Tarım Ürünlerinde Değişken Maliyet ve Brüt Kar Hesaplamalarına Yönelik Kural Tabanlı Uzman Sistemin Geliştirilmesi: Bir Örnek Olay İncelemesi

Yıl 2024, Cilt: 39 Sayı: 2, 365 - 379, 28.06.2024

Oğuz Şahin , Fatih Topaloğlu

https://doi.org/10.7161/omuanajas.1412844

Öz

Tarım ürünlerinin maliyet ve brüt kar hesaplamaları kapsamlı ve zor bir süreçtir. Toprağın işlenmesi, budama, ilaçlama, sulama, depolama, kurutma, hasat, nakliye ve pazarlama gibi birçok farklı parametrenin bir arada değerlendirilmesi gerekmektedir. Günümüzde tarım ürünlerinin maliyet hesaplamaları klasik programlar ve basit matematiksel yöntemlerle yapılmaktadır. Bu nedenle sonuçlar değerlendirmeyi yapan kişi ve kuruluşa göre farklılık göstermektedir. Bu durum bazı sınırlamalar yaratarak dinamik bir süreç olan maliyet planlamasını güvenilmez hale getirir. Çalışmada kayısının maliyet ve brüt kâr hesaplaması için kural tabanlı bir uzman sistem geliştirilmiştir. Geliştirilen uzman sisteme Kayısı Bilgi Sistemi (APRIS) adı verilmektedir. Geliştirilen uzman sistem, hesaplama sürecine bilgisayarın hassasiyetini ve hızını da ekleyerek daha doğru çözümler sunmayı amaçlamaktadır. Bu çalışmanın temel katkısı, toprak işlemeden pazarlamaya kadar tüm süreçleri kapsayan eksiksiz bir karar destek setinin geliştirilmesi ve kural tabanlı kullanıcı-sistem etkileşiminin tasarlanmasıdır. Tasarlanan sistemde kayısı maliyeti 2020 yılı için 126,36 TL/da olarak bulunmuştur. Bu değer geçen yıl sahadan elde edilen değerlerle büyük ölçüde örtüşmektedir. Geliştirilen uzman sistem birçok tarım ürününün maliyet hesaplamalarında kullanılabilecek bir platform olacaktır.

Anahtar Kelimeler

Uzman sistem, kayısı bilgi sistemi, maliyet hesabı, brüt kar hesabı

Development of Rule-Based Expert System for Variable Cost and Gross Profit Calculations of Agricultural Products: A Case Study

Öz

Cost and gross profit calculations of agricultural products are a comprehensive and difficult process. Many different parameters, such as soil cultivation, pruning, spraying, irrigation, storage, drying, harvesting, transportation, and marketing, need to be evaluated together. Currently, cost calculations of agricultural products are made with classical programs and simple mathematical methods. For this reason, the results vary depending on the person and organization making the evaluation. This creates some limitations, making cost planning, which is a dynamic process, unreliable. In the study, a rule-based expert system was developed for the cost and gross profit calculation of apricots. The expert system developed is called Apricot Information System (APRIS). The developed expert system aims to provide more accurate solutions by adding the precision and speed of the computer to the calculation process. The main contribution of this study is the development of a complete decision support set covering all processes from tillage to marketing and the design of rule-based user-system interaction. The designed system found the apricot variable cost calculation to be 1126.36 TL/da for 2020. This value largely overlaps with the values obtained from the field in the previous year. The developed expert system will be a platform that can be used in cost calculations of many agricultural products.

Anahtar Kelimeler

Expert system, apricot information system, cost calculation, gross profit calculation

