عنوان

مدلسازی هزینه ماشین‌های برداشت نیشکر در شرکت کشت و صنعت دعبل خزاعی با استفاده از شبکه‌ی عصبی مصنوعی

شماره

‭۴۵۴۰پ‬

زبان متن نوشتاري يا گفتاري و مانند آن

per

عنوان اصلي

مدلسازی هزینه ماشین‌های برداشت نیشکر در شرکت کشت و صنعت دعبل خزاعی با استفاده از شبکه‌ی عصبی مصنوعی

نام نخستين پديدآور

/مهرداد صفرپور

نام ناشر، پخش کننده و غيره

تبریز: دانشگاه تبریز، دانشکده کشاورزی، گروه ماشینهای کشاورزی

نام خاص و کميت اثر

‮‭۱۰۰‬ص.‬

متن يادداشت

چاپی

جزئيات پايان نامه و نوع درجه آن

کارشناسی ارشد

نظم درجات

کشاورزی، گروه ماشینهای کشاورزی

زمان اعطا مدرک

‮‭۱۳۹۰/۰۶/۱۷‬

کسي که مدرک را اعطا کرده

تبریز: دانشگاه تبریز، دانشکده کشاورزی، گروه ماشینهای کشاورزی

متن يادداشت

مدیریت ماشین‌ها و تجهیزات سنگین وظیفه‌ی بسیار دشواری می‌باشد .یک مدیر اغلب باید تصمیم‌گیری‌های پیچیده‌ی اقتصادی در ارتباط با هزینه‌صهای ماشین‌صهای کشاورزی اتخاذ کند .این تصمیم‌صگیری‌صها عبارتند از :مالکیت ماشین، نگهداری، تعمیرات، بازسازی، جایگزینی و منسوخ شدن ماشین‌صها .مدیر همچنین باید قادر به پیش‌صبینی نرخ اجاره‌صی داخلی ماشین‌صهای تحت نظارت خود باشد .هزینه‌صهای نگهداری و تعمیرات می‌صتواند اثرات قابل ملاحظه‌صای در تصمیم‌صگیری‌صهای اقتصادی و پیش-بینی‌صها داشته باشد .هدف از انجام این تحقیق، شناسایی یک مدل ریاضی مناسب برای پیش‌صبینی هزینه‌صهای نگهداری و تعمیرات ماشین‌صهای برداشت نیشکر مورد استفاده در کشت و صنعت دعبل خزاعی خوزستان بود .متغیر مستقل در مدل ریاضی، ساعات کارکرد تجمعی ماشین برداشت نیشکر و متغیر وابسته، هزینه‌صهای نگهداری و تعمیرات برحسب درصدی از قیمت خرید اولیه می‌صباشد .در این راستا، گزارش‌صهای سرویس و تعمیرات موجود در دفتر فنی واحد تجهیزات مکانیکی کشت و صنعت، مربوط به ‮‭۲۴‬ دستگاه ماشین برداشت نیشکر ‮‭HCH ۳۰۰ HEPCO‬ در یک دوره ده ساله ‮‭(۱۳۸۰‬ تا ‮‭۱۳۸۹)‬ بررسی گردید .داده‌صهای حاصل به‌صوسیله آنالیز رگرسیون بری شش مدل خطی، معکوس، درجه دوم، درجه سوم، توانی و نمایی مورد تجزیه و تحلیل قرار گرفت .نتایج نشان داد که مدل توانی مناسب‌صترین مدل پیش‌صبینی هزینه نگهداری و تعمیرات می‌صباشد .با استفاده از شبکه عصبی مصنوعی، مدل عصبی برای ماشین‌صهای برداشت نیشکر بهینه شد و با استفاده از شاخص‌صهای آماری ضریب همبستگی ‮‭(R)‬ و متوسط قدرمطلق درصد خطا ‮‭(MAPE)‬ مدل به‌صدست آمده مورد ارزیابی قرار گرفت و در نهایت مدل‮‭۱۲- ۱‬- ‮‭۲‬به‌صعنوان بهینه-ترین مدل شبکه عصبی انتخاب گردید .مدل عصبی به‌صدست آمده با ضریب همبستگی ‮‭۹۹۳۸۵/۰‬ در فاز آزمایش و ‮‭۹۹۵۱۶/۰‬ در فاز آموزش توانست تمام هزینه‌صهای ماشین‌صهای برداشت نیشکر مورد مطالعه را با دقت بسیار بالایی تخمین بزند.

متن يادداشت

The management of heavy construction equipment is a difficult task. Equipment managers are often called upon to make complex economic decisions involving the machines in their charge. These decisions include those concerning acquisitions, maintenance, repairs, rebuilds, replacements, and retirements. The equipment manager must also be able to forecast internal rental rates for their machinery. Repair and maintenance expenditures can have significant impacts on these economic decisions and forecasts. The purpose of this research was to identify a mathematical model to predict the repair and maintenance costs of sugar cane harvesting machinery in Debal Khazayi Agro-Industry Co. The independent variable was accumulated hours of work and the dependent variable was accumulated repair and maintenance cost in the mathematical model. In this regard, the original data resulted from official center of maintenance unit of Agro-Industry that had been recorded for 24 sugar cane harvesting machinery model HCH 300 HEPCO in a period of 10 years (2001-2010). The provided data were fitted for six models; Linear, Quadratic, Cubic, Inverse, Power and exponential using regression analyze. Results showed that the Power model was the appropriate mathematical model to predict the costs. Using artificial neural network, Neural model for sugarcane harvesting machines were optimized and using Indicator correlation coefficient Indicator (R) and mean absolute percentage error Indicator (MAPE), the model was evaluated. Finally the 2-12-1 neural network model was chosen as optimal neural network model. Neural model obtained with the correlation coefficient 0.99385 in the test phase and 0.99516 in the training phase, estimated with very high accuracy all costs of sugar cane harvesting machines

موضوع مستند نشده

Artifical Neural Network

موضوع مستند نشده

Farm Management

موضوع مستند نشده

Maintenance and

مستند نام اشخاص تاييد نشده

صفرپور، مهرداد

مستند نام اشخاص تاييد نشده

نوید، حسین، استاد راهنما

مستند نام اشخاص تاييد نشده

مصری گندشمین، ترحم، استاد مشاور

يادداشت عمومي

سیاه و سفید

وضعیت فهرست نویسی

نمایه‌سازی قبلی