Содержание к диссертации
Введение
ГЛАВА 1. Состояние вопроса и задачи исследований 10
1.1. Общее состояние отрасли кормопроизводства на Северо-Западе России и в Ленинградской области 10
1.2. Современное состояние технологий и технических средств кормопроизводства 14
1.3. Обзор методов проектирования технологий производства кормов из трав 20
1.4. Основные выводы по главе 1 26
1.5. Цель и задачи исследования 27
ГЛАВА 2. Формализация основных технологических процессов заготовки кормов из трав 30
2.1. Общий подход к формализованному описанию технологий заготовки кормов 30
2.2. Многоуровневая математическая модель технологий и технологических процессов заготовки кормов 33
2.3. Статистический анализ погодных условий в период заготовки кормов
2.3.1. Статистический анализ количества осадков 37
2.3.2. Статистический анализ длительности периодов без осадков 45
2.3.3. Статистический анализ изменения температуры воздуха 47
2.4. Вероятный анализ надежности технологий производства кормов из трав
2.5. Основные модели процессов потерь кормов 59
2.5.1.Оценка влияния осадков на потери питательных веществ в сене по экспериментальным данным 60
2.6. Оценка сроков уборки трав по качеству кормов 63
2.7. Анализ влияния условий уборки трав на показатели работы кормоуборочной техники 69
2.8. Повышение надежности кормопроизводства по погодным условиям путем определения структуры кормов з
2.8.1. Определение оптимальной структуры кормов из трав минимальной стоимости при заданных пределах изменения объемов 78
2.9. Определение оптимального состава уборочного комплекса 83
2.9.1. Решение задач оптимизационных задач на основе систем управления базами данных (СУБД) 85
2.9.2. Выбор оптимального варианта технологии 91
Выводы по главе 2 92
ГЛАВА 3. Разработка алгоритмов оценки показателей технологий производства кормов из трав 94
3.1 Алгоритм оценки показателей травы при заготовке кормов 94
3.1.1. Оценка потерь питательных веществ при заготовке кормов 95
3.2. Оценка показателей работы технических средств при заготовке кормов из трав 97
3.2.1. Определение количества уборочных машин 97
3.2.2. Определение необходимого количества погрузочных машин 98
3.2.3. Алгоритм оценки необходимого количества транспортных средств 99
3.2.3.1. Работа транспортных средств с кормоуборочным комбайном.. 99
3.2.4. Определение расхода топлива 101
3.3. Определение показателей основных операций кормопроизводства... 101
3.4. Оценка затрат на выполнение заданного объема работы 106
Выводы по главе 3 108
ГЛАВА 4. Разработка компьютерных программ проектирования технологий производства кормов из трав
4.1. Разработка компьютерной программы для расчета оптимальной структуры кормов 110
4.1.1. Методика решения задачи при оптимизации структуры кормов из трав 115
4.2. Разработка на основе СУБД программы проектирования технологий производства кормов из трав 115
4.2.1. Структура и особенности представления и обработки информации в СУБД Access 2003 117
4.3. Описание программы проектирования технологий производства кормов из трав 120
4.3.1. Автоматический режим проектирования технологий 125
4.3.2. Ручное проектирование технологий кормопроизводства 128
4.3.3. Алгоритм определения продолжительности выполнения операции совокупностью технических средств с разной производительностью... 130
4.3.4.Проектирование технологии при ручном выборе технических средств 131
Выводы по главе 4 135
ГЛАВА 5. Экспериментальная проверка фрагментов программы «система технологий и технических средств для заготовки кормов из трав» 137
5.1. Использование глобальной системы позиционирования GPS для получения основной информации по хронометрируемой технологии 137
5.2. Результаты хронометража заготовки силоса в СПК «Шушары» 139
5.3. Компьютерный анализ технологий заготовки силоса 144
5.4. Сравнение экспериментальных данных с результатами компьютерного проектирования технологий 145
Выводы по главе 5 147
ГЛАВА 6. Экономическая эффективность применения выполненных разработок 148
6.1. Оценка экономической эффективности при изменении структуры кормов из трав по погодным условиям 148
6.2. Оценка экономической эффективности при компьютерной оптимизации технологии кормопроизводства 149
Основные выводы и рекомендации 153
Список литературы
- Обзор методов проектирования технологий производства кормов из трав
- Многоуровневая математическая модель технологий и технологических процессов заготовки кормов
- Оценка потерь питательных веществ при заготовке кормов
- Результаты хронометража заготовки силоса в СПК «Шушары»
Введение к работе
Актуальность исследований. Животноводство является ведущей отраслью сельского хозяйства Ленинградской области и Северо- Запада России.
