Projekty i badania naukowe

Opis projektu:

Opis projektu:

Branża budowlana stoi przed poważnymi wyzwaniami związanymi z wyczerpywaniem zasobów, zarządzaniem odpadami oraz emisją dwutlenku węgla, szczególnie w procesach produkcji i dystrybucji materiałów budowlanych. Tradycyjne procesy łańcucha dostaw są często liniowe i mało efektywne, co prowadzi do wyższych kosztów oraz większego wpływu na środowisko. Jednym z rozwiązań tych problemów jest zastosowanie alternatywnych, zrównoważonych materiałów oraz stworzenie modeli zoptymalizowanego łańcucha wartości, które koncentrują się na ponownym wykorzystaniu materiałów i efektywności operacyjnej w budownictwie.

Cel projektu
Projekt ma na celu opracowanie nowatorskich metod optymalizacji łańcucha wartości w budownictwie modułowym, które pozwolą zmniejszyć koszty logistyczne oraz wpływ na środowisko. Kluczowym elementem tego podejścia jest idea gospodarki cyrkularnej, gdzie surowce są wielokrotnie wykorzystywane, a odpady minimalizowane. Projekt wpisuje się w założenia Nowego Europejskiego Bauhausu, łącząc dążenie do efektywności energetycznej z troską o środowisko naturalne.

Powody podjęcia badań
Metoda budowy modułowej, w której elementy konstrukcji są prefabrykowane w zakładach produkcyjnych i montowane na miejscu, zyskała popularność dzięki swoim zaletom: oszczędności czasu, redukcji odpadów i mniejszemu zużyciu energii. Jednak obecne rozwiązania w tej dziedzinie nadal nie w pełni wykorzystują potencjał gospodarki cyrkularnej ani zaawansowanych metod optymalizacji. Złożone zależności pomiędzy projektowaniem, logistyką i cyklem życia budynków wymagają opracowania holistycznego podejścia, które równoważy cele ekonomiczne z wymogami zrównoważonego rozwoju.

Opis badań
Badania w projekcie zostaną oparte na analizie danych pierwotnych i wtórnych, które posłużą do zidentyfikowania materiałów, elementów konstrukcyjnych, cyklu życia budynków oraz procesów związanych z ich budową i rozbiórką. W zakresie badań empirycznych przeprowadzone będą badania metodą jakościową (FGI) i ilościową (CATI/CAWI). Wyniki tych badań posłużą m.in. do opracowania modeli strukturalnych (SEM), które umożliwią testowanie hipotez.  Następnie opracowane zostaną modele matematyczne do optymalizacji problemów, takich jak projektowanie sieci logistycznych, zarządzanie materiałami i optymalizacja układu modułów budowlanych.

Do modelowania zostaną wykorzystane zaawansowane narzędzia, takie jak programowanie ograniczeń, programowanie całkowitoliczbowe oraz algorytmy heurystyczne, np. duże przeszukiwanie sąsiedztwa (LNS). Dzięki zastosowaniu metod wielokryterialnych możliwe będzie generowanie rozwiązań optymalnych pod względem różnych celów, takich jak koszty i wpływ na środowisko.

Dodatkowo, w celu przeprowadzenia szerokiej analizy, zostaną wygenerowane syntetyczne zestawy danych, które odwzorują rzeczywiste scenariusze. Te dane pozwolą na symulację różnych modeli biznesowych, w tym podejścia „produkt jako usługa,” gdzie producenci przejmują odpowiedzialność za cykl życia swoich produktów.

Najważniejsze efekty projektu
Projekt przyniesie szereg korzyści, zarówno dla nauki, jak i przemysłu:
• Nowatorskie modele optymalizacji dla łańcuchów wartości w budownictwie modułowym.
• Efektywne algorytmy umożliwiające rozwiązywanie złożonych problemów logistycznych i konstrukcyjnych.
• Praktyczne rekomendacje dla wdrażania gospodarki cyrkularnej w budownictwie.
• Nowe standardy dla branży budowlanej, wspierające realizację celów Europejskiego Zielonego Ładu.

Dzięki tym rozwiązaniom projekt przyczyni się do budowy bardziej zrównoważonego i efektywnego sektora budowlanego, jednocześnie wyznaczając kierunki dla przyszłych badań i innowacji w tej dziedzinie.

