New Mathematical Models for Giving Agricultural Production Decisions

Yıl 2020, Cilt: 57 Sayı: 3, 455 - 465, 30.09.2020

Gerçek Budak

https://doi.org/10.20289/zfdergi.749833

Cited By: 1

Öz

Purpose: This study presents new decision models developed by using operational research techniques for the problems that are defined appropriately according to the decision makers in deciding which agricultural product to be chosen among the alternatives for production.

Material and Method: Decision makers are classified as farmers, producer companies and government institutions according to the risk size they undertake. Decision problems are defined for each decision maker in this study. The objective functions of the problems include the highest profit, the most suitable product and the lowest risk. In the study, linear mathematical models are proposed by defining sets, parameters and variables of decision problems. One model for each group of decision makers, in total three models, has been structured. These are named as eligibility, portfolio and assignment models.

Results: Through the solutions to be obtained with the proposed models; feasible and best solution guaranteed and a fast system is designed for the decision makers. In addition to this, the connection and interaction between the decision-makers’ decision- making problems is also presented for the which crop to be planted decision.

Conclusion: This study provides a theoretical ground and common terminology for multidisciplinary research between Operational Research and Agricultural Engineering sciences.

Anahtar Kelimeler

Decision Making in Agriculture, Agricultural Planning, Strategic Decision Making, Mathematical Modeling

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

• Ackoff, R.L. 1978. The art of problem solving: Accompanied by Ackoff’s fables. New York: Wiley.
• 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.
• 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.
• 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.
• Eraslan, E. ve Y.T. İç. 2011. A multi‐criteria approach for determination of investment regions: Turkish case. Industrial Management & Data Systems.
• 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.
• Haneveld, W.K. ve A.W. Stegeman. 2005. Crop succession requirements in agricultural production planning. European Journal of Operational Research, 166(2), 406-429.
• 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.
• Kara, İ. 1991. Doğrusal programlama. Bilim Teknik Yayınevi.
• Kaya, A. 2017. Genetik Algoritma Yaklaşımı İle Sanal Pamuk Üretim Modellemesi. Yönetim Bilişim Sistemleri Dergisi, 3(1), 27-37.
• Kendirli, B. 2004. Sera İşletmelerinin Planlanmasında Sistem Yaklaşımı. Derim, 21(1), 35-43.
• Leinbach, P.A. ve T. Stansfield. 2002. Living up to expectations. IIE solutions.
• Manos, B.D., A. Ciani, T. Bournaris, I. Vassiliadou ve J. Papathanasiou.2004. A taxonomy survey of decision support systems in agriculture. Agricultural Economics Review, 5(389-2016-23416), 80-94.
• Plà, L.M., D.L. Sandars ve A.J. Higgins. 2014. A perspective on operational research prospects for agriculture. Journal of the Operational Research Society, 65(7), 1078-1089.
• Senge, P.M. 2006. The fifth discipline: The art and practice of the learning organization. Broadway Business.
• Tan, B., ve N. Çömden, 2012. Agricultural planning of annual plants under demand, maturation, harvest, and yield risk. European Journal of Operational Research, 220(2), 539-549.
• Tarım ve Orman Bakanlığı, Tarımsal Gayri Safi Yurtiçi Hâsıla. 2020. URL: https://www.tarimorman.gov.tr/SGB/Belgeler/Veriler/GSYH.pdf , Erişim: Nisan, 2020.
• Ünlüönen, K., ve A. Tayfun . 2012. Ekonomiye giriş. Nobel.
• Wheeler, B.M. ve J.R.M. Russell. 1977. Goal programming and agricultural planning. Journal of the Operational Research Society, 28(1), 21-32.
• Winston, W.L. ve J.B. Goldberg. 2004. Operations research: applications and algorithms (Vol. 3). Belmont: Thomson Brooks/Cole.
• Zuo, M., W. Kuo, ve K. L. McRoberts. 1991. Application of mathematical programming to a large-scale agricultural production and distribution system. Journal of the Operational Research Society, 42(8), 639-648.