Kümeleme yöntemi ile TR83 bölgesinde hayvansal atıkların değerlendirilmesinde optimal tesis yerlerinin belirlenmesi
Determination of optimal facility locations for evaluation of animal wastes in TR83 region by clustering method
- Tez No: 666283
- Danışmanlar: PROF. DR. HÜDAVERDİ BİRCAN
- Tez Türü: Doktora
- Konular: İşletme, Business Administration
- Anahtar Kelimeler: Hayvansal Atıkların Değerlendirilmesi, K-Means, SWARA, ARAS, COCOSO, COPRAS, MAIRCA, OCRA, WASPAS, Copeland, Evaluation of Animal Waste, K-Means, SWARA, ARAS, COCOSO, COPRAS, MAIRCA, OCRA, WASPAS, Copeland
- Yıl: 2021
- Dil: Türkçe
- Üniversite: Sivas Cumhuriyet Üniversitesi
- Enstitü: Sosyal Bilimler Enstitüsü
- Ana Bilim Dalı: İşletme Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 235
Özet
Bu çalışmada, hayvancılık sektörünün önemli ilerlemeler kaydedildiği ve Samsun, Tokat, Çorum ve Amasya illerinden oluşan TR83 Bölgesi'nde, ortaya çıkan hayvansal atıkların ne şekilde ve hangi noktadaki tesislerde değerlendirilebileceğine yönelik olarak kümeleme analizi ve çok kriterli karar verme tekniklerinden oluşan yöntemler uygulanmıştır. Çalışmanın gerçekleştirilmesi amacıyla ihtiyaç duyulan veriler, TR83 Bölgesinde yer alan Samsun, Tokat, Çorum ve Amasya illerindeki Tarım ve Orman Müdürlüklerinden temin edilmiştir. Söz konusu illerdeki işletme ve hayvan sayıları, Eylül 2019 dönemi itibariyle köy/mahalle düzeyinde tek tek belirlenmiştir. Samsun'dan 56.349, Tokat'tan 29.917, Çorum'dan 22.911 ve Amasya'dan 13.946 olmak üzere toplamda 123.123 adet işletmenin bulunduğu noktaların coğrafi koordinatları, Harita Genel Müdürlüğü tarafından sunulan web hizmeti kapsamında tek tek belirlenmiştir. Sığır ve manda sayılarının toplamları alınarak her bir işletmenin sahip olduğu büyükbaş hayvan sayıları elde edilmiştir. İşletme sahiplerinin gerektiğinde kendi kullanımları da söz konusu olması nedeniyle, toplamda 40 adet ve üzerinde büyükbaş hayvan varlığına sahip olan işletmeler süzülerek yeni bir veri düzeni oluşturulmuştur. Elde edilen yeni veri setine göre Samsun'dan 1.284, Tokat'tan 1.267, Çorum'dan 1.539 ve Amasya'dan 1.160 adet işletme, gerçekleştirilecek olan çalışmaya yönelik ana veri kitlesi haline getirilmiştir. Her bir il için değerlendirmeye alınması gereken optimum küme sayısı, Elbow ve f(K) Fonksiyonu yöntemleri birlikte ele alınarak belirlenmiştir. Büyükbaş hayvan sayısı, coğrafi koordinat ve önceden belirlenen optimum küme sayıları referans alınarak, SPSS paket programı üzerinden, veri madenciliği konusunun bir uygulaması olan K-Means Kümeleme Analizi vasıtasıyla, işletmelerin kümeleme analizi gerçekleştirilmiştir. Kümeleme analizi sonuçlarına göre hangi işletmenin hangi kümeye dâhil edileceği belirlendikten sonra, her bir işletmenin küme merkezine olan uzaklıkları Haversine Formülü vasıtasıyla bulunmuştur. Her bir il için öngörülen biyogaz, kompost ve vermikompost tesisleri için uygun olan işletmeler şu kriterlere göre yeniden belirlenmiştir; • Biyogaz tesisi için kümedeki büyükbaş hayvan sayısının 10.000 adetten büyük, işletmenin küme merkezine uzaklığının ise 15 km'den küçük olması, • Kompost tesisi için kümedeki büyükbaş hayvan sayısının 2.000-10.000 adet arasında olması, işletmenin küme merkezine uzaklığının ise 15 km'den küçük olması, • Vermikompost tesisi için ise kümedeki büyükbaş hayvan sayısının 1.000-2.000 arasında olması, işletmenin küme merkezine uzaklığının ise 25 km'den küçük olması. Kümeye ilk aşamada dâhil olmasına rağmen küme merkezine uzaklık kriterini sağlamayan işletmeler küme kapsamından çıkarılarak hayvan sayıları düşürülmüştür. Samsun ilinde biyogaz tesisi için 4, kompost tesisi için 10, vermikompost tesisi için 7 adet uygun küme belirlenmiştir. Tokat ilinde biyogaz tesisi için 3, kompost tesisi için 8, vermikompost tesisi için 4 adet uygun küme belirlenmiştir. Çorum ilinde biyogaz tesisi için 1, kompost tesisi için 17, vermikompost tesisi için 8 adet uygun küme belirlenmiş olup Amasya ilinde ise biyogaz tesisi için 3, kompost tesisi için 11, vermikompost tesisi için 6 adet uygun küme belirlenmiştir. Biyogaz, kompost ve vermikompost tesis kümeleri için tespit edilen kriterler, SWARA yöntemine göre ağırlıklandırılmıştır. Çalışmanın son aşamasında ARAS, COCOSO, COPRAS, MAIRCA, OCRA ve WASPAS yöntemlerinden oluşan Çok Kriterli Karar Verme Yöntemleri kullanılarak her bir ildeki muhtemel her bir tesis için optimal yer seçimi belirlenmiştir. Elde edilen tüm sonuçların tek bir sıralamaya tabi tutulması amacıyla COPELAND yöntemi uygulanarak, en yüksek skoru elde eden kümeler optimal küme merkezi olarak belirlenmiştir.
Özet (Çeviri)
In this study, methods consisting of cluster analysis and multi-criteria decision-making techniques were applied in order to determine how and at which points the animal wastes can be utilised that are generated in the TR83 Region, consisting of Samsun, Tokat, Çorum and Amasya, where the livestock sector has made significant progress. The data needed to carry out this study were obtained from the Agriculture and Forestry Directorates in Samsun, Tokat, Çorum and Amasya provinces in the TR83 Region. The number of enterprises and animals in these provinces was determined one by one at the village/street level as of September 2019. Totally 123,123 enterprises have been identified, 56,349 from Samsun, 29,917 from Tokat, 22,911 from Çorum and 13,946 from Amasya. The geographical coordinates of these enterprises were determined individually within the scope of the web service offered by the General Directorate of Mapping. The numbers of bovine owned by each enterprise were obtained by taking the total of the cattle and buffalo numbers. Since the owners of the enterprises also have their own use when necessary, the enterprises with a total of 40 or more bovine animals have been filtered and a new data system has been created. According to the new data set, 1,284 enterprises from Samsun, 1,267 enterprises from Tokat, 1,539 enterprises from Çorum and 1,160 enterprises from Amasya have been restructured as the main data set for the analysis to be carried out. Elbow and f(K) Function methods were evaluated together, and the optimum number of clusters for each province was determined. Considering the number of cattle, geographical coordinates and predetermined optimum cluster numbers, the cluster analysis of the enterprises was carried out through the K-Means Clustering Analysis menu as an application of data mining through the SPSS program. After determining which enterprises will be included in which cluster according to the cluster analysis results, the distances of each enterprises to the cluster centre were calculated by Haversine Formula. The enterprises available for the biogas, compost and vermicompost facilities foreseen for each province were redefined as follows; • For the biogas plant, the number of animals in the cluster is greater than 10,000 and the distance of the enterprise to the cluster centre is less than 15 km, • For the compost plant, the number of animals in the cluster is between 2,000-10,000 and the distance of the enterprise to the cluster centre is less than 15 km, • For vermicompost plant, the number of animals in the cluster is between 1,000-2,000 and the distance of the enterprise to the cluster centre is less than 25 km. Enterprises that were included in the cluster at the first stage but did not meet the criteria of distance to the cluster centre were excluded from the cluster and the number of animals was reduced. At this stage, 4 suitable clusters for the biogas plant, 10 for the compost plant and 7 for the vermicomposting plant were determined in Samsun. In Tokat province, 3 suitable clusters for the biogas plant, 8 for the compost plant and 4 for the vermicomposting plant were determined. In Çorum province, 1 suitable cluster was determined for the biogas plant, 17 for the compost plant, 8 for the vermicomposting plant, and in Amasya, 3 suitable clusters were determined for the biogas plant, 11 for the compost plant, and 6 for the vermicomposting plant. The criteria determined for biogas, compost and vermicompost facility clusters were weighted according to the SWARA method. In the last stage of the study, the optimal location selection for each possible plant in each province was determined by using Multi Criteria Decision Making Methods consisting of ARAS, COCOSO, COPRAS, MAIRCA, OCRA and WASPAS methods. The clusters with the highest score were determined as the optimal cluster centre by applying the COPELAND method in order to subject all the obtained results to a single ranking.
Benzer Tezler
- Türkiye'de zeytin üretiminin kümeleme yöntemi ile analizi
An analysis of olive production in Turkey by using clustering method
BÜLENT ALBAYRAK
Yüksek Lisans
Türkçe
2023
ZiraatBursa Uludağ ÜniversitesiTarım Ekonomisi Ana Bilim Dalı
PROF. DR. HASAN VURAL
- Bulanık kümeleme yöntemi ile meme kanseri çekirdeği segmentasyonu
Breast cancer nuclei segmentation with fuzzy clustering method
AMANI ABRAHEEM SALIM ALSHOUL
Yüksek Lisans
Türkçe
2021
Tıbbi BiyolojiKastamonu ÜniversitesiBiyomedikal Mühendisliği Ana Bilim Dalı
PROF. DR. FATMA KANDEMİRLİ
- Identifying factors related to students' English proficiency levels through a segmentattion method
Bir kümeleme yöntemi ile öğrencilerin İngilizce dil yeterliliklerine ilişkin faktörlerin belirlenmesi
BUKET BEKDAŞ
Yüksek Lisans
İngilizce
2015
Eğitim ve Öğretimİhsan Doğramacı Bilkent ÜniversitesiEğitim Programları ve Öğretimi Ana Bilim Dalı
YRD. DOÇ. DR. İLKER KALENDER
- Context aware real-time clustering with cortical coding method
Kortikal kodlama yöntemi ile bağlama duyarlı gerçek zamanlı kümeleme
SELİM EREN ERYILMAZ
Yüksek Lisans
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. BURAK BERK ÜSTÜNDAĞ
- Güç transformatörlerinde K-ortalama kümeleme yöntemi ile bakım-onarım stratejilerinin belirlenmesi
Determination of maintenance strategies with K-means clustering method in power transformers
MUSTAFA ŞEN YILDIZ
Yüksek Lisans
Türkçe
2017
Elektrik ve Elektronik MühendisliğiYıldız Teknik ÜniversitesiElektrik Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. BEDRİ KEKEZOĞLU