Расширение пределов концентрации аграрного производства в контексте применения технологий прецизионного молочного животноводства

Бурда Семён Алексеевич аспирант, кафедра системного анализа и обработки информации, Кубанский государственный аграрный университет 350044, Россия, Краснодарский край, г. Краснодар, ул. Калинина, 13, оф. 202 эк Burda Semen Alekseevich Postgraduate student, the department of System Analysis and Information Processing, Kuban State Agrarian University 350044, Russia, Krasnodarskii krai, g. Krasnodar, ul. Kalinina, 13, of. 202 ek saburda@mail.ru Барановская Татьяна Петровна доктор экономических наук профессор, кафедра системного анализа и обработки информации, Кубанский государственный аграрный университет 350044, Россия, Краснодарский край, г. Краснодар, ул. Калинина, 13, оф. 202 эк Baranovskaya Tat'yana Petrovna Doctor of Economics Professor, the department of System Analysis and Information Processing, Kuban State Agrarian University 350044, Russia, Krasnodarskii krai, g. Krasnodar, ul. Kalinina, 13, of. 202 ek bartp_2@mail.ru

Бурда Алексей Григорьевич доктор экономических наук профессор, кафедра экономической кибернетики, Кубанский государственный аграрный университет 350044, Россия, Краснодарский край, г. Краснодар, ул. Калинина, 13, каб. 209 эк Burda Aleksei Grigor'evich Doctor of Economics Professor, the department of Economic Cybernetics, Kuban State Agrarian University 350044, Russia, Krasnodarskii krai, g. Krasnodar, ul. Kalinina, 13, kab. 209 ek agburda@mail.ru Другие публикации этого автора

Введение. Процессы концентрации сельскохозяйственного производства сопровождаются увеличением размеров хозяйств и существенным увеличением количества несходных, неповторяющихся элементов в процессе производства. Так, по мере роста численности животных в стаде увеличивается как поголовье неодинакового возраста, так и вероятность нахождения их на различных фазах полового цикла. В личном подсобном хозяйстве возможен индивидуальный подход к каждому животному, учет особенностей каждой особи посредством визуального сбора информации о наследственности, состоянии здоровья, изучении потребностей животного на каждом этапе его жизни. Увеличение же поголовья животных в стаде приводит к возрастанию разнообразия признаков, к затруднениям в управлении, необходимости новых подходов к сбору и обработке информации для принятия решений и осуществления управленческих воздействий.

Среди проблем управления в молочном скотоводстве Суровцев В. Н. и Никулина Ю. Н. называют следующие: необходимость визуального постоянного контроля за коровами со стороны доярок; операторы машинного доения перестают быть главными «поставщиками информации» о животном; необходимость решения проблем управления сложными многоуровневыми системами если имеются несколько животноводческих объектов в одной организации ^{[1, с. 20]}. При совершенствовании системы управления стадом предусматривается замена визуального контроля анализом автоматически измеряемых параметров; компенсация влияния субъективного человеческого фактора при выполнении малопривлекательных трудовых операций и повышение технологической дисциплины; решение кадровых проблем и сокращение затрат на персонал; переход к активному управлению, когда отклонение параметров процесса от нормативных только намечается, а не после наступления негативных событий; снижение влияния на результаты производства отрицательных индивидуальных особенностей животных.

Цель данной статьи – изучить влияние применения технологий точного животноводства на процессы концентрации производства молока.

Материалы и методы. Исходными данными для проведения настоящего исследования послужили рейтинги крупнейших производителей молока в Российской Федерации, подготовленные Центром изучения молочного рынка (Dairy Intelligence Agency – DIA) за последние несколько лет, научные публикации по вопросам прецизионного сельского хозяйства и применения элементов точного цифрового животноводства в практике современного молочного скотоводства. При подготовке статьи использованы следующие методы: анализ, синтез, монографический, сравнения, статистический прием расчета накопленных частостей при изучении сосредоточения производства молока крупнейшими участниками молочного рынка.

Результаты и их обсуждение. По мере увеличения количества животных для упрощения их объединяют в технологические группы, причем само количество групп животных зависит от масштабов производства. Так А. М. Семенихин и Н. В. Пономаренко отмечают что на больших фермах практикуется выделение дополнительно следующих групп: телята до 6 месяцев, телки ремонтные, нетели, коровы родильного отделения, коровы дойного стада, коровы сухостойные, коровы выбракованные, бычки на доращивании и откорме, телки на доращивании и откорме, а значительные масштабы производства приводят к необходимости «…выделения в отдельную группу телят до 20 дней и от 20 дней до 6 месяцев, мясных пород молодняка до 8 месяцев текущего года» ^{[2, с. 6-7]}. Однако, при этом управленческий персонал начинает оперировать не индивидуальными, а средними по группе значениями показателей. В результате управляемость производственной системой ухудшается. Таким образом, разнообразие становится препятствием на пути увеличения эффекта масштаба ^[3]. Проявляется действие закона необходимого разнообразия У. Р. Эшби, согласно которому разнообразие системы управления должно быть не меньше разнообразия управляемого процесса или объекта ^[4].

