Особенности формирования цепочки создания стоимости продукции зернового производства на основе искусственного интеллекта

Введение. Зерновое производство, как важнейшая отрасль сельского хозяйства, играет ключевую роль в обеспечении продовольственной безопасности страны и имеет стратегическое значение для решения многочисленных народнохозяйственных задач, в числе которых создание рабочих мест в сельских районах, развитие инфраструктуры, укрепление экономического положения страны на мировых рынках. Эффективное зерновое производство не только обеспечивает стабильное наличие основных продуктов питания на внутреннем рынке, снижая зависимость от импорта и глобальных колебаний цен, но также служит важным условием для социальной, экономической и политической стабильности внутри страны [1].

Несмотря на рост валового сбора зерновых и зернобобовых продуктов в 2022 году (157,7 миллиона тонн, что на 29,9% больше, чем в предыдущем году) [2] и относительно неплохие перспективы на 2023 г. – почти 133 млн т., отрасль зернового производства сталкивается с рядом серьезных вызовов и проблем включая деградацию экосистем, сокращение пригодных для выращивания зерновых культур посевных площадей, распространение вредителей и болезней, ужесточение экологических стандартов, а также неэффективное использование ресурсов.

В свете перечисленных ограничений становится очевидной неотложная потребность в создании эффективной цепочки создания стоимости продукции зернового сельского хозяйства, являющейся критически важной компонентой обеспечения высокой конкурентоспособности и качества зерна, а также устойчивости его производства [3]. Цепочка создания стоимости, состоящая из последовательности этапов начиная от входящей логистики и заканчивая маркетингом с продажами, объединяет в себе сложную сеть взаимосвязанных бизнес-процессов, каждый из которых вносит свой вклад в общую стоимость продукции. От внутренней оптимизации бизнес-процессов, опосредующих процесс создания зерна и продуктов его переработки напрямую зависит эффективность функционирования не только отдельных этапов производственного цикла, но и всей цепочки как единого целого.

Не вызывает сомнений, такая оптимизация не может быть выполнена вне границ инновационной системы производства, базисом которой сегодня является искусственный интеллект (ИИ). В эпоху цифровой трансформации сельского хозяйства и развития ИИ-технологий, интеллектуализация зернового производства становится стратегической инициативой, находящейся в центре всех аграрных инноваций [4].

Внедрение и реализация ИТ-решений на основе ИИ имеет огромный потенциал для совершенствования бизнес-процессов. Эти технологии способны сократить зависимость от ручного труда, снизить издержки производства, повысить урожайность, предсказывать рыночные цены на продукты, а также содействовать снижению негативного воздействия на окружающую среду и более эффективному использованию природных ресурсов. При этом оптимизация процессов выполняется главным образом за счет двух аспектов: или масштабирование когнитивных функций эксперта (критическая точка -принятие решений), или самой функции бизнес-процесса (большее число действий в единицу времени), а экономический эффект возникает за счет роста производительности, базирующейся на экономии времени и возникающем на этой основе росте числа точных своевременных прогнозов.

Цель исследования состоит в выявлении (и анализе основных аспектов и) особенностей формирования эффективной цепочки создания стоимости в зерновом производстве с использованием передовых технологий искусственного интеллекта.

Материалы и методы. Теоретическим базисом исследования послужили работы по использованию цифровых технологий управления зерновым производством в контексте задач, поставленных национальным проектом «Цифровая экономика», ведомственным проектом «Цифровое сельское хозяйство» в части цифровых агрорешений (продукты и технологии) в АПК, а также Долгосрочной стратегии развития зернового комплекса Российской Федерации до 2035 года [5-7]. В качестве методологической основы исследования взяты законы развития цифровой экономики (Мура, Хуанга, Кека), определяющие ключевые направления и тенденции развития в условиях внедрения новых технологий, а также процессный подход, позволяющий рассмотреть цепочку формирования стоимости как набор взаимосвязанных бизнес-процессов.

Результаты и обсуждение. Современное аграрное производство невозможно рассматривать вне его связи с объективными процессами экономического развития, ключевую роль в которых сегодня играют информационные технологии. В силу этого цифровизация общественного хозяйства набирает обороты. Важность данного процесса подчеркивается необходимостью проведения до 2030 г. цифровой трансформации всей страны, о чем заявлено во многих государственных документах. При этом особая роль отводится использованию передовых подходов, организации бережливого производства, снижению потерь, оптимизации хозяйственной деятельности в целом. Предстоит перестройка всей системы управления на основе технологий искусственного интеллекта.

