Search academic texts

Information × Registration Number 2125U003094, Article popup.category Бакалаврська робота Title Розробка інформаційної системи для оптимального формування раціону домашніх котів з урахуванням вартісних обмежень та нормативного нутрієнтного забезпечення (AI translated) popup.author Степаненко Анастасія СергіївнаStepanenko Anastasiya Serhiivna popup.publication 01-01-2025 popup.source_user Національний технічний університет України «Київський політехнічний інститут імені Ігоря Сікорського» popup.source https://ela.kpi.ua/handle/123456789/76253 popup.publisher Київ Description Дипломна робота: 106 с., 24 рис., 9 табл., 2 дод., 23 джерела. Об’єкт дослідження – автоматизація формування збалансованого раціону домашніх котів з урахуванням вартості кормів і нормативів FEDIAF. Предмет дослідження – застосування Dash для імпорту та обробки CSV/Excel-даних, t-SNE і UMAP для візуалізації нутрієнтних профілів та три режими оптимізації (лінійний, стохастичний ±20 % і робастний) для мінімізації собівартості. Мета роботи – реалізувати на Python інтерактивну систему, яка фільтрує аномально дорогі продукти, обчислює показники TotalVitPerEuro і CheapCount, класифікує їх як Super-bomb, Bomb чи Inefficient і формує оптимальний набір порцій із точним покриттям мінімальних і максимальних норм. Методи дослідження – PCA, t-SNE, UMAP, лінійне програмування на PuLP, стохастична та інтервальна робастна оптимізація, інтерактивна візуалізація Plotly. Актуальність полягає в необхідності поєднати сучасні статистичні й оптимізаційні підходи для економічного й ефективного ветеринарного ризик-менеджменту. Результат – веб-додаток Veterinary Data Analyzer з модулями імпорту, фільтрації, класифікації, кластеризації, трьома підходами оптимізації та звітами з розподілом маси, вартості й покриттям норм. Подальший розвиток – розширити нормативну базу, інтегрувати динамічний парсер цін та протестувати альтернативні солвери . Технології – Python, Dash, pandas, Plotly, scikit-learn, umap-learn, PuLP, SQLite.. Diploma thesis: 106 p., 24 fig., 9 tabl., 2 app., 23 references. Research object – the automation of formulating a balanced domestic-cat diet taking into account feed cost and FEDIAF standards. Research subject – the use of the Dash web framework for importing and preprocessing CSV/Excel data, t-SNE and UMAP for visualizing nutrient profiles, and three optimization modes (linear, stochastic ± 20 %, and robust interval) to minimize diet cost. Objective – to implement in Python an interactive system that filters out abnormally expensive products, computes the TotalVitPerEuro and CheapCount metrics, classifies items as Super-bomb, Bomb, or Inefficient, and generates an optimal set of servings precisely meeting minimum and maximum nutrient requirements. Methods – PCA; nonlinear dimensionality reduction via t-SNE and UMAP; linear programming with PuLP; stochastic and interval robust optimization; and interactive Plotly visualization. Relevance – integrating modern statistical and optimization techniques is essential for cost-effective and reliable veterinary risk management. Results – the Veterinary Data Analyzer web app, featuring modules for data import, filtering, classification, clustering, three optimization strategies, and automated reports on mass distribution, cost share, and nutrient coverage. Further development – expand the normative database, integrate dynamic price parsing, and evaluate alternative solvers. Technologies – Python, Dash, pandas, Plotly, scikit-learn, umap-learn, PuLP, SQLite. popup.nrat_date 2025-11-05 Close