Підвищення ефективності керування теплицею за допомогою моделі марковського процесу прийняття рішень

Автор(и)

DOI:

https://doi.org/10.15587/1729-4061.2025.338565

Ключові слова:

мікроклімат теплиці, дворівнева оптимізація, випадковий марківський процес прийняття рішень, точне землеробство, задача керування

Анотація

Об’єктом дослідження є процеси керування теплицею. У дослідженні вирішується проблема раціонального керування теплицею на основі марківського процесу прийняття рішень з врахуванням дворівневої оптимізації/ Визначено випадковий марківський процес прийняття рішень для задачі вдосконалення роботи теплиці.

Було побудовано модель для керування теплицею, яка дозволяє визначати раціональні параметри мікроклімату для вирощування сільськогосподарських культур. Для верифікації моделі для керування теплицею використано реальні дані експерименту з вирощування полуниці в тепличному комплексі. Спостереження тривали з 17 травня по 8 червня 2025 року. Моніторинг параметрів мікроклімату здійснювався цілодобово з інтервалом 1 хвилина, що забезпечило високу точність аналізу. Експериментальний сценарій включав три контури зрошення, систему обігріву, LED‑освітлення, вентиляцію та моніторинг CO₂. Запропонований підхід до керування теплицею на основі моделі марківського процесу прийняття рішень демонструє високу практичну цінність, особливо в контексті вирощування чутливих культур, таких як полуниця. Моделювання показує, що впровадження дворівневої оптимізації в системах автономного керування теплицею може забезпечити збільшення врожайності на 10,15%. Водночас, через значний об’єм теплиці та високу теплову інерційність конструкцій фактичні значення параметрів мікроклімату відхиляються від раціональних на 10–15%, унаслідок чого для розробленої моделі розрахований приріст врожайності становить близько 7%

Біографії авторів

Andrii Biloshchytskyi, Astana IT University; Kyiv National University of Construction and Architecture

Doctor of Technical Sciences, Professor, Vice-Rector of the Science and Innovation

Department of Information Technology

Юрій Васильович Андрашко, Ужгородський національний університет

Кандидат технічних наук, доцент

Кафедра системного аналізу і теорії оптимізації

Oleksandr Kuchanskyi, Astana IT University; Uzhhorod National University

Doctor of Technical Sciences, Professor

Department of Computational and Data Science

Department of Informative and Operating Systems and Technologies

Alexandr Neftissov, Astana IT University; Academy of Physical Education and Mass Sports

PhD, Associate Professor

Research and Innovation Center "Industry 4.0"

Мирослава Вікторівна Гладка, Київський національний університет імені Тараса Шевченка; Національний технічний університет України «Київський політехнічний інститут імені Ігоря Сікорського»

Кандидат технічних наук, доцент

Кафедра інформаційних систем та технологій

Кафедра біомедичної кібернетики

Володимир Юрійович Вацкель, Київський національний університет будівництва і архітектури

