2
Рис. 1. Питатель-смеситель 1 - базовая машина, 2 - рама; 3 - питатель; 4 - транспортёр отгрузочный; 5, 8 - вал; 6, 9 - шнек;
7 - зубья отделяющие; 10 - гиполидная передача; 11 - отгрузочное окно
При поступательном движении базовой машины питатель внедряется в груз. При вращении вала во взаимодействие с грузом вступают отделяющие зубья, которые разрушают внутренние связи в материале. Затем цилиндрический ленточный шнек, захватывая и осуществляя полное перемешивание, перемещает отделенный материал в область отгрузочного окна. Вращение вала и вала происходит непрерывно, поэтому груз перемещается плавно по отгрузочному транспортеру с помощью шнека. Такая конструкция позволяет решить поставленную техническую задачу, а именно, одновременное отделение часть груза от массива, перемещение и полное его перемешивание.
Таким образом, разработка новых машин и оборудования для АПК Поволжского региона позволяет сделать вывод о том, что осваиваемая номенклатура техники может обеспечить выполнение технологических операций на возделывании, уборке и послеуборочной переработке основных сельскохозяйственных культур.
Литература
1. Левченко, Г.В. Погрузчик-смеситель [текст]/ Г.В. Левченко, И.С. Алексеенко, П.И. Павлов/ Патент на полезную модель №87153, Бюллетень. №27, 2009
2. Левченко, Г.В. Результаты исследований погрузчика-смесителя почвы для теплиц [текст] / Г.В. Левченко, А.О. Везиров, П.И. Павлов / Аграрный научный журнал, №8, 2013, с.62...64.
ИСПОЛЬЗОВАНИЕ МЕТОДОВ МАТЕМАТИЧЕСКОЙ ОБРАБОТКИ ДЛЯ ОБОСНОВАНИЯ
РЕЦЕПТУРНОГО СОСТАВА МНОГОКОМПОНЕНТНОЙ СМЕСИ
Любимова Ольга Ивановна
Ст. преподаватель Хабаровской государственной академии экономики и права, г.Хабаровск
Вахрушева Людмила Афанасьевна
Ст. преподаватель Хабаровской государственной академии экономики и права, г.Хабаровск
USING MATHEMATICAL PROCESSING FOR JUSTIFICATION FORMULATIONS MULTICOMPONENTMIXTURES Lyubimova Olga, S. lecturer Khabarovsk State, Academy of Economics and Law, Khabarovsk Vakhrusheva Lyudmila A., S. Lecturer Khabarovsk State, Academy of Economics and Law, Khabarovsk
3. Левченко, Г.В. Устройство для упорядоченной укладки рулонов грубых кормов [текст] / Г.В. Левченко, В.Н. Соколов, А.В. Ракутина / Научное обозрение, № 3. - Саратов, ООО «АПЕКС-94», 2014., с. 38...41.
4. Комаров, Ю.В. Совершенствование технологического процесса отделения почвенных примесей от корней сахарной свеклы крупноячеистым сепаратором [текст] / Автореферат диссертации на соискание учёной степени кандидата технических наук/ Саратов, 1997, 24 с.
5. Тюрин, И.Ю. Совершенствование технологического процесса досушивания сена на стационаре [текст] / Автореферат диссертации на соискание учёной степени кандидата технических наук/ Саратов, 2000, 24 с.
6. Тюрин, И.Ю. Значение процесса и способы сушки зерна [текст] // Тюрин И.Ю., Тельнов М.Ю // Научное обозрение, № 4. - Саратов, ООО «АПЕКС-94», 2011., с.112.115.
7. Тюрин, И.Ю. Совершенствование процесса досушивания сена[текст]/ Монография / Saarbrucken, 2012,
8. Соколов, Н.М. Обоснование параметров противо-эрозионного приспособления для обработки склонных почв [текст] / Н.М. Соколов / Научное обозрение, № 3. - Саратов, ООО «АПЕКС-94», 2012., с.109.112.
АННОТАЦИЯ
С помощью методов математического анализа смоделирован оптимальный рецептурный состав многокомпонентной рыборастительной смеси с использованием сои и рыбы дальневосточных пород для производства паштетов и котлет. В результате решения задачи, получены следующие концентрации соевых белково-минеральных компонентов: С1 = 30 - 33%; С2 = 30 - 33%.
ABSTRACT
Using the methods of mathematical analysis modeled the optimal prescription fish-vegetal composition of multicomponent mixtures with soy and fish species for the production of Far pates and cutlets. As a result of solving the problem, the following concentrations of soy protein and mineral components: C1 = 30 - 33%; C2 = 30 - 33%.
