По всем вопросам звоните:

+7 495 274-22-22

УДК: 636.2.082:636.2.033+004 DOI:10.33920/sel-03-2408-03

Научные основы интеллектуализации производственных процессов в племенном скотоводстве

В. Ю. Сидорова д-р с.-х. наук, E-mail: gdi20071@yandex.ru, ФГБНУ «Федеральный научный агроинженерный центр ВИМ», Россия, г. Москва
Н. А. Попов д-р биол. наук, профессор, E-mail: genetic-pna@yandex.ru, ФГБНУ «Федеральный исследовательский центр животноводства – ВИЖ имени академика Л. К. Эрнста», Россия, Московская обл., г.о. Подольск, п. Дубровицы
Н. М. Костомахин д-р биол. наук, профессор, ORCID: 0000-0003-3987-0372, E-mail: kostomakhin@rgau-msha.ru, ФГБОУ ВО «Российский государственный аграрный университет – МСХА имени К. А. Тимирязева», Россия, г. Москва

Увеличение производительности труда зоотехников и ветеринарных специалистов является составляющей частью интенсификации производства продукции животноводства. Решение многосторонних задач обеспечивается организацией их труда. Например, интеллектуализация производственных процессов в племенном животноводстве заключается в том, что применение инновационных технологий, доля которых в среднем по отрасли достигает пока 46 %, предполагает использование электронно-телекоммуникационных устройств, которые в настоящее время более соответствуют требованиям содержания и эксплуатации племенных животных, чем традиционные стандарты с применением аналогово-цифровых форм оборудования и документооборота. Цель исследований – изучить эффективность применения инновационного оборудования по затратам времени на осуществление зоотехнического учета и получения продукции животноводства при разведении животных с применением телекоммуникационных устройств для регистрации технико-технологических процессов, посредством интеграции терминалов сбора данных с использованием RFID (радиочастотной идентификации) и сканеров, позволяющих считывать электронные ушные (UHF) бирки, болюсы, электронные чипы по сравнению с традиционным оборудованием, которое еще используется на животноводческих предприятиях. Установлено, что применение инновационных технологий в животноводстве более отвечает требованиям разведения племенных животных, чем при использовании прежних стандартов, т. е. с применением аналогово-электронных форм оборудования. Так, инновационные технологии делают производственные процессы короче по времени на 16,3 %, а также более экономичными. Анализ результатов скорости роста потомков отдельных быков-производителей при использовании традиционных стандартных технологий показал потери рабочего времени в 10,3 раза больше, чем при использовании инноваций. При традиционных технологиях разведения отмечаются потери среднесуточного прироста живой массы у молодняка и взрослых животных на 17,5 и 30,0 % соответственно. Отмечается в 1,1–1,2 раза больше потерь среднесуточного прироста живой массы при использовании традиционных технологий регистрации, идентификации и контроля, чем при использовании инноваций. Следовательно, необходимо организовать профессиональное общение с коллегами в информационном поле для участия в разведении племенного поголовья в скотоводстве.

Литература:

1. Вартанова М. Л. Современное состояние инфраструктуры обслуживания молочных комплексов и необходимость проведения их модернизации в условиях санкций / М. Л. Вартанова, Е. В. Дробот // Экономические отношения. – 2018. – № 8 (2). – С. 247–260. – DOI: https://doi.org/10.18334/eo.8.2.39060.

2. Взаимосвязь нервной, иммунной, эндокринной систем и факторов питания в регуляции резистентности и продуктивности животных (обзор) / В. А. Галочкин, К. С. Остренко, В. П. Галочкина, Л. М. Федорова // Сельскохозяйственная биология. – 2018. – Т. 53. – № 4. – С. 673–686. – DOI:https://doi.org/10.15389/ agrobiology.2018.4.673rus.

3. Винничек Л. Б. Повышение эффективности интенсификации молочного скотоводства: тенденции и направления / Л. Б. Винничек // Исследование проблем экономики и финансов. – 2021. – № 1. –С. 1–10.

