Scientific journal

Advances in current natural sciences

ISSN 1681-7494

"Перечень" ВАК

ИФ РИНЦ = 0,775

От скорости движения автотранспортных средств, в том числе при вывозке древесины с верхнего склада лесосеки, зависят основные экономические критерии оценки эффективности предприятия [1–3]. Особенностью движения автолесовоза по лесной дороге является большое количество влияющих на него факторов, как производственного, так и природно-климатического характера [4–7].

В предыдущих исследованиях авторского коллектива [8, 9] проведен многофакторный анализ влияния природно-производственных факторов на скорость движения лесовоза. Однако все 162 проведенных эксперимента не были проверены на их репрезентативность. Для этого необходимо провести ранжирование для всех учтенных 35 природно-производственных факторов и затем выполнить рейтинг экспериментов по росту суммы рангов. Предварительно значения каждого фактора принимались по вектору предпорядка предпочтительности «лучше – хуже».

Целью настоящего исследования является определение значимости экспериментов по многофакторному анализу вывозки древесины с лесных участков для установления наилучших условий при сборе информации для экспериментов, а также для дальнейшего выявления новых факторов и проверки добротности измерений по каждому фактору.

Материалы и методы исследования

Объектом исследования явилась природно-эргатическая система «Вывозка лесоматериалов по автомобильным дорогам», включающая следующие подсистемы с группами параметров, влияющих на скорость движения лесовоза: время въезда на измеряемый участок (Х1–Х4); приведенные координаты участка (Х5–Х7); параметры водителя (Х8–Х10); параметры лесовоза (Х11–Х19, Х35); характеристика дорожного покрытия (Х20–Х23, Х34); состояние покрытия (Х24–Х25); метеорологические данные (Х26–Х33).

В ходе исследования все 35 факторов были эвристическим способом учтены при вывозке древесины с верхних складов лесной территории на береговые нижние склады во время лесозаготовительного сезона 2019–2020 гг. по территории Мотыгинского и Енисейского лесничеств Красноярского края.

Для выявления значимости всех рассматриваемых факторов, включая и скорости движения лесовоза, выполнено 162 наблюдения, заключающихся в регистрации всех учтенных факторов в различных природно-производственных условиях. При этом кодовые значения некоторых факторов ранжировались рангами. Исследования проводились при условиях: элементарный участок дороги для одного измерения принимался без поворотов длиной более 300 м. На этом участке измерялся постоянный средний уклон в промилле. При этом учитывалось, что на элементарном участке дороги достигается равномерная скорость движения лесовоза с грузом или без него.

Результаты исследования и их обсуждение

В статье приведены результаты рейтинга экспериментов по ранжированию значений каждого из 35 факторов для последующего многофакторного анализа дополнением парных сравнений между всеми факторами вывозки древесины с верхних складов лесных участков.

Интуитивно ясно, что многие факторы влияют только на скорость движения лесовоза. Однако при этом из 35 факторов парными сравнениями могут быть упущены подгруппы факторов, обладающих сильными парными закономерностями. Например, метеорологические параметры между собой имеют высокие коэффициенты корреляции. Поэтому при полном факторном анализе при синтезе иерархий мы придерживаемся закона Барри Коммонера «Все связано со всем» [10], то есть любой фактор в какой-то количественной мере (корреляции) влияет на изменение значений других количественно выраженных факторов.

Иерархия является некоторой абстракцией структуры системы, предназначенной для изучения функциональных взаимодействий ее компонент и их воздействий на систему в целом [11, с. 12]. Метод анализа иерархий получил широкое распространение.

В нашем случае система (162 наблюдений по 35 факторам, включая и скорость движения лесовоза) известна, а для неё вначале были эвристически определены 35 количественных параметров. Для моделирования ранговых распределений по каждому из 35 факторов вначале необходимо выполнить их распределение по вектору «лучше – хуже».

Разнонаправленные по содержательному смыслу факторы нельзя объединять. При этом ранги применяются для устранения проблемы с размерностью факторов (как известно, нельзя складывать факторы с разными размерностями). Тогда появляется возможность количественного описания всей системы параметров, в нашем случае для системы «Вывозка лесоматериалов по автомобильным дорогам».

Применим следующий способ упорядочения значений параметров по вектору предпорядка предпочтительности «лучше → хуже» по рангам R = 0, 1, 2,... (табл. 1). При одинаковой содержательной направленности всех учтенных факторов появляется возможность их последовательного суммирования. Затем суммирование рангов у всего списка параметров системы; образуется рейтинг (табл. 2), причем лучшим будет элемент с наименьшей суммой рангов.

