АЛГОРИТМІЧНІСТЬ СЕЗОННОЇ БЕЗВІДМОВНОСТІ ГІДРОСИСТЕМ ЗЕРНОЗБИРАЛЬНИХ КОМБАЙНІВ

Дмитро Володимирович Задорожнюк

doi:10.32845/msnau.2022.4.5

Дмитро Володимирович Задорожнюк https://orcid.org/0000-0003-3869-7213

DOI: https://doi.org/10.32845/msnau.2022.4.5

Ключові слова: алгоритм, зернозбиральний комбайн, безвідмовність, втрати урожаю, критерій

Анотація

В статті сформульовані методичні підходи оптимізації щодо підвищення оперативної готовності парку та збільшення сезонного виробітку за рахунок оптимального розподілу робіт між групами зернозбиральних комбайнів. Авторами розроблена методика оптимізації сезонного навантаження ресурсних груп зернозбиральних комбайнів технологічного комплексу з урахуванням їх технічного стану та умов експлуатації. При цьому процес машиновикористання зернозбирального комбайна розглядається у вигляді особливості експлуатації зернозбиральних комбайнів, як такої, що вони використовуються для обмеженої кількості сільськогосподарських операцій протягом обмеженого агротехнічного терміну. На підставі аналізу зміни вартості підтримки гідросистем комбайна у працездатному стані, автором виділено межі ресурсних груп, основними критеріями яких стали досягнуті показники надійності при наявному напрацюванні гідросистем, обсяг ремонтних впливів планово-попереджувальної системи обслуговування, прогнозоване сезонне напрацювання, а також вартість усунення наслідків відмов гідросистем комбайна. Також важливим фактором при розрахунку складу парку зернозбиральних комбайнів та плануванні його сезонного навантаження обгрунтовано ринкову вартість комбайнів для кожної із ресурсних груп, зниження якої також відбувається нелінійно. Оптимізація напрацювання гідросистем комбайна полягає у визначенні меж ресурсних груп, зниженні напрацювання за межами зниження коефіцієнта оперативної готовності, що призводить до простою комбайнів та втрат у результаті порушення агротехнічних термінів. Так як сезонна експлуатація зернозбиральних комбайнів складається з декількох етапів збирання різних культур або їх сортів, що мають різні терміни дозрівання. В статті отримано залежність зростання експлуатаційних витрат при усуненні наслідків відмов у міру їх виникнення та за планово-попереджувальної системи технічного контролю і ремонту та визначення меж ресурсних груп залежно від напрацювання. Обґрунтовано алгоритм оптимізації сезонного навантаження парку зернозбиральних комбайнів. Представлено результати порівняння середнього навантаження на один комбайн по країні та напрацювання по обстежуваному парку зернозбиральних комбайнів. Отримані результати, як перспектива подальших досліджень, можуть бути використані аграрними господарствами при комплектуванні комбайнового машинного парку як вітчизняними так і імпортними моделями зернозбиральних комбайнів.

