Ekspertyza. Komputerowe systemy wspomagania decyzji w zarządzaniu gospodarstwem rolniczym

Wielkość: px
Rozpocząć pokaz od strony:

Download "Ekspertyza. Komputerowe systemy wspomagania decyzji w zarządzaniu gospodarstwem rolniczym"

Transkrypt

1 Projekt współfinansowany przez Unię Europejską w ramach Europejskiego Funduszu Społecznego AGROINŻYNIERIA GOSPODARCE Ekspertyza Komputerowe systemy wspomagania decyzji w zarządzaniu gospodarstwem rolniczym Dr inż. Radosław J. Kozłowski Prof. dr hab. Jerzy Weres Dr inż. Janina Rudowicz-Nawrocka Zakład Informatyki Stosowanej Instytut Inżynierii Rolniczej Uniwersytet Przyrodniczy w Poznaniu Poznań 2011 Publikacja dostępna w serwisie:

2 Spis treści 1. Wstęp Geneza oraz rozwój komputerowych systemów wspomagania decyzji Interakcja jako podstawa systemów doradczych Systemy ekspertowe oraz sztuczna inteligencja w analizie decyzyjnej Wprowadzenie do systemów wspomagania decyzji Rodzaje systemów wspomagania decyzji Struktura systemów wspomagania decyzji Klasyczne systemy wspomagania decyzji Inteligentne systemy wspomagania decyzji Rodzaje systemów wspomagania decyzji stosowanych w rolnictwie Kierunki badań oraz praktycznego wykorzystania systemów decyzyjnych w rolnictwie Kierunki rozwoju praktycznego wspomagania decyzji w rolnictwie Analiza obszarów zastosowania systemów wspomagania decyzji w rolnictwie Publikacje naukowe i popularno-naukowe Dostępne w Polsce systemy wspomagające podejmowanie decyzji Wybrane aplikacje oraz systemy wspomagania zarządzania gospodarstwem rolniczym Afifarm zarządzanie stadem bydła mlecznego Agrar-Office kompleksowe zarządzanie gospodarstwem AgroAsystent zarządzanie produkcją roślinną AgroPomiarGPS pomiar powierzchni pola i zarządzanie areałem AgroSystem zarządzanie produkcją, obsługa wniosków o dopłaty AlPro zarządzanie stadem bydła mlecznego AnaPig ocena użytkowości zwierząt i zarządzanie hodowlą Bitfarma ewidencjowanie zdarzeń i zarządzanie produkcją rolniczą Biogaz analiza opłacalności działania biogazowni BiOBkalkulator zarządzanie produkcją i przetwarzaniem biomasy FarmWorks Office zarządzanie produkcją polową Internetowy System Sygnalizacji Agrofagów Internetowy SWD dla integrowanej ochrony roślin Liz-Herbicyd optymalizacja zastosowania herbicydów i graminicydów Nawsald sporządzanie planów nawożenia w gospodarstwach rolnych Obora zarządzanie gospodarstwem hodowlanym objętym oceną użytkowości OTR-7 - programowanie techniki w gospodarstwach rolnych prosplant wspomaganie ochrony roślin uprawnych Predykcja plonu i zawartości skrobi dla bulw ziemniaków Ramzes AGRO wspomaganie rachunkowości w gospodarstwie SYMLEK ocena użytkowości oraz ocena hodowlana krów i buhajów WinPasze bilansowanie i optymalizacja receptur paszowych ZeaSoft wspomaganie integrowanej uprawy kukurydzy Ziarbit analiza procesów suszenia i przechowywania ziarna zbóż Zootechnik zarządzanie stadem bydła w produkcji mlecznej i mięsnej Podsumowanie Bibliografia Literatura cytowana Literatura elektroniczna - aplikacje doradcze dla rolnictwa Lista wybranych prac naukowych z zakresu zastosowania SWD w rolnictwie

3 1. Wstęp Zmieniająca się sytuacja rynkowa, konieczność dostosowania efektów produkcji rolniczej do restrykcyjnych wymogów jakościowych wymusza na rolnikach konieczność ciągłego pozyskiwania i przetwarzania dużych ilości informacji. Ilość wiedzy dotyczącej prowadzenia produkcji rolniczej ciągle rośnie. Duże zróżnicowanie prac w gospodarstwie rolniczym wymaga od przedsiębiorcy interdyscyplinarnej wiedzy z takich dziedzin jak agronomia, agrotechnika, mechanizacja, rachunkowość, zarządzanie itp. Ważnym jest więc pozyskiwanie dobrych źródeł informacji pozwalających na wspomaganie rolnika w podejmowaniu trafnych decyzji. Decyzje, które podejmuje rolnik obarczone są dużym ryzykiem i niepewnością a ich zakres jest bardzo szeroki. Dostęp do fachowej wiedzy redukuje tą niepewność. W skład decyzji wchodzą długoterminowe decyzje strategiczne (określenie kierunków działalności, analiza inwestycji), średnioterminowe decyzje taktyczne (definiujące szczegółowe wytyczne na podstawie decyzji ogólnych) oraz decyzje związane z codziennymi działaniami operacyjnymi. Pierwotne metody doradcze bazujące na intuicji oraz doświadczeniu w danej dziedzinie są obecnie niewystarczające. Tradycyjne techniki przetwarzania i analizy dostępnych danych obarczone są dużymi ograniczeniami związanymi ze stosunkowo małą liczbą możliwych do przeanalizowania alternatywnych rozwiązań oraz zbyt długim czasem przeprowadzenia tych analiz [Turban i in. 2001]. Dzięki rozwojowi technik komputerowych możliwe stało się wsparcie tego procesu dzięki zastosowaniu dedykowanego tym celom oprogramowaniu. Początkowo rola tych systemów ograniczała się do gromadzenia i przechowywania informacji obecnie pozwalają one także na jej przetwarzanie [Matthews i in. 2008]. Zadaniem komputerowych systemów doradczych jest wspomaganie rolnika w podjęciu optymalnej w jego sytuacji decyzji. Rolą takich systemów jest gromadzenie, przetwarzanie oraz dostarczanie informacji ułatwiających podejmowanie złożonych decyzji wymagających fachowej wiedzy. Systemy te bazują najczęściej na analitycznych i logicznych modelach, które pozwalają na lepsze zrozumienie problemu decyzyjnego, określenie logicznych rezultatów decyzji oraz wskazaniu optymalnego sposobu działania. Systemy takie nie podejmują decyzji samodzielnie ich podstawową rolą jest zautomatyzowanie najbardziej praco- i czasochłonnych zadań podejmowanych w ramach procesu podejmowania decyzji [Mallach 1994]. Obok tradycyjnych systemów wspomagania decyzji, zajmujących się gromadzeniem i dostarczaniem do użytkownika informacji, obecnie dostępne są także systemy ekspertowe (ang. Expert Systems) implementujące wybrane metody sztucznej inteligencji wspomagające ich przetwarzanie i analizę. W wyniku połączenia tych technologii uzyskujemy inteligentne systemy wspomagania decyzji (ang. Inteligent Decision Support Systems) zwane też systemami wspomagania decyzji opartymi na wiedzy (ang. Knowledge-based Decision Support Systems). Systemy te gromadzą wiedzę eksperta w bazach wiedzy w postaci zbioru reguł i faktów. A dedykowane moduły ekspertowe dostarczają odpowiednich metod pozwalających na formułowanie ekspertyz oraz analizę płynących z niej wniosków [Shim i in. 2002]. Wykorzystanie komputerowych systemów wspomagania decyzji w rolnictwie obejmuje ich zastosowanie na wszystkich etapach zarządzania gospodarstwem począwszy od określenia kierunku produkcji, poprzez zarządzanie różnymi aspektami związanymi z prowadzoną uprawą lub hodowlą, aż do zarządzania procesem przechowywania i zbytu. Rozwój sektora rolniczego związany jest przede wszystkim z wprowadzaniem nowych technologii, wykorzystaniem nowych odmian roślin oraz nowych ras zwierząt hodowlanych, nowych doskonalszych nawozów oraz środków ochrony roślin, nowych systemów uprawy oraz znacznego wzrostu wykorzystania nowoczesnych maszyn i urządzeń rolniczych stosowanych w rolnictwie precyzyjnym. I to w tych obszarach systemy doradcze znajdują największe zastosowanie. W ramach jednego gospodarstwa rolnego możliwe jest wykorzystanie wielu systemów doradczych wspomagających realizację różnych zadań ale najlepszym rozwiązaniem z 3

4 punktu widzenia końcowego użytkownika jest zastosowanie zintegrowanego systemu doradczego łączącego pod jednym interfejsem wiele modułów wspomagających podejmowanie decyzji. Z praktycznego punktu widzenia podstawowym zadaniem takiego systemu jest podniesienie konkurencyjności gospodarstwa poprzez ułatwienie wdrażania zasad rolnictwa zrównoważonego, podnoszenia jakości produktów, umożliwienie lepszego i sprawniejszego zarządzania, usprawnienie transferu informacji i wiedzy oraz prognozowania ryzyka [Zaliwski 2007]. 2. Geneza oraz rozwój komputerowych systemów wspomagania decyzji Wraz z rozwojem komputeryzacji i pojawieniem się w latach sześćdziesiątych ubiegłego wieku pierwszych komputerów zaczęto poszukiwać metod, które pozwoliłyby na wykorzystanie ich mocy obliczeniowej do wspomagania procesu podejmowania decyzji. W obszarze zainteresowań projektantów tych wczesnych technik komputerowych było opracowanie uniwersalnych metod pozwalających na wspomaganie rozwiązywania złożonych wielokryterialnych problemów z różnych często znacznie różniących się od siebie dziedzin gospodarki. W połowie lat sześćdziesiątych prowadzono intensywne badania nad komputerowymi modelami do ilościowej analizy wspomagającej podejmowanie decyzji [Raymond 1966; Turban 1967; Urban 1967; Holt i Huber 1969]. Pierwsze badania z wykorzystaniem wspomaganej komputerowo aplikacji doradczej opisali Ferguson i John w 1969 roku. Aplikację tę wdrożono na komputery IBM 7094 a jej zadaniem było wspomaganie planowania produkcji. Na popularyzację tych zagadnień duży wpływ miały badania prowadzone na Uniwersytecie Harvardzkim w latach Scott Martin w ramach swojej pracy doktorskiej zajmował się badaniami związanymi z budową, implementacją i testowaniem interaktywnego opartego na modelach systemu doradczego. Badacz analizował jak komputery oraz modele analityczne mogą wspomóc menadżerów w podejmowaniu decyzji związanych z planowaniem. Jako pierwszy naukowiec użył terminu systemy wspomagania decyzji (ang. Decision Suport Systems) Interakcja jako podstawa systemów doradczych W okresie gdy ogromne rozmiary oraz duże zapotrzebowanie na moc nie pozwoliły na wykorzystywanie komputerów poza wyznaczonymi do tego celu laboratoriami, komputerowe wspomaganie decyzji w zakresie rolnictwa polegało na prostych technikach porównywania wyników dla stosunkowo jednorodnego zestawu gospodarstw. Możliwość potencjalnie szybkiego gromadzenia danych dotyczących gospodarstw pozwoliła na przechowywanie w prostych bazach danych informacji dotyczących m. in. ekonomicznych aspektów prowadzenia gospodarstwa, danych technologicznych związanych z prowadzoną produkcją rolniczą (płodozmian, zabiegi agrotechniczne, stosowane odmiany roślin uprawnych, technologie siewu i zbioru, metody ochrony roślin, struktura stada itp.) oraz kilku wskaźników. Podstawowym i jedynym w tym okresie kryterium oceny czynników wpływających na sukces bądź porażkę danego modelu gospodarstwa była wysokość uzyskiwanego dochodu. Metoda ta była bardzo przystępna dla konsultantów oraz zrozumiała dla rolników i szybko odniosła duży sukces. Ten wczesny, prosty model doradczy zawierał podstawowe funkcjonalności wykorzystywane także w aktualnie implementowanych komputerowych systemach wspomagania decyzji. Podstawą tego modelu była interakcja pomiędzy ekspertami z różnych dziedzin, dysponującymi interdyscyplinarną wiedzą a zainteresowanymi tą wiedzą przedsiębiorcami prowadzącymi działalność w różnych obszarach. Podstawą dialogu w takim systemie była analiza zgromadzonej w bazach danych informacji pochodzących z wielu gospodarstw i próba dobrania optymalnego modelu prowadzenia gospodarstwa zgodnego z oczekiwaniami zainteresowanego oraz potrzebami lokalnego rynku. Ekspert nie udostępniał gotowych rozwiązań a jedynie wspomagał rolnika w określeniu optymalnych rozwiązań biorąc pod uwagę jego aktualną sytuację. Niedoskonałości tego prostego modelu polegające na braku jednoznacznych sugestii dotyczących rozwiązania zaistniałych w 4

5 gospodarstwie problemów spowodowały konieczność poszukiwań skuteczniejszych rozwiązań. W tym samym okresie czasu zaczęto wykorzystywać techniki programowania liniowego, które idealnie nadawały się do zastosowania w zakresie podejmowania decyzji. Programowanie liniowe to szczególny przepadek programowania matematycznego, w którym wszystkie związki zachodzące między zmiennymi mają charakter liniowy. Programowanie to polega na maksymalizacji lub minimalizacji funkcji wielu zmiennych co pozwala na uzyskanie rozwiązania optymalnego. Zastosowanie go w procesie podejmowania decyzji wymaga wcześniejszego opracowania modelu matematycznego zawierającego: funkcję celu, zmienne decyzyjne oraz warunki ograniczające [Ferguson 2008]. Wykorzystanie programowania liniowego w założeniu miało udostępniać optymalne rozwiązanie, które bezpośrednio przekładałoby się na podejmowane przez rolnika decyzje. Jednak mimo, że teoretycznie rozwiązanie było najlepsze to w praktyce często było ono dla rolnika wątpliwe i niezrozumiałe. Na tym etapie przy formułowaniu modelu i gromadzeniu niezbędnych danych konieczne okazało się zacieśnienie współpracy z rolnikiem i udział jego we wszystkich etapach przeprowadzonej analizy. Z poznawczego punktu widzenia model ten zmieniał podejście użytkownika do wykorzystywanego narzędzia przechodząc na model analizy polegający na analizie ograniczeń. Przedsiębiorca kierując się propozycjami formułowanymi przez model decyzyjny definiował swoje własne rozwiązania i konsultował je z systemem aż to momentu uzyskania optymalnego rozwiązania spełniającego wszystkie wymagania. Podsumowując z praktycznego punktu widzenia programowanie liniowe z jednej strony przy krótkim okresie konfiguracji udostępniało wątpliwej jakości ekspertyzy z drugiej aby uzyskać wnikliwą analizę wymagało dużego nakładu pracy i czasu. Alternatywą dla metod programowania liniowego były metody bazujące na symulacji, które w tym okresie dotyczyły przede wszystkim zagadnień związanych z analizą i optymalizacją opłacalności produkcji. Zastosowanie ich okazało się możliwe dopiero w momencie gdy nastąpiło znaczne uproszczenie i ujednolicenie technologii produkcji rolniczej. W tym okresie opracowano wiele narzędzi symulacyjnych opisujących dwu biegunowy problem polegający na doborze ograniczonej liczby celów związanych z osiągnięciem zamierzonego efektu oraz obrania optymalnej ścieżki postępowania do jego osiągnięcia. Opracowane algorytmy pozwalały na przeprowadzenie symulacji dotyczących formułowania skutecznych modeli produkcji oraz modelu finansowania i planowania marketingowego. Dzięki zastosowaniu modelu symulacyjnego możliwe stało się przeprowadzenie symulacji dla kilku alternatywnych rozwiązań, które następnie można było porównywać i analizować dopierając najbardziej odpowiednie, niekoniecznie optymalne rozwiązanie. Pierwotnie przyjęty model pozwalający na dokładne opisanie całego planu prowadzenia gospodarstwa obejmującego wybrany, dłuższy okres czasu okazał się w praktyce mało przydatny z uwagi na zmieniającą się sytuację rynkową, ceny produktów rolniczych oraz popyt. W wypadku gospodarstw rolniczych lepszym podejściem okazał się model pozwalający traktować zarządzanie gospodarstwem jako proces podlegający ciągłym zmianom i wychodząc z tego założenia proponowane rozwiązania powinny dotyczyć opracowania procedur umożliwiających radzenie sobie z pojawiającymi się problemami - prognozowanie ryzyka. W takim podejściu istotne staje się opracowywanie cyklicznych raportów informujących o stanie gospodarstwa, zdefiniowanie reguł postępowania w wypadku wystąpienia nieprawidłowości, odpowiednie reagowanie na nieoczekiwane zdarzenia [Attonnaty i in. 1996] Systemy ekspertowe oraz sztuczna inteligencja w analizie decyzyjnej Pierwsze systemy wspomagania decyzji stanowią podstawę dla nowego modelu interakcji pomiędzy człowiekiem a maszyną. Komputer wraz z oprogramowaniem, które dotychczas zajmowało się tylko analizą porównawczą uzyskuje mechanizmy wspomagające wnioskowanie na podstawie zgromadzonej w bazach danych wiedzy. Kolejnym krokiem jest wypracowanie technik przypominających w działaniu zachowanie ludzkiego mózgu. 5

6 Odzwierciedleniem tego trendu są pojawiające się pierwsze, prototypowe systemy informatyczne oraz nowa dziedzina wiedzy - sztuczna inteligencja. Podstawą systemów reprezentujących tę dziedzinę wiedzy są aplikacje wykorzystujące pojęcie neuronu jako podstawowego budulca zarówno biologicznego jak i sztucznego mózgu. Pierwszy model neuronu opracowali już w 1943 roku McCulloch i Pitts natomiast podstawy metod uczenia takiego neuronu opracował Hebb w 1949 roku [Noran 2003]. Istotą każdego doradczego systemu ekspertowego jest udostępnianie ekspertyzy umożliwiającej rozwiązanie zadanego problemu. Pierwotnym źródłem inspiracji dla badaczy zajmujących się tematyką szeroko rozumianego rozwiązywania problemów było zachowanie człowieka, oddziaływanie na bodźce, proces gromadzenia, przetwarzania i składowania wiedzy oraz podejmowania na jej podstawie optymalnych decyzji. Kluczowymi etapami w procesie podejmowania decyzji są: właściwa reprezentacja problemu oraz wykorzystanie nabytego doświadczenia i wiedzy dla pełnego zrozumienia jego istoty i struktury (Rys. 1). W modelu tym wyraźnie oddzielono etap zrozumienia problemu od jego rozwiązania. Proces ten określano jako nieliniowy, w którym rozwiązywanie uzyskać można nawet w wypadku braku pełnych informacji o zaistniałym problemie poprzez automatyczny transfer nabytego z podobnych przypadków doświadczenia i wiedzy [Sutton 2003]. Rys. 1. Model rozwiązywania problemów wskazujący na kluczowe Elementy procesu podejmowania decyzji [źródło: opracowanie własne na podstawie Sutton 2003] Przykładem wczesnego modelu decyzyjnego jest opracowany przez Nowella i Simona General Problem Solver wzorowany na zachowaniu człowieka. Autorzy opisując problemy decyzyjne stwierdzają, że większość z nich można rozwiązać wykorzystując znaną z algorytmiki instrukcję warunkową IF..THEN. Ich zdaniem wiedzę z dowolnej dziedziny można pogrupować i przedstawić w sposób modułowy. W takim podejściu każda reguła odpowiadałaby małemu fragmentowi, wycinkowi wiedzy. W modelu tym pamięć jest zbiorem takich słabo uporządkowanych i powiązanych ze sobą fragmentów wiedzy. Bodźce zewnętrzne wpływają na zachowanie mózgu, który odwołuje się do odpowiedniej reguły zawartej w pamięci długotrwałej i wywołuje pożądane reakcję. Pamięć długotrwała jest miejscem składowania wiedzy natomiast krótkotrwała wykorzystywana jest jako pamięć tymczasowa w procesie podejmowania decyzji. Dobór odpowiedniej reguły realizuje tzw. procesor poznawczy (ang. cognitive processor) będący odpowiednikiem modułu wnioskowania w systemów ekspertowych. Zaproponowany model stanowił podstawę pod 6

