×

 

J’son & Partners Consulting представляет краткие результаты исследования анализа текущего состояния и перспектив развития интернета вещей в сельском хозяйстве в России и в мире.

 

В исследовании представлен обзор уровня развития, механизации, автоматизации, продуктивности сельскохозяйственного сектора на примере США, Канады, Германии, Индии, Китая. Выявлены основные тренды, тенденции и прогнозы развития технологий агропромышленного комплекса в мире. Приведены примеры использования интернета вещей в сельском хозяйстве (Agriculture IoT, Internet of Things, IoTAg, AIoT)  в России и других странах. Произведена оценка общего экономического эффекта от цифровизации, автоматизации и внедрения интернета вещей в сельском хозяйстве в России.

 

В данном обзоре представлена краткая версия исследования. Полную версию исследования вы можете приобрести, обратившись news@json.tv

 

 

Вторая зеленая революция

 

«Аналоговый период в сельском хозяйстве закончился, отрасль вошла в цифровую эру». - Goldman Sachs прогнозирует, что применение технологий нового поколения способно увеличить производительность мирового сельского хозяйства на 70%  к 2050 году.

 

Сельское хозяйство стоит на пороге «Второй зеленой революции». Эксперты оценивают, что благодаря технологиям точного земледелия, основанным на интернете вещей, может последовать всплеск урожайности такого масштаба, какого человечество не видело даже во времена появления тракторов, изобретения гербицидов и генетически изменных семян.

 

Технологии эволюционировали, подешевели и продвинулись до такого уровня, что впервые в истории отрасли стало возможно получать данные о каждом сельскохозяйственном объекте и его окружении, математически точно рассчитывать алгоритм действий и предсказывать результат.

 

В отрасль, которая была самой отдаленной от IT, начали поступать данные. А вместе с ними запросы на вакансии специалистов в области Big Data, Data Science, математики, аналитики, робототехники.

 

Цифровизация и автоматизация максимального количества сельскохозяйственных процессов входит как осознанная необходимость в стратегии развития крупнейших агропромышленных и машиностроительных компаний в мире.

 

CTO Monsanto в недавнем интервью заявил, что в ближайшие 5-10 лет их ждет превращение в ИТ-компанию.

 

Ключевым ресурсом для дальнейшего роста продуктивности сельского хозяйства, обеспечения стабильного результата и повышения конкурентоспособности в локальном и мировом масштабе становятся данные и продвинутые системы управления данными (data science и data management).

 

Источник: Indeed.com

 

 

Формирование Agtech

 

В 2010 году в мире насчитывалось не более 20 высокотехнологичных компаний в сфере сельского хозяйства, а за период 2013-2016 гг. инвесторы проинвестировали уже более 1300 новых технологических стартапов на общую сумму более $11 млрд за 4 года. Сформировался новый инвестиционный сегмент AgTech (Агротех), который 2014 году обогнал FinTech и CleanTech. Причем, заметную активность помимо США проявляют Канада, Индия, Китай, Израиль. Длинная цепочка создания стоимости сельскохозяйственных продуктов и большое количество нерешенных в отрасли задач, которые могут быть решены с помощью IT и автоматизации, является одним из главных доводов в пользу инвестиционной привлекательности отрасли.

 

Возможности для модернизации отрасли огромны, под давлением необходимости повышения производительности сельское хозяйство превращается из традиционной в высокотехнологичную отрасль, которая способна создать новые рынки для инновационных решений и разработок, не существовавших ранее для решения большого количества существующих проблем.

 

 

Корпоративные инвестиции

 

Интенсивное развитие стартапов, быстро захватывающих рынок, побуждает крупных традиционных игроков искать способы оставаться конкурентоспособными в сравнении с молодыми технологичными компаниями. Непрерывный R&D, поиск инноваций как внутри, так и за пределами своего бизнеса, финансирование или покупка стартапов, создание корпоративных венчурных фондов, партнерские схемы – обязательная часть инвестиционной стратегии больших корпораций. Согласно опросу BCG, приоритетом № 1 для ¾ опрошенных руководителей международных агрохолдиногов являются «технологии сельского хозяйств с поддержкой данных». В связи с тем, что извлечение ранее не доступных данных и получение полезной для принятия решения информации позволяет агробизнесу оптимизировать ресурсы и снижать себестоимость.

 

Технологии сельского хозяйств с поддержкой данных включают в себя: сенсоры, коммуникации и связь, хранение данных и агрегация, оптимизационное оборудование, большие данные и аналитика, ИТ и мобильные платформы. «Аналитику и большие данные» назвали своим приоритетом 46% всех опрошенных руководителей.  На втором месте по поулярности «продуктовая безопасность и отслеживаемость продукции (29%), а также биологическая наука (29%).

 

 

Цепочка добавленной стоимости

 

Цепочка добавленной стоимости в сельском хозяйстве характеризуется сложной структурой участников и является скорее горизонтальной, чем вертикальной.

 

Кроме того, различные виды культур и продуктов формируют свою отличительную и часто фрагментированную цепочку поставок.

 

Сельскохозяйственное производство является самым уязвимым бизнесом, поскольку сильно зависит от погоды и природных явлений. В отличие от производства в сельском хозяйстве нельзя структурировать все бизнес-процессы заранее.

 

Источник: Json & PartnerConsulting

 

Стандартное расписание обработки (сплошной полив, удобрение, химизация) не учитывают локальных особенностей и природной изменчивости и приводят к неэффективному результату – перерасходу ресурсов или не выявленным проблемам. Засуха или избыток влаги, недостаток или превышение нормы удобрений, сорняки и насекомые требуют немедленного вмешательства. Вспышка болезни может появиться неожиданно и не всегда легко определить ее причину; при позднем обнаружении и неправильном обращении болезнь способна погубить часть урожая.

 

По экспертной оценке, в течение сезона фермеру приходится принимать более 40 различных решений: какие семена сажать, когда сажать, как их обрабатывать, чем лечить заболевшее растение и т.д., как справляться с угрожающими благополучию поля ситуациями.

 

Системы автоматизированного управления с/х позволяют контролировать 2/3 факторов потерь урожая

 

Недостаток информации для принятия решений приводит к тому, что в процессе посадки, выращивания, ухода за культурами теряется до 40% урожая. Во время сбора урожая, хранения и транспортировки теряется еще 40%. При этом, как выявили ученые, кроме погоды, 2/3 факторов потерь сегодня можно контролировать с помощью автоматизированных систем управления (Hi-Tech Management).

 

Чтобы фермер смог повторить успех, достигнутый учеными в управлении урожайностью, ему необходимо:

  • организовать сбор (или начать собирать как можно скорее) подробных исторических данных по предыдущим урожаям, погоде, эффекту от каждого примененного химиката/ удобрения,
  • организовать непрерывный доступ к информации о погоде, температуре и содержании веществ в почве через систему полевых или встроенных в с/х технику датчиков и телекоммуникационные сети,
  • интегрировать всю информацию в систему управления данными,
  • внедрить систему бизнес-аналитики для обработки этих данных и разработки алгоритмов для подготовки инструкции,
  • или, в идеальном исполнении, запрограммировать автоматическое управляющее воздействие в случае поступления команды на периферийные компоненты системы, такие как: датчики полива, радиоуправляемые тракторы, БПЛА, распыляющие химикаты или проводящие аэрофотосъемку для оценки уровня вегетации, регуляторы температуры и влажности в теплицах и т.д.

 

Именно такой комплекс решений представляет собой AIoT-проект, который позволяет автоматизировать весь цикл сельскохозяйственных операций по выращиванию растений или животных.

 

Задачей информационных технологий становится максимальная автоматизация всех этапов производственного цикла для сокращения потерь, повышения продуктивности бизнеса, оптимального управление ресурсами.

 

Но даже в этом случае, результат относится только к растениям, готовым к сбору урожая и не гарантирует получение прибыли, т.к. урожай еще необходимо собрать, хранить, осуществлять первичную обработку и транспортировать до покупателя/ потребителя.

 

Дальнейшая автоматизация представляет собой более высокий уровень цифровой интеграции, который затрагивает сложнейшие организационные изменения в бизнесе, однако их реализация способна кардинально повлиять на прибыль и конкурентоспособность продукции и компании в целом.

 

Интеграция получаемых данных с различными интеллектуальными ИТ-приложениями, производящими их обработку в режиме реального времени, осуществляет революционный сдвиг в принятии решений для фермера, предоставляя результаты анализа множественных факторов и обоснование для последующих действий. При этом, чем больше партнеров подключены в единую сеть и обмениваются данными через облако, тем более умной становится информационная система и больше полезной информации для пользователя она способна предоставить.

 

На основе научных расчетов система способна создавать рекомендации по обработке и уходу за растениями или инструкции для автоматического исполнения роботизированной техникой.

 

Например, предиктивная аналитическая модель помогает определить, что повышение температуры на 2 градуса способствует вылуплению насекомых, или увеличение влажности выше оптимальной границы может привести к вспышке болезни. Управление этими факторами создает реальную ценность моделирования микроклиматических условий: если это теплица, то можно не допускать повышение температуры, а если поле – то предусмотрительно наблюдать за участком и воздействовать химикатом при появлении паразитов.

 

Впервые за всю историю сельского хозяйства у фермера появляется возможность контролировать природные факторы, проектировать точные бизнес-процессы, и, кроме того, прогнозировать результат с математической точностью.

 

Источник: J’son & Partners Consulting на основании данных Университета физиологии растений (Иллинойс)

 

 

Экосистема IoT

 

При реализации проектов интернета вещей формируется Экосистема партнеров – такая система взаимодействия между участниками, в которой выгод от сотрудничества больше, чем конкуренции друг с другом. Используя общую инфраструктуру и интерфейс платформы, участники создают новые продукты и внедряют инновации, которые они никогда не смогли бы создать каждый по отдельности, и которые благодя их сотрудничеству становятся доступны потребителям. Кроме того, в рамках такого взаимодействия каждый из участников продвигает общее решение. При этом результат достигается для всех участников цепочки создания добавленной стоимости. Обязательными участниками проектов IoT являются:

  • Поставщики устройств
  • Операторы связи
  • IoT-платформы
  • Системные интеграторы
  • Разработчики приложений
  • Заказчики

 

IoT-платформа - центральный элемент экосистемы IoT и комплексных интегрированных IoT-проектов с высокой степенью автоматизации, большим количеством участников и соединенных устройств. IoT-платформа играет роль посредника: устройства и компоненты решения могут передавать данные в широком диапазоне форматов, используя различные протоколы связи. Платформа обеспечивает совместную работу всех устройств и элементов системы, делает возможным развитие пользовательских приложений и сервисов. Как правило, разработчики поддерживает максимально полный список предустановленных датчиков и устройств, стандартов, протоколов, аналитических инструментов для обеспечения скорейшей интеграции решений.

