سیستم پشتیبان تصمیم­گیری مکانیزاسیون کشاورزی بر پایه­ی وب

[morteza.zangeneh]

سیستم پشتیبان تصمیم­گیری مکانیزاسیون کشاورزی بر پایه­ی وب

(AMDSS)

مرتضی زنگنه

دانشجوی کارشناسی ارشد مکانیزاسیون کشاورزی دانشگاه تهران

Morteza.Zangeneh@gmail.com

چکیده
سیستم­های پشتیبان تصمیم به عنوان سیستم­های متعامل مبتنی بر رایانه توصیف می­شوند که به تصمیم­گیرندگان در استفاده از داده­ها و مدل­ها برای مسائل ساخت نایافته یاری می­رسانند. فلسفه­ی سیستم­های پشتیبان تصمیم بر این مبنا است که در پشتیبانی از وظایف نیمه­ساختاریافته، بخشی از فرآیند تصمیم می­تواند به رایانه تفویض شود اما برخی جنبه­های آن به ویژه در مورد تحلیل­های کیفی و ارزیابی انتزاعی و ذهنی نیاز به قضاوت مدیریت دارند. سیستم مکانیزاسیون کشاورزی یک سیستم پیچیده بر پایه­ی منابع طبیعی منطقه­ای و شرایط اقتصادی اجتماعی است، بنابراین با توجه به ماهیت آن، تصمیم­گیری و اتخاذ سیاست پیرامون مباحث مرتبط با آن فرآیندی سخت و پیچیده است. سیاست­گذاران این بخش باید به طور کامل از شرایط اجتماعی اقتصادی و منطقه­ای در یک منطقه­ی خاص آگاهی کامل داشته باشند، همچنین از اطلاعات با ارزش به­موقع و به طور موثر به منظور ایفای نقش در تنظیم بازار و تصمیمات کلان اقتصاد روستایی استفاده نمایند، بنابراین ایجاد یک سیستم باز پشتیبان تصمیم مکانیزاسیون کشاورزی (AMDSS) با هدف کمک به تصمیم­گیری ضروری به نظر می­رسد. این AMDSS می­تواند انواع مختلفی از اطلاعات جامع، مدل­های مناسب و روش­های تجزیه و تحلیل را برای ستادهای اجرایی کشاورزی به منظور حل انواع گوناگون مسائل تصمیم­گیری یا برنامه­ریزی­های توسعه پیشنهاد نماید. مسائل و مشکلاتی که سیاست­گذاران این بخش در طول فرآیند تصمیم­سازی مکانیزاسیون کشاورزی با آن مواجه می­شوند مربوط به مسائل نیمه­ساختار­یافته و غیرساختار­یافته است. AMDSS دارای حجم عظیمی از داده­ها و اطلاعات اقتصادی مکانیزاسیون کشاورزی و بر اساس آخرین پیشرفت­ها در زمینه­ی DSS است، از این رو داده انبار، فرآیند آنالیز آنلاین و تکنولوژی داده­کاوی در AMDSS به منظور تشکیل یک DSS جامع گنجانده شده است. این سیستم به منظور پشتیبانی از فرآیند تصمیم­گیری در بخش مکانیزاسیون کشاورزی طراحی و اجرا گردیده است. به منظور ایجاد و توسعه این سیستم از SAS نسخه­ی 2/8 به عنوان یک سیستم زبان و با هدف ترکیب ماژول­های سه گانه­ی این سیستم استفاده گردیده است.
کلمه­های کلیدی: سیستم پشتیبان تصمیم­گیری، مکانیزاسیون کشاورزی، AMDSS