Opis projektu:

Opis projektu:

Opis projektu:

Opis projektu:

Opis projektu:

Ostatnie zmiany w technologii i ulepszone techniki gromadzenia danych przyniosły wiele zmian w wycenie nieruchomości na świecie, zarówno z perspektywy praktycznej, jak i teoretycznej. Dużo danych jest gromadzonych, przetwarzanych i analizowanych w celu przewidywania zmian na rynku nieruchomości. Ponadto, dostęp do zasobów publicznych stał się łatwiejszy. W wielu krajach dostępność do danych o nieruchomościach znacznie się poprawiła pod względem zasięgu geograficznego, szczegółowości, ogólnej integralności.

W przypadku Polski nastąpiła ogromna zmiana w możliwości uzyskania informacji o transakcji nieruchomości. Obecnie dane te są dostępne w formie elektronicznej z RCN, podczas gdy dziesięć lat temu należało je przepisać bezpośrednio z aktów notarialnych. Chociaż ta informacja ma ograniczenia w opisie nieruchomości, jednak zawsze jest to ogromny krok
naprzód. Większa łatwość zbierania danych z różnych źródeł online (np. informacje o nieruchomościach lub sprzedaży, dane GIS – współrzędne, udostępniane warstwy wektorowe lub dane z projektu OpenStreetMap) daje możliwość łączenia danych, szacowania modeli z nowymi zmiennymi i opracowywania nowych rozwiązań.

Wartość projektu polega przede wszystkim na przedstawieniu idei AVMs (automatycznych modeli wyceny), które nie zostały jeszcze zbadane, nie tylko w warunkach polskich, ale również w innych (np. indeksy ofertowe jako sposób radzenia sobie z opóźnieniami transakcyjnymi w AVM-ach oraz dokładność w różnych fazach cyklu mieszkaniowego).

Ponadto porównamy wyceny mieszkań dla kredytów hipotecznych sporządzane przez rzeczoznawców majątkowych z wartościami wyznaczanymi przez AVM. Modele zostaną wyestymowane w oparciu na różnych założeniach. Dane zostaną podzielone na podookresy, tak aby sprawdzić ich skuteczność w różnych fazach cykli mieszkaniowych.

Badania będą prowadzone na podstawie podejścia porównawczego, podejścia hedonicznego, jak i uczenia maszynowego. Ponadto, badania zostaną przeprowadzone na dużych, oryginalnych zestawach danych ze szczegółowym opisem nieruchomości w długim horyzoncie czasowym.

Opis projektu:

Głównym celem projektu jest opracowanie nowych metod pomiaru wielkości i charakterystyki wolnych miejsc pracy (w tym elastycznych umów o pracę) w oparciu o badania reprezentacyjne, dane internetowe i administracyjne oraz zastosowanie ich do analizy przeobrażeń zachodzących na rynku wakatów, w tym tych wywołanych recesją COVID-19, napływem uchodźców oraz zmianą technologiczną (np. sztuczną inteligencją), a także zbadania mechanizmu dopasowań pomiędzy poszukującymi pracy a pracodawcami.

Nowatorski charakter projektu polega na:

1) zaproponowaniu nowego podejścia do szacowania liczby wolnych miejsc pracy wyłącznie w oparciu o niestatystyczne źródła danych;

2) skorygowaniu błędów nielosowych w danych administracyjnych i online za pomocą technik integracji danych uwzględniających błędy klasyfikacji;

3) wnioskowaniu o zapotrzebowaniu na jednoznacznie określone umiejętności oraz zapotrzebowanie na pracę wg przekrojów niedostępnych w statystyce oficjalnej, np. według typów umów o pracę, trybu pracy – zdalna, hybrydowa, mobilna, tradycyjna;

4) uwzględnieniu niepewności ze względu na nielosowy charakter danych w celu odpowiedzi na pytania dotyczące zmian strukturalnych na rynku wakatów (np. związanych ze sztuczną inteligencją) oraz zapotrzebowania na pracowników w trakcie recesji (np. wywołaną pandemią COVID-19);

5) analizie mechanizmu dopasowań pomiędzy poszukującymi pracy a pracodawcami przy użyciu danych jednostkowych w przeciwieństwie do powszechnie wykonywanych analiz danych zagregowanych.

Badanie wniesie nowe rozwiązania statystyczne i ekonomiczne do badań rynku pracy.

