Agriculture Informatics 2013

Agriculture Informatics 2013

The past, present and future of agricultural informatics

International Conference

The past in agricultural informatics Anniversaries 35 years of research, development and education in ICT The Hungarian Association of Agricultural Informatics is 15 years old The UD CAAES ECDL examcentre is 15 years old The agricultural informatics engineer education is 10 years old

Present and future Innovative information technologies in agriculture ICT strategies in the agri-food sector Preparing for the new challenges

Edited by Miklós HERDON, Róbert SZILÁGYI

HAAI

University of Debrecen Centre for Agricultural and Applied Economic Sciences 8-9. November 2013. Debrecen

Agriculture Informatics 2013 International Conference The past, present and future of agrarian informatics The past of agrarian informatics 35 years of research, development and education in computer science, information technology The Hungarian Association of Agricultural Informatics is 15 years old The UD CAAES ECDL examcentre is 15 years old The agricultural informatics engineer education is 10 years old

Present and future Innovative Information Tecnologies in Agriculture Scientific conference

8-9. November, 2013, Debrecen, Hungary

PROCEEDINGS Edited by Miklós HERDON Róbert SZILÁGYI

I

E-version (WWW) ISBN 978-615-5094-09-5 CD-ROM version ISBN 978-615-5094-10-1 Date of publishing: November 2013 Publisher: Hungarian Association of Agricultural Informatics  Hungarian Association of Agricultural Informatics, H-4032 Debrecen, Böszörményi str. 138. All rights reserved. No part of this publication may be reproduced, stored in a retrieval system or transmitted in any form or by any means, digital recording or otherwise, without permission in writing from the copyright holders. These proceedings were reproduced using the manuscripts supplied by the authors of the different papers. The manuscripts have been typed according to the Editorial Instructions for Papers to be presented at the Agricultural Informatics 2013 International Conference. The editors.

II

Preface This “Agricultural Informatics 2013 International Conference” provided a forum for agriculture related professionals, professors, lecturers and PhD students to exchanged information on education, research, applications and developments of Information Technologies in Agriculture and Rural Development and published the most recent results. It covered a wide spectrum of topics. These included new applications of well established and understood technologies to innovative and entrepreneurial applications of emerging technologies, in addition to issues related to policy and knowledge dissemination. We hope that this proceedings will contribute to both the exchange of knowledge and to increase the quality of research and applications in the field of Innovative Information Technology in Agriculture.

Dr. Miklós Herdon President of HAAI Dr. Róbert Szilágyi Faculty of Applied Economics and Rural Development University of Debrecen

III

A konferencia / The conference Main Patron

Prof. dr. János Nagy, president of Centre for Agriculture and Applied Economic Sciences

Patrons Dr. István Kapronczai, Director General, Research Institute of Agricultural Economics Dr. Éva Laczka, Deputy President for Economic Statistics, Hungarian Central Statistical Office Dr. Dávid Mezőszentgyörgyi, Director General, National Agricultural Extension, Rural Development and Training Institute Dr. Márton Oravecz, President, National Food Chain Safety Office Dr. Károly Pető, Dean, Faculty of Applied Economics and Rural Development Prof. Dr. József Popp, Head of Doctoral School, Károly Ihrig Doctoral School of Management and Business Bence Toronyi, Director General, Institute of Geodesy, Cartography and Remote Sensing Guy Waksman, President, European Federation for Information Technology in Agriculture Food and the Environment (EFITA)

Szervezők / Organisers UD HAAI HAS EFITA

University of Debrecen, Faculty of Applied Economics and Rural Development Hungarian Association of Agricultural Informatics Hungarian Academy of Sciences European Federation for Information Technology in Agriculture, Food and the Environment

Co-organisers Corvinus University of Budapest, Faculty of Horticultural Science, Department of Biometrics and Agricultural Informatics University of Pannonia Georgikon, Faculty Department of Economic Methodology University of Szeged, Faculty of Engineering Kaposvár University, Faculty of Economic Science, Department of Informatics Hungarian Association for Geoinformation (HUNAGI) John von Neumann Computer Society (NJSZT)

Program Bizottság / Program Committee Elnök / Chair: Herdon, Miklós (HAAI, University of Debrecen) Tagok / Members: Alföldi, István (John von Neumann Computer Society) Balogh, Péter (University of Debrecen) Batzios, Christos (Aristotle University of Thessaloniki) Burriel, Charles (Agrosup-Eduter) Busznyák, János (University of Pannonia) Csák, Máté (University of Pannonia) Gaceu, Liviu (University of Transilvania) Gaál, Márta (Corvinus University of Budapest) Guthy, Zsolt (University of Debrecen) Farkas, János (Kaposvár University) Hampel, György (University of Szeged)

IV

Houseman, Ian (EFITA) Hufnagel, Levente (Corvinus University of Budapest) Huzsvai, László (University of Debrecen) Ittzés, András Corvinus (University of Budapest) Kovács, Árpád Endre (Szent István University) Kovács, György (CTS Ltd. ) Ladányi, Márta Corvinus (University of Budapest) Nagyné, Polyák Ilona (University of Debrecen) Nábrádi, András (University of Debrecen) Rajkai, Kálmán (Hungarian Academy of Sciences) Remetey-Fülöpp, Gábor (HUNAGI) Rózsa, Tünde (Hungarian Association of Agricultural Informatics) Salampasis, Michael (Alexander Technological Educational Institute of Thessaloniki) Szalay, Zsigmond Gábor (Szent István University) Szenteleki, Károly (Hungarian Association of Agricultural Informatics) Szilágyi, Róbert (University of Debrecen) Tarnóczi, Tibor (University of Debrecen) Vincze, Szilvia (University of Debrecen) Várallyai, László (University of Debrecen) Varga, Mónika (Kaposvár University) Weres, Jerzy (Poznan University of Life Sciences) Zacharoula, Andreopoulou (Aristotle Univeristy of Thessaloniki) Zdenek, Havlicek (Life Science University) Zimányi, Krisztina (Budapest Business School)

Szervezőbizottság / Organising Committee Elnök / Chair: Szilágyi, Róbert (HAAI, University of Debrecen) Tagok / Members: Bakó, Mária (University of Debrecen) Botos, Szilvia (University of Debrecen) Csipkés, Margit (University of Debrecen) Fróna, Judit (University of Debrecen) Füzesi, István (University of Debrecen) Kovács, Sándor (University of Debrecen) Kovács, Szabolcs (University of Debrecen) Lengyel, Péter (MAGISZ) Nagy, Lajos (University of Debrecen) Pancsira, János (University of Debrecen) Péntek, Ádám (University of Debrecen) Ráthonyi, Gergely Gábor (University of Debrecen) Sóvágó, Csilla (University of Debrecen) Szőke, Szilvia (University of Debrecen)

V

Tartalomjegyzék / Table of contents Cikkek / Papers Liviu Gaceu, Georgiana Gade, Oana B. Oprea Nutrilab Project - short review upon investigation methodology

1

Oana B. Oprea, Liviu Gaceu, Georgiana Gadei Investigation methodology about labels information content of the meat products from Romania, in accordance with European Legislation

7

Michael T. Maliappis, Alexander B. Sideridis, Constantinos P. Yialouris Knowledge Versioning Management in Agriculture: Implementation and Application to Pest Management

13

Orsolya Gyöngyi Varga, Zoltán Túri Application of GIS to Present Rural Touristic Values of Bihor–Hajdú-Bihar Euroregion

23

Balázs Kocsi, Dr. Judit Oláh Rationalization of busines processes at Partner-Pont Ltd.

29

Wesley Esdras Santiago, Rodolpho Cesar dos Reis Tinini; Barbara Janet Teruel Mederos; Rafael Augustus de Oliveira Drying of Niagara grapes aiming at generating information for processing, supervision and control 36 Waleed .H. Hassoon Effect of whitening machine duration on rice temperature and breakage percentage

42

Iraj Namdarian The Use of Business Intelligence Components as a proficient tool in Monitoring the Operations and Cost Management in Agricultural Business Sector

47

Cristina Popovici Effect of Microwave and Convective Drying Process on Antioxidant Potential of Agro-Food Products

57

Kozma-Bognár Veronika, Berke József Hiperspektrális osztályozó eljárások összehasonlítása felszínborítási kategóriák megállapításánál

67

Busznyák János, Csák Máté GIS technológiák oktatása a Pannon Egyetem Georgikon Karán

77

Busznyák János, Sisák István Új térbeli adatstruktúrák a Georgikon Térképszerveren

83

Huzsvai László, Szőke Szilvia A talaj hőáramlásának modellezése R-ben

93

Soltész Angéla, Szőke Szilvia, Balogh Péter A kocatartás termelési és gazdasági kockázatának vizsgálata

101

Csipkés Margit, Nagy Lajos A biomasszából nyerhető energia ár- és termelési kockázatának figyelembevétele a földhasználat tervezése során

111

Buzás Ferenc, Kiss Sándor Automatizált értékelési modell állatállományok fedezetértékeléséhez

124

Bakó Mária, Aszalós László Agrár-adatbányászat korrelációs klaszterezéssel

131

Dávid Zsombor Agrorobotika – fóliasátrak automatizálása Lego Mindstorm robotok segítségével

139

Absztraktok / Abstracts Sotiris Karetsos, Constantina Costopoulou, Alexander Sideridis The Use of Smartphones in Agricultural m-Government

VI

145

Mónika Varga, Sándor Balogh, Béla Csukás Direct Computer Mapping of process models in applied life sciences

146

Sándor Balogh, Mónika Varga, Béla Csukás Genetic Algorithm, supporting DCM based problem solving

146

András Tankovics, Sándor Balogh, Mónika Varga Testing of a process model based Web interface for integration of small family farms in sector spanning traceability

147

Róbert Szilágyi, Imre Labancz Mobile Internet user aspect in Hungarian agriculture

147

Mesterházy Ildikó, Mészáros Róbert, Pongrácz Rita A magyarországi agroklimatológiai adottságok várható változása a XXI. század végéig három regionális klímamodell tükrében

148

Várallyai László Az Európai Számítógép-használói Jogosítvány

148

Várallyai László A talajszennyezés gazdasági és társadalmi faktorai (Economic and social factors of soil pollution )

150

Bánszki Attila, Madár János, Füzesi István eMABP – Az elektronikus magyar agrár beszerzési piactér bemutatása

152

Kovács Flórián, Ladányi Márta, Fejes Tóth Péter, Nagy Géza Esettanulmány a mentafélék illóolaja Ramularia menthicola kórokozó elleni in vivo hatékonyságának feltárására 152 Fejes Tóth Péter – Ladányi Márta Matematikai statisztika oktatása a Budapesti Corvinus Egyetem agrár campusán elektronikus támogatással

VII

153

Agrárinformatika 2013 Nemzetközi Konferencia / Agricultural Informatics 2013 International Conference _____________________________________________________________________________________________________

Nutrilab Project - short review upon investigation methodology Liviu Gaceu1, Georgiana Gadei 2, Oana B. Oprea 3 1 Transilvania University of Brasov, Romania 2 Transilvania University of Brasov, Romania 3 Transilvania University of Brasov, Romania [email protected], [email protected], [email protected]

Abstract: FP-7 project NUTRILAB has the mission to bring together, review and analyzes current research on consumer understanding of claims, and also labelling where this would inform our knowledge of consumer understanding of claims. This paper is focused on the main information requirements of European Legislation in the field, respectively the rules 432/2012, 1169/2011, 1333/2008, 1924/2006. As study case, a number of 193 meat products were analyzed and the graphical results shows that 20,21% fulfil all criterion requirements. Keywords: nutritional labelling, meat products, legislation.

1. Introduction The food label was designed to help people choose foods for a healthful diet. By using the food label, we can compare the nutrient content of similar foods, see how foods fit into our overall diets, and understand the relationship between certain nutrients and diseases. Health professionals agree that the relationship between diet and health is important. Our eating habits can help or hurt our overall health and well-being. Good eating habits include being a smart shopper and selecting foods that reflect the Dietary Guidelines. The project FP7-PEOPLE-2012-IRSES 318946 - NUTRILAB is a multidisciplinary and comparative Joint Exchange Programme with the mission to identify and examine how nutritional labeling in European countries and out of Europe fulfills the actual legislation requirement. Starting in January 2013, with duration of 36 months, this project has the following aims: The overall aims of NUTRILAB are: - Bring together, review and analyze current research on consumer understanding of claims, and also labeling where this would inform our knowledge of consumer understanding of claims; - Gather information on how consumer understanding of claims varies across different population groups, to gain insight into the understanding of the 'average consumer'; - Draw conclusions from existing research to see whether there are areas where further information would be useful, and to inform the direction that any additional research conducted in future could take. The participants of this project are: Institute of Microbiology and Biotechnology, Academy of Sciences of Moldova (IMB), Moldova, University of Food Technologies (UFT), Bulgaria, Fundatia pentru Cultura si Invatamant "IOAN SLAVICI", Romania, Universitatea Lucian Blaga din Sibiu (ULBS), Romania, Universitatea Politehnica din Timisoara (UPT), Romania, University of Rousse Angel Kanchev (UR), Bulgaria, Universitatea Transilvania din Brasov (UNITBV), Romania , Technical University of Moldova (TUM) Moldova , Donetsk National University of Economics and Trade named after M. Tugan-Baranovsky (DonNUET),

_____________________________________________________________________________________________________ 1


Ukraine, Kharkiv State University for Food Technologies and Trade (KSUFT), Ukraine, National University of Food Technologies, (NUFT), Ukraine, St. Petersburg State Institute of Technology (Technical University) (SIT), Russian Federation. 2. Problem statement Fulfilling the nutritional labelling criterions related to European regulation no 432/2012, 1169/2011, 1333/2008,1924/2006 is a high level task studied by numerous researchers from different locations in the European Union. The project no. 318946 FP7 IRSES - NUTRILAB (NUTritional LABeling Study in Black Sea Region Countries) is looking forward to the accomplishment of the mentioned criterions in the countries around the Black Sea. In this direction, those regulations were fully studied and identified. 3. Studying of Nutritional Labelling European Legislation Regulation 1924/2006 contains information on nutrition and health claims made on foods and harmonizes the provisions laid down by law, regulation or administrative action in Member States which relate to nutrition and health claims in order to ensure the effective functioning of the internal market whilst providing a high level of consumer protection. This Regulation is referring to nutrition and health claims made in commercial communications, whether in the labeling, presentation or advertising of foods to be delivered as such to the final consumer. Regulation 1333/2008 harmonizes the use of food additives in foods in the Community. This includes the use of food additives in foods covered by Council Directive 89/398/EEC of 3 May 1989 on the approximation of the laws of the Member States relating to foodstuffs intended for particular nutritional uses and the use of certain food colors for the health marking of meat and the decoration and stamping of eggs. It also harmonizes the use of food additives in food additives and food enzymes thus ensuring their safety and quality and facilitating their storage and use. Regulation 1169/2011 contains information on the provision of food information to consumers, like: Mandatory food information: Content and presentation, Weights and measures, Availability and placement of mandatory food information, Presentation of mandatory particulars, Language requirements, Name of the food, List of ingredients, Labelling of certain substances or products causing allergies or intolerances, Quantitative indication of ingredients, Net quantity, Minimum durability date, ‘use by’ date and date of freezing, Storage conditions or conditions of use, Country of origin or place of provenance, Instructions for use, and also: Voluntary food information, like: information on the possible and unintentional presence in food of substances or products causing allergies or intolerances; information related to suitability of a food for vegetarians or vegans; the indication of reference intakes for specific population groups. Also, at the end of this regulation there are specific mentions for different types of products, like : „meat products, meat preparations and fishery products which may give the impression that they are made of a whole piece of meat or fish, but actually consist of different pieces combined together by other ingredients, including food additives and food enzymes or by other means, shall bear the following indication: in Bulgarian: ‘формовано месо’ and ‘формована риба’;

_____________________________________________________________________________________________________ 2


in Spanish: ‘combinado de piezas de carne’ and ‘combinado de piezas de pescado’; in Czech: ‘ze spojovaných kousků masa’ and ‘ze spojovaných kousků rybího masa’; in Danish: ‘Sammensat af stykker af kød’ and ‘Sammensat af stykker af fisk’; in German: ‘aus Fleischstücken zusammengefügt’ and zusammengefügt’;...” and so on for all oficial european languages.

‘aus

Fischstücken

Regulation 432/2012 din 16 May 2012 is referring at the establishing a list of permitted health claims made on foods, other than those referring to the reduction of disease risk and to children’s development and health. The indications are set in a 30 pages tables with specific components, like: “Linoleic acid Linoleic acid contributes to the maintenance of normal blood cholesterol levels. The claim may be used only for a food which provides at least 1,5 g of linoleic acid (LA) per 100 g and per 100 kcal. Information shall be given to the consumer that the beneficial effect is obtained with a daily intake of 10 g of LA”, or: “Magnesium Magnesium contributes to normal protein synthesis. The claim may be used only for food which is at least a source of magnesium as referred to in the claim SOURCE OF [NAME OF VITAMIN/S] AND/OR [NAME OF MINERAL/S] as listed in the Annex to Regulation (EC) No 1924/2006”. After analyzing regulations, there were identified a number of categories of information that have a very clear specification and can be statistically analyzed. These types of information are:            

the name of the food product, the list of ingredients, substances or products causing allergies or intolerances, the quantity of certain ingredients or categories of ingredients, the net quantity of the food, (g, ml, kg), the date of minimum durability or the ‘use by’ date, any special storage conditions and/or conditions of use, the name or business name and address of the food business operator, the country of origin or place of provenance, instructions for use where it would be difficult to make appropriate use of the food in the absence of such instruction, language, font size, the energy value, per portion or %, kcal and kJ, fat, protein, carbohydrates, saturates, sugars, salt, poliols, starch, fibers, MUFA, PUFA, vitamins, minerals, conclusions, recommendations, notes.

In figure 1 there is presented an excel sheet for few meat products and data collection according to the presented methodology. For a unified approach to the study in all the involved countries, the chosen working methodology provides additionally identification for each product label with a specific code, resulting a set of 28 information categories.

_____________________________________________________________________________________________________ 3


Figure1. Data collection for meat products These can be studied statistically in the excel application in various ways, by considering the most important criteria.

_____________________________________________________________________________________________________ 4


In the example of meat, the products have been divided into seven main categories: sausages, processed meat, meat specialties, frankfurters, liver pates, baloney and salami. The columns corresponding to each category of information were provided for each product, with the following type of content: - product name: text information; list of ingredients: text information; net quantity, the date of minimum durability…..: binary character 1 or 0 depending on the presence or absence of information on the label; substances that cause allergies or intolerances….: binary character Y or N, depending on the compliance or noncompliance. If an allergen is present in the list of ingredients, and it’s not marked with a particular font, is not distinguished by a different colour and there is no separate mention of allergen content, the 5th field of the table will be filled with "N" and the allergen is highlighted in red. There were used a total of 193 meat products, whose label were scaned in one of the supermarkets in the town of Brasov, in January 2013. 4. Analysis and data interpretation Interpretation of data in the excel table was made using “COUNTIF" for counting the symbols Y, N, 1 or 0, in columns 5 .... 29. The criteria on which the presence or absence of information reflect specific compliance or non-compliance from the Regulation, were filled up with 1 or 0. There were used symbols Y or N for cases where the information corresponding to a criterion had to be interpreted to assess the situation correctly fulfilled or unfulfilled. 35.00 30.00 25.00

%

20.00 15.00 10.00 5.00

ta l

i Pr oc

en

t t o

la m

r p Li ve

kf u Fr an

Sa

at es

s rte r

s lti e cia pe t s

M ea

P

ro

ce

ss

Sa

ed

us

m

ag

ea

es

t

0.00

Product catergoy

Figure 2. Simultaneous compliance rank of all criterions for each category of product Likewise, the criterion amount of ingredients should note that it is mandatory when food ingredient appears in the name/title, being usually associated with that name by the consumer, therefore it should be accentuated on the label in words, or it is essential to characterize the product and distinguish from others with which it might be confused because of its name or appearance.

_____________________________________________________________________________________________________ 5


This analysis can be done within a product category, a subcategory of product (within the same worksheet in excel) or for all products in a given category (meat), in particular worksheet named "analysis". In figure 2 we can see the graphic of simultaneously compliance rank of all criterions for each category of by-product. We can observe that the highest percent is obtained by meat specialities and the lowest by salami. The medium values for all meat product is 20,21% that fulfils all criterion requirements. 5. Conclusions Nutritional labeling of food in the European Union is very strictly regulated by a number of important regulations such as: 432/2012, 1169/2011, 1333/2008, 1924/2006. Simultaneous indication of the rank of compliance with all the provisions of these Regulations in a case of a specific product is a challenge for statistical analysis, due to numerous general provisions, exceptions, or particular cases related to the product or region. The proposed methodology aims to fill data in 28 fields with information like text or binary characters 0, or 1, and extracting useful information queries performed on rows and columns. Thus it is possible to determine the rank of compliance with a particular criterion or the percentage of products that fulfill all the criteria simultaneously. The advantage of this method is the flexibility in interpreting the data, because queries can be made for any number of specific criteria, thus allowing analyzes by taking into account the recommendations of potential binding in the future. Acknowledgement The study was performed as part of the European project «NUTritional LABeling Study in Black Sea Region Countries» (NUTRILAB) of the Seventh Framework Programme for Research and Technological Development FP7-PEOPLE-2012-IRSES, no. 318946. References Bureau Europeen des Unions de Consommateurs. Position Paper on the Labelling of Food. Brussels: Bureau Europeen des Unions de Consommateurs, 2001. Council Directive 90/496/EEC on nutrition labelling for foodstuffs of 24 September 1990. Official Journal of the European Communities L276 of October 1990. Luxembourg: European Commission, 1990; 40–4. European Commission. Report of the Application of Directive 90/496/EEC on Nutrition Labelling for Foodstuffs. Brussels: European Commission, 2002. Food Standards Agency (FSA), Food Advisory Committee. Review of Food Labelling 2001. London: FSA, 2001. Regulation (EC) No 1924/2006 of the European Parliament and of the Council of 20 December 2006 on nutrition and health claims made on foods, Official Journal of the European Union, 18.1.2007; Regulation (EC) No 1333/2008 of the European Parliament and of the Council of 16 December 2008 on food additives, Official Journal of the European Union 31.12.2008; Regulation (EU) No 1169/2011 on the provision of food information to consumers; Regulation (EU) No 432/2012 the Commission on the compilation of a list of permitted health claims made on foods, Official Journal of the European Union 14.12.2012; www.nutrilabproject.eu.

_____________________________________________________________________________________________________ 6


Investigation methodology about labels information content of the meat products from Romania, in accordance with European Legislation Oana B. Oprea 1, Liviu Gaceu2, Georgiana Gadei 3 1 Transilvania University of Brasov, Romania 2 Transilvania University of Brasov, Romania 3 Transilvania University of Brasov, Romania [email protected], [email protected], [email protected]

Abstract: This paper presents a proposal for a methodology to investigate the information content of the labels of meat products, which are found on the Romanian market. The analysis was performed taking into account the information requirements of European Legislation in the field, respectively the rules 432/2012, 1169/2011, 1333/2008, 1924/2006. A number of 193 meat products were analyzed and the graphical results shows that 20,21% fulfil all. Keywords: nutritional labelling, meat products, legislation.

1. Introduction Accomplishing the nutritional labelling criterions in the community market is a matter of high importance, which is the subject of numerous studies, surveys and research conducted at numerous locations in the European Union. An even more delicate problem is trading into the community market of food products from countries such as Ukraine, Moldova, Russia, which subdue to their own national regulations. These regulations fit more or less with European criterions. To export these products to the EU countries, these manufacturers must make additional efforts to fully comply with regulations 432/2012, 1169/2011, 1333/2008,1924/2006. In this paper it is presented briefly the methodology of preliminary research conducted on 193 meat products analyzed at a major supermarket in Romania, Brasov city. The FP7-PEOPLE-2012-IRSES Project no. 318946 NUTRILAB (NUTritional LABeling Study in Black Sea Region Countries) aims to research the state of compliance on the mentioned regulations in countries around the Black Sea. 2. Data collection The main categories of information needed to evaluate the compliance degree with the imposed requirements, were divided into 28 categories: code of photo, the name of the food product, the list of ingredients, substances or products causing allergies or intolerances, the quantity of certain ingredients or categories of ingredients, the net quantity of the food, (g, ml, kg), the date of minimum durability or the ‘use by’ date, any special storage conditions and/or conditions of use, the name or business name and address of the food business operator, the country of origin or place of provenance, instructions for use where it would be difficult to make appropriate use of the food in the absence of such instruction, language, font size, the energy value, per portion or %, kcal and kJ, fat, protein, carbohydrates, saturates, sugars, salt, poliols, starch, fibers, MUFA, PUFA, vitamins, minerals, conclusions, recommendations, notes.

_____________________________________________________________________________________________________ 7


Figure1. Data collection for meat products

_____________________________________________________________________________________________________ 8


The products have been divided into seven main categories: sausages, processed meat, meat specialties, frankfurters, liver pates, baloney and salami. The fields corresponding to each category of information were provided for each product, with the following type of content: - Product name: text information; - List of ingredients: text information; - Net quantity, the date of minimum durability…..: binary character 1 or 0 depending on the presence or absence of information on the label; - Substances that cause allergies or intolerances….: binary character Y or N, depending on the compliance or noncompliance. When in the list of ingredients is present an allergen, but it is not marked with a particular font, is not distinguished by a different colour and there is no separate mention of allergen content, the 5th field of the table is filled with "N" and the allergen is highlighted in red. For example, there were used a total of 193 meat products, whose label were photographed in one of the supermarkets in the town of Brasov, in January 2013. Manufacturer’s name will be removed from the table for reasons of confidentiality. In figure 1 there are presented a few products and data collection according to the presented methodology. 3. Analysis and interpretation of data Interpretation of data in the table was made using “COUNTIF" for counting the symbols Y, N, 1 or 0, in columns 5 .... 29. The criteria on which the presence or absence of information reflect specific compliance or non-compliance from the Regulation, were filled up with 1 or 0. In cases where information corresponding to a criterion should be interpreted to assess the situation correctly fulfilled or unfulfilled, were used symbols Y or N. For example, in the case of allergens, there are situations such as: - there are allergens (soy, mustard, lactose, etc) and these are indicated by a special mention (Y); - there are allergens (soy, mustard, lactose, etc) and they are marked with special fonts (Y); - there are allergens (soy, mustard, lactose, etc.) but only some of them are marked by special mention, or special font (N); - there are allergens (soy, mustard, lactose, etc.), but they are not mentioned by a warning text and no special font either (N); - there are no allergens and they are not mentioned (Y). Similarly, the criterion amount of ingredients should note that it is mandatory when food ingredient appears in the name/title, being usually associated with that name by the consumer, therefore it should be emphasized on the label in words, or it is essential to characterize the product and differentiate from others with which it might be confused because of its name or appearance. This analysis can be done within a product category, a subcategory of product (within the same worksheet in excel) or for all products in a given category (meat), in particular worksheet named "analysis".

_____________________________________________________________________________________________________ 9


This way allows evaluating the compliance of a particular criterion for a particular class of products. A particular interest is the determination of the percentage of products that simultaneously fulfil all eligibility criteria imposed by European legislation at the moment. For this, counting is done by symbols Y or 1 for specific mandatory information criteria fields tracked simultaneously. Query result horizontally for each product type is 1 or 0, meaning total compliance or partial of the applicable requirements.

100.00 90.00 80.00

Percent, %

70.00 60.00 50.00 40.00 30.00 20.00 10.00 0.00

1

2

3

4

5

6

7

8

9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26

Labelling criterion

a.

P roduc t num ber

33 31 29 27 25 23 21 19 17 15 13 11 9 7 5 3 1

L a be lling c rite rion

0

2

4

6

8

10

12

14

16

b.

Figure 2. Interviews results for sausages (a-percent depending on labeling criterion; b- product number depending on labeling criterion)

_____________________________________________________________________________________________________ 10


By summing up on vertically the results of interviews conducted horizontally, it will obtain the number of products that fully comply with the mandatory labelling requirements. By reporting the total number of products, determine the percentage of products that fulfil simultaneously all the criteria for labelling. Figure 2 presents the interviews results for sausages (a-percent depending on labelling criterion- how many products fulfil the requirement of a specific criterion; b- product number depending on labelling criterion – how many requirements are fulfilled by a specific product. It can be observed that most of the products fulfil the criterion 3…11. Just 18% of products respect the no. 2 criterion (allergens) and no products fulfil the requirement of no. 16…26 criterion.

35.00 30.00 25.00

%

20.00 15.00 10.00 5.00

ta l

i m Pr oc

en

t t o

la

r p Li ve

Sa

at es

s ur te r Fr an

kf

lti es cia pe t s

M ea

P

ro

ce

ss

Sa

ed

us

m

ag

ea

es

t

0.00

Product catergoy

Figure 3. Simultaneous compliance rank of all criterions for each category of product Figure 3 shows the case of simultaneously compliance rank of all criterions for each category of by-product. It can be noticed that the highest percent is obtained by meat specialities and the lowest by salami. The medium values for all meat product is 20,21% that fulfils all criterion requirements. Since there are just 2 liver pates products, these were not tacked in account. 4. Conclusions European legislation provides a series of recommendations and obligations regarding food labeling through Regulation 432/2012, 1169/2011, 1333/2008, 1924/2006. The proposed methodology aims to complement information of 28 fields with information type like text or binary characters 0, or 1, as applicable, and extracting useful information queries performed on rows and columns, using the "COUNTIF". Thereby it is possible to determine the rank of compliance with a particular criterion or the percentage of products that fulfill all the criteria simultaneously.

_____________________________________________________________________________________________________ 11


The proposed method has the advantage of flexibility in interpreting the data, because queries can be made for any number of specific criteria, thus allowing analyzes by taking into account the recommendations of potential binding in the future. Acknowledgement The study was performed as part of the European project «NUTritional LABeling Study in Black Sea Region Countries» (NUTRILAB) of the Seventh Framework Programme for Research and Technological Development FP7-PEOPLE-2012-IRSES, no. 318946.

References Joint Food and Agricultural Organization of the United Nations (FAO)/World Health Organization (WHO) Food Standards Programme. Codex Alimentarius Food Labelling Complete Texts, revised 2001, Rome: FAO/WHO, 2001; Regulation (EC) No 1924/2006 of the European Parliament and of the Council of 20 December 2006 on nutrition and health claims made on foods, Official Journal of the European Union, 18.1.2007; Regulation (EC) No 1333/2008 of the European Parliament and of the Council of 16 December 2008 on food additives, Official Journal of the European Union 31.12.2008; Regulation (EU) No 1169/2011 on the provision of food information to consumers; Regulation (EU) No 432/2012 the Commission on the compilation of a list of permitted health claims made on foods, Official Journal of the European Union 14.12.2012; www.nutrilabproject.eu.

_____________________________________________________________________________________________________ 12


Knowledge Versioning Management in Agriculture: Implementation and Application to Pest Management M. T. Maliappis1, C. P. Yialouris1, A. B. Sideridis1 1 Agricultural University of Athens, Greece [email protected], [email protected], [email protected]

Abstract: Versioning is a way to deal with knowledge evolution or knowledge changes. There are several causes that force knowledge to change or to evolve into a new schema. In many cases the coexistence of different versions of the same knowledge is a necessity. So is the availability of the proper environment and tools to deal with knowledge versioning in an efficient way. In the field of Agriculture, versioning seems to be of great importance, as to handle knowledge changes due to translation between different languages or to application in relative cognitive fields. In this paper, we present an implementation of knowledge versioning management framework, which can be used to develop and manage knowledge bases from ready-made versions instead of being developed from scratch. The implementation is based on KVF framework and claims to provide the tools to manage knowledge changes by creating and maintaining different variants of a knowledge base. The proposed system has been implemented in vegetable pest management, for some vegetables of the solanaceous family, tomato, pepper and aubergine, which share common pest management strategies. Keywords: knowledge versioning, knowledge bases, knowledge reuse, knowledge modules 1

Introduction

Knowledge versioning emerges as a new area of consideration when knowledge is going to be applied in a shared and distributed environment. In a previous work (Maliappis & Sideridis 2004), a Knowledge Versioning Framework (KVF) has been presented and its usefulness in several application areas and contexts has been justified. In the context of this framework, knowledge versioning is defined as the ability to manage knowledge changes and their effects by creating and maintaining different variants of a knowledge base (KB). Knowledge is represented by several knowledge objects of which the most important are versions, modules, frames and rules. KVF employs a hybrid knowledge model using frames and rules for knowledge representation, exploiting thus the compact structure of a frame system in the representation of facts (Minsky 1968) and the pure declarative nature of rules in reasoning (Jackson 1998). Each autonomous piece of knowledge builds a separate KB, which can be assembled from other knowledge modules regarding to narrower fields of the same domain. The same KB it is possible to participate as a structure element for any number of KBs. Since the methodology is portable towards similar domains, the same knowledge can be shared and reused. This could increase the system efficiency in terms of storage space and maintenance. Furthermore, the same methodology allows for easy creation of knowledge versions in different languages or locales. Versioning is a way to deal with knowledge evolution or changes in an efficient way. There are several causes that force knowledge to change or to evolve into a new schema. In many

_____________________________________________________________________________________________________ 13


cases the coexistence of different versions of the same knowledge is a necessity. So is the availability of the proper environment and tools to deal with knowledge versioning. The KVF framework covers under knowledge versioning various forms of knowledge differentiation, such as:    

Knowledge differentiated with respect to time of application (time context of knowledge), Knowledge differentiated with respect to space of application (space context of knowledge), Knowledge reported in relevant cognitive fields (domain context of knowledge), Knowledge differentiated due to translation (language context of knowledge)

In Agriculture, losses due to pests and diseases represent one of the limiting factors of a sufficient food production through the world. WHO estimates that average pest losses in cereals and legumes amount to over 10% while losses in starchy staples, vegetables and other perishables exceed 20%. Obviously, one of the major ways of increasing yield is to eliminate these losses by practicing rational pests and diseases control. Consequently, pest management represents a challenging problem for scientists engaged in increasing agricultural production. A leading concept in pest control is Integrated Pest Management (IPM), i.e., a systematic approach to crop protection that uses increased information and improved decision-making paradigms to reduce purchased inputs and improve economic, social, and environmental conditions on the farm and in society. Because pest management is based on information and knowledge, there is a need of easy to use tools for an interdisciplinary flow and transfer of information at all levels. Computers and information technologies provide opportunities to design such tools. Among the most widely used applications of computers in pest management are knowledge-based systems. The process of developing such knowledge-based systems is known as Knowledge Engineering (KE), which is widely accepted as the bottleneck of their development and implementation in agriculture. In the case of agricultural Knowledge-based systems, the bottleneck of the KE is further complicated by three facts: the first problem is the shortage of Knowledge Engineers in agriculture; the second is the particularity of the agricultural knowledge itself, particularly in integrated pest management, where the knowledge is shared among multiple-experts and where interdisciplinary endeavor is required (Plant & Stone 1991). In addition, as any type of knowledge, agricultural knowledge is an inherently dynamic entity that changes extremely rapid (changes in pest status (in time and in space), changes in chemicals etc.); this may lead to many versions of knowledge and move the problem of knowledge management to higher level of complexity. In this paper, we present an implementation of KVF framework, which can be used to develop and manage knowledge-based systems from ready-made versions instead of being developed from scratch. The implementation claims to provide the tools to manage knowledge changes by creating and maintaining different variants of a knowledge base. The proposed system is being illustrated in vegetable pest management, for some vegetables of the solanaceous family, tomato, pepper and aubergine, which share common pest management strategies. After a brief presentation of KVF environment in section 2, we describe in section 3 the knowledge representation of the problem under consideration. Section 4 presents system architecture and we concludes in section 5 with the discussion of the benefits and the issues of the implementation. 2

Versioning Environment

The fundamental characteristics of KVF include the knowledge representation model, its objects and their relationships. KVF defines the overall architecture of the system that _____________________________________________________________________________________________________ 14


implements this knowledge representation model and describes the interaction with the external world. A knowledge base can be seen as a representation of a real world. If a change is made in the perception or point of view of the real world, a new knowledge base can be arisen which may be completely different or a mere modification or expansion of the initial knowledge base. In the later case of slight modification or expansion of the initial knowledge base, the adoption of knowledge base versioning offers several advantages over the independent treatment of the knowledge bases (Maliappis & Sideridis 2004). A knowledge base, in the context of KVF, is composed from a set of knowledge objects. Each knowledge object is defined as a pair (object identifier, object value). Such a knowledge base defines a monoversion knowledge base, i.e. a knowledge base consisting of a single variant of knowledge. In a multiversion knowledge base approach a multiversion object is defined as a pair (object identifier, set of object versions) and an object version is defined as a pair (version identifier, object value). A knowledge version is defined as a pair composed of a version identifier and a set of objects contained in the multiversion knowledge base, one version per object. Thus, a multiversion knowledge base or a Knowledge Base of Multiple Versions is defined as a set of logically independent and identifiable knowledge versions. Any time a new version of an object is created the system produces a new identifier and links the object with its predecessors and the version it belongs. The identifier is usually an incremental number. The knowledge objects that need to be identified are versions, modules, frames and rules. Frames and rules are the building objects of modules and modules are the building objects of versions. All the other objects (slots, conditions, conclusions) are unaware of the versioning issue. They constitute a repository of knowledge objects from where they are withdrawn each time are needed to form frames, rules and modules, which in their turn are used to form knowledge modules. The creation of a new version of an object is more or less a responsibility of the user, and more particularly the expert. The expert decides what changes lead to a new version of an already existing object and what lead to a new object. Usually, changes that result in a different character representation constitutes a revision and referred to a different specification of the same object and changes in a conceptualization lead to a new object identity. The system offers the tools to inspect the knowledge base and try to identify its contents in various ways as to help expert to come to a more rational decision. A knowledge base, in the context of KVF, is considered as a finite set {KMi,j | i=1(1)m, j=1(1)n}, where each KMi,j represents i knowledge module in its j version. A knowledge module is defined as a finite set {Ri,j | i=1(1)k, j=1(1)p}, where each Ri,j represents i rule in its j version. Every Ri,j rule of this set is an expression of the form IF C1 AND C2 AND … AND Cz THEN S

where Cl represents the conditions and S represents the conclusion of Ri,j. Cl and S are called the components of Ri,j. The number of conditions of a rule is finite. Distinct rules may have different conditions and conclusions. Each condition Cl is represented by an O-A-V triplet, where O corresponds to the object, which is a frame slot, A corresponds to the attribute, and V corresponds to the value of the slot. Knowledge is represented with rules and frames which are combined to form modules of knowledge. The static knowledge, concerning the entities of the real world, is represented with frames and the logic and the relations between the entities with rules. Modules are the main building blocks of a knowledge base. Modules are relatively independent and selfexistent portions of knowledge, referred to some narrow cognitive field. They use the _____________________________________________________________________________________________________ 15


mechanism of inheritance to assemble bigger units of knowledge. Various modules of knowledge can be combined to compose other modules of knowledge and finally one or more knowledge versions. Thus, knowledge presents a hierarchical structure and each knowledge module can be a structural element for more than one knowledge version and each knowledge version is constituted by one or more knowledge modules. Frames can be separated into two categories: Frames that represents concepts or classes and frames that represents instances of these classes. Classes are represented as frames with slots and facets and are organized in a taxonomy or ‘is-a’ hierarchy. Classes can have local slots and slots inherited from their parent classes. Instances occur at the leaves of the hierarchy and concentrate all the slots of this hierarchy. KVF uses inheritance in two ways. The first use is in the construction of frames, where each class can be created as a subclass of a more general one. The second use is in the construction of modules, where each module can inherit the knowledge contained in another module defined as a derived module. Inheritance is used as a mechanism to specialize a module as to be used for different purposes. In both cases, it has been used only single inheritance as to keep matters simpler and avoid complications and conflicts derived from multiple inheritance. Note that there is no longer the notion of a single, universal knowledge base. Rather, each component can be thought as specifying a ‘mini knowledge base’, which can be assembled by merging the knowledge contained in its predecessor components. 3

Knowledge Representation

The proposed formalism integrates various individual cases into a general framework. Using the same basic methodology we are able to approach versioning issues coming from several different sources. In all these sources of knowledge differentiation there is a core of immutable knowledge that can be used as an initial building block to construct various versions of the knowledge. We identified four major sources of knowledge differentiation, differentiation as of time of application, differentiation because of place of application, differentiation due to domain of application and differentiation due to translation. Each one has its own intricacies and special problems in knowledge representation and versioning maintenance. We choose, among them, the category of knowledge change due to domain of application, considering it as the most typical one, and we present its implementation in the remaining of this section. In Horticulture there are groups of vegetables, such as tomato, cucumber, melon, lettuce, pepper and aubergine, where a common core of knowledge can be identified in their cultivation process (Passam et al. 2001). In the perspective of the proposed framework, autonomous pieces of knowledge can be used to construct knowledge modules and each knowledge base can be assembled from several knowledge modules. For each vegetable a new version of knowledge is constructed containing the proper knowledge modules in their original form or in a new version with the appropriate changes. As an illustrative example consider a knowledge base concerning pest management for tomatoes, peppers and aubergines. These crops belong to the solanaceous family. The pests, concerning these vegetables, include insects, diseases, and nutritional disorders. Table 1 shows diseases and nutritional disorders for the three crops. It is well known, at least to the experts of the field, that the knowledge needed for pest management has large portions shared between these crops. Therefore, the knowledge needed for handling these crops concerns relative cognitive domains and seems to be a suitable field to apply knowledge versioning framework.

_____________________________________________________________________________________________________ 16


1. 2. 3. 4. 5. 6. 7. 8. 9. 10. 11. 12. 13. 14. 15. 16. 17. 18. 19. 20. 21. 22. 23. 24. 25.

Diseases/Disorders Botrytis cinerea Phytophthtora infestans Alternaria solani Cladosporium fulvum Fusarium spp. Verticillium Wilt Phytophtora Capsici Anthracnose Damping Off Septoria lycopersici Stem Rot Corky Root Powdery Mildew Sclerotinia Bacterial Cancer Bacterial Leaf Spot Bacterial Speck CMV TMV Leaf curl virus Nitrogen deficiency Phosphorus deficiency Magnesium deficiency Potassium deficiency Iron deficiency

Tomato 3.1.1 x x x x x x x x x x x x x x x x x x x x x x x x

Pepper x

Aubergine x

x

x

x x x

x x

x

x x x x x x x x x x x x x

x x

x x x x x x x x x x x x

TABLE 1. Vegetables’ Diseases included in implementation

Following the principles of the proposed framework, we started developing first the tomato knowledge base having in mind to identify and modularize knowledge that seems to be independent. The knowledge acquisition process identified, at the top-level, two knowledge modules. The first one contains knowledge related to identification of insects attacking tomatoes and the second contains knowledge needed to determine disease according to several symptoms occurred on specific parts of the tomato plant, e.g. bloom or fruit. Each of the top-level modules can be partitioned into several lower-level modules concerning more specific characteristics of the examined situation. As it is shown in Fig. 1, insect’s module is partitioned into four lower level modules. Knowledge versioning framework allows the construction of tomato knowledge base by assembling the previous referred knowledge modules in their initial versions. For the creation of the pepper knowledge base, since a great portion of the needed knowledge is the same, we used tomato knowledge base as the parent version and created an identical copy of it as a derived child knowledge base version. Afterwards, we modified the derived knowledge base and adapted it to the peculiarities of the pepper. During this process we had to revise few of the initial modules creating new versions of them to be used in the pepper knowledge base.

_____________________________________________________________________________________________________ 17


Crop Knowledge Base Versions

Knowledge Base V.1 (Tomato)

Insect Module V.1

Knowledge Base V.2 (Pepper)

Insect Module V.2

Knowledge Base V.3 (Augergine)

Insect Module V.3

Fruit Module V.1

Fruit Module V.1

Fruit Module V.1

Leaf Module V.1

Leaf Module V.1

Leaf Module V.2

Root Module V.1

Root Module V.1

Root Module V.1

Beet Module V.1

Beet Module V.2

Beet Module V.2

Disease Module V.1

Disease Module V.2

Disease Module V.3

Figure 2. A simplified portion of Crop Knowledge Base Version Structure

In the insects top-level module there are few lower level modules that have to be changed. Therefore, working in the contents of the pepper knowledge base first we created a new version of the insects top-level module creating an identical copy of it and afterwards we created new versions of the lower level modules that had to be changed, such as the leaf and beet modules. The final step was to change the knowledge objects, usually rules or frames, contained in the modules at the lowest level. The same process had been followed for the construction of the aubergine knowledge base. Starting from the tomato knowledge base, we constructed a new top level knowledge base version. Afterwards, proceeded changing accordingly the lower level modules, as needed by knowledge differentiation. The system easily can be extended to include more similar crops, such as melon, lettuce or cucumber, and to cover nutritional deficiencies as well.

_____________________________________________________________________________________________________ 18


4

System Architecture

4.1

Implementation

For the purpose of KVF framework, a system was developed to implement framework knowledge architecture as a web application. At the server site of the system we used Apache web server in conjunction with Postgresql DBMS. The programming has been accomplished using Java language and its related technologies. The system is based on the J2EE (Java 2 Enterprise Edition) platform, which is designed to support the rigorous demands of large scale, distributed, mission-critical application systems and provides support for multi-tier application architecture. Multi-tier applications are typically configured to include: 

A client tier to provide the user interface



One or more middle-tier modules that provide client services and business logic for an application



A backend enterprise information system data tier that provides data management

The client tier is a very “thin” tier that contains only presentation logic. The business and data logic are usually partitioned into separate components and deployed on one or more application servers. This partitioning of the application into multiple server components allows components to be easily replicated and distributed across the system, ensuring scalability, availability, reliability and performance. Central to the J2EE platform architecture are application servers, which encapsulate the business and data logic and provide runtime support for responding to client requests, automated support for transactions, security, persistence, resource allocation, life-cycle management, and as well as lookup and other services. The system uses a 3-tier architecture comprised of a presentation tier, web and service tier, and data tier. This architecture, shown in Fig. 2, can be deployed using a single application server. The application server encapsulates the service tier, which consists of the business and data logic. A single server can support many simultaneous connections. Within the presentation tier, a client can be any web browser. All types of clients communicate with the web and service tier via the HTTP protocol. The middle service tier uses Java Beans and Java servlets with embedded SQL statements through JSP scripts. The service tier communicates with the data tier through the JDBC (Java Data Base Connectivity) protocol. The implementation allows the ordinary user to access the system through a simple Web browser and to accomplish specific tasks, such as the selection of a knowledge base version for consultation purposes or the investigation of the knowledge contained in the knowledge base. Expert users have the capability to try more advance operations, such as the creation of new and the update of old knowledge base versions, as well as the manipulation of any knowledge base object. The DBMS performs the ordinary database operations such as insert, delete and update, holds the structure of the knowledge base and it also provides the necessary maintenance mechanism. The knowledge engineer though can take advantage of the simplicity of the GUI to access the system, has the capability to use the DBMS maintenance tools to assign any query against the knowledge base using SQL statements to alter knowledge base state or simply to get the results. The mapping of a knowledge model into a database schema is not new in knowledge representation literature. Several such systems are described in literature, although the majority concerns the frame representation paradigm and very few (M.M. Owrang & Grupe _____________________________________________________________________________________________________ 19


1997) the production rules paradigm. The HYWIBAS system (Norrie et al. 1994) maps knowledge base frames first onto an object model, which is in turn mapped onto a relational

Client Tier

Web Browser Interface

Web Server Middle Tier

XML Interchange Module

Knowledge Versioning Manipulation

Inference Engine

JDBC

Server Tier

Knowledge Mapping into a DBMS Schema DBMS

Figure 2. System Architecture

database structure. The SOPHIA system (Abernethy & Altman 1998) maps an ontology model into a set of tables. In M.M. Owrang and Grupe (1997) there is a description of how to map a rule-based knowledge representation model into a set of database tables. In all these cases a set of properly indexed tables is used for knowledge storage and SQL or other scripts to extract the knowledge from the database. In our implementation we used a relational DBMS in order to store the knowledge structure efficiently. A set of tables was used to represent the knowledge structure and the relationships among the knowledge base objects. Since a derived (child) knowledge base version usually differs only partially from its parent, versions of the same object contained in different knowledge base versions may have identical values. To avoid redundancy, these values have to be physically shared by several knowledge base versions. This can be done by properly normalized tables, which reduce data redundancy and ensure data integrity. Furthermore, the appropriate indexing of the tables increases speed in searching and reformatting knowledge through SQL scripts. The adoption of tabular representation and the use of the relational DBMS improve performance and strengthen knowledge integrity and security using the several well-known DBMS mechanisms. The tools provided by DBMS used to improve knowledge engineers’ productivity and increase users’ control over knowledge. The adopted structure is platform independent and can be implemented using any relational DBMS. There is a set of tables used to define frames and another set for rules’ definition. Similarly, there are tables implementing modules, and tables handling knowledge access, user profiles and security. Special tables are used to implement specific types of knowledge bases _____________________________________________________________________________________________________ 20


versioning, such as versioning due translation, valid time or space variant knowledge versioning. 4.2

System APIs – Web Services

Although interactive access is of great importance, it is not always desirable to access the knowledge base interactively through a GUI or a browser. There are many situations where it is absolutely necessary to incorporate knowledge base access into a broader information system, such as a decision support system. For these reasons the existence of APIs in the implementation of the versioning framework is essential. Contemporary technology in programming allows the use of web services to provide access to the system from practically everywhere through the Internet. The versioning framework implements several units of functions that can be used to access the knowledge base in various ways. Among them it is worth to mention the following units: 1. The Core Unit, which contains functions applicable to all types of versions. 2. The Security Unit, which contains functions handling user and role management and the assignment of specific rights to the knowledge base objects as well. 3. The Translation Unit, which contains functions concerning the management of translation from one language or locale to another. There are functions used to synchronize translation versions, showing the differences of the versions under investigation and the terms that need translation. 4. The Garbage Collection Unit implements a mechanism that checks the knowledge base for redundant or not needed objects and removes them according to a policy defined by the administrator. Initially the redundant objects are moved into an object repository from where it is possible to be restored or deleted permanently. Apart from the interactive use and the several APIs, the framework provides an interface for knowledge exchange and distribution, using XML. Since, XML is becoming a widely used means for information sharing, exchange and distribution between applications, the versioning framework defines and implements an XML interface to enable interaction and interoperability with the external world. For this purpose an XML parser is running on the middle tier responsible to respond to the appropriate queries coming from the server and the client tier. 5

Conclusion

The KVF implementation offers a powerful tool for managing multiversion knowledge bases. It allows object version identification and provides the platform to construct software tools for versions and object manipulation. Using these tools expert and ordinary users are able to follow the evolution history of the various objects and easily select the desired knowledge base version to work with. The modular construction of knowledge allows knowledge sharing and reuse among different knowledge bases used for different subjects in the same domain. The advantages of the system are related to the fact that it gives possibilities to different knowledge bases to share common core of rules. This means storage economy and better exploitation of existing or accumulated knowledge. Selecting carefully the individual KB modules for a domain, it is possible to have a highly structured KB system capable to be adapted to any particular problem with minimum effort and maximum efficiency. Individual modules of knowledge can be tested exhaustively increasing such the quality of knowledge. The adoption of the DBMS as a support mechanism in KB storage gives to the system robustness and flexibility. _____________________________________________________________________________________________________ 21


At the same time, the proposed model promotes knowledge sharing and re-use among several applications and exploits the maintenance tools offered by DBMSs for knowledge manipulation, providing, thus, methods, structure techniques and tools that improve knowledge engineers’ productivity and increase users’ control over knowledge. Furthermore, provides the possibility of utilization of knowledge via the Internet using state of the art technological tools such as Java and XML. Further work will be focused on improvement of knowledge verification mechanisms. Since, each knowledge base system is as useful and reliable as the knowledge it contains, the provision of methods and tools for exhaustive knowledge verification and validation is an absolute necessity. In practice, very often arises the need of objects that inherits knowledge from several predecessors, as to form their own knowledge structure. So, the improvement of the inheritance mechanisms and the investigation of multiple inheritance will be also the aim of the future work. Furthermore, something that needs more investigation is the use of XML for knowledge representation, sharing and distribution through the Internet. Use of XML, combined with agents’ technology seems to be promising vehicles for the exploitation of knowledge distributed over different geographical locations or systems using diverse knowledge models. References Abernethy N.F, Altman R.B. 1998. SOPHIA: Providing basic knowledge services with a common DBMS, in Proceedings of the 5th KRDB Workshop. Seattle, WA, USA. Jackson P. 1998. Introduction to Expert Systems. 3rd Edition, Addison-Wesley M.M. Owrang O, Grupe F.H. 1997. Database tools to acquire knowledge for rule-based expert systems. Information and Software Technology 39, 607-616. Maliappis M.T, Sideridis A. B. 2004. A framework of knowledge versioning management, Expert Systems, 21(3), 149-156. Minsky M. 1968. Semantic Information Processing. Cambridge MA: MIT Press. Norrie M.C, Reimer U, Lippuner P, Rys M, Schek H.-J. 1994. Frames, Objects and Relations: Three Semantic Levels for Knowledge Base Systems, in Knowledge Representation Meets Databases (KRDB'94). Plant R.E, Stone N.D. 1991. Knowledge-based Systems in Agriculture. McGraw-Hill, New York. Passam H. C, Sideridis A. B, Yialouris C.P, Maliappis M. T. 2001. Improvement of Vegetable Quality and Water and Fertilizer Utilization in Low-Tech Greenhouses Through a Decision Support Management System. Journal of Vegetable Crop Production 7 (1) 69-82.

_____________________________________________________________________________________________________ 22


Application of GIS to Present Rural Touristic Values of Bihor–Hajdú-Bihar Euroregion 1

Orsolya Gyöngyi Varga1, Zoltán Túri2 Student (Geographer MSc) – University of Debrecen, Department of Physical Geography and Geoinformatics 2 Assistant lecturer – University of Debrecen, Department of Physical Geography and Geoinformatics [email protected], [email protected]

Abstract: In 2012 a database was established which has been available for mobile devices with Android operation system. The aim of the database was to help the user navigate along certain thematic routes in Hajdú-Bihar County, Hungary while getting acquainted with the rural touristic values of the area. The project served as a ground of the database (Joint development and integrated promotion of the rural thematic tourism in the Bihor-HajdúBihar Euroregion – HURO/0901/017/2.1.3) contained information available for Bihor County (Romania) as well. The aim of this research was to improve the features of the database mentioned above and expand the area that the user can perambulate by the help of it. In order to achieve this result it was necessary to process the data available for Bihor County and integrate it into the previously implemented database. The article describes the process of expanding the database while presenting means by which GIS can support touristic purposes and reviews the advantages of such databases from a touristic and environmental point of view. Keywords: thematic route, POI, navigation, GIS, application

1. Introduction In 2012 – in the previous stage of this research – a database for mobile devices with Android operation system and GPS receiver was constructed (Varga 2013). It was based on the results of a HURO project of Bihor–Hajdú-Bihar Euroregion in the frames of a cross-border cooperation program supported by the European Union (Joint development and integrated promotion of the rural thematic tourism in the Bihor–Hajdú-Bihar Euroregion – HURO/0901/017/2.1.3). According to the official HURO CBC program website ‘the project focuses on tourism development of the rural areas in the Bihor and Hajdu-Bihar Counties, based on integrated promotion and joint elaboration of competitive thematic tourist products.’ (n.d.). As a result of the project the plan of 10 thematic routes were created which covers the area of Bihor–Hajdú-Bihar Euroregion, concentrates on the rural values of that and can be regarded as the basis of this research. As it is described in the following chapter, the thematic routes referring to Hajdú-Bihar County, Hungary had already been processed and this article focuses on the routes of Bihor County, Romania, as an expansion or additional development of the original database. 2. Background The creation process of the database presenting the values of Hajdú-Bihar County (Hungary) is going to be described in a restricted way, because in the case of Bihor County another method proved to be appropriate. By the HURO project team, a Microsoft Excel spreadsheet containing information in connection with the sights of the county, which are significant from a rural touristic point of

_____________________________________________________________________________________________________ 23


view, was created. These sights are the POIs – Points of Interest – which were chosen to be the stops of certain thematic routes or served only as supplementary services for the tourists (which do not have rural touristic value, but help the tourist during the journey e.g. restaurants, accommodation). Some of the POIs, which had rural touristic significance as well, were involved in thematic routes. These thematic routes can be followed by the tourist while getting acquainted with the rural touristic values of the area. It can be used by mobile devices with Android operation system and GPS receiver, if a certain application called Osmand is installed on the device. These thematic routes are contained in a database which the user has to download to their device before using. The database is available on the website of the University of Debrecen, Department of Physical Geography and Geoinformatics (n.d.) together with a guide helping the installation and providing practical instructions for using. In the case of Hajdú-Bihar County the records, i.e. rows of the Microsoft Excel spreadsheet – representing the sights of the area – were processed by different geoinformatical softwares (ESRI ArcGIS, Global Mapper, GPS Babel and Osmand Map Creator), consequently they turned out to be in an appropriate form to become available for the Android application. The line objects representing the thematic routes has been created with the help of .kml format (format of Google map products). This latter method is going to be described in chapter „Methodology”. As a result a user-friendly and easyhandling database was set up which was planned to be developed by expanding to the area of Bihor County. The aim of this article is to present the process of this development and the future opportunities of the database. 3. Methodology Regarding that a spreadsheet similar to the one of Hajdú-Bihar, containing the sights of Bihor, has not already become accessible, the public pieces of information available at the HURO project website (n.d.) were used during the database construction. These were Microsoft Word documents and a brochure (Baias et al. 2012) containing the conception of where the thematic routes should be located (in English and Romanian language) and several documents about the sights of Bihor and their descriptions from a touristic point of view. These descriptions served as informative guides for the tourists when arriving to different stops of the routes. The basic purpose of the database is to guide the tourist and provide touristic information while visiting the sights of the mentioned area. Consequently it is ideal if the tourist has as few additional tasks as possible in connection with the settings of the database before or during the journey. That is why it is important to endeavour to create a database which is ready-for-use almost instantly after downloading that, hence unburdening the users and make them comfortable with the journey. The creation process of the database can be reviewed in Figure 1. First of all, the thematic routes suggested by the HURO project results had to be delineated in Google Maps by the route planning service. In this way the Google Maps can store data concerning the stops of the routes (as point objects) and the routes connecting them (as line objects). The data are stored in .kml format which can be processed by several geoinformatical softwares. In the background research the line objects of the thematic routes were processed by the same method, but as a difference, in case of Bihor County the point objects also had to be created in this way due to the absence of the above mentioned Microsoft Excel spreadsheet.

_____________________________________________________________________________________________________ 24


Figure 1. Schematic illustration of the database creation process. After exporting the route plans, the point and line objects of the .kml files could be processed separately with the help of Global Mapper software which is able to save the points and lines in different (shape) files. The points exported in .shp files could be opened in Global Mapper again and exported in .kml file. Consequently in connection with one given route a different file contained only the point objects of each route. These .kml files were converted into .osm files by GPS Babel software, which format has a flexible XML (Extended Markup Language) structure. This structure can be easily modified by Notepad++ software. In this step the informative descriptions of the points were added based on the documents of the HURO project website. Furthermore, regarding that XML structure stores data by units called tags, an auxiliary tag had to be added in case of each point, because the Android application could identify them with the help of it (n.d.). Then the modified .osm files could be converted into .obf files which is the own format of Osmand application (n.d.) and this step can be executed by Osmand Map Creator software specialized for this task. In the case of the routes, the original .kml files were converted into .osm files and they also received a tag which contained a description about the whole route according to the project website document. Then they were also converted into .obf files in order to be able to appear in Osmand. Nevertheless, Osmand is able to navigate along .gpx files only, thus the routes had to be available in this format as well. Therefore the original .kml files were also converted into .gpx files and added to the database. As a result, the whole database consists of two .obf files and one .gpx file for each thematic route. 4. Results By the end of the process a database was generated helping the navigation along the thematic routes while presenting the rural touristic values of Bihor County. Informative descriptions about the routes and most of their stops are also available for the users. The database can be downloaded from the website of the University of Debrecen, Department of Physical Geography and Geoinformatics (n.d.) as a supplement of the previous database of Hajdú-Bihar County. The guide helping the installation of the earlier database is _____________________________________________________________________________________________________ 25


appropriate for the new one as well, because its operation is similar. In this way the user, who has already got acquainted with the prior database, can easily accommodate with it. The new database for Bihor County is available only in English, but later it can be expanded by the descriptions in Romanian language, because the documents containing these descriptions are also published on the website of the project. By the creation of the database for Bihor County, now ten thematic routes are available for the Bihor–Hajdú-Bihar Euroregion, five in Bihor and five in Hajdú-Bihar County. All of them can be used after installing the Osmand application on a mobile device. The application uses the GPS receiver of the device and can navigate along the .gpx line objects representing the thematic routes. By following these routes, the user can read descriptions about the sights of the route and the thematic route itself. Osmand can not only navigate the user but show the services around considering the user’s actual location (e.g. restaurants, markets, gas stations or accommodations nearby). Due to the fact that a route planner service was used during the database construction, the routes which the user has to follow are up-to-date and show approximately actual information about passable roads.

Figure 2. The system of thematic routes in Bihor County. In Figure 2, there can be seen that the system of thematic routes in Bihor County covers almost the entire area of the county. The tourist can get acquainted with the whole county’s rural touristic attractions by perambulating all the routes. One of the most important feature of the database is providing touristic guide in a way without extra charge for the user. The download of the database to the device or using the A-GPS1 service can generate additional charges, but these are not inevitable. If the user downloads it by free internet connection and avoid the A-GPS during the navigation, these charges do not appear. It would be possible to mark the supplementary services in the database to the tourist – as it was fulfilled in the case of Hajdú-Bihar – if the exact GPS coordinates of the local services 1

A-GPS (Assisted GPS): ‘In A-GPS systems, useful information is provided by the cellular network that can aid the GPS receiver to calculate an accurate position more quickly. A-GPS uses information from more than one source while calculating device position. A-GPS reduces the time required for signal acquisition by eliminating sections of the signal search space.’ (Zandbergen & Barbeau 2011)

_____________________________________________________________________________________________________ 26


were available. In this case, by adopting the method used in that area, these services could also be visible on the map of the application. Since Osmand uses the maps of Open Street Map, many of the services are actually marked on the map, but with the help of the information supplied by local service providers, this information could be refined. The construction and maintenance of the database in a new touristic area does not demand much resources, but it is important to frequently update all the information in connection with the stops of the routes or supplementary services around, and this information could be included in the descriptions of the POIs. In this way it would be possible to provide the user with holistic information not only about the rural touristic values of the area but all the available services around, thus making the journey comfortable and increasing the demand for local businesses. 5. Future Perspectives and Conclusion Although the database was aimed to be user-friendly and easily-handling, there are several paths for development. The method described above previously existed and could be used for importation of maps into Osmand, but it is not usual to use it in putting thematic route conceptions into practice. It is also important to meet the demands of the modern tourists who tend to use modern technology, such as smartphones, GPS-receivers etc. against traditional paper maps during their journeys. In this case they do not need guidance and they can make a trip according to their own speed and demands. This form of tourism ensures a sort of independence and flexibility, i.e. freedom for the user. On the other hand, additional demands may occur in connection with the appearance and available services of the database. For example, this database is suitable especially for tours by car due to the large distances of the routes, but in the case of a mountainous region and without any means of transportation, it can be necessary to show a contour-map in order to help the tourist realize the probable circumstances and conditions of the tour. Moreover, in connection with Bihor County, the available information in Romanian can also be included in the database. Nevertheless, the database may help pass rural touristic information for the public in accordance with the attitude of the European Union about sustainable tourism (2007) – in this case by mediating rural touristic values to broadening segment of consumers by making theoretical touristic results manifest in practical ones. 6. Acknowledgement This research was supported by the European Union and the State of Hungary, co-financed by the European Social Fund in the framework of TÁMOP 4.2.4. A/2-11-1-2012-0001 ‘National Excellence Program’. References Agenda for a sustainable and competitive European tourism (COM/2007/0621), 2007, viewed 20 October 2013, http://eur-lex.europa.eu/LexUriServ/LexUriServ.do?uri=COM:2007:0621:FIN:EN:HTML Baias S, Blaga L, Bodnár R, Gaceu O, Gozner M, Grama V, Herman G, Ilies D C, Ilies A, Josan I, Könyves E, Maduta F, Molnár E, Morar C, Radics Z, Tatar C F, Vlaicu M. 2012. Rural tourism brochure of the Hajdú-Bihar Euroregion. (Brochure for HURO/0901/017/2.1.3 project) HURO project website n.d., viewed 3 September 2013, http://istgeorelint.uoradea.ro/Proiecte/huro_turism/INDEX.htm Official HURO CBC program website n.d., viewed 1 September 2012, http://www.huro-cbc.eu/en/project_info/532 _____________________________________________________________________________________________________ 27


OpenStreetMap – Map Features Annotation guide n.d., viewed 10 September 2012, http://wiki.openstreetmap.org/wiki/Map_Features#Annotation OsmAnd official website n.d., viewed 13 September 2012, http://osmand.net/ Varga O G. 2013. A Geoinformatical Method in Assistance to Tourism. V. Taste of Tourism International Conference CD, Győr, ISBN: 978-963-334-115-5 Website of the University of Debrecen, Department of Physical Geography and Geoinformatics n.d., viewed 20 October 2013, http://geogis.detek.unideb.hu/Turautvonal/Tematikus_turautvonal.html Zandbergen P A, Barbeau S J. 2011. Positional Accuracy of Assisted GPS Data from High-Sensitivity GPS-enabled Mobile Phones. Journal of Navigation, vol. 64, issue 3, pp. 381-399., viewed 20 October 2013, http://journals.cambridge.org/action/displayFulltext?type=6&fid=8292635&jid=NAV&volumeId=64 &issueId=03&aid=8292634&bodyId=&membershipNumber=&societyETOCSession=&fulltextTy pe=RA&fileId=S0373463311000051

_____________________________________________________________________________________________________ 28


Rationalization of busines processes at Partner-Pont Ltd. Balázs Kocsi1, Dr. Judit Oláh1 University of Debrecen, HUN [email protected] , [email protected] 1

Abstract: To react on environmental changes and keep step with the competitors, optimizations are needed. IT support is crucial to this, because we have to measure much factors, store them, and also have stimulations done on them. Suitable softwares which are able to run the task can cost more than a million forints, moreover learning the skills of using them is money and time consuming. Partner-Pont Ltd made baby-steps to achieve managing its processes emerging its level of effectiveness of the corporate's operation. Applied softwares are cheap, common in households and their methods can be acquired easily. By applying process modeling, process stimulation, and failure mode and effect analysis we can get a picture about the current process, detect it and recommend mending provisions to solve critical problems. Calculating the returns of the investment used on corrections, we can get a total view that can help the management making decisions. In this article we are representing the optimizing methods and results applied by the company. As a result, we have enriched a 10 percent improvement in the lead-time by one of the product's manufactoring process. Keywords: process improvement, process model, simulation, FMEA

1. Introduction In this article we are representing the rationalization of manufacturing and purchasing processes at Partner-Pont Trading and Service Ltd. The company, which is a Hungarian timber industry corporation, manufactures doors, windows and unique furniture. The principle of the detection is a 10 m2 sized kitchen unit, made up from two elements. We chose this product because, however every order is different, manufacturing a piece of furniture like this, has a great possibility to include all the work, which are also necessary by manufacturing other products. The front includes the supporting element, the corpus and the front element. To enlarge quality and hereby working effect, mending the critical failures are necessary. 2. Theoretical background 2.1 Process management The improvement of corporations produced the specialization of the various specialties. As an effect some of the procedures were taken over by other companies. Corporation processes were separated, and tore the complete system into pieces, that pushed the effect of the company to a lower scale (Németh 2008). To react on inside and outer changes, time and adequate desicions are required. This takes a process management system, which is welldefined, customized and built up on the company and runs permanently. Process management organises the work into processes, and measures and improves the running of the company knowingly through these processes (Solti 2006). 2.2 Process modelling Visualising the processes helps process management in the planning and organising period. During process modelling we are visualising functions, pursuits, resources and the logical relationships between them. To model the process, we applied an event-driven process chain _____________________________________________________________________________________________________ 29


digram (eEPC), which was developed by the Germany located University of Saarland working with SAP. The conception relies on stochastic networks (Scheer 2000). One of the aims of the modelling is representing the process models in a process-orientated time and logical structure. 2.3 Measurement of processes The fund of improvement and optimalisation of business processes is monitoring and measuring the processes and pursuits. We can get a realistic picture about performance and the conformance of the processes, if we use adequate measurement. The lack of performance measurements rises obstacles to systematical improvement and makes us unable to detect the effects of the changes (Tenner at al. 1998). By measuring the performance of the processes we need to take a look at those factors, which can affect the results of the m easurements. Catching to business target is the most important factor. Processes serving strategical goals can be separated into four divisions: 1. 2. 3. 4.

Administrative working process Ad-hoc working process Supplemental processes Manufacturing working process (Vincent 2009)

Complexity of the processes affects the measurement, namely the more complicated a process is, the more difficult to find its part-processes and pursuits, it follows that assigning the measuring data is also complex (Vincent 2009). 2.4 Improving processes with quality technologies The feature of quality technologies is that, they guide the thinking and built upon principles. Their practicableness is proved by being simple and easy to use. They exploit the virtue of teamwork, operate on a low cost, and affect the working processes in a small compass. They are time consuming, but the invested time return is multiple. (Nagy 2009) The following diagram represents one of the technologies without attempting to be comprehensive.

Figure 1. quality technologies 2.4.1Failure mode and effect analysis as quality mending method FMEA that is to say failure mode and effect analysis has three basic types. FMEA for construction, product and process, in which we are trying to identify the possible failure modes and rank them by the effects they make. We reveal the failure modes and their effects

_____________________________________________________________________________________________________ 30


and mark them with indexes from 1 to 10. This will be the weight, incidence, and perceptibility of the failure mode. The value of the risk for each failure mode can be defined with the following formula: (N. Selappan at al., 2008; D. H. Stamatis, 2003). where:  S: weight of the failure mode,  O: incidence of the failure mode,  D: perceptibility of the failure mode

Steps of the FMEA method: 1. 2. 3. 4.

Setting up a team, that performs the analysis Collecting data: team reveals the failure modes and values the effects they make Analysis: calculating value of the risks and ranking them Confirmation and making action plans (D. H. Stamatis, 2003)

The method has some other more developped versions. One of them is the cost-based failure mode and effect analysis, that counts inner and outer failures, morevover that we notice the failure inside the company, and it also faces costs connected to the customers (Anette 2008). 2.5 Process simulation Running of the process can be stimulated by various random factors. We can be aware of the distribution of the factors in theory or on an experimental basis. Optional distribution variable factor can be created, so simulation of optional factors' concrete results, we get the process' optional, but concrete procedure. Monte-Carlo simulation is the suitable method thereunto. This numerical method is named after the capital of gambling and was constructed by János Neumann in 1945. The method is able to create optional numbers on determined probability distribution (Szobol 1981). During the rationalization of processes no large sample of data provided, so we had to generate the necessary datas ourselves. Probability distributions were defined by following professional estimation. 3. Analyses As a first step, we set up the team which brings out the development of the process. We determined the people taking part in the team. These people are the following: a leader of the production and two workers taking part in the process. Then, we analysed the present production process and found the connections between the different activities. We drew the process diagram on an A0 page, which was the base of creating the basic process model, which was visualized by the software called Aris Expressz Tools. We depicted the time and logical structure of the process with the help of an extended event-driven process chain diagram. We determined the lead time of each activity within the process chain. As it is unique production, we had to determine the optimal lead time of the activity, which is the most favourable case, and we also determined the pessimistic time, which is the least favourable, so the longest time in which the whole process can run. We defined the interval and the related allocation according to professional estimation. The length of time of the activity was the base of calculating the costs of production. One hour length of time is equal to 150 P$. That is, to calculate the costs of production, the length of time of the process has to be multiplied by 150. Obviously, in case of some activities extra costs can occur, for example in case of ground coating the costs of raw materials of the coating. These were also added to

_____________________________________________________________________________________________________ 31


the calculation. The ready made process model is considered to be a system (Kocsi at. al, 2013). We performed the failure and effect mode analysis as well as simulation. During the analysis we revealed the possible failure modes, which we put in an order based on their risk number (RPN). The failure modes with RPN above 150 were analyzed. We studied what extra activities occur to repair a failure in case it happens. We built these extra activities into the basic model; as a consequence this reflects a more realistic picture of the process. It is called “zero” process model. In the next step we defined the total lead time of the zero process (TPT) and the total sum of costs (TPC). These two values will be compared to the ones of the improved process. We used simulation tools to define the values. 10 000 pieces of data were simulated by activities with the help of Monte-Carlo simulation, the given optimistic and pessimistic values and the allocation. It is not a linear process, there are branches in it with AND, ECLUSIVE or XOR operatol, so the logical connections of the activities must be considered. According to all of these, we defined the total runtime and total costs of the whole process. We calculated the average of the values of 10 000 as well as the deviation and after that, we could find out the final result of the process at a 95% level of reliability. Afterwards, the failure modes were repaired. There was a brainstorming by the team at each occurrence of failure and we tried to find out mending actions. We calculated the RPN value of the activities of the potential improvement actions. If it reached the necessary level, we accepted it. We built all these improvement actions into the basic process model and we named it process model No1. Certainly, we provided all the parameters in the way written above. We made simulations based on the former actions and we could define the total lead time and cost of the improved process. We compared the received results with a one-variant variation analyses and checked if there is a significant difference between the two processes. The result was under 0.005, exactly 0.000. Based on the calculations, we started writing action plans and the calculation of investment, in other words, the execution plan of the improvement tasks and the calculation of the return of the necessary investments. With the help of this, we could get an obvious picture of what improvement of the process can be obtained within the lead time and cost of it. Based on the result, it is the task of the management to decide if the investment is worth making. We will get an obvious answer for this later. 3.1 Further development of the method To help making the decision, we think, it is necessary to improve further the series of the method with the help of an extra calculation with which we are able to compare the failure activities with the improved ones. With this we can examine more correcting actions and their effects so that the best opportunity is built into the process. The development of this is in the preparation period now. 3.2 Critical failure modes and their improving actions First, we obtained the improvement on the production process where we detected 5 failures. Critical RPN value belonged to two of them. Secondly, we rationalised the purchasing process belonging to the production process, where we found 4 mistakes, and again, two of them were in the critical risk category. The first failure in the production process is in connection with the purchase of raw material. The external company delivers the ordered products in incorrect quality, quantity and late. The main reason of this is that the orders are placed orally. Another reason can be the mistype of the cutting list. If the failure occurs, the items have to be re-ordered. Due to this, the start of production can be delayed by even a week. The improvement action for this failure is the following: introducing an IT system which would compare the factored draft to the cutting list and the component list during the ordering _____________________________________________________________________________________________________ 32


process and would calculate if from the offer sent by the external company the given furniture can be prepared by considering the required standards of the product. It is essential to order via internet and the external company has to send an acknowledgement about how the order can be completed. The second failure in the production process is that during assembling the creation of mortise and the placement of it does not happen at the same place and the creation of mortise is made according to previously given values. This way, it can happen that the mortise and the tenon do not fit each other. This case, either the partly-ready product has to be taken back to the previous function place or the tool with which the problem can be corrected has to be transported. Worthless time and extra cost would appear if this failure occurs. The solution is a laser measuring pad which measures the prepared mortise, compares to the size of the tenon and whenever a difference is detected a red light would warn, or when there is no difference, a green light goes on and the process can be continued. The first critical failure in case of purchasing process is hand in hand with the production process existing in the workshop: there is a standard defined for basic tools. These tools are used from one place, by different projects at the same time. It can happen that when the tools are in need, they run out of it. In this case, the production stops until the necessary materials are not purchased. The biggest problem happens when these materials are out of stock at the supplier as well. The solution of this failure is quite simple. During the planning period the necessary quantity of these basic tools has to be defined and separated for the given product, so that it can not be used by others on other project simultaneously. Another action is to build in an extra checking activity so that if this failure occurs, there can be a quick response for it. The second critical failure is that in case of new suppliers giving a price offer takes a lot of time. The reason of this is that the communication within the organisation is slow and at decision-making points the information gets stuck. The improving action is raising the inner communication by 5-minute meetings, emails, text-messages. The actions which belong to improvement will be built in the model and we will examine how it reacts. The probability of some of the failures decreases to 0.00 but we built up extra activities, for example a checking activity and because of them nothing may change in point of time. 4. Results The total lead time of the (failure) process zero is 71.18 hours. The total lead time of the improved process No1 is 65.41 hours at 95% of reliability. This means an approximately 8% improvement of lead time. All in all, we built up extra actions with which we decreased the probability of failure occurrence and we also managed to shorten lead time. We were curious what this means in point of costs. In process zero, the total cost of the process at 95 % reliability is 9,098.7 P$, while in case of process No1, it is 8,223.6 P$. It means that 875.1 P$ less cost is necessary for the total run of the production process. It results in about 10% improvement. By optimising the purchasing process, we achieved an extra 3% improvement in the cost and 5% in the lead time. The results are collected in the following graph.

_____________________________________________________________________________________________________ 33


Figure 2. comparison of times our researches, 2013

Figure 3. comparison of costs our researches, 2013

We obtained an improved-current variant analysis on the two processes to find out whether there is a significant difference between them. The result is 0.000 as the chart shows Table 1. Variant analysis summary Summary Groups zero process No1 process

Quantity Sum Average Variance 10000 86280096,99 8628,0097 79566,026 10000 78593366,09 7859,3366 51434,852

Table 2. ANOVA results VARIANCE Analysis Factors SS between groups 2954291595 within the group 1309877774

Sum

4264169369

df

MS F 1 2,954E+09 45103,386 19998 65500,439

p-value

F 0 3,8419236

19999

These results give ground for pleasure but the cost of the process improvement has to be calculated. For this, we used ROI index to count the returns of installing IS systems. We defined the value of the investment and the realised profit after 3 process lead times. The result was 1.129129 %, which means that the investment returns within 3 lead time of production. It is important to emphasise that the value in case of improvement is only an estimated one. We have to make the final decision on the base of this. 5. Consequences We can achieve remarkable results by combining simple methods. These are estimated values which prove to be the proper bases for choosing the best option and making a successful decision. Continuous development is essential for effective work, they are not enough to be done only once, they have to be kept in use regularly in the life of the organisation. This will help to decrease the occurrence of irregularities and failures. The better use of the method series can be resulted by better separation of options. A further aim is the execution of this by comparing the improvement actions and by getting more, different results we will help to make the decision. References Anette von Ahsen 2008. Cost-oriented failure mode and effects analysis, International Journal of Quality & Reliability Management, Vol. 25 No. 5, ISSN: 0265-671X, pp. 466-476. B. Kocsi – J. Oláh – I. Budai 2013. Rationalization of the manufactoring process by Partner Pont Commercial and Service Ltd., Forum Economic Vol. 16. No. 112 ISSN: 1582-1986, pp.22-37.

_____________________________________________________________________________________________________ 34


D. H. Stamatis 2003. Failure Mode Effect Analysis: FMEA from Theory to execution, American Society for Quality, Quality Press, Milwaukee, ISBN: 0-87389-598-3 Nagy S. 2009. Folyamat és irányítási rendszer fejlesztése minőségtechnikákkal, Magyar minőség, 2009. 11. szám, ISSN: 1216-9576, pp. 25-29. N. Sellappan – R. Sivasubramanian 2008. Modified Method for Evaluation of Risk Priority Number in Design FMEA, The Icfai Journal of Operations Management, Vol. VII, No. 1, pp. 1-11. Scheer, August – Wilhelm 2000. Aris – Business Process Modelling, Springer Verlag, Berlin Heidelberg, New York, ISBN: 3-540-65835-1 Solti Á. (2006. Folyamatmenedzsment-tapasztalatok a tanácsadó szemszögéből. Magyar Minőség, 2006. 6. szám, ISSN: 1416-9576, pp. 13-15. Szobol, I. M. 1981. A Monte-Carlo módszerek alapjai. Műszaki Könyvkiadó, Budapest, 1981, ISBN: 963 10 3819 X Tenner, Arthur R. – DeToro, Irving J. 1998. BPR vállalati folyamatok újraformálása. Műszaki Könyvkiadó, Budapest, 1998, ISBN: 963 16 3001 3 Vincent C. Yen 2009. Az integrated model for business process measurement, Business Process Management Journal, Vol. 15 No. 6, ISSN: 1463-7154, pp. 865-875. „A kutatás az Európai Unió és Magyarország támogatásával, az Európai Szociális Alap társfinanszírozásával a TÁMOP 4.2.4.A/2-11-1-2012-0001 azonosító számú „Nemzeti Kiválóság Program – Hazai hallgatói, illetve kutatói személyi támogatást biztosító rendszer kidolgozása és működtetése konvergencia program” című kiemelt projekt keretei között valósult meg”.

_____________________________________________________________________________________________________ 35


Drying of Niagara grapes aiming at generating information for processing, supervision and control Wesley Esdras Santiago1, Rodolpho Cesar dos Reis Tinini1; Barbara Janet Teruel Mederos1; Rafael Augustus de Oliveira1 1 University of Campinas – UNICAMP – Brazil [email protected], [email protected], [email protected], [email protected]

Abstract: The data acquisition and process control is one of the main problems faced by engineers and researchers responsible for automation and analysis equipment and agricultural processes in real time. For a decision about the characteristics of the process are carried out with a greater chance of success, it is important to know and monitor the parameters related to its performance. Thus, the aim of this work was to develop a computer program in order to register and display real time information about the process and the dynamics of weight loss product. The system was implemented using the LabVIEW software. Developed Virtual Instruments (VI) for the following types of sensors: load cell, PT 100, Transducer of electrical, air humidity and frequency inverters. Obtained the application DRYING OF GRAPES for monitoring and controlling the process of partial dehydration of grapes developed, which was observed during the tests, ease of operation of the system, allowing the rapid acquisition of data, and the ability to combine the system implemented to meet the demands of several studies, and can be used in different types of agricultural products. Keywords: Decision support system; real time; mathematical model.

1. Introduction For the monitoring and analysis of drying are done in real time is essential to use technology and mechanisms to assess quickly and accurately the information that is inherent to the treatment, providing support to the operator for decision making regarding process change is made, considering the response of the product hygroscopic (Karim and Hawlader 2006; Nguyen and Price 2007). For the acquisition of information is guaranteed with high precision measurement systems and control should be associated with sensitive instruments and stable, and able to make data acquisition at any time (Bergeijk et al. 2001 Adamchuk et al. 2004; González and Herrador 2007; Anurag et al. 2008). The purpose of this work was through the instrumentation of a structure drying, develop and validate a computer application in order to register and display real time information about the process and the dynamics of weight loss product. 2. Material and methods Part of an experimental prototype at the Laboratory of Thermodynamics, Faculty of Agricultural Engineering of the State University of Campinas, the structure consists of a drying chamber cooled (cooling capacity of 4,400 kcal.h-1 to -10 oC) fitted with a tunnel forced air (air flow rate of 2,900 m3. h-1) and resistance (2400 W) that enable drying of fruits and vegetables in low and high temperatures. From previous work (Silva and Teruel 2011; Santiago et al. 2012), the computer application for monitoring and controlling the drying considered signals from five _____________________________________________________________________________________________________ 36


temperature sensors Pt 100 (FM = 0 to 100 º C; model TR106 , 4 to 20 mA, accuracy = ± 0.2%), a sensor for relative humidity RHT-WM/Novus with compact electronics module and transmitter of values (FM = 0 to 100% RH; 4-20 mA, precision = ± 1.5%), a system comprising a weighing load cell, model PW12C3 - IMB (50 C - 50 kgf, a sensitivity of ± 0.1% 2 mV.V-1), two transducers of electrical Min f K-05, Kron (accuracy 0.2%; voltage of 220 V; communication interface RS485 type; speed 9600, 19200, 38400 configured 57600bps or; data format 8N1, 8N2, 8E1, 801configurável , address 1 to 247, configurable; Modbus RTU and coding of information floating point, IEEE-754), a block of space heaters air comprises four finned RTDs with nominal voltage of 220 V and 600 W power each and two frequency inverters CFW09 - WEG (supply voltage 220-230 V three phase; isolated input with resolution of 8 bits, linearity error less than 0.25%), one to control air flow tunnel forced and others to control power to the game system's thermal chamber. The information related to sensing instruments is integrated into a central processing unit and data acquisition according to the diagram in Figure 1.

Figure 1. Scheme of the data acquisition process. The data acquisition of temperature and relative humidity was carried out by data acquisition board (PCI-NIDAQ 6229) coupled to the connector block (CB-68LP) both from National Instruments. This board has as inputs the analogical values of temperature and relative humidity expressed between 4-20 mA and outputs a voltage which acts on the frequency inverter compressor and exhaust, and can vary between 0 and 10 V as the cooling efficiency and speed desired air. The digital data of electrical meters and weighing system are transmitted to the microcomputer systems via Modbus protocol via the RS485 serial port, enabling data to be read and stored. All signals obtained with the instrumentation system, after processed by the computer are displayed in real time on the application of supervision and available as a source of information and aid to decision making related to changes in the parameters governing the kinetics of the process, such as temperature and velocity of the drying air. The data are structured from sample means every minute and stored in spreadsheets for further analysis. 2.1. Computer application The computer application was developed in the graphical environment of the programming software LabVIEW ® (National Instruments). The Labview has its operation based on two interfaces. A graphic intended for contact with the user, allowing monitoring of the process in real time, as control of the characteristics of interest by changing the process environment.

_____________________________________________________________________________________________________ 37


The second interface enables the realization of interaction of the hardware and signal processing. The main feature is the possibility of LabView development and implementation of control applications in a graphical format friendly. With the calibrated parameters, the response signals of drying are analysed and processed, generating new information to the operator. To validate the ability of the application in real-time monitoring of the drying process, tests were performed partially dried grapes. 2.1.1 Feedstock We used to cultivate Niagara Rosada grapes (Vitis labrusca L.), the harvest from July to November 2011 collected in the city of Jales, northwest of São Paulo. The grapes were packed in cardboard boxes with a capacity of 7 kg and transported to the Laboratory of Thermodynamics and Energy, Faculty of Agricultural Engineering of the State University of Campinas (LTE - UNICAMP). After completion of the pre-cleaning of the cluster to remove the stems and berries damaged or compromised by the presence of fungi, we performed the sample distribution. 2.1.2 Partially dried grapes Tests of partial dehydration resulted from the combination of the parameters temperature and air velocity. The effect of different combinations of product quality was assessed by Santiago et al. (2012a) and Santiago et al. (2012B). The fruits were packaged in plastic, 25% effective opening area, dimensions 50 x 30 x 25 cm, containing 25 bunches of grapes, longitudinally arranged. The package was placed inside the drying frame (Figure 2a). With the air flow perpendicular to the position of the bunches are increased rates of heat and mass transfer, allowing the dehydration process occurs in a shorter period without forced air.

(a)

(b)

Figure 2. (a) Schematic structure forced-air drying, (b) Schematic instrumentation system. Given the chemical and physical characteristics of grapes adn purpose of carrying out partial dehydration and not complete, the logic is designed so that the supervisory system to achieve weight loss of reference, ie a percentage of the initial mass of the product the system turns off automatically.

_____________________________________________________________________________________________________ 38


3. Results and discussions The program resulted in the development of application called SECAGEM DE UVAS (DRYING OF GRAPES), which has the purpose of collecting, processing and storing data from the sensors installed in the drying chamber, in addition to providing for the operator to take decisions on possible changes in the process. The application DRYING OF GRAPES available to the user in graphical and numerical form through the computer screen the data in real time. It also allows the user to control and determine the performances of some system equipment experimental physicist. Figure 3 shows part of human machine interface (HMI), which can be seen the control icons and indicators of system equipment such as compressor motors and exhaust, control of data storage and numerical indicators and led the operation and level operation of these devices.

Figure 3. User Interface Part 1. The HMI also includes monitoring of the internal conditions of the drying chamber, where through numerical and graphical indicators parameters temperature, relative humidity are exposed and monitored in real time by the operator (Figure 4). In this window are present the numerical indicator of the mass sampled by weighing system, the graphic indicator of mass loss during the course of the drying time and control icon in the end of the process, ie, setpoint mass loss.

Figure 4. User Interface Part 2. Figure 5 shows the box HMI where the signals from the transducers of electrical process are presented through numerical indicators.

_____________________________________________________________________________________________________ 39


Figure 5. User Interface Part 3. The HMI overall supervisory system is shown in Figure 6. As described above, this system is programmed to read the signs of the temperature sensors, relative humidity, weight and power consumption, in addition to acting on the operation of the compressor motors and exhaust, the operating frequency of the hood and level of heat load dissipated by the resistances. The application collects the signals from the load cell at a rate of approximately 120 samples per second, forming an average result every 1 minute for the other sensors is the rate of 100 samples per second, also forming an average result for each 1 minute.

Figure 6. Screen for supervisory system implemented. Once launched, the application performs its routine transmission and reception of signals until internal system error occurs, the setpoint range of mass loss or purposeful interruption made by the operator. 4. Conclusions 1 - The application program developed for the purpose of monitoring and decision support showed satisfactory performance during the partial drying of grapes, being able to measure and present the operator with real-time information about the process. 2 - The application interface DRYING OF GRAPES was characterized as friendly, featuring ease of interaction between the user and the application.

_____________________________________________________________________________________________________ 40


3 - The control logic inserted to the end of the process from the maximum rate of mass loss function properly, although the thermal load of the internal structure has not been disrupted, causing the process to continue development. 4 - For the application can perform the function of controlling the end of the process, new routines must be inserted into your schedule, allowing the source to be disconnected heating the thermal load of the internal structure is dissipated. References Adamchuk VI, Hummel JW, Morgan MT, Upadhyaya. 2004. On-the-go soil sensors for precision agriculture. Computers and Electronics in Agriculture, v. 44, p. 71-91, 2004. Anurag D, Roy S, Bandyopadhyay S. 2008. Agro-sense: Precision agriculture using sensor-based wireless mesh networks. Calcutá, 2008. Viewed 22 June 2010, http://www.iimcal.ac.in/research/download/cameraReady_Agrosense.pdf Bergeijk J, Goense D, Willigenburg LG, Speelman L. 2001. Dynamic Weighing for Accurate Fertilizer Application and Monitoring. Journal of Agricultural Engineering Research, v. 80, p. 2535, set. 2001. González AG, Herrador MA. 2007. The assessment of electronic balances for accuracy of mass measurements in the analytical laboratory. Accreditaion and Quality Assurance, v.12, p. 21–29, 2007. Karim MA, Hawlader MNA. 2005. Mathematical modelling and experimental investigation of tropical fruits drying. International Journal of Heat and Mass Transfer. v.48, p.4914-4925, 2005. Nguyen MH, Price WE. 2007. Air-Drying of Banana: Influence of Experimental Parameters, Slab Thickness, Banana Maturity and Harvesting Season. Journal of Food Engineering. v.79, n.1, p.200207, 2007. Santiago WE, Silva JTR, Teruel BJ, Oliveira RA. 2012. Sistema de pesagem dinâmica para determinação da perda de massa de produtos hortícolas durante secagem. Anais do X Congreso Latino Americano y del Caribe de Ingieniería Agricola e XLI Congresso Brasileiro de Engenharia Agrícola (CLIA-CONBEA), 2012. Santiago WE, Silva JTR, Teruel BJ, Oliveira RA. 2012. Mudanças físico-químicas de uvas Niágara Rosada após secagem parcial. Revista Brasileira de Energias Renováveis, v. 1, p. 239-252, 2012a. Santiago WE, Tinini RCR, Mederos, B JT. 2012b. Qualidade de uvas niágara rosada (Vitis labrusca) submetidas a desidratação em diferentes temperaturas. In: XXII Congresso Brasileiro de Fruticultura, 2012, Bento Gonçalves. Anais do XXII Congresso Brasileiro de Fruticultura, 2012b. Silva JTR, Teruel BJ. 2011. Control system for forced-air cooling of horticultural products. Engenharia Agrícola (Impresso), v. 31, p. 621-630, 2011.

Acknowledgements FAPESP for funding the project and CAPES by scholarship provided.

_____________________________________________________________________________________________________ 41


Effect of whitening machine duration on rice temperature and breakage percentage Waleed .H. Hassoon¹ [email protected]

ABSTRACT: Anber33 rice cultivar was used to evaluate the effects of milling duration of wetting brown rice on broken rice (BR) and temperature of milled rice. Brown rice at initial temperatures was = and an amount of water from ( 0 % ,1%,2% and 3%) was added to the brown rice whose moisture content 13.6% before milling and milled for duration ( 0 ,15, 30, 45, and 60 ) sec in a satake grain mill laboratory. There relationship between duration of milling and broken rice was appositive . it is showed that broken rice increases 2.5 % 25.5% when increasing duration from ( 0 - 60 ) sec with wetting from( 0 % - 3% ) but this study showed that the water added for brown rice helped to reduce rice temperature in comparison with not wetted . However, when, increasing wetting effect positively on the performance of whitening machine because it make the removal of brown layer easy and duration of milling less. Key word : Rice wetting ,whitening duration, rice temperature , breakage rice milled. Iraq.

1. INTRODUCTION Rice (Oryza Sativa L.) is one of the leading food crops of the world and is second only to wheat in terms of annual production for food use. The world’s rice production increased from 520 million tons in 1990 to 605 million2004 ,and the Iraq production form paddy about 392.803 tons in 2007(FAOSTAT, 2005; numeric statistical for ministry of fabrication 2009 ) Rice quality is partially determined by weather conditions during production but is largely controlled by harvesting methods and postharvest practices. These include rough rice drying and milling. Rice is usually harvested as rough rice at ≈16–22% moisture content (MC, wb) and is typically dried to ≈12–14% MC before milling. Before milling, rough rice is dehulled (husked ) to form brown rice. Milling removes bran from brown rice to produce white rice or milled rice. The market value of rough rice is mainly based on its milling yield or on its milling quality. The milling yield is determined from the quantity of milled rice yield (MRY) which consist of whole kernels (head rice) (HRY) (3/4-1 of whole kernel) and broken kernels (BRY) (1/4-3/4 of whole kernel), produced during the milling of rough rice . Therefore, head, broken and total milled rice are usually expressed as a percentage of the total quantity of the rough rice subjected to the milling procedure. Reduced grain breakage during milling is particularly very important, because the value of broken milled rice is only 30–50% of the value of head milled rice. The breakage is dependent on the variety, size and shape of grains, the existence of pearl (Hussain,2009,Bhashyam et al., 1985), One of the major problem of rice industry is breakage of kernels during milling. The market price of breakage kernels is much less than that of head rice kernels (Silva and Correa et al, 2000). It is also found that long kernels rice were more susceptible to breakage more than the shorter nes during the milling process reported that rice breakage was mostly due to mechanical stress ( Mathews and Spadrl, 2006 ). Andrews et al. (1992) have shown that the removal of bran layers as milling duration increased resulted in a reduction of milled rice yield (MRY) and HRY. _____________________________________________________________________________________________________ 42


Sun and Siebenmorgen (1992) also established a linear relationship between HRY and DOM for samples milled . Andrews et al. (1992) reported that the HRY increased with reduced milling time or reduced milling weight (pressure) with the McGill No. 2 mill. The HRY was also improved by lowering the brown rice temperature before milling. Sun and Siebenmorgen (1992) also established a linear relationship between HRY and DOM for samples milled the glass transition temperature (the temperature at which a state transition occurs, causing the rice kernel to change from a “glassy” to a “rubbery” state, or vice versa) plays a significant role in determining the rate at which moisture can be removed from the kernel (Cnossen and Siebenmorgen, 2002). the starch exists in a rubbery state with much higher diffusivity, specific heat, specific volume, and thermal expansion coefficient (Perdon et al., 2000). Archer and Siebenmorgen (1995) also found that lower brown rice temperatures did not significantly improve the HRY if the HRY yield was mathematically adjusted to achieve an equal degree of milling. Mohapatra and Bal (2004) did a similar study using a laboratory-scale, abrasive mill and found that the whole kernel yield decreased linearly with an increase in milled rice temperature. However, the researchers did not report the milling degree of the white rice. Pan and Thompson (2002) studied the relationships between mill heat generation, rice temperature, and quality (TRY, HRY, and whiteness) using a McGill No. 3 mill. They found that the highest temperatures of the cutter bar and milled rice reached 74°C and 84°C, respectively, after six rice samples were successively milled. The high cutter bar and milled rice temperatures caused significant reduction in the appraised TRY and HRY of milled rice, especially for low quality rice. The high milling weight of the Western milling procedure may also cause higher milling temperature than the Southern milling procedure. The aim of the rice industry is to achieve maximum head rice yield (minimum breakage percentage) from milling process, therefore, The breakage percentage is the most important parameter for the rice processing industry (Marchezan, 1991). ) 1.1. Material and methods This study was conducted in 2011 to evaluate the effect of milling machine on rice breakage and milled rice temperature by adding wet before milling ,The research was done in Hilla silo, Ministry of Iraqi Trade, General Company . Rice cultivars (Amber33)was used. The rough rice was cleaned and dried to 14% mc (wb) immediately after harvest. It was then bagged in sacks and placed until being removed for milling. Moisture content for the cultivars was measured. At the time of milling, the lots had 14 % mc (wb). (guide manual, 1984) The milling procedure consisted of first shelling the rough rice using a Satake huller (Satake –THU-35A., Tokyo, Japan) with a clearance of 0.7 mm between the rolls(.Hasssoon,2010) The resulting brown rice was milled by satake grain mill. temperature, were continuously monitored after milling. The mill was warmed by milling 250 g of brown rice until the external mill temperature reached at least temperature . Milling of each of the subsequent samples began when added water (wetting ) for all samples as levels 0,1%,2%,3%,4% (0= brown rice moisture content before milling) . This study done to reduce variability that might occur due to mill temperature. Three milling replicates were made at each of the four milling times for each water added for all levels and the experiment is a factorial experience which is done according to the CRD. The results were analyzed statically , The differences are tested by LSD (0.01) probability level. The following technical indicators were calculated: _____________________________________________________________________________________________________ 43


1.2. Rice temperature Brown rice samples of 250 g were milled for( 0,15, 30, 45, 60) sec in the satake grain mill laboratory mill after dehelled rough rice (guide manual, 1984), , which was equipped with an automatic timer. A 200-g mass was placed on the automatic moisture meter and thermo meter after milling . Immediately after milling, the rice was placed in an insulated cup and the final milled rice temperature was measured using a automatic thermometer. The mill was thoroughly cleaned between each milling. Milled rice mass was measured. Head rice was separated from broken rice (sized) using a hand . 1.3. Breakage percentage: Breakage percentage has been calculated according t the following equation: BRY BRy % = ‫ ×ـــــــــــــ‬100 BrM Where as: BRy % = Broken rice milled proportion. BRY= Broken rice yield gm. Br = Mass of sample brown rice before milling( whitening ) gm. 2. RESULTS AND DISCUSION 2.1. Rice temperature Figure( 1) showed significant influence of the changing duration on milling for Anber33 cultivar when the duration is increased to 60sec the means of temperature is 28.76 where as the lest temperature which is 20.63 when the duration is 15sec the reason is due to correspondence between the increased duration and the increased temperature: the increase of duration caused friction force between kernels and machine in addition increased friction between kernels increase which is demeaned to remove the bran . Figure (1) showed that wetting cultivar has not a significant effect on rice temperature property. wetting 3% achieved the highest means in temperature which was 28.87 this due to layers of bran are more easily removed during milling as moisture content increases consequently helped to decrease duration for whitening (milling). these results are in correspondence with the results achieved by Reid et al.(1998)

_____________________________________________________________________________________________________ 44


40

30 without wetted=0%

25

wetting=1%

20

wetting=2%

15

wetting=3%

rice tempertu

35

10 5 0 5

4

3

2

1

duration=( 1=0 , 2=15 , 3=30 , 4=45 , 5=60 ) sec

Figure (1) Showed effect duration and wetting on rice temperature(Cᵒ) 2.2. Breakage percentage: Figure (2) refers to the existence of significant effects of duration in breakage percentage: increasing duration form 0 - 60sec achieved increase breakage percentage was 13.23 % .Whereas the lowest breakage percentage accompanied with a duration at 0 sec was 2.5 % because of the increasing of duration which is resulted from increase thermal stress which is generate by friction between rice kernel and this result correspondence with . Figure (2) showed significant influence of the wetting added for rice brown on breakage milled rice percentage. the wetting added of 1% gave the best breakage rice percentage for cultivar Anber33 and it was 5.63% whereas the highest percentage of breakage rice kernels was 18.99 % at high wetting added 3% . the reason behind this increase cause the lessening wetting added helped to lessen friction between kernel through milling and cooling kernels of the stresses on the grains . in this , it is agreed with because the bran layers are more easily removed during milling as moisture content increases according with According to Kohlwey’s (1992). Figure( 2 ) refers to the existence of significant effect for the interference between duration of whitening with rice wetting which gave highest breakage percentage of kernels at 45 sec and wetting 3% was26.73 % whereas a less breakage percentage was with wetting 0% archive 0 % at the duration whiting 15 sec with wetting . 30

without wetteng

20

wet=1%

15

wet=2%

10

wet=3%

breakage %

25

5 0 5

4

3

2

1

duration(sec)=1=0,2=15,3=30,4=45,5=60

Figure (2) Showed effect duration and wetting on rice breakage

_____________________________________________________________________________________________________ 45


REFRENCES Andrews, S. B., T. J. Siebenmorgen, and A. Mauromostakos. 1992. Evaluation of the McGill No. 2 miller. Cereal Chem 69(1): 35–43. Archer, T. R., and T. J. Siebenmorgen. 1995. Milling quality as affected by brown rice temperature. Cereal Chem 72(3): 304–307 Bhashyam M.K., Srinivast T., Khan T.A. (1985). Evaluation of grain chalkiness in rice. The Rice Journal, pp. 5 and 13-15. Alsaidy, M.A ,cereal technology,1983, Republic of Iraq , Ministry of higher education and scientific research, Mousel university, Collage of Agriculture Cnossen, A. G., and T. J. Siebenmorgen. 2002. The glass transition temperature concept in rice drying and tempering: Effect on drying rate. Trans. ASAE 45(3): 759-766. FAOSTAT., 2005. Rice production available from http://faostat. fao.org. Guide manual ,1984,Miistry of Iraqi trade . Hassoon , W.H,2010,effect of whitening duration on the industrial indicators for two rice cultivar .Vol.4 (2) .Euphrates journal of Agriculture Scienceissn2072-3875 Hussain, A.H, cereal technology,2009, Republic of Iraq , Ministry of higher education and scientific research, Baghdad university, Collage of Agriculture . Siebenmorgen, T. J., W. Yang, and Z. Sun. 2004. Glass transition temperature of rice kernels determined by dynamic mechanical thermal analysis. Trans. ASAE 47(3): 835-839. Sun, H., and T. J. Siebenmorgen. 1992. Milling characteristics of various rough rice thickness fractions. Cereal Chem 70(6): 727–733. Pan, Z., and J. F. Thompson. 2002. Improvement of accuracy and consistency of rice sample milling. Research Progress Report of California Rice Research Board. Perdon, A., T. J. Siebenmorgen, and A. Mauromoustakos. 2000. Glassy state transition and rice drying: Development of a brown rice state diagram. Cereal Chem. 77(6): 708-713. Mohapatra, D., and S. Bal. 2004. Wear of rice in an abrasive milling operation, part II: Prediction of bulk temperature rise. Biosystems Eng. 89(1): 101-108. Marchezan, E. (1991).Whole rice kernels in rice. Lavoura Arrozeira (44 pp.3-8), Porto Alegre, Brazail. Silva ,J.S., Correa, P.C.(2000) . Structure,composition and properties of the grain (Drying and storage of agricultural products) (pp.21-

_____________________________________________________________________________________________________ 46


The Use of Business Intelligence Components as a proficient tool in Monitoring the Operations and Cost Management in Agricultural Business Sector 1

Iraj Namdarian1 INEA-Italian Institute of Agricultural Economics, Ialy [email protected]

Abstract: Business intelligence (BI) systems by definition are used to create knowledge to enable business decision-making (Olszak & Ziemba, 2006). BI plays a critical role in providing skilful ‘intelligence’ for a proficient and beneficial business decision-making. International research points out clear evidence of the benefits of implementing sound BI practices. However, within agricultural business context, an understanding of the practice, impact and benefits of BI is only relatively focused by current Research and Technical Development. To learn from the past and project the future, a tangible number of companies (i.e. Food and Beverage companies) are adopting BI tools and systems. Companies have identified the importance of achievements of the goals defined by their business strategies through BI concepts. This paper examines the most common components of a BI system; ETL (Extract, Transform and Load) tools, data warehouses, OLAP (On-Line Analytical Processing) techniques, and data-mining. Functions that each component performs and how each one is used to facilitate managerial decision-making at three levels of organizational management (operational, tactical and strategic) is described.. Keywords: Business Intelligence, Agro-business, Decision Making

1. Introduction Today’s businesses have access to more data than ever before. Companies produce, collect and store vast amounts of data, from customer feedback surveys to manufacturing and delivery statistics. BI is a series of methodologies that puts this data to work, helping businesses become more effective and increase profits. "BI is designed to support the process of decision-making" (Arnott et al., 2004). Arnott et al. (2004) define the role of BI "to extract the information deemed central to the business, and to present or manipulate that data into information that is useful for managerial decision support". Negash (2004) notes that BI is "used to understand the capabilities available in the firm; the state of the art, trends, and future directions in the markets, the technologies, and the regulatory environment in which the firm competes; and the actions of competitors and the implications of these actions" In modern businesses, increasing standards, automation, and technologies have led to vast amounts of data becoming available. Data warehouse technologies have set up repositories to store this data. Improved ETL and even recently Enterprise Application Integration tools have increased the prompt collecting of data. OLAP reporting technologies have allowed faster generation of new interactive dashboards and reports which analyse the data. BI has now become the art of sifting through large amounts of data, extracting appropriate information, and directing that information into knowledge upon which actions can be taken (Ranjan, 2009). Understanding BI systems enables any organization to implement an analytical approach that transforms data into information, information into knowledge and then knowledge into decisions as illustrated in Figure 1, as shown by Olszak and Ziemba (2007).

_____________________________________________________________________________________________________ 47


Figure 1. The Role of BI in decision making (Olszak & Ziemba)

2. Components of Business Intelligence Venter & Tustin (2009) illustrate a schematic overview of the main components of BI (Figure 2). It is clear from Figure 2 that BI is obtained in the form of structured and unstructured data from both internal and external sources. Internal sources typically comprise legacy systems (a term commonly used to describe historical systems that are still used because the organisation would not, or cannot, redesign them) as well as various operational systems, such as point-of-sale systems, OnLine Transaction Processing (OLTP) systems and customer relationship management systems. Most internal data are structured or semistructured.

Figure 2: Components of BI External intelligence is typically obtained through competitive intelligence or market intelligence processes that produce mostly unstructured information about competitors and customers from primary and secondary sources. In addition, macro-environmental data from environmental scanning processes could also be an input into BI systems. Research conducted by Lackman et al. (2001) suggests that the most useful primary sources of external intelligence are customers, manufacturers, dealers and distributors, research and development, the sales force, physical evidence (for example, a product or prototype) and market research projects. Several studies have indicated that members of staff are the most critical primary source of intelligence (for example, Wright & Calof 2006). _____________________________________________________________________________________________________ 48


The data and information obtained internally and externally from various disparate sources are usually stored centrally and made available in a format that allows easy extraction of data. This process could make use of technologies such as intranets, data warehouses or data marts (subsets of data with a specific functional focus). Decision-makers or their ‘agents’ (which could be a BI analyst) can extract data from the central data repositories in order to support decision-making. This can be done either as reports that are created and disseminated regularly without a specific request (for example, a weekly or monthly report with detailed sales for each of the distribution channels) or as an ad hoc requirement, in response to which the data repositories can be queried, and a once-off report can be compiled. 2.1. Most Common Components of a BI System BI systems are used for intelligent exploration, integration, aggregation, and a multidimensional analysis of data originating from various information resources. Data is treated as a highly valuable corporate resource (Kronos & Yeoh, 2010). And although definitions vary, and business needs dictate the necessity for different components and complexity for a BI system, all BI systems require, at a minimum, specific components to produce BI. These components are described throughout the larger literature to the degree that they are now taken-for-granted and they include (a) data warehouses, (b) ETL tools, (c) OLAP techniques and (d) data mining (Olszak & Ziemba, 2006). This section defines and details the functioning aspects of each of these four components. OLAP techniques. The origins of OLAP are rooted in the difficulties encountered when performing data analysis on databases that are constantly being updated during transactions via other information systems (Airinei & Homocianu, 2009). OLAP attempts to analyse complex data in real time on a database that is constantly updated with transactional data. The OLAP optimizes the searching of huge data files by means of automatic generation of SQL queries (Olszak & Ziemba, 2006). OLAP allows user access, analysis and modelling of business problems and sharing of information that is stored in data warehouses (Olszak & Ziemba, 2007). As noted by Olszak and Ziemba (2007), OLAP offers techniques for data analysis and drilling data and the tools are mainly used for interactive report generations. Matei (2010) states that OLAP tools use data mining techniques and statistical methods to create readable, fast report generation that is used for forecasting that can further assist in strategic decision making. These reports are generated based on a manager’s pre-defined criteria (dimensions). OLAP is an improvement to earlier single dimensional analysis tools that allowed managers to analyse data from only one perspective at a time. By providing managers with a multi-dimensional tool, OLAP enables managers to analyse data from multiple perspectives and explore it in order to discover hidden information (Matei, 2010). Data mining. Data mining techniques are designed to identify relationships and rules within a data warehouse, and then create a report of these relationships and rules (Hevner & March, 2005). The data mining process involves discovering various patterns, generalizations, regularities and rules in data resources. Knowledge from data mining may be used to predict an outcome of a decision and can also describe reality. The predictions generated by data mining use known variables to predict the outcome of a situation, while reality is measured by graphing, tabling, and creating formulas based on the existing data (Olszak & Ziemba, 2007). There are several basic strategies for data mining. The most common are: classification, estimation, prediction, time series analysis, and market basket analysis (Shi et al. 2006). These strategies can be aligned with the needs of an organization and help decision making by discovering various patterns, generalizations, regularities and rules in data resources. _____________________________________________________________________________________________________ 49


Examples of these strategies in business include using market basket analysis to model retail sales or classification to classify unstructured data, such as email, as spam or a legitimate piece of correspondence, such as business or personal information. ETL tools. ETL tools and processes are responsible for the extraction of data from one or many source systems, as they transform data from many different formats into a common format and then load that data into a data warehouse (Schink, 2009). ETL tools are tasked with extracting information deemed central to the business. They manipulate and present that data into information that is then used for managerial decision making (Arnott et al., 2004). Castellanos et al. (2009) suggest that early in the history of BI systems, ETL design and implementation was considered a supporting task for the data warehouse and thus was not viewed as a piece of the BI puzzle but as a subset of the data warehousing problem. ETL solutions are divided into three distinct stages that find and convert data from various sources and inserts the resulting product into a data warehouse. The three stages of ETL are: 1. The extraction stage: This stage involves obtaining access to data originating from different, often heterogeneous sources. These sources are often distributed across multiple platforms and can be part of a customer's information system (Schink, 2009). 2. The transformation stage: This stage transforms the extracted data and is considered the most complex stage of the ETL process. The transformation stage converts the data into the same schema of the data warehouse to which it is to be loaded. The transformation phase is usually performed by means of traditional programming languages, script languages or the SQL language (Olszak & Ziemba, 2006). 3. The load stage: The load stage pushes the transformed data and loads the data warehouses with data that are aggregated and filtered (Olszak & Ziemba, 2007). The requirement of a BI system to be able to extract data in different formats from disperse sources, transform them into like formats, and then load them into the appropriate data warehouse has traditionally made the ETL process the most expensive aspect of a BI system (Hevner & March, 2005). In some cases a BI system may have a dedicated but separate data warehouse that acts as a staging area. The ETL process can do low level analysis and transformation in this data warehouse prior to loading it into the enterprise data warehouses (Castellanos et al., 2009). ETL tools can be written to have more emphasis on one particular aspect of the ETL process over the other. Generally there are four categories that ETL tools fall under (Olszak & Ziemba, 2006): 1. EtL: tools that address the extraction and loading aspects of the ETL process. 2. ETl: tools that provide a preference for the data type and format to be extracted and loaded. 3. ETL: tools that offer a balance across all tool functions; the lack of emphasis may cause this aspect to result in poorer handling of a large volume of data formats. 4. eTL: tools that emphasize the integration of data into data warehouses. Data warehouses. A data warehouse is a collection of relevant business data that is organized and validated (Cody et al. 2002) so that it can be analysed to support business decision making. Data warehouses are populated with data that has been extracted from distributed databases, often heterogeneous and, in some cases, external to the organization which is using it.

_____________________________________________________________________________________________________ 50


Data warehouses are subject oriented databases that are integrated into an information system. They are time relevant, meaning that they are snapshots of a point of time within the information system and they are not updatable so as to maintain the integrity of the historical point in which the snapshot of data is taken. Data warehouses are offline, meaning that they reside on a different system than that of the data of which they are storing a snapshot. New data warehouses are constantly being loaded with business critical data to ensure that up to the minute data is available for decision making. The criticality of that data is predetermined by the organization using the data warehouse. The data is historical, a summary of prior transactions that when analysed can provide a wealth of knowledge in which managerial decisions can be made. These decisions are based on the history of the business that a data warehouse is holding (Schink, 2009). The data warehouse is considered the core component of a BI system (Negash, 2004). This collection of data is used to support the management decision-making process (Hevner & March, 2005). In addition to providing the snapshot of historical data, a data warehouse also provides room for the thematic storing of aggregated information, data that has been analysed by an ETL tool then loaded into the appropriate data warehouse (Olszak & Ziemba, 2003). A well implemented data warehouse is easy to use, allows for quick information recovery, stores more information, improves productivity, allows for better decisions, and increases an organization's competitive advantage (Hwang & Xu, 2007). Hevner and March (2005) conclude that the key role of a data warehouse is to provide an understanding of business problems, opportunities, and performance based on compelling BI facilitating decision making. Corporate Performance Management (Portals, Scorecards, Dashboards). this general category usually provides a container for several pieces to plug into so that the aggregate tells a story. For example, a balanced scorecard that displays port-lets for financial metrics combined with say organizational learning and growth metrics. Data Sources. Data sources can be operational databases, historical data, external data for example, from market research companies or from the Internet), or information from the already existing data warehouse environment. The data sources can be relational databases or any other data structure that supports the line of business applications. They also can reside on many different platforms and can contain structured information, such as tables or spreadsheets, or unstructured information, such as plaintext files or pictures and other multimedia information. 2.2. Business Intelligence System Components: Specific Role Airinei and Homocianu (2009) describe BI systems as a means to exploit information in order to help managers solve their structured and unstructured problems. Each component of a BI system can be used to exploit information in one or more of these selected managerial decision-making actions: (a) acquiring information; (b) searching/gathering information; (c) analysing information; and (d) delivery of information (Olszak & Ziemba, 2007). By analysing historical data, BI systems strive to eliminate communication barriers that exist at the different organizational levels within a company. These barriers are considered noise during the decision-making process. By allowing decisions to be made using consistent

_____________________________________________________________________________________________________ 51


information (Matei, 2010), this method of analysis enables managers to evaluate former activities and direct future actions. The managerial decision-making action that a particular component of a BI system can support varies based on many factors. These factors include the type of organization using the BI system, the sector a business operates in, and the maturity of the BI system (Rodrigues, 2002). Olszak and Ziemba (2003) present a framework for the actions that a manager considers to make business decisions. The alignment among actions and their corresponding BI components is summarized in Table 1. Although different components appear to exhibit crossover functions, it is the level of detail and outcome that are very different. A detailed discussion is provided below (Lloyd, 2011). Table 1 BI system components aligned with managerial decision-making actions BI System Component ETL Tools Data Warehouses OLAP Techniques Data Mining

Managerial Information Actions Acquiring (gathering); Searching Acquiring (gathering) Analyzing, Delivery Analyzing, Delivery

Acquiring (gathering) information. Acquiring information has become i.e. increasingly more difficult as modern organizations adopt more distributed information systems in which to store their business critical data (Hevner & March, 2007).This action is used to find the business issue. As Olszak and Ziemba (2006) point out, this action utilizes ETL tools, directing the processes to find what information is needed and into which data warehouse to deposit that information (Shi et al., 2006). Searching information. After the data are extracted from operational databases (Castellanos et al., 2009), the newly loaded high quality data are mined using data mining techniques and processes. This action is performed at different levels of data quality. Lower quality data are searched by utilizing ETL tools. The more refined or mature an ETL tool, the higher the data quality of the data being loaded into a data warehouse (Schink, 2009). Analysing information. Managers need to create data models to understand and address business issues. Through data pre-processing and applying OLAP and data mining techniques managers can analyse information from multiple dimensions at varying degrees of granularity, and tasked with a different level of analysis (Shi et al., 2006). For example, information derived through analysis directly affects decisions related to promotional campaigns, forecasting sales and financial results and, in some cases, can be used in fraud detection (Olszak & Ziemba, 2007). OLAP summarizes data and makes forecasts based on historical data. Data mining discovers hidden patterns in data. Data mining operates at a detail level instead of a summary level. In other words, data mining predicts, while OLAP forecasts. Data mining and OLAP can be used to analyse: a. marketing data: analysing sales receipts, sales profitability, sales target, actions taken by competitors b. customer data: analysing time of contact, customer profitability, customer behaviour, customer satisfaction, and customer loyalty c.

logistical data: analysing relationships in a supply chain and delivery partnerships

d.

financial data: analysing and reporting on costs, revenue and profitability

e. production data: analysing production bottle necks, delayed orders, in-process materials, tool up-time

_____________________________________________________________________________________________________ 52


f. personal data: analysing employee turnover, employee type, presentation of information related to individual data g. salary related data: analysing wage types, payroll surcharges, payroll collections, employee contributions, and average wages Delivery of information. Data mining is also used in the delivery of information within an organization. In BI systems, data mining can not only interpret, and evaluate results generated from the analysis performed on data stored in a data warehouse, but it can also display reports enabling decision makers to discover various patterns, generalizations, and regularities (Olszak & Ziemba, 2007). In the same way, OLAP creates ad hoc report generation using simpler data mining techniques by summarizing data without the pattern matching that is unique to the data mining process (Matei, 2010). As Olszak and Ziemba (2003) point out, data mining provides a detail-oriented report while OLAP provides a generic summary of information. Without well-defined delivery, management may get extensive reports that are not only inappropriate for the decisions being made at that time but the reports may contain too much information that may cause managers to overlook critical data (Jaklic et al., 2010). 2.3. BI Systems and business decision Making at each level of management Shi et al. (2006) assert that by utilizing BI systems organizations are collecting, treating and diffusing information with the objective of reducing uncertainty in the making of decisions. These decisions are often made under pressure, almost always at critical times in which businesses need real-time data. A BI system allows managers to make decisions using real time data by monitoring competition, carrying out constant analysis of numerous data and considering different variants of organization performance (Olszak & Ziemba, 2007). As figure 2 shows, data is extracted from operational databases, customer databases, and from data collected pertaining to the competition. The BI system extracts this data from these various data sources, transforms it into specified formats, and then loads the newly formatted data into specially designated data warehouses that are available to all three levels of decision making within the organization: operational, strategic, and tactical (Negash, 2004). Each level of the organization will utilize different OLAP techniques and data mining process to analyse data and report information that is most relevant to them. The information generated from the BI system will be used in all decision-making processes. At the strategic level, decisions set objectives and push the decision direction to the tactical level of the organization. At the tactical level information is mined from the BI system to develop tactics to realize the strategic objectives and, in-turn, will push a decision down to the operational level of the organization. Both the tactical and operational levels of management are reactive to the strategic decisions of the organization (Cella et al., 2004). Even with a shared objective, different levels of the organization will utilize information for different purposes. At strategic and tactical levels, information provides input to senior managers; at the operational levels, information provides input to lower level managers (Negash, 2003). Operational level decisions. At the operational level, decisions affect or are related to the on-going operations of an organization. These decisions are generally based on up-to-date financial data, sales and co-operation with suppliers and customers (Olszak & Ziemba, 2007). Data are the life blood of daily operations in an organization and BI takes that data and presents it to decision makers in the form of information (Barone, Jiang, Mylopoulus, Won, & Yu, 2010). BI systems provide information used at the operational level of an organization to address the following specific actions (Olszak & Ziemba, 2006):

_____________________________________________________________________________________________________ 53


1. 2. 3. 4.

provide SWOT analysis provide analysis of products provide monitoring and evaluation of employees provide analysis of regions (using measurable metrics such as sales, costs or quantifiable results) 5. perform ad-hoc analysis of departments on-going operations, and financial standing and sales.

Tactical level decisions. Decisions made at the tactical level are related to planning and rely on real-time data and forecasting to direct the future actions of marketing, sales, finance and capital management. Tactical decisions are often used to support strategic decisions (Olszak & Ziemba, 2007). The literature details these related tactical decision-making activities as being supported by BI systems: 1. analyses of deviations from the plans for particular organizational units, individuals or indicators 2.

decisions related to the direction of marketing, sales, finance and capital management

3.

forecasting of demand for a given product or service

The information derived through these activities allows for optimizing future actions and for modifying organizational aspects of the company's performance. Strategic level decisions. Strategic level decisions set objectives as well as ensure that those objectives are realized. BI systems provide information in support of strategic decision related to the development of future results based on historical results, profitability of offers (made or received) and the effectiveness of distribution channels (Olszak & Ziemba, 2007). Negash (2004) asserts strategic decisions use business information systems to create forecasts based on historical data from the past, combining it with current performance and then to estimate how conditions will play out in the future. Based on the literature, information provided by BI systems inform these kinds of decisions made at the strategic level: whether to enter new markets the possibility of changing a company's orientation from product-centric to customer-centric the launch of a new product (Watson & Wixom, 2007, p.97). 3. Conclusions As Olszak and Ziemba (2007) point out, the importance of a BI system is unique to individual organizations based on needs and level of organizational maturity. Different organizations will require a more or less robust solution based on their needs. A good understanding of an organization's needs will enable the effective use of a BI system. Though the literature details the key components, several authors point out that BI systems will vary based on many factors, including (Cody et al., 2002): 1.

number of diverse data types within an operational database

2.

diversity among the systems within an organization

3.

maturity of analysis capabilities

4.

personnel/knowledge workers

The numerous number of literature shows that organizations realize the value of BI and the systems used to create this intelligence. Many authors point out that even during economic depressions businesses continue to invest in BI systems because "they recognize the provision of quality information as being the key to gaining competitive advantage" (Arnott et al., 2004). And while the traditional customers of information generated by a BI systems are knowledge workers (Negash, 2004), to summarize Castellanos et al., (2009), there is a growing realization that BI systems must be integrated into business operations to enable _____________________________________________________________________________________________________ 54


knowledge workers to make better and timelier decisions. Table 2 lists the main BI components and summarizes how they enable and assist in the business decision-making process (Lloyd, 2011). Table 2 BI System component utilization within the decision-making process B I System Component ETL Tools

Data Warehouses

OLAP Techniques

Data Mining

How Used in Decision‐Making Used to obtain, adjust and load data from both operational databases and dispersed data sources allowing for the collection of volumes of data (Schink, 2009) which allows for:  near real‐time information access  uniform data type in which to analyze Used as repository for all data relevant to an organization to support the decision‐making process (Matei, 2010) by:  gathering relevant and context aware data  providing multiple dimensions to data Used to analyze and report data from huge data sources (Olszak & Ziemba, 2006) by:  providing user access to data warehouses  creating data models Used to identify patterns and relationships within a data warehouse and creates detailed reports (Hevner & March, 2005) allowing for:  predictions based on historical data  graphing and calculating to create formulas to analyze data

References Airinei, D., & Homocianu, D. (2009). DSS vs. business intelligence. Retrieved from http://economice.ulbsibiu.ro/rom/profesori/publicatii/fileRE/suplimente/Supliment%20Nr%2022009.pdf#page=7 Arnott, D., Gibson, M., & Jagielska I. (2004). Evaluating the intangible benefits of business intelligence: review & research agenda. The IFIP TC8/WG8.3 International Conference, 1-11. doi:10.1.1.94.8550 Barone, D., Jiang, L., Mylopoulus, J., Won, J., & Yu, E. (2010). Enterprise modeling for business intelligence. Lecture notes in business information processing, 68, 31-45. Retrieved from ftp://ftp.db.toronto.edu/pub/eric/PoEM10-bim.pdf Castellanos, M., Dayal, U., Simitsis, A., & Wilkinson, K. (2009). Data integration flows for business intelligence. Proceedings of the 12th International Conference on Extending Database Technology: Advances in Database Technology, 1-11. Retrieved from http://alpha.uhasselt.be/~vdbuss/icdt/edbticdt2009proc/edbt/papers/p0001-Dayal.pdf Cella, I., Golfarelli M., & Rizzi S. (2004). Beyond data warehousing: What’s next in business intelligence? doi:10.1.1.62.9350 Cody, W.F., Kreulen, J.T., Krishna, V., & Spangler, W.S. (2002). The integration of business intelligence and knowledge management. IBM Systems Journal, 41(4), 697-713. Retrieved from http://www.umsl.edu/~lacitym/bi3.pdf Hevner, A.R., & March, S.T. (2005). Integrated decision support systems: A data warehouse perspective. doi:10.1016/j.dss.2005.05.029 Hwang, M.I., & Xu, H. (2007). The effect of implementation factors on data warehousing success: An exploratory study. Journal of Information, Information Technology, and Organizations, 2, 1-14.

_____________________________________________________________________________________________________ 55


Jaklic, J., Popovic, A., Turk, T. (2010). Conceptual model of business value of business intelligence systems. Management: Journal of Contemporary Management Issues, 15(1) 5-30. Retrieved from http://hrcak.srce.hr/file/81743 Lackman, C., Saban, K. & Lanasa, J. 2000. The contribution of market intelligence to tactical and strategic business decisions, Marketing Intelligence & Planning, 18(1): 6–8. Lloyd J., (2011). Identifying Key Components of Business Intelligence Systems and Their Role in Managerial Decision making. University of Oregon, Applied Information Management. Matei, G. (2010). A collaborative approach of business intelligence systems. Journal of Applied Collaborative Systems, 2(2), 91-101. Retrieved from http://www.jacs.ro/2010Volume02/number02/paper009-fullpaper.pdf Olszak, C.M., & Ziemba, E. (2003). Business intelligence as a key to management of an enterprise. Informing Science, 855-863. Retrieved from http://proceedings.informingscience.org/IS2003Proceedings/docs/109Olsza.pdf Olszak, C.M., & Ziemba, E. (2006). Business intelligence systems in the holistic infrastructure development supporting decision-making in organizations. Interdisciplinary Journal of Information, Knowledge and Management, 1, 47- 58. doi:10.1.1.99.8329 Olszak, C.M., & Ziemba, E. (2007). Approach to building and implementing business intelligence systems. Interdisciplinary Journal of Information, Knowledge and Management, 2, 135-148. Retrieved from http://www.ijikm.org/Volume2/IJIKMv2p135-148Olszak184.pdf Matei, G. (2010). A collaborative approach of business intelligence systems. Journal of Applied Collaborative Systems, 2(2), 91-101. Retrieved from http://www.jacs.ro/2010Volume02/number02/paper009-fullpaper.pdf Negash, S. (2004). Business intelligence. Communications of the Association for Information Systems, 13, 177-195. Retrieved from http://site.xavier.edu/sena/info600/businessintelligence.pdf Ranjan J., (2009). Business Intelligence: Concepts, Components, Techniques and Benefits. Retrieved from http://accopedia.com/images/BI_papaer.pdf Rodrigues, L.C. (2002). Business intelligence: the management information system next step. Third international conference on management information systems incorporating GIS & remote sensing, 1, 269-278. Retrieved from http://www.ead.fea.usp.br/eadonline/grupodepesquisa/publica%C3%A7%C3%B5es/leonel/24.pdf Schink, H. (2009). Current state and future challenges of real-time ETL. Proceedings 2nd student conference on software engineering and database systems. 6-10 Shi, Z., Wang, M., Wu, W., Xu, L., & Zeng, L. (2006). Techniques, process, and enterprise solutions of business intelligence. Systems, Man and Cybernetics, 2006. SMC '06. IEEE International Conference, 4722-4726. Retrieved from http://sourcedb.ict.cas.cn/cn/ictthesis/200907/P020090722604480116185.pdf Venter, P., & Tustin, D. (2009). The availability and use of competitive and business intelligence in South African business organisations. Southern African Business Review Volume 13 Number 2 2009. 88-117. Watson, H.J., & Wixom, B.H. (2007). The current state of business intelligence. Computer, 40(9), 9699. Retrieved from http://www.teradata.com/library/pdf/IEEEComputerWatsonWixom.pdf Wright, S. & Calof, J. 2006. ‘The quest for competitive, business and marketing intelligence: a country comparison of current practices’, European Journal of Marketing, 40(5/6): 453–465

_____________________________________________________________________________________________________ 56


Effect of Microwave and Convective Drying Process on Antioxidant Potential of Agro-Food Products 1

Cristina Popovici1 Technical University of Moldova [email protected]

Abstract: Agro-food properties change during processing, altering the quality of the final product. Sometimes, the important causal relationships are not well known and thus process management is difficult. This is especially true when chemical changes can occur as in the case of the drying of bioactive materials. The aim of this work was to determine the optimum conditions of microwave and convective drying processes that maximize the antioxidant potential of red sweet pepper (Capsicum annuum L.), parsley (Petroselinum crispum) and lovage (Levisticum officinale Koch.). For this reason, the plant material drying process was analyzed at different drying methods: microwave (magnetic intensive: 50% and 100%) and convective (air temperature: 60 0C and 80 0C). Efficiency of applied drying processes was evaluated by measuring total polyphenol content (Folin-Ciocalteu assay), reaction kinetics and reducing power of the plant material towards DPPH• stable free radical. Experimental design of drying process allowed to establish the optimal method and conditions of drying, thereby maximizing the antioxidant potential in function of the plant material and drying process characteristics. Keywords: agro-food products, bioactive compounds, drying, process management, radical scavenging activity, UV-spectra.

1. Introduction Nowadays, agro-food industry is facing challenges connected with the preservation of the highest possible quality of vegetable products obtained after processing (Horszwald et al., 2013). Drying conditions, particularly temperature, leads to vegetable modifications that can cause quality degradation. It is well known that polyphenol compounds are highly responsible of the health effects derived from consumption of plant origin food. They play a key role as antioxidants due to the presence of hydroxyl substituents and their aromatic structure, which enables them to scavenge free radicals. In general, there are two basic categories of antioxidants, natural and synthetic. Recently, interest has increased considerably in finding naturally occurring antioxidants for use in foods or medicinal materials to replace synthetic antioxidants, which are being restricted due to their carcinogenicity (Ito et al., 1983). Attention has been drawn to red sweet pepper and herbs due to numerous health promoting properties of the products (Popovici 2008, Popovici et al., 2010). Red sweet pepper (Capsicum annum L.), is one of those vegetables which contain high levels of antioxidants. They are fast gaining popularity, not only for their attractive colour, characteristic taste and aroma, but also for their health-promoting properties. Fresh peppers have long been recognized as an excellent source of vitamin C. In addition, red sweet peppers are rich in polyphenols, particularly the flavonoids, quercetin and luteolin. These compounds show potential action against certain cancers, stimulate the immune system, prevent cardiovascular diseases and protect against age-related macular degeneration (Chuah et al., 2008). Within the spices, parsley (Petroselinum crispum) and lovage (Levisticum officinale koch.) are some of those that present excellent source of antioxidant. The compounds responsible for _____________________________________________________________________________________________________ 57


parsley and lovage antioxidant activity are mainly phenolic acids (caffeic, ferulic, p-coumaric acids) and flavonoids such as flavonol aglycones (quercetin, kaempferol, and their glycosides) (Yıldız et al., 2008; Kahkonen et al., 1999). In previous study, total polyphenol content and radical scavenging activity of red sweet pepper, parsley and lovage using a stable free radical DPPH• were determined (Popovici et al., 2010). The obtained results show that red sweet pepper, parsley and lovage have strong antioxidant characteristics. The objective of this work was to identify the experimental conditions of red sweet pepper and herbs drying with respect to their polyphenol content and antioxidant potential. Parsley (Petroselinum crispum) and lovage (Levisticum officinale Koch.) were selected as a tested samples as they are some of the most common herbs consumed in the Republic of Moldova and are some of the richest sources of a commonly occurring phenolic aglycone, apigenin. To achieve objectives, there were studied the influence of method and condition of drying on the safety of polyphenol compounds in red sweet pepper, parsley and lovage. Then, the relationship between polyphenol content and antioxidant activity of plant material was evaluated. 2. Materials and methods 2.1. Plant material The experimental material comprised the red sweet pepper (Capsicum annuum L.), leaves of parsley (Petroselinum crispum) and lovage (Levisticum officinale Koch.). The pepper and herbs were manually collected in summer 2011 in Chisinau, Central Moldova. The quality of tested plant material was in accordance with requirements of technical documentation for these products. Fresh and healthy plant material was used in drying process within 24 h after collection.

Red sweet pepper

Lovage

Parsley

Figure 1. Plant material used for experiments. The dried red sweet pepper, parsley and lovage were ground after drying process and packed in paper bags in order to protect them from light. Voucher specimens were preserved in laboratory for further reference. 2.2. Chemicals and reagents 1,1-Diphenyl-2-picrylhydrazyl (DPPH·) as free radical form (90% purity), FolinCiocalteu’s phenolic reagent and sodium carbonate were supplied by Sigma-Aldrich. 3,4,5trihydroxybenzoic acid were obtained from Alfa Aesar. Methanol (99,8%) and ethanol (99,9%) were provided by Eco-Chimie (Chisinau, Republic of Moldova). All reagents were of analytical grade. Distilled water was used throughout.

_____________________________________________________________________________________________________ 58


2.3. Drying Process Red sweet pepper, parsley and lovage were subjected to microwave and convective drying at different conditions. Figure 2 shows experimental set-up used in the experiments. Aer proaspăt

1

2

3

4

Aer cald utilizat

Reglator termic

200 g

5

6

7

8

.......

9

10

Figure 2. Experimental set-up used for microwave drying: 1-thermometer, 2-evacuation tube, 3-work chamber, 4-Dwar vessel, 5-differential manometer, 6-calorifier, 7-feed tube, 9-electronic balance, 10-thermocouple. The microwave drying was performed at 50% and 100% of magnetic intensive. The convection drying was made at 600C and 800C. 2.4. Extraction method Dried plant material was ground before extraction. The dried powder was extracted with 70% ethanol for 2 h at 600C and liquid-to-solid ratio 10 ml per gram. The extracts of pepper, parsley and lovage were filtered with paper filter and after were used in the experiments. Obtained extracts were analyzed for the DPPH radical scavenging activity and total polyphenol content assays. For each plant sample analysis were carried out in triplicate. 2.5. Total polyphenol content For quantification of total polyphenol content, the Folin-Ciocalteu’s method was used (Singleton et al., 1999). A volume of 0.5 ml of Folin-Ciocalteu’s reagent was added to a dark flask, containing 0.5 ml of the each sample and 10 ml of distilled water. After 5 min, 8 ml of a 7.5% aqueous sodium carbonate solution was added to the mixture and the content was mixed thoroughly. The samples were kept in dark for 2h and then the absorbance was measured at 765 nm with HACH LANGE DR-5000 UV/vis spectrophotometer. Three parallel samples were analyzed. Gallic acid was used for constructing the standard curve. Concentration range of gallic acid was of 0.05-0.5 mg/ml (A765 nm = 2,1169 [GA]-0,0831). The results of total polyphenol content were expressed as mg of gallic acid equivalents per ml of sample (mg GAE/ml).

_____________________________________________________________________________________________________ 59


2.6. DPPH• radical scavenging activity The radical scavenging activity of red sweet pepper, parsley and lovage as well as the kinetics of inhibition of free radicals were studied in terms of radical scavenging ability using the stable DPPH• method (Brand-Williams et al., 1995). 0.1 ml of the sample was added to 3.9 ml of 60 µM solution of DPPH• in methanol. The reaction was carried in dark and the absorbance was recorded at 515 nm to determine the concentration of remaining DPPH•. Methanol as instead of DPPH• solution was used as blank solution. The values of [DPPH•]t at each reaction time were calculated according to the standard curve. Concentration range of DPPH was of 0.38-38 µg/ml (A515 nm = 0.0293 [DPPH•]t – 0.0072), where the concentration [DPPH•]t is expressed in µg/ml). The coefficient of linear correlation of the above relation is R = 0.9999. The radical scavenging activity (RSA) was calculated using the equation [8]: RSA = 100% • ([DPPH•]0 - [DPPH•]30)/ [DPPH•]0 where [DPPH•]0 is the concentration of the DPPH• solution (without sample) at t=o min and [DPPH•]30 is the remained DPPH• concentration at t=30 min. Lower [DPPH•]t in the reaction mixture indicates higher free radical scavenging activity. 2.7. Statistical analysis Variance analysis of the results was carried out by least square method with application of coefficient Student and Microsoft Office Excel program version 2007. Differences were considered statistically significant if probability was greater than 95% (p-value <0.05). All assays were performed by triplicate at room temperature 20 ± 1 0C. Experimental results are expressed as average ± SD (standard deviation). 3. Results and discussion The red sweet pepper and herbs can be used for many purposes and have a large economic potential. Recently, this plant material has attracted considerable attention from researchers around the world mainly for its nutritional and medicinal value. They have a high content of bioactive compounds and are rich in carbohydrates, organic acids and vitamins. One of the effective methods to increase the duration of plant material’s storage is their dehydration (Figure 3). In order to reduce the moisture content they are subjected to thermal treatment processes, using different techniques, the most common being solar convective drying, convective drying, microwave drying and the use of infrared rays. In this work microwave and convective drying processes were Figure 3. Changes of plant cell in the drying proposed. The influence of method and process condition of drying on the safety of bioactive compounds in plant material was evaluated. Drying curves for the red sweet pepper, parsley and lovage at microwave drying (magnetic intensive: 50 % and 100%) and convective drying (air temperature: 60 0C and 80 0C) are presented in figure 4.

_____________________________________________________________________________________________________ 60


Microwave, 50%

120

100

100

80

80

Weight, [g]

Weight, [g]

120

60 40

60 40

20

20

0

0

0

2000

Parsely

4000 Lovage

120

6000

0

8000

Parsely

Red sweet papper

80

Weight, [g]

80

Weight, [g]

100

60 40

0

0

Parsely

Lovage

40000

Time, [s]

Red sweet papper

Lovage

4000

5000

Time, [s]

Red sweet papper

Convection, 80 °C

40 20

30000

3000

60

20

20000

2000

120

100

10000

1000

Time, [s]

Convection, 60 °C

0

Microwave, 100%

0

10000

20000

30000

40000

Time, [s] Parsely

Lovage

Red sweet papper

Figure 4. Drying curves for the red sweet pepper, parsley and lovage at microwave and convective drying The most advantageous method of drying is electromagnetic field (microwave) which has a number of advantages over convective and others, namely: processing velocity is enhanced; uniform heating throughout the product; dawn turned to outside temperature gradient favouring productive mass transfer in product; high precision control of the drying process by providing the necessary heat quantity as desired temperature; low criteria of thermal process. In a recent study was demonstrated the influence of drying method on the retention of bioactive compounds and their antioxidant potential from the red sweet pepper, parsley and lovage. However, to the best of our knowledge, there are small reports in literature on optimization of drying process of these compounds from these plant materials. Typical polyphenol componds that possess antioxidant activity are known to be mainly phenolic acids and flavonoids. Phenolic acids have been repeatedly implicated as natural antioxidants in herbs. For example, caffeic acid, ferulic acid, and p-coumaric acid are widely distributed in the parsley and lovage. Caffeic acid has been found to have high activity comparable to that of the flavonoid, quercetin. In parsley and lovage, the main flavonoid constituents are flavonol aglycones such as quercetin, kaempferol, and their glycosides. In general, flavonoids containing multiple hydroxyl groups have higher antioxidant activities against peroxyl radicals than do phenolic acids.

_____________________________________________________________________________________________________ 61


Polyphenol compounds can be characterized by their antioxidant stoichiometry, wich means the number of oxidant molecules reduced by one molecule of antioxidant. These values are determined by the structure of the antioxidant and the reaction mechanism. Number of hydroxyl groups available and the reaction products such as dimmers or quinines, capable of further reacting with DPPH· radical, influence the stoichiometry by increasing it. During this study the effect of microwave and convective drying processes at different conditions on the level of total polyphenol content as well as radical scavenging activity expressed as the DPPH values of red sweet pepper and herbs was investigated. Obtained results are demonstrated in table 1. Table 1. The influence of microwave and convective drying process on the total polyphenol content and DPPH• radical scavenging activity Plant material

Method

Microwave Red sweet pepper Convection Microwave Parsley Convection Microwave Lovage Convection *Average

Drying Conditions (temperature/ magnetic intensive ) [0C]/[%]±SD* 50±2 100±2 60±2 80±2 50±2 100±2 60±2 80±2 50±2 100±2 60±2 80±2

Total Polyphenol content (TPC)

Radical scavenging activity (DPPH)

[mg/ml]±SD* 5.73±0,03 5.91±0,05 4.98±0,05 5.37±0,04 7.4±0.07 7.7±0.08 5.9±0.05 6.6±0.07 5.3±0.05 5.9±0.07 4.5±0.03 4.9±0.04

[%]±SD* 61.48±0,16 42.89±0,78 55.34±0,56 72.26±0,75 81.9±0.72 84.6±0.71 70.9±0.61 75.6±0.69 46.9±0.34 68.3±0.67 48.8±0.53 62.3±0.57

concentration of three measurements ± standard deviation.

Red sweet pepper, parsley and lovage dried by microwave and convective drying possess good amounts of polyphenol compounds and a significant radical scavenging activity towards stable DPPH free radical. The total polyphenol content in red sweet pepper was in the range of 4.98 - 5.91 mg/ml, in parsley: 5.9 - 7.7 mg/ml and in lovage: 4.5 - 5.9 mg/ml. The highest content of total polyphenols was in plant material dried by microwave with magnetic intensive 100%. The lowest total polyphenol content was recorded in plant material dried by convection at 60 0C. The antioxidant activity value of dried plant material was expressed as radical scavenging activity and this parameter was in the range of 42.89 – 72.26 % for red sweet pepper, 70.9 84.6% for parsley and 46.9 - 68.3 % for lovage. Interestingly, the highest antioxidant function was found in plant materials dried by convection at the temperature of 80 0C and by microwave drying with magnetic intensive 100%. On the other hand, the antioxidant function of the herbs exposed by microwave drying with magnetic intensive 100% was significantly higher. The knowledge of the kinetics of atom transfer is important because free radicals in the organism are short-lived species, what implies that the impact of a substance as an antioxidant depends on its fast reactivity towards free radicals. In this study the antioxidant capacity of the red sweet pepper, parsley and lovage were analyzed as the kinetics of inhibition of free

_____________________________________________________________________________________________________ 62


radicals (the percentage of DPPH• remaining at steady state). Reaction kinetics of DPPH· free radical with plant material are shown in figure 5.

% of remainig DPPH

100

Red sweet pepper

90 80 70 60 50 40 30 20 10 0 0

5

% of remaining DPPH

Convection, 60°C

10

15

Reaction time, [min]

Convection, 80°C

20

M icrowave, 50%

25

30

M icrowave, 100%

100 90 80 70 60 50 40 30 20 10 0

Pasley

0

5

10

15

20

25

30

Reaction time, [min] Convection, 60°C

Convection, 80°C

M icrowave, 50%

M icrowave, 100%

% of remaining DPPH

100

Lovage

90 80 70 60 50 40 30 20 10 0

0

5

Convection, 60°C

10

15

Reaction time, [min]

Convection, 80°C

20

M icrowave, 50%

25

30

M icrowave, 100%

Figure 5. Reaction kinetics of DPPH• with red sweet pepper, parsley and lovage

_____________________________________________________________________________________________________ 63


It is well known that the absorbance decreases as a result of a colour change from purple to yellow when the DPPH radical is scavenged by antioxidants through donation of hydrogen to form the stable DPPH-H molecule. A more rapid decrease of the absorbance means more potent antiradical activity, expressed in terms of hydrogen donating ability of the compounds. The DPPH• scavenging capacity of biologically active compounds is mostly related to their phenol hydroxyl groups. The measurement results of reduction kinetics by red sweet pepper did not reach steady state until 20 minutes, by lovage until 15 min, whereas with the parsley the reaction steady state was achieved within 3 minutes (fast - kinetics). Polyphenol compounds are the major contributors to the biological properties like antioxidant activities of plant material. There were analyzed the UV-spectra of red sweet pepper, parsley and lovage in the wavelength range 190 - 1100 nm. The spectrum of the plant material display strong peaks, typical for phenol compounds at 245 nm and for carotenoids at 400 nm and 450 nm. Parsley and lovage contain chlorophyll, so this pigment was also registered. The typical chlorophyll band at 670 nm is of different intensity (Figure 6). 4

Red sweet pepper

3,5

Absorbance

3 2,5 2 1,5 1 0,5 0 0

200

Convection, 60 °C

400

600

Wavelength, [nm]

Convection, 80 °C

800

M icrowave, 50%

1000

1200

M icrowave, 100%

4

Parsley

3,5

Absorbance

3 2,5 2 1,5 1 0,5 0 0

200 Convection, 60 °C

400

600

Wavelength, [nm]

Convection, 80 °C

800

M icrowave, 50%

1000

1200

M icrowave, 100%

_____________________________________________________________________________________________________ 64


4

Lovage

3,5

Absorbance

3 2,5 2 1,5 1 0,5 0 0

100

200

300

400

500

600

700

800

900

1000

Wavelength, [nm] Convection, 60 °C

Convection, 80 °C

M icrowave, 50%

M icrowave, 100%

Figure 6. UV-spectra of red sweet pepper, parsley and lovage From identification of bioactive compounds by UV-spectra, it clearly revealed that studied plant material contain phenolic acids, flavonoids, carotenoids and chlorophyll. The high level of these compounds is registered in red sweet pepper dried by microwave drying with magnetic intensive 50%, in parsley dried by convective drying at 80 0C and in lovage dried by microwave drying with magnetic intensive 50 % and convective drying at 80 0C. 4. Conclusions The results of this study indicate that the antioxidant activity of red sweet pepper, parsley and lovage depends on various factors: plant type, herbs species, method and conditions of drying. The highest content of total polyphenols was in plant material dried by microwave with magnetic intensive 100%. The lowest total polyphenol content was recorded in plant material dried by convection at 60 0C. Interestingly, the highest antioxidant function was found in the plant materials dried by convection at the temperature of 80 0C and by microwave drying with magnetic intensive 100%. On the other hand, the antioxidant function of the herbs exposed by microwave drying with magnetic intensive 100% was significantly higher. Parsley was the most abundant source of polyphenol compounds and showed the highest value of antioxidant activity in the group of the studied plant materials. In addition, there was a good correlation between the methods and conditions for pepper and herbs drying – convection and microwave. The highest total polyphenol content was noted in herbs dried with microwave (magnetic intensive 100%). From identification of bioactive compounds by UV-spectra, it clearly revealed that plant material contain phenolic acids (245 nm), flavonoids (400 nm) and carotenoids (450 nm). References Brand-Williams W., Cuvelier M. E., Berset C. 1995. Use of a free radical method to evaluate antioxidant activity. Food Science and Technology, no 28, pp. 25–30. Chuah A.M., Lee Y.C., Yamaguchi T., Takamura H., Yin L.J., Matoba T. 2008. Effect of cooking on the antioxidant properties of coloured peppers. Food chemistry, no 111, pp. 20-28. Horszwald A., Julien H., Andlauer W. 2013. Characterisation of Aronia powders obtained by different drying processes. Food Chemistry, Vol. 141, pp. 2858-2863.

_____________________________________________________________________________________________________ 65


Ito N., Fukushima S., Hasegawa A., Shibata M., Ogiso T. 1983. Carcinogenicity of butylated hydroxy anisole in F344 rats. J. Natl. Cancer Inst., no 70, pp. 343-347. Kahkonen M.P., Hopia A.I., Vuorela H.J., Rauha J., Pihlaja K., Kujala T.S., Heinonen M. 1999. Antioxidant activity of plant extracts containing phenolic compounds, J. Agric. Food Chem., no 47, pp. 3954-3962. Popovici C. 2008. The influence of natural antioxidants on the oxidative stability of iodine - fortified sunflower oil in the process of storage. Surface Engineering and Applied Electrochemistry, no 44(5), pp. 415-421, http://www.springerlink.com/content/22k45nl1l3568wj9 Popovici C., Capcanari T., Zagarschih O., Deseatnicova O., Sturza O. 2010. Antioxidant activity of plant extracts containing polyphenol compounds. Journal Food and Environment Safety of the Suceava University. Food Engineering, no 3, pp. 97-104, http://www.fia.usv.ro/fiajournal/index.html Popovici C., Gîtin L., Alexe P. 2012. Supercritical fluid extraction of bioactive compounds from walnut leaves. Proceedings of International conference “Modern Technologies in the Food Industry 2012”. Technical University of Moldova, 1 – 3 November 2012, vol. II, pp. 84-89. Popovici C., Deseatnicova O., Sturza R. 2011. Extraction of bioactive phenolic compounds from plants and effects of extract on lipid oxidation. Book of abstracts of Biotech 2011 & 5th CzechSwiss Symposium, Institute of Chemical Technology Prague, Czech Republic, 15-17 June 2011, p. 61. Popovici C., Saykova I., Tylkowski B. 2009. Evaluation de l’activité antioxydant des composés phénoliques par la réactivité avec le radical libre DPPH. Revue électronique internationale pour la science et la technologie, no 4, pp. 26-39, http ://www.revue-genie-industriel.info Popovici C., Tylkowski B., Saykova I. 2009. Influence of solvent and temperature on the content and antioxidant activity of polyphenolics extracted from grape seeds (Vitis vinifiera) and separated/concentrated using nanofiltration process. ImeTI Workshop on membrane application in agrofood. Instituto per la Technologia delle Membrane, Cetraro, Italy, 18-20 October 2009, p. 64. Popovici C., Capcanari T., Deseatnicova O., Sturza R. 2011. Does application of Petroselinum Crispum and Levisticum Officinale koch. Extracts improve the thermal stability of vegetable oils? Papers of the Sibiu Alma Mater University Conference, Fifth Edition “Challenges for Science and Research in the Crisis Era” 24 – 26 March 2011, Sibiu, Romania, pp. 313-318. Popovici C., Gîtin L., Alexe P. 2012. Characterization of walnut (Juglans regia L.) green husk extract obtained by supercritical carbon dioxide fluid extraction. Journal of Food and Packaging Science, Technique and Technologies, no 1, pp. 5-9, http://mahvp.uft-plovdiv.bg/en Saykova I., Tylkowski B., Popovici C., Danalev D., Peev G. 2010. Separation of modeling systems of phenolic compounds by nanofiltration. Third International Conference on Organic Solvent Nanofiltration, Imperial College London, 13 -15 September 2010, United Kingdom, pp. 5 – 6. Singleton V.L., Orthofer R., Lamuela-Raventos R.M. 1999. Analysis of total phenols and other oxidation substrates and antioxidants by means of Folin–Ciocalteu reagent, Methods Enzymol, no 299, p. 152. Yıldız L., Sözgen Başkan K., Tütemand E., Apak R. 2008. Combined HPLC-CUPRAC (cupric ion reducing antioxidant capacity) assay of parsley, celery leaves, and nettle, Talanta, no 77, pp. 304313.

_____________________________________________________________________________________________________ 66


Hiperspektrális osztályozó eljárások összehasonlítása felszínborítási kategóriák megállapításánál Kozma-Bognár Veronika1, Berke József2 1 Pannon Egyetem, Georgikon Kar 2 Gábor Dénes Főiskola [email protected], [email protected]

Absztrakt: A hiperspektrális érzékelők által szolgáltatott adatok mennyisége és komplexitása rendkívül nagy. A képalkotás során létrehozott adattömeg több száz GB információt és több száz spektrális csatornát tartalmazhat. A magas csatornaszám és a csatornák közötti szoros összefüggések miatt a feldolgozásuk áttekintést igényel. Kutatásaink alapvető célja a hiperspektrális adatfeldolgozás folyamata során fellépő adatelemzési problémák feltárása volt. A zajjal terhelt sávok egzakt módszer alapján történő szelekciója, a teljes információtartalmat hűen reprezentáló, de jelentősen (minimum egy nagyságrenddel) kisebb mennyiségű optimális sávok kiválasztásának kidolgozása mellett hangsúlyt fektettünk az egyes osztályozó eljárások alkalmazhatóságának vizsgálataira is. Jelen publikációban a várvölgyi tesztterületünkön végzett földhasználati kategóriák megállapításánál alkalmazott ellenőrzött osztályozási eljárások eredményeit mutatjuk be. Kulcsszavak: hiperspektrális távérzékelés, felszínborítás, ellenőrzött osztályozás

1. Bevezetés Az elmúlt több mint két évtizedben az Európai Unióban több légi hiperspektrális szenzor került kifejlesztésre (AISA, APEX, ARES stb.), mely magával hozta a kutatói oldalról is jelentkező erőteljes kezdeményezést a felhasználási lehetőségek minél szélesebb körű bővítésére. Interdiszciplináris kutató közösség létrehozására indultak kezdeményezések (HYPER-I-NET), felmérésre kerültek az adatok szolgáltatóinak és felhasználóinak igényei (HYRESSA projekt). A továbbfejlesztett kutatói hálózat kiépítésének egyik központi témáját az új távérzékelési technikák által szolgáltatott adatok kiértékelési problémáira történő feladatmegoldások adták. (Nieke és Reusen, 2007). Ezt követően a felvételezések során jelentkező nagy mennyiségű és komplex adatsorok feldolgozásának nehézségei kerültek az előtérbe. Megoldásra váró problémává vált az adatokban megjelenő nagymértékű inhomogenitás (pl. spektrális, geometriai stb.), mely több szempontból is további kihívásokat váltott ki mind a kutatói mind pedig a gazdasági szféra alkalmazói rétegeiből. Megváltoztak az egyes feldolgozottsági szinteken jelentkező elvárások, amelyek a piac keresleti és kínálati oldalán is megmutatkozó követelményként nyilvánultak meg. Kutatásaink alapvető célja a hiperspektrális adatfeldolgozás folyamata során fellépő adatelemzési nehézségek feltárása volt. A vizsgálatok egyik kiemelt részét képezték a különböző osztályozási eljárások alkalmazásai és azok összehasonlító elemzései. Az osztályozás döntési folyamatának alapját a nagy változékonyságú (képi) adatok eloszlási függvényei adják (Flusser et al., 2009), melyek segítségével a felvételek pixelértékeit valamilyen tulajdonság szerint csoportosítjuk különböző matematikai, statisztikai módszerrel (Landgrebe, 2003). A szakirodalomban számos eljárással és csoportosítási formával találkozhatunk (Lu et al., 2010), amelyek a szakavatott szakemberek számára gyakorlatban is hozzáférhetőek, viszont jelentős eltérések tapasztalhatóak a többlet információk kinyerésének feladat-specifikus alkalmazásaiban.

_____________________________________________________________________________________________________ 67


2. Anyag és módszer 2.1. Kutatási terület A hiperspektrális kutatásaink helyszíne a Bakony–vidék tájegységen belül a Tátika-csoport tagjai közé tartozó Várvölgy település határában helyezkedett el. A tesztterületen (a legmagasabb pont koordinátája: N:4651'20,76"; E:1718'06,53; H:247 m") olyan táblák kerültek kijelölésre, amelyek többnyire mezőgazdasági hasznosítás alatt álltak, mivel az itt folyó kutatásaink alapvetően a földhasználati borítottságra épültek. A vizsgálati célterületek közé olyan jól beazonosítható egyéb földfelszíni objektumokat is bevontunk (erdősáv, műút, földút), amelyek később referenciaként szolgáltak egyes vizsgálatainkhoz (1. ábra). A terepi adatgyűjtés során meghatároztuk a vizsgálni kívánt osztályok számát, amely összesen 8 osztálykategóriát jelentett. A felméréskor a teljes tesztterületen elhelyezkedő természetes és mesterséges képződmények is felmérésre kerültek, ezenkívül a növényállományok állapotára vonatkozó adatgyűjtéseket is elvégeztük. Ezek meghatározása után közvetlenül lehatároltuk a konkrét kutatási területet, így végül a vizsgálatainkba bevont objektum típusok közé a következő kategóriák kerültek beállításra: kukorica, tritikálé, búza, napraforgó, műveletlen terület, erdő, műút (aszfalt), földút.

1. ábra Saját készítésű felvétel 2007.04.16-án a várvölgyi tesztterület tábláiról 2.2. Alkalmazott eszközök A hiperspektrális légifelvételek módszertani vizsgálatai során a magyarországi AISA Dual hiperspektrális szenzorral készült légifelvételeket elemeztünk. Az AISA Dual hiperspektrális szenzor az Európai Unió legjelentősebb rendszereinek egyike, amelyet a finnországi Specim Spectral Imaging Ltd. fejlesztett ki. Az AISA kameracsalád tagjaként egyesíti az AISA Eagle és Hawk szenzorokat. A duális tartóban történő rögzítése révén lehetővé teszi, hogy a 4002450 nm spektrális tartományból összehangolt módon gyűjtsön adatokat maximálisan 498 spektrális sávban. Az AISA Dual rendszer egy kompakt, alacsony költségszintű, repülőgépre szerelhető, kiváló működési jellemzőkkel és magas teljesítménnyel rendelkező képalkotó rendszer. Az AISA rendszer stabil működése mellett, nagy spektrális (359 csatorna) és viszonylag magas (1-1,5 m2/pixel) térbeli felbontású légifelvételeket biztosított számunkra, amely a várvölgyi tesztterületünk vizsgálataihoz elegendő információt szolgáltatott a

_____________________________________________________________________________________________________ 68


vizsgálatainkhoz. Az érzékelők kutatásaink szempontjából fontos műszaki paramétereit az 1. táblázat tartalmazza (Specim Spectral Imaging Ltd. hivatalos weboldal). 1. táblázat AISA Dual technikai paraméterei Spektrális tartomány Spektrális felbontás Spektrális minta/pixel Spektrális mélység (bit) Térbeli pixelszám Optika FOV IFOV Képalkotási gyorsaság

VNIR szenzor (Eagle)

SWIR szenzor (Hawk)

AISA Dual

400-970 nm 244 2,3 nm 12 1024 18.5 mm 37.7 fok 0,037 fok 100 kép/s-ig

970-2450 nm 254 5,8 nm 14 320 22.5 (vagy 14) mm 24 fok 0,075 fok 100 kép/s-ig

400-2450 nm 498 2,3; 5,8 14 320 18.04 24 fok 0,075 fok 100 kép/s-ig

2.3. Alkalmazott osztályozó eljárások A várvölgyi tesztterületünkön elhelyezkedő felszínborítási kategóriák ismertek voltak számunkra, ezért vizsgálataink során ellenőrzött pixel alapú osztályozási eljárások találati pontosságát kívántuk meghatározni. A vizsgálataink során tehát a hiperspektrális felvételek elemzésénél leggyakrabban alkalmazott ellenőrzött osztályozási eljárások kerültek összehasonlításra. Kilenc tanító alapú osztályozási módszert vettünk figyelembe, melyek kijelölésénél az alapvető cél, olyan metrikák bevonása volt, amelyek elsősorban multispektrális képek vizsgálatához kerültek kifejlesztésre, ugyanakkor egyedi hiperspektrális adatok osztályozására kifejlesztett módszerekkel történő összehasonlításra is lehetőséget adnak. További szempont volt az is, hogy a leggyakrabban használt hiperspektrális adatfeldolgozó szoftverek eljárásai is kerüljenek tanulmányozásra, hiszen a felhasználók, szakemberek elsősorban ezek alkalmazásával találkozhatnak. A fenti szempontok alapján az ENVI 4.7 programba beépített összesen kilenc különböző tanítóterületes osztályozási eljárást megvizsgáltuk, ezek közül a gyakorlatban általánosan leginkább használt öt módszerre fektettük a hangsúlyt. Számos más módszer is létezik kifejezetten hiperspektrális adatfeldolgozásra: Independent Component Analysis (ICA), Mutual Information (MI), Markov Random Field (MRF), Fisher’s Discriminant Analysis (FDA). A vizsgálataink jelenleg ezen eljárások tanulmányozására nem terjedtek ki, mivel az ENVI program nem tartalmazza őket. A kutatásaink során tehát az alábbi kilenc metrikára épülő osztályozási módszer került kiválasztásra: 1.

Parallelepiped classification (PA)

A hipertégla osztályozás során a koordinátatengelyekkel párhuzamos oldalú téglalapot tekintjük az osztály intenzitásterének. Amennyiben az ismeretlen képelem egy felvett „dobozba” esik, akkor az annak megfelelő osztályba kerül besorolásra, viszont a dobozokon kívül eső, illetve a dobozok között elhelyezkedő pixelek nem kerülnek osztályozásra. A hiperspektrális felvételek sávjai között többé-kevésbé szoros korreláció van, emiatt az egyes osztályok eloszlásai ferdék vagy elnyúltak lehetnek. Mivel a dobozok párhuzamosak a spektrális tengelyekkel, ezért „átlapolódhatnak”, így bizonyos pixelek ebből kifolyólag nem kerülnek osztályozásra. 2.

Minimum Distance classification (MD)

Az MD osztályozás az egyes osztályok középértékeitől mért legkisebb távolság szerint osztályoz. Az osztályozás során az ismeretlen pixel abba az osztályba kerül, amelynek

_____________________________________________________________________________________________________ 69


tulajdonságtérbeli osztályközéppontja a legközelebb áll hozzá. A számítás többnyire euklideszi távolság alapján történik, noha más távolságnormák is alkalmazhatók. Kevésbé rugalmas módszernek tekinthető, mivel az osztályközéptől való távolságot veszi csak figyelembe, de az irányát nem. Mivel az osztály variabilitásával nem számol, így alul- vagy túlreprezentált osztályokat eredményezhet. 3.

Mahalanobis Distance classification (MA)

A mahalanobis osztályozás egy irány érzékeny távolság alapú osztályozás, amely statisztikai elemzésekre épül. A távolságokon kívül kovariancia mátrixot is figyelembe vesz az osztályba sorolás alkalmával, ebben különbözik a minimális spektrális távolság módszerétől és emiatt mutat hasonlóságot a maximum likelihood eljáráshoz. Viszont ez a módszer feltételezi, hogy az osztályok kovarianciája megegyezik, ezért gyorsabb lefutást eredményez. A sávok közötti kapcsolat jellemzésére szolgáló alapstatisztikai módszerek a kovariancia és a korrelációs mátrixok. A kiszámított korrelációs mátrix értékei a főátlóra szimmetrikusak, és az egyes sávok közötti lineáris kapcsolat szorosságát fejezik ki. 4.

Maximum Likelihood classification (ML)

A módszer az adott osztályhoz tartozó pixelek intenzitásainak gyakoriságát, valószínűségeloszlását veszi figyelembe. Megvizsgálja, hogy az ismeretlen képelem milyen valószínűséggel tartozik egy adott osztályba és oda sorolja be, amelyik osztályban ilyen érték gyakrabban fordul elő. Egy parametrikus módszer, amely függ az egyes sávok adatainak normális eloszlásától. Az alapegyenlet feltételezi, hogy a bemenő sávoknak az eloszlása normális. A maximum likelihood eljárásban a minták sajátosságait a számtani középérték vektoraikon kívül a kovariancia-mátrixukkal is jellemezzük, így nemcsak az osztályközéptől való távolságot vizsgájuk, hanem annak irányát is. Ezért általánosságban jobb eredményeket ad, amennyiben megfelelő számú tanuló-pixel kerül kijelölésre minden osztály esetében. 5.

Spectral Angle Mapper (SAM)

A SAM volt a legelső objektumkereső módszerek egyike, amely a hiperspektrális felvételeknél rendszeresen alkalmazott és a spektrálisan definiálható tulajdonságok keresésére szolgál. Az algoritmus - az elnevezéséből adódóan - két spektrum közötti spektrális hasonlóságot határoz meg. A spektrumgörbe lefutását vizsgálja úgy, hogy a referenciaként szolgáló és a vizsgált pixel spektruma közötti szögeltérést, a vektorok által bezárt szöget adja meg. A spektrális szög kevésbé érzékeny a pixelek intenzitásának változásaira, mivel nem veszi figyelembe a különböző megvilágításokból adódó különbségeket (pl. domborzati különbözőségek, felhők hatása). Az intenzitás csökkenése vagy növekedése a vektorok hosszát megváltoztatja, de a vektorok irányát nem, így a SAM az árnyékhatás kiszűrését is csökkenti (Kerse, 2002). 6.

Spectral Information Divergence (SID)

A SID spektrális osztályozó eljárás, divergencia vizsgálaton alapul. A módszer a referencia spektrum és a vizsgálat pixel közötti eltérést vizsgálja: minél kisebb az eltérés, annál nagyobb két pixel hasonlóságának valószínűsége. Amennyiben a mért divergencia meghaladja a maximális küszöbértéket a vizsgált pixel nem kerül osztályozásra. 7.

Binary Encoding (BE)

A BE osztályozó módszer az adatokat 0 és 1 közötti értékekre kódolja attól függően, hogy a spektrum az átlag alá vagy fölé esik. Az osztályozott kép előállításához egy speciális függvényt használ, amely összehasonlítja a kódolt adat spektrumát a kódolt referencia spektrummal. Az eljárás során minden pixel osztályozásra kerül, kivéve ha megadunk egy

_____________________________________________________________________________________________________ 70


minimum küszöbértéket, így azok a pixelek amelyek nem teljesítik ezt a kritériumot, nem kerülnek besorolásra (Mazer et al., 1988). 8.

Neural Net (NN)

A neurális hálózat alapján végrehajtott osztályozás nem lineáris osztályozást takar. Megadhatjuk hány rejtett réteget kívánunk figyelembe venni valamint kiválaszthatjuk, hogy logaritmikus vagy hiperbolikus függvény kerüljön súlyfüggvényként alkalmazásra. Az ellenőrzött osztályozás tanítási folyamata során súlypontok kerülnek a felhasználó által a mintaterületek alapján megadásra. A hálózat és a súlypontok beállítása közötti eltérés rekurzív módszer segítségével minimalizálható (Richards, 1999). Az NN segítségével modellezhetőek a bemenő és kimenő adatok komplex kapcsolatai is. 9.

Support Vector Machines (SVM)

Az SVM statisztikai elemzéseken alapuló osztályozási módszer, amely egy döntési felület segítségével különíti el az egyes osztályokat, azáltal hogy maximalizálja az osztályok közötti határokat (optimális hipersík). A hipersíkhoz legközelebbi adatpontokat „support vector”-nak nevezzük. Az SVM a komplex és a zajos adatkocka esetében kiváló osztályozási eredményeket biztosít (Hsu et al., 2007). A hiperspektrális elemzéseket egyforma előfeldolgozottsági szinttel hajtottuk végre, tehát minden osztályozásnál azonos bemenő adatsorral dolgoztunk. Az osztályozási módszerek teljes mértékű összehasoníthatóságának biztosítása érdekében minden esetben azonos tanítóterületekkel valósítottuk meg az ellenőrzött osztályozást. Nem rendelkeztünk referencia spektrumokkal, ezért a felvételről - tanítóterületek segítségével - vettünk fel spektrumokat. A tesztterületen gyűjtött tapasztalataink alapján a sokszög (poligon) típusú tanítóterületek (Region of Interest = ROI) kijelölésével adtuk meg a lehető legnagyobb homogén egységeket. 3. Eredmények A hiperspektrális felvételeken alkalmazható osztályozó eljárások vizsgálata során a minél megbízhatóbb kiértékelések biztosítása érdekében négy bemenő adatsoron is lefuttattuk az osztályozó eljárásokat. Korábbi adatoptimalizálási vizsgálataink alapján bemenő adatokként a következő csatornák kerültek kiválasztásra (Kozma-Bognár és Berke, 2012):    

a teljes adatkocka: 1-359 csatorna, a spektrális fraktálszerkezet alapján történő zaj nélküli sávok: 6-122, 127-145, 153-183, 199255, 282-357 csatorna, a spektrális fraktálszerkezet alapján minimális optimális sávok: 65, 71, 128, 167, 243, 288 csatorna, a spektrális fraktálszerkezet alapján maximális optimális sávokat: 2, 26, 49, 55, 62, 78, 83, 90, 98, 114, 122, 138, 166, 201, 215, 272, 285, 293, 301, 327, 350 csatorna

Ezt követően ezen input adatsorok eredményességét ellenőriztük az egyes osztályozási módszerek találati pontosságának meghatározásával, valamint annak diszkussziójával. Az osztályozás bemenő paramétereinek felvétele során, kilenc tábláról vettünk táblánként egy-egy független mintát (ROI-t), melyeket az osztályozás elvégzésekor is független paraméternek tekintettünk.

_____________________________________________________________________________________________________ 71


2. ábra A mintaterületek (ROI-k) alapvető jellemzőit bemutató táblázat A mintaterületek (ROI-k) alapvető jellemzőit mutatja be a 2. ábra, melyben a sorszámmal ellátott összesen kilenc minta öt osztályt alkotott, mivel négy esetben (1. és 3. tábla kukorica, 2. és 5. tábla tritikálé, 4. és 6. tábla búza, 7. tábla műveletlen terület, 8. és 10. tábla napraforgó) két-két tábla is ugyanazt a növénykultúrát tartalmazta. További három mintát is felvettünk (erdősáv, aszfaltos műút, földút), ezen objektumok ugyan nem képezték vizsgálataink tárgyát, de a korábbi kilenc minta területei között megtalálhatóak voltak (Kozma-Bognár, 2013). A 3. ábrán a felvett mintaterületek láthatóak a vizsgálati terület eredeti színkompozitja mellett (3/a., 3/b. ábra).

3. ábra Az osztályozásra előkészített, méretezett terület eredeti (CaliGeo) színkompozit felvétele (a. - bal oldali kép), a felvett mintaterületek, ROI-k (b. - jobb oldali kép) A képosztályozás eredményeinek ellenőrzésére hibamátrixot alkalmaztunk. A hibamátrix a hibaértékelési eljárások során leggyakrabban alkalmazott értékelési lehetőség, amely előnye abban rejlik, hogy az egyes osztályok közötti összefüggésekre is rámutat. Az osztályozás megbízhatóságának helyességét a hibamátrix átlós értekei mutatták, mivel az ott feltüntetett pixelértékek kerülnek helyesen osztályozásra. A találati pontosságok az eredményképeken történt mérésekből kerültek tehát kiszámításra. Az egyes ROI-kon belül, a ROI intenzitásértéke alapján meghatároztuk a helyesen osztályozott pixelek számát, melyet az adott ROI teljes képpontjainak számával elosztva, majd százzal szorozva megkaptuk százalékban a találati pontosságokat. A következő ábrákon bemutatjuk a osztályozási módszerek által a nagyfelbontású AISA Dual hiperspektrális légifelvételen adott eredményképeket. A 4. ábra a Support Vector Machines, a Maximum Likelihood, a Spectral

_____________________________________________________________________________________________________ 72


Angle Mapper, az 5. ábra a Parallelepiped, a Minimum Distance, a Mahalanobis Distance, a 6. ábra pedig a Spectral Information Divergence, a Binary Encoding és a Neural Net osztályozási módszerek által létrehozott osztályozási eredményeket ábrázolja.

4. ábra A Support Vector Machines, a Maximum Likelihood, a Spectral Angle Mapper osztályozási módszerek eredményképei (balról jobbra haladva)

5. ábra A Parallelepiped, a Minimum Distance, a Mahalanobis Distance osztályozási módszerek eredményképei (balról jobbra haladva)

6. ábra A Spectral Information Divergence, a Binary Encoding és a Neural Net osztályozási módszerek eredményképei (balról jobbra haladva) A képpontok osztályozásának eredményeit a 2. táblázatban összesítettük. Az eredményeket bemutató táblázatban a százalékos találati pontosságok kerültek feltüntetésre. Vastagon szedett számokkal emeltük ki egy adott metrika és növénykultúra minta esetén kapott legnagyobb találati pontosságot. Egy adott növénykultúra esetén az egyes metrikák számtani átlaga alapján megadott összesített találati pontosság legnagyobb értékét pedig *-gal jelöltük.

_____________________________________________________________________________________________________ 73


2. táblázat Az osztályozások találati pontosságát mintaterületek és a választott metrikák alapján bemutató táblázat Osztályozás típusa

Teljes kép

MA ML SAM PA MD SID BE NN SVM

95.50 98.40 61.50 82.10 66.20 63.80 45.80 N.A. N.A.

Osztályozás típusa

Teljes kép

MA ML SAM PA MD SID BE NN SVM ÁTLAG:

78.58 99.40 61.20 66.40 61.30 62.13 34.36 N.A. N.A. 69.72

KUKORICA

TRITIKÁLÉ

BÚZA

1. tábla - kukorica

2. tábla - tritikálé

4. tábla - búza

Zaj nélkül Optimális6 Optimális21

87.90 96.60 93.80 98.90 61.50 67.90 93.00 96.00 66.40 73.10 62.46 66.09 62.18 91.37 N.A. 93.81 N.A. 95.90 3. tábla - kukorica

84.00 92.80 63.00 92.40 62.70 57.14 42.07 88.54 92.92


98.90 99.90 61.50 82.20 60.80 62.20 56.59 N.A. N.A. 75.94

84.30 95.20 60.40 88.20 64.40 37.30 66.39 94.50 92.66 80.51*

92.30 98.90 70.00 90.90 60.70 60.26 57.05 99.62 99.03 78.02

Teljes Zaj Teljes Optimális6 Optimális21 kép nélkül kép

97.50 99.90 82.40 21.20 69.30 85.80 80.07 N.A. N.A.

MA ML SAM PA MD SID BE NN SVM

96.50 88.30 85.80 32.00 72.50 81.03 62.58 N.A. N.A. 75.35

Osztályozás típusa

MA ML SAM PA MD SID BE NN SVM ÁTLAG:

90.90 97.50 99.60 100.00 97.60 100.00 60.10 55.30 78.10 84.60 43.80 85.30 91.80 91.60 92.80 14.55 46.13 66.82 11.32 0.00 63.41 N.A. 97.78 99.13 N.A. 98.32 99.29 10. tábla napraforgó

100.00 100.00 68.00 73.70 95.10 75.10 0.00 N.A. N.A.


99.60 99.90 75.00 80.70 97.40 8.70 32.54 N.A. N.A. 70.39

99.60 100.00 76.00 90.40 97.80 41.18 12.25 N.A. N.A. 69.94

93.50 98.80 86.00 51.10 98.80 78.05 0.00 99.63 99.49 76.19

99.20 99.60 90.20 89.10 94.70 91.25 76.49 N.A. N.A.

97.30 89.70 86.50 31.80 73.00 84.05 50.11 N.A. N.A. 75.41

78.80 92.50 78.20 28.80 75.50 79.46 78.04 17.18 75.88 69.10

91.40 95.40 80.50 23.70 73.30 80.14 64.08 88.41 87.53 77.30*

99.70 99.72 96.20 78.90 93.50 95.40 94.25 N.A. N.A. 92.73

77.70 99.20 95.40 99.60 89.50 93.10 80.20 90.10 94.70 95.00 92.02 92.94 0.00 87.12 N.A. 93.84 N.A. 98.16 6. tábla - búza

83.90 96.30 86.90 85.50 94.30 89.94 61.49 98.90 97.53


99.80 99.80 97.50 92.60 93.70 95.72 96.26 N.A. N.A. 95.15*

89.70 99.40 95.20 92.50 92.10 95.75 0.00 99.03 99.69 82.51

98.40 99.60 98.50 95.20 94.90 98.21 91.87 99.89 99.76 92.84

MŰVELETLEN TERÜLET 7. tábla műveletlen terület


99.60 99.90 62.00 79.40 92.30 23.83 34.52 N.A. N.A.

97.00 98.80 79.70 13.20 65.80 81.15 81.21 94.62 95.38


NAPRAFORGÓ 8. tábla napraforgó Osztályozás típusa

89.40 97.50 100.00 95.40 66.60 83.60 18.80 20.60 68.90 74.20 54.25 86.59 77.23 86.02 N.A. 75.78 N.A. 87.81 5. tábla - tritikálé


98.50 99.90 68.00 90.20 97.40 55.69 60.99 99.81 99.79 83.77*

100.00 100.00 68.00 73.70 95.10 75.10 0.00 N.A. N.A. 73.13


90.00 97.40 100.00 99.30 99.90 100.00 65.90 61.30 69.50 92.70 95.70 96.50 94.30 92.40 95.20 68.73 66.22 74.37 0.00 0.00 29.22 N.A. 99.37 99.76 N.A. 99.16 99.45 7. tábla műveletlen terület Zaj nélkül Optimális6 Optimális21

100.00 100.00 69.50 92.70 95.20 74.37 29.22 N.A. N.A. 80.14*

90.00 99.30 65.90 95.70 94.30 68.73 0.00 99.37 99.16 79.16

97.40 99.90 61.30 96.50 92.40 66.22 0.00 99.76 99.45 79.21

A eredmények kiértékelése során egyértelműen megállapítható, hogy az általunk javasolt SFD ujjlenyomatok egyes görbéi alapján meghatározott zaj nélküli, minimális és maximális optimális csatornák felhasználásával történő osztályozás bármely metrika választása esetén kukorica, búza, műveletlen terület és napraforgó növénykultúrákra nagyobb vagy esetleg egyenlő találati pontosságot eredményezett, mint a teljes, 359 sáv alapján osztályozott felvétel vonatkozásában. A tritikálé osztályozásánál négy metrika (MA, ML, SAM és MD) esetén kaptunk hasonló eredményt. Egyetlen metrika (PA) esetében tapasztaltunk a teljes 359 sáv alapú osztályozásra 0,2 %-kal nagyobb találati pontosságot. A műveletlen terület esetében pedig csak a SID eljárásnál találtunk 0,73 %-kal magasabb osztályozási eredményt a teljes adatkockához képest. Az összesített eredményeket a 3. táblázatban foglaltuk össze. Az átlag jelzésű sorban szerepel az összes mintára és az öt illetve kilenc metrika alapján átlagolt

_____________________________________________________________________________________________________ 74


találati pontosság, míg az összesen oszlopban az egyes metrikák összesített találati pontosságát adtuk meg. 3. táblázat Az osztályozások minden növénykultúrára összesített találati pontossága

Osztályozás típusa Parallelepiped Minimum distance Mahalanobis Maximum likelihood Spectral Angle Mapper Spectral Information Divergence Binary Encoding Neural Net Support Vector Machine ÁTLAG 5 metrikára ÁTLAG 9 metrikára

ÁTLAGOS TALÁLATI PONTOSSÁG SFD SFD Teljes kép Zaj nélkül Optimális (359 sáv) (300 sáv) (6 sáv) 67,06 75,33 66,12 82,48 82,48 84,47 96,24 86,91 98,72 98,35 98,66 96,38 75,81 76,59 76,42

SFD Optimális (21 sáv) 74,77 81,46 93,38 97,96 73,69

ÖSSZESEN 70,82 82,72 93,81 97,83 75,63

65,23

68,23

70,94

70,54

68,73

51,18 N.A. N.A. 83,40 76,62

54,56 N.A. N.A. 85,56 79,22

34,78 85,66 94,12 81,61 77,31

58,02 96,52 96,74 83,43 82,56

49,64 91,09 95,43

A osztályozások közül egyértelműen az ML teljesített a legjobban (97,83 %), ami egyezik a legtöbb multispektrális felvételeknél publikált irodalmi adatokkal (Schowengerdt, 2007). Érdekesség, hogy a legnagyobb egyedi összesített találati pontosságot a Mahalanobis osztályozás zaj nélküli sávjainak osztályozása esetén kaptuk (98,72 %). További lényeges megállapítás az első öt osztályozási módszer találati pontosságát illetően az, hogy az SFD alapján zajosnak minősített sávok eltávolítása után maradt 300 csatorna osztályozásakor több mint 2 %-al nagyobb (2,16 %) találati pontosságot mértünk, mint az összes csatorna használata során. Az eredmény kiemelkedő abból a szempontból is, hogy magas találati pontosság esetén kaptuk ezen jelentős pontosság növekedést, amely ismerve a szakirodalmi adatokat jelentős javulásnak nevezhető. Az SFD optimális 21 sáv osztályozása ugyanazt az (minimálisan jobb) eredményt adta mint a teljes 359 sávé, ami esetünkben azért rendkívüli, mivel 21 sáv alapján történő osztályozás lényegesen kisebb futási idővel jár, mint a 359 sáv alapú osztályozás. A 6 sáv alapú osztályozás találati pontossága pedig alig maradt el (1,79 %al) a teljes adatkocka alapján történő osztályozás pontosságától, amely a futási idők közel két nagyságrendbeli eltérésének ismeretében, nagy számításigényű felvételek osztályozása esetén kiváló eredménynek számít. A Spectral Information Divergence (SID), Binary Encoding (BE) - esetén átlagosan, alacsonyabb értékeket kaptunk a vártnál (SID - 68.73% és BE - 49.64% értékek). A másik két módszer (Neural Net - NN, Support Vector Machine - SVM) ugyan jelentősen magasabb értékeket adott (NN - 91.09%, SVM - 95.43 %), ugyanakkor csak 6 illetve 21 optimális sáv esetén volt elfogadható időn belüli a futási idő (3-4 óra). A zaj nélküli (300 sáv) vagy a teljes képre (359 sáv) a mérések alapján becsült futási idő meghaladta volna az 1000 órát (40 napot) egy asztali számítógép esetén (CPU: 2.4 GHz, 4 mag, RAM: 4 GByte), amely nem megfelelő a mai gyakorlati alkalmazások eredményeit illetően, így ezen adatkiértékeléseknél nem kerültek beállításra. Megjegyezzük, hogy a vizsgálatok (2012 vége) óta egyes alkalmazásokban lényegesen hatékonyabb algoritmusok kerültek kidolgozásra és alkalmazásra, így a futási idő ugyan jelentősen javult, de még mindig nem éri el a néhány órás elfogadhatónak minősíthető időtartamot. Ezen módszertani kutatások további folytatása céljából természetes élőhelyek vegetációinak vizsgálatát tervezzük, melyek az éghajlatváltozás esteleges hatásainak tanulmányozásához kerülnének felhasználásra.

_____________________________________________________________________________________________________ 75


4. Összefoglalás Az elvégzett kutatások személyi számítógépen gyakorlatban is alkalmazható osztályozási eljárások találati pontosságát vizsgálata úgy, hogy a hiperspektrális adatok teljes adatmennyiségét (teljes kép), a zajnélküli sávokkal csökkentett (zaj nélkül), és az általunk kifejlesztett optimalizációs eljárás alkalmazásával kapott további két adatsort (optimális 6 és optimális 21) kívánta összehasonlítani. Az osztályozási eljárások közül megállapítható, hogy a maximum likelihood módszer mutatta a legnagyobb összesített találati pontosságot. Az SVM szintén magas értékeket adott, ugyanakkor csak 6 vagy 21 optimális sáv esetén volt elfogatható időtartamon belüli a futási idő. A kapott eredmények egyértelműen alátámasztották azon tényt, hogy az osztályozást megelőző fraktálszerkezet alapú előfeldolgozások jelentősen javíthatják a találati pontosságot és a futási időt, ezáltal a kapott eredmények megbízhatóságát. Köszönetnyilvánítás Jelen cikk a TÁMOP-4.2.2.A-11/1/KONV-2012-0064 számú "Az éghajlatváltozásból eredő időjárási szélsőségek regionális hatásai és a kárenyhítés lehetőségei a következő évtizedekben" című projekt keretében készült. A projekt az Európai Unió támogatásával, az Európai Szociális Alap társfinanszírozásával valósul meg. Irodalomjegyzék Flusser, J., Suk, T., Zitová, B. 2009. Moments and Moment Invariants in Pattern Recognition. John Wiley and Sons Inc. ISBN: 978-0-470-69987-4. Hsu, C.W., Chang, C.C., Lin, C.J. 2007. A practical guide to support vector classification.National Taiwan University. http://ntu.csie.org/~cjlin/papers/guide/guide.pdf. Kerse, C.T. 2002. Mapping salinity using multispectral and hyperspectral data in Tabernas, Southeast Spain. Enschede, ITC. Kozma-Bognár, V. 2013. Hiperspektrális felvételek feldolgozásának és mezőgazdasági alkalmazásának vizsgálata. PhD disszertáció. Pannon Egyetem, Georgikon Kar, Meteorológia és Vízgazdálkodás Tanszék. http://konyvtar.uni-pannon.hu/doktori/2012/KozmaBognar_Veronika_dissertation.pdf Kozma-Bognár, V., Berke, J. 2012. Determination of Optimal Hyper- and Multispectral Image Channels by Spectral Fractal Structure. In CD Proceedings of International Joint Conferences on Computer, Information, and Systems Sciences, and Engineering. December 7 - 9, 2012. Landgrebe, D.A. 2003. Signal Theory Methods in Multispectral Remote Sensing. John Wiley and Sons. Inc. Hoboken. New Jersey. ISBN 0-471-42028-X. Lu, J., Bin, Z., Yang, T. 2010. Hyperspectral Image Classification methods. Chapter 3 of Hyperspectral Imaging for Food Quality Analysis and Control. Elsevir Inc. Mazer, A. S., Martin, M., Lee, M., Solomon, J. E. 1988. Image Processing Software for Imaging Spectrometry Analysis. Remote Sensing of the Environment. v. 24. no. 1. pp. 201-210. Nieke, J., Reusen, I. 2007. A New Method to Retrieve the Data Requirements of the Remote Sensing Community – Exemplarily Demonstrated for Hyperspectral User Needs. Sensors Vol. 7. Issue 8. ISSN 1424-8220. Richards, J.A. 1999. Remote Sensing Digital Image Analysis, Springer-Verlag, Berlin, p.240. Schowengerdt, R.A. 2007. Remote Sensing Models and Methods for Image Processing. Elsevier. ISBN 13: 978-0-12-369407-2. Specim Spectral Imaging Ltd. hivatalos weboldal: http://www.specim.fi/.

_____________________________________________________________________________________________________ 76


GIS technológiák oktatása a Pannon Egyetem Georgikon Karán Busznyák János, Csák Máté Pannon Egyetem, HU [email protected], [email protected]

Összefoglaló: A Georgikon Kar oktatási kínálatában a múlt század kilencvenes éveinek elejétől, kb. 20 éve találhatóak a térinformatikai ismeretköröket tartalmazó tárgyak. Két irányból indult a folyamat. Egyrészt az informatikai jellegű kutatások specializálódása, másrészt a növénytermesztési, növényvédelemi és talajtani kutatások igénye a technológiai fejlesztések irányába hozta létre az első kutatási majd oktatási „termékeinket”. Minőségileg változtak a lehetőségek az ezredfordulón. A globális helymeghatározás eszközrendszerének fejlődése a mezőgazdasági és környezetvédelmi alkalmazási lehetőségek robbanásszerű bővülését eredményezte A térinformatika (Térbeli információk tudománya) alkalmazása során újabb és újabb tudományterületek kapcsolódási pontjai tárultak fel. A térinformatikához kapcsolt területek körébe jelen vizsgálat szempontjából leginkább a GIS, távérzékelés, geodézia, kartográfia, GPS (Global Positioning System), CAD (Computer-Aided Design), 3D (three-dimensional modeling) megjelenítés témaköreit értjük bele. Kicsit szűkítő értelmezésben, természetesen az alábbi címet is adhattuk volna: A térinformatika és a kapcsolódó tudományterületek eszközrendszere a precíziós mezőgazdaság oktatási gyakorlatában. Feldolgozásra kerülő témakörök: A Pannon Egyetem Georgikon Karán folyó, térinformatikához köthető képzések, tárgyak első és második évtizede. Tapasztalatok, tervek a magyarországi és külföldi hallgatók magyar nyelvű MSc, BSc oktatásában, illetve a külföldi hallgatók idegen nyelvű képzése során (FAO MSc, Erasmus). Kulcsszavak: térinformatika (GIS), oktatásmódszertan, idegen nyelvű képzés

agrárinformatika

történet,

térképszerver,

The instruction of GIS technologies at the Georgikon Faculty of the University of Pannonia Abstract: GIS knowledge has been included in the subjects offered at the Georgikon Faculty since the early 1990s, that is for about 20 years. The process started off from two different directions. On one hand, the specialisation of IT research, and on the other-the need of plant growing, plant protection and soil research for technological development created the first research and instructional ’products’. Possibilities in quality changed at the turn of the century. The development of the infrastructure of global positioning resulted in a rapid expansion of agricultural and environmental protection applications. With the application of GIS (the science of spatial information) newer and newer common points were identified with different scientific fields. Fields connected to GIS at the present examination are mostly GIS, remote sensing, geodesy, cartography, GPS (Global Positioning System), CAD (Computer-Aided Design), and 3D (threedimensional) modeling. We would like to introduce the experiences of 20 years-the first and the second decade of the instruction of GIS technologies for Hungarian and Foreign students (FAO MSc, Erasmus), as well as our plans for the future.

_____________________________________________________________________________________________________ 77


Keywords: GIS, history of IT in agriculture, mapserver, instructional methodology, foreign language instructions

1. Bevezetés A Georgikon Kar agrárinformatikai oktatási struktúráinak kezdetei a múlt évszázad hetvenes éveinek végén megalakított Georgikon Kar Számítóközponthoz nyúlnak vissza. Ezen a néven 1992-ig működött, majd felállt 1992 és 2001 között a Szaktanácsadási, Továbbképzési és Informatikai Központ kicsit más struktúrában. 2001-ben került megalakításra az Informatikai Csoport, amely azóta változó felállásban a Gazdságmatematika, Statisztika és a Számviteli Csoporttal együtt alkot egy tanszéket.

1. ábra Az agrárinformatika első lépései a Georgikonon

2. A Pannon Egyetem Georgikon Karán folyó, térinformatikához köthető képzések, tárgyak bemutatása Jelen vizsgálatban a GIS és az ahhoz kapcsolódó ismeretkörök témakörében a GIS, távérzékelés, geodézia, kartográfia, GPS (Global Positioning System), CAD (ComputerAided Design), 3D (three-dimensional modeling) megjelenítés témakörei mellett a mobilkommunikációhoz és képfeldolgozáshoz kapcsolódó ismeretátadást is vizsgáltuk. Természetesen még sok –sok kapcsolódási lehetőség adódhatna, de a Georgikon Kar speciális igényei ezeket a hozzávetőleges határokat jelölik ki a GIS interdiszciplináris eszközrendszer számára 2.1. Mester- és alapképzések a karon Korszerű tematikájú, térinformatikai ismereteket is átadó tárgyak az induló BSc és MSc szakokon 2005-2006-os tanévtől kerültek bevezetésre. Ellentétben az alapozó informatika tárgy hiányosságaival, és azóta is meglévő struktúrális gondjaival, ezek hatékony és stabil keretet adtak, adnak az információátadásnak. Félkövér kiemeléssel láthatóak azok a mester- és alapképzési szakok, amelyeken térinformatikához szorosan köthető ismeretanyag átadása zajlik a Georgikon Karon. MSc Képzések      

Agrármérnöki Mester Szak Állattenyésztő mérnök Mester Szak Kertészmérnök Mester Szak Növényorvosi Mester Szak Természetvédelmi mérnök Mester Szak Vidékfejlesztési agrármérnöki Mester Szak

_____________________________________________________________________________________________________ 78


BSc képzések        

Állattenyésztő mérnöki (BSc) Gazdasági és vidékfejlesztési agrármérnöki (BSc) Kertészmérnöki (BSc) Környezetgazdálkodási agrármérnöki (BSc) Mezőgazdasági mérnöki (BSc) Növénytermesztő mérnöki (BSc) Természetvédelmi mérnöki (BSc) Turizmus-vendéglátás (BA)

Térinformatikai témaköröket tartalmazó tárgyak   

Agrárinformatika jellegű jellemző tárgy Informatika ágazati alkalmazásai Mobilkommunikáció alkalmazásai Növényvédelemhez kapcsolódó jellemző tárgy Növényvédelmi informatika alkalmazásai Növényvédelmi informatika Térinformatikához leginkább köthető jellemző Térinformatika Térinformatika agráralkalmazásai Térinformatika növényvédelmi alkalmazásai Térinformatika környezetvédelmi alkalmazásai Távérzékelés

2.2. A Georgikon karon végzettek térinformatikai ismeretei A Pannon Egyetem Georgikon Karán a 2013. évben összesen 146 hallgatói helyen folyt térinformatikához köthető képzés (tantárgy). Ez az adat 2009-2010-es tanévben 169 fő volt. Ebből a 74 (91 fő 2008-2010-ben) MSc (egyetemi) kurzushely az átfedések miatt 57 (58 fő 2009-2010-ben) hallgatót jelent. A BSc képzésben 54 (65 fő 2009-2010-ben) szakmérnöki képzésben 18 (13 fő 2009-2010-ben) fő vett részt. Az évenkénti 129 (136 fő 2009-2010-ben) fő a Kar hallgatói létszámához (134 fő MSc, 942 fő BSc, 66 fő szakmérnöki) képest jelentős. Kijelenthető, hogy a végzett mérnökök körülbelül 50%-a találkozik térinformatikai ismeretekkel a tanulmányai alatt. Ez az adat az utóbbi 3-4 évben gyakorlatilag változatlan (1. táblázat). Annak ellenére elmondható ez, hogy van a kar szakkínálatában több olyan, főként BSc-szak ahol indokolt lenne a térinformatika tárgy bevezetése. Ilyen például a mezőgazdasági mérnök és a növénytermesztő mérnök szak. 1. táblázat Térinformatikai jellegű tárgyat lezárt hallgatók

Képzéstípus BSc MSc Szakmérnök

GIS ismeretek 2009-2010tanév fő 65 58 13

Összesen

136

GIS ismeretek 2013 év fő 54 57 18 129

3. Az oktatás során felhasznált, saját üzemeltetésű (Georgikon Térképszerver) és külső eszközrendszer alkalmazásának tapasztalatai Az oktatási feladatok elsődleges és megbízható támogatását a saját üzemeltetésű GIS labor, a Georgikon GNSS Bázisállomás (gnss.georgikon.hu) és a Georgikon Térképszerver – _____________________________________________________________________________________________________ 79


(map.georgikon.hu) jelentik (Busznyák és Sisák). Ezekre épül az a két hallgatói projektfeladat, amely minden GIS tárgy esetében az oktatás gerincét képezi (Busznyák 2010). Agrár projektfeladat követelményei 

  

Elfogadás feltétele: 1. Légifelvétel, vagy űrfelvétel réteg 2. Rajzolt térkép 3. Térképszerver réteg 4. Vektoros réteg (shape) 5. GPS mérés eredménye 3 db layout Térképösszeállítás Minőség 1. vektoros réteg adattartalma 2. layout térképek (3db) részletgazdagsága 3. pontosság

2. ábra GIS hallgatói feladatok

GNSS projektfeladat követelményei Elfogadás feltétele:   

1. Geodéziai pontosságú pontmérés 2. A mért pont kitűzése (precíziós geocaching) 3. Pontok, vonalak, ívek és poligonok létrehozása és kitűzése (COGO-koordináta geometria eszköz)

3. ábra Angol nyelvű képzés hallgatóinak GNSS mérése

Külső eszközök alkalmazására is szükségünk van. Ezek leginkább geoportálok, térképkészítő webalkalmazások (Zentai L. - Guszlev A. 2007), nyílt API-val rendelkező források, műholdkép- és egyéb adatbázisok.

_____________________________________________________________________________________________________ 80


4. ábra „Mashup” webtérkép összeállítás

4. Tapasztalatok, tervek a magyarországi és külföldi hallgatók magyar nyelvű MSc, BSc oktatásában, illetve a külföldi hallgatók idegen nyelvű képzése során (FAO MSc, Erasmus) Az idegen nyelven is oktatott tárgyak az alábbiak:    

Remote sensing IT in Agriculture IT in Plant Protection GIS

Idegen nyelvű oktatásban résztvevők száma 25 fő (2009-2010 agrármérnök, növényorvos), 22 fő (2010-2011 agrármérnök, növényorvos, környezetmérnök), 1 fő (2011-2012 agrármérnök) és 8fő (2013-2014 agrármérnök). Eddig mindösszesen az elmúlt 5 évben 56 fő vett részt ilyen képzésen. 4.1. Kérdőív A kurzus hallgatói kitöltenek egy kérdőívet, amely a http://georgikon.hu/bjs/Questionnaire.htm webhelyen érhető el (Busznyák 2011). Az elmúlt években összesen 23 fő töltötte ki az íveket. A kérdőív részletesebb ismertetését mellőzve az alábbi tendenciák rajzolódnak ki számunkra. Felkészültségi szintjüket mind angol nyelv, mind informatika szempontjából teljesen ugyanúgy értékelték az idei (2013) felmérésben, mint a korábbi kurzusokon (jó, közepes). A motiváció is hasonlóan magas maradt hasznosság és teljesítmény oldalról is (jó/kiváló). Míg korábban a gyakorlati ismereteket hiányolták, most döntően az elméletet. Tapasztalatunk mind a magyar nyelvű, mind az idegennyelvű képzés esetében az, hogy alapvetően eltérő ismeretszinttel érkeznek a hallgatók, de az ismeretszintek záródása gyors. Költői kérdésként vetődik fel, hogy miért ennyire eltérő az bejövő ismeretszint. 5. Eredmények, következtetések A Georgikon Karon még nem történt meg a térinformatikai tárgyak második hullámú áttörése. Még bőven vannak olyan szakok, ahol a hallgatók az ezt alátámasztó érvek ellenére sem kapnak térinformatikai ismereteket. Az alkalmazott informatikai tárgyak oktatása “technikai sport”, megfelelő hardver- és szoftverháttér nélkül nem működhet. Azonban a legjobb technikához is ( és főként ahhoz) szükséges a megfelelő oktatási, kutatási tudás-háttérbázis. A BSc-Msc rendszer (bolognai folyamat) bevezetésének a tapasztalatai még mindig vegyesek. Segítette a térinformatikai kapcsolódású tárgyak térhódítását, másrészt rengeteg

_____________________________________________________________________________________________________ 81


oktatásszervezési, módszertani gondot okozott, a tudásszintben nagy heterogenitású MSc csoportok kialakulásának esélyét jelentősen növelte. Az idegennyelvű képzések indítása esetében gyors alkalmazkodásra, módszertanioktatástechnológiai fejlődésre, fejlesztésekre van szükség, és erre képes is a felsőoktatás. Irodalomjegyzék Busznyák J. 2011. GIS technológiák idegen nyelvű oktatása a Pannon Egyetem Georgikon Karán, Megfelelni az új kihívásoknak GISopen konferencia kiadványa, Székesfehérvár, Magyarország, ISBN 978-963-9883-75-8, 2011.03.16-2011.03.18. 177-187. p. Busznyák J. 2010: Webes eszközrendszer digitális térképezési felhasználása az agrár-felsőoktatásban, Multimédia az oktatásban konferencia elektronikus kiadványa, Nyíregyháza, 2010. 07. 8-9. Busznyák J. – Sisák I. 2012: A Georgikon Térképszerver helye és szerepe a térinformatikai adatbázisok hálózatában 90-96. old. ISBN 978-963-9639-48-5, LIV. Georgikon Napok nemzetközi tudományos konferencia kiadványa Kraak, M. - J., Brown, A. 2001: Web Cartography – Developments and prospects, Taylor & Francis, New York, http:/books.google.com. Samet, H. 1994: The Design and Analysis of Spatial Data structures, University of Maryland, Addison-Wesley Publishing Company Reading, Massachusetts, USA, ISBN: 0-201-50255-0. Sárközy F. 2009 Térinformatika, Kézirat, GIS adatmodellek, BME, Budapest, http://www.agt.bme.hu/tutor_h/terinfor/tbev.htm#tartalom. Shekhar, S. - Xiong, H. 2008: Encyclopedia of GIS - Ilya Zaslavsky Web Services, SpringerScience+Bussines Media LLC, New York, USA, http://springer.com. Zentai L. - Guszlev A. 2007: Web2 és térképészet, Geodézia és Kartográfia Online, LVIII/11, pp. 1623. http://terinformatika-online.hu/index.php?option=com_content&task=view&id=36&Itemid=46. Webliográfia http://arcgis.com Mashup térképkészítő webalkalmazás http://eur-lex.europa.eu/LexUriServ/LexUriServ.do?uri=OJ:L:2007:108:0001:0014:EN:PDF Európai Parlament és a Tanács 2007/2/Ek Irányelve (2007. március 14.) az Európai Közösségen belüli térinformációs infrastruktúra (INSPIRE) kialakításáról. http://gnss.georgikon.hu Georgikon GNSS Bázisállomás http://geotradegnss.hu Geotrade GNSS hozzáférés honlapja http://gnssnet.hu Földmérési és Távérzékelési Intézet GNSS Szolgáltató Központ. http://map.georgikon.hu Georgikon Térképszerver

_____________________________________________________________________________________________________ 82


Új térbeli adatstruktúrák a Georgikon Térképszerveren Busznyák János, Sisák István Pannon Egyetem, HU [email protected], [email protected]

Összefoglaló: Az elmúlt években új alapokra került az adatellátás infrastruktúrája. Ezen fejlesztések kikényszerítették a térbeli adatok egy részének közösségivé válását. Reményeink szerint ehhez a fejlődéshez, bővüléshez járulhatnak hozzá a Georgikon Térképszerver új típusú szolgáltatásai a folyamatosan fejlesztett adatbázisháttérrel. Szeretnénk bemutatni azt a folyamatot, amellyel az elmúlt időszakban fejlesztettük a szolgáltatásokat, és azokat az irányokat, amelyek a következő években döntő befolyással lehetnek a térbeli adatok fejlesztésére és különböző felhasználói szintű megosztására. A talajtérképek webes publikációja terén a Georgikon Térképszervernek (http://map.georgikon.hu) nemzetközi kitekintésben is úttörő szerepe volt már a 2000-es évek elején. Ezt kívánjuk tovább erősíteni a most közzétett talajtérképpel és a későbbiekben publikálandó térképekkel. Magyarország területére több egységesen szerkesztett talajtérkép készült (1. Mattyasovszky, Görög és Stefanovits mezpőgazdasági talajtérkép – 1953; MÉM-NAK Magyarország genetikus talajtérképe – 1984; AGROTOPO talajtérképek – 1983-88). A két utóbbit már digitalizálták, de a legrégebbi és rajzolatában legrészletesebb talajtérkép nem állt rendelkezésre ilyen formában, ezért elvégeztük a digitalizálását és publikálását a Georgikon Térképszerveren. Kulcsszavak: térbeli adatbázisok, metaadat struktúra, térképszerver, mezőgazdasági talajtérkép, talajtani adatbázis

New spatial data structures on the Georgikon Mapserver János Busznyák, István Sisák University of Pannonia, HU [email protected], [email protected]

Abstract: The infrastructure of data supply underwent paradigm change in the past years. Technological development has forced a part of spatial data to become public. The Georgikon Mapserver is hoped to add to this development with its novel services and continuously developing database background. We would like to present in this paper the recent developments, as well as the perceived directions of the further development regarding spatial data and user level sharing methods. In the field of web publication of soil maps, the Georgikon Mapserver (http://map.georgikon.hu) played a pioneering role back in the beginning of the century even at an international comparison. This is to be continued with the soil map published now and maps to be published later. Three conceptually edited soil maps of Hungary exist (1. Agricultural soil map from 1953 authored by Mattyasovszky, Görög and Stefanivits, Genetic soil map of Hungary from 1984 MÉM-NAK, AGROTOPO soil maps 1983-88). The latter two had been digitalised, but the oldest and most detailed one was not available in this format, thus we carried out the digitalisation process and published it on the Georgikon Mapserver. Keywords: spatial database, metadata structure, mapserver, agricultural soil map, soil research database.

