scholarly journals Implementation of a LoRaWAN Based Smart Agriculture Decision Support System for Optimum Crop Yield

2022 ◽  
Vol 14 (2) ◽  
pp. 827
Author(s):  
Jehangir Arshad ◽  
Musharraf Aziz ◽  
Asma A. Al-Huqail ◽  
Muhammad Hussnain uz Zaman ◽  
Muhammad Husnain ◽  
...  
Keyword(s):  
Decision Support ◽  
Decision Support System ◽  
Real Time ◽  
Long Range ◽  
Support System ◽  
Irrigation System ◽  
Time Data ◽  
Conductivity Sensor ◽  
Accessible Information ◽  
Sensor Module

A majority of the population of developing countries is associated with agriculture directly or indirectly. The liaison of engineering technology and Sustainable Development Goals (SDGs) can build a bridge for farmers to enhance their skills regarding advancements through future generation agriculture trends. The next-generation trends include better soil preparation, intelligent irrigation systems, advanced methods of crop nutrient inspection, smart fertilizers applications, and multi-cropping practices. This work proposes a smart Decision Support System (DSS) that acquires the input parameters based on real-time monitoring to optimize the yield that realizes sustainability by improving per hectare production and lessening water seepage wastage in agribusiness. The proposed model comprises three basic units including an intelligent sensor module, smart irrigation system and controlled fertilizer module. The system has integrated sensors, cloud employing decision support layers, and networking based DSS to recommend cautions for optimum sustainable yield. The intelligent sensors module contains a temperature and humidity sensor, NPK sensor, soil moisture sensor, soil conductivity sensor, and pH sensor to transmit the statistics to the cloud over the internet via Long Range (LoRa) using Serial Peripheral Interface (SPI) communication protocol. Moreover, an android application has been developed for real-time data monitoring according to GPS location and node information (accessed remotely). Furthermore, the DSS contemplates the accessible information from sensors, past patterns, monitoring climate trends and creating cautions required for sustainable fertilizer consumption. The presented results and comparison validate the novelty of the design as it embraces smart irrigation with smart control and smart decision-making based on accurate real-time field data. It is better than existing systems as it transmits the data over the LoRa that is an open-source communication with long-range transmission ability up to several kilometres. The sensor nodes helped in advancing the yield of crops, which resulted in achieving inclusive and sustainable economic goals.

scholarly journals A Decision Support System for Dynamic Job-Shop Scheduling Using Real-Time Data with Simulation

Mathematics ◽  
2019 ◽  
Vol 7 (3) ◽  
pp. 278 ◽  
Author(s):  
Ahmet Turker ◽  
Adnan Aktepe ◽  
Ali Inal ◽  
Olcay Ersoz ◽  
Gulesin Das ◽  
...  
Keyword(s):  
Decision Support ◽  
Decision Support System ◽  
Real Time ◽  
Support System ◽  
Job Shop ◽  
Performance Criteria ◽  
Dispatching Rules ◽  
Dispatching Rule ◽  
Time Data ◽  
Real Time Data

The wide usage of information technologies in production has led to the Fourth Industrial Revolution, which has enabled real data collection from production tools that are capable of communicating with each other through the Internet of Things (IoT). Real time data improves production control especially in dynamic production environments. This study proposes a decision support system (DSS) designed to increase the performance of dispatching rules in dynamic scheduling using real time data, hence an increase in the overall performance of the job-shop. The DSS can work with all dispatching rules. To analyze its effects, it is run with popular dispatching rules selected from the literature on a simulation model created in Arena®. When the number of jobs waiting in the queue of any workstation in the job-shop falls to a critical value, the DSS can change the order of schedules in its preceding workstations to feed the workstation as soon as possible. For this purpose, it first determines the jobs in the preceding workstations to be sent to the current workstation, then finds the job with the highest priority number according to the active dispatching rule, and lastly puts this job in the first position in its queue. The DSS is tested under low, normal, and high demand rate scenarios with respect to six performance criteria. It is observed that the DSS improves the system performance by increasing workstation utilization and decreasing both the number of tardy jobs and the amount of waiting time regardless of the employed dispatching rule.

scholarly journals Διερεύνηση δυνατοτήτων συμβολής μεθόδων μη καταστρεπτικού ελέγχου στη διάγνωση και στον έλεγχο ποιότητας δομικών υλικών με έμφαση στην αειφόρο κατασκευή

2015 ◽  
Author(s):  
Νικόλαος Κατσιώτης
Keyword(s):  
Decision Support ◽  
Expert System ◽  
Decision Support System ◽  
Real Time ◽  
Support System ◽  
Image Pattern