Фундаментальную роль в построении эффективной цепочки создания стоимости на основе искусственного интеллекта в зерновом хозяйстве играет внутренняя интеграция бизнес-процессов [8]. Она представляет собой важный этап в организации интеллектуальной деятельности, способствуя оптимизации и согласованию внутренних бизнес-процессов, что в свою очередь приводит к повышению производительности, снижению издержек, экономии времени на рутинных операциях. Принятие решений, основанное на использовании модели данных означает, что появляется возможность объективного контроля за ходом производственных операций, следовательно в аграрном секторе возникают предпосылки интеллектуализации непосредственного производства. В зерновом секторе использование технологий искусственного интеллекта может быть представлено следующим образом (рисунок 1).

Интеллектуализация бизнес-процессов зернового производства
		/Снижения потребления сырья и материалов благодаря постоянному контролю^ за процессами производства и хранения продукции; Точное прогнозирование потребности в ресурсах, а также снижение риска дефицита и излишков за счет возможности интеллектуального управления цепочками поставок; Своевременное обнаружение болезней и вредителей растений сна основе интеллектуальных систем позволяет производителям таргетировать ^ использование агрохимии. __ у
Оптимизация материальных ресурсов	»
		^ ИИ автоматизирует рутинные задачи, снижает зависимость от ручного труда, что позволяет организации сократить трудозатраты, повысить производительность и сосредоточиться на более стратегических аспектах
Сокращение трудозатрат
		Сдея іельнис іи                                                            у
		^Модификация трудовых функций рабочих и оптимизация бизнес-процессов^ упрощают тяжелые повседневные рутинные задачи и снижают риски для здоровья работников. Многие задачи могут выполняться дистанционно или с использованием специализированного оборудования, что снижает риск ^ контакта с вредными веществами и возникновения опасных ситуаций. __у ■^Внутренняя интеграция БП на основе ИИ способствует эффективному \ управлению рисками. Анализируя большие объемы данных ИИ-системы способный оценивать потенциальные риски, связанные с погодными условиями, рыночными колебаниями, болезнями растений и другими факторами. Это позволяет производителю принимать более обоснованные решения, разрабатывать планы снижения рисков и обеспечивать более ^стабильное и устойчивое производство. _____________________________________у
Улучшение условий труда Ч__________________У	—*
<                       \ Управление рисками <               __у
Повышение эффективности . производства		Эффективное использование ресурсов, сокращение трудозатрат, снижение ’ издержек, эффективное управление рисками обеспечивает повышению общей производительности и эффективности зернового производства                 ,

Рисунок 1 - Преимущества внутренней интеграции бизнес-процессов на основе технологий ИИ

Представленная модель ориентирована на динамичную и конкурентную среду, в которой особую значимость приобретает контроль бизнес-процессов, отправным пунктом которого выступает мониторинг, позволяющий не только реагировать на текущие события, но и предвидеть потенциальные риски и возможности. Выявление дополнительных резервов для создания добавленной стоимости продукции зернового производства невозможно без организованной и структурированной системы наблюдения. Любая управленческая деятельность начинается с наблюдения. Чтобы обнаружить слабые места в производственном цикле необходимо в первую очередь проанализировать текущие процессы и идентифицировать области, требующие оптимизации.

Нарастающая сегодня стремительными темпами интеллектуализация всей аграрной сферы, открыла новые уникальные возможности мониторинга (в виде точного, информированного и устойчивого наблюдения за всеми аспектами зернового производства), что мультиплицирует не только внутреннюю интеграцию бизнес-процессов по всей цепочке создания стоимости, но и создает дополнительные условия организации бережливого производства. Современные технологии и инновации, включая искусственный интеллект, анализ больших данных, интернет вещей революционизировали способы, которыми сельскохозяйственные производители могут отслеживать и управлять основными процессами, влияя тем самым на конечную стоимость продукции [9, 10].

Использование искусственного интеллекта в зерновом производстве открывает и новые возможности в организации системы управления им. Они возникают в связи с многоуровневостью управления отдельными этапами бизнес-процессов (начиная от оперативного и технического управления на нижних уровнях до стратегического руководства наверху), иерархия которых может быть очерчена схемой: единичный производитель – уровень административного района – региональная ступень – национальное регулирование. Каждый уровень имеет свои задачи и область компетенции. В связи с этим цепочка создания стоимости получает возможности мониторинга по горизонтали (между производством отдельных видов работ в рамках данного бизнес-процесса) и, что немаловажно – по вертикали (когда бизнес-функции могут быть отслежены между отдельными производителями и владельцами больших баз данных. Целеполагание в данном случае выстраивается таким образом, чтобы цели и задачи базовых, нижних звеньев соответствовали главной стратегической цели, сформулированной менеджментом высшего звена.

