ارزیابی و بهینه‌سازی هزینه‌های سیستم مدیریت ماشین‌آلات کشاورزی در کارخانه قند آرجو دیدسا

مقالات آماده انتشار

نوع مقاله : مقاله پژوهشی لاتین

نویسندگان

• اس. کی. بوس ¹
• تی. کی. هوریسا ²
• ای. ای. اسلمن ¹

¹ گروه مهندسی مکانیک، دانشکده مهندسی مکانیک، شیمی و مواد، دانشگاه علوم و فناوری آداما، ارومیه، اتیوپی

² گروه مهندسی کشاورزی، دانشکده فناوری، دانشگاه والاگا، اتیوپی

10.22067/jam.2025.90012.1288

چکیده

نظارت کارآمد بر ماشین‌ های کشاورزی در کارخانه‌های قند برای حفظ کیفیت محصول، مدیریت هزینه‌های عملیاتی و بهبود بهره‌وری بسیار مهم است. صنعت قند اتیوپی برای اقتصاد این کشور حیاتی است؛ با این حال، مشکلات مربوط به مدیریت ماشین‌ ها می‌تواند منجر به هزینه‌های نگهداری بالاتر و بهره‌وری عملیاتی پایین شوند. هدف این مطالعه، ارزیابی سیستم مدیریت ماشین‌ های کشاورزی در کارخانه قند آرجو دیدسا و بهینه‌سازی هزینه‌های عملیاتی است. بین سال‌های 2016 تا 2022، داده‌ها از طریق نظرسنجی، مصاحبه و مشاهدات عینی جمع‌آوری شدند. برای بهبود هزینه‌های جاری ماشین‌ ها، یک مدل خطی با استفاده از نرم‌افزار LINDO مورد مطالعه قرار گرفت. یافته‌ها نشان می‌دهند که از بین ماشین‌ های غیرفعال، 49% نیاز به تعمیر جزئی دارند و 14% غیرقابل تعمیر هستند و باید به‌طور کامل از چرخه حذف شوند. نرخ کار پیش‌بینی‌شده 35.33% از نرخ واقعی فراتر رفت. از بین وظایف، ریشه‌کنی با 5.73% کمترین اختلاف را با نرخ کار واقعی داشت، در حالی که کشت ردیفی با 67.21 % بیشترین اختلاف را با نرخ واقعی نشان داد. هزینه‌های اولیه تعمیر کمینه بودند، اما با افزایش سن تجهیزات، هزینه‌های تعمیر نیز افزایش یافتند. مدل بهینه‌سازی در سال زراعی 2021-2022 منجر به کاهش 10.60 درصدی هزینه‌های عملیاتی شد که اهمیت تخمین دقیق نرخ کار واقعی ماشین‌آلات و تحلیل عملکرد را برای افزایش بهره‌وری برجسته می‌کند. در این مطالعه، ناکارآمدی‌های اساسی در مدیریت ماشین‌آلات شناسایی شدند و بر نیاز به سیستم‌های تعمیر و نگهداری قوی و برنامه استراتژیک جایگزینی تجهیزات فرسوده تاکید می‌شود. بهینه‌سازی بهره‌وری عملیاتی برای بهبود بهره‌وری و کاهش هزینه‌ها در فرآیند تولید قند ضروری است.

کلیدواژه‌ها

• بهره‌وری عملیاتی
• سیستم مدیریت ماشین‌آلات
• ظرفیت مزرعه‌ای ادوات
• عملکرد تعمیر و نگهداری

موضوعات

• طراحی و ساخت

©2025 The author(s). This is an open access article distributed under Creative Commons Attribution 4.0 International License (CC BY 4.0).

