Как автоматизировать добычу водных биоресурсов: от положения судов до единого дашборда

Автоматизация добычи водных биоресурсов — это не «беспилотный промысел» и не попытка заменить капитана программой.

Главная идея заключается в другом: собрать сведения о судах, промысловой обстановке, квотах, вылове, погоде и ограничениях в одном цифровом пространстве. Руководитель, капитан, диспетчер, специалист по отчетности и сотрудник надзорного подразделения должны видеть одну согласованную картину, но каждый — в пределах своих полномочий.

Такая система помогает ответить на практические вопросы:

• где находятся суда;

• что они сейчас делают;

• где могут формироваться промысловые скопления;

• сколько ресурса уже добыто;

• какая часть квоты остается;

• не приближается ли судно к закрытому району;

• хватит ли топлива до окончания рейса;

• когда ожидается выгрузка;

• нет ли расхождений между маршрутом, журналом и отчетностью.

Почему обычной карты с судами недостаточно

Карта показывает положение флота, но сама по себе почти ничего не говорит об эффективности промысла.

Чтобы принимать решения, нужно видеть положение судна в контексте других данных:

• вида разрешенного промысла;

• действующего разрешения;

• доступной квоты;

• фактического вылова;

• температуры и солености воды;

• течений, волнения и ледовой обстановки;

• исторических результатов в этом районе;

• производительности переработки;

• заполнения трюмов;

• расхода топлива;

• расстояния до места выгрузки;

• ограничений и закрытых районов.

Поэтому основой автоматизации должен стать не отдельный мониторинг судов, а единый отраслевой контур данных.

В России такая цифровизация уже развивается. С 1 января 2026 года местоположение рыбопромысловых судов передается в Отраслевую систему мониторинга Росрыболовства с использованием российских спутниковых систем «Гонец», «Ямал» и «Экспресс». Об этом сообщало Росрыболовство.

Кроме того, электронный рыболовный журнал позволяет передавать данные о промысле и судовые суточные донесения. Он интегрирован с системой электронных разрешений и ФГИС «ВетИС», что сокращает объем повторного ввода информации. О возможностях ЭРЖ также рассказывало Росрыболовство.

Задача компании — не заменить эти государственные системы, а аккуратно соединить доступные данные с собственными производственными показателями.

Какие данные нужно собрать

Единый дашборд можно построить из пяти информационных блоков.

1. Суда и навигационная обстановка

В этот блок входят:

• координаты судов;

• скорость и курс;

• история маршрута;

• время последнего сигнала;

• текущий статус судна;

• районы промысла;

• порты и места выгрузки;

• границы экономических зон;

• закрытые и временно ограниченные районы;

• метеорологическая и ледовая обстановка.

Официальные сведения отраслевых систем следует использовать в соответствии с установленным порядком и правами доступа. Данные AIS можно применять как дополнительный источник, но не стоит считать их безусловно точными или использовать вместо официального мониторинга.

2. Промысловая и научная информация

Предполагаемое распределение ВБР можно оценивать по сочетанию нескольких факторов:

• фактический вылов за предыдущие периоды;

• вылов на единицу промыслового усилия;

• результаты научных экспедиций;

• данные акустических съемок;

• температура поверхности и толщи воды;

• соленость;

• содержание кислорода;

• концентрация хлорофилла;

• течения;

• термические фронты;

• ледовая обстановка;

• ветер, волны и облачность;

• сезонность и миграционные особенности конкретного вида.

Например, изменение температуры воды может влиять на формирование и распад промысловых скоплений. Это подтверждают исследования ВНИРО.

Важно правильно называть результат анализа. Система не показывает точное место, где «лежит рыба». Она формирует карту вероятности перспективных районов на основании доступных данных.

3. Разрешения, квоты и ограничения

Для каждого судна система должна понимать:

• какие виды ВБР разрешено добывать;

• в каком районе;

• в какие сроки;

• какими орудиями лова;

• какой объем выделен;

• сколько уже освоено;

• какие ограничения действуют;

• когда заканчивается разрешение;

• какие документы необходимо оформить.

Это позволяет автоматически сопоставлять фактическую деятельность судна с условиями промысла.

Например, если судно приближается к району, в котором конкретный вид промысла запрещен, система заранее предупредит капитана и диспетчера. Она не должна самостоятельно признавать нарушение — окончательная оценка требует проверки обстоятельств и применимых правил.

4. Производственные данные

От судна и береговых подразделений можно получать:

• фактический улов;

• видовой состав;

• объем выпущенной продукции;

• загрузку перерабатывающих линий;

• заполнение трюмов;

• остаток топлива;

• расход топлива;

• состояние оборудования;

• время простоя;

• план технического обслуживания;

• прогноз даты возвращения или перегруза.

Этот блок связывает промысловую обстановку с экономикой рейса.

Перспективный район может оказаться невыгодным, если до него слишком далеко идти, судно почти заполнено, погода ухудшается, а подходящий порт не готов принять продукцию.

