Translate this page:
Please select your language to translate the article


You can just close the window to don't translate
Library
Your profile

Back to contents

Agriculture
Reference:

Integration of scheduled preventive maintenance works into Agriculture 4.0


Panova Anna Vladimirovna

PhD in Economics

Associate Professor at the Department of International Law and External Economic Activity of Law Institute of Vladimir State University

600000, Russia, Vladimirskaya oblast', g. Vladimir, ul. Gor'kogo, 87

annav-panova@rambler.ru

DOI:

10.7256/2453-8809.2019.4.32911

Received:

15-05-2020


Published:

02-06-2020


Abstract: The article considers the system of scheduled preventive agricultural equipment maintenance, describes its purpose and organization, lists its strengths and weaknesses. To solve the current problems, the author suggests integrating the existing system into the new model of organization of agricultural industry Agriculture 4.0 which is becoming widespread in the world. Its peculiarity is the use of modern communication and big data technologies for the development of the most effective solutions both in the industrial process and in decision-making. The integration mechanism is based on the IoT systems projecting pattern. The author develops the system and defines the data to be collected, as well as the sources of information, communication technologies and the basic requirements to data processing algorithms. Taking into account the significant material costs associated with the integration of such systems, the author formulates supporting measures and comprehensive solutions for creating favourable conditions for agricultural enterprises development.   


Keywords:

preventive maintenance system, integration, Agriculture four-zero, Internet of Things, internet-service, communication technologies, agricultural industrial complex, agricultural machinery, implementation, support measures


Введение

В условиях перехода к цифровой экономике внедрение современных информационных технологий в производственные процессы агропромышленного комплекса (АПК) является одним из главных факторов повышения его эффективности, конкурентоспособности и устойчивого развития в ближайшие десятилетия. Концептуальная модель новых форм организации производственных процессов «Индустрия 4.0» была разработана в Германии и официально анонсирована в Ганновере в 2011 г. В сравнении с 3-ей промышленной революцией «Индустрия 4.0» предполагает ещё большую автоматизацию, захватывающую как непосредственно производственный процесс, так и уровень принятия ответственных решений, что достигается за счёт внедрения следующих технологий [1]:

· анализ больших данных BigData,

· имитационное моделирование,

· интернет сервисов IoS (Internet of Services),

· дополненная реальность,

· киберфизические системы,

· аддитивное производство,

· интернет вещей IoT (Internet of Things),

· облачные вычисления,

· автономные роботы.

Модель «Сельское хозяйство 4.0» развивается параллельно «Индустрии 4.0» и описывает механизмы организации производства сельскохозяйственной продукции на основе вышеперечисленных технологий. Тем не менее, в модели сельского хозяйства акцент преимущественно смещён в сторону определённых технологий, соответствующих специфике отрасли: анализ больших данных BigData, интернет вещей IoT, интернет сервисов IoS и автономные роботы [2, 3].

Высокая степень механизации сферы сельского хозяйства является его важной отличительной чертой, аккумулирующей в себе значительные средства на эксплуатацию и ремонт сельскохозяйственной техники. В нашей стране внедрена и действует на большинстве предприятий отрасли система планово-предупредительных ремонтов, обеспечивающая своевременное техническое обслуживание и ремонт техники, что позволяет свести к минимуму число внезапных отказов производственных единиц. Периодичность технического обслуживания и ремонтов рассчитывается по потреблённым объёмам топлива на соответствующее число моточасов для тракторов, комбайнов и других машин, и по километражу – для легковых автомобилей, автобусов и грузовиков [4, 5]. Учёт данных показателей представляет собой важную информацию, отражающую уровень износа механизмов машин, потребность в ремонте и техническом обслуживании.

Для сбора информации о километраже и объёмах потреблённого топлива используются различные методы, – ведение ведомостей, талонные и жетонные системы, автоматизированные топливо-заправочные установки [6]. Затем полученные данные аккумулируются, систематизируются и анализируются. Сбор данных с занесением в вычислительные системы, как правило, производится вручную, что с одной стороны создаёт определённые издержки, а с другой дезорганизует работу систему планирования сельскохозяйственных работ, ставя её в зависимость от своевременности предоставления необходимых сведений.