Оптимальный состав соевого белково-минераль-ного компонента (СБМК) и рыбного фарша планировался, исходя из различных вариаций рецептурного состава с их последующей органолептической оценкой.
На этом этапе проводимых исследований были установлены наиболее значимые факторы и взаимодействия, оказывающие наибольшее влияние на исследуемые процессы.
Уровни и интервалы
К этим факторам относятся: С, (Х1) - массовая доля соевого белкового продукта в фарше и паштетной массе,%; ^ (Х2) - температура тепловой обработки продукта, °С; Т, (Х3) - продолжительность тепловой обработки, мин.
После этого, на основании поисковых опытов, определялись уровни и интервалы варьирования факторов для исследуемых процессов. Значения показателей представлены в таблице 1.
Таблица 1
варьирования факторов_
Факторы Обозначения С,% t,°C Т, мин
Х1 Х 2 Х з
Центр эксперимента 0 30 120 30
Интервал варьирования Е 20 10 10
Верхний уровень +1 50 130 40
Нижний уровень -1 10 110 20
Звездная точка + +1,215 54,30 132,15 42,15
Звездная точка - -1,215 5,70 107,85 17,85
Эксперимент проводился с°гласн° матрице, пред- органолептической оценки в баллах: 7, 72 - для консер-ставленной в таблице 2, в которой приведены результаты
вированных котлет, 7 , 72 - для паштета рыбораститель-ного.
Таблица 2
Матрица полного факторного эксперимента
№ опыта Х1 Х 2 Х 3 Фарш котлетный Фарш паштетный
Y 1 (минтай) y2 z (кета) Y 1 (сайра) y2 z (кета)
1 -1 -1 +1 17,9 19,8 19,5 17,6
2 +1 -1 -1 19,0 20,4 20,5 18,7
3 -1 +1 -1 18,1 20,0 19,0 17,6
4 +1 +1 +1 19,5 20,8 21,3 19,7
5 -1 -1 -1 16,8 18,8 18,0 16,2
6 +1 -1 +1 17,6 19,6 18,7 17,1
7 -1 +1 +1 18,3 19,9 19,5 18,5
8 +1 +1 -1 17,2 19,6 18,9 17,1
9 -1,215 0 0 18,1 19,8 19,3 18,4
10 +1,215 0 0 19,3 21,2 20,4 19,6
11 0 -1,215 0 19,5 20,9 21,5 19,4
12 0 +1,215 0 20,8 22,1 21,7 19,9
13 0 0 -1,215 19,7 20,5 20,3 19,1
14 0 0 +1,215 20,8 22,0 21,8 20,1
15 0 0 0 20,9 22,7 22,7 21,6
Дегустации представленных образцов фаршевых композиций с СБМК проводились в специализированной лаборатории. Образцы изделий кодировались с использованием произвольных трехзначных чисел. Результаты оценки образцов каждого дегустатора заносились в специально разработанные дегустационные листы. В них рассчитывали среднее арифметическое значение единичных
показателей и фиксировали эти результаты. Общая оценка, значения комплексных и единичных показателей служили основой для заключения о качестве продукции.
В ходе математической обработки экспериментальных данных, по двум вариантам, был проведен регрессионный анализ зависимостей:
-у1 = /(х1, х2, х3) -¥{ = /(х1, х2, х3) . -72 = /(Х1' Х2' Х- = /(Х1, Х2, Х3)
согласно таблицам 3 и 4.
(1) (2)
d Таблица 3
Регрессионный анализ зависимости
7! = /( х1, х 2, х з)
Шаг анализа
1 2 3 4
Коэффициенты модели а0 21.126 21.126 21.126 21.126
а1 0.3340 0.3340 0.3340 0.3340
а2 0.3086 0.3086 0.3086 —
а3 0.3229 0.3229 0.3229 0.3229
а12 -0.2000 -0.2000 — —
а13 -0.0500 — — —
а 23 0.3500 0.3500 0.3500 0.3500
а11 -1.6936 -1.6936 -1.6936 -1.6936
а 22 -0.7114 -0.7114 -0.7114 -0.7114
а33 -0.6436 -0.6436 -0.6436 -0.6436
Стандартное отклонение 3.1136 3.1336 3.4536 4.4964
^корреляция 0.93396 0.93355 0.92648 0.90309
Р-критерий 3.4151 4.5221 5.3026 5.0540
Таблица 4
72 = /(х1, х2, х3) Регрессионный анализ зависимости ^ 1 ^ ^ _
Шаг анализа
Коэффициенты 1 2 3 4
модели а 0 22.4540 22.4540 22.4540 22.4540
а! 0.3288 0.3288 0.3288 0.3288
а2 0.2883 0.2883 0.2883 0.2883
а 3 0.2851 0.2851 0.2851 —
а12 -0.1125 -0.1125 — —
а13 -0.0625 — — —
Продолжение таблицы 4
а23 0.1125 0.1125 — —
а11 -1.2689 -1.2689 -1.2689 -1.2689
а22 -0.5915 -0.5915 -0.5915 -0.5915
а33 -0.7608 -0.7608 -0.7608 -0.7608
Стандартное отклонение 2.1720 2.2033 2.4058 3.2960
^корреляция 0.93184 0.93080 0.92418 0.89442
Р-критерий 3.2971 4.3232 6.6909 5.9998
71 72
Результаты регрессионного анализа для ^ представлены в таблице 5, а области экстремальных значений
факторов и критериев оптимизации в таблице 6.