مقدمه
سیستم­های پشتیبان تصمیم­گیری[1] از اواسط قرن گذشته­ی میلادی با استفاده از الگوهای ریاضی متولد شد. خاستگاه اولیه­ی علوم تصمیم­گیری مشابه بسیاری از رویکردهای جدید، «کاربردهای نظامی» بود و این رویکرد به تدریج به زمینه­های صنعتی و کسب و کار راه یافت. عبارت «سیستم پشتیبان تصمیم» اولین بار در سال 1971 توسط گوری و اسکات مورتون که هر دو از اساتید دانشگاه ام آی تی بودند ابداع شد. آنان چنین سیستم­هایی را به عنوان سیستم­های متعامل مبتنی بر رایانه توصیف کردند که به تصمیم­گیرندگان در استفاده از داده­ها و مدل­ها برای مسائل ساخت نایافته یاری می­رسانند. سیستم پشتیبان تصمیم­گیری (DSS) به عنوان گونه­ی اولیه­ی سیستم­های اطلاعات مدیریت[2] (MIS) طرفداران بسیاری را به خود جذب کرد. این رویکرد با به کارگیری روش­های بهینه سازی، برنامه­ریزی ریاضی، الگوهای تصمیم­گیری چندمعیاره[3] (MCDM) و با این پیش فرض که مسائل مدیریتی می­توانند به صورت مدل­های ریاضی فرموله شود به فعالیت می­پردازد. الگوریتم­های بهینه­سازی، نظریه­های مطلوبیت، تحقیق در عملیات و الگوهای انتخاب زمینه­های مهم سیستم­های پشتیبان تصمیم هستند. در جایی که مسائل ساختار یافته و اطلاعات کافی وجود داشته باشد، یا موضوع آنقدر مهم باشد که برای تکمیل ساختار و اطلاعات لازم صرف هزینه و زمان موجه باشد روش­های DSS مناسب­ترین رویکردها را برای دستیابی به بهینه­ترین پاسخ ممکن در اختیار می­گذارد، و هنگامی که مساله به خوبی قابل تعریف نباشد، وضعیتی که شرایط روزمره تصمیم­گیری مدیران است، روش­های بر پایه­ی سیستم­های خبره[4] ما را به یک پاسخ معقول به جای راه حل بهینه می­رساند.
دانشمندان سیستم­های پشتیبان تصمیم را به عنوان سیستم­های اطلاعاتی مبتنی بر کامپیوتر که به وسیله­ی ترکیب مدل­ها و داده­ها کاربر را در حل مسائل غیرساختاریافته کمک می­کنند تعریف کرده­اند. به نظر این محققین زیرسیستم­های تشکیل دهنده­ی DSS عبارتند از:
-زیرسیستم مدیریت داده­ها
-زیرسیستم مدیریت دانش
-زیرسیستم رابط کاربر
دانشمندان علم تصمیم­گیری در چارچوب تحلیلی جامع خود به بررسی آنچه که یک DSS باید انجام دهد و توانایی­ها و ویژگی­هایی که باید داشته باشد پرداخته­اند. آنها شش عامل را به عنوان نیازمندی­های عملکردی از دیدگاه مدیران برشمرده­اند: 1- یک DSS باید امکان پشتیبانی برای تصمیم­گیری را فراهم کند، اما تاکید اصلی آن باید بر روی تصمیم­های نیمه­ساختاریافته یا غیرساختاریافته باشد. 2- یک DSS باید پشتیبانی از تصمیم­گیری در تمام سطوح مدیریت را فراهم آورد و در عین حال به ایجاد انسجام میان سطوح در شرایط مناسب کمک کند. 3- یک DSS باید از هر دو دسته تصمیم­های وابسته به یکدیگر و مستقل از یکدیگر به طور یکسان پشتیبانی کند. 4- یک DSS باید تمامی مراحل تصمیم­گیری را پشتیبانی کند. 5- یک DSS باید انواع متفاوتی از فرآیندهای تصمیم­گیری را پشتیبانی کند. 6- استفاده از DSS باید آسان باشد.
فلسفه­ی سیستم­های پشتیبان تصمیم بر این مبنا است که در پشتیبانی از وظایف نیمه­ساختاریافته، بخشی از فرآیند تصمیم می­تواند به رایانه تفویض شود اما برخی جنبه­های آن به ویژه در مورد تحلیل­های کیفی و ارزیابی انتزاعی و ذهنی نیاز به قضاوت مدیریت دارند. DSS یکی از سیستم­های اطلاعات-محور است



