Международный научный вестник2782-384910.24412/2782-3849-2026-7-531-538OtherСоздание единых экосистем данных и цифровых двойников в животноводствеCreating unified data ecosystems and digital twins in livestock farmingСкворцоваЕкатерина ГеннадьевнаSkvortsovaEkaterina Gennadievnauralmash91@list.ruCandidate of Economic Sciences, FSBEI HE Ural GAUкандидат экономических наук, ФГБОУ ВО Уральский ГАУ1207202675315380707202611072026

В статье рассматриваются теоретические и практические аспекты создания единых экосистем данных и цифровых двойников в животноводстве как ключевого направления цифровой трансформации отрасли. На основе анализа современных научных публикаций (2024–2026 гг.) определены архитектурные принципы построения цифровых двойников, включая многоуровневые и микросервисные подходы. Проанализированы методы интеграции разнородных источников данных: сенсоров Интернета вещей (IoT), систем компьютерного зрения, носимых устройств, спектроскопии молока, геномной информации и данных о кормлении. Рассмотрены проблемы верификации данных, обеспечения интероперабельности и кибербезопасности. Выявлен разрыв между технологическими обещаниями цифровых двойников и эмпирической доказательной базой: показано, что на сегодняшний день в коммерческих молочных и птицеводческих системах не развернуты полноценные цифровые двойники инженерного уровня. Предложены пути преодоления существующих барьеров, включая создание открытых и модульных архитектур, стандартизацию метаданных и разработку гибридных моделей, сочетающих физическое и статистическое моделирование. Сделан вывод о том, что успешная реализация цифровых двойников в животноводстве требует комплексного решения технических, экономических, этических и социальных проблем, а также разработки универсальных метрик для оценки их эффективности.

This article examines the theoretical and practical aspects of creating unified data ecosystems and digital twins in livestock farming as a key direction of the industry’s digital transformation. Based on an analysis of current scientific publications (2024–2026), the architectural principles of building digital twins are identified, including multi layered and microservices approaches. Methods for integrating heterogeneous data sources are analyzed: Internet of Things (IoT) sensors, computer vision systems, wearable devices, milk spectroscopy, genomic information, and feeding data. The problems of data verification, ensuring interoperability, and cybersecurity are considered. A gap is revealed between the technological promises of digital twins and the empirical evidence base: it is shown that, to date, fully fledged engineering level digital twins have not been deployed in commercial dairy and poultry systems. Ways to overcome the existing barriers are proposed, including the creation of open and modular architectures, metadata standardization, and the development of hybrid models that combine physical and statistical modeling. It is concluded that the successful implementation of digital twins in livestock farming requires a comprehensive solution to technical, economic, ethical, and social problems, as well as the development of universal metrics for evaluating their effectiveness.

цифровой двойникэкосистема данныхточное животноводствоИнтернет вещеймашинное обучениеинтеграция данныхверификацияинтероперабельностьмолочное животноводствоустойчивое развитиеdigital twindata ecosystemprecision livestock farmingInternet of Thingsmachine learningdata integrationverificationinteroperabilitydairy farmingsustainable developmentBrown Brandl T.M., Tao J. ASAS NANP Symposium: mathematical modeling in animal nutrition: harnessing real time data and digital twins for precision livestock farming // Journal of Animal Science. 2025. Vol. 103. P. skaf138. DOI: 10.1093/ jas/skaf138.Neethirajan S. Digital Twins for Cows and Chickens: From Hype Cycles to Hard Evidence in Precision Livestock Farming // Agriculture. 2026. Vol. 16, No. 2. Art. 166. DOI: 10.3390/agriculture16020166.Neethirajan S.R. Digital Twins in Poultry Farming: Deconstructing the Evidence Gap Between Promise and Performance // Applied Sciences. 2026. Vol. 16, No. 3. Art. 1317. DOI: 10.3390/app16031317.Albayrak A. A multi layered digital twin framework for smart agriculture and livestock: System architecture and implementation challenges // Information and Software Technology. 2026. Vol. 175. Art. 107654.Arulmozhi E., Lee J., Kim D. et al. From Reality to Virtuality: Revolutionizing Livestock Farming Through Digital Twins // Agriculture. 2024. Vol. 14, No. 12. Art. 2231. DOI: 10.3390/agriculture14122231.Abdelrahman M., Wang H., Smith J. et al. From machine learning to digital twin integration for livestock production and research // Frontiers in Veterinary Science. 2026. Vol. 13. Art. 1529760. DOI:Youssef A., Vodorezova K., Aarts Y. et al. IUMENTA: A generic framework for animal digital twins within the Open Digital Twin Platform // arXiv. 2024. arXiv:2411.02178. URL: https://arxiv.org/ abs/2411.02178 (дата обращения: 02.07.2026).Morgan Pereira P.H., de Oliveira R., Ferreira L. Digital twins in agriculture: A systematic literature review on modeling, semantics, and interoperability // Smart Agricultural Technology. 2026. Vol. 10. Art. 100345.Van der Tol P.P.J., de Vries M., van der Werf H. From isolated data to integrated ecosystems: the artificial intelligence revolution in precision livestock farming // Animal Frontiers. 2026. Vol. 16, No. 1. P. 5–12.Kumar S., Gupta P., Singh R. Harnessing digital twins: transforming livestock supply chain management: a comprehensive review // International Journal of Logistics Research and Applications. 2026.Brown Brandl T.M., Tao J. ASAS NANP Symposium: mathematical modeling in animal nutrition: harnessing real time data and digital twins for precision livestock farming // Journal of Animal Science. 2025. Vol. 103. P. skaf138. DOI: 10.1093/ jas/skaf138.Neethirajan S. Digital Twins for Cows and Chickens: From Hype Cycles to Hard Evidence in Precision Livestock Farming // Agriculture. 2026. Vol. 16, No. 2. Art. 166. DOI: 10.3390/agriculture16020166.Neethirajan S.R. Digital Twins in Poultry Farming: Deconstructing the Evidence Gap Between Promise and Performance // Applied Sciences. 2026. Vol. 16, No. 3. Art. 1317. DOI: 10.3390/app16031317.Albayrak A. A multi layered digital twin framework for smart agriculture and livestock: System architecture and implementation challenges // Information and Software Technology. 2026. Vol. 175. Art. 107654.Arulmozhi E., Lee J., Kim D. et al. From Reality to Virtuality: Revolutionizing Livestock Farming Through Digital Twins // Agriculture. 2024. Vol. 14, No. 12. Art. 2231. DOI: 10.3390/agriculture14122231.Abdelrahman M., Wang H., Smith J. et al. From machine learning to digital twin integration for livestock production and research // Frontiers in Veterinary Science. 2026. Vol. 13. Art. 1529760. DOI:Youssef A., Vodorezova K., Aarts Y. et al. IUMENTA: A generic framework for animal digital twins within the Open Digital Twin Platform // arXiv. 2024. arXiv:2411.02178. URL: https://arxiv.org/ abs/2411.02178 (access date: 02.07.2026).Morgan Pereira P.H., de Oliveira R., Ferreira L. Digital twins in agriculture: A systematic literature review on modeling, semantics, and interoperability // Smart Agricultural Technology. 2026. Vol. 10. Art. 100345.Van der Tol P.P.J., de Vries M., van der Werf H. From isolated data to integrated ecosystems: the artificial intelligence revolution in precision livestock farming // Animal Frontiers. 2026. Vol. 16, No. 1. P. 5–12.Kumar S., Gupta P., Singh R. Harnessing digital twins: transforming livestock supply chain management: a comprehensive review // International Journal of Logistics Research and Applications. 2026.