Скг 631: Гусеничный кран СКГ-631 (63 тонны)

Аренда гусеничного крана СКГ-631 − Парк техники SWTrans

Главная » Парк техники » Краны » Аренда гусеничного крана СКГ-631

Гусеничный кран СКГ-631 грузоподъемностью 63 тонны – хорошая рабочая “лошадка” для строительных площадок в любом регионе Российской Федерации. 
Кран монтажный СКГ-631 на гусеничном ходу грузоподъемностью 63 – 100 т в зависимости от установленного стрелового оборудования и массы противовеса, оснащен дизель-электрическим приводом и предназначен для выполнения строительно-монтажных, погрузо-разгрузочных работ на строительстве промышленных и гражданских объектов. Гусеничный кран СКГ-631 имеет 23 конфигурации которые отличаются параметрами рабочего оборудования, а также он может оснащаться гуськом длиной 7,6 метра.
Благодаря большому количеству различного сменного рабочего оборудования способен выполнять весь цикл строительства от нулевого до окончательного на возведении наземного объекта. Широко применяется в мостостроении и строительстве дорожных развязок.  

Доставку арендованного крана ДЭК-631 нашим клиентам мы осуществляем собственным автотранспортом, а также можем предложить перевозку крана с объекта на объект.

       

В зависимости от пожелания заказчика компания SWTRANS готова предоставить в аренду гусеничный кран СКГ- 631 в стреловом и башенно-стреловом (БСО) исполнениях. Максимальное стреловое исполнение — стрела длиной 37,7 метров и установочный (жесткий) гусек длиной 7 метров. БСО — стрела 37,7 метров, маневровый гусек — 29,2 метра. При стреле 12 м кран обладает максимальной грузоподъемностью – 100 т, при высоте подъема крюка 11,3 м; при оборудовании крана стрелой 17,6 м его грузоподъемность составляет 63 т.  Стрела длиной 17,6 м является основной для крана СКГ-631. Она состоит из трех секций, на конце стрелы закрепляется съемный оголовок.

Технические характеристики крана СКГ-631 
Грузоподъемность – 63 – 100 т
вылет при наибольшей грузоподъемности – 6,4 м
длина основной стрелы – 17,6 м

максимальная длина стрелы – 37,7 м 
максимальная высота башни – 37,7 м
длина вставок для удлинения стрелы – 10 м
длина гуська для стрелы – 7,6 м
длина гуська для башни – 16,6; 19,0; 24,0; 29,2 м 
максимальная высота подъема груза – 63,1 м 
рскорость передвижения, м/мин    12,5±0,5
конструктивная масса крана (с основной стрелой), т    86
среднее давление на грунт без груза, кг/см    1
кратность запасовки каната при наибольшей грузоподъемности    8
кратность запасовки каната при наибольшей высоте подъема груза    2

Длительная аренда гусеничного крана СКГ 631 – выгодное предложение от компании SWTRANS.
Вы можете оставить заявку на аренду гусеничного крана СКГ-631 непосредственно на странице или обратившись в нашу компанию по телефонам, указанным на сайте, как в Москве, так и в регионах. Если у Вас остались вопросы по комплектации, наши менеджеры предоставят Вам полную информацию об условиях аренды крана СКГ-631 и другой спецтехники.

Применяется при оказании следющих услуг:

Аренда гусеничных кранов

Монтажные работы

Общестроительные работы

Продажа кранов

Участие СКГ-631 в наших проектах

Гусеничный кран скг-631 86 тонн Б/У

  1. Доска объявлений
  2. Строительное оборудование и техника
  3. Крановое и подъемное оборудование
  4. Краны подъемные
  5. Гусеничные краны

Объявление не актуально!

Максимальная грузоподъемность, т 63
Вылет при наибольшей грузоподъемности, м 6,4
Длина основной стрелы, м 12
Максимальная длина стрелы, м 37,7
Максимальная высота башни, м 37,7
Длина вставок для удлинения стрелы, м 10; 10
Длина гуська для стрелы, м 7,6
Длина гуська для башни, м 16,6; 19,0; 24,0; 29,2

Максимальная высота подъема груза, м 63,1
Частота вращения поворотной платформы, об /мин 0,3 0,1
Скорость наматывания каната основного подъема на барабан, м/мин 0,29 – 4,7
Скорость передвижения, м/мин 12,5±0,5
Конструктивная масса крана (с основной стрелой), т 86
Среднее давление на грунт без груза, кг/см 1,00
Кратность запасовки каната при наибольшей грузоподъемности 8
Кратность запасовки каната при наибольшей высоте подъема груза 2
Год выпуска 1996.
Нет гуська.
Кран в полностью рабочем состоянии, но время на продажу ограничено. Если не продадим кран в выделенное время, то распилим на металл и запчасти.
Звони!