Более современная техника обладает встроенными системами самодиагностики, собирающими сведения о техническом состоянии отдельных узлов и механизмов, в этом случае техническое обслуживание и ремонт производятся по текущему состоянию, что является более прогрессивным подходом. Но при этом предприятия, как правило, не отказываются от системы планово-предупредительных ремонтов, используя данные самодиагностики как дополнительную полезную информацию.

Другим существенным недостатком системы планово-предупредительных ремонтов является её неспособность адаптироваться к сопутствующим условиям эксплуатации сельскохозяйственной техники и транспортных средств, таких как климатические условия, агрессивность среды, продолжительность непрерывной работы, качество используемых расходных материалов и пр.

На наш взгляд, повышение эффективности функционирования системы планово-предупредительных ремонтов и других, связанных с ней систем, возможно за счёт использования современных информационных технологий с последующей интеграцией в модель «Сельское хозяйство 4.0», что требует разработки специальных мероприятий технического и информационно-аналитического характера.

Методология

Для интеграции системы планово-предупредительных ремонтов сельскохозяйственной техники в новую модель организации производственной деятельности предлагается использовать технологию интернета вещей IoT. Данная технология является преемницей технологии M2M (machine to machine), обеспечивающей связь и обмен данными между различным оборудованием. Ключевым отличием IoT от M2M является объединение в единую систему разнотипных устройств через IP-сеть, что, как ожидается, позволит создавать более передовые интеллектуальные приложения и ещё больше увеличит уровень автоматизации производственных процессов и принятия ответственных решений.

Интеграция машин и механизмов в IoT осуществляется на основе паттерна разработки подобных систем, включающего следующие технические решения и компоненты [7]:

· подключение к используемому оборудованию, машинам и системам радиоэлектронных меток RFID (Radio Frequency Identification), представляющих собой микрочип и позволяющих однозначно идентифицировать объекты (в том числе людей и животных);

· создание WSN сети (Wireless Sensor Network), обеспечивающей сбор информации от датчиков окружающей среды, такой как температура, влажность, скорость ветра, объём выпавших осадков, кислотность и пр.;

· создание IPv6 сети, обеспечивающей значительно более расширенную адресацию объектов в сравнении с IPv4;

· установка датчиков на оборудование, машины и системы, способных работать в тяжёлых производственных условиях и взаимодействующих с чипом RFID;

· установка промежуточного программного обеспечения, обеспечивающего взаимодействие между сетью Internet и объектами, предоставляющего интерфейс для взаимодействия приложений и устройств, причём такое взаимодействие должно производиться через специальные протоколы (IEEE 802.15.4, 6LoWPAN, RPL, CoAP), обеспечивающие плавную передачу обслуживания и уменьшение времени задержки при перемещении техники с места на место и переключении обслуживания в различных режимах;

· установка аппаратных компонент – плат с памятью, процессорами, АЦП (аналого-цифровыми преобразователями), приёмопередатчиками и другими важными элементами, обеспечивающими процесс передачи информационных сигналов между датчиками, исполнительными органами и приложениями на физическом уровне;

· создание облачных сервисов хранения и аналитики поступающей информации, позволяющих на основе анализа больших объёмов данных вырабатывать оптимальные решения,

· создание интернет-приложений, обеспечивающих коммуникацию конечных пользователей с технической системой.

Вышеперечисленные компоненты и технологии представляют собой образ будущей системы или её паттерн проектирования, на который необходимо опираться в процессе разработки.

Результаты

В результате разработки механизма интеграции системы планово-предупредительных ремонтов в модель «Сельское хозяйство 4.0» на основе технологии IoT были определены собираемые данные, источники данных, технологии их обработки и анализа. Схема IoT-системы планово-предупредительных ремонтов представлена на рисунке 1.

Рисунок 1. Схема организации IoT-системы планово-предупредительных ремонтов сельскохозяйственной техники и транспортных средств.

