Кваліфікаційні роботи
Постійне посилання на розділhttps://dglib.nubip.edu.ua/handle/123456789/1
Переглянути
2 результатів
Результати пошуку
Документ Експертна система оцінки селекційної цінності молочної худоби(2023) Матвєєв М.А.Актуальність теми. Розведення великої рогатої худоби відіграє вирішальну роль у забезпеченні сталого та ефективного виробництва та постачання молока та інших продуктів, отриманих від великої рогатої худоби, для споживання людиною. Розведення великої рогатої худоби молочного напряму продуктивності зосереджено на генетичному вдосконаленні шляхом відбору особин із бажаними ознаками. Такого роду робота не може бути проведена без застосування сучасних інформаційних технологій, оскільки об’єм індивідуальної інформації про тварин постійно зростає. В останні роки у молочному скотарстві відбулися трансформаційні зміни завдяки інтеграції цифрових пристроїв і технологій. Цей сучасний підхід до розведення використовує дані, датчики та штучний інтелект для підвищення виробництва молока та якості молочної худоби. Добір великої рогатої худоби є фундаментальним аспектом сучасного тваринництва, який обумовлений необхідністю підвищення якості, продуктивності та адаптивності стад великої рогатої худоби до сучасних умов. Об’єкт дослідження – процес добору тварин у молочному скотарстві з використанням сучасних автоматизованих інформаційних систем. Предмет дослідження – система підтримки прийняття рішень щодо реалізації задач добору тварин у молочному скотарстві у тваринництві на базі сучасних автоматизованих інформаційних технологій. Мета роботи – аналіз необхідності (доцільності) використання технологій OLAP і Data Mining для виконання селекційних задач та підвищення ефективності оцінки генетичної цінності плідників шляхом створення системи підтримки прийняття рішень. Зміст поставлених завдань. Для досягнення поставленої мети було виконано такі завдання: 1) проаналізувати предметну область, тобто процес добору та оцінки племінної цінності тварин в молочному скотарстві; 2) сформулювати вимоги до системи підтримки прийняття рішень та до аналізу даних; 3) побудувати моделі предметної області; 4) спроектувати архітектуру системи, моделі оперативної бази даних та сховища даних, визначити джерела даних для системи; 5) реалізувати елементи системи та застосувати технології OLAP і Data Mining на даних системи. Методи дослідження. Інформаційне забезпечення для системи представлено у вигляді сховища даних, яке було заповнено агрегованими даними щодо молочної продуктивності корів з ТДВ «Терезене». Аналіз інформації та підтвердження гіпотез, розрахунок ключових показників ефективності у роботі виконали за допомогою технології OLAP. Також в роботі було використано алгоритми Data Mining. Наукова новизна. У результаті дослідження було вперше розроблено сховище даних для збору і зберігання інформації з одного з найсучасніших племінних господарств України, що дозволяє ефективніше здійснювати оцінку племінної цінності та менеджмент процесу доборе (селекції). У роботі поглиблено знання щодо можливості й доцільності використання технологій OLAP і Data Mining для прийняття селекційних та управлінських рішень в умовах ферми. Апробація результатів дослідження. Результати магістерської роботи були висвітлені під час доповідей на 1) XІV Міжнародній науково-практичній конференції молодих вчених «Інформаційні технології: економіка, техніка, освіта, 2023» 2) V Всеукраїнській науково-практичній інтернет-конференції студентів і аспірантів «Теоретичні та прикладні аспекти розробки комп’ютерних систем ‘2023’» Структура магістерської роботи. Магістерська робота складається із таких розділів вступ, чотирьох розділів, висновків, списку використаних джерел та додатків. У першому розділі зроблено аналіз предметну область, сформульовано завдання та зроблено огляд наявних рішень у наукових роботах, які пов’язані з темою дисертації. Другий розділ зроблено моделювання і проектування системи. У третій розділі описано програмно-інформаційне забезпечення системи. Результати аналізу наведено у четвертому розділі.Документ Комплексна оцінка молочної худоби при формуванні високопродуктивного стада(2023) Матвєєв М.А.