 

Платформы бывают разных уровней (управление коммуникациями, управление устройствами, управление сетями, платформы для работы и разработки приложений). Самые сложные предоставляют возможности сторонним разработчикам по бизнес-аналитике со встроенным машинным обучением и искусственным интеллектом, визуализации результатов, дополненной реальности (когда можно совмещать объект с виртуальной инструкцией по обслуживанию и ремонту).

 

Источник: Json & Partners Consulting

 

 

Рынок точного земледелия и интернета вещей в сельском хозяйстве в мире

 

Помимо необходимости сокращения операционных расходов и повышения прибыльности бизнеса, мировое сельское хозяйство находится под давлением необходимости роста производительности. В условиях жесткой конкуренции, развитие проектов, основанных на технологиях интернета вещей является экономически обоснованным.

 

По прогнозам Gartner, общий экономический эффект от внедрения интернета вещей во всех отраслях экономики в глобальном масштабе составит к 2020 году $1,9 трлн. На долю сельского хозяйства приходится 4%, т.е. примерно $76 млрд.

 

Рынок умного фермерского хозяйства Roland Berger оценивает в 3 млрд евро в 2016 году и 4,5 млрд евро к 2020 году, при этом доля США составляет более 40% от глобального рынка.

 

По оценке GoldmanSachs, совокупный рост производительности растениеводства за счет внедрения решений точного земледелия может вырасти на 70% и принести $800 млрд. дополнительной продукции к 2050 году. Рынок решений точного земледения производителям и разработчикам принесет $240 млрд. в 2050 году. Это решения по точной посадке, точной ирригации, точному удобрению, опрыскиванию, мониторингу поля, анализу данных малая сельскохозяйственная техника, включая автономную.

 

 

Проникновение технологий точного земледелия и уровень автоматизации / механизации сельского хозяйства

 

Средний уровень проникновения технологий точного земледелия в США USDA оценивает 30-50%, при этом в крупных хозяйствах уровень использования технологий в два раза выше, чем в небольших. Проникновение технологий точного земледелия в активных земледельческих районах США составляет 60-80%. Cамые распространененные: компьютер с высокоскоростным доступом в интернет, анализ почвенных проб (98%); карты урожайности, мониторы урожайности, навигационные GPS-системы (~80%); технологии дифференцированного внесения (VR) и предписывающие карты (prescriptionmaps) применяют более, чем 60% респондентов; спутниковые снимки и анализ вегетативного индекса растений применяют не более 30% фермеров, хотя новые разработки в использовании беспилотных летательных аппаратов (дронов) могут повысить интерес к использованию изображений для скаутинга, анализа данных и принятия управленческих решений.

 

Что касается технологий сбора и обработки данных - использование данных и программного обеспечения для составления карт урожайности является наиболее распространенной практикой (80%), за которой следует разработка планов или предписаний для применения VR-технология для внесения питательных веществ и удобрений, а также для посева и посадки (50-60%).

 

США демонстрирует стабильный рост рынка с/х техники, страна является лидером по импорту тракторной техники. Индустриальный характер сельского хозяйства США и сочетание автоматизации с быстрым внедрением в практику новейших высокотехнологичных достижений обеспечивает лидерство страны по эффективности сельского хозяйства и объему рынка AIoT.

 

Развитие систем точного земледелия / Agro IoT в США продвигается крупными фермерскими хозяйствами с минимальным участием государства.

 

Наиболее развитым регионом с точки зрения оснащенности сельского хозяйства современной техникой является Германия: количество тракторов на единицу площади самое большое в мире. Германия является мировым лидером по экспорту тракторов среди рассматриваемых в исследовании стран. Это объясняется тем, что на уровне национального самосознания страна ставит своей целью глобальное промышленное лидерство (среди мировых промышленных лидеров немало немецких брендов: Bosh, Siemence, BMW, Daimler, Volkswagen), является «автором» термина «Индустрия 4.0» (так называется одна из подпрограмм государственной Hi Tech стратегии Германии) и является инициатором процессов, связанных с цифровизацией промышленности.

 

В то же время, несмотря на то, что в Европе 70-80% сельхозтехники продается со встроенными умными и навигационными системами в Европе, количество «подключенной» техники находится на уровне 25%-30%.  Основными барьерами европейского рынка являются меньшая доля крупных фермерских хозяйств по сравнению с США (наличие большого количества «семейных» многовековых преемственных бизнесов), для которых покупка техники с подключенной электроникой является дорогостоящей, а также тот факт, что большинство хозяйств уже имеют в использовании тракторную технику, что препятствует ее замене на более инновационную.

 

В США и Германии высокое проникновение интернета в сельской местности – на уровне 70-80%.

 

Ежегодно в мире продается около 2,1 млн новых тракторов. Около 50% всех тракторов продается в Китае и Индии.

 

Наиболее быстрыми темпами развивается Китай по темпам механизации сельского хозяйства. Рынок с/х техники растет в среднем на 13,3% в течение последних 5 лет. Китай практически полностью обеспечивает себя техникой, объем ввозимой техники в денежном выражении в 8 раз меньше экспортируемого, при том, что в 2004 г. в Китае был одинаковый объем экспорта и импорта тракторов.

 

Как страна догоняющего развития с наименее механизированным сельским хозяйством, Индия демонстрирует наибольший спрос на эту продукцию и стремительно наращивает уровень механизации сельского хозяйства. В период 2002-2014 гг. продажи новых тракторов выросли более чем в 3 раза. Кроме того, по оценке J’son & Partners Consulting, Индия является одной из стран-лидеров в производстве сельскохозяйственной техники. Основную роль в машиностроительной отрасли играют 14 крупных компаний, большинство из которых тесно сотрудничают с известными западными партнерами. Индия занимает активную позицию по локализации крупнейших мировых производственных предприятий.  Это согласуется с национальной программой Net Zero Export (Нулевой импорт) – государственная программа импортозамещения, по которой к 2020 году страна должна научиться все производить самостоятельно и обеспечить нулевой объем импорта. Поэтому страна способна быстро освоить производство современной высокотехнологичной техники.

 

Высокое проникновение технологий точного земледелия в Канаде – 60-80% и более по некоторым базовым типам. По данным опроса фермеров, общее отношение к точному земледелию в Канаде в целом позитивное:

  • 84% опрошенных фермеров используют ту или иную технологии «точного земледелия»;
  • 93% согласились с тем, что «точное земледелие» выгодно для использования;
  • 75% планируют увеличить использование технологий «точного земледелия».

 

Канада стала страной № 1 по выработке на одного работника (отношение: объем с/х продукции / количество занятых в отрасли) и обогнала по этому показателю традиционного бессменного лидера - США в 2015 году. Лидерство обусловлено высоким проникновением автоматизированных систем и hitech агропрактик, большим количеством занятых в агросекторе, сильной государственной поддержкой отрасли (к примеру, фермеры имеют бесплатный доступ к разнообразным интерактивным картам, сделанным на основе спутниковой съемки).

 

Источник: AgScape (Ontario Agri-Food Education Inc)

 

 

Задачи IoT и цифровизации сельского хозяйства в России

 

Ключевая задача, которая стоит перед российским сельским хозяйством - повышение производительности. Производительность труда (объем произведенной продукции в единицу времени или на одного работника) –основной показатель эффективности труда и источник увеличения производства валовой продукции в стране. Рост производительности труда определяет дополнительное количество произведенной продукции при одновременной экономии затрат на производство единицы продукции.

 

Важнейший показатель эффективности в сельском хозяйстве – объем произведенной продукции (валовая стоимость с/х продукции) в расчете на 1 работника. Этот показатель при сопоставлении с другими странами, характеризует уровень затрат живого труда в производстве, трудоемкость продукции и, в конечном счете, ее конкурентоспособность. Рост производительности труда выражается в уменьшении затрат живого труда, высвобождении человека из производственных процессов, работа которого заменяется автоматизированными системами. При этом, высокопроизводительной является та деятельность, где выигранное от снижения трудоемкости время используется для создания дополнительного количества продукции (то есть, уменьшение трудоемкости единицы работы и обработки 1 га должно сопровождаться общим повышением производства продукции в единицу времени). Таким образом достигается сокращение трудоемкости, которая определяется как затраченное работниками время на объем произведенной продукции. Снижение трудоемкости обеспечивает общее сокращение издержек, что является одним из условий повышения конкурентоспособности. Конкурентоспособность продукции представляет собой совокупность потребительских, стоимостных и трудовых характеристик, которые определяют ее успех на рынке в сравнении с аналогичным продуктом других производителей.

 

Уровень производительности труда в сельском хозяйстве определяют: состояние сельскохозяйственной науки, исследований, разработок (НИОКР), внедрение инноваций, передача передового опыта в способах обработки, защиты и выращивания растений, мелиоративные достижения; состояние смежных поддерживающих отраслей - промышленности, биохимии (новые материалы, добавки, удобрения, химические средства защиты), биотехнологии (новые высокоурожайные сорта, устойчивые к стрессовым факторам), социально-экономические факторы (уровень образования, техническая квалификация, мотивация, дисциплина, бытовые условия жизни и деятельности, распространение лучших достижений) и др.

 

Результирующим показателем производительности является урожайность выращивания культур (или продуктивность животноводства), а также максимальная утилизация ресурсов (каждого га площади, каждой единицы техники, кг удобрений, агрохимии, вложенного рубля и т.д.).

 

В России существует как минимум трехкратный резерв повышения урожайности зерновых в сравнении с США и Германией. Отставание по уровню производительности труда в сельском хозяйстве в целом по сравнению с Германией составляет 3 раза, с США – более чем 20 раз.  (В России валовая стоимость сельхозпродукции на одного работника в 2015 г. составила 8 тыс. долл., в США – 195 тыс. долл).

 

Это вызвано крайне низким уровнем механизации и использования удобрений (в России самый низкий уровнь оснащения сельскохозяйственной техникой из рассматриваемых стран и уровень использования удобрений), а также большой долей крестьянско-фермерских и малых фермерских хозяйств (99% в совокупности), которые не обладают финансовыми возможностями для закупки новой техники, использования подключенного оборудования и внедрения агроинноваций.

 

Учитывая, что развитые страны в настоящий момент ставят своей целью максимально увеличить производительность сельского хозяйства и отдачу на единицу площади за счет применения технологий точного земледелия, инструментов сбора и анализа данных и средств автоматизации сельскохозяйственных процессов, для России актуальна задача ускоренного сокращения технологического отставания.

 

Повышение уровня механизации, автоматизации, мелиорации, методов культивации земель, сельскохозяйственной науки, внедрения агроинноваций в отрасли способно повысить производительность труда, увеличить КПД используемой площади сельскохозяйственных земель и сократить отставание в производительности от уровня развитых стран.

 

В связи с трансформирующим (disruptive) характером технологий интернета вещей, по мнению консультантов J’son & Partners Consulting, наибольший эффект внедрение интернета вещей в сельском хозяйстве (IoTAg) способно оказать тогда, когда «связанными» оказываются не только процессы внутри сельскохозяйственного производственного цикла, но и охватываются как можно больше звеньев цепочки добавленной стоимости, а в ряде случаев исключают ранее существовавшие связи, заменяя их автоматизированными решениями, превращая сельское хозяйство в «цифровую» отрасль.

 

Процессы цифровизация сельского хозяйства и экономики России в целом будут вовлекать в развитие совместных IoT решений всех игроков в цепочке создания стоимости агросектора в той или иной комбинации во взаимодействии друг с другом. Универсальным правилом в технологиях интернета вещей и сопутствующих процессах агрегации больших данных является то, что чем больше данных собирается в одном месте, тем умнее становится система и тем ценнее информация может быть получена для потребителей. При условии, что применяются самые современные модели их обработки.

 

IoT и цифровизация (автоматизация) в сельском хозяйстве – это также возможность создавать сложные высоко автоматизированные производственно-логистические цепочки, охватывающие оптово-розничные торговые компании, логистику, сельхозпроизводителей и их поставщиков в единый процесс с адаптивным управлением. Такие цепочки позволяют значительно снизить себестоимость и розничные цены на продукты питания, увеличив, таким образом, их доступность для потребителей и, как следствие, объемы производства и продаж.

 

Соседствующие с производством сегменты забирают на себя до 75% прибыли, а по данным ЕС, маржинальность фермерского бизнеса составляла в 2011 году не более 21%, с тенденцией к понижению.

 

Источник: J’son & Partners Consulting

 

 

Экономический эффект от цифровизации и внедрения IoT в сельском хозяйстве в России

 

Во взаимоотношениях между сельхозпроизводителями и участниками сбытовой цепочки (оптовые компании, логистика, розничные сети) перспективным является переход на модель прямых продаж, при которой производитель «видит» конечного потребителя, его объем и структуру спроса, и за счет использования моделей предиктивной аналитики производит ровно то, что и когда нужно потребителю, а управление поставками продукции осуществляется на принципах автоматического обмена информацией между участниками цепочки поставок и минимальным использованием складской и логистической инфраструктуры посредников оптового звена.

 

По оценкам Json & Partners Consulting, реализация такой модели взаимоотношений в цепочке создания добавленной стоимости сельхозпродукции, базирующейся на технологиях Интернета Вещей и сквозной автоматизации производственных и бизнес-процессов, позволит:

  • Снизить уровень цен на основные продукты питания в России примерно в два раза при одновременном улучшении их качества за счет реализации модели dropshipping и, как следствие, снижения наценки в оптово-розничном звене, а также за счет 3-5 кратного роста производительности труда в сельском хозяйстве, что позволит увеличить объем потребления в денежном выражении не менее чем в три раза; таким образом, объем рынка продуктов питания и сельскохозяйственной продукции может вырасти в 1,5 раза на 4 трлн. рублей в годовом выражении, а прирост чистой прибыли сельхозпроизводителей может составить до 200 млрд руб в годовом выражении.
  • Кардинально повысить уровень автоматизации основных производственных и бизнес-процессов сельских хозяйств, включая малые, что даст прирост потребления информационных технологий сельхозпредприятиями на 156 млрд руб (+22% к существующему объему рынка ИТ в России) и услуг передачи данных на 11 млрд руб в год (+19% к существующему объему потребления услуг передачи данных корпоративным сектором в России).
  • Переход на сквозные высоко автоматизированные цепочки производства и поставок сельхозпродукции сделает этот процесс прозрачным для банков, и позволит им минимизировать риски кредитования сельхозпроизводителей. Это создаст предпосылки для увеличения объемов кредитования сельхозпроизводителей на 500 млрд. руб.

 

Решение задачи повышения производительности труда в сельском хозяйстве в 3-5 раз, не решаемая в рамках традиционных моделей взаимоотношений поставщика средств механизации и автоматизации, но решаемая в рамках моделей, базирующихся на IoT, потребует:

  • Создать в сельской местности квалифицированные рабочие места с высоким уровнем оплаты и высоким мультипликатором (одно высококвалифицированное рабочее место создает еще 10-15 новых рабочих мест).
  • В девять раз (на 85 млрд руб в годовом выражении) увеличить объем потребления минеральных удобрений.
  • Резко повысить уровень механизации основных операций в сельском хозяйстве, что сформирует рынок «цифровой аренды» средств механизации (тракторов, комбайнов) и создаст дополнительный спрос на трактора сельхозназначения в России в размере 600 тысяч штук (60 годовых объемов производства в России) и комбайнов в 200 тысяч штук.

 

Таким образом, по оценке J’son & Partners Consulting, суммарный экономический эффект от перехода сельских хозяйств на бизнес-модели, базирующиеся на IoT и цифровизации, может составить более 4,8 трлн руб в годовом выражении, или 5,6% прироста ВВП РФ (относительно показателей за 2016 год), а возможный прирост объема потребления информационных технологий в России может составить +22%, причем за счет цифровизации только одной отрасли – сельского хозяйства.

 

 

Крупные АПК и передовые средние фермерские хозяйства – главный локомотив рынка интернета вещей в России

 

Крупные вертикально интегрированные агрохолдинги создают максимальную добавленную стоимость и будут являться главной «индустриальной средой» для внедрения IoTинноваций в сельском хозяйстве. В ближайшей перспективе крупный бизнес и передовые средние хозяйства станут основным потребителем технологий AIoT в России в связи с возможностью привлекать инвестиции и готовностью к технологическим новациям. Крупные АПК могут выступить пионерами во внедрении автоматизированных систем управления фермой на базе IoT, автономных агроботов, освоении методов инновационной математики, необходимых для обработки больших сельскохозяйственных данных. А также занять активную позицию в  организации обучения, повышении квалификации, проведения тренингов и введении системы наставничества, организации бизнес-командировок для знакомства с передовыми зарубежными компаниями и их достижениями, ежедневными практиками.

Еще одним перспективным сегментом по применению AIoT-решений, а возможно и лидером по эффекту от их внедрения в отечественном агросекторе могут выступать средние частные сельскохозяйственные предприятия. Они обладают достаточной, гибкостью в вопросе выбора, апробации и активного использования новых технологий в производственном процессе, замотивированы на результат и имеют достаточные финансовые ресурсы для вложения в ИТ инфраструктуру.

 

 

Сдерживающие факторы и перспективы развития IoT

 

В России существует значительный задел по увеличению внутреннего производства основной продукции, освоению новых видов производств с экспортным потенциалом, повышению механизации, автоматизации, производительности сельского хозяйства и смежных отраслей. Задачей экспортного рынка является развитие проектов, увеличивающих локализацию всей цепочки экономических переделов на территории России, что обеспечит повышение валовой добавленной стоимости сельского хозяйства и переход к вывозу не сырья, а переработанного продукта. Возможным барьером является устаревшее оборудование, отсутствие технологий, нехватка инвестиций.

 

Для максимальной реализации потенциала проектов интернета вещей в России необходимо решить целый комплекс задач, связанных с: развитием экосистемы IoT;  принятием и распространение модели облачных технологий; убеждением в экономической целесообразности объединения и обмена данными о показателях своей деятельности; повышением образования и квалификации не только в сфере инновационного сельского хозяйства, но и в таких направлениях как «ИТ в сельском хозяйстве», «математика, анализ больших данных, ИИ в сельском хозяйстве», «робототехника в сельском хозяйстве», «автоматизация и управление бизнес-процессами». Стратегическое значение для отрасли имеют: развитие отечественной сельскохозяйственной науки, восстановление и развитие собственного семенного фонда, генетика и биотехнология растений, развитие отечественного сектора агрохимии, рост механизации сельского хозяйства (комбайны, тракторы, дроны, робототехника, малая самоходная и другая сельхозтехника).

 

Комплексная реализация описанных в исследовании мероприятий, устранение сдерживающих факторов и внедрение проектов цифровой автоматизации и интернета вещей будут способствовать:

- сокращению отставания производительности сельского хозяйства от уровня развитых стран,

- повышению привлекательности отрасли для инвесторов, предпринимателей, работников,

- улучшению условий жизни в сельской местности,

- повышению уровня квалификации, конкурентоспособности, заработной платы работников,

- развитию отечественной экосистемы разработчиков с экспортным потенциалом,

- развитию внутри России новых высококонкурентных специальностей: Big Data, Data Science, Machine learning, Artificial Intelligence,

- повышению запроса на продукцию отечественного машиностроения,

- повышению запроса на НИОКР и отечественные инновации,

- развитию сельскохозяйственной и биотехнологической науки,

- развитию новых видов страховых сервисов,

- развитию новых e-commerce площадок в сельском хозяйстве (как для реализации продуктов питания, так и исходного сырья для сельскохозяйственного производства),

- появлению большого количества аналитических компаний, компаний-разработчиков инновационных сервисов для сельского хозяйства – если в США их появляется более 300 в год, то в России возможно появление успешных компаний на уровне других стран 10-30 компаний в год.

 

При объединении усилий государства, науки и бизнеса, результатом станет возможность создать одну из самых инновационных отраслей не только в России, но и в мире.

