CC BY
24
УДК 631.171:55
ФОРМИРОВАНИЕ УБОРОЧНО-ТРАНСПОРТНОГО КОМПЛЕКСА ДЛЯ ЗАГОТОВКИ СИЛОСА
А.М. Валге, д-р. техн. наук Э.А. Папушин, канд. техн наук
А.И. Сухопаров, канд. техн. наук
Институт агроинженерных и экологических проблем сельскохозяйственного производства (ИАЭП) - филиал ФГБНУ ФНАЦ ВИМ, Санкт-Петербург, Россия
В статье представлены два варианта расчёта количества транспортных средств необходимых для обслуживания кормоуборочных комбайнов при заготовке кормов из провяленных трав (силос и сенаж) для животных, на основе полученных моделей детерминированного и статистического характера.
Кормоуборочный комбайн выполняет самые энергоёмкие операции в технологическом процессе заготовки кормов из провяленных трав. Процесс транспортировки силосуемой массы с поля к месту закладки на хранение является самой затратной технологической операцией при производстве кормов из трав. Поэтому, от оптимального соотношения количества комбайнов и обслуживающих их транспортных средств зависит эффективность всего технологического процесса. Нарушение агротехнических сроков закладки силосных хранилищ более чем на 4-5 дня способствует снижению качества корма.
С целью повышения эффективности заготовки силоса и сенажа разработаны две модели (детерминированного и статистического характера). Детерминированная модель определяет количество однотипных и с различной грузоподъёмностью транспортных средств для обслуживания одного кормоуборочного комбайна при бесперебойной их работе. При разработке статистической модели уборочно-транспортный комплекс был рассмотрен в виде стохастической системы, при которой возможны простои и очереди ведущих (кормоуборочный комбайн) и обслуживающих машин (транспортные средства) при любом сочетании и количестве. В этом случае для оптимизации транспортного обеспечения кормоуборочных комбайнов хорошо применима математическая модель в виде замкнутой системы теории массового обслуживания. Применение данного метода решения при формировании уборочно-транспортного комплекса по статистической модели позволяет обеспечить поточность технологического процесса доставки травяной массы с поля к хранилищу при ациклическом характере движении транспортных средств, что соответствует реальным условиям работы кормозаготовительного звена в производственных условиях.
Сравнительный анализ моделируемого варианта формирования уборочно-транспортного комплекса с применяемым вариантом в хозяйстве демонстрирует способность к снижению эксплуатационных затрат на производство силоса до 4,7% без существенного снижения показателя надёжности технологического процесса заготовки.
Ключевые слова: производство кормов, кормоуборочный комбайн, оптимизация, модель, замкнутая система, теория массового обслуживания.
Для цитирования: Валге А.М.,Сухопаров А.И.,Папушин Э.А. Формирование уборочно-транспортного комплекса для заготовки силоса // АгроЭкоИнженерия. 2021. №1(106). С.70-82
FORMATION OF HARVESTING AND TRANSPORTATION COMPLEX FOR SILAGE MAKING
A.M. Valge, DSc (Engineering); E.A. Papushin, Cand. Sc (Engineering)
A.I. Sukhoparov, Cand. Sc (Engineering),
Institute for Engineering and Environmental Problems in Agricultural Production (IEEP) - branch of FSAC VIM, Saint Petersburg, Russia
The article presents two options for calculating the number of vehicles required for servicing forage harvesters when making forage from air-cured grass (silage and haylage), based on created deterministic and statistical models.
In this process, the forage harvester performs the most energy-intensive operations. The transporting of grass for silage from the field to the storage is the most expensive technological operation in grass forage making. Therefore, the efficiency of the whole process depends on the optimal ratio of combines and servicing vehicles. Violation of ensiling time limits for more than 4-5 days contributes to the feed quality deterioration.