4. Вторый С. В. Автоматизированная мобильная система для контроля параметров микроклимата коровника / С. В. Вторый, В. Ф. Вторый, Р. М. Ильин // Технологии и технические средства механизированного производства продукции растениеводства и животноводства. – 2019. – № 4. – С. 114–121. – DOI: https://doi.org/10.24411/0131-5226-2019-10218.

5. Девятков В. В. Методология и технология имитационных исследований сложных систем: современное состояние и перспективы развития: монография / В. В. Девятков. – М.: ИНФРА-М, 2018. – 448 с

6. Методические указания по оценке реализации признаков роста, развития и молочной продуктивности у потомков быков-производителей голштинской породы / Н. А. Попов, А. А. Некрасов, Е. Г. Федотова и др. – Дубровицы: Изд. ООО «МУП «Инфосервис», 2019. – 80 с.

7. Оценка геномной вариабельности продуктивных признаков у животных голштинизированной черно-пестрой породы на основе GWAS анализа и ROH паттернов / А. А. Сермягин, О. А. Быкова, О. Г. Лоретц и др. // Сельскохозяйственная биология. – 2020. – Т. 55. – № 2. – С. 257–274. – DOI: https://doi.org/10.15389/agrobiology.2020.2.257rus.

8. Пронькин В. А. Что мешает вводу в оборот / В. А. Пронькин // Информационный бюллетень Аграрный пульс великой страны. – 2017. – № 4. – С. 13–15.

9. Сидорова В. Ю. Цифровизация откорма крупного рогатого скота как технологии будущего / В. Ю. Сидорова. – Республика Молдова, Сhinau: Изд-во Ламберт, 2021. – 173 с.

10. Сравнительная оценка основных характеристик натриевых и светодиодных тепличных облучателей / Н. П. Кондратьева, Д. А. Филатов, П. В. Терентьев, А. С. Аль-Хелю // Сельскохозяйственные машины и технологии. – 2020. – № 14 (1). – С. 50–54. – DOI: https://doi.org/ 10.22314/2073-7599-2020-14-1-50-54.

11. Шишкина Д. И. Анализ зарубежных технологий мясных продуктов функционального назначения / Д. И. Шишкина, А. Ю. Соколов // Вестник Воронежского государственного университета инженерных технологий. – 2018. – № 80 (2). – С. 189–194. – DOI: https://doi.org/10.20914/2310-12022018-2-189-194.

12. Экспериментальное исследование лабораторного макета для дозирования кормовых добавок / В. В. Кирсанов, Д. Ю. Павкин, Е. А. Никитин и др. // Вестник НГИЭИ. – 2023. – № 1 (140). – С. 23–33.

13. Эффективность использования адаптогенов различного происхождения на мясную продуктивность крупного рогатого скота / И. М. Хабибуллин, И. В. Миронова, Р. М. Хабибуллин и др. // Известия Тимирязевской сельскохозяйственной академии. – 2022. – № 4. – С. 94–102. – DOI: https://doi.org/10.26897/0021-342X-2022-4-94-102.

14. Assessing the effect of barns structures and environmental conditions in dairy cattle farms monitored in Northern Italy / D. Lovarelli, E. Riva, G. Mattachini et al. // Journal of Agricultural Engineering. – 2021. – No. 52. – P. 1229. – DOI: https://doi.org/10.4081/jae.2021.1229.

15. Biodegradation of a Nanocellulose Superabsorbent and Its Effect on the Growth of Spinach (Spinaceaoleracea) / R. M. Barajas-Ledesma, C. W. Stocker V. N. L. Wong et al. // ACS Agricultural Science & Technology. – 2021. – No. 2 (1). – P. 90–99.

