•maximális vegyianyag tartály kapacitás – literben megadva
• granulátum szórásához szükséges kiegészítők elérhetősége
• drón hatótávolsága – kilométerben megadva
• drón ára – forintban megadva
Az összehasonlítás menete a felhasználói adatok bevitelével kezdődik, ahol a felhasználók megadják a drónok attribútumait, mint például a maximális tartálykapacitás, repülési idő és ár. Az összehasonlítás bemutatásához összegyűjtöttem és elemeztem néhány ismertebb permeteződrón attribútumait, amelyeket az alábbi táblázatban szemléltetek:
Az adatok ezt követően OAM (objektum-attribútum mátrix) segítségével rendszerezésre kerülnek, ami biztosítja, hogy minden drón adatai egységes formában álljanak rendelkezésre.
Az alábbi ábra a lépés kimenetelét szemlélteti:
Ezt követően a COCO modell alkalmazása következik, amely a drónok attribútumait rangsorolja és elemzi. A modell az egyes paraméterekhez súlyozott értékeket rendel, hogy az ár-teljesítmény arányt meghatározza. Az összehasonlítás eredményeit vizualizált formában, például grafikonokon és táblázatokon keresztül jeleníti meg a rendszer, lehetővé téve a felhasználónak, hogy gyorsan felismerje a legjobb választási lehetőségeket. A COCO elemzésnek követelménye, hogy minden objektumhoz tartozzon ár (Y), és minimum kettő darab azonos, egymással összehasonlítható attribútum. Az összehasonlított attribútumoknál nem szabad hiányoznia semmilyen adatnak sem, mivel akkor nem végezhető el a számítás.
Az alábbi ábra a lépés kimenetelét szemlélteti:
Az inverz elemzés során a megadott attribútumok hatásirányát megfordítva hajtjuk végre a COCO modell számításait. Ezzel ellenőrizzük, hogy a modell előrejelzései és rangsorolásai konzisztens eredményeket adnak-e. Az elemzés fontos lépése, hogy összehasonlítsuk a direkt és az inverz eredményeket, és az előjelek közötti eltérések vizsgálatával megbizonyosodjunk az eredmények helytállóságáról.
A validáció célja, hogy az adatok torzulásmentesen kerüljenek feldolgozásra, és az esetleges hibalehetőségeket minimalizáljuk. Ha az előjelek eltérést mutatnak, az jelezheti az adatok közötti inkonzisztenciát vagy a súlyozás hibáját. Az eredmények megbízhatóságát így biztosítja a validáció, amely megerősíti, hogy a modell által megállapított ár-érték arányok valósak és használhatóak a döntéshozatalban.
Az alábbi ábra a validáció kiértékelését szemlélteti: