Цифровые технологии, которые активно развиваются в наше время, являются важными организационными ресурсами для рыбоводческих компаний, позволяющими создавать операционные возможности и смягчать компромисс между исследовательскими и эксплуататорскими инновациями для решения экологических проблем. Недавние исследования стратегии знаний показали, что для достижения высокого уровня операционных возможностей стратегические знания и цифровые технологии должны быть организованы с помощью стратегических информационных систем, обеспечивающих эффективность бизнес-процессов.
Ключевые слова: цифровые технологии, рыбоводство аквакультура, бизнес-процессы, Интернет вещей.
Modern tools for improving the effifiency of business processes in aquaculture
Abstract. Digital technologies, which are actively developing nowadays, are important organizational resources for fish farming companies, allowing them to create operational capabilities and mitigate the trade-off between research and exploitative innovations to solve environmental problems. Recent research on knowledge strategy has shown that in order to achieve a high level of operational capabilities, strategic knowledge and digital technologies must be organized using strategic information systems that ensure the effectiveness of business processes.
Keywords: digital technologies, fish farming, aquaculture, business processes, Internet of Things.
Сегодняшняя бизнес-среда сталкивается со многими проблемами, характеризующимися экономической и политической нестабильностью, конкуренцией и естественной неопределенностью.
Из-за современных проблем, связанных с поиском компромиссов, компании разрабатывают различные степени бизнес-стратегий, позволяющие бизнес-процессам использовать двусторонние инновации, то есть одновременное применение как исследовательских, так и эксплуатационных практик для того, чтобы быть конкурентоспособными.
Аквакультура или рыбоводство – это сектор животноводства, отрасль хозяйствования, вид экономической деятельности по разведению, обработке и реализации рыбы во всех водоемах [10].
В течение многих лет развитие отечественного рыбохозяйственного комплекса проходило по экстенсивному пути, при этом активно эксплуатировались природные ресурсы. В середине 90-х гг. прошлого века общие допустимые объемы уловов минтая, трески, сельди и других видов товарной рыбы существенно снизились, что создало предпосылки для развития аквакультуры, то есть, искусственного воспроизводства [9].
Поскольку существует глобальная проблема истощения мировых запасов водных биологических ресурсов, разведение и выращивание рыбы, креветок и моллюсков становится надежным способом обеспечения населения достаточным количеством рыбы и морепродуктов. В последнее время аквакультура столкнулась с серьёзными проблемами, включая ограниченное видовое разнообразие, трудоёмкость технологических процессов, загрязнение окружающей среды, болезни рыб и другие. Для её воспроизводства нужны новейшие технологии для повышения производства продукции и эффективности бизнес-процессов. Новейшие технологии, которые включают искусственный интеллект, рециркуляционные системы аквакультуры, альтернативные белки и масла для замены рыбной муки и рыбьего жира, блокчейн для маркетинга и Интернет вещей могут стать решением для устойчивого и прибыльного развития аквакультуры.
Программные системы управления предприятиями аквакультуры являются наиболее понятными и доступными представителями информационных технологий (ИТ). Такие системы позволяют объединить разнородные потоки данных, обеспечить совместный доступ и совместную деятельность работников предприятия, обеспечить визуализацию и интеллектуальный анализ данных, поддержку принятия решений и др.
Перекармливание и недостаточный контроль на рыбных фермах, особенно на фермах по выращиванию нильского окуня, приводят к загрязнению воды несъеденным кормом, ухудшению качества рыбы и повышению смертности. Система мониторинга Blynk, позволяет фермерам получать оповещения, когда их тилапия демонстрирует поведение с низким и высоким риском в приложении Blynk. Данная система состоит из шести датчиков. Результаты исследования, что датчик и привод в кормушках для рыб, точные данные и непрерывные уведомления в приложении Blynk – всё это в совокупности влияет на pH, температуру, мутность, уровень кислорода, уровень воды и TDS. В нём также есть кормушка для рыб, которая позволяет владельцам рыб кормить мальков, когда они захотят. Результаты исследования, проводимого Flordeliza L.V., 2024, показали, что использование датчика регистрации растворенных веществ значительно повлияло на производительность системы и рост нильской тилапии в рыбных прудах. Это часто влияет на рост рыб. Исследователи также обнаружили, что прототип оповещения точен и надежен при сборе данных с датчиков. Будущим исследователям предлагается создавать устройства для визуализации, чтобы отслеживать рост рыбы, и расширять возможности этих устройств для промышленного сельского хозяйства [5].
