Fuzzy Logic-Based Decision Support System for Dairy Cattle

Abstract

Sürekli değişen yaşam koşullarının sorunları karşısında en uygun çözüme ulaşmak için çeşitli yöntemler geliştirilmektedir. Bulanık mantık bu yöntemlerden biridir ve son yıllarda araştırmacılar tarafından sıklıkla tercih edilmektedir. Bulanık mantık yöntemi, belirsizlik içeren bilgileri insanların düşünce yapısına en uygun biçimde modellemektedir. Özellikle karar alma süreçlerinde insanlara gerçekçi ve esnek bir bakış açısı sağlayan yapay zeka temelli bir yöntemdir. Bu çalışmada Siyah Alaca ırkı süt sığırlarına ilişkin üreme ve süt verimi kayıtları kullanılarak, bulanık mantık tabanlı bir karar destek sistemi tasarlanmıştır. Oluşturulan sistemin girdileri 305 günlük süt verimi, buzağılama aralığı (BA), servis periyodu (SP), aşım sayısı (AS), kuru periyodu (KP) bilgilerinden oluşmaktadır. Sistemin çıktısı ise sınıf kararı olarak belirlenmiştir. Sistemin performansını değerlendirmek amacıyla uzman kararları ve sistem kararları arasındaki uyum araştırılmıştır. Bu amaçla kullanılan Kappa istatistiği ile uyumun % 92.6 değerinde olduğu tespit edilmiştir (P<0.05)

Various methods have been developed to achieve the most suitable solution in the face of challenges of constantly changing living conditions. Fuzzy logic is one of these methods and frequently preferred by researchers in recent years. Fuzzy logic is based on artificial intelligence modeling the information that includes uncertainty in the most appropriate mindset of people, especially in the decision making process. It also offers flexible and realistic perspectives to people. In this study, a fuzzy logic-based decision support system designed using reproduction and milk yield records of Holstein Friesians. Inputs of designed system are 305-day milk yield (305 DMY), calving interval (CI), service period (SP), artificial insemination (AI), dry period (DP). Output of the system is determined as classification decision. Similarities between expert and system decisions were investigated. Kappa statistics were used for this purpose and fitting value was found as 92.6% (P<0.05).