16. Black cattle body shape and temperature measurement using thermography and KINECT sensor / K. Kawasue, K. D. Win, K. Yoshida, T. Tokunaga // Artificial Life and Robotics. – 2017. – No. 22 (4). – P. 464–470. – DOI: 10.1007/s10015-017-0373-2.

17. Experience in the cultivation of a new perennial cereal crop-trititrigiain the conditions of the Rostov region / Yu. F. Lachuga, B. Ch. Meskhi, V. I. Pakhomov et al. // Agriculture. – 2023. – Vol. 13. – No. 3. – P. 34–42.

18. Grimmett G. Probability and Random processes / G. Grimmett. – Oxford University Press, 2020. – 688 p.

19. Klokov R. Escape from Cells: Deep Kd-Networks for the recognition of 3D point cloud models / R. Klokov, V. Lempitsky // IEEE International Conference on Computer Vision (ICCV). – Venice, Italy, 2017. – P. 863–872. – DOI: 10.1109/ICCV.2017.99.

20. Kostomakhin M. N. Impact of digitalization on the effectiveness of management in the fi eld of agricultural development / M. N. Kostomakhin, N. M. Kostomakhin, M. Tseiko // E3S Web of Conferences. International Scientific Siberian Transport Forum – TransSiberia 2023. – 2023. – Vol. 402. – P. 13004. – DOI: 10.1051/e3sconf/202340213004.

21. Schebesta H. Game-changing potential of the EU’s Farm to Fork Strategy / H. Schebesta J. J. L. Candel // Nature Food. – 2020. – No. 1. – P. 586–588. – DOI: https://doi.org/10 .1038 /s43016-020-00166-9.

22. The return of Herma FADN in 2019 / M. Aamisepp, A. Varendi, H. Persitski et al. // Agricultural Research Centre. – 2020. – 131 p. [Electronic resource]. – Access mode: https://pmk.agri.ee/sites/default/fi les/2020–12/2020FADN-majandusnaita jad-2019-aasta-kohta-MMAO-eraamat_20-12-18.pdf.

23. Young farmers’ support under the Common Agricultural Policy and sustainability of rural regions: Evidence from Lithuania / T. Balezentis, E. Ribasauskiene, M. Morkunas et al. // Land Use Policy. – 2020.– Vol. 94. – P. 104542. – DOI: 10.1016/j.landusepol.2020.104542.

1. Vartanova M. L., Drobot E. V. The infrastructure current state for servicing dairy complexes and the modernize them under sanctions necessity / M. L. Vartanova, E. V. Drobot. // Economic relations. – 2018. – No. 8 (2). – P. 247–260. – DOI: https://doi.org/10.18334/eo.8.2.39060

2. Interrelation of nervous, immune, endocrine systems and nutrition’s factors in the regulation of animals’ resistance and production (review) / V. A. Galochkin, K. S. Ostrenko, V. P. Galochkina, L. M. Fedorova // Agricultural biology. – 2018. – Vol. 53. – No. 4. – P. 673–686. – DOI: https://doi.org/10.15389 / geography.2018.4.673rus.

3. Vinnichek L. B. Improving the dairy cattle breeding’s intensifi cation effi ciency: trends and directions / L. B. Vinnichek // Research of problems of economics and finance. – 2021. – No. 1. – P. 1–10.

4. Vtoriy S. V. Automated mobile system for cowshed microclimate parameters monitoring / S. V. Vtoriy, V. F. Vtoriy, R. M. Ilyin // Technologies and technical means of production automation. – 2019. – No. 4. P. 114–121. – DOI: https://doi.org/10.24411/0131-5226-2019-10218

5. Devyatkov V. V. Methodology and technology of simulation studies of complex systems: current state and prospects of development: monograph / V. V. Devyatkov. – Moscow: INFRA-M, 2018. – 448 p

6. Methodological guidelines of Holstein sires’ progeny growth, development and milk production implementation’s assessing / N. A. Popov, A. A. Nekrasov, E. G. Fedotova et al. – Dubrovitsy: Ed. LLC “CBM “Infoservice”, 2019. – 80 p.