Базовым источником информации для IoT-системы планово-предупредительных ремонтов сельскохозяйственной техники и транспортных средств являются датчики, установленные непосредственно в машинах, – датчики километража, потреблённого топлива, длительности непрерывной работы, состояния узлов и механизмов. При определении состояния узлов и механизмов предполагается сбор информации о следующих конструктивных элементах машин, для которых уже сейчас разработаны средства диагностики: кривошипно-шатунный механизм, трансмиссия, ременные, цепные и карданные передачи, редукторы коробок передач, подшипники, пружины, звёздочки, вариаторы, валы, оси, транспортёры и транспортирующие элеваторы, шнек, колёса и шины, вентиляторы, система питания, система очистки и подачи воздуха, рулевое управление, электрооборудование, механизм газораспределения, гидросистема, система охлаждения, система смазки, тормозная система, и пр. [8]. Способы определения состояния перечисленных систем базируются в основном, на измерении внутренних вибраций, давления, температуры, зазоров, силы натяжения и других физических величин.

Источниками дополнительных данных, влияющих на оценку технического состояния сельскохозяйственных машин являются станции технического обслуживания (СТО), авто-заправочные станции (АЗС) и станции мониторинга окружающей среды (СМОС). Так как на СТО производится ремонт и техническое обслуживание техники, то там аккумулируется информация по типам и моделям техники, произведённом обслуживании и ремонте, используемых расходных материалах и запасных частях, квалификации обслуживающего персонала. Поскольку перечисленные факторы оказывают влияние на износ техники, то данные о них также должны учитываться при расчёте периодов ремонта и технического обслуживания. Сбор данных на СТО осуществляется автоматизированным способом, – данные о моделях техники (соответствующих меткам RFID), закупаемых материалах, запасных частях и квалификации персонала будут поступать автоматически из локальной вычислительной сети предприятия, а данные о ремонтируемой технике (её RFID), заменённых запасных частях, выполненных операциях, датах проведённого ремонта и технического обслуживания – при производстве соответствующего вида работ.

Существует большое число исследований о негативном влиянии некачественного топлива на работу двигателя, в результате которого нарушается работа форсунок, загрязняются цилиндры и технологические зазоры, при попадании сернистых соединений в машинное масло ухудшаются его свойства, что приводит к повышенному износу подвижных элементов, как самого двигателя, так и передаточных механизмов [9-11]. Для эффективного учёта влияния данного фактора организация контроля качества топлива должна производиться по параметрам в соответствии с требованиями ГОС 305-2013 и ГОСТ 32513-2013, а сбор данных должен осуществляться с привязкой к RFID заправляемой техники.

Другая важная группа факторов, оказывающих влияние на износ машин, – воздействие окружающей среды, то есть той среды, в которой эксплуатируется техника. К собираемым данным здесь относятся показания температуры, продолжительности и объёмов осадков, уровень pH осадков и почвы обрабатываемых полей. Для получения необходимой информации должна быть развёрнута система СМОС, состоящая из датчиков и автономных модулей, способных выполнять требуемые измерения и анализы.

Датчики каждой из перечисленных групп организуются через локальные сети WSN на основе технологии IEEE 802.15.4 ZigBee, отличающейся низкой стоимостью, надёжностью, низким энергопотреблением, ячеистой топологией, лёгкой масштабируемостью и криптографическими механизмами защиты данных [12, 13]. Связь координаторов ZigBee с сетью Internet может осуществляться различными путями: с помощью FTP-кабеля, волоконно-оптических линий связи (ВОЛС), технологий беспроводной связи 4G. Наибольшей надёжностью и пропускной способностью из перечисленных технологий обладают ВОЛС и FTP-кабели, но и стоимость таких линий очень высока. Если в области нахождения агропредприятия имеются ретрансляторы мобильных операторов с возможностью организации беспроводной связи стандарта 4G (или в перспективе 5G), то экономически более целесообразно использовать данную технологию.

