Смарт-фермаларды енгізу тиімділігі: экономикалық бағалау

Мақсаты – етті ірі қара малды бордақылау кезінде өндірістік жүйелердің тиімділігін арттыру механизмін зерттеу. Етті бағыттағы малдарды генетикалық іріктеу сапасына олардың әсерін анықтау және анықтау үшін Смарт-технологияларды қолдану мысалы келтірілген, бұл өз кезегінде шаруашылықтардың орташа тәуліктік өсіміне, рентабельділігінің өсуіне ықпал етеді. Зерттеу нысаны – ірі қара малды ұстау және азықтандыру әдістері, цифрлық технологиялар мен техникалық құралдар, орындалған іргелі, теориялық, болжамды-іздестіру және қолданбалы ғылыми әзірлемелердің нәтижелері.

Әдістері – салыстырмалы талдау, сараптамалық бағалау, «Intergado» жүйесінің перспективалық үрдістері мен инновациялық техникасын қолдану тәжірибесі.

Нәтижелері – мұндай нанотехнологияларды қолдану «негізгі белгіге» байланысты малдың салмағы мен жай-күйіне мониторинг жүргізілетін өндірістік процестердің дерекқорларын автоматты түрде қалыптастыруға мүмкіндік беретіні көрсетілген. Ірі қара малдың салмағының өзгеруі туралы мәліметтер негізінде малдардың рационына уақтылы түзетулер енгізіледі, бұл олардың денсаулығын жақсартуға, генетикалық алгоритмді оңтайландыруға көмектеседі. Ірі қара малды өлшеу (BW) табынды басқарудың маңызды құралы болып табылады өйткені дене салмағының артуы өнімділікке, өнімділікке және соның салдарынан жемшөп шығындарын тез сатуға және үнемдеуге дайындыққа әсер етеді.

Қорытындылар - ақпараттың үлкен ағыны және технологиялық операциялар кезінде ауыл шаруашылығы өндірісін реттеудің тиімділігін арттыру үшін цифрлық шешімдер ұсынылған; модель параметрлері автоматты режимде ауыл шаруашылығы малдарын бір өндірістік топтан екіншісіне жою үшін «тірі масса» көрсеткішін қадағалау арқылы ауыстыруды жүзеге асыруға мүмкіндік береді.

1. Есенгалиева, С.М. Современное состояние и тенденции развития животноводства в Республике Казахстан. / Мансурова, М. А., Махмудов, А. Д., Федорченко, Л.В. // Экономика: сратегия и практика. -2021.-16(2). - С. 134-144.

2. Статистические данные Агентства по стратегическому планированию и реформам Республики Казахстан Бюро национальной статистики [Электронный ресурс] URL: https://stat.gov.kz/ (дата обращения: 16.03.2023).

3. Центр цифровой трансформации в сфере АПК. «Умная» ферма. URL: https://cctmcx.ru/digital-cx/umnaya-ferma/

4. Kalimbetov, H.K. Modern technologies that can be used in the smart farm/ Baymuratova Z.A., Ospanova F.B. // "Экономика и социум». - 2022.- №10(101)-1.-Р. 1029-1035

5. Bretschneider G. Estimation of body weight by an indirect measurement method in developing replacement holstein heifers raised on pasture / G. Bretschneider, A. Cuatrin, D. Arias, and D. Vottero // Archivos de Medicina Veterinaria. - 2014.-Vol. 46, no. 3. - Р. 439–443

6. Kadel, M. J. Genetics of flight time and other measures of temperament and their value as selection criteria for improving meat quality traits in tropically adapted breeds of beef cattle / Johnston, D. J., Burrow, H. M., Graser, H. U., & Ferguson, D. M.// Australian Journal of Agricultural Research.- 2006.- 57(9).- Р 1029-1035.

7. Габидулин, В.М. Определение племенной ценности быков-производителей в зависимости от метода оценки / Белоусов А.М., Тагиров Х.Х., Белоусов А.М., Тагиров Х.Х. // Вестник мясного скотоводства. - 2016. - № 2 (94). - С. 22-26.

8. Cafe, L. M. Cattle temperament: Persistence of assessments and associationswith productivity, efficiency, carcass and meat quality traits / Robinson D. L.,Ferguson D. M., McIntyre B. L., Geesink G. H., Greenwood P. L. // J. Anim. Sci. -2011. -Vol. 89. -Р.1452–1465. doi:10.2527/jas.2010-3304

9. Monteiro, A. Precision Agriculture for Crop and Livestock Farming / Santos, S., and Gonçalves, P. // Brief Review. Animals. – 2021. - 11(8), 2345. DOI: https://doi.org/10.3390/ani11082345

10. Ilyas, Q.M. Smart Farming: An Enhanced Pursuit of Sustainable Remote Livestock Tracking and Geofencing Using IoT and GPRS. / Ahmad, M.// Computer Science, Information System. – 2020. - DOI: 10.1155/2020/6660733.

11. Guntoro, B.. Dynamic Responses of Livestock Farmers to Smart Farming. / Hoang Q.N., A’yun, A.Q., and Rochijan. // IOP Conf. Series: Earth and Environmental Science.. – 2019. - DOI:10.1088/1755-1315/372/1/012042.

12. Аққаир Б.Ж. Внедрение системы Intergado для оценки бычков // Материалы Междунар. науч. – практ. конф. «Сейфуллинские чтения - 18(2): «Наука ХХI века - эпоха трансформации», 2022.- Астана, 2022. - Т.I, Ч.II.- С. 121-123.

13. Uskenov R. B. Live animal assessment of meat qualities of kazakh white-headed bulls / Akkair B. Zh., Issabekova S. A., Bostanova S. K., Nasir Zh. K. //Bulletin of Science of the Kazakh Agrotechnical University named after S.Seifullin (interdisciplinary).-2022. - Vol. (114). – Part 1. - P. 4-11.

14. Saravanan, K. Cloud IOT based novel livestock monitoring and identification system using UID / Saraniya, S.// Sensor Review. – 2017. - 38(1), P. 21-33. DOI: https://doi.org/10.1108/SR-08-2017-0152

15. Оразбаева, А.С. Перспективы и условия внедрения технологий «умного» животноводства в Казахстане: Взгляд фермеров /С.М. Токенова, С.В. Могильный// Вестник науки Казахского агротехнического университета имени Сакена Сейфуллина (междисциплинарный).- Aстана. - 2023. – №2(117). – С. 291-302