http://repository.ukd.edu.ua/xmlui/handle/123456789/2031 2026-06-14T13:56:18Z 2026-06-14T13:56:18Z Демчина, Микола Миколайович http://repository.ukd.edu.ua/xmlui/handle/123456789/2235 2026-05-26T00:00:29Z 2026-01-01T00:00:00Z

Комп’ютерна мережа IоT агропромислового комплексу Демчина, Микола Миколайович Сучасне сільське господарство має працювати максимально ефективно та водночас забезпечувати високу якість продукції. Це важливо як у вирощуванні рослин, так і у тваринництві. Саме тому сьогодні дедалі частіше застосовують сучасні технології аналізу даних і рішення на основі штучного інтелекту. Однією з найпоширеніших технологій є IoT (Інтернет речей). Його активно використовують для збору даних, прогнозування та класифікації різних процесів. З часом IoT став популярним і в аграрній сфері, адже він допомагає створювати системи точного землеробства та підтримки прийняття рішень. У поєднанні зі штучними нейронними мережами IoT може частково замінювати традиційні методи моделювання, виступаючи сучасною та більш гнучкою альтернативою. Нейронні мережі вже давно застосовуються в усьому світі для підвищення ефективності агровиробництва, оптимізації процесів та отримання продукції найкращої якості. Впровадження інтелектуальних систем дозволяє здійснювати безперервний моніторинг стану ґрунту, рівня вологості та здоров'я поголів'я в режимі реального часу. Завдяки розгалуженій мережі датчиків, дані передаються на центральні сервери для подальшої обробки алгоритмами машинного навчання. Це мінімізує вплив людського фактора та дозволяє оперативно реагувати на критичні зміни параметрів навколишнього середовища. Окрему увагу приділено архітектурі комп'ютерної мережі, яка має забезпечувати високу пропускну здатність та стійкість до зовнішніх перешкод у польових умовах. Використання хмарних обчислень у поєднанні з периферійними пристроями (edge computing) дозволяє значно знизити затримку при прийнятті управлінських рішень. Дослідження підтверджує, що інтеграція IoT-платформ у структуру агропромислового комплексу сприяє значному зниженню витрат ресурсів, таких як вода, добрива та енергія. Це не лише підвищує рентабельність господарств, а й забезпечує екологічну сталість виробництва. Подальший розвиток таких систем передбачає вдосконалення протоколів безпеки передачі даних та масштабування мереж для охоплення великих територій. Створення єдиного інформаційного простору агропідприємства стає ключовим етапом переходу до концепції Сільського господарства 4.0. Окрім цього, розглядаються питання енергоефективності бездротових сенсорних вузлів, які працюють у віддалених локаціях без стабільного живлення. Застосування протоколів з низьким енергоспоживанням, таких як LoRaWAN або NB-IoT, стає критично важливим для забезпечення тривалої автономної роботи обладнання. Важливим аспектом є також інтеграція супутникових знімків та даних з безпілотних літальних апаратів у загальну мережеву інфраструктуру, що дозволяє отримати комплексну картину стану угідь. Аналіз великих масивів даних (Big Data) відкриває нові можливості для генетичного прогнозування врожайності та автоматизованого виявлення шкідників на ранніх стадіях. Таким чином, цифрова трансформація агросектору забезпечує не лише економічні переваги, а й глобальну продовольчу безпеку в умовах кліматичних змін. Modern agriculture must operate as efficiently as possible while ensuring high product quality. This is crucial in both crop cultivation and animal husbandry. Consequently, modern data analysis technologies and artificial intelligence-based solutions are increasingly applied today. One of the most widespread technologies is IoT (Internet of Things). It is actively used for data collection, forecasting, and classification of various processes. Over time, IoT has also become popular in the agricultural sector, as it helps create precision farming and decision-support systems. Combined with artificial neural networks, IoT can partially replace traditional modeling methods, serving as a modern and more flexible alternative. Neural networks have long been used worldwide to increase agricultural production efficiency, optimize processes, and obtain the best quality products. The implementation of intelligent systems allows for continuous real-time monitoring of soil conditions, moisture levels, and livestock health. Thanks to an extensive network of sensors, data is transmitted to central servers for further processing by machine learning algorithms. This minimizes the influence of the human factor and allows for prompt responses to critical changes in environmental parameters. Special attention is paid to the architecture of the computer network, which must ensure high throughput and resilience to external interference in field conditions. The use of cloud computing in combination with edge computing significantly reduces latency in managerial decision-making. Research confirms that the integration of IoT platforms into the structure of the agro- industrial complex contributes to a significant reduction in resource costs, such as water, fertilizers, and energy. This not only increases the profitability of farms but also ensures the environmental sustainability of production. The further development of such systems involves improving data transfer security protocols and scaling networks to cover large territories. Creating a unified information space for an agricultural enterprise becomes a key stage in the transition to the Agriculture 4.0 concept. Furthermore, issues of energy efficiency for wireless sensor nodes operating in remote locations without stable power supply are considered. The application of low-power protocols such as LoRaWAN or NB-IoT becomes critical for ensuring long-term autonomous equipment operation. An important aspect is also the integration of satellite imagery and data from unmanned aerial vehicles into the general network infrastructure, providing a comprehensive picture of land status. Big Data analysis opens new opportunities for genetic yield forecasting and automated pest detection at early stages. Thus, the digital tranformation of the agricultural sector ensures not only economic benefits but also global food security in the face of climate change. Демчина М. М. Комп’ютерна мережа IоT агропромислового комплексу = IOT computer network of the agro-inductrial complex // Управління розвитком складних систем, 2026. №65. С. 117-123: табл.6, рис. ORCID: http://orcid.org/0009-0002-9161-4843