Появление современных информационных технологий позволило учитывать многочисленные индивидуальные атрибуты каждой особи: генетические особенности, возраст, проявления заболеваний, стадию воспроизводственного цикла, конверсию корма, результаты автоматически проводимого анализа продукции, двигательную и жевательную активность, кислотность в желудке и т. д. Точность информации – степень ее близости к реальному состоянию управляемого объекта – существенно повышается. Тем самым разнообразие средств у лица, принимающего решения, существенно расширяется, появляется возможность учета не только групповых, но и персонифицированных данных о состоянии каждого объекта управления в конкретный момент времени. Естественно, что объемы обрабатываемой при этом информации многократно увеличиваются, становятся востребованными такие достижения информатики как анализ данных, машинное обучение, искусственный интеллект. Многие исследователи ^{[5],[6],[7],[8],[9]} справедливо связывают дальнейшее развитие агропромышленного комплекса с применением цифровых технологий и искусственного интеллекта, говорят о необходимости более широкого использования методов математического моделирования и исследования операций в сельскохозяйственном производстве ^[10].

В литературе встречаются рекомендуемые размеры товарных ферм по производству молока на 200-1200 голов коров, а также указывается, что «проектирование ферм и комплексов размером более указанных … допускается при согласовании с ветеринарной службой региона (области, края, республики)» ^{[11, c. 41]}. Разумеется, сосредоточение значительного поголовья на одной ферме должно сопровождаться соответствующим экологическим и ветеринарным контролем, который в частности обеспечивается применением элементов точного животноводства, позволяющих оперативно и достоверно следить за состоянием здоровья животных.

Хазанов Е. Е. в 2002 г. выделял три группы молочных ферм: «мелкие – < 200 коров; средние – 400-800 коров и крупные – 1000-1200 коров и более» ^[12]. Сейчас в нашей стране введены в действие и работают товарные молочные комплексы и мегафермы с поголовьем, превышающим 5-6 тыс. гол.

В 2017 г. в России 20 крупнейших компаний-производителей сырого молока произвели около 2 млн тонн молока или 8,4 % всего товарного молока страны ^[13]. По итогам 2019 г. доля 100 крупнейших производителей молока (ТОП-100) составляет 28,42 %, на ТОП-50 приходится 22,17 %, доля 10 лидеров – 11,67 %, а удельный вес первой пятерки – 8,96 % общего объема производства молока в стране ^[14]. Сравнение рейтингов за эти периоды свидетельствует о росте концентрации производства молока, поскольку в 2019 г. удельный вес пяти крупнейших производителей молока в стране превысил долю двадцати компаний в 2017 г. Однако, следует учесть, что в рейтинге все государственные организации объединены в категорию «государственная собственность», а также тот факт, что сам рейтинг отражает производство молока не в разрезе предприятий, как обособленных производителей, а в разрезе собственников, холдингов, концернов, групп компаний, акционерных обществ, и каждый из участников рейтинга, отраженный по соответствующей строке может иметь производства в различных административных районах одного или нескольких субъектов РФ. Так доля лидера рейтинга – холдинга «ЭкоНива-АПК» в 2019 г. составила 3,87 % в общероссийском производстве молока. Сельхозпредприятия этой компании, как следует из информации, размещенной на ее официальном интернет-сайте, работают в 13 регионах страны на 631 тыс. га, в их аграрном производстве занято около 14 тыс. чел., поголовье коров составляет около 105 тыс. голов. Входящее в состав этого холдинга организация «ОКА-МОЛОКО», имеющее семь подразделений в шести районах Рязанской области, содержит 23,4 тыс. гол. КРС, в т. ч. 12,6 тыс. гол. фуражных коров (на 11.01.2021), производит молоко на современных животноводческих комплексах на 2800, 2100 и 1150 голов голштинской породы с технологией беспривязного содержания и одной мегаферме на 6 тыс. голов дойного стада ^[15]. В 2019 г. «ОКА-МОЛОКО» увеличило производство сырого молока на 128,2 %.

