Subject

Паметни системи за производство и мониторинг

1. Наслов на наставниот предмет Паметни системи за производство и мониторинг
Smart production and monitoring systems
2. Код m23_s_073
3. Студиска програма
4. Организатор на студиската програма (единица, односно институт, катедра, оддел) Факултет за информатички науки и компјутерско инженерство
5. Степен (прв, втор, трет циклус) Втор циклус
6. Академска година / семестар 10 / Летен
7. Број на ЕКТС кредити 6
8. Наставник
9. Предуслови за запишување на предметот
10. Цели на предметната програма (компетенции) Во рамките на овој предмет ќе бидат обработени напредните IT алгоритми и системи за мониторинг и менаџирање производството кои се користат во производството на храна, земјоделството и сточарството. Кандидатите ќе бидат оспособени да дизајнираат и имплементираат IT системи за прецизно земјоделство и сточарство и да вршат напредна анализа и мониторинг на производството со користење на податоци сензори и автономни роботски системи.
11. Содржина на предметната програма Интеграција на IT со производството на храна и суровини
Примена на напредни сензори и ефектори во паметното производство
IOT и Cloud парадигмата во производството и прецизното земјоделство
Методи за анализа на податоци во прецизното земјоделство и паметното производство
Примена на вештачка интелигенија и роботиката во во прецизното земјоделство и паметното производство
12. Методи на учење Предавања, вежби, самостојна работа, проектни задачи, семинарски работи
13. Вкупен расположив фонд на време 6 ЕКТС x 30 часа = 180 часа
14. Распределба на расположивото време 60 + 0 + 30 + 50 + 40 = 180 часа
15. Форми на наставните активности
15.1. Предавања - теоретска настава 60 часови
15.2. Вежби (лабораториски, аудиториски), семинари, тимска работа 0 часови
16. Други форми на активности
16.1. Проектни задачи 50 часови
16.2. Самостојни задачи 30 часови
16.3. Домашно учење 40 часови
17. Начин на оценување
17.1. Тестови 45 бодови
17.2. Семинарска работа / проект ( презентација: писмена и усна) 50 бодови
17.3. Активности и учење 10 бодови
17.4. Завршен испит 0 бодови
18. Критериуми за оценување (бодови/ оценка)
до 50 бода5 (пет) (F)
од 51 до 60 бода6 (шест) (E)
од 61 до 70 бода7 (седум) (D)
од 71 до 80 бода8 (осум) (C)
од 81 до 90 бода9 (девет) (B)
од 91 до 100 бода10 (десет) (A)
19. Услов за потпис и полагање на завршен испит реализирани 15.1 и 15.2
20. Јазик на кој се изведува наставата Македонски и Англиски
21. Метод на следење на квалитетот на наставата Интерна самоевалуација
22. Литература
22.1. Задолжителна литература
1. Thomas Lillesand,‎ Ralph W. Kiefer,‎ Jonathan Chipman | Remote Sensing and Image Interpretation 7th Edition | Wiley | 2015
2. Antonit Mucherino, Petraq J. Papajorgji, Panos M. Padalos | Data Mining in Agriculture | Springer | 2009
3. Nicolas Baghdadi, Mehrez Zribi | Land Surface Remote Sensing in Agriculture and Forest | Elsevier | 2016
4. Yingfeng Zhang and Fei Tao | Optimization of Manufacturing Systems Using the Internet of Things | Academic Press | 2016
22.2. Дополнителна литература
Ред.бр. Автор Наслов Издавач Година