Two models (deterministic and statistical) were created to increase the efficiency of silage and haylage making. The deterministic model determined the number of both vehicles of the same type and with different carrying capacity for servicing one forage harvester under their uninterrupted operation. When developing a statistical model, the harvesting and transport complex was considered as a stochastic system, where the downtimes and queues of lead (forage harvester) and service machines (vehicles) might take place under any combination of their number. In this case, a mathematical model in the form of a closed system from the queuing theory may be successfully applied to optimise the transport support of forage harvesters. The optimal number of vehicles servicing the forage harvesters was determined based on their probabilistic downtime for various parameters of the system under consideration. The use of this solution method to form a harvesting and transport complex according to a statistical model ensured the process flow of delivering the grass from the field to the storage under the acyclic travelling of vehicles, which corresponded to the real operating conditions of the forage harvesting team.
Comparative analysis of the modeled option for the formation of a harvesting and transport complex with the option used on the farm demonstrated the ability to reduce the operating costs for silage making up to 4.7% without a significant decrease in the reliability of the harvesting process.
Key words: forage making, forage harvesting combine, optimisation, model closed-looped system, queueing theory
For citation: Valge A.M., Sukhoparov A.I., Papushin E.A. Formation of harvesting and transportation complex for silage making. AgroEkoInzheneriya. 2021. No.1(106): 70-82. (In Russian)
Введение
При заготовке кормов из трав, особенно при производстве силоса и сенажа, большое количество технических средств
задействовано на транспортировке провяленной травы с полей к местам закладки на хранение, количество которых, как правило, не совпадает с количеством полей [1, 2, 3, 4]. Доля эксплуатационных затрат на транспортировку травы с поля в хранилище при заготовке силоса в хозяйствах Северо-Запада России составляет 53-65%, а энергозатрат - 59-75% [5].
Заготовка силоса выполняется технологическими комплексами,
состоящими из кормоуборочных комбайнов и транспортных средств, эффективность работы которых существенно зависит от правильного их соотношения.
Кормоуборочный комбайн является наиболее капиталоёмкой машиной из всех технических средств, принимающих участие в производстве кормов из трав. Поэтому от эффективности применения комбайна уборочно-транспортном комплексе зависят стоимостные показатели получаемых кормов и в целом рентабельность животноводства [6, 7]. В связи с высокой стоимостью кормоуборочных комбайнов все остальные технические средства
кормозаготовительного зерна ориентируются на его производительность, т.е. выстраивается логическая цепочка транспортировки кормов с полей к их месту хранения, что бы обеспечить их заполнение в течении 4-5 дней, иначе будет происходить порча корма, за счёт сокращения числа молочнокислых бактерий в связи с доступом воздуха [1, 2, 8]. С ростом стоимости энергоресурсов и топлива стоимость единицы корма также будет возрастать. В связи с этим актуальным становится определение количества транспортных средств, необходимых для обслуживания одного кормоуборочного комбайна.
С развитием информационных технологий и разработкой различных математических программ, позволяющих обрабатывать большое количество данных с применением разнообразных
математических методов, стало возможным решение задач по оптимизации применения технических средств в кормопроизводстве [9, 10, 11, 12]. Оценка эффективности различных вариантов работы
сформированных уборочно-транспортных комплексов для заготовки кормов из провяленных трав будет способствовать рациональному использованию материально-технических ресурсов и, в целом, снижению себестоимости заготавливаемых кормов.
Материалы и методы
Как правило, один кормоуборочный силосную массу к силосной траншее,
комбайн обслуживается несколькими разгружается и возвращается к
транспортными средствами. После загрузки кормоуборочному комбайну для очередной
очередное транспортное средство перевозит загрузки. При правильном выборе
количества транспортных машин совместная их работа происходит без простоев машин. Рассмотрим возможные алгоритмы определения необходимого количества транспортных средств, требуемых для обслуживания кормоуборочного комбайна.