7 dalsze rozważania nad implementacją metod wspomagania decyzji do postaci komputerowych regułowych systemów ekspertowych [Noran 2003]. Za jeden z pierwszych pełnowartościowych systemów ekspertowych uznaje się system Dendral, którego zadaniem było ustalanie struktury molekularnej nieznanych chemicznych związków organicznych na podstawie analizy widm spektroskopowych. System ten składał się zarówno z modułów proceduralnych jak i deklaratywnych ze zbiorem reguł i faktów [Lindsay i in. 1993]. Innym przykładem jest system MYCIN. Jego zadaniem było zdiagnozowanie i wspomaganie terapii z zakresu chorób zakaźnych krwi. Zawierał on bazę wiedzy, bazę danych pacjentów z opisem przypadków chorobowych, moduł interaktywny wyciągający wnioski i udostępniający porady oraz moduł wyjaśniający, uzasadniający uzyskane porady [Buchanan i in. 1984]. Z kolei zadaniem systemu Prospector było doradztwo w dziedzinie geologii a w szczególności pomoc przy poszukiwaniu złóż minerałów. Dużym sukcesem tego systemu, który przyczynił się do spopularyzowania komputerowego wspomagania decyzji było odkrycie bogatych złóż molibdenu [McCammon 1996]. Z kolei opracowany w Massachusetts Institute of Technology program Macsyma wykorzystywany był przez matematyków oraz fizyków do wspomagania obliczeń symbolicznych. W pewnym zakresie przewyższał on możliwościami zdolności ludzi w rozwiązywaniu rachunku różniczkowego i całkowego [Moses 2008]. 3. Wprowadzenie do systemów wspomagania decyzji Współczesne systemy wspomagania decyzji opierają się w dużej mierze na założeniach opracowywanych od momentu pojawienia się pierwszych komputerów. Pierwotnie systemy te były dostępne jedynie w ośrodkach badawczych i przemysłowych. Ale od połowy lat osiemdziesiątych wraz z pojawieniem się pierwszych komputerów osobistych z ich możliwości mógł korzystać także przeciętny użytkownik. Systemy wspomagania decyzji definiuje się różnie z uwagi na ich złożoną budowę oraz dużą liczbę metod i narzędzi, z których systemy te korzystają. Ogólnie systemy te można zdefiniować jako systemy interaktywne oparte na komputerach wspomagające decydenta w wykorzystaniu danych i modeli do rozwiązywania złożonych problemów [Sprague i Carlson 1982]. Inną definicję zaproponowali Klein i Methile - System wspomagania decyzji to system informatyczny, który udostępnia informacje z danej dziedziny oraz analityczne modele decyzyjne z dostępem do baz danych w celu wspomagania decydentów w skutecznym działaniu w złożonym, słabo ustrukturalizowanym środowisku [Klein i Methile 1995]. Lata rozwoju systemów decyzyjnych zaowocowały szeroką gamą dostępnych rozwiązań. Obecnie można wyróżnić wiele rodzajów systemów wspomagania decyzji, ale większość z nich występuje najczęściej w postaci hybrydowej. Systemy takie udostępniają za pośrednictwem jednolitego interfejsu wiele metod i narzędzi pozwalających na przeprowadzenie kompleksowej analizy. Obok popularnych w ostatnich latach aplikacji jednostanowiskowych coraz częściej aplikacje doradcze udostępniane są w sieci Internet a także na urządzeniach mobilnych Rodzaje systemów wspomagania decyzji Szeroki zakres zagadnień oraz różnorodność podejść i metod stosowanych w procesie wspomagania podejmowania decyzji wpłynął na złożone kryteria ich klasyfikacji. Ogólnie systemy wspomagania decyzji można podzielić na klasyczne systemy wspomagania decyzji i inteligentne systemy wspomagania decyzji. Pierwsze z nich udostępniają ekspertyzy biorąc pod uwagę zgromadzone w bazach danych informacje, które poddawane są analizie z wykorzystaniem zaimplementowanych w systemie modeli analitycznych i logicznych. Druga grupa systemów łączy w sobie możliwości metod klasycznych z metodami sztucznej inteligencji. Dokładniejszego podziału można dokonać analizując idee działania takiego systemu [Olszak 2008]: Systemy zorientowane na modele (ang. Model-driven Decision Support Systems) 7

8 Systemy te wykorzystują dedykowane modele decyzyjne udostępniające metody analizy decyzyjnej, optymalizacji, modelowania stochastycznego, symulacji, statystyki oraz modelowania logicznego. Dobór odpowiedniej techniki modelowania realizuje się na etapie analizy problemu, a skonstruowany model służy również do oceny alternatywnych rozważań. Istotnym problemem tego podejścia jest właściwe skonstruowanie modelu, który powinien wiernie odwzorować strukturę oraz aspekt dynamiczny analizowanego procesu. Podejście to uwzględnia następujące etapy: problem decyzyjny model dane analiza rozwiązanie Systemy zorientowane na dane (ang. Data-driven Decision Support Systems), Systemy te wskazują na rosnące znaczenie procesu gromadzenia danych oraz ich wpływu na jakość opracowanego modelu. Podstawowym zadaniem takich systemów jest eksploracja danych mająca na celu identyfikację występujących między nimi zależności. Model ten korzysta często z zaawansowanych technik modelowania danych ich walidacji i weryfikacji oraz standaryzacji formatów przechowywania. Podejście to uwzględnia następujące etapy: problem decyzyjny dane analiza model rozwiązanie Systemy zorientowane na wiedzę (ang. Knowledge-driven Decision Support Systems) Systemy te umożliwiają gromadzenie, przetwarzanie i analizę wiedzy pochodzącej od wielu ekspertów. Zawierają moduły wnioskowania korzystające z systemów ekspertowych, drzew decyzyjnych, sieci neuronowych, metod przetwarzania języka naturalnego, logiki rozmytej, algorytmów genetycznych itp. Szczegółowy opis zasad ich działania znajduje się w rozdziale dotyczącym inteligentnych systemów wspomagania decyzji [3.2.2]. Oprócz wymienionych wyżej klas systemów można wskazać także na inne, które zazwyczaj dostarczają dodatkowych funkcjonalności. Warto tutaj wymienić takie klasy systemów wspomagających decyzję jak systemy zorientowane na dokumentację (ang. Document-driven Decision Support Systems) wykorzystywane w podmiotach gdzie podstawowym nośnikiem informacji są dokumenty czy systemy zorientowane na komunikację (ang. Communication-driven Decision Support Systems) wskazujące na istotną rolę dialogu pomiędzy ekspertami i użytkownikami oraz udostępniające narzędzia wspomagające wymianę informacji. Dynamiczny rozwój nowoczesnych technologii informatycznych wpływa także na pojawianie się nowych typów systemów doradczych, przykładem są: systemy oparte na danych zapisanych w postaci arkusza kalkulacyjnego (ang. Spreadsheet-based Decision Support Systems), systemy w postaci aplikacji sieciowych (ang. Web-based Decision Support Systems) czy systemy korzystające z technologii GIS (ang. Geographic Information System) i generowanych w niej map (ang. GIS-based Decision Support System) Struktura systemów wspomagania decyzji Rozwój systemów wspomagania decyzji uwarunkowany jest przede wszystkim wzrostem mocy obliczeniowej współczesnych komputerów oraz opracowywaniem nowych, skuteczniejszych metod doradczych korzystających z rozwijanej od wielu lat wiedzy w różnych dziedzinach. Opracowywane w ramach różnych dziedzin bazy danych wraz z ograniczeniami formułowanymi przez użytkownika korzystającego z systemu służą jako podstawowe źródło informacji w procesie podejmowania decyzji. W okresie gwałtownego rozwoju informatyzacji pojawiło się szereg koncepcji określających jak powinna wyglądać struktura systemu doradczego. 8

9 Klasyczne systemy wspomagania decyzji Klasyczne systemy wspomagania decyzji, pozbawione nowoczesnych metod wnioskowania, składają się z następujących komponentów [Manos i in. 2004] (Rys. 2): Baza danych wraz z System Zarządzania Bazą Danych (ang. Database Management System DBMS) zawiera dane niezbędne do działania systemu oraz narzędzia wspomagające gromadzenie i przechowywanie tych danych, Baza modeli wraz z Systemem Zarządzania Bazą Modeli (ang. Model Base Management system MBMS) zawiera metody, techniki i modele wykorzystywane w trakcie przetwarzania i analizy danych zawartych w bazach danych oraz narzędzia dokonujące transformacji rezultatów działania modelu do postaci informacji dla użytkownika, Rys.1. Struktura klasycznego Systemu Wspomagania Decyzji [źródło: opracowanie własne na podstawie Manos i in. 2003] Baza danych użytkownika z Systemem Zarządzania Danymi Użytkownika (ang. User Support Base Management System USBMS) zawiera informacje pozyskiwane od użytkownika definiujące jego oczekiwania i wartości niezbędnych parametrów oraz narzędzia wspomagające przetwarzanie danych oraz prezentację wyników. Kluczowym elementem takiego systemu są oczywiście dane uporządkowane w postaci baz danych umieszczonych lokalnie lub na serwerze sieciowym, do którego dostęp mają zarówno specjaliści z danej dziedziny jak i użytkownicy poszukujący optymalnych rozwiązań. Zarządzaniem danymi umieszczonymi w bazach, definicją ich struktury oraz metodami dostępu, zajmują się dedykowane systemy zarządzania bazami danych, w skład których wchodzą systemy bazujące na modelu hierarchicznym, sieciowym, relacyjnym, obiektowym oraz najnowszym modelu strumieniowym. W modelu hierarchicznym (Rys. 3) dane przechowywane są w formie rekordów nadrzędnych-podrzędnych ich układ przypomina strukturę drzewa z jednym punktem początkowym nazywanym korzeniem i wieloma rozgałęzieniami. Każdy rekord (z wyjątkiem głównego) jest związany z dokładnie jednym rekordem nadrzędnym. 9

10 Rys.2. Hierarchiczny model baz danych [źródło: opracowanie własne] Model sieciowy (Rys. 4) w niewielkim zakresie różni się od poprzedniego. W miejsce związku nadrzędny-podrzędny wprowadzono tzw. kolekcje polegające na przypisaniu jednej z tabel roli właściciela a drugiej roli członka. Umożliwia to wprowadzenie złożonych powiązań, w których element podrzędny (członek) może posiadać wiele elementów nadrzędnych (właścicieli) i odwrotnie. Model ten umożliwia poszukiwanie rozpoczynając od dowolnej tabeli co w znacznym stopniu przyśpiesza proces analizy danych. Rys.3. Sieciowy model baz danych [źródło: opracowanie własne] Najczęściej jednak bazy w systemach wspomagania decyzji korzystają z modelu relacyjnego (Rys. 5), w którym informacje zapisane w tabelach przechowywane są w postaci krotek (rekordów) oraz atrybutów (kolumn), z których każda przechowuje dane jednego typu. Dzięki zastosowaniu dedykowanych unikalnych kluczy jednoznacznie identyfikujących dany rekord możliwe jest dokonywanie złączeń pomiędzy tabelami co znacznie usprawnia proces wyszukiwania niezbędnych w danym momencie danych oraz zapobiega zbyt dużej ich defragmentacji. Rys.4. Relacyjny model baz danych [źródło: opracowanie własne] 10

11 Mniej popularnym ale nowocześniejszym jest model obiektowy (Rys. 6), który pozwala na przechowywanie złożonych typów danych wytworzonych przez obiektowe języki programowania. Model ten posiada większość cech modelu relacyjnego z tym, że zamiast relacji przechowuje obiekty. Podstawom celem tego modelu jest bezpośrednie odwzorowanie obiektów i powiązań miedzy nimi wchodzących w skład aplikacji na wzór obiektów i powiązań w obiektowej bazie danych. Zastosowanie mechanizmów obiektowych umożliwia zastosowanie jednolitej struktury w złożonych projektach informatycznych oraz umożliwia przeniesienie procedur obsługi danych z samej aplikacji do systemu zarządzania bazą danych [Hernandez 2004]. Rys.5. Obiektowy model baz danych [źródło: opracowanie własne] Opracowanym stosunkowo niedawno modelem, który zwraca uwagę na konieczność przetwarzania, analizowania i prezentowania napływających nieprzerwanym strumieniem danych jest model strumieniowy. W modelu tym dane przedstawione są w postaci strumieni o ściśle zdefiniowanym formacie. Przetwarzaniem danych zajmuje się dedykowany system zarządzania, który wykorzystując zarejestrowane ciągi zapytań, przesyła efekt ich działania w postaci strumieni bezpośrednio do aplikacji klienckiej lub zapisuje dla dalszego wykorzystania. Taka forma przetwarzania danych jest szczególnie przydatna w systemach monitorowania gdzie istnieje konieczność nieprzerwanego gromadzenia i jednocześnie analizowania pozyskiwanych informacji. Aktualnie brak znaczących praktycznych implementacji korzystających z tego modelu [Babcock i in. 2002]. Kolejnym istotnym elementem klasycznego systemu wspomagania decyzji jest baza modeli wraz z systemem zarządzania tymi modelami. Moduł ten zawiera między innymi matematyczne, ekonomiczne i statystyczne modele wykorzystywane w procesie analizy. Uzyskane podczas analizy alternatywne rozwiązania można poddać dalszej ocenie wykorzystując zaimplementowane w systemie procedury. W skład implementowanych modeli udostępnianych w systemach doradczych wchodzą [Kersten 2000]: modele deterministyczne służą do analitycznego przedstawienia badanego zjawiska, w którym dla danych parametrów wejściowych wyniki są określone jednoznacznie, niedeterministyczne modele stochastyczne służą do przedstawienia badanego zjawiska, zawierającego element losowości, w którym dla danych parametrów wejściowych wyniki są określane zgodnie z zasadami probabilistyki, model wartości oczekiwanych służą do przedstawienia badanego zjawiska, 11

12 zawierającego element losowości, w którym wielkościom losowym nadano ich wartości oczekiwane Inteligentne systemy wspomagania decyzji Inteligentne systemy decyzyjne powstały w wyniku połączenia metod stosowanych w klasycznych systemach wspomagania decyzji (tworzenie modeli, wykorzystanie algorytmów numerycznych) z metodami sztucznej inteligencji w tym systemami ekspertowymi. Pierwsza generacja systemów ekspertowych korzystała z heurystycznej wiedzy ekspertów, a proces pozyskiwania tej wiedzy opierał się na współpracy pomiędzy specjalistą a tzw. inżynierem wiedzy. Rolą inżyniera wiedzy było zakodowanie pozyskiwanych informacji do postaci reguł działania. Kolejna generacja systemów ekspertowych koncentruje się na identyfikacji wielu, różnych typów wiedzy i wykorzystaniu jej do efektywnego rozwiązywania problemów [Wolny 2008]. Podstawowym elementem inteligentnego systemu wspomagania decyzji obok baz danych i modeli zaczerpniętych z poprzedniego modelu jest baza wiedzy (Rys. 7). Zadaniem bazy wiedzy jest gromadzenie informacji pochodzących bezpośrednio od wielu ekspertów. Eksperci oprócz wiedzy stricte teoretycznej posiadają także duże praktyczne doświadczenie w danej dziedzinie, co wpływa na jakość wiedzy umieszczonej w bazach. Zapisane w bazie wiedzy reguły są zbiorem typowych problemów oraz czynników na nie wpływających z uwzględnieniem ich znaczenia w procesie podejmowania decyzji. Typowa baza wiedzy zawiera zbiór definicji, faktów i pojęć oraz relacji między nimi. Rys.6. Struktura inteligentnego Systemu Wspomagania Decyzji [źródło: opracowanie własne na podstawie Manos i in. 2003] Obok tradycyjnego modelu generowania baz wiedzy wymagającego współpracy z ekspertem istnieje także model pozwalający na automatyzację tego procesu. Inteligentne systemy doradcze podczas tworzenia baz wiedzy mogą korzystać z nowoczesnych metod analitycznego przetwarzania danych (ang. Online Analitycal Processing), hurtowni danych oraz metod eksploracji danych (ang. Data Mining) umieszczonych w rozbudowanych bazach. Eksploracja danych polega na wyszukiwaniu schematów i wzorców, które nie były wcześniej znane, a mogą być przydatne w procesie podejmowania decyzji [Zakrzewicz 1997]. Jest to proces stosunkowo złożony i wymaga przetworzenia dużej ilości danych w kilku, powiązanych ze sobą etapach (Rys. 8). Typowy scenariusz takiego procesu składa się z następujących kroków [Zakrzewicz 1997]: selekcja danych wybór relacji i krotek, które będą poddane eksploracji, definiowanie sposobu łączenia relacji, przetwarzanie i transformacja konwersja typów atrybutów, definicja atrybutów 12

13 wywiedzionych, dyskretyzacja wartości ciągłych, eksploracja ekstrakcja wiedzy z danych: generowanie reguł, drzew decyzyjnych, sieci neuronowych itp. interpretacja wyników wybór najbardziej interesującej wiedzy, wizualizacja wyników. Rys.7. Proces odkrywania wiedzy w bazach danych (ang. Knowledge Discovery in Databases) [źródło: opracowanie własne na podstawie Fayyad i in. 1996] Kluczową fazą procesu odkrywania wiedzy jest eksploracja danych. Efektem tej fazy jest pozyskanie nowej wiedzy, a najpopularniejszymi metodami jej reprezentacji są drzewa decyzyjne i reguły logiczne. Przykład drzewa decyzyjnego dla oznaczania szkodników występujących na plantacji rzepaku ozimego przedstawiony został w rozdziale przy omówieniu zintegrowanego systemu doradczego prosplant. Analizą zgromadzonej w systemie wspomagania decyzji wiedzy zajmuje się dedykowany mechanizm wnioskowania, który formułuje ekspertyzę przeprowadzając dialog z użytkownikiem (np. metoda drzew decyzyjnych) lub wykorzystując wbudowane narzędzia, automatyzujące ten proces, oparte na sieciach neuronowych. Dodatkowo uzyskaną ekspertyzę można poddać dalszej ocenie wykorzystując wbudowany w taki system mechanizm wyjaśniający. W regułowych systemach ekspertowych wyróżniamy dwa zasadnicze modele wnioskowania, z których pierwszy polega na znalezieniu wszystkich prawdziwych (możliwych do udowodnienia faktów) oraz drugi polegający na sprawdzeniu czy jeden, konkretny fakt (hipoteza) jest prawdziwy: wnioskowanie w przód (ang. forward chaining) droga od przesłanki do konkluzji, polega na znalezieniu w bazie wiedzy tylko tych reguł dla, których spełnione są przesłanki. Konkluzje wytypowanych reguł stają się faktami (nowymi przesłankami) i ponownie wykonywane jest wyszukiwanie odpowiednich reguł. Proces powtarza się aż do uzyskania odpowiedzi na zadane pytanie. wnioskowanie w tył (ang. backward chaining) droga od konkluzji do przesłanek, polega na znalezieniu reguł, które spełniają określoną konkluzję. Na ich podstawie wyznaczane są odpowiednie fakty (przesłanki), które muszę zostać spełnione. Proces powtarza się tak długo aż nie zostaną spełnione przesłanki wytypowanych reguł. W praktyce rzadko dysponujemy pełną wiedzą o analizowanym problemie i trudno jest jasno określić wszystkie warunki oraz reguły opisujące dane zagadnienie. A co za tym idzie opracowane na podstawie takiego niepełnego obrazu bazy wiedzy nie mogą udostępnić optymalnej ekspertyzy. Dlatego też dla problemów obarczonych dużą niepewnością opracowano szereg teorii umożliwiających reprezentowanie tej niepewności. W literaturze można znaleźć kilka podstawowych sposobów reprezentacji wiedzy niepewnej, niepełnej, 13

