برداشت کارآمد زعفران با استفاده از برنامه ریزی عدد صحیح

Subject Areas : Farm Management

سیامک خیبری ¹ (گروه مدیریت- تحقیق در عملیات، دانشگاه فردوسی مشهد، مشهد، ایران)
امیر بکاییان ² (گروه ریاضیات کاربردی، دانشگاه فردوسی مشهد، مشهد، ایران)
سید علی ناجی نصرآبادی یزد ³ (گروه مدیریت- تحقیق در عملیات، دانشگاه فردوسی مشهد، مشهد، ایران)

Received: 2018-05-01 Accepted : 2019-07-19 Published : 2020-09-01

Keywords: برنامه ریزی عدد صحیح, برنامه ریزی نیروی کار, برداشت زعفران,

Abstract :

از بین محصولات مختلف کشاورزی، زعفران نقش عمده­ای در تولید ناخالص داخلی و رشد درآمد سرانه ایران دارد. با توجه به کمبود نیروی کار و مدت زمان محدود در دسترس برای برداشت، مناطق زیر کشت زعفران در ایران در سال­های آینده کاهش خواهد یافت. بنابراین، برنامه­ریزی مناسب برای استفاده بهینه از نیروی کار یکی از مهم ترین روش­ها برای کشت کارا و بهینه زعفران است. در همین راستا، برای حل مشکل مذکور در این مقاله یک مدل برنامه نویسی عدد صحیح ارائه شده است. در مدل پیشنهادی، با هدف حداقل کردن مجموع هزینه­های نیروی کار و با توجه به محدودیت­هایی شامل ساعات کار نیروی انسانی در هر شیفت، سرعت کار، تعداد زمین­هایی که در یک روز باید مورد برداشت قرار گیرند و ارتباط بین ساعات کاری هر کارگر و هزینه آن، میزان بهینه متغیرهای تصمیم از جمله تعداد شیفت کاری و میزان ساعات کاری در هر شیفت تعیین شدند. برای ارزیابی مدل پیشنهادی، اطلاعات در مورد زمین­هایی در مناطق مختلف شهر قاین، واقع در استان خراسان جنوبی ایران جمع آوری شد. با مقایسه خروجی مدل پیشنهادی با وضعیت واقعی، توانایی مدل تأیید قرار گرفت. براساس نتایج ارائه شده در این مطالعه، استفاده از مدل پیشنهادی افزایش حجم زعفران برداشت شده با استفاده از حداقل تعداد نیروی کار را در برداشت. در نهایت، نتایج مورد بحث و بررسی قرار گرفت و پیشنهاداتی برای تحقیقات آینده ارائه شد.

References:

Carmona, M., Zalacain, A., Salinas, M. R., & Alonso, G. L. (2007). A new approach to saffron aroma. Critical Reviews in Food Science and Nutrition, 47(2), 145-159.

Castillo, I., Joro, T., & Li, Y. Y. (2009). Workforce scheduling with multiple objectives. European Journal of Operational Research, 196(1), 162-170.

Dewi, D. S., & Septiana, T. (2015). Workforce scheduling considering physical and mental workload: A case study of domestic freight forwarding. Procedia Manufacturing, 4, 445-453.

Goel, A., & Meisel, F. (2013). Workforce routing and scheduling for electricity network maintenance with downtime minimization. European Journal of Operational Research, 231(1), 210-228.

Gohari, A. R., Saeidnia, S., & Mahmoodabadi, M. K. (2013). An overview on saffron, phytochemicals, and medicinal properties. Pharmacognosy Reviews, 7(13), 61.

Hytonen, J., Niemi, E., & Toivonen, V. (2008). Optimal workforce allocation for assembly lines for highly customised low-volume products. International Journal of Services Operations and Informatics, 3(1), 28-39.

Jafari, H., Bateni, S., Daneshvar, P., Bateni, S., & Mahdioun, H. (2016). Fuzzy mathematical modeling approach for the nurse scheduling problem: A case study. International Journal of Fuzzy Systems, 18(2), 320-332.

Jafari, H., & Salmasi, N. (2015). Maximizing the nurses’ preferences in nurse scheduling problem: mathematical modeling and a meta-heuristic algorithm. Journal of Industrial Engineering International, 11(3), 439-458.

Jalali-Heravi, M., Parastar, H., & Ebrahimi-Najafabadi, H. (2009). Characterization of volatile components of Iranian saffron using factorial-based response surface modeling of ultrasonic extraction combined with gas chromatography–mass spectrometry analysis. Journal of Chromatography A, 1216(33), 6088-6097.

Jennings, M. G., & Shah, N. (2014). Workforce planning and technology installation optimization for utilities. Computers & Industrial Engineering, 67, 72-81.

Kheybari, S., & Salehpour, R. (2015). The optimization of the paddy field irrigation scheduling using mathematical programming. Water Science and Technology: Water Supply, 15(5), 1048-1060.

Li, J., Burke, E. K., Curtois, T., Petrovic, S., & Qu, R. (2012). The falling tide algorithm: a new multi-objective approach for complex workforce scheduling. Omega, 40(3), 283-293.

Maggi, L., Carmona, M., Del Campo, C. P., Kanakis, C. D., Anastasaki, E., Tarantilis, P. A., & Alonso, G. L. (2009). Worldwide market screening of saffron volatile composition. Journal of the Science of Food and Agriculture, 89(11), 1950-1954.

Melfou, K., Loizou, E., Oxouzi, E., & Papanagiotou, E. (2015). Economic Performance of Quality Labeled Saffron in Greece. Procedia Economics and Finance, 24, 419-425.

Nah, J. E., & Kim, S. (2013). Workforce planning and deployment for a hospital reservation call center with abandonment cost and multiple tasks. Computers & Industrial Engineering, 65(2), 297-309.

Norouzi, N., Tavakkoli-Moghaddam, R., Ghazanfari, M., Alinaghian, M., & Salamatbakhsh, A. (2012). A new multi-objective competitive open vehicle routing problem solved by particle swarm optimization. Networks and Spatial Economics, 12(4), 609-633.

Othman, M., Bhuiyan, N., & Gouw, G. J. (2012). Integrating workers’ differences into workforce planning. Computers & Industrial Engineering, 63(4), 1096-1106.

Özgüven, C., & Sungur, B. (2013). Integer programming models for hierarchical workforce scheduling problems including excess off-days and idle labour times. Applied Mathematical Modelling, 37(22), 9117-9131.

Rajabi, Z., Behyar, M. B., Ghayoor, H. A., Ezatian, V., & Gandomkar, A. (2015). Estimation saffron evapotranspiration by Penman Monteith method and its Water require in Isfahan province. Geographical Researches Journal, 30(1), 239-252.

Silva, T. A., de Souza, M. C., Saldanha, R. R., & Burke, E. K. (2015). Surgical scheduling with simultaneous employment of specialized human resources. European Journal of Operational Research, 245(3), 719-730.

Valls, V., Pérez, Á, & Quintanilla, S. (2009). Skilled workforce scheduling in service centres. European Journal of Operational Research, 193(3), 791-804.

Wahyudin, R. S., Sutopo, W., Hisjam, M., & Hardiono, R. S. (2016). Resource allocation model to find optimal allocation of workforce, material, and tools in an aircraft line maintenance. International Multi-Conference of Engineers and Computer Scientists.16-18, Hong Kong