مدلسازی هزینه ماشین های برداشت نیشکر در شرکت کشت و صنعت دعبل خزاعی با استفاده از شبکه ی عصبی مصنوعی

مدیریت ماشین ها و تجهیزات سنگین وظیفه ی بسیار دشواری می باشد. یک مدیر اغلب باید تصمیم گیری های پیچیده ی اقتصادی در ارتباط با هزینه های ماشین های کشاورزی اتخاذ کند. این تصمیم گیری ها عبارتند از: مالکیت ماشین، نگهداری، تعمیرات، بازسازی، جایگزینی و منسوخ شدن ماشین ها. مدیر همچنین باید قادر به پیش بینی نرخ اجاره ی داخلی ماشین های تحت نظارت خود باشد. هزینه های نگهداری و تعمیرات می تواند اثرات قابل ملاحظه ای در تصمیم گیری های اقتصادی و پیش-بینی ها داشته باشد. هدف از انجام این تحقیق، شناسایی یک مدل ریاضی مناسب برای پیش بینی هزینه های نگهداری و تعمیرات ماشین های برداشت نیشکر مورد استفاده در کشت و صنعت دعبل خزاعی خوزستان بود. متغیر مستقل در مدل ریاضی، ساعات کارکرد تجمعی ماشین برداشت نیشکر و متغیر وابسته، هزینه های نگهداری و تعمیرات برحسب درصدی از قیمت خرید اولیه می باشد. در این راستا، گزارش های سرویس و تعمیرات موجود در دفتر فنی واحد تجهیزات مکانیکی کشت و صنعت، مربوط به 24 دستگاه ماشین برداشت نیشکر hch 300 hepco در یک دوره ده ساله (1380 تا 1389) بررسی گردید. داده های حاصل به وسیله آنالیز رگرسیون بری شش مدل خطی، معکوس، درجه دوم، درجه سوم، توانی و نمایی مورد تجزیه و تحلیل قرار گرفت. نتایج نشان داد که مدل توانی مناسب ترین مدل پیش بینی هزینه نگهداری و تعمیرات می باشد. با استفاده از شبکه عصبی مصنوعی، مدل عصبی برای ماشین های برداشت نیشکر بهینه شد و با استفاده از شاخص های آماری ضریب همبستگی (r) و متوسط قدرمطلق درصد خطا (mape) مدل به دست آمده مورد ارزیابی قرار گرفت و در نهایت مدل 1-12-2 به عنوان بهینه-ترین مدل شبکه عصبی انتخاب گردید. مدل عصبی به دست آمده با ضریب همبستگی 99385/0 در فاز آزمایش و 99516/0 در فاز آموزش توانست تمام هزینه های ماشین های برداشت نیشکر مورد مطالعه را با دقت بسیار بالایی تخمین بزند.