_____________________________________________________________________________________________________ 83


1. Bevezetés A kétezres évek első évtizedének egyik meghatározó térinformatikai fejlesztése a Pannon Egyetem Georgikon Karán a 2003-ban üzembe helyezett a Georgikon Térképszerver. A 2001-ben indult fejlesztő munka kezdetben MapServer-alapon indult, majd ArcIMS szolgáltatásokra épülve a 2003 után is folytatódó folyamatos szoftver- és adatbázisfejlesztések eredményeként szerverünk a Balaton vízgyűjtő egyik fontos térbeli adatforrásává vált. A 2012-es hardver- és szoftverfejlesztések eredményeként lehetőségünk nyílt újabb adatbázisok integrálására és a korszerű (nyílt API- Mashup) ArcGIS térképszerver-szolgáltatások további fejlesztésére. A Georgikon Térképszerver a létrehozását megalapozó projekteknek megfelelően a Balaton vízgyűjtőjén a tó vízminőség-védelmét szolgáló természettudományos ismeretek közlésére jött létre (mezőgazdasági tevékenység, vízgyűjtők, talajok, felszínborítás, légifotók, űrfelvételek, erózió). Ezzel együtt már a kezdetektől felkerültek a szerverre a vízgyűjtő területén kívüli adatbázisok, és a publikált ismeretkörök is szélesebb kört öleltek fel. Teljes Magyarországot lefedő adatbázisok éppúgy publikálásra kerültek, ahogy kisebb mintaterületek kutatási- és TDK-, szakdolgozat és diplomadolgozat projektjei.

2. Georgikon Térképszerver Térképszerverünket az előző évi próbaüzemet, tesztelést követően 2003-ban állítottuk az egyetemi kutatás, oktatás szolgálatába. 2004 végére már jelentős adtaforrásként használhattuk. Legfontosabb szolgáltatásait 2006-ban az alábbi módon foglaltuk össze (1. ábra).

1. ábra Georgikon Térképszerver (2006) Szolgáltatásaink gerincét jelenleg egy HP ProLiant ML350 G6 szerveren futó WinSvrEnt 2008R2 SNGL MVL alapon működő ArcGIS Server 9.3 jelenti (2. ábra).

_____________________________________________________________________________________________________ 84


Georgikon Térképszerver felépítése Mobil eszköz

Adatbázis

GIS szerver

Web szerver

Internet

Asztali böngésző Asztali kliens

Asztali GIS Arc Catalog/Manager rendszerfeladatai

2. ábra Georgikon Térképszerver alapfelépítése 3. Téradatok hatékony publikálási és felhasználási lehetőségei Régi probléma a téradatok hozzáférési lehetőségeinek szűk keresztmetszete. Nem csak az oktatásban és nem csak Magyarországon (PHD) jelent ez gondot, de a magyarországi agrár (környezetvédelmi) felsőoktatásban a problémák, érthető módon hatványozottan érzékelhetőek. Miként juthatunk (állami) alapadatokhoz? Milyen körben és milyen áron férhetőek hozzá? Szükséges-e ingyenes adatok hozzáférésekor „csomagolási” díjat fizetni? Mindezen problémák úgy látszik nem, vagy nagyon lassú folyamat részeként csökkennek. Jelen pillanatban két olyan irány látható, amelyek a segítségével a hivatalos szabályozás változtatása gyorsíthatónak tűnik, illetve részben megkerülhető. Az első fontos változás az elmúlt időszakban az Európai Unió szabályozási keretében a téradatok egységes kezelésére megalkotott INSPIRE kezdeményezés újabb témaköreinek megalkotása és a tagállami feladatok, kötelezettségek teljesítésének előrehaladása. Ez nem oldja meg a gondokat egy csapásra, de a kérdéskör napirenden tartásához és kisebb fejlesztések megvalósulásához már eddig is hozzájárult. Jól érzékelhető, hogy bár a nagy állami adatbázisok gyűjtése nagyon fontos, és ezért gondot jelent például a tervezett magyarországi teljes kataszter hiánya, a legnagyobb probléma mégis az adathozzáférés jól skálázott, teljeskörű kiépítésének a hiánya. Jellemző adat, hogy Magyarország nem szerepel az INSPIRE Geoportálra adatokat feltöltő 21 ország névsorában (3. ábra)

3. ábra Inspire Geoportál

_____________________________________________________________________________________________________ 85


A másik lehetőség saját alapadatok létrehozása, megosztása, és a mások által megosztott adatok minél szélesebb körű használata. Térképszerverünkön a legutóbb publikált talajtani adatbázis lehet erre példa. Természetesen ehhez szükséges, hogy az adatbázis megfelelő minőségű, validált, metadatokkal ellátott és megfelelő formátumban, megfelelő hozzáférési lehetőségekkel publikált legyen (Busznyák és Sisák 2012). Ahhoz, hogy az oktatásban és kutatási feladatainkhoz megfelelően használható „MASHUP” (többféle forrásból származó) összeállításokat hozhassunk létre, szükséges, hogy a megfelelő felületek rendelkezésre álljanak (Busznyák 2010). A szokásos “asztali” (desktop) alkalmazások mellett egyre inkább építhetünk webes szolgáltatásokra. Ezt manapság szokásos “cloud computing”-nek vagy web2 szolgáltatásnak hívni, de a 70-es évek terminológiáját használva akár terminál üzemmódnak is nevezhetjük. Ilyen szolgáltatás például az ESRI arcgis.com portál, ahol a desktop alkalmazások kereteihez képest szűkebb funkcionalitással, de mégis (költség-) hatékonyan valósíthatjuk meg elképzeléseinket. Külső forrásokból érkező adatokat együtt kezelhetünk saját szolgáltatásainkkal és fájlszintű vagy grafikus adatainkkal (4.ábra).

4. ábra Georgikon Térképszerver és külső térképszolgáltatás együttes használata Ezen kívül egyre több esetben élhetünk a nyílt programozói interfész lehetőségével webtérképek publikálása során. Így egyrészt a felhasználók liszenzelési problémái is csökkennek, hiszen leegyszerűsítve csak hivatkozást másolnak. Másrészt téradataink újabb és újabb hozzáférései akár exponenciálisan növekedhetnek (lásd. Googlemeps, Bing Yahoo…). A Georgikon ArcIMS szerverének egy szolgáltatását beillesztő kód mindössze 9 soros (5. ábra).

5. ábra Nyílt programozói interfész – Adobe Flex XML kód a Georgikon Térképszerverhez Az ArcGIS szeverszolgáltatásokhoz további lehetőségeink is vannak nyílt programozói interfész igénybevételére (pl: Flex | JavaScript | Bing Maps | Google Maps | Silverlight/WPF | Sharepoint).

_____________________________________________________________________________________________________ 86


4. Talajtérkép szolgáltatás 4.1 Célkitűzés Az elmúlt harminc évben a digitális térképi adatbázisok óriási fejlődésen mentek keresztül, a térbeli adatok feldolgozásának változatos eszköztára fejlődött ki, és ez magával hozta az egyre részletesebb talajtani adatok iránti igényt, amelyet a jelenlegi talajtérképeink már nem tudnak maradéktalanul kielégíteni. Ilyen feltételek mellett egyre nagyobb hangsúlyt kapnak azok a módszerfejlesztések, amelyek révén a régebbi adatok információtartalma növelhető. Magyarország területére több egységesen szerkesztett talajtérkép készült. Ezek közül a legrégebbi Mattyasovszky, Görög és Stefanovits által 1953-ban a Kreybig térképek felhasználásával és újabb felvételezések segítségével készített 1:200.000 méretarányú mezőgazdasági talajtérkép. Az agroökológiai potenciál felmérésének részeként készült el Magyarország 1:100.000 méretarányú agrotopográfiai térképe 1983 és 1988 között. A térképek elkészítésében szintén támaszkodtak a Kreybig térképekre. A MÉM-NAK által kiadott 1:200.000 méretarányú genetikus talajtérkép a Kreybig térképektől függetlenül, a nagy méretarányú üzemi, és a földértékelési célú talajtérképezések tapasztalatai alapján készült el 1984-ben. A két frissebb talajtérképet már korábban digitalizálták, a legrégebbi, és rajzolatában legrészletesebb talajtérkép digitalizálása és publikálása a Georgikon Térképszerveren az utóbbi hónapokban valósult meg. Célul tűztük ki azt is, hogy elkészítsünk egy Keszthely melletti mintaterületre egy módszerfejlesztési tanulmányt annak bizonyításra, hogy a meglévő országos talajtérképek és további információk segítségével a jelenleginél sokkal pontosabb koncepcionális talajtérképek szerkeszthetők. 4.2 Kiindulási adatbázisok Az 1. táblázatban adjuk meg azokat a digitális adatbázisokat, amelyeket felhasználtunk a Keszthely melletti mintaterület koncepcionális talajtérképének az előállításához. Három digitális térképi adatbázis méretaránya volt 1:100.000. Ezek a keletkezés sorrendjében az AGROTOPO adatbázis (MTA ATK TAKI, 2012) a CORINE 2000 (Coordination of Information on the Environment) felszínborítási adatbázis, rövidítésben gyakran CLC2000_HU (FÖMI, 2012a) és a Magyar Állami Földtani Intézet geológiai adatbázisa (Pelikán és Peregi, 2005), rövidítésben gyakran FDT100. Mindhármat térképszerveren is publikálták. 1. táblázat Négy adatbázis összehasonlítása a teljes állományra vonatkozó egyes statisztikákkal, és négy adatbázis összehasonlítása minták alapján. 1MTA ATK TAKI, 2012; 2 Mattyasovszky, Görög és Stefanovits, 1953; 3FÖMI 2012a; 4Pelikán és Peregi, 2005; 5Baritz, Hudson és Willer, 2012 AGROTOPO1

MG19532

CLC2000_HU3

FDT1004

a teljes térképi adatállomány alapján poligonok száma összesen

3 311

21306

39 849

50 163

legnagyobb poligon területe km2

1 282

2374

7 480

5 723

átlagos poligon terület km2

28,1

optimális méretarány5 1:

530 094

4,65 305 286

2,33 152 643

1,86 136 382

_____________________________________________________________________________________________________ 87


A teljes adatállományra vonatkozóan egyszerű statisztikákat számítottunk, valamint ezek alapján meghatároztuk a térképek optimális méretarányát (Baritz, Hudson és Willer, 2012). Mindhárom adatbázist összehasonlítottuk az 1:200.000 méretarányú mezőgazdasági talajtérképpel (Mattyasovszky, Görög és Stefanovits, 1953). Az elkészült vektoros állományú Mezőgazdasági Talajtérkép teljes kódolású állománya a Georgikon Térképszerveren tekinthető meg. (map.georgikon.hu) 1984-ben a MÉM Növényvédelmi és Agrokémiai Központjában elkészítették és nyomtatásban is megjelent Magyarország 1:200.000 méretarányú genetikai talajtérképét, melyen színekkel és színárnyalatokkal 40 talajtípus, és ezek 80 altípusa, vonalkázással a fizikai talajféleség (9 kategória), betűjelekkel a talajképző kőzet (28 kategória) került ábrázolásra (AIR, 2013). A 10.000-es topográfiai térképek magasságvonalai alapján 10m*10m terepi pixelméretű domborzatmodellt készítettünk egy korábbi munkában, amelyet, és az abból származtatott lejtőmeredekség térképet szintén felhasználtuk.

6. ábra Raszteres és vektoros Mezőgazdasági Talajtérkép 1953-2013 4.3 A térképek harmonizálásának módszere A térképek harmonizálásának alapvető módszere a CHAID (CHi-squared Automatic Interaction Detection) klasszifikációs módszer volt, melyet Hámori (2001) publikációja alapján ismertetünk: A CHAID egy többváltozós rekurzív klasszifikáló eljárás (Kass, 1980), amely továbbfejlesztett változatában alkalmas folytonos ismérvek kezelésére. Az algoritmus fő célja, hogy a megfigyeléseket a függő változó (Y) szempontjából úgy csoportosítsuk, hogy a csoportokon belüli variancia minél kisebb, míg a csoportok közötti variancia minél nagyobb legyen. Az eljárás során kirajzolódik a magyarázó változók (Xi) hierarchiája is aszerint, hogy a célváltozó varianciáját mekkora mértékben magyarázzák. A módszer a magyarázó változók hatását vizuális formában, könnyen értelmezhető fastruktúrában (decision/classification tree) mutatja be. Előnye, hogy a modell mentes az eredmények megbízhatóságát csökkentő túlillesztés (overfitting) problémájától. A CHAID-modellt alkotó rekurzív algoritmus három fő lépésből áll: – minden egyes magyarázó változó esetében, a függő változóra vonatkozóan, statisztikailag független, pontosabban a statisztikailag legkevésbé összefüggő kategóriák egyesítése (merging); – a megfigyelések, a függő változó tekintetében legkevésbé függetlennek tekinthető magyarázó változó kategóriái szerinti felosztása (splitting);

_____________________________________________________________________________________________________ 88


– az algoritmus addig folytatja rekurzív módon a kategóriák egyesítését és az esetek felosztását, míg el nem ér valamely előre definiált megállítási kritériumot (stopping). A CHAID klasszifikációs módszert talajtani kutatásban többek között Tóth et al. (2001), Nemes et al. (2010) és Tóth et al. (2012) alkalmazták. Tudomásunk szerint azonban még soha nem alkalmazták többféle, topográfiai megbízhatóságában és tematikájában rendkívül eltérő térképek információtartalmának az egyesítésére. A térképharmonizálási munkánk alaphipotézise az volt, hogy mindegyik térkép a valóság egy lehetséges leképezését tartalmazza, de egyik sem tökéletesen. Lehetőség van azonban az egyes térképek hibáinak a felismerésére és korrigálására más térképek erősségeinek a segítségével. 2. táblázat A teszt terület százalékos megoszlása a három kiindulási és az eredmény talajtérkép kategóriái között kategóriák Vízfelület

AGRO MG1953 GEN1984 TOPO 1,615

2,603

31,414 12,240

43,719

Típusos Ramann-féle barna erdőtalaj

8,441 42,996

16,597

Réti talaj

0,793

Erdő Lakott terület Időszakosan vízjárta terület

1,834

2,576

29,437

35,933

3,624

1,406

eredmény térkép

11,516

Nem podzolos agyagbemosódásos barna erdőtalaj

Rétláp talaj

3,715

Erdőtalaj eredetű lejtőhordalék talaj

6,188

0,592

12,272 10,770

4,821

7,165

Földes kopár talaj Barna rendzina talaj Meszes homok

0,963

Gyengén savanyú homok

0,039

Meszes homokos vályog

15,380

Meszes, köves homokos vályog

0,349

Meszes, sekély termőrétegű homokos vályog

0,547

Gyengén savanyú homokos vályog

1,688

Meszes vályog

10,330 3,544

0,216

22,647

13,726

19,649

Meszes, sekély termőrétegű vályog

7,005

Gyengén savanyú vályog

2,267

Erősen savanyú vályog

0,388

Meszes kötött vályog

0,955

Gyengén savanyú kötött vályog

0,645

Köves, sziklás váztalaj

0,566

Csernozjom barna erdőtalaj

0,501

Lecsapolt kotusláp

0,970

Karbonátos humuszos öntéstalaj

5,356

Anthrosol poligonok száma

97

40

23

0,003 892

_____________________________________________________________________________________________________ 89


A CHAID döntési fa módszerhez a hét kiindulási adatbázis összemetszett poligon térképe, és az egyes eredmény-poligonok kategória kombinációi adták a kiindulási adatbázist. Összesen több mint hatvanötmillió kódkombináció adódik abból, ha a hét térkép kategóriáinak a számát összeszorozzuk. Ezzel szemben az összemetszett térkép mindössze 50.039 poligont tartalmazott és ezek is csak 13778 kódkombinációval rendelkeztek. Tehát az elméletileg lehetséges kombinációknak csak igen kis hányada fordult elő, ami világosan utal a térképek kategóriáinak a nagyfokú asszociációjára. A keszthelyi mintaterületre vonatkozó térképharmonizáció eredményeként a 3 szintű CHAID klasszifikáció 45 végső csomópontot (osztályozási egységet) eredményezett. Annak ellenére, hogy a módszerrel térben is jól elkülönülő 45 kategóriát kaptunk a 13778 kódkombinációból, az egyes kategóriák még talajtani szempontból heterogének voltak. A kategóriák értelmezéséhez és további bontásához a helyi talajtani ismeretek és a talajtípusok általános leírásából adódó ismeretek voltak segítségünkre. Ilyen módon 892 talajfolton 12 talajtani kategóriát különítettünk el (2. táblázat). A koncepcionális talajtérkép sokszorosan nagyobb számú talajfoltot tartalmaz, mint a kiindulási talajtérképek, ugyanakkor a teljes terület talajtani interpretációját adja. 3. táblázat Az egyes térképek magyarázó értéke input térkép

osztályozott esetek száma

esetek aránya az összes kód- a három szintű osztályozásban melyik szinten fordul elő kombinációhoz viszonyítva

GEN1984

14191

1,0300

1, 3

FDT100

10223

0,7420

2, 3

CLC2000_HU

7524

0,5461

3

AGROTOPO

3890

0,2823

3

MG1953

2725

0,1978

2, 3

SLOPE

2102

0,1526

2

DDM

205

0,0149

3

A 3. táblázatból láthatjuk, hogy a legerősebb osztályozó tényező az 1984-es Genetikus Talajtérkép, de mindegyik kiindulási adatállomány hozzájárul a végeredmény kialakításához.

7. ábra Koncepcionális talajtérkép

_____________________________________________________________________________________________________ 90


5. Következtetések, további tervek Tervezzük a Georgikon Térképszerver szolgáltatásainak fejlesztését a mobil felhasználás irányában (windows mobile) terepi használathoz. Segítséget szeretnénk nyújtani a nyílt APIlehetőséget felhasználva weblapokon történő további felhasználás irányában. Szeretnénk kihasználni és létrehozni olyan beépített lekérdezéseket és kereséseket a talajtani adatbázishoz, amelyek javíthatják a felhasználói lehetőségeket. Munkánk során digitalizáltuk a legrégebbi, de térbeli mintázatát tekintve legrészletesebb talajtérképet. Ennek egy részletét, további két talajtérképet, és négy további digitális adatbázist felhasználva bizonyítottuk, hogy a javasolt CAHAID klasszifikációs módszerrel a jelenlegieknél sokkal részletesebb digitális talajtérképet lehet létrehozni. Ennek a koncepcionális talajtérképnek a validálása még a jövő feladata. Talajtérképeink keletkezése óta eltelt 30-60 év, és ezalatt a társadalmi elvárások a talajtérképekkel szemben növekedtek, de jobbak lettek azok a technikai lehetőségek, szoftverek, statisztikai módszerek is, amivel az elvárásokat ki lehet elégíteni. Ez azt jelenti, hogy sok évtized elteltével ismét vállalkozni kellene arra a szintetizáló munkára, amit az előttünk járó generáció elvégzett.

Felhasznált irodalom AIR, 2013. Agrár-környezetgazdálkodási Információs Rendszer. Nyilvános térképek http://terkep.air.gov.hu/terkep/nyilvanos/nyilvanos.htm ArcGIS geoportál http://arcgis.com Baritz, R., Hudson, G., Willer, J. (2012) GS SOIL: Assessment and Strategic development of INSPIRE compliant Geodata-Services for European Soil Data. D4.3 Data Harmonization Best Practice Guidelines. http://www.gssoil-portal.eu/Best_Practice/GS_SOIL_D4_3_Final.pdf Busznyák János – Sisák István (2012): A Georgikon Térképszerver helye és szerepe a térinformatikai adatbázisok hálózatában 90-96. old. ISBN 978-963-9639-48-5, LIV. Georgikon Napok nemzetközi tudományos konferencia kiadványa Busznyák János (2010): Webes eszközrendszer digitális térképezési felhasználása az agrárfelsőoktatásban, Multimédia az oktatásban konferencia elektronikus kiadványa, Nyíregyháza, 2010. 07. 8-9. EEA http://eea.europa.eu/hu ESRI http://esri.hu FÖMI 2012a CORINE Land Cover 1:100 000 adatbázis http://www.fomi.hu/corine/clc100_index.html Georgikon Térképszerver http://map.georgikon.hu Hámori, G. 2001. A CHAID alapú döntési fák jellemzői. Statisztikai Szemle, 79. 8. 703-710. Häring, T., Dietz, E., Osenstetter, S., Koschitzki, Th., Schröder, B. 2012. Spatial disaggregation of complex soil map units: A decision-tree based approach in Bavarian forest soils. Geoderma 185– 186 (2012) 37–47 Hiederer, R. 2013. Mapping Soil Typologies - Spatial Decision Support Applied to European Soil Database. Luxembourg: Publications Office of the European Union EUR Scientific and Technical Research series Inspire Geoportál http://inspire-geoportal.ec.europa.eu/ Kass, G. V., 1980. An exploratory technique for investigating large quantities of categorical data. Applied Statistics, 29. (2) 119-127. Mattyasovszky J., Görög L., Stefanovits P., 1953. Mezőgazdasági talajtérkép 1:200.000. Tervgazdasági Könyvkiadó, Budapest _____________________________________________________________________________________________________ 91


MÉM 1983-1988. Magyar Népköztársaság: agrotopográfiai térkép 1:100 000. [Budapest] : MÉM Országos Földügyi és Térképészeti Hivatal; 1983-1988. 84 térképlap 51 x 66 cm MTA ATK TAKI 2012 www.mta-taki.hu/osztalyok/gis-labor/agrotopo Nemes, A., Pachepsky, Y.A. & Timlin, D., 2010. Toward improving estimates of field capacity from laboratory measured soil properties. Proceedings of World Congress of Soil Science, Soil Solutions for a Changing World. 1-6 August 2010, Brisbane, Australia. 182-185. Pelikán P., Peregi Zs. (szerk.) 2005: Magyarország földtani térképe 1:100 000,© Magyar Állami Földtani Intézet http://mafi-loczy.mafi.hu/Fdt100/ Sisák István, Bámer Balázs (2008) A Géczy Gábor vezetésével készült talajismereti és talajhasználati térképek digitális adatbázisa a Balaton vízgyűjtőjén. Talajtani Vándorgyűlés. Nyíregyháza, 2008. május 28–29. Talajvédelem különszám p 645-652. Sisák István, Benő András (2012) Az AGROTOPO talaj-adatbázis problémái és egy részletesebb talajtérkép előállításának célja, lehetőségei és lépései In: Herdon Miklós, Szilágyi Róbert (Szerk.) Agrárinformatika 2012 Konferencia. Innovatív információtechnológiák az agrárgazdaságban. Konferenciakiadvány. 2012. szeptember 21 - 22. Debrecen, p. 44-51. Tóth T., Kuti L., Kabos S., Pásztor L. 2001. Az alföldi szikes talajok elterjedését meghatározó agrogeológiai tényezők térinformatikai elemzése 1:500000 méretarányban. A Magyar Földrajzi Konferencia tudományos közleményei. Szeged, 2001. október 25-27. (CD ROM) ISBN 936 482 544 3. Tóth, B., Makó, A., Guadagnini, A., Tóth, G. 2012. Water retention of salt affected soils: quantitative estimation using soil survey information. Arid Land Research and Management, 26. 103-121. VM, 2013. Nemzeti Vízstratégia vitaanyaga. http://www.kormany.hu/download/a/ae/c0000/Nemzeti%20V%C3%ADzstrat%C3%A9gia.pdf VM 2012 vhttp://videkstrategia.kormany.hu/download/4/37/30000/Nemzeti Vidékstratégia.pdf

_____________________________________________________________________________________________________ 92


A talaj hőáramlásának modellezése R-ben Huzsvai László, Szőke Szilvia Debreceni Egyetem [email protected], [email protected]

Abstract: A talaj hőforgalmának ismerete a mezőgazdasági kutatásban elengedhetetlen, mert a növények életfolyamatait a talaj hőmérséklete befolyásolja. Napjainkban a talaj hőforgalmát, vagy mérjük, vagy modellezzük. Jelen munkánkban Sang-Ok Chung és Robert Horton (1987) által készített eljárást próbáltuk ki. Az eredeti hőáramlási modellt átírtuk R környezetre, és vizsgáltuk a modell jóságát. A modell tesztelését a Szász Gábor által vezetett Debrecen Kismacs Agrometeorológiai Obszervatórium 2001. év májusi adatai alapján végeztük. Az állomáson rövidre nyírt gyep alatt három mélységben (5, 25 és 50 cm) 15 percenként egy automata mérő és adatgyűjtő végezte a méréseket. Összesen 2 976 időpontban álltak rendelkezésünkre a három réteg talajhőmérsékleti adatai. Felső határrétegnek az 5 cm, alsó határrétegnek az 50 cm-es réteg hőmérsékletét használtuk. A 25 cm-es mélység hőmérsékletét modelleztük, és összehasonlítottuk a ténylegesen mért értékekkel. Szisztematikus hibát észleltünk, ami származhat a modell hibájából vagy a mérés hibájából. Következtetésünk az volt, hogy a talaj hőmérsékletének modellezéséhez nélkülözhetetlen a víz és páraáramlás egyidejű becslése, mert ezek a tényezők erős kölcsönhatásban vannak egymással. Keywords: talaj, hőforgalmi modell, R környezet

1. Bevezetés A talaj hőforgalmának ismerete a mezőgazdasági kutatásban elengedhetetlen, mivel a vetőmagvak csírázása - kalászosok bokrosodása - növények ásványi táplálkozása - gyökerek növekedése és légzése - talajmikrobák élete - növényi maradványok bomlási folyamata szerkezet képződés - a víz mozgása a talajban (folyékony és pára alakjában) - a talaj mállási folyamata - stb. Napjainkban a talaj hőforgalmát, vagy mérjük, vagy modellezzük. Az első számítógépes hőforgalmi modellek az 1970-es években készültek (Hanks et al., 1971). Jelen munkákban Sang-Ok Chung és Robert Horton (1987) által készített eljárást fogjuk kipróbálni. Az eredeti programot Fortran nyelven 1986 szeptemberében jelentették meg (John Hanks, J. T. Ritchies, 1991). Ebben a programban egy vízáramlási modell is van, azonban leírásuk alapján, ha a talaj felső és alsó határrétegének hőmérsékletéről mért adatokkal rendelkezünk, a köztes rétegek hőmérsékletének modellezéséhez már nem kell a vízáramlási modellt futtatni. Az eredeti hőáramlási modellt átírtuk R környezetre (R Core Team, 2013), és vizsgáltuk a modell jóságát. 2. Anyag és módszer 1. táblázat. Néhány a talajban megtalálható anyag hőtani paramétere Anyag Víz Levegő Homok Agyag Humusz Jég

Fajhő (J/g C) 4,2 1 0,84 0,92 1,7 2,1

Sűrűség (g/cm3) 1 0,0012 2,5952 2,7173 1,6 0,8952

Hőkapacitás (J/cm3 C) 4,2 0,0012 2,18 2,5 2,72 1,88

_____________________________________________________________________________________________________ 93


A modellezés során az alábbi hőtani fogalmakat (fajhő, sűrűség, hőkapacitás, hővezetés, hőmérsékletvezetés) és értékeiket használtuk (1. táblázat). Természetes körülmények között a talaj hőkapacitása az alkotórészek arányától függ, melyek közül a szilárd alkotó részek és a változó nedvességtartalom a legmeghatározóbbak. 2.1. A nedves talaj hőkapacitása CV   m 0,84

J J J  N tf 4,2  Ltf 0,0012  3 gC cm C cm 3  C

(1)

vagy, ha elhanyagoljuk a levegőt  J J  C V   m  0,84   N tömeg 4,2   g C g C 

(2)

A fentiek figyelembevételével a „V” térfogatban a kicserélődő energia Qq mennyisége a kezdeti T1 és a végső T2 hőmérséklettől függ. Q q  C V V T2  T1   CV V  T

(3)

A hőkapacitás a fajhő és sűrűség szorzata. A természetes állapotú talaj esetében nem a talajsűrűségével (, amely a szilárd részek sűrűsége) kell számolni, hanem a talaj térfogattömegével (m). 3.5

Hõkapacitás (J cm-3 °C-1)

3.0

2.5

2.0

1.5

1.0 szántott .5

tarló 0

5

10

15

20

25

30

35

40

45

50

Nedvességtartalom (cm3 cm-3)

1. ábra. A talaj hőkapacitása a nedvességtartalom függvényében Az 1. ábra alapján a talaj nedvességtartalmának növekedésével lineárisan, egyenes arányban nő a talaj hőkapacitása. A talaj hővezetése, molekuláról molekulára terjedő hőenergia átadása, úgy hogy az anyag részecskéi a helyükön maradnak. Az áramló hőenergia mennyisége Qq egyenlő a hővezető képesség Kq, a felület A, az idő t és a hőmérsékleti gradiens ΔT/Δz szorzatával (4). Qq   K q At

T z

(4)

ahol:

_____________________________________________________________________________________________________ 94


Qq : hőmennyiség (J) Kq : hővezetési tényező (W m-1 °C-1) A : felület (m2) t : idő (s) T . hőmérsékletkülönbség (°C) z : hosszúság (m) A talaj hőmérsékletvezető képessége a hővezető képesség és hőkapacitás hányadosa, ezt használja a modell is. 2.2. A hőáramlás modellezése A talaj hőgazdálkodásának modellezése két nagy részre bontható: 1. Az energia szétosztása a talajfelszínén, 2. A talajszelvényben a hőmérséklet eloszlásának, áramlásának modellezése.

Mi csak az utóbbival foglalkozunk ebben a munkánkban. A talajban végbemenő hőáramlást az alábbi összefüggéssel lehet leírni: G  

T z

(5) ahol: G : talaj hőforgalma (pozitív, lefelé irányuló) (MJ m-2 d-1) λ : hővezetési tényező (W m-1 °C-1) A : felület (m2) T . hőmérsékletkülönbség (°C) z : hosszúság (m)

A G változó függ az ismeretlen talajfelszín hőmérséklettől. Ahhoz, hogy a talajfelszín hőmérsékletét ki tudjuk számítani, először az egyenlet jobb oldalát numerikusan kell közelíteni. Ehhez Chung és Horton (1987) az alábbi formulát javasolta: z  T T  G     2 s   T s  T1 C 2 t  z 

(6)

ahol: G : talaj hőforgalma (pozitív, lefelé irányuló) (MJ m-2 d-1) λ : hővezetési tényező (W m-1 °C-1) Ts : talajfelület hőmérséklete az aktuális időben (°C) T1 : talajfelület hőmérséklete az előző időpontban (°C) T2 : a második talajréteg hőmérséklete az előző időpontban (°C) C : a talaj felső rétegének hőkapacitása (J m-3 °C-1) z : függőleges térbeli lépték (m) t : időlépték (s) A talajfelszín hőmérsékletét numerikus módon lehet számítani az időléptéknek megfelelően. Az energiamérleget James et al. (1977) gyökkeresési algoritmussal oldotta meg. 2.3. Hőáramlási modell az R-ben Az ismertetésre kerülő modell az egydimenziós függőleges hőáramlást modellezi. Ennek az analitikus leírása: C

T   T     t z  z 

(7)

_____________________________________________________________________________________________________ 95


ahol: C : a talaj hőkapacitása (J m-3 °C-1) T : talajhőmérséklet (°C) λ : hővezetési tényező (W m-1 °C-1) δt : időlépték (s) δz : függőleges térbeli lépték (m) A talaj hővezetési tényezője (λ) azonban nem állandó, erőteljesen függ a talaj víztartalmától, ami ráadásul változik a mélység és idő szerint is. A talaj hőkapacitásának becslésére a 2. egyenletet, a hővezető képesség meghatározására McINNES, (1981) algoritmusát használtuk. Az algoritmus alapján a hővezető képesség függ a talaj térfogattömegétől, kvarctartamától (mivel a kvarc nagyon jó hővezető), agyagtartalmától és nedvességtartalmától. Az eredeti cikkben az szerzők a tridiagonális mátrix megoldásához a Thomas algoritmust használják. Ezt az algoritmust mi is átírtuk R-nyelvre. Tökéletesen működött. Az algoritmus az alábbi: thomas=function(w, b){ n=nrow(w) # 'ff szorzótag az előre történõ eliminációhoz. for (i in 2:n){ ff = w[i, 1] / w[i - 1, 2] w[i, 2] = w[i, 2] - ff * w[i - 1, 3] w[i, 1] = ff } # 'Elõre történõ elimináció, b input vektor a jobboldalon, ez lesz a megoldás vektor is. for (i in 2:n){ b[i] = b[i] - w[i, 1] * b[i - 1] } # 'Visszafelé történõ behelyettesítés. b[n] = b[n] / w[n, 2] for (i in 2:n){ j = n - i + 1 b[j] = (b[j] - w[j, 3] * b[j + 1]) / w[j, 2] } return(b) }

Azonban az R környezetben felesleges használni a Thomas algoritmust, mert a beépített lineáris egyenletrendszer megoldó algoritmus (solve()) ugyanazt az eredményt adja, csak az együttható mátrixot kell valódi tridiagonális mátrix formában megadni. A modell tesztelését a Szász Gábor által vezetett Debrecen Kismacs Agrometeorológiai Obszervatórium 2001. év májusi adatai alapján végeztük. Az állomáson rövidre nyírt gyep alatt három mélységben (5, 25 és 50cm) 15 percenként egy automata mérő és adatgyűjtő végzi a méréseket. Összesen 2 976 időpontban (31 nap * 24 óra/nap * 4/óra) álltak rendelkezésünkre a három réteg talajhőmérsékleti adatai. Felső határrétegnek az 5cm, alsó határrétegnek az 50cm-es réteg hőmérsékletét használtuk. A 25cm-s mélység hőmérsékletét modelleztük, és összehasonlítottuk a ténylegesen mért értékekkel. A talaj homokos vályog fizikai féleség, térfogattömege: 1,4 g/cm3, agyagtartalma: 20%, kvarctartalma: 8%, a modellezés során 20%-s nedvességtartalmat használtunk minden _____________________________________________________________________________________________________ 96


rétegben. Ezen értékek alapján a rétegek hőmérsékletvezető képessége McInnes (1981) szerint 8,7E-7 m2/s adódott. 3. Eredmények

21 20 19 18 17

hőmérséklet Celsius fok

22

23

A modellezett és mért hőmérsékleti adatokat a 2. ábra mutatja.

16

- mért - becsült 0

500

1000

1500

2000

2500

3000

mérési időpontok

2. ábra. A 25cm-es réteg mért és modellezett hőmérséklete, Debrecen, 2001. május, 15 perces mérések A modellezett értékek jól illeszkednek a mért értékekre, azonban gyakran alulbecsülik a tényleges értékeket. 3.1. A modell jósága A modell jóságát a mért és modellezett hőmérsékletek közötti maradékok elemzésével minősítettük a legegyszerűbb statisztikai módszerekkel. Akkor jó egy determinisztikus modell, ha a mért és modellezett értékek közötti maradékok 1. Függetlenek, 2. Normális eloszlású nulla várható értékű, 3. Homoszkedasztikus (a varianciák mindenhol egyformák).

A 3. ábra mutatja az idő függvényében a hibákat. Megfigyelhető egy hullámzás, amely valószínűleg a talaj nedvességtartalmának változásából ered, amely folyamatosan módosítja a rétegek hőmérsékletvezető képességét. Mivel nem álltak rendelkezésünkre nedvességadatok, ezért a modellt állandó 20 térfogat százalékos nedvességet feltételezve futtattuk.

_____________________________________________________________________________________________________ 97

0.0 -0.2 -0.4 -0.6 -0.8

maradék Celsius fok

0.2


0

500

1000

1500

2000

2500

3000

mérési időpontok

3. ábra. A 25cm-s réteg mért és modellezett hőmérsékletének különbsége, Debrecen, 2001. május, 15 pereces mérések

0.0 -0.2 -0.4 -0.6 -0.8

maradék Celsius fok

0.2

Ez első feltétel tehát nem teljesül maradéktalanul, mert az idő függvényében folyamatosan változik a maradék nagysága. Ráadásul van egy napi szabályos ingadozása is, mely naponta szinuszosan ismétlődik. Ebből adódóan a mért időszakban 31 csúcsot lehet elkülöníteni.

0

20

40

60

80

mérési időpontok

4. ábra. A 25cm-s réteg modellezett hőmérsékletének hibái, Debrecen, 2001. május 1. 15 pereces mérések A maradékok hisztogramját az 5. ábra mutatja. Az eloszlás erősen balra dől, a legtöbb érték a negatív tartományba esik, amely összhangban van a korábban említettekkel.

_____________________________________________________________________________________________________ 98

300 200 0

100

gyakoriság

400


-0.8

-0.6

-0.4

-0.2

0.0

0.2

0.4

maradékok

5. ábra. A 25cm-s réteg modellezett hőmérsékletének hibái, Debrecen, 2001. május Az egymintás Kolmogorov-Smirnov teszt alapján a maradék nem normális eloszlású, határozottan aszimmetrikus. A maradékok várható értéke -0,35 °C. A fenti hibák kiküszöbölésére a modellben módosítottuk az átlagos hőmérsékletvezető képesség becslését, amely az eredeti modellben egyszerű számtani átlagként szerepel. Horton és Chung is megemlíti cikkében, hogy a mértani átlag lehet, hogy jobb a két réteg közötti átlagos hőmérsékletvezető képesség becslésére, de nem alkalmazzák modelljükben. Kipróbáltuk a mértani átlagot, és nem találtuk jobbnak az egyszerű számtani átlagnál, ugyanúgy megmaradtak a hibák. A modell homoszkedasztikusságának megítélését a 3. ábra segíti. A maradékok ingadozásának mértéke függ az időtől, nem állandó. 4. Összefoglalás Jelen munkánkban megvizsgáltuk a Chung és Horton (1987) által készített hőáramlási modellt, amelyet a szerzők ajánlását megfogadva a vízáramlási modell mellőzésével futtattunk. Az eredeti Fortran nyelvű programot átírtuk R nyelvre és R környezetben modelleztünk. A becslés során a háromrétegű talajban a felső és alsó réteg hőmérsékletének ismeretében modelleztük a középső réteg hőmérsékletét. A modell jóságát statisztikai módszerekkel vizsgáltuk. A vízáramlási modellt mellőző hőáramlási modellel az alábbi eredményeket kaptuk:    

A mért és becsült hőmérsékletek közötti különbségek függnek az időtől (talajnedvesség változás), valamint szabályos napi szinuszos ritmust mutatnak. A napi ritmust a Napmagasság változása valamint a pára formájában mozgó víz okozhatja. A maradéktagok nem nulla várható értékű normális eloszlású sokaság, hanem erősen balra dőlt aszimmetrikus eloszlású. Ebből kifolyólag az alulbecslés sokkal gyakoribb. A maradékok ingadozásának mértéke is függ az időtől, nem állandó. Az átlagos hőmérsékletvezető képesség becslésénél nem találtunk különbséget a számtani és mértani átlag között.

_____________________________________________________________________________________________________ 99


Az R nyelvre átírt program sokkal rövidebb lett. A Thomas algoritmusra nincs is szükség, ha az együttható mátrixot valódi tridiagonális formában adjuk meg, mert ekkor az R solve() függvényét használhatjuk. Végső következtetésünk, hogy a talaj hőmérsékletének modellezéséhez nélkülözhetetlen a víz és páraáramlás egyidejű becslése, mert ezek a stényezők erős kölcsönhatásban vannak egymással. Irodalom Chung, S.O. and R. Horton. 1987: Soil heat and water flow with a partial surface mulch. Water Resour. Res. 23:2175-2186. Hanks, R.J., D.D. Austin and W.T. Ondrechen. 1971. Soil temperature estimation by a numerical mathod. Soil Sci. Soc. Am.Proc. 35:665-677. John Hanks, J. T. Ritchie co-editors: Modeling plant and soil systems. Number 31 in the series Agronomy, Madison, Wisconsin USA, 1991. ISBN: 0-89118-106-7, p397-438 James, M.L., G.M. Smith, and J.C. Wolford (1977): Applied numerical methods for digital computation with FORTTAN and CSMP. Harper and Row Publ., New York. McInnes K., (1981) Thermal conductivities of soils from dryland wheat regions in Eastern Washington,Washington State University, Pullman, WA (1981) Unpublished MS Thesis R Core Team (2013). R: A language and environment for statistical computing. R Foundation for Statistical Computing, Vienna, Austria. URL http://www.R-project.org/.s

_____________________________________________________________________________________________________ 100


A kocatartás termelési és gazdasági kockázatának vizsgálata* Soltész Angéla, Szőke Szilvia, Balogh Péter Debreceni Egyetem [email protected], [email protected], [email protected]

Absztrakt: Munkánk során egy 1300 tenyészkocával rendelkező malacelőállítással foglalkozó sertéstelep adatait felhasználva modell telepet készítettünk, amellyel vizsgáltuk a malacelőállítás jövedelmezőségét befolyásoló főbb kockázati tényezőket. A modell input adataiként rögzítésre kerültek a fialási és elhullási mutatók valamint a költség és az ár adatok, outputként a telepi árbevétel, az összes költség és az összes jövedelem, továbbá a malac előállítás önköltsége. Modellezésünk során a Monte-Carlo szimulációs eljárást alkalmaztuk a kockázatok elemzéséhez. Eredményeink alapján megállapítható volt, hogy az összes árbevételt legnagyobb mértékben a fialási átlag befolyásolta (ß=0,691), az összes telepi költséget a malac kibocsátáshoz kapcsolódó mutatók (fialási átlag ß=0,455, malac takarmány ár ß=0,443, malac takarmányfogyasztás ß=0,364) határozták meg, míg a telepi összes jövedelem változására a malacár (ß=0,578) hatott a legnagyobb mértékben. Kulcsszavak: malacelőállítás, kockázatelemzés, Monte-Carlo szimuláció

1. Bevezetés A mezőgazdasági termelés a legkockázatosabb termelő-tevékenységek közé sorolható, amely során a termelők számos kockázattal kénytelenek szembenézni mind a növénytermesztési, mind pedig az állattenyésztési ágazatok esetében. Hazánkban az elmúlt évtizedben jelentős változások történtek a mezőgazdasági termelés ágazati megoszlását illetően. Az állattenyésztés szerepe folyamatosan csökkent, részesedése a mezőgazdasági termelés bruttó kibocsátásából 2004 előtt még meghaladta a 40%-ot, 2004 óta pedig csupán 33-37% között ingadozik (KSH 2013a). Ezen visszaesés elsősorban az állatállomány számában tapasztalható folyamatos csökkenés következménye (2012-ben csupán a szarvasmarha-állomány haladta meg a 2004-es szintet (KSH 2013b)), amely változás legnagyobb mértékben a sertésállományt sújtotta: 2002-ben még több mint 5 millió volt a sertések száma, ezzel szemben 2012 végére nem érte el a 3 millió darabot sem (KSH 2013c). Az ágazat további problémái közé sorolható a nem eléggé hatékony termelés, a nem megfelelő színvonalú tartás- illetve takarmányozástechnológia, illetve a méretgazdaságossági gondok. Általánosságban elmondható, hogy Magyarországon kisebb a sertésszaporulat, lassú a tömeggyarapodás, később lesznek vágásérettek a sertések, továbbá gyenge a takarmányhasznosítás is – mindezek pedig bizonytalanságot teremtenek a termelők számára, tevékenységük befejezésére kényszerítve őket. Közismert, hogy a gazdaságos sertéstenyésztés és sertéshús előállítás alapja a megfelelő számú és minőségű szaporulat. Ennek kapcsán a kormány 2012-ben elkészítette az úgynevezett „Nemzeti Sertésstratégiát”, amelynek fő célja a hazai sertésállomány *

„A kutatás a TÁMOP 4.2.4.A/2‐11‐1‐2012‐0001 azonosító számú Nemzeti Kiválóság Program – Hazai hallgatói, illetve kutatói személyi támogatást biztosító rendszer kidolgozása és működtetése konvergencia program című kiemelt projekt keretében zajlott. A projekt az Európai Unió támogatásával, az Európai Szociális Alap társfinanszírozásával valósul meg.” „A Bolyai János Kutatási Ösztöndíj támogatásával készült.” „A Debreceni Egyetem belső kutatási pályázatának támogatásával készült.” _____________________________________________________________________________________________________ 101


megduplázása; továbbá javító stratégiai intézkedéseket tesz tenyésztési, termelési integrációs és kutatásfejlesztési program kidolgozására (Magyar Közlöny 2012). Jelen tanulmányban a jövedelmező malacelőállítás feltételeinek vizsgálatát tűztük ki célul, azaz hogy milyen körülmények között képesek a tenyészkocák a legjobb termelési eredmények elérésére. Munkánkban egy valós tenyésztelep termelési, illetve a termeléshez kapcsolódó egységár adataira támaszkodva elkészítettünk egy olyan sertéstelepi szimulációs modellt, amely által előrejelzés készíthető a jövedelmezőségi mutatókra, különböző kockázati tényezők figyelembe vétele mellett. 2. Kockázatok modellezése A matematikai modellezés fő feladata a technikai rendszerben lejátszódó folyamatok, jelenségek lehető legpontosabb modelljeinek felállítása és eredményeinek kiértékelése. A modell felállításakor azonban mindig számolnunk kell valamilyen fajtájú és mértékű bizonytalansággal (Csipkés 2009). Az állattenyésztésben elsősorban a hozamok és a piaci tényezők bizonytalansága miatt számos kockázat fordul elő, amelyet a termelő egyáltalán nem, vagy csak kis mértékben tud befolyásolni. Éppen ezért fontos, hogy tisztában legyünk a rendszer működésével kapcsolatban. Modellezés során lehetőség nyílik a valóság pontosabb megismerésére, jellemzésére, mely által a kockázat mértéke is számszerűsíthetővé válik, információt szolgáltatva a döntéshozóknak (Takács és Felkai 2010; Pocsai és Balogh 2011). Manapság, a számítógépek fejlődésének köszönhetően, a kockázatok könnyebb, gyorsabb és nem utolsósorban pontosabb meghatározása, mérése és kezelése vált lehetővé (Beaver és Parker 1995). Különböző komplex kockázatbecslési, kockázatkezelési és szimulációs stratégiák állnak a felhasználó rendelkezésre (Kovács és Csipkés 2010; Takács-György és Takács 2011; Vizvári et al. 2011; Huzsvai et al. 2012), mint például a Monte-Carlo szimuláció, mely igen széles körben (Orosz 2003; Rohács 2007) alkalmazott numerikus eljárás. A módszer legnagyobb előnye, hogy nincs szükség a sokszor igen bonyolult analitikus vagy numerikus módszerekkel történő modellalkotásra, hanem „csupán” véletlen számok gyors és hatékony generálásával válaszolhatók meg a feltett kérdések (Pokorádi és Molnár 2010). 2.1. Monte-Carlo szimuláció Szimulációról akkor beszélünk, ha egy folyamat vagy rendszer vizsgálata egy azokat helyettesítő modell segítségével történik, mely az eredeti rendszer viselkedését hivatott tanulmányozni. Szimulációs eljárások során – ellentétben az analitikus modellek által szolgáltatott pontos eredményekkel – a modell időbeni futtatása és végrehajtása valósul meg, melynek eredményeként reprezentatív mintákat kapunk a rendszer működését leíró teljesítménymutatókról (Winston 1997). A kockázatelemzés egyik alternatív módszereként a Monte-Carlo szimulációt szokták alkalmazni, amikor is a rendszer modellezését követően számítógépes szimulációk futtathatók a rendszernek megfelelő véletlen értékekkel. A módszer légyege, hogy az egyes bizonytalan tényezőkhöz rendelt valószínűség-eloszlások alapján véletlenszerűen választunk ki értékeket, amelyeket a szimulációs vizsgálat egy-egy kísérletében használunk fel (Vose 2006; Russel és Taylor 1998). A szimuláció első lépéseként az elemezni kívánt modellben rögzítésre kerülnek a befolyásoló (input) változók, azok lehetséges intervalluma, valószínűség-eloszlása, valamint a

_____________________________________________________________________________________________________ 102


változók közötti kapcsolat. A változók adott intervallumbeli és eloszlás szerinti értékeit véletlenszám-generátor képzi (Szőke et al. 2010). Rögzítésre kerülnek továbbá az (output) eredményváltozók. Végül a modellt számítógép segítségével egymás után többször, általában 1000-10000 kísérletszámmal lefuttatjuk. A szimuláció eredményeként minden egyes eredményváltozóra kapunk egy várhatóértéket és egy szórástartományt, továbbá az eloszlásfüggvény segítségével meghatározható lesz annak a valószínűsége, hogy az adott változó értéke egy adott intervallumba fog esni (Winston 2006). A futtatások számának növelésével az eredményváltozó eloszlása tetszőleges pontossággal megadható az alábbiak szerint (Watson 1981; Jorgensen 2000):

  E {U ( X )}   U ( x) ( x)dx

(1)

ahol X = {θ, ø} a θ döntési paramétereket és a ø állapot paramétereket tartalmazó vektor, π az x eloszlását jelenti, U(x) pedig egy hasznossági függvény, amely általában a jövedelmet jelenti. Ezek alapján az Eπ () függvény adott eloszlás mellett megadja a várható hasznosságot. A szimuláció lefuttatása, gyakorlati megvalósítása szimulációs szoftver segítségével történik, melyek közül néhány az ismert Excel táblázatkezelő programra épül. Ilyen a @Risk (Palisade Corporation) is, amelynek 4.5-ös verzióját alkalmaztuk sertéstelepi modellünk szimulációs vizsgálatához (Palisade 2005). 2.2. A modellezés alapjául szolgáló telep bemutatása Modellezésünk egy, az Északkelet-Magyarország régióban található tenyésztelep 2013. évi adatai alapján történt. A telepen 1300 koca tenyésztése folyik, évente több mint 26.000 süldőt bocsátanak ki. A süldők 36 kg-os testtömeggel, 90 napos korban kerülnek értékesítésre. A telep fontosabb termelési mutatóit az 1. táblázat tartalmazza. 1. táblázat: A tenyésztelep termelési mutatói és a szimuláció során alkalmazott intervallumok Telepi mutató Kocaforgó (fialások száma/év) Fialási átlag (élő malac/fialás) Elhullási százalék – szopós malac Elhullási százalék – utónevelt malac Selejtezési százalék – anyakoca Süldő/malac értékesítési ár (Ft/kg) Selejt koca értékesítési ár (Ft/kg) Selejt kan értékesítési ár (Ft/kg) Selejt süldő értékesítési ár (Ft/kg) Malac takarmányfogyasztás (kg/nap) Koca takarmányfogyasztás (kg/nap) Átlagos malac takarmány egységár (Ft/kg) Átlagos koca takarmány egységár (Ft/kg)

Telepi érték 2,3 9,6 6,5 2,5 40 600 330 300 350 1,5 4 120 81,5

A szimulációban alkalmazott érték/intervallum 2,1-2,4 9-11 4-8 1,5-4 35-50 550-650 330 300 350 1,3-1,6 3,8-4,5 110-135 70-90

2.3. A modell felépítése A telepi mutatók segítségével az Excel táblázatkezelőben elkészítettük a tenyésztelep termelését és jövedelmezőségét szemléltető modell-telepet. Ezt követte a szimulációban felhasználni kívánt változók megadása lehetséges intervallumaikkal és valószínűségi eloszlásukkal együtt, melyet a táblázatkezelő program alatt futó @Risk 4.5 szoftver

_____________________________________________________________________________________________________ 103


segítségével állítottunk be. A modellben befolyásoló tényezőként az alábbi input paraméterek szerepeltek:          

Kocaforgó Fialási átlag Szopós malac elhullás Utónevelt malac elhullás Kocaselejtezés Malac értékesítési ár Malac takarmányfogyasztás Átlagos malac takarmány egységár Koca takarmányfogyasztás Átlagos koca takarmány egységár

A paraméterek feltételezett eloszlása több eloszlástípusból választható ki, melyek közül mi a háromszög eloszlást alkalmaztuk, ami az általános gyakorlat, amikor mind a minimális, mind a maximális, illetve a legvalószínűbb értékek ismeretesek (Evans et al. 2000). Az általunk alkalmazott intervallumok az 1. táblázatban találhatóak, legvalószínűbb értéknek a telepi átlagértékeket tekintettük. Az input adatok közül a malac és a koca takarmány egységára között 0,9 korrelációs értéket állítottunk be, jelezve a takarmány árak között lévő erős pozitív kapcsolatot. A szimulációhoz output változóként öt gazdasági mutatót adtunk meg:     

Telepi összes árbevétel (millió Ft) Telepi összes költség (millió Ft) Telepi összes jövedelem (millió Ft) Malac önköltség (Ft/darab) Malac önköltség (Ft/kg)

A fenti beállítások elvégzése után a szimulációs modellt 10 000 ismétlésszámmal futtattuk le, majd érzékenységvizsgálatokat készítettünk az output változókra. Az érzékenységvizsgálat standardizált regressziós együtthatók (ß), illetve Spearmann-féle rangkorrelációs együtthatók alapján történt. Előbbi a magyarázó (input) változó hatását kifejező mutató, amit akkor kapunk, ha mind a függő mind pedig a magyarázó változókat nem eredeti mértékegységükben, hanem standardizált formában használjuk (Moksony 2006). Jelentősége, hogy a magyarázó változók fontossági rangsorát mértékegységtől függetlenül jelzi (Hajdú 2003). Ezen mutató segítségével rangsorolni tudtuk az input változókat a kockázat szempontjából. Az együttható előjele a változás irányáról is tájékoztatást ad (Szőke et al. 2010), pozitív érték esetén a ható tényező növekedése az eredmény változó növekedésével jár, negatív előjel esetén az input változó növekedése az output változó csökkenését okozza. 3. Eredmények Modellezésünk alapján első lépésként a telepi összes árbevétel nagyságát befolyásoló tényezőket vizsgáltuk. Az érzékenység vizsgálat tornádó diagramja (1. ábra) alapján megállapítható, hogy legnagyobb mértékben a fialási átlag befolyásolja az összes bevétel változását, egy szórás változása a fialt malacok számában 0,691 (ß) szórás változást okoz az összes árbevételben. Jelentős szerepe van továbbá a malacár változásának (ß=0,539), illetve a kocaforgó (ß=0,435) változásának is az összes árbevétel alakulására. Mindhárom mutató közepesen szoros kapcsolatban áll az árbevétellel, (Spearmann féle rangkorrelációs

_____________________________________________________________________________________________________ 104


együttható: 0,43 - 0,69), jelezve, hogy a mutatók értékében bekövetkező növekedés az árbevétel növekedésével jár együtt. Az elhullási/selejtezési százalékok szintén hatással vannak az árbevétel nagyságára. A legmagasabb abszolút értékű ß együttható a szopós malac elhullásnál volt, ennek jelentése, hogy az elhullás 1 szórásnyi változása az árbevételben 0,141 szórás változást okoz, amely ellentétes irányú, mivel a negatív előjel arra utal, hogy az elhullási százalék csökkenésével az árbevétel növekedése következik be. A többi mutató esetében a standardizált regressziós együttható közel nulla volt (|ß|<0,1).

1. ábra. Standardizált regressziós együttható tornádó grafikonja az összes árbevételre

2. ábra. Standardizált regressziós együttható tornádó grafikonja az összes költségre

_____________________________________________________________________________________________________ 105


A következő vizsgált output a telepi összköltség volt (2. ábra), melynek értékét legnagyobb mértékben a telepi mutatók közül a fialási átlag, míg a piaci tényezők közül a malac takarmányár határozza meg. Mindkét esetben elmondható, hogy egy szórásnyi változás több mint 0,4 szórásnyi változást eredményez a telepi összköltség változásában. A költségek alakulásában további fontos szerepet játszik (ß=0,22-0,44) a malacok takarmányfogyasztása, a koca takarmányár, a kocaforgó, valamint a kocák takarmányfogyasztása is, melyek növekedése az összköltségben is növekedést okoz. A telepi árbevétel és összköltség különbségéből kalkulálható jövedelem érzékenységvizsgálatának eredményét szemlélteti a 3. ábra. Az értékek alapján elmondható, hogy az árbevétel nagyságát jelentősen befolyásoló változók közül a malacár változása hat legnagyobb mértékben a jövedelem értékére (Spearmann féle rangkorrelációs együttható értéke 0,57). A malacár 1 szórásnyi változása az összes jövedelemben 0,578 szórás változást eredményez. A fialási átlag növekedése szintén pozitív irányú változást okoz a jövedelemben (ß=0,395), de ennek hatása kisebb mértékű, mint az árbevétel esetében, hiszen a nagyobb malacszám együtt jár a kiadások értékének növekedésével.

3. ábra. Standardizált regressziós együttható tornádó grafikonja az összes jövedelemre Azon input tényezők, amelyek az összköltséget pozitívan befolyásolták, hasonló fontossági sorrendben, viszont ellentétes előjellel láthatóak a jövedelem ábráján. A standardizált regressziós együttható abszolút értéke 0,3 körüli volt a malacok takarmányozását befolyásoló tényezők esetében, ettől valamivel kisebb mértékű változást okoznak a kocák takarmányozását meghatározó tényezők (|ß|=0,2). Minden egyéb input változónál a standardizált regressziós együttható, illetve a Spearmann féle rangkorrelációs együttható értéke is közel nulla volt (|ß|<0,1).

_____________________________________________________________________________________________________ 106


Mivel a telep fő profilja a malacelőállítás, ezért fontosnak találtuk megvizsgálni a főtermék önköltségét befolyásoló tényezőket is. A 4. ábrán a fajlagos malac önköltség érzékenységvizsgálatának tornádó grafikonja látható. Az eredmény független volt attól, hogy darabszámra vagy kilogrammra vonatkozik az önköltség, a két mutató esetében ugyanaz a fontossági sorrend mutatkozott, illetve az együtthatók értéke is megegyezett.

4. ábra. Standardizált regressziós együttható tornádó grafikonja a fajlagos malac önköltségre Az ábráról leolvasható, hogy a standardizált regressziós együttható a fialási átlag esetében veszi fel a legnagyobb értéket (|ß|=0,442), ami azonban negatív előjellel szerepel. Ezt úgy értelmezhetjük, hogy a fialásonkénti alomszám 1 szórásnyi növekedése a malac önköltségben 0,442 szórásnyi csökkenést eredményez. Ugyancsak jelentős befolyásoló szerepe mutatható ki a takarmány egységár illetve a takarmányfogyasztás változásának (az egyes változók jelentőségének sorrendje, illetve a standardizált regressziós együtthatók értéke megegyezik az összköltségnél tapasztaltakkal). A fialási átlag negatív értékével szemben, ezen mutatók már pozitív ß értéket vesznek fel, azaz a mutató értékében való növekedés a fajlagos önköltség növekedését okozza. Megemlíthető még továbbá a kocaforgó változásának befolyásoló szerepe, amely mutató 1 szórásnyi növekedése 0,283 szórásnyi csökkenést okoz az önköltségben. A szimulációs vizsgálat eredményváltozóinak fontosabb leíró statisztikai mutatóit a 2. táblázat foglalja össze.

_____________________________________________________________________________________________________ 107


2. táblázat: A szimulációs vizsgálat output adatainak statisztikai mutatói Outputok Minimum Összes árbevétel (millió Ft) 511,6 Összes költség (millió Ft) 498,6 Összes jövedelem (millió Ft) -70,2 Malac önköltség (Ft/darab) 17 519 Malac önköltség (Ft/kg) 487

Átlag 612,5 575,5 37,1 20 360 566

Maximum 753,1 687,5 158,2 23 438 651

Szórás 35,9 25,6 33,4 921,7 25,6

Ferdeség Lapultság 0,29 2,87 0,19 2,84 0,09 2,85 0,06 2,78 0,06 2,78

A legnagyobb tartomány az összes jövedelem esetében figyelhető meg, melynek relatív szórás értéke 90%. Ez azt jelenti, hogy a szimulált átlag értéke nem jól jellemzi a jövedelem várható értékét.

5. ábra. A malac önköltség (Ft/darab) relatív gyakorisága 10 000 szimulációs kísérlet után Az 5. ábra az egy malacra jutó önköltség hisztogramját szemlélteti a 10 000 szimulációs kísérlet elvégzése után. Az átlag 20 361 Ft/malac volt, amely 36 kilogramm testtömegre vetítve 565,68 Ft/kg önköltséget jelent. Az interkvartilis terjedelem 19 714 Ft/db-tól 20 989 Ft/db-ig terjed, amely kilogrammra vetítve 548-583 Ft-ot jelent. 4. Következtetés A kockázati elemek számbavétele és mérése elősegíti a megalapozottabb döntést. Munkánkban a kocatartás során felmerülő kockázatok vizsgálatát végeztük el szimulációs modellezéssel. A modellben a fontosabb termelési és gazdasági paraméterek, mint valószínűségi változók lettek beépítve, majd Monte-Carlo szimulációt lefuttatva, arra kerestük a választ, hogy az egyes kockázati tényezők milyen mértékben befolyásolják a telepi árbevételt, költségeket és jövedelmet, illetve a fajlagos malac önköltség alakulását. _____________________________________________________________________________________________________ 108


Eredményeink alapján megállapítható, hogy a telepi naturális mutatók közül a fialási átlag volt a legmeghatározóbb tényező: az összes árbevétel változékonyságát 0,691 ß értékkel, az összes költség változékonyságát 0,455 ß értékkel, az összes jövedelem változékonyságát 0,395 ß értékkel, illetve a fajlagos malac önköltség változékonyságát -0,442 ß értékkel befolyásolta. Ez alapján javasolható a telepi menedzsment számára, hogy kiemelt figyelmet fordítsanak a telepen termelő kocák igényeinek kielégítésére azért, hogy a lehető legnagyobb szaporulatot tudjuk elérni minden egyes tenyészállat esetében. A piaci befolyásoló tényezők közül a malac értékesítési ár hatott a legjelentősebben az összes árbevétel (ß=0,539) és az összes jövedelem (ß=0,578) változékonyságára. Emellett a malac takarmányár szerepét lehet kiemelni, amely az összes költség szórását ß=0,443 és a malacelőállítás önköltségének szórását ß=0,433 mértékben befolyásolta. Mind a beszerzés mind az értékesítés oldaláról szükséges a termelés biztonságának növelése azáltal, hogy az input-output árak változását minimalizáljuk, ebben játszhat szerepet a többi termelővel történő közös beszerzés és értékesítés. Az általunk modellezett input adatok közül az elhullási/selejtezési mutatók jelentősége volt a legalacsonyabb, a tornádó diagramok korrelációs együttható értéke közel nulla volt ((|r|≤0,1). Irodalomjegyzék Beaver WH, Parker G. 1995. Risk Management: Problems and Solutions, Stanford University. Csipkés M. 2009. Energetikai faültetvények gazdaságosságának a vizsgálata, Agrártudományi Közlemények 34., Acta Agraria Debreceniensis, pp. 53-61. Evans M, Hastings N, Peacock B. 2000. Triangular Distribution, In Statistical Distributions, 3rd ed. New York. Hajdú O. 2003. Többváltozós statisztikai számítások, Központi Statisztikai Hivatal, pp. 215. Huzsvai L, Megyes A, Rátonyi T, Bakó K, Ferencsik S. 2012. Modelling the soil-plant water cycle in maize production: A case study for simulation of different soving dates on chernozem soil, Növénytermelés 61. pp. 279-282. Jorgensen E. 2000. Monte Carlo simulation models: Sampling from the joint distribution of “State of Nature”-parameters, In: Van der Fels-Klerx, I.; Mourits, M. (eds). Proceedings of the Symposium on “Economic modelling of Animal Health and Farm Management”, Farm Management Group, Dept. of Social Sciences, Wageningen University, pp. 73-84. Kovács S, Csipkés M. 2010. A case study of crop structure modelling and decision making by using a stochastic programming model, Agrárinformatika Folyóirat, vol. 1, no. 1, pp. 1-7. Központi Statisztikai Hivatal 2013a. Mezőgazdaság, 2012. Központi Statisztikai Hivatal 2013b. Állatállomány, 2012. December 1., Statisztikai tükör VII. Évf. 12. szám Központi Statisztikai Hivatal 2013c Gyorstájékoztató Magyar Közlöny 2012. A Kormány 1323/2012. (VIII. 30.) Korm. Határozata a sertéságazat helyzetét javító stratégiai intézkedésekrõl, 2012. évi 114. szám, pp. 19447-19449 Moksony F. 2006. Gondolatok és adatok. Társadalomtudományi elméletek empirikus ellenőrzése, Aula Kiadó, Budapest, pp. 205. Orosz GT. 2003. keV-os Elektronok visszaszórt energiaspektrumának Monte-Carlo szimulációja, Doktori (Ph.D.) értekezés, Veszprémi Egyetem, pp. 92. Palisade 2005. @RISK advanced risk analysis for spreadsheets, Version 4.5. Palisade Corporation 22, pp. 116. _____________________________________________________________________________________________________ 109


Pocsai K, Balogh P. 2011. A @RISK program bemutatása egy sertéstelepi beruházás esettanulmányán keresztül, Agrárinformatika Folyóirat, vol. 2, no. 1. pp. 77-85. Pokorádi L, Molnár B. 2010. A Monte-Carlo szimuláció szemléltetése, Szolnoki Tudományos Közlemények XIV, Szolnok, pp. 13. Rohács D. 2007. Kisrepülőgépek elérhetőségének hosszútávú előrejelzése, Repüléstudományi Közlemények, Különszám, pp. 8. Russel RS, Taylor BW. 1998. Operations Management, Focusing on quality and competitiveness, New Jersey. Szőke Sz, Nagy L, Balogh P. 2010. Monte-Carlo szimuláció alkalmazása a sertéstelepi technológia kockázatelemzésében, Acta Agraria Kaposváriensis, vol 14, no. 3, pp. 183-194. Takács I, Felkai BO. 2010. Simulation model for estimating risk of uncertainty on return on investments of public investments, Delhi Business Review 11, 1, pp. 29-42. Takács-György K, Takács I. 2011. Risk Assessment and Examination of Economic Aspects of Precision Weed Management, Sustainability 3, pp. 1114-1135. Vizvári B, Lakner Z, Csizmadia Z, Kovács G. 2011. A stochastic programming and simulation based analysis of the structure of production on the arable land, Annals of Operations Research 190, 1, pp. 325-337. Vose D. 2006. Risk analysis, John Wiley&Sons Ltd., New York. Watson H. 1981. Computer Simulation in Business, Whiley,: New York Winston WL. 1997. Operations Research Applications and Algorithms, Wadswoth Publishing Company. Winston WL. 2006. Financial modells using simulation and optimization, Palisade Corporation, Newfield pp. 505.

_____________________________________________________________________________________________________ 110


A biomasszából nyerhető energia ár- és termelési kockázatának figyelembevétele a földhasználat tervezése során Price and production risk of biomass energy on land-use planning 1, 2

Csipkés Margit1, Nagy Lajos2 Debreceni Egyetem, Gazdálkodástudományi és Vidékfejlesztési Kar [email protected], [email protected]

Abstract: Hungary's biomass potential is outstanding in European comparison. The largest share of it consists of the cereals from which bio-ethanol, cereal straw from which fuel are produced and woody energy crops. However, the accordance of food production and utilization for energy purposes cannot be ignored. The woody energy crops may represent a possibility for biomass energy production, but these plants will immobilize the crop structure for a long time (15-20 years in advance), and they need relatively large investments, too. For this reason, it is advisable to analyze the risk in the long term. The multi-periodic stochastic linear programming models are suitable for this analysis. Such a model structure and the possible use of it are presented in this article.

Összefoglaló: Magyarország természeti adottságait tekintve megfelelő potenciállal rendelkezik biomassza eredetű energia alapanyagok tekintetében. Ebből a legnagyobb megújuló energia potenciált a szántóföldi növények eltüzelhető szalmái, a fás szárú energianövények, valamint a gabonafélékből előállítható bioetanol képzi. Nem szabad azonban figyelmen kívül hagyni, hogy az élelmiszer előállítás és az energiahasznosítás összhangban maradjon. Az energia célú biomassza előállítás egyik lehetőségét a fásszárú energianövények jelentik, amelyek azonban 15-20 éves területlekötéssel és viszonylag magas beruházásigénnyel járnak, ezért célszerű ezek kockázatát hosszú távon is elemezni. Erre alkalmasak lehetnek a többperiódusos sztochasztikus lineáris programozási modellek. Egy ilyen lehetséges modell felépítését és alkalmazását mutatjuk be a cikkünkben. Kulcsszavak: döntés-előkészítés, kockázat, sztochasztikus lineáris programozás, biomassza, vetésszerkezet-optimalizálás

1. Bevezetés Az Európai Unió tagállamait az összes lehetséges energiaforrások felhasználása alapján vizsgálva megállapítható, hogy Magyarország jóval az átlag alatti mutatókkal bír (NFM, 2012). Ennek oka az lehet, hogy a megújuló energia potenciált csak kis mértékben használjuk fel. A magyarországi természeti adottságok alapján a legnagyobb kiaknázható potenciál a biomasszában van még jelenleg is. Mivel a biomasszát fel lehet használni élelmiszerként, takarmányként, illetve alapját jelenti az ipari nyersanyagnak, ezért megfelelő súllyal kell figyelembe venni az energiacélú hasznosítását (NV, 2013). A felhasználásánál mindig szem előtt kell tartani, hogy összhangba maradjon az energia-, illetve az élelmiszer előállítás, azaz biztosítani kell a fenntarthatóságot. Akkor tartható fenn csak egy rendszer, ha a környezeti, a gazdasági és a társadalmi hatásokat együtt vizsgáljuk (1. ábra). A megújuló energiaforrásokból nyert energia fenntarthatóságának biztosítása egyben társadalmi kérdés is, mely maga után vonja a nemzetközi és nemzeti szabályozás fejlődését is (LACZÓ, 2012).

_____________________________________________________________________________________________________ 111


Társadalmi

Elviselhető

Méltá -nyos Fenn -tartható

Környezeti

Megvalósítható

Gazdasági

1. ábra. A fenntarthatóság általános összefüggései Forrás: Saját szerkesztés LACZÓ (2012) elképzelései szerit

Az energiagazdálkodás területén a különböző erőforrások felhasználása az egyik legvitatottabb kérdés napjainkban (ZSIROS, 2013). Különböző felmérések már rámutattak arra, hogy a fosszilis tüzelőanyagok (legfőképpen a szénhidrogének) a megemelkedett igények miatt szűkösen állnak csak rendelkezésünkre. Ezen erőforrások újratermelődése évmilliókat vehet igénybe, így felhasználásukkal folyamatosan csökken a rendelkezésre álló mennyiség. A probléma először az 1970-es évek elején ütötte fel a fejét, mikor is az olajválság idején az emberiség rádöbbent, hogy jelentős korlátok vannak az ásványanyag készletek tekintetében. Jelen korunkban a szűkösség egyre inkább fokozódik, így előtérbe kerülnek az olyan erőforrások, melyek alkalmasak lehetnek a probléma mérséklésére, illetve hosszú távon megoldást jelenthetnek. Ez az irány pedig nem lehet más, csakis az alternatív energiahordozók fokozott felhasználása. Kutatásunkban meg szeretnénk vizsgálni, hogy a biomassza energia-alapanyagként való előállítása és felhasználása milyen kockázattal jár a földhasználati tervezése során. 2. Irodalmi áttekintés A biomassza jelentősége az energiatermelésben

A szakirodalomban nagyon sok biomassza megfogalmazással találkozhatunk, amelyek közül mi az Európai Unió 2009/28/CE direktíváját tartjuk a legfontosabbnak: Eszerint a biomassza „a mezőgazdaságból (a növény és állati eredetű anyagokat is beleértve), az erdőgazdálkodásból és a kapcsolódó iparágakból (halászat, akvakultúra) származó, biológiai eredetű termékek, hulladékok és a maradékanyagok biológiailag lebontható része, valamint az ipari és települési hulladék biológiailag lebontható része” (EU 2009/28/EC). A megfogalmazásból is jól látszik, hogy a szántóföldről betakarított anyagok, illetve azok hulladékai is alapanyagát jelentik a biomasszának (BAI, 2002; DOMBI et al., 2012a). Megfelelő technológia (égetés, elgázosítás, lepárlás) alkalmazásával a biomassza földgázzá, valamint folyékony energiahordozókkal egyenértékű anyaggá (biohő, biovillanyáram, bioüzemanyag) alakítható (KEREKES et al., 2006). Az alapján, hogy melyik gazdasági ágból kerül ki a biomassza megkülönböztetünk mezőgazdasági-, erdőgazdasági-, ipari- vagy települési eredetű biomasszát (JAKABFFY, 2007). Kutatásunkban a mezőgazdasági fő- és mellékterméket, illetve a fás szárú energianövényeket vizsgáljuk meg a földhasználat tervezése során felmerülő kockázati források szempontjából.

_____________________________________________________________________________________________________ 112


A témát azért tartjuk fontosnak, mivel a különböző biomassza-források közül az egyik legkérdésesebb pont az energianövények felhasználási lehetőségei, illetve termesztésbe való bevonásuk. Abban az esetben szabad csak egy adott területen energiaültetvényekkel foglalkozni, ha a terület termelésből való kivonásával nem veszélyeztetjük az élelmiszertermelést, illetve ha a természetvédelmi szempontok megfelelnek a fenntarthatóság elvárásainak. Több tanulmány is vizsgálta már az energiaültetvények szántóföldi termelésbe való bevonását, azonban ezek elég szélsőséges képet mutatnak. Ahogy a bevezetőben is megfogalmaztuk már a legnagyobb biomassza termelő a mezőgazdaság, amely évente 58 millió tonna szerves anyagot állít elő (BAI, 2007). Ebből a legnagyobb megújuló energia potenciált a szántóföldi növények eltüzelhető szalmái, a fás szárú energianövények, valamint a gabonafélékből előállítható bioetanol képzi. Csak kisebb mennyiség állítható elő az állattartás melléktermékeiből (biogáz alapanyag). A mezőgazdasági eredetű biomasszák energiává történő átalakítása és hasznosítása nagyon sok problémát vet fel, melyeket kockázati forrásoknak tekinthetünk (DOMBI et al. 2012b). A legnagyobb súlya a beruházások finanszírozásának, a gazdaságosság kérdésének, a szabályozások betartásának, illetve a logisztika hiányának van. A biomassza energetikai célú termelését (BEDÉNÉ, 2011) valamint hasznosítását két tényező befolyásolja. Az egyik a hagyományos energiahordozók árának és költségének alakulása, a másik pedig a bioenergiahordozók előállításának költségei. A két befolyásoló tényező mellett a biomassza energetikai célú hasznosítására hat a természeti környezet változása, illetve a társadalom érzékenysége a kedvezőtlen környezeti hatásokkal szemben. A biomasszából termelt hő költségeit nagyban befolyásolják termeléskor az alapanyagok előállítási költségei, a mezőgazdasági termeléshez kapcsolódó logisztikai költségek, míg felhasználáskor a tüzelő berendezés üzemeltetési költségei, a berendezés mérete, illetve a tüzelés hatásfoka (GYULAI, 2007). A biomassza, mint alapanyag vizsgálata esetében a kedvező alapanyagköltségekből származó előnyöket jelentősen csökkentik a tüzelő berendezésekkel kapcsolatos magasabb költségek. A jövőben a modern kazántípusok elterjedése, a szállítási távolságok optimalizálása és a környezetvédelmi előnyök pénzbeni megjelenése versenyképessé teheti különösen a faapríték és a mezőgazdasági bálázott szalma energia hasznosítását. Ezért is tartjuk fontosnak, hogy egy olyan földhasználati tervezését alakítsunk ki hosszabb periódusra vonatkozóan, ahol a hagyományos szántóföldi növények mellett a fás szárú energianövényeket is versenyképesek lehetnek figyelembe véve a hagyományos szántóföldi növények vetésváltási korlátait, illetve azt, hogy a fás szárú energianövények több éven keresztül területlekötéssel termelnek. A lineáris programozás alkalmazhatósága a kockázatelemzésben A lineáris programozási modellekkel nem tudjuk a véletlen hatásokat bemutatni, mert determinisztikusnak tekinthetők. Ez azt jelenti, hogy modell összeállításakor figyelembe vett értékesítési ár-, költség-, hozamadatok és erőforrás mennyiségek függvényében határozható meg a maximális jövedelemhez tartozó optimális termelési szerkezet. Egy egyszerű lineáris programozási modell matematikai megfogalmazása:

x j  0; bi  0

(j=1,2,...,n; i=1,2,...,m)



(i=1,2,...,m)

j

aij x j  bi



j

E (c j ) x j  MAX !

_____________________________________________________________________________________________________ 113


ahol

x j : a tevékenységek mérete bi : az i-edik erőforrásból rendelkezésre álló mennyiség

aij : a j-edik tevékenység fajlagos erőforrás szükséglete az i-edik erőforrásból A fenti tényezők ingadozásának figyelembevétele több módszerrel is lehetséges. Először mindig az árnyékárak vizsgálatát célszerű elvégezni. Az árnyékárak elemzése lehetővé teszi számunkra – egy adott összefüggésrendszerben –, a modell korlátozó feltételeinek a vizsgálatát, illetve a változókhoz rendelt célfüggvény értékek – jövedelem vagy költség adatok – elemzését. A célfüggvény koefficiensek alsó és felső határérték közötti tartománya információt ad számunkra arról, hogy a célfüggvény érték milyen mértékű ingadozása esetén marad változatlan a determinisztikus körülmények között optimalizált termelési szerkezet, azaz lényeges kiegészítést kapunk a modell költség- és hozamváltozásokkal kapcsolatos érzékenységéről. A küszöbárak elemzésekor, azok ésszerű és megalapozott figyelembevételével az alternatív optimumokban rejlő lehetőségeket használhatjuk ki a döntéselőkészítés során. Az árnyékárak elemzése után érzékenységvizsgálatokat végezhetünk, azaz a modell számszerű jellemzőit (technológiai paramétereket, kapacitásértékeket, célfüggvény koefficienseket) változtatjuk, szerkezeti módosításokat hajtunk végre (új változók, új mérlegfeltételek), vagy új gazdasági tartalmat adunk a célfüggvénynek. Ezek alapján új döntési variánsokat képezhetünk, és elemezhetjük az árváltozások és hozamváltozók hatását. CSÁKI – MÉSZÁROS (1981) az árhatás vizsgálatoknak három típusát különbözteti meg:   

csak egy-egy ágazat árfeltételeit változtatjuk, a versenyző ágazatok, illetve termékcsoportok árviszonyait módosítjuk, valamennyi termelési ág árviszonyainak együttes változását feltételezzük.

A véletlen tényezők kezelésének egyik megoldása a sztochasztikus lineáris programozás (SLP), ahol a sztochasztikus koefficienseket beépítjük a lineáris programozási modellbe. A módszer akkor alkalmazható, ha a sztochasztikus koefficiensek eloszlásfüggvénye ismert. SLP feladat esetén arról van szó, hogy az LP modell kapacitásvektora (b), és/vagy célfüggvény vektora (cT), és/vagy a technológiai mátrix (A) valószínűségi változók, és az ezekhez tartozó valószínűségek (p(A,b,c)) többváltozós eloszlás formájában adottak. A cél a Zmax eloszlásának előállítása. A gyakorlatban – különösen a mezőgazdaságban – az SLP alkalmazásának korlátja a megfelelő eloszlások hiánya (CSÁKI – MÉSZÁROS, 1981). Magyarországon KÖLES (1975) az elsők között használt sztochasztikus programozási modellt a mezőgazdasági vállalatok tervezésében. Sikeresen alkalmazta az SLP-t többperiódusos szükséglettervezési problémák megoldására BAKIR – BYRNE (1998), ahol az igényt tekintették valószínűségi változónak. BOUZAHER – OFFUTT (1991) egy etanolt gyártó üzem kukorica termeltetését modellezte SLP-vel, és a megfelelő eloszlások létrehozására Monte-Carlo szimulációt alkalmazott. Földhasználat tervezése sztochasztikus szimulációs modellel

A modell összeállítása előtt meg kell határozni a termelés irányait, meg kell vizsgálni az erőforrások felhasználhatóságát, az ágazatokhoz tartozó termelési színvonalakat, a piaci kapcsolatokat és a korlátokra vonatkozó elképzeléseket. Ezt követően a növénytermesztési technológiák tervezésénél el kell készíteni a munkaműveleti tervet (a technológiák megbontása dekád részletességűek), a technológiai

_____________________________________________________________________________________________________ 114


kalkulációkat, az ágazati kalkulációkat, meghatározzuk a tevékenységek átlaghozamát, illetve a célfüggvény együttható értékét. A modell elkészítését követően az érzékenység vizsgálat során modellvariánsokat dolgozunk ki. A lineáris programozási modell alkalmazásának nagyon sok előnye van. Egy gazdaság működését egy összefüggő rendszerként kezelhetjük. Az adott összefüggésrendszerben a duális megoldás értékes információkat nyújt számunkra az egyes ágazatok versenyképességéről, valamint a szűk keresztmetszetet jelentő erőforrások értékeléséről. Vannak viszont jelentős hátrányai is. A modell determinisztikus és statikus. A peremfeltételek lineárisként kezelése kompromisszumokra kényszerít bennünket. Vannak azonban olyan eszközök, melyek segítségével a fenti hátrányok kezelhetők és mégsem kell lemondanunk a rendszerszemléletű elemzés előnyeiről:  

Az egyes időszakok statikus modellrészeit összekapcsolhatjuk egy szimultán dinamikus modell segítségével. Az LP modellben determinisztikusnak tekintett, de valójában sztochasztikus paramétereket valószínűségi változókként kezelve sztochasztikus szimulációt alkalmazva megvizsgálhatjuk, elemezhetjük a kockázatot.

A szimulációs modell egy valós rendszernek olyan leegyszerűsített matematikai megvalósítása, mely az eredeti rendszer viselkedését hivatott tanulmányozni különböző feltételek, körülmények változtatása mellett. Ellentétben az analitikus modellek által szolgáltatott pontos eredményekkel, a szimulációs eljárás a modell időbeni futtatását és végrehajtását foglalja magában, hogy a rendszer működését leíró teljesítménymutatókról szolgáltasson reprezentatív mintákat (WINSTON, 1997). Megkülönböztetünk sztochasztikus és determinisztikus modelleket. A determinisztikus modellekbe nincs beépítve a véletlenszerűség. A kockázatok modellezésének általánosan elfogadott eszköze a MonteCarlo módszer (KOVÁCS et al., 2007a) – a sztochasztikus szimuláció is általában ezen a technikán alapul –, melynek lényege, hogy az egyes bizonytalan tényezőkhöz rendelt valószínűség-eloszlás alapján véletlenszerűen választunk ki értékeket, amelyeket a szimulációs vizsgálat egy-egy kísérletében használunk fel (RUSSEL – TAYLOR, 1998). Az elemezni kívánt modellben rögzítjük többek között a befolyásoló változókat, illetve lehetséges intervallumaikat, valószínűség-eloszlásaikat, valamint a változók közötti kapcsolatokat. A változók adott intervallumbeli és eloszlás szerinti értékeit véletlenszám-generátorral képezzük. A modellt számítógép segítségével egymás után többször, általában 1000-10000 kísérletszámmal futtatjuk és így egy várható értéket és egy szórási tartományt kapunk a meghatározni kívánt eredményváltozóra. Az eloszlásfüggvény segítségével aztán meghatározható, hogy az adott változó értéke milyen valószínűséggel esik egy adott intervallumba (KOVÁCS et al., 2007b). A modellekben eredményváltozóként leggyakrabban a jövedelmet szokták megadni, és annak a kockázatát figyelik, hogy milyen valószínűséggel lesz adott érték felett, illetve alatt az értéke. A futtatások számának növelésével az eredményváltozók eloszlása tetszőleges pontossággal megadható az alábbiak szerint (WATSON, 1981; JORGENSEN, 2000):    E U ( X )   U ( x ) ( x )dx , ahol X   ,   a  döntési paramétereket és a  állapot paramétereket tartalmazó vektor, ( x ) pedig az x eloszlásfüggvénye. U(x) egy hasznossági függvény, amely általában a jövedelmet jelenti az E  () függvény a várható hasznosságot adja meg adott eloszlás mellett. A módszer előnye, hogy külön-külön döntési variánsokra is futtathatjuk a modellt, és a különböző döntési változatok kockázata összehasonlítható. A fenti integrál értékének numerikus meghatározására az alábbi képletet alkalmazzák (JORGENSEN, 2000):

_____________________________________________________________________________________________________ 115


 





1 U ( x (1) )  ...  U ( x ( k ) ) , k

ahol k jelenti a kísérletszámot, azaz a futtatások számát. Kiváló, könnyen kezelhető szimulációs szoftverek használhatók, mint például Crystal Ball (Decisioneering, Inc.), @Risk (Palisade Corporation). Ezek az ismert Excel táblázatkezelőn alapulnak. Itt kell felépíteni az alkalmazandó modellt, melynek paraméterei sztochasztikusak is lehetnek. A paraméterek eloszlását több eloszlástípusból választhatjuk ki. Futtatás után a szimuláció az eredményváltozó eloszlását adja, amiből megállapítható, hogy a vizsgált változó milyen valószínűséggel veszi fel értékét egy adott intervallumon. Optimalizáló programjaik (OptQuest, RISKOptimiser) segítségével különböző optimalizációs feladatokat oldhatunk meg, például a már említett kockázatprogramozási modelleket, vagy portfólió elemzéseket, szállítási-, elosztási feladatokat (BALOGH et al., 2008). Mi a modell felállítása során az Excel Solver bővítményét használtuk az LP megoldására, a szimulációs iterációkat és az eloszlásokat VBA programozással készítettük. 3. Anyag és módszer Az éves munkaműveleti tervek és az anyagfelhasználási tervek adatbázisát az Észak-alföldi régió gazdaságaiban elvégzett adatgyűjtés alapján készítettük el. Az éves ágazati technológiák összeállításakor, valamint az ehhez kapcsolódó költség-jövedelem számítások elvégzésénél egyrészt a gazdaságok adatbázisát, másrészt az FVM Mezőgazdasági Gépesítési Intézet összesítő adatbázisát (GOCKLER, 2010) is használtuk. A modellezés során a szántóföldi növények értékesítési árait és a termésátlagokat a KSH adatbázisából gyűjtöttük ki. A fás szárú energianövények esetén az árakról és termésátlagokról a kutatásban résztvevő gazdaságoktól kaptunk információkat. A modellezés és az elemzés folyamatának vázlatát a 2. ábra mutatja be. DETERMINISZTIKUS

SZTOCHASZTIKUS

Éves munkaműveleti és anyagfelhasználási tervek

Valószínűségi változók kiválasztása

Éves ágazati technológiák, és költség jövedelem kalkulációk

Valószínűségi változók eloszlásának meghatározása hosszú idősorok alapján

Éves LP modellek

Inverz eloszlások képzése

Szimultán modellek az éves LP modellek összekapcsolásával

Szimuláció futtatása

Érzékenységvizsgálat

A kockázat értékelése, elemzése

Döntési variánsok

2. ábra. A kutatás során alkalmazott determinisztikus és sztochasztikus elemzések folyamata, kapcsolódása Forrás: Saját szerkesztés

_____________________________________________________________________________________________________ 116


A cikkben bemutatott növénytermesztési modell egy 500 hektáros mintagazdaságot reprezentál, mely egy átlagos Észak-alföldi régió területi szerkezetével, illetve gépparkjával rendelkezik. A modellben a földterület-felhasználással kapcsolatos-, a munkaerőre vonatkozó, a gépekre, illetve a forgóeszköz szükségletre vonatkozó mérlegfeltételeket határoztuk meg. Célunk egy olyan 500 hektáros gazdaság megtervezése volt (termelési szerkezet alapján), amivel 12 évet vizsgálva maximális fedezeti hozzájárulás értéket tudunk elérni a rendelkezésünkre álló erőforrások felhasználása mellett. Ehhez először a növénytermesztési ágazati technológiákat készítettük el, melyek alapját adták az éves vetésszerkezeti modelleknek. Ezt követően az éves vetésszerkezeti modelleket egy közös modellbe foglaltuk, ami lényegében egy diagonális hipermátrixot eredményezett. A mátrix átlójában helyezkednek el az éves növénytermesztési modellek, ahol az egyes évek közötti átmenetet a vetésváltási (elővetemény – utóvetemény) kapcsolatok adják. Az elkészített többperiódusos lineáris programozási modell 120 változót és megközelítőleg 1.000 mérlegfeltételt (mérlegfeltételek a vetésterületre, a vetésváltási korlátokra, a maximális ültetvénynagyságra, a szakképzett és szakképzetlen munkaerőre, az alkalmazott gépekre vonatkoznak) tartalmaz. A többperiódusos lineáris programozási modell egymást követő éveit egyedi mérlegfeltételekkel kötöttük össze. A hagyományos szántóföldi növények esetében azért van szükség erre, mivel figyelemmel kell lenni az egyes növények esetében az elővetemény hatásokra is. Az energetikai faültetvények esetében több szempontot kellett figyelembe venni. Ha az első évben bekerült a termelési szerkezetbe az ültetvény, akkor a következő évtől kezdve minden évben minimum ugyanannyi vetésterület nagysággal kell számolni. Ha nem került be az első évben az ültetvény a termelési szerkezetbe, akkor a második évben ismét az ültetvények bekerülési lehetőségével is számolni kell. Ebben az esetben elcsúsztatott betakarítási időszakokat kell figyelembe venni. Az árak és a termésátlagok esetén a hosszú idősorokra legjobban illeszkedő eloszlásfüggvények segítségével képeztük a valószínűségi változókat. Árak esetén a béta eloszlás és a háromszög eloszlás a jellemző, míg a termésátlagoknál inkább a normál eloszlás volt a leggyakoribb. Az eloszlás értékeket véletlenszám generálással képeztük, majd az eloszlás paramétereit figyelembe véve inverz függvénnyel megkaptuk az adott valószínűségi változót. A szimulációs modellfuttatásokat (10.000 futtatás) elkészítettük támogatott, illetve nem támogatott környezetben is. 4. Eredmények és értékelés A nem támogatott környezetben futtatott modell összesített eredményeit az 1. táblázatban mutatjuk be. 1. táblázat. A szimuláció modell futtatásával kapott fedezeti hozzájárulás értékek összesítője nem támogatott környezetben Megnevezés LP_MIN_TN LP_ÁTLAG_TN LP_MAX_TN

MAX célfgv Ft/500ha/12év 505 062 000 533 400 000 569 940 000

Fedezeti hozzájárulás értéke Szórás (Ft/ha/év) (Ft/ha/év) 84 177 1 325 88 900 94 990

Forrás: Saját számítás

A nem támogatott környezetben kapott eredmények elemzésekor 3 jellemző értéket vettünk figyelembe:

_____________________________________________________________________________________________________ 117


  

Maximum fedezeti hozzájáruláshoz tartozó modell: az összes futtatás alkalmával elérhető legnagyobb fedezeti hozzájárulást adó termelési szerkezet (LP_MAX_TN); Minimum fedezeti hozzájáruláshoz tartozó modell: az összes futtatás alkalmával elérhető legkisebb fedezeti hozzájárulást adó termelési szerkezet (LP_MIN_TN); Átlagos fedezeti hozzájáruláshoz tartozó modell: az összes futtatás alkalmával elérhető átlagos fedezeti hozzájárulást adó termelési szerkezet (LP_ÁTLAG_TN).

Az LP_MIN_TN modell esetében az elérhető fedezeti hozzájárulás érték 500 hektárra, 12 évre 505.062 ezer forint (1. táblázat), ami egy hektárra 84.177 Ft-ot jelent, egy átlagos évre, ez jóval elmarad a lineáris programozási modellnél kalkulált értéktől. Az első évet nézve az 500 hektáros termelési szerkezetből 194 hektáron gabonával (141,2 hektár kukorica; 53,2 hektár őszi búza), 174 hektáron olajnövénnyel (74,1 hektár napraforgó; 100 hektár repce) és 131 hektáron energetikai faültetvényekkel kell foglalkozni a számított modell alapján (3. ábra). Az energiaültetvények közül az összes faültetvény bekerült a termelési szerkezetbe: az akác 24,8, a nyár 76,8, míg a svéd fűz 30 hektárral. Ezen területi nagyságok a 12 éves modellben ugyanezekkel az értékekkel szerepelnek, mivel területlekötés van az ültetvények esetében. A második évtől kezdve a gabonafélék részaránya 33,6-38,8 százalék, míg az olajos növények részaránya 34,8-40,0 százalék között alakul. Kukorica

Napraforgó

Őszi búza

1. év

141,2

2. év

141,2

100,0

3. év

141,2

100,0

74,1

146,4

4. év

94,1

5. év

53,2

Akác

Nyár

Svéd fűz

100,0

24,8

76,8

30,0

27,3

100,0

24,8

76,8

30,0

27,3

100,0

24,8

76,8

30,0

22,0

100,0

24,8

76,8

30,0

126,9

100,0

24,8

76,8

30,0

127,3

100,0

24,8

76,8

30,0

100,0

24,8

76,8

30,0

100,0 47,4

Repce

6. év

141,2

7. év

141,2

8. év

141,2

100,0

27,3

100,0

24,8

76,8

30,0

9. év

141,2

100,0

27,3

100,0

24,8

76,8

30,0

10. év

141,2

100,0

24,8

76,8

30,0

11. év

141,2

100,0

27,3

100,0

24,8

76,8

30,0

12. év

141,2

100,0

27,3

100,0

24,8

76,8

30,0

0

74,1

53,2

74,1

53,2

Termelési szerkezet (hektár)

500

3. ábra. A szimulációs modell futtatásával elérhető legalacsonyabb fedezeti hozzájáruláshoz tartozó termelési szerkezet, nem támogatott környezetben (Me.: ha) Forrás: Saját számítás

Kiemelnénk a 6. évet, amikor a vetésszerkezetbe a napraforgó nem került be. Helyére az őszi búza került, aminek a következtében a gabonafélék részaránya 44,2 százalékra növekedett. Az LP_ÁTLAG_TN modellnél a termelési szerkezet hasonlóan alakult az LP_MIN_TN modellhez képest. A szántóföldi növények közül a kukoricának kiemelkedő szerepe van, mivel minden évben bekerült a termelési szerkezetbe 94-141 hektár területtel. Ezt követi a _____________________________________________________________________________________________________ 118


repce, aminek területnagysága minden évben 100 hektár a vizsgált 12 évben. Ezzel szemben a napraforgó 74-100 hektáros váltakozó területnagysággal került be a termelési szerkezetbe. Kivételt jelent a 3. és 12. év, amikor nem kerül be a vetésszerkezetbe, helyére az őszi búza kerül mindkét esetben. Az energetikai faültetvények közül itt is bekerült mindhárom ültetvény. Ezen modellel elérhető fedezeti hozzájárulás érték a vizsgált 12 évre 533.400 ezer forint 500 hektárra (1. táblázat), ami egy hektárra átlagosan 88.900 forint, egy évben. Az LP_MAX_TN modellel 12 év alatt 500 hektárra 569.940 ezer forint fedezeti hozzájárulást lehet elérni az adott erőforrások maximális felhasználása mellett (1. táblázat). Ebben az esetben is legnagyobb jelentősége a gabonanövényeknek van, mivel a kukorica egy év kivételével 141 hektárral szerepel a termelési szerkezetben a vizsgált 12 évben. A kukoricát követi az őszi káposztarepce, ami minden évben egy kiegyenlített, 100 hektáros területtel részesedik a megadott 500 hektárból. A szántóföldi növények közül a harmadik helyen a napraforgó áll, mivel egy évet kivéve területi részesedése 74 vagy 100 hektár. Kivételt jelent a 3. év, amikor az őszi búza 127,3 hektáros területnyerése miatt a napraforgó kiszorul a termelési szerkezetből. A többi évben a búza területe 27,3 és 53,2 hektár között változik. A nem támogatott környezetben való modellfuttatásokat követően, támogatott környezetben is lefutattuk a modelleket, melyeknél hasonló eredményeket kaptunk, mint a nem támogatott modellek esetében. A támogatott környezetben kapott eredmények elemzésekor is ugyanazt a 3 kategóriát alakítottunk ki: LP_MAX_T, LP_MIN_T, LP_ÁTLAG_T. A támogatott modellfuttatások esetén a következő eredményeket kaptuk meg: –

LP_MIN_T: a legkisebb fedezeti hozzájárulást adó modell 500 hektárra 12 évre 893.118 ezer Ft, ami hektáronként 148.853 forint évi átlagban; – LP_MAX_T: a legmagasabb fedezeti hozzájárulás elérésével 500 hektárra 12 évre 986.700 ezer forintot érhetünk el, ami hektáronként 164.450 forint évi átlagban; – LP_ÁTLAG_T: az átlagos fedezeti hozzájárulás elérése 938.136 ezer Ft 500 hektárra 12 évre, ami hektáronként 156.356 forint évi átlagban (2. táblázat). 2. táblázat: Szimulációs modell futtatásával kapott fedezeti hozzájárulás értékek összesítője, támogatott környezetben

Megnevezés LP_MIN_T LP_ÁTLAG_T LP_MAX_T

MAX célfgv Ft/500ha/12év 893 118 000 938 136 000 986 700 000

Fedezeti hozzájárulás értéke Szórás (Ft/ha/év) (Ft/ha/év) 148 853 2 133 156 356 164 450

Forrás: Saját számítás

Az összes modellfuttatás mediánja 937.792 ezer Ft/500 ha/12 év, mely azt jelenti, hogy a vizsgált futtatások 50%-a 937,792 millió Ft alatt volt, 50% pedig e felett volt. A szimulációs modellek futtatását követően külön-külön támogatott és nem támogatott modellfuttatások esetén, a kapott fedezeti hozzájárulás értékeket csökkenő sorrendbe rendeztük. Ezen hosszú adatsor alapján állapítottam meg, hogy nem támogatott környezetben, a futtatások alsó kvartilis értéke 538.710,23 ezer forint, a medián 533.284,89 ezer forint és a felső kvartilis érték 527.891,49 ezer forint fedezeti hozzájárulást jelent (4. ábra). A támogatással együtt lefuttatott modell megoldásaként kapott eredményeket csökkenő sorba rendezve megállapítottam, hogy támogatott környezetben a futtatások alsó kvartilise 946.575 ezer forint, mediánja 937.792 ezer forint, és a felső kvartilis értéke 929.287 ezer forint fedezeti hozzájárulást jelent (5. ábra).