Доля пяти крупнейших производителей молока в стране (ТОП-5), составлявшая в 2018 г. 7,26 % возросла до 8,95 % в 2019 г. Рост концентрации производства молока отчетливо проявляется в увеличении удельного веса первых десяти (ТОП-10) и пятидесяти (ТОП-50) компаний-участников рейтинга (рисунок 1).

Доля первой десятки производителей молока с 2016 г. по 2019 г. возросла более чем в 1,5 раза, а первой полусотни – в 1,4 раза.

Данные рейтинга производителей молока дают определенное представление о неравномерности процессов и достигнутых уровней концентрации производства молока в регионах России.

Рисунок 1 – Доля крупнейших производителей молока в общероссийском производстве, %

В данном случае приходится оперировать неполными данными, поскольку информация представлена по крупнейшим производителям в стране, а не в каждом регионе. Тем не менее, накопленные частости отражают неодинаковый уровень сосредоточения производства молока крупнейшими собственниками молочного рынка в различных субъектах Российской Федерации.

В Калужской области более половины произведенного молока приходится на холдинг «ЭкоНива-АПК». «Калужская Нива» объединяет хозяйства, расположенные в семи районах области, в которых содержится 23,22 тыс. коров, имеет высокотехнологичный роботизированный животноводческий комплекс в деревне Болдасовка Ферзиковского района, рассчитанный на 1800 голов. Здесь практикуется беспривязное содержание скота, применяются роботизированные доильные установки с 32 доильными местами. Ежедневно в этом хозяйстве получают более 590 тонн молока ^[15]. В Калининградской области две компании производят более 70 % молока. В Воронежской области и Краснодарском крае первая пятерка производителей дает более половины регионального производства молока, близкие к этому уровню концентрации достигнуты в Белгородской и Рязанской областях. В 12 регионах более четверти валовых надоев приходится на лидирующую организацию, в 26 субъектах РФ один участник рынка производит более 10 % сырого молока.

Что касается минимальных уровней концентрации, то в упомянутых выше рекомендациях предусмотрено, что проектирование молочных ферм размером менее чем на 200 коров осуществляется по заданию заказчика, размерами 100 и менее коров – осуществляется в соответствии с Методические рекомендации по проектированию ферм для крестьянских (фермерских) хозяйств. Следует отметить, что производители электронных систем автоматизированного управления молочным стадом предлагают широкий ассортимент оборудования не только для крупных комплексов, но и для небольших по размерам поголовья животных ферм, ввиду чего технологии прецизионного животноводства могут внедряться на фермах различных размеров.

Цифровая экономика выступает в качестве важнейшего института трансформации современных социально-экономических систем, повышения привлекательности труда на селе, повышения технологической дисциплины, способствует закреплению кадров в сельской местности и развитию экономики сельских территорий. Подобно тому как внедрение механизированных технологиях производства продукции животноводства существенно изменило трудовые процессы в отрасли, привело к появлению новых профессий, так и автоматизация производства должна привести к позитивным изменениям уклада сельской жизни. Важными также представляются все в большей степени проявляющиеся сервисно-ориентированные функции экономических систем различного уровня, прогнозы ускоренного развитие третичного сектора в постиндустриальном обществе и терциаризация экономики ^[16]. Очевидно, что технологии точного сельского хозяйства потребуют надлежащего обслуживания оборудования, наладки программного обеспечения, подготовки и переподготовки кадров, и, следовательно, способствуют развитию сектора услуг. По нашему мнению, принятию обоснованных управленческих решений о целесообразности инвестирования средств в конкретные элементы системы точного животноводства способствует применение компьютерных программ и информационных систем, разработанных для оценки эффекта и эффективности прецизионного сельского хозяйства ^[17].

Заключение. Изложенное выше позволяет сформулировать приращение научного знания, полученное в данном исследовании: применение технологий прецизионного животноводства, поднимает верхний предел концентрации в молочном животноводстве с сохранением и улучшением управляемости производственно-технологических процессов и обеспечением надлежащего ветеринарного и экологического контроля. Переход к прецизионному животноводству, использование автоматизированных систем управления стадом, базирующихся на применении современных информационных технологий, приводят к трансформации информационных потоков, встраиванию компьютерной техники в цепочку передачи и преобразования информации об объектах управления, повышают качество принимаемых решений, улучшают управляемость крупными производственно-экономическими системами и, тем самым, расширяют пределы концентрации сельскохозяйственного производства в отрасли животноводства. Многократно увеличивающие объемы перерабатываемой информации создают предпосылки для применения интеллектуального анализа больших данных в выявлении закономерностей производства животноводческой продукции, способствуют социально-экономическим преобразованиям на селе и структурным сдвигам в аграрной экономике.