مراجع

1. Abbasi, R., Martinez, P., & Ahmad, R. (2022). The digitization of agricultural industry– a systematic literature review on agriculture 4.0. Smart Agricultural Technology, 2(February), 100042. https://doi.org/10.1016/j.atech.2022.100042
2. Ambo, Y. (2024). Assessment of Maintenance Activities and Strategies for Tractor and Operator Care in Gurage Zone, Wolkite Town, Ethiopia. Engineering Science, 9(2), 39-46. https://doi.org/10.11648/j.es.20240902.12
3. Ashine, E. T., Tilahun Ashine, E., Yesuf, M. B., & Bokke, A. S. (2022). Estimation and Mapping Spatiotemporal Variability of Crop Water Requirement for Sugarcane in Arjo Dedessa Sugar Factory and its Surrounding. Journal of Remote Sensing and GIS, 11(5), 1000232. https://doi.org/10.35248/2469-4134.22.11.232
4. Ayele Zikargie, Y., & Cochrane, L. (2024). From developmentalism to the homegrown economy of Ethiopia: The narratives and the reality. Heliyon, 10(15), e35021. https://doi.org/10.1016/j.heliyon.2024.e35021
5. Bhamare, D. M. A. (2023). Optimizing Crop Selection and Production Planning in Agriculture: Applications of Linear Programming for Profit Maximization and Sustainability. International Journal of Research Publication and Reviews, 4(6), 3281-3287. https://doi.org/10.55248/gengpi.4.623.46630
6. Boninsenha, I., Mantovani, E. C., Costa, M. H., & da Silva Júnior, A. G. (2022). A Linear Programming Model for Operational Optimization of Agricultural Activity Considering a Hydroclimatic Forecast—Case Studies for Western Bahia, Brazil. Water (Switzerland), 14(22). https://doi.org/10.3390/w14223625
7. Diez de Bonilla-Jiménez, O. I., Chávez-Mejía, A. C., Navarro-González, M. I., Ruiz-Velázquez, I. E., & Molina-Valencia, U. (2024). Optimization of the Disinfection Process in Potabilization Systems in Cuenca Alto Atoyac, Mexico. Water (Switzerland), 16(23). https://doi.org/10.3390/w16233451
8. Etikan, I., & Babatope, O. (2019). A basic approach in sampling methodology and sample size calculation. MedLife Clinics, 1, 1006.
9. Fahmida, M., Mursalin, M. S., Huda, M. N., Shah, M. F., Hossain, M. J., & Haque, M. J. (2024). Design, fabrication and performance evaluation of a rotary power weeder for maize cultivation. Agricultural Engineering International: CIGR Journal, 26(3), 71-78.
10. Firoozi, A. A., Tshambane, M., Firoozi, A. A., & Sheikh, S. M. (2024). Strategic load management: Enhancing eco-efficiency in mining operations through automated technologies. Results in Engineering, 24(September). https://doi.org/10.1016/j.rineng.2024.102890
11. Gebeyehu, A. K., & Abbink, J. (2022). Land, sugar and pastoralism in Ethiopia: Comparing the impact of the Omo-Kuraz sugar projects on local livelihoods and food (in) security in the lower Omo Valley. Pastoralism, 12(1). https://doi.org/10.1186/s13570-022-00242-8
12. Gebreeyessus, G. D., Mekonnen, A., Chebude, Y., & Alemayehu, E. (2021). Quantitative characterization and environmental techno-legal issues on products and byproducts of sugar and ethanol industries in Ethiopia. Renewable and Sustainable Energy Reviews, 145(April), 111168. https://doi.org/10.1016/j.rser.2021.111168
13. Jupiara, B., Schardong, F., Ribeiro, R. P., Guilherme, N., Pinto, M., & Fagundes, P. D. M. (2024). Optimization in Agricultural Management : Exploring Linear Programming for Rural Properties. IOSR Journal of Business and Management, 26(4), 57-65. https://doi.org/10.9790/487X-2604015765
14. Kalwar, M. A., Khan, M. A., Shahzad, M. F., Wadho, M. H., & Marri, H. B. (2022). Development of linear programming model for optimization of product mix and maximization of profit: case of leather industry. Journal of Applied Research in Technology & Engineering, 3(1), 67-78. https://doi.org/10.4995/jarte.2022.16391
