GDK: 305:307:(497.12*09) Proučevanje dela s procesorjem KP-40 Work Studies with the KP-40 Processor Edvard REBU LA* 'J...!..t(-1 ( . , -) ~ J Izvleček Rebu la, E.: Proučevanje dela s procesorjem KP-40. Gozdarski vestnik, št. 3/1995. V sloven- ščini s povzetkom v angleščini , cit. lit. 5. S časovnimi študijami smo na gozdarstvu Vita- nje proučevali delo pri dodelavi sortimentov s procesorjem na žerjavu KP-40. Rezultati proučevanja so prikazani z regresij- skimi enačbami med časom obdelave in z raznimi kazalci (prsni premer in dolžina debla, število žagov, število kosov, povprečen prsni premer v kupu, velikost kupa ipd.). Prikazani so vplivi raznih dejavnikov na učinke dela. Ugotovitve so prikazane ločeno, če je primer- jalna količina posamezno drevo, in ločeno, če je primerjalna količina kup. Ključne besede: Procesor KP-40, časovne študije, delovni učinki , vplivni dejavniki. 1 UVOD INTRODUCTION V letu 1988 je Gozdno gospodarstvo Celje nabavilo stroj za obvejevanje in pre- žagovanje dreves iglavcev (procesor) KP- 40. Procesor je avstrijskega izvora. LIV iz Postojne je zgradil nadgradnjo kamiona, operatersko kabino, dvigalo, stabilizatorje in potrebne hidravlične napeljave. Vse sku- paj so nadgradili na odslužen (že izrabljen) kamion. Tako smo pri nas dobili prvi proce- sor na dvigalu (nem. Kranprozessor) v našo redno proizvodnjo. Delo s takimi stroji so si lahko naši strokovnjaki ogledali pred leti v Slovenj Gradcu, ko so tu organizirali prikaz tega dela. Še več informacij o učinkih takih strojev so strokovnjaki dobili iz prikazov v inozemstvu, zlasti Avstriji (Austroforma) in literature. Na osnovi tega je potekala ži- • Dr. E. R., dipl. inž. gozd., profesor v pokoju, 66230 Postojna, Kraigherjeva 4, SLO 114 Gozd V 53, 1995 Synopsis Rebu la, E.: Work Studies with the KP-40 Pro- cessor. Gozdarski vestnik, No. 3/1995. ln Slovene with a summary in English, lit. quot. 5. Time studies were used to investigate the work in assortment finishing process by means of a processor in the KP-40 crane in the Vitanje forest unit. The results are given in the form of regression equations between the machining time and va- rious indices (breast-height diameter and trunk length, the number of saw cuts, the number of pieces, the average breast-height diameter in the pile, pile size and the like). The influence of various factors on work effects are also given. The results are given separately in case the comparative quantity is an individual tree and separately if it is a pile. Key words: KP-40 processor, time studies, work effects, influential factors. vah na razprava o primernosti (gospodarno- sti, proizvodnosti, organizacijskih težavah, razpoložljivi količini lesa za tako obdelavo, ipd.) nabave in uporabe takih strojev v naših razmerah. Zato je bila razumljiva radovednost o uspehu dela takega stroja pri nas. Zaradi tega smo vključi l i v naše raziskovalno delo proučitev delovnih učin­ kov in v končni fazi tudi gospodarnosti tega dela pri nas. Uvedba procesorja spremeni celotno teh- nologijo sečnje in obdelave oblovine, spra- vi la in dodelave sortimentov. Raziskava je zajela vse te faze in bodo postopoma obdelane vse. V tej študiji pa bomo prikazali le izsledke raziskave o delu procesorja pri obvejevanju, krojenju in prežagovanju ter sortiranju oblovine iglavcev ob cesti v go- zdu. Vsa snemanja dela smo izvedli na TOZD- u Vitanje v revirju Rakovec v maju in juniju leta 1989. Pri organizaciji snemanja pa tudi pri samem delu so nam obilno pomagali strokovnjaki na TOZD-u. Za pomoč vsem najlepša hvala. ii 1 '. ' 1 ! ;, ' : Proučevanje dela s procesorjem KP-40 2 MERJENJE DELOVNIH UČINKOV, UGOTAVLJANJE KAZALCEV IN VPLIVNIH DEJAVNIKOV 2 MEASURING OF WORK PERFORMANCES, THE ESTABLISHING OF INDICES AND INFLUENTIAL FACTORS 2.1 Snemanje dela 2.1 Working Time Study Za snemanje dela procesorja pri obdelavi dreves iglavcev smo izdelali poseben sne- malni list. V njem smo beležili vse običajne reči, ki sodijo tja. Zato bom tu opisal le posebnosti, s katerimi smo se· srečali pri snemanju dela procesorja. 2.1.1 Merjenje količin obdelanih sortimentov 2.1.1 Measuring of Machines Assortments' Quantities Drevesa iglavcev (večinoma smreka in deloma jelka) so bila zložena v različno velike kupe ob cesti. Prede bela ali predolga drevesa so zaradi različnih vzrokov (zlasti poškodbe pri spravilu) že ob pan ju prežaga- li. Tako so bila v kupih cela drevesa (veči­ noma, oziroma 1 095 dreves od skupno 1416 kosov) in deli dreves (321 kosov). Za vsako drevo smo izmerili prsni premer (z lubjem). Ugotovili smo tudi število iz drevesa izdelanih kosov, njihove premere in dolžine. Tako smo dobili podatke o skup- nem volumnu debla in njegovi dolžini. Ve- čino premerov so izmerili s premerko. Druge so okularno ocenili. Dolžine kosov so ocenjevali. To je bilo olajšano, ker je operater krojil na standardne dolžine (hlade 4 in 8 m, drogove pa cele m). Na osnovi te izmere smo za vsako drevo (deblo) ugotovili: - prsni premer (X1) - dolžino debla (X2) - volumen debla (X4) Posebej smo označevali, ali je bil obdelan kos celo drevo (deblo) ali pa le njegov del. 2.1.2 Merjenje časovnih vrednosti 2.1.2 Measuring of Time Values Vse časovne vrednosti smo merili po kronometrični ničelni metodi s točnostjo odčitka 0.01 min (1 emin). Da bi lahko po- zneje ugotavljali razne vplive in dosežene učinke, smo snemali čase razmeroma poM drobno. Produktivni čas delavca smo delili na glavnega -za glavna opravila, kot so: y1 - čista obdelava, ko procesor obde- luje obdelovanca; y2 - pomožna obdelava, čas, ko s pro- cesorjem opravljajo opravila dvigala; to je čas, ko s procesorjem seže po naslednje drevo, dokler to drevo ne začne obdelovati s procesorjem; y3 - zastoji; sem smo uvrščali kratke motnje med obdelavo (npr. s procesorjem ne doseže obdelovanca, ne more ga izvleči iz kupa, zastoji med obdelavo zaradi nepra- vilne oblike drevesa ipd.); y4 - čas premika procesorja; ločili smo premike ob kupu, če je bilo to potrebno, in premike od kupa do kupa; y5 - odmori; gre za kratke od more med delom ko procesor miruje, pogonski motor pa obratuje; y6 - drugo: kratki zastoji med delom, ko motor obratuje, delavec pa odpravlja vzroke zastoja. Vsota y1 + y2 = y je efeklivni čas stroja. y1 + y2 + y3 = obdelovalni čas ali tudi glavni produktivni čas vsota y1-y4 =produktivno delo strojnika vsota y1-y6 =obratovalni čas stroja vsota y5 -y10 = neproduktivni čas de- lavca Snemali smo še: y7 - pripravljalno zaključni čas; y8 - okvare; to je čas, ko delavec od- pravlja okvaro in kratka popravila (do 1 ure), če operater pomaga mehanikam pri popravilu; y9 - drugo: čas zastojev, ko stroj miruje in jih ne moremo uvrstiti v druga opravila (npr. ni lesa); y10 - delavec miruje: vsi odmori, preki- nitve dela, ko delavec miruje in stroj stoji. Sestava časa je dana v razpredelnici 3. 