Determination of The Most Suitable Milking Machine with Macbeth and Gray Relational Analysis Methods

Abstract

Milking machines are an important element of the livestock sector, which is one of the main activities of the countries. Milking machines have become a part of the life of livestock keepers. Such equipment can be considered as applications of mechanical engineering on the livestock sector. Especially livestock enterprises are going through a difficult process in supplying such machines with optimum features and maximum benefit. In terms of productivity, competitiveness and sustainability of livestock sector enterprises, decision-making processes should be scientific. With this perspective, in this study, the problem of determining the optimum milking machine was evaluated with Multi-Criteria Decision Making (MCDM) methods. In the study, six different milking machines were analyzed with two different MCDM methods according to eight criteria. In this frame, the criterion weights of the related decision problem were calculated by the MACBETH method. Moreover, MACBETH and Gray Relational Analysis (GIA) methods were used separately to determine the most suitable milking machine. Furthermore, rankings obtained+- by different methods were tested with Spearman Rank Correlation Analysis and the result was found to be highly positive. The results of the study were shared with the decision makers. Besides, academic, and sectoral suggestions were made for future studies on similar topics.

Keywords

• Milking Machines
• MACBETH Method
• Gray Relational Analysis Method

Macbeth ve Gri İlişkisel Analiz Yöntemleri İle En Uygun Süt Sağım Makinesinin Belirlenmesi

Abstract

Süt sağım makineleri, ülkelerin temel faaliyetlerinden olan hayvancılık sektörünün önemli bir unsurudur. Sağım makineleri, hayvancılık ile uğraşan bakıcıların hayatının bir parçası haline gelmiştir. Bu tür ekipmanlar makine mühendisliğinin hayvancılık sektörü üzerine uygulamaları olarak düşünülebilir. Özellikle hayvancılık işletmeleri bu tür makinelerin optimum özellikte ve maksimum fayda sağlayacak olanının tedarik edilmesi konusunda zorlu bir süreç geçirmektedirler. Hayvancılık sektörü İşletmelerinin verimliliği, rekabet edebilirliği ve sürdürülebilirliği açısından karar verme süreçlerinin bilimsel olması gerekmektedir. Bu düşünce ile çalışmada, optimum süt sağım makinesinin belirlenmesi problemi Çok Kriterli Karar Verme (ÇKKV) yöntemleri ile değerlendirilmiştir. Çalışmada altı farklı süt sağım makinesi, sekiz kritere göre iki farklı ÇKKV yöntemi ile analiz edilmiştir. İlgili karar probleminin kriter ağırlıkları MACBETH yöntemi ile hesaplanmıştır. En uygun süt sağım makinesinin belirlenmesinde ise MACBETH ve Gri İlişkisel Analiz (GİA) yöntemleri ayrı ayrı kullanılmıştır. Farklı yöntemlerle elde edilen sıralamalar Spearman Sıra Korelasyon Analizi ile test edilmiş ve sonuçların pozitif yönde birbiriyle yüksek düzeyde ilişkili olduğu görülmüştür. Çalışmadan elde edilen sonuçlar karar verici konumundaki yetkililerle paylaşılmıştır. Gelecekte yapılacak benzer konudaki çalışmalar için akademik ve sektörel önerilerde bulunulmuştur.

Keywords

• Süt Sağım Makineleri
• MACBETH Yöntemi
• Gri İlişkisel Analiz Yöntemi

References

1. [1] M. Kayhan, “Hayvansal Üretimdeki Gelişmeler”, Son 10 yılda Türkiye Tarımı Sempozyumu, 2012 ,Ege Üniversitesi, İzmir, Turkey, January 10.
2. [2] A. Köse, “ MACBETH ve Gri İlişkisel Analiz Yöntemleri ile Hayvancılık Sektöründe En Uygun Süt Sığırcılığı Sağım Makinesi Markasının Belirlenmesi”, Yüksek Lisans Tezi, Düzce Üniversitesi Lisansüstü Eğitim Enstitüsü, Düzce, 2021.
3. [3] DPS (Data Portal for Statistics), Animal production statistics (years 2011, 2021), 2022a, https://data.tuik.gov.tr/Kategori/GetKategori?p=Tarim-111
4. [4] DPS (Data Portal for Statistics. Agricultural equipment and machinery statistics (years 2011, 2021), 2022b. https://data.tuik.gov.tr/Kategori/GetKategori?p=tarim-111
5. [5] Duzce Agricultural Investment Guide. Ministry of agriculture and forestry strategy development department agricultural investor advisory office, 2021. https://www.tarimorman.gov.tr/SGB/TARYAT/Belgeler/il_yatirim_rehberleri/duzce.pdf
6. [6] J. M. Kıyıcı, “Türkiye’de süt sağim teknolojisi projeksiyonu”, Alinteri J Agriculture Science, vol. 33, pp. 7-11, 2018.
7. [7] A. D. Costa, D.J. Reinemann, “The purpose of the milking routine and comparative physiology of milk removal”, Proc. Natl. Mastitis Council Annu. Mtg., Charlotte, NC. National Mastitis Counc., Verona, WI, pp.189-197, 2004.
8. [8] D. Von Winterfeldt, “Bridging the gap between science and decision making. Proceedings of the National Academy of Sciences of the United States of America, vol. 110, no. 3, pp.14055–14061, 2013.