_____________________________________________________________________________________________________ 119


ezer Ft/100 hektár 100% 90% 80%

538 710 70%

A szimulációs futtatások FH értékeinek legjobb 25%-a 538.710 ezer Ft felett van

60%


53350% 284 40%


30% 527 891 20% 10% 0% 0,051% 0%

23,945% 25%

47,839% 50%

100%

71,734% 75%

95,628%

4. ábra. A szimulációs futtatások eredményei nem támogatott környezetben Forrás: Saját számítás

A szimulációs futtatások fedezeti hozzájárulásainak mediánja nem támogatott környezetben 533.284 ezer forint, azaz a futtatások 50%-ánál ennél kisebb jövedelem várható (12 évben összesen 500 hektáron). Ugyanezen érték támogatott környezetben 937.792 ezer Ft, 12 évre és 500 hektárra. A maximális jövedelem 569.942 ezer forint 12 évre, 500 hektárra, azonban a nagyobb jövedelmet hozó termelési szerkezetek választása már meglehetősen nagy kockázatot hordozhat magában. Ezt támasztja alá a magas relatív szórás érték is, melyet a szimulációs modell futtatása során is megkaptam. ezer Ft/100 hektár 100% 90% 80%


946.574 70% 60%


50% 937.792 40%


30% 929.268 20% 10% 0% 0,051% 0%

23,945% 25%

47,839% 50%

71,734% 75%

95,628% 100%

5. ábra. A szimulációs futtatások eredményei támogatott környezetben Forrás: Saját számítás

_____________________________________________________________________________________________________ 120


Az összes szimulációs futtatásra vonatkozó szórás értékét is vizsgáltam. Ezen érték azt jelenti, hogy az átlagos fedezeti hozzájárulás értékétől (533.400 ezer Ft/12 év/500 hektár) 7.950 ezer forinttal tér el 500 hektárra, illetve 12 évre vonatkozóan. Az eredmények alapján jól látható, hogy a hagyományos szántóföldi növénytermesztés mellett az energianövényeknek is lehet jövője, mely a biomassza egyik fő alapanyagát jelenti. Azonban a megfelelő mennyiségű biomassza alapanyag során a modellben megfogalmazott ár és termelési kockázat mellett még több kockázati forrással is számolni kell. Ezek közül a legfontosabb a technológiai-, szállítási-, a szakemberek alkalmazásának kockázata, a jogi- és a termesztési kockázat. A technológiai kockázat alatt sok, a termeléssel összefüggő paramétert értünk. A jó alapanyag előállításához megfelelő talajviszonyokkal, jó éghajlati adottságokkal, elegendő termelőképességgel, jó talaj energiapotenciállal kell rendelkezni. Figyelni kell az energiaalapanyag termelése mellett az élelmiszercélú növénytermesztés fenntartására is. A szállítási kockázat is egy fontos befolyásoló tényező, mivel a kitermelt fa mennyiségét a termelés helyétől a feldolgozó helyig el kell szállítani, mely jó logisztikai szervezést igényel, melynek kockázata elég magas. Gyakorlati tapasztalat szerint a szállítási távolság 120-150 km-től nem szabad, hogy több legyen, mivel 150 km felett már nem tekinthető gazdaságosnak a szállítása. A szakemberek alkalmazásának is lehet kockázati faktort adni, mivel egy hozzáértő szakember segítségével jobban megvalósítható a hő- és energiatermelés. Célszerű ezért minden üzemi folyamat mellé, ha lehet, kellő számú műszaki szakembert rendelni, és velük lefolytatni a termelést és előállítást. Figyelembe kell venni a jogi kockázatokat (jogilag megkapható támogatások, törvényi szabályozásoknak való megfelelés) is, melyeket a lineáris programozási modellben be lehet építeni különböző paraméterek figyelembevétele mellett. Termesztési kockázat az alapanyag előállításánál fontos. A modellben igaz nem vizsgáltuk a lágyszárú energianövényeket, de az energetikailag hasznosítható fűfélék nagy kockázati forrást jelentenek a termelőknek. Nehezen lehet szabályozni a növények elterjedését a területeken, mivel agresszív növekedési erélyűek. Szakemberek azt mondják, ha egy területet az energiafüvek egyikével vetnek be, akkor azt a területet hagyományos mezőgazdasági termelésbe már nehéz (esetenként nem is lehet) visszaállítani. Az energiaültetvények esetében nagy logisztikai teljesítményt igényel a fa begyűjtése, előfeldolgozásra és az energetikai létesítménybe történő beszállítása. A szállítás sok esetben környezeti ártalmakkal (légszennyezés, zajszennyezés, közútterhelés) járnak, amelyek olyan károkat okoznak, melyek mellett a biomasszából nyerhető előnyök kicsinek számítanak. Ezért is tartjuk azon véleményünket, hogy a faültetvények jövője hosszútávon csak akkor tartható fent, ha sikerül újabb regionális biomassza-erőműveket létrehozni, hogy a szállítási költségek csökkenjenek, és a hozzá szükséges alapanyagokat tüzelőanyag formájában használják fel. A kockázati forrás vizsgálatnak másik része az, mikor az előállított energiát vizsgáljuk meg a hagyományos energiahordozókkal szemben. A hagyományos energiahordozók előállítási költsége, illetve értékesítési ára nagymértékben függ a világpiaci ármozgásoktól, a kereslettől, a kínálattól, illetve a mindenkori adóktól (állami befolyás). Az adóterheket nagyon is figyelembe kell venni, mivel a hagyományos motorhajtóanyagok esetében az adóterhek magasabbak kutatások szerint, mint maga az előállítási és forgalmazási költség. A bioenergia kockázati forrásai előállítási költség tekintetében a nyersanyagtermelés költségei, a mezőgazdasági termelésen belüli kockázatok, a biomassza transzformációs költségek alakulása, valamint az állam támogatási hajlandósága. _____________________________________________________________________________________________________ 121


Irodalomjegyzék BOUZAHER – OFFUTT (1991): Stochastic Linear Programming Model for Corn Residue Supply,[90-WP 70] (Revised(Paper provided by Center for Agricultural and Rural Development (CARD) at Iowa State University in its series Center for Agricultural and Rural Development (CARD) Publications with number 90-wp70.); http://www.card.iastate.edu/publications/DBS/PDFFiles/90wp70.pdf BAI A. (2002): A biomassza felhasználása. Szaktudás Kiadó Ház. ISBN 963- 9422 -46- 0. Budapest. 227. p. BAI A. (2007): A biogáz jellemzői. In.: BAI A. (szerk.) A biogáz. Budapest. Száz magyar falu Könyvesháza. ISBN 9789637024306 Kht. pp. 13-25. BAKIR – BYRNE (1998): Stochastic linear optimisation of an MPMP production planning model, International Journal of Production Economics 55 p. 87-96. Dombi M. – Kuti I. – Balogh P. (2012a): Aspects of the sustainable utilization of renewable energy sources Apstract - Applied Studies In Agribusiness And Commerce 6:(5) pp. 91-94. Dombi M. – Kuti I. – Balogh P. (2012b): Adalékok a megújuló energiaforrásokra alapozott projektek fenntarthatósági értékeléséhez Gazdálkodás 5.: pp. 410-425. BALOGH et al., 2008 BEDÉNÉ SZŐKE É. (2011): Vállalati szintű biomassza termelés optimalizálása. Doktori (PhD) értekezés. Szent István Egyetem. Gödöllő. Gazdálkodástudományok Doktori Iskola. CSÁKI CS. – MÉSZÁROS S. (1981): Operációkutatási módszerek alkalmazása a mezőgazdaságban. Mezőgazdasági Kiadó. Budapest EU 2009/28/EC (2009): http://eurlex.europa.eu/LexUriServ/LexUriServ.do?uri=Oj:L:2009:140:0016:0062:en:PDF Letöltés: 2013.10.11. GOCKLER L. (2010): Mezőgazdasági gépi munkák költsége 2010-ben. Mezőgazdasági Gépüzemeltetés. FVM Mezőgazdasági Gépesítési Intézet. Agroinform Kiadó és Nyomda Kft. ISSN 1219-0926. Gödöllő GYULAI I. (2007): A biomassza-dilemma. Magyar Természetvédők Szövetsége. Föld barátai Magyarország. macKensen Kft. nyomda, Magyar Természetvédők Szövetsége. ISBN-10: 978-96386870-8-1 JAKABFFY É. (2007): Mennyi bioenergiát termelhet az Európai Unió a környezet tovább terhelése és károsítása nélkül. Origo. http://origo.hu/tudomany/fold/20070113bioenergia.html Letöltés: 2013.10.09. JORGENSEN E. (2000): Monte Carlo simulation models: Sampling from the joint distribution of “State of Nature”-parameters. In: Van der Fels-Klerx, I. Mourits, M. (eds). Proceedings of the Symposium on “Economic modelling of Animal Health and Farm Management”. Farm Management Group. Dept. of Social Sciences. Wageningen University. pp. 73-84. KEREK S. – PUMMER L. – MARSELEK S. (2006): A megújuló energiaforrások előállításának és felhasználásának jelenlegi helyzete és fontosabb feltételei. ÖKO/Ökológiai – Környezetgazdálkodás – Társadalom. 14. évfolyam. 3-4. szám. pp. 1-14. KOVÁCS S. - ERTSEY I. - BALOGH P.(2007a): Technological and economic risk analysis of laying hen breeding applying simulation. Joint IAAE-EAAE Seminar, Agricultural Economics and Transition: "What was expected, what we observed, the lessens learnd". Corvinus University, Budapest, CD-issue KOVÁCS S. – ERTSEY I. – BALOGH P.(2007b): Bayesi statisztikán alapuló Monte Carlo szimuláció alkalmazása a tojótyúk nevelés technológiai kockázatának vizsgálata során,

_____________________________________________________________________________________________________ 122


Agrárgazdaság, Vidékfejlesztés, Agrárinformatika AVA3 nemzetközi konferencia CD-kiadvány, Debrecen LACZÓ F. (2012): A megújuló energiaforrások kézikönyve. Energy Efficiency and RenewablesSUPporting Policies in Local level for Energy. Jointly for our common future. Környezettudományi Központ. ISBN 978-963-08-3749-1.Budapest. 10. p. NFM (2012): Nemzeti energiastratégia 2030. Kiadja a Nemzeti fejlesztési Minisztérium. Prospektus Nyomda. ISBN 978-963-89328-1-5. 32. p NV (2013): Nemzeti Vidékstratégia 2012-2020 („a magyar vidék alkotmánya”). Vidékfejlesztési Minisztérium. http://videkstrategia.kormany.hu/download/4/37/30000/Nemzeti%20Vid%C3%A9kstrat%C3%A9g ia.pdf Letöltés: 2013. 10.10. RUSSEL R. S. – TAYLOR B. W. (1998): Operations Management, Focusing on quality and competitiveness. New Jersey: Prentice Hall. pp. 610-613. WATSON H. (1981): Computer Simulation in Business. New York: Whiley ZSIROS L. (2013): A biomassza bemutatása. Debreceni Egyetem Agrár- és Gazdálkodástudományok Centruma. Mezőgazdasági és Élelmiszertudományi Kar. Szakdolgozat

_____________________________________________________________________________________________________ 123


Automatizált értékelési modell állatállományok fedezetértékeléséhez Dr. Buzás Ferenc1, Kiss Sándor2 1 Debreceni Egyetem, HU 2 Biblio-Mart Kft., HU [email protected], [email protected]

Összefoglaló: A hazai hitelezési gyakorlatban szinte állandó napirendi kérdést jelent a fedezet-állomány értékének aktualizálása. A gazdasági válság következményeként a hitelintézetek mezőgazdasági ingatlanportfóliója – más nemzetgazdasági ágakhoz képest ugyan kisebb mértékű, de számottevő – értékvesztést szenvedett. Az ingatlan-állomány devalvációja pótfedezet bevonásával kompenzálandó. A készletek mellett – nem ritkán szükségszerűségből és átmeneti jelleggel – megfelelő pótfedezetet jelenthet a tenyészállomány (mint befektetett eszköz-tétel), viszont a hitelezők szempontjából a számviteli nyilvántartási értékek nem nyújtanak megfelelő garanciát a biztonságos fedezethez. A szerzők egy olyan értékelési modellt dolgoztak ki, amely adott szempontrendszer alapján teljelő szarvasmarhaállományok fedezetbe vonásához nyújt szakmai segítséget. A modell ötvözi a termelőállomány technológia paramétereinek jellemzőit, a realizálható gazdasági hozadékot valamint a tenyészértéket is, melynek alapján a finanszírozó számára a fedezeti érték elfogadható biztonsági szint mellett megállapítható. Kulcsszavak: automatizált értékelés, állatállomány érték, tejelő állomány, gazdasági érték, hitelfedezet

1. Bevezetés A hazai vagyonértékelési gyakorlat elsősorban ingatlanok értékmeghatározását öleli fel, melynek általános módszertana törvényileg rögzített. A hivatalos módszerek alkalmazásában viszont értékelőkként vagy hitelintézetenként eltérő gyakorlattal találkozunk. Az automatizált értékelési módszerek (AVM) a 60-70-es években kezdtek elterjedni az USA-ban (Márkus és Rábai, 2005) elsősorban lakóingatlanok tömeges értékbecslése céljából. Hazai szinten az eljárás nem vált a napi gyakorlat részéve, mindössze néhány szakmai próbálkozásra van példa, annak ellenére, hogy a nemzetközi standardoknak való megfelelésnek nem mond ellen (ld. RICS, 2013). A hazai – hitelezési tevékenységhez kapcsolódó – vagyonértékelési gyakorlat egyik legnagyobb problémája, hogy az ingatlanok értékvesztésével jelentős összegű fedezethiány keletkezett, melyet a finanszírozók pótfedezet bevonásával kompenzálnak. Gyakori problémát jelent viszont, hogy sok esetben terheletlen ingatlanállomány egyszerűen már nem áll rendelkezésre, ezért más vagyonelemek bevonására kell sort keríteni. A számvitelileg befektetett eszközök kategóriájába tartozó tenyészállatok, megfelelő garanciák (nyilvántartás, azonosítás stb.) mellett rövid távon megoldást nyújthatnak az említett problémákra, mindössze a fedezet értékelésének módját és módszertanát kell megfelelően kidolgozni. 2. Automatizált értékelési modell tejelő szarvasmarha-állományok fedezetértékeléséhez Állatállományok értékelése céljából jelentős külföldi gyakorlati példák állnak rendelkezésre (Johns, 2013; Brown és Horne, 1994; Orr, Blawt és McCartney, 2004) a hazai tekintetben viszont az esetek zömében csak a tenyész-értékre vonatkozó eljárásokkal találkozunk. Más – hitelfedezeti alkalmasságot szolgáló – gazdasági érték-számítási módszertan nem ismert. A szerzők egy olyan szakmai-módszertani eljárás kidolgozását

_____________________________________________________________________________________________________ 124


kísérelték meg, mely a finanszírozó intézmények részére alkalmas lehet a fedezeti érték megállapítására és megfelel a vonatkozó uniós értékelési előírásoknak is (ld. Basel II. Agreement - Capital Requirements Directive, 2006/48/EC, in EVS 2012) 2.1. A hitelfedezeti célú értékelés feltételei A hitelfedezet céljából készített értékelések követelményeit egységesített szakmai szabályrendszerek rögzítik. Európában az Értékelő Szervezetek Európai Csoportja (TEGoVA) által kiadott Európai Értékelési Szabványok (EVS) 2003 és ennek továbbfejlesztett verziói (EVS 2009 és 2012) valamint a Nagy-Britanniai székhelyű Minősített Értékelők Intézete (RICS) által rendszeresen publikált és nemzetközileg elfogadott kiadványok (Red Book 2012) rögzítik az értékbecslések szakmai-módszertani alapjait. Az USA-ban az Szakmai Értékelők Egységesített Gyakorlati Kézikönyve (USPAP, 2012) rögzíti a vonatkozó szabályokat. Hazai tekintetben mind az EVS és az RICS útmutatói elfogadottak. 2.2. Az értékelési modell módszertani alapjai Az állatállomány - mint hitelfedezeti eszköz - sajátosságaiból eredően készletként veendő figyelembe, melynek mennyiségi és minőségi változására is tekintettel kell lenni és ezt mind az értékelés időpontjában, mind a hitelezés folyamatában megfelelően kell kezelni. Ennek érdekében a legfontosabb tényező az azonosító dokumentumok és szükséges állománynyilvántartások körének rögzítése. Ezt követően a fedezet „állapotmegőrzését” szolgáló körülmények (tartás-, takarmányozás-, egyéb technológiai elemek valamint szaporodásbiológiai jellemzők) értékelését kell elvégezni megfelelő objektív mutatórendszer segítségével. Ezt követi az állomány gazdasági értékének megállapítása különböző szempontok és módszerek alapján, majd a folyamat a kockázatvizsgálattal és a végső hitelfedezeti érték meghatározásával zárul. Az automatikus értékelés tehát egy adatbázissal egybekötött, meghatározott logikai szerkezetbe foglalt számítási eljárást jelent, melyben az értékelés keretében figyelembe vett szempontok – mint értéket befolyásoló tényezők – modulokként szerepelnek. 2.3. Az értékelési modell módszertani alapjai Az értékelési modell az alábbi modulokból áll: adatbázis, technológiai értékelési modul, gazdasági értékelési modul, végső (fedezeti és kockázatértékelési) értékelés modulja. 2.3.1. Adatbázis modul Az adatbázis az alábbi tényezőket tartalmazza: 

Telepi azonosító adatok: a telep megnevezése, helyrajzi száma, címe, tenyészetkódja, AT telepazonosítója, tartási hely kódja, üzemeltető cég/vállalkozó neve, címe, egyéb azonosítója, kontakt- és felelős személyek adatai, elérhetőségei, telepirányítási rendszer, tenyésztőszervezeti tagság-



Állományazonosító adatok: Egyed leltár (ENAR alapján), Belföldi Marhalevél igazoló lapok, eszközlista főkönyvi számonként, ellenőrző fejési adatok (AT Kft.), tenyésztőfolyamat ellenőrzési dokumentumok hivatali részről (MGSZH, Élelmiszerláncbiztonsági és Állategészségügyi Igazgatóság)

2.3.2. Technológiai elemek értékelési modulja A modul keretében (ld. melléklet) telepi szinten értékeljük azokat a technológiai elemeket, amelyek az állatállomány értékére hatással lehetnek, vagy tükrözik a technológiák alkalmazási módjának eredményeit.

_____________________________________________________________________________________________________ 125




Szaporodásbiológia jellemzők: összesen 15 független változó (szerviz-periódus, ellési arány, ellések közötti idő stb.) valamint 3 függő változó (selejtezési kor, selejtezési arány, termelésben töltött időtartam) mutató segítségével értékeljük, a szakmailag elfogadható szintekhez képest (ld. Csáki, 2005). Az értékelés 1 vagy 2%-os léptékű korrekciókkal történik (Excelben „HA” függvényelem alkalmazható). A modul zárósorában összesítésre kerülnek a + és – előjelű korrekciók.



Állategészségügyi mutatók szerinti értékelés: az elhullási arány és a betegségmentesség (brucellózis, leukózis, TBC stb.) alapján megállapított korrekciós értékek szerint történik. Zárósorában összesítésre kerülnek a + és – előjelű korrekciók.



Tartástechnológiai jellemzők szerinti értékelés: A helyszíni szemlék alapján az értékelők szakmai értékítélete alapján +/- 1%-os léptékű korrekciók segítségével történik (épületek, berendezések megfelelősége, állatjóléti feltételek, minőségbiztosítási előírásoknak való megfelelés stb.), zárósorban összesítés.



Állomány-nyilvántartás és adminisztráció szerinti értékelés: +/- 1%-os léptékű korrekciók használatával történik az alábbi szempontokra: tenyésztőszervezeti tagság, adatnyilvántartások ellenőrizhetősége, telepirányítási rendszer megléte, korszerűsége, állomány biztosítás megléte, személyi kompetenciák. A modul ezen része ad teret leginkább a szubjektív jellegű értékeléshez, de mivel a korrekciók léptéke kicsi (1%), az objektív értékelést jelentősen nem tudja befolyásolni.



Korrekciók összesítése: a fenti modulokban elért korrekciók összegzését jelenti (pl. 4% vagy + 9% stb.), ami a végső (piaci) állományértéken változtatni fog.

2.3.3. A termelőállomány gazdasági értékelési modulja: Ez a modul több almodulból áll, eltérő értékelési szempontok alapján, az alábbiak szerint: a) Almodul: jövedelemtermelő képesség alapján Ez a modul két megközelítést tesz lehetővé a jövedelemtermelő képesség elvi meghatározásához. Az első esetben az átlagos éves tejelő állományból kiindulva, a laktációs tejtermelés alapján (l/egyed/év) az Agrárgazdasági Kutató Intézet által közölt tesztüzemi adatok (Béládi és Kertész, 2012) felhasználásával (importálásával) meghatározható az állomány elvi jövedelemtermelő képessége a főtermék jövedelemtartalma alapján. A modellben 3-5 év adatainak felhasználásával az értékesítési átlagár és az önköltség különbségéből a (Ft/l-ben kifejezett) elvi jövedelmet határozza meg a modul teljes állományra vonatkozóan. A másodikban - ugyancsak a tesztüzemi adatokra épülve - meghatározásra kerül a teljes ágazati eredmény, de ebben már szerepelnek az egyéb bevételekből származó tételek is. Itt kiemelten fontos megjegyeznünk, hogy – holstein állományoknál – a viszonylag rövid termelőidőszak (2-3 év) miatt nem tartjuk indokoltnak diszkontált értékek meghatározását, sem fogyasztói árindex-szel történő deflálást. Az ágazati jövedelem alapján levezetett érték egy jó közelítéssel kifejezi az állomány tényleges (kumulált és nem tőkésítéssel származtatott) hozam alapú értékét (azaz a termelési időszak alatt mekkora ágazati nettó jövedelmet képes „előállítani”), azonban nem veszi figyelembe a piaci értékítéletet valamint a tenyészértéket, ezért csak ellenőrzési célból javasoljuk figyelembevételét. b) Almodul: számviteli (könyv szerinti) értékelés alapján

_____________________________________________________________________________________________________ 126


Az aktuális számviteli nyilvántartásokból naprakész adatok nyerhetők ki az egyedre vonatkozó bekerülési (bruttó) értékre, elszámolt értékcsökkenésre és jelenlegi (nettó) értékre vonatkozóan. A modul az átlagos egyedi értéket is jelzi. c) Almodul: Tenyészérték alapján A tenyésztő szervezet (jelen esetben Holstein Tenyésztők Egyesülete*) a tagok szintjén egy adott telepre vonatkozóan naprakész kimutatással rendelkezik az állomány pótlását szolgáló tenyész-egyedek aktuális piaci értékére vonatkozóan,valamint az első laktációt megért tejelő állomány piaci értékére vonatkozóan. Mindkettő lekérdezés útján az adatbázisba beilleszthető. Az utánpótlást szolgáló tenyész-üsző állomány értéke a hozamszínvonaltól függően változik (magas termelési potenciállal rendelkezőnek magasabb az értéke). A tenyészérték csak iránymutatóként szolgál, szemléltetésképpen az ingatlanok esetében használt „újrapótlási költség”fogalmával azonosítható. d) Almodul: Vágóérték alapján A termelőállomány selejtezéskori értéke a vágóértékkel jellemezhető, az egyedi testtömeg és a piaci felvásárlási ár szorzataként. Mivel a termelőfolyamat megkívánja a folyamatos selejtezést és utánpótlást, ezért az állományszerkezet tekintetében alapvetően három kategóriát célszerű elkülöníteni. Ebben a modulban – stabil létszámú állományt feltételezve – az állomány 1/3-a termelés elején 1/3-a a közepén és 1/3-a a végén található. A modulban az első kategória értéke a legmagasabb, „első laktációs tehén” értéken szerepel – tenyésztőszerv adata alapján, a harmadik kategória (selejtezésre váró) vágóértéken, míg a második kategória a z I és III átlagán szerepel. A teljes állomány-értéket az I, II és III összege adja. 2.3.4. A forgalmi érték megállapításának modulja: A végső forgalmi érték meghatározása keretében mérvadó szempontot jelent az értékelés célja illetve a Megbízó (általában hitelintézet) céljai, de a külföldi példák szerint lehet szó befektetési értékről, lízing-értékről vagy más gazdasági célú szempontokról. Ebben a modulban bármelyik figyelembe vehető, az értékek megfelelő súlyozásával. Hitelfedezeti célból viszont a „c” és „d” almodulokban részletezett eljárást tartjuk elfogadhatónak, a többi ellenőrzési célt szolgál. A piaci forgalmi érték megállapításához a „beállított” termelőállomány mellett szükséges hozzáadni az utánpótlást szolgáló – a legtöbb esetben telepen belül tenyésztett – üszőállomány értékét is, mely a modellbe bevonható piaci forgalmi értéken vagy számviteli nyilvántartási értéken (tapasztalatok szerint nincs nagy eltérés). A kettő összege adja a teljes – fedezetként figyelembe vehető – állomány értékét, amit korrigálni kell a (2.3.2. részben felvázolt) technológiai elemeket értékelő modul összesített eredményével. Példával szemléltetve: Teljes tenyészállományérték üszővel:

214.946. eFt

Állományi korrekció (technológiai elemek szerint)

-4%

KORRIGÁLT PIACI ÁLLOMÁNYÉRTÉK:

206.348 eFt

*

A szerzők ezúton mondanak köszönetet a Holstein-fríz Tenyésztők Egyesülete ügyvezetőjének Bognár László úrnak, valamint az Egyesület fejlesztési főmérnökének Sztakó István úrnak szakmai segítségnyújtásukért.

_____________________________________________________________________________________________________ 127


2.3.5. Kockázatértékelő és végső forgalmi értékelés megállapításának modulja: Ebben a részben a kényszerértékesítés kockázatával kell elsősorban számolni, ami korábbi empirikus tapasztalatok, szakirodalmi adatok felhasználásával vagy becslési eljárással határozható meg. Az ingatlanfinanszírozásban jelenleg 50-70% körüli értékekkel találkozunk, jelen esetben ezen rész egyelőre nem került kidolgozásra, elfogadtunk egy 65% körüli értéket, amit egy kényszerértékesítés során reálisnak tartunk és 1-3 hónapon belüli értékesítést lehetővé tesz. A fenti példát folytatva tehát, amennyiben a megfelelő adatok rendelkezésre állnak, az adatbázisok értékei szakmailag elfogadhatók, a modell által javasolt hitelbiztosítéki érték egy 690 db-os átlaglétszámú holstein állomány esetében: 206.348 x 65% = 134.126 eFt

3. Következtetések, javaslatok A fentiekben részletezett eljárás lehetőséget biztosít nagy számú értékelések elvégzéséhez. A modell alapjai Excel formátumban készültek, ami egy lehetséges szoftver létrehozásához kiindulópontként szolgálhat, és a megfelelő adatbázis megléte esetén automatikus értékelést tesz lehetővé. Az eredmények elsősorban hitelintézetek számára nyújt lehetőséget pótfedezet bevonásához, viszont közvetett hasznai a termelői oldalon is megjelennek, mivel az állomány fedezetbevonásával tőkét szabadíthatnak fel, melyet a vállalkozások fejlesztésére tudnak fordítani. A finanszírozók számára további lehetőséget jelen egyes banki termékek kifejlesztéséhez – elsősorban állomány-lízingkonstrukciók kidolgozásához – amint az a külföldi példákból is látható. Az értékelés sikerességének másik alapfeltétele az, hogy a helyszíni szemléket megfelelő felkészültségű szakértők végezzék, akik képesek az adott szempontrendszer szerint az állapotfelméréseket , a dokumentumok ellenőrzését, megfelelőségét ellenőrizni. Harmadik feltétel, hogy megfelelő, hatékony és gyors információs kapcsolat jöjjön létre a tenyésztőszervezet az értékbecslői szféra valamint a hitelintézetek között.

Irodalomjegyzék Márkus L.‐ Rábai Gy. 2005. Vagyonértékelési módszerek és gyakorlatuk, in Sóós J. 2005. Ingatlangazdaságtan, KJK‐KERSZÖV Jogi és Üzleti Kiadó Kft., Budapest Csáki T. 2005: Tejtermelő állományok szaporodásbiológiai gondozása a gyakorlatban. VIII. Állatorvosi és II. MÁOK‐HUNGAROVET Nemzetközi Állatorvosi Konferencia és Kongresszus ‐ Budapest. Béládi K.‐Kertész R. 2012. A főbb mezőgazdasági ágazatok költség‐ és jövedelemhelyzete 2010. Agrárgazdasági Információk. AKI. Budapest. 1‐141 p. RICS draft information paper ‐ Automated Valuation Models. https://consultations.rics.org/consult.ti/_avm/viewCompoundDoc?docid=3764852&sessionid=&v oteid= RICS (Royal Institution of Chartered Surveyors) 2012.Valuation – Professional Standards. Westwood Businnes Park. Coventry. 1‐466 p.

_____________________________________________________________________________________________________ 128


GVH (Gazdasági Versenyhivatal) 2005. Jelentés – A jelzáloghitelezés tárgyában folytatott ágazati vizsgálatról. Budapest. http://www.gvh.hu/domain2/files/modules/module25/pdf/print_4132_h.pdf Johns B.L. 2013. Dairy Cow Leasing. University of Wisconsin – Extension Farm Management. Madison. Brown P.W. – Horne D. 1994. Two‐Generation Dairy Cow Leasing. Iowa State University – University Extension. Ames. 1‐7 p. Orr. G.‐ Blawt P.‐ McCartney I. 2004: Cow‐Calf lease agreements. Fact Sheet. Saskatchewan Ministry of Agriculture. 1‐11 p. European Valuation Standards 2012, seventh edition. The European Group of Valuers’ Associations © TEGoVA. Part A.2 Valuation of Property for Financial Institutions. 130 p.

Mellékletek Az értékelési modell fontosabb moduljai: Mértékegység nap nap % nap

ELFOGADHATÓ

JÓ < < > <

400 110 80% 70

2%

% > nap < term./tehén <

50% 40 2

2%

% hónap

Laktációk száma átlagosan

lakt./tehén

Telepi folyó laktációk napi átlaga Reprodukciós index, állományon belül

nap %

35% 24 4 160 75%

2%

Üszők átlagos életkora első elléskor

Két ellés közötti idő Átlagos szerviz-periódus hossza Tehén ellési arány Első termékenyítés átlagos ideje Első termékenyítésre vemhes tehenek aránya Első és második termékenyítés közötti idő Termékenyítési index Üsző ellési arány (átlagos tehénlétszámra vonatkozóan)

< < > < >

2% 2% 2%

2% 2%

2% 2% 2% 2%

420 120 75% 80

0%

40% 45 2,5

0%

30% 26 3,00 180 60%

0%

0% 0% 0%

0% 0%

0% 0% 0% 0%

GYENGE > > < >

450 140 70% 90

-2%

> > >

30% 55 3

-2%

> > < > <

25% 28 2,50 200 50%

-2%

-2% -2% -2%

-2% -2%

-2% -2% -2% -2%

ÉRTÉKEL Korr. T TELEP 443 -2% 147 -2% 79,60% 0% 94 -2% 24,40% 48 3,2

-2% 0% -2%

20,40% 25 2,3 354 51,70%

-2% 0% 0% 0% -2%

SZAP.BIOLÓGIAI KORR.ÖSSZ..

-14%

1. ábra. Technológiai elemek értékelési modulja

2. ábra. Gazdasági értékelési modul – jövedelemtermelő képességi almodulja 1.

3. ábra. Gazdasági értékelési modul – jövedelemtermelő képességi almodulja 2.

_____________________________________________________________________________________________________ 129


4. ábra. Gazdasági értékelési modul – könyv szerinti érték almodulja

5. ábra. Gazdasági értékelési modul – vágóérték almodulja

6. ábra. Forgalmi érték meghatározásának modulja

_____________________________________________________________________________________________________ 130


Agrár-adatbányászat korrelációs klaszterezéssel Bakó Mária, Aszalós László1 Debreceni Egyetem [email protected], [email protected]

Absztrakt: A cikk bemutat egy friss és kevésbé ismert klaszterezési eljárást, melynek sok előnyös tulajdonsága van a közismert klaszterezési eljárásokhoz képest. Az ismertetéshez egy tojáskeltetési adatbázis adatait használjuk fel. Miután a módszer a megszokott távolságfogalom helyett egy reláción alapul, kitérünk a reláció generálásának kérdéseire is. A több lehetséges módszer felvetése mellett felvázoljuk az általunk használtat, mely két paraméter segítségével képes távolságfüggvény alapján parciális tolerancia relációt generálni. A korrelációs klaszterezés már megad egy klaszterezést a reláció alapján, de bizonyos esetekben az egyes konkrét megoldások helyett az összes megoldás szerkezetére vagyunk kíváncsiak. Ekkor érdemes az életlen klaszterezést használni, melyet a cikkben szintén ismertetünk, és megmutatjuk a vele nyert klasztereket is. Kulcsszavak: adatbányászat, korrelációs klaszterezés, életlen klaszterezés, keltetés

1. Bevezetés Az adatbányászat során nagy mennyiségű adatokban rejlő információk félautomatikus feltárása a feladat különféle algoritmusok használatával (Tan 2006). Ebben a cikkben azt a célt tűztük ki magunk elé, hogy megmutassuk, az adatbányászat használható agráriumból származó adatok feltárására, és érdekes összefüggések felfedezésére. Természetesen egy cikkben érdemben nem lehet bemutatni az összes érdeklődésre számot tartó módszert, ezért a vizsgálódásunkat a klaszterezésre szűkítettük. A klaszterezés felügyelet nélküli tanulásra használatos, a rendelkezésre álló adatokat csoportosítja az adott algoritmus valamilyen jellemzők alapján. Míg az osztályozás esetén egy szakember pozitív és negatív példák megadásával segíti a módszert, itt ezt nem lehet kihasználni. A klaszterezésnek több módszere is létezik (Jain 2010), a leggyakrabban használtak a hierarchikus és a partíciós. Első esetben az egyedek egy fában vannak elhelyezve úgy, hogy fában egymáshoz közel elhelyezkedő egyedek a valóságban is egymáshoz közel helyezkednek el. A fa alapján tetszőleges számú klasztert könnyen létre lehet hozni, csak azt a magasságot kell megkeresni, ahol a fának a kívánt számú ága van. Ezzel ellentétben partíciós klaszterezés esetén rendszerint előre adott egy klaszterszám, és az algoritmus pontosan ennyi klasztert készít. Ha más és más klaszterszámot szeretnénk elérni, akkor az algoritmust többször is le kell futtatni különböző paraméterekkel. A leginkább kedvelt partíciós algoritmus a k-közép módszere, ahol minden egyes elemet abba a klaszterbe soroljuk be, melynek a középpontjához a legközelebb van. A középpontok kezdeti meghatározása véletlenszerű, majd egy iteratív eljárás határozza meg a végleges helyét. Sajnos a középpontok kezdeti kiválasztása hatással van az eredményre, így az algoritmus többszöri futása nem mindig vezet ugyanarra az eredményre. Másik hátránya az, hogy előre meg kell adnunk a klaszterek számát. A publikáció elkészítését a TÁMOP-4.2.2.C-11/1/KONV-2012-0001 számú projekt támogatta. A projekt az Európai Unió támogatásával, az Európai Szociális Alap társfinanszírozásával valósul meg.

1

_____________________________________________________________________________________________________ 131


Ebben a cikkben partíciós klaszterezést használunk, de a k-közép helyett a korrelációs klaszterezést (Bansal 2004). Ez a módszer optimális számú klaszterbe sorolja be az egyedeket anélkül, hogy ezt a klaszterszámot előre meg kellene adnunk. Míg a klaszterezési módszerek rendszerint egy távolságfogalmat használnak fel, a korrelációs klaszterezésnek egy (esetleg parciális) tolerancia relációra van szüksége. Adott távolságfogalomból kiindulva könnyedén generálható a tolerancia reláció, így általánosabbnak tekinthető, mint az leginkább használt módszerek. Míg a gyakorlatban elterjedt módszerek érzékenyek a távolság hibáira (például rosszul megadott adatok) – így például a k-közép módszere a többiek közül kiugró adathoz külön klasztert rendel –, a korrelációs klaszterezés képes néminemű hibajavításra is: több egymásnak ellentmondó adat esetén a többségi véleményt használja fel. A sok előnyös tulajdonsága mellett vannak árnyoldalai is a korrelációs klaszterezésnek. Például az optimális klaszterek meghatározása NP bonyolult probléma, és általános esetben már 13 elemnél is több millió lehetőséget kell megvizsgálni az optimális megoldás megtalálásához. Ha megelégszünk közel optimális megoldásokkal, akkor optimalizációs módszerek használatával elfogadható időn belül megkaphatjuk azokat. A cikkben a következőkben bemutatjuk az adatok előkészítését, majd a korrelációs klaszterezéssel ismertetjük meg az olvasót. Ezután klaszterezés eredményének diszkussziója következik, melyet a további kutatási irányok ismertetésével zárunk le. 2. Adatok előkészítése A cikkben a szabadon hozzáférhető keltetési adatbázist használtuk fel, melyben 19 200 bejegyzés található 2010. január 1. és 2011. február 7. közötti keltetési időpontokkal. Egy keltetésről a következő adatokat tárolja az adatbázis: tenyészetkód, fajkód, fajtakód, törzsállomány kódja vagy INTRA/KÁBO szám, a keltetés időtartama, a berakott és kikelt tojások száma. Az egyes hiányzó adatok miatt kihagyott bejegyzésekkel 18 225 bejegyzésre szűkítettük az analízisünket. Miután a fajtól függ a keltetés ideje, az átfogó vizsgálatunkban a keltetés időtartamával, és időpontjával nem foglalkoztunk. Viszont érdemes lenne az egyes fajokra külön-külön megvizsgálni, hogy a keltetés időpontja és időtartama között van-e összefüggés, vagy sem. Erre a cikk keretei nem adnak lehetőséget Amit meg kívántunk részletesen vizsgálni, az a keltetés eredményessége volt egyes tenyészetenként.

_____________________________________________________________________________________________________ 132


1. ábra. Az 1/38 fajta keltetése eredményességének hisztogramjai a 1000030 (bal) és 1011980 (jobb) tenyészet esetén. Az 1/38-as faj/fajta kódú keltetések adatait elemezve két tenyészet eredményeit mutatja az 1. ábra. Látható, hogy a 1000030-as kódú tenyészetben a 120 keltetés adatainál nagy a szórás az eredményességben, míg a 1011980-as tenyészet 119 keltetésének adatai inkább egységesebbek, nincsenek benne nagy kilengések/kiugrások. Az adathalmazt átvizsgálva érdekes tényekre lehet bukkanni. Például van olyan bejegyzés, mely szerint 1099 tojásból csak egyetlen 1 kelt ki (1006845/208934). Megszokott módszer az, melyben az ilyen kiugró bejegyzésektől eltekintünk (például a minimális és maximális eredményességűtől), és a többiekkel foglalkozunk. Ezt követve már lehet adott tenyészet fajtánként elért eredményeinek terjedelmével, vagy szórásával dolgozni. Ám mi ettől eltérően az eredmények átlagával foglalkoztunk csak. Hogyan lehet két tenyészetet összevetni? Ahogy nem szokás az almát a körtével összehasonlítani, mi sem tehetjük meg, hogy két olyan tenyészetet hasonlítsunk össze, amelyek nem keltetnek azonos fajtákat. Az adatbázis 118 tenyészet adatait tartalmazza. Két tenyészetet összehasoníthatónak tekintettünk, ha közös fajtáról szóló bejegyzésük van. Ezen reláció tranzitív lezártja 114 tenyészetet tartalmazott. A kimaradt négy tenyészet egyedi fajtákat keltetett, így azokat természetesen nem hasonlítottuk más tenyészetekhez. Most már csak a parciális tolerancia reláció megadására van szükség. Ehhez deklarálnunk kell, hogy két összehasonlítható tenyészet mikor tekinthető hasonlónak, és mikor tekinthető különbözőnek. Gondoljuk arra, hogy két tenyészet akár több azonos fajta tojást is keltethet. Elvárjuk, hogy minden közös fajta esetén hasonló eredményességet mutassanak, vagy már egy közös fajtánál előforduló hasonló eredmény alapján a hasonlóság mellett döntünk. Hasonlóképpen kell dönteni a két tenyészet különbözőségéről is: egy eltérő adat, vagy összes közös adat eltérése szükségeltetik? Sőt mikor mondjuk két adatról, hogy azok hasonlóak, vagy azok különbözőek? A sok választási lehetőségnek megfelelően az adataink alapján igen sok módon lehet tolerancia relációt készíteni. Ezt mi az egyes tenyészetek egyes fajtára vonatkozó eredményeinek átlaga alapján döntöttük el. Ha például egy tenyészet egy fajtát a bő egy év alatt 28-szor keltetett, akkor vettük a 28 alkalom eredményességének (kikelt per keltetett tojások száma) átlagát mindkét tenyészet esetén. Megadtunk két konstanst: d és D. Ezután ha az átlagok eltérése d-nél kisebb valamely közösen keltetett fajta esetén, akkor a hasonlónak tekintünk két tenyészetet; míg ha az átlagok eltérése D-nél nagyobb valamely fajta esetén, akkor különbözőnek. Ha a differencia d és D közé esik, akkor a tolerancia reláció nem kap értéket. Továbbá, ha van két olyan fajta, melyből az egyik szerint hasonló, míg a másik szerint különböző, akkor a reláció szintén nem kap értéket. (d = 0,006 és D = 0.1 esetén 18 alkalommal fordult elő ilyen eset.) Természetesen ebből látható, hogy a d és D paramétere lesz a klaszterezésnek. Különböző paraméterek esetén a tolerancia reláció is különböző lesz. Ezért tehát a kapott klaszterek is különbözni fognak. Lássunk párat az így generált relációk közül! Az alábbi ábrákon egy-egy pixelsor illetve egy-egy pixeloszlop egy tenyészetnek felel meg. A tenyészetek azonosítóit növekvő sorrendbe állítva alkotják a sorokat illetve oszlopokat. A szürke pixel jelzi, hogy két tenyészetet nem tudunk összehasonlítani, míg a fehér a hasonlóságra utal, a fekete pedig az eltérésre. Ha két viszonylag nagy paramétert adunk meg (d = 0,1 és D = 0,5), akkor nincs is fekete pixel az ábrán.

_____________________________________________________________________________________________________ 133


2. ábra. Tolerancia reláció d = 0,1 és D = 0,5 valamint d = 0,01 és D = 0,3 esetén. Amint egyre kisebb D-t adunk meg – azaz egyre kisebb távolság esetén is eltérést jelzünk – a fekete pixelek aránya is nő. Amint pedig d közeledik a nullához, a fehér pixelek száma csökken. Ha már nagyon közel van d a nullához, akkor az ábrákon csak az átlón szerepelnének fehér pixelek, jelezve, hogy egy-egy tenyészet már csak saját magához hasonló. Természetesen eddig a szintig nem mentünk el, próbáltunk olyan értékeket választani, ahol a hasonlóság és a különbözőség egyformán előfordul.

3. ábra. Tolerancia reláció d = 0,04 és D = 0,1 valamint d = 0,005 és D = 0,05 esetén. 3. Korrelációs klaszterezés A korrelációs klaszterezés eredeti feladata egy jelölt gráf csúcsainak a particionálása úgy, hogy a plusszal jelölt élekkel összekötött csúcsok lehetőleg egy klaszterben foglaljanak helyet, míg a mínusszal jelölt élekkel összekötött csúcsok pedig lehetőleg külön klaszterekbe kerüljenek. Egy partíció jóságát azzal mérhetjük le, hogy az előbbi feltétel hány esetben sértjük meg. Azaz hány olyan csúcspár létezik, melyek plusszal jelölt éllel vannak összekötve, de külön klaszterbe kerültek, plusz hány olyan, melyek mínusszal jelölt éllel vannak összekötve, de közös klaszterben találhatóak. A célunk megadni azt a partíciót, melynél ez az érték minimális. Könnyen be lehet látni, hogy ez az érték optimális esetben nem lesz nulla. Gondoljunk arra a három csúcsból álló teljes gráfra, ahol az AB és a BC él plusszal jelölt, míg az AC mínusszal. Az öt lehetséges partícióból háromnál csak egy csúcspár sérti meg a feltételeket, míg egy-egy további esetben kettő, illetve három. A gráf éleinek száma, elhelyezkedésük szerkezete, és az élek jelölése határozza meg, hogy ez az optimális érték mekkora lehet. A partíciók számát a Bell-számok (Aigner 1999) adják meg, melyek exponenciális függvényt definiálnak. Így viszonylag kisebb gráfoknál is

_____________________________________________________________________________________________________ 134


gyakorlatilag lehetetlen az összes partíciót egyesével megvizsgálni. Viszont optimalizációs módszerekkel az optimális megoldáshoz közeli megoldásokat nyerhetünk (Bakó 2011). Néhány feladatnál elegendő egy közel optimális eredmény megadása, valamint a megoldás leíró statisztikai jellemzése. Más jellegű feladatoknál már a konkrét megoldás, az egyes klaszterek felépítése is lényeges információ. Az előbb említett háromcsúcsú teljes gráf esetén három optimális megoldás is létezik: {{A, B, C}}, {{A, B}, C} és {{A, C}, B}. Ilyen, és ehhez hasonló esetekben felmerül a kérdés, hogy mely elemek kerülnek mindenképpen közös klaszterbe, és melyek csak kerülnek csak "véletlenül" össze? Ezt a kérdést a (Aszalós 2013)ban járjuk körbe, bevezetve az életlen klaszterezés fogalmát. Az ott ismertetett módszert alkalmazzuk itt is a különféle, közel optimális megoldások összefogására. Esetünkben a korrelációs klaszterezésnél használt gráf csúcsainak az egyes tenyészetek, a plusszal jelölt éleknek a tenyészetek hasonlósága, míg a mínusszal jelölt éleknek a tenyészetek különbsége felel meg. 4. Eredmények értékelése Ahogy azt már a relációk megadásánál láttuk, hogy ha viszonylag nagy értéket választunk d-nek és D-nek, akkor nem igazán vannak egymástól különböző egyedek, így nem kell csodálkoznunk azon, hogy a klaszterezés szinte minden egyedet egy klaszterbe sorol a 4. ábrán. A klasztereket bemutató ábrákon szintén egy-egy pixelsor illetve egy-egy pixeloszlop egy tenyészetnek felel meg. A metszetükben szereplő pixel színének jelentése eltér a korábbiaktól. Ha itt egy pixel fekete, akkor az azt jelzi, hogy a sorához és oszlopához tartozó két tenyészet minden egyes, a módszer által megtalált közel optimális partíció esetén közös klaszterbe kerül, azaz klaszterezéssel elválaszthatatlanok egymástól. Ha a pixel színe fehér, akkor a két tenyészet egyetlen esetben sem került közös klaszterbe a közel optimális megoldások szerint. Ha a pixel színe szürke, akkor ezt azt jelenti, hogy van olyan közel optimális partíció, mely szerint a két tenyészet közös klaszterbe sorolható, de olyan is akad, mely szerint nem. Így a két tenyészet között felfedezhető kapcsolat, de ez nem szükségszerű.

4. ábra. Eredményül kapott életlen klaszterek d = 0,1 és D = 0,5 valamint d = 0,01 és D = 0,3 esetén. A 4. ábra jobb oldali klaszterezése több különböző méretű fekete négyzetet is tartalmaz, ezek mindegyike egy-egy klasztert jelöl. Tekintsük ezek közül a legnagyobbat. Az ábráról leolvasható, hogy a második és harmadik legnagyobb klasztertől ez a klaszter élesen elkülönül, az általuk kijelölt vízszintes és függőleges sávok metszete fehér. Van viszont egy aprócska klaszter a második és harmadik legnagyobb klaszter között, mely szürke sávval találkozik a legnagyobb klaszterrel, azaz van olyan optimális partíció, melyben egy közös

_____________________________________________________________________________________________________ 135


klasztert alkotott ez a kicsiny és a legnagyobb klaszter. Ha alaposan megfigyeljük, akkor ez a kicsi és a harmadik legnagyobb klaszter szintén szürke sávval találkozik, azaz ezek is alkottak egy közös klasztert valamely optimális partícióban. Innen látható, hogy a közös klaszterben részt venni reláció nem tranzitív.

