ЦИФРОВИЗАЦИЯ В СЕЛЬСКОМ ХОЗЯЙСТВЕ: ПРОБЛЕМЫ ВНЕДРЕНИЯ
Аннотация
Актуальность темы исследования определена тем, что целевые ориентиры современного сельскохозяйственного производства заключены на современном этапе в необходимости повышения объема выпуска продукции животноводства и растениеводства при сохранении качества. При этом, указанная тема имеет определенное проблемное поле, поскольку темпы прироста объемов выпуска продукции в рассматриваемой отрасли невозможны сегодня без применения передовых технологий. В данном разрезе ведущая роль принадлежит цифровизации сельского хозяйства, поскольку только за счет высокотехнологичных подходов на современном этапе можно обеспечить высоко конкурентоспособную работу предприятий АПК.
Целью исследования выступает анализ проблем внедрения цифровизации в сельском хозяйстве. В процессе написания работы были применены сравнительный, аналитический методы, посредством которых было проведено исследование ряда публикаций и монографий последних лет в рамках темы настоящей статьи.
К результатам исследования следует отнести обоснование необходимости осуществления ряда мероприятий включающих переподготовку и обучение персонала, синхронизацию существующих производственных процессов с инновационными решениями, а также организовать необходимое финансирование внедрения указанных мероприятий. Был сделан вывод, что указанные мероприятия позволят оптимизировать процесс цифровизации сельскохозяйственной отрасли и повысить производительность труда предприятий сферы АПК.
Скачивания
Литература
Bel’skiy V.I. Problemy ekonomiki, 2019, no. 1 (28), pp. 12-19.
Voronin B.A., Mitin A.N., Pichugin O.A. Agrarnyy vestnik Urala, 2019, no. 4 (183). https://doi.org/10.32417/article_5cfa04a236d520.12761241
Kostyukova K. S. MIR (Modernizatsiya. Innovatsii. Razvitie), 2020, no. 4, pp. 358-369. https://doi.org/10.18184/2079-4665.2020.11.4.358-369
Lysenko A.N. AON, 2019, no. 2. http://aes.urgau.ru/images/2019/02/10_02_2019.pdf
Chekkueva L.K. Kant, 2019, no. 4 (33), pp. 108-112.
Yurina N.N. Beneficium, 2018, no. 2 (27), . 92–97.
Abraham S. et all. Manijacob Remote environmental monitoring using Internet of Things (IoT) GHTC 2017 - IEEE Glob. Humanit. Technol. Conf. Proc. 2017, no. 1, pp. 1–6.
Adamides G. et al. Smart farming techniques for climate change adaptation in Cyprus. Atmosphere (Basel), 2020, no. 11 (2020), p. 557
Appio F.P. et al. Digital transformation and innovation management: a synthesis of existing research and an agenda for future studies. J. Prod. Innov. Manag., 2021, no. 38, pp. 4-20
Basso B. et al. Digital agriculture to design sustainable agricultural systems. Nat. Sustain., 2020, no. 3, pp. 254-256
Blanco I. Agricultural plastic waste mapping using GIS. A case study in Italy Resour. Conserv. Recycl., 2018, vol. 137, pp. 229-242.
Boursianis A.D. et al. Goudos Internet of Things (IoT) and Agricultural Unmanned Aerial Vehicles (UAVs) in smart farming: a comprehensive review. Internet Things., 2020, no. 16, pp. 19-26.
Bu F. et all. A smart agriculture IoT system based on deep reinforcement learning. Futur. Gener. Comput. Syst., 2019, no. 99, pp. 500-507.
Saiz-Rubio V. From smart farming towards agriculture 5.0: a review on crop data management. Agronomy. 2020, no. 10, p. 207.
Rossotto C.M. et al. Digital platforms: A literature review and policy implications for development. Competition and Regulation in Network Industries, 2018, no. 19 (1–2), pp. 93-109.
Pesce D. et al. When culture meets digital platforms: Value creation and stakeholders’ alignment in big data use. Current Issues in Tourism, 2019, no. 22 (15), pp. 1883-1903.
Liu M. et al. Examining completion rates in web surveys via over 25,000 real-world surveys. Social Science Computer Review, 2018, no. 36 (1), pp. 116-124.
Kenney M. et al. The platform economy: restructuring the space of capitalist accumulation. Cambridge journal of regions, economy and society, 2020, no. 13 (1), pp. 55-76.
Pagliosa M. Ferreira Industry 4.0 and Lean Manufacturing: a systematic literature review and future research directions J. Manuf. Technol. Manag., 2019, no. 32, pp. 543-569.
Newhart K.B. Hering Hybrid statistical-machine learning ammonia forecasting in continuous activated sludge treatment for improved process control. J. Water Process Eng., 2020, no. 37, pp. 89-93.
Просмотров аннотации: 569 Загрузок PDF: 360
Copyright (c) 2022 Elmira F. Amirova, Nadezhda K. Gavrilyeva, Alexander V. Grigoriev, Ilya V. Sorgutov
Это произведение доступно по лицензии Creative Commons «Attribution-NonCommercial-NoDerivatives» («Атрибуция — Некоммерческое использование — Без производных произведений») 4.0 Всемирная.