Таблица 5
Результаты регрессионного анализа для опытов по фаршу котлетному
Заключение об
Критерий а0 а1 а 2 а3 а12 а13 а23 а11 а22 а33 адекватности
Рк Рт
71 21. 126 0. 334 0. 309 0. 323 - - 0. 350 -1. 694 - 0. 711 -0. 644 5.3026 3.79
72 22. 4540 0. 3288 0. 2883 0. 2851 - - - -1.2 689 -0. 5 915 -0. 7608 6.6909 4.15
В результате проведенных экспериментов и их обработки, получены математические модели процесса, представленные в таблице 6:
Таблица 6
_Области экстремальных значений для опытов по фаршу котлетному_
Критерий X1 X 2 х 3 y
Y1 . 1 - min 0.10 0.30 0.33 21.242
0.10 0.30 0.34 21.242
0.10 0.29 0.33 21.242
0.10 0.30 0.32 21.242
0.10 0.31 0.34 21.242
0.10 0.31 0.33 21.242
0.10 0.29 0.32 21.242
0.10 0.29 0.34 21.242
0.09 0.30 0.33 21.242
0.09 0.30 0.34 21.242
Y2 ^ - max 0.13 0.24 0.19 22.537
0.13 0.25 0.19 22.537
0.13 0.24 0.18 22.537
0.13 0.25 0.18 22.537
0.13 0.23 0.19 22.537
0.12 0.24 0.19 22.537
0.13 0.24 0.20 22.537
0.12 0.25 0.19 22.537
0.13 0.25 0.20 22.537
0.14 0.24 0.19 22.537
- в кодированной форме:
2
Y1 = 21,126 + 0,334Х! + 0,309Х2 + 0,323Х3 + 0,350Х2Х3 - 1,694Xi -
1
2
3
■2 х 3
1
- 0,711X2 - 0,644Х32
^ max (3)
y2 = 22,454 + 0,329Х1 + 0,288Х2 + 0,285Х3 - 1,269Х^ - 0,591Х| - 0,764Х32
^ max (4)
в раскодированной форме:
n1 = -8,348 + 0,270С + 1,633? - 0,00152Г + 0,0035/Г - 0,0042С2 -
- 0,0071/2 - 0,0064Г2
' ' ^ max (5)
N2 = -0,772 + 0,206С + 1,448/ - 0,485Г - 0,0031С2 - -0,0059?2 - 0,0076Г2
^ max (6)
F > F
Адекватность полученных моделей 4 - 6 подтверждается неравенством R Г , согласно таблице 7.
Регрессионный анализ зависимости
Y' = f (хь х2, х 3)
Таблица 7
Шаг анализа
1 2 3 4 5
Коэффициенты модели а0 22.470 22.470 22.470 22.470 22.470
flj 0.4142 0.4142 0.4142 0.4142 0.4142
а2 0.2413 0.2413 0.2413 — —
«3 0.3673 0.3673 0.3673 0.3673 —
а12 0.0750 — — — —
а13 -0.2500 -0.2500 — — —
а23 0.5000 0.5000 0.5000 0.5000 0.5000
а11 -1.7238 -1.7238 -1.7238 -1.7238 -1.7238
а22 -0.5383 -0.5383 -0.5383 -0.5383 -0.5383
Шаг анализа
1 2 3 4 5
а33 -0.9109 -0.9109 -0.9109 -0.9109 -0.9109
Стандартное отклонение 4.0990 4.1440 4.7818 5.2818 6.7592
R-корреляция 0.92528 0.92442 0.91223 0.90256 0.87338
F-критерий 2.9757 3.9166 4.3383 5.0219 4.8237
В результате приведенных экспериментов и их обработки получены регрессионные зависимости, согласно таблицам 8, 9 и 10:
Таблица 8
72 = / (Хь Х2, Х3) Регрессионным анализ зависимости ^ 1 ^ -3
Шаг анализа
а0 21.2430 21.2430 21.2430
а1 0.3796 0.3796 0.3796
а 2 0.3568 0.3568 —
аз 0.4122 0.4122 0.4122
Коэффициенты а12 -0.1625 — —
модели а13 -0.1625 — —
а23 0.4625 0.4625 0.4625
а11 -1.4402 -1.4402 -1.4402
а22 -0.999 -0.999 -0.999
а33 -1.0338 -1.0338 -1.0338
Стандартное отклонение 3.31307 3.5532 4.9472
R-корреляция 0.94284 0.93485 0.90802
F-критерий 4.0023 6.0669 5.3691
Таблица 9
Результаты регрессионного анализа для опытов по фаршу паштетному_
Критерий а0 а1 а 2 а 3 а12 а13 а23 а11 а22 а33 Заключение об адекватности
Рк Рт
71 22.4700 0.4142 — 0.3673 — — 0.5000 -1.7238 -0.5383 -0.9109 5.0219 4.15
72 21.2430 0.3796 0.3568 0.4122 — — 0.4625 -1.4402 -0.9999 -1.0338 6.0669 3.79
