Optimization of Energy Consumption of Broiler Production Farms using Data Envelopment Analysis Approach
Notice bibliographique
Résumé
This study applied a non-parametric method to analyze the efficiency of farmers, discriminate efficient farmers from inefficient ones and to identify wasteful uses of energy in order to optimize the energy inputs for broiler production. Data were collected from 44 broiler farms in six villages in Yazd province (Iran) by using a face-to-face questionnaire performed in January– February 2010 period. The data were collected from 44 broiler farms in six villages from Yazd province, Iran. Average capacity of surveyed farms was 18142 birds. Maximum, minimum and average meat production of farms was 2000, 3000 and 2601 kg (1000bird)-1, respectively. Total energy used in various operations during broiler production was 186885.87 MJ (1000bird)-1. We determined TE (Technical Efficiency), PTE (Pure Technical Efficiency) and SE (Scale Efficiency) of energy use in broiler farms using Data Envelopment Analysis (DEA). Two basic DEA models (CCR and BCC) were used to measure the TEs of the farmers based on five energy inputs and two outputs. The CCR and BCC models indicated 10 and 16 farmers were efficient, respectively. The average values of TE, PTE and SE of farmers were found to be 0.90, 0.93 and 0.96, respectively. The results also revealed that about 11% of the total input resources could be saved if the farmers follow the input package recommended by the DEA.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».