14 nieprecyzyjnej np.: współczynnik pewności, Beyesowskie sieci przekonań, zbiory rozmyte, zbiory przybliżone i inne (teoria Dampstera-Shafera, teoria możliwości) [Żurek 2011]. Obok systemów ekspertowych w inteligentnych systemach wspomagania decyzji swoje zastosowanie znajdują także sieci neuronowe jako silny aparat pozwalający na analizowanie trudnych zagadnień, obarczonych wysokim stopniem niepewności. Podstawą sieci neuronowych jest tzw. model neuronu matematycznego (Rys. 9). Model ten jest odpowiednikiem neuronu biologicznego i tak jak on składa się z wejść (odpowiednik dendrytów), bloku sumującego odpowiedzialnego za przetwarzanie sygnałów (odpowiednik jądra), bloku aktywującego odpowiedzialnego za kształtowanie informacji wyjściowej i samego wyjścia. Istnieją dwie podstawowe topologie (architektury) sieci neuronowych: sieci jednokierunkowe (ang. feedforwarded) o jednym kierunku przepływu sygnałów oraz sieci rekurencyjne (ang. feedback bidirectional) ze sprzężeniami zwrotnymi. Rys.8. Model neuronu matematycznego wykorzystywany w sieciach neuronowych [źródło: wykonanie własne] Istotą działania sieci neuronowych jest przetwarzanie udostępnianych jej parametrów wejściowych i próba uogólnienia zgromadzonej wiedzy w celu znalezienia najlepszego rozwiązania dla analizowanego problemu. Gwarancją optymalnego działania sieci neuronowej jest dostarczenie jej odpowiedniej wiedzy w postaci tzw. przypadków uczących będących reprezentacją rozwiązania danego problemu na podstawie, której sieć będzie mogła odkryć i zapamiętać ogólne prawidłowości charakteryzujące analizowane obiekty. Rozpoznane reguły przechowywane są w postaci rozproszonej w wartościach współczynników wagowych neuronów. Korzystając z tych reguł system umożliwia pozyskanie optymalnych, zbliżonych do rzeczywistości rozwiązań dotyczących aktualnie występujących problemów np. w gospodarstwie rolniczym. Sztuczne sieci neuronowe pozwalają na zastąpienie tradycyjnych modeli matematycznych w systemach doradczych tam gdzie opracowanie takiego modelu jest niemożliwe bądź bardzo trudne z uwagi na dużą złożoność zagadnienia, którego dotyczy modelowanie. 4. Rodzaje systemów wspomagania decyzji stosowanych w rolnictwie Rolnictwo jest dziedziną wyjątkowo obszerną i wymaga kompleksowych rozwiązań informatycznych. Wykorzystanie prostych, pozbawionych interakcji technik komputerowych pozwalających jedynie na gromadzenie i przetwarzanie informacji jest obecnie niewystarczające. Zastosowanie inteligentnych systemów wspomagania decyzji bazujących na komunikacji z użytkownikiem i udostępniających ekspercką wiedzę w znacznym stopniu usprawnia zarządzanie gospodarstwem automatyzując praco- i czasochłonne procesy. Wpływa to oczywiście w sposób bezpośredni nie tylko na efekt ekonomiczny prowadzonej działalności ale także na jakość i wysokość uzyskiwanych płodów rolnych. 14

15 Stosunkowo szeroki zakres zagadnień podejmowanych przy prowadzeniu działalności w branży rolniczej przekłada się bezpośrednio na ilość obszarów w ramach, których implementuje się komputerowe systemy wspomaganie decyzji. Systemy te można sklasyfikować biorąc pod uwagę stopień przetworzenia informacji wykorzystywanej w sytuacji decyzyjnej [Zaliwski 2007]: systemy dostarczające informacji częściowych zajmują się dostarczeniem informacji i danych wykorzystywanych w procesie podejmowania decyzji bezpośrednio do zainteresowanego rolnika (np. w postaci strony internetowej) lub do innego systemu doradczego korzystającego z tych danych (np. w formie usługi sieciowej). Przykładem takich systemów mogą być aplikacje internetowe będące serwisem krótkookresowych prognoz pogodowych, dostarczające danych dotyczących wysokości opadów, temperatury, wilgotności itp., wykorzystywanych przy planowaniu prac w gospodarstwie rolniczym, planowaniu oprysku ochronnego, prognozowaniu wysokości plonu oraz jego jakości itp. systemy dostarczające informacji szczegółowych wspomagają podjęcie decyzji w zakresie wyboru konkretnego rozwiązania prezentując szereg alternatyw wraz z ich klasyfikacją i oceną skutków ich wprowadzenia. Przydają się szczególnie w problemach wielokryterialnych gdzie przydatne jest określenie znaczenia każdego z czynników i ich wpływu na skutki decyzji. Podejście takie pozwala uwzględnić dużą liczbę kryteriów, nadać im odpowiednie wagi oraz uwzględnić preferencję podejmującego decyzję. systemy udostępniające modele matematyczne zajmują się dostarczeniem informacji w postaci modeli matematycznych, które pozwalają na dokładniejszą sformalizowaną ocenę sytuacji decyzyjnej. Udostępnione modele umożliwiają przeprowadzenie dokładnej analizy wykorzystując m. in. symulację (system analizuje rezultaty dla podanej decyzji), symulację odwrotną (system analizuje decyzję dla podanych rezultatów) i optymalizację (system wskazuje na decyzję dającą najlepszy rezultat). Dzięki tym metodom system wskazuje na rozwiązanie o najwyższej jakości, często jest to rozwiązanie gwarantujące wymierne oszczędności finansowe. Biorąc pod uwagę zakres analiz oferowanych przez system wspomagania decyzji można je podzielić na [Zaliwski i Hołaj 2001]: analityczne aplikacje doradcze udostępniające informacje wspomagające podejmowanie decyzji w zakresie wykonywania zabiegów uprawowych na podstawie przeprowadzonych kalkulacji, modele wzrostu i rozwoju roślin prognozujące jakość i wysokość plonów oraz zawartość substancji mających zastosowanie w przemyśle (np. skrobi w ziemniakach), specjalizowane systemy wspomagania decyzji udostępniające ekspertyzy dotyczące wybranego zabiegu uprawowego (np. nawożenia, opryskiwania, nawodnienia), występują najczęściej w postaci aplikacji ekspertowych, korzystają z metod teorii decyzji, sztucznych sieci neuronowych itp., zintegrowane systemy wspomagania decyzji pełnią podobną rolę co systemy specjalizowane jednak działają bardziej kompleksowo i obejmują większe spektrum zagadnień. Wprowadzone do tych systemów modele zjawisk i procesów zachodzących w skali rośliny i pola pozwalają na pozyskanie rozwiązań dotyczących planowania struktury areału, przygotowania gleby pod uprawę (np. nawożenie), ochrony roślin (np. identyfikację szkodników i chorób), ochrony środowiska rolniczego (np. ocenę wpływu zabiegów na środowisko) itp. W niniejszym opracowaniu, bazując na analizie aktualnej wiedzy z zakresu zastosowania systemów wspomagania decyzji w rolnictwie, dokonano klasyfikacji prac badawczych z tego zakresu korzystając ze zmodyfikowanego, trój poziomowego podziału systemów wspomagania decyzji. Pełny opis tego podziału wraz z wynikami klasyfikacji znajduje się w kolejnym rozdziale. 15

16 5. Kierunki badań oraz praktycznego wykorzystania systemów decyzyjnych w rolnictwie Zastosowanie nowoczesnych systemów wspomagania decyzji w znacznym stopniu ułatwia podjęcie trafnej decyzji. Systemy te znajdują szczególne zastosowanie w zagadnieniach wymagających interdyscyplinarnej wiedzy. Rolnictwo jest właśnie taką dziedziną, która wymaga podejmowania decyzji z uwzględnieniem szerokiego spektrum czynników. W tradycyjnym scenariuszu podjęcie optymalnej decyzji w zakresie zadań związanych z prowadzeniem gospodarstwa rolnego wymaga pozyskania informacji z wielu alternatywnych, często trudno dostępnych źródeł. Systemy wspomagania decyzji pozwalają na usprawnienie tego procesu poprzez udostępnianie mechanizmów go automatyzujących. Udostępniają one mechanizmy pozyskiwania, gromadzenia oraz przetwarzania: najnowszej wiedzy pochodzącej od naukowców oraz specjalistów z danej dziedziny, informacji od producentów i instytucji wspomagających branżę rolniczą oraz danych z czujników umieszczonych na polu, w sadach, szklarniach, pomieszczeniach inwentarskich oraz na narzędziach i maszynach rolniczych Kierunki rozwoju praktycznego wspomagania decyzji w rolnictwie Obserwowany rozwój wiedzy dotyczącej metod i narzędzi stosowanych w komputerowym doradztwie rolniczym koncentruje się na trzech podstawowych kierunkach. Pierwszym z nich, jest rozwój nowych metod i technik wspomagania decyzji. Aktualnie jego tempo znacznie spadło z uwagi na duże nasycenie tej przestrzeni działań. Drugim z nich jest dynamiczny wzrost technik związanych z automatyzacją procesu pozyskiwania i przetwarzania zgromadzonej z danej dziedziny wiedzy. Trzeci dotyczy rozwoju metod i technologii komputerowych związanych z implementacją tych systemów w tym interfejsu użytkownika, stanowiącego podstawę interakcji. Wspomniane kierunki rozwoju zostały w dużym zakresie opisane w poprzednich rozdziałach. W praktyce rolnictwo podobnie jak inne dziedziny aktywności człowieka wymaga zastosowania w coraz większym zakresie technologii informatycznych. Jednak istnieje zauważalny rozdźwięk między faktycznymi potrzebami tego rynku a zainteresowaniem przedsiębiorców wprowadzaniem do swojej działalności informatycznych nowinek. Szukając przyczyn tego problemu warto zwrócić uwagę na poziom zaufania przedsiębiorców do nowych technologii. Wprowadzanie nowinek technicznych do praktyki zawsze odbywa się w kilku fazach (Rys. 10). Poddając analizie dynamiczny rozwój systemów wspomagania decyzji oraz ich implementacji w przestrzeni rolniczej można zauważyć, przyjmując zaproponowane w modelu fazy, że aktualnie znajdujemy się pomiędzy fazą rozczarowania a fazą dojrzałości [Matthews i in. 2008]. Wielu analityków i badaczy wskazuje wyraźnie na konieczność współpracy między naukowcami i praktykami co w znacznym stopniu przyczynia się do wzrostu akceptacji nowych rozwiązań. Rys.9. Fazy oczekiwań dla wdrażania nowych technologii [źródło: Matthews i in. 2008] 16

17 Przedstawiona w pracy analiza badań z zakresu praktycznego zastosowania systemów wspomagania decyzji w rolnictwie wskazuje na istnienie wielu gotowych informatycznych rozwiązań wdrożonych lub nadających się do natychmiastowego wdrożenia wspomagających codzienną pracę w gospodarstwie rolniczym. Wydaje się, że epoka powszechnego stosowania doradczych systemów informatycznych w przedsiębiorstwach rolnych nie jest odległa [Zaliwski w: Harasim i in. 2009] Analiza obszarów zastosowania systemów wspomagania decyzji w rolnictwie Rozwój praktycznego wykorzystania systemów wspomagania decyzji w rolnictwie przyczynił się do popularyzacji komputerów i ich zastosowania w zarządzaniu procesami w produkcji rolniczej. Aktualnie metody komputerowego wspomagania decyzji stosuje się w szerokim spektrum zagadnień sektora rolniczego i trudno jest jednoznacznie wskazać na obszary, w których metody te są szczególnie popularne. Jednak analiza dostępnych w literaturze naukowej i popularnonaukowej publikacji a także opracowanych i udostępnionych darmowych lub komercyjnych narzędzi wspomagających podejmowanie decyzji pozwala na określenie obszarów cieszących się największym zainteresowaniem specjalistów z tej dziedziny. Z uwagi na interdyscyplinarny charakter zagadnień podejmowanych przez badaczy zajmujących się wykorzystaniem metod wspomagania decyzji w rolnictwie, analizując stan aktualnej wiedzy oraz jej dynamiczny rozwój konieczne jest określenie wielokryterialnego modelu dla analizy obszarów ich zastosowania. Dokonanie jednoznacznego podziału nie jest łatwe ponieważ proponowane rozwiązania najczęściej są kompleksowe i dotyczą wielu obszarów. Szeroką gamę zagadnień poruszanych w ramach badań można poddać klasyfikacji uwzględniając ich podział ze względu na: (A) zakres podejmowanej problematyki, (B) obszary praktycznego zastosowania, (C) wspomaganie wybranych procesów produkcji rolniczej. A. Klasyfikacja prac badawczych ze względu na zakres podejmowanej problematyki: 1. Przeglądowe - omawiające możliwości zastosowania systemów wspomagania decyzji w rolnictwie oraz opisujące i oceniające przypadki ich zastosowania. 2. Koncepcyjne - omawiające techniki i metody wykorzystane w systemach wspomagania decyzji dla rolnictwa. 3. Implementacyjne Globalne, Złożone - omawiające projekty konkretnych rozwiązań informatycznych lub ich implementacje w postaci systemów wspomagania decyzji obejmujących kompleksowo, wiele zagadnień z zakresu produkcji rolniczej. 4. Implementacyjne Dedykowane, Specjalizowane - omawiające projekty konkretnych rozwiązań informatycznych lub ich implementacje w postaci systemów wspomagania decyzji dla wybranych procesów produkcji rolniczej. B. Klasyfikacja prac badawczych z uwzględnieniem obszarów ich praktycznego zastosowania: 1. Identyfikacyjne - systemy wykorzystujące wiedzę z entomologii stosowanej oraz fitopatologii dla identyfikacji i sformułowania diagnozy dotyczącej występowania agrofagów w uprawach roślin. 2. Klasyfikacyjne - systemy dokonujące klasyfikacji płodów rolnych z uwzględnieniem wybranych współczynników, 3. Analityczne systemy udostępniające moduły do przeprowadzenia kalkulacji w zakresie wybranych zabiegów w gospodarstwie rolniczym. 4. Doradcze - systemy przetwarzania i analizy danych, z wykorzystaniem zaawansowanych metod wnioskowania, wspomagające planowanie i organizację prac w przedsiębiorstwie rolniczym z uwzględnieniem podziału produkcji rolniczej na uprawę roślin i hodowlę zwierząt. 5. Kontrolne - systemy ostrzegające o skutkach niekorzystnego wpływu produkcji 17

18 rolniczej na środowisko naturalne zarówno roślinne jak i zwierzęce. 6. Informacyjne - systemy udostępniające informacje wspomagające producentów rolnych, ośrodki badawczo-dydaktyczne, doradców rolniczych itp. C. Klasyfikacja prac badawczych z uwzględnieniem wybranych procesów produkcji rolniczej: 1. Zarządzanie dostępnym areałem - wspomaganie decyzji z wykorzystaniem technologii GIS, GPS, danych klimatycznych, danych o glebie, zasobności gleby w składniki mineralne i wodę itp. 2. Zarządzanie powierzchnią uprawową - wspomaganie decyzji dotyczących planowania uprawy, doboru rośliny uprawowej, prognozowania plonu oraz zawartości oczekiwanych składników, prowadzenia płodozmianu itp. 3. Zarządzanie parkiem maszynowym - wspomaganie decyzji związanych z doborem maszyn i urządzeń rolniczych ich zakupem lub wynajmowaniem, utrzymaniem, konserwacją, sprzedażą. 4. Zarządzanie uprawą - wspomaganie decyzji związanych z przygotowaniem gleby pod uprawę, nawożeniem gleb, doborem materiału siewnego, wykonaniem zabiegów agrotechnicznych itp. 5. Zarządzanie ochroną roślin oraz ochroną środowiska - wspomaganie decyzji w zakresie identyfikacji i zwalczania zagrożeń występujących na polu w postaci szkodników, chorób i chwastów, dobór metod chemicznej i niechemicznej ochrony, generowanie programów ochrony. 6. Zarządzanie składowaniem i przechowywaniem płodów rolnych - wspomaganie decyzji związanych z doborem technologii oraz urządzeń do przechowywania. 7. Zarządzanie procesami związanymi z hodowlą zwierząt - wspomaganie decyzji w zakresie prowadzonej w gospodarstwie hodowli, zarządzanie stadem bydła, hodowlą świń, owiec itp.. 8. Zarządzanie rachunkowością w gospodarstwie - wspomaganie decyzji związanych z ekonomicznymi aspektami prowadzenia gospodarstwa. 9. Zarządzanie procesem zbytu - wspomaganie decyzji związanych ze sprzedażą płodów rolnych Publikacje naukowe i popularno-naukowe W ramach analizy stanu wiedzy z zakresu praktycznego zastosowania metod oraz systemów wspomagania decyzji w zarządzaniu gospodarstwem przebadano 310. prac naukowych lub popularnonaukowych opublikowanych w latach w polskich i zagranicznych czasopismach branżowych lub w postaci samodzielnych pozycji (pełna lista analizowanych opracowań zamieszczona jest w rozdziale 9.). Wszystkie wytypowane do analizy publikacje są ogólnodostępne na stronach internetowych autorów lub wydawnictw w formie elektronicznej, w wersji pełnej 258 sztuk lub w formie streszczeń 52 sztuki. Większość z tych prac dostępna jest jedynie w języku angielskim ale dzięki udostępnionym w internecie usługom darmowego, automatycznego tłumaczenia dokumentów ewentualna bariera językowa nie jest obecnie tak istotna. Istnieje też spora grupa publikacji rodzimych autorów poruszających różne zagadnienia z zakresu komputerowego wspomagania decyzji w rolnictwie. Jednak duża część z nich nie jest udostępniana w internecie, związane jest to z małą liczbą polskich wydawnictw posiadających bazy artykułów zamieszczone w sieci. Analizując zakres problematyki badawczej podejmowanej przez autorów wybranych opracowań (Tabela. 1) należy zwrócić uwagę na przewagę prac omawiających konkretne rozwiązania wraz z opisem procesu ich projektowania i implementacji 190 prac (61,3%). Opracowywane aplikacje mają zazwyczaj charakter specjalizowanych, dedykowanych narzędzi 152 prace (49%), ale wśród nich znalazła się także duża grupa publikacji, w których autorzy opisują aplikacje zintegrowane, udostępniające wiele narzędzi, podchodzące do rozwiązania przedmiotowego problemu w sposób kompleksowy 38 sztuk (12,3%). W zakresie technik projektowania i wytwarzania aplikacji wspomagających podejmowanie decyzji zdecydowana większość z nich korzysta z nowoczesnych metod inżynierii 18

