Россия
Россия
Россия
Россия
Россия
УДК 338.43 Экономика сельского хозяйства. Продовольственный комплекс
Статья посвящена проблематике повышения эффективности управленческих решений в агропромышленном комплексе в условиях цифровой трансформации. Современный этап развития АПК характеризуется интенсивным внедрением цифровых технологий, что сопровождается резким увеличением объёма и разнообразия данных, доступных для анализа и прогнозирования. В этих условиях традиционные методы управления, основанные на ретроспективных оценках и экспертном опыте, демонстрируют ограниченную результативность и требуют принципиального пересмотра. В статье обоснована необходимость перехода от статических и линейных моделей к адаптивным, самообучающимся системам управления, интегрирующим аналитические, когнитивные и прогнозные компоненты. Особое внимание уделено роли искусственного интеллекта в обеспечении устойчивости и предсказуемости производственных бизнес-процессов, а также сохранению значимости человеческого фактора в интерпретации данных и выборе стратегий управления. Цель исследования заключается в разработке и обосновании гибридного алгоритма принятия управленческих решений, обеспечивающего интеграцию практического опыта аграриев с вычислительными возможностями искусственного интеллекта. Алгоритм базируется на принципах адаптивности, когнитивной совместимости и итеративного обучения, что позволяет повысить точность, предсказуемость и устойчивость управленческих процессов в условиях высокой неопределённости аграрного производства. Разработанный алгоритм был апробирован в рамках модельного эксперимента на данных производственного мониторинга, что подтвердило его эффективность и применимость в практике цифрового управления агропродовольственными системами.
принятие управленческих решений, гибридный алгоритм, цифровизация АПК, интеллектуальная система
1. Стельмашонок Е.В., Стельмашонок В.Л. Цифровая трансформация агропромышленного комплекса: анализ перспектив // Siberian Journal of Life Sciences and Agriculture. 2021. № 13(2). С. 336-365.
2. Soussi, A., Zero, E., Sacile, R., Trinchero, D., Fossa, M. Smart Sensors and Smart Data for Precision Agriculture: A Review. Sensors. 2024. No. 24(8). doi: http://doi.org/10.3390/s24082647
3. Organisation for Economic Co‑operation and Development (OECD). The digitalisation of agriculture. OECD Food, Agriculture and Fisheries Papers, No. 176, 2022. DOIhttps://doi.org/10.1787/285cc27d-en
4. Ильина Л.А., Павлов А.А. Иерархия условий развития цифрового сельского хозяйства // Вестник ЧелГУ. 2025. № 3 (497). С. 132-144.
5. Ерёмченко О.А. Утечка мозгов из агросектора: влияние кадрового дефицита на инновационное развитие сельской экономики // Экономика науки. 2025. № 3. С. 83-96.
6. Осовин М.Н. Внедрение технологий искусственного интеллекта на предприятиях агропродовольственного комплекса России: проблемы и направления их решения // Продовольственная политика и безопасность. 2024. № 3. С. 553-568.
7. Николаев О.В., Литвина Н.И. Искусственный интеллект как инструмент технологического и кадрового развития АПК // Вестник Академии знаний. 2025. № 1 (66). С. 380-383.
8. Nuthall P.L. A review of the intuition literature relative to a recent quantitative study of the determinants of farmers’ intuition // International Journal of Agricultural Management. 2019. vol. 8, no. 1.
9. Duden C., Müller B., & Schmidt P. The Role of Selected Heuristics in Farmers’ Risk Management. Agricultural Economics. 2023. vol. 54. no. 3, pp. 512-528. DOI: http://doi.org/10.1111/agec.12763
10. Simon, H. The New Science of Management Decision. Englewood Cliffs, 1977, NJ: Prentice Hall, 175 p.
11. Wu C., Barnes D. A literature review of decision-making models & approaches for partner selection in agile supply chains. Journal of Purchasing and Supply Management. 2011. vol. 17, no. 4. pp. 256-263. DOI:https://doi.org/10.1016/j.pursup.2011.09.002
12. Taherdoost H., Madanchian M. Decision Making: Models, Processes, Techniques // Cloud Computing and Data Science. 2023. №5(1). DOI:https://doi.org/10.37256/ccds.5120233284
13. Репко Н.В. Селекция озимого ячменя на продуктивность и зимостойкость. Краснодар: Кубанский государственный аграрный университет. 2009. 146 с.
14. Ариничев И.В., Сидоров В.А., Ариничева И.В. Бизнес-процессы зернового производства: перспективы развития интеллектуальных систем поддержки принятия решений // Вестник Воронежского государственного аграрного университета. 2024. Т. 17, № 4(83). С. 207-220. DOI:https://doi.org/10.53914/issn2071-2243_2024_4_207–220
15. Ариничева И. В., Волкова Г. В., Яхник Я. В., Ариничев И. В. Компьютерное зрение для наблюдения и учета Pyrenophora teres озимого ячменя // Известия Кабардино-Балкарского научного центра РАН. 2024. Т. 26. № 2. С. 72-79. DOI:https://doi.org/10.35330/1991-6639-2024-26-2-72-79
16. Ариничева И. В., Ариничев И. В., Репко Н.В. Автоматизированная диагностика грибных болезней ячменя // Труды Кубанского государственного аграрного университета. 2023. № 106. С. 81-85. DOI:https://doi.org/10.21515/1999-1703-106-81-85