Kaynakça

• Abraham, A., 2005. Rule-based Expert Systems. Editör: Peter H. Sydenham ve Richard Thorn, Handbook of Measuring System Design. John Wiley & Sons, Ltd. New Jersey. 909-919.
• Angeli, C., 2010. Diagnostic Expert Systems: From Expert’s Knowledge to Real-Time Systems. Advanced Knowledge Based Systems: Model, Applications & Research, 1(4), 50-73.
• Aslan, A., 2013. Malatya İlinde Organik ve Konvansiyonel Kayısı Üretimi Yapan İşletmelerin Karşılaştırmalı Ekonomik Analizi, Kahramanmaraş Sütçü İmam Üniversitesi, Fen Bilimleri Enstitüsü, Tarım Ekonomisi Anabilim Dalı, Yüksek Lisans Tezi, Kahramanmaraş.
• Babalık, A., 2000. Uzman Sistemlerin Tıpta Teşhis Amaçlı Kullanımı. Gazi Üniversitesi Fen Bilimleri Enstitüsü, Yüksek Lisans Tezi, Ankara.
• Çaylı, A., Temizkan, Y., 2018. Kahramanmaraş Bölgesi İçin Seralarda Örtü Malzemesi ve Isı Tasarruf Önlemlerinin Isıtma Yüküne Etkisinin Uzman Sistem ile Belirlenmesi. Kahramanmaraş Sütçü İmam Üniversitesi Tarım ve Doğa Dergisi, 21(3), 312-322.
• Çetinyokuş, T., Metin, D., Oktay Y., 2010. Personel Seçiminde Eşleşme Yöntemi Temeline Dayanan Bir Uzman Sistem Yaklaşımı. e-Journal of New World Sciences Academy, 5(4), 590-602.
• Demirtaş, M.N., Öztürk, K., Yiğit T., Çolak, S., Şahin, S., 2011. Kayısı Yetiştiriciliği. EYYDB yayınları, Ankara.
• Erkuş, A., Bülbül, M., Kıral, T., Açıl, A.F., Demirci, R., 1995. Tarım Ekonomisi. Ankara Üniversitesi Ziraat Fakültesi, Eğitim, Araştırma ve Geliştirme Vakfı Yayınları No: 5, Ankara.
• Fielke, S., Taylor, B., Jakku, E., 2020. Digitalisation of agricultural knowledge and advice networks: A state-of-threat review. Agricultural Systems, 180, 102763.
• Golanskı, P., Przemyslaw M., 2015. Use of the Expert Methods in Computer Based Maintenance Support of the M-28 Aircraft. Scientific Journal of Polish Naval Academy, 1-12.
• Gutıerrez, S.A., Branch J.W., 2011. A Comparison Between Expert Systems and Autonomic Computing Plus Mobile Agent Approaches for Fault Management. Dyna, 78(168), 173-181.
• Heiß, A., Paraforos, D.S., Sharipov, G.M., Griepentrog, H.W., 2021. Modeling and simulation of a multi-parametric fuzzy expert system for variable rate nitrogen application. Computers and Electronics in Agriculture, 182, 1-12.
• Janssen, S.J.C., Porter, C.H., Moore, A., Athanasiadis, I.N., 2017. Towards a new generation of agricultural system data, models and knowledge products: information and communication technology. Agricultural Systems, 155, 200–212.
• Kamilaris, A., Prenafeta-Boldú, F.X., 2018. Deep learning in agriculture: a survey. Computers and Electronics in Agriculture, 147, 70–90.
• Klompenburg, T.V., Kassahun, A., Catal, C., 2020. Crop yield prediction using machine learning: A systematic literature review. Computers and Electronics in Agriculture, 177, 1-18.
• Mostafa, M.A., Al-Qurishi, M., Al-Amri, A., Aksoy, M.S., Emam, A., 2022. Novel graphical family tree representation to develop an interactive expert system. Expert Systems, 39(10), 1-19.
• Musleh, M.M., Abu Naser, S.S., 2000. Rule Based System for Diagnosing and Treating Potatoes Problems. International Journal of Academic Engineering Research (IJAER), 2(8), 1-9.
• Negnevıtsky, M. (2005). Artificial Intelligence. 2nd Edition, Pearson Education, London.
• Shahzadi, R., Tausif, M., Ferzund, J., Suryani, M.A., 2016. Internet of things based expert system for smart agriculture. Int. J. Adv. Computer Science Applications, 7(9), 341-350.
• Tzounis, A., Katsoulas, N., Bartzanas, T., Kittas, C., 2017. Internet of things in agriculture, recent advances and future challenges. Biosystems Engineering, 164, 31–48.
• Üstün, S., Baytorun, A.N., 2003. Sera projelerinin hazırlanmasına yönelik bir uzman sistemin oluşturulması. KSÜ Fen ve Mühendislik Dergisi, 6(1), 168-176.
• Verdouw, C., Tekinerdogan, B., Beulens, A., Wolfert, S., 2021. Digital twins in smart farming. Agricultural Systems. 189, 1-19.
• Zhai, Z., Martínez, J.F., Beltran, V., Martínez, N.L., 2020. Decision support systems for agriculture 4.0: Survey and challenges. Computers and Electronics in Agriculture, 170, 1-16.
• Winstanley, T., Courvalin, P., 2011. Expert systems in clinical microbiology. Clinical microbiology reviews, 24(3), 515-556.