19 oprogramowania w tym uniwersalnego języka modelowania UML (ang. Unified Modelling Language) pozwalającego na wizualizację struktury oraz aspektu dynamicznego wytwarzanego oprogramowania. Do popularnych technologii implementacji należą takie języki wysokiego poziomu jak C++ i C# dostępne także na często wykorzystywanej platformie.net będącej kompleksowym rozwiązaniem dla tworzących podobne systemy. Najczęściej wykorzystywanymi systemami zarządzania bazami danych są Microsoft SQL Server, Microsoft Access, SQLLite, BDE (Borland Database Engine) i mysql. Systemy najczęściej opracowywane są w postaci aplikacji stanowiskowych ale dotyczy to głównie starszych rozwiązań. Obecnie w najnowszych pracach większość systemów udostępniana jest w formie dedykowanych portali internetowych, które obok modułów automatyzujących proces wnioskowania udostępniają także informacje z zakresu podejmowanej problematyki. Dodatkowo obok aplikacji komputerowych wiele kompleksowych systemów doradczych przenosi części zadań na urządzenia mobilne wyposażone w system pozycjonowania GPS, pobierające dane od użytkownika lub bezpośrednio z dedykowanych urządzeń lub czujników itp. Kolejną grupą zagadnień podejmowanych w pracach są badania mające na celu opracowanie nowych technologii i metod będących podstawą działania systemów wspomagania decyzji 54 prace (17,4%). Publikacje te często są elementem cyklu wydawnictw i omawiają początkowy etap prac nad implementacją danego systemu informatycznego. Wśród prezentowanych metod coraz częściej obok modeli matematycznych będących deterministyczną reprezentacją danego systemu empirycznego pojawiają się opracowania wykorzystujące metody sztucznej inteligencji w tym sztuczne sieci neuronowe. Sieci wykorzystywane są przede wszystkim w systemach zajmujących się prognozowaniem, gdzie dzięki możliwości uogólnienia na podstawie zgromadzonych z lat poprzednich danych możliwe jest wspomaganie przedsiębiorcy rolnego w opracowaniu optymalnego modelu postępowania dostosowanego do obecnej sytuacji w gospodarstwie. Równie popularnymi metodami pozwalającymi na identyfikację własności analizowanego obiektu są metody analizy obrazów. Metody te znajdują zazwyczaj zastosowanie w systemach wspomagających działania w skali mikro dotyczące oznaczenia szkodników i chorób występujących na plantacji, określenia jakości i klasy produktów rolniczych, określenia zdrowotności roślin, ocenie jakości mięsa w hodowli zwierząt itp. Znajdują one także zastosowanie w skali makro przy analizie całościowej plantacji np. przy ocenie zasobności gleby w składniki pokarmowe. Inną popularną metodą jest GIS (ang. Geographic Information System) umożliwiającą wizualizację przestrzeni produkcyjnej gospodarstwa znajdującą zastosowanie w rolnictwie precyzyjnym. Tabela. 1. Liczba oraz udział procentowy prac z obszaru zastosowania systemów wspomagania decyzji w rolnictwie z uwzględnieniem zakresu podejmowanej problematyki Zakres problematyki badawczej Liczba publikacji Udział procentowy [%] 1. Przeglądowe 66 21,3 2. Koncepcyjne 54 17,4 3. Globalne, Złożone 38 12,3 4. Dedykowane, Specjalizowane ,0 RAZEM Obok prac implementacjach istnieje także szereg publikacji przeglądowych próbujących przybliżyć czytelnikowi możliwości takich systemów oraz dokonujące oceny ich funkcjonalności 66 prace (21.3%). Ocenę jakości pozyskiwanych w komputerowych systemach doradczych rozwiązań dokonują poprzez porównanie uzyskanych wyników z efektami działania metod tradycyjnych. W większości opisywanych przypadków metody komputerowe sprawdzają się i wpływają na obniżenie praco- i czasochłonności 19

20 wykonywanych zadań. Jednak wielu badaczy zwraca też uwagę, że metody te nie zawsze są lepsze od metod tradycyjnych. W wielu przypadkach dokładność uzyskiwanych wyników jest mniejsza. Dlatego też przed podjęciem ostatecznej decyzji o wykorzystaniu konkretnej grupy metod wskazane jest przeprowadzenie badań wstępnych pozwalających na wytypowanie najlepszej dla danej sytuacji metody. Dalsza, głębsza klasyfikacja problematyki badawczej uwzględnia obszary praktycznego wykorzystania opisywanych złożonych i specjalizowanych systemów doradczych oraz ich przeznaczenia dla wspomagania wybranych procesów produkcji rolniczej. Z uwagi na złożony charakter większości opracowań konieczne było sklasyfikowanie wybranych publikacji w ramach kilku klas. Tabela. 2. Liczba zagadnień omawianych w publikacjach badawczych z obszaru zastosowania złożonych systemów wspomagania decyzji w rolnictwie z uwzględnieniem obszarów praktycznego ich wykorzystania oraz wybranych procesów produkcji rolniczej Obszary praktycznego wykorzystania Procesy produkcji rolniczej* Identyfikacyjne Klasyfikacyjne Analityczne Doradcze Kontrolne Informacyjne liczba liczba liczba liczba liczba liczba RAZEM [1] ,7% [2] ,2% [3] ,9% [4] ,1% [5] ,1% [6] ,2% [7] ,2% [8] ,9% [9] ,7% RAZEM ,7% 2,7% 36,0% 38,7% 2,7% 17,2% 100% *[1] - Zarządzanie dostępnym areałem, [2] - Zarządzanie powierzchnią uprawową, [3] Zarządzanie parkiem maszynowym, [4] - Zarządzanie uprawą, [5] - Zarządzanie ochroną roślin oraz ochroną środowiska, [6] - Zarządzanie składowaniem i przechowywaniem płodów rolnych, [7] - Zarządzanie procesami związanymi z hodowlą zwierząt, [8] - Zarządzanie rachunkowością w gospodarstwie, [9] - Zarządzanie procesem zbytu W ramach implementacji systemów złożonych (Tabela 2) największy udział mają prace dotyczące systemów przetwarzania i analizy danych z wykorzystaniem metod wnioskowania 86 (38,7%), kolejną równie liczną grupą są badania wykorzystujące metody analityczne 80 (36%). Uwidocznione proporcje wskazują jednoznacznie na równie silną pozycję zarówno tradycyjnych metod analitycznych jak i nowoczesnych metod wnioskowania. Innym płynącym z połączenia tych statystyk wnioskiem jest wskazanie na najpopularniejsze obszary stosowania systemów doradczych 166 (72,8%) z nich udostępnia moduły kalkulacyjne oraz moduły wnioskowania bezpośrednio wspomagające lub w niektórych przypadkach automatyzujące proces podejmowania decyzji. Duża cześć systemów wyposażona jest także w rozbudowane moduły informacyjne 38 (17,2%) dostarczające użytkownikowi kompletnej wiedzy z przedmiotowego obszaru. Zdecydowanie mniej liczne w grupie systemów złożonych są aplikacje dostarczające metod identyfikacji stosowanych zazwyczaj do oznaczenia występującego na plantacji zagrożenia 6 (2,7%), klasyfikacji płodów rolnych 6 (2,7%) oraz systemy kontrolne ostrzegające o skutkach niekorzystnego wpływu produkcji 20

21 rolniczej na środowisko naturalne 6 (2,7%). Dalsza analiza dostarcza informacji dotyczących poziomu cyfrowego wsparcia dla konkretnych procesów produkcji rolniczej. W tej kategorii najbardziej liczbą grupą prac są rozwiązania dedykowane trzem obszarom: zarządzaniem uprawą obejmującą m.in. przygotowanie gleby, doborem materiału siewnego, wykonaniem zabiegów agrotechnicznych i nawożeniem 58 (26,1%), zarządzaniem ochroną roślin oraz ochroną środowiska rolniczego 58 (26,1%) oraz zarządzaniem powierzchnią uprawową wspomagającą m.in. planowanie uprawy, doborem rośliny uprawowej, prognozowanie plonu oraz zawartości oczekiwanych składników 56 (25,2%). W dalszej kolejności plasują się systemy zajmujące się zarządzaniem dostępnym areałem 15 (6,7%), zarządzaniem parkiem maszynowym 13 (5,9%), zarządzaniem składowaniem i przechowywaniem płodów rolnych 7 (3,2%), zarządzaniem procesami związanymi z hodowlą zwierząt 7 (3,2%), zarządzaniem procesem zbytu 6 (2,7%), prowadzeniem rachunkowości 2 (0.9%). W wypadku opracowań dotyczących implementacji systemów specjalizowanych (Tabela. 3) proporcje dotyczące obszarów praktycznego zastosowania są bardzo podobne do systemów złożonych. W zakresie systemów analitycznych występuje 72 (28,1%) opracowań, w zakresie systemów doradczych 116 (45,3%). Razem klasy te stanowią 73,43% (188 sztuk) wszystkich publikacji dotyczących systemów dedykowanych. Moduły informacyjne można znaleźć w 45 (17,6%) opisywanych systemach, identyfikację realizuje 10 (3,9%) systemów, klasyfikację 11 (4,3%) natomiast rolę kontrolną pełnią 2 (0,8%) systemy. Tabela 3. Liczba zagadnień omawianych w publikacjach badawczych z obszaru zastosowania specjalizowanych systemów wspomagania decyzji w rolnictwie z uwzględnieniem obszarów praktycznego ich wykorzystania oraz wybranych procesów produkcji rolniczej Procesy produkcji rolniczej* Obszary praktycznego wykorzystania Identyfikacyjne Klasyfikacyjne Analityczne Doradcze Kontrolne Informacyjne liczba liczba liczba liczba liczba liczba RAZEM [1] ,0% [2] ,4% [3] ,5% [4] ,5% [5] ,5% [6] ,8% [7] ,3% [8] ,2% [9] 2 2 0,8% RAZEM 3,9% 4,3% 28,1% 45,3% 0,8% 17,6% 100% *[1] - Zarządzanie dostępnym areałem, [2] - Zarządzanie powierzchnią uprawową, [3] Zarządzanie parkiem maszyno-wym, [4] - Zarządzanie uprawą, [5] - Zarządzanie ochroną roślin oraz ochroną środowiska, [6] - Zarządzanie składo-waniem i przechowywaniem płodów rolnych, [7] - Zarządzanie procesami związanymi z hodowlą zwierząt, [8] - Zarządzanie rachunkowością w gospodarstwie, [9] - Zarządzanie procesem zbytu W zakresie wspomagania procesów najliczniej reprezentowana jest grupa systemów wspomagających ochronę roślin w gospodarstwie 104 (40,5%), dalej znajdują się systemy do zarządzania powierzchnią uprawową 42 (16,4%), prowadzoną uprawą 37 (14,5%), hodowlą zwierząt 34 (13,3%), areałem 18 (7,0%), parkiem maszynowym 14 (5,5%), 21

22 rachunkowością 3 (1,2%), składowaniem i przechowywaniem płodów rolnych 2 (0,8%) oraz procesem zbytu 2 (0,8%). Podsumowując przeprowadzone analizy można stwierdzić, że aktualnie prowadzone badania w zakresie systemów wspomagania decyzji dedykowanych rolnictwu koncentrują się przede wszystkim na dostarczaniu praktycznych narzędzi umożliwiających przeprowadzenie złożonych kalkulacji analitycznych oraz automatycznej analizy decyzyjnej wspomagającej zarządzanie gospodarstwem w zakresie zarządzanie powierzchnią uprawową, samą uprawą oraz ochroną plantacji przed szkodliwym działaniem agrofagów Dostępne w Polsce systemy wspomagające podejmowanie decyzji Obok publikacji naukowych i popularno-naukowych kolejnym istotnym źródłem informacji pozwalającym na określenie kierunków rozwoju komputerowego wspomagania rolnictwa jest komercyjne oraz nieodpłatnie udostępniane oprogramowanie. W przeważającej liczbie przypadków autorami lub współautorami tych programów są pracownicy ośrodków naukowo-badawczych wdrażający do praktyki swoją fachową wiedzę. Liczba dostępnych na rynku światowym aplikacji doradczych dla rolnictwa stale rośnie. Także w Polsce dostępnych jest wiele rodzimych oraz dostosowanych do naszego rynku pakietów oprogramowania. W tym zakresie obok systemów oferujących kompleksowe narzędzia osiągalnych jest także szereg mniejszych aplikacji dedykowanych konkretnemu zadaniu. Przeglądając zasoby internetowe oraz periodyki popularno-naukowe, które powinny być podstawowym źródłem informacji utylitarnych, zauważyć można brak kompleksowych opracowań wskazujących na dostępne w Polsce oprogramowanie doradcze. Wiedzę o dostępnych systemach czerpać można zazwyczaj ze stron ich producentów. Jednak twórcy rodzimego oprogramowania w małym zakresie dbają o jakość i kompletność swoich stron informacyjnych, zamieszczane opisy programów są lakoniczne, zawierają dużo błędów merytorycznych i stylistycznych, zazwyczaj brak także dobrej jakości zrzutów ekranowych lub filmów instruktażowych. Bardzo często zamieszczone wersje demonstracyjne oprogramowania nie działają na nowszych wersjach systemów operacyjnych lub działają błędnie. Są to dość istotne wady, które skutecznie zniechęcają do korzystania z tego, często bardzo drogiego, oprogramowania. Oczywiście udostępniane w Polsce oprogramowanie oprócz swoich wad, które są stosunkowo łatwe do wyeliminowania ma też wiele zalet. Związane są one z możliwościami udostępnianych narzędzi, dostępnymi funkcjami koncentrującymi się na dostarczeniu mechanizmów wspomagających nie tylko gromadzenie i przechowywanie informacji i danych ale także na kompleksowej ich analizie z wykorzystaniem szerokiego spektrum metod. Udostępniane aplikacje w różnym zakresie wspomagają podejmowanie decyzji przy zarządzaniu gospodarstwem zajmującym się uprawą roślin oraz hodowlą zwierząt. Pełna lista wybranych, dostępnych w Polsce aplikacji wraz z opisem ich możliwości podawanych przez producenta zamieszczona jest w kolejnym rozdziale. 6. Wybrane aplikacje oraz systemy wspomagania zarządzania gospodarstwem rolniczym Tworzeniem systemów wspomagania decyzji dla rolnictwa zajmują się zazwyczaj grupy składające się ze specjalistów z ośrodków naukowo-badawczych oraz firm komercyjnych, w skład których obok ekspertów z danej dziedziny wchodzą także specjaliści z zakresu projektowania i implementowania systemów informatycznych. Efektem ich pracy są wytworzone aplikacje okienkowe, jedno - lub wielostanowiskowe oraz systemy w postaci ogólnodostępnych stron internetowych. Na rynku polskim istnieje wiele produktów rodzimych producentów oprogramowania bądź produktów zagranicznych dostosowanych do naszego rynku. Zamieszczona lista programów, wraz z ich krótkim opisem od producenta, zawiera zarówno systemy kompleksowo wspomagające proces zarządzania gospodarstwem jak i dedykowane konkretnym zadaniom mniejsze aplikacje. 22

23 6.1. Afifarm zarządzanie stadem bydła mlecznego opracowany w S.A.E Afikim, dystrybutor Alima-Bis System Afifarm jest narzędziem do podejmowania zarówno krótkoterminowych taktycznych decyzji takich jak produkcja w stadzie, zdrowie, płodność, żywienie itd., jak też długoterminowych strategicznych decyzji tj. oszacowanie produkcji stada, planowanie i skuteczność rozrodu, przewidywanie produkcji, analiza przeszłego i bieżącego brakowania, strategia żywieniowa i inne. [Borczyńska-Żbikowska 2009]. System składa się z następujących podsystemów [Szlachta 2006] : AfiMilk ma za zadanie gromadzenie danych o krowach oraz tworzenie bazy informacji wykorzystywanych następnie przy zarządzaniu stadem. Po rozpoznaniu krowy przez bazę danych, następuje interpretacja z danymi przesyłanymi z jej identyfikatora i czujników rozmieszczonych w poszczególnych punktach systemu. Parametry umożliwiają ocenę stanu zdrowia i wydajności krów oraz generowanie raportów, pomocnych przy podejmowaniu decyzji dotyczących hodowli. AfiFeed zawiera procedury umożliwiające stosowanie indywidualnego żywienia krów mlecznych, oparte na koncepcji obliczania i wydawania porcji paszy dla każdej krowy według jej potrzeb żywieniowych oraz potencjału produkcyjnego. Podsystem AfiSort umożliwia separację krów w trakcie przechodzenia przez bramkę selekcyjną. W ten sposób możliwe jest automatyczne kierowanie krów wychodzących z dojarni do wydzielonego pomieszczenia (separatki). Dotyczy to krów, które wymagają zabiegów pielęgnacyjnych, badań weterynaryjnych lub są w rui. Podsystem AfiAct służy do automatycznego wykrywania rui na podstawie wzmożonej aktywności ruchowej, przekazywanej przez identyfikator (pedometr). Podsystem AfiAct powala na istotne zwiększenie wskaźnika płodności krów poprzez dokładne wykrywanie rui, pozwalając na redukcję dni laktacji. Podsystem AfiWeight umożliwia codzienne ważenie krów, dostarcza informacji odnośnie: kondycji krów i jej zmiany w czasie laktacji, oceny kondycji krów rozpoczynających i kończących okres zasuszenia, co pomaga kontrolować i przewidywać problemy metaboliczne, oceny kondycji krów po wycieleniu, strategii żywieniowej. AfiPalm stanowi przydatne dla obsługi uzupełnienie modułu (interfejsu zasadniczego), jest przenośnym terminalem umożliwiającym wprowadzanie i usuwanie danych odnośnie zdarzeń, diagnoz, zabiegów itd. Podsystem AfiPaint jest rozwiązaniem alternatywnym wobec podsystemu AfiSort. W obiektach pozbawionych separatki zabiegi prowadzone są w oborach. Podsystem AfiPaint pozwala na znakowanie farbą krów wymagających zabiegów Agrar-Office kompleksowe zarządzanie gospodarstwem opracowana w Land-Data Eurosoft Sp. z o.o. System informatyczny dla rolnictwa kompleksowo wspomagający zarządzanie gospodarstwem. Program składa się z czterech części: Dziennik polowy, Księga polowa, Rolnictwo precyzyjne i GIS. Moduł Dziennik polowy pozwala na rejestrowanie prac polowych wykonywanych w gospodarstwie. W jego zakres wchodzi gospodarka magazynowa połączona z zabiegami, plan nawożenia oraz bilans składników pokarmowych. Ponadto wbudowane algorytmy obliczeniowe pozwalają na wykonanie kilkunastu dostępnych kalkulacji. W Księdze polowej można porównywać działki ewidencyjne, czyli ich powierzchnię, status prawny itp. Moduł ten wspomaga m.in. przygotowanie wniosku o przyznanie płatności obszarowych. Funkcja Rolnictwo precyzyjne pozwala na podstawie danych dotyczących map zasobności gleby w składniki pokarmowe oraz map plonu i zaleceń nawozowych tworzyć mapy precyzyjnego wysiewu nawozu. Udostępniony moduł GIS 23