9. [9] https://steemit.com/kusadasi/@blueones/gida-ve-tarim-alaninda-ilkler, 1999.
10. [10] K. V. S. Verma, S. Garai, S. Maiti, B. S. Meena, M. Bhakat and K.S. Kadian, “Demand driven livestock extension services: Farmers’ participatory assessment in Eastern Haryana”, Indian Journal of Animal Sciences, vol. 90, no.5, pp. 792-797, 2020.
11. [11] J. A. Jacobs and J.M. Siegford, “Invited review: The impact of automatic milking systems on dairy cow management, behavior, health, and welfare”, Journal of Dairy Science, vol. 95, no. 5, pp. 2227–2247, 2012.
12. [12] S. Khatri, K. P. Pokharel, G. Bhandari, A. Mishra, S.K. Jha, S. Ansari and S. Shrestha, “Performance evaluation of portable milking machine on machine economy , milk yield, milking time, and milk constituents of Nepalese Cattle”, Agricultural Engineering International: CIGR Journal , vol. 23, no. 4, pp. 78–90, 2021.
13. [13] A. Mohammed, “Towards a sustainable assessment of suppliers: an integrated fuzzy TOPSIS possibilistic multi-objective approach”, Annals of Operations Research, vol. 293, pp. 1-30, 2020.
14. [14] M. Yazdani, S. Hashemkhani Zolfani and E. K. Zavadskas, “New integration of MCDM methods and QFD in the selection of green suppliers” Journal of Business Economics and Management, vol. 17, no. 6, pp. 1097-1113, 2016.
15. [15] A. Mohammed, I. Harris and A. Dukyil, “A trasilient decision making tool for vendor selection: a hybrid-MCDM algorithm”, Management Decision, vol. 57, no. 2, pp. 372-395, 2018.
16. [16] D. Pamucar, L. Vasin and L. Lukovac, “Selection of railway level crossings for investing in security equipment using hybrid DEMATEL-MAIRCA model”, XVI International Scientific-Expert Conference on Railway-Railcon. Niš. Serbia, 2014, 89-92.
17. [17] H. M. Arslan, A. Köse and İ. Durak, “Çok kriterli karar verme yöntemleri ile eğitim kurumları karar problemlerinin çözümü”, Electronic J Vocational Colleges vol. 8, pp. 27-34, 2018.
18. [18] N. Kundakcı, “Combined Multi-Criteria Decision-Making Approach based on MACBETH and Multi-MOORA Methods”, Alphanumeric Journal, vol. 4, no.1, pp. 17–26, 2016.
19. [19] J. W. Chan, “Product end-of-life options selection: grey relational analysis approach”, Int J Production Research, vol.46, pp.2889-2912, 2008.
20. [20] X. Li and C. Zhao, “Selection of suppliers of vehicle components based on green supply chain”, 16th International Conference on Industrial Engineering and Engineering Management, Beijing, 2009, pp. 1588–91.
21. [21] D. Murat, “The analysis of the well-being levels of OECD countries with grey relational analysis”, Pamukkale Üniversitesi Sosyal Bilimler Enstitüsü Dergisi, vol.41, pp. 83-107, 2020.
22. [22] H. Ergun, M. Ç. Sucu, M. C. Yaralı M. C, et al, “Finansal performans, kurumsal yönetim ve marka değeri arasindaki ilişki: borsa istanbul kurumsal yönetim endeksi kapsamindaki bankalar üzerine bir uygulama”, Nevşehir Hacı Bektaş Veli Üniversitesi SBE Dergisi, vol.12 no.2, pp. 852-869, 2022.
23. [23] E. K. Zavadskas, A. Kaklauskas A. Banaitis A, et al, “Housing credit access model: the case for Lithuania”, Eur J Oper Res vol. 155, pp.335–352, 2004.
