"АГРО-Инвест" внедрила технологии машинного обучения и бизнес-аналитики в управление тепличным комплексом
Заказчики: АГРО-Инвест Воронеж; Сельское хозяйство и рыболовство Подрядчики: Алан-ИТ Продукт: Microsoft AzureВторой продукт: Microsoft Power BI Дата проекта: 2017/02 — 2017/06
|
Технология: IaaS - Инфраструктура как услуга
Технология: PaaS - Platform As A Service - Бизнес-платформа как сервис
Технология: SaaS - Программное обеспечение как услуга
|
Содержание |
11 августа 2017 года компания АЛАН сообщила о внедрении технологий машинного обучения на платформе Microsoft Azure в компании «Агро-Инвест».
Задачи проекта
В конце 2014 года построен тепличный комплекс для выращивания томатов и огурцов на общей площади 18 га. В системе управления комплексом установлены датчики, отслеживающие 25 внутренних параметров, 9 внешних датчиков, наружной температуры, скорость и направление ветра, интенсивность солнечного освещения и другие. Климатический компьютер компании Hoogendoorn позволяет управлять 12 параметрами внутри теплиц.
Отсутствие аналитических инструментов на предприятии не позволяло анализировать ситуацию на временных интервалах, превышающих одну неделю, отсутствовала возможность удаленного мониторинга и анализа, доступ к данным возможен только на управляющем компьютере.
Удаленность головного офиса управляющей компании снижала оперативность принимаемых управленческих решений.
Ход проекта
Для развертывания проектного решения мы предложили Microsoft Azure. Azure - гибкая платформа, к тому же, в ее составе много сервисов, которые мы задействовали в нашем решении, в частности, база данных SQL и технологии Machine Learning. Облачная платформа Azure - правильное решение в условиях как быстрого старта проекта, так и эксплуатации по модели OPEX. Александр Елин, генеральный директор Компании АЛАН |
Специалисты подрядчика провели анализ накопленной информации. Выявлены моменты критических отклонений параметров в теплицах, оказавшие негативное влияние на выпуск продукции. Определены параметры теплиц, влияющие на урожайность сортов. С помощью сервиса машинного обучения Microsoft Azure построена статистическая модель зависимости урожайности от температурного режима в теплице.Как DevOps-сервис помогает «разгрузить» высоконагруженные системы BPMSoft