Из данных табл. 1 видно, что 25 факторов имеют направленность «чем меньше, тем лучше», поэтому ранги распределяются вдоль оси абсцисс «ранги от 0, 1, 2 и выше» с минимального значения. Остальные 10 факторов имеют направленность «чем больше, тем больше», поэтому значения этих факторов по оси рангов убывают.

В табл. 3 представлена таблица, количество повторяющихся экспериментов для рангов 0, 1, 2.

Таблица 2

Фрагмент (первые и последние три места) рейтинга экспериментов и их места по сумме рангов (числитель – ранг, знаменатель – значение фактора)

Таблица 3

Количественное распределение экспериментов по местам в рейтинге

Ранг (R = 0, 1, 2, 3,...) отличается от места в рейтинге (I = 1, 2, 3,...) добавлением цифры 0. Это позволяет использовать положительную полуось абсцисс в моделировании методом идентификации [12].

Ранжируем каждый фактор в программной среде Excel. Для этого существует функция РАНГ. В функции = РАНГ(А1;А$1:FF$1;1) для программной среды Excel приняты условные обозначения: А1 – первая ячейка в первой анализируемой строке; FF$1 – последняя ячейка в первой анализируемой строке; 0˅1 – ранжирование по убыванию (0) или возрастанию (1).

В итоге получаем распределение мест I по убыванию (10 факторов) или возрастанию (25 факторов) значений ранжируемого показателя. Ранг R будет равен I – 1.

В табл. 2 представлен фрагмент таблицы с рейтингом экспериментов, начиная с наименьшей суммы рангов, т.е. с наилучшим влиянием. Из этой таблицы видим, что наилучшие условия у эксперимента № 94, далее № 59 и № 47. Охарактеризуем их условия. Все лучшие рейтинговые эксперименты проведены без снежного покрова, в летнее время, без осадков или с небольшим их количеством. Движение порожнее, по гравийной дороге, с небольшим уклоном с относительно высокой скоростью движения (от 45 до 70 км/ч).

Наихудшие условия экспериментов с наибольшей суммой рангов следующие. Зимнее или весеннее (март) время года со снежным или снежно-ледяным покрытием дороги и отрицательным уклоном дороги (спуск). Температура воздуха отрицательная, но относительно не низкая (от -00 до -80). За последние 12 ч до измерения присутствовали осадки. Автомобиль груженый со скоростью движения 26–28 км/ч.

Для дальнейшего анализа эксперименты поделим на группы по местам рангов (1 группа с 1 по 10 место, 2 группа с 11 по 20 место и т.д.). В табл. 4 представлены номера групп, суммы суммарных значений экспериментов. Так как в группе может быть различное количество экспериментов (столбец 3), то определено среднее значение суммы экспериментов (столбец 4) и построен график, отражающий среднюю сумму эксперимента в группе.

Для отображения расположения групп по отношению к эксперименту составим график, представленный на рис. 2.

Рис. 2. Местоположение сумм экспериментов в эксперименте по группам

По графику (рис. 2) можно сделать вывод, что группы с наилучшими результатами (наименьшей суммой рангов) находятся в первых экспериментах. Однако первая половина групп имеет большой разброс, вторая половина наиболее сгруппирована. Можно отметить, что первые 100 экспериментов проводились в летнее время, остальные со 101 по 162 в зимнее и весеннее (с декабря по март включительно). В летнее время происходит наибольший разброс значений. Это объясняется большим диапазоном значений природно-климатических условий, влияющих на скорость движения в летнее время, таких как количество осадков, выпавших за последние 12 часов; тип покрытия дороги.

Заключение

Про проведенному анализу можно сделать вывод, что собирать информацию для наилучших экспериментов следует в летнее время при максимальной скорости движения автомобиля.

Полученные результаты рейтингового распределения могут в дальнейшем быть использованы при оценке добротности факторов, влияющих на скорость лесовоза.

Исследование выполнено в рамках проекта «Разработка фундаментальных основ проектирования лесной инфраструктуры как динамически изменяемой системы в условиях деятельности лесозаготовительного производства», № 19-410-240005, поддержанного за счет средств целевого финансирования, предоставленного РФФИ, Правительством Красноярского края и Краевым фондом науки.