- همه نشریات
- نشریات علمی سازمان تحقیقات، آموزش و ترویچ کشاورزی
- مجلات ترویجی سازمان تحقیقات، آموزش و ترویج کشاورزی
- سایر نشریات سازمان تحقیقات، آموزش و ترویج کشاورزی
- نشریات علمی انجمن ها
- علوم آب و خاک
- علوم اقتصاد و ترویج کشاورزی
- علوم جنگل, مرتع و آبخیزداری
- علوم دامی و شیلات
- علوم زراعی و باغی
- علوم گیاهپزشکی
- علوم مهندسی و مکانیزاسیون کشاورزی
- نشریات با زبان انگلیسی
- نشریات با زبان فارسی
- نشریات دانشگاه آزاد اسلامی
- نشریات علمی
پیوندهای مفید
اخبار و اعلانات
آمار
| تعداد نشریات | 283 |
| تعداد نشریات سازمان | 81 |
| تعداد شماره‌ها | 2,727 |
| تعداد مقالات | 31,054 |
| تعداد مشاهده مقاله | 28,188,756 |
| تعداد دریافت فایل اصل مقاله | 16,254,760 |
انتخاب مناسب‌ترین سامانه برداشت ذرت بذری بر مبنای مدل‌های TOPSIS و SAW | ||
| تحقیقات مهندسی سازه های آبیاری و زهکشی | ||
| مقاله 7، دوره 14، شماره 2، شهریور 1392، صفحه 81-92 اصل مقاله (251.78 K) | ||
| نوع مقاله: مقاله پژوهشی | ||
| شناسه دیجیتال (DOI): 10.22092/aridse.2013.102079 | ||
| نویسندگان | ||
| سیدحسن پیشگرکومله* 1؛ علیرضا کیهانی2؛ محمدرضا مستوفی‌سرکاری3؛ علی جعفری4 | ||
| 1دانشجوی دکتری مکانیزاسیون کشاورزی | ||
| 2استاد گروه مهندسی ماشین‌های کشاورزی دانشگاه تهران | ||
| 3استادیار پژوهشی مؤسسه تحقیقات فنی و مهندسی کشاورزی کرج؛ | ||
| 4دانشیار گروه مهندسی ماشین‌های کشاورزی دانشگاه تهران | ||
| چکیده | ||
| با افزایش فعالیت‌های مکانیزه کشاورزی و وجود ماشین‌های متنوع در برداشت محصولات کشاورزی، استفاده از روش‌های علمی برای انتخاب بهینه روش برداشت ضروری است. ذرت بذری به دلیل حساسیت بسیار در زمان برداشت و ارزش ریالی زیاد آن اهمیت بسیاری بالایی در کشاورزی ایران دارد. وجود تنوع سامانه و ماشین‌های برداشت این محصول ایجاب می‌کند تا گزینه‌های مختلف، از جنبه‌های گوناگون، ارزیابی شوند. بر این اساس، در پژوهش حاضر سه سامانۀ برداشت: دو مرحله‌ای (با استفاده از ذرت‌چین- پوست‌کن)، کمباین غلات و وینتراِشتایگر با توجه به هفت معیار: مقدار تلفات برداشت، انرژی مصرفی عملیات برداشت، ارزش ریالی سامانه، راحتی و ایمنی از دید کاربر، میزان آموزش مورد نیاز به کاربر، هزینه‌های تعمیر و نگهداری و ظرفیت مزرعه‌ای ماشین ارزیابی و با استفاده از روش‌های تصمیم‌گیری چندمعیاری TOPSIS و SAW مناسب‌ترین گزینه انتخاب شد. مقادیر CL* در روش TOPSIS (نزدیکی نسبی گزینه به راه‌‌حل ایده‌آل) برای سه سامانۀ گفته شده به ترتیب 60/0، 57/0 و 42/0 به دست آمد. در روش SAW، مقادیر A* (مقادیر کمی اولویت هر یک از گزینه‌ها) 78/0، 55/0 و 49/0 به ترتیب برای سامانه‌های برداشت دو مرحله‌ای (ذرت‌چین- پوست‌کن)، کمباین غلات و کمباین وینتراِشتایگر بود. بر این اساس مشخص شد که در هر دو روش تصمیم‌گیری، سامانۀ ذرت‌چین- پوست‌کن مناسب‌ترین گزینه است و ماشین‌های کمباین غلات و وینتراِشتایگر گزینه‌های بعدی هستند. | ||
| کلیدواژه‌ها | ||
| استان البرز؛ ذرت بذری؛ ذرت‌چین- پوست‌کن؛ کمباین غلات؛ کمباین وینتراِشتایگر؛ SAW؛ TOPSIS | ||
| عنوان مقاله [English] | ||
| Seed Corn Harvesting System Selection Using TOPSIS and SAW Models | ||
| چکیده [English] | ||
| The increase in mechanized harvesting and harvesting machinery has led to the development of scientific approaches for choosing the best harvesting system. Seed corn is an important crop in Iran that is very sensitive to the harvesting system and has high economic value. There are several systems and machines that can be used to harvest seed corn, but all systems should be evaluated precisely. The present study evaluated a two-stage harvesting system (picker-husker), grain combine, and Wintersteiger combine for seven criteria (harvesting loss, energy usage, rent of machinery, safety and comfort of operator, instruction required, maintenance cost, field capacity) using TOPSIS and SAW models. The results of TOPSIS were CL* values of 0.60, 0.57 and 0.42 for picker-husker, grain combine, and Wintersteiger combine, respectively. A* values for the SAW model were 0.78, 0.55 and 0.49, respectively. The calculations produced the same results for the two models and it was concluded that the best system was the picker-husker harvesting system, followed by the grain combine and then the Wintersteiger combine. | ||
| کلیدواژه‌ها [English] | ||
| Alborz province, Grain combine, Picker-husker, SAW, Seed corn, TOPSIS, Wintersteiger combine | ||
| مراجع | ||
|
Anon. 2006. Agricultural Machinery Management Data. Standards. D497.5. American Society of Agricultural and Biological Engineers (ASABE).
Asgharpour, M. J. 2006. Multiple Criteria Decision Making. Tehran University Press. Tehran. Iran. (in Farsi) Azizi, M., Amiri, S. and Memariani, A. 2006. A study of plywood and veneer industry choice location, and identification of provinces in Iran, suitable for establishment of the industry. Iranian J. Nat. Res. 59(2): 446-456. (in Farsi)
Butani, K. M. and Singh, G. 1994. Decision support system for the selection of agricultural machinery with a case study in India. Comput. Electron. Agric. 10, 91-104.
Germain, B. S., Charania, A. and Olds, J. 2005. A stochastic process for prioritizing lunar exploration technology. American Institute of Aeronautics and Astronautics. Aug. 30- Sep.1. Long Beach. California. USA.
Ghanbarpour, M. R. and Hipel, K. W. 2011. Multi-criteria planning approach for ranking of land management alternatives at different spatial scales. Res. J. Environ. Earth Sci. 3(2): 167-176.
Ghazinoori, S. S. and Tabtabaeian, H. 2002. Sensitivity analysis of multi attribute decision making. Manag. Knowl. 56, 129-141. (in Farsi)
Grei, A. 2006. Representation of uniform model for project-based organizations projects basket management. Proceeding of the 3rd International Conference on Project Management. Oct. 7. Tehran. Iran. (in Farsi)
Hwang, C. L. and Yoon, K. 1981. Multiple Attribute Decision Making: Methods and Applications. Springer-Verlag. Berlin.
Kline, D. E., Bender, A., Mc Carl, B. A. and Van Donge, C. E. 1988. Machinery selection using expert systems and linear programming. Comput. Electron. Agric. 3, 45-61.
Lak, M. B. and Borghaee, A. M. 2011. Multi-criteria decision making based in choosing an appropriate tractor (A case study for Hamedan province). J. Agric. Machinery Eng. 1(1): 41-47. (in Farsi)
Mansouri-Rad, D. 2003. Farm Machinery and Tractor. Bu Ali Sina University Press. Hamedan. Iran. (in Farsi) Mc Clendon, R. W., Wetzstein, M. E. and Edwards, L. H. 1987. Risk efficiency of machinery selection for double cropping via simulation. T. ASAE. 30(5): 1259-1265.
Momeni, M. 2008. New Topics in Operations Research. Tehran University Press. Tehran. Iran. (in Farsi)
Momeni, M. and Eghbal, Sh. 2004. Sugar cane handling system selection using fuzzy TOPSIS. J. Quant. Econ. 1(2): 21-37. (in Farsi)
Parmar, R. S., Mc Clendon, R. W. and Potter, W. D. 1996. Farm machinery selection using simulation and genetic algorithms. T. ASAE. 39(5): 1905-1909.
Parthanadee, P. and Buddhakulsomsiri, J. 2010. Simulation modeling and analysis for production scheduling using real-time dispatching rules: a case study in canned fruit industry. Comput. Electron. Agric. 70, 245-255.
Pishgar-Komleh, S. H., Keyhani, A., Mostofi-Sarkari, M. R. and Jafari, A. 2011. The effect of cylinder speed and feeding rate of Wintersteiger combine on seed corn harvesting losses. Proceeding of the 5th National Symposium on Losses of Agricultural Products. Oct. 31. Tehran. Iran. (in Farsi)
Sarkheil, S. and Navid, H. 2010. Evaluating and choosing tractors between four kinds of tractors in engine power of 30 to 90 KW by applying Analytic Hierarchy Process (AHP). Proceeding of the 6th National Conference on Agricultural Machinery Engineering & Mechanization. Sep. 15-16. Karaj. Iran. (in Farsi) Sogaard, H. T. and Sorensen, C. G. 2004. A model for optimal selection of machinery sizes within the farm machinery system. Biosystems Eng. 89(1): 13-28.
Wang, T. C. and Chang, T. H. 2007. Application of TOPSIS in evaluating initial training aircraft under a fuzzy environment. Expert Syst. Appl. 33(4): 870-880.
Wang, Y. M. and Elhag, T. M. 2006. Fuzzy TOPSIS method based on alpha level sets with an application to bride risk assessment. Expert Syst. Appl. 31, 309-319. | ||
|
آمار تعداد مشاهده مقاله: 822 تعداد دریافت فایل اصل مقاله: 297 |
||
سامانه مدیریت نشریات علمی. قدرت گرفته از سیناوب