2026-01-01T00:00:00Z Демчина, Микола Миколайович http://repository.ukd.edu.ua/xmlui/handle/123456789/2234 2026-05-26T00:00:28Z 2026-03-26T00:00:00Z

Паралелізація обчислень у агентних системах на основі великих мовних моделей Демчина, Микола Миколайович Демчина М. Паралелізація обчислень у агентних системах на основі великих мовних моделей // Синергія інтернет-технологій: матеріали І Всеукраїнської науково-практичної конференції (м. Івано-Франківськ, 26 березня 2026 року). Івано-Франківськ: ЗВО «Університет Короля Данила», 2026. С. 43-46. ORCID: https://orcid.org/0009-0002-9161-4843

2026-03-26T00:00:00Z Демчина, Микола Миколайович http://repository.ukd.edu.ua/xmlui/handle/123456789/2233 2026-05-26T00:00:27Z 2025-01-01T00:00:00Z

Динамічне балансування навантаження у системах обробки подій на основі машинного навчання Демчина, Микола Миколайович Демчина М. Динамічне балансування навантаження у системах обробки подій на основі машинного навчання // Концептуальні проблеми розвитку сучасної гуманітарної та прикладної науки: матеріали ІХ Міжнародного науково-практичного симпозіуму (м. Івано-Франківськ, 9 травня 2025 року). Івано-Франківськ : Редакційно-видавничий відділ ЗВО «Університет Короля Данила», 2025. С. 185-188: рис. 1. ORCID: https://orcid.org/0009-0002-9161-4843

2025-01-01T00:00:00Z Демчина, Микола Миколайович http://repository.ukd.edu.ua/xmlui/handle/123456789/2232 2026-05-26T00:00:26Z 2025-01-01T00:00:00Z

Технологія Big Data в інформаційно-вимірювальних комплексах Демчина, Микола Миколайович У статті розглянуто особливості обробки та зберігання даних в сучасних інформаційно-вимірювальних комплексах, що функціонують в умовах зростання обсягів вимірювальної інформації та підвищених вимог до швидкодії і надійності. Проаналізовано основні вимоги до даних інформаційно-вимірювальних комплексів, зокрема щодо обсягу, швидкості надходження, структурної різноманітності та достовірності вимірювальної інформації. Наведено класифікацію інформаційно- вимірювальних комплексів за призначенням та визначено характерні типи даних для кожного класу. Розглянуто основні моделі даних, що застосовуються в технологіях Big Data, та обґрунтовано доцільність їх використання в інформаційно-вимірювальних комплексах залежно від специфіки вимірювальних процесів. Показано, що використання гнучких і масштабованих моделей даних забезпечує ефективну інтеграцію, аналіз і довготривале зберігання великих масивів вимірювальної інформації. Особлива увага приділяється можливості порівняння отриманих даних з додатковими джерелами інформації, включаючи дані з Інтернету, що дозволяє підвищити точність аналізу та прогнозування. Також розглядаються приклади практичного застосування моделей даних у контрольно-вимірювальних, діагностичних, моніторингових та керуючих комплексах, що демонструє їх ефективність у різних прикладних задачах. Отримані результати можуть бути використані при проєктуванні та модернізації інформаційно-вимірювальних комплексів з підвищеними вимогами до продуктивності та аналітичних можливостей. The article examines the features of data processing and storage in modern information and measuring complexes that operate in conditions of increasing volumes of measuring information and increased requirements for speed and reliability. The main requirements for data of information and measuring complexes are analyzed, in particular, regarding the volume, speed of receipt, structural diversity and reliability of measuring information. The classification of information and measuring complexes by purpose is presented and the characteristic types of data for each class are determined. The main data models used in Big Data technologies are considered, and the feasibility of their use in information and measuring complexes is substantiated, depending on the specifics of measuring processes. It is shown that the use of flexible and scalable data models provides effective integration, analysis and long-term storage of large arrays of measuring information. Special attention is paid to the possibility of comparing the obtained data with additional sources of information, including data from the Internet, which allows to increase the accuracy of analysis and forecasting. Examples of practical application of data models in control and measuring, diagnostic, monitoring and control complexes are also considered, which demonstrates their effectiveness in various applied tasks. The results obtained can be used in the design and modernization of information and measuring complexes with increased requirements for productivity and analytical capabilities. Демчина М. М. Технологія Big Data в інформаційно-вимірювальних комплексах = Big Data technology in information and measurement complrxes // Методи та прилади контролю якості, 2025. № 2(55). С. 22-31: рис.2, табл. 2. ORCID: https://orcid.org/0009-0002-9161-4843

2025-01-01T00:00:00Z