Strona projektu: https://ojalab.ue.poznan.pl/

Opis projektu:

Studenci SKN INVENTUM wraz z naukowcami z Katedry Przyrodniczych Podstaw Jakości, chcą udowodnić, że wartościowe składniki kosmetyczne mogą powstawać z tego, co zwykle uznaje się za odpad. Punktem wyjścia ich projektu są wytłoki z aronii — bogate w antyoksydanty resztki owoców, które dzięki działaniu wyselekcjonowanych bakterii i drożdży zostaną przekształcone w bioaktywny bioferment.

Zespół porówna różne mikroorganizmy, aby wybrać te, które najlepiej wzbogacają aroniowy surowiec. Gotowy bioferment trafi następnie do prototypu kosmetyku, którego właściwości — od nawilżenia po jakość konserwacji — zostaną dokładnie przebadane. Projekt obejmuje także ankietę badającą, co konsumenci myślą o kosmetykach tworzonych z surowców odzyskanych z odpadów.

Efektem prac będzie nie tylko prototyp ekologicznego produktu, lecz także nowe dane i rekomendacje, które mogą wspierać rozwój innowacyjnych, zrównoważonych kosmetyków na bazie biofermentów.

Opis projektu:

Głównym celem projektu jest opracowanie antyoksydacyjnych i antybakteryjnych materiałów opakowaniowych. Obecnie preferowanym wyborem do zastosowań praktycznych pozostają komercyjne przeciwutleniacze Jednak syntetyczne substancje często nie nadają się do opakowań do kontaktu z żywnością. Jednym z sugerowanych rozwiązań są opakowania z biopolimerów zawierające naturalne przeciwutleniacze min. wyselekcjonowane ekstrakty roślinne. Naturalne ekstrakty w porównaniu do syntetycznych składników nie wykazują szkodliwości wobec człowieka i środowiska a dodatkowo, dzięki bogatemu składowi w substancje aktywne biologiczne, mogą wykazywać efekt prozdrowotny.

Bezpieczeństwo żywności stanowi zatem globalny priorytet i jedną z głównych obaw konsumentów i przemysłu. Bardzo ważną rolę w tym aspekcie odgrywa opakowanie do żywności. Utlenianie jest jednym z głównych czynników powodujących psucie się żywności i pogorszenie jakości żywności. Chociaż tradycyjna technologia pakowania może zapewnić ochronę żywności, nie może skutecznie zapobiegać utlenianiu żywności. Nieprawidłowości związane z doborem materiału opakowaniowego mogą determinować rozwój bakterii chorobotwórczych m.in. Listeria monocytogenes. W ostatnich latach można zaobserwować wyraźną tendencję wzrostową zachorowań na listeriozę w Unii Europejskiej. Dlatego też uzyskanie materiału wykazującego działanie przeciwko tak problematycznemu mikroorganizmowi stanowi o dużym potencjale aplikacyjnym wytworzonego materiału.

Opis projektu:

Projekt bada ceny metali krytycznych, takich jak miedź, lit, kobalt i nikiel, które są kluczowe dla przejścia na gospodarkę o zerowej emisji netto. Analizowane będą czynniki wpływające na ceny tych metali, w tym wydarzenia geopolityczne, niepewność gospodarcza, ceny tradycyjnych źródeł energii oraz świadomość zmian klimatycznych.

Badanie ma na celu zrozumienie dynamiki rynku metali w kontekście rosnącego popytu na te surowce, napędzanego globalnym dążeniem do gospodarki niskoemisyjnej. Skupi się na siedmiu głównych pytaniach, w tym ocenie finansjalizacji rynków metali, zależnościach między cenami metali a tradycyjnymi źródłami energii, wpływie ryzyka geopolitycznego i niepewności gospodarczej na ceny metali, oraz związku między cenami metali a świadomością zmian klimatycznych.

Projekt wypełni lukę w badaniach nad rynkami metali, dostarczając istotnych informacji dla inwestorów, zarządzających portfelami, organów regulacyjnych i innych podmiotów. Wyniki badania mogą pomóc w opracowaniu strategii ograniczania ryzyka, alokacji aktywów i ram politycznych, wspierając płynne przejście na odnawialne źródła energii przy zachowaniu stabilności finansowej.