Питьевая вода во все времена была самым необходимым элементом для всех живых существ, в том числе и для человека; поэтому крайне, необходимо внедрять более совершенные методы мониторинга качества воды. Особенно важен мониторинг качества воды в рыбных хозяйствах, поскольку гидробионты очень чувствительны к ухудшению качества водной среды.
Интернет вещей (IoT) позволяет применять современные подходы и повышать вероятность поддержания качества воды. Дешёвые устройства, объединённые в сеть, могут быть использованы в определённых местах, например, на реках, озёрах, вблизи береговой линии или промышленных комплексов.
Действительно, в настоящее время почти все подходы, используемые для обеспечения качества воды, включают в себя физический отбор проб, а затем дорогостоящие лабораторные исследования. Альтернативой является автоматическое получение данных с помощью недорогих датчиков, расположенных в точках сбора данных. Таким образом, была создана система мониторинга качества речной воды на основе технологии Интернета вещей, которая позволяет быстро и эффективно проводить мониторинг.
Методика работы системы основана на использовании контроллера ATmega328P-AU, датчика pH для измерения кислотности, датчика мутности для измерения уровня мутности, LPWAN LoRa для передачи данных, а также облачного сервиса Antares для хранения данных, отправляемых через Android. Согласно результатам, предложенная система обеспечивает надёжную точность с погрешностью 99,73% для датчика pH и 99,41% для датчика мутности. Кроме того, 2,6 секунды — это среднее время, необходимое для передачи результатов в облачный сервис [2].
Инструменты IoT также применяются для управления водными ресурсами и кормами в аквакультуре. Технология IoT позволяет корректировать дозировку в зависимости от поведенческих моделей, тем самым минимизируя затраты и количество отходов. Эти инструменты также помогают выявлять патологии у рыб, влияющие на фенотип. IoT позволяет отслеживать каждый этап аквакультуры, контролировать параметры воды и другие переменные. Датчики в садках или системах RAS генерируют оповещения, если параметры выходят за пределы допустимых значений [3].
Одной из систем дистанционного мониторинга Aquaculture 4.0, которая в настоящее время используется на рыбных фермах, является OxyForcis, разработанная и изготовленная компанией Smalle Technologies и в настоящее время применяемая как на морских, так и на пресноводных рыбных фермах в Испании. OxyForcis измеряет температуру воды и уровень кислорода с помощью оптического датчика, расположенного внутри садка или пруда. Данные об уровне кислорода поступают на электронный блок, расположенный вне воды, прочно прикреплённый к стенкам пруда или конструкции садка, который находится в герметичном корпусе и питается от небольшой солнечной панели. Данные могут быть записаны в этом устройстве и отправлены на удалённый сервер в интернете с помощью беспроводной связи через заданные пользователем интервалы. На внутренних фермах OxyForcis автоматически отправляет сигнал тревоги на мобильный телефон руководителя фермы, когда уровень растворённого кислорода падает ниже заданного значения или температура выходит за пределы установленных параметров. Это позволяет руководителю немедленно принять меры по исправлению ситуации, например, активировать системы подачи кислорода [2].
Термин «Индустрия 4.0» применяется к стратегиям цифровизации и автоматизации производственного процесса, основанным на интеграции прорывных технологий, которые приводят к созданию интеллектуальных, автономных и децентрализованных предприятий («умных фабрик»), которые взаимодействуют и сотрудничают друг с другом и с людьми в режиме реального времени. Обозначение «4.0» относится к четвёртой промышленной революции и связано с группой новых технологий с высоким потенциалом развития, таких как Интернет вещей, интеллектуальное производство, облачные вычисления и искусственный интеллект.