Детерминированный метод
Если за каждым кормоуборочным комбайном закрепляется несколько однотипных транспортных средств, то баланс распределения времени
обслуживания их комбайном можно представить в виде следующего тождества:
(1)
(N-1) • t3 = tTp +1p,
где N - общее количество транспортных средств, шт.; Л, - время загрузки одного транспортного средства, ч; гг - время движения транспортного средства от кормоуборочного комбайна до хранилища и обратно, ч; ^ - время разгрузки транспортного средства в хранилище, ч.
Уравнение (1) является основным балансным уравнением времени загрузки транспортного средства и перевозки силосной массы, при котором происходит бесперебойная работа всего уборочного комплекса без простоев кормоуборочного комбайна и транспортных средств.
Время движения транспортного средства до хранилища и обратно определяется по формуле:
60 • Я 60 • Я
К =-+-, (2)
Дв V V
где Я - радиус перевозки силосной массы с поля к месту закладки на хранение, км; У и У2 - скорости движения транспортного средства с грузом и без груза, км/ч.
С учётом соотношения (2), общее количество однотипных транспортных средств, необходимых для обслуживания одного комбайна и бесперебойной работы уборочно-транспортного комплекса, будет:
60 • Я 60 • Я
-+-+ г Р
N =-У-У-+1. (3)
г З
При формировании уборочно- с другой грузоподъёмностью. Если все транспортного комплекса транспортными транспортные средства одного типа (или средствами с различной грузоподъёмностью автомобили, или трактора), то составляющая задача определения количества машин формулы (1) (гТр + ) будет одинаковая для
усложняется. Ситуация возникает тогда, всех транспортных средств. Тогда для двух
когда при расчёте по формуле (3) реальное видов транспортных средств можно количество машин меньше расчётного и
записать:
необходимо дополнить транспортный отряд транспортными средствами этого же типа, но
(N1 -1) • ^ + N-1) • г ^ = гд6 + гв, (4)
где N и N - соответственно, количество транспортных средств первого о второго видов; и г32 - соответственно, время погрузки транспортных средств первого о второго видов.
На основании уравнения (4), при известном N, N будет определятся по следующему выражению:
N2 =-
(Т +гР) - (N-1) • t
31
+1.
и
(5)
Статистический метод
Для исследования систем типа «технологическая машина - транспортные средства» в литературе широко используются методы теории массового обслуживания [13].
В нашем случае целесообразно использовать математическую модель в виде замкнутой системы теории массового обслуживания. Модель представляется в виде N каналов обслуживания -кормоуборочных комбайнов (ведущих машин). Транспортные средства в этой модели имеют статус обслуживаемых машин (заявок требований). Принимается, что время обслуживания (погрузки транспортного средства) распределено по показательному закону с параметром ц (интенсивность обслуживания очередного требования). Поток требований (транспортных средств), поступающих на обслуживание принимается в виде стационарного пуассоновского потока
с интенсивностью X. Требования, заставшие все каналы занятыми, становятся в очередь и ожидают их освобождения. В такой системе всегда, с некоторой вероятностью, будет иметь место простоев как основных, так и транспортных машин. Поэтому возникает компромиссная задача комплектования уборочного комплекса таким количеством транспортных средств, что бы обеспечивался минимум затрат на простои машин.
В общем случае уборочных машин может быть несколько. Они обслуживаются группой транспортных машин. Число ведущих и транспортных машин на период рассмотрения остается постоянным. Обслуживающие машины после загрузки уезжают в хранилище и после разгрузки вновь возвращаются для обслуживания (замкнутая система). Обслуживающие машины образуют входной поток заявок обслуживания, подчиняющийся
распределению Пуассона [13]:
Р«) =
да
п!
-Л4
(6)
где п - число событий за время Л - интенсивность поступления заявок.
Каждая заявка обслуживается ведущей машиной за некоторое время, подчиняющееся показательному закону распределения:
Р(1) = ем4, (7)
где / - среднее время обслуживания (параметр закона распределения).