24 pozwala na graficzne przedstawianie dostępnego areału z podziałem na poszczególne działki z uwzględnieniem informacji o zasobności gleby, plonowaniu itp. [2] [Płocki 2010]. Rys.10. Pole podzielone pod zasiewy w aplikacji Agrar-Office 6.3. AgroAsystent zarządzanie produkcją roślinną opracowana w AgroPower Sp. z o.o. Program wspomagający zarządzanie gospodarstwem w produkcji roślinnej, pozwalający na pełną ewidencję prac polowych w rozbiciu na użyte środki do produkcji oraz koszty bezpośrednie. Umożliwia m. in. proste i wygodne zarządzanie działkami i zasiewami, ewidencję badań gleby i planowanie nawożenia. Oferuje moduły raportów, druków, magazynu, fakturowania. Pomaga w analizie kosztów i w znajdowaniu oszczędności. Umożliwia zarządzanie gospodarstwem z widoku mapy oraz import pomiarów GPS. AgroAsystent pozwala w jednym miejscu gromadzić wszystkie ważne informacje, które następnie można prezentować i analizować zgodnie z potrzebami [3]. Rys.11. Raport dotyczący upraw generowany w programie AgroAsystent 24

25 6.4. AgroPomiarGPS pomiar powierzchni pola i zarządzanie areałem opracowana w AgroPower Sp. z o.o. https://www.agropower.pl AgroPomiarGPS to program komputerowy do wykonywania samodzielnych pomiarów powierzchni technologią GPS w terenie otwartym oraz tworzenia podręcznych mapek terenu. Aplikacja przeznaczona jest do zainstalowania na tzw. komputerach kieszonkowych z systemem Microsoft Windows Mobile/Pocket PC oraz odbiornikiem GPS - zintegrowanym, kablowym lub Bluetooth. Dzięki temu zakupiony sprzęt nie musi służyć tylko i wyłącznie do pomiarów, lecz może pełnić wiele innych funkcji - np. nawigacji samochodowej, przeglądarki internetowej, terminarza, notatnika, odtwarzacza muzyki i filmów itd. Ponadto niektóre Pocket PC dzięki zintegrowanemu modułowi GSM pełnią od razu funkcję telefonu komórkowego. Główne funkcje programu [4]: pomiary powierzchni pól, działek ewidencyjnych, upraw i gruntów, pomiary użytków, nieużytków i ścieżek, automatyczne obliczanie powierzchni całkowitej, użytkowej i obwodu pola, wstrzymanie pomiaru, aby np. ominąć przeszkodę, wznawianie niedokończonych pomiarów, zapis dowolnej ilości pomiarów w pamięci urządzenia, dodawanie podkładów SHP z działkami ewidencyjnymi. Rys.12. Pomiar powierzchni pola z wykorzystaniem programu AgroPomiarGPS AgroSystem zarządzanie produkcją, obsługa wniosków o dopłaty opracowana w CeeS Programs AgroSystem jest to kompleksowy, wielofunkcyjny program do obsługi wniosków o dopłaty dla gospodarstw rolniczych oraz branż związanych z rolnictwem. Dzięki modułowej budowie AgroSystem może być używany przez małe i duże gospodarstwa rolnicze oraz przez firmy zajmujące się obsługą gospodarstw [5]. Aplikacja składa się z następujących modułów [5]: wnioski składane do Agencji Restrukturyzacji i Modernizacji Rolnictwa - podstawowym produktem w tym module jest wniosek Przyznanie płatności bezpośrednich (OB); W programie dostępne są również różnego rodzaju oświadczenia składane do ARiMR wraz z wnioskami np.: Oświadczenie o gatunkach zbóż czy Wpis do ewidencji producentów, wnioski składane do Agencji Rynku Rolnego - najważniejszym wnioskiem w tym module jest Materiał siewny (Dms) wraz z załącznikami, księgi zwierząt: bydła, trzody, owiec i kóz - moduł przeznaczony do prowadzenia Ksiąg Rejestracji Zwierząt, 25

26 rzeźnia - jest to moduł do użytku w ubojniach zwierząt. Pozwala zarejestrować ubite zwierzęta oraz wydrukować zgłoszenia uboju do Agencji Restrukturyzacji i Modernizacji Rolnictwa. Moduł tworzy zbiór danych w formacie XML, który można na nośniku (dyskietka, płyta CD) dostarczyć do ARiMR bez drukowania tych zgłoszeń na papierze, handel zwierzętami - jest to moduł umożliwiający szybką obsługę zakupu i sprzedaży zwierząt, cross - moduł zawiera rejestry prowadzone przez producenta rolnego w zarządzaniu gospodarstwem zgodnie z przepisami obowiązującymi w ramach Wymogów Wzajemnej Zgodności. Rys.13. Zarządzanie areałem w programie AgroSystem 6.6. AlPro zarządzanie stadem bydła mlecznego opracowany przez DeLaval System ALPRO umożliwia łatwy dostęp do wszystkich informacji niezbędnych dla aktywnego zarządzania stadem i osiągania zaplanowanych wyników ekonomicznych. Wraz z systemem informatycznym udostępniany jest też zestaw urządzeń wyposażonych w procesor oraz czujniki pozwalające na gromadzenie i przetwarzanie danych. Dostarczone oprogramowanie umożliwia codzienną analizę uzyskanych danych co pozwala hodowcy na zachowanie równowagi pomiędzy działaniami krótkoterminowymi w aspekcie oczekiwań długoterminowych. Użytkownik może oceniać trendy, przyjętą strategię, korygować decyzje i szacować wyniki [Szlachta 2006]. System składa się z następujących elementów [Szlachta 2006]: Dane krowy - zawiera szereg funkcji wspomagających analizę danych dla każdej krowy takich jak: wprowadzanie lub wyszukiwanie numeru identyfikacyjnego, prezentowanie wszystkich danych hodowlanych, informowanie hodowcy na jakim etapie hodowlanym znajduje się krowa, informowanie o aktywności krowy itp. Dane żywieniowe - zawiera dane dotyczące aspektów żywieniowych pozwala na dostosowanie odpowiedniego rodzaj i dawki zadawanej paszy treściwej do aktualnej wydajności krowy raz zawartości białka i tłuszczu w mleku. Dane udojowe - zawiera podstawowe informacje o wydajności krów, które można wykorzystać do kalkulowania dawek pokarmowych pojedynczych krów, grup krów lub całego stada. Mogą one także służyć do tworzenia aktualnych krzywych laktacji lub 26

27 wykrywania początków problemów zdrowotnych zanim przybiorą one ostrą formę. Czynności - Hodowla obejmuje procedury zarządzania rozrodem; ma istotny wpływ na wszystkie wskaźniki produkcyjne stada i osiągane dochody. Zawiera 7 funkcji: Pierwsza ruja funkcja wykazuje wszystkie krowy w okresie pierwszej rui, Inseminacja funkcja wykazuje wszystkie krowy znajdujące się fazie inseminacji, Sprawdzenie inseminacji funkcja wykazuje wszystkie krowy inseminowane, Sprawdzenie cielności funkcja pokazuje wszystkie krowy znajdujące się w okresie sprawdzania cielności, Zasuszenie funkcja informuje o wszystkich krowach do zasuszenia, Wzrost płodu funkcja wykazuje wszystkie krowy przed wycieleniem, Wycielenie funkcja ta ukazuje wszystkie krowy w okresie spodziewanego wycielenia. Czynności - Żywienie opcja ta dostarcza hodowcy informacji takich jak: Małe spożycie funkcja ta pokazuje wszystkie krowy z jedno- lub trzydniowymi alarmami, Odstawienie cieląt funkcja dostępna przy korzystaniu ze stacji odpajania cieląt. Czynności - Dój obejmuje funkcje: Krowy nie dojone funkcja ta wykazuje krowy nie dojone w danej sesji, Alarm niskiej wydajności funkcja wykazuje wszystkie krowy z niską wydajnością. Opcja Wysoka aktywność krów informacja o wysokiej aktywności krowy. Czynności - Podsumowanie - głównie informuje ile krów jest w określonym etapie hodowlanym oraz ile krów ma przypisane alarmy: mały udój, małe spożycie paszy, wczesne ostrzeganie itp AnaPig ocena użytkowości zwierząt i zarządzanie hodowlą opracowana przez Mroczko Software (dr Leszek Mroczko) AnaPig to program komputerowy przeznaczony dla każdego hodowcy i producenta świń. Jest to produkt w pełni profesjonalny, umożliwia szybkie i efektywne przetwarzanie danych z zakresu użytkowości zwierząt i poziomu produkcji danej fermy [7]. Najważniejsze cechy programu [7]: możliwość prowadzenia wielu stad w jednym programie, obsługa stad zarodowych i towarowych, prowadzenie indywidualnych kartotek loch, knurów, miotów, pokryć, zdarzeń produkcyjnych i hodowlanych, leczenia, zabiegów weterynaryjnych itd., wyliczanie wyników produkcyjności stada, łatwość wprowadzania danych (pokrycia, oproszenia, poronienia, zakupy, sprzedaże, przeklasowania, upadki, przyrosty oraz zużycie i koszty pasz, choroby i zabiegi weterynaryjne, praca hodowlana i inne), ścisła współpraca z Centralną Bazą Internetową Polskiego Związku Hodowców i Producentów Trzody Chlewnej Polsus wszystkie dane są wprowadzane tylko jeden raz, system automatycznie uzupełnia odpowiednie zbiory danych, szeroki wachlarz raportów produkcyjnych, m. in. listy loch do oproszenia, odsadzenia, krycia, szczepienia, raporty miesięczne, kwartalne, roczne i inne, karty loch i knurów, raporty użytkowości loch i knurów, raport skuteczności pokryć, księga inwentarza żywego, księga rejestracji świń, zgłoszenia do ARiMR, obrót stada, analizy kosztów, analiza przyczyn wybrakowania i upadków zwierząt itd., wiele innych raportów, zestawień, analiz i wykresów. 27

28 Rys.14. Interfejs programu AnaPig Bitfarma ewidencjowanie zdarzeń i zarządzanie produkcją rolniczą opracowana w BitComp Polska i CDR Brwinów Program komputerowy Bitfarma jest narzędziem informatycznym służącym do ewidencjonowania zdarzeń gospodarczych w gospodarstwach rolnych a także do wspomagania procesu planowania i podejmowania decyzji z zakresu bieżącego zarządzania produkcją roślinną. Oprogramowanie zostało przygotowane przez firmę Bitcomp Polska i Centrum Doradztwa Rolniczego. Program Bitfarma jest przeznaczony zarówno dla rolników jak i dla doradców rolniczych. Przy użyciu jednej instalacji programu można prowadzić zapisy dla wielu gospodarstw rolnych co jest szczególnie istotne z punktu widzenia doradców rolniczych. Bitfarma jest programem działającym na lokalnym komputerze użytkownika i dla sprawnego działania nie wymaga w trakcie użytkowania połączenia z Internetem. Połączenie internetowe jest wymagane dla aktualizacji programu oraz do przesyłania danych do Hurtowni Danych. Obecnie program składa się z następujących głównych elementów: rejestr działek ewidencyjnych, rejestr działek rolnych, karta działki rolnej, moduł ekonomiczny, moduł magazynowy, moduł map, raporty [8]. Rys.15. Ewidencjonowanie działek w programie Bitfarma 28

29 6.9. Biogaz analiza opłacalności działania biogazowni opracowana w Laboratorium Ekotechnologii Instytutu Inżynierii Rolniczej Uniwersytetu Przyrodniczego w Poznaniu System informatyczny w postaci ogólnodostępnej aplikacji internetowej wspomagającej analizę opłacalności działania zaprojektowanej biogazowni. W ocenie biogazowni uwzględnia się różne rodzaje odpadów oraz materiałów powstających w trakcie produkcji rolniczej (zwierzęcej i roślinnej) będących substratami metanowej fermentacji. Uzyskane w wyniku kalkulacji wyniki ułatwiają podjęcie decyzji o ew. budowie biogazowni i stanowią podstawę dla dalszych badań w postaci kompleksowej analizy składu substratów oraz ich wydajności w zakresie wytwarzania biogazu (wraz z zawartością metanu). Badania takie można wykonać bezpośrednio w Laboratorium Ekotechnologii z wykorzystaniem unikalnej w skali polskich jednostek naukowych aparatury do badań optymalizacyjnych procesów fermentacji metanowej [9]. Rys.16. Efekt działania aplikacji Biogaz BiOBkalkulator zarządzanie produkcją i przetwarzaniem biomasy opracowany przez Konsorcjum projektu BiOB, Uniwersytet Rolniczy im. H. Kołłątaja w Krakowie BiOBkalkulator jest informatycznym systemem kompleksowego doradztwa w zakresie produkcji i przetwarzania biomasy jako substytutu konwencjonalnych nośników energii wykorzystywanych do celów grzewczych. Ma on charakter modułowy, tj. wyodrębniono cztery oddzielne moduły, z których użytkownik może korzystać niezależnie lub w połączeniu z pozostałymi modułami [10]. Moduł 1: pozwala oszacować zapotrzebowanie na energię do ogrzewania budynku (konwencjonalnymi nośnikami energii lub biomasą), oraz wykonać szacunkowy audyt energetyczny budynku. 29

30 Moduł 2: pozwala oszacować (a) nakłady robocizny i nakłady energetyczne na wytworzenie biomasy w uprawach polowych oraz (b) koszty wytworzenia biomasy i energii w biomasie. Moduł 3: pozwala oszacować (a) nakłady robocizny i nakłady energetyczne na przetwarzanie biomasy w biopaliwa stałe (brykiety lub pelety) oraz (b) koszty. Moduł 4: zawiera bazę urządzeń technicznych do wytwarzania, przetwarza i spalani biomasy. Rys.17. Moduł wytwarzania biomasy w aplikacji BiOBkalkulator FarmWorks Office zarządzanie produkcją polową opracowane w FarmWorks Zestaw aplikacji pozwalających na zarządzanie uprawami, dokonywanie automatycznych zapisów na temat wykonywanych działań, użycia środków chemicznych, kosztów i planowania zadań rolniczych itp.. W skład zestawu wchodzą: FarmView, FarmTrack, FarmFunds, FarmSite, FarmPro i FarmSurface. Podstawowymi funkcjami systemu FarmTrack są [11]: łączenie i dzielenie poszczególnych działek i upraw na potrzeby zmian w strukturze gospodarstwa, śledzenie wpływów, zbiorów i wykorzystania środków produkcji w gospodarstwie; ewidencjonowanie wykorzystanych nawozów, nasion, środków ochrony roślin, warunków pogodowych oraz zbiorów poszczególnych upraw, tworzenie planów dawkowania środków ochrony roślin, 30

31 kontrolowanie stanu maszyn, przeglądów okresowych oraz działań serwisowych, automatyczne rejestrowanie i druk wymagań dla środków niebezpiecznych, wyznaczenie kosztów i zużycia środków produkcji, tworzenie zestawień kosztów stosowania środków produkcji, plonów, pól, analiz oraz pracy maszyn, łączenie z programem FarmSite w celu uzyskania danych mapowych GPD, danych dotyczących zbiorów, próbek gleby oraz dawkowania nawozów, tworzenie list zadań dla pracowników i rozsyłanie list na konkretne urządzenie mobilne,. drukowanie notatek i uwag dla poszczególnych działek oraz terminów, dostosowywanie raportów i list do potrzeb gospodarstwa. Aplikacja FarmSite wprowadza obsługę warstw i współpracę z danymi GPS. Obsługuje nieograniczoną ilość warstw, od warstw zawierających dane dotyczące rodzaju gleby, próbek glebowych, poprzez dane o zbiorach z zeszłego roku do planowanych zbiorów w latach kolejnych. Rys.18. Fragment głównego okna programu FarmWorks Office Internetowy System Sygnalizacji Agrofagów opracowany przez Państwową Inspekcję Ochrony Roślin i Nasiennictwa Dostępny w internecie system informatyczny zwierający aktualizowane na bieżąco informacje dotyczące występowania zagrożeń w plantacjach w poszczególnych rejonach Polski. Dane te pochodzą z placówek badawczych prowadzących obserwacje sygnalizacyjne we wszystkich gminach każdego powiatu. Na typowej stronie sygnalizacyjnej wszystkie rośliny uprawiane w rejonie umieszczone są w kolejności alfabetycznej. Pod każdą z roślin wymienione są agrofagi, które w danym roku podlegają sygnalizacji, czyli te, które stanowią główne zagrożenie dla upraw mających gospodarcze znaczenie w danym powiecie. Dla każdego z szkodników dostępne są także szczegółowe zalecenia dotyczące m.in. terminu rozpoczęcia zabiegu, nazw zarejestrowanych preparatów, którymi w danym terminie można chronić rośliny, informacje o środkach ochrony i częstotliwości ich stosowania [12] [Kołczyńska-Janicka 2008]. 31

32 Rys.19. Zasada działania Internetowego Systemu Sygnalizacji Agrofagów Internetowy SWD dla integrowanej ochrony roślin opracowany w Instytucie Uprawy, Nawożenia i Gleboznawstwa w Puławach Głównym założeniem Systemu jest precyzyjne wykorzystywanie wartości progowych do wygenerowania zalecenia o potrzebie wykonania zabiegu. System umożliwia interaktywny dostęp do informacji, zawartych w bazach danych odmian i środków ochrony roślin oraz generowanych w modelach chorób. Podstawą decyzyjną systemu stanowią opracowane progi szkodliwości, które stanowią granicę opłacalności kosztu zabiegu przy spodziewanych stratach plonu. Są one ustalane, podobnie jak i zalecana dawka środka ochrony roślin, dla konkretnej odmiany i fazy rozwojowej roślin. Wymaga to każdorazowo określenia występowania i nasilenia agrofagów, a więc i dużej wiedzy z zakresu fitopatologii i entomologii. W budowie Systemu uwzględniono czynniki decydujące o potrzebie wykonania zabiegu oraz umożliwiające wybór preparatów i określenia dawki. Najważniejsze elementy uwzględnione w systemie to: faza rozwojowa zbóż (wg Zadoka), stopień infekcji (liczba roślin z symptomami wyrażona w procentach), odporność odmian na choroby, warunki pogodowe, skuteczność pestycydów [Nieróbca i in. 2010] [13]. Rys.20. Przykład działania Internetowego systemu wspomagania podejmowania decyzji w integrowanej ochronie roślin 32

33 6.14. Liz-Herbicyd optymalizacja zastosowania herbicydów i graminicydów opracowany przez LIZ - Rolnicze Doradztwo w Uprawie Buraka Cukrowego Program komputerowy LIZ-Herbicyd optymalizuje zastosowanie herbicydów i graminicydów uwzględniając [14]: fazę rozwojową buraków, gatunek i fazę rozwojową chwastów jedno i dwuliściennych, aktualne warunki w których zostaną zastosowane ( pogoda, gleba, stan buraków, wcześniej wykonane zabiegi) a mające wpływ na skuteczność wykonanego zabiegu, możliwość wyboru herbicydów alternatywnych, ceny. Dodatkowo program umożliwia wykonanie szacunku wstępnego na potrzebne herbicydy we wszystkich przewidywanych zabiegach. Rys.21. Efekt działania programu LIZ-Herbicyd Nawsald sporządzanie planów nawożenia w gospodarstwach rolnych opracowana w Instytucie Uprawy, Nawożenia i Gleboznawstwa w Puławach Program NawSald jest narzędziem do sporządzania planów nawożenia w gospodarstwach rolnych. W gospodarstwach zrównoważonych nawożenie mineralne należy traktować jako uzupełnienie nawożenia organicznego. Zatem podstawą zrównoważonego nawożenia jest możliwie precyzyjne określenie ilości dostępnych w gospodarstwie nawozów naturalnych oraz ilości zawartych w nich składników pokarmowych. Integralną częścią programu NawSald jest moduł umożliwiający symulowanie produkcji nawozów naturalnych na podstawie informacji o produkcji zwierzęcej w gospodarstwie. Obliczona ilość nawozów naturalnych powinna być rozdysponowana na poszczególne pola w gospodarstwie. Dawki nawozów mineralnych są wyliczane jako różnica pomiędzy potrzebami pokarmowymi roślin a ilością składników wnoszonych do gleby w nawozach naturalnych i dopływających z innych źródeł (przyorane produkty uboczne, wiązanie azotu przez rośliny motylkowate, opad atmosferyczny) [15]. 33

34 Rys.22. Efekt działania aplikacji NawSald Obora zarządzanie gospodarstwem hodowlanym objętym oceną użytkowości opracowana w ZETO Olsztyn System "OBORA" przeznaczony jest dla hodowców bydła mlecznego, wspomaga zarządzanie gospodarstwem hodowlanym objętym oceną użytkowości. System jest w pełni zintegrowany z krajowym systemem Oceny Wartości Użytkowej i Hodowlanej Krów i Buhajów (SYMLEK) [16]. System udostępnia następujące funkcjonalności [16]: karta krowy/jałówki dane pochodzeniowe, dane produkcyjne, wyniki próbnych udojów, wydajności laktacyjne, wydajności życiowe, wydajności miesięczne, wydajności roczne, porównanie wyników do średniej stada, informacje o ostatnich zdarzeniach, dane o potomstwie, dane o ocenie typu i budowy, dane o wartościach hodowlanych cech produkcyjnych i pokrojowych, karta obory średnie wyniki roczne, średnie wyniki laktacyjne w grupach wg numeru laktacji oraz łącznie dla stada, wyniki miesięczne z możliwością porównania do planowanej produkcji miesięcznej, aktualne wyniki bieżącego roku z jednoczesnym porównaniem do analogicznego okresu roku poprzedniego, karta zdrowia rejestracja badań, chorób, pokryć, porodów, kondycji, rui, wyników ważenia jałówek, rejestracja własnych ocen pokroju, karta buhaja dane pochodzeniowe, wartości hodowlane, wartości hodowlane cech mlecznych i komórek somatycznych, wartości hodowlane cech pokroju, wartości hodowlane cech płodności, wartości hodowlane długowieczności, fenotypowa charakterystyka ocieleń i śmiertelności cieląt, księga rejestracji bydła prowadzenie dokumentów wymaganych przez ARiMR, księga obrotu inwentarzem żywym, selekcja zwierząt selekcja krów/ jałówek/ buhajów wg wybranych kryteriów z możliwością uzyskania dowolnych zestawień oraz rankingów dla wyselekcjonowanych zwierząt, prognozowanie zdarzeń (wycielenia, zasuszenia, pokrycia, badania), obliczenie współczynnika pokrewieństwa dla wyselekcjonowanych krów/jałówek i buhajów, 34

35 analizy i raporty próbne udoje, cechy płodności, choroby, analizy związane z wydajnością, rozrodem i somatyką. Rys.23. Analiza wydajności w programie Obora OTR-7 - programowanie techniki w gospodarstwach rolnych opracowany przez dra hab. Michała Cupiała, Instytut Inżynierii Rolniczej i Informatyki. Uniwersytet Rolniczy im H. Kołłątaja w Krakowie Program Organizator Techniki Rolniczej (OTR-7) służy do projektowania gospodarstw rolnych, a przede wszystkim do projektowania techniki rolniczej. Podstawą projektowania parku maszynowego jest zmodyfikowana metoda szczytów dekadowych. Program umożliwia [17]: wyliczenie bilansu gospodarstwa, wyliczenie opłacalności poszczególnych upraw, prowadzonej produkcji zwierzęcej i innej, kalkulacje kosztów mechanizacji (w tym poszczególnych maszyn), projektowanie zespołów maszynowych, optymalizację dobory środków technicznych oraz całego systemu produkcji, tworzenie różnych wariantów (modeli) gospodarstw, organizację usług mechanizacyjnych przez rolnika (kalkulacja opłacalności usług). Aplikacja współpracuje z programami: Maszyny-2, Nawozy-2, Herbicyd-2, Agregat-2, Bilenero. Aplikacja Maszyny-2 zawiera dane kilku tysięcy maszyn,są też adresy producentów i sprzedawców. Aplikacja Nawozy-2 służy do wyliczania dawki nawozów. Herbicyd-2 zawiera dane roślin, szkodników (agrofagów), środków ochrony roślin oraz sposobów ich stosowania. Agregat-2 może być zastosowany do liczenia transportu lub agregatu takiego jak np. 35

36 roztrząsacz obornika, wóz asenizacyjny, zbieracz pokosów itp. Bilenero może być zastosowany do liczenia zapotrzebowania mocy przez maszynę. Rys.24. Programy OTR-7 wspomagający programowanie techniki w gospodarstwach rolniczych, Nawozy-2 do wyliczania dawki nawozu i Herbicyd-2 z informacjami o agrofagach i środkach ochrony prosplant wspomaganie ochrony roślin uprawnych opracowany w Zakładzie Informatyki Stosowanej, Instytucie Inżynierii Rolniczej UP Poznań prosplant to zintegrowana platforma internetowa wspomagająca podejmowanie decyzji związanych z ochroną plantacji wybranych roślin uprawnych. W ramach systemu udostępnione są informacje dotyczące szkodników i chorób, odmian, zapraw nasiennych, środków ochrony roślin dostępnych w Polsce oraz metod i terminów stosowania zabiegów ochronnych. System pozwala na identyfikację szkodników lub chorób występujących na plantacji użytkownika oraz ułatwia sformułowanie programu ochrony plantacji. Obejmuje on poszczególne etapy podejmowania decyzji począwszy od wyboru odmiany poprzez przygotowanie materiału siewnego do ochrony rośliny przy wykorzystaniu różnych metod ochrony. System doradczy podzielono na trzy powiązane ze sobą warstwy w obrębie których pracują poszczególne moduły. W pierwszej warstwie zgrupowano bazy danych i bazy wiedzy zawierające wszystkie informacje wykorzystywane w procesie podejmowania decyzji. Natomiast dane do identyfikacji agrofagów zaprojektowane w postaci drzew decyzyjnych przekonwertowano do postaci powiązanych ze sobą tablic decyzyjnych [18]. W aktualnej wersji udostępnione są moduł wnioskowania dla trzech roślin uprawnych: rzepaku, kukurydzy oraz buraka cukrowego. Na rysunkach prezentowane są wybrane elementy systemu. 36

37 Rys.25. Zaimplementowane w systemie prosplant drzewo decyzyjne do oznaczania szkodników na podstawie charakterystycznych uszkodzeń rzepaku ozimego Rys.26. Moduł informacyjny systemu prosplant prezentujący wiedzę na temat szkodników rzepaku ozimego 37

38 Rys.27. Moduł decyzyjny systemu prosplant dla identyfikacji zagrożeń występujących w buraku cukrowym Predykcja plonu i zawartości skrobi dla bulw ziemniaków opracowany w Instytucie Inżynierii Rolniczej, UP Poznań Aplikacja internetowa wspomagająca oszacowanie plonu ziemniaków oraz określenie zawartości skrobi bulw ziemniaków w uprawach PDO. Wytworzona aplikacja bazuje na modelu prognostycznym opracowanym z wykorzystaniem sztucznych sieci neuronowych. Do przeprowadzenie analizy wymaga się podania następujących danych: odmiana ziemniaka, suma opadów w okresie wegetacji, średnia temperaturę w okresie wegetacji, obsada, rozstaw roślin w rzędzie, termin sadzenia, termin zbioru, kompleks rolniczej przydatności gleby, odczyn gleby, nawożenie mineralne N, nawożenie mineralne P, nawożenie mineralne K, dawka obornika, dojrzałość początkowa, dojrzałość końcowa, wschody [19]. Rys.28. Aplikacja wspomagająca oszacowanie plonu oraz zawartości skrobi dla bulw ziemniaków w uprawach PDO 38

39 6.20. Ramzes AGRO wspomaganie rachunkowości w gospodarstwie opracowana w RAMZES sp. z o.o. Zestaw aplikacji zawierający produkty Ramzes Magazyn i Ramzes PKPiR dedykowany dla osób prowadzących rolniczą działalność gospodarczą. Do podstawowych funkcji pakietu należą m.in. [20]: pełna obsługa magazynu: m.in. dokumenty magazynowe, inwentaryzacja, bilans otwarcia, pełna obsługa zakupu i sprzedaży: - wydruk faktury VAT, korygującej, faktury RR i innych dokumentów sprzedażowych, - tworzenie cenników, rabatów i upustów dla kontrahentów lub towarów, - obsługa urządzeń fiskalnych (m.in: Innova, Posnet, Elzab). pełna obsługa kasy: - wydruk KP, KW i raportów kasowych, - automatyczny wydruk dokumentów do faktur gotówkowych. całkowita kontrola zobowiązań i należności: - rejestracja przelewów obcych oraz ewidencjonowanie wpłat i wypłat bankowych, - rozliczenie dokumentów w oparciu o kasę i bank, - wezwania do zapłaty wraz z odsetkami. prowadzenie książki przychodów i rozchodów: - równoległe prowadzenie ewidencji przychodów i rozchodów oraz rejestrów VAT, - obsługa rejestrów WDT, WNT, WŚU, - wydruk deklaracji (VAT-7, VAT-7K, VAT-7D, VAT-UE, VAT-UEK), - obliczanie (miesięcznie i kwartalnie) zaliczek na podatek dochodowy, - drukowanie Księgi (wzór określony w Rozporządzeniu Ministra Finansów), - ewidencja przebiegu oraz kosztów eksploatacji pojazdów (kilometrówka), - prowadzenie rozrachunków dokumentów przychodowo-rozchodowych, - tworzenie, przeglądanie i drukowanie raportów dotyczących: księgi, pojazdów, wyposażenia, przychodów i zestawienia rocznego, - sporządzanie przelewów przychodzących i wychodzących, - sporządzanie not korygujących, - obsługa kont umożliwiających analizę kosztów, - programowanie stałych wzorów zdarzeń gospodarczych. Rys.29. Okno główne z listą modułów dostępnych w pakiecie Ramzes AGRO. 39

Transformacja wiedzy w budowie i eksploatacji maszyn

Transformacja wiedzy w budowie i eksploatacji maszyn Uniwersytet Technologiczno Przyrodniczy im. Jana i Jędrzeja Śniadeckich w Bydgoszczy Wydział Mechaniczny Transformacja wiedzy w budowie i eksploatacji maszyn Bogdan ŻÓŁTOWSKI W pracy przedstawiono proces

Bardziej szczegółowo

PODSTAWY BAZ DANYCH. 19. Perspektywy baz danych. 2009/2010 Notatki do wykładu "Podstawy baz danych"

PODSTAWY BAZ DANYCH. 19. Perspektywy baz danych. 2009/2010 Notatki do wykładu Podstawy baz danych PODSTAWY BAZ DANYCH 19. Perspektywy baz danych 1 Perspektywy baz danych Temporalna baza danych Temporalna baza danych - baza danych posiadająca informację o czasie wprowadzenia lub czasie ważności zawartych

Bardziej szczegółowo

Zastosowanie symulacji Monte Carlo do zarządzania ryzykiem przedsięwzięcia z wykorzystaniem metod sieciowych PERT i CPM

Zastosowanie symulacji Monte Carlo do zarządzania ryzykiem przedsięwzięcia z wykorzystaniem metod sieciowych PERT i CPM SZKOŁA GŁÓWNA HANDLOWA w Warszawie STUDIUM MAGISTERSKIE Kierunek: Metody ilościowe w ekonomii i systemy informacyjne Karol Walędzik Nr albumu: 26353 Zastosowanie symulacji Monte Carlo do zarządzania ryzykiem

Bardziej szczegółowo

Zalew danych skąd się biorą dane? są generowane przez banki, ubezpieczalnie, sieci handlowe, dane eksperymentalne, Web, tekst, e_handel

Zalew danych skąd się biorą dane? są generowane przez banki, ubezpieczalnie, sieci handlowe, dane eksperymentalne, Web, tekst, e_handel według przewidywań internetowego magazynu ZDNET News z 8 lutego 2001 roku eksploracja danych (ang. data mining ) będzie jednym z najbardziej rewolucyjnych osiągnięć następnej dekady. Rzeczywiście MIT Technology

Bardziej szczegółowo

KIERUNKOWE EFEKTY KSZTAŁCENIA

KIERUNKOWE EFEKTY KSZTAŁCENIA WYDZIAŁ INFORMATYKI I ZARZĄDZANIA Kierunek studiów: INFORMATYKA Stopień studiów: STUDIA II STOPNIA Obszar Wiedzy/Kształcenia: OBSZAR NAUK TECHNICZNYCH Obszar nauki: DZIEDZINA NAUK TECHNICZNYCH Dyscyplina

Bardziej szczegółowo

Wykaz tematów prac inżynierskich dla studentów studiów stacjonarnych kierunku Informatyka i agroinżynieria w roku akademickim 2014/2015

Wykaz tematów prac inżynierskich dla studentów studiów stacjonarnych kierunku Informatyka i agroinżynieria w roku akademickim 2014/2015 Wykaz tematów prac inżynierskich dla studentów studiów stacjonarnych kierunku Informatyka i agroinżynieria w roku akademickim 2014/2015 Lp. 1. 2. 3. 4. 5. 6. 7. Imię i nazwisko: dyplomanta promotora recenzenta

Bardziej szczegółowo

Wykład I. Wprowadzenie do baz danych

Wykład I. Wprowadzenie do baz danych Wykład I Wprowadzenie do baz danych Trochę historii Pierwsze znane użycie terminu baza danych miało miejsce w listopadzie w 1963 roku. W latach sześcdziesątych XX wieku został opracowany przez Charles

Bardziej szczegółowo

INFORMATYKA Pytania ogólne na egzamin dyplomowy

INFORMATYKA Pytania ogólne na egzamin dyplomowy INFORMATYKA Pytania ogólne na egzamin dyplomowy 1. Wyjaśnić pojęcia problem, algorytm. 2. Podać definicję złożoności czasowej. 3. Podać definicję złożoności pamięciowej. 4. Typy danych w języku C. 5. Instrukcja

Bardziej szczegółowo

Alicja Marszałek Różne rodzaje baz danych

Alicja Marszałek Różne rodzaje baz danych Alicja Marszałek Różne rodzaje baz danych Rodzaje baz danych Bazy danych można podzielić wg struktur organizacji danych, których używają. Można podzielić je na: Bazy proste Bazy złożone Bazy proste Bazy

Bardziej szczegółowo

DLA SEKTORA INFORMATYCZNEGO W POLSCE

DLA SEKTORA INFORMATYCZNEGO W POLSCE DLA SEKTORA INFORMATYCZNEGO W POLSCE SRK IT obejmuje kompetencje najważniejsze i specyficzne dla samego IT są: programowanie i zarządzanie systemami informatycznymi. Z rozwiązań IT korzysta się w każdej

Bardziej szczegółowo

METODY WSPOMAGANIA DECYZJI MENEDŻERSKICH

METODY WSPOMAGANIA DECYZJI MENEDŻERSKICH PREZENTACJA SEPCJALNOŚCI: METODY WSPOMAGANIA DECYZJI MENEDŻERSKICH WYDZIAŁ INFORMATYKI I KOMUNIKACJI KIERUNEK INFORMATYKA I EKONOMETRIA SEKRETARIAT KATEDRY BADAŃ OPERACYJNYCH Budynek D, pok. 621 e-mail

Bardziej szczegółowo

Efekty kształcenia na kierunku AiR drugiego stopnia - Wiedza Wydziału Elektrotechniki, Automatyki i Informatyki Politechniki Opolskiej

Efekty kształcenia na kierunku AiR drugiego stopnia - Wiedza Wydziału Elektrotechniki, Automatyki i Informatyki Politechniki Opolskiej Efekty na kierunku AiR drugiego stopnia - Wiedza K_W01 K_W02 K_W03 K_W04 K_W05 K_W06 K_W07 K_W08 K_W09 K_W10 K_W11 K_W12 K_W13 K_W14 Ma rozszerzoną wiedzę dotyczącą dynamicznych modeli dyskretnych stosowanych

Bardziej szczegółowo

Audyt funkcjonalnego systemu monitorowania energii w Homanit Polska w Karlinie

Audyt funkcjonalnego systemu monitorowania energii w Homanit Polska w Karlinie Audyt funkcjonalnego systemu monitorowania energii w Homanit Polska w Karlinie System zarządzania energią to uniwersalne narzędzie dające możliwość generowania oszczędności energii, podnoszenia jej efektywności

Bardziej szczegółowo

Informacje i materiały dotyczące wykładu będą publikowane na stronie internetowej wykładowcy, m.in. prezentacje z wykładów

Informacje i materiały dotyczące wykładu będą publikowane na stronie internetowej wykładowcy, m.in. prezentacje z wykładów Eksploracja danych Piotr Lipiński Informacje ogólne Informacje i materiały dotyczące wykładu będą publikowane na stronie internetowej wykładowcy, m.in. prezentacje z wykładów UWAGA: prezentacja to nie

Bardziej szczegółowo

Państwowa Wyższa Szkoła Techniczno-Ekonomiczna w Jarosławiu

Państwowa Wyższa Szkoła Techniczno-Ekonomiczna w Jarosławiu Załącznik nr 1 do Uchwały nr 9/12 Rady Instytutu Inżynierii Technicznej PWSTE w Jarosławiu z dnia 30 marca 2012r Państwowa Wyższa Szkoła Techniczno-Ekonomiczna w Jarosławiu EFEKTY KSZTAŁCENIA DLA KIERUNKU

Bardziej szczegółowo

Podstawowe pakiety komputerowe wykorzystywane w zarządzaniu przedsiębiorstwem. dr Jakub Boratyński. pok. A38

Podstawowe pakiety komputerowe wykorzystywane w zarządzaniu przedsiębiorstwem. dr Jakub Boratyński. pok. A38 Podstawowe pakiety komputerowe wykorzystywane w zarządzaniu przedsiębiorstwem zajęcia 1 dr Jakub Boratyński pok. A38 Program zajęć Bazy danych jako podstawowy element systemów informatycznych wykorzystywanych

Bardziej szczegółowo

Modelowanie i Programowanie Obiektowe

Modelowanie i Programowanie Obiektowe Modelowanie i Programowanie Obiektowe Wykład I: Wstęp 20 październik 2012 Programowanie obiektowe Metodyka wytwarzania oprogramowania Metodyka Metodyka ustandaryzowane dla wybranego obszaru podejście do

Bardziej szczegółowo

Systemy GIS Systemy baz danych

Systemy GIS Systemy baz danych Systemy GIS Systemy baz danych Wykład nr 5 System baz danych Skomputeryzowany system przechowywania danych/informacji zorganizowanych w pliki Użytkownik ma do dyspozycji narzędzia do wykonywania różnych