 

 

 

Благодарим за участие в ТВ-интервью представителей компаний, развивающих инновационные технологии в сельском хозяйстве:

IoT в Агросекторе. Антон Хаймовский, ExactFarming

IoT в Агросекторе. Вячеслав Якушев, Агрофизический НИИ

IoT в агропроме. Дмитрий Моисеев, Tibbo Systems

IoT в агропроме. Елена Краюшкина, Orange Business Services

IoT в агропроме. Дмитрий Озман, Omnicomm

 

Другие выступления участников рынка IoT в сельском хозяйстве смотрите здесь: http://json.tv/ict_video/ict_conferences_in_russia

 

 

 

Детальные результаты исследования представлены в полной версии отчета:

«Текущий статус и прогнозы развития технологий Internet of Things (IoT) в сельском хозяйстве: мировой опыт и выводы
для Российской Федерации»

 

1. РЕЗЮМЕ

 

2. ТЕКУЩИЙ УРОВЕНЬ АВТОМАТИЗАЦИИ СЕЛЬСКОГО ХОЗЯЙСТВА В МИРЕ

2.1. Революционные преобразования под воздействием ИТ

2.1.1. Вторая зеленая революция

2.1.2. Эволюция технологий сельского хозяйства. Точное земледелие. Цифровое сельское хозяйство и Сельское хозяйство 4.0

2.1.3. Цифровизация сельского хозяйства

2.1.4. Математическая революция

2.1.5. Сенсорная революция

2.1.6. Автоматизация и роботизация

2.1.7. Разведение (разработка) семян нового поколения

2.2. Решения AgTech и AIoT: глобальный рынок инноваций, тренды

2.2.1. Всплеск роста сельского хозяйства в ВВП США

2.2.2. Крупнейшие сделки M&A

2.2.3. Формирование AgTech (Агротех)

2.2.4. Перспективы инвестиционного рынка в агросекторе

2.2.5. Корпоративные инвестиции и корпоративные венчурные фонды

2.2.6. Ожидания и приоритеты инвесторов агротеха

2.3. Текущий уровень механизации и автоматизации сельского хозяйства в странах: США, Канада, ЕС (Германия), Китай, Индия

2.3.1. Основные региональные тренды механизации и автоматизации сельского хозяйства

2.3.2. Сравнение уровня механизации по странам

2.3.3. Особенности АПК и механизации США

2.3.3.1. Проникновение технологий точного земледелия в США

2.3.3.2. Управление большими сельскохозяйственными данными (BigagricultureDatamanagement)

2.3.3.3. Уровень интернет-проникновения в сельском хозяйстве в США

2.3.4. Китай

2.3.5. Индия

2.3.6. Германия

2.3.7. Проникновение технологий точного земледелия в Европе

2.3.7.1. Основные барьеры для проникновения технологий «точного земледелия»

2.3.7.2. Альянс интернета вещей и общеевропейский проект в области IoT в сельском хозяйстве

2.3.8. Проникновение технологий точного земледелия в Канаде

 

3. ЗАДАЧИ СЕЛЬСКОГО ХОЗЯЙСТВА

3.1. Задачи сельского хозяйства и цепочка создания стоимости

3.2. Задачи AIoT и роль автоматизации в агробизнесе

3.3. Примеры применения бизнес-аналитики и BigData растениеводстве

3.4. Лучшая отраслевая экспертиза – залог успешной цифровизации и внедрения IoT-проектов

 

4. АНАЛИЗ ТЕКУЩЕГО СОСТОЯНИЯ И ПЕРСПЕКТИВ РАЗВИТИЯ РЫНКА IOT В СЕЛЬСКОМ ХОЗЯЙСТВЕ В МИРЕ НА ГОРИЗОНТЕ 2010-2030 ГГ

4.1. Оценка AgIoT в мире на примере США, Канады, ЕС и стран Юго-Восточной Азии

4.1.1. Оценки глобального рынка Интернета вещей в сельском хозяйстве

4.2. Оценка увеличения урожайности, сокращения затрат от применения технологий точного земледелия и интернета вещей в мире

4.3. США. Оценка рынка «точного земледелия» в денежном выражении

4.4. Канада

4.5. Европейский Союз

4.6. Юго-Восточная Азия

 

5. ТЕХНОЛОГИИ ИНТЕРНЕТА ВЕЩЕЙ В СЕЛЬСКОМ ХОЗЯЙСТВЕ (AGROIOT)

5.1. Определения: Интернет Вещей, Промышленный Интернет и Индустрия 4.0

5.2. Организационно-технологическая трансформация промышленности под воздействием Интернета вещей

5.3. Преимущества перехода на модель Интернета вещей

5.4. Цели внедрения Интернета Вещей

5.5. Задачи Интернета вещей (IoT) в агробизнесе

5.6. Участники рынка IoT в сельском хозяйстве

5.6.1. Цепочка добавленной стоимости и экосистема участников IoT-проектов

5.6.2. Ключевые участники проектов Интернета вещей

5.6.3. Барьеры формирования экосистемы интернета вещей в России

5.7. Описание ролей ключевых игроков рынка (вендоров, операторов связи, системных интеграторов и дистрибьюторов)

5.7.1. Производители сельхозтехники

5.7.2. Производители компонентов, датчиков и другого оборудования

5.7.3. Поставщики IoT-платформ

5.7.3.1. Назначение IoT-платформ, их место в цепочке создания стоимости на рынке M2M/IoT

5.7.3.2. Ключевые международные разработчики IoT-платформ

5.7.4. Операторы связи

5.7.4.1. Направления развития телеком-операторов

5.7.4.2. Драйверы проникновения операторов на рынок IoT для сельского хозяйства

5.7.4.3. Потенциальные препятствия рынка IoT в сельском хозяйстве для операторов

5.7.4.4. Перспективы и прогнозы рынка IoT в сельскохозяйственном секторе для операторов

5.7.4.5. Коммуникационные технологии IoT

5.7.4.5.1. Сотовые сети

5.7.4.5.2. NB-IoT

5.7.4.5.3. Основные технологии LPWA

5.7.4.5.4. Беспроводные технологии малого и среднего радиуса действия

5.7.4.5.5. Другие технологии

5.7.4.6. Роль операторов связи на рынке распределенных телематических систем в России

5.7.4.7. Операторы связи как поставщики подключений

5.7.4.8. Операторы связи как системные интеграторы

5.7.4.9. Продажа операторами IoT-решений сторонних компаний

5.7.4.10. Продажа операторами собственных IoT-решений

5.7.4.11. Комбинированная модель

5.7.5. Возможная роль операторов связи как части IoT-экосистемы в России

5.7.5.1. Бизнес-модель управляемых подключений

5.7.5.2. Бизнес-модель поставщика IoT-услуг

5.8. Системные интеграторы и дистрибьюторы

 

6. ЭКОНОМИЧЕСКИЙ ЭФФЕКТ ОТ ЦИФРОВИЗАЦИИ И ВНЕДРЕНИЯ IOT В СЕЛЬСКОМ ХОЗЯЙСТВЕ В РОССИИ

6.1. Текущий уровень развития сельского хозяйства в России

6.1.1. Производство

6.1.2. Производительность труда в сельском хозяйстве

6.1.3. Факторы повышения производительности труда

6.1.4. Особенности сельского хозяйства в России

6.1.5. Потребление

6.2. Эффекты от цифровизации и внедрения Интернета Вещей (IoT) в сельском хозяйстве

6.2.1. Экономические и бизнес-эффекты цифровизации и внедрения IoT в сельском хозяйстве

6.3. Экономические эффекты цифровизации и IoT для каждого из участников цепочки производства и сбыта сельхозпродукции

6.3.1. Поставщики

6.3.1.1. Средств автоматизации и связи (операторы связи, разработчики средств автоматизации, системные интеграторы, провайдеры облачных сервисов, разработчики и производителей датчиков телеметрии)

6.3.1.2. Сельскохозяйственной техники и средств механизации

6.3.1.3. Расходных материалов

6.3.2. Сельхозпроизводители

6.3.2.1. Крупные

6.3.2.2. Малые

6.3.3. Торговля

6.3.4. Банки

 

7. ТЕКУЩЕЕ СОСТОЯНИЕ IOT В АПК РОССИИ

7.1. Примеры реализованных проектов и компаний AIoT в России

7.2. Обеспечение Интернет-доступом сельских жителей в России

7.3. Проникновение навигационных технологий и систем мониторинга в России

7.4. Глобальные игроки IoT в АПК

7.5. Компании, развивающие AIoT в России и мире (примеры)

Табл. 30. Экосистема AIoT. Мир и Россия

 

8. ГОСУДАРСТВЕННЫЕ ПРОГРАММЫ ПО РАЗВИТИЮ СЕЛЬСКОГО ХОЗЯЙСТВА

8.1. Краткое резюме

8.1.1. Европейский союз

8.1.2. Австралия

8.1.3. США

8.1.4. Канада

8.1.5. Китай

8.1.5.1. Развитие и модернизация сельского хозяйства

8.1.5.2. Blockchain Farm – первая в мире блокчейн-Ферма на IoT-платформе

8.1.6. Индия

8.2. Государственные программы по поддержке сельского хозяйства в Российской Федерации

8.2.1. Прогноз научно-технологического развития АПК в России

8.2.2. «Дорожная карта» по внедрению технологий IoT в АПК России

 

9. ОСНОВНЫЕ ВЫВОДЫ: ВЫЗОВЫ И ПЕРСПЕКТИВЫ ВНЕДРЕНИЯ ПРОЕКТОВ ИНТЕРНЕТА ВЕЩЕЙ В РОССИИ

Требования к реализации проектов IoT в России

 

10. СПИСОК КОМПАНИЙ, УПОМЯНУТЫХ В ОТЧЕТЕ

 

 

СПИСОК РИСУНКОВ

 

Рис. 1. История развития земледелия

Рис. 1. История развития земледелия

Рис. 2. Эволюция автоматизированного оборудования точного земледелия

Рис. 3. Пример сети для сельского хозяйства

Рис. 4. Уровень цифровизации отдельных отраслей мировой экономики

Рис. 5. Оценка рынка сельскохозяйственных роботов в мире ($млн., шт.), 2015-2024 гг

Рис. 6. Мировые продажи сельскохозяйственных роботов (шт.), 2014-2016 гг

Рис. 7. Прогноз развития мирового рынка беспилотных тракторов, 2015-2024 гг

Рис. 8. Рост ВВП США по секторам экономики, 1999-2013 гг

Рис. 9. Сравнение выручки крупнейших агрохимических компаний в мире, производящих зерно и пестициды, млрд. долл

Рис. 10. Динамика инвестиций в агротехнологии, 2010-2016 гг., млрд долл

Рис. 11. Основные сегменты агротехнологий по направлениям инвестиций

Рис. 12. Объемы инвестиций в сельское хозяйство по технологиям, 2015-2016 гг

Рис. 13. 100 высокотехнологичных стартапов в агросекторе

Рис. 14. Как инновации усиливают интегрированные решения для роста урожайности

Рис. 15. BigData и бизнес-аналитика – инвестиционный приоритет № 1 крупнейших АПК

Рис. 16. Цифровое сельское хозяйство, основанное на данных, как основной фокус крупнейших мировых АПК

Рис. 17. Направления инвестирования крупнейших АПК и специализированных сельскохозяйственных Венчурных Фондов

Рис. 18. Доли стран в закупках новых тракторов, 2014 г

Рис. 19. Структура рынка с/х техники США, 2016

Рис. 20. Среднее сокращение расходов исходной продукции (долл / акр) от внедрения технологий

Рис. 21. Уровень применения технологий точного земледелия, США, 2015 г.

