基于WITNESS的農場收獲機器系統配備應用仿真研究

馬 力，王 帥，王 英，喬金友

（1.東北農業大學工程學院，哈爾濱 150030；2.鄭州宇通客車股份有限公司，鄭州 450016）

農場在收獲時期影響收獲機械作業效率的因素有很多，包括天氣、收獲機械性能，收獲機械調配制度及運載機械配備合理與否等因素，其中除了天氣因素是無法人為控制之外，后三種因素都是可以通過合理分析而盡量減少其影響[1]。文章則主要針對目前農場大多以經驗法進行運載車輛的配備，從而導致因運載機械配備不合理而造成的收獲作業延誤及損失情況，應用系統仿真的方法進行分析，得出收獲過程中聯合收割機與運載車輛的合理配備方案。

1 收獲系統作業及WITNESS軟件概述

1.1 收獲系統作業現狀分析

農場收獲時期，收獲機械在地塊中進行收獲作業，一定時間后（即糧倉被裝滿后），則要求向運載機械卸糧，一般閃燈呼叫運載機械接糧，卸糧完成后，收割機繼續進行收獲作業，而運載機械將糧食運至曬場集中存放，然后再返回收獲地塊。收獲過程看似很簡單，但其中由于收獲地與曬場的距離、到達曬場的路況、運載機械的性能、速度、載重、收獲機械的性能、生產率等諸多因素，往往使得在收獲機械與運載機械數量的配備上不好掌握，而常出現運載機械配備不夠造成收獲機械等待，或是運載機械等待的情況[2]。

經過麥收時的實地調研，共記錄了6 d的收獲數據，這6 d中收割機等待運載車的情況每天平均會出現2～3次，等待時間從10～40 min。而當運載機械到達不及時時，處于停車待卸糧的收割機也一般不止一輛，有時會多達6輛之多（一塊地一般有5到6輛收割機）。麥收時按一天8 h工作算，處于等待的收割機按3輛計算，則每天因運載機械不能及時趕到而停工率為21%，這就意味著如果有6輛車同時工作，相當于有1.26輛車是處于停機待工的狀態。另外一種現象則是因曬場的距離較近，與收割機數目相同的運載機械則顯得有些多余，便會有3～4輛運載車處于等待的狀態，而其等待時間往往要超過30 min，這種在時間成本和邊際成本上的浪費是不可忽視的。

在以往的一些農業機器系統優化研究中雖然也有關于運輸機械配備的討論[3-6]，但其模型的建立是以將整個農場假設為一個作業場所而進行的，且其中關于運載機械每日往返的次數，種類等各種參數也均是在理想化的狀態下建立的模型，其運載機械的配備同實際情況相去甚遠，不能反應出實際收獲的情況。因此當前，多數農場在收獲時期，主要還是根據經驗調配收獲機械和運載機械到指定地塊收割，一般是有幾輛收割機，便配幾輛運載車，而不去考慮收割地與曬場的距離遠近，在設備數目上缺乏有效的數據支持，收獲現場收獲機械等待時間較長、利用率低和運載機械等待時間長、利用率不足的情況并存，影響到了整個收獲系統的運作效率，從而延誤農時導致作物產量下降，給農戶造成不必要的經濟損失[7]。

1.2 收獲作業應用WITNESS仿真的可行性分析

WITNESS是面向工業系統、商業系統流程的動態系統建模與仿真軟件平臺，主要用于離散事件系統的仿真。WITNESS的仿真鐘推進方法采用的是事件調度法。具有交互式面向對象的建模環境、靈活的執行策略、工程友好性強、柔性等特點，經常被用于解決諸如投資規劃等問題[8-10]。

結合收獲及運輸作業的過程，從系統的角度，可將其視為一個離散系統，即可以將該過程在時間上轉移成生產系統和物流系統。可以將收獲的過程視作一個工廠，收割機收割糧食的過程視為該工廠生產產品的過程，不同種類的收割機視不同的生產線或機器，其生產率及生產節拍是不同的，而將運載機械運送糧食到曬場視為物流中心將產品運至分銷商，其最佳的配備數量，最佳的運送路徑等過程均可用物流系統分析的思想來分析。

農場在收獲時期主要采用大規模集中收割的模式，即開始收獲某一地塊時，農機中心根據地塊的具體情況，調派一定數目的收獲機械和運載機械。一塊地收割完成，再轉移到下一場地進行收割。根據上述的分析，可以將這個作業系統應用計算機仿真來確定其最佳的收獲系統的配備量，基于WITNESS仿真軟件的特點及適用范圍的廣泛性[11]，可選擇應用WITNESS軟件進行收獲系統的建模仿真，并進行收獲系統的優化配備分析。