Таблица 10
Области экстремальных значений для опытов по фаршу паштетному
Критерий Х1 Х2 Х 3 7
1 2 3 4 5
71 1 - max 0.12 0.11 0.23 22.537
0.12 0.10 0.23 22.537
0.12 0.11 0.24 22.537
0.12 0.12 0.23 22.537
0.12 0.10 0.22 22.537
0.12 0.12 0.24 22.537
0.12 0.11 0.22 22.537
0.12 0.10 0.24 22.537
0.12 0.09 0.23 22.537
0.13 0.11 0.23 22.537
72 ■ ^ - mm 0.13 0.24 0.25 21.362
0.13 0.23 0.25 21.362
0.13 0.24 0.26 21.362
0.14 0.24 0.25 21.362
0.13 0.23 0.26 21.362
Критерий Х1 Х 2 Х 3 y
1 2 3 4 5
0.14 0.23 0.25 21.362
0.14 0.24 0.26 21.362
0.13 0.23 0.24 21.362
0.13 0.24 0.24 21.362
0.13 0.25 0.26 21.362
y1 = 22,470 + 0,414Х1 + 0,367Х2 + 0,500Х3 - 1,724Х12 - 0,538Х| - 0,911Х
^ max (7)
Y2 = 21,243 + 0,380Х1 + 0,357Х2 + 0,412Х3 + 0,463Х2Х3 - 1,440Х 1,000Х| - 1,034Х32
^ max (8)
в раскодированной форме:
2
2
n = 8,973 - 0,279С - 0,110t - 0,050T - 0,0004tt + 0,004С^ + 0,000бГ + 0,0005T
2
^ max (9)
n2' = -1,252 - 0,235С - 0,247t - 0,067T - 0,0004fT + 0,0036C2 +
+ 0,0011t2 + 0,0006T2
^ max (10)
Адекватность полученных моделей подтвержда-F > Fr
ется неравенством
R
, согласно таблице 8.
После получения математических моделей процессов определялись координаты оптимума и изучались по-
верхности откликов (критериев оптимизации -
yy
2
Y Y,
) в окрестностях оптимума.
В результате решения задачи, получены следующие оптимальные концентрации соевых белково-мине-ральных компонентов:
- для фаршевых комбинированных композиций, коли-
чество СБМК:
С = 30 - 33%;
- для паштетных комбинированных композиций, ко-
личество СБМП:
С = 30 - 33°%.
2
2
METHODOLOGICAL BASES OF CONSTRUCTIONAL SHIP SAFETY MANAGEMENT
Moskalenko Mikhail
Maritime State University named after G. I. Nevelskoy, Vladivostok, Russia
ABSTRACT
Accidents at sea with the exhausting of ship's hull bearing capacity and subsequent breaking are becoming an actual problem for safety of navigation and environment within the last decades.
Problems of assessment and management of constructional safety are critical both for ships being built and for ships operating for a long period of time.
We suggest a methodological approach to assessment and rating of constructional hull safety level in the form of residual resources depending on the ship's operating period.
KEY WORDS: ship, accidents, constructional safety
Accidents at sea with the exhausting of bearing capacity of ship's hull and subsequent breaking have become actual since the start of development of all-welded hull shipbuilding, for example, it was typical for "Liberty" type ships.
As a rule, the accidents took place during ballast voyages in rough sea in cold season. Subsequent scientific analysis allowed to make a conclusion about constructional
deficiency in the project because of insufficient awareness of "constructional stress" in the hull structure. According to Howard, during 10 years (1943-1953) there were 1450 tears or breakings of hulls of ships more than 100 metres long. 231 accidents were to be classified as serious and connected with the threat of breaking. In 19 accidents there was a real breaking.