Рис. 22. Уровень использования систем управления фермой (Farm Management Software), США

Рис. 23. Распределение тракторов по мощностям

Рис. 24. Продажи тракторов в Европе, 2010-2014

Рис. 25. Применение рассеивателя удобрений с центрифугой

Рис. 26. Проникновение широкополосного доступа в Bнтернет в Европе

Рис. 27. Оценка факторов, которые будут влиять на с/х практику и структуру рынка до 2030 года

Рис. 28. На развитие сельских регионов в рамках Общеевропейского сельскохозяйственного проекта 2014-2020 гг. выделено 99,6 млн евро

Рис. 29. Образец объявления о вакансиях в сельском хозяйстве в Канаде (производители техники и здоровье в животноводстве)

Рис. 30. Цепочка добавленной стоимости в сельском хозяйстве

Рис. 31. Цепочка создания стоимости в сельском хозяйстве

Рис. 32. Цепочка создания стоимости в сельском хозяйстве в Европе

Рис. 33. Производственный цикл в сельском хозяйстве

Рис. 34. Потери урожая и продуктов питания в мире по данным World Economic Forum

Рис. 35. Максимальное влияние факторов на урожай

Рис. 36. Два теста кукурузы: с применением HiTech систем управления и без

Рис. 37. Автоматизация производственного цикла в сельском хозяйстве

Рис. 38. Цифровая интегрированная платформа Monsanto по всему циклу растениеводства

Рис. 39. Платные подписчики Monsanto, открытая платформа и интеграция сторонних сервисов

Рис. 40. Влияние инноваций, цифровизации и бизнес-аналитики на рост NPV

Рис. 41. Сравнение оценок перспектив Интернета вещей по числу соединенных устройств в мире, млрд шт

Рис. 42. Общий экономический эффект от внедрения IoT в различных отраслях в мире: прогноз на 2020 год

Рис. 43. Распределение публичных  IoT-проектов в корпоративном секторе по отраслям и регионам мира, 3 кв. 2016 г

Рис. 44. Прогноз мирового рынка AIoT, млн подключенных устройств, млрд. долл. 2016-2020 гг

Рис. 45. Рост мирового рынка «цифрового» сельского хозяйства в денежном выражении

Рис. 46. Прогноз мирового рынка интернета вещей в сегменте «Сельское хозяйство», 2015-2025 гг., $ млрд и темпы роста, %

Рис. 47. Рост производительности за счет развития точного земледелия, 2016-2050 гг.

Рис. 48. Объем рынка «точного земледелия» в США, 2014-2020 гг., $ млн.

Рис. 49. Объем рынка «точного земледелия» в США, 2014-2020 гг., $ млн.

Рис. 50. Объем рынка «точного земледелия» в США в разбивке по сегментам, 2015-2025 гг., $ млрд.

Рис. 51. Рост рынка умного с/х Канады и его сегментация

Рис. 52. Объем рынка «точного земледелия» в странах ЕС, 2014-2020 гг., $ млн.

Рис. 53. Эволюция продуктов и решений Интернета Вещей

Рис. 54. Концепция «Интернет Вещей» и сете-центрического (облачного) управления – это не просто подключение различных «не-ИТ» устройств к сети связи, а объединение устройств в пулы ресурсов и виртуализация функций управления ими

Рис. 55. Трансформация цепочки «поставщик-потребитель» на примере B2B-рынка услуг связи

Рис. 56. Доля компаний различных отраслей, входящих в рейтинг Fortune 100 и развивающих те или иные компоненты взаимодействия со своими потребителями и поставщиками в формате облачных сервисов.

Рис. 57. Трансформация облика выпускаемой продукции

Рис. 58. Десятикратная разница в уровне утилизации вычислительных ресурсов в дата-центрах традиционных предприятий (вверху) и дата-центрах Google (внизу)

Рис. 59. Разница в себестоимости полностью цифровой банковской транзакции и транзакции с использованием ручного труда, влияние на производительность

Рис. 60. Динамика капитализации AT&T

Рис. 61. Динамика капитализации Harley-Davidson

Рис. 62. Причины низкой производительности труда в России

Рис. 63. Цепочка создания стоимости агросектора, подверженная воздействию AIoT

Рис. 64. Вакансии специалистов для сельского хозяйства, Июнь 2017 г

Рис. 65. Образец комлексного автоматизированного решения по управлению фермой

Рис. 66. Схема распределения добавленной стоимости платформенных IoT-проектов

Рис. 67. Зоны ответственности игроков в экосистеме AIoT

Рис. 68. Организационная трансформация в цифровой платформенной модели AIoT

Рис. 69. Трансформация роли информационно-аналитических систем в организациях

Рис. 70. Возможная схема взаимодействия участников цепочки производства устройств, используемых для подключения объектов телеметрии к платформам IoT

Рис. 71. Примеры недорогих датчиков температуры, влажности, содержания углекислого газа и освещеннсоти для управления ирригационной системой

Рис. 72. Примеры недорогих датчиков температуры, влажности, содержания углекислого газа и освещеннсоти для управления ирригационной системой

Рис. 73. Оценка структуры рынка IoT/M2M в России по вендорам коммуникационных беспроводных модулей, 2015 год

Рис. 74. Оценка структуры рынка IoT/M2M в России по вендорам коммуникационных беспроводных модулей, 2015 год

Рис. 75. Оценка структуры рынка IoT/M2M в России по вендорам процессоров, 2015 год

Рис. 76. Объем и динамика потребления процессорных/коммуникационных модулей для устройств IoT/M2M в России в натуральном выражении (тыс. модулей), факт за 2012-2014 гг., прогноз на 2015-2018 гг.

Рис. 77. Объем и динамика потребления процессорных/коммуникационных модулей для устройств IoT/M2M в России в денежном выражении (млн. долл),  факт за 2012-2014 гг., прогноз на 2015-2018 гг.

Рис. 78. Софтверные платформы как часть цепочки ценности IoT/M2M

Рис. 79. Различие между понятиями M2M и IoT

Рис. 80.  Рост бизнес-ценности IoT-изделий для производителей по мере эволюции их возможностей

Рис. 81. Мировой рынок программных платформ для инфраструктуры IoT/M2M*, 2014-2024

Рис. 82. Ключевые международные вендоры IoT-платформ, по числу реализованных проектов и по сферам применения, 2015 год

Рис 83. Рост числа устройств IoT до 2020 г. в мире

Рис 84. Выделенная сеть IoT

Рис 85. Роль телеком-оператора в сегменте IoT для сельского хозяйства

Рис 86. Применение IoT для превентивного обслуживания строительной техники (оператор DeutscheTelekom)

Рис 87. Доля участия операторов мобильной связи в различных отраслях экономики в сегменте IoT

Рис. 88. Прогноз роста трафика среднего агрохозяйства до 2034 г

Рис. 89.  Потенциальная прибыль от продажи IoT-устройств, их установки и обслуживания в сельскохозяйственном секторе: прогноз до 2020 года

Рис. 90. Использование различных коммуникационных технологий для IoT в различных отраслях

Рис. 91. Использование технологии LoRaWAN для контроля температуры питьевой воды для коров

Рис. 92. Схема использования технологий 3G/GPRS и Sigfox в проекте по выращиванию киви

Рис. 93. Степень открытости различных технологий LPWAN

Рис 94. Схема использования технологии Wi-Fi в питомнике в Австралии

Рис. 95. Схема использования технологий ZigBee (802.15.4) и 3G/GPRS в проекте по выращиванию бананов в Колумбии

Рис. 96. Характеристики беспроводной технологии XBee, используемой в интегрируемых радиомодулях на платформе Waspmote от компании Libelium

Рис. 97. Основные модели партнерства операторов, поставщиков IoT-устройств и отраслевых приложений

Рис. 98. Схема модели взаимодействия, при которой операторы продают услуги связи своим партнерам

Рис. 99. Схема модели взаимодействия, при которой операторы продают и обслуживают IoT-решения сторонних компаний-партнеров под собственным брендом

Рис. 100. Схема модели взаимодействия, при которой операторы продают собственные IoT-решения

Рис 101.  Схема комбинированной модели взаимодействия, при которой операторы предлагают широкий спектр M2M/IoT-сервисов («меню сервисов») в различных комбинациях

Рис. 102. Основные проекты ПАО «МегаФон» в области Промышленного Интернета Вещей

Рис. 103. Роль оператора сети связи в экосистеме IoT/M2M

Рис. 104. Базовый и прикладной функционал платформ IoT/M2M

Рис. 105. Планируемые партнерства ПАО «МегаФон» с производителями устройств и разработчиками приложений

Рис. 106. ТОП-10 производителей в мире: пшеница, свинина, млн т., 2016

Рис. 107. Россия: производство СХП по ряду показателей, тыс. т. 2000-2015 гг

Рис. 108. Экспорт / импорт Россия vs. другие страны по ряду СХП, тыс. т. 2015

Рис. 109. Валовая стоимость продукции с/х

Рис. 110. Численность населения, занятого в с/х  (2015 г., тыс. чел.)

Рис. 111. Агрокомпании, которые изменили образование в сельском хозяйстве

Рис. 112. Удельный вес организаций в Европе, осуществлявших технологические инновации, в общем числе организаций, занятых в производстве пищевых продуктов, 2015

Рис. 113. Факторы повышения эффективности сельскохозяйственной отрасли

Рис. 114. Темпы прироста урожайности по видам культур в России, 1990-2016 гг.

