با همکاری انجمن مهندسان مکانیک ایران

نوع مقاله : مقاله کوتاه

نویسندگان

1 گروه مهندسی مکانیک بیوسیستم، دانشکده کشاورزی، دانشگاه شهید چمران اهواز، اهواز، ایران

2 دانشجوی دکتری رشته علوم خاکشناسی، دانشگاه کشاورزی و منابع طبیعی رامین

چکیده

نیشکر یک گیاه مهم در جهان می‌باشد که با هدف تولید شکر و تولید انرژی کشت می‌شود، به همین دلیل ارزیابی دو روش برداشت یکی با هدف تولید شکر و دیگری با هدف تولید انرژی ضرورت پیدا می‌کند. در این تحقیق دو سیستم برداشت نیشکر و مورد بررسی قرار گرفته است. پارامترهای کمی شامل مصرف سوخت بر حسب لیتر بر هکتار، توان مصرف شده ماشین برداشت نیشکر بر حسب کیلووات، بازده گشتاور موتور برحسب (%)، روغن هیدرولیک مصرف شده در تیغه برش، چاپر، بالابر بر حسب مگاژول بر مگاگرم، سرعت پیشروی کیلومتر بر ساعت، ظرفیت مزرعه‌ای برحسب هکتار بر ساعت، عملکرد مزرعه‌ای مگاگرم بر هکتار و دبی خروجی نی بر حسب مگاگرم بر ساعت و پارامترهای کیفی شامل خصوصیات گیاه بود که شامل میانگین قطر متوسط ساقه برحسب میلی‌متر، ارتفاع ساقه بر حسب متر، تعداد ساقه بر متر، درصد ساقه‌های بریده شده سالم و تا حدی آسیب‌دیده و به‌شدت آسیب‌دیده، ارتفاع متوسط کاه و کلش بر حسب میلی‌متر، متوسط جرم مخصوص ظاهری کیلوگرم بر مترمکعب، میانگین درصد رطوبت، میانگین عملکرد ماده خشک (بیوماس) بر حسب مگاگرم بر هکتار اندازه‌گیری شد. تحلیل داده با استفاده از روش مدیریتی مجموع ساده وزنی شده انجام شد. نتایج نشان داد که میزان برداشت در روش برداشت با هدف تولید شکر از لحاظ پارامترهای کمی ماشین برداشت نیشکر در شرایط مطلوبی نسبت به روش برداشت با هدف تولید انرژی قرار دارد ولی از نظر خصوصیات کیفی گیاه سیستم برداشت با هدف تولید انرژی وضعیت بهتری دارد چون دارای ضریب ترکیبی بالایی است.

کلیدواژه‌ها

1. Abubakar, M., and B. Umar, 2006. Comparison of energy use patterns in Maiduguri and yoke flour mills Nigeria. The CIGR Journal of Scientific Research and Development, Agricultural Engineering International 16. Available at: http://cigrjournal.org/index.php/Ejounral/article/view/671. Accessed to May 2006.
2. Bagheri Neshani, A., A. A. Zeraei, and M. Bahadorifar. 2013. Impact assessment of economic, social and ecological production of bioethanol from SC and maize in rural areas. Second National Conference on Renewable Energy and Clean, Tehran. 10 Pages. (In Farsi).
3. Balocco, C., and D. Verdesca. 2007. Shannon entropy for energy technologies ex-ante evaluation. International Journal of Environmental Technology and Management 7(1/2): 197-217. Available at: http://dx.doi.org/10.1504/IJETM.2007.013245. Accessed may 2007.
4. Brasil. 2012. Ministe´ rio de Minas e Energia. Balanc¸o energe´tico nacional. Brası´lia. Available at: https://ben.epe.gov.br/downloads/S%c3%adntese%20do%20Relat%c3%b3rio%20Final_2012_Web.pdf.
5. Chen, S. J., and C. L. Hwang. 1992. Fuzzy Multiple Attribute Decision Making: Methods and Applications. Springer Verlag, New York.
6. Heragu, S. 1997. Facilities Design. PWS Publishing, Boston. Massachusetts.
7. Hwang, C. L., and Yoon, K. 1981. Multiple Attribute Decision Making – Method and Applications, A State of the Art Survey. Springer Verlag, New York.
8. Kabassi, K., and M. Virvou. 2004. Personalised adult e-training on computer use based on multiple attribute decision making. Interacting with Computers 16, 115–132. Available at: http://www.sciencedirect.com/science/article/pii/S0953543803001127. Accessed February 2004.
9. Knoll, J. E., W. F. Anderson, T. C. Strickland, R. K. Hubbard, and R. Malik. 2012. Low-input production of biomass from perennial grasses in the coastal plain of Georgia, USA. Bioenergy Research 5 (1): 206-214. Available at: http://link.springer.com/article/10.1007%2Fs12155-011-9122-x. Accessed May 2012.
10. Maccrimmon, K. R. 1968. Decision making among multiple attribute alternatives: A survey and consolidated approach. RAND Memorandum, RM-4823-ARPA. 78 pages. Available at: http://www.rand.org/pubs/research_memoranda/RM4823.html. Accessed December 1968.
11. Mantoam, J. E., M. Milan, M. L. Gimenez, and L. Th. Romaneli. 2014. Embodied energy of SC harvesters. Biosystem Engineering. 155-166. Available at: http://www.sciencedirect.com/science/article/pii/S1537511013001992. Accessed January 2014.
12. Mathanker, S. K., H. Gan, J. C. Buss, B. Lawson, A. C. Hansen, and K. C. Ting. 2015. Power requirements and field performance in harvesting EC and SC. Biomass and Bioenergy 75: 227-234. Available at: http://www.sciencedirect.com/science/article/pii/S0961953415000616. Accessed April 2015.
13. Mislevy, P., and R. C. Fluck. 1992. Harvesting operations and energetics of tall grasses for biomass energy production: a case study. Biomass Bioenergy 3 (6): 381-387. Available at: http://www.sciencedirect.com/science/article/pii/096195349290033M. Accessed June 1992.
14. Mislevy, P., F. G.Martin, M. B. Adjei, and D. J. Miller. 1995. Agronomic characteristics of US 72-1153 energycane for biomass. Biomass and Bioenergy. 449-457. Available at: http://www.sciencedirect.com/science/article/pii/096195349500050X. Accessed May 1995.
15. Richard, E. P., and W. F. Anderson. 2014. SC, EC, and napiergrass. In: Karlen DL, editor. Cellulosic energy cropping systems. John Wiley & Sons, Ltd. p. 91-108.
16. Salassi, M. E. and Barker, F.G. 2008. Reducing harvest costs through coordinated SC harvest and transport operations in Louisiana. Journal Assoc SC Technol 28: 32-41. Available at: http://agris.fao.org/agris-search/search.do?recordID=US201301692925.
17. Shakouri, H., M. Nabaee, and S. Aliakbarisani. 2014. A quantitative discussion on the assessment of power supply technologies: DEA (data envelopment analysis) and SAW (simple additive weighting) as complementary methods for the “Grammar”. Energy (64): 640-647. Available at: http://www.sciencedirect.com/science/article/pii/S0360544213008712. Accessed January 2014.
18. Wang, Y. J. 2015. A fuzzy multi-criteria decision-making model based on simple additive weighting method and relative preference relation. Applied Soft Computing 30: 412-420. Available at: http://www.sciencedirect.com/science/article/pii/S1568494615000903. Accessed May 2015.
CAPTCHA Image