В общем виде в замкнутой системе массового обслуживания количество машин остается постоянным. Поток заявок поступает на вход обслуживающих машин. Если есть свободная обслуживающая машина, то она сразу приступает к обслуживанию, если все ведущие машины заняты, то заявка встает в очередь. Общая длина очереди не может быть больше числа обслуживающих машин.
Для составления математической модели замкнутой системы в соответствии с процедурой [13] используется граф Колмогорова (рис.1).
е
Рис. 1. Граф Колмогорова для замкнутой системы массового обслуживания N - число ведущих машин (кормоуборочных комбайнов); m - число транспортных машин;
Л - интенсивность поступления заявок на обслуживание (1/час); Л - интенсивность обслуживания заявок ведущими машинами, ¡л = const;
P0 - вероятность простоя всех ведущих машин;
P - вероятность простоя 1-ой ведущей машины.
Для графа, приведённого на рисунке 1, при установившемся режиме система уравнений, описывающих взаимосвязь различных вероятностей состояний системы, имеет вид [13]: для п < N
для n > N
- m—P0 + pPx = 0,
m—P0 - (m -1) —P-p + 2р = 0,
(m-1)—P -(m-n)—P2 -2p + 3p3 = 0.
(m - n +1) - ÄPn_! - (m - n) - APn - NpPn + NpPn-, = 0
(8)
(9)
APm-1 - NpPm = 0
Путем преобразования уравнений (8) и (9) получены следующие основные соотношения для определения показателей системы:
- вероятность простоя всех ведущих машин из-за отсутствия обслуживающих определится соотношением:
р =
1+1
m!Y
n m
+ 1"
m!Yn
1 (n - m)!n! n=N (m - n)!N!N
где Y = — ;
среднее число ведущих машин, простаивающих в ожидании обслуживающих:
-1
N-1
n-N
n
(N - п)т!У"
в „=0 п! (т - п)! '
среднее количество обслуживающих машин в очереди:
Nк
(п - N)т!¥п
Т(п-N)/
(11)
(12)
п^^" )(т - п)! N1
транспортные машины» представляет собой
Система «уборочные машины стохастическую систему, в которой при любом сочетании их количества возможны простои и очереди ведущих и обслуживающих машин.
Для обеспечения их оптимального состава используем критерий оптимизации в виде
[14]:
= СвN - СвпN +/С к 2г | СвпN + тСкп
(13)
О/ О/(1 -Ро)
где Св - стоимость затрат при работе ведущей машины; Свп - стоимость затрат простоя ведущей машины; Ск - стоимость затрат при работе обслуживающей машины; Скп -стоимость затрат при простое обслуживающей машины; г - радиус перевозки; О -количество перевозимого груза за 1 рейс.
После преобразования получим соотношение для оптимизации. При заданном количестве ведущих машин т , оптимальное количество обслуживающих машин определяется неравенством [15]:
1 -
CN + т.
1 - Ро(т -1)
>
1
1-
1-
Рот
<
CN + т,
1 - Ро(т +1)
(14)
С
где С = Свп
С
СКП
Уравнение (14) является универсальным, так как в него входят только нормированные переменные и оно пригодно для определения оптимальных параметров любой замкнутой системы массового обслуживания.
Для расчетов по формулам (10)-(14) для N = 2 разработана компьютерная программа [13], позволяющая получать нормированные
оптимальные показатели для любой многоканальной системы массового обслуживания при известных значениях Л и / для основного и транспортного технических средств и стоимости их простоя.
Результаты расчетов, по программе представлены в таблицах 1 и 2.