В зерновом комплексе, где стоимостная цепочка включает в себя множество этапов и составляющих их процессов, координация и взаимодействие между уровнями становится критически важной задачей, решение которой обеспечивается через эффективное взаимодействие и согласованность между всеми звеньями процесса создания стоимости продукции через систему мониторинга. В этом случае технологии искусственного интеллекта, дифференцированные по уровням управления позволяют получить качественно обработанные, структурированные и иерархированные данные об объекте управления. Концептуальные положения относительно формирования создания цепочки стоимости зернового производства, основанные на искусственном интеллекте приведены на рисунке 2.

Нормативноправовая база

Система мониторинга

Бизнес-процессы зернового производства

Основные бизнес-процессы — создание стоимости продукции

Рисунок 2 – Основные компоненты формирования цепочки создания стоимости в зерновом производстве на базе искусственного интеллекта

Из рисунка 2 следует, что мониторинг служит не только цели внутренней диагностики бизнес-процессов, но является связующим звеном с другими участниками зернового производства. Такая интеграция достигается через создание центральной базы данных мониторинга, объединяющей информацию о различных аспектах производства: от состояния почвы, погодных условиях, ресурсном обеспечении и пр., и заканчивая информацией о поставщиках и потребителях. Последующее хранение, обработка и анализ собранной информации, необходимо для принятия обоснованных управленческих решений в процессе корректировки добавленной стоимости по местам ее происхождения. Приобретая универсальный характер и выполняя функции источника информации для всех участников аграрного процесса, таких как отраслевой бизнес, агрегаторы, исследовательские организации, вендоры, институты развития и государственные органы, база данных мониторинга создает важное общее пространство в области совокупной аграрной деятельности и формирования аграрной политики.

Информация, собираемая в системе, обладает значительной ценностью для организаций из различных смежных отраслей: поставщиками средств производства и материальных ресурсов, банками и страховыми компаниями, покупателями сельскохозяйственной продукции, логистическими компаниями, доступ к которой обеспечивается через наличие хаба данных. В данной особенности формирования данных выражается и многоуровневость системы управления мониторингом.

Таким образом, искусственный интеллект выступает ядром оптимизации всей цепочки создания стоимости. Благодаря возможностям интеллектуального мониторинга, обеспечивающего диагностику бизнес-процессов с одной стороны обеспечивается внутренняя интеграция бизнес-процессов, с другой -реализуются возможности многоуровневой системы управления бизнес-процессами, что предопределяет, обнаружение в них слабых мест, идентификацию потенциала для оптимизации и принятия обоснованных управленческих решений. Эффективное использование мониторинга позволяет улучшить координацию и согласованность всех этапов ценностной цепочки, снизить операционные риски, повысить производительность и качество продукции, а также уровень участия всех заинтересованных сторон в аграрной сфере.

Выводы

В современных условиях, где требования потребителей и стандарты находятся в постоянной динамике, необходимо активно адаптироваться и оптимизировать процессы в рамках всей ценностной цепочки. В связи с этим

• 1.    Назревает острая необходимость создания действенной системы управления ценностной цепочкой продукта, отправным пунктом которой является мониторинг;

• 2.    Главная цель управления цепочкой - обеспечение продовольственной безопасности страны за счет перехода к инновационным методам ведения хозяйства, основанным на технологиях искусственного интеллекта.

• 3.    Оптимизация управления создания стоимости достигается за счет:

• -    контроля всех бизнес-процессов в этой цепочке (мониторинг на первом месте);

• -    разных уровней управления отдельными этапами отдельных бизнес-процессов (ферма-регион-страна);

• -    управления внутренней интеграцией бизнес-процессов (нейросеть).

Внедрение ИИ позволяет выявить слабые места в производственных процессах, идентифицировать потенциал для оптимизации и принимать обоснованные управленческие решения. Это приводит к снижению операционных рисков, повышению производительности и качества продукции, а также участии всех участников аграрной сферы.

Важно подчеркнуть, что использование ИИ в сельском хозяйстве имеет долгосрочное стратегическое значение, способствуя конкурентоспособности и устойчивости отрасли, что содействует успешному развитию сельского хозяйства в современных условиях.