5. ábra. Eredményül kapott életlen klaszterek d = 0,04 és D = 0,1 valamint d = 0,005 és D = 0,05 esetén. Ennek a fejezetnek az ábráit 100-100 futtatással nyertük. A 4. ábra bal oldalán látható, szinte csak egy klaszterből álló megoldása elkészítése során a 100 próbálkozás révén két egymástól elkülönülő partíciót kaptunk, melyek két elem elhelyezésében különböznek egymástól. Másképp fogalmazva a 100 próba mindegyike vagy e két egyformán jó partíciót adja, vagy csak ennél rosszabbat. A két partíció révén kapuk a négy klasztert. Megjegyezzük, hogy a megoldás a paraméterek által támasztott követelményeknek teljes mértékben megfelel, egyetlen egyedpár sem sért egyetlen feltételt sem. Az ilyet nevezik perfekt megoldásnak. Természetesen, mivel rendszerint nem elégszünk meg egy ilyen megoldással, más paramétereket kell választani!

6. ábra. Eredményül kapott életlen klaszterek d = 0,05 és D = 0,1 valamint d = 0,006 és D = 0,1 esetén. Az ábrákról leolvasható, hogy amint csökken a két paraméter értéke, úgy kapunk egyre kisebb és kisebb klasztereket, köztük egyre több szingletont, azaz egyelemű halmazt. Azon esetekben, amikor az egymáshoz nagyon hasonló egyedeket keressük, akkor érdemes így megválasztani a paramétereket. Viszont máskor csak néhány, viszonylag nagyobb méretű klasztert igénylünk. A 6. ábra mutat két ilyen esetet. Közülük a jobb oldali éles klasztereket _____________________________________________________________________________________________________ 136


használ, ugyanis a 100 próbából ez az egyedüli volt a legjobb, és a két paraméterrel meghatározott követelményeket ez a megoldás 39 esetben sértette meg. A bal oldalon látható kép 5 megoldás kombinálásával jött létre, melyeknél a feltételeket egységesen 28 esetben sértették meg a partíciók. Az előbbi ábrákon ábrázolt klasztereket be lehetne mutatni ezeken a hasábokon teljes részletességgel, ám nem tesszük. A szerző honlapján elérhető az a program, mely a tolerancia reláció alapján elvégzi az életlen klaszterezést (Aszalós 2013), így bárki tetszőleges paraméterekre meghatározhatja az egyes klaszterezéseket. Viszont ízelítőül lássunk egy egyetlen tenyészetre vonatkozó adatot. Ha már az 1. ábrán kiemeltük a 1000030-as tenyészetet, lássuk az ezt tartalmazó klasztereket! A táblázatból leolvasható, hogy időnként ez a tenyészet elválaszthatatlan a 1001167 kódú tenyészettől. Viszont a második esetben ez a tenyészet egy méretesebb klaszterben kapott helyet, ahova a szóban forgó tenyészetünk már nem fért be. 1. tábla. A 1000030 tenyészet klaszterei különböző paraméterek esetén. d D klaszter 0,0005 0,005 1000030, 1001167 0,0005 0,01 1000030 0,001 0,05 1000030, 1001167 0,001 0,1 1000030, 1000302, 1001028, 1001747, 1002043, 1002306, 1002678, 1004775, 1006845, 1012129 0,1 0,3 1000030, 1000049, 1000133, 1000142, 1000197, 1000209, 1000302, 1000432 1000469, 1000535, 1000562, 1000638, 1000683, 1000692, 1000740, 1000768 1000807, 1000816, 1000843, 1000861, 1000870, 1000900, 1000928, 1000955 1000991, 1001028, 1001037, 1001167, 1001206, 1001279, 1001345, 1001363 1001475, 1001493, 1001505, 1001550, 1001617 1001738, 1001747, 1001822 1001877, 1001934, 1001961, 1002016, 1002025 1002043, 1002070, 1002182 1002212, 1002306, 1002315, 1002360, 1002409 1002445, 1002454, 1002539 1002678, 1002801, 1002959, 1002968, 1002995 1003602, 1004421, 1004467 1004711, 1004757, 1004775, 1004814, 1004832 1004841, 1006845, 1006854 1007020, 1007066, 1007310, 1007422, 1007431 1007495, 1008184, 1008362 1008465, 1008474, 1008513, 1009190, 1010086 1010200, 1010581, 1010611 1010853, 1010871, 1010974, 1011300, 1011319 1011430, 1011449, 1011458 1011476, 1011980, 1012129, 1012204, 1012419 1012464, 1012941, 1012987 1013050, 4516233, 4522722, 4564962, 4571074 | A különféle feladatokhoz kapcsolódó korrelációs klaszterezések eredményeit figyelve azt kapjuk, hogy egy átláthatatlan és dinamikus rendszerrel állunk szemben. A hasonlóságok és különbözőségek bonyolult rendszere kiszámíthatatlan eseteket eredményezhet. Egy gráf/reláció lehet stabil, azaz sok élét átjelölve sem változik a megoldás szerkezete; de lehet nagyon érzékeny is, azaz apró változásokra durván reagálhat, azaz élesen eltérhetnek az egyes megoldások. 5. Perspektívák, konklúzió A klaszterezés több mint fél évszázados módszer, melyet informatika elterjedése hozott életre, ugyanis algoritmusainak többsége számolásigényes. A korrelációs klaszterezés sem

_____________________________________________________________________________________________________ 137


kivételes ilyen tekintetben, ugyanis itt NP nehéz feladatot kellene megoldanunk, ezért megelégszünk a közelítő megoldásokkal. A klaszterezéseknél jellemző gond a kiugró (outlier) elemek kezelése, valamint a más dimenziójú, sőt gyakran kategorikus adatok esetén a távolság definiálása. A korrelációs klaszterezés ettől védett, a jól megválasztott tolerancia reláció esetén olyan megoldást határoz meg, mely optimális. A kiugró elemből automatikusan szingleton klaszterek generálódnak. Az egyes igényeknek megfelelően más és más relációból kiindulva az eredményül kapott megoldások természetesen eltérnek, de az egyes, rájuk vonatkozó feltételeknek maximálisan megfelelnek. Miután a klaszterezés felügyelet nélküli tanulás módszere, a módszer közben interakcióra nincs lehetőség. Viszont a módszer alkalmazása előtt a paraméterek megválasztásával, illetve a módszer alkalmazása után a kapott eredmények értékelésével az osztályozás (felügyelt gépi tanulás) pontosítható, további tanulóhalmaz adható meg kis ráfordítással. A cikkben bemutattuk, hogy a klaszterezés egy új módszere, a korrelációs klaszterezés miképp használható fel klaszterezési feladatok megoldására. Miután az algoritmus a megszokott távolság helyett egy relációt használ fel, az adatbázisban tárolt információból egy tolerancia relációt kell generálni. Erre több metódus is használható, ezek közül többet fel is villantottunk. Majd bemutattuk az áltatunk használtat, mely két paramétert alkalmaz a parciális reláció hasonlóság, eltérés,és a „nem tudom” értékeinek megadására. Példát adtunk arra, hogy a paraméterek értékének eltérő megválasztásával milyen relációkat kaphatunk. Ezután ismertettük a korrelációs klaszterezés lényegét, és bemutattuk a vele nyert klaszterezéseket. Érzékeltettük, a módszer bonyolultságát és a megoldás függését a paraméterek értékétől. Hivatkozások Aigner M. 1999. "A characterization of the Bell numbers." Discrete mathematics 205.1. 207-210. Aszalós L, Mihálydeák T. 2013. "Rough Clustering Generated by Correlation Clustering." Rough Sets, Fuzzy Sets, Data Mining, and Granular Computing. Springer Berlin Heidelberg, 315-324. Bakó M, Aszalós L. 2011. “Combinatorial Optimization Methods for Correlation Clustering.” In Coping with Complexity, 2–12. Cluj-Napoca: Casa Cartii de Stiinta. DEA: http://hdl.handle.net/2437/152217. Bansal N, Blum A, Chawla S. 2004 “Correlation clustering.” Machine Learning 56.1-3, 89-113. Jain A.K. 2010. “Data clustering: 50 years beyond k-means.” Pattern Recognition Letters 31, 651–666 Néda Z, Sumi R, Ercsey-Ravasz M, Varga M, Molnár M, and Cseh Gy. 2009. “Correlation Clustering on Networks.” Journal of Physics A: Mathematical and Theoretical 42 (34) (August 28): 345003. doi:10.1088/1751-8113/42/34/345003. Tan PN, Steinbach M, Kumar V. 2006. “Introduction to data mining.” Library of Congress.

_____________________________________________________________________________________________________ 138


Agrorobotika – fóliasátrak automatizálása Lego Mindstorm robotok segítségével Dávid Zsombor 9. d Bánki Donát Műszaki Középiskola Nyíregyháza A mezőgazdaság fejlesztésének iránya Magyarországon a GDP 3 százalékát teszi ki a mezőgazdaság részesedése, mely az uniós átlag duplája, de az ország adottságai valamint az élelmiszerek iránti növekvő kereslet miatt növekedni fog az ágazat szerepe. A teljes mezőgazdasági kibocsátás 1800 milliárd forint évente, melyből a növénytermesztés 44, az állattenyésztés 37, a kertészet közel 20 százalékkal részesedik. A kertészeten belül a zöldség aránya 49 százalék - ezen belül szerepel a gomba is , a gyümölcs 20 százalék, a faiskola, dísznövény 14 százalék valamint a szőlő, bor 15 százalék. A kertészetben 340-380 ezer család dolgozik főállásban vagy mellékállásban, akik mintegy 350 milliárd forintos termelési értéket állítanak elő. (Czerván Gyögy). A mezőgazdasági termelés stratégiai ágazat. Ez azt jelenti, hogy jelentősége a nemzetgazdaságbeli részesedésén is túlmutat. Fontos szerepet játszik a vidék tágabb értelmű megőrzésében, a vidéki társadalom formálásában. A munkám a fenti célok megvalósításához kíván hozzájárulni. Az első munkafázisban a fóliasátorban folyó termelőmunka automatizálását kis méretben modellezem, majd a tapasztalatok alapján egy olyan eszközrendszert fejlesztek ki, amely valós környezetben is képes megvalósítani a feladatokat. A megvalósítás lépései:       

A szakirodalom megismerése A fóliasátor modell megépítése A robotok megépítése A robotok programozása A rendszer tesztelése A következtetések levonása, és a szükséges javítások elvégzése A modell alapján egy valós környezetben alkalmazható eszközrendszer fejlesztése

Ne csak a hőmérsékletet szabályozzuk! A világon nagyon sokfelé használnak üvegházakat, vagy fóliasátrakat. A gazdáknak azonban csak felületes elképzelése van a fóliaházak klímaszabályozásának fontosságáról. Előfordul, hogy egy méretes fóliasátornak csak az egyik végén volt kinyitva egy kis ajtó, ez jelenti a szellőztetést – a déli órákban! A növényházban gőzfürdőnek talán kiváló klímát biztosított a növényeknek, így aztán fel is léphet szinte valamennyi jellemző gombabetegség. Ez volt az oka annak, hogy hozzákezdtem összegyűjteni a legfontosabb tudnivalókat a fóliaházak klímaszabályozásáról. Az átlagos fóliasátorban manapság a téli időszakban fűteni tudnak, de ez sincs mindig automatizálva. Az automatizált klímaszabályozás célja, hogy optimális, de legalább is elviselhető szinten tartsuk a fóliaházakban az életfeltételeket a növények fejlődéséhez. Melyek ezek a feltételek?    

Hőmérséklet Páratartalom Széndioxid-szint Fény.

_____________________________________________________________________________________________________ 139


A fenti életfeltételek egyenrangúak, egyformán fontosak a növények számára! A végeredmény, a megtermelt érték szempontjából mindegy, hogy a növényeink megfőnek, megfagynak, megfulladnak, kiszáradnak vagy más ok miatt pusztulnak el, esetleg csak leáll a fejlődésük. Mindezekből látszik, hogy a fóliasátrak klímaszabályozását (szellőztetését, fűtését, árnyékolását, párásító öntözését) úgy kell végrehajtani, hogy minden egyes életfeltétel a még azon határértékek között legyen, amelyek optimálisak a növények számára. Így a szellőztetést nem csak azért kell elkezdeni, mert a hőmérséklet egy bizonyos határérték fölé emelkedett, hanem már alacsonyabb hőmérsékleten is szellőztetni kell, hisz ugyan olyan fontos a páratartalom csökkentése, valamint a széndioxid pótlása is a friss levegő beengedésével. Ezt borús, esős időjárás esetén is meg kell tenni, ilyenkor is szükség van a szellőztetőnyílások kinyitására! Igaz, hogy ekkor a hőmérséklet kis mértékben az optimális érték alatt lehet, de még abban a tartományban van, amely a növények fejlődését nem akadályozza. Viszont így biztosítani tudjuk növényeink számára a szükséges páratartalmat, és széndioxidszintet. Az optimálisnál kisebb hőmérséklet esetén kicsit inkább „fázzanak a növényeink”, de ne legyen a fóliasátor a betegségek melegágya, és tudjanak a növények megfelelő mértékben párologtatni (tehát fejlődni). A fóliasátrak klímaszabályozása olyan, mint egy sokváltozós egyenletrendszer megoldása. Erre pedig alkalmasak a számítógépek, ki tudják számolni, hogy az adott körülmények között mit és hogyan kell csinálni, s az automatika ezt el is végzi! Milyen módon tudunk beavatkozni a fóliasátrunk mikroklímájába?    

Fűtéssel Szellőztetéssel Árnyékolással Párásító öntözéssel

Szellőztessünk! A szellőztetés a fóliasátrak klímaszabályozásának legfontosabb eszköze, ezzel a növények fejlődéséhez szükséges életfeltételekből hármat is szabályozhatunk. 1. Hőmérséklet. Kiengedjük a túlhevült levegőt, s hideget engedjünk be helyette. Mivel a meleg levegő fölfelé száll ezért kézenfekvő, hogy a szellőztetőket is a fóliasátor legmagasabb pontjára tesszük. 2. Páratartalom. A páratartalom csökkentése hűvös-esős időben is indokolja a rendszeres szellőztetést. A szabadból beengedett hideg levegő a fóliasátorban még borús időben is néhány fokkal felmelegszik, így lecsökken a relatív páratartalom, mivel a meleg levegő több vízpárát képes magában tartani, mint a hidegebb. 3. Széndioxid. Szerepét sokszor alábecsülik, pedig a fotoszintézishez szükséges. A vízen kívül ebből az anyagból használ fel a növény a legtöbbet. Hiányában a növények fejlődése leáll.

A szellőztetéssel csökkenteni tudjuk a hőmérsékletet, a páratartalmat, valamint pótolni tudjuk az elhasznált széndioxidot. A fóliasátrakban csak úgy tudjuk a megfelelő szinten tartani a növények számára szükséges életfeltételeket, ha ehhez megfelelő nagyságú és elhelyezésű szellőztető, valamint belső légtér áll a rendelkezésünkre. A sátrak méretének helyes megválasztása is segít abban, hogy a fontos paramétereket egyszerűen tudjuk befolyásolni. A szakirodalom szerint a szellőztetők összfelületének el kell érnie az alapterület 20-25%-át. Ha a sátor mérete elér egy adott mértéket, akkor feltétlenül szükség szellőztetőkre a fóliasátor tetején is. Mivel ebben az esetben az erőteljes huzathatás nem érvényesül, a szellőztetőknek megfelelő távolságra kell egymástól lenniük.

_____________________________________________________________________________________________________ 140


Ezen elvek alapján építettem a kísérleteimhez használt fóliasátrat is. Összegezve az automatizált fóliasátor előnyeit:    

Pontosan tudja tartani a növényeknek ideális hőmérsékletet, és páratartalmat, így azok sokkal jobban nőhetnek, és így a fóliasátrak termelőkapacitása megnő. Nem igényel felügyeletet, tehát akár hosszabb időre is magára hagyható. Távfelügyelettel is nyomon követhetjük/ irányíthatjuk a rendszert. A fóliasátor rendelkezik lenyitható tetővel, amivel a növények ”edzhetőek” és így megóvhatóak az UV sokktól is.

A megvalósítás A fóliasátor Először egy kisebb fóliasátor készült a rendszer leteszteléséhez, de már elég nagy volt ahhoz, hogy működjön benne az üvegházhatás, és néhány növény is elfér benne. A fóliasátorban található két ventilátor, amelyek a paraméterek szabályzására szolgálnak. Ezeket a robot vezérli. A fóliasátornak van egy lenyitható tető része, amely a hőmérséklet és a páratartalom szabályzására szolgál, és segíti a növények UV edzését is. A fóliasátoron belül található a robot mérő egysége. A robotok A teszteléshez a LEGO Mindstorms készletben található robotokat használom, mert ezek könnyen építhetőek, átépíthetőek és programozhatóak. A Robot rendszer 2 egységből áll: Az első a mérő robot ami a fóliasátoron belül mozogva méri a hőmérsékletet, páratartalmat és fénymennyiséget. A robot a sátoron belül mozog, ezért több helyen is tudja mérni az értékeket. Ez nagyobb sátorok esetén igen fontos lehet. A rendszer második egysége a vevő robot, ami bluetooth-on keresztül kommunikál a mérő robottal, és a mért értékek alapján kapcsolja a ventillátorokat, és nyitja a tetőt. Az autonóm módon mozgó robot képes arra, hogy kiváltsa a több ponton elhelyezett, telepített szenzorokkal, így a rendszer flexibilitása nagy. Természetesen a későbbi fejlesztések során elképzelhető a több ponton elhelyezett, telepített szenzorok használata is, de egy terepen mozgó, egy adott ponton, több magasságban is mérni képes mozgó robot előnyei nyilvánvalóak. A vevő roboton három szervomotor található. Az egyikkel a sátor mozgatható részén emeli a fóliát. A másik két szervomotorral kétállású kapcsolókat kapcsol mivel csak így megvalósítható az NXT összekötése a többi elektronikával. A robotok programozása A robotokat az NXT-G nevű grafikus szoftverrel programoztam. Ez egy viszonylag könnyen kezelhető szoftver, bár a számolásokat néha kicsit komplikált megvalósítani. Ebben a szoftverben a programokat úgynevezett blokkokból lehet összerakni, és ezek beállításaival/összekötögetésével valósítható meg a program. A programozó szoftver egy nagy előnye, hogy képes egy úgynevezett datalogging funkcióra. Ez annyit tesz, hogy a szenzorok által mért értékeket a számítógépen grafikonokon nyomon követhetjük, és később is elemezhetjük. Mérések a robottal Hőmérséklet mérés: Ehhez egy régebbi LEGO szenzort használtam, amely rezisztív vagyis ellenállás alapon méri a hőmérsékletet: a szenzor ellenállása a külső hőmérséklettől

_____________________________________________________________________________________________________ 141


függ. Ez a legalapvetőbb mérés. A növényeknek nagyon fontos a pontos hőmérséklet, mert csak a nekik megfelelő hőmérsékleten megfelelően növekedni. Páratartalom mérés: Mivel az NXT robotokhoz nagyon drága, és szinte beszerezhetetlen a páratartalom mérő szenzor, ezért valami mást kellett kitalálni. Ekkor találtam rá a szakirodalomban az úgynevezett nedves hőmérő/szárazhőmérős módszerre. Ez a módszer azon alapul, hogy az egyik hőmérőn a legkisebb páratartalom mellett méri a hőmérsékletet, a másik hőmérőn pedig a legnagyobb páratartalom mellett. A két értékből kiszámítható a relatív páratartalom. Mivel a kiszámításra használt képlet igen bonyolult, a robot pedig csak egész kitevőre tud hatványozni, így a szakirodalomban fellehető táblázat került be (tömb) a robot programjába, és ez alapján is elég pontosan lehet mérni a páratartalmat. A mérés ily módon elég körülményes lehetne valós használatban, ezért a későbbi fejlesztések során nem tervezem használni. Néhány ezer forintért már nagyon pontos páratartalom mérő szenzorokat lehet venni. Fénymennyiség mérés: Ez szintén egy NXT szenzorral történik. Erre a mérésre azért van szükség mert a növényeknek más-más fényerősség mellett más-más hőmérséklet az ideális. Természetesen egy növény bioritmusa szempontjából az nem kedvező, ha ugyanazt a hőmérsékletet kapja tűző napsütésben, mint éjszaka. A fényszenzor ezt is %-os értékben méri. A fóliasátor modell A fóliasátor modelleket én készítettem el. Az első egy nagy méretű volt, ami falécből drótból és fóliasátorokhoz használt fóliából készült. A képek között található róla néhány készítés közben is. Az első változaton még nem működött teljesen a tetőemelő mechanika, így inkább egy másodikba kezdtem, aminek már rendes váza is volt, és kicsit kisebb is lett, mert a szakirodalomban talált méreteket valósítottam meg. Ebben már tökéletesen működik a tetőemelő mechanizmus, és az egész konstrukció is összeszedettebb. Ezek a modellek csupán arra szolgáltak, hogy tesztelhessek rajtuk, és bemutathassam a berendezés működését. A modelltől a valóságig A modell sikeresen működik, de úgy gondoltam, hogy valós környezetben is meg kell nézni működés közben. Megkerestünk egy vállalkozót, aki már sok éve foglakozik üvegházas növénytermesztéssel. A modell korlátozott használhatósága már a méretekben is látszott. A szakember visszajelzése igen pozitív volt, egy kidolgozott, kipróbált rendszer segítené a termelékenységet, javasolta még többféle mérés megvalósítását is, melyeket már korábban is terveztem. Véleményét összegezte, ennek egy eredeti példányát mellékeltem a robotokkal együtt. További fejlesztések A későbbiekben már nem a Lego robotját tervezem használni, mivel ez teszteléshez tökéletes volt, de kevés ki/bemeneti portja, és a drága szenzorok miatt már nem megfelelő egy igazi nagy fóliasátorhoz. Már megkezdem egy másik robot építését, amelyet egy Arduino vezérel. Ez a robot még fejlesztés alatt áll. A tapasztalatok alapján egy a terepet is járni képes konstrukciót készítettem el. Kerekek helyett itt már lánctalpon mozog így nem akad el mérés közben. Felhasznált irodalom Fólia alatti zöldségtermesztés Dr. Terbe István Szaktudás Kiadó Ház Zöldségtermesztők kézikönyve dr. Balázs Sándor Mezőgazda Kiadó http://www.tankonyvtar.hu/hu/tartalom/tkt/zoldsegtermesztok/adatok.html Gál István szaktanácsadó írásai

_____________________________________________________________________________________________________ 142


http://karpatinfo.net/hetilap/foliasatrak‐klimaszabalyozasarol http://karpatinfo.net/hetilap/2012/04/16/szelloztetok‐foliasatoron http://karpatinfo.net/hetilap/gazdasag/2011/06/05/novenyeink‐jo‐kozerzeteert‐foliahazak‐ szellozteteserol NXT Tutorial www.ortop.org/NXT_Tutorial/ Páratartalom mérés hőmérsékletmérés alapján http://en.wikipedia.org/wiki/Psychrometrics http://www.gorhamschaffler.com/humidity_formulas.htm http://www.eng‐tips.com/viewthread.cfm?qid=195898 http://www.bom.gov.au/lam/humiditycalc.shtml

_____________________________________________________________________________________________________ 143


Melléklet

_____________________________________________________________________________________________________ 144


The Use of Smartphones in Agricultural m-Government Sotiris Karetsos, Constantina Costopoulou, Alexander Sideridis Agricultural University of Athens [email protected], [email protected], [email protected]

Abstract: Rapid development of mobile communications forced governments to offer their implemented electronic government (e-government) services also as mobile government (m-government) services. While e-government is the use of information and communication technologies as a tool to achieve better government, m-government refers to the use of mobile and wireless communication technologies within government administration and its delivery of information and services to citizens and businesses. Usually, m-government is considered as a subset of e-government comprising an alternative provisioning channel. However, due to recent developments of mobile networks and devices, m-government could be an independent channel. Through mobile devices governments can reach a greater number of citizens and the digital division is gradually decreased with significant benefits for both citizens and governments. Obviously, mgovernment has the potential to provide citizens with the fastest and most convenient way of obtaining government services on anywhere and anytime basis. On the other hand, smartphones and tablets got embedded into everyone’s life helping out with plethora of advantages. Usually, smartphones are used by one user who becomes familiar with the device even if it is with advanced capabilities. This is because users always carry the device and explore its functionalities quite often. Moreover, mobile literacy is higher than computer literacy. Recent devices include (double) cameras for photographs and videos, GPS capabilities, connectivity through Wi-Fi and Bluetooth, enough storage memory, FM radio, various display sizes etc. Moreover, the improvement of mobile networks from 2G to 3G and 4G is providing faster access and browsing of networks. Popular platforms for smartphones are the iOS, Android, and BlackBerry. There are thousands of applications (apps) applying to those platforms that offer hundreds of functionalities. They vary from simple to more complicated. Games, social media, news, weather, office applications, file and picture management are among the most popular categories of apps. The great majority of apps have been offered for free or at a very low cost. The purpose of this paper is to present an m-government apps for the Android platform based on a case study in agriculture. The business sector of agriculture has been selected because farmers are a special group of users. They are far from decision and policy-making centres; it is often neither feasible (due to lack of transportation, time, money, or bad weather) nor convenient to travel for obtaining the necessary information or for making use of the available public services. Therefore, m-government appears to be a promising solution for farmers. More specifically, four agricultural sectors (i.e. apiculture, sericulture, forestry and horticulture) and were put under study and the related apparatus has been developed. Functionalities and technical details of the app are presented. Keywords: mobile phones, e-government services, m-government, agriculture, farmers

_____________________________________________________________________________________________________ 145


Direct Computer Mapping of process models in applied life sciences Mónika Varga, Sándor Balogh, Béla Csukás

Abstract: The principle of Direct Computer Mapping is that instead of thinking in less flexible, specific mathematical constructs, modeling starts bottom-up from the very building elements and structures of the real world problem, associated with local programs. Shortly speaking: "let the computer know about the very building elements and structures of the investigated processes, directly". This can be solved:   

by mapping the elementary model elements and their local programs onto an executable code, by restricting the model to stay in the feasibility domain, and by the common representation of conservation law based "conservational" and rule based "informational" processes.

In Direct Computer Mapping the various process models are generated from unified state and transition elements, connected with each other according to the general feedback structure of process systems. The model gives a common representation for the local and holistic features of various conventional and non-conventional, optionally multiscale, hybrid processes. The simulation based identification or optimization problems can be solved by implementing additional elements for the selection of possibilities and for the evaluation of objectives into the process model, as well as an evaluation feedback between evaluations to possibilities through a coupled multi-objective, discrete/continuous genetic algorithm. The methodology has applied for simulation, identification, process design and control, flux and sensitivity analysis, as well as for tracing and tracking of various processes.

Genetic Algorithm, supporting DCM based problem solving Sándor Balogh1, Mónika Varga1, Béla Csukás1 1 Kaposvár University, HU [email protected], [email protected], [email protected]

Abstract: Genetic Algorithm is one of the best inexact methods, providing good suboptimal solutions for ill-defined complex problems, effectively. The identification and optimization of Direct Computer Mapping based hybrid process models need a collaborating, robust method to identify and optimize the process models from less number of simulations having more computational efforts. In addition, the often unknown cost parameters of the economic objective functions have to be replaced by a number of natural criteria. The improved complex genetic coding is based on the compatibility lattice of the classified properties. The structure lattice makes possible the ‘a priory’ definition of the optional incompatibility relations between the discrete properties, classified into equivalence classes. The new coding supports the uniform treatment of the discrete and continuous property classes. The continuous property classes are described by automatically generated intervals of the given domain. Within a domain, the user can define the lower and upper bounds of the awaited property. New, extended genetic operators were introduced for the initialization, recombination and mutation, which automatically consider the type of the given gene sequence within the scope of the previously described coding. The genetic algorithm was extended with a global operator that with the knowledge of the evaluations automatically decreases the rough preliminary decomposition (grid) of

_____________________________________________________________________________________________________ 146


continuous property classes. In case of the available heuristic constraints, the increased efficiency is supported also by the integrated consideration of them. In addition, optional priorities can be defined for both the constraints and the evaluating objectives. The new, platform independent macro-granular parallel solution supports the communication between the Genetic Algorithm and the in-parallel running DCM simulations, while all of the evaluated variants are saved during the run..Use Abstract Style: 11 point, justified, from left 1 cm, from right 1cm, text "Abstract:" bold. The abstract should summarize the contents of the paper and should contain at least 100 and at most 200 words. Keywords: List up to 5 words or phrases, separated by commas. Keywords: global optimization, genetic algorithm

Testing of a process model based Web interface for integration of small family farms in sector spanning traceability András Tankovics, Sándor Balogh, Mónika Varga

Abstract: One of the most difficult problems in sector spanning agrifood interoperability is that the production control of actors varies in a wide range, from the sophisticated ERP systems to the traditional paperwork at the small family farms. Accordingly, we need a robust solution that can also be used by the small actors. In addition the solution must not need surplus administration and duplicated data acquisition from the actors, rather it has to harmonize the data exchange based cooperation with the central authorities, too. Based on the recently developed, simplified dynamic mass balance based methodology (Csukás et al. 2012, Varga et al. 2012a) , we have developed a Wt based Web interface for the uniform data supply of the quite different agrifood actors (Varga et al. 2012b). The actors get an authenticated Web access to the interoperability database and, based on a cooperative agreement, they supply their actual mass balance modifying activities with the necessary (daily, weekly, monthly) frequency. The incremental data supply may be automatic for the actors having an appropriate ERP system, while in the manual input from the small farms we can use the same semantics and syntax. Formerly we studied the traceability data supply of a typical small farm (Tankovics 2012). In the present work we tested the services of the new Web interface for the example of this typical family farm. According to the experiences, the methodology makes possible the integration of the smallest actors into the general interoperability system.

Mobile Internet user aspect in Hungarian agriculture 1

Róbert Szilágyi1, Imre Labancz2 University of Debrecen, Centre for Agricultural and Applied Economic Sciences, Faculty of Applied Economics and Rural Development, Hungary 2 University of Debrecen

Abstract: The new ICT technologies are not only fast developed but, in addition, are giving birth to newer ICT systems and tools. Using the Internet by means of mobile appliances increases the possibilities. The Internet network has become essential communication tool in business processes recently. Nowadays the Internet based applications are more and more successful in agriculture and different parts of food industry. There are several application areas such as extension services, precision agriculture, e-commerce and information services where the Internet assential. While studying the use of Augmented _____________________________________________________________________________________________________ 147


Reality technology it can be concluded that different types of services offer different possibilities. Mobile systems develop very dynamically both as regards the speed of data transmission and services. The new devices like tablets and new services like Cloud Computing, Augmented Reality, Near Field Communication (NFC) have great potential in agriculture. Cloud Computing provides better resource management and effective cost control. The Augmented Reality expands the control and the NFC gives better personalized information exchange. However, the business assessment of these technologies must not be done only on the basis of the technology and taken out of its environment randomly since the whole area is very complex.

A magyarországi agroklimatológiai adottságok várható változása a XXI. század végéig három regionális klímamodell tükrében Mesterházy Ildikó1, Mészáros Róbert2, Pongrácz Rita2 1 Budapesti Corvinus Egyetem, Biometria és Agrárinformatika Tanszék 2 Eötvös Loránd Tudományegyetem, Meteorológiai Tanszék

Összefoglaló: A növények életét ökológiai tényezők – klimatikus, edafikus és biotikus adottságok – és a művelésre vonatkozó termesztői döntések szabályozzák, melyek irányított vagy megfigyelt változásai döntően meghatározzák a növénytermesztés hosszú távú sikerét. A klimatikus változásokra elsősorban az éghajlati rendszer mind mélyebb és több oldalról megközelített megismerésével, illetve a növénytermesztésben várható következményeinek feltárásával, valamint az ezekre adott megfelelő válaszokkal tudunk felkészülni. Világszerte számos klimatikus indexet használnak a kutatók, melyek egy vagy több meteorológiai változó alapján írják le a vizsgált terület növénytermesztési lehetőségeit. Munkám során három regionális klímamodell (RegCM, ALADIN, PRECIS) hibakorrekció után kapott outputjait (minimum, maximum és átlagos napi hőmérséklet, valamint napi csapadékösszeg) felhasználva egy általánosan alkalmazott vegetációs időszakra kiszámítottam néhány kiemelt fontosságú klimatikus index értékét Magyarország területére, és vizsgáltam ezek térbeli eloszlását, valamint várható változásait az 1951-től 2100-ig terjedő időszakra. Az adatbázis alapján a termés minőségét és/vagy mennyiségét befolyásoló kockázati tényezőként fellépő hőmérsékleti és csapadékhullási szélsőértékeket is elemeztem. A kapott eredményeket térképes formában mutatom be.

Az Európai Számítógép-használói Jogosítvány Várallyai László

Összefoglaló: Néhány évtizeddel ezelőtt még elképzelhetetlennek tűnt, hogy az informatika ilyen mértékben az életünk részévé váljon. Ma már nehéz lenne olyan területet említeni, ahol valamilyen formában ne találkoznánk vele. Gondoljunk csak az Internetre, e-mail-re vagy akár a mobiltechnológiára.A számítógépek használatának ismerete valamilyen szinten egyre több ember számára szükséges. A közép és idősebb generációk számára az új ismeretek megszerzése sokkal nehezebb. 20-30 évvel ezelőtt a számítástechnika oktatása még gyerekcipőben járt, illetve az akkor oktatott programok már régen elavultak. Megoldás lehet számukra, ha egy tanfolyamon frissítik fel tudásukat, illetve ismerkednek meg a ma elterjedten használt programokkal. Ha pedig már rászánják magukat egy tanfolyam elvégzésére, akkor mindenképpen javasolhatók az ECDL képzések. Ezek segítségével teljesen kezdő szintről is el lehet jutni az ECDL bizonyítvány megszerzéséig. Ezzel a bizonyítvánnyal az EU bármely tagállamában hitelt érdemlően

_____________________________________________________________________________________________________ 148


bizonyíthatják, felhasználói szintű informatikai tudásukat.Manapság már az ECDL bizonyítványok és választható modulok széles skálája biztosítja, hogy bárki személyre szabott tudást szerezhessen.Az ún. hagyományos ECDL bizonyítvány megszerzéséhez a listában szereplő (1-7) modul kötelező és a vizsgázónak nincs választási lehetősége.ECDL SELECT vizsgabizonyítvány megszerzéséhez az (1-4) modulok kötelezőek, (5-9) modul közül pedig 3 szabadon választható.ECDL START bizonyítvány megszerzéséhez az alábbi modulok közül az (1,2,4) kötelező és az (5-7) modulból mindössze egyet kell szabadon választania.ECDL SELECT START bizonyítvány megszerzéséhez az alábbi modulok közül az (1,2,4) kötelező és az 5-9 modulból mindössze egyet kell szabadon választania.Az ECDL ADVANCED azoknak a profi felhasználóknak ajánlott, akik nem elégszenek meg az informatikai írástudáshoz szükséges ismeretekkel (vagyis a standard ECDL vizsgákkal), hanem maguk és a világ számára is ennél jóval magasabb tudásról szeretnének tanúbizonyságot tenni. A vizsgakövetelményekben a következő modulok haladó verziói szerepelnek (2,3,6,7). Kötelező modulok (4 darab):    

Operációs rendszerek, Szövegszerkesztés, Táblázatkezelés, Internet és kommunikáció,

Választható modulok (3 darab):     

IKT Alapismeretek, Adatbázis-kezelés, Prezentáció. Képszerkesztés, Webkezdő.

A fentieken kívül külön modulként tehető le az ECDL CAD, amely független nemzetközi szabvány a kétdimenziós számítógépes tervezés alapkészségeinek elsajátítására. Olyan diákoknak, illetve szakembereknek szánták, akiknek fontos, hogy napi munkájukhoz szükséges CAD-es ismereteiket nemzetközi bizonyítvánnyal is igazolni tudják.Jelentős változás 2013 október 15-től. Összevonásra kerül az Operációs rendszerek és IKT modul, Megújul és több modul esetén csökken a vizsgafeladatok száma, új választható modulként jelenik meg az IT biztonság. Hajdú-Bihar megyében elsőként (1997 decemberében) tanszékünk szerezte meg az ”ECDL vizsgaközpont” címet és azóta folyamatosan tagjai vagyunk, immár 15 éve. Azóta több mint 900-an tették le sikeresen központunkban vizsgáikat (5150 vizsga), és szereztek ECDL bizonyítványt. Ez idő alatt mintegy 800 vizsgakártyát rendeltünk, amely ennyi regisztrált személyt jelent az ECDL központi (ADMINET) rendszerében. ECDL vizsgák rendszere az Unió sok tagállamában elterjedt, így mára már több millióan rendelkeznek ilyen bizonyítvánnyal. A 9 milliomodik ECDL bizonyítványt éppen José Manuel Barroso, az Európai Bizottság (EB) elnöke vehette át 2008-ban.

_____________________________________________________________________________________________________ 149


A talajszennyezés gazdasági és társadalmi faktorai (Economic and social factors of soil pollution ) Várallyai László

Összefoglalás: A bioszféra a legmagasabb egyed feletti szerveződési szint, mely egységes rendszerként működik. Fejlődése az élet megjelenése óta folytonos. A változásaiban is megnyilvánuló stabilitása önszabályozó működésének eredménye. Ez a stabilitás látszik felborulni az ember megjelenésével és az emberi kultúra kiteljesedésével. Napjainkra Földünk olyan globális problémákkal néz szembe, amelyek megoldása az emberi faj fennmaradásának egyetlen lehetősége. Az emberi beavatkozás igen nagy sebessége, hatalmas mértéke és számos területen való jelentkezéséből adódó összetettsége olyan mértékű környezetkárosítással jár, amely mára már aláaknázza a gazdasági fejlődést és fenyegeti az emberi faj létét. A világ sok táján a népesség olyan ütemben növekszik, amely nem tartható fenn a rendelkezésre álló természeti erőforrásokat tekintve. A gyors népszaporulat számos országban megváltoztatta a populációk korösszetételét. A fejlődő országokban, ahol a fiatalok vannak jelen nagy számban, sok a potenciális szülő. Ha ők akár csak 1-2 gyermeket vállalnak, akkor is tovább nő a népesség. Ennek következménye az élelem problémája. A fokozódó táplálékszükséglet egyre nagyobb hozamú mezőgazdaságot igényel. Mind több területet vonnak művelés alá, ami erdőirtásokkal és az ősgyepek feltörésével jár. Mindezek következménye a talajerózió fokozódása, illetve az adott területek biodiverzitásának csökkenése, a monokultúrák terjedése. A fokozott termésigény fokozott gépesítést igényel, mindez az energiaigény növekedését eredményezi. A nagyobb terméshozam nemesített fajták termesztésével érhető csak el, ezek azonban kényesek, kizárólag műtrágyázással, növényvédőszerek és talajfertőtlenítők alkalmazásával tudják a várt hozamot produkálni. Mindez tovább növeli az energiaszükségletet, hosszabb távon a talaj minőségének romlását eredményezi. A népesség gyarapodásával a városiasodás egyre nagyobb méreteket ölt. Mind több nagyváros lélekszáma haladja meg a 10 millió főt. Bennük a zöldterület minimális, az itt élők számára az energiát, a vizet és a táplálékot már csak nagy távolságokról odaszállítva lehet biztosítani. A kommunális szemét, a szennyvíz kezelése, a közlekedés egyre nagyobb problémát jelent (FAZEKAS és SZERÉNYI, 2002). Ugyanakkor az ember az egyetlen faj, amely társadalmi lénnyé vált, és tevékenységével nemcsak károsan, hanem - ha a körülmények rákényszerítik -, kedvezően is képes befolyásolni környezetét. A természettel való harmonikus együttélés szükségszerűség! A környezetvédelem egyik legjelentősebb eszköze az elfogyasztott, elhasznált, elszennyezett természeti kincsek reális újraelőállítási költségeinek megfizettetése volna. Ennek az elvnek az alkalmazását megnehezíti, hogy általában nem rendelkezünk kellő ismeretekkel a költségek meghatározásához. Magyarországon az értékkategóriában mérhető környezeti károk nagysága a nemzeti jövedelem 3 - 5 %-át teszi ki, hasonló nagyságrendű ráfordításokat igényel e károk elhárítása (sajnos mindkét esetben az emelkedő tendencia jellemző). Az Európai Unió számos jogcímen és célkitűzés révén költ pénzt olyan dolgokra, amelynek hatása egyértelműen pozitív a környezet állapotára. A jelenlegi többéves pénzügyi keretben (Multiannual Financial Framework – MFF) a kohéziós politika, a LIFE program és a közös agrárpolitika (KAP) becsült környezetvédelmi kiadásait összeadva a teljes EU kiadások 9%-át költik környezetvédelemre. A környezetvédelemre költött Európai Uniós források összegét Magyarország esetében is rendkívül nehéz területekre bontani, de az jól látható, hogy a kohéziós pénzek egy jelentős része - uniós elvárás szerint - mintegy fele a környezetvédelmi infrastruktúrák kiépítésére (szennyvíz és hulladékprojektek),

_____________________________________________________________________________________________________ 150


fejlesztésére kellett költeni a 2004-es csatlakozásunk óta. Ez azért is lényeges szempont, mert az új tagállamok 2015-ig kaptak időt az felzárkózásra.

A KUTATÁS FONTOSABB EREDMÉNYEI 1. A végzett két vizsgálat összehasonlítása során megállapítható, hogy a krígeléses módszernél az egyes elemek koncentrációjából kalkulált relatív hiba értéke három elem kivételével - minden elem esetén az első tíz legközelebbi pont adatainak felhasználásával végzett vizsgálat jobb eredményt adott, mint a három illetve öt legközelebbi pont értékeinek használata során. A krígeléses módszerrel végzett vizsgálat során kapott eredmények az esetek legnagyobb részében pontosabb eredményeket produkált, mint a statisztikai módszerrel végzett számítások eredményei, így ezt a módszert javaslom használni a pontosabb eredmények meghatározása érdekében. 2. Kialakítottam egy olyan rendszer tervét és megvalósítottunk egy tudástranszfert a döntéshozók, szaktanácsadók számára a különböző talajok elemtartalmának meghatározására egy adott pontban. Ez a rendszer az Interneten keresztül érhető el, megfelelő jogosultsági rendszeren keresztül. A regisztrált felhasználóknak lehetőségük van az ismeretlen pont koordinátáinak megadásával meghatározni a statisztikai és krígeléses módszerrel - összesen 21 elemre - az elemek koncentrációját és az adatok megbízhatóságát. 3. Új számítógépes szoftvert készítettünk, melynek segítségével lehetővé vált az ICPOES/MS mérési adatok szöveges fájlból történő fogadása, valamint a megfelelő kerekítések végrehajtása az értékes jegyek alapján és a sorfolytonos adatok mátrixba (táblázatba) rendezése. Ezek a műveletek a korábbi beépített Excelmakróval történt feldogozáshoz képest nagyságrendnyi időnyereséget jelentenek. A programnak vannak olyan részei, amelyek speciálisan a TIM-minták feldolgozásához készültek, de bizonyos részei tetszőleges mért minták elemzéséhez is használhatók. 4. Kialakítottam egy olyan komplex rendszer tervét, amely segítségével nyomonkövethetőek elsősorban az emberi szervezetre ártalmas mikroelemek. Ezzel a rendszerrel kívánom modellezeni, hogyan reagál a talaj-nyövény rendszer egy drasztikus talajszennyezésre. Ez a rendszer az Interneten keresztül érhető el, megfelelő jogosultsági rendszeren keresztül. A megfelelő jogosultsággal rendelkező felhasználóknak lehetősége van kiválasztani egy adott talaj-növény párost illetve növényi részt és azt, hogy milyen elemek felszívódását kívánja vizsgálni és melyik évben. 5. Mivel a környezeti nevelés alapja a természetismeret, amely a közvetlen élményszerzésen keresztül alakítja ki a helyes cselekvésre késztető, pozitív viszonyulást a természeti értékekhez, azok védelme érdekében, így erre a célra is kiválóan alkalmazható a Moodle Tanulás Menedzsment Rendszer (amelyet egyik e-Learning projektbeli kutatásunk során találtunk), főleg abban az esetben, ha ezeket látványos multimédia támogatással tálaljuk a ”közösség” számára. 6. Az ökológiai lábnyom értékének közelítő meghatározásának rendkívüli pedagógiai haszna lehet. Az egyik haszon az önreflexióból adódik, a másik, hogy megpróbálják feltárni az ökológiai lábnyom növekedés okait, a harmadik, hogy a lábnyom időnkénti újrakiszámítása visszajelzést ad arról, hogy sikerült-e hatékony lépéseket tenni a fenntarthatóság előmozdítása érdekében.

_____________________________________________________________________________________________________ 151


eMABP – Az elektronikus magyar agrár beszerzési piactér bemutatása Bánszki Attila, Madár János, Füzesi István

Összefoglaló: Az elektronikus agrár beszerzési piactér koncepciója a mai magyar mezőgazdaság egy olyan modern technológia alapokon való megközelítése, ahol az agrártermelők és a termeléshez szükséges input anyagok szállítói között számos egyedi funkcióval ellátott, egy rendszeren belüli elektronikus kapcsolattartás, ügyintézés és kereskedelem lehetősége valósítható meg. A piactér megalkotásánál olyan integrált és továbbfejleszthető rendszer megalkotása a cél, ahol a felvett (felvehető) termékek körének meghatározása egyszerre biztosítja a piactér működéséhez és forgalmához szükséges kritikus tömeget mind az ügyletek számában, mind pedig összértékében. Az elektronikus agrár beszerzési piactér koncepciója a hazai és nemzetközi összehasonlításban is egyaránt jelentős mértékű újdonságtartalommal rendelkezik. Olyan komplex agrárpiaci ökoszisztéma épülhet fel, amely piactér alapokon biztosít korszerű integrált technológiai megközelítést az agrár termelésében, kommunikációban és kereskedelemben.

Rationalization of busines processes at Partner-Pont Az ANOVA feltételeire vonatkozó vizsgálatok és adatkezelési technikák – Esettanulmány a mentafélék illóolaja Ramularia menthicola kórokozó elleni in vivo hatékonyságának feltárására Kovács Flórián1, Ladányi Márta2, Fejes Tóth Péter2, Nagy Géza1 Budapesti Corvinus Egyetem, Kertészettudományi Kar, Növénykórtan Tanszék 2 Budapesti Corvinus Egyetem, Kertészettudományi Kar, Biometria és Agrárinformatika Tanszék 1

Összefoglaló: Dolgozatunk tárgyát képező esettanulmányban az értékelés során hagyományosan vizsgált szigorú és erősen korlátozó feltételek miatt felmerő tipikus statisztikai problémákat valamint ezek megoldási lehetőségét kívánjuk bemutatni.Az elmúlt években a hazai mentákon súlyos károkat okozó betegségek közül a ramuláriás levélfoltosság (Ramularia menthicola Sacc.) bizonyult a legjelentősebbnek. A kórokozó kártételének mértéke meglehetősen eltérő az egyes mentaféléken. Célul tűztük ki az illóolajok hatásának feltárását a kórokozó okozta fertőzésre szabadföldi mentaállományokban, összefüggést kerestünk a kezelési időpontok, valamint a menta illóolajok koncentrációi között. A kisparcellás kísérleteket 2012-2013 közötti időszakban Mentha spicata var.crispata L. (fodormenta) állományban Budapest-Soroksáron állítottuk be. A kezeléseket 2013-ban Mentha × piperita f. pallescens L. ’Mexian’ (borsosmenta) fajtán is elvégeztük. Szabadföldön a borsosmenta és fodormenta kereskedelmi forgalomban kapható illóolaját (Naturol Kft.) 0,1% és 0,2% koncentrációban egysoros fodormenta és borsosmenta állományban véletlenszerűen elrendezett parcellákra permeteztük három ismétlésben. A kezelések hatékonyságát a fertőzés mértéke alapján eltérő időpontokban értékeltük. Az illóolajok gátlásában jelentkező különbségeket egytényezős ANOVA-val értékeltük, melynek modelljében négy faktor hatását vizsgáltuk. Az alkalmazás feltétele a mintavétel függetlensége, a hibatagok normalitása, továbbá az, hogy a különböző kezelések szerinti csoportok szórásai közel azonosak legyenek. Esetünkben megfontolást igényelt a függetlenség teljesülése, a szórások azonossága, valamint a hagyományos tesztek jelezte bizonyos fokú normalitás sérülés. Esettanulmányunkban bemutatjuk az adatok értékelésének metodikáját, a kapott _____________________________________________________________________________________________________ 152


eredmények alapján levont következtetéseink létjogosultságát, kiemelve a kísérlet erősségét és gyenge pontjait. Nagy Géza publikációt megalapozó kutatása a TÁMOP 4.2.4.A/1-11-1-2012-0001 Nemzeti Kiválóság Program című kiemelt projekt keretében zajlott. A projekt az Európai Unió támogatásával, az Európai Szociális Alap társfinanszírozásával valósul meg.

Matematikai statisztika oktatása a Budapesti Corvinus Egyetem agrár campusán elektronikus támogatással Fejes Tóth Péter – Ladányi Márta

Összefoglaló: A 20. század második felében a számítógépek megjelenésével rohamos fejlődésnek indult a statisztikai elemzések fejlődése. Egyebek mellett a számítógépek használata révén olyanok is tudnak statisztikai elemzéseket végezni, akik nincsenek tisztában az elemzés matematikai hátterével. A agrártudomány különböző területeit hallgatók esetében, akik ennek a leírásnak megfelelnek – amennyiben képzésüknek nem kell, hogy része legyen mélyebb matematika, ugyanakkor tudományterületük szerves részét képezik a statisztikai elemzések – olyan elméleti és gyakorlati tudást kell átadnunk, ami nem csupán a szükséges elemzések magas szintű elvégzésére teszi őket képessé, de a számítógép által elvégzett elemzés hátterében meghúzódó összefüggések lényegét is érteni engedi számukra. Ez egyébként feltétele is annak, hogy eredményeiket és azok következményeit saját szakterületükön megfelelően értékeljék és értelmezzék. Mindezt anélkül, hogy a matematika öncélúvá válna, vagyis egy nagyon törékeny egyensúly megtalálására törekedve. Előadásunkban az ennek a célnak az eléréséhez alkalmazott módszereket és tapasztalatokat mutatom be.

_____________________________________________________________________________________________________ 153

Agriculture Informatics 2013

Recommend Documents