Умное сельское хозяйство - это развитие, подчеркивающее использование информационных и коммуникационных технологий в киберфизическом цикле управления фермой. Ожидается, что новые технологии, такие как Интернет вещей и облачные вычисления, будут способствовать этому развитию и внедрят больше роботов и искусственного интеллекта в сельское хозяйство. Это охватывается феноменом Big Data - огромными объемами данных с широким разнообразием, которые могут быть собраны, проанализированы и использованы для принятия решений. Данный обзор направлен на получение представления о современном состоянии приложений Big Data в умном сельском хозяйстве и выявление связанных с этим социально-экономических проблем, которые необходимо решить. Следуя структурированному подходу, была разработана концептуальная основа для анализа, которая также может быть использована для будущих исследований по этой теме. Обзор показывает, что сфера применения Big Data в умном сельском хозяйстве выходит за рамки первичного производства; это влияет на всю продовольственную цепочку поставок. Большие данные используются для предоставления прогнозных данных о фермерских операциях, принятия оперативных решений в реальном времени и перепроектирования бизнес-процессов для революционных бизнес-моделей. Несколько авторов поэтому предполагают, что Big Data вызовут серьезные изменения в ролях и силовых отношениях между различными игроками в современных сетях продовольственных цепочек поставок. Ландшафт заинтересованных сторон демонстрирует интересную игру между мощными технологическими компаниями, венчурными капиталистами и часто небольшими стартапами и новыми участниками. В то же время существует несколько государственных учреждений, которые публикуют открытые данные при условии, что конфиденциальность лиц должна быть гарантирована. Будущее умного сельского хозяйства может развиваться в континууме двух крайних сценариев: 1) закрытые, проприетарные системы, в которых фермер является частью высокоинтегрированной продовольственной цепочки поставок или 2) открытые, совместные системы, в которых фермер и каждый другой заинтересованный участник сетевой цепочки гибки в выборе деловых партнеров как для технологий, так и для стороны производства продуктов питания. Дальнейшее развитие инфраструктур данных и приложений (платформы и стандарты) и их институциональное внедрение будут играть решающую роль в битве между этими сценариями. С социально-экономической точки зрения авторы предлагают отдать приоритет исследованиям организационных вопросов, касающихся вопросов управления и подходящих бизнес-моделей для обмена данными в различных сценариях цепочек поставок.
BIG DATA, УМНОЕ СЕЛЬСКОЕ ХОЗЯЙСТВО, ИНТЕРНЕТ ВЕЩЕЙ, ОБЛАЧНЫЕ ВЫЧИСЛЕНИЯ, ЦИФРОВИЗАЦИЯ СЕЛЬСКОГО ХОЗЯЙСТВА, ЦИФРОВАЯ ТРАНСФОРМАЦИЯ, БИЗНЕС-МОДЕЛИ
Sjaak Wolfert, Lan Ge, Cor Verdouw, Marc-Jeroen Bogaardt
Wageningen University and Research, The Netherlands
Information Technology Group, Wageningen University, The Netherlands
Smart Farming is a development that emphasizes the use of information and communication technology in the cyber-physical farm management cycle. New technologies such as the Internet of Things and Cloud Computing are expected to leverage this development and introduce more robots and artificial intelligence in farming. This is encompassed by the phenomenon of Big Data, massive volumes of data with a wide variety that can be captured, analysed and used for decision-making. This review aims to gain insight into the state-of-the-art of Big Data applications in Smart Farming and identify the related socio-economic challenges to be addressed. Following a structured approach, a conceptual framework for analysis was developed that can also be used for future studies on this topic. The review shows that the scope of Big Data applications in Smart Farming goes beyond primary production; it is influencing the entire food supply chain. Big data are being used to provide predictive insights in farming operations, drive real-time operational decisions, and redesign business processes for game-changing business models. Several authors therefore suggest that Big Data will cause major shifts in roles and power relations among different players in current food supply chain networks. The landscape of stakeholders exhibits an interesting game between powerful tech companies, venture capitalists and often small start-ups and new entrants. At the same time there are several public institutions that publish open data, under the condition that the privacy of persons must be guaranteed. The future of Smart Farming may unravel in a continuum of two extreme scenarios: 1) closed, proprietary systems in which the farmer is part of a highly integrated food supply chain or 2) open, collaborative systems in which the farmer and every other stakeholder in the chain network is flexible in choosing business partners as well for the technology as for the food production side. The further development of data and application infrastructures (platforms and standards) and their institutional embedment will play a crucial role in the battle between these scenarios. From a socio-economic perspective, the authors propose to give research priority to organizational issues concerning governance issues and suitable business models for data sharing in different supply chain scenarios.