که مدیران را در حل مسائل و گرفتن تصمیم­های نیمه­ساخت­یافته یاری می­کند. این سیستم­ها رایانه را به نحوی با فرآیند تصمیم­گیری ترکیب می­کنند که جزیی از آن می­شود و بنابراین اجازه می­دهند که به جای اینکه تنها دریافت کننده­ی ساده­ی اطلاعات باشند از آن استفاده کنند. هزینه­ی توسعه­ی چنین سیستم­هایی در صورتی که کوچک باشند نسبتا ناچیز است، و بنابراین توجیه آنها موضوع مهمی نیست، اما هزینه­ی یک سیستم متوسط یا بزرگ می­تواند بسیار بالا باشد، بنابراین به عنوان بدیلی در سرمایه­گذاری نگاه کرد که نه تنها باید نتیجه­ای مطلوب در بر داشته باشند، بلکه باید نسبت به گزینه­های دیگر سرمایه­گذاری (شامل عدم انجام هرگونه اقدامی) نیز مزیتی داشته باشند. بنابراین در توسعه­ی سیستم­های پشتیبان تصمیم لازم است توجیه کافی برای سرمایه­گذاری وجود داشته باشد، چرا که از لحاظ آماری می­توان با افزایش اطلاعات تصمیم بهتری اتخاذ کرد، اما از دیدگاه مدیریتی سوال این است که هزینه­ی کسب اطلاعات بیشتر چقدر است و نتایج بالقوه­ی کسب آن چه هستند. با این وجود توجیه این سیستم­ها پیش از توسعه و ارزیابی نتایج حاصل از توسعه و کاربرد آنها، از جنبه­هایی با دشواری روبروست. از جمله­ی این دشواری­ها می­توان به کیفی بودن بیشتر منافع حاصل از سیستم­های پشتیبان تصمیم که اهمیت فزاینده­ای نیز یافته­اند و مشکلات موجود در تعیین ارزش اقتصادی برای اطلاعات به عنوان خروجی اصلی این سیستم­ها اشاره کرد.
براساس تعريف جديد، مكانيزاسيون كشاورزي انتخاب ماشين­هاي مناسب و كاربرد صحيح آنها با رعايت ملاحظات اقتصادي و ساير اصول توسعه­ی پايدار در فرآيند توليد و فرآوري محصولات كشاورزي را شامل مي‌شود (الماسی و همکاران، 1378). برای سیاست­گذاری، برنامه­ریزی و استفاده­ی بهینه از ماشین در کشاورزی و توسعه­ی آن در منطقه، اصولا نیاز به در دست بودن اطلاعات صحیح از وضعیت مکانیزاسیون منطقه و شناسایی عوامل موثر در بکارگیری آن توسط کشاورزان در عملیات کشاورزی است. سیستم مکانیزاسیون کشاورزی یک سیستم پیچیده بر پایه­ی منابع طبیعی منطقه­ای و شرایط اقتصادی اجتماعی است، بنابراین با توجه به ماهیت آن، تصمیم­گیری و اتخاذ سیاست پیرامون مباحث مرتبط با آن فرآیندی سخت و پیچیده است. سیاست­گذاران این بخش باید به طور کامل از شرایط اجتماعی اقتصادی و منطقه­ای در یک منطقه­ی خاص آگاهی کامل داشته باشند، همچنین از اطلاعات با ارزش به­موقع و به طور موثر به منظور ایفای نقش در تنظیم بازار و تصمیمات کلان اقتصاد روستایی استفاده نمایند، بنابراین ایجاد یک سیستم باز پشتیبان تصمیم مکانیزاسیون کشاورزی[5] (AMDSS) با هدف کمک به تصمیم­گیری ضروری به نظر می­رسد. این AMDSS می­تواند انواع مختلفی از اطلاعات جامع، مدل­های مناسب و روش­های تجزیه و تحلیل را برای ستادهای اجرایی کشاورزی به منظور حل انواع گوناگون مسائل تصمیم­گیری یا برنامه­ریزی­های توسعه پیشنهاد نماید (منگ و همکاران،2002).
مسائل و مشکلاتی که سیاست­گذاران این بخش در طول فرآیند تصمیم­سازی مکانیزاسیون کشاورزی با آن مواجه می­شوند مربوط به مسائل نیمه­ساختار­یافته و غیرساختار­یافته است. در اصطلاح درجه­ی ساختاریافتگی به این معنی است که آیا محیط و قانون یک فرآیند ویژه می­تواند توصیف یا تبیینی واضح با استفاده از یک زبان مخصوص (ریاضیات یا منطق، کمی یا نسبی و ...) ارائه کند یا خیر. بر این اساس اگر مسئله­ای بتواند به طور واضح توصیف شود مسئله­ی ساختاریافته نامیده می­شود؛ اگر نتواند به طور واضح توصیف شود و تنها با استفاده از تجربه و فراست مورد قضاوت قرار گیرد به عنوان مسائل غیرساختاریافته تلقی می­شوند؛ مسائل دیگری که در بین این دو قرار می­گیرند به عنوان مسائل نیمه­ساختاریافته نامیده می­شوند (منگ و همکاران، 2002). AMDSS دارای حجم عظیمی از داده­ها و اطلاعات اقتصادی مکانیزاسیون کشاورزی و بر اساس آخرین پیشرفت­ها در زمینه­ی DSS است، از این رو داده انبار[6]، فرآیند آنالیز آنلاین و تکنولوژی داده­کاوی در AMDSS به منظور تشکیل یک DSS جامع گنجانده شد. همچنین اطلاعات مکانیزاسیون کشاورزی، شبکه­ی اطلاعات واطلاعات اقتصادی به منظور اتصال AMDSSبه اینترنت مورد استفاده قرار گرفت. AMDSS به سه ماژول تقسیم می­شود: سیستم مدیریت داده انبار[7]، سیستم داده کاوی[8] و سیستم مدیریت مدل[9]. ساختمان AMDSS در شکل شماره­ی 1 نشان داده شده است.