Таблица 1
Вероятности простоя кормоуборочных комбайнов при различных параметрах системы
обслуживания
Л Отношение стоимостей простоя комбайна и транспортного средства
ß 0,5 1,0 1,5 2,0 2,5 3,0
0,1 0,26 0,20 0,15 0,12 0,12 0,10
0,2 0,20 0,17 0,13 0,09 0,09 0,09
0,3 0,18 0,16 0,12 0,09 0,09 0,06
0,4 0,17 0,13 0,11 0,06 0,06 0,06
0,5 0,16 0,13 0,11 0,06 0,06 0,06
0,6 0,14 0,11 0,08 0,04 0,04 0,04
0,7 0,14 0,08 0,07 0,05 0,05 0,05
0,8 0,13 0,07 0,06 0,04 0,04 0,04
0,9 0,13 0,06 0,05 0,03 0,03 0,03
Таблица2
Оптимальное количество транспортных средств для обслуживания двух кормоуборочных
комбайнов
Л Отношение стоимостей простоя комбайна и транспортного средства
ß 0,5 1,0 1,5 2,0 2,5 3,0
0,1 13 15 17 18 18 19
0,2 8 9 10 10 11 11
0,3 6 7 7 8 8 9
0,4 5 6 6 7 7 7
0,5 4 5 5 6 6 6
0,6 4 5 5 5 6 6
0,7 4 4 5 5 5 5
0,8 3 4 4 5 5 5
0,9 3 4 4 4 5 5
Результаты и обсуждение
Сравнение детерминированного и статистического методов рассмотрим на примере определения оптимального количества транспортных машин
необходимых для обслуживания одного кормоуборочного комбайна.
Детерминированная модель
Смоделирована работа двух
кормоуборочных комбайнов Мага1-125М в производственных условиях при длине гона поля 700 м и урожайностью травы 12,0
т/га, время загрузки автомобиля ГАЗ-САЗ-3507 грузоподъемностью 4 т. составляет 10 мин. Средний радиус транспортировки травяной массы 5,0 км, средняя скорость движения автомобиля с грузом - 30,0 км/ч, без груза - 40,0 км/ч, среднее время разгрузки в силосную траншею - 2,0 мин.
При таких исходных данных по формуле (3) получим: 60•5 60•5
N =
- +-+ 2
30 40
+1 = 2,95 « 3 шт.
Для обслуживания одного
кормоуборочного комбайна необходимо три транспортных средства, а для обслуживания двух - 6 шт.
Статистическая модель.
Рассмотрим эту же модель при случайном изменении времени
обслуживания и времени загрузки. Примем следующие средние показатели:
- среднее время погрузки транспортного средства ^ = 10мин.;
- среднее время оборота транспортного средства (время движения с поля к хранилищу и обратно, и время на выгрузку) Чб + ¡в = (10 + 7,5) + 2 = 19,5 Ж .
Получаем следующие параметры системы массового обслуживания:
60 с. / = — = 6; 10
Л =
60 19,5
¡3; Л = 0,5. /
обслуживания двух кормоуборочных комбайнов Мага1-125М автомобилями с самосвальным кузовом ГАЗ-САЗ-3507.
При Л = 0,5 /
зависимости
от
В зависимости от отношения стоимости простоя комбайна и транспортного средства изменяются вероятность простоя комбайна и необходимое количество транспортных средств, необходимое для транспортировки силосной массы с поля к хранилищу, что наглядно представлено на рис. 2 на примере
отношения стоимостей простоев комбайна и транспортного средства, изменяются как вероятность простоя комбайна (см. таблица 1), так и необходимое количество автомобилей (см. таблица 2). При отношении стоимостей простоя комбайна и транспортного средства менее 2 для обслуживания двух комбайнов Мага1-125М, в рассматриваемом варианте, необходимо от 4 до 5 автомобилей ГАЗ-САЗ-3507. При этом вероятности простоя комбайнов составляют 0,16-0,11. При отношении стоимостей простоя кормоуборочных комбайнов и транспортных средств равное двум и более для обслуживания приведённых комбайнов необходимо шесть автомобилей грузоподъёмностью 4 т и вероятность простоев комбайнов составит 0,06, а для одного кормоуборочного комбайна, соответственно, три автомобиля.