15. Kolhe, K. P., Lemi, D. G., & Busse, S. K. (2024). Studies of tractor maintenance and replacement strategies of Wonji Shoa Factory, Ethiopia. Journal of Agricultural Engineering, 55(1). https://doi.org/10.4081/jae.2024.1552
16. Nunes, P., Santos, J., & Rocha, E. (2023). Challenges in predictive maintenance– A review. CIRP Journal of Manufacturing Science and Technology, 40, 53-67. https://doi.org/10.1016/j.cirpj.2022.11.004
17. Oladejo, N. K., Abolarinwa, A., & Salawu, S. O. (2020). Linear Programming and Its Application Techniques in Optimizing Portfolio Selection of a Firm. Journal of Applied Mathematics, 2020. https://doi.org/10.1155/2020/8817909
18. Papageorgiou, A. (2015). Agricultural Equipment in Greece: Farm Machinery Management in the Era of Economic Crisis. Agriculture and Agricultural Science Procedia, 7, 198-202. https://doi.org/10.1016/j.aaspro.2015.12.017
19. Pejić Bach, M., Topalović, A., Krstić, Ž., & Ivec, A. (2023). Predictive Maintenance in Industry 4.0 for the SMEs: A Decision Support System Case Study Using Open-Source Software. Designs, 7(4). https://doi.org/10.3390/designs7040098
20. Rahman, M. M., Ali, M. R., Oliver, M. M. H., Hanif, M. A., Uddin, M. Z., Tamim-Ul-Hasan, Saha, K. K., Islam, M. H., & Moniruzzaman, M. (2021). Farm mechanization in Bangladesh: A review of the status, roles, policy, and potentials. Journal of Agriculture and Food Research, 6, 100225. https://doi.org/10.1016/j.jafr.2021.100225
21. Salawu, E. Y., Awoyemi, O. O., Akerekan, O. E., Afolalu, S. A., Kayode, J. F., Ongbali, S. O., Airewa, I., & Edun, B. M. (2023). Impact of Maintenance on Machine Reliability: A Review. E3S Web of Conferences, 430, 1-12. https://doi.org/10.1051/e3sconf/202343001226
22. Shaheb, M. R., Venkatesh, R., & Shearer, S. A. (2021). A Review on the Effect of Soil Compaction and its Management for Sustainable Crop Production. Journal of Biosystems Engineering, 46(4), 417-439. https://doi.org/10.1007/s42853-021-00117-7
23. Sun, J., Zhang, Y., Chen, H., & Qiao, J. (2023). Optimization Model and Application for Agricultural Machinery Systems Based on Timeliness Losses of Multiple Operations. Agriculture (Switzerland), 13(10), 1-19. https://doi.org/10.3390/agriculture13101969
24. Yaseen, M. U., Ahmad, S., Ahmad, M., Long, J. M., Raza, H. A., Iftekhar, H., Ameer, S., & Ogunbiyi, D. (2024). A Multi-Function Novel Crop Seeder for the Management of Residues and Mechanized Sowing of Wheat in a Single Path. AgriEngineering, 6(3), 2445-2469. https://doi.org/10.3390/agriengineering6030143
25. Zhang, H., Yang, Z., Wang, Y., & Twumasi, M. A. (2023). Impact of Agricultural Mechanization Level on Farmers ’ Health Status in Western China : Analysis Based on CHARLS Data. International Journal of Environmental Research and Public Health.
26. Zhang, Q., Zhao, J., Yang, X., Wang, L., Su, G., Liu, X., Shan, C., Rahim, O., Yang, B., & Liao, J. (2024). Design and Testing of an Offset Straw-Returning Machine for Green Manures in Orchards. Agriculture (Switzerland), 14(11). https://doi.org/10.3390/agriculture14111932
27. Zikargie, Y. A., Wisborg, P., & Cochrane, L. (2022). State-led modernization of the Ethiopian sugar industry: questions of power and agency in lowland transformation. Journal of Eastern African Studies, 16(3), 434-454. https://doi.org/10.1080/17531055.2023.2166449
28. Zikargie, Y. A., Wisborg, P., & Cochrane, L. (2023). State-led modernization of the Ethiopian sugar industry: questions of power and agency in lowland transformation. Journal of Eastern African Studies, 16(3), 434-454. https://doi.org/10.1080/17531055.2023.2166449