BIG DATA, SMART FARMING, INTERNET OF THINGS, CLOUD COMPUTING, AGRICULTURAL DIGITALIZATION, DIGITAL TRANSFORMATION, BUSINESS MODELS
Поскольку умные машины и датчики появляются на фермах, а данные фермерских хозяйств растут в количестве и объеме, сельскохозяйственные процессы станут все более управляемыми данными и основанными на данных. Быстрое развитие Интернета вещей и облачных вычислений способствует феномену, называемому умным сельским хозяйством. В то время как точное земледелие учитывает только изменчивость в пределах поля, умное сельское хозяйство выходит за его пределы, основывая задачи управления не только на местоположении, но и на данных, усиленных контекстной и ситуационной осведомленностью, вызванной событиями в реальном времени. Эти функции обычно включают интеллектуальную помощь во внедрении, обслуживании и использовании технологии.
Технологии Big Data играют важную, взаимную роль в этом развитии: машины оснащены всевозможными датчиками, которые измеряют данные в их среде, которые используются для поведения машин. Это варьируется от относительно простых механизмов обратной связи до алгоритмов глубокого обучения. Это усиливается за счет сочетания с другими внешними источниками Big Data, такими как данные о погоде или рынке, или сравнительные показатели с другими фермами.
Как Big Data, так и умное сельское хозяйство являются относительно новыми концепциями, поэтому ожидается, что знания об их приложениях и их последствиях для исследований и разработок не получили широкого распространения. Этот обзор направлен на предоставление информации о современном состоянии приложений Big Data в связи с умным сельским хозяйством и выявление наиболее важных проблем в области исследований и разработок, которые необходимо решить в будущем.
Для решения исследовательских вопросов, изложенных во введении, мы изучили литературу с января 2010 года по март 2015 года. Выбор периода обзора был практическим и учитывал тот факт, что Big Data - это довольно недавнее явление; не ожидалось, что будут какие-либо ссылки до 2010 года. Помимо периода публикации, мы использовали два критерия включения для поиска литературы: 1) полная публикация статьи; 2) релевантность исследовательскому вопросу.
Обзор литературы следовал систематическому подходу. Это было сделано в три этапа. На первом этапе мы искали в двух основных библиографических базах данных, Web of Science и Scopus, используя все комбинации двух групп ключевых слов, из которых первая группа касается Big Data, а вторая группа относится к сельскому хозяйству. Из этих двух баз данных было получено 613 рецензируемых статей. Они были отсканированы на предмет релевантности путем выявления отрывков, которые касались исследовательских вопросов.
Для этого обзора была разработана концептуальная основа для обеспечения систематической классификации вопросов и понятий для анализа приложений Big Data в умном сельском хозяйстве с социально-экономической точки зрения. Основная сложность таких приложений заключается в том, что они требуют сотрудничества между многими различными заинтересованными сторонами, играющими разные роли в цепочке создания стоимости данных.
В основу положена концептуальная основа Ламберта и Купера по управлению сетями, которая включает три тесно взаимосвязанных элемента: сетевая структура, бизнес-процессы и управленческие компоненты. Сетевая структура состоит из фирм-участников и связей между этими фирмами. Бизнес-процессы - это действия, которые производят конкретный результат, ценный для клиента. Управленческие компоненты - это управленческие переменные, с помощью которых бизнес-процессы интегрируются и управляются по всей сети.
Для наших целей структура была адаптирована к сетям для приложений Big Data в умном сельском хозяйстве. В этой структуре бизнес-процессы сосредоточены на генерации и использовании Big Data в управлении сельскохозяйственными процессами. Сетевая структура включает всех заинтересованных сторон, которые вовлечены в эти процессы, не только пользователей Big Data, но и компании, специализирующиеся на управлении данными, а также регулирующие и политические субъекты. Наконец, уровень управления сетью характеризует организационные и технологические структуры в сети, которые облегчают координацию и управление процессами, выполняемыми участниками в слое сети заинтересованных сторон.