и «
СЧ й
а ю
2 2
Р о
о К о ^ и о
8 °
га § &
и
0,18 0,16 0,14 0,12 0,1 0,08 0,06 0,04 0,02 0
V
к
ч
Отношение стоимости простоя комбайна и транспортных средств
| I Вероятность простоя кормоуборочного комбайна —*— Оптимальное количество транспортных средств
Рис. 2. Оптимальное количество транспортных средств для обслуживания
кормоуборочного комбайна
в
7
6
5
4
3
2
0
В приведённом примере, рассчитанных на основании статистической модели, количество автомобилей практически равно количеству, полученному по
детерминированной модели (3) (отклонение составило 1,7%), т.е. решение задачи по поиску оптимального количества
транспортных средств для обслуживания уборочной машины осуществимо по обоим методам. Однако решение по статистической модели замкнутой системы теории массового обслуживания будет более предпочтительно, поскольку она учитывает ацикличный характер движения транспортных средств, что является более реальным условием работы уборочно-транспортного комплекса при заготовке силоса.
В табл. 3 приведены результаты хронометражных наблюдений
технологического процесса транспортировки кормов из трав при производстве силоса. Наблюдения проводились за работой уборочно-транспортного комплекса
состоящего из одного кормоуборочного комбайна Мага1-125М, а в качестве транспортных средств выступали
автомобили-самосвалы ГАЗ-САЗ-5307. Рассматривались два варианта:
- 4 автомобиля обслуживают уборочную машину, который применяется в хозяйстве (базовый вариант);
- 3 автомобиля обслуживают кормоуборочный комбайн (расчётный вариант).
Таблица 3
Эффективность применения различного количества транспортных средств для обслуживания уборочной машины
Вариант Машина Кол. Простои по технологическим причинам, мин. Суммарно е время простоев, ч. Затраты за простой, руб. Эксплуат ационны е затраты, руб.
Средне е min max Кол. За 1 час простоя I Общие
Базовый Maral-125M 1 1,2 0,2 2,8 5 0,1 1412 141 4102 65055
ГАЗ-3507 4 4,7 0,4 8,5 95 7,46 531 3961
Расчётны й Maral-125M 1 1,0 0,4 5,2 42 0,72 1412 1017 1033 61986
ГАЗ-3507 3 2,0 0,5 1,5 2 0,03 531 16
Более эффективным оказался второй вариант, при котором было определено оптимальное количество транспортных средств по статистической модели замкнутой системы теории массового обслуживания. Формирование уборочно-транспортного комплекса по расчётному
варианту в сравнении с базовым вариантом способствует снижению эксплуатационных затрат на 4,7%.
Выводы
1. Система «уборочные машины -транспортные машины» представляет собой
стохастическую систему, в которой при любом сочетании их количества возможны простои и очереди ведущих (комбайны) и обслуживающих машин (транспортные средства). Поэтому актуально применение теории массового обслуживания для определения необходимого количества транспортных средств по графу Колмогорова.
2. Решена задача по определению оптимального количества автомобилей грузоподъёмностью 4 тонны для обслуживания двух кормоуборочных комбайнов Мага1-125М в зависимости от отношения стоимостей простоев комбайна и транспортного средства. При решении данной задачи выявлено, что вероятность простоя комбайнов составит 0,16-0,11 при
применении от 4 до 5 автомобилей, а чтобы снизить вероятность простоя комбайнов до 0,06 необходимо 6 автомобилей.
3. Формирование уборочно-транспортного комплекса по статистической модели замкнутой системы теории массового обслуживания более предпочтительно, чем по детерминированной, так как учитывается вероятностный ациклический характер движения транспортных средств от поля к месту хранения силосной массы.
4. Для хозяйств Северо-Запада России оптимизация по статистической модели количества транспортных средств, обслуживающих кормоуборочный комбайн способствует снижению затрат на производство силоса до 5%.
БИБЛИОГРАФИЧЕСКИЙ СПИСОК
1. Busato, P., Sopegno, A., Pampuro, N., Sartori, L., Berruto, R. Optimisation tool for logistics operations in silage production. Biosystems Engineering. 2019. No. 180: 146-160 doi.org/10.1016/j.biosystemseng.2019.01.008
2. Amiama C., Pereira J.M., Castro A., Bueno J. Modelling corn silage harvest logistics for a cost optimization approach. Computers and Electronics in Agriculture. 2015. No. 118: 56-65. doi: 10.1016/j.compag.2015.08.024
3. Севернев М.М. Энергосберегающие технологии в сельскохозяйственном производстве. М.: Колос. 1992. 190 с.
4. Добринов А.В. Оценка влияния производственных факторов на стоимость кормов из трав в условиях Северо-Запада России. / Технологии и технические средства механизированного производства продукции растениеводства и животноводства. 2002. № 73. С. 153-157.
5. Попов В.Д., Максимов Д.А., Морозов Ю.Л. и др. Технологическая модернизация отраслей растениеводства АПК Северо-Западного федерального округа. СПб.: ГНУ СЗНИИМЭСХ Россельхозакадемии. 2014. 288 с.
6. Basnet C.B., Foulds L.R., Wilson J.M. Scheduling contractors' farm-to-farm crop harvesting operations. International Transactions in Operational Research. 2006. No. 13 (1), pp. 1-15.
7. Vindis P., Stajnko D., Lakota M., Mursec B. Comparison of efficiency of single-row and self-propelled harvester on small farms. Actual Tasks on Agricultural Engineering, 2012. Vol 40, pp. 311-320.
8. Valge A., Sukhoparov A., Papushin E. Grass forage transportation process modeling. Proc.19th Int. Sci. Conf. "Engineering for Rural Development". 2020. Vol 19: 1201-1207 (In English).
9. Bueno J., Amiama C., Pereira J. M. Discrete event simulation model for the harvest cycle of silage corn. Proc. VII Congreso Iberico De Agroingeneria y Ciencias Horticolas: Innovar y Producir Para El Futuro. Madrid. Spain. 2014, pp. 1064-1068.
10. Edwards G., S0rensen C.G., Bochtis D.D., Munkholm L.J. Optimised schedules for sequential agricultural operations using a Tabu Search method. Computers and Electronics in Agriculture, 2015. Vol.117, pp. 102-113.
11. Добринов А.В. Повышение эффективности заготовки измельченного сена в условиях Северо-Запада РФ путем оптимизации технологических процессов и формирования адаптивных технологий. Автореферат диссертации на соискание ученой степени кандидата технических наук. СПб.: СЗНИИМЭСХ. 2003. 19 с.
12. Валге А.М. Использование систем Excel и Mathcad при проведении исследований по механизации сельскохозяйственного производства (Методическое пособие). СПб.: ГНУ СЗНИИМЭСХ Россельхозакадемии. 2013. 200 с.
13. Вентцель Е.С. Исследование операций. М.: Советское радио, 1972. 532с.
14. Кудрявцев Е.М. Комплексная механизация, автоматизация и механовооруженность строительства. М.: Стройиздат, 1989. 246с.