Bardziej szczegółowo

OBIEG INFORMACJI I WSPOMAGANIE DECYZJI W SYTUACJACH KRYZYSOWYCH

OBIEG INFORMACJI I WSPOMAGANIE DECYZJI W SYTUACJACH KRYZYSOWYCH OBIEG INFORMACJI I WSPOMAGANIE DECYZJI W SYTUACJACH KRYZYSOWYCH AGENDA Prezentacja firmy Tecna Informacja i jej przepływ Workflow i BPM Centralny portal informacyjny Wprowadzanie danych do systemu Interfejsy

Bardziej szczegółowo

1. Tabela odniesień efektów kierunkowych do efektów obszarowych z komentarzami

1. Tabela odniesień efektów kierunkowych do efektów obszarowych z komentarzami EFEKTY KSZTAŁCENIA 1. Tabela odniesień efektów kierunkowych do efektów obszarowych z komentarzami Kierunkowy efekt kształcenia - symbol K_W01 K_W02 K_W03 K_W04 K_W05 K_W06 K_W07 K_W08 Kierunkowy efekt

Bardziej szczegółowo

RELACYJNE BAZY DANYCH

RELACYJNE BAZY DANYCH RELACYJNE BAZY DANYCH Aleksander Łuczyk Bielsko-Biała, 15 kwiecień 2015 r. Ludzie używają baz danych każdego dnia. Książka telefoniczna, zbiór wizytówek przypiętych nad biurkiem, encyklopedia czy chociażby

Bardziej szczegółowo

Analiza danych. http://zajecia.jakubw.pl/ TEMATYKA PRZEDMIOTU

Analiza danych. http://zajecia.jakubw.pl/ TEMATYKA PRZEDMIOTU Analiza danych Wstęp Jakub Wróblewski jakubw@pjwstk.edu.pl http://zajecia.jakubw.pl/ TEMATYKA PRZEDMIOTU Różne aspekty analizy danych Reprezentacja graficzna danych Metody statystyczne: estymacja parametrów

Bardziej szczegółowo

Baza danych. Modele danych

Baza danych. Modele danych Rola baz danych Systemy informatyczne stosowane w obsłudze działalności gospodarczej pełnią funkcję polegającą na gromadzeniu i przetwarzaniu danych. Typowe operacje wykonywane na danych w systemach ewidencyjno-sprawozdawczych

Bardziej szczegółowo

Efekty kształcenia wymagane do podjęcia studiów 2 stopnia na kierunku Informatyka

Efekty kształcenia wymagane do podjęcia studiów 2 stopnia na kierunku Informatyka Efekty kształcenia wymagane do podjęcia studiów 2 stopnia na kierunku Informatyka Test kwalifikacyjny obejmuje weryfikację efektów kształcenia oznaczonych kolorem szarym, efektów: K_W4 (!), K_W11-12, K_W15-16,

Bardziej szczegółowo

MATEMATYCZNE METODY WSPOMAGANIA PROCESÓW DECYZYJNYCH

MATEMATYCZNE METODY WSPOMAGANIA PROCESÓW DECYZYJNYCH MATEMATYCZNE METODY WSPOMAGANIA PROCESÓW DECYZYJNYCH 1. Przedmiot nie wymaga przedmiotów poprzedzających 2. Treść przedmiotu Proces i cykl decyzyjny. Rola modelowania matematycznego w procesach decyzyjnych.

Bardziej szczegółowo

Zastosowanie metod eksploracji danych (data mining) do sterowania i diagnostyki procesów w przemyśle spożywczym

Zastosowanie metod eksploracji danych (data mining) do sterowania i diagnostyki procesów w przemyśle spożywczym POLITECHNIKA WARSZAWSKA Instytut Technik Wytwarzania Zastosowanie metod eksploracji danych (data mining) do sterowania i diagnostyki procesów w przemyśle spożywczym Marcin Perzyk Dlaczego eksploracja danych?

Bardziej szczegółowo

Systemy ekspertowe i ich zastosowania. Katarzyna Karp Marek Grabowski

Systemy ekspertowe i ich zastosowania. Katarzyna Karp Marek Grabowski Systemy ekspertowe i ich zastosowania Katarzyna Karp Marek Grabowski Plan prezentacji Wstęp Własności systemów ekspertowych Rodzaje baz wiedzy Metody reprezentacji wiedzy Metody wnioskowania Języki do

Bardziej szczegółowo

Zastosowanie sztucznych sieci neuronowych w prognozowaniu szeregów czasowych (prezentacja 2)

Zastosowanie sztucznych sieci neuronowych w prognozowaniu szeregów czasowych (prezentacja 2) Zastosowanie sztucznych sieci neuronowych w prognozowaniu szeregów czasowych (prezentacja 2) Ewa Wołoszko Praca pisana pod kierunkiem Pani dr hab. Małgorzaty Doman Plan tego wystąpienia Teoria Narzędzia

Bardziej szczegółowo

Projekt dotyczy stworzenia zintegrowanego, modularnego systemu informatycznego wspomagającego zarządzanie pracownikami i projektami w firmie

Projekt dotyczy stworzenia zintegrowanego, modularnego systemu informatycznego wspomagającego zarządzanie pracownikami i projektami w firmie Projekt dotyczy stworzenia zintegrowanego, modularnego systemu informatycznego wspomagającego zarządzanie pracownikami i projektami w firmie informatycznej. Zadaniem systemu jest rejestracja i przechowywanie

Bardziej szczegółowo

Ontologie, czyli o inteligentnych danych

Ontologie, czyli o inteligentnych danych 1 Ontologie, czyli o inteligentnych danych Bożena Deka Andrzej Tolarczyk PLAN 2 1. Korzenie filozoficzne 2. Ontologia w informatyce Ontologie a bazy danych Sieć Semantyczna Inteligentne dane 3. Zastosowania

Bardziej szczegółowo

1.7. Eksploracja danych: pogłębianie, przeszukiwanie i wyławianie

1.7. Eksploracja danych: pogłębianie, przeszukiwanie i wyławianie Wykaz tabel Wykaz rysunków Przedmowa 1. Wprowadzenie 1.1. Wprowadzenie do eksploracji danych 1.2. Natura zbiorów danych 1.3. Rodzaje struktur: modele i wzorce 1.4. Zadania eksploracji danych 1.5. Komponenty

Bardziej szczegółowo

ZARZĄDZANIE I INŻYNIERIA PRODUKCJI

ZARZĄDZANIE I INŻYNIERIA PRODUKCJI ZARZĄDZANIE I INŻYNIERIA PRODUKCJI STUDIA PIERWSZEGO STOPNIA PROFIL OGÓLNOAKADEMICKI Załącznik nr 2 Odniesienie efektów kierunkowych do efektów obszarowych i odwrotnie Załącznik nr 2a - Tabela odniesienia

Bardziej szczegółowo

epuap Opis standardowych elementów epuap

epuap Opis standardowych elementów epuap epuap Opis standardowych elementów epuap Projekt współfinansowany ze środków Europejskiego Funduszu Rozwoju Regionalnego w ramach Programu Operacyjnego Innowacyjna Gospodarka SPIS TREŚCI SPIS TREŚCI...

Bardziej szczegółowo

Metrologia: organizacja eksperymentu pomiarowego

Metrologia: organizacja eksperymentu pomiarowego Metrologia: organizacja eksperymentu pomiarowego (na podstawie: Żółtowski B. Podstawy diagnostyki maszyn, 1996) dr inż. Paweł Zalewski Akademia Morska w Szczecinie Teoria eksperymentu: Teoria eksperymentu

Bardziej szczegółowo

Innowacja geoinformacyjna. Geoinformation innovation

Innowacja geoinformacyjna. Geoinformation innovation Uniwersytet Śląski Instytut Informatyki Małgorzata Gajos Innowacja geoinformacyjna Geoinformation innovation Innowacje w różnych dziedzinach wiedzy ekonomia, marketing i zarządzanie, przedsiębiorczość,

Bardziej szczegółowo

Komputerowe Systemy Przemysłowe: Modelowanie - UML. Arkadiusz Banasik arkadiusz.banasik@polsl.pl

Komputerowe Systemy Przemysłowe: Modelowanie - UML. Arkadiusz Banasik arkadiusz.banasik@polsl.pl Komputerowe Systemy Przemysłowe: Modelowanie - UML Arkadiusz Banasik arkadiusz.banasik@polsl.pl Plan prezentacji Wprowadzenie UML Diagram przypadków użycia Diagram klas Podsumowanie Wprowadzenie Języki

Bardziej szczegółowo

Algorytmy i bazy danych (wykład obowiązkowy dla wszystkich)

Algorytmy i bazy danych (wykład obowiązkowy dla wszystkich) MATEMATYKA I EKONOMIA PROGRAM STUDIÓW DLA II STOPNIA Data: 2010-11-07 Opracowali: Krzysztof Rykaczewski Paweł Umiński Streszczenie: Poniższe opracowanie przedstawia projekt planu studiów II stopnia na

Bardziej szczegółowo

Monitoring procesów z wykorzystaniem systemu ADONIS

Monitoring procesów z wykorzystaniem systemu ADONIS Monitoring procesów z wykorzystaniem systemu ADONIS BOC Information Technologies Consulting Sp. z o.o. e-mail: boc@boc-pl.com Tel.: (+48 22) 628 00 15, 696 69 26 Fax: (+48 22) 621 66 88 BOC Management

Bardziej szczegółowo

INŻYNIERIA OPROGRAMOWANIA

INŻYNIERIA OPROGRAMOWANIA INSTYTUT INFORMATYKI STOSOWANEJ 2013 INŻYNIERIA OPROGRAMOWANIA Inżynieria Oprogramowania Proces ukierunkowany na wytworzenie oprogramowania Jak? Kto? Kiedy? Co? W jaki sposób? Metodyka Zespół Narzędzia

Bardziej szczegółowo

Systemy baz danych w zarządzaniu przedsiębiorstwem. W poszukiwaniu rozwiązania problemu, najbardziej pomocna jest znajomość odpowiedzi

Systemy baz danych w zarządzaniu przedsiębiorstwem. W poszukiwaniu rozwiązania problemu, najbardziej pomocna jest znajomość odpowiedzi Systemy baz danych w zarządzaniu przedsiębiorstwem W poszukiwaniu rozwiązania problemu, najbardziej pomocna jest znajomość odpowiedzi Proces zarządzania danymi Zarządzanie danymi obejmuje czynności: gromadzenie

Bardziej szczegółowo

PRZEWODNIK PO PRZEDMIOCIE

PRZEWODNIK PO PRZEDMIOCIE Nazwa przedmiotu: Kierunek: Mechatronika Rodzaj przedmiotu: obowiązkowy w ramach treści kierunkowych Rodzaj zajęć: wykład, laboratorium BAZY DANYCH I SYSTEMY EKSPERTOWE Database and expert systems Forma

Bardziej szczegółowo

Wykorzystanie danych ze spisów powszechnych do analiz geoprzestrzennych

Wykorzystanie danych ze spisów powszechnych do analiz geoprzestrzennych Janusz Dygaszewicz Główny Urząd Statystyczny Wykorzystanie danych ze spisów powszechnych do analiz geoprzestrzennych W Powszechnym Spisie Rolnym w 2010 r. (PSR 2010) i Narodowym Spisie Powszechnym Ludności

Bardziej szczegółowo

T2A_W01 T2A_W01 T2A_W02 3 SI_W03 Posiada szeroką wiedzę w zakresie teorii grafów T2A_W01

T2A_W01 T2A_W01 T2A_W02 3 SI_W03 Posiada szeroką wiedzę w zakresie teorii grafów T2A_W01 Efekty dla studiów drugiego stopnia profil ogólnoakademicki, na kierunku Informatyka w języku polskim, na specjalnościach Metody sztucznej inteligencji oraz Projektowanie systemów CAD/CAM, na Wydziale

Bardziej szczegółowo

ZMODYFIKOWANY Szczegółowy opis przedmiotu zamówienia

ZMODYFIKOWANY Szczegółowy opis przedmiotu zamówienia ZP/ITS/11/2012 Załącznik nr 1a do SIWZ ZMODYFIKOWANY Szczegółowy opis przedmiotu zamówienia Przedmiotem zamówienia jest: Przygotowanie zajęć dydaktycznych w postaci kursów e-learningowych przeznaczonych

Bardziej szczegółowo

ZAPYTANIE OFERTOWE. nr 1/UE/2014. z dnia 7.01.2014 r. w związku z realizacją projektu pn.

ZAPYTANIE OFERTOWE. nr 1/UE/2014. z dnia 7.01.2014 r. w związku z realizacją projektu pn. Projekt współfinansowany ze środków Unii Europejskiej w ramach Europejskiego Funduszu Rozwoju Regionalnego ZAPYTANIE OFERTOWE nr /UE/204 z dnia 7.0.204 r. w związku z realizacją projektu pn. Wdrożenie

Bardziej szczegółowo

Efekty kształcenia dla kierunku ekonomia studia drugiego stopnia

Efekty kształcenia dla kierunku ekonomia studia drugiego stopnia Załącznik nr 1 do Uchwały nr 9/VI/2012 Senatu Wyższej Szkoły Handlowej im. Bolesława Markowskiego w Kielcach z dnia 13 czerwca 2012 roku. Efekty kształcenia dla kierunku ekonomia studia drugiego stopnia

Bardziej szczegółowo

Usługi analityczne budowa kostki analitycznej Część pierwsza.

Usługi analityczne budowa kostki analitycznej Część pierwsza. Usługi analityczne budowa kostki analitycznej Część pierwsza. Wprowadzenie W wielu dziedzinach działalności człowieka analiza zebranych danych jest jednym z najważniejszych mechanizmów podejmowania decyzji.

Bardziej szczegółowo

STUDIA I MONOGRAFIE NR

STUDIA I MONOGRAFIE NR STUDIA I MONOGRAFIE NR 21 WYBRANE ZAGADNIENIA INŻYNIERII WIEDZY Redakcja naukowa: Andrzej Cader Jacek M. Żurada Krzysztof Przybyszewski Łódź 2008 3 SPIS TREŚCI WPROWADZENIE 7 SYSTEMY AGENTOWE W E-LEARNINGU

Bardziej szczegółowo

Roman Mocek Zabrze 01.09.2007 Opracowanie zbiorcze ze źródeł Scholaris i CKE

Roman Mocek Zabrze 01.09.2007 Opracowanie zbiorcze ze źródeł Scholaris i CKE Różnice między podstawą programową z przedmiotu Technologia informacyjna", a standardami wymagań będącymi podstawą przeprowadzania egzaminu maturalnego z przedmiotu Informatyka" I.WIADOMOŚCI I ROZUMIENIE

Bardziej szczegółowo

Dr hab. inż. Jan Duda. Wykład dla studentów kierunku Zarządzanie i Inżynieria Produkcji

Dr hab. inż. Jan Duda. Wykład dla studentów kierunku Zarządzanie i Inżynieria Produkcji Automatyzacja i Robotyzacja Procesów Produkcyjnych Dr hab. inż. Jan Duda Wykład dla studentów kierunku Zarządzanie i Inżynieria Produkcji Podstawowe pojęcia Automatyka Nauka o metodach i układach sterowania

Bardziej szczegółowo

Podstawowe zagadnienia z zakresu baz danych

Podstawowe zagadnienia z zakresu baz danych Podstawowe zagadnienia z zakresu baz danych Jednym z najważniejszych współczesnych zastosowań komputerów we wszelkich dziedzinach życia jest gromadzenie, wyszukiwanie i udostępnianie informacji. Specjalizowane

Bardziej szczegółowo

Definicje. Algorytm to:

Definicje. Algorytm to: Algorytmy Definicje Algorytm to: skończony ciąg operacji na obiektach, ze ściśle ustalonym porządkiem wykonania, dający możliwość realizacji zadania określonej klasy pewien ciąg czynności, który prowadzi

Bardziej szczegółowo

PLAN REALIZACJI MATERIAŁU NAUCZANIA Z INFORMATYKI II. Uczeń umie: Świadomie stosować się do zasad regulaminów (P).

PLAN REALIZACJI MATERIAŁU NAUCZANIA Z INFORMATYKI II. Uczeń umie: Świadomie stosować się do zasad regulaminów (P). PLAN REALIZACJI MATERIAŁU NAUCZANIA Z INFORMATYKI II DZIAŁ I: KOMPUTER W ŻYCIU CZŁOWIEKA. 1. Lekcja organizacyjna. Zapoznanie uczniów z wymaganiami edukacyjnymi i PSP. 2. Przykłady zastosowań komputerów

Bardziej szczegółowo

Security Master Class

Security Master Class Security Master Class Platforma kompleksowej analizy zdarzeń Linux Polska SIEM Radosław Żak-Brodalko Senior Solutions Architect Linux Polska sp. z o.o. Podstawowe problemy Jak pokryć lukę między technicznym

Bardziej szczegółowo

Kierunek Informatyka stosowana Studia stacjonarne Studia pierwszego stopnia

Kierunek Informatyka stosowana Studia stacjonarne Studia pierwszego stopnia Studia pierwszego stopnia I rok Matematyka dyskretna 30 30 Egzamin 5 Analiza matematyczna 30 30 Egzamin 5 Algebra liniowa 30 30 Egzamin 5 Statystyka i rachunek prawdopodobieństwa 30 30 Egzamin 5 Opracowywanie

Bardziej szczegółowo

Podstawowe pojęcia dotyczące relacyjnych baz danych. mgr inż. Krzysztof Szałajko

Podstawowe pojęcia dotyczące relacyjnych baz danych. mgr inż. Krzysztof Szałajko Podstawowe pojęcia dotyczące relacyjnych baz danych mgr inż. Krzysztof Szałajko Czym jest baza danych? Co rozumiemy przez dane? Czym jest system zarządzania bazą danych? 2 / 25 Baza danych Baza danych

Bardziej szczegółowo

Systemy z bazą wiedzy (spojrzenie bardziej korporacyjne) Baza wiedzy. Baza wiedzy. Baza wiedzy. Baza wiedzy

Systemy z bazą wiedzy (spojrzenie bardziej korporacyjne) Baza wiedzy. Baza wiedzy. Baza wiedzy. Baza wiedzy Zarządzanie wiedzą z bazą wiedzy (spojrzenie bardziej korporacyjne) Wybrane aspekty technologiczne związane z wiedzą i zarządzaniem wiedzą Google: baza wiedzy 1,180,000 znalezionych systemy zarządzania

Bardziej szczegółowo

Projekt: Współpraca i Rozwój wzrost potencjału firm klastra INTERIZON

Projekt: Współpraca i Rozwój wzrost potencjału firm klastra INTERIZON Projekt współfinansowany przez Unię Europejską w ramach Europejskiego Funduszu Społecznego Projekt: Współpraca i Rozwój wzrost potencjału firm klastra INTERIZON Opis szkoleń z obszaru INFORMATYKA planowanych

Bardziej szczegółowo

dr inż. Konrad Sobolewski Politechnika Warszawska Informatyka 1

dr inż. Konrad Sobolewski Politechnika Warszawska Informatyka 1 dr inż. Konrad Sobolewski Politechnika Warszawska Informatyka 1 Cel wykładu Definicja, miejsce, rola i zadania systemu operacyjnego Klasyfikacja systemów operacyjnych Zasada działanie systemu operacyjnego

Bardziej szczegółowo

Pojęcie systemu informacyjnego i informatycznego

Pojęcie systemu informacyjnego i informatycznego BAZY DANYCH Pojęcie systemu informacyjnego i informatycznego DANE wszelkie liczby, fakty, pojęcia zarejestrowane w celu uzyskania wiedzy o realnym świecie. INFORMACJA - znaczenie przypisywane danym. SYSTEM

