Система моніторингу параметрів мікроклімату у промисловому пташнику

Abstract

Магістерська кваліфікаційна робота присвячена розробці системи моніторингу параметрів мікроклімату у промисловому пташнику. Об’єктом дослідження є процес вирощування птиці у промисловому пташнику. Метою роботи є розробка та застосування системи аналітичного моніторингу, яка поєднує технології OLAP та методи Data Mining для виявлення закономірностей між параметрами мікроклімату та ефективністю утримання птиці. У роботі використано багатовимірний аналіз даних OLAP для побудови гіперкуба, агрегування показників та формування звітів, що дозволяє досліджувати зміни параметрів середовища у різних вимірах. Для інтелектуального аналізу застосовано методи Data Mining, а саме алгоритми класифікації 1-Rule та наївний Байєс, алгоритм пошуку асоціативних правил для визначення залежностей між мікрокліматом і втратами, а також кластеризацію K-means для групування сценаріїв стану середовища та виявлення критичних режимів утримання. Наукова складова роботи полягає у поєднанні сховища даних, OLAP-аналітики та Data Mining у єдиній системі моніторингу мікроклімату, що забезпечує можливість виявлення прихованих закономірностей у великих масивах інформації з різних господарств. Практична значимість полягає у можливості оперативного контролю параметрів середовища, прогнозування ризиків втрат і підтримки управлінських рішень. Результати дослідження можуть бути впроваджені у сучасні птахівницькі підприємства для підвищення продуктивності та зниження економічних витрат. Магістерська кваліфікаційна робота містить 73 сторінок, 34 рисунка, 1 таблицю, 7 додатків та список використаних джерел із 21 найменування.The master's qualification work is devoted to the development of a system for monitoring microclimate parameters in an industrial poultry house. The object of the study is the process of raising poultry in an industrial poultry house. The aim of the work is to develop and apply an analytical monitoring system that combines OLAP technologies and Data Mining methods to identify patterns between microclimate parameters and the efficiency of poultry keeping. The work uses multidimensional OLAP data analysis to build a hypercube, aggregate indicators and generate reports, which allows you to study changes in environmental parameters in different dimensions. Data Mining methods are used for intellectual analysis, namely 1-Rule classification algorithms and naive Bayes, an algorithm for searching for associative rules to determine dependencies between microclimate and losses, as well as K-means clustering to group environmental state scenarios and identify critical maintenance modes. The scientific component of the work consists in combining a data warehouse, OLAP analytics and Data Mining in a single microclimate monitoring system, which provides the ability to identify hidden patterns in large amounts of information from different farms. The practical significance lies in the possibility of operational control of environmental parameters, forecasting the risks of losses and supporting management decisions. The results of the study can be implemented in modern poultry enterprises to increase productivity and reduce economic costs. The master's thesis contains 73 pages, 34 figures, 1 table, 7 appendices, and a list of sources used with 21 titles.