Στην παρούσα Διδακτορική Διατριβή παρουσιάζεται η διερεύνηση των δυνατοτήτων συμβολής μεθόδων μη-καταστρεπτικού ελέγχου στη διάγνωση και στον έλεγχο ποιότητας δομικών υλικών με έμφαση στην Αειφόρο Κατασκευή. Ως προς το παραπάνω σκοπό, πραγματοποιήθηκε εκτενής μελέτη των υπό έρευνα δομικών υλικών (δοκιμίων σκυροδεμάτων 5 συνθέσεων, έκαστη σύνθεση αποτελούμενη από διαφορετικό τύπο, ποιότητα και κατηγορία αντοχών του περιεχόμενου τσιμέντου) μέσω τόσο συμβατικών/παραδοσιακών (καταστρεπτικών) τεχνικών ανάλυσης όσο και καινοτόμων μη-καταστρεπτικών τεχνικών χαρακτηρισμού.Η μέθοδος που αναπτύχθηκε στα πλαίσια της παρούσας Διδακτορικής Διατριβής αφορά την συνδυαστική και συνεργατική εφαρμογή των μη-καταστρεπτικών τεχνικών της Μικροσκοπίας Οπτικών Ινών και της Ψηφιακής Επεξεργασίας Εικόνας. Περισσότερο συγκεκριμένα, παρασκευάσθηκαν δοκίμια σκυροδεμάτων στον ξυλότυπο (“καλούπι”) των οποίων είχε προσαρμοστεί κατάλληλο πλαίσιο (“παράθυρο”) παρατήρησης και λήψης εικόνων μέσω του οποίου εφαρμόστηκε Μικροσκοπία Οπτικών Ινών σε τακτά διαστήματα πραγματικού χρόνου (“real-time”) κατά την διάρκεια της τοποθέτησης/σκυροδέτησης αυτών. Εν συνεχεία, οι εικόνες υφής αυτές επεξεργάστηκαν κατάλληλα μέσω αλγορίθμου Ψηφιακής Επεξεργασίας Εικόνας (ο οποίος αναπτύχθηκε και αριστοποιήθηκε για τις ανάγκες της συγκεκριμένης Έρευνας και εφαρμογής) σε υπολογιστικό περιβάλλον MatLab®, και εξήχθησαν ποσοτικές πληροφορίες χαρακτηρισμού της δεδομένης εικόνας ανά χρονική στιγμή λήψης αυτής.Τα πειραματικά αποτελέσματα αυτά τροφοδοτήθηκαν αυτομάτως (και σε πραγματικό χρόνο - “real-time”) σε κατάλληλη πληροφοριακή γνωσιακή βάση δεδομένων, η οποία αποτέλεσε το έναυσμα για περαιτέρω αξιοποίηση των περιεχόμενων πληροφοριών, υπό την μορφή εύρεσης και έκφρασης κατάλληλου μαθηματικού συσχετισμού (“correlation”). Εν συνεχεία και βάσει του αναπτυχθέντος ημιεμπειρικού μαθηματικού μοντέλου, έλαβε χώρα μετάβαση σε έμπειρο σύστημα υποστήριξης απόφασης (“expert system”), ικανό να ανταποκρίνεται στις ανάγκες της Κατασκευής (σε πραγματικό τόπο, χρόνο και κλίμακα).Στα Συμπεράσματα της παρούσας Διδακτορικής Διατριβής συμπεριλαμβάνεται η επιτυχής συνδυαστική αξιοποίηση μη-καταστρεπτικών τεχνικών Μικροσκοπίας Οπτικών Ινών και Ψηφιακής Επεξεργασίας Εικόνας ως προς την λήψη αντιπροσωπευτικών επιφανειακών εικόνων υφής/μικροδομής (“image patterns”) σε ορισμένες χρονικές στιγμές αμέσως μετά την έναρξη της σκυροδέτησης (αρχή,+ 5, +10, +15, +20, +25, +30, +40, +50, 60λεπτά). Οι ληφθείσες ψηφιακά επεξεργασμένες εικόνες μικροδομής συσχετίστηκαν (μέσω εκτεταμένου προγράμματος γραμμικών παλινδρομήσεων) με τις τελικές μηχανικές αντοχές των παραχθέντων σκυροδεμάτων και συμπεραίνεται η εντονότερη βαρύτητα/σχέση των μορφολογικών παραμέτρων του “κεντροειδούς” και του “αριθμού Euler” (καθόλες τις χρονικές στιγμές), σε μεγέθυνση 25x και όριο κατωφλίωσης/threshold 110. Πέραν αυτών, η αποτίμηση της μικροδομής από τα ληφθέντα image pattern ενσωματώνεται επιτυχώς σε εξειδικευμένη γνωσιολογική βάση δεδομένων και η Γνώση αυτή μετατρέπεται (μέσω τεχνητής νοημοσύνης και εφαρμογής γενετικών αλγορίθμων σε περιβάλλον MatLab®) σε έμπειρο σύστημα (“expert system”) υποβοήθησης/υποστήριξης αποφάσεων (“decision support system”) Αειφορίας στην Κατασκευή.

Sign in / Sign up

Export Citation Format

Share Document