XVIII Международная студенческая научная конференция Студенческий научный форум - 2026

Совместное предприятие «Дядя Ваня — Девелей» осуществляет производственно-перерабатывающую деятельность в агропромышленном комплексе и ориентировано на стабильное обеспечение торговых сетей и конечных потребителей сельскохозяйственной продукцией. Ключевым фактором эффективности работы компании является точность планирования закупок сырья и загрузки производственных мощностей, которая напрямую зависит от качества прогнозирования урожайности сельскохозяйственных культур.

Процесс прогнозирования урожайности сельскохозяйственных культур осложняется высокой зависимостью от природно-климатических условий, сезонным характером производства и распределённой сетью сельскохозяйственных партнёров. Ошибки в оценке будущих объёмов урожая приводят к рискам дефицита сырья либо его перепроизводства, что негативно отражается на производственно-логистических процессах и экономических показателях предприятия. В связи с этим актуальной является задача анализа существующей архитектуры процесса прогнозирования урожайности сельскохозяйственных культур и разработки целевого решения, основанного на автоматизации обработки и анализа данных.

Для формализации текущего состояния, мотивационных факторов и целевой архитектуры в работе используется язык моделирования ArchiMate, позволяющий связать бизнес-процессы, информационные системы и технологическую инфраструктуру в единой архитектурной модели.

На рисунке 1 представлена архитектурная модель текущего состояния архитектуры процесса прогнозирования урожайности.

Рисунок 1 – Модель архитектуры «как есть» прогнозирования урожайности сельскохозяйственных культур

В существующем состоянии процесс прогнозирования урожайности в компании реализуется преимущественно вручную. Данные о погодных условиях поступают из внешних метеорологических источников, а информация о состоянии посевов и прогнозируемых объёмах урожая предоставляется сельскохозяйственными партнёрами. Сбор этих данных выполняется аналитиком без использования специализированных интеграционных механизмов, что требует значительных временных затрат.

Обработка и анализ информации осуществляются с применением офисных инструментов, включая электронные таблицы. Построение прогноза базируется на экспертных оценках и ручной интерпретации данных. Результаты прогнозирования оформляются в виде отчётных файлов и передаются руководителю на утверждение посредством электронной почты. Отсутствие централизованного хранилища и автоматизированных сервисов обработки данных приводит к разрозненности информации, снижению прозрачности процесса и повышенной вероятности ошибок.

Для формализации причин и целей цифровизации деятельности была создана мотивационная диаграмма в нотации ArchiMate, представленная на рисунке 2.

Мотивация автоматизации процесса прогнозирования формируется интересами всех участников цепочки создания ценности. Производственно-перерабатывающее предприятие заинтересовано в повышении эффективности производственно-логистических процессов и снижении операционных рисков. Торговые сети и конечные потребители ориентированы на стабильность поставок и качество продукции, тогда как сельскохозяйственные партнёры стремятся к предсказуемости спроса и устойчивому планированию производства.

Рисунок 2 – Мотивационная диаграмма трансформации архитектуры прогнозирования урожайности сельскохозяйственных культур

Ручные методы прогнозирования не позволяют в полной мере учитывать совокупность факторов, влияющих на урожайность, включая климатические условия, характеристики почв, сортовые особенности и применяемые агротехнологии. Это снижает точность прогнозов и увеличивает вероятность дефицита сырья либо его перепроизводства. Целью архитектурных преобразований является автоматизация прогнозирования урожайности сельскохозяйственной продукции на основе анализа данных, что должно привести к повышению точности прогнозов, устойчивости сырьевого обеспечения и снижению затрат на планирование закупок и производства.

На рисунке 3 представлена целевая архитектурная модель «как будет» прогнозирования урожайности сельскохозяйственной продукции на основе автоматизации анализа данных, реализующая сформулированные цели и принципы мотивационной модели.

Рисунок 3 – Модель архитектуры «как будет» прогнозирования урожайности сельскохозяйственных культур

Связь между текущей и целевой архитектурами отражена на переходной диаграмме (рисунок 4).

Переходная модель демонстрирует трансформацию бизнес-процессов и информационных объектов за счёт внедрения веб-приложения. В ходе преобразований устраняются ручные операции по обработке и анализу данных, а локальные файлы заменяются централизованными цифровыми сервисами. Веб-приложение становится ключевым элементом архитектуры, обеспечивающим поддержку обновлённого бизнес-процесса прогнозирования.

Рисунок 4 – Переходная модель архитектуры прогнозирования урожайности сельскохозяйственных культур из текущего в целевое состояние

В целевом состоянии процесс прогнозирования реализуется в рамках веб-приложения, обеспечивающего автоматизированный сбор, обработку и анализ данных. Получение метеорологической информации и данных от сельскохозяйственных партнёров осуществляется через программные интерфейсы, что исключает ручной ввод и повышает актуальность и достоверность информации.

В составе приложения функционирует сервис прогнозирования, выполняющий подготовку данных и расчёт прогнозных показателей. Аналитик взаимодействует с системой через веб-интерфейс, контролируя процесс и анализируя результаты, а руководитель получает возможность оперативно просматривать и утверждать сформированные прогнозы. Итоговые отчёты формируются автоматически и используются для планирования закупок сырья, производственной загрузки и логистики предприятия.

Архитектурный анализ процесса прогнозирования урожайности сельскохозяйственной продукции, выполненный с использованием нотации ArchiMate, показал, что существующее решение характеризуется высокой долей ручного труда, разрозненностью источников данных и значительной зависимостью от человеческого фактора. Это ограничивает точность прогнозов и снижает эффективность управленческих решений.

Разработанная целевая архитектура предусматривает переход к централизованной автоматизированной системе прогнозирования, реализованной в виде веб-приложения. Внедрение данного решения позволяет повысить точность прогнозов урожайности, снизить операционные затраты и обеспечить устойчивость сырьевого обеспечения производственно-перерабатывающей деятельности. Предложенная архитектура создаёт основу для дальнейшего развития цифровых технологий в агропромышленном комплексе и повышения конкурентоспособности предприятия.

Список использованных источников

1. Архитектура информационных систем // Казанский федеральный университет. Институт вычислительной математики и информационных технологий. Кафедра информационных систем. Публикация 2019; URL: https://kpfu.ru/staff_files/F_1284155032/Arkhitektura_informacionnykh_sistem.pdf (дата обращения: 28.08.2025).

2. Основы языка моделирования архитектуры предприятия ArchiMate. Корпоративный менеджмент. Публикация 26.07.2016 // URL: https://www.cfin.ru/itm/EA_ArchiMate.shtml (дата обращения 11.09.2025)

3. Трофимов В. В. Информационные системы и технологии в агропромышленном комплексе. — М.: Юрайт, 2019. — 256 с. — URL: https://urait.ru/author-course/informacionnye-tehnologii-568882 (дата обращения: 12.12.2025).