Modelling of wander ratios, travel speeds and productivity of cable and grapple skidders in softwood sawtimber operations in South Africa
Notice bibliographique
Résumé
The objective of this study was to develop predictive models for cable and grapple skidder wander ratios, travel speeds (loaded and unloaded), and productivity in softwood roundwood sawtimber harvesting operations. For field data collection, the study utilised on-board computing systems supported by manual time study. Four-hundred and twenty-seven extraction cycles over varying terrain and tree sizes were studied for 13 sites in the Western, Southern and Eastern Cape, and KwaZulu-Natal. Machine make and model as well as gross power rating were studied. Due to insignificance across skidder types and configurations, the objective of creating a predictive model for skidder wander ratio was not met. The overall mean wander ratio for all skidders and terrain studied was 1.12:1. This value was used in the models subsequently developed. No differences were found for unloaded and loaded travel speeds between individual skidder types and speeds were found to be 7.3 km h−1 and 5.5 km h−1, respectively. In terms of productivity, when based on field-measured data, there were differences between skidder types with cable skidders achieving 43.9 m3 per productive machine hour (PMH) and grapples skidders 123.9 m3 PMH−1. The study, however, found that both cable and grapple skidders were only hauling approximately 50% of their capacity and for that reason multiple regression models to predict potential production at full payload capacity were developed for the two skidder configurations. Multiple regression was also used to develop prediction models for travel speeds loaded and unloaded. The study met its objectives for driving speeds and productivity, and the developed models will be used in a subsequent network analysis to provide solutions to optimise the softwood sawtimber supply chain. The study also found that the human element had an impact on the factors studied and that good training, planning, implementation and operational control are imperative to ensure supply (or value) chain goals are met.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».