برداشت کارآمد زعفران با استفاده از برنامه‌ریزی عدد صحیح

در میان محصولات مختلف موجود در کشاورزی، زعفران نقش مهمی در افزایش تولید ناخالص داخلی و رشد درآمد سرانه ایران ایفا می‌کند. به دلیل کمبود نیروی کار و کوتاه بودن مدت زمان برداشت، سطح زیر کشت زعفران در ایران در سال‌های آینده کاهش خواهد یافت. بنابراین، برنامه‌ریزی مناسب برای استفاده بهینه از نیروی کار یکی از مهم‌ترین روش‌ها برای دستیابی به برداشت کارآمد است. در این راستا، در این مقاله، یک مدل برنامه‌ریزی عدد صحیح برای حل این مسئله پیشنهاد شده است.

تعداد شیفت‌های کاری و ساعات کاری در هر شیفت از جمله متغیرهای تصمیم‌گیری در مدل پیشنهادی هستند که تابع هدف را برآورده می‌کنند، یعنی به حداقل رساندن کل هزینه نیروی کار، با محدودیت‌هایی شامل تعداد ساعات کاری در هر شیفت، سرعت نیروی کار، تعداد مزارعی که باید در هر روز برداشت شوند و رابطه بین ساعات کاری هر کارگر و هزینه تخصیص یافته. برای ارزیابی مدل پیشنهادی، از داده‌های جمع‌آوری شده از مزارعی در مناطق مختلف قاین، استان خراسان جنوبی، ایران استفاده می‌کنیم. با مقایسه خروجی مدل پیشنهادی با وضعیت واقعی، توانایی مدل تأیید می‌شود. در نهایت، نکات پایانی و پیشنهاداتی برای تحقیقات آینده ارائه می‌گردد.

Among various products available in agriculture, saffron plays a major role in contributing to Iran’s gross domestic product and per capita income growth. Due to shortage of workforce and short duration of harvesting, areas under cultivation of saffron in Iran will be declining in coming years. Thus, proper planning for optimum use of workforce is one of the most important techniques to access efficient harvesting.

In this regard, an integer programming model is proposed to solve the problem in this paper. Number of working shift and working hours in each shift are among decision variables in the proposed model, which satisfy the objective function, i.e. minimizing the total cost of workforce, with constrains including number of working hours in each shift, speed of workforce, number of fields that should be harvested in each day and relationship be tween working hours of each worker and the cost allocated.

To evaluate the proposed model, we employ the data collected from fields located in different areas of Qaen, South Khorasan province, Iran. By comparing the output of the proposed model to the real situation, the ability of the model is confirmed. Finally, concluding remarks and suggestions for future research are provided.