Opis projektu:

Nasz projekt jest poświęcony badaniu, w jaki sposób sztuczna inteligencja (AI) może kierować ludzi w stronę bardziej zrównoważonych wyborów żywieniowych. Wszyscy wiemy, że nasz system żywnościowy ma duży wpływ na środowisko. Problemy takie jak zmiany klimatyczne, wylesianie i utrata bioróżnorodności są w znacznym stopniu wynikiem tego, jak produkujemy i konsumujemy żywność.

Koncentrując się na tym, jak AI może pomóc nam wybierać produkty spożywcze, które są lepsze dla planety, ten projekt ma na celu przyczynienie się do zdrowszego środowiska i bardziej zrównoważonej przyszłości dla wszystkich.

Cel projektu
Głównym celem tego projektu jest zrozumienie, w jaki sposób spersonalizowane rekomendacje AI mogą zachęcać ludzi do podejmowania decyzji żywieniowych, które są bardziej przyjazne dla środowiska. Chcemy zobaczyć, jak AI może pomóc w łatwiejszym rozpoznawaniu i wybieraniu zrównoważonych produktów spożywczych, kierując ludzi w stronę opcji, które mają mniejszy wpływ na środowisko.

Opis badań
Wykorzystamy szereg zaawansowanych metod badawczych, aby zobaczyć, jak ludzie reagują na rekomendacje AI. Obejmuje to:
• Grupy fokusowe: Przeprowadzimy rozmowy z różnymi grupami ludzi, aby dowiedzieć się o wyzwaniach, jakie napotykają przy próbie dokonywania zrównoważonych wyborów żywieniowych. To pomoże nam zrozumieć, jakie informacje są potrzebne, aby podejmować lepsze decyzje.
• Badania eye-trackingowe: Będziemy badać, jak ludzie czytają etykiety produktów spożywczych i co przyciąga ich uwagę. To pozwoli nam zrozumieć, które informacje o zrównoważoności na etykietach są najbardziej skuteczne w przyciąganiu uwagi.
• Badania EEG: Monitorując aktywność mózgu, zobaczymy, jak mózgi ludzi reagują na rekomendacje generowane przez AI. To pomoże nam zrozumieć, jak AI wpływa na ich procesy decyzyjne.
• Ankiety: Przeprowadzimy ankiety z udziałem wielu osób, aby ocenić ich postawy wobec zrównoważonego rozwoju i poziom wiedzy na temat praktyk zrównoważonego rozwoju. To pozwoli nam zobaczyć, jak te czynniki wpływają na ich decyzje zakupowe.
• Analiza zachowań zakupowych: W realistycznych warunkach sklepowych będziemy badać, jak ludzie korzystają z narzędzi AI na swoich telefonach, aby uzyskać rekomendacje dotyczące zrównoważonych produktów w czasie rzeczywistym. Obserwujemy, jak to wpływa na ich decyzje zakupowe.

Powody podjęcia badań
Nasze badania są motywowane potrzebą ułatwienia i uczynienia bardziej dostępnymi zrównoważonych wyborów żywieniowych dla wszystkich. Wielu ludzi chce dokonywać bardziej przyjaznych dla środowiska wyborów, ale trudno im zrozumieć, co czyni dany produkt zrównoważonym.

Etykiety mogą być mylące, a informacje często przytłaczające. AI ma potencjał, aby uprościć ten proces, oferując jasne i spersonalizowane rekomendacje. Ułatwiając ludziom zrozumienie i wybór zrównoważonych opcji, mamy nadzieję zmniejszyć wpływ naszego systemu żywnościowego na środowisko i przyczynić się do bardziej zrównoważonej przyszłości.

Oczekiwane istotne wyniki
Oczekujemy, że wyniki tego projektu będą miały znaczący wpływ. Po pierwsze, chcemy opracować narzędzia AI, które dostarczą spersonalizowanych i łatwo zrozumiałych rekomendacji, co ułatwi ludziom wybór zrównoważonych produktów spożywczych. Mamy również nadzieję zidentyfikować, które rodzaje informacji o zrównoważoności są najbardziej skuteczne w wpływaniu na decyzje ludzi.
To może prowadzić do lepszych praktyk etykietowania i bardziej świadomych konsumentów.

Ostatecznie naszym celem jest pomoc ludziom w dokonywaniu wyborów wspierających zdrowszą planetę i promowanie bardziej zrównoważonych wzorców konsumpcji. Poprzez wykazanie skuteczności AI w promowaniu zrównoważonych wyborów, mamy nadzieję zainspirować do szerszego wykorzystania tej technologii w innych obszarach naszego życia.