2.1.3 Ugotavljanje vplivnih dejavnikov 2.1.3. Establishing of /nfluential Factors Ugotavljanje dejavnikov, ki vplivajo na delovne učinke in ugotavljanje načina ter GozdV 53, 1995 115 Proučevanje dela s procesorjem KP-40 moči njihovega vpliva, je osrednji problem raziskave. Zaradi pomanjkanja izkušenj (ni jih tudi v literaturi) smo merili vse dejavnike, ki bi lahko kakorkoli vplivali na delovne učinke. Poleg količine obdelanih sortimentov (debel in kosov) in časovnih vrednosti smo ugotav- ljali še: - drevesno vrsto: smreko, jelko; - ločeno snemali in obdelali podatke za vsak kup, sečnospravilno polje in odsek; - preostali (neobdelani) del vrha; - temperaturo in vreme; - število žagov (rezov) za vsako deblo (kos); - število kosov (iz debla). S primerno statistično obdelavo snema- nih podatkov smo ugotavljali vpliv posame- znega dejavnika. Dejavnike, ki najmočneje vplivajo na delovne učinke in jih lahko, enostavno, izmerimo ter so primerni za prakso, pa smo uvrstili med kazalce. Z njimi je doseženi učinek v najtesnejši zvezi (ko- relaciji) . Zato kažejo (ponazarjajo) učinke. 2.1.4 Organizacija snemanja dela 2.1.4 Organization of Working Time Study Vse meritve pri snemanju dela je izvedla ekipa dveh snemalcev. Prvi, Rosenstein Dejan, absolvent gozdarstva, je vodil glavni snemalni list in meril časovne vrednosti . Skrbel je za usklajevanje obeh snemalcev, za to da so h količinam pripisali ustrezne čase. Drugi snemalec Jeseničnik Ivan, upo- kojeni manipulant, je meril različne količine obdelanih sortimentov - dimenzije dreves in sortimentov. Beležil jih je v poseben snemalni list. Skupno sta uskladila meritve in jih vnesla v glavni snemalni list. 2.2 Računalniška obdelava podatkov ?.2 Computer Data Processing Z računalniško obdelavo, ki je obsegala razne statistične metode, smo v glavnem ugotavljali medsebojne zveze med časi , obdelanimi količinami in drugimi vplivnimi dejavniki. Z njo smo poskušali zlasti: - najti kazalce, vplivne dejavnike, ki naj- bolje kažejo delovne učinke; - ugotoviti način in moč delovanja vpliv- nih činiteljev ; 116 Gozd V 53, 1995 - čim bolj pojasniti variabilnost delovnih učinkov. Poiskati vzroke te variabilnosti. Vso računalniško obdelavo je na VTOZD za gozdarstvo speljal mag. Vlado Puhek, dipl. inž. gozd. Vse tabele in diagrame pa je izračunal in naredil Igor Potočnik, dipl. inž. gozd. Računalniško smo obdelali podatke dva- krat. Prvič je bila enota obdelave drevo, drugič pa kup dreves ob cesti. 3 TEHNOLOGIJA, DELAVCI IN OBJEKTI SNEMANJA 3 TECHNOLOGY, WORKERS AND STUDY'S OBJECTS Obdelana drevesa so posekali v sestojih različnih starosti. Gre pretežno za eno- dobne sestoje skoraj čiste smreke, na nad- morskih višinah okoli 1000 do 11 OO m. Po- sekana drevje je napadlo pri redčenjih. Sekač je drevo podrl v najugodnejšo smer glede na spravilo. Po potrebi je drevo prežagal, če je bilo predebelo (nad 30 cm prsnega premera) ali če bi spravilo celega drevesa povzroči lo prevelike poškodbe. Gre torej za drevesno metodo oziroma (izjemoma) metodo delov drevesa. Spravljali so s traktorji IMT 560, LKT 81 in BELT GV-70. Spravljali so pretežno cela drevesa. Organizacija sečnje in spravila je. bila različna. Sekač je ponekod delal sam, dru- god pa v skupini s traktoristom. Traktorist je praviloma imel pomočnika. Traktorist je spravljena drevesa ob cesti, na primernem mestu uskladiščil v čim večje kupe. Povprečno je bilo v kupu 6,22 m3 obdelanih sortimentov oziroma 39 dreves in delov dreves. Obdelali so 36 kupov. V največjem kupu (po masi) je bilo 18,87 m3 sortimentov oziroma 55 dreves in delov dreves. Povprečni volumen debla je bil 0,34 m3 . To je bil tudi kup z najdebelejšim drevjem povprečen prsni premer 20,51 cm. V najmanjšem kupu je bilo le 0,85 m3 sortimentov oziroma 6 dreves. Največji kup po številu dreves je vseboval 88 dreves. V tem kupu je bilo 8,57 m3 sortimentov. Povprečno drevo je vsebovalo 0.0974m3 lesa in je imelo prsni premer Razpredelnica 1.: Obdelana oblovina in njene značilnosti Table 1: MaČhined round wood and its characteristics Zap. Odd. > Sečno število število Prsni premer Dolžina debla Volumen Število kosov št. spravilno kupov dreves Breast-height diameter Trunk lenght Vo/ume The number of pi ece s polje in delov cm m m' Cons. Dep. Cutting- Thenumber Thenumber Povpreč. KV Povpreč. KV Vsa dodelana x, KV Vsota število kosov numb. skidding ofpiles of trees 0/o % količina % na deblo area andpieces Theaverage Theaverage En tire Total Thenumber x, x, machined ofpieces quantity per trunk 1 9 5 24<1 18,3 31 9,4 4<1 48,75 0,201 93 372 1,55 2 11 8 314 17,1 30 8,3 32 44,15 0,141 83 425 1,37 3 16 4 129 19,4 30 10,5 39 28,92 0,224 77 223 1,65 4 21 4 5 222 15,5 42 10,3 43 37,68 0,170 120 347 1,57 5 21 6 7 295 14,4 30 8,6 38 31,17 0,106 92 417 1,47 6 25 1 3 51 20,1 34 8,1 28 10,60 0,208 84 63 1,32 7 25 2 3 117 19,6 35 8,8 36 25,91 0,221 83 151 1,31 ~ 8 25 8 1 45 14,1 23 9,6 25 4,80 0,107 65 70 1,57 o O> • 9 Skupaj 36 1416 16,2 32 9,1 39• 231,98 0,164 95 2068 1,46 < • "· Total • ~ • KV= koeficient variacije variation coefficient .-• Razpredelnica 2: Sestava obdelanega drevja ] o Table 2: The structure of trees machined • ~ ~ . • Podebelini Po volumnu (debeljadi) 3 According to diameter By vo/ume (of trunkwood) " r. Prsni število dreves Obdelani sortimenti Debeljad število dreves Obdelani sortimenti o premer The numberof trees Assortments machined Trunkwood The number of trees Assortments machined Breast-height St evi lo Delež m' Kosov m' število Delež m Kosov dia meter kosov Share Thenumberofpieces kosov Share The number of pieces cm Thenumber % Količ. Delež% Količ. Delež% Thenumber % Količ. Delež% Količ. Delež% ofpieces Quantity Share Quantity Share ofpieces Quantity Share Quaniity Share " do10 135 9,5 4,01 1,7 141 6,8 do0,04 256 18,1 7,86 3,4 260 12,6 o 10-14 480 33,9 30,60 13,2 570 27,6 0,04-{),08 317 22,4 19,77 8,5 352 17,0 N ~ 15-19 399 28,2 55,23 23,8 588 28,4 0,09-{),15 318 22,5 36,60 15,8 447 21,6 < ~ 20-21 126 8,9 27,16 11,7 233 11 ,3 0,16-0,29 304 21,5 63,98 27,6 545 26,4 "' ~ 22-23 75 5,3 22,38 9,6 144 7,0 0,3Q-0,39 104 7,3 35,69 15,4 210 10,2 ~ 24-25 78 5,5 28,12 12,1 164 7,9 0,40-0,49 23 1,6 9,64 4,2 51 2,5 ~ 27-27 55 3,9 23,07 9,9 108 5,2 0,50-0,59 55 3,9 28,74 12,4 120 5,8 28-29 25 1,8 12,65 5,5 52 2,5 0,60-0,69 2 0,1 1,20 0,5 3 0,1 __, 30 in več 43 3,0 28,76 12,4 68 3,3 nad0,70 37 2,6 28,50 12,3 80 3,9 Skupaj 1416 100,0 231,98 100,0 2068 100,0 Skupaj 1416 100,0 231,98 100,0 2068 100,0 Proučevanje dela s procesorjem KP-40 13,9cm. V kupu z najtanjšim drevjem je bilo 77 dreves. V povprečju je drevo vsebo- valo 0.0687 m3 lesa in je imelo prsni premer 12,01 cm (vsa povprečja so aritmetične sre- dine). V splošnem je bilo v večjih kupih debelejše drevje. Ko so spravili drevesa in poravnali v kupe, so začeli drevesa obdelovati s proce- sorjem. Procesor so pripeljali h kupu. Po vrsti je izvlačeval drevesa, jih obdelal in sortimente nesortirane odlagal v kup. Sečnjo in spravilo smo snemali pri 1 092 drevesih, iz katerih je napadlo 137,59 m3 sortimentov. Obdelavo s procesorjem smo snemali pri obdelavi 36 kupov s 1416 drevesi in njiho- vimi deli, to je 231,98 m3 sortimentov s 2068 kosi. Podrobnejši pregled o obdelani oblovini je v razpredelnici 1 . V razpredelnici 1 vidimo, da smo snemali razmeroma velik vzorec 232m3 sortimentov z 2068 kosi. Vidimo, da gre za sorazmerno drobno oblovino, za tipično oblovino iz red- čenj. Kljub temu pa je razpon dimenzij dreves (po debel ini in volumnu) dovolj velik, ter njihova razporeditev taka, da nam omo- goča zanesljivo sklepanje na območje de- belin (prsnih premerov) od 9-30 cm ozi- roma za območje volumna drevesa od 0,04 m3 do 0,40 m3 . To je razvidno iz raz- predelnice 2. Razpredelnica 2 nam daje tudi dobro sliko razmerja debeline in količine. Vidimo, da je do debeline 15 cm oziroma do tele- Diagram 1 : Dolžina debla v odvisnosti od prsnega premera. Diagram 1: Trunk's /ength in relation to breast- height diameter. x' 118 Gozd V 53. 1995 Diagram 2: Telesnina debla v odvisnosti od prsnega premera. Diagram 2: Trunk vo/ume in re/ation to breast- height diameter. " . 8 x, o.? v m• .o 'J. -1 . 1 Diagram 3: število iz debla izdelanih kosov v odvisnosti od prsnega premera Diagram 3: The number of pieces made of trunk in relation to breast-height diameter lb JB 'Ji .. 6 .tj -:: Diagram 4 : število iz debla izdelanih kosov v odvisnosti od njegove dolžine. Diagram 4: The number of pieces made of trunk in relation to its length. 11 17 Proučevanje dela s procesorjem KP-40 sni ne drevesa 0.08 m3 prek 40% dreves, prek 30% kosov in le 12-15% lesne m~se. Nasprotno je nad 30 cm debeline ozirdma nad 0.60 m3 telesni ne drevesa le okoli 3% dreves - pretežno delov drevesa - s pri- bližno 4% kosov in okoli 12% lesne mase. V razpredelnic! 2 tudi vidimo, da iz drob- nih drevesc - do debeline 15 cm in tele- snine 0,08 m3 - izdelajo le 1 kos, celo deblo. Nad to debelina, nekako do debeline 30 cm, izdelajo iz drevesa dva kosa. Nad to debelin o pa morajo drevesa že prež agati. Tako pride iz dela drevesa v povprečju nekako 1 ,5 kosa. Zvezo med dolžino debla X2 (vsoto dolžin sortimentov izdelanih iz drevesa) in njego- vim prsnim premerom x1 kažemo na dia- gramu 1, med prsnim premerom in tele- sni no debla X4 ( debeljadjo) pa na diagramu 2. Na obeh diagramih vidimo, da se dolžina debel in njihova debeljad precej razlikuje med posameznimi sečišči. Diagram 3 nam kaže zvezo med prsnim premerom debla in številom iz njega izdela- nih kosov. Vidimo, da je pri istem premeru število kosov precej različno na posamez- nih deloviščih. Vzrok so različne dolžine debel. To nam potrjuje tudi diagram 4. Tu je prikazana odvisnost števila iz debla izde- lanih kosov (X4) od dolžine debla (X2). Vidimo, da do dolžine okoli 14m skoraj ni razlik. Razlike, ki se kažejo nad to dolžino, pa so bolj posledica nezanesljivosti regresij na mejnih območjih (v bistvu ekstrapolacij) kot pa dejanskih razlik. 4 DELOVNI ČAS 4 WORKING TIME Pregled o posnetem delovnem času in njegovi sestavi je dan v razpredelnic! 3. V prvih treh kolonah je delovni čas tak, kot smo ga posneli, v drugih treh pa smo izločili čase selitev, ko so procesor selil! z enega na drugo delovišče. Upoštevali smo le pre- mike, ki so bili krajši od 5 min. Sestava delovnega časa kaže, da dela- vec dve treljini časa dela s strojem in dvigalom. Čista in pomožna obdelava (YH 21 sta v bistvu efektivni čas stroja. Delež tega časa (52%) je razmeroma vi- sok. Pri »zastojih pri obdelavi« (y3) delavec dela z dvigalom in delno s procesorjem. če dodamo še premike (y4 ), dobimo produk- tivni čas delavca. Delež tega časa - okoli tri četrtine - je razmeroma visok. Delavec s svojimi odmori, malicami ipd. povzroča, da delo stoji okoli 8% časa. Stroj je vzrok za zastoje okoli 7% delovnega časa, zaradi drugih vzrokov (y9) pa delo ne teče 11 ,5% časa. Obratovalnega časa je skoraj 80% (79,8%). Za osnovo pri računanju učinkov, na katero preračunamo (dodamo) splošne (do- datne) čase, bomo jemali: 1. čisti in pomozm čas obdelave (y1 + y2 = y), ko bomo obravnavali učinke, računane za vsako deblo, kos in del debla posebej. Dodatnega časa je v tem primeru 617,88 min. in ga moramo dodati čistemu in pomožnemu času obdelave (y) 793,74 min. Faktor dodatnega časa je tako F= 1,77858. 2. čas obdelave (T G), ko bomo obravna- vali učinke, računane iz podatkov za kupe. V tem primeru je F = 1 ,45638. 5 DELOVNI UČINKI KP-40 5 WORK PERFORMANCE VALUES IN THE KP-40 V tem poglavju bomo prikazali rezultate raziskave o ugotovljenih delovnih učinkih in dejavnikih, ki nanje vplivajo. Rezultate bomo prikazali ločeno za dve primerjalni količini, kot smo obdelovali podatke sne- manj: 1. za posamezno drevo oziroma del dre- vesa in 2. za kupe. 5.1 Ugotovitve obdelave za posamezno drevo 1.1 Machining Results for lndividual trees Z raziskavo smo ugotovili, da na čas obdelave drevesa ali dela drevesa vplivajo: - njegov prsni premer, - dolžina debla, - debeljad drevesa, - število iz debla izdelanih kosov, - število žagov. GozdV 53, 1995 119 1\) o G> o N Razpredelnica 3: Delovni čas in njegova sestava Q. < -~ Table 3: Working time and its structure ;;; Zap. Dejavnost Označba Posneti delovni čas Delovni čas brez selitev CD "' št. Activity Ctassifi- Working time registered Working time without the moving Cons. cat ion Trajanje Sestava Sestava z oz. na Trajanje Sestava Sestava z oz. na num. glavni prod. čas glavni prod. čas Duration Structure Structure in relation Duration Structure Structure in relation min. % to the main prod. time min. % to the main prod. time % % 1 Čista obdelava 1 Pure machining y, 301 ,56 19,78 31,11 301,56 21 ,36 31,11 2 Pomožna obdelava 1 Auxiliary machining Y2 492,18 32,27 50,77 492,18 34,86 50,77 "' a 3 Zastoji pri obdelavi 1 Delays in machining Y3 175,60 11,51 18,12 175,60 12,44 18,12 c: (')< "' 4 OBDELAVA / TREATMENT TG 969,34 63,56 100,00 969,34 68,66 100,00 <~- 5 Premiki 1 Moves Y4 173,15 11 ,35 17,86 59,69 4,23 6,1 6 .. Q. 6 PRODUKTIVNO DELO 1 m. .. PRODUCT/VE WORK Te 1142,49 74,91 117,86 1029,03 72,89 106,16 "' 'O 7 Odmori 1 Breaks Ys 11 ,73 0,77 1,21 11,73 0,83 1,21 g "' 8 Drugo 1 Others Ys 63,00 4,13 6,50 63,00 4,46 6,50 "' o 9 Delavec stoji 1 A worker is waiting Y10 43,00 2,82 4,44 43,00 3,05 4,44 ..::1. .. DODATNI ČAS DELAVCA 1 3 10 ;>; WORKER'S EXTRA TIME Tool 117,73 7,72 12,45 117,73 8,34 12,15 'P ... o 11 Pripravljalno zaključni čas 1 Preparation-conclusion time Y7 13,23 0,87 1,36 13,23 0,94 1,36 12 Okvare 1 Breakdowns Ya 89,50 5,87 9,23 89,50 6,34 9,23 13 Drugo 1 Others Y9 162,24 10,63 16,74 162,24 11,49 16,74 14 DODATNI ČAS STROJA 1 MACHINE'S EXTRA TIME Ts 264,97 17,37 27,33 264,97 18,77 27,33 15 SKUPAJ DODATNI ČAS / TOTAL EXTRA TIME Tdoo 382,70 25,09 39,48 382,70 27,11 39,48 16 DELOVNI ČAS / WORKING TIME T 1525,19 100,00 157,34 1411 ,73 100,00 145,64 t i 1 1 i Ic tš: Proučevanje dela s procesorjem KP-40 Poleg tega se časi obdelave drevesa značilno razlikujejo med posameznimi objekti (oddelki, sečišči), kar kaže, da na čas obdelave vpliva tudi drevo s svojo vejnatostjo, koničnostjo ipd., ki je svojevr- stna na rastišču. Na čas obdelave vpliva tudi način dela. Razlikujejo se časi obdelave celega dre- vesa od časov za obdelavo njegovega dela enake debeline oziroma telesnine. Večina naštetih dejavnikov je v tesni medsebojni zvezi. Zato vsak od njih pona- zarja tudi vplive drugih dejavnikov. Končni učinek te zveze je, da so vsi našteti (5) dejavniki približno enako dobri kazalci po- trebnega časa za obdelavo in je vsak posa- mezno možen kazalec. Njihova uporabnost je tako bolj odvisna od možnosti njihovega merjenja pri delu v praksi. Regresijska in korelacijska obdelava je pokazala, da so čisti časi obdelave (y1) v mnogo tesnejši zvezi z vplivnimi dejavniki kot pa pomožni časi obdelave. Pri prvih so korelacijski koeficienti (R) pretežno okoli 0,85 (od 0,77 do O, 87), pri drugih pa okoli 0,30 do 0,40. Nekje v sredi so korelacijski koeficienti, če računamo korelacije časov čiste in pomožne obdelave skupaj (y- y1 + y2). Tu so korelacijski koeficienti (okoli) 0,55- 0,60. Zato bomo podrobneje obdelali korelacijske odvisnosti in regresijske zveze le za čiste čase obdelave (y1) in za čiste in pomožne čase skupaj (y). 5.1.1 Čisti časi obdelave s procesorjem KP-40 5.1.1 Pure Machlning Times with the KP-40 Processor V nadaljevanju prikazujemo regresijske enačbe in njihove korelacija med časi čiste obdelave (y1) in posameznimi kazalci. Na- vajamo le enačbe za skupno vse snemane podatke - za vsa sečišča, to je nekako povprečje, čeprav se regresije za posame- zna sečišča med seboj precej razlikujejo. Razlike bomo obdelali in prikazali pozneje: Iz pregleda enačb lahko vidimo, da so čisti časi obdelave v tesni korelaciji s posa- meznimi merami drevesa. Te so tudi dobri kazalci. Najboljši je dolžina debla (X2, enačba 2a). Sama dolžina pojasni 70% Enačbe za cela drevesa so: St. enačbe ta 2a 3a 4a Sa 6a 7a aa 9a 10a 11a Regresijska enačba y1- 7,395 +0,0374X2 Y1 = 3,198 + 1,3146X2 +0,0307X2 y1 = 8,642 + 78,2631 X;-52,0808X2 y1 = 1,998 + 11,2181 X5 y1 =9,977 +3,0365~+ 1,9258X2 y1 =-3,223 +0,5157X1 + 1,4114X2 y1 =3,888+0,696X1 + 7,3915X5 y1 = 7,205 + 38,864 )4 + 3,984 Xs y1 =3,496+21,830)(.; + 1,253X2 Y1 =-3,909+ 0,698X1 +5,986X5 + 1,512Xs y1 = 2,729 + 21 ,185X4+0,661X2+2,959X5+ +1,521X6 Znaki pomenijo: y1 =čisti čas obdelave v emin (1/100 min) xl= prsni premer drevesa z lubjem v cm x2 =dolžina debla v m X;= telesnina debla, debel] ad v rrf X5 =število iz drevesa izdelanih kosov Xs =število žagov (prežagovanj) na drevesu. Korelacijski koeficient R 0,770 0,837 0,826 0,800 0,70 0,858 0,854 0,849 0,855 0,857 0,874 vse variance obdelovalnih časov. Skoraj enakovreden kazalec je tudi telesni na debla (debeljad X4 - enačba 3a). Po točnosti sta skoraj enakovredna kazalca prsni premer drevesa (X1) in število iz drevesa izdelanih kosov (X5). Bistveno slabši kazalec je šte- vilo žagov (X s). Za praktično rabo pa je najuporabnejši kazalec prsni premer, ki ga edinega lahko enostavno zmerimo pred obdelavo. Pri sami obdelavi pa bi z vgradnjo ustreznih števcev v kabini operaterja brez težav zbi- rali podatke tudi o vseh drugih kazalcih. če v regresije vključimo še drugo, do- datno dimenzijo, zvišamo koeficient korela- cija za 2-3 stotinke in tako dodatno poja- snimo delež variance za 3-4%. Največ pojasnita prsni premer in dolžina debla (R = 0,858, enačba 6a), enako pa tudi druge kombinacije. Vidimo tudi, da kombini- ranje treh ali več kazalcev, ki so sicer značilni, nima nobene koristi. Pri obdelavi podatkov smo računali tudi z drugimi tipi regresijskih enačb. Z njimi nismo mogli pojasniti bistveno večjega de- leža variance. Zato tu prikazujemo najbolj preproste, zato pa nazorne in razumljive zveze. Na diagramu 5 smo prikazali čiste čase obdelave za cela drevesa, za dele dreves in skupno za drevesa in njihove dele. Pri primerjavi krivulj časa obdelave za drevo ali del drevesa je potrebno upoštevati raz- Gozd V 53, 1995 121 Proučevanje dela s procesorjem KP-40 Diagram 5: Čisti časi (Y1) obdelave debel (D), delov debel (OD) in skupaj (D+ DD) v odvisno- sti od posameznih kazalcev 58 Yl a) od debeline (X1) to the thickness values Clii n 4e D ~DD A::o 3e ze 1e Xl - e111 8+---~----~--~----~ 18 15 ze 25 38 58 u 1 c) od števila kosov (X5) 1 to the number of pieces 48 Clllin J-V /~~_y ~/~ 38 28 / 18 X5 kosov 8 +---~----~--_,----~ se 48 38 ZB IB 1 Y1 CM ln 1.5 2 2.5 3 Telesnine - debeljadi X4 Cubature - of trunkwood e) min/drevo minutes/tree DD X4 - M3 8 +---~--~----~--~ 8 8.1 8.2 8.3 8.4 122 GozdV 53, 1995 Diagram 5: Pure times (Y1) of trunk machining (O), of trunk parts (DO) and total (0+00) in relation to individual indices 58 48 38 28 HI V1 anin b) od dolžine (X2) to the length values DD X2 - M 8+-~--~4-~--+--+~ s 6 7 8 9 18 11 12 38 ZB 1: t 1 358 388 258 288 158 188 58 B d) od števila žagov (X6) to the number of saw cuts X6 - žagov ' 1 1.5 2 2.5 3 3.5 't'1 8.1 f) min/m3 minutesl m3 8. 2 8.3 8.4 Proučevanje dela s proceso~em KP-40 lične mere in druge značilnosti dreves in njihovih delov. Prežagali so v glavnem najdebelejša (nad 30 cm) drevesa. Od tod izhajajo tudi razlike. Prikazane so v razpre- delnici 4. Razpredelnica 4: Primerjava velikosti in drugih značilnosti dreves in delov dreves Table 4: A comparison of the heights and other characteristics of trees and tree parts Značilnost Drevesa Deli Skupaj drevesa drevesa in deli dreves Characteristic Trees Tree Trees and pal1s treeparts together Prsni premer - cm x, 15,52 19,9+ 17,21 Breast height diameter - cm Dolžina-m x, 9,30 7,72 8,90 Lenght-m Debeljad - m3 x. 0,136 0,201 0,159 Trunkwood - m3 število kosov x, 1,47 1,28 1,41 The number of pieces Število žagov x, 1,34 0,57 1,16 The number of saw cuts + srednji premer 1 mean diameter V razpredelnici vidimo, da so deli dreves znatno debelejši, krajši in da imajo skoraj še enkrat večjo telesnino (debeljad). Iz dela drevesa pride manj kosov, 'zlasti pa je manj žagov. Poleg tega se deli dreves enakih mer (npr. premera) ločijo od celih dreves še po vejnatosti, velikosti ipd. Zato so časi obdelave delov debel bistveno različni od časov obdelave dreves enakih dimenzij, kar je razvidno na grafikonih. Praviloma obdelujjo s procesorjem cela drevesa. Deli dreves so v manjšem deležu, kolikor je nujno iz raznih vzrokov. Poleg tega so časi obdelave delov drevesa v veliko bolj ohlapni zvezi (nižje korelacija R = 0,4-0,45) s kazalci kot pri celih dreve- sih. Zato ne bomo podrobneje obdelovali odvisnosti obdelovalnih časov delov dreves in njihovih kazalcev. Normalno obdelujejo skupaj drevesa in drevesne dele. Zanje smo ugotovili nasled- nje odvisnosti oziroma regresijske enačbe. Pregled regresijskih enačb, zlasti pa še korelacijskih koeficientov, kaže, da so zve- ze med časi obdelave in njihovimi kazalci St. enačbe 1 2 3 4 5 6 7 8 9 10 11 Regresijska enačba Y1--o,973+ 1,111 X1 Y1"" 1,138+ 1,9125X2 Y1 ::=:8,866+68,941 ~-38,48:<2 Y1 ::=:2,382+ 11,154X!i Y1 = 13,234+2,636X Y1 =·4,44+0,586X1 + 1,4058X2 Y1 =·4,97 +0,690X1 + 7,956X5 Y1 =7,33 +41,15)4 +3,708Xc; y1 =4,001 + 1,0974X2 +27,661 >4 y1 =-s, 15 + o,758 x1 + 5,582 Xs + 2, 0618 ~ y1=3,784+0,44X2+29,99X!+2,BOXs+ 1,53~ Z1aki so isti kot v prejšnjih enačbah. Korelacijski koeficient R 0,69 0,74 0,80 0,74 0,59 0,84 0,83 0,84 0,84 0,84 0,86 tu bolj ohlapni kot pri celih drevesih. To zlasti velja, če obravnavamo le enačbe z eno neodvisno spremenljivko. Tu je naj- boljši kazalec debeljad kosa X4 (R = 0,80), najslabši pa premer X1 (R = 0,69), če ne upoštevamo števila žagov (X6). če pa v enačbo vključimo še drugo spremenljivko, pa so tudi regresijske enačbe za čase obdelave dreves in njihovih delov dovolj zanesljive. Z njimi pojasnimo okoli 70% vse variabilnosti. Zaključimo lahko, da je za kazalca čistih časov obdelave dreves in delov dreves dovolj zanesljiva le njihova telesni na (debe- ljad). Boljše je, če za to rabimo dva kazalca. Skoraj enako točne in zanesljive so vse kombinacije. Za praktično rabo (brez dodat- nih števcev) paje najuporabnejša kombina- cija premera (X1) in števila kosov (X5). Z vgraditvijo primernih števcev so tudi prak- tično uporabne vse kombinacije. Na diagramih vidimo, da so čisti časi obdelave drevesa bistveno različni od istih časov za obdelavo debla enakih dimenzij. če je kazalec premer (X1) ali debeljad (X4), so čisti časi obdelave za drevo večji kot za del drevesa. Pri drugih kazalcih pa je obrat- no. Ta ugotovitev je logična, saj je drevo enakega prsnega premera ali debeljadi bi- stveno daljše od dela drevesa. Nadalje vidimo na diagramu, da so čisti časi obdelave drevesa zelo podobni čistim časom za obdelavo dreves in delov dreves skupaj. To je zato, ker je v populaciji pre- težni del celih dreves (prek 80 %). Do sedaj smo obravnavali >'povprečne« regresije za vse snemane podatke, skupno za vsa sečišča. Na diagramu 6 pa so ·prikazane regresijske krivulje čistih časov GozdV 53, 1995 "\23 Proučevanje dela s proceso~em KP-40 Diagram 6: ~isti časi obdelave debel po sečiš· Diagram 6: Pure times of trunk machining by čih v odvisnosti od različnih kazalcev cutting places in relation to various indices 58 48 38 28 Y1 c~ni n 1: 1 18 12 58 Y1 Clii in 48 38 28 18 8 8 a) od prsnega premera to the breast height diameter povpr X1 - ca 14 16 18 28 c) od debeljadi to the trunkwood z z B.t B.Z 8.3 24 26 8.4 obdelave dreves za razne kazalce po sečiš· čih. Vidimo, da se regresije med seboj precej razlikujejo. Najmanj se razlikujejo, če je kazalec dolžina debel. Od povprečne (skupne) krivulje odstopajo navzdol do 9% in navzgor do 4%. Veliko bolj odstopajo, če je kazalec prsni premer ali debeljad drevesa oziroma število kosov ali žagov. Tu odstopajo od povprečja navzdol do 11 %, navzgor pa celo do 18 %. Podrobnejša analiza kaže, da so časi daljši pri vitkejših drevesih, to je pri tistih, ki so pri enakem prsnem premeru ali enaki telesnini (debeljadi) daljša. Tudi to potrjuje že zapisano ugotovitev, da je posamezna 124 Gozd V 53, 1995 1BB y b) od dolžine debla Clii in to the trunk length 98 BB 78 &B 58 48 . 38 1 xz - • 1 5 b 7 8 9 18 11 12 SB d) od števila žagov Y1 to the number of saw cuts 48 11 38 28 lB X6 - zagov B 1.2 1.6 z u 2.8 3.2 značilnost drevesa komaj uporaben kaza- lec za napovedovanje izdelovalnih časov. Je popolnoma ustrezen (točen, zanesljiv), če gre za enake sestoje. če pa se sestoji razlikujejo po višinah, in to je navadno, moramo pri napovedovanju čistih časov obdelave uporabiti dva kazalca ali njuno kombinacijo. Posebej smo snemali in obdelali podatke za jelko (25 jelk}. Kaže, da so čisti obdelo- valni časi pri jelki najkrajši. Res pa je tudi, da so bila drevesa jelke najkrajša. Vzorec jelke je razmeroma majhen. Drevje je bilo razmeroma drobno. Zato je težko karkoli zaključiti. ,. Proučevanje dela s procesorjem KP-40 Podrobnejša primejava kaže, da so krivu- lje, če je kazalec debeljad, prt jelki bolj strme. To kaže, da so obdeloval ni časi za drobnejše jelke, do okoli 0,20 m3 debeljadi, krajši kot pri smreki enakih dimenzij. Pri debelejših pa nekoliko večji. če primerjamo čase na osnovi prsnega premera in dolžine debel, pa ugotovimo, da so pri drobnejšem drevju časi pri jelki daljši, pri debelejšem pa enaki. Vidimo, da razlike niso dosledna in tudi ne velike. Zato za prakso lahko zaključimo, da pri procesorski obdelavi med smreko in jelko ni razlik v časih obdelave. 5.1.2 Pomožni časi obdelave s procesorjem KP-40 5.1.2 Auyi/iary Times of the Machining by the KP-40 Processor Procesor je vgrajen na hidravlično dviga- lo. Z njim jemlje pri obdelavi drevesa iz kupa in jih privleče na mesto obdelave. To smo šteli za pomožni čas obdelave y2 • V bistvu deluje dvigalo s procesorjem pri tem opravilu kot običajni nakladalnik pri prekla- danju oblovine. Tudi te čase smo analizirali enako kot čiste čase obdelave. Ugotovili smo, da so tudi pri pomožnih časih zanesljive (značil­ ne) zveze časov in kazalcev. Velik del časa je konstanten (gibanje praznega dvigala po drevo in prenos drevesa na mesto obdela- ve). Variira v bistvu le izvlačevanje iz kupa in prenos drevesa-v odvisnosti od njegove teže. Zato so korelacija med časi in kazalci znatno nižje. Korelacijski koeficienti so okoli R = 0,20 do 0,27. Tako z regresije poja- snimo nepomemben del variance. To velja tako za posamezen kazalec in tudi za njihove kombinacije. Zato v nadaljevanju navajam le regresije s posameznim kazal- cem in skupno za debla in dele debel. St. Regresijskaenačba enačbe 12 y2 24,68+0,495X1 13 y2 =25,99+0,B10~ 14 Y2=2B,08+44,73~-46,12X2 Korelacijski koeficient 0,21 ~23 0,25 V enačbah je y2 pomožni čas obdelave v emin (1/100min). Drugi znaki so isti kot v prejšnjih enač­ bah. 5.1.3 Čas obdelave s procesorjem KP-40 5.1.3 The Time of Machining by means of the KP-Processor Čas obdelave (y) je vsota čistega in pomožnega časa obdelave. Zanj veljajo vse ugotovitve, ki sem jih navedel v prejš- njih dveh poglavjih, ko sem obravnaval čisti in pomožni čas obdelave. Na diagramu 7 so prikazani časi obde- lave za različna sečišča v odvisnosti od različnih kazalcev. Iz teh diagramov lahko povzamemo: 1. časi obdelave se precej razlikujejo po deloviščih. Najmanjše so razlike, če je ka- zalec dolžina debla. Velike pa, če je kazalec prsni premer (X1) ali debeljad (X4) debla. 2. Vrstni red sečišč je enak pri kazalcih, kjer so kazalci mere dreves (X1, X2, X3). Nekoliko se vrstni red spremeni, če je kazalec število kosov ali število žagov. Vrstni red je enak kot na diagramih št. 6. Obdelava vitkejših dreves je daljša. 3. Vse krivulje se začenjajo precej vi- soko na ordinati. Regresijske krivulje imajo sorazmerno velike konstantna člene, kar sem že obrazložil pri obravnavi pomožnih časov obdelave. V nadaljevanju prikazujem regresijske enačbe časov obdelave in korelacijske koe- ficienta s posameznimi kazalci. Prikazane enačbe so povprečje vseh se- čišč. Preračunana so na delovni čas. To je narejeno tako, da smo koeficienta regresij- skih krivulj povečali za dodatni čas (F = 1,7786). Tako nam spodnje enačbe že dajejo delovni čas za obdelavo drevesa ali dela drevesa (min/deblo). Enačba delovnega časa za obdelavo drevesa in delov drevesa Št. Enačba Korelacijski enačbe koeficient 16 T =0,4537 +0,0298X1 0,47 17 T =0,4649+0,0524X2 0,56 18 T =0,6864 +2,1464~-1,5481 x~ 0,54 19 T = 0,4722 +0,3247X~ 0,56 20 T =0,7634+0,0864X6 0,53 21 T = 0,3536 + 0,0135X1 + 0,0406X2 0,58 22 T =0,3360+0,Q147X1 +0,2536X5 0,60 23 T =0,3582+0,0227X1 +0,1752Xo 0,60 24 T =0,5217 +0,6249)4 +0,2264X5 0,60 25 T = 0,6193 + 0,9165X4 + 0,1526>C,; 0,61 26 T = o,5309 + o,5522)4 + o,0361 x2 0,58 27 T =0,3322+0,0173X1 +0,1368X5+ +0,1064:<, 0,61 28 T =0,5492+0,7198)4 + 0,1113Xs+ +0,1024:<, 0,61 Gozd V 53, 1995 125 - Proučevanje dela s procesorjem KP-40 Diagram 7: čas obdelave debla po sečiščih v odvisnosti od raznih kazalcev a) od prsnega premera to the breast-height diameter 166 y 216 96 Clli n 86 76 66 58 48 1 Xl - Cli 38 1 1 1 1 18 12 14 16 18 28 22 24 26 188 y ca in 96 c) od debeljadi to the trunkwood 86 78 68 56 46 38 +-----+-----+-----~--~ 6 6. 1 8.2 8. 3 8. 4 Iz pregleda enačb vidimo, da je najmanj zanesljiv kazalec prsni premer drevesa ali premer debla drevesa (X1) . Drugi samo- stojni kazalci: x2 = dolžina debla in dela debla, x4 = debeljad drevesa ali dela drevesa, X5 =število iz drevesa ali dela drevesa izdelanih kosov in X6 = število žagov v enačbah 17- 20 so približno enako zanesljivi. Vsak pojasni 28-31% variance obdelovalnih časov. Če v regresijo vključimo dva kazalca (enačbe 21-26), pojasnimo nekoliko več variance obdelovalnih časov, od 34-31%). 126 Gozd V 53, 1995 Diagram 7: Trunk machining time according to cutting p/aces in relation to various indices 58 46 36 Y1 Clii n b) od dolžine debla to the trunk length povpr. 11 28~~~-25 $11 1 .J.B • 25 je X2 - • 6+---~~---+--~--+---+-~ s b B 9 18 11 12 d) od števila žagov to the number of saw cuts 188 21~216 ZSj~· ~~- 11 88 y 98 Clii n 78 68 58 .. 34881+----+--~----~--+---~ X6 - štev. žagov 1 1 1.5 z.s 3 3. s Vključevanje tretjega kazalca praktično ne prispeva k pojasnitvi variance. Vidimo, da čas obdelave precej variira okoli povprečij. Vzrok za to je zlasti v pomožnih časih obdelave, kar smo že poja- snili. Navedeno velja tako za cela drevesa kot za dele dreves, saj tudi če obravnavamo samo cela drevesa, ni korelacija, razen pri prsnem premeru, nič boljša. N~ diagrarriu prikazujem primerjavo ob- delovalnega časa za drevesa, dele dreves in skupno za drevesa in dele dreves. Na diagramu vidimo, da narašča čas obdelave premosorazmerno z merami drevesa in številom ·kosov oziroma žagov. Le z debe- Proučevanje ·dela s procesorjem KP-40 Diagrama:· Delovni čas -+-+-+-+---+--+--+----l 5. 5 c) od 'telesni ne sortimentov debeljadi to the cubature of trunkwood's assortments !GB 14B IZB !BB BB GB 4B T Min/kup Tol S!1 - oJ B+-~-+-+--+-+-~-+~~ Z 4 G B lB !Z 14 16 lB ZB ZZ Z4 lB z Enačbe za računanje delovnega časa za kup dreves št. Enačba enačbe 52 Tt;up 0,11 +5,9028Sd 53 Tkup=3,63+0,6195SK 54 Tt;up=13,94+3,9218SM 55 Tt;up= 7,60+0,1628Sd2 + 0,3956SK Tabelirani časovni normativi so prikazani v prilogi. Grafično pa so časovne vrednosti prikazane na diagramu 1 O. Na diagramu vidimo, da delovni časi naraščajo premosorazmerno z velikostjo Diagram 1 o: Working time (T) for pile machining and the units in relation to a pile's size in various indices b) od števila izdelanih kosov to the number of pieces made !GB 14B IZB !BB BB GB lB ZB T 1r:dnlkup Tk ~ain/kos Sk - k011 1.5 1.3 1.1 B. 9 B. 1 B +--+--+--+-+-t--+---t---+--1 B. 5 lB GB BB !BB IZB 14B !GB !BB ZBB d) od vsote premerov in števila kosov to the sum of diameters and the number of pieces Sl2BB !lB HB Sd B-1--+---+--+----t--~-+ z B lB 12 kupa. Če pa čase preračunamo za 1 enoto (m premerov, 1 m3 ali 1 kos) izdelanih sortimentov, pa vidimo, da se delovni čas za 1 enoto izdelkov znižuje z velikostjo kupa. Ta ugotovitev se ne ujema popolnoma z ugotovitvijo v zvezi med časi zastojev in velikostjo kupa. Ugotovitev, da se čas obdelave za 1 m3 sortimentov znižuje z velikostjo kupa, je sicer logična. V našem primeru pa jo je treba jemati nekoliko previdno zaradi različ­ nih interakcij, ki jih do sedaj nisem opisal. GozdV 53, 1995 131 Proučevanje dela s procesorjem KP-40 Gre namreč za to, da so bila v večjih kupih debelejša drevesa. Zato je pri večjih kupih skrajševala čas obdelave 1 m3 sortimentov tudi večja debelina drevja. 5.3 Zastoji pri obdelavi 5.3 Delays in Machining Pri našem proučevanju smo ugotovili, da pri obdelavi dreves delavec in stroj porabita 12,4% časa za odpravljanje raznih zastojev pri delu, ki nastajajo zaradi položaja (v kupu), oblike ali vejnatosti obdelovanca. Teh zastojev nismo posebej obdelovali, vendar bistveno vplivajo na učinek dela. Najpogostejši vzroki zastojev so nasled- nji: 1. Položaj drevesa v kupu. Obdelovanec je predaleč in ga delavec z dvigalom ne doseže. Drevesa v kupu niso lepo zložena. Ležijo drugo prek drugega, so prekrižana in vpeta. Delavec tako ne more drevo izvleči iz kupa ali pa ga izvleče s preprije- manjem. V takih primerih traja delo z dviga- lom veliko dlje - tudi prek 100%. 2. Nepravilna oblika drevesa. Gre za zakrivljenost, dva vrha ali za svečnike (krivo izrasel vrh, kjer je bil enkrat odlomljen). Taki primeri zelo otežijo delo procesorja in ga primerno podaljšajo. 3. Vejnatost drevesa. Ta se javlja lahko v obliki predebelih ali pregostih vej. Prego- ste veje nastajajo kot posledica gostih ven- cev (majhne razdalje med venci) ali veli- kega števila vej v vencih. Zastoje povzro- čajo veje, debelejše od 3 - 4 cm, ali pa gosti venci, kjer je razdalja med njimi manjša od 25 - 30 cm (BERHARD 1982). Suhe veje so trše in prej zaustavijo stroj. 4. Prelomljena ali nalomljena drevesa. Nastaja več kosov in žagov. Odvreči mora tudi poškodovani del. 5. Nastavitev merjenja. Stroj meri dol- žine sortimentov od prvega žaga (čeljenja) naprej. Zato ga mora izvesti. Zaradi vejnatosti tega včasih ne more. Zato mora najprej del drevesa oklestiti (1 ,5-2 m) in se nato vrniti na začetek. Ta zastoj podvoji čas obdelave. Rešitev zastoja je v tem, da sekač prej oklesti vsako drevo (ali njegov del) na debelejšem koncu v dolžini 1,5 m - 2m). 132 GozdV 53, 1995 Pogostnost teh zastojev in njihovo traja- nje smo snemali. Zabeležili smo 358 zasto- jev v trajanju od O, 1 O min. do prek 4 min. Zastoj je nastopil pri vsakem četrtem obde- lovancu. V primerjavi s čistim časom obde- lave je časa zastojev 58 %, oziroma ga je skoraj 36 % od pomožnega časa obdelave. V glavnem času obdelave je 18% zasto- jev. Zaradi zastojev se čas obdelave po- veča za 22 %. Avtorja BERNHARD (1982) in BERNHARD in WENTER (1984) ugotav- ljala, da nastopajo zastoji pri delu z dviga- lom na okoli 15% (4- 26 %} obdelovancev, pri delu procesorja pa 20 - 25% (12 - 36 %) obdelovancih. V naši raziskavi je povprečen čas obde- lave na obdelovalcu brez zastojev 0,56 min., zastoj pri obdelovancu, kjer je ta nastopil, pa 0,49 min. al i 88% čistega in pomožnega časa obdelave. Vse gornje številke kažejo pomen zasto- jev. Z dobro organizacijo dela jih lahko veliko izločimo. Sem spada pravilno zlaga- nje in poravnavanje v kupe ob cesti. Avorja BERNHARD in WENTER (1982 in 1984} priporočala, naj bi sekač z motorno žago odžagal debele veje in dvojne vrhove. Vpra- šanje pa je, kaj narediti s krivinami. Tu izgubimo pri delu sekača, pri spravilu in pri delu procesorja, ko mora prijeti dva kosa. Zna biti, da bi bila ta izguba večja od zastoja pri obdelavi. Podrobnejša obdelava zastojev pri delu presega okvir tega dela. Zato jo bomo izvedli drugod. Povzetek Spomladi leta 1989 smo na Gozdarstvu Vitanje (Gozdno gospodarstvo Celje) s časovnimi snema- nji proučevali delo s strojem za obvejevanje in krojenje (procesorjem) KP-40. Procesor je monti- ran na kamionu Magirus 190 z ustrezno nadgrad- njo (izdelek UV-a iz Postojne) in na dvigalu Javornik 9. Stroj je delal v revirju Rakovec. Obdeloval je drevje iz redčenj v smrekovih sestojih na nadmor- ski višini okoli 11 OO m. Proučevali smo po posebni melodiki. Sestavili smo ustrezne snemalne liste. Snemala sta dva snemalca. S statistično obdelavo podatkov snemanj smo ugotavljali vplive posameznih dejavnikov, kot so: dimenzije drevesa, dimenzije sortimentov, značil­ nosti drevesa, velikosti kupov ipd. na delovne Proučevanje dela s procesorjem KP-40 učinke. Ločeno smo obdelali vplive in medseboj- nme zveze, če je bila primerjalna količina (enota mere) posamezno drevo, in ločeno, če je bila primerjalna količina kup. Proučevanje nam je omogočilo naslednje naj- pomembnejše ugotovitve: 1. Delovni čas je sorazmerno ugodno izkoriš- čen. Če ne štejemo glavnega odmora, je produk- tivnega časa, ki je tudi obratovalni čas, 75%. Zastojev zaradi delavca je 8%, zaradi stroja pa 17%. Tu je vštet tudi pripravljalno zaključni čas. Delež efektivnega časa je 63%. Od tega je 20% čiste obdelave, ko s procesorjem obvejujejo ali prežagujejo, 32% je pomožnih opravil, kjer gre v bistvu za prijemanje dreves, premikanje in odla- ganje sortimentov. 11% delovnega časa (ali 18% glavnega produktivnega časa) so zastoji pri obde- lavi. 2. Čisti časi obdelave posameznega drevesa so v tesni korelacij] z dimenzijami drevesa ozi- roma s številom iz drevesa izdelanih sortimentov ali s številom žagov. Najboljši kazalec čistega časa obdelave je dolžina debla (R = 84), zelo dober in ustrezen je tudi prsni premer drevesa (R = 0,77). 3. Pomožni čas obdelave drevesa in delov drevesa, ki je vsota čistega in pomožnega časa obdelave, je v dobri korelaciji z dimenzijami dre- ves oz. delov dreves. Korelacijski koeficienti so okoli R = 0,55 do R = 0,60. Korelacija je veliko boljša, če upoštevamo kombinacije kazalcev, in sicer prsni premer in število kosov oziroma prsni pr~mer in število žagov. Cas obdelave se razlikuje po posameznih seči­ ščih. Obdelava vitkejših dreves je daljša. Za praktično rabo kazalca delovnih učinkov obdelave drevesa so kot samostojni kazalci upo- rabni: dolžina debel, število iz drevesa izdelanih kosov oziroma število žagov. Natančnejša je raba dveh kazalcev. Najprimernejša je kombinacija prsnega premera in števila iz debla izdelanih kosov ali volumna debla in števila kosov. 5. čas za obdelavo kupa ali čas za obdelavo 1 m3 sortimentov je v zelo tesni (praktično funkcij- ski) zvezi z značilnostmi kupa. Na čas obdelave 1 m3 sortimentov najbolj vpliva povprečni prsni premer v kupu (R = 0,96) oziroma njihova debe- ljad (R = 0,97). Če pa upoštevamo tudi zastoje pri obdelavi, so korelacije med povprečji kazalcev in časom za 1 m3 sortimentov veliko ohlapnejše (R = 70) kot korelacije med velikostjo kupa (vsoto premerov, število kosov in volumnom kupa) ter časom obdelave kupa. 6. Delovni čas obdelave 1 m3 sortimentov se zelo hitro znižuje z rastjo velikosti drevesa ali povprečja v kupu. Tako traja obdelava 1m3 sorti- mentov z »debelih« kupov okoli 3 minute. V kupih z drobnejši mi drevesci (prsni prmer do 1 O cm) pa traja obdelava 10-15 minut!m3 . Temu ustrezajo dnevni učinki 30 -35m3/dan pri drobnejših dre- vescih in 150-170 m3/dan pri debelejšem lesu. Čas za izdelavo 1 kupa je v veliki meri odvisen od velikosti kupa. 7. Zastoji pri obdelavi trajajo uro na dan (1/8 delovnega časa). Nastajajo zaradi položaja dre- ves v kupu - načina zlaganja, nepravilne oblike debla -lahko se izločijo z ročnim prežagovanjem dreves, vejnatosti drevesa- predebele ali prego- ste veje- in prelomljenih ali nadlomljenih dreves. Del teh zastojev nastaja zaradi narave dela. Velik del zastojev pa je s smotrno metodo dela in primerno disciplino pri delu možno izločiti. 8. Izdelani so bili delovni normativi za delo s procesorjem KP-40. Na voljo so pri avtorju. WORK STUDIES WITH THE KP-40 PROCESSOR Summary ln the spring 1989 time studies were used in the investigations regarding the work pertormed by means of the KP-40 machine for branching and bucking (processor). The processor is moun- ted on the Magi rus 190 truck, with the adequate extra equipment (produced by LIV Postojna) and on the Javornik 9 crane. The machine was used in the Rakovec forest district. It machined the trees from thinnings in Norway spruce stands at an altitude of about 1100m. A special methodology was applied and special work sampling sheets were prepared. The time study was carried out by two persons. By means of statistical processing of time studies' data, the influences of individual factors, like tree dimensions, assortment dimensions, tree characteristics, pile sizes and the like on work pertormance were established. Separate proces- sing was carried out regarding the influences and correlations if the comparative unit was represen- ted by an individual tree and separately if it was represented by a pile. The following main results are the consequence of the study: 1. The utilization of working time is relatively good. Without the main break, productive time, which is also at the same time operation time, amounts to 75%. Delays due to workers total 8% and due to machine 17%. This also includes the preparation and conclusion time. The share of the effective time is 63%. 20% thereof represent pure machining, performing branching or tran- sverse cutting with the processor, 32% auxiliary jobs- grabbing of trees, moving and laying down of assortments. 11,5% of working time (or 18% of the main productive time) are represented by delays in machining. 2. Pure times of the machining of an individual tree are in close correlation with tree dimensions or the number of assortments made from a tree or the number of saw cuts. The best index of the pure machining time is the length of a trunk (R = 0,84), while the breast- Gozd V 53, 1995 133 Proučevanje dela s procesorjem KP-40 height diameter of a tree (R = 0,77) is very good and suitable too. 3. Auxiliary times of the machining of trees and their parts evidence loose correlation between tree dimensions. Correlation coefficients only amount to about R = 0,23. 4. The time of the machining of a tree and of its parts, which is a sum of the pure time and auxiliary machining time, evidences high correla- tion with tree dimensions or tree parts. Correlation coefficients total about R = 0,55 to R = 0,60. Cor- relation is much higher if index combinations are !aken into consideration, i.e. breast-height diame- ter and the number of pieces or the breast-height diameter and the number of saw cuts. Machining time differs drom one cutting place to another. The machining of thinner trees takes up more time. ln practical use regarding the index of work performance in tree machining the following inde- pendent indices are applicable: trunk length, the number of pieces made from a tree or the number of saw cuts. The application of two indices is more accurate. A combination of the breast-height and the number of the pieces made from a trunk or the volume of a trunk and the number of pieces is the most appropriate one. 5. The time required for the machining of a pile or the time for the machining of 1 m3 of assor- tments is in very close (functional) correlation with the characteristics of a pile. The machining time of 1 m3 of assortments is mostly influenced by the average breast-height diameter in a pile (R = 0,96) or its trunkwood (R = 0,97). lf the delays in the machining are !aken into considera- tion, the correlations between the average values of indices and the time for 1 m3 of assortments are much looser (R = 70) than the correlations between the pile size (diameter sum, the number of pieces and the volume of a pile) and the time of the machining of a pile (R = 0,95) are. 6. Machining working time of 1 m3 of assor- tments quickly decreases with the increase of the 134 GozdV 53, 1995 tree height or the average in a pile. Thus, the machining of 1 m3 of assortments of "thick" piles lasts about 3 minutes. ln the piles of thinner trees (breast-height diameter to 1 O cm) the machining lasts 10-15 minutes/m3. This corresponds to a daily performance of 30-35 m3/day with Ih in trees and 150-170m3/day with trees of greater diame- ter. The time required for the preparation of 1 pile highly depends on the size of a pile. 7. Delays in the machining take up one hour a day (1 /8 of the working time). They occur due to the position of trees in a pile - the way of stacking, irregular forms of trunks - they can be eliminated by means of the manual sawing through of trees, the branchiness of a tree - too thick or too thin branches and broken or partly broken trees. Part of the delays occur due to work's nature. A great deal of delays, however, can be eliminated by means of an appropriate work method and suitable discipline at work. 8. Work norms for working by KP-40 processor have been made. They are on disposal at author. LITERATURA 1. Bernhard, A. 1982: Arbeitstechnische und betriebswirtschaftliche Untersuchungen beim Schwachholzprozessor Stenab 35, AFZ Wien 93 (1982) s. 151. 2. Bernhard, A., Wenter, W. 1984: Arbeitstec- hnische und ergonomische Studien beim Eisatz des Schwachholzprozessor MN 400, AFZ Wien 95 (1984) s. 329. 3. Hafner, F. 1982: Steyr- Forstmaschinen- Parade, AFZ Wien 93/1982. 4. Trzesniowski, A., 1987.: Forsttechnik der Zukunft, Osterreichische Forsz. 1987 s. 17. 5. N. N. Walderprobte Steyr-Kranprozessoren, AFZ Wien 97 ( 1986) s. 318.