Аннотации:
Введение. Важнейшей тенденцией современного глобального развития является переход
к новым, умным технологиям, основанным на оперативной обработке большого количества
данных при помощи современных математических методов, осуществляемый с применением
новейших средств коммуникации и информационных технологий. Подобная тенденция прослеживается в большинстве сфер человеческой деятельности, в том числе и в молочном производстве – важнейшей отрасли сельского хозяйства. Цель работы – разработка системы
поддержки принятия решений для повышения продуктивности молочного животноводства.
Материалы и методы. В качестве базы исследования использованы труды различных авторов по вопросам исследования критериев, оказывающих ключевое влияние на продуктивность животноводства, на основе чего определена взаимозависимость между факторами,
обеспечивающими продуктивность молочного животноводства, а также исследована возможность управления продуктивностью молочного животноводства посредством изменения кормового рациона животных. Важное место отведено оценке микроэлементного статуса животных, которая является индикатором продуктивности животноводства. Результаты. В рамках
исследования построены модели зависимости продуктивности молочного животноводства от
кормовой базы, которая, в свою очередь, зависит от урожайности кормовых культур. Построенные модели позволили выявить возможности управляющего воздействия на урожайность
кормовых культур посредством внесения удобрений и общую производительность молочного
животноводства посредством регулирования рациона кормовыми добавками. При этом в работе в качестве индикатора состояния системы использован микроэлементный статус, который может быть измерен как у кормовой базы, так и у животных. Отслеживание изменений в
элементном статусе позволяет оперативно реагировать на изменение условий и корректировать кормовую базу для оптимизации молочного производства. Заключение. Выявленные зависимости позволили разработать систему поддержки принятия решения для повышения
продуктивности молочного животноводства, включающую в себя модули оценки урожайности и производительности, а также алгоритмы их корректировки. Introduction. The most important trend in modern global development is the transition to new,
smart technologies based on the operational processing of large amounts of data using the most advanced
mathematical methods, carried out using the latest communication tools and information
technologies. A similar trend can be seen in most areas of human activity, including in dairy production
– the most important branch of agriculture. The aim of the work is to develop a decision support
system to increase the productivity of dairy farming. Materials and methods. As the basis of
the study, the works of various authors on the study of criteria that have a key impact on livestock
productivity were used, on the basis of which the interdependence between the factors ensuring
the productivity of dairy farming was determined, and the possibility of controlling the productivity
of dairy farming through changes in animal feed intake. An important place is given to the assessment
of the microelement status of animals, which is an indicator of livestock productivity.
Results. In the framework of the study, models were built for the dependence of the productivity of
dairy farming on the feed base, which, in turn, depends on the yield of forage crops. The constructed
models made it possible to identify the possibilities of a controlling effect on the yield of fodder
crops through fertilizer application and the overall productivity of dairy farming, by regulating
the diet with feed additives. At the same time, the microelement status was used as an indicator of
the state of the system, which can be measured both in the feed base and in animals. Tracking
changes in elemental status allows you to quickly respond to changing conditions and adjust the feed
base to optimize dairy production. Conclusion. The revealed dependencies made it possible to develop
a decision support system for increasing the productivity of dairy farming, including modules
for assessing yield and productivity, as well as algorithms for their correction.
Описание:
Болодурина Ирина Павловна, д-р техн. наук, профессор, заведующий кафедрой прикладной математики, Оренбургский государственный университет, г. Оренбург; prmat@mail.osu.ru.
Соловьев Сергей Александрович, д-р техн. наук, профессор, член-корреспондент РАН, заместитель главного ученого секретаря Президиума РАН, Российская академия наук, г. Москва;
sasolovev@presidium.ras.ru.
Акимов Сергей Сергеевич, старший преподаватель кафедры управления и информатики в
технических системах, Оренбургский государственный университет, г. Оренбург; elite17@mail.ru. I.P. Bolodurina1, prmat@mail.osu.ru,
S.A. Soloviev2, sasolovev@presidium.ras.ru,
S.S. Akimov1, elite17@mail.ru
1 Orenburg State University, Orenburg, Russian Federation,
2 Russian Academy of Sciences, Moscow, Russian Federation