Последний вопрос, который должен быть проработан при интеграции системы планово-предупредительных ремонтов в модель «Сельское хозяйство 4.0» это разработка алгоритмов и программного обеспечения на стороне интернет-сервиса, предназначенных для обработки поступающих массивов данных. Главной задачей анализа данных является корректировка периодов технического обслуживания и ремонта на основе статистики внезапных отказов, результатов ежедневного технического обслуживания и собираемой с датчиков информации. Механизм корректировки основывается на технологиях машинного обучения. В виду отсутствия возможности получения обучающей выборки для эксплуатируемой техники алгоритм обучения должен обладать способностью к постепенной адаптации по мере поступления новых данных с датчиков. Кроме того, алгоритм должен учитывать в своей работе, как количественные, так и качественные данные. Также, на наш взгляд, является целесообразным введение в механизм корректировки нечёткой информации, отражающей субъективную оценку состояния техники её оператором.

Помимо корректировки сроков ремонта и технического обслуживания на выходе система должна выдавать перечень факторов, оказавших существенное влияние в процессе принятия решения. Система может быть преобразована в интеллектуальную при включении в неё продукционных правил и базы знаний, содержащей информацию о том, что нужно сделать, чтобы уменьшить износ техники при воздействии соответствующих факторов.

Обсуждение

Интеграция системы планово-предупредительных ремонтов сельскохозяйственной техники в модель «Сельское хозяйство 4.0» потребует от предприятий отрасли существенных капиталовложений. Для решения данной проблемы, на наш взгляд, необходимо разработать государственную программу льготного кредитования и софинансирования при внедрении подобных систем. С другой стороны для уменьшения расходов предприятия должны иметь возможность устанавливать систему в различных конфигурациях с возможностью её постепенного развития по мере необходимости.

Другой особенностью развития сельского хозяйства в России является низкая составляющая крупных сельскохозяйственных предприятий в общей структуре АПК, по данным исследования J’son & Partners Consulting доля таких компаний составляет приблизительно 0,5% [14]. Объёмы требуемых капиталовложений позволяют внедрять новые технологии только достаточно крупным компаниям, и это является проблемой для нашей страны, так как выручка подавляющего большинства сельскохозяйственных предприятий позволяет проводить автоматизацию лишь базовых функций, таких как бухгалтерский учёт, складское хозяйство и т.п. Отсюда возникает необходимость стимулирования развития отечественных предприятий АПК, которая, на наш взгляд, может быть реализована через протекционистские меры российского продовольственного рынка, развитие внутренних инвестиций, развитие инфраструктуры и сельских территорий, подготовку высококвалифицированных специалистов для организации современного сельскохозяйственного производства.

Для сокращения издержек на создание и эксплуатацию системы планово-предупредительных ремонтов, интегрированной в новую модель организации производства «Сельское хозяйство 4.0» также является полезным на региональном уровне создание кластеров предприятий АПК, представляющими собой объединения однотипных предприятий отрасли. Кластеры позволяют использовать эффект масштаба и сокращать издержки за счёт общих поставщиков сырья, изделий и машин, найма высококвалифицированных работников, совместного использования сервисных центров и ремонтных мастерских [15]. Соответственно и при внедрении разработанной нами системы возможно перераспределение части расходов между несколькими предприятиями кластера, использующими общую телекоммуникационную инфраструктуру.

Заключение

Таким образом, в настоящей работе были описаны современные технологии, на базе которых создаётся новая модель организации сельскохозяйственного производства «Сельское хозяйство 4.0», была разработана система, позволяющая интегрировать систему планово-предупредительных ремонтов в новую модель. Приведено описание общей концепции организации системы, коммуникационных технологий, спецификации собираемых данных и источников их получения. Отдельное внимание было уделено системе обработки данных на стороне интернет-сервиса, сформулированы основные требования к алгоритмам машинного обучения и анализа данных. Принятые меры, в случае реализации, должны оптимизировать техническое обслуживание и ремонт сельскохозяйственной техники, сократить число внезапных отказов и увеличить реальный срок службы.