شکل شماره­ی 1- ساختمان AMDSS بر اساس داده انبار

برای عمومیت دادن به DSSباید یک ابزار توسعه­ی مناسب وجود داشته باشد. این ابزار نیاز به یک سیستم زبان به منظور ترکیب ماژول داده، ماژول مدل و ماژول دیالوگ با هم دارد. ماژول داده و ماژول مدل سیستم­های زبان مجزا از هم دارند. زبان­های الگوریتمیک قدیمی از قبیل FORTRAN، PASCAL و ... تشخیص مدل ریاضی را بسیار متناسب می­کند اما هیچ حمایتی از عملیات پایگاه اطلاعاتی به عمل نمی­آورد (وی­ون، 2000). انواع مختلفی از زبان­های سیستم مدیریت پایگاه داده[10] (DBMS) برای مدیریت و عملیات پایگاه اطلاعاتی مناسب هستند، اما برای تعداد عملیات ارزش مناسب نیست. زبان جامع باید قادر به ترکیب زبان محاسبات و زبان پایگاه اطلاعاتی باشد. سیستم آنالیز آماری (SAS) امروزه مشهورترین سیستم نرم­افزاری آنالیز داده است. بعد از دهه­ی 1990، SAS به توسعه­ی داده انبار، سیستم پردازش و آنالیز آنلاین، داده کاوی وDSS اختصاص داده شد. به این ترتیب امروزه موفق­ترین نرم­افزار بزرگ­مقیاس SAS نسخه­ی شماره­ی 8 ، زبان محاسباتی را با زبان پایگاه اطلاعاتی را به منظور ساده سازی آن بیش از زبان­های دیگر مانند FORTRAN و ... در محاسبه در ارزش عددی یکپارچه می­کند (هانگشن، 2000). بنابراین در این مطالعه به منظور توسعه­ی سیستم کل نرم­افزار SAS 2/8 انتخاب گردید.
طراحی هر ماژول
تنظیم سیستم داده انبار
داده­انبار مجموعه­­ای از داده­ها به صورت موضوعات جهت­دار، یکپارچه و پیوسته در زمان­های متفاوت است که به منظور پشتیبانی از فرآیند فرموله کردن تصمیم­ در مدیریت مورد استفاده قرار می­گیرد. داده در داده­انبار با موضوعاتی مرتبط با پایگاه اطلاعاتی سنتی که هنگام به کارگیری با آن روبرو بوده­اند مواجه می­شوند. تم یا موضوع، یک استاندارد است که داده­ها را در سطح بالاتر طبقه­بندی می­کند، و هر موضوع با یک زمینه­ی آنالیز کلان مرتبط است. صفت یکپارچه و جامع داده­انبار به پردازشی که قبل از ورود داده به مخزن داده باید بر روی داده­ها صورت گیرد و آن­ را یکپارچه کند باز می­گردد. این مرحله­­ی اصلی تنظیم داده­انبار برای متحد و یکی کردن تناقضات داده­های اولیه و تغییر ساختار داده­ها از سطح کاربردی به سطح موضوعی می­باشد. استقرار و پایداری داده­انبار به این معنی است که داده­انبار محتوای داده­های تاریخی را منعکس می­کند، اما داده­ها در پردازش تراکنشی روزانه تولید نمی­شوند، داده­ها بعد از پردازش، یکپارچه­سازی و ورود به داده­انبار به ندرت تجدید نظر می­شوند یا اصلا تجدید نظر نمی­شوند. داده­انبار مجموعه­ای از داده­ها در زمان­های متفاوت است، از این رو نیاز است که داده­ها به منظور داشتن زمان کافی برای در نظر گرفتن نیازها جهت انجام در آنالیز تصمیم در داده­انبار ذخیره گردند. داده در داده­انبار بایستی دوره­های تاریخی خود را نشان دهد (وستون، 2000).
