MétaCan
Menu
Retour à la cohorte
Enregistrement W3026445848 · doi:10.1080/14942119.2020.1761746

Productivity and cost analysis of tower yarder systems using the Koller 507 and the Valentini 400 in southwest Germany

2020· article· en· W3026445848 sur OpenAlexaff
Janine Schweier, Marie-Luise Klein, Herbert Kirsten, Dirk Jaeger, Frauke Brieger, Udo Hans Sauter

Notice bibliographique

RevueInternational Journal of Forest Engineering · 2020
Typearticle
Langueen
DomaineEngineering
ThématiqueForest Biomass Utilization and Management
Établissements canadiensSt. Peter's Hospital
Organismes subventionnairesnon disponible
Mots-clésTerrainProductivityHardwoodTower craneTowerEngineeringRange (aeronautics)Agricultural engineeringSkylineLoggingForestryCivil engineeringGeographyStructural engineeringCartography

Résumé

récupéré en direct d'OpenAlex

Cable-based timber extraction offers some advantages with regard to impacts to forest stands and soils, and can be used under a wide range of conditions. It is important not only in steep terrain, but also increasingly in flat terrain when soils have low bearing capacity. In this study, utilization data from two commonly used tower yarding systems were analyzed: a tower yarder with a mounted processor (K507) and a medium-distance tower yarder (V400). Collected data included explanatory variables, such as the proportion of hardwood timber, length of skyline, direction of yarding and dimension of harvested timber. Data were analyzed with regard to the time required for machine installation including set-up and dismantling, machine productivity and resulting production costs. Possible combinations of machines and partial working steps were evaluated. Results indicated an increasing utilization of cable crane systems in horizontal yarding direction throughout the analyzed time period. Further, more time was required to process full trees when the K507 was used, although machine productivity increased. The proportion of processed timber that was hardwood significantly influenced installation times. Results demonstrated that, if the machines had above average productivity, total costs could be reduced in flat terrain by using a cable crane instead of conducting the extraction by skidders.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,026
Score d'incertitude au seuil0,052

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,013
Tête enseignante GPT0,226
Écart entre enseignants0,212 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations21
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Forest EngineeringMême sujetForest Biomass Utilization and ManagementTravaux en français237 207