ISSN 2658-6525 (Online)
ISSN 2658-4123 (Print)
Основан в 1990 году
Реестровая запись
ПИ № ФС 77-74640
от 24 декабря 2018 г.

Вы здесь: Главная Архив статей (2014-2016) 2026 №2 Список статей 02 Чаплыгин М. Е. Структура факторного пространства как научно-методическая основа обоснования системы дифференцирования машин

PDF Скачать статью в pdf.

DOI: 10.15507/2658-4123.036.202602.262-276

EDN: https://elibrary.ru/isrjde

УДК 62-18:004.8

 

Структура факторного пространства как научно-методическая основа обоснования системы дифференцирования машин

 

Чаплыгин Михаил Евгеньевич
кандидат технических наук, ведущий научный сотрудник, заведующий лабораторией технологий и машин для посева и уборки зерна и семян в селекции и семеноводстве Федерального научного агроинженерного центра ВИМ (109428, Российская Федерация, г. Москва, 1-й Институтский проезд, д. 5), ORCID: https://orcid.org/0000-0003-0031-6868, Researcher ID: AAZ-6056-2020, Scopus ID: 57211741695, SPIN-код: 2268-6927, Этот адрес электронной почты защищён от спам-ботов. У вас должен быть включен JavaScript для просмотра.

 

Аннотация
Введение. Разработка федеральной системы технологий и машин для растениеводства является важнейшей составляющей программы модернизации агропромышленного комплекса, направленной на обеспечение технологического суверенитета и экономического развития страны. С учетом опыта применения современных тенденций технического прогресса в агропромышленном комплексе должны быть предложены требования к сельскохозяйственной технике в определенном факторном пространстве. В предлагаемой структуре такого пространства человек является разработчиком условий и требований для обеспечения высокоэффективного технологического и технического обеспечения сельскохозяйственного производства.
Цель исследования. Выполнить анализ научно-методических подходов и предложить алгоритм выстраивания структуры факторного пространства при обосновании системы дифференцирования машин для развития инновационных технических средств и производственных процессов в агропромышленном комплексе.
Материалы и методы. Обоснование функционально зависимых блок-факторов выполнено с помощью структурного и функционального анализа. Решение задач планирования оптимального состава машинно-тракторного парка сельскохозяйственных предприятий основано на применении методов оптимизационного и системного подходов.
Результаты исследования. Предложена структура факторного пространства для характеристики дифференцирования машин. Введены и обоснованы дополнительные блок-факторы, имеющие свое назначение, содержание и выходные показатели: Стратегия развития; требования пользователя техники; агросреда и агрофон; комплекс машин; рабочие органы; энергообеспечение; интеллектуальные технологии управления; предиктивные технологии; квалифицированные кадры; машинно-тракторный парк предприятий. Работа предложенного алгоритма показана на примере разработки селекционного комбайна для реализации задач уборки селекционных делянок.
Обсуждение и заключение. Блок-факторы взаимосвязаны между собой и различаются степенью своей значимости, которая принимается в качестве исходной информации. Каждая составляющая предложенного алгоритма рассмотрена в соответствии с требованиями Стратегии при достижении показателей продовольственной безопасности Российской Федерации. Представленное исследование является продолжением дискуссии по выбору и оценке перспективных направлений в развитии совершенствования методов обоснования системы машин, в том числе с учетом территориальных признаков. Предложенная структура является универсальной, позволяет решать общепроизводственные научные проблемы со сложными многофакторными задачами, учитывающими современные технологии и разработки с применением достижений в области цифровизации, робототехники и искусственного интеллекта.

Ключевые слова: факторное пространство, интеллектуальная система, предиктивные технологии, база данных, комплексы машин, параметры машины, агросреда

Конфликт интересов: автор заявляет об отсутствии конфликта интересов.

Для цитирования: Чаплыгин М.Е. Структура факторного пространства как научно-методическая основа обоснования системы дифференцирования машин. Инженерные технологии и системы. 2026;36(2):262–276. https://doi.org/10.15507/2658-4123.26362.262-276

Автор прочитал и одобрил окончательный вариант рукописи.