5. Логистика и экономика

В систему можно добавить:

• график выгрузки;

• доступность холодильных мощностей;

• движение транспорта;

• договоры с покупателями;

• план поставок;

• стоимость топлива;

• цены на отдельные виды продукции;

• расходы по рейсу;

• расчетную маржинальность.

Тогда дашборд помогает не просто увеличить вылов, а выбрать экономически обоснованный сценарий.

Как должен выглядеть единый дашборд

Главным экраном может стать интерактивная карта.

На нее отдельными слоями выводятся:

• суда компании;

• их маршруты;

• границы районов промысла;

• запретные и временно закрытые зоны;

• погодные условия;

• температура воды;

• течения и термические фронты;

• ледовая обстановка;

• исторические районы результативного промысла;

• прогноз перспективности районов;

• порты и места выгрузки.

При выборе судна пользователь видит его карточку:

• действующее разрешение;

• разрешенные виды ВБР;

• текущий район;

• улов за сутки и за рейс;

• процент освоения квоты;

• заполнение трюмов;

• остаток топлива;

• производительность;

• время последнего сообщения;

• ближайшие ограничения;

• прогноз возвращения.

Отдельные экраны нужны для квот, отчетности, технического состояния флота и экономики рейсов.

Что должен видеть руководитель

Руководителю не нужны сотни навигационных параметров. Для него полезнее управленческий экран:

• суда в море, порту и ремонте;

• вылов за сутки, неделю и сезон;

• освоение квот;

• производительность каждого судна;

• расход топлива на тонну продукции;

• ожидаемые даты выгрузки;

• прогноз выполнения плана;

• проблемные рейсы;

• перечень критических уведомлений.

Что должен видеть специалист по надзору и соблюдению требований

Ему нужен другой интерфейс:

• положение судов относительно разрешенных зон;

• соответствие фактического промысла разрешениям;

• сроки действия документов;

• расхождения между отчетами;

• пропуски в передаче данных;

• необычные изменения маршрута или скорости;

• приближение к районам с ограничениями;

• журнал действий пользователей;

• история внесения исправлений.

Что нужно научному и аналитическому подразделению

Для изучения распределения ресурсов необходимы:

• архив промысловых операций;

• улов на единицу усилия;

• океанографические показатели;

• спутниковые данные;

• гидроакустические наблюдения;

• сезонная динамика;

• миграционные закономерности;

• результаты предыдущих прогнозов;

• оценка точности моделей.

Так компания сможет не только использовать готовый прогноз, но и понимать, почему он оказался верным или ошибочным.

Какие события можно автоматизировать

Система может автоматически создавать уведомление, если:

• судно приближается к закрытому району;

• отсутствует новый сигнал о местоположении;

• заканчивается срок разрешения;

• квота освоена на 80%, 90% или 95%;

• фактический улов резко отличается от обычного;

• сведения журнала не совпадают с производственными данными;

• расход топлива превышает норму;

• трюм приближается к максимальной загрузке;

• ожидается опасное ухудшение погоды;

• оборудование показывает признаки неисправности;

• судно опаздывает к запланированной выгрузке;

• порт или холодильник не сможет принять ожидаемый объем продукции.

Уведомление должно содержать не только сообщение «обнаружена проблема», но и контекст:

• какое судно;

• когда возникло событие;

• какой показатель изменился;

• с каким правилом он сравнивается;

• какие данные использованы;

• кто должен проверить ситуацию;

• до какого времени желательно принять решение.

Где применять искусственный интеллект

ИИ в такой системе полезен в пяти направлениях.

Прогноз перспективных районов

Модель анализирует исторический улов, сезонность, океанографические параметры и фактическую обстановку. Результатом становится карта вероятности промысловых скоплений для конкретного вида ВБР.

ЦСМС Росрыболовства уже представил сервис «Лоция», который объединяет спутниковые, океанографические и промысловые данные. В него входят температура, течения, соленость, хлорофилл, кислород, ветер, волны и другие показатели. Сервис формирует прогноз под конкретный вид и показывает его вместе с позициями судов и фактическим выловом. О проекте сообщило территориальное управление Росрыболовства.

Для компании это означает, что начинать нужно не с разработки собственной сложной научной модели, а с оценки уже доступных отраслевых сервисов и возможности их законной интеграции.

Поиск аномалий

ИИ может находить ситуации, которые отличаются от обычного поведения:

• необычный маршрут;

• остановку в нетипичном районе;

• аномальный расход топлива;

• резкое изменение производительности;

• несоответствие вылова и продолжительности операций;

• повторяющиеся ошибки при заполнении отчетов.

Аномалия не означает нарушение. Это сигнал для проверки человеком.