Старший викладач

Кафедра інформаційних технологій

Sofiia Berdei, Refugee & Immigrant Services Northwest

Senior Specialist

Посилання

  1. Sulser, T., Wiebe, K. D., Dunston, S., Cenacchi, N., Nin-Pratt, A., Mason-D’Croz, D. et al. (2021). Climate Change and hunger: Estimating costs of adaptation in the agrifood system. International Food Policy Research Institute. https://doi.org/10.2499/9780896294165
  2. Kazakhstan. Climate Change Knowledge Portal. Available at: https://climateknowledgeportal.worldbank.org/country/kazakhstan/climate-data-historical
  3. Visser, S., Keesstra, S., Maas, G., de Cleen, M., Molenaar, C. (2019). Soil as a Basis to Create Enabling Conditions for Transitions Towards Sustainable Land Management as a Key to Achieve the SDGs by 2030. Sustainability, 11 (23), 6792. https://doi.org/10.3390/su11236792
  4. Muhie, S. H. (2022). Novel approaches and practices to sustainable agriculture. Journal of Agriculture and Food Research, 10, 100446. https://doi.org/10.1016/j.jafr.2022.100446
  5. Okolie, C. C., Danso-Abbeam, G., Groupson-Paul, O., Ogundeji, A. A. (2022). Climate-Smart Agriculture Amidst Climate Change to Enhance Agricultural Production: A Bibliometric Analysis. Land, 12 (1), 50. https://doi.org/10.3390/land12010050
  6. Kazancoglu, Y., Lafci, C., Kumar, A., Luthra, S., Garza‐Reyes, J. A., Berberoglu, Y. (2023). The role of agri‐food 4.0 in climate‐smart farming for controlling climate change‐related risks: A business perspective analysis. Business Strategy and the Environment, 33 (4), 2788–2802. https://doi.org/10.1002/bse.3629
  7. Zhang, N., Wang, M., Wang, N. (2002). Precision agriculture – a worldwide overview. Computers and Electronics in Agriculture, 36 (2-3), 113–132. https://doi.org/10.1016/s0168-1699(02)00096-0
  8. Loures, L., Chamizo, A., Ferreira, P., Loures, A., Castanho, R., Panagopoulos, T. (2020). Assessing the Effectiveness of Precision Agriculture Management Systems in Mediterranean Small Farms. Sustainability, 12 (9), 3765. https://doi.org/10.3390/su12093765
  9. Sparks, B. D. (2018). What Is the Current State of Labor in the Greenhouse Industry? Available at: https://www.greenhousegrower.com/management/what-is-the-current-state-of-labor-in-the-greenhouse-industry/
  10. Cao, X., Yao, Y., Li, L., Zhang, W., An, Z., Zhang, Z. et al. (2022). iGrow: A Smart Agriculture Solution to Autonomous Greenhouse Control. Proceedings of the AAAI Conference on Artificial Intelligence, 36 (11), 11837–11845. https://doi.org/10.1609/aaai.v36i11.21440
  11. Badji, A., Benseddik, A., Bensaha, H., Boukhelifa, A., Hasrane, I. (2022). Design, technology, and management of greenhouse: A review. Journal of Cleaner Production, 373, 133753. https://doi.org/10.1016/j.jclepro.2022.133753
  12. Choab, N., Allouhi, A., El Maakoul, A., Kousksou, T., Saadeddine, S., Jamil, A. (2019). Review on greenhouse microclimate and application: Design parameters, thermal modeling and simulation, climate controlling technologies. Solar Energy, 191, 109–137. https://doi.org/10.1016/j.solener.2019.08.042
  13. Voogt, J., van Weel, P. (2008). Climate control based on stomatal behavior in a semi-closed greenhouse system “Aircokas.” Acta Horticulturae, 797, 151–156. https://doi.org/10.17660/actahortic.2008.797.19
  14. Robles Algarín, C., Callejas Cabarcas, J., Polo Llanos, A. (2017). Low-Cost Fuzzy Logic Control for Greenhouse Environments with Web Monitoring. Electronics, 6 (4), 71. https://doi.org/10.3390/electronics6040071
  15. Noma, F., Babu, S. (2024). Predicting climate smart agriculture (CSA) practices using machine learning: A prime exploratory survey. Climate Services, 34, 100484. https://doi.org/10.1016/j.cliser.2024.100484
  16. Jones, J. W., Hoogenboom, G., Porter, C. H., Boote, K. J., Batchelor, W. D., Hunt, L. A. et al. (2003). The DSSAT cropping system model. European Journal of Agronomy, 18 (3-4), 235–265. https://doi.org/10.1016/s1161-0301(02)00107-7
  17. Mekala, M. S., Viswanathan, P. (2017). A Survey: Smart agriculture IoT with cloud computing. 2017 International Conference on Microelectronic Devices, Circuits and Systems (ICMDCS), 1–7. https://doi.org/10.1109/icmdcs.2017.8211551
  18. van Beveren, P. J. M., Bontsema, J., van Straten, G., van Henten, E. J. (2015). Optimal control of greenhouse climate using minimal energy and grower defined bounds. Applied Energy, 159, 509–519. https://doi.org/10.1016/j.apenergy.2015.09.012
  19. Parameswaran, G., Sivaprasath, K. (2016). Arduino based smart drip irrigation system using Internet of Things. International Journal of Engineering Science and Computing, 6 (5), 5518–5521.
  20. Platero-Horcajadas, M., Pardo-Pina, S., Cámara-Zapata, J.-M., Brenes-Carranza, J.-A., Ferrández-Pastor, F.-J. (2024). Enhancing Greenhouse Efficiency: Integrating IoT and Reinforcement Learning for Optimized Climate Control. Sensors, 24 (24), 8109. https://doi.org/10.3390/s24248109
  21. Vatskel, V., Kuchanskyi, O., Andrashko, Y. (2025). Strawberry Greenhouse Environmental Control Dataset. Zenodo. https://doi.org/10.5281/zenodo.16268298
  22. Cordwell, S. (2015). Markov Decision Process (MDP) Toolbox for Python. GitHub. Available at: https://github.com/sawcordwell/pymdptoolbox
  23. Nguyen, N. M., Tran, H. T., Duong, M. V., Bui, H., Tran, K. (2022). Differentiable physics-based greenhouse simulation. NeurIPS 2022 Workshop on Machine Learning and the Physical Sciences. Available at: https://ml4physicalsciences.github.io/2022/files/NeurIPS_ML4PS_2022_52.pdf
  24. Neftissov, A., Biloshchytskyi, A., Andrashko, Y., Vatskel, V., Toxanov, S., Gladka, M. (2024). Assessing the efficiency of using precision farming technology and remote monitoring of weather conditions in the activities of agricultural enterprises. Eastern-European Journal of Enterprise Technologies, 4 (13 (130)), 84–94. https://doi.org/10.15587/1729-4061.2024.309028
  25. Neftissov, A., Biloshchytskyi, A., Andrashko, Y., Kuchanskyi, O., Vatskel, V., Toxanov, S., Gladka, M. (2024). Evaluating the effectiveness of precision farming technologies in the activities of agricultural enterprises. Eastern-European Journal of Enterprise Technologies, 1 (13 (127)), 6–13. https://doi.org/10.15587/1729-4061.2024.298478
Підвищення ефективності керування теплицею за допомогою моделі марковського процесу прийняття рішень