2 基于WITNESS的運載機械配備仿真研究

2.1 收獲作業相關調研數據的分析處理

以農場小麥的收獲作業，分段收獲時小麥拾禾作業為研究對象，通過對農場麥收情況的實地調研，獲得大量收割機及運載機械相關作業數據樣本，主要包括JDL1075及JD9660型聯合收割機在小麥拾禾作業中收滿一倉糧的時間、卸糧時間、及東風141、鐵牛55型運載車在麥地及曬場往返時間，以上數據可以統計出收割機收滿一倉糧及卸糧的時間分布規律。實測樣本數:JDL1075小麥拾禾收一倉糧時間（T1）及卸糧時間（T2）為66組；JD9660小麥拾禾收一倉糧時間（T3）及卸糧時間（T4）為26組，部分統計數據列于表1。

對每組數據分別進行正態檢驗，來確定每種收獲作業中主要時間是否服從正態分布，從而為建模提供基本參數。根據所記錄的作業時間情況，本文采用單樣本K-S非參數檢驗對數據進行正態性檢驗。檢驗結果如表2所示。在單樣本K-S檢驗中，顯著水平取值為0.05，當樣本的分布概率P值大于顯著水平，則說明樣本來自的總體符合所檢驗的分布[12]。本檢驗為正態分布檢驗。由表2中可知4組樣本的概率 P 即 Asymp.Sig.（2-tailed）分別為0.067，0.147及0.275，0.695，均大于顯著水平0.05，則這4組樣本符合正態分布。各組數據正態分布的主要參數均值（Mean）及方差（Std.Deviation）均列于表中。統計表中時間均以秒為單位，為便于建模中參數的輸入與計算，在分布函數中將單位秒轉化為以分鐘為單位。

表1 收割機小麥拾禾收獲作業時間統計表Table1 Statistics time of combines operation time of wheat gleaning （g·s-1）

表2 收獲數據K-S檢驗及分布參數確定Table2 K-S test and the distribution parameters determine of harvest data sample

則得其分布如下:

2.2 仿真模型的建立

2.2.1 模型的運行流程

本模型以小麥拾禾作業為原型建立仿真模型，某農場麥地面積為50.5 hm2，麥地距曬場間距離為6 km。實際調研中，該塊地進行收獲時應用的收獲機械為JDL1075收獲機5輛，JD9660收獲機1輛，運載機械為東風141卡車（3輛）和鐵牛55拖拉機（3輛）。根據實地調研的數據進行分析，確定二者往返的時間在45～65 min之間。載重量鐵牛55在加箱后可裝下平均JDL1075收獲機的2倉小麥，而東風141可裝下2.5倉。模型的流程及運行過程如圖1及圖2所示。

圖1 模型運行流程Fig.1 Flow of the model operation

圖2 小麥收獲模型布局Fig.2 The layout of wheat harvesting model

2.2.2 仿真模型詳解

小麥收獲的仿真模型如圖2所示。本模型中，定義軌道（Track）元素表示運載機械行走的路徑及曬場及收割機卸糧處的接收站。Witness中的Track元素是一種代表車輛運輸時所遵循路徑的離散元素，它們也定義了車輛裝載、卸載或停靠的地點。定義設備（machine）元素表示收割機，模型中設有兩種機型分別為JDL1075（圖2中s1075_01～s1075_05）及JD9660（圖2中s9660_01），通過設置不同的參數，便可區別二者的性能。以相應的收獲作業的正態分布作為收滿一倉小麥的時間，一個周期生產出一個產品，產品即代表一倉小麥。此時如果有運載機械在，即進行卸糧，如果沒有，則進行等待。定義機動車（Vehicle）元素為運載機械，車型為兩種，分別為東風141及鐵牛55，圖2中運輸車type1為東風，運輸車type2鐵牛。

3 仿真結果分析

3.1 現行方案仿真結果分析

令仿真模型運行300 min后，所得仿真結果統計如表3所示。由表3可知，收割的平均等待時間為47.62 min，占整個作業時間的15.87%，則與現場調研結果平均等待時間為21%較為相近，可見6輛收割機在地塊距曬場6 km情況下，配備6輛運載機械會造成收割機等待。因此本仿真模型有待進一步優化。

表3 現行方案收割機等待時間Table3 Combine waiting time in the current program simulation

3.2 仿真模型優化分析

3.2.1 優化方案的建立

針對現行方案仿真模型的運行結果，對本模型中的配備方案進行優化分析。模型優化中目標函數為收割機與運載機械總等待時間最短。設每輛收割機等待時間為Ti（i=1，2，…，n），每輛運載機械等待時間為Ti（j=1，2，…，m），在本實例分析中m及n取值均為6，則目標函數可表示為:

式中f（T）-收割機與運載機械總等待時間，min；Ti-收割機等待時間(min)；Tj-運載機械等待時間(min)。

3.2.2 仿真模型的優化結果分析

根據實際情況，收割機總數為6臺，其有5臺迪爾JDL1075，1輛JD9660，在收獲小麥時，設每種運載機械的配備數量分別從1～10臺，則共有100種運載機械的配備方案，設定模型運行300 min結束，經過優化后的結果為目標函數即收割機及運輸車總等待時間為54.559 min，此時運輸車的配備方案為東風141配備臺數為7臺，鐵牛55配備臺數為1臺。

3.3 優化方案及現行方案對比分析

根據仿真優化分析所得出的配備結果，結合該管理區實際情況，即在6輛收割機的情況下，配備8輛運載機械，再次進行仿真運算，得出最優配備方案的收割機等待時間如表4所示。

表4 優化方案收割機等待時間Table4 Combine waiting time in the optimization program simulation

由表3與表4對比可知，優化后的方案其平均等待率減少到1.36%，比現行方案的仿真結果中等待率15.88%提高了近十二倍，因此優化后的結果足以滿足生產中的實際需求。

3.4 收獲仿真模型的適應性研究

為驗證本仿真模型的適應性，將該農場大豆收獲時的相關數據應用于此仿真模型進行分析驗證。將大豆收獲作業中測得數據及大豆種植地塊的相應參數輸入模型，對第三管理區9-1號地進行仿真優化分析。該地兩種配備方案進行了仿真分析。方案一:配備收割機6臺（JD1075—5臺，JD9660-1臺）；方案二:配備收割機5臺（JD1075-3臺，JD9660-2臺）。運輸型號仍選東風142及鐵牛55兩種（因其為該農場現有的主要運輸車型），地塊距曬場距離為12 km，種植面積為68 hm2。運行模型后的兩種方案的優化結果如表5所示。從優化結果可知大豆收獲中該地塊的最佳配備為方案一。

表5 運輸車配備仿真優化結果Table5 Solution of transporter equipped in simulation optimization

根據上述驗證可知，本優化仿真模型具有較好的適應性及穩定性。結合實際情況，修改相應元素的參數，便可進行任意地塊參數及任意收割機配備臺數時運載機械最佳配備量的仿真優化。

4 結論

針對農場收獲作業中運載機械配備的問題應用系統仿真軟件，進行了小麥收獲過程的作業仿真實驗，為麥收作業建立了收獲系統優化仿真模型，應用此模型可得出相應情況下應配備的最佳運載機械數量。并針對調研地的麥收實際系統和優化系統的收割機配備量進行仿真，結果為:6輛收割機應配備8輛運載機械為最優方案。同時結合大豆收獲數據驗證了仿真模型適應性及穩定性。仿真模型的建立解決了農場在收獲作業時經常出現因運載機械配備不足而出現收割機等待貽誤農時的問題，及因運載機械配備過多而造成運載機械怠工的現象。對農場在收獲季節結合收獲機械的數量及相應實際情況進行合理運載機械配備提供了很好的參考依據。

[1]王福林.黑龍江省國營農場麥豆收獲的機械化系統分析[D].哈爾濱:東北農業大學,1988:24-35.

[2]戴有忠,脫寶珍.用特爾菲法預測湖南雙峰縣農機配備趨向[J].東北農業大學學報,1983(4):57-65.

[3]劉磊,楊廣林.農業機械系統配備量優化研究[J].農機化研究，2006(12):70-72.

[4]喬金友,陳立.高臺大豆與壟作大豆機器系統比較研究[J].東北農業大學學報,2002,33(3):209-212.

[5]王金武.三江平原水稻田間生產機械化系統分析與綜合優化設計研究[D].哈爾濱:東北農業大學,2001:71-89.

[6]Haffar I,Khoury R.A computer model for fieldmachinery selection under multiple cropping[J].Computers and Electronics in Agriculture,1992(7):219-229.

[7]馬力,王福林,張浩.農機系統優化配備研究面臨的新問題[J].農機化研究,2009(8):232-234.

[8]王亞超,馬漢武.生產物流系統建模與仿真:Witness系統及應用[M].北京:科學出版社,2006.

[9]張曉華.系統建模與仿真[M].北京:清華大學出版社,2006:20-40.

[10]趙靜,藺麥田,周根貴.基于Witness的供應鏈系統的仿真設計與改善[J].物流科技,2008(9):87-91.

[11]朱華炳,呂冬梅.基于Witness的生產物流系統仿真與優化[J].機械工程師,2006(3):135-137.

[12]薛薇.SPSS統計分析方法及應用[M].北京:電子工業出版社,2009.