Прогноз результатов рейса

На основе текущего вылова, остатков топлива, погоды, производительности и заполнения трюмов система может оценить:

• ожидаемый итог рейса;

• дату завершения промысла;

• потребность в перегрузе;

• вероятную дату выгрузки;

• риск невыполнения плана;

• прогнозную себестоимость тонны продукции.

Проверка документов

ИИ может сравнивать разрешение, рыболовный журнал, судовое суточное донесение и внутренние производственные сведения.

Лучше поручать ему поиск конкретных расхождений, а не просить: «Проверь, все ли законно».

Подготовка ежедневной сводки

Вместо ручного сбора информации руководитель утром получает короткий отчет:

В море находятся восемь судов. Два работают с производительностью ниже плана. Судно № 4 освоило 92% доступного объема. Для судна № 7 прогнозируется ухудшение погоды в течение 18 часов. По судну № 2 отсутствует подтверждение передачи последнего сообщения.

Каждый вывод должен сопровождаться ссылкой на исходные данные.

Как устроить систему технически

Упрощенная архитектура выглядит так:

Источники данных → единое хранилище → проверка качества → геоаналитика → правила и модели ИИ → дашборд → уведомления → журнал решений.

При создании такой платформы необходимо предусмотреть:

• единый справочник судов, видов ВБР, разрешений и районов;

• согласование форматов времени и координат;

• проверку полноты поступающих данных;

• работу при нестабильной связи;

• хранение истории изменений;

• разграничение доступа;

• шифрование;

• резервное копирование;

• регистрацию действий пользователей;

• понятный порядок исправления ошибочных сведений.

Нельзя просто загрузить данные из нескольких таблиц на красивую карту. Если одно судно в разных системах записано под разными названиями, а время передается в разных часовых поясах, система начнет создавать ложные предупреждения.

Как внедрять автоматизацию поэтапно

Необязательно сразу строить платформу для всего флота.

Первый этап — инвентаризация

Нужно определить:

• какие данные уже собираются;

• где они хранятся;

• кто их вводит;

• кому они доступны;

• как часто обновляются;

• какие решения принимаются на их основании;

• какие данные компания имеет право использовать и передавать.

Второй этап — минимальный дашборд

Для пилота достаточно объединить:

• положение нескольких судов;

• действующие разрешения;

• квоты;

• фактический вылов;

• погоду;

• основные районы и ограничения.

На этом этапе ИИ может вообще не понадобиться. Сначала необходимо добиться корректного отображения фактов.

Третий этап — автоматические предупреждения

После проверки данных подключаются правила:

• приближение к границе;

• окончание разрешения;

• превышение заданного уровня освоения квоты;

• отсутствие сигнала;

• расхождение показателей;

• отклонение от плана рейса.

Четвертый этап — прогнозирование

Только после накопления качественной истории имеет смысл добавлять:

• прогноз промысловой обстановки;

• оценку производительности;

• предиктивное обслуживание оборудования;

• прогноз расхода топлива;

• оптимизацию маршрутов и логистики.

Пятый этап — масштабирование

После пилота систему можно распространять на весь флот, береговые подразделения и связанные компании. При этом научные, коммерческие и надзорные данные должны предоставляться разным пользователям в соответствии с их полномочиями.

По каким показателям оценивать результат

Автоматизация полезна, если она улучшает измеримые показатели:

• время подготовки ежедневной сводки;

• количество ручных операций;

• число ошибок в отчетах;

• количество расхождений между системами;

• время промысловой разведки;

• улов на единицу промыслового усилия;

• расход топлива на тонну продукции;

• продолжительность простоев;

• точность прогноза выгрузки;

• долю рейсов, выполненных по плану;

• скорость реакции на опасные события.

Увеличение объема собранных данных само по себе не является результатом.

Что нельзя полностью отдавать алгоритму

ИИ не должен самостоятельно:

• давать разрешение на начало промысла;

• определять факт нарушения;

• заменять официальную отчетность;

• изменять сведения в юридически значимых системах;

• выбирать маршрут без участия капитана;

• игнорировать требования безопасности ради экономии топлива;

• выдавать вероятностный прогноз за установленное местонахождение ВБР;

• подменять научную оценку состояния запасов;

• автоматически отправлять спорные сведения в государственные системы.

Правильная модель выглядит так: система собирает данные, выявляет риски и предлагает варианты, а уполномоченный специалист принимает решение.

Что получает компания в результате

Единый дашборд связывает промысел, флот, отчетность, науку и экономику.

Руководитель видит общую ситуацию. Капитан получает актуальный контекст для принятия решения. Специалист по отчетности быстрее находит расхождения. Научное подразделение получает структурированный архив. Надзорная функция может сосредоточиться на событиях с повышенным риском, а не проверять все вручную.

Смысл автоматизации не в том, чтобы убрать человека из процесса. Он заключается в том, чтобы предоставить каждому участнику своевременные и проверяемые данные для более точного решения.

Роман Ткачев — эксперт по автоматизации корпоративных процессов и практическому применению ИИ в работе корпоративных служб.