7. Evaluation of genomic variability of productive traits in Holsteinized Black-and-White animals based on GWAS analysis and ROH patterns / A. A. Sermyagin, O. A. Bykova, O. G. Loretts et al. // Agricultural biology. – 2020. – Vol. 55. – No. 2. – P. 257–274. – DOI: https://doi.org/10.15389/agro biology.2020.2.257rus.

8. Pronkin V. A. What prevents the introduction into circulation / V. A. Pronkin // Newsletter Agrarian pulse of the great country. – 2017. – No. 4. – 13–15.

9. Sidorova V. Yu. Digitalization of cattle fattening as future technologies / V. Yu. Sidorova. – Republic of Moldova, Chinau: Lambert Publishing house, 2021. – 173 p.

10. Comparative assessment of sodium and LED greenhouse irradiators’ main characteristics / N. P. Kondratieva, D. A. Filatov, P. V. Terentyev, A. S. AlHelyu // Agricultural machinery and technology. – 2020. – No. 14 (1). – P. 50–54. – DOI: https://doi.org/ 10.22314/2073-7599-2020-14-1-50-54.

11. Shishkina D. I. Analysis of foreign technologies of functional meat products / D. I. Shishkina, A. Yu. Sokolov // Bulletin of the Voronezh state university of engineering technologies. – 2018. –No. 80 (2). – P. 189–194. – DOI: https://doi.org/10.20914/2310-1202-2018-2-189-194.

12. Experimental study of laboratory layout for feed additives’ dosing / V. V. Kirsanov, D. Yu. Pavkin, E. A. Nikitin et al. // Bulletin of the NGIEI. – 2023. – No. 1 (140). – P. 23–33.

13. The effectiveness of various originsadaptogenson cattle meat’s production using / I. M. Khabibullin, I. V. Mironova, R. M. Khabibullin et al. // Proceedings of the Timiryazev agricultural academy. – 2022. – No. 4. – P. 94–102. – DOI: https://doi.org/10.26897/0021-342X-2022-4-94-102.

14. Assessing the effect of barns structures and environmental conditions in dairy cattle farms monitored in Northern Italy / D. Lovarelli, E. Riva, G. Mattachini et al. // Journal of Agricultural Engineering. – 2021. – No. 52. – P. 1229. – DOI: https://doi.org/10.4081/jae.2021.1229.

15. Biodegradation of a Nanocellulose Superabsorbent and Its Effect on the Growth of Spinach (Spinaceaoleracea) / R. M. Barajas-Ledesma, C. W. Stocker, V. N. L. Wong et al. // ACS Agricultural Science & Technology. – 2021. – No. 2 (1). – P. 90–99.

16. Black cattle body shape and temperature measurement using thermography and KINECT sensor / K. Kawasue, K. D. Win, K. Yoshida, T. Tokunaga // Artifi cial Life and Robotics. – 2017. – No. 22 (4). – P. 464–470. – DOI: 10.1007/s10015-017-0373-2.

17. Experience in the cultivation of a new perennial cereal crop-trititrigiain the conditions of the Rostov region / Yu. F. Lachuga, B. Ch. Meskhi, V. I. Pakhomov et al. // Agriculture. – 2023. – Vol. 13. – No. 3. – P. 34–42.

18. Grimmett G. Probability and Random processes / G. Grimmett. – Oxford University Press, 2020. – 688 p.

19. Klokov R. Escape from Cells: Deep Kd-Networks for the recognition of 3D point cloud models / R. Klokov, V. Lempitsky // IEEE International Conference on Computer Vision (ICCV). – Venice, Italy, 2017. – P. 863–872. DOI: 10.1109/ICCV.2017.99.

