Экономика внедрения и стратегические перспективы

Главный результат применения ИИ — повышение маржинальности и управляемости бизнеса. Снижаются избыточные расходы, сокращаются потери урожая, повышается точность планирования. Искусственный интеллект в сельском хозяйстве – это рост производительности и более предсказуемые финансовые показатели.

В перспективе искусственный интеллект в АПК будет глубже интегрироваться с роботизированными системами и автономной техникой. Это создаст условия для перехода к цифровому агропроизводству, где большинство решений принимается на основе аналитики.

ИИ в сельском хозяйстве формирует новую логику развития отрасли. Это не временное технологическое направление, а долгосрочный инструмент повышения устойчивости и конкурентоспособности аграрного бизнеса.

Пример использования математического моделирования для управления структурой посевных площадей (СПП)

Группа компаний «АгроТерра» - это селекционно-семеноводческая компания и крупный производитель продукции растениеводства. Мы входим в топ-20 крупнейших землевладельцев России и помимо объема более 1 млн тонн товарной продукции предлагаем на рынок семена пшеницы, сои, гороха, пивоваренного ячменя, а также гибриды кукурузы, ярового рапса и подсолнечника.

В Группе компаний не используется фиксированный севооборот и жестко заданные доли культур, потому что в реальной жизни эти севообороты не выдерживаются. Рыночная конъюнктура меняется, и эффективному предприятию нужно гибко реагировать на изменение цен, подстраивать размещение культур под новые условия. Более того, мы знаем, что волатильность погоды и цен могут сильно повлиять на результаты сезона, а тема управления рисками для нас, аграриев, является жизненно важной.

Именно исходя из этих предпосылок формировалось лидерство «АгроТерры» в сфере цифровизации АПК.

Цифровые продукты «АгроТерры», которые применяются для роста эффективности и необходимого реинжиниринга бизнес-процессов:

• Оптимизационные модели

• Многофакторный анализ по результатам сезона

Мы начинали с того, что собрали вместе лучшие агрономические умы, разработали логику и заложили ее в модель, которая используя заложенные в нее правила, проводит миллионы расчетов и формирует результат, который помогает бизнесу и агрономам принимать практические решения (Рисунок 1).

Основа для работы модели – агрономически обоснованные цепочки севооборотных звеньев, используя которые инструмент самостоятельно определяет доли размещения культур, чтобы иметь возможность адаптироваться к условиям рынка. Для лучшего понимания приведем пример такой цепочки: можно два раза подряд сеять сою после озимой пшеницы, но нельзя сеять сою три раза подряд. Но как быть с рисками?

С помощью модели мы разрабатываем десятки вариантов СПП, которые покрывают всю палитру возможных сценариев – от максимально позитивных до крайне нежелательных и выбираем тот сценарий, который имеет лучшее сочетание устойчивости ко всем потрясениям и обеспечивает оптимальное реагирование на положительные конъюнктуры.

Таким образом, на вход модель получает информацию о полях, агрономические требования и вводные от бизнеса. После обработки всего этого массива данных на выходе специалисты «АгроТерры» получают предложения по оптимальной культуре и норме внесения минеральных удобрений для каждого поля чтобы полученная СПП с одной стороны, удовлетворяла всем заданным требованиям, а с другой - максимизировала плановую маржинальность (Рисунок 2).

Каждый год для питания почвы как для производственных, так и для семенных посевов «АгроТерра» тратит не один миллиард рублей – поэтому принципиально важно, чтобы решения, которые принимаются, были обоснованы и обеспечивали стабильность и прибыльность бизнеса.

Ни один человек, даже лучший агроном, не может держать в голове все то огромное количество факторов, которые влияют на результат. Именно поэтому уже четвертый год подряд в нашей Группе компаний СПП формируется не главным агрономом, а рассчитывается с помощью прикладной математики. Агрономы, в свою очередь, его согласовывают, либо меняют вводные для еще более качественного расчета.

ВЫБОР ОПТИМАЛЬНОГО СЦЕНАРИЯ
+ 2%-7% - на столько использование модели оптимизации СПП позволяет повысить маржинальность в сравнении с СПП, сделанной экспертом-агрономом

ДИФФЕРЕНЦИРОВАННЫЙ ПОДХОД
Расчет норм внесения минеральных удобрений отдельно для каждого поля с учетом его агрохимических и физических особенностей

СТРАТЕГИЯ РАЗВИТИЯ СПП
Расчет СПП на несколько лет вперед позволяет оценить доходность и волатильность различных вариантов СПП, а также возможность введения в севооборот

ОПТИМИЗАЦИЯ РАСХОДОВ
С помощью модели можно пересмотреть портфель минеральных удобрений в зависимости от текущих цен, действующего вещества и планируемых норм внесения.
40 млн. руб. удалось сэкономить в 2024 году при изменении конъюнктуры цен на фосфорно-калийные удобрения

Модель оптимизации структуры посевных площадей может являться фундаментом для системы сквозного автоматического планирования работы всей компании. При расчете модели важно учитывать ограничения по технике, чтобы запланированная СПП была осуществима на операционном уровне. Поэтому мы разработали автоматизированную и напрямую связанную с СПП модель оптимизации техники. За оптимизацию хранения и логистики после прохождения тестирования будет отвечать модель элеваторов.

Все модели, упомянутые ранее, смотрели вперед и планировали работу на следующий сезон. После сбора урожая - как товарной продукции, так и семян - обычно встает вопрос: где мы могли сработать лучше и что нам изменить в следующем году. Итоги прошедшего сезона в «АгроТерре» - это объект ретроспективного многофакторного анализа.

ИИ решает в Группе компаний важную прикладную задачу - выявить факторы, которые сильнее всего повлияли на урожайность или качество продукции в прошедшем сезоне для того чтобы улучшить результаты следующего. Алгоритм с помощью искусственного интеллекта учится на актуальных данных и может выявлять зависимости между разными факторами. Примером такой зависимости может быть любой параметр: от влияния сроков проведения работ на урожайность до влияния показателей кислотности почвы на качество продукции.

МНОГОФАКТОРНЫЙ ИИ АНАЛИЗ ПРОШЕДШЕГО СЕЗОНА

• Проводится статистический анализ на основании фактических данных для каждой культуры

• Определяются факторы, повлиявшие на урожайность и качество

• Составляется рейтинг факторов по экономической значимости

МОДЕЛЬ С АЛГОРИТМОМ ИИ ПОЗВОЛЯЕТ УЧЕСТЬ БОЛЕЕ 50 ФАКТОРОВ

• Метеопараметры

• Факторы планирования технологии

• Факторы исполнения технологии

• Результаты агрохимических обследований

На пути к технологическому лидерству в АПК «АгроТерра» проделала огромный путь от постановки задач, создания сложных моделей, формирования обширных баз данных для их обучения и реинжениринга процессов (Рисунок 3).

Сейчас Группа компаний, применяя агрономическую экспертизу, прикладную математику и искусственный интеллект, не только выращивает на своих полях культуры, производит на собственном заводе семена RELIX®, но и предлагает для участников отрасли инновационные решения.

Цифровая трансформация для сельскохозяйственных предприятий не просто желательна, а становится неизбежной в условиях современных вызовов и тенденций. Сельское хозяйство становится одной из самых высокотехнологичных индустрий в российской экономике. По нашему мнению, применение цифровых систем и решений — это точка роста и способ снизить себестоимость производства, что в конечном итоге будет создавать положительные тренды и способствовать развитию отечественного АПК.

RELIX Сайт ________ RELIX в МАКС ________ RELIX в ВКонтакте

Реализация семян производится
ООО «Курск АгроАктив», ОГРН 1094611000131