При производстве животноводческой продукции доля затрат на корма доходит до 70 %. Рентабельность животноводства во многом определяется уровнем продуктивности животных, который в свою очередь зависит от качества и количества кормов. Наиболее затратной частью кормопроизводства является уборка трав. Процесс заготовки кормов представляет собой сложную систему взаимодействия человека, как оператора машин, природы, технологий и техники. В свою очередь природные воздействия характеризуются биологической средой - растениями и микроорганизмами, погодными условиями и почвой. Большинство факторов, влияющих на процесс заготовки кормов, имеют вероятностный характер, что затрудняет планирование кормопроизводства и принятие управленческих решений.
В последние годы происходит интенсивное развитие инфокоммуника-ционных технологий, увеличивается емкость запоминающих устройств и быстродействие компьютеров, увеличивается быстродействие средств приема и передачи информации, разработаны новые технические средства для накопления, обработки, хранения и представления информации.
К сожалению эти достижения не в полной мере затронули сельскохозяйственное производство для решения его актуальных задач и, прежде всего, задач оптимизации производственных процессов, снижения затрат на производство, повышение его экологичности, и эффективности использования производственных ресурсов. В этих условиях актуальной является проблема проведения исследований по разработке методов моделирования и оптимизации технологических процессов, проектирования адаптивных технологий кормопроизводства. Также должны быть разработаны задачи принятия управленческих решений, обеспечивающих получение высококачественных кормов с наименьшими издержками средств, энергии и труда для конкретных природно-климатических и экономических условий с учетом вероятностной оценки погодных условий.
Решение этих задач с использованием современных информационных методов, алгоритмов и технических средств позволяет проектировать технологии, адаптированные к конкретным условиям.
Цель исследований. Повышение эффективности производства кормов из трав в условиях Северо-Западного региона РФ и Ленинградской области путем компьютерного моделирования процессов кормопроизводства и формирования оптимальных технологий.
Объект и предмет исследований. Объектом исследования являются технологии и технологические процессы производства кормов из трав. Модели процессов кормопроизводства и методы компьютерного проектирования технологий.
Предметом исследования являются условия производства и процессы выполнения технологических работ уборки кормов, а так же модели процессов и методы компьютерного проектирования технологий в условиях Северо-Западного региона РФ.
Научная новизна работы заключается в разработке теоретических предпосылок оптимизации технологических процессов и операций производства кормов из трав на основе моделей производства, включающих в себя:
результаты статистического анализа погодных условий в период заготовки кормов;
метод и алгоритм определения надежности основных видов кормов из трав по погодным условиям;
метод и алгоритм определения рациональной структуры кормов из трав в зависимости от погодных условий уборки;
методика оценки эффективности основных технических средств кормопроизводства в зависимости от урожая травы и длины гона поля;
метод, алгоритм и компьютерная программа проектирования технологий и формирования технологических комплексов, обеспечивающих повышение эффективности кормопроизводства.
Практическую значимость работы составляют:
метод, алгоритм и компьютерная программа определения структуры кормов из трав в зависимости от погодных условий уборки;
метод, алгоритм и компьютерная программа формирования технологий заготовки основных видов кормов из трав, адаптированных к конкретным производственным условиям.
Апробация работы. Основные положения диссертационной работы доложены и обсуждены:
на научных конференциях профессорско-преподавательского состава и аспирантов СПбГАУ, г. Санкт - Петербург - Пушкин в 2008, 2009,2010 годах;
на 5-й и 6-й международной научно-практической конференции «Экология и сельскохозяйственная техника» в ГНУ СЗНИИМЭСХ Россельхозака-демии, г. Санкт - Петербург - Павловск в 2007 и 2009 году.
на 3-ей международной научной конференции «Автоматизация в промышленности», проходившей в рамках мультиконференции по информационным технологиям и управлению в промышленности приуроченной к 70-летию института проблем управления им. В.А. Трапезникова РАН, 5 июня 2009 года г. Москва;
на 12-ой конференции молодых ученых «Навигация и управление движением» 16-19 марта 2010 года, г. Санкт-Петербург
Публикации. По материалам исследований опубликовано 9 печатных работ, подана заявка на регистрацию базы «Система технологий и технических средств для заготовки кормов их трав».
15 Сравнительные результаты данных приведены в таблице.
Таблица Сравнительный анализ расчетных и экспериментальных данных при работе
уборочного комплекса
В шестой главе «Экономическая эффективность от применения выполненных разработок» приведены расчёты экономической эффективности от использования выполненных разработок.
Основной экономический эффект достигается:
При изменении структуры кормов при неблагоприятных погодных условиях сберегается до 37% к.е. урожая травы.
По данным расчета - при выборе рационального состава технических средств при производстве рулонного сена снижение затрат составляет 678,0 руб./т.
На стоимость и качество кормов в Ленинградской области и Северо-Западе России существенно влияют погодные условия в период уборки трав. Результаты статистического анализа погодных условий позволил установить, что средняя вероятность благоприятных погодных условий для июня и июля месяцев 0,552, а вероятность появления подряд трех и более дней без осадков на превышает 0,357, что затрудняет получение качественных кормов с длительным сроком провяливания.
На основе анализа данных установлено, что основные влияние на потери кормов оказывает частота увлажнения травы осадками. Для оценки влияния погодных условий на надежность технологий производства кормов из трав рекомендуется использовать математическую модель на основе цепей Маркова. Результаты исследований показали что, в Ленинградской области вероятность получить сено без воздействия осадков составляет 0,17, сенажа - 0,3, подвяленного силоса -0,55.
14 приведены результаты экспериментальных исследований. Экспериментальная проверка основных алгоритмов одна из главных задач по доказательству их работоспособности, она подразумевает проверку расчетных показателей технологии заготовки кормов из трав в конкретных хозяйственных условиях. Экспериментальная проверка была проведена в СПК «Шушары», где из ежи сборной и клевера заготавливали сено, сенаж, силос, силос из подвяленных трав. Хронометражные наблюдения уборочного комплекса были выполнены с конца июня до середины июля 2009 г. Последующая обработка полученных данных позволила уточнить расчетные показатели технологических операций.
В хозяйстве в среднем ежегодно заготавливают: 600 тонн сенажа, 2500 тонн силоса, 150 тонн сена. Проверка выполнялась на трех полях с конфигурацией 400*400м. На двух полях убирали ежу сборную (со средней урожайностью 23 т/га), на третьем поле убирали клевер 2-го года выращивания (со средней урожайностью 15 т/га) на силос прямым комбайнированием. Уборку выполняли кормоуборочным комбайном МАРАЛ-125. Транспортирование силосной массы выполнялось автомобилями: Камаз-55111 - 1 шт., грузоподъемность 8,0 т.; Камаз-53205 - 1 шт., грузоподъемность 11,0 т.; ЗиЛ -130 - 1 шт., грузоподъемность 6,0 т. Трамбовка силосной массы выполнялась тракторами ДТ-75 и К-701.
Для сбора информации о работе технологических и транспортных средств была использована спутниковая система позиционирования GPS совместно с карманным компьютером (КПК) ASUS My Pal А632, который устанавливает связь с четырьмя стационарными спутниками и точно фиксирует положение КПК на местности. КПК регистрирует в каждый момент времени свое местоположение, что позволяет получать следующие показатели работы машин: среднюю скорость движения; время движения от точки А до Б; расстояние передвижения; время и продолжительность остановки. В систему встроен одометр, который замеряет пройденный техникой путь за заданный интервал времени. Одометр включается только в том случае, когда автомобиль, трактор или комбайн движутся. При их остановке он останавливает отчет.
Для работы с системой GPS при проведении хронометражных наблюдений была разработана программа и методика проведения исследований. Для всех технических средств результаты экспериментальных исследований сравнивались с расчетными данными, полученными по программе, с использованием статистического метода оценки доверительного интервала математического ожидания:
Р {У - '* х < (X-Y)
где Y - расчетное значение показателя в моделировании; X - среднее значение показателя по экспериментальным данным; ох - среднеквадратическое отклонение экспериментальных данных; t^ - табличное значение критерия Стьюдента для ^-степеней свободы и заданного уровня вероятности Р.
3 Основные положения, выносимые на защиту:
результаты анализа погодных условий в период заготовки кормов из трав;
теоретические основы и алгоритмы оценки надежности технологий заготовки кормов из трав;
алгоритмические основы оценки эффективности использования основных технических средств кормопроизводства, в зависимости от условий производства;
теоретические положения повышения надежности производства кормов из трав в зависимости от погодных условий;
теоретические положения по использованию системы управления базами данных (СУБД) для проектирования технологий кормопроизводства;
компьютерные программы для определения структуры кормов и проектирования технологий кормопроизводства.
Структура и объём диссертационной работы. Диссертация изложена на 166 страницах основного текста, содержит 55 рисунков, 26 таблиц и 10 приложений. Список использованной литературы включает 134 наименования, в том числе 12 на иностранном языке. Работа состоит из введения, шести глав, общих выводов, списка литературы и приложений.
Обзор методов проектирования технологий производства кормов из трав
В последние годы стала получать широкое распространение технология заготовка сенажа в рулонах с герметизацией их пленкой [114,130]. Эта технология позволяет получить высоко качественный и питательный корм. Преимуществом технологии является то, что закатанные в пленку рулоны можно хранить на открытой местности, что особенно важно в связи с недостатком в настоящее время сенохранилищ.
Одной из главных причин, сдерживающих развитие сельскохозяйственного производства, является слабая связь между научными организациями и производителями сельхозпродукции в плане адаптации технологий к конкретным условиям хозяйств. Даже те средства, которые стали появляться у сельхозпредприятий используются ими не эффективно, техника закупается чаще всего так чтобы хватило денег, а не из условия её эффективного использования в технологическом процессе. Зачастую покупается комплекс или одна дорогостоящая импортная, причём подержанная машина, к примеру, силосоуборочный комбайн, в то время как на эти же деньги можно было бы приобрести сравнительно недорогой отечественный комплекс для заготовки кормов, менее производительный, но требующий меньших затрат на обслуживание и совместимый с отечественными энергосредствами, [114,118].
Следует учитывать и тот факт, что за последние 10-12 лет в результате проведения экономических реформ машинно-тракторный парк большинства хозяйств утерян практически полностью. И для нормального функционирования таких предприятий машинно-тракторный парк необходимо создавать практически полностью, и сделать это следует на новой технической и технологической основе. Для того, чтобы не повторить ошибок прошлых лет, необходимо уходить от унификации технического и технологического обеспечения для всех хозяйств.
Что же касается технических средств сельскохозяйственного производства, то за десять последних лет парк тракторов и основных сельскохозяйственных машин сократился на 40...50%, около 70% парка техники работает за пределами нормативных сроков службы. Обеспеченность хозяйств основными видами сельскохозяйственной техники в 3...5 раз ниже, чем в развитых странах. Более 40% парка машин неисправно, а готовность по их основным группам снизилась на 30%.
Энерговооруженность труда в АПК России в 6... 9 раз ниже энерговооруженности сельских товаропроизводителей развитых стран Западной Европы, [99,100,124,129].
Резкое снижение покупательной способности хозяйств привело к адекватному спаду производства тракторов и сельскохозяйственных машин. Выпуск тракторов в России уменьшился в 16 раз, зерноуборочных комбайнов -в 11,5 раз, плугов - в 68 раз, сеялок в- 17 раз, культиваторов - в 23 раза, [2,99].
Объемы поставок новой техники, в том числе по лизингу, не обеспечивает поддержания оптимального состава машинотракторного парка. Объёмы приобретения техники снизились в 15 раз по сравнению с 1990 годом. Ежегодно парк обновляется лишь на 1% при необходимости не менее 10%. Ремонтно-обслуживающая база АПК остаётся не востребованной и теряет технологический уровень. Более чем в 3 раза сократилось количество машин, подвергающихся периодическим испытаниям на машиноиспытательных станциях. Государственная приёмка их ликвидирована. Несмотря на снижение объемов производства сельскохозяйственной техники, качество её изготовления не улучшается, а продолжает снижаться. Так по данным Госгортехнадзора, из 3,7 тыс. предъявленных поставщикам техники в 2005 г. претензий в 2,7 тыс. случаев (74%) признана их вина. При этом только у половины машин, вышедших из строя по вине заводов изготовителей, дефекты устраняются силами и средствами производителей.
Общее положение в АПК отражает состояние и в кормопроизводстве, как в одной из отраслей растениеводства.
Большая часть отечественных машин применяемых в производстве разработана и введена в эксплуатацию 15-20 лет назад, и не отвечают современным технико-экономическим требованиям для обеспечения необходимого экономического эффекта при выполнении работ.
Так, для кошения трав используются косилка-плющила самоходная КПС-5,0Г, косилка-плющилка ротационная КПРН-3,0, косилка плющилка самоходная Е-301,302, косилка навесная фронтальная КНФ-1,6, косилка ротационная КРН-2,1, [92,120].
В качестве граблей используются грабли-ворошилка-вспушиватель ротационные ГРВ-6, грабли колёсно-пальцевые ГВК-6,0А, грабли поперечные полунавесные гидрофицированные складывающиеся ГПП-6,0.
Для заготовки сена используется пресс подборщик с обвязкой тюков проволокой или шпагатом ПС-1,6, пресс-подборщик рулонный ПРП-1,6, приспособление к ПКУ-0,8 и ПФ-0,5 для погрузки тюков и рулонов на транспорт, [64,93]. Для заготовки рассыпного сена используется подборщик копнитель с прицепной камерой 12 м ПК-1,6А, подборщик полуприцеп, в комплексе с транспортёром-дозатором и пневматическим транспортером-загрузчиком типа НТВС-4. Из машин для уборки трав и силосных культур с измельчением довольно широко используются комбайн Е-281, косилка-измельчитель-погрузчик КУФ-1,8, [50,51].
Также довольно широко используются немецкие кормоуборочные комплексы «ФОРШТРИТ», состоящие из, упомянутой выше, косилки плющилки Е-302 с набором навесных орудий и подборщика Е-280, при помощи которого можно убирать травяную массу как прямым комбайнированием, так и раздельным, из валков, приготовленных косилкой плющилкой Е-302. [32,125] Эти технические средства не обеспечивают современных требований кормопроизводства, темпа и сроков уборки, а следовательно, и качества кормов. В последние годы на полях отечественных сельхоз товаропроизводителей стали появляться и хорошо зарекомендовавшие себя, машины фирм «Claas», «John deere» «Krone» и др., [67,68,99].
Многоуровневая математическая модель технологий и технологических процессов заготовки кормов
Корма из трав являются основой производства животноводческой продукции в Северо-Западном регионе России и Ленинградской области. Разработанные агротехнологии и культивируемые сорта трав позволяют получать значительные урожаи, обеспечивающие потребности животноводства. Однако по объективным причинам, в основном погодным условиям, теряется значительное количество кормов, снижается их качество, а, следовательно, и количество получаемой продукции. Потеря кормов происходит в основном из-за повторного увлажнения травы осадками в период нахождения скошенной травы в поле на операции провяливания травы. При неблагоприятных погодных условиях значительное количество травы портится в валках, прокосах, рулонах, что приводит загрязнению почвы гниющей растительностью, ухудшению условий последующего роста травы и условий последующей уборки травы.
Для получения количественной оценки влияния погодных условий на возможное количество повторных увлажнений травы при заготовке основных видов кормов из трав (сено, сенаж, силос) рассмотрим использование вероятностных математических моделей в виде регулярной Марковской цепи [83].
Цепь Маркова — последовательность случайных событий с конечным или бесконечным числом исходов, характеризующаяся тем свойством, что, говоря нестрого, при фиксированном настоящем будущее независимо от прошлого.
В теории Марковских цепей рассматриваются различные случаи состояния системы: возвратное состояние (возвратная цепь Маркова); достижимое состояние (неразложимая цепь Маркова); периодическое состояние (периодическая цепь Маркова); поглощающее состояние (поглощающая цепь Маркова); Для вероятностного анализа технологий производства основных видов кормов из трав была использована модель в виде поглощающей Марковской цепи.
Модель провяливания сена.
Рассмотрим модель операции провяливания травы при вероятностном характере изменения погодных условий. Представим операцию провяливания в виде регулярной Марковской цепи [83] с четырьмя поглощающими состояниями. Граф-схема модели приведена на рис. 2.4., где цифрами 0-12 обозначены состояния очередной порции травы.
После первого дня провяливания скошенная трава (рис. 2.4.) с вероятностью "р" переходит на второй день провяливания (состояние 3), после второго дня провяливания она с вероятностью "р" переходит на третий день провяливания (состояние 6), после третьего дня трава с вероятностью "р" будет подобрана и заложена на хранение в виде сена (поглощающее состояние 9). Здесь "р" - вероятность благоприятных погодных условий. В случае выпадения осадков трава с вероятностью 1-р возвращается в начальное состояние, и операция провяливания повторяется. При этом происходит потеря значительной части питательных веществ.
Цепь имеет четыре невозвратных (поглощающих) состояния, попав в которые трава покидает операцию провяливания и оказывается в хранилище. Невозвратное состояние «9» характеризует вероятность проведения провяливания в течении трех дней без увлажнении осадками. Невозвратное состояние «10» - получение корма с одним увлажнением. Невозвратное состояние «11» - получение корма с двумя увлажнениями. Невозвратное состояние «12» - получение корма с тремя увлажнениями. Сено, полученное с тремя и более увлажнениями, имеет низкое качество и может характеризоваться, как потери. Рис. 2.4. Граф-схема Марковской цепи состояний при выполнении операции провяливания травы на сено:
О - трава после скашивания и одного дня провяливания; 1- трава после одного увлажнения; 2 - трава после двух увлажнений; 3 - трава без увлажнения и двух дней провяливания, 4 - трава после одного увлажнения и одного дня провяливания; 5 - трава после двух увлажнений и одного дня провяливания; 6-трава без увлажнения и трех дней провяливания, 7- трава после одного увлажнения и двух дней провяливания, 8 - трава после двух увлажнений и двух дней провяливания; 9 - поглощающее состояние для травы, высушенной без увлажнения осадками; 10 - поглощающее состояние для травы, высушенной при одном увлажнении; 11 - поглощающее состояние для травы, высушенной при двух увлажнениях; 12 - поглощающее состояние для травы, получившей три и более увлажнений.
Оценка потерь питательных веществ при заготовке кормов
Все полученные уравнения регрессии значимы по F - критерию Фишера и имеют большой коэффициент множественной корреляции (больше 0.9). Анализ коэффициентов уравнений по t - критерию Стьюдента показывает, что на длительность сушки основное влияние оказывают количество дождей и число сгребаний трав. Таблица 2.9. Результаты регрессионного анализа влияния количества и интенсивности осадков на потери питательных веществ в сене. Наименование действующих факторов t - критерий Коэф. множкорр. Показател итехнологи и Число дождей,ХІ Кол-во осадков, мм, х2 Число вороше ний, хЗ Число сгребан ий, х4 ХІ х2 хЗ х4 1.001 2.352 2.59 0.00380.22-0.1 0.2358.2612.7 0.8434.9812.7 5.5 2.3 1.6 0.2 0.3 0.5 0,74,1 4,4 2,2 4,9 1,9 0,98 0,94 0,98 Дл.сушки, Пот. белка Пот.кр.экв
Если дождем трава уже смочена, то их количество уже не оказывает существенного влияния на потери. Анализ суммарной дисперсии отклонений показателей качества так же показывает, что наибольшей оказалась составляющая от первого фактора - числа дождей и составляет от 70% до 90% общей дисперсии.
Таким образом, анализ показывает, что основной причиной потерь питательных веществ и длительности сушки травы является количество дождей в период сушки травы.
Остальные факторы: количество осадков, число ворошений и число сгребаний хоть и оказывают влияние на выходные показатели, но являются производными и тесно связаны с числом выпавших дождей. Это подтверждает и корреляционная матрица регрессионной модели. Так связь между количеством дождей и числом ворошений и сгребаний достигает величины 0.8, что указывает на достаточно тесную связь факторов.
Распечатка компьютерного анализа данных приведена в Приложении 3. 2.6. Оценка сроков уборки трав по качеству кормов
Продуктивность КРС зависит от многих факторов, основными из которых являются количество и качество используемых кормов из трав, а также их поедаемость животными. Количество молока, получаемого с 1 га травы, определяется соотношением [69]: Q = 2Мт], (2.28) где Q - количество молока с 1 га, ц.; М-количество к.е., полученных с 1 га ц.; л - коэффициент полезного действия кормов (коэффициент поедаемости). Коэффициент т показывает эффективность используемого корма (коэффициент полезного действия), он изменяется от 0 до 1 и определяется как отношение непереваримой и переваримой частей корма: 1 Н 7? = l Jj (2-29) где Н - непереваримая часть корма, доли ед.; П - переваримая часть корма, доли ед. Зависимости количества молока, получаемого с 1 га, от количества кормовых единиц (к.е.) в кормах и коэффициента т от длительности развития смеси трав красного клевера и тимофеевки приведены в табл. 2.10 [69]. В графическом виде эти же зависимости приведены на рис. 2.12. Как видно из приведенных данных, продуктивность КРС зависит от фазы развития растений при уборке травы на корма. Наибольшую продуктивность можно получить, если убирать травы в оптимальный срок.
Уборка трав в короткий срок требует дополнительных затрат из-за возрастания количества уборочных средств. При увеличении срока уборки, резко уменьшается количество получаемой продукции с единицы площади. Таблица 2.10.
Зависимости продуктивности КРС, количества к. е., КПД кормов от длительности развития смеси трав красного клевера и тимофеевки.
Рост и развитие трав, как правило, не сильно связано с погодными условиями. Начало роста травы могут задержать весенние заморозки. Однако относительно фенологических сроков развития растений в регионе рост трав достаточно стабилен.
На содержание питательных веществ в кормах продолжительность уборки оказывает очень большое влияние. Траву не всегда можно убрать при благоприятных условиях и в оптимальные сроки.
По разным причинам начало уборки может задержаться. Продолжительность уборки также может измениться по различным причинам. Убранный при разных сроках и продолжительностях уборки, корм будет иметь различные качественные показатели. Поэтому представляет значительный производственный интерес оценки продуктивности кормов при всех возможных сроках начала уборки и окончания уборки. Для решения этой задачи разработан следующий метод.
Кривая изменения продуктивности животных имеет экстремум примерно на 70 день развития растений. Анализ данных табл. 2.10. на компьютере показал, что функциональная зависимость продуктивности КРС от сроков уборки травы имеет экстремум и может быть описана выпуклой кривой в виде параболы четвертого порядка: Q = ax4 + Ьхъ +сх2 + dx + e, (2.30) где х - дни развития травы по фазам; a,b,c,d,e - эмпирические коэффициенты, получаемые расчетом; Q - продуктивность КРС, ц. молока/ га. Состояние развития травы, при котором обеспечивается максимальная продуктивность животных продолжается 2...3 дня, что недостаточно для заготовки всего объема кормов. Количество продукции, полученной от использования кормов, убранных в период Xj _Х2, определяется по соотношению:
Соотношение (2.32) определяет продуктивность животных от использования кормов полученных в период Xj _Х2- В действительности сроки начала и окончания уборки точно не известны и могут меняться по различным причинам. Поэтому представляет интерес анализ всего временного пространства изменения сроков начала и окончания уборки, его влияния на продуктивность животных и определения пределов изменения сроков с равной продуктивностью. Для проведения численных расчетов выполнена аппроксимация данных продуктивности (табл. 2.10.) полиномом четвертой степени (рис. 2.13.).
Для исследования всего временного пространства задавались различные значения X] — начала уборки их2- окончания уборки. Значения xj изменялись в пределах 55...69 дней развития (до наступления максимума и после максимума). Значения х2 изменялись в пределах 70...90 дней развития (от максимума и после максимума). Эти интервалы обеспечивают охват всех возможных сроков начала и окончания уборки травы.[110]
Результаты хронометража заготовки силоса в СПК «Шушары»
В общем случае решение задачи линейного программирования представляет собой сложную задачу. Ранее для решения этой задачи использовались языки программирования, Fortran, Pascal и другие, а сама разработка программы была чрезвычайно трудоемким процессом, и разрабатывались программы профессиональными программистами.
С появлением современных вычислительных систем и программного продукта Microsoft Office решение оптимизационных задач значительно упростилось. Решение задач математического программирования (не только линейного) входит в опцию программы Excel, входящей в состав Microsoft Office. Соответственно задача для решения должна быть введена в программную систему, Excel.
Система Excel представляет собой отдельные текстовые листы, разбитые на ячейки. Ячейки имеют буквально-цифровую адресацию: Al, Bl, C1,...,D10 и т.д.. В ячейки может вводиться цифровая или буквальная информация, а также расчетные формулы. Использование ячеек позволяет представить задачу в виде наиболее приближенной к виду математической записи на листе бумаги. Такое представление значительно облегчает работу с программой, при изменении цифровых данных или изменении структуры программы.
Для реализации программы должна быть прорисована структура программы и определены ячейки для помещения информации. Основной является ячейка для расчета целевой функции, на рис. 4.1 принята НЮ. Расчет целевой функции определяется суммой произведения коэффициентов целевой функции на стоимостные коэффициенты. В нашем случае это произведение : (C7...G7)x(C13...G13)- #10, (4.1) где C7...G7 - ячейки для получаемого решения задачи; C13...G13 - ячейки для стоимостей видов кормов В ячейку Л 4 заносится необходимое суммарное количество т.к.е. для всех видов кормов, при этом должно соблюдаться равенство: (С14...14)х(С7...7)=#14 = Л4 (4.2) Расчетные значения помещаются в ячейку HI4. Содержание Н14 должно равняться числу в ячейке Л 4. В ячейки С8...Е9 помещаются значения min и max возможного изменения объемов кормов. Эти данные передаются в ячейки J16..J21 как допустимые ограничения. В ячейках С16...Е21 представлены данные для определения объемов кормов по их видам. Ограничения по видам кормов записываются системой уравнений, (рис. 4.1.):
Представленную на листе Excel задачу необходимо активизировать. Для выполнения этой операции необходимо выполнить действия на панели «Сервис— Поиск решения», при этом открывается панель, рис. 4.3. В открывшиеся панели вводиться адрес ячейки целевой функции, направление оптимизации (min, max), адреса ячеек для результатов решения. В нижнюю левую панель вводятся данные по ограничениям задачи путем использования кнопок «Добавить», «Изменить», «Удалить». При нажатии кнопки «Параметры» открывается панель установки режимов решения задачи (рис. 4.4.). Установленные по умолчанию показатели необходимо подкорректировать: увеличить время решения до 100 секунд, увеличить число интеграции, уменьшить относительную погрешность. В качестве метода поиска целесообразно выбрать метод Ньютона, как имеющий свойство более быстрой сходимости по сравнению с другими методами.
Если после выполнения поиска получено решение , то программа выдает сообщение, рис. 4.5. Результаты поиска решения у Решение найдено. Все ограничения и условия оптимальности выполнены.0 Сохранить найденное решение О Восстановить исходные значения Тип отчета РезультатыУстойчивостьПределы ОК Отмена Сохранить сценарий... Справка Рис. 4.5. Сообщение программы после выполнения решения оптимизационной задачи.
Если задача совместна и имеет конечное решение, то программа сообщает «Решение найдено. Все ограничение и условие оптимальности выполнены». Использование программы предполагает получение решений при различных исходных данных задачи, т.е. программа должна применяться для получения некоторых данных для принятия определенных решений. Наибольшее использование получило проведение на программе исследований по принципу «... что будет, если ...». Такое исследование приведено в разделе 2.3., которое показало, что изменение стоимости сена оказывает на структуру кормов не непрерывно, а в некотором интервале. [29]
Это позволяет заранее рассчитать возможные варианты структуры кормов в зависимости от погодных условий принимать необходимую структуру и для данной структуры формировать соответствующие технологии уборки.
Как показано в разделе 2.9. с учетом особенностей технологий производства кормов из трав представляется возможность решения оптимизационной задачи с использованием системы управления базами данных (СУБД). Так как объемы информации в СУБД могут достигать очень больших размеров, то и задача выбора оптимальных технических средств решается на большом объеме технических средств. Наиболее доступной является СУБД Access-2003, так как она входит в состав Microsoft Office и устанавливается на компьютер совместно с другими программами, входящими в Office. СУБД Access.2003 является реляционной СУБД и содержит последние достижения в области программирования и обработки информации. Работа реляционных СУБД основана на операциях с множествами. Основные теоретические разработки реляционных СУБД выполнены Э.Ф. Коддом [65]. Им же предложены методы их практической реализации.
Одной из особенностей СУБД является работа с избыточной информацией, что с одной стороны требует дополнительных ресурсов запоминающих устройств, но учитывая большие возможности современных компьютеров, такое представление информации позволяет в одном массиве иметь всю необходимую информацию по проектируемой технологии.
Для работы с большими массивами информации в СУБД предусмотрено много логических операций по фильтрации, отбору информации по различным признакам.
Учитывая особенности предоставления и обработки информации, в СУБД для разработки программы проектирования технологий кормопроизводства, на рис. 4.6. представлена логическая последовательность предоставления и преобразования информации для получения конечного результата