Поступила в редакцию 16.02.2026;
поступила после рецензирования 19.03.2026;
принята к публикации 26.03.2026

 

СПИСОК ЛИТЕРАТУРЫ

  1. Чаплыгин М.Е., Давыдова С.А., Подзоров А.В. Современные требования к техническому уровню зерноуборочных комбайнов. Технический сервис машин. 2020;(4):29–39. https://doi.org/10.22314/2618-8287-2020-58-4-29-39
  2. Жалнин Э.В., Чаплыгин М.Е. Совершенствование конструкции зерноуборочных комбайнов путем гармонизации их базовых технических параметров. Инженерные технологии и системы. 2023;33(3):403–416. https://doi.org/10.15507/2658-4123.033.202303.403-416
  3. Чаплыгин М.Е., Беспалова О.Н., Кадыргалиев А.З. Концептуальные положения технологии производства зерновых культур для селекционных работ с помощью цифровых методов. Известия Нижневолжского агроуниверситетского комплекса: наука и высшее профессиональное образование. 2024;(4):419–429. URL: https://www.volgau.com/izvestiya (дата обращения: 25.08.2025).
  4. Чаплыгин М.Е., Старостин И.А., Овчаренко А.С. Концептуальные основы создания электрического селекционного комбайна с комбинированной энергетической установкой. Инженерные технологии и системы. 2025;35(2):266–283. https://doi.org/10.15507/2658-4123.035.202502.266-283
  5. Лобачевский Я.П., Лачуга Ю.Ф., Измайлов А.Ю., Шогенов Ю.Х. Научно-технические достижения агроинженерной науки в условиях цифровизации сельского хозяйства. Российская сельскохозяйственная наука. 2025;(3):45–53. https://elibrary.ru/fedqxj
  6. Коротчен В.М., Ценч Ю.С., Лобачевский Я.П. Система машин как фактор научно-технического прогресса в агропромышленном комплексе. Российская сельскохозяйственная наука. 2024;(4):67–72. https://elibrary.ru/fkrban
  7. Жалнин Э.В. Системно-аналитический метод формирования технической политики в АПК РФ. Тракторы и сельскохозяйственные машины. 2012;(6):3–9. URL: https://journals.eco-vector.com/0321-4443/issue/view/3806 (дата обращения: 25.08.2025).
  8. Измайлов А.Ю., Лобачевский Я.П. Система машин и технологий для комплексной механизации и автоматизации сельскохозяйственного производства на период до 2020 года. Сельскохозяйственные машины и технологии. 2013;(6):6–10. https://elibrary.ru/rvtbhj
  9. Черноиванов В.И., Толоконников Г.К., Ранцева И.В. Структура подсистем в биомашсистемах. Техника и оборудование для села. 2019;(7):2–7. https://doi.org/10.33267/2072-9642-2019-7-2-7
  10. Черноиванов В.И., Толоконников Г.К. Функциональная схема биомашсистемы. Техника и оборудование для села. 2022;(10):2–5. https://doi.org/10.33267/2072-9642-2022-10-2-5
  11. Черноиванов В.И., Толоконников Г.К. Системный подход для агропромышленного комплекса. Техника и оборудование для села. 2021;(12):2–6. https://doi.org/10.33267/2072-9642-2021-12-2-6
  12. Jha K., Doshi A., Patel P., Shah M. A Comprehensive Review on Automation in Agriculture Using Artificial Intelligence. Artificial Intelligence in Agriculture. 2019;(2):1–12. https://doi.org/10.1016/j.aiia.2019.05.004
  13. Zhang P., Guo Z., Ullah S., Melagraki G., Afantitis A., Lynch I. Nanotechnology and Artificial Intelligence to Enable Sustainable and Precision Agriculture. Nature Plants. 2021;(7):864–876. https://doi.org/10.1038/s41477-021-00946-6
  14. Kumar P., Singh A., Rajput V.D., Yadav A.K.S., Kumar P., Singh A.K. и др. Role of Artificial Intelligence, Sensor Technology, Big Data in Agriculture: Next-Generation Farming. Bioinformatics in Agriculture. 2022:625–639. https://doi.org/10.1016/B978-0-323-89778-5.00035-0
  15. Sparrow R., Howard M., Degeling C. Managing the Risks of Artificial Intelligence in Agriculture. NJAS Impact in Agricultural and Life Sciences. 2021;93(1):172–196. https://doi.org/10.1080/27685241.2021.2008777
  16. Ерохин М.Н., Дорохов А.С., Катаев Ю.В. Интеллектуальная система диагностирования параметров технического состояния сельскохозяйственной техники. Агроинженерия. 2021;(2):45–50. https://doi.org/10.26897/2687-1149-2021-2-4550
  17. Дорохов А.С., Катаев Ю.В., Пестряков Е.В., Петрищев Н.А., Саяпин А.С., Костомахин М.Н. Применение нейронной сети в управлении техническим состоянием сельскохозяйственной техники. Вестник машиностроения. 2025;104(8):663–667. https://doi.org/10.36652/0042-4633-2025-104-8-663-667
  18. Кот Е.М., Петрякова С.В., Малькова Ю.В., Пильникова И.Ф., Горбунова О.С. Формирование кадрового потенциала в АПК. Международный научно-исследовательский журнал. 2022;(4):141–144. https://doi.org/10.23670/IRJ.2022.118.4.137

 

Лицензия Creative Commons
Контент доступен под лицензией Creative Commons Attribution 4.0 License.

Подробности
Просмотров: 36