24. [24] Y. Kuo, T. Yang and G.W. Huang, “The use of grey relational analysis in solving multiple attribute decision-making problems”, Computers & Industrial Engineering, vol. 55, pp. 80–93, 2008.
25. [25] C.A.Bana e Costa, P.A. Da Silva PA and F.N. Correia, “Multicriteria evaluation of flood control measures: the case of ribeira do livramento. London: Working Paper (LSEOR 03.62)”, The London School of Economics and Political Science, 2004.
26. [26] P. Karande and S. Chakraborty, “Using Macbeth Method for Supplier Selection in Manufacturing Environment” International Journal of Industrial Engineering Computations, vol.4, no. 2, pp. 259-279, 2013.
27. [27] C. A. Bana e Costa, M.P. Chagas, “A Career Choice Problem: An Example of How to Use MACBETH to Build a Quantitative Value Model Based on Qualitative Value Judgments”, London: Working Paper (LSEOR 02.53), The London School of Economics and Political Science, 2003.
28. [28] C. A. Bana e Costa, C. S. Oliveira and V. Vieira, “Prioritization of Bridges and Tunnels in Earthquake Risk Mitigation Using Multicriteria Decision Analysis: Application to Lisbon”, Omega, vol. 36, no. 3, pp. 442-450, 2008.
29. [29] P. Karande and S. Chakraborty, “A facility layout selection model using MACBETH method”, Proceedings of the 2014 International Conference on Industrial Engineering and Operations Management, 2014, 7-9 January, Indonesia, Bali.
30. [30] Y. Ayrıçay, M. Özçalıcı and A. Kaya, “Gri İlişkisel Analizin Finansal Kıyaslama Aracı Olarak Kullanılması: İMKB-30 Endeksindeki Finansal Olmayan Firmalar Üzerinde Bir Uygulama” KSÜ Sosyal Bilimler Dergisi, vol.10, no.1, pp. 219-238, 2013.
31. [31] F. Ecer, “Türkiye’deki Özel Bankaların Finansal Performanslarının Karşılaştırılması: 2008-2011 Dönemi”, AİBÜ Sosyal Bilimler Enstitüsü Dergisi, vol. 13, no.2, pp. 171-189, 2013.
32. [32] C. C. Yang and B.S. Chen, “Supplier Selection Using Combined Analytical Hierarchy Process and Grey Relational Analysis” Journal of Manufacturing Technology Management, vol. 17, no. 7, pp. 926-941, 2006.
33. [33] B. F. Yıldırım, “Gri İlişkisel Analiz, Operasyonel, Yönetsel ve Stratejik Problemlerin Çözümünde Çok Kriterli Karar Verme Yöntemleri. Bursa: Dora Yayınları, 2018.
34. [34] R. Arslan, H. Bircan and Ö. Arslan, “Tekstil Firmalarında Finansal Performansın Analitik Hiyerarşi Prosesi ile Ağırlıklandırılmış Gri Ilişkisel Analiz Yöntemiyle Değerlendirilmesi” Kahramanmaraş Sütçü İmam Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, vol. 7, no. 2, pp. 19-36, 2017.
35. [35] Y. Karagöz, “İlişki Katsayıları ile Öğrenci Başarısını Etkileyen Faktörlerin Belirlenmesi”, Elektronik Sosyal Bilimler Dergisi, vol.9, no. 32, pp. 425-446, 2010.
36. [36] H. Gamgam, “Parametrik Olmayan İstatistiksel Teknikler”, Ankara: Gazi Üniversitesi Yayınları.
37. [37] H. Bağcı and İ. Sarıay, “Halka açık piyasa değeri ve piyasa değerinin işletme performansındaki rolü: BIST halka arz endeksi'nde bir uygulama”, Finansal Araştırmalar ve Çalışmalar Dergisi vol. 13, pp. 36-54, 2021.
38. [38] M. Orhan and H. T. Mutlu, “Ülkelerin COVID-19 Pandemisine Karşı Mücadelesinin CRITIC Tabanlı MABAC Yöntemiyle Değerlendirilmesi” Nicel Bilimler Dergisi, vol. 3, no. 2, pp. 173-189, 2021.