С помощью данного подхода можно повысить экологичность и эффективность использования ресурсов в производственных процессах. Кроме того, интеграция потребителей в процессы проектирования и производства позволит массово персонализировать товары, а ориентированные на человека инструменты и процессы могут улучшить условия труда.
Однако внедрение «Индустрии 4.0» также сопряжено с рядом трудностей. В качестве примера можно привести проблемы с ИТ-безопасностью, которые могут возникнуть из-за массового обмена данными между производственными системами, или необходимость разработки широкополосных каналов промышленной связи. Кроме того, цифровизация всей цепочки создания стоимости требует от компаний обмена информацией и децентрализации процесса принятия решений, что является значительным изменением в структуре управления многих предприятий. Значительные инвестиции, необходимые для реализации стратегий 4.0 на начальном этапе, могут стать общей проблемой для большинства компаний.
Аквакультура в Европе обеспечивает производство 1,25 млн тонн морепродуктов в год на сумму более 4 млрд евро, согласно данным ЕС. Тем не менее, этого объёма недостаточно для удовлетворения спроса на морепродукты в Европе, что приводит к сильной зависимости от внешних рынков. Поэтому аквакультуре в ЕС необходимо повысить свою конкурентоспособность за счёт расширения территории, производства и создания новых цепочек поставок.
В октябре 2017 года Европейская комиссия в рамках программы Horizon 2020 «Инновационные действия» ввела термин «Аквакультура 4.0». В рамках этой программы основное внимание уделялось применению технологий «Индустрии 4.0», таких как Интернет вещей и искусственный интеллект, в аспектах, связанных с разработкой устойчивых интеллектуальных программ разведения и методов кормления в аквакультуре. Однако концепция «Аквакультуры 4.0» может быть расширена до стратегий управления рыболовством, которые включают сбор данных и обмен ими между подключёнными узлами, а также процессы облачных вычислений в реальном времени.
В аквакультуре 4.0 могут быть реализованы многие различные технологии, которые в настоящее время находятся на ранней стадии внедрения, такие как системы рециркуляционной аквакультуры (УЗВ), морские «умные» фермы или автоматизация задач для создания беспилотных внутренних ферм. Другой пример — интегрированная мультитрофная аквакультура, которая заключается в выращивании разных видов таким образом, что несъеденный корм и отходы одного вида используются для кормления других видов. Все эти примеры аквакультуры 4.0 и многие другие включают в себя в качестве одного из основных методов мониторинг качества воды на ферме в режиме реального времени [2].
Деятельность, здоровье и благополучие рыб — важные направления исследований в области аквакультуры. Исследования, связанные с этими направлениями, оказывают значительное влияние на качество продукции аквакультуры. Изучение поведения рыб сосредоточено на оценке интенсивности кормления, поскольку она связана с потреблением пищи и уровнем насыщения [7].
Методы на основе искусственного интеллекта могут быть успешно использованы для увеличения биомассы рыб с целью максимизации прибыльности и поддержки устойчивости интенсивной аквакультуры осетровых. Интеграция технологий ИИ в промышленные системы рыболовства обеспечит максимизацию рентабельности за счет сокращения операционных усилий и повышения эффективности использования кормов для рыб путем оптимизации процессов кормления осетровых при сохранении производительности производства, тем самым снижая эксплуатационные расходы за счет устранения неиспользованных количеств корма [4].
Недавние применения искусственного интеллекта в рыбной науке открывают многообещающую возможность для массового отбора проб улова рыбы. Например, точное измерение размера рыбы в нерестилищах имеет решающее значение для рыбной промышленности.
В отличие от акустических методов, которые требуют высоких затрат на оборудование и низкой точности измерений, современные методы, основанные на визуализации, предлагают многообещающие альтернативы. Например, автоматизированный метод измерения размера рыбы на основе обнаружения ключевых точек с использованием сверточных нейронных сетей (нейронная сеть DLAT, преобразованная в прототип сети CenterFishNet).
Быстрое появление технологии глубокого обучения было проанализировано рядом авторов, которые успешно продемонстрировали ее использование в рыболовной промышленности для идентификации живой рыбы, классификации видов, поведенческого анализа, решений о кормлении, оценки размера или биомассы и прогнозирования качества воды с использованием простых сверточных сетей и рекуррентных нейронных сетей.
Разработка и внедрение технологий ИИ должны руководствоваться этическими и гуманистическими принципами. Мировое сообщество должно сотрудничать для установления стандартов и правил, обеспечивающих ответственное развитие ИИ, принимая во внимание его влияние на отдельных лиц и общество в целом [4].
Для синхронизации интеграции технологии ИВ и таких огромных объёмов данных была разработана новая технологическая тенденция под названием «цифровые двойники» (Digital Twins, DT). ЦД — это технология, которая выполняет цифровое дублирование всех моделей. Другими словами, она создаёт копию физического мира с обновлениями в реальном времени.
ЦД играет ключевую роль в продолжающейся четвертой промышленной революции, способствуя оптимизации, мониторингу в реальном времени и прогнозированию услуг и продуктов. Их применение распространилось на различные сферы, в том числе на аквакультуру. Аквакультура, самая быстрорастущая отрасль мирового производства продуктов питания, способствовала разработке множества продуктовых стратегий и технологий, направленных на устранение социальных и экологических последствий, связанных с производственными системами аквакультуры.
Технология цифровых двойников всё чаще применяется в различных отраслях, предвещая кардинальные изменения и открывая новые возможности. Она обеспечивает высокий уровень контроля над физическими объектами и эффективно управляет сложными системами за счёт интеграции нескольких технологий.
Интеллектуальные системы сбора данных, такие как недорогая технология «туманных вычислений», позволяют в режиме реального времени принимать высокоточные решения в области аквакультуры, повышая точность. Использование значительных объёмов данных в режиме реального времени, получаемых с устройств и датчиков, может способствовать созданию постоянно обновляемой цифровой копии, которая точно отражает текущее состояние систем и оборудования. В этом контексте ЦД может повысить эффективность операций в сфере аквакультуры, используя преимущества нескольких недавних технологических достижений в области аквакультуры, повышая эффективность работы и достигая более точных результатов при меньших затратах.
В сельском хозяйстве и аквакультуре ЦД можно определить как виртуальную копию реального объекта, позволяющую фермерам удалённо управлять операциями на основе цифровой информации в реальном времени, устраняя необходимость в непосредственном наблюдении и выполнении задач вручную. По сути, ЦД – это компьютерная программа, которая принимает на вход реальные данные о физическом объекте или системе и генерирует на выходе прогнозы или модели о том, как будет вести себя объект или физическая система, на которые повлияют эти входные данные.
Таблица 1 — Общие уровни систем ЦД
Архитектура ЦД включает в себя различные компоненты, в том числе физические датчики, физический двойник, периферийные вычислительные возможности, меры безопасности данных, представление цифрового двойника, механизмы обработки данных и коммуникационные интерфейсы, такие как Интернет и спутниковые сети. Визуализация данных является важнейшим компонентом архитектуры ЦД, позволяющим пользователям интерпретировать и анализировать данные визуально. Общая архитектура ЦД может быть разделена на три основных уровня (таблица1).
Эти уровни позволяют ЦД моделировать физические объекты в режиме реального времени или в процессе производства, предлагая практические преимущества на цифровых и кибернетических уровнях, обеспечивая постоянное совершенствование и индивидуализацию за счёт проектирования цифровых уровней для конечного производства, повышая эффективность проектирования и производства [6].
Прогресс в развитии информационных технологий заметно воздействует и на традиционные производства, такие как сельское хозяйство, в частности аквакультура. Внедрение инноваций в аквакультуру позволит снизить риски производства, повысить производительности труда, снизить воздействие на окружающую среду, предоставить решение других значимых проблем предприятий. В данной статье представлены примеры исследований, направленных на разработку облачных программных систем управления предприятием аквакультуры, построение систем мониторинга качества воды на основе Интернета вещей, обеспечение интеллектуального анализа данных, разработку математических моделей и цифровых двойников. Представленные технологии в ближайшем будущем займут свое место в отрасли аквакультуры и станут частью концепции Аквакультуры 4.0 и «точной аквакультуры».
Список литературы
- Abdullah, Ahmad Fikri, et al. «Charting the aquaculture internet of things impact: Key applications, challenges, and future trend.» Aquaculture Reports 39 (2024):
- Aquaculture 4.0: applying industry strategy to fisheries management // Электрон. дан. Режим доступа URL: https://www.governmenteuropa.eu/aquaculture-4-0/93038/ (дата обращения: 08.12.2024).
- Cheng, W. K., et al. «Integration of federated learning and edge-cloud platform for precision aquaculture.» IEEE Access (2024). https://doi.org/10.1016/j.aqrep.2024.102358.
- Fan X, Xiangyu, et al. «A Hybrid Neural Network Model For Predicting The Nitrate Concentration In The Recirculating Aquaculture System.» arXiv preprint arXiv:2401.01491 (2024).
- Flordeliza L.V., et al. «Application of Cloud-based Monitoring and Feeding System for Smart Aquaculture Farming». 2024 16th International Conference on Computer and Automation Engineering (ICCAE). IEEE, 2024 DOI: 10.1109/ICCAE59995.2024.10569913
- Murti, Muhammad Ary, et al. «Smart system for water quality monitoring utilizing long-range-based Internet of Things». Applied Water Science 14.4 (2024): 69.
- Woo, Hanchul, Daesung Lee, and Jun-Ho Huh. «AgTech: A Survey on Digital Twins Based Aquaculture Systems.» IEEE Access (2024).
- Ubina, Naomi, et al. «Evaluating fish feeding intensity in aquaculture with convolutional neural networks.»Aquacultural Engineering 94 (2021). https://doi.org/10.1016/j.aquaeng.2021.102178
- Иванова, М. А., Г. В. Комлацкий. «Тенденции развития рыбохозяйственной отрасли в России». Материалы III Национальной научно-практической конференции, посвященной 25-летию кафедры экологии моря ФГБОУ ВО «КГМТУ» г. Керчь 14 – 15 мая 2024 г.
- Корнейко О. В., Покорменюк М. Д. Аквакультура в России: состояние и проблемы развития // АНИ: экономика и управление. 2017. №4 (21). URL: https://cyberleninka.ru/article/n/akvakultura-v-rossii-sostoyanie-i-problemy-razvitiya (дата обращения: 08.12.2024).
- Литовченко, В. С. Новые информационные технологии в аквакультуре: краткий обзор / В. С. Литовченко, Е. Е. Ивашко // Балтийский морской форум : материалы VIII Международного Балтийского морского форума : в 6 т., Калининград, 05–10 октября 2020 года. Том 3. Калининград: Калининградский государственный технический университет, 2020. С. 31-35.
- Черданцев В.П., Бугаев К.П., Васенин И.Е. Совершенствование технологии бизнес-процессов через автоматизацию и цифровизацию производства рыбной продукции// Электронное сетевое издание «Международный правовой курьер» — 2023. — № S4. — c.16-20, URL: http://inter-legal.ru/sovershenstvovanie-tehnologii-biznes-protsessov-cherez-avtomatizatsiyu-i-tsifrovizatsiyu-proizvodstva-rybnoj-produktsii
Информация об авторах:
Черданцев Вадим Петрович, доктор экономических наук, профессор, профессор кафедры менеджмента,Пермский государственный аграрно-технологический университет имени академика Д.Н. Прянишникова.
Якупов Денис Александрович, аспирант, Пермский государственный аграрно-технологический университет имени академика Д.Н. Прянишникова.
Information about the authors:
Cherdantsev Vadim Petrovich, Doctor of Economics, Professor, Professor of the Department of Management, Perm State Agrarian and Technological University named after Academician D.N. Pryanishnikov,
Yakupov Denis Alexandrovich, postgraduate student, Perm State Agrarian and Technological University named after Academician D.N. Pryanishnikov
Фото: unsplash.com