متادیتا مفهوم مهم دیگری در داده­انبار است. متادیتا معمولا به عنوان داده­ای که در ارتباط با دیگر داده­هاست تعریف می­شود. متادیتا به داده­ای اطلاق می­شود که موضوعات و اهداف دیگری را توصیف می­کند، این توصیف­ها به منظور تعریف جدول­بندی، پایگاه اطلاعاتی، نظریه و دیگر موضوعات در پایگاه اطلاعاتی وابسته استفاده می­شود. عموما متادیتا هر چیزی را که برای تعریف اهداف داده­انبار مورد استفاده قرار می­گیرد معرفی می­نماید، اهداف ممکن است جدول­بندی، یک لیست، یک سوال و جستجو، یک قانون بازرگانی یا جا به جا شدن در داده­انبار باشد. تعریف­های متادیتا به ما در اتمام تعریف اهداف معنی­دار ورودی در داده­ها کمک کند.
هدف مطالعه­ی AMDSS حل مشکلات مدیریت و تصمیم­گیری در خلال توسعه­ی مکانیزاسیون کشاورزی است. به هر حال سیستم مکانیزاسیون کشاورزی یک سیستم باز است که تحت تاثیر جمعیت خارجی، منابع، محیط، توسعه­ی اقتصادی، تولید کشاورزی، پیشرفت تکنولوژیکی و تقاضای بازار و ... است. به منظور پرداختن به نیازهای تحقیق، داده­انبار باید به داده­های تولید کشاورزی، ساختار صنعتی، نسبت نیروی کار کشاورزی، ارزش خروجی کشاورزی و ...در هر منطقه بپردازد. محتوای تحقیق عمدتا برای حل مشکلات مدیریت و تصمیم­گیری توسعه­ی مکانیزاسیون کشاورزی است، بنابراین تنظیم داده­انبار به طور کلی حول و حوش این موضوعات است. موضوعات تحقیق بر طبق محتوای داده و نه تفاوت نواحی انتخاب می­گردد، یک محتوای داده به موضوع خود تعلق دارد. یک داده در مناطق مختلف در داخل مجموعه جمع­آوری می­شود و سپس مقایسه و آنالیز می­شود. داده­­ی پردازش شده در بازار اطلاعات قرار داده می­شود، همچنین این بازارهای داده در داده­انبار به منظور پرداختن به تقاضای مدیران سطوح مختلف برای داده ایجاد می­کند.
توسعه­ی سیستم داده­کاوی
داده­کاوی (DM) کسب دانشی از پایگاه اطلاعاتی بزرگ مقیاس می­باشد که مردم به آن علاقه­مند هستند. دانش اطلاعات بالقوه مفید ودلالت کننده است که در پیش­روی شناخته شده نیست. دانش به عنوان مفهوم، قانون، مقدرات، روش و ... بیان می­­شود، این بدان معنی است که در جستجو برای روش پردازش پشتیبان تصمیم­گیری در توده­ای از حقایق و داده­ها هستیم (هان و کمبر، 2001). هدف این است که داده­کاوی تنها پایگاه اطلاعاتی نیست، بلکه همچنین سیستم پرونده­ها، یا دیگر توده­های داده از قبیل منابع اطلاعاتی www می­باشد. همه­­­ی تحقیقات داده­کاوی بر اساس داده­انباری است که ما تنظیم کرده­ایم، و آن یک ساختار با داده­انبار، مدیر و ابزار تصمیم­گیری همانطور که در تصویر شماره­ی 2 نشان داده شده است را تشکیل می­دهد. این موضوع اهداف زیر را دنبال می­کند:
1- ساده کردن- داده­برداری
2- کاوش کردن- اکتشاف کردن، آنالیز کردن و پیش­تیمار خصوصیات و ویژگی­های داده
3- تغییر دادن- تعریف مشکلات، تنظیم داده و انتخاب تکنولوژی
4- مدل- تحقیق مدل و کشف دانش
5- برآورد کردن- تشریح جامع و ارزیابی مدل و دانش

