Р. 142–146.
11. Crop Recommendation Dataset. https://www.kaggle.com/datasets/siddharthss/crop-recommendation-dataset
12. Брюс П., Брюс Э. Практическая статистика для специалистов Data Science / пер. с англ. СПб.: БХВ-Петербург. 2018. 304 с.
13. Рындин Н.А., Скворцов Ю.С., Тишуков Б.Н. Цифровизация управления в организационных системах агропромышленных предприятий / под ред. А.А. Рындина. Воронеж: Издательско-полиграфический центр «Научная книга». 2022. 48 с.
14. Единый государственный реестр почвенных ресурсов России. https://egrpr.esoil.ru/content/1DB.html