Abstract:
در این بررسی تلاش شده است ضمن شناسایی عامل‌های مؤثر در ایجاد تمایز در بین دو گروه نانواییهای پرضایعات و نانواییهای کم‌ضایعات، 250 نانوایی شهر مشهد در سال 1389 با به کارگیری الگوی تجزیه و تحلیل تمایزی با پیش‌بینی طبقه نانوایی در یکی از دو گروه نانوایی قرار داده شوند. نتایج به دست آمده گویای آن است که از میان متغیرهای مؤثر بر ایجاد تمایز، وضعیت نانوایی، قیمت ضایعات نان، زمان تخمیر خمیر، میزان آرد مصرفی روزانه، کیفیت نان تولیدی، درصد گلوتن مرطوب، درصد رطوبت، کیفیت آرد مصرفی و هزینه تعمیرات بیشترین سهم را در ایجاد تمایز بین نانواییهای کم‌ضایعات و پرضایعات دارند. پیش‌بینی گروه نانواییها بر پایه ضایعات آن‌ها می‌تواند ابزار مناسبی برای شناسایی اقدام‌های مؤثر بر کاهش ضایعات نان در مرحله تولید آن باشد. در این بررسی، مقایسه دقت طبقه‌بندی دو مدل الگوی تجزیه و تحلیل تمایزی و شبکه عصبی مصنوعی مبتنی بر آن گویای دقت بالای پیش‌بینی طبقه نانواییها در دو گروه داده‌های آموزش و آزمون با به کارگیری الگوی شبکه عصبی مصنوعی مبتنی بر تجزیه و تحلیل تمایزی می‌باشد. در نهایت بر پایه نتایج به‌دست آمده از مطالعه پیشنهادهای کاربردی و اجرایی چندی به منظور کاهش ضایعات نان در مرحله تولید ارائه شد.
This study contributes to reduce bread waste in the production process by determining effective factors that distinguish high bread wast bakers from low bread waste bakers using 250 bakeries over Mashhad in the year 2010. The discriminant analysis was used to predict the study bakers into one class of high or low waste groups. Results indicate that among discriminators, bakery status, bread waste price, dough fermentation time, daily consumption of flour, quality of produced bread, percentage of wet gluten, moisture percentage, quality of flour and maintenance costs have the highest share in distingushing between high and low bread waste bakers. Predicting bakers based on their bread waste was considered as a suitable instrument in order to identify effective actions for reducing bread waste. In this study, classification accuracy of discriminant analysis (DA) and DA-based artificial neural network indicates high accuracy of class prediction at training and testing data with DA-based artificial neural network model. Ultimately, based on the results, a number of applicable and executive recommendations to decrese bread waste in the production process were presented.
Machine summary:
اقتصاد کشاورزی / جلد ٧/ شماره ی ٣/ صفحه های ١٣٢-١٠١ شناسایی عامل های موثر در ایجاد ضایعات نان و تمایز نانواییها با کاربرد تجزیه و تحلیل تمایزی و شبکه عصبی مصنوعی مبتنی بر آن (مطالعه موردی شهر مشهد) * 1 ناصر شاهنوشی، میترا ژاله رجبی، علی فیروز زارع و عباس غفاری تاریخ دریافت : ١٣٩١/٠٨/٠٩ تاریخ پذیرش : ١٣٩٢/٠٩/٢٥ چکیده در این بررسی تلاش شده است ضمن شناسایی عامل های مؤثر در ایجاد تمایز در بین دو گروه نانواییهای پرضایعات و نانواییهای کم ضایعات ، ٢٥٠ نانوایی شهر مشهد در سال ١٣٨٩ با به کارگیری الگوی تجزیه و تحلیل تمایزی با پیش بینی طبقه نانوایی در یکی از دو گروه نانوایی قرار داده شوند.
در راستای گرفتن سیاست های کارآمد به منظور دستیابی به هدف کاهش ضایعات نان و با توجه به خلاء کاربرد الگویی کمی، در این بررسی تلاش شده است با بهره گیری از نتایج بررسیهای انجام شده ، ضمن شناسایی عامل های مؤثر در ایجاد ضایعات نان و تمایز در بین دو گروه نانواییهای پرضایعات و نانواییهای کم ضایعات با به کارگیری الگوی تجزیه و تحلیل تمایزی، با پیش بینی طبقه نانوایی در یکی از دو گروه نانوایی کم ضایعات و پرضایعات با به کارگیری الگوی تجزیه و تحلیل تمایزی و شبکه عصبی مصنوعی مبتنی بر آن ، بتوان گامی مؤثر در جهت کاهش ضایعات در مرحله تولید و مصرف نان برداشت .
(
, 
, 
)