شکل شماره­ی 2- داده­کاوی در محیط داده­انبار

داده­انبار و سیستم مدیریت
مدل، تشریح ویژگی­های ضروری یک سیستم در شکل ویژه به منظور توضیح هدف، رفتار و قانون­های تغییر سیستم است. عموما ما سه نوع روش داریم، شامل روش اورگانوس منطقی، روش آزمایشات و روش مدل­ها برای درک و تحقیق دنیای هدف. روش مدل تواناترین، رایج­ترین و موثرترین روش برای درک و کاوش دنیای هدف است. این روش پلی بین دنیای هدف و نظریه­ی علمی برای آنالیز تمام جنبه­های سیستم بر پا می­کند. چندشکلی و پیچیده بودن مکانیزاسیون کشاورزی باعث ایجاد مشکلات زیادی در تحقیقات مربوط به توسعه­ی آن شده است. مبنا و آنالیز مدل برای توسعه­ی آن مفید است، همچنین عملکرد مدل به بهینه­سازی ساختار آن کمک می­کند.
مدل­انبار یک سیستم کامپیوتری برای پیشنهاد ذخیره و بیان است که سیستم مدیریت مدل نامگذاری شده است. بیش از یک روش حافظه­ی کامل برای به دست آوردن، مشاهده، تجدید و ترکیب کردن مدل در آن وجود دارد. در این سیستم اولین چیزی که ما باید در مورد آن فکر کنیم فهماندن رو به جلو و راه ذخیره به منظور مدیریت مدل، اتصال در یک روش انعطاف­پذیر و اشتراک نتیجه­رسان است. روش بیان روند مدل برای تجزیه کردن به سلول­های پایه برای تقویت انعطاف­پذیری مدیریت و کاهش تکرار ذخیره است. AMDSS تکنولوژی داده­کاوی را تحت پایگاه SAS تطابق می­دهد. بنابراین مدل می­تواند در DSS عمومی در داده­کاوی عمل تشخیص را انجام دهد. این ویژگی کمیت مدل را در انبار کاهش می­دهد و باعث کاهش مشکلات و مسائل توسعه­ی سیستم مدیریت و کل سیستم می­گردد. مدل OR در سیستم SAS شامل روش برنامه­ریزی معمول است. این نوع سوال می­تواند به عنوان مسئله­ی حل بیشینه­ی یک تابع هدف تحت یک گروه از محدودیت­ها را مورد توجه قرار دهد. اگر محدودیت­ها و توابع هدف خطی باشند، این برنامه­ریزی خطی (LP)خواهد بود. اگر متغیر باید عدد کامل باشد این برنامه­ریزی عدد صحیح (IP) است. پردازش LP در مدل OR می­تواند به وسیله­ی LP حل شود،که شامل برنامه­ریزی عدد صحیح و برنامه­ریزی عدد صحیح مرکب می­باشد. عموما روش برنامه­ریزی­ای که در AMDSS مورد استفاده قرار می­گیرد روش برنامه­ریزی خطی است. شرایط محدودیت، پارامترها و تابع هدف LP می­تواند در پایگاه اطلاعاتی ذخیره شود و برخی از پارامترها می­تواند مستقیما از پایگاه اطلاعاتی گرفته شود. عملیات تنها برای انتقال برنامه­ی خطی و ورود داده از پایگاه اطلاعاتی مورد نیاز است. هنگامی که مدل تغییر می­کند، می­تواند عملیات و مدیریت را در همان زمان از طریق پارامترها در پرونده­ی داده­هایی که تنها تجدید نظر شده­اند را به پایان برساند. این تحولات جریان کاری سیستم مدیریت مدل و راندمان کاری را بهبود می­بخشد، همانطوری که در شکل شماره­ی 3 نشان داده شده است.

