Сільське господарство, фермерство, сільськогосподарські підприємства відіграють велику роль у житті кожної людини. Багато людей почали забувати, наскільки важливі ці сфери. Ці області забезпечують людям продукти, завдяки яким ми можемо існувати. Зараз світ охопили кризи та інфляція, внаслідок чого такі сфери змушені закриватися. Це пов’язано з тим, що сільськогосподарські поля дуже залежні від погодних умов і цін на економічному ринку. Якщо врожай провалиться через сильну посуху та відсутність снігу взимку, компанія не зможе покрити витрати.

Крім того, наслідки зміни клімату загострюють ці проблеми, коли екстремальні погодні явища стають все більш частими та непередбачуваними. Фермери повинні постійно адаптувати свою практику, щоб зменшити ризики та забезпечити стале виробництво.

Дослідження було проведено на реальному підприємстві часникового заводу. Завод має низькі показники протягом 3 років, тому мета цього дослідження є розробка експертної системи, яка б допомогла зрозуміти як можна підвищити врожайність часнику.

За допомогою Data Mining було проведено дослідження задля оцінки впливу сорту часнику та типу грунту на к-сть врожаю.

Інтелектуальний аналіз даних (Data Mining) – це процес сортування великих наборів даних для виявлення закономірностей і зв’язків, які можуть допомогти вирішити бізнес-проблеми за допомогою аналізу даних. Методи та інструменти інтелектуального аналізу даних допомагають підприємствам передбачати майбутні тенденції та приймати більш обґрунтовані бізнес-рішення.[1]

У цьому дослідженні було виконані такі методи як 1Rule, Наївного Байєса, метод асоціативних правил та метод кластеризації. Метод кластеризації показав чудові результати для аналізу.

Кластеризація (кластерний аналіз) — групування об'єктів на основі подібності. Кластеризацію можна використовувати в багатьох сферах, включаючи машинне навчання, комп’ютерну графіку, розпізнавання образів, аналіз зображень, пошук інформації, біоінформатику та стиснення даних. Використовуються різні кластерні моделі, і для кожної з цих кластерних моделей можна надати різні алгоритми. Кластери, знайдені одним алгоритмом кластеризації, точно відрізнятимуться від кластерів, знайдених іншим алгоритмом.[2]

У дослідженні ми отримали, базуючись на наявних даних, 10 кластерів. Ці кластери дуже широко описали наявну ситуацію. Кластери були побудовані для того, аби дізнатися на яких ділянках та на якому виді грунту краща врожайність, а на яких найгірша.

На зображенні11 показано, що існують різні індикатори залежно від місцевості, де вони розташовані. Іноді чорнозем дає хороші результати, іноді погані. Треба переглядати дані на предмет колізій, і компанія повинна дивитися, куди вони витрачають багато ресурсів, тому що там багато полів з чорноземом, а врожайність відносно низька.

Спостереження на зображенні 11 підкреслює мінливість показників залежно від характеристик рельєфу. Примітно, що чорнозем іноді демонструє добрі результати, а в інших випадках очевидні погані результати. Ця невідповідність свідчить про необхідність ретельного перегляду даних для виявлення потенційних кореляцій і тенденцій.

Компанії слід ретельно вивчити, куди розподіляються ресурси, особливо на чорноземних полях, де врожайність відносно низька. Цей аналіз може виявити області, де інвестиції в управління ґрунтом, зрошення або вибір культур можуть призвести до підвищення врожайності. Важливо розуміти конкретні фактори, що сприяють низькій врожайності на цих територіях, і розробити цілеспрямовані стратегії для їх усунення.

Крім того, дослідження потенційних колізій або конфліктів у розподілі ресурсів може допомогти оптимізувати використання ресурсів і підвищити загальну ефективність. Виявляючи сфери, де ресурси перерозподіляються або використовуються недостатньо, компанія може перерозподіляти ресурси більш ефективно, щоб максимізувати продуктивність.

Рис. 1. Опис кластерів

Метод кластеризації показав, на яких полях ті чи інші сорти ростуть краще. Встановлено, що підприємство знизило витрати на посів на полях з чорноземом. Чорнозем – це родючий ґрунт, і таке підприємство, схоже, нехтує сівозміною, що вплинуло на врожайність.

Отже, ще потрібно дослідити багато параметрів, які впливають на врожайність, наприклад, які були погодні умови в цей період, які добрива використовувалися, чи було багато бур’янів і скільки часу потрібно було для збору врожаю. Адже всі ці фактори впливають на продуктивність. Підсумовуючи, оптимізація врожайності часнику включає комплексний підхід, який враховує різні фактори, включаючи боротьбу зі шкідниками та хворобами, здоров’я ґрунту, зрошення, методи посадки, боротьбу з бур’янами та обробку після збору врожаю. Розглянувши ці аспекти комплексно, виробники часнику можуть підвищити продуктивність, прибутковість і стійкість своєї діяльності.