##submission.downloads##

Опубліковано

2025-10-31

Як цитувати

Biloshchytskyi, A., Андрашко, Ю. В., Kuchanskyi, O., Neftissov, A., Гладка, М. В., Вацкель, В. Ю., & Berdei, S. (2025). Підвищення ефективності керування теплицею за допомогою моделі марковського процесу прийняття рішень. Eastern-European Journal of Enterprise Technologies, 5(2 (137), 122–135. https://doi.org/10.15587/1729-4061.2025.338565

Номер

Том 5 № 2 (137) (2025): Інформаційні технології. Системи управління в промисловості

Розділ

Системи управління в промисловості

Ліцензія

Авторське право (c) 2025 Andrii Biloshchytskyi, Yurii Andrashko, Oleksandr Kuchanskyi, Alexandr Neftissov, Myroslava Gladka, Volodymyr Vatskel, Sofiia Berdei

Creative Commons License

Ця робота ліцензується відповідно до Creative Commons Attribution 4.0 International License.

Закріплення та умови передачі авторських прав (ідентифікація авторства) здійснюється у Ліцензійному договорі. Зокрема, автори залишають за собою право на авторство свого рукопису та передають журналу право першої публікації цієї роботи на умовах ліцензії Creative Commons CC BY. При цьому вони мають право укладати самостійно додаткові угоди, що стосуються неексклюзивного поширення роботи у тому вигляді, в якому вона була опублікована цим журналом, але за умови збереження посилання на першу публікацію статті в цьому журналі.

Ліцензійний договір – це документ, в якому автор гарантує, що володіє усіма авторськими правами на твір (рукопис, статтю, тощо).
Автори, підписуючи Ліцензійний договір з ПП «ТЕХНОЛОГІЧНИЙ ЦЕНТР», мають усі права на подальше використання свого твору за умови посилання на наше видання, в якому твір опублікований. Відповідно до умов Ліцензійного договору, Видавець ПП «ТЕХНОЛОГІЧНИЙ ЦЕНТР» не забирає ваші авторські права та отримує від авторів дозвіл на використання та розповсюдження публікації через світові наукові ресурси (власні електронні ресурси, наукометричні бази даних, репозитарії, бібліотеки тощо).
За відсутності підписаного Ліцензійного договору або за відсутністю вказаних в цьому договорі ідентифікаторів, що дають змогу ідентифікувати особу автора, редакція не має права працювати з рукописом.
Важливо пам’ятати, що існує і інший тип угоди між авторами та видавцями – коли авторські права передаються від авторів до видавця. В такому разі автори втрачають права власності на свій твір та не можуть його використовувати в будь-який спосіб.