REFERENCES
1. Busato, P., Sopegno, A., Pampuro, N., Sartori, L., Berruto, R. Optimisation tool for logistics operations in silage production. Biosystems Engineering. 2019. No. 180: 146-160 doi.org/10.1016/j.biosystemseng.2019.01.008
2. Amiama C., Pereira J.M., Castro A., Bueno J. Modelling corn silage harvest logistics for a cost optimization approach. Computers and Electronics in Agriculture. 2015. No. 118: 56-65. doi: 10.1016/j.compag.2015.08.024
3.Severnev M.M. Energosberegayushchie tekhnologii v sel'skokhozyaistvennom proizvodstve [Energy saving technologies in agricultural production]. Moscow: Kolos. 1992: 190 (In Russian)
4. Dobrinov A.V. Otsenka vliyaniya proizvodstvennykh faktorov na stoimost' kormov iz trav v usloviyakh Severo-Zapada Rossii [Assessment of the influence of production factors on the cost of grass feed in the conditions of Northwest Russia]. Tekhnologii i tekhnicheskie sredstva mekhanizirovannogoproizvodstvaproduktsii rastenievodstva i zhivotnovodstva. 2002. No. 73:.153-157. (In Russian)
5. Popov V.D., Maksimov D.A., Morozov Yu.L. et al. Tehnologicheskaja modernizatsija otraslej rastenievodstva APK Severo-Zapadnogo federal'nogo okruga [Technological modernization of crop production sectors in the agro-industrial complex of the North-Western Federal District]. Saint-Petersburg: SZNIIMESH. 2014: 288. (In Russian)
6. Basnet C.B., Foulds L.R., Wilson J.M. Scheduling contractors' farm-to-farm crop harvesting operations. International Transactions in Operational Research. 2006. No. 13 (1), pp. 1-15.
7. Vindis P., Stajnko D., Lakota M., Mursec B. Comparison of efficiency of single-row and self-propelled harvester on small farms. Actual Tasks on Agricultural Engineering, 2012. Vol 40, pp. 311-320.
8. Valge A., Sukhoparov A., Papushin E. Grass forage transportation process modeling. Proc.19th Int. Sci. Conf. "Engineering for Rural Development". 2020. Vol 19: 1201-1207 (In English).
9. Bueno J., Amiama C., Pereira J. M. Discrete event simulation model for the harvest cycle of silage corn. Proc. VII Congreso Iberico De Agroingeneria y Ciencias Horticolas: Innovar y Producir Para El Futuro. Madrid. Spain. 2014, pp. 1064-1068.
10. Edwards G., S0rensen C.G., Bochtis D.D., Munkholm L.J. Optimised schedules for sequential agricultural operations using a Tabu Search method. Computers and Electronics in Agriculture, 2015. Vol.117, pp. 102-113.
11. Dobrinov A.V. Povyshenie effektivnosti zagotovki izmel'chennogo sena v usloviyakh Severo-Zapada RF putem optimizatsii tekhnologicheskikh protsessov i formirovaniya adap-tivnykh tekhnologii [Improving the efficiency of harvesting chopped hay in the North-West of the Russian Federation by optimizing technological processes and developing adaptive technologies]. Avtoreferat dissertatsii na soiskanie uchenoi stepeni kandidata tekh-nicheskikh nauk [Author's Abstract of Cand. Sci. (Enginering) Thesis]. Saint Petersburg: SZNIIMESH. 2003: 19 (In Russian)
12. Valge A.M. Ispol'zovanie sistem Excel i Mathcad pri provedenii issledovanij po mekhanizatsii sel'skokhozyajstvennogo proizvodstva (Metodicheskoe posobie) [Application of Excel and Mathcad in research related to mechanisation of agricultural production/ Guidance manual]. SPb.: GNU SZNIIMESKH Rossel'khozakademii, 2013: 200 (In Russian)
13. Venttsel E.S. Issledovanie operatsii [Operations research]. Moscow: Sovetskoe radio, 1972: 532 (In Russian)
14. Kudryavtsev E.M. Kompleksnaya mekhanizatsiya, avtomatizatsiya i mekhanovooruzhennost' stroitel'stva [Complex mechanization, automation and degree of construction work mechanisation]. Moscow: Stroiizdat, 1989: 246 (In Russian)
УДК 631.311:51-74
ВЛИЯНИЕ СКОРОСТИ ДВИЖЕНИЯ ПОЧВООБРАБАТЫВАЮЩЕГО АГРЕГАТА НА ЕГО МЕХАНИЧЕСКИЙ И ЭНЕРГЕТИЧЕСКИЙ КОЭФФИЦИЕНТЫ ПОЛЕЗНОГО ДЕЙСТВИЯ
82