Рис. 115. Площадь пашни и урожайность зерновых

Рис. 116. Характеристики сельхозпроизводителей США и России по числу хозяйств (шт) и выручке (млн. долл.)

Рис. 117. Объем и динамика доходов и расходов домохозяйств в России в 2011-2016 гг., прогноз 2017-2019 гг

Рис. 118. Зависимость количества потребителей и объема потребления в денежном выражении от уровня трат на продукт или услугу

Рис. 119.  Средства автоматизации в сквозной автоматизированной производственно-сбытовой цепочке, охватывающей сбытовые компании, сельхозпроизводителя и его поставщиков

Рис. 120. География пользователей российского Интернета

Рис. 121. Типы навигационных систем и виды работ с их использованием в России, 2011 г

Рис. 122. Причины использования навигационного оборудования, 2011 г

Рис. 123. Ключевые положения госпрограмм поддержки проектов AIoT в Австралии, США, Евросоюзе и КНР

Рис. 124. Господдержка сельского хозяйства, млрд долл

Рис. 125. Два сценария развития АПК до 2030 г.

 

 

СПИСОК ТАБЛИЦ

 

Табл. 1. Другие примеры эффективного применения роботов в сельском хозяйстве

Табл. 2. Инвестиции в агротехнологии, 2014-2016 гг

Табл. 3. Инвестиции в агротехнологии (кроме сегмента E-commerce), 2014-2016 гг

Табл. 4. Список 100 высокотехнологичных стартапов в агросекторе

Табл. 5. Тракторов на 100 кв км пашни

Табл. 6. 12 стадий механизации агросектора

Табл. 7. Прогноз уровня механизации по странам, 2013-2035 гг.

Табл. 8. Основные факторы влияния на уровень механизации в стране

Табл. 9. Динамика рынка с/х техники, 2007-2016

Табл. 10. Основные статьи экспорта с/х техники из Китая, 2015 г.

Табл. 11. Основные статьи импорта с/х техники в Китай, 2015 г.

Табл. 12. Примеры европейских компаний, получающих государственное финансирование

Табл. 13. Сводные оценки рынка AIoT по анализируемым регионам, 2016 г.

Табл. 14. Преимущества и недостатки различных моделей развертывания IoT-платформ

Табл. 15. Функционал платформ IoT разных типов

Табл. 16. Существующие на рынке модели ценообразования в разбивке по типам IoT-платформ

Табл. 17. Основные особенности использования технологий сотовой связи (3G/GPRS) и Sigfox в проекте по выращиванию киви в Италии

Табл. 18. Основные системные интеграторы и дистрибуторы на рынке Интернета Вещей в России

Табл. 19. ВВП и Валовая стоимость с/х продукции на одного работника по странам, 2015

Табл. 20. Добавленная стоимость сельскохозяйственной продукции  в расчете на одного работника, тыс. долл

Табл. 21. Динамика инновационной активности в производстве пищевых продуктов и табачных изделий, %

Табл. 22. Доля индивидуальных хозяйств в производстве сельхозпродукции в России, %

Табл. 23. Экспорт и импорт продукции сельского хозяйства в 2016 году, млрд долл.

Табл. 24. Основные экономические эффекты от внедрения IoT и цифровизации в сельском хозяйстве, оптово-розничной торговле продуктами питания и компаниях-поставщиках сельхозоборудования и расходных материалов

Табл. 25. Прогноз потребления средств автоматизации/цифровизации сельского хозяйства, при уровне их проникновению в 30% от общего количества сельхозпроизводителей

Табл. 26. Число тракторов в сельском хозяйстве на 100 кв км угодий в России в сравнении с США, Германией, Китаем и Индией

Табл. 27. Использование минеральных удобрений на 1 га угодий в России в сравнении с США, Германией, Китаем и Индией

Табл. 28. Краткое описание программы устранения цифрового неравенства поправк в Закон «О связи»

Табл. 29. Карта мировых игроков (некоторые примеры)

Табл. 30. Экосистема AIoT. Мир и Россия

Табл. 31. Экосистема AIoT: Примеры игроков, работающих в мире и в России

Табл. 33. Сводная информация о программах и методах регулирования Интернета Вещей в сельском хозяйстве

Табл. 34. Различные программы канадского правительства для поддержки с/х

Табл. 35. Цели задачи двух основных программ развития сельского хозяйства

Табл. 36. Объем государственной поддержки сельского хозяйства из федерального бюджета, млрд руб.

Табл. 37. Объем государственной поддержки сельского хозяйства из федерального бюджета и бюджетов субъектов РФ, млн руб.

Табл. 38. Объемы финансирования и распределения средств на государственную поддержку АПК РФ

Табл. 39. Сравнительная таблица объемов гос. финансирования сельского хозяйства, млн долл.

Табл. 40. Предпосылки для развития сценария «Локальный рост» в России

Табл. 41. Предпосылки для развития сценария «Глобальный прорыв» в России

Табл 42. Темпы прироста основных сегментов в сельскохозяйственной отрасли (%)

Табл 43. Ключевые показатели плана мероприятий по развитию технологий в области IoT

 


11. ПРОФАЙЛЫ КОМПАНИЙ-ЛИДЕРОВ:

  1. МИРОВЫЕ РАЗРАБОТЧИКИ HARDWARE

1.1. ПРОИЗВОДИТЕЛИ С/Х ТЕХНИКИ

1.1.1. JohnDeere

1.1.2. CNH Industrial

1.1.3. AGCO

1.1.4. CLAAS

1.1.5. Same Deutz Fahr

1.2. СИСТЕМЫ НАВИГАЦИИ И PRECISION FARMING

1.2.1. Trimble

1.2.2. Ag Leader Technology

1.2.3. Hexagon AB

1.2.4. Raven Industries

1.2.5. AgJunction Inc

1.2.6. TeeJet Technologies

1.3. ПРОИЗВОДИТЕЛИ ДАТЧИКОВ И РАЗЛИЧНОГО ОБОРУДОВАНИЯ ДЛЯ С/Х

1.3.1. Wiseconn

1.3.2. Dynamax

1.3.3. Ranch Systems

1.3.4. Agsense

1.3.5. Banner Engineering

1.3.6. Campbell Scientific

1.3.7. Cermetek

1.3.8. Davis Instruments

1.3.9. Decagon

1.3.10. McCrometer

1.3.11. Pessl Instruments 

1.3.12. RainBird

1.3.13. Заказчики решений (метеорологические станции США)

  1. КОММУНИКАЦИИ

2.1. ТРАДИЦИОННЫЕ ТЕЛЕКОМ-ОПЕРАТОРЫ И IOT В СЕЛЬСКОМ ХОЗЯЙСТВЕ

2.1.1. AT&T

2.1.2. Telefonica

2.1.3. Verizon Wireless

2.1.4. Telstra

2.1.5. Orange

2.1.6. Deutsche Telekom

2.1.7. Vodafone

2.1.8. NTT

2.2. ТЕХНОЛОГИИ LORA/SIGFOX/LPWAN/NB-IOT И ДР

2.2.1. LoRa

2.2.2. SigFox

IOT-ПЛАТФОРМЫ

2.3. СПЕЦИАЛИЗИРОВАННЫЕ IOT-ПЛАТФОРМЫ

2.3.1. Monsanto Company

2.3.2. Libelium

2.3.3. Kubota KSAS

2.3.4. Farmobile

2.3.5. OnFarm/PTC

2.4. GENERALIST IOT, ИМЕЮЩИЕ ПРОЕКТЫ В С/Х

2.4.1. IBM

2.4.2. Microsoft Azure IoT Suite

2.4.3. PTC ThingWorx

2.4.4. SAP HANA Cloud Platform for IoT

2.4.5. BOSCH SI IoT Suite

2.4.6. Telit IoT Portal

  1. ИНТЕГРАЦИЯ

3.1. МИРОВЫЕ СИСТЕМНЫЕ ИНТЕГРАТОРЫ С ПРОЕКТАМИ В С/Х

3.1.1. Accenture

3.1.2. TATA consultancy services

3.1.3. Infosys

3.1.4. T-Systems

3.2. LIVESTOCK FARMING

3.2.1. Vital Herd

3.2.2. Afimilk

3.2.3. Moonitorcows

3.2.4. Anemon

3.2.5. eCow Devon

3.2.6. Заказчики решений (австралийские животноводческие фермы)

3.3. HORTICULTURE

3.3.1. Заказчики решений (винодельни Германии и транспортировка клубники Driscoll)

3.4. GREENHOUSE

3.4.1. AeroFarms

3.4.2. Plenty

3.4.3. BrightFarms

3.4.4. Fujitsu

  1. БИЗНЕС-ПРИЛОЖЕНИЯ

4.1. СИСТЕМЫ АНАЛИЗА ДАННЫХ

4.1.1. SST Software

4.1.2. Iteris

4.1.3. FarmersEdge

4.1.4. Agrium/ECHELON

4.1.5. CropX

4.1.6. DroneDeploy

4.1.7. Agrian

4.1.8. aWhere

4.1.9. 365FarmNet

4.1.10. Farmers Business Network

4.1.11. Farmlink/MachineryLink

4.2. СИСТЕМЫ АВТОМАТИЗАЦИИ И УПРАВЛЕНИЯ ФЕРМОЙ

4.2.1. Onservant/Jain Irrigation

4.3. ГЕОИНФОРМАЦИОННЫЕ СИСТЕМЫ

4.3.1. ESRI

4.3.2. TerrAvion

4.3.3. GEOSYS

4.3.4. Luсiad

  1. ЭКОСИСТЕМНЫЕ ИГРОКИ

5.1. ИНВЕСТОРЫ, СТАРТАП-АКСЕЛЕРАТОРЫ

5.1.1. AgFunder

5.2. E-COMMERCE, P2P-ПЛОЩАДКИ

5.2.1. Agriconomie

5.3. FOOD RETAILERS 

5.3.1. Womai

5.3.2. Blue Apron

5.3.3. HelloFresh

5.4. БИОТЕХНОЛОГИИ

5.4.1. AgBiome

5.4.2. Phagelux

5.4.3. AgriMetis

5.4.4. Zymergen

5.4.5. GreenLight Biosciences

5.5. ПРОЧЕЕ

5.5.1. RHEONIX

5.5.2. Vayyar

5.5.3. Clear Labs

  1. РОССИЙСКАЯЭКОСИСТЕМА AGRO IOT

6.1. ПРОИЗВОДИТЕЛИ С/Х ТЕХНИКИ И ОБОРУДОВАНИЯ

6.1.1. Ростсельмаш

6.1.2. Минский тракторный завод

6.1.3. Петербургский тракторный завод

6.2. СПЕЦИАЛИЗИРОВАННЫЕ РАЗРАБОТЧИКИ СИСТЕМ PRECISIONFARMING

6.2.1. АГРОштурман/ ГлоНАШ

6.2.2. Agro Robotics Systems (ARS)

6.3. РАЗРАБОТЧИКИ БПЛА И РОБОТОВ

6.3.1. Геоскан

6.3.2. Unmanned беспилотные системы

6.3.3. ZALA AERO GROUP Беспилотные системы

6.3.4. Гамаюн.Аэро

6.3.5. Cognitive Technologies

6.3.6. Avrora Robotics

6.3.7. РобоПРОБ

6.4. КОММУНИКАЦИИ И ТЕЛЕМАТИКА

6.4.1. «Стриж Телематика»