Создано 07.07.2018 Изменено 07.07.2018

Похожие объявления

Звено гусеничное крана СКГ-631

Состояние: Б/У Год выпуска: 1988 Производитель: Россия

Волжский (Волгоградская обл.) (Россия)

1 000

Интересные статьи партнеров

А давайте сделаем аппарат для точечной сварки своими руками!

Пусконаладка оптоволоконного лазерного станка для резки листового металла и труб XTC-1530HT/1500 Raycus и оптоволоконного аппарата лазерной сварки XTW-1500Q/Raycus в Одинцово

Пусконаладка фрезерно-гравировального станка с ЧПУ WOODTEC HR 1325TC с токарной приставкой в Рубцовске

Поставка и запуск оптоволоконного лазера с труборезным механизмом LF6015CR/3000 IPG в Курганской области

Поставка барабанного мобильного измельчителя древесины BOXER GS-15E в Иваново

Что нужно знать о концевых фрезах для фрезерных станков с ЧПУ

Металлическая Эйфелева башня изготовленная с помощью обрабатывающего центра с ЧПУ — интересное видео

12 методов изготовления изделий из пластика и примеры их использования [Часть 2]

Пусконаладка лазерно-гравировального станка TS 6040 в Воронеже

Вы недавно смотрели

Все просмотренные объявления →

UnifiedSKG: объединение и многозадачность структурированных знаний с помощью языковых моделей преобразования текста в текст

Tianbao Xie, Чен Генри Ву, Пэн Ши, Руйци Чжун, Торстен Шолак, Мичихиро Ясунага, Чиен-Шэн Ву, Мин Чжун, Пэнчэн Инь, Сида И. Ван, Виктор Чжун, Байлин Ван, Чэнцзу Ли, Коннор Бойл, Ансон Ни, Зию Яо, Драгомир Радев, Каймин Сюн, Линпэн Конг, Руи Чжан, Ной А. Смит, Люк Зеттлмойер, Tao Yu

Abstract
Основание структурированных знаний (SKG) использует структурированные знания для выполнения пользовательских запросов, таких как семантический анализ баз данных и ответы на вопросы в базах знаний. Поскольку входы и выходы задач SKG неоднородны, они изучались отдельно разными сообществами, что ограничивает систематические и совместимые исследования SKG. В этой статье мы преодолеваем это ограничение, предлагая структуру UnifiedSKG, которая объединяет 21 задачу SKG в формат преобразования текста в текст с целью продвижения систематических исследований SKG, а не исключительно для одной задачи, домена или набора данных. Мы используем UnifiedSKG для тестирования T5 с различными размерами и показываем, что T5 с простыми модификациями, когда это необходимо, достигает самой современной производительности почти во всех 21 задачах.
Мы также демонстрируем, что многозадачная настройка префикса повышает производительность большинства задач, значительно улучшая общую производительность. UnifiedSKG также облегчает исследование обучения с нулевым и малым количеством выстрелов, и мы показываем, что T0, GPT-3 и Codex борются с обучением с нулевым и небольшим выстрелом для SKG. Мы также используем UnifiedSKG для проведения серии контролируемых экспериментов по вариантам кодирования структурированных знаний в задачах SKG. UnifiedSKG легко расширяется для выполнения большего количества задач, а его исходный код доступен по адресу https://github.com/hkunlp/unifiedskg.

Идентификатор антологии:
2022.Enmlp-Main.39
Том:
Слушания конференции 2022 года по эмпирическим методам в обработке естественного языка
Месяц:
декабрь
Год:
20292913
Год:
202912
Год. :
Абу-Даби, Объединенные Арабские Эмираты
Место проведения:
EMNLP
SIG:
Издатель:
Ассоциация компьютерной лингвистики
Примечание:
Pages:
602–631
Language:
URL:
https://aclanthology. org/2022.emnlp-main.39
DOI:
Bibkey:
Cite (ACL ):
Тяньбао Се, Чен Генри Ву, Пэн Ши, Жуйци Чжун, Торстен Шолак, Мичихиро Ясунага, Чиен-Шэн Ву, Мин Чжун, Пэнчэн Инь, Сида И. Ван, Виктор Чжун, Байлин Ван, Ченгзу Ли, Коннор Бойл , Ansong Ni, Ziyu Yao, Dragomir Radev, Caiming Xiong, Lingpeng Kong и др. 2022. UnifiedSKG: Объединение и многозадачное структурированное обоснование знаний с помощью языковых моделей преобразования текста в текст. В
Материалы конференции 2022 г. по эмпирическим методам обработки естественного языка , страницы 602–631, Абу-Даби, Объединенные Арабские Эмираты. Ассоциация компьютерной лингвистики.
Процитируйте (неофициально):
UnifiedSKG: Объединение и многозадачность структурированных знаний с помощью языковых моделей преобразования текста в текст (Xie et al., EMNLP 2022)
Копия цитирования:
PDF:
https://aclanthology.org/2022.emnlp-main. 39.pdf

PDF Процитировать Search

  • BibTeX
  • MODS XML
  • Endnote
  • Preformated
 @inproceedings{xie-etal-2022-unifiedskg,
    title = "{U}nified{SKG}: Объединение и многозадачность структурированных знаний с помощью языковых моделей преобразования текста в текст",
    автор = "Се, Тяньбао и
      Ву, Чен Генри и
      Ши, Пэн и
      Чжун, Жуйци и
      Шолак, Торстен и
      Ясунага, Мичихиро и
      Ву, Чиен-Шэн и
      Чжун, Мин и
      Инь, Пэнчэн и
      Ван, Сида И. и
      Чжун, Виктор и
      Ван, Байлин и
      Ли, Чэнцзу и
      Бойл, Коннор и
      Ни, Ансонг и
      Яо, Зию и
      Радев, Драгомир и
      Сюн, Каймин и
      Конг, Линпэн и
      Чжан, Руи и
      Смит, Ной А. и
      Зеттлемойер, Люк и
      Ю, Тао",
    booktitle = "Материалы конференции 2022 г. по эмпирическим методам обработки естественного языка",
    месяц = ​​декабрь,
    год = "2022",
    address = "Абу-Даби, Объединенные Арабские Эмираты",
    издатель = "Ассоциация вычислительной лингвистики",
    url = "https://aclanthology. org/2022.emnlp-main.39",
    страницы = "602--631",
    abstract = «Заземление структурированных знаний (SKG) использует структурированные знания для выполнения пользовательских запросов, таких как семантический анализ баз данных и ответы на вопросы в базах знаний. Поскольку входы и выходы задач SKG неоднородны, они изучались отдельно разными сообществами, что ограничивает систематические и совместимые исследования SKG.В этой статье мы преодолеваем это ограничение, предлагая структуру UnifiedSKG, которая объединяет 21 задачу SKG в формат преобразования текста в текст, с целью способствовать систематическому исследованию SKG, а не исключительно для одной задачи, домена или набора данных. Мы используем UnifiedSKG для сравнения T5 с различными размерами и показываем, что T5 с простыми изменениями, когда это необходимо, достигает современной производительности почти во всех задачах 21. Мы также демонстрируем, что несколько -Настройка префикса задачи повышает производительность большинства задач, значительно улучшая общую производительность.  -обучение, и мы показываем, что T0, GPT-3 и Codex борются с нулевым и малократным обучением для SKG. Мы также используем UnifiedSKG для проведения серии контролируемых экспериментов по вариантам кодирования структурированных знаний в задачах SKG. UnifiedSKG легко расширяется для выполнения большего количества задач, и он находится в открытом доступе по адресу https://github.com/hkunlp/unifiedskg.»,
}
 
 

<моды>
    <информация о заголовке>
        UnifiedSKG: объединение и многозадачность структурированных знаний с языковыми моделями преобразования текста в текст
    
    <название типа="личное">
        Тяньбао
        Се
        <роль>
            автор
        
    
    <название типа="личное">
        Чен
        Генри
        Ву
        <роль>
            автор
        
    
    <название типа="личное">
        Пэн
        Ши
        <роль>
            автор
        
    
    <название типа="личное">
        Руйци
        Чжун
        <роль>
            автор
        
    
    <название типа="личное">
        Торстен
        Школа
        <роль>
            автор
        
    
    <название типа="личное">
        Митихиро
        Ясунага
        <роль>
            автор
        
    
    <название типа="личное">
        Чиен-Шэн
        Ву
        <роль>
            автор
        
    
    <название типа="личное">
        Минг
        Чжун
        <роль>
            автор
        
    
    <название типа="личное">
        Пэнчэн
        Инь
        <роль>
            автор
        