References
1. S.I. Tay, T.C. Lee, N.A.A. Hamid, A.N.A. Ahmad An Overview of Industry 4.0: Definition, Components, and Government Initiatives // Journal of Advanced Research in Dynamical and Control Systems. 2018. Vol. 10. 14-Special Issue. pp. 1379-1387.
2. Luu Tien Dung, Nguyen Thi Kim Hiep The Revolution of Agriculture 4.0 and Sustainable Agriculture Development in Vietnam // Emerging Issues in Economics and Business in the Context of International Integration: international conference proceedings (December 2017). Hanoi: National Economic University Press, 2017. pp. 317-328.
3. Ilaria Zambon, Massimo Cecchini, Gianluca Egidi, Maria Grazia Saporito, Andrea Colantoni Revolution 4.0: Industry vs. Agriculture in a Future Development for SMEs // Processes. 2019. Vol. 7. Issue 1: 36.
4. GOST 20793-2009 Traktory i mashiny sel'skokhozyaistvennye. Tekhnicheskoe obsluzhivanie. M.: Standartinform, 2011. 22 s.
5. Polozhenie o tekhnicheskom obsluzhivanii i remonte podvizhnogo sostava avtomobil'nogo transporta [Elektronnyi resurs] URL: http://docs.cntd.ru/document/901788952 (data obrashcheniya: 26.04.2020)
6. Maslov G.G., Karabanitskii A.P., Kochkin E.A. Tekhnicheskaya ekspluatatsiya MTP: ucheb. posobie. Krasnodar: Kubanskii gosudarstvennyi agrarnyi universitet, 2008. 142 s.
7. Antar Shaddad Abdul-Qawy, Pramod P.J., E. Magesh, T. Srinivasulu The Internet of Things (IoT): An Overview // International Journal of Engineering Research and Applications. 2015. Vol. 5. Issue 12. pp. 71-82.
8. Brusenkov A.V., Pilyagin A.S. Diagnostika i tekhnologicheskoe obsluzhivanie sel'skokhozyaistvennykh mashin, ispol'zuemykh v agropromyshlennom komplekse // Sovremennye tendentsii v nauke i obrazovanii: materialy mezhdunarodnoi konferentsii (iyun' 2017). Neftekamsk: Nauchno-izdatel'skii tsentr «Mir nauki», 2017. S. 74-81.
9. Kornev S.V., Pashukevich S.V., Rybal'skii D.S., Bakulina V.D., Buravkin R.V., Machekhin N.Yu., Shirlin I.I. Vliyanie kachestva dizel'nogo topliva na rabotu dvigatelya // Omskii nauchnyi vestnik. Seriya «Pribory, mashiny i tekhnologii». 2017. Tom 152. №2. S. 13-16.
10. Bershtein A.I., Cherednik A.G. Problemy tekhnicheskoi ekspluatatsii toplivnoi apparatury dizel'nykh dvigatelei avtomobilei // Mezhdunarodnyi zhurnal prikladnykh i fundamental'nykh issledovanii. 2015. №8. S. 429-432.
11. Astashov I.N., Dyrdin S.N. Vliyanie nizkogo kachestva topliva na dvigatel' vnutrennego sgoraniya // Mashinostroenie: novye kontseptsii i tekhnologii: materialy vserossiiskoi konferentsii (oktyabr' 2019). Krasnoyarsk: Sibirskii gosudarstvennyi universitet nauki i tekhnologii imeni akademika M.F. Reshetneva, 2019. S. 136-139.
12. Nisha Ashok Somani, Yask Petel ZigBee: a Low Power Wireless Technology for Industrial Applications // International Journal of Control Theory and Computer Modelling. 2012. Vol. 2. No. 3. pp. 27-33.
13. Parneet Dhilon, Dr. Harsh Sadawarti A Review Paper on ZigBee (IEEE 802.15.4) Standard // International Journal of Engineering Research and Technology. 2014. Vol. 3. Issue 4. pp. 141-145.
14. Tsifrovizatsiya v sel'skom khozyaistve: tekhnologicheskie i ekonomicheskie bar'ery v Rossii [Elektronnyi resurs]. URL: http://www.crn.ru/news/detail.php?ID=121765 (data obrashcheniya 26.04.2020
15. Grudneva A.A. — Problemy razvitiya malogo i srednego predprinimatel'stva v sfere APK // Teoreticheskaya i prikladnaya ekonomika. – 2016. – № 4. – S. 27 - 39. DOI: 10.7256/2409-8647.2016.4.21013 URL: https://nbpublish.com/library_read_article.php?id=21013