6.4.2. «Вавиот»

6.4.3. Фарватер

6.4.4. Заказчики IoT-решений («АПК-Черноземье»)

6.5. IOT ПЛАТФОРМЫ

6.5.1. Tibbo AggreGate

6.6. ИНТЕГРАЦИЯ

6.6.1. Телеком Защита

6.6.2. Группа компаний Борлас

6.7. СИСТЕМЫ АВТОМАТИЗАЦИИ И УПРАВЛЕНИЯ ФЕРМОЙ

6.7.1. ANT.Services

6.7.2. ExactFarming

6.7.3. Agronote

6.7.4. Инженерныйцентр «ГЕОМИР»

6.7.5. Центр Программ Систем

6.7.6. Компания «Аникон» (Комплекс «СмартАгро»)

6.8. ГЕОИНФОРМАЦИОННЫЕ СИСТЕМЫ

6.8.1. Группа компаний «СКАНЭКС»

6.8.2. Совзонд/Геоаналитика.Агро

6.8.3. ЗАО КБ «Панорама»

6.8.4. Заказчики решений в области точного земледелия («Русагро» и «Дружба-Нова»)

6.9. СИСТЕМЫ АВТОМАТИЗАЦИИ ЖИВОТНОВОДЧЕСКИХ ФЕРМ

6.9.1. «Умное стадо» от компании «Агроинновации»

6.9.2. ООО Корморесурс

6.9.3. «Коралл»

6.9.4. Фирма 1С. Решения для сельского хозяйства

6.9.5. Заказчики IoT-решений в области животноводства (хозяйство «Покровское»)

6.10. ТЕПЛИЧНОЕ ХОЗЯЙСТВО

6.10.1. Городская ферма Fibonacci («АГРОНОМОФ»)

6.10.1. «Технологии тепличного роста» (ТТР)

6.11. ПРОЧЕЕ

6.11.1. МГУПС

 

 

Список рисунков

Рис. 1. Интерфейс пользователя операционного центра John Deere

Рис. 2. Контроллер JDLink Connect

Рис. 3. AutoTrac Precision Guidance

Рис. 4. Решение Machine Sync

Рис. 5. Монитор GreenStar 3 2630

Рис. 6. Беспроводной приёмник GPS/GLONASS StarFire 3000 и Система Radio RTK StarFire 3000

Рис. 7. Решение по мониторингу уровня влажности Field Connect

Рис. 8. Система ERP AgLogic

Рис. 9. Система ERP AgLogic

Рис. 10. Интерфейс портала Myjohndeere.com

Рис. 11. Опытный образец полностью автономного трактора компании Case IH

Рис. 12. Платформа AGCO Fuse является E2E-решением, охватывая полный цикл сельскохозяйственных работ, включая мониторинг техники и сервисные услуги

Рис. 13. Примеры скриншотов оповещений, дэшбордов и различного функционала телематического решения AgCommand: производительность техники, потребление топлива, нагрузка двигателя, давление моторного масла

Рис. 14. Скриншот Agrocom Net

Рис. 15. Интерфейс CEMOS Dialog

Рис. 16. Общий подход к защите растений и внесения удобрений компании CLAAS

Рис. 17. Тракторы российского производства Agrotron

Рис. 18. SDF использует технологии Precision Farming

Рис. 19. Стоимость годовой подписки на Trimble Ag Software для фермеров

Рис. 20. Решение на платформе Trimble Ag Software для компаний-консультантов по подбору культур

Рис. 21. Use cases Trimble: GPS/GNSS tractor auto-pilot

Рис. 22. Use cases Trimble: prescription spraying & implement control

Рис. 23. Облачная платформа AgFiniti для сбора, обмена данными компании Ag Leader Technology

Рис. 24. Универсальные бортовые компьтеры HxGN AgrOn для автовождения и контроля навесного оборудования

Рис. 25. Система автоматического вождения Raven SmarTrax MD на основе подруливающего устройство с механическим приводом и возможностью использования на нескольких единицах техники

Рис. 26. Возможности решения Raven OmniRow Multi-Hybrid Planting control

Рис. 27. Универсальность комплекса автоматического вождения AgJunction Outback

Рис. 28. Комплекс для сельхозавиации AgJunction Satloc

Рис. 29. Подруливающее устройство UniPilot компании TeeJet Technologies

Рис. 30. Общая архитектура решения DropControl компании Wiseconn

Рис. 31.Примеры датчиков Dynamax (слева направо): дендрометры, датчики сокодвижения растений, датчики влагоемкости почвы

Рис. 32. Dynamax SapIP Systems for Irrigation

Рис. 33. Примеры датчиков Ranch Systems: метеостанция с видеокамерой и датчики влажности почвы

Рис. 34. Скриншоты управляющих программ модулей «Почва» и «Ирригация и контроль оборудования» Ranch Systems

Рис. 35. Скриншот систем управления давлением и силой подачи воды в оборудовании (слева) и анализа влагоемкости почвы компании Agsense

Рис. 36. Датчики Banner Engineering (слева направо): Sure Cross, QM42VT и U-GAGE K50U Ultrasonic

Рис. 37. Линейка оборудования, датчиков и метеостанция компании Campbell Scientific

Рис. 38. Архитектура решения AquaMon Soil Monitoring Network компании Cermetek и скриншот системы управления

Рис. 39. Возможный состав оборудования узлового модуля Vantage Pro2 и архитектура всей системы

Рис. 40. Дэшборд решения EnviroMonitor компании Davis Instruments

Рис. 41. Тарифные планы на передачу данных со шлюза/каждого узлового модуля Davis Instruments в зависимости от частоты обновления

Рис. 42. Датчики состояния почвы и оценки потенциала почвенной влаги Decagon

Рис. 43. Подключенный расходомер воды Mc Propeller с телематическим модулем  McCrometer компании FlowConnect

Рис. 44. Различные решения Pessl Instruments: метеостанция, контроллер iMetos ICA 30/60 для удаленного управления, анализатор почвы Metos NPK и CropVIEW

Рис. 45. Различные датчики RainBird, которые можно подключить к системе ClimateMinder

Рис. 46. Настраиваемый дэшборд системы ClimateMinder компании Rain Bird

Рис. 47. Роль телеком-оператора в сегменте IoT для сельского хозяйства

Рис. 48. Скриншот одной из услуг AT&T в области IoT

Рис. 49. LTE-шлюз, подключенный к метеостанции в винодельческом хозяйстве Hahn Winery

Рис. 50. Пользовательский интерфейс системы аналитики Verizon Wireless с рекомендациями о поливе

Рис. 51. Корова с датчиком Vel’Phone

Рис. 52.Коммуникационный шлюз MEDRIA, на который приходят сигналы Vel’Phone и Heat’Phone (затем посылаются на мобильный телефон фермера в виде SMS)

Рис. 53. Схема работы Vel’Phone и Heat’Phone с коммуникационным кшлюзом Medria

Рис. 54. Терминал Moocall, крепится на хвост коровы

Рис. 55. Кормоподатчик KEENAN

Рис. 56. Пульт кормоподатчика KEENAN с SIM-картой Vodafone

Рис. 57. Использование технологии LoRaWAN для контроля температуры питьевой воды для коров

Рис. 58. Схема использования технологий 3G/GPRS и Sigfox в проекте по выращиванию киви

Рис. 59. Рыночные перспективы Bayer после слияния с Monsanto

Рис. 60. Цифровая платформа Monsanto Climate FieldView

Рис. 61. Цифровая платформа Monsanto Climate FieldView

Рис. 62. Скриншот телефона показывает пример семейной фермы кукурузы и сои

Рис. 63. Модуль Field Health Advisor платформы Climate FieldView Pro

Рис. 64. Модуль Nitrogen Advisor платформы Climate FieldView Pro

Рис. 65. Экономический эффект от использования Nitrogen Advisor

Рис. 66. Перспективы Climate FieldView

Рис. 67. Технологическая платформа для борьбы с вредителями и заболеваниями Monsanto NemaStrike

Рис. 68. Альянс разрабатывает технологическую платформу для создания экологически чистых микробных продуктов

Рис. 69. Результаты тестов Monsanto и Novozymes 9 штаммов микробов в сравнении с контрольной группой растений

Рис. 70. Преимущества партерства John Deer и Monsanta по Climate FieldView

Рис. 71. Клиенты Libelium

Рис. 72. Облачные партнеры-провайдеры Libelium

Рис. 73. Поставщики IT-решений на базе продуктов Libelium

Рис. 74. Системные интеграторы Libelium

Рис. 75. Дистрибуторы Libelium

Рис. 76. Кейсы Libelium для сельского хозяйства_1

Рис. 77. Кейсы Libelium для сельского хозяйства_2

Рис. 78. Общая архитектура проекта мониторинга цветов Flores en la Mesa Greenhouse на базе датчиков и IoT-платформы Libelium

Рис. 79. Libelium Smart Agriculture IoT Vertical Kit

Рис. 80. Программная платформа KSAS для Интернета Вещей в с/х

Рис. 81. Решения компании Kubota для IoT

Рис. 82. «Силовой костюм-помощник» (power assist suit) для фермеров

Рис. 83. Как работает IoT-платформа Farmobile по сбору и нализу данных

Рис. 84. Панель управления OnFarm

Рис. 85. IoT Foundation и облако Bluemix

Рис. 86. Функционал Microsoft Azure IoT Suite

Рис. 87. Функционал платформы РТС ThingWorx

Рис. 88. Структура SAP HANA Cloud for IoT

Рис. 89. Архитектура решения Bosch IoT Suite

Рис. 90. Функционал платформы Telit IoT Portal

Рис. 91. Общая схема решения Accenture

Рис. 92. Общая схема взаимодействия партнеров для мобильного консалтингового сервиса для индийских фермеров mKrishi

Рис. 93. Набор решений в области автоматизации с/х Infosys на платформе InfosysNia

Рис. 94. Оборудование Afimilk: педометр и ошейник

Рис. 95. Оборудование Moonitorcows

Рис. 96. Общая архитекутра системы Anemon

Рис. 97. eBolus и скриншот системы eCow

Рис. 98. Устройство «вертикальной фермы»

Рис. 99. Одна из ферм Plenty

Рис. 100. Теплицы компании BrightFarms в Филадельфии

Рис. 101. Выращивание салата в цехе Fujitsu для производства микросхем

Рис. 102. Интерфейс аналитической системы SST SummitPro

Рис. 103. Цифровая аналитическая платформа Iteris ClearAg

Рис. 104. Интерфейс платформы FarmCommand

Рис. 105. Услуги и приложения платформы ECHELON: «Больше, чем просто аналитика»

Рис. 106. Пример визуальной геоинформационной аналитики платформы ECHELON

Рис. 107. Взаимодействие датчиков полива и платформы CropX

Рис. 108. Работа DroneDeploy

Рис. 109. Места расположения заказчиков оцифрованных карт, созданных с DroneDeploy

Рис. 110. Скриншот аналитического решения Agrian

Рис. 111. Скриншот модуля FBN Benchmarking

Рис. 112. Скриншот решении Farmlink True Harvest

Рис. 113. Маркетинговые материалы MachineryLink: средний уровень утилизации с/х техники в США 7-17%

Рис. 114. Общая схема работы ГИС ESRI

Рис. 115. Скриншот приложения Croptical GEOSYS (неоднородность вегетации и анализ развития/потенциала поля в разрезе лет, климатические данные) и Farmsat

Рис. 116. Скриншот решения Luciad Lightspeed & SAPHANA

Рис. 117. Доля инвестиций по видам агротеха компании AgFunder за 2016 г

Рис. 118. Размер инвестиций по видам агротеха компании AgFunder за 2016 г

Рис. 119. Распределение инвестиционных сделок компании AgFunder по странам мира за 2016 г

Рис. 120. Схема работы платформы Agriconomie

Рис. 121. Продукция компании Womai

Рис. 122. Пример доставки набора Blue Apron

Рис. 123. Несколько недельных планов компании HelloFresh

Рис. 124. Новые проекты AgBiome, находящиеся в разработке

Рис. 125. Стадии становления и развития компании PhageLux

Рис. 126. Стадии разработки различных линеек продуктов (фунгицидов, гербицидов, инсектицидов) в компании AgriMetis

Рис. 127. Helix -метод разработки программно-конфигурируемого ДНК компании Zymergen

Рис. 128. Патентованный метод Cell-free Bioprocessing для производства биотоплива

Рис. 129. Установка для тестирования EncompassMDx

Рис. 130. Возможные применения системы Walabot

Рис. 131. Образец теста хот-догов

Рис. 132. Интерфейс телематического сервиса Agrotronic

Рис. 133. Компоненты системы дистанционного мониторинга Agrotronic

Рис. 134. Решение компании «Геометр» для тракторов МТЗ

Рис. 135. Беспилотный трактор-робот на основе трактора «Беларус-132» МТЗ

Рис. 136. Трактор «Кировец» линейки К-744Р

Рис. 137. Состав комплекта отечественной системы параллельного вождения ГлоНАШ Пилот стоимостью $1540

Рис. 138. Интерфейс спутниковой системы мониторинга техники и земельных участков АгроКонтроль 2.0 компании «АГРОштурман»

Рис. 139. Возможности системы беспилотного управления AVIS

Рис. 140. Сравнительный анализ решения AVIS и конкурентов в области precision agriculture

Рис. 141. Экономический эффект при использовании решения AVIS

Рис. 142. Разработки компании «Геоскан»

Рис. 143. Беспилотные летательные аппараты Supercam S250/S350с

Рис. 144. Беспилотные летательные аппараты Supercam Supercam X6/X8

Рис. 145. Беспилотные летательные аппараты Zala-421-06

Рис. 146. Целевые нагрузки линейки ZALA AGRO и полученные изображения

Рис. 147. Прототип беспилотной системы Cognitive Technologies, установленной на трактор

Рис. 148. Прототип беспилотного трактора Avrora Robotics

Рис. 149. Система сенсоров и датчиков беспилотного трактора Avrora Robotics

Рис. 150. Пробоотборник можно установить на авто и гусеничную платформы

Рис. 151. Сравнение Робопроб с зарубежными аналогами

Рис. 152. Архитектура типового решения «Стриж Телематика»

Рис. 153. Датчики влажности почвы/температуры/диоксида углерода с модемами и веб-интерфейс системы «Вавиот»

Рис. 154. Комбайны «ПОЛЕСЬЕ», оборудованные системой «Фарватер»

Рис. 155. Архитектура решения по управлению ресурсами агропредприятия

Рис. 156. Принципы работы системы мониторинга технологических процессов сельскохозяйственного производства

Рис. 157. Интерфейс системы ANT.Services

Рис. 158. Пакеты услуг системы ANT.Services

Рис. 159. Возможности платформы ExactFarming

Рис. 160. Интерфейс системы ExactFarming

Рис. 161. Интерфейс системы ExactFarming, модуль «Экономическое планирование»

Рис. 162. Скриншот мобильного сервиса «Дневник Агронома»

Рис. 163. Тарифные планы и доступный функционал сервиса «Дневник Агронома»

Рис. 164. Функциональная схема работы облачного сервиса «История поля»

Рис. 165. Полевой журнал в сервисе «Геомир»

Рис. 166. Одно из функциональных возможностей «мАгроУправлени» - полевая навигация

Рис. 167. Принципы работы комплекса «СмартАгро»

Рис. 168. Целевые нагрузки линейки ZALA AGRO и полученные изображения

Рис. 169. Карта зон продуктивности полей облачного сервиса «КосмосАгро»

Рис. 170. Возможности облачной ГИС «Геоаналитика.Агро»

Рис. 171. Дополнительные возможности облачной ГИС «Геоаналитика.Агро»

Рис. 172. Географическая информационно-аналитическая система

Рис. 173. Интерфейс системы «Учета земель сельскохозяйственного назначения»

Рис. 174. «Корм Оптима Эксперт»

Рис. 175. Интерфейс системы «Калькулятор зоотехника»

Рис. 176. Вункциональные характеристики программы «Коралл»

Рис. 177.  Скриншоты системы «1С: Предприятие 8. Селекция в животноводстве. КРС»

Рис. 178. Городская ферма Fibonacci на кухне квартиры

Рис. 179. Краткая информация о деятельности компани ТТР

 

Список таблиц

 

Табл. 1. Профиль IoT-платформы Internet of Things Foundation компании IBM

Табл. 2. Профиль платформы Microsoft Azure IoT Suite

Табл. 3. Профиль IoT-платформы ThingWorx компании PTC

Табл. 4. Профиль IoT-платформы HANA компании SAP

Табл. 5. Профиль IoT-платформы Bosch Software Innovations

Табл. 6. Профиль платформы Telit IoT Portal

 

Список упоминаемых компаний

 

365FarmNet

CISCO

Huawei

Ranch Systems

Accenture

CLAAS

IBM

Raven Industries

Агроинновации

Aerofarm

Clear labs

Infosys

RHEONIX

АГРОштурман/ГлоНАШ

Afimilk

CNH Industrial

Intel

Same Deutz Fahr

Аникон

Ag Leader Technology

Cognitive Technologies

Irrometer

Samsung

АПК-Черноземье

AgBiome

CropX

Iteris

SAP

Вавиот

AGCO

Davis Instruments

Jain Irrigation

SigFox

Гамаюн.Аэро

AgFunder

Decagon

John Deere

SST Software

ГЕОМИР

AgJunction Inc.

Deutsche Telecom

Kubota KSAS

Syngenta

Геоскан

Agrian

Deutsche Telekom

Libelium

Tata Consultancy Services

ГК Борлас

Agricomonie

Dow Chemical

Lockheed Martin

TeeJet Technologies

Дружба-Нова

AgriMetis

DroneDeploy

LoRa

Telefonica

КБ Панорама

Agrium

Dynamax

Luciad

Telia Norway

Кировец

Agro Robotics Systems

eCow Devon

MachinaryLink

Telstra

Коралл

Agronote

ESRI

McCrometer

Terravion

Корморесурс

Agsense

ExactFarming

Microsoft

ThingWorx

МГУПС

Airbus

Farmers Business Network

Monsanto Company

Tibbo AggreGate

МТЗ

Anemon

FarmersEdge

Moonitorcows

Trimble

РобоПРОБ

ANT.Services

Farmlink

NEC

T-Systems

Ростсельмаш

AT&T

FARMMOBILE

NTT

Unmanned буспилотные системы

СКАНЭКС

Avora Robotics

Farmobile

Observant

Vayyar

Совзонд

Awhere

Fibonacci

ONFARM

Verizon

Стриж Телематика

Banner Engineering

Fujitsu

Orange

Vital Herd

Телеком Защита

Bayer

Geosys

Panasonic

Vodafone

Технологии тепличного роста

Blue Apron

Google

Pessl Instruments

Wiseconn

Фарватер

BrightFarms

GreenLight Biosciences

Phagelux

Womai

ЦентрПрограммСистем

Campbell Scientific

HelloFresh

Plenty

ZALA AERO

CapGemini

Hexagon AB

PTC

Zymergen

Cermetek

Hitachi

Rain Bird

Русагро

 

 

Информационный бюллетень подготовлен компанией J'son & Partners Consulting. Мы прилагаем все усилия, чтобы предоставлять фактические и прогнозные данные, полностью отражающие ситуацию и имеющиеся в распоряжении на момент выхода материала. J'son & Partners Consulting оставляет за собой право пересматривать данные после публикации отдельными игроками новой официальной информации.

 

 

Авторское право © 2017, J’son & Partners Consulting. СМИ могут использовать текст, графики и данные, содержащиеся в данном обзоре рынка, только с использованием ссылки на источник информации – J’son & Partners Consulting или с активной ссылкой на портал  JSON.TV

™ J’son & Partners [зарегистрированная торговая марка]