    
    <название типа="личное">
        Сида
        Я
        Ванг
        <роль>
            автор
        
    
    <название типа="личное">
        Виктор
        Чжун
        <роль>
            автор
        
    
    <название типа="личное">
        Байлин
        Ванг
        <роль>
            автор
        
    
    <название типа="личное">
        Чэнцзу
        Ли
        <роль>
            автор
        
    
    <название типа="личное">
        Коннор
        Бойл
        <роль>
            автор
        
    
    <название типа="личное">
        Ансонг
        Нет
        <роль>
            автор
        
    
    <название типа="личное">
        Зию
        Яо
        <роль>
            автор
        
    
    <название типа="личное">
        Драгомир
        Радев
        <роль>
            автор
        
    
    <название типа="личное">
        Кайминг
        Сюн
        <роль>
            автор
        
    
    <название типа="личное">
        Линпэн
        Конг
        <роль>
            автор
        
    
    <название типа="личное">
        Руи
        Чжан
        <роль>
            автор
        
    
    <название типа="личное">
        Ной
        A
        Смит
        <роль>
            автор
        
    
    <название типа="личное">
        Люк
        Зеттлемойер
        <роль>
            автор
        
    
    <название типа="личное">
        Дао
        Ю
        <роль>
            автор
        
    
    <информация о происхождении>
        2022-12
    
    текст
    
        <информация о заголовке>
            Материалы конференции 2022 года по эмпирическим методам обработки естественного языка
        
        <информация о происхождении>
            Ассоциация компьютерной лингвистики
            <место>
                Абу-Даби, Объединенные Арабские Эмираты
            
        
        публикация конференции
    
    Заземление структурированных знаний (SKG) использует структурированные знания для выполнения пользовательских запросов, таких как семантический анализ в базах данных и ответы на вопросы в базах знаний.  Поскольку входы и выходы задач SKG неоднородны, они изучались отдельно разными сообществами, что ограничивает систематические и совместимые исследования SKG. В этой статье мы преодолеваем это ограничение, предлагая структуру UnifiedSKG, которая объединяет 21 задачу SKG в формат преобразования текста в текст с целью продвижения систематических исследований SKG, а не исключительно для одной задачи, домена или набора данных. Мы используем UnifiedSKG для тестирования T5 с различными размерами и показываем, что T5 с простыми модификациями, когда это необходимо, достигает самой современной производительности почти во всех 21 задачах. Мы также демонстрируем, что многозадачная настройка префикса повышает производительность большинства задач, значительно улучшая общую производительность. UnifiedSKG также облегчает исследование обучения с нулевым и малым количеством выстрелов, и мы показываем, что T0, GPT-3 и Codex борются с обучением с нулевым и небольшим выстрелом для SKG. Мы также используем UnifiedSKG для проведения серии контролируемых экспериментов по вариантам кодирования структурированных знаний в задачах SKG.  UnifiedSKG легко расширяется для выполнения большего количества задач, и его исходный код находится в открытом доступе по адресу https://github.com/hkunlp/unifiedskg.
    xie-etal-2022-unifiedskg
    <местоположение>
        https://aclanthology.org/2022.emnlp-main.39
    
    <часть>
        <дата>2022-12
        <единица экстента="страница">
            <начало>602
            631
        
    