Bardziej szczegółowo

Sposób oceny polityki eksploatacyjnej w przedsiębiorstwach branży spożywczej

Sposób oceny polityki eksploatacyjnej w przedsiębiorstwach branży spożywczej Politechnika Śląska Wydział Organizacji i Zarządzania Instytut Inżynierii Produkcji Sposób oceny polityki eksploatacyjnej w przedsiębiorstwach branży spożywczej Dr inż. Andrzej Loska VII Konferencja Utrzymanie

Bardziej szczegółowo

System integrowanej produkcji roślinnej (IP) a integrowana ochrona roślin

System integrowanej produkcji roślinnej (IP) a integrowana ochrona roślin System integrowanej produkcji roślinnej (IP) a integrowana ochrona roślin Grzegorz Gorzała Główny Inspektorat Ochrony Roślin i Nasiennictwa Al. Jana Pawła II 11, 00-828 Warszawa Podstawa prawna USTAWA

Bardziej szczegółowo

omnia.pl, ul. Kraszewskiego 62A, 37-500 Jarosław, tel. +48 16 621 58 10 www.omnia.pl kontakt@omnia.pl

omnia.pl, ul. Kraszewskiego 62A, 37-500 Jarosław, tel. +48 16 621 58 10 www.omnia.pl kontakt@omnia.pl .firma Dostarczamy profesjonalne usługi oparte o nowoczesne technologie internetowe Na wstępie Wszystko dla naszych Klientów Jesteśmy świadomi, że strona internetowa to niezastąpione źródło informacji,

Bardziej szczegółowo

T2A_W03 T2A_W07 K2INF_W04 Ma uporządkowaną, podbudowaną teoretycznie kluczową wiedzę w zakresie realizacji informacyjnych systemów rozproszonych

T2A_W03 T2A_W07 K2INF_W04 Ma uporządkowaną, podbudowaną teoretycznie kluczową wiedzę w zakresie realizacji informacyjnych systemów rozproszonych KIERUNKOWE EFEKTY KSZTAŁCENIA Wydział Informatyki i Zarządzania Kierunek studiów INFORMATYKA (INF) Stopień studiów - drugi Profil studiów - ogólnoakademicki Symbol EFEKTY KSZTAŁCENIA Odniesienie do efektów

Bardziej szczegółowo

Wydział Nauk o Zdrowiu. Kierunek: Zdrowie Publiczne. Poziom studiów: drugi. Profil: ogólny

Wydział Nauk o Zdrowiu. Kierunek: Zdrowie Publiczne. Poziom studiów: drugi. Profil: ogólny LISTA PRZEDMIOTÓW, KTÓRE MOGĄ BYĆ UZNANE NA PODSTAWIE OCENY EFEKTÓW UCZENIA SIĘ ZDOBYTYCH NA DRODZE EDUKACJI POZAFORMALNEJ I NIEFORMALNEJ NA ROK AKADEMICKI 2016/2017 Wydział Nauk o Zdrowiu Kierunek: Zdrowie

Bardziej szczegółowo

Informatyka w zarządzaniu. Wstęp do informatyki. Dr inż. Andrzej Czerepicki WSM, 2015

Informatyka w zarządzaniu. Wstęp do informatyki. Dr inż. Andrzej Czerepicki WSM, 2015 Informatyka w zarządzaniu Wstęp do informatyki Dr inż. Andrzej Czerepicki WSM, 2015 Plan wykładu Wprowadzenie. Pojęcie Informatyki Systemy informatyczne w zarządzaniu. Przeznaczenie, charakterystyki oraz

Bardziej szczegółowo

PRZEWODNIK PO PRZEDMIOCIE

PRZEWODNIK PO PRZEDMIOCIE Nazwa przedmiotu: Systemy ekspertowe w zarządzaniu firmą Expert systems in enterprise management Kierunek: Zarządzanie i Inżynieria Produkcji Rodzaj przedmiotu: Rodzaj zajęć: Wyk. Ćwicz. Lab. Sem. Proj.

Bardziej szczegółowo

Baza danych. Baza danych to:

Baza danych. Baza danych to: Baza danych Baza danych to: zbiór danych o określonej strukturze, zapisany na zewnętrznym nośniku (najczęściej dysku twardym komputera), mogący zaspokoić potrzeby wielu użytkowników korzystających z niego

Bardziej szczegółowo

Wykorzystanie standardów serii ISO 19100 oraz OGC dla potrzeb budowy infrastruktury danych przestrzennych

Wykorzystanie standardów serii ISO 19100 oraz OGC dla potrzeb budowy infrastruktury danych przestrzennych Wykorzystanie standardów serii ISO 19100 oraz OGC dla potrzeb budowy infrastruktury danych przestrzennych dr inż. Adam Iwaniak Infrastruktura Danych Przestrzennych w Polsce i Europie Seminarium, AR Wrocław

Bardziej szczegółowo

Hurtownie danych i business intelligence. Plan na dziś : Wprowadzenie do przedmiotu

Hurtownie danych i business intelligence. Plan na dziś : Wprowadzenie do przedmiotu i business intelligence Paweł Skrobanek, C-3 pok. 321 pawel.skrobanek@pwr.wroc.pl Wrocław 2005-2007 Plan na dziś : 1. Wprowadzenie do przedmiotu (co będzie omawiane oraz jak będę weryfikował zdobytą wiedzę

Bardziej szczegółowo

Analiza i projektowanie oprogramowania. Analiza i projektowanie oprogramowania 1/32

Analiza i projektowanie oprogramowania. Analiza i projektowanie oprogramowania 1/32 Analiza i projektowanie oprogramowania Analiza i projektowanie oprogramowania 1/32 Analiza i projektowanie oprogramowania 2/32 Cel analizy Celem fazy określania wymagań jest udzielenie odpowiedzi na pytanie:

Bardziej szczegółowo

SCENARIUSZ LEKCJI. TEMAT LEKCJI: Zastosowanie średnich w statystyce i matematyce. Podstawowe pojęcia statystyczne. Streszczenie.

SCENARIUSZ LEKCJI. TEMAT LEKCJI: Zastosowanie średnich w statystyce i matematyce. Podstawowe pojęcia statystyczne. Streszczenie. SCENARIUSZ LEKCJI OPRACOWANY W RAMACH PROJEKTU: INFORMATYKA MÓJ SPOSÓB NA POZNANIE I OPISANIE ŚWIATA. PROGRAM NAUCZANIA INFORMATYKI Z ELEMENTAMI PRZEDMIOTÓW MATEMATYCZNO-PRZYRODNICZYCH Autorzy scenariusza:

Bardziej szczegółowo

Projektowanie systemów informatycznych. wykład 6

Projektowanie systemów informatycznych. wykład 6 Projektowanie systemów informatycznych wykład 6 Iteracyjno-przyrostowy proces projektowania systemów Metodyka (ang. methodology) tworzenia systemów informatycznych (TSI) stanowi spójny, logicznie uporządkowany

Bardziej szczegółowo

Zarządzanie łańcuchem dostaw

Zarządzanie łańcuchem dostaw Społeczna Wyższa Szkoła Przedsiębiorczości i Zarządzania kierunek: Zarządzanie i Marketing Zarządzanie łańcuchem dostaw Wykład 1 Opracowanie: dr Joanna Krygier 1 Zagadnienia Wprowadzenie do tematyki zarządzania

Bardziej szczegółowo

Efekty kształcenia dla kierunku ekonomia studia pierwszego stopnia

Efekty kształcenia dla kierunku ekonomia studia pierwszego stopnia Załącznik nr 1 do Uchwały nr 7/VI/2012 Senatu Wyższej Szkoły Handlowej im. Bolesława Markowskiego w Kielcach z dnia 13 czerwca 2012 roku. Efekty kształcenia dla kierunku ekonomia studia pierwszego stopnia

Bardziej szczegółowo

Zintegrowane Systemy Informatyczne analiza, projektowanie, wdrażanie

Zintegrowane Systemy Informatyczne analiza, projektowanie, wdrażanie dr hab. Grzegorz Bartoszewicz, prof. nadzw. UEP Katedra Informatyki Ekonomicznej Zintegrowane Systemy Informatyczne analiza, projektowanie, wdrażanie Tematyka seminarium związana jest z wykorzystaniem

Bardziej szczegółowo

Skrócone opisy pryncypiów architektury korporacyjnej podmiotów publicznych

Skrócone opisy pryncypiów architektury korporacyjnej podmiotów publicznych Skrócone opisy pryncypiów architektury korporacyjnej podmiotów publicznych Wersja: 1.0 17.06.2015 r. Wstęp W dokumencie przedstawiono skróconą wersję pryncypiów architektury korporacyjnej podmiotów publicznych.

Bardziej szczegółowo

Efekty kształcenia na kierunku studiów projektowanie mebli i ich odniesienie do efektów obszarowych oraz kompetencji inżynierskich

Efekty kształcenia na kierunku studiów projektowanie mebli i ich odniesienie do efektów obszarowych oraz kompetencji inżynierskich Załącznik nr 1 do uchwały nr 46/2013 Senatu UP Efekty kształcenia na kierunku studiów projektowanie mebli i ich odniesienie do efektów obszarowych oraz kompetencji inżynierskich Wydział prowadzący kierunek:

Bardziej szczegółowo

Technologia informacyjna (IT - Information Technology) dziedzina wiedzy obejmująca:

Technologia informacyjna (IT - Information Technology) dziedzina wiedzy obejmująca: 1.1. Podstawowe pojęcia Technologia informacyjna (IT - Information Technology) dziedzina wiedzy obejmująca: informatykę (włącznie ze sprzętem komputerowym oraz oprogramowaniem używanym do tworzenia, przesyłania,

Bardziej szczegółowo

MATRYCA EFEKTÓW KSZTAŁCENIA

MATRYCA EFEKTÓW KSZTAŁCENIA ZAŁĄCZNIK NR 2 MATRYCA EFEKTÓW KSZTAŁCENIA Studia podyplomowe ZARZĄDZANIE FINANSAMI I MARKETING Przedmioty OPIS EFEKTÓW KSZTAŁCENIA Absolwent studiów podyplomowych - ZARZĄDZANIE FINANSAMI I MARKETING:

Bardziej szczegółowo

Budowa sztucznych sieci neuronowych do prognozowania. Przykład jednostek uczestnictwa otwartego funduszu inwestycyjnego

Budowa sztucznych sieci neuronowych do prognozowania. Przykład jednostek uczestnictwa otwartego funduszu inwestycyjnego Budowa sztucznych sieci neuronowych do prognozowania. Przykład jednostek uczestnictwa otwartego funduszu inwestycyjnego Dorota Witkowska Szkoła Główna Gospodarstwa Wiejskiego w Warszawie Wprowadzenie Sztuczne

Bardziej szczegółowo

Procesowa specyfikacja systemów IT

Procesowa specyfikacja systemów IT Procesowa specyfikacja systemów IT BOC Group BOC Information Technologies Consulting Sp. z o.o. e-mail: boc@boc-pl.com Tel.: (+48 22) 628 00 15, 696 69 26 Fax: (+48 22) 621 66 88 BOC Management Office

Bardziej szczegółowo

Hurtownie danych i business intelligence. Plan na dziś : Wprowadzenie do przedmiotu

Hurtownie danych i business intelligence. Plan na dziś : Wprowadzenie do przedmiotu i business intelligence Paweł Skrobanek, C-3 pok. 321 pawel.skrobanek@pwr.wroc.pl Wrocław 2005-2012 Plan na dziś : 1. Wprowadzenie do przedmiotu (co będzie omawiane oraz jak będę weryfikował zdobytą wiedzę

Bardziej szczegółowo

Temat: Ułatwienia wynikające z zastosowania Frameworku CakePHP podczas budowania stron internetowych

Temat: Ułatwienia wynikające z zastosowania Frameworku CakePHP podczas budowania stron internetowych PAŃSTWOWA WYŻSZA SZKOŁA ZAWODOWA W ELBLĄGU INSTYTUT INFORMATYKI STOSOWANEJ Sprawozdanie z Seminarium Dyplomowego Temat: Ułatwienia wynikające z zastosowania Frameworku CakePHP podczas budowania stron internetowych

Bardziej szczegółowo

Uniwersytet Rolniczy w Krakowie Wydział Inżynierii Produkcji i Energetyki

Uniwersytet Rolniczy w Krakowie Wydział Inżynierii Produkcji i Energetyki Uniwersytet Rolniczy w Krakowie Wydział Inżynierii Produkcji i Energetyki Efekty dla programu : Kierunek: Zarządzanie i inżynieria produkcji Specjalności: Inżynieria produkcji surowcowej, Infrastruktura

Bardziej szczegółowo

Metody Ilościowe w Socjologii

Metody Ilościowe w Socjologii Metody Ilościowe w Socjologii wykład 4 BADANIA OPERACYJNE dr inż. Maciej Wolny AGENDA I. Badania operacyjne podstawowe definicje II. Metodologia badań operacyjnych III. Wybrane zagadnienia badań operacyjnych

Bardziej szczegółowo

PRZEWODNIK PO PRZEDMIOCIE

PRZEWODNIK PO PRZEDMIOCIE Nazwa przedmiotu: PROJEKTOWANIE SYSTEMÓW INFORMATYCZNYCH I KARTA PRZEDMIOTU CEL PRZEDMIOTU PRZEWODNIK PO PRZEDMIOCIE C1. Podniesienie poziomu wiedzy studentów z inżynierii oprogramowania w zakresie C.

Bardziej szczegółowo

Spis treści 5. Spis treści. Część pierwsza Podstawy projektowania systemów organizacyjnych przedsiębiorstwa

Spis treści 5. Spis treści. Część pierwsza Podstawy projektowania systemów organizacyjnych przedsiębiorstwa Spis treści 5 Spis treści Wstęp (Adam Stabryła)... 11 Część pierwsza Podstawy projektowania systemów organizacyjnych przedsiębiorstwa Rozdział 1. Interpretacja i zakres metodologii projektowania (Janusz

Bardziej szczegółowo

Inteligentne Multimedialne Systemy Uczące

Inteligentne Multimedialne Systemy Uczące Działanie realizowane w ramach projektu Absolwent informatyki lub matematyki specjalistą na rynku pracy Matematyka i informatyka może i trudne, ale nie nudne Inteligentne Multimedialne Systemy Uczące dr

Bardziej szczegółowo

OFERTA NA BADANIA I ANALIZY DOTYCZĄCE ORGANIZACJI POZARZĄDOWYCH ORAZ AKTYWNOŚCI OBYWATELSKIEJ

OFERTA NA BADANIA I ANALIZY DOTYCZĄCE ORGANIZACJI POZARZĄDOWYCH ORAZ AKTYWNOŚCI OBYWATELSKIEJ OFERTA NA BADANIA I ANALIZY DOTYCZĄCE ORGANIZACJI POZARZĄDOWYCH ORAZ AKTYWNOŚCI OBYWATELSKIEJ Stowarzyszenie Klon/Jawor to wiodąca polska organizacja zajmująca się badaniami sektora pozarządowego. Naszą

Bardziej szczegółowo

I rok. semestr 1 semestr 2 15 tyg. 15 tyg. Razem ECTS. laborat. semin. ECTS. konwer. wykł. I rok. w tym. Razem ECTS. laborat. semin. ECTS. konwer.

I rok. semestr 1 semestr 2 15 tyg. 15 tyg. Razem ECTS. laborat. semin. ECTS. konwer. wykł. I rok. w tym. Razem ECTS. laborat. semin. ECTS. konwer. Wydział Informatyki i Nauki o Materiałach Kierunek Informatyka studia I stopnia inżynierskie studia stacjonarne 08- IO1S-13 od roku akademickiego 2015/2016 A Lp GRUPA TREŚCI PODSTAWOWYCH kod Nazwa modułu

Bardziej szczegółowo

STUDIA NIESTACJONARNE I STOPNIA Przedmioty kierunkowe

STUDIA NIESTACJONARNE I STOPNIA Przedmioty kierunkowe STUDIA NIESTACJONARNE I STOPNIA Przedmioty kierunkowe Technologie informacyjne prof. dr hab. Zdzisław Szyjewski 1. Rola i zadania systemu operacyjnego 2. Zarządzanie pamięcią komputera 3. Zarządzanie danymi

Bardziej szczegółowo

Algorytm. Krótka historia algorytmów

Algorytm. Krótka historia algorytmów Algorytm znaczenie cybernetyczne Jest to dokładny przepis wykonania w określonym porządku skończonej liczby operacji, pozwalający na rozwiązanie zbliżonych do siebie klas problemów. znaczenie matematyczne

Bardziej szczegółowo

Logistyka I stopień Ogólnoakademicki. Niestacjonarne. Zarządzanie logistyczne Katedra Inżynierii Produkcji Dr Sławomir Luściński

Logistyka I stopień Ogólnoakademicki. Niestacjonarne. Zarządzanie logistyczne Katedra Inżynierii Produkcji Dr Sławomir Luściński KARTA MODUŁU / KARTA PRZEDMIOTU Kod modułu Nazwa modułu Nazwa modułu w języku angielskim Obowiązuje od roku akademickiego 2012/2013 Z-LOGN1-1071 Techniki komputerowe we wspomaganiu decyzji logistycznych

Bardziej szczegółowo

S1A_W06 makroekonomii niezbędną do rozumienia podstawowych procesów

S1A_W06 makroekonomii niezbędną do rozumienia podstawowych procesów Kierunkowe efekty kształcenia Kierunek: zarządzanie i inŝynieria produkcji Obszar kształcenia: nauki rolnicze, leśne i weterynaryjne, nauki techniczne oraz społeczne Poziom kształcenia: studia pierwszego

Bardziej szczegółowo

ZAMAWIAJĄCY. CONCEPTO Sp. z o.o.

ZAMAWIAJĄCY. CONCEPTO Sp. z o.o. Grodzisk Wielkopolski, dnia 11.02.2013r. ZAMAWIAJĄCY z siedzibą w Grodzisku Wielkopolskim (62-065) przy ul. Szerokiej 10 realizując zamówienie w ramach projektu dofinansowanego z Programu Operacyjnego

Bardziej szczegółowo

KARTA MODUŁU KSZTAŁCENIA

KARTA MODUŁU KSZTAŁCENIA KARTA MODUŁU KSZTAŁCENIA I. Informacje ogólne 1 Nazwa modułu kształcenia Sztuczna inteligencja 2 Nazwa jednostki prowadzącej moduł Instytut Informatyki, Zakład Informatyki Stosowanej 3 Kod modułu (wypełnia

Bardziej szczegółowo

Zasady organizacji projektów informatycznych

Zasady organizacji projektów informatycznych Zasady organizacji projektów informatycznych Systemy informatyczne w zarządzaniu dr hab. inż. Joanna Józefowska, prof. PP Plan Definicja projektu informatycznego Fazy realizacji projektów informatycznych

Bardziej szczegółowo

Odniesienie do obszarowych efektów kształcenia 1 2 3. Kierunkowe efekty kształcenia WIEDZA (W)

Odniesienie do obszarowych efektów kształcenia 1 2 3. Kierunkowe efekty kształcenia WIEDZA (W) EFEKTY KSZTAŁCENIA NA KIERUNKU "MECHATRONIKA" nazwa kierunku studiów: Mechatronika poziom kształcenia: studia pierwszego stopnia profil kształcenia: ogólnoakademicki symbol kierunkowych efektów kształcenia

Bardziej szczegółowo