«АгроТерра» — это российская группа компаний. Мы выращиваем различные сельскохозяйственные культуры, производим семена сои и пшеницы. Под нашим управлением находятся орошаемые поля, где мы также выращиваем семена гибридов подсолнечника и кукурузы.
Участки орошения полностью автоматизированы, а в почве установлены датчики, которые измеряют уровень влагообеспеченности и азота. Полученные данные учитываются в модели водного баланса, которую мы разработали совместно с коллегами из Всероссийского научно-исследовательского института гидротехники и мелиорации им. А. Н. Костякова. Модель учитывает множество параметров, включая данные о погоде, которые мы получаем с погодных станций.

Погодные станции нужны не только на орошении, но и на других полях для долгосрочного планирования. Наш производственный цикл длится целый год и состоит из определенных этапов: сев, уход за посевами, уборка урожая, хранение и реализация. Перед севом необходимо определить структуру посевных площадей, распределить ТМЦ и многое другое. Это вопросы стратегического уровня, связанные с обработкой большого объема информации. И для нас важно, чтобы мы отвечали на эти вопросы, опираясь на данные, а не на интуицию, поэтому мы используем модели расчета структуры посевных площадей и норм внесения удобрений. Эти модели учитывают множество данных, включая информацию о погоде, и предлагают различные сценарии при планировании сезона.

При использовании метеостанций есть ограничивающий фактор — передача данных с полей и автономность метеостанций. Большинство производителей предлагают использовать GSM сигнал и передавать данные через мобильный интернет. Но он не всегда есть в полях, поэтому с коллегами из «ЭР-Телеком» мы решили протестировать решение, когда мы независимо от наличия интернета строим радиопокрытие с сетью LoRaWAN* и с ее помощью передаем данные с полей.

Ключевой задачей этого пилотного проекта является расчет минимального количества метеостанций, необходимого для получения максимально точных данных. Наша гипотеза заключается в том, что для получения данных по осадкам с 80% достоверностью необходимо ставить одну метеостанцию на 5 кв. км. Это мы сейчас и проверяем, устанавливая станции на полях, то есть — повышая количество точек контроля. Мы уже развернули полноценный проект, изменили конфигурацию и будем проводить апробацию в двух локациях — Курской и Липецкой областях.

Эффект использования данных складывается из нескольких бизнес-кейсов. Первый – это прогноз погоды для операционного планирования. Для этого достаточно данных от станций, которые расставлены в полях. Второй пример связан с качеством исполнения технологии. Перед началом той или иной операции агроном оценивает погодные условия, но они могут измениться в процессе выполнения операции. Если техника оборудована мобильной метеостанцией – информация об изменениях будет сохранена. Еще один пример связан со стратегическим планированием – мы планируем севооборот не на один сезон, а на несколько сезонов вперед. Для такого планирования требуются исторические данные об урожайности и факторах, повлиявших на нее. Эти данные обрабатываются нашей моделью расчета структуры посевных площадей.

Одна из ценностей «АгроТерры» — «Мы постоянно улучшаемся». Это значит, мы используем в работе современные технологии и подходы к ведению бизнеса. При этом новые решения сначала пилотируются, затем дорабатываются на основании полученной обратной связи. Для пользователей новыми сервисами мы организуем обучение, в процессе которого объясняем ценность от внедрения и отвечаем на вопросы. На всех этапах мы уделяем значительное внимание вопросам наших сотрудников, потому что мы заинтересованы в том, чтобы иметь работающие, эффективные и удобные инструменты.

Метеостанции очень востребованы в сельском хозяйстве. Данные о погодных условиях помогают принимать решения как на стратегическом, так и на операционном уровнях. Другой вопрос заключается в том, что для стратегического планирования или многофакторного анализа порезультатам сезона одних метеоданных недостаточно. Необходимо анализировать и другие факторы, повлиявшие на урожайность. Информацию о них тоже нужно собирать и обрабатывать с помощью специальных алгоритмов, чем мы и занимаемся на протяжении многих лет.