 
 %0 Материалы конференции
%T UnifiedSKG: унификация и многозадачность структурированных знаний с языковыми моделями преобразования текста в текст
%A Се, Тяньбао
%A Ву, Чен Генри
%А Ши, Пэн
%А Чжун, Жуйци
%A Шолак, Торстен
%A Ясунага, Мичихиро
%A Ву, Чиен-Шэн
%А Чжун, Мин
% А Инь, Пэнчэн
%А Ван, Сида И.
%А Чжун, Виктор
%А Ван, Байлинь
%А Ли, Чэнцзу
%А Бойл, Коннор
%А Ни, Ансонг
%А Яо, Зию
%A Радев, Драгомир
%А Сюн, Каймин
%А Конг, Линпэн
%А Чжан, Руи
%А Смит, Ноа А. 
%A Zettlemoyer, Люк
%A Ю, Тао
%S Материалы конференции 2022 года по эмпирическим методам обработки естественного языка
%D 2022
%8 декабря
%I Ассоциация компьютерной лингвистики
%C Абу-Даби, Объединенные Арабские Эмираты
%F xie-etal-2022-unifiedskg
%X Заземление структурированных знаний (SKG) использует структурированные знания для выполнения пользовательских запросов, таких как семантический анализ в базах данных и ответы на вопросы в базах знаний. Поскольку входы и выходы задач SKG неоднородны, они изучались отдельно разными сообществами, что ограничивает систематические и совместимые исследования SKG. В этой статье мы преодолеваем это ограничение, предлагая структуру UnifiedSKG, которая объединяет 21 задачу SKG в формат преобразования текста в текст с целью продвижения систематических исследований SKG, а не исключительно для одной задачи, домена или набора данных. Мы используем UnifiedSKG для тестирования T5 с различными размерами и показываем, что T5 с простыми модификациями, когда это необходимо, достигает самой современной производительности почти во всех 21 задачах.  Мы также демонстрируем, что многозадачная настройка префикса повышает производительность большинства задач, значительно улучшая общую производительность. UnifiedSKG также облегчает исследование обучения с нулевым и малым количеством выстрелов, и мы показываем, что T0, GPT-3 и Codex борются с обучением с нулевым и небольшим выстрелом для SKG. Мы также используем UnifiedSKG для проведения серии контролируемых экспериментов по вариантам кодирования структурированных знаний в задачах SKG. UnifiedSKG легко расширяется для выполнения большего количества задач, а его исходный код доступен по адресу https://github.com/hkunlp/unifiedskg.
%U https://aclanthology.org/2022.emnlp-main.39%Р 602-631
Уценка (неофициальная)

[UnifiedSKG: Объединение и многозадачность структурированных знаний с помощью языковых моделей преобразования текста в текст] (https://aclanthology.org/2022.emnlp-main.39) (Xie et al. , EMNLP 2022)

  • UnifiedSKG: Объединение и многозадачное структурированное обоснование знаний с помощью языковых моделей преобразования текста в текст (Xie et al. , EMNLP 2022)
ACL
  • Тяньбао Се, Шэн Генри Ву , Жуйци Чжун, Торстен Шолак, Мичихиро Ясунага, Чиен-Шэн Ву, Мин Чжун, Пэнчэн Инь, Сида И. Ван, Виктор Чжун, Байлин Ван, Ченгзу Ли, Коннор Бойл, Ансонг Ни, Зию Яо, Драгомир Радев, Каймин Сюн, Lingpeng Kong, et al. 2022. UnifiedSKG: Объединение и многозадачность структурированных знаний с помощью языковых моделей преобразования текста в текст. В Материалы конференции 2022 г. по эмпирическим методам обработки естественного языка , страницы 602–631, Абу-Даби, Объединенные Арабские Эмираты. Ассоциация компьютерной лингвистики.

Phoenix Pumps, Inc. — дистрибьютор запасных частей с полным спектром услуг в Аризоне, Неваде и Нью-Мексико

Решение проблем с перекачкой жидкости с 1985 года решения для транспортировки, специально разработанные для повышения эффективности и рентабельности, — всегда были нашими фокус . Мы работаем с ведущими мировыми производителями жидкостных технологий, поэтому наши клиенты получают инновационное оборудование , которое существенно повышает производительность и помогает снизить общую стоимость владения.

Почему выбирают Phoenix Pumps

Наши основные продукты

Насосы

Обзор продуктов

Фильтрация

Обзор продуктов

Элементы управления

Обзор продуктов

Sealing Solutions

Обзор продуктов

Посмотреть все продукты


Ремонт насосов
Убедитесь, что оборудование для обработки жидкости установлено правильно с первого раза. Наши одобренные заводом сертификаты в сочетании с обученными на заводе техническими специалистами гарантируют, что вы получите ремонт насоса самого высокого качества.

Подробнее

Ремонт уплотнения
Эксперт OEM Chesterton по ремонту механических уплотнений удобно расположен в Phoenix Pumps.

Подробнее

Установка и ввод в эксплуатацию
Правильная установка и запуск оборудования для обработки жидкостей жизненно важны для долгосрочной эксплуатации. Начните с правильной ноги с профессиональной установкой и запуском.

Подробнее

Профилактическое обслуживание
Переходите от реактивного к упреждающему плану обслуживания от Phoenix Pumps. План профилактического или профилактического обслуживания поможет вам свести к минимуму незапланированные ремонты и спланировать необходимые ремонты в будущем.

Подробнее

Решения по обеспечению надежности
Индивидуальные решения по обеспечению надежности оборудования для повышения производительности вашего предприятия.

Подробнее

Индивидуальные насосные системы
Индивидуальные системы насосных салазок, спроектированные в соответствии с вашими проектными требованиями.