Платформа развития корпоративной культуры
CaseStudy, Оценка уровня CaseStudy, Оценка уровня
Опрос: "Оценка уровня цифровой зрелости компании"
CaseStudy, Оценка уровня CaseStudy, Оценка уровня
Опрос: "Оценка уровня осведомлённости персонала об ИИ"
Главная CaseStudy Каталог курсов CaseStudy Демо-курс по цифровизации сельского хозяйства CaseStudy Внедрение цифрового двойника молочного производства на ферме Бородулинское
CaseStudy

кейс
3

Внедрение цифрового двойника молочного производства на ферме Бородулинское
CaseStudy
Внедрение цифрового двойника молочного производства на ферме Бородулинское Источник изображения: Pixabay
0 1.

Общая информация

  • Компания/Заказчик: ООО "Бородулинское"
  • Консалтер/Интегратор: АЛАН-ИТ, Дижифарм Софтвер
  • География: РФ
  • Период проекта: Внедрение началось в конце 2021 года
  • Отрасли: Пищевая промышленность, индустрия общественного питания, cельское хозяйство
  • Области управления бизнеса: производство, эксплуатация, управление инфраструктурой
  • Решаемые бизнес-задачи: Повышение производительности, Повышение точности планирования, Повышение эффективности бизнес-процессов
  • Идеологические платформы и тренды: IoT (Интернет вещей), Машинное обучение, Платформенные решения
0 2.

Исходная проблема, вызов, идея

Задача собственников ООО "Бородулинское" заключается в повышении прозрачности работы фермы для более эффективного реагирования и управления, а также обоснования инвестиций.

0 3.

Принцип решения

Развертывание IoT датчиков и создание цифрового двойника

0 4.

Описание кейса

Для решения задачи было принято решение развернуть систему Dairy Production Analytics (DPA) компании АЛАН-ИТ, позволяющую создать цифровой двойник молочно-товарного производства за счет объединения данных из всевозможных источников: систем управления фермами, данными о работе персонала, лабораторными данными, экономическими показателями предприятия и т.д.

Решение обладает возможностями для прогнозирования репродукции стада и объёмов производства молока на 1.5-2 года, благодаря чему можно осуществлять долгосрочное планирование.

В рамках проекта на ферме был проведен аудит средствами Dairy Production Analytics и были подключены датчики для управления микроклиматом, а также выявления внешних и внутренних факторов, влияющих на производство молока и созревания силоса в силосных траншеях.

В Бородулинском были установлены датчики в 3-х доильных отделениях для сбора данных о температуре и относительной влажности воздуха.

Данные, полученные с датчиков, передаются в специальное приложение, в котором есть аналитический функционал, а также возможность получения уведомлений в Телеграм или по электронной почте, в случае отклонений от оптимальных условий содержания животных.

Кроме того, были установлены датчики в силосных траншеях на глубину 0,5, 1,5 и 2,5 метра от поверхности силосной траншеи. Установка датчиков производилась после закладки силоса. Датчики передают данные о температуре в силосной траншее, позволяют фиксировать параметры созревания и хранения силоса.

Датчики беспроводные, формат передачи данных LoRaWAN. Данные передавались на базовую станцию и затем на облачные сервера в собственном ЦОДе АЛАН ИТ.

Мониторинг и анализ данных может осуществляться через веб-интерфейс и приложение. Система оповещений реализована таким образом, что уведомления приходят не только в случае достижения критических параметров, но и в случае нетипичного изменения этих параметров. Уведомление приходят в приложение, мессенджер Телеграмм и на электронную почту.

Отмечается, что автоматическое управление микроклиматом в Бородулинском не осуществляется, хотя решения могут это делать при наличии специализированного оборудования.

0 5.

Результат

Контроль температуры и относительной влажности на ферме позволил избежать низких температур внутри фермы, что привело к снижению риска заболеваемости и повышению надоев в среднем на 800 г на дойную корову в сутки в осенне-зимний период.

Примечание: По данным на конец марта 2022 года увеличение надоев на дойную корову составило 6 кг за счет оптимальных условий содержания животных в осенне-зимний период.

Применение цифровых технологий в сельском хозяйстве

Другие кейсы

Мониторинг респираторных заболеваний КРС с помощью IoT-датчиков

Мониторинг респираторных заболеваний КРС с помощью IoT-датчиков

Подробнее
Отслеживание урожайности виноградника с помощью машинного зрения и глубокого обучения

Отслеживание урожайности виноградника с помощью машинного зрения и глубокого обучения

Подробнее
Интеллектуальная система оценки качества сахарной свеклы в кузове транспортного средства

Интеллектуальная система оценки качества сахарной свеклы в кузове транспортного средства

Подробнее
Для улучшения работы сайта и его взаимодействия с пользователями мы используем файлы cookie. Для оценки эффективности сайта мы используем Яндекс.Метрику. Нажмите «Принять», если соглашаетесь с условиями обработки cookie и ваших персональных данных. Вы всегда можете отключить файлы cookie в настройках вашего браузера. Подробности в Политике обработки персональных данных