Посилання

1. Achkoski, J., Koceski, S., Bogatinov, D., Temelkovski, B., Stevanovski, G. & Kocev I. (2017). Remote triage support algorithm based on fuzzy logic. Journal of the Royal Army Medical Corps, 163(3): 164–170. https://doi.org/10.1136/jramc-2015-000616.
2. Aven, T. (2016). Risk assessment and risk management: review of recent advances on their foundation. European Journal of Operational Research, 253(1): 1–13.
3. Caffaro, F., Cremasco, M., Roccato, M. & Cavallo E. (2020). Drivers of farmers’ intention to adopt technological innovations in Italy: The role of information sources, perceived usefulness, and perceived ease of use. Journal of Rural Studies, 76: 264–271.
4. Gurcanli, E., Bilir, S., & Sevim, M. (2015). Activity based risk assessment and safety cost estimation for residential building construction projects. Safety Science, 80: 1–12.
5. Gyansah, L. & Ansah, A. (2020). Fatigue crack initiation analysis in 1060 steel. Research Journal of Applied Sciences Engineering and Technology, 4(2): 319–325.
6. Hrynkiv, A., Rogovskii, I., Aulin, V., Lysenko, S., Titova, L., Zagurskіy, O. & Kolosok, I. (2020). Development of a system for determining the informativeness of the diagnosing parameters of the cylinder-piston group of the diesel engines in operation. Eastern-European Journal of Enterprise Technologies, 3(105): 19–29. https://doi.org/10.15587/1729-4061.2020.206073.
7. Huang, N. (2015). On Holo-Hilbert spectral analysis: a full informational spectral representation for nonlinear and nonstationary data. Philosophical Transactions of the Royal Society A: Mathematical, Physica, 6: 13–26. https://doi.org/10.1098/rsta.2015.0206.
8. Kavka, M., Mimra, M. & Kumhála, F. (2016). Sensitivity analysis of key operating parameters of combine harvesters. Research in Agricultural Engineering, 62(3): 113–121.
9. Kuzmich, I. M., Rogovskii, I. L., Titova, L. L., & Nadtochiy, O. V. (2021). Research of passage capacity of combine harvesters depending on agrobiological state of bread mass. IOP Conference Series: Earth and Environmental Science, 677: 052002. http://dx.doi.org/10.1088/1755-1315/677/5/052002.
10. Kypris, O., Nlebedim, I., & Jiles, D. (2016). Measuring stress variation with depth using Barkhausen signal. Journal of Magnetism and Magnetic Materials – Science Direct, 407: 377–395.
11. Li, K., Qi, X., Wei, B., Huang, H., Wang, J. & Zhang, J. (2017). Prediction of transformer top oil temperature based on kernel extreme learning machine error prediction and correction. High Voltage Engineering, 43(12): 4045–4053. https://doi.org/10.13336/j.1003-6520.hve.20171127032.
12. Matindi, R., Masoud, M., Hobson, P., Kent, G. & Liu, S. (2018). Harvesting and transport operations to optimise biomass supply chain and industrial biorefinery processes. International Journal of Industrial Engineering Computations, 9(3): 265–288.
13. Miu, V. (2016). Combine harvesters: theory, modeling and design. CRC, 6: 208–242.
14. Mozharivskyi, D. M., Titova, L. L., Nadtochiy, O. V. & Dasic, P. (2022). Aspects of expert system of engineering management of technical condition of grain harvesters. Machinery & Energetics. Journal of Rural Production Research, 13(1): 60–66. http://dx.doi.org/10.31548/machenergy2022.01.060.
15. Najafi, P., Asoodar, M., Marzban, A., & Hormozi, M. (2015). Reliability analysis of agricultural machinery: a case study of sugarcane chopper harvester. AgricEngInt: CIGR Journal, March 17(1)1: 158–165.
16. Nazarenko, I., Dedov, O., Bernyk, I., Rogovskii, I., Bondarenko, A., Zapryvoda, A. & Titova, L. (2020). Study of stability of modes and parameters of motion of vibrating machines for technological purpose. Eastern-European Journal of Enterprise Technologies, 6(7–108): 71–79. https://doi.org/10.15587/1729-4061.2020.217747.
17. Nazarenko, I., Mishchuk, Y., Mishchuk, D., Ruchynskyi, M., Rogovskii, I., Mikhailova, L., Titova, L., Berezovyi, M. & Shatrov, R. (2021). Determiantion of energy characteristics of material destruction in the crushing chamber of the vibration crusher. Eastern-European Journal of Enterprise Technologies, 4(7(112)): 41–49. https://doi.org/10.15587/1729-4061.2021.239292.
18. Nykyforchyn, H., Lunarska, E., & Tsyrulnyk, O. (2019). Environmentally assisted “in-bulk” steel degradation of long term service gas trunkline. Engineering Failure Analysis, 17: 624–632.
19. Pöhlitza, J., Rücknagela, J., Koblenza, B., Schlüterb, S., Vogelb, Hans-Jörg & Olaf, C. (2018). Computed tomography and soil physical measurements of compaction behaviour under strip tillage, mulch tillage and no tillage. Soil and Tillage Research, 175: 205–216. https://doi.org/10.1016/j.still.2017.09.007.
20. Rejovitzky, E. & Altus, E. (2013). On single damage variable models for fatigue. International Journal of Damage Mechanics, 22(2): 268–284.
21. Rogovskii, I., Titova, L., Novitskii, A. & Rebenko, V. (2019). Research of vibroacoustic diagnostics of fuel system of engines of combine harvesters. Engineering for Rural Development, 18: 291–298. https://doi.org/10.22616/ERDev2019.18. N451.
22. Rogovskii, I. L. (2019). Systemic approach to justification of standards of restoration of agricultural machinery. Machinery & Energetics. Journal of Rural Production Research. Kyiv. Ukraine, 10(3): 181–187. https://doi.org/10.31548/machenergy2019.03.181.
23. Rogovskii, I. L., Titova, L. L., Gumenyuk, Yu. O. & Nadtochiy, O. V. (2021). Technological effectiveness of formation of planting furrow by working body of passive type of orchard planting machine. IOP Conference Series: Earth and Environmental Science, 839: 052055. https://doi.org/10.1088/1755-1315/839/5/052055.
24. Romaniuk, W., Polishchuk, V., Marczuk, A., Titova, L., Rogovskii, I. & Borek, K. (2018). Impact of sediment formed in biogas production on productivity of crops and ecologic character of production of onion for chives. Agricultural Engineering, 22(1): 105–125. https://doi.org/10.1515/agriceng-2018-0010.
25. Tyutrin, S. (2019). Improving reliability of parts of mounted mower according to monitoring results by fatigue gauges from tin foil. Engineering for Rural Development, 18: 22–27.
26. Voinalovych, O., Hnatiuk, O., Rogovskii, I., & Pokutnii, O. (2019). Probability of traumatic situations in mechanized processes in agriculture using mathematical apparatus of Markov chain method. Engineering for rural development, 18: 563–569.
27. Xu, L., Wei, C., Liang, Z., Chai, X. & Li, Y. (2019). Development of rapeseed cleaning loss monitoring system and experiments in a combine harvester. Biosystems Engineering, 178: 118–130.
28. Yezekyan, T., Marinello, F., Armentano, G., Trestini, S. & Sartori, L. (2020). Modelling of harvesting machines’ technical parameters and prices. Agriculture, 10(6): 194–204.
29. Zubko, V., Sirenko, V., Kuzina, T., Koszel, M., & Shchur, T. (2022). Modelling wheat grain flow during sowing based on the model of grain with shifted center of gravity. Agricultural Engineeringthis link is disabled, 26(1): 25–37. https://doi.org/10.2478/agriceng-2022-0003.