Araştırma Makalesi

Tarımsal Üretim Kararlarında Kullanılabilecek Yeni Matematiksel Modeller

Cilt: 57 Sayı: 3 30 Eylül 2020
EN TR

Tarımsal Üretim Kararlarında Kullanılabilecek Yeni Matematiksel Modeller

Öz

Amaç: Bu çalışma, alternatifler arasından yetiştirilmek üzere hangi tarımsal ürünün seçilmesi gerektiği kararının verilmesinde, karar vericilere uygun bir şekilde tanımlanacak problemler için yöneylem araştırması tekniklerini kullanarak, geliştirilmiş yeni karar modellerini sunmaktır.


Materyal ve Metot: Karar vericiler üstlendikleri risk boyutuna göre; çiftçiler, üretici şirketler ve devlet kurumları olarak sınıflandırılmaktadır. Bu çalışmada, her bir karar verici için karar problemleri tanımlanmaktadır. Problemlerin amaç fonksiyonları en yüksek kar, en uygun ürün ve en düşük riski içerecek şekilde oluşturulmuştur. Çalışmada, karar problemlerinin kümeleri, parametreleri ve değişkenleri tanımlanarak, doğrusal matematiksel modeller önerilmektedir. Her bir karar verici grubu için bir model olmak üzere toplamda üç model kurulmuştur. Bunlar, uygunluk, portföy oluşturma ve atama modelleri olarak adlandırılmaktadır.


Bulgular: Önerilen modeller ile elde edilecek çözümler aracılığıyla karar vericiler için uygulanabilir, en iyi çözüm garantisi olan ve hızlı bir sistem tasarlanmaktadır. Bununla birlikte, karar vericilerin yetiştirilecek ürüne karar verme problemleri arasındaki bağlantı ve etkileşim de ortaya konulmaktadır.


Sonuç: Bu çalışma, Yöneylem Araştırması ve Ziraat Mühendisliği bilimleri arasında çok disiplinli araştırmalar için teorik bir zemin ve ortak bir terminoloji oluşturmaktadır.

Anahtar Kelimeler

Tarımda Karar Verme , Tarım Planlaması , Stratejik Karar Verme , Matematiksel Modelleme

Kaynakça

  1. Ackoff, R.L. 1978. The art of problem solving: Accompanied by Ackoff’s fables. New York: Wiley.
  2. Ahumada, O. ve J.R. Villalobos. 2011. Operational model for planning the harvest and distribution of perishable agricultural products. International Journal of Production Economics, 133(2), 677-687.
  3. Biswas, A. ve B.B. Pal. 2005. Application of fuzzy goal programming technique to land use planning in agricultural system. Omega, 33(5), 391-398.
  4. Cankurt, M., ve B. Miran. 2010. Aydın yöresinde çiftçilerin traktör satın alma eğilimleri üzerine bir araştırma. Ege Üniversitesi Ziraat Fakültesi Dergisi, 47(1), 43-51.
  5. Eraslan, E. ve Y.T. İç. 2011. A multi‐criteria approach for determination of investment regions: Turkish case. Industrial Management & Data Systems.
  6. García, J. L., A. Alvarado, J. Blanco, E. Jiménez, A.A. Maldonado ve Cortés, G. 2014. Multi-attribute evaluation and selection of sites for agricultural product warehouses based on an analytic hierarchy process. Computers and Electronics in Agriculture, 100, 60-69.
  7. Haneveld, W.K. ve A.W. Stegeman. 2005. Crop succession requirements in agricultural production planning. European Journal of Operational Research, 166(2), 406-429.
  8. İç, Y.T. 2012. Development of a credit limit allocation model for banks using an integrated Fuzzy TOPSIS and linear programming. Expert Systems with Applications, 39(5), 5309-5316.
  9. Kara, İ. 1991. Doğrusal programlama. Bilim Teknik Yayınevi.
  10. Kaya, A. 2017. Genetik Algoritma Yaklaşımı İle Sanal Pamuk Üretim Modellemesi. Yönetim Bilişim Sistemleri Dergisi, 3(1), 27-37.

Kaynak Göster

APA
Budak, G. (2020). Tarımsal Üretim Kararlarında Kullanılabilecek Yeni Matematiksel Modeller. Journal of Agriculture Faculty of Ege University, 57(3), 455-465. https://doi.org/10.20289/zfdergi.749833