شکل شماره­ی 3- توسعه­ی سیستم مدیریت اجرایی مدل بر اساس سیستم SAS

یکپارچه­سازی سیستم نرم­افزاری AMDSS
به دلیل اینکه سیستم داده­انبار، سیستم داده­کاوی و سیستم اجرایی مدل AMDSS تحت پایگاه سیستماتیک SAS توسعه داده شده است و منبع داده­کاوی داده­انبار است، بنابراین داده­کاوی و ایجاد داده­انبار کمتر به نظر می­آید (شکل شماره­ی 4). در سیستم مدیریت مدل، پردازش توسعه­ی AMDSS عبارت است از:
1- کسب داده از مخزن داده در مسیر فایل داده­ی مدل
2- اتمام توسعه­ی هر ماژول و واسط آن در داده­انبار

شکل شماره­ی 4- ارتباط ماژول در AMDSS

نتایج تحقیقات یکپارچه سازی در شکل شماره­ی 5 به تفصیل آورده شده است.

شکل شماره­ی 5- ساختار عملیات AMDSS

نتیجه­گیری
سیستم AMDSS تجربه­ی موفقی در چین به منظور ارزیابی و سیاست­گذاری توسعه­ی مکانیزاسیون کشاورزی داشته است. اطلاعات یکی از ابزارهای توسعه­ی کشاورزی آینده است و AMDSS بخش مهمی از آن است و مطمئنا نقش مهمی در توسعه­ی مکانیزاسیون کشاورزی ایفا خواهد نمود.
منابع
1- الماسی، م.، ش. کیانی و ن. لویمی (1378). مبانی مکانیزاسیون کشاورزی. انتشارات حضرت معصومه.

2- Meng J., Y. Guanglin (2002). The Research of Agricultural Producing Macro Decision
Support System. System Sciences and Comprehensive Studies in Agriculture, 18(4): 293-297.
3- WeiwenC. (2000). Decision Support System and its Development. Beijing: Tshinghua
University Press.
4- HongshenG. (2000). Theories, Methods and Cases for DSS. Beijing: Tshinghua University
Press.
5- Weston J. (2000) Chen Shuoying, etc., translater. Decision Support in the Data
Warehouse. Beijing: Beijing Institute of Technology Press, 2000
6- Han J. and M. Kamber (2001). translated by: Fang Ming, Meng Xiaofeng. The
Concept and Technology of Data Mining. Beijing: China Machine Press.

1- Decision Support Systems

2- Management Information Systems

3- Multiple Criteria Decision Making

4- Expert System

1- Agricultural Mechanization Decision Support System

1- Warehouse

2- Data Warehouse Management System

3- Data Mining System

4- Model Management System

1- Database Management System