20. Kostomakhin M. N. Impact of digitalization on the effectiveness of management in the field of agricultural development / M. N. Kostomakhin, N. M. Kostomakhin, M. Tseiko // E3S Web of Conferences. International Scientific Siberian Transport Forum – TransSiberia 2023. – 2023. – Vol. 402. – P. 13004. – DOI: 10.1051/e3sconf/202340213004.

21. Schebesta H. Game-changing potential of the EU’s Farm to Fork Strategy / H. Schebesta J. J. L. Candel // Nature Food. – 2020. – No. 1. – P. 586–588. – DOI: https://doi.org/10 .1038 /s43016-020-00166-9.

22. The return of Herma FADN in 2019 / M. Aamisepp, A. Varendi, H. Persitski et al. // Agricultural Research Centre. – 2020. – 131 p. [Electronic resource]. – Access mode: https://pmk.agri.ee/sites/default/files/2020-12/2020FADN-majandusnaita jad-2019-aasta-kohta-MMAO-eraamat_20-12-18.pdf.

23. Young farmers’ support under the Common Agricultural Policy and sustainability of rural regions: Evidence from Lithuania / T. Balezentis, E. Ribasauskiene, M. Morkunas et al. // Land Use Policy. – 2020. – Vol. 94. – P. 104542. – DOI: 10.1016/j.landusepol.2020.104542.

Актуальность изучения основ интеллектуализации производственных процессов в племенном животноводстве заключается в том, что собственники скота и сельские товаропроизводители зачастую сомневаются, что применение усовершенствованных машин и инновационного оборудования имеет высокую эффективность в условиях современных животноводческих производств и что до конца применения ручного труда еще довольно далеко [1, 3, 8, 13, 22, 23].

Вместе с тем, применение инновационных технологий в племенном животноводстве, доля которых в среднем достигает пока по этому сектору экономики 46 %, предполагает использование электронно-телекоммуникационных устройств, которые в значительно большей степени соответствуют требованиям комфортного содержания и эксплуатации племенных животных с использованием беспроводных электронных весов Тензо-М, НАИС, миксеров-кормораздатчиков, телескопических погрузчиков и т. д., чем при разведении скота по традиционным стандартам с применением аналогово-цифровых форм оборудования и документооборота, в т. ч. общепризнанных индексов определения генетической ценности коров и быков-производителей [2, 4, 6, 14, 20].

Значительный вклад в развитие теории и методологии определения технического потенциала отраслей народного хозяйства и модернизации технических средств внесли многие отечественные авторы. На основании их рекомендаций можно сделать вывод, что интенсификация современного сельскохозяйственного производства требует усовершенствованных машин и оборудования, поддерживающих производственные процессы. Интенсивная форма ведения сельского хозяйства характеризуется повышением доли новой техники для увеличения и улучшения качества производимой продукции, разведения и размножения поголовья животных с заданными свойствами генотипа [9, 17–19, 21].

Применение инновационных технологий при осуществлении процессов регистрации, идентификации и контроля двигательной, пищевой и половой активности племенного скота не только сокращает время подготовки и раздачи кормов на 16,3 %, но делает производство продукции более экономичным. Так, при использовании традиционных технологий отмечается в 10,3 раза больше потерь рабочего времени, чем при использовании инновационных. Методы технико-технологического подхода к проблеме регистрации, идентификации и контроля двигательной активности племенного скота с применением имитационного моделирования позволили установить, что применение инноваций способствует выявлению наиболее оптимальных условий содержания и эксплуатации племенного скота с учетом особенностей их биологических процессов, а также получает законченный вид в форме эмпирических моделей [5, 7, 10, 11, 13, 15, 16, 18, 22, 23].

Для Цитирования:
В. Ю. Сидорова, Н. А. Попов, Н. М. Костомахин, Научные основы интеллектуализации производственных процессов в племенном скотоводстве. Главный зоотехник. 2024;8.
Полная версия статьи доступна подписчикам журнала
Язык статьи:
Действия с выбранными: