نوع مقاله : مقالات پژوهشی
نویسندگان
1 گروه ماشین های کشاورزی، دانشگاه تبریز
2 گروه ماشین های کشاورزی، دانشگاه فردوسی مشهد
چکیده
چکیده
جایگزینی تراکتور یکی از تصمیمات مهم مدیر ماشین های کشاورزی می باشد.یکی از فاکتورهای بسیار اساسی در این تصمیم گیری ، پیش بینی دقیق هزینه های تعمیر و نگهداری می باشد.هدف از این تحقیق،ارزیابی قابلیت پیش بینی هزینه های تعمیر و نگهداری تراکتور با استفاده از دو ساختار شبکه عصبی مصنوعی MLP می باشد.در ابتدا شبکه های جداگانه برای هر یک از اجزاء هزینه های تعمیر ونگهداری و سپس یک شبکه برای پیش بینی همزمان انها طراحی شد. از داده های واقعی 28 تراکتور جاندیر موجود درکشت و صنعت استان قدس رضوی در این مطالعه استفاده شده است.نتایج حاصل نشان می دهد که هر دو نوع شبکه عصبی قادر به پیش بینی دقیق هزینه های تعمیر و نگهداری تراکتور است. همچنین پیش بینی عناصر هزینه تعمیر و نگهداری تراکتور با یک شبکه منجر به نتایج عملکردی بهتر ی نسبت به بکارگیری شبکه های جداگانه برای پیش بینی هر یک از اجزاء هزینه شده است.بنابراین شبکه عصبی می تواند قابلیت تصمیم گیری اقتصادی مدیران ماشین را بهبود بخشد.
کلیدواژه‌ها
عنوان مقاله [English]
Prediction of John Deere tractor repair and maintenance costs by using two different structures of MLP artificial neural network
نویسندگان [English]
- I. Ranjbar 1
- M.H Abbaspour-Fard 2
- Y. Ajabshir 1
- A. Rohani 1
1 College of Tabriz University
2 Ferdowsi University of Mashhad
چکیده [English]
Abstract
Replacement of tractor is one of the important decisions that must be made with respect to farm machinery manager. Accurate forecasting of repair and maintenance cost is one of the most critical factors for making this decision. The purpose of this research was to evaluate the capability of two structures of MLP neural network in predicting repair and maintenance costs. First, networks were designed in order to predict the components of repair and maintenance costs individually, and then a single network was designed for simultaneous prediction of all components costs. The study was conducted using actual data on 28 John Deer tractors from Astan Ghodse Razavi agro-industry. According to the obtained results, the two types of neural networks are accurately able to predict the repair and maintenance costs. Also, the prediction of repair and maintenance cost components of tractor with a single network produces a better result than using separate networks for prediction of each cost component. Therefore, neural network can be improved the economic decision making capabilities of machinery managers.
کلیدواژه‌ها [English]
- MLP
- neural network
- repair and maintenance cost
- اسکونژاد، م.م.، اقتصاد مهندسی یا ارزیابی اقتصادی پروژه‌های صنعتی. انتشارات دانشگاه صنعتی امیرکبیر.
- الماسی ،م.، لویمی.ن .، کیانی.ش.، 1378. مبانی مکانیزاسیون کشاورزی. انتشارات حضرت معصومه.
- Azadeh, A., Ghaderi, S.F., Sohrabkhani.S., 2006. Forecasting electrical consumption by integration of Neural Network, time series and ANOVA. Applied Mathematics and Computation.
- Bowers,W., Hunt, D.R., 1970. Application of mathematical formula to repair cost data. Transactions of the ASAE. 13, 806-809.
- Fuls, J., 1999. The Correlation of repair and maintenance costs of agricultural machinery with operating hours management policy and operator skills for South Africa . Accessed July 2006, available at http://www.arc.agric.za.
- Girard, N., Hubert, B., 1999. Modeling expert knowledge with knowledge-based systems to design decision aids The example of a knowledge-based model on grazing management. Agricultural systems 59: 123-144.
- Gupta, M. M., Jin, J., Homma, N., 2003. Static and Dynamic Neural Networks: From Fundamentals to Advanced Theory. John Wiley & Sons, Inc., Hoboken, New Jersey.
- Hanke, J.E., Reitsh, A.G., 1995. Business Forecasting. Prentice-Hall, Englewood Cliffs, NJ.
- Haykin, S., 1994. Neural networks: A comprehensive foundation. McMillan College Publishing Company, New York.
- Kaul, M., Hill, R.L., Walthall, C., 2005. Artificial neural networks for corn and soybean yield prediction. Agriculture system 85:1-18.
- Kim ,Y.H., 1989. A forecasting methodology for maintenance cost of long-life equipment. Doctoral thesis. University of Alabama.
- Mayfield, W., Hills,G.S., Roberts, L., 1981.A New method for estimating farm machinery cost.Transaction of ASAE pp:53-55.
- Mitchell, Z. W., 1998. A Statistical Analysis of Construction Equipment Repair Costs Using Field Data & the Cumulative Cost Model. PhD Thesis, Faculty of the Virginia Polytechnic Institute and State University.
- Pascual, R .,Ortega, J.H., 2006., Optimal replacement and overhaul decisions with imperfect maintenance and warranty contracts. Reliability Engineering and System Safety 91:241–248.
- Rotz, C. A., 1987. A Standard Model for Repair Costs of Agricultural Machinery. Applied Engineering in Agriculture.3(1),3-9.
- Torrecilla, J.S., Otero, L., Sanz, PD., 2004. A neural network approach for thermal/pressure food processing. Food Engineering 62:89-95.
- Vakil-Baghmisheh, M. T., Pavešic, N., 2001. Back-propagation with declining learning rate. Proceeding of the 10th Electrotechnical and Computer Science Conference, Portorož, Slovenia. Vol B, 297-300.
- Vakil-Baghmisheh, M. T., 2002. Farsi Character Recognition Using Artificial Neural Networks. PhD Thesis, Faculty of Electrical Engineering, University of Ljubljana.
- Vakil-Baghmisheh, M. T., Pavešic, N., 2003. A Fast simplified fuzzy ARTMAP network. Neural Processing Letters. 17, 273-301.
- Veelenturf, L.P.J., 1995. Analysis applications of artificial neural networks. Simon & Schuster international group,United States of America.
- Zhang, Y. F., Fuh, J. Y. H., 1998. A neural network approach for early cost estimation of packaging products. Comput Ind 34, 433-50.
- Wang, Y.M., Elhag.T.M.S., 2007.A comparison of neural network, evidential reasoning and multiple regression analysis in modeling bridge risks. Expert Systems with Applications 32 : 336–348.
)
ارسال نظر در مورد این مقاله