Наблюдается значительная тенденция рассматривать применение методов и методов Big Data в сельском хозяйстве как основную возможность для применения технологического стека, для инвестиций и для реализации дополнительной стоимости в агропродовольственном секторе. Приложения Big Data в сельском хозяйстве не строго касаются первичного производства, но играют важную роль в повышении эффективности всей цепочки поставок и смягчении проблем продовольственной безопасности.
Как и многие технологические инновации, изменения в приложениях Big Data в умном сельском хозяйстве обусловлены механизмами push-pull. Pull, потому что существует потребность в новой технологии для достижения определенных целей. Push, потому что новая технология позволяет людям или организациям достигать более высоких или новых целей.
Сельскохозяйственные Big Data известны своей высокой неоднородностью. Неоднородность данных касается, например, предмета собираемых данных и способов генерации данных. Данные, собранные с поля или фермы, включают информацию о посадке, опрыскивании, материалах, урожайности, изображениях в течение сезона, типах почвы, погоде и других практиках.
В целом существует три категории генерации данных: опосредованные процессами, генерируемые машиной и созданные человеком. Данные, опосредованные процессами, являются результатом сельскохозяйственных процессов, которые записывают и контролируют деловые события, представляющие интерес. Данные, генерируемые машиной, получены из всевозрастающего числа датчиков и умных машин, используемых для измерения и записи сельскохозяйственных процессов. Данные, созданные человеком, - это запись человеческого опыта, ранее записанная в книгах и произведениях искусства, а позже - в фотографиях, аудио и видео.
В литературе предполагаются серьезные изменения в ролях и силовых отношениях между различными игроками в существующих агропродовольственных цепочках. Мы наблюдаем меняющиеся роли старых и новых поставщиков программного обеспечения в отношении Big Data и сельского хозяйства и появляющийся ландшафт инициатив, управляемых данными, с заметной ролью крупных технологических и данных компаний, таких как Google и IBM.
Сетевые структуры заинтересованных сторон демонстрируют высокую степень динамики с новыми игроками, берущими на себя роли, которые играли другие игроки, и действующими лицами, принимающими новые роли в отношении сельскохозяйственных Big Data. Поскольку возможности для Big Data появились в агробизнес-секторе, крупные сельскохозяйственные компании, такие как Monsanto и John Deere, потратили сотни миллионов долларов на технологии, которые используют подробные данные о типе почвы, сорте семян и погоде, чтобы помочь фермерам сократить затраты и увеличить урожайность.
В этой статье был проведен обзор литературы по приложениям Big Data в умном сельском хозяйстве. На основе выводов в этой статье можно сделать несколько выводов о современном состоянии приложений Big Data в умном сельском хозяйстве.
Big Data меняет сферу и организацию сельского хозяйства через механизм push-pull. Глобальные проблемы, такие как продовольственная безопасность и безопасность, устойчивость и, как следствие, повышение эффективности, пытаются решить с помощью приложений Big Data. Эти проблемы делают, что сфера применения Big Data выходит далеко за рамки сельского хозяйства, но охватывает всю цепочку поставок.
Развитие Интернета вещей, беспроводное соединение всех видов объектов и устройств в сельском хозяйстве и цепочке поставок, производит много новых данных, которые доступны в реальном времени. Это относится ко всем этапам киберфизического цикла управления. Аналитика является ключевым фактором успеха для создания стоимости из этих данных.
Развитие Big Data вызовет серьезные изменения в сфере и организации умного сельского хозяйства. Бизнес-аналитика в масштабе и скорости, которые никогда раньше не видели, станет настоящим изменением правил игры, постоянно изобретая новые бизнес-модели. Управление фермой и операции drastically изменятся за счет доступа к данным в реальном времени, прогнозированию в реальном времени и отслеживанию физических предметов и в сочетании с развитием IoT в дальнейшей автоматизации и автономной работе фермы.
Самыми важными проблемами являются вопросы владения данными и связанные с ними проблемы конфиденциальности и безопасности, качество данных, интеллектуальная обработка и аналитика, устойчивая интеграция источников Big Data, бизнес-модели, которые достаточно привлекательны для поставщиков решений, но которые также обеспечивают справедливое распределение между различными заинтересованными сторонами, и открытость платформ, которые ускорят разработку решений и инновации в целом, но также расширят возможности фермеров в их положении в цепочках поставок.