نوع مقاله : مقاله پژوهشی
نویسندگان
عضو هیات علمی گروه مهندسی بیوسیستم دانشکده کشاورزی دانشگاه فردوسی مشهد
چکیده
جایگزینی تراکتور یکی از عوامل بسیار تاثیرگذار برای انجام دادن بهموقع عملیات زراعی است. پیشبینی صحیح هزینههای تعمیر و نگهداری جز اساسی در مدل جایگزینی تراکتور بهشمار میآید. در این مطالعه، از دادههای واقعی هزینههای تعمیر و نگهداری 60 تراکتور دو چرخ محرک در موسسه کشت و صنعت آستان قدس استفاده شد. تراکتورهای دو چرخ محرک شامل 17، 10، 28 و 5 تراکتور بهترتیب مسی فرگوسن 285، فیات 445، جاندیر 3140 و جاندیر 4450 بودند. نتایج تحلیل رگرسیونی نشان میدهد که مدل درجه دوم، بهترین مدل برای پیشبینی هزینههای تعمیر و نگهداری تراکتور است. با استفاده از الگوریتم ژنتیک تعداد 17850، 18380، 27000 و 27400 ساعت کارکرد تجمعی بهعنوان عمر جایگزینی به ترتیب برای تراکتورهای فیات، مسی فرگوسن، جاندیر 3140، جاندیر 4450 پیشبینی شده است.
کلیدواژه‌ها
عنوان مقاله [English]
Prediction of Tractor's Economic Life Using Genetic Algorithm Case Study: Four Common Tractors in Khorasan Razavi Province
چکیده [English]
Replacement of a tractor is an influential factor affecting timely farm operation. The accurate prediction of repair and maintenance costs is essential to selection of a replacement model. This study used empirical data for 60 two-wheel drive (2WD) tractors from Astan Ghods-e Razavi agroindustry. The types and numbers of tractors used were the Massey Ferguson 285 (17), Fiat (10), John Deere 3140 (28) and John Deere 4450 (5). Regression analysis showed that the quadratic model was suited for predicting repair and maintenance costs. The four types of tractors recorded 17850, 18380, 27000 and 27400 cumulative hours, respectively, of use to replacement life as predicted using the genetic algorithm.
کلیدواژه‌ها [English]
- Economic Life
- Genetic algorithm
- Repair and Maintenance Cost
- Replacement Model
- Tractor
Ahmadi Chenarbon, H., Minaei, S. and Arabhosseini, A. 2012. Replacement age of agricultural tractor (MF285) in Varamin region (case study). J. Am. Sci. 7(2): 674-679.
Banaeian, N. and Zangane, M. 2011. Optimum lifetime assessment of tractor and agricultural machinery based on productivity indices, potato farms of Hamadan province. Iranian J. Biosys. Eng. 42(2):
197-204. (in Farsi)
Douglas, J. 1975. Construction Equipment Policy. McGraw-Hill. New York.
Edwards, W. 2002. Farm machinery selection. Available at: http://www.extension.iastate.edu.
Gholipoor, M., Rohani, A. and Torani, S. 2013. Optimization of traits to increasing barley grain yield using an artificial neural network. Int. J. Plant Prod. 7 (1): 1-18.
Haupt, S. E. and Haupt, R. L. 2004. Practical Genetic Algorithms. John Wiley & Sons, Inc.
Khoub Bakht, G. Ahmadi, H. and Akram, A. 2010. Determination of optimum life for MF285 tractor
based on repair and maintenance costs: a case study in center region of Iran. J. Agr. Technol. 6(4): 673-686.
Mitchell, Z. W. 1998. A statistical analysis of construction equipment repair costs using field data and the cumulative cost model. Ph. D. Thesis in Civil Engineering. Faculty of the Virginia Polytechnic Institute and State University.
Rohani, A. and Masoudi, H. 2013. Economic life prediction of two-wheel drive tractor using cumulative cost model and comparison with cost minimization model. J. Agr. Eng. 36(2): 59-68. (in Farsi)
Rohani, A., Abbaspour-Fard, M. H. and Abdolahpour, S. 2011. Prediction of tractor repair and maintenance costs using artificial neural network. Expert Sys. Appl. 38, 8999-9007.
Rohani, A., Ranjbar, I., Abbaspour-Fard, M. H., Ajabshir, Y. and Valizadeh, M. 2010. Evaluation regression techniques in prediction of tractor repair and maintenance costs. J. Agr. Eng. Res.
11(3): 87-97. (in Farsi)
Telsang, M. 2005. Production Management. S. Chand & Company LTD, India.
Terborgh, G. W. 1994. Dynamic Equipment Policy. McGraw-Hill, New York.
)