بهینه‌سازی عوامل مؤثر در پرورش جوجه گوشتی با استفاده از تلفیق سامانه ماهالانوبیس – تاگوچی و الگوریتم شبیه‌سازی تبرید

نوع مقاله : مقاله پژوهشی

نویسندگان

1 گروه مهندسی ماشین‌های کشاورزی، دانشکده مهندسی و فناوری کشاورزی، پردیس کشاورزی و منابع طبیعی، دانشگاه تهران، کرج، ایران

2 گروه مهندسی ماشین های کشاورزی، دانشکده مهندسی و فناوری کشاورزی، پردیس کشاورزی و منابع طبیعی، دانشگاه تهران

3 عضو هیات علمی موسسه تحقیقات فنی و مهندسی کشاورزی - سازمان تحقیقات، آموزش و ترویج کشاورزی- کرج -ایران

چکیده

پیچیدگی­ها در سامانه­های تولید به دلیل افزایش تعداد عوامل تأثیرگذار و اثرات متقابل بین این عوامل افزایش یافته است. بر اساس این نیاز، ابزارهای مناسبی برای تحلیل سامانه­های پیچیده از جمله سامانه ماهالانوبیس - تاگوچی ابداع گردیده که می‌توانند با استخراج روابط واقعی بین متغیرها، سامانه­ها را ساده‌تر و قابل درک نمایند. بنابراین در این مطالعه از سامانه ماهالانوبیس - تاگوچی توسعه یافته در کاهش تعداد متغیرهای مؤثر برای پرورش جوجه گوشتی که یکی از منابع پروتئینی مهم در ایران است، استفاده شد. در سامانه توسعه یافته نیز الگوریتم فراابتکاری شبیه­سازی تبرید مبتنی بر جمعیت به کار گرفته شد. نتایج نشان داد که الگوریتم شبیه­سازی تبرید توانایی بهینه­سازی این مسئله را دارا می­باشد و می­تواند تعداد متغیرها را با توجه به وزن­های تابع هدف که توسط تصمیم گیرنده انتخاب می­شود، کاهش دهد. همچنین در این مطالعه وزن­های مختلفی برای تابع هدف در نظر گرفته شد و نتایج و تأثیر وزن­ها بر تابع هدف و تعداد متغیرهای خروجی از الگوریتم مورد بحث و بررسی قرار گرفت. با در نظر گرفتن وزن­های مختلف برای تابع هدف، تعداد متغیرها از 35 به 10 در حالت اول، 11 در حالت دوم، 10 در حالت سوم و 21 متغیر در حالت چهارم کاهش پیدا کرد.

کلیدواژه‌ها

عنوان مقاله [English]

Optimization of Effective Variables in Broiler Breeding by Integrated Mahalanobis - Taguchi System and Simulated Annealing Algorithm

نویسندگان [English]

  • Erfan Khosravani -Moghadam 1
  • Mohammad Sharifi 2
  • Soleiman Hosseinpour 1
  • Hooman Sharifnasab 3
1 Department of Agricultural Machinery Engineering, Faculty of Agricultural Engineering and Technology, College of Agriculture and Natural Resources, University of Tehran, Karaj, Iran
2 Department of Agricultural Machinery Engineering, Faculty of Agricultural Engineering and Technology, College of Agriculture and Natural Resources, University of Tehran, Karaj, Iran
3 Member of scientific board of Agricultural Engineering Research Institute (AERI), Agricultural Research, Education and Extension Organization (AREEO), Karaj, Iran
چکیده [English]

There are complexities in today's systems because of the large number of influential factors and the complex relationships that exist between these factors. Therefore, appropriate tools have been developed to analyze complex systems, including the Mahalanobis-Taguchi system, which can make systems simpler and more understandable by extracting real relationships between variables. Thereby in this study, developed Mahalanobis-Taguchi systems was applied to reduce the number of effective variables for broiler breeding, which is one of the important protein sources in Iran. In the developed system, metaheuristic algorithms such as Population-Based Simulated Annealing were used. The results showed that the Population-Based Simulated Annealing algorithm has the ability to optimize this problem and it can reduce the number of variables according to the weights of the target function that they selected by the decision maker. Moreover, in this study, different weights were considered for the objective function. The results and the effect of different weights and the number of variables output from the algorithm were discussed. Based on the different weights for the objective function, the number of variables decreased from 35 to 10 in the first case, 11 in the second case, 10 in the third case and 21 variables in the fourth case

کلیدواژه‌ها [English]

  • Complex systems
  • Poultry industry
  • Management
  • Simulated annealing algorithm

مراجع

Abbasi, S.E., Aghaie, A. & Fazlali, M. (2011). Applying Mahalanobis–Tagouchi System in Detection of High Risk Customers–A case-based study in an Insurance Company. Advances in Industrial Engineering, 45 (Special Issue), 1-12.
Abu, M.Y., Nor, E.M. & Abd Rahman, M.S. (2018). April. Costing improvement of remanufacturing crankshaft by integrating Mahalanobis-Taguchi system and activity based costing. In IOP Conference Series: Materials Science and Engineering, 342(1). IOP Publishing.
Aman, H., Mochiduki, N. & Yamada, H. (2006). A model for detecting cost-prone classes based on Mahalanobis-Taguchi method. IEICE transactions on information and systems, 89(4), 1347-1358.
Anomymous. (2019). Census results from broiler farms. Statistical Center of Iran. https//www.amar.org.ir/Portals/0/News/1397/m-goshte-s97.pdf (In Farsi).
Chang, Z., Chen, W., Gu, Y. & Xu, H. (2020). Mahalanobis-taguchi system for symbolic interval data based on kernel Mahalanobis distance. IEEE Access, 8, 20428-20438.
Chen, J., Cheng, L., Yu, H. & Hu, S. (2018). Rolling bearing fault diagnosis and health assessment using EEMD and the adjustment Mahalanobis–Taguchi system. International Journal of Systems Science, 49(1), 147-159.
Foley, D. (1972). Considerations of sample and feature size. IEEE Transactions on Information Theory, 18(5), 618-626.
Jeong, J.E., Park, S.G., Yang, I.H., Lee, Y.Y. & Oh, J.E. (2009). August. Fault diagnosis of rotating machinery using the Mahalanobis distance. In INTER-NOISE and NOISE-CON Congress and Conference Proceedings, Vol. 2009, No. 3, 4027-4033. Institute of Noise Control Engineering.
Kizilaslan, H. (2009). Input–output energy analysis of cherries production in Tokat Province of Turkey. Applied Energy, 86(7-8), 1354-1358.
Kumano, S., Mikami, N. & Aoyama, K. (2011). January. Advanced gas turbine diagnostics using pattern recognition. In Turbo Expo: Power for Land, Sea, and Air, Vol. 54631, 179-187.
Kuo, F.H. (2019). Applying the Mahalanobis Model to Predicting School Closures: An Example of Taipei City. International Journal of Education and Learning Systems, 4.
Leese, M.N., & Main, P.L. (1994). The efficient computation of unbiased Mahalanobis distances and their interpretation in archaeometry. Archaeometry, 36(2), 307-316.
Liparas, D., Angelis, L., & Feldt, R. (2012). Applying the Mahalanobis-Taguchi strategy for software defect diagnosis. Automated Software Engineering, 19(2), 141-165.
Mohan, D., Saygin, C., & Sarangapani, J. (2008). Real-time detection of grip length deviation during pull-type fastening: a Mahalanobis–Taguchi System (MTS)-based approach. The International Journal of Advanced Manufacturing Technology, 39(9-10), 995-1008.
Pal, A., & Maiti, J. (2010). Development of a hybrid methodology for dimensionality reduction in Mahalanobis–Taguchi system using Mahalanobis distance and binary particle swarm optimization. Expert Systems with Applications, 37(2), 1286-1293.
Rai, K.B., Chinnam, R.B. & Singh, N. (2008). Prediction of drill-bit breakage from degradation signals using Mahalanobis-Taguchi system analysis. International Journal of Industrial and Systems Engineering, 3(2), 134-148.
Reséndiz, E., Moncayo-Martínez, L.A., & Solís, G. (2013). Binary ant colony optimization applied to variable screening in the Mahalanobis–Taguchi system. Expert Systems with Applications, 40(2), 634-637.
Rousseeuw, P.J. & Van Zomeren, B.C. (1990). Unmasking multivariate outliers and leverage points. Journal of the American Statistical Association, 85(411), 633-639.
Soylemezoglu, A., Jagannathan, S. & Saygin, C. (2010). Mahalanobis Taguchi system (MTS) as a prognostics tool for rolling element bearing failures. Journal of Manufacturing Science and Engineering, 132(5), 051014.
Wang, H., Huo, N., Li, J., Wang, K., & Wang, Z. (2018). A road quality detection method based on the Mahalanobis-Taguchi system. IEEE Access, 6, 29078-29087.
مهندسی بیوسیستم ایران
دوره 52، شماره 2
تیر 1400
صفحه 169-182

فایل ها

سابقه مقاله

  • تاریخ دریافت: 18 اردیبهشت 1399
  • تاریخ بازنگری: 12 شهریور 1399
  • تاریخ پذیرش: 